单通道盲源分离方法.pdf

(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CN108875824A(43)申请公布日2018.11.23(21)申请号201810599522.6(22)申请日2018.06.11(71)申请人南京邮电大学地址210003江苏省南京市栖霞区文苑路9号(72)发明人孙林慧谢可丽(74)专利代理机构南京正联知识产权代理有限公司32243代理人王素琴(51)Int.Cl.G06K9/62(2006.01)权利要求书2页说明书8页附图3页(54)发明名称单通道盲源分离方法(57)摘要本发明提供一种单通道盲源分离方法，通过训练阶段，给定不同源语音信号训练样本Ti，求得对应的初始身份子字典Di和初始公共子字典Dc，从而得到包括初始身份子字典Di和初始公共子字典Dc的联合字典，采用优化函数迭代更新联合字典；采用稀疏编码算法求解混合信号在联合字典下的稀疏投影系数；根据子字典和稀疏向量恢复各个源信号；针对联合字典区分能力不强产生的“交叉投影”问题，本发明采用高区分性的联合字典，相比于其他的基于稀疏表示的单通道盲源分离算法，减少了源干扰，分离质量有了明显提高。CN108875824ACN108875824A权利要求书1/2页1.一种单通道盲源分离方法，其特征在于：包括以下步骤，S1、训练阶段，给定不同源语音信号训练样本Ti，求得对应的初始身份子字典Di和初始公共子字典Dc，从而得到包括初始身份子字典Di和初始公共子字典Dc的初始联合字典，采用优化函数迭代更新联合字典；S2、分离语言信号，采用稀疏编码算法求解混合信号在联合字典下的稀疏投影系数；根据子字典和稀疏向量恢复各个源信号。2.如权利要求1所述的单通道盲源分离方法，其特征在于：步骤S1具体为，S11、由不同源训练样本训练得到初始联合字典；S12、固定初始联合字典D，得到训练样本在初始联合字典上的稀疏向量；S13、固定当前稀疏向量，通过优化函数更新得到联合字典。3.如权利要求2所述的单通道盲源分离方法，其特征在于：步骤S11中，得到包括初始身份子字典Di和初始公共子字典Dc的初始联合字典具体为，通过K-SVD方法训练得到身份子字典Di，该字典训练的形式如下：其中Di是通过训练得到的具有归一化原子的字典，α是Ti在字典Di上的投影系数；拼接两个训练样本T＝[T1,T2]，DCT字典作为初始字典，通过K-SVD方法训练得到公共子字典Dc，拼接得到初始联合字典D＝[D1,D2,Dc]。4.如权利要求2所述的单通道盲源分离方法，其特征在于，步骤S12中，当固定初始联合字典D时，选取稀疏编码BP算法更新得到稀疏编码系数，使用如下优化函数更新编码系数：min||Xi||1,subjecttoTi＝DXi(4)式中“1”表示1-范数，即稀疏矩阵Xi的每一列非零元素的绝对值之和。5.如权利要求2所述的单通道盲源分离方法，其特征在于：步骤S13中，优化函数为：其中，这里重建误差由F-范数衡量，J是提出的目标函数，r(D,Xi,Ti)是第i个说话人的交叉投影惩罚项，式(2)中D＝[D1,D2,...,Dm,Dc]表示训练的联合字典，Dm是第m个说话人的身份子字典，Dc是公共子字典；Ti(i＝1,2,...,m)表示纯净声源的训练样本；Xi表示Ti在D上的稀疏向量矩阵；表示系数Xi与子字典Di对应的稀疏系数；表示系数Xi与子字典Dj对应的稀疏系数；表示系数Xi与子字典Dc对应的稀疏系数；α是权重向量。6.如权利要求1-5任一项所述的单通道盲源分离方法，其特征在于：步骤S2中，采用稀疏编码算法求解混合信号在联合字典下的稀疏投影系数具体为，当使用含有公共子字典的联合字典时，方程为D′×E′＝s，s是两个源语音信号的混合信号，E'＝[E1，E2，Ec]，E1,E2和Ec分别是D'1,D'2和Dc上的s的稀疏投影系数，通过求解如下方2CN108875824A权利要求书2/2页程来得到稀疏投影系数E′：s.t.||E'||0≤K(8)其中K是稀疏度，即矩阵E'非零元素的个数。7.如权利要求5所述的单通道盲源分离方法，其特征在于：步骤S2中，根据子字典和稀疏向量恢复各个源信号具体为，将混合信号在训练好的联合字典上稀疏表示后，使用子字典D1和D2上的响应加公共子字典Dc上一定比例的响应来恢复各个源信号，当得到稀疏编码矩阵E′时，通过式(9)计算得到估计的源语音信号其中，α是权重向量。8.如权利要求7所述的单通道盲源分离方法，其特征在于：α设置为0.1，1-α设置为0.9。3CN108875824A说明书1/8页单通道盲源分离方法技术领域[0001]本发明涉及一种单通道盲源分离方法。背景技术[0002]单通道盲源分离(single-channelblindsourceseparation,SCBSS)