基於Hilbert變換的欠定聲音信號分離方法及裝置的製作方法

2023-06-12 13:31:41

專利名稱：基於Hilbert變換的欠定聲音信號分離方法及裝置的製作方法
技術領域：
本發明屬於欠定盲信號處理技術領域,涉及一種基於Hilbert變換的欠定盲源聲音信號分離方法及裝置。
背景技術：
盲信號分離(Blind source separation)技術興起於20世紀80年代，是根據一組混合的採集信號恢復源信號。盲信號分離技術在混合聲音信號處理中的典型應用是解決「雞尾酒會」問題，即在多個說話人環境中分離某個說話人的聲音。按照採集信號和源信號的相對數量不同，盲信號分離分為欠定盲信號分離和非欠定盲信號分離。採集信號數目M小於源信號數目N的情況為欠定盲信號分離，採集信號數目M大於或等於源信號數目N的情況為超定或適定盲信號分離。欠定盲信號分離是一個更符合實際情況、更具有挑戰性的問題，它要求採集信號個數少於源信號個數，更符合實際應用的需要。獨立分量分析(Independent components analysis, ICA),也稱獨立成分分析，是一種近幾年才發展起來的利用統計原理進行計算的方法。它是一個線性變換，這個變換把數據或信號分離成統計獨立的非高斯的信號源的線性組合。由於主成分分析(PrincipalComponent Analysi, PCA)和奇異值分解(Singular Value Decomposition, SVD)是基於信號二階統計特性的分析方法，其目的是去除信號各分量之間的相關性，主要用於數據的壓縮。而ICA則是基於信號高階統計特性的分析方法，經ICA分離出的各信號分量之間是相互獨立的，正是因為這一特點，ICA在信號處理領域受到了廣泛的關注。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數估計。ICA適用於適定盲信號分離，對於欠定盲信號分離，ICA顯得無能為力。若進行分離，得到的各信號分量不是源信號，而是多個源信號的疊加，分離不徹底、不唯一。本發明正是在此背景下提出的。

發明內容
有鑑於此，本發明的目的在於提供一種基於Hilbert變換的欠定盲源聲音信號分離方法及裝置，該方法通過Hilbert變換、信號微分和信號合成等，將欠定盲信號變成非欠定盲信號，再根據協方差矩陣和奇異值分解確定源信號數目，將非欠定盲信號變為適定盲信號，然後採用ICA恢復源信號；該方法能夠方便、高效地對欠定盲信號進行分離。為達到上述目的，本發明提供如下技術方案:一種基於Hilbert變換的欠定盲源聲音信號分離方法，包括以下步驟:步驟一:對採集的混合聲音信號進行去噪預處理；步驟二:將經過步驟一預處理後的聲音信號進行Hilbert變換；步驟三:對經過步驟二變換後的信號進行微分處理，並將經過微分處理後得到的信號與採集的聲音信號進行合成，形成非欠定聲音信號；步驟四:根據步驟三得到的非欠定聲音信號確定源聲音信號數目；步驟五:根據步驟四得到的源聲音信號數目將非欠定聲音信號轉換為適定信號；步驟六:對步驟五中得到的適定信號進行獨立分量分析。進一步，在步驟一中採用小波變換的方法去除採集的聲音信號的噪聲。進一步，所述小波變換的方法包括以下步驟:步驟一:對信號進行小波分解，選擇小波類型並確定分解層次η ;步驟二:對小波分解的高頻係數進行門限閾值量化處理；步驟三:根據小波分解的第η層低頻係數和經過量化後I至η層高頻係數進行小波重構。進一步，通過MATLAB實現信號去噪，小波函數選sym8，分解層次取3 5層，閾值tptr設置:固定閾值形式和啟發式閾值形式，閾值sorh設置:軟門限閾值處理方式。進一步，步驟四具體包括非欠定採集聲音信號協方差矩陣的求解和奇異值分解兩部分。本發明的另一方面提供了一種基於Hilbert變換的欠定盲源聲音信號分離裝置，技術方案如下:一種基於Hilbert變換的欠定盲源聲音信號分離方法及裝置,包括聲音信號採集裝置、源信號重構和分離裝置、分離信號輸出裝置；聲音信號採集裝置用於對混合聲音信號進行採集，並將採集到的信號傳送至源信號重構和分離裝置；源信號重構和分離裝置用於對採集的混合聲音信號進行重構處理，將欠定聲音信號轉換為適定聲音信號並進行分離；分離信號輸出裝置用於將經過源信號重構和分離裝置分離的聲音信號進行輸出。進一步，所述聲音信號採集裝置採用理音多通道振動數據採集器SA-02進行多通道聲音信號採集，將採集到的源聲音信號保存為*.wav格式文件，然後通過MATLAB程序語言wavread讀入,形成數位訊號。進一步，所述源信號重構和分離裝置包括噪聲處理模塊、Hilbert變換模塊、信號微分及合成模塊、信號數目確定模塊和獨立分量分析模塊；噪聲處理模塊對米集的混合聲音信號進行去噪處理Gilbert變換模塊對經過去噪處理後的聲音信號進行Hilbert變換；信號微分及合成模塊對經過Hilbert變換後的聲音信號進行微分處理,再將微分處理後的聲音信號與採集的混合聲音信號合成為非欠定聲音信號；信號數目確定模塊用於根據非欠定聲音信號確定源聲音信號數目，並根據得到的源聲音信號數目將非欠定採集聲音信號轉換為適定信號；獨立分量分析模塊對適定信號進行獨立分量分析，分離出源聲音信號。本發明的有益效果在於:採用本發明所述的基於Hilbert變換的欠定盲源聲音信號分離方法能夠方便、高效地對欠定盲聲音信號進行分離，且適用於多種源信號，具有抗噪性好，分離信號徹底、唯一等優點。


