预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110491408A(43)申请公布日2019.11.22(21)申请号201910642379.9(22)申请日2019.07.16(71)申请人广东工业大学地址510006广东省广州市番禺区大学城外环西路100号(72)发明人解元谢胜利谢侃吴宗泽杨俊杰(74)专利代理机构广州粤高专利商标代理有限公司44102代理人林丽明(51)Int.Cl.G10L21/0272(2013.01)G10L15/06(2013.01)权利要求书1页说明书6页附图3页(54)发明名称一种基于稀疏元分析的音乐信号欠定混叠盲分离方法(57)摘要本发明涉及盲信号分离技术领域,提出一种基于稀疏元分析的音乐信号欠定混叠盲分离方法,包括以下步骤:获取I组音乐源信号,并通过J个传感器进行混叠得到混叠音乐信号;对所述混叠音乐信号进行数学建模;对所述混叠音乐信号进行短时傅里叶变换,得到频域上的混叠音乐信号;在频域上估计混叠矩阵;根据所述混叠矩阵在频域上通过稀疏元分析方法对音乐源信号进行分离,得到估计音乐源信号;对所述估计音乐源信号进行傅里叶变换的逆运算,得到完成分离的时域上的估计音乐源信号。本发明能够对混叠音乐信号有效进行分离,并能够得到理想的分离结果。CN110491408ACN110491408A权利要求书1/1页1.一种基于稀疏元分析的音乐信号欠定混叠盲分离方法,其特征在于,包括以下步骤:S1:获取I组音乐源信号,并通过J个传感器进行混叠,将其合成为J通道的混叠音乐信号;S2:对所述混叠音乐信号进行数学建模;S3:对所述混叠音乐信号进行短时傅里叶变换,得到频域上的混叠音乐信号;S4:在频域上估计混叠矩阵;S5:根据所述混叠矩阵在频域上通过稀疏元分析方法对音乐源信号进行分离,得到估计音乐源信号;S6:对所述估计音乐源信号进行傅里叶变换的逆运算,得到完成分离的时域上的估计音乐源信号。2.根据权利要求1所述的音乐信号欠定混叠盲分离方法,其特征在于:所述S2步骤中,根据所述I组音乐源信号s(t)=[s1(t),...,sI(t)],通过J个传感器进行混叠,将其合成为J通道的混叠音乐信号,得到所述混叠音乐信号的数学模型如下:x(t)=A·s(t)T其中,x(t)=[x1(t),...,xJ(t)]为时域上的混叠音乐信号,xJ(t)表示通过第J个传感J×I器进行混叠的混叠音乐信号;sI(t)表示第I组音乐源信号;A∈R为待估计的混叠矩阵。3.根据权利要求2所述的音乐信号欠定混叠盲分离方法,其特征在于:所述S4步骤中的估计混叠矩阵的制备步骤如下:选择同一空间中连续两个连续帧数据对单个音乐源信号数据进行检测,然后根据所述检测数据对音乐源信号和混叠矩阵的空间方向进行识别,得到估计的混叠矩阵。4.根据权利要求2所述的音乐信号欠定混叠盲分离方法,其特征在于:所述S5步骤中,所述估计音乐源信号的具体公式如下:其中,表示lp范数,且0<p≤1。5.根据权利要求4所述的音乐信号欠定混叠盲分离方法,其特征在于:所述S5步骤中,所述估计音乐源信号通过拉格朗日乘数方法可得到优化解,所述拉格朗日函数的公式如下:其中,α∈CJ×I为拉格朗日乘数;通过所述拉格朗日函数得到的估计音乐源信号的优化解如下:其中,ψ-1(·)表示对角矩阵。2CN110491408A说明书1/6页一种基于稀疏元分析的音乐信号欠定混叠盲分离方法技术领域[0001]本发明涉及盲信号分离技术领域,更具体地,涉及一种基于稀疏元分析的音乐信号欠定混叠盲分离方法。背景技术[0002]盲分离技术可以实现将混合有人声和乐器的声音进行分离,盲分离技术用于在没有任何先验知识的情况下,仅仅通过接收到的混合信号,实现源信号的分离。目前,盲分离技术已经在很多领域得到了应用,包括语音信号处理、生物医学信号处理、神经网络以及无线网络通信领域等等,其中,欠定的盲分离指的是源信号数目大于传感器数目,在这种情况下进行盲分离是极具挑战性的。[0003]稀疏元分析(SparseComponentAnalysis,SCA)是假设源信号满足一定的稀疏性,利用稀疏表示的算法处理盲分离问题。所谓的“稀疏性”是指在任意的采样频点,有且只有唯一的源信号是活跃的,其他的都等于零或者接近于零。因此,针对音乐信号,可以先进行短时傅里叶变换把混叠音乐信号变换到频域内,使其具备一定的稀疏性,然后再对音乐信号的实现盲分离。目前已经提出的基于稀疏元分析的盲分离算法有:频域统计稀疏分解原理(frequency-domainstatisticallysparsedecompositionprinciple,SSDP)算法、局部高斯模型(localGaussianmodeling,LGM)算法、二进制掩蔽(bin