基于ICA的重叠语音基频提取和语音增强

语音信号是一种特征时变信号 ,基音频率提取和语音增强是两种常见语音处理要求。独立分量分析 (ICA)是一种盲信号处理方法 ,目的在于将混合在观察信号中的相互独立的源信号分离出来 ,ICA在很多领域都有广泛的应用 ,在语音信号上最为成功 ,本文将ICA用来提取重叠语音信号中的基音频率 ,提出了一个基于ICA的混叠语音基频提取系统 ,成功地解决了基频相互接近时无法提取混合信号基频的问题 ,并将它应用到有音乐背景下的语音增强方面 ,均取得了较好的结果。

过完备ICA算法在语音信号提取中的应用

在语音信号处理中常用麦克风采集语音,然后用算法进行提取和分离,目前常用的有独立分量分析(Independent component Analysis,ICA)算法。但是当麦克风个数少于说话人的个数时,即欠定情形,此时语音信号的提取需采用过完备ICA算法。提出了一种基于过完备ICA算法的两步算法:估计混合矩阵的几何算法和估计源矩阵的最短路径法。该算法能在欠定情形下对语音信号的提取有很好的作用,仿真实验验证了这一结果。

独立分量分析及其在语音处理中的应用

独立分量分析(ICA)是信号分解技术近年来的一项新发展。区别于PCA(主分量分解)和SVD(奇异值分解),它不是按能量的大小进行分解,而是要求被分解出的各分量互相独立。本文介绍了ICA的提出,含义及算法,最后仿真实验了其在语音处理中的应用,并给出了实验结果。