為了使本發明的目的、技術方案和有益效果更加清楚，本發明提供如下附圖進行說明:圖1為本發明所述方法的流程圖；圖2為實驗I源聲音信號圖；圖3為實驗I採集信號圖；圖4為實驗I去噪後採集信號圖；圖5為實驗I分離的源聲音信號圖；圖6為實驗2採集信號圖；圖7為實驗2去噪後採集信號圖8為實驗2分離的源聲音信號圖。
具體實施例方式下面將結合附圖，對本發明的優選實施例進行詳細的描述。圖1為本發明所述方法的流程圖，本發明所述的基於Hilbert變換的欠定盲源聲音信號分離方法，包括以下步驟:步驟一:對採集的混合聲音信號進行去噪預處理；步驟
二:將經過步驟一預處理後的採集聲音信號進行Hilbert變換；步驟三:對經過步驟二變換後的信號進行微分處理，並將經過微分處理後得到的信號與採集的聲音信號進行合成，形成非欠定聲音信號；步驟四:根據步驟三得到的非欠定聲音信號確定源聲音信號數目；步驟五:根據步驟四得到的源聲音信號數目將非欠定聲音信號轉換為適定信號；步驟六:對步驟五中得到的適定信號進行獨立分量分析。具體來說，對於未知傳輸通道、源信號信息情況下接收的聲音信號，將其作為採集的混合聲音信號七(1 = 1，2，...，M)，通過以下步驟分離出的源聲音信號= 1，2，...，Ν)，(其中Μ<Ν彡2Μ，採集的混合聲音信號Xi(i = 1,2,…，Μ)和源聲音信號SiCi = 1,2,…，N)長度均為K):第一步，對採集的混合聲音信號進行去噪預處理，目的是提高信噪比，降低噪聲影響。在本實施例中採用小波變換去除採集的混合聲音信號Xi (i = 1，2，".，Μ)的噪聲。採集的混合聲音信號是一種非平穩信號，而小波變換不僅適用於非平穩信號，而且具有較好的性能。小波變換去噪基本步驟為:首先對信號進行小波分解，選擇小波類型並確定分解層次η ;然後對小波分解的高頻係數進行門限閾值量化處理；最後根據小波分解的第η層低頻係數和經過量化後I至η層高頻係數進行小波重構，達到消除噪聲的目的。

