摘要:盲信号分离是当代的一个热点研究问题，早在20世纪80年代已经取得了相当大的进展。在盲信号的众多分离方法中，一种应用比较广泛的方法是独立分量分析的方法。这种盲信号分离的方法被成功地应用在了通信、医学、图像和语音信号处理等领域。混合语音信号盲分离问题就是用麦克风阵或多个麦克风阵列来模仿人的耳朵，采集得到相互干扰的混叠声音信号，然后通过分离算法将混叠的声音信号相互分离开来，提取有用的信号。

本文首先介绍了有关盲分离的背景意义及发展历史，主要研究以声音信号盲分离为背景的盲信号处理方法，在声音和听觉信号处理源中，如何从混有的噪声的混叠语音信号中分离出来各个语音信号。鉴于在欠定声音信号的条件下不能对声音信号进行分离，所以本文利用EMD经验模态分解法，将观测声音信号分解为正定声音信号后，通过FastICA算法进行分离。其次本文对于EMD经验模态分解法进行研究与讨论，在欠定的条件下如何将声音源分解为正定的声音使其可以进行分离。最后对于FastICA算法进行系统的研究与讨论，主要是针对在欠定声音条件下使用EMD经验模态分解后的声音进行分离可以实现欠定声音信号盲分离算法，证明了该算法的有效性。最后通过Matlab软件仿真实验并且通过设计GUI界面实现仿真与实测信号。

关键词：声音信号；盲源分离；经验模态分解；独立成分分析

目录

摘要

Abstract

1绪论-3

1.1 盲信号分离的研究和背景意义-3

1.2 盲源分离的数学模型-3

1.3 盲信号分离技术的研究现状-5

1.4 盲分离的应用-6

2 EMD经验模态分解-7

2.1 EMD经验模态分解的基本概念-7

2.2 EMD经验模态分解方法-8

2.3 EMD经验模态分解的实现与测试-9

3 FastICA盲分离系统研究-12

3.1 时域FastICA的研究-12

3.2 FastICA信号中的预处理-13

3.3 目标函数的选择-14

3.4 多个定点算法-14

4 实验仿真结果分析-16

4.1 仿真信号盲源分离-16

4.1.1 原始声音信号-16

4.1.2 混合声音信号-17

4.1.3 信号分离-17

4.2 实测信号盲源分离-18

4.2.1 原始信号-18

4.2.2 混合信号-19

4.2.3 信号分离-19

4.3 GUI界面的设计与实现-20

4.3.1 GUI界面设计思路-20

4.3.2 GUI界面的实现-20

结  论-22

参 考 文 献-23

附录A 程序代码-24

致  谢-35