2020.25科学技术创新基于盲源分离的智能图像和语音信号去噪方法韩春润吴一帆李佳蔚姚禹(江苏警官学院，江苏南京210031)在某些数字化或传输过程中，智能图像和语音信号经常因设备和环境因素，产生噪声。消除智能图像和语音信号中的噪声一直是图像和语音处理[1]领域必不可少的研究课题。目前，大多数降噪算法都是将含噪声的智能图像和语音信号作为混合信号进行滤波降噪，并未注意智能图像、语音信号和噪声之间存在统计上的独立关系。使用正交频分复用降噪会破坏源信号的完整性，在去除噪声的同时，还会去除一些有用的信号。尽管扩频通信技术不会对源信号造成损害并且可以弥补正交频分复用技术的不足，但降噪效果较差，并会保留一些干扰噪声。在处理结果中，在源信号上还会依附一些干扰噪声。因此，在空域或是在变换域中进行降噪，降噪结果往往呈现出噪声未完全去除或图像、语音信号减弱的情况。盲源分离理论是将噪声信息、图像信号和语音信号识别为两个独立信号，然后盲源分离两个信号从而获得图像信号、语音信号和噪声信号的过程。该方法具有良好的图像和语音去噪能力，对原始图像或语音数据具有良好的保护作用[2]。之后，利用对称正交化方法进行独立分量提取，实现降噪。本文利用对比实验来验证该方法的有效性。结果表明，采用该方法进行降噪，智能图像的分辨率更高，语音信号的信噪比更大，证明该方法比传统降噪方法效果更好。1基于盲源分离的独立分量分析降噪方法在原始数据未知的情况下处理源数据以获得所需源数据的过程就是盲源分离。其基本思想是当源信号独立时将混合信号转化为独立的源信号[3]，从而使生成的信号彼此独立。解决盲源分离问题的重要方法就是独立分量分析。本研究基于独立分量分析的盲源分离降噪方法，流程如图1所示。1.1通道信号采集图2是所用的智能图像采集设备，其主要由多路视频PCI-