經過對小波變換去噪各種參數的對比研究，在MATLAB中對聲音信號的處理採用如下參數可得到更好的去噪效果:小波函數選sym8，分解層次取3 5層，閾值tptr設置:固定閾值形式(sqtwolog)和啟發式閾值形式(heursure),閾值sorh設置:軟門限閾值處理方式。第二步，將經過步驟一預處理後的混合聲音信號進行Hilbert變換。Hilbert變換作為一種常用的線性變換，對任一實時間信號X (t)，其Hilbert變換i</)的數學描述為x(/) = —f Χ(τ) dr = x(l) * / (/)(I)式中，表示線性卷積，h(t) = I/Jit稱為Hilbert變換器或Hilbert濾波器。Hilbert濾波器是幅頻特性為I的全通濾波器，實信號x (t)通過後，其負頻率成分作+90°相移，正頻率成分作-90°相移，而信號頻譜的幅值保持不變。因此，對採集的混合聲音信號Xi (i = 1,2, -.，Μ)進行Hilbert變換，得到為(i =
1,2,…，M)。第三步，對經過步驟二變換後的信號進行微分處理，並將經過微分處理後得到的信號與採集的混合聲音信號進行合成，形成非欠定聲音信號。在本步驟中，先對變換後的信號足(1 = 1，2，".，Μ)進行微分，得到|.(i = 1，2，…，M);再將採集的混合聲音信號Xi (i =1.2,...，10和信號馬(1 = 1,2,…，Μ)組合到一起，得到非欠定信號，即(i = 1,2,…，2M)。第四步，確定源聲音信號數目。求非欠定信號名(i = 1，2，…，2M)的協方差矩陣C2mx2mo 信號.j = I, 2，…，2M)的協方差COV(H)為:
權利要求
1.一種基於Hilbert變換的欠定聲音信號分離方法，其特徵在於:包括以下步驟: 步驟一:對採集的混合聲音信號進行去噪預處理； 步驟二:將經過步驟一預處理後的聲音信號進行Hilbert變換； 步驟三:對經過步驟二變換後的信號進行微分處理，並將經過微分處理後得到的信號與採集的混合聲音信號進行合成，形成非欠定聲音信號； 步驟四:根據步驟三得到的非欠定聲音信號確定源聲音信號數目； 步驟五:根據步驟四得到的源聲音信號數目將非欠定聲音信號轉換為適定信號； 步驟六:對步驟五中得到的適定信號進行獨立分量分析。
2.根據權利要求1所述的基於Hilbert變換的欠定聲音信號分離方法,其特徵在於:在步驟一中採用小波變換的方法去除採集的聲音信號的噪聲。
3.根據權利要求2所述的基於Hilbert變換的欠定聲音信號分離方法,其特徵在於:所述小波變換的方法包括以下步驟: 步驟一:對信號進行小波分解，選擇小波類型並確定分解層次η ; 步驟二:對小波分解的高頻係數進行門限閾值量化處理； 步驟三:根據小波分解的第η層低頻係數和經過量化後I至η層高頻係數進行小波重構。
4.根據權利要求3所述的基於Hilbert變換的欠定聲音信號分離方法,其特徵在於:通過MATLAB實現信號去噪，小 波函數選sym8,分解層次取3 5層，閾值tptr設置:固定閾值形式和啟發式閾值形式，閾值sorh設置:軟門限閾值處理方式。
5.根據權利要求1所述的基於Hilbert變換的欠定聲音信號分離方法,其特徵在於:步驟四具體包括非欠定聲音信號協方差矩陣的求解和奇異值分解兩部分。
6.一種基於Hilbert變換的欠定聲音信號分離裝置,其特徵在於:包括聲音信號米集裝置、源信號重構和分離裝置、分離信號輸出裝置； 聲音信號採集裝置用於對混合聲音信號進行採集，並將採集到的信號傳送至源信號重構和分離裝置； 源信號重構和分離裝置用於對採集的混合聲音信號進行重構處理，將欠定聲音信號轉換為適定聲音信號並進行分離； 分離信號輸出裝置用於將經過源信號重構和分離裝置分離的聲音信號進行輸出。
7.根據權利要求6所述的基於Hilbert變換的欠定聲音信號分離裝置，其特徵在於:所述聲音信號採集裝置採用理音多通道振動數據採集器SA-02進行多通道聲音信號採集，將採集到的源聲音信號保存為*.wav格式文件，然後通過MATLAB程序語言wavread讀入，形成數位訊號。
8.根據權利要求6所述的基於Hilbert變換的欠定聲音信號分離裝置，其特徵在於:所述源信號重構和分離裝置包括噪聲處理模塊、Hilbert變換模塊、信號微分及合成模塊、源信號數目確定模塊和獨立分量分析模塊； 噪聲處理模塊對採集的混合聲音信號進行去噪處理； Hilbert變換模塊對經過去噪處理後的聲音信號進行Hilbert變換； 信號微分及合成模塊對經過Hilbert變換後的聲音信號進行微分處理,再將微分處理後的聲音信號與米集的混合聲音信號合成為非欠定聲音信號；信號數目確定模塊用於根據非欠定聲音信號確定源聲音信號數目，並根據得到的源聲音信號數目將非欠定採集聲音信號轉換為適定信號； 獨立分量 分析模塊對適定信號進行獨立分量分析，分離出源聲音信號。
全文摘要
本發明公開了一種基於Hilbert變換的欠定盲源聲音信號分離方法及裝置，屬於欠定盲信號處理技術領域；該方法包括以下步驟一，對採集的混合聲音信號進行去噪預處理；二，將經過步驟一預處理後的聲音信號進行Hilbert變換；三，對經過步驟二變換後的信號進行微分處理，並將經過微分處理後得到的信號與採集的聲音信號進行合成，形成非欠定聲音信號；四，根據得到的非欠定聲音信號確定源聲音信號數目；五，根據源聲音信號數目將非欠定聲音信號轉換為適定信號；六，對得到的適定信號進行獨立分量分析；該方法能夠方便、高效地對欠定盲聲音信號進行分離，且適用於多種源信號，具有抗噪性好，分離信號徹底、唯一等優點。
文檔編號G10L21/0272GK103198836SQ20131005260
公開日2013年7月10日 申請日期2013年2月18日 優先權日2013年2月18日
發明者毛偉, 宋斌華 申請人:機械工業第三設計研究院