基于模糊系统实时卷积混合盲信号分离自适应步长方法.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CN105825866A(43)申请公布日2016.08.03(21)申请号201610348832.1(22)申请日2016.05.24(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人张立毅王哲陈雷李锵(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人刘国威(51)Int.Cl.G10L21/0272(2013.01)权利要求书2页说明书5页附图3页(54)发明名称基于模糊系统实时卷积混合盲信号分离自适应步长方法(57)摘要本发明涉及语音信号处理，为提供提出利用模糊系统确定学习速率，保证算法在前期的收敛速度和后期的稳态性能，达到良好实时分离效果。本发明采用的技术方案是，基于模糊系统实时卷积混合盲信号分离自适应步长方法，包括如下步骤：步骤(1)：通过短时傅里叶变换将输入信号由时域转换至频域；步骤(2)：输入信号并依次处理对于当前时刻每个频域点输入的信号；步骤(3)：建立模糊系统；步骤(4)：根据当前步长来计算当前时刻的分离矩阵；步骤(5)：通过分离矩阵求解频域分离信号；步骤(6)：通过短时傅里叶逆变换将频域分离信号转换至时域，从而得到最终的分离信号。本发明主要应用于语音信号处理场合。CN105825866ACN105825866A权利要求书1/2页1.一种基于模糊系统的实时卷积混合盲信号分离自适应步长方法，其特征是，步骤如下：步骤(1)：通过短时傅里叶变换将输入信号由时域转换至频域；步骤(2)：输入信号并依次处理对于当前时刻每个频域点输入的信号，先计算当前的信号的整个系统的输出性能D[n]和第k个频域点的输出信号的分离状态Dk[n]；步骤(3)：建立模糊系统，并将D[n]和Dk[n]输入建立好的模糊系统来确定当前步长；步骤(4)：根据当前步长来计算当前时刻的分离矩阵；步骤(5)：通过分离矩阵求解频域分离信号；步骤(6)：通过短时傅里叶逆变换将频域分离信号转换至时域，从而得到最终的分离信号。通过短时傅里叶逆变换将频域分离信号转换至时域，从而得到最终的分离信号。2.如权利要求1所述的基于模糊系统的实时卷积混合盲信号分离自适应步长方法，其特征是，所述步骤(2)中的D[n]和Dk[n]的计算公式推导如下：引入与来表示两个信号间的二阶相关性与高阶相关性，其计算公式如下：式中，ρ(·)表示一个非线性函数，E(·)表示求均值，表示在频率点k处的第i路输出信号，表示在频率点k处的第j路输出信号，表示在节点n时频率点k处的第i路输出信号与第j路输出信号的二阶相关性，表示在节点n时频率点k处的第i路输出信号与第j路输出信号的高阶相关性。3.如权利要求1所述的基于模糊系统的实时卷积混合盲信号分离自适应步长方法，其特征是，为了进一步衡量系统的分离状态，引入如下函指标:表示了在第k个频域点的第i路输出信号与第j路输出信号的依赖程度；表示了在第k个频域点的第i路输出信号的分离程度；Dk[n]表示了在第k个频域点的所有输出信号的分离状态；2CN105825866A权利要求书2/2页D[n]表示了整个系统在n时刻的输出性能。4.如权利要求1所述的基于模糊系统的实时卷积混合盲信号分离自适应步长方法，其特征是，所述步骤(3)中模糊系统如下：将D[n]与Dk[n]作为模糊系统的输入变量，将其分为great,middle和bad三类并构造相应的模糊集，将作为模糊系统的输入变量，分为verysmall，small，middle，large，verylarge五类并构造相应的模糊集，模糊推断规则如表1所示：表1模糊推断规则greatmiddlebadgreatverysmallsmallsmallmiddlesmallmiddlelargebadmiddlelargeverylarge其中，great,middle和bad分别表示优、中、差，verysmall，small，large，verylarge分别表示很小、小、大、很大。3CN105825866A说明书1/5页基于模糊系统实时卷积混合盲信号分离自适应步长方法技术领域[0001]本发明涉及语音信号处理，卷积混合盲信号分离是针对许多实际应用的场景的分离方法，例如混合声音信号的分离等。实时卷积混合盲信号分离的自适应步长方法可以有效的选择步长，在保证系统稳定的前提下尽快的得到精确的分离信号，在语音信号的处理等方面有着重要的作用。具体讲,涉及基于模糊系统实时卷积混合盲信号分离自适应步长方法。背景技术[0002]盲信号分离是指仅根据观测到的混合数据向量来恢复原始信号或信源，而在这一过程混合矩阵未知。它在生物医学信号处理，图像处理与语音识别等领域都有着广阔的应用前景。在信号的混合过程中，由于信号的反射延时等