飞机舱音记录器非话语信号盲分离性能

飞机驾驶舱话音记录器(Cockpit voice recorder,CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成的。目前国内对该类信号的分析和辨别主要是计算机译码后进行人耳辨听,存在不易准确分辨出各种独立的声音信号的缺点。本文提出采用基于高效快速的独立分量分析(Efficient variant of fastI-CA,EFICA)算法和可调整权值的二阶盲分离(Weight-adjusted variant second-order blind identification,WA-SOBI)的混合算法对舱音信号进行分离实验。采用不同算法的仿真结果比较表明,混合盲处理算法具有更为优越的分离性能。

独立分量分析在驾驶舱话音记录器背景信号分离中的应用

飞机驾驶舱话音记录器(CVR)记录的舱音信号,通常是由语音、警告声、开关按钮声和背景噪声等混合而成的。目前对该类信号的分析和辨别主要是通过CVR译码专业设备下载后依靠人耳辨听,存在不易准确分辨出各种独立声音信号的缺点。应用基于独立分量分析(ICA)方法的快速ICA(FastICA)、自然梯度、JADE算法,以及扩展优化的COMBI等算法,对舱音混合信号进行分离,并对各种算法的分离效果进行比较。仿真结果表明,上述算法可以有效地将CVR混合信号中的独立声音信号分离出来,其中COMBI具有更为优越的分离效果。