[发明专利]基于Hilbert变换的欠定声音信号分离方法及装置

说明书

技术领域

本发明属于欠定盲信号处理技术领域，涉及一种基于Hilbert变换的欠定盲源声音信号分离方法及装置。

背景技术

盲信号分离（Blind source separation）技术兴起于20世纪80年代，是根据一组混合的采集信号恢复源信号。盲信号分离技术在混合声音信号处理中的典型应用是解决“鸡尾酒会”问题，即在多个说话人环境中分离某个说话人的声音。按照采集信号和源信号的相对数量不同，盲信号分离分为欠定盲信号分离和非欠定盲信号分离。采集信号数目M小于源信号数目N的情况为欠定盲信号分离，采集信号数目M大于或等于源信号数目N的情况为超定或适定盲信号分离。

欠定盲信号分离是一个更符合实际情况、更具有挑战性的问题，它要求采集信号个数少于源信号个数，更符合实际应用的需要。

独立分量分析（Independent components analysis，ICA），也称独立成分分析，是一种近几年才发展起来的利用统计原理进行计算的方法。它是一个线性变换，这个变换把数据或信号分离成统计独立的非高斯的信号源的线性组合。由于主成分分析(Principal Component Analysi，PCA)和奇异值分解（Singular Value Decomposition，SVD）是基于信号二阶统计特性的分析方法，其目的是去除信号各分量之间的相关性，主要用于数据的压缩。而ICA则是基于信号高阶统计特性的分析方法，经ICA分离出的各信号分量之间是相互独立的，正是因为这一特点，ICA在信号处理领域受到了广泛的关注。ICA模型的主要方法有非高斯最大化、互信息最小化和最大似然函数估计。

ICA适用于适定盲信号分离，对于欠定盲信号分离，ICA显得无能为力。若进行分离，得到的各信号分量不是源信号，而是多个源信号的叠加，分离不彻底、不唯一。本发明正是在此背景下提出的。

发明内容

有鉴于此，本发明的目的在于提供一种基于Hilbert变换的欠定盲源声音信号分离方法及装置，该方法通过Hilbert变换、信号微分和信号合成等，将欠定盲信号变成非欠定盲信号，再根据协方差矩阵和奇异值分解确定源信号数目，将非欠定盲信号变为适定盲信号，然后采用ICA恢复源信号；该方法能够方便、高效地对欠定盲信号进行分离。

为达到上述目的，本发明提供如下技术方案：

一种基于Hilbert变换的欠定盲源声音信号分离方法，包括以下步骤：步骤一：对采集的混合声音信号进行去噪预处理；步骤二：将经过步骤一预处理后的声音信号进行Hilbert变换；步骤三：对经过步骤二变换后的信号进行微分处理，并将经过微分处理后得到的信号与采集的声音信号进行合成，形成非欠定声音信号；步骤四：根据步骤三得到的非欠定声音信号确定源声音信号数目；步骤五：根据步骤四得到的源声音信号数目将非欠定声音信号转换为适定信号；步骤六：对步骤五中得到的适定信号进行独立分量分析。

进一步，在步骤一中采用小波变换的方法去除采集的声音信号的噪声。

进一步，所述小波变换的方法包括以下步骤：步骤一：对信号进行小波分解，选择小波类型并确定分解层次n；步骤二：对小波分解的高频系数进行门限阈值量化处理；步骤三：根据小波分解的第n层低频系数和经过量化后1至n层高频系数进行小波重构。

进一步，通过MATLAB实现信号去噪，小波函数选sym8，分解层次取3～5层，阈值tptr设置：固定阈值形式和启发式阈值形式，阈值sorh设置：软门限阈值处理方式。

进一步，步骤四具体包括非欠定采集声音信号协方差矩阵的求解和奇异值分解两部分。

本发明的另一方面提供了一种基于Hilbert变换的欠定盲源声音信号分离装置，技术方案如下：一种基于Hilbert变换的欠定盲源声音信号分离方法及装置，包括声音信号采集装置、源信号重构和分离装置、分离信号输出装置；声音信号采集装置用于对混合声音信号进行采集，并将采集到的信号传送至源信号重构和分离装置；源信号重构和分离装置用于对采集的混合声音信号进行重构处理，将欠定声音信号转换为适定声音信号并进行分离；分离信号输出装置用于将经过源信号重构和分离装置分离的声音信号进行输出。

进一步，所述声音信号采集装置采用理音多通道振动数据采集器SA-02进行多通道声音信号采集，将采集到的源声音信号保存为*.wav格式文件，然后通过MATLAB程序语言wavread读入，形成数字信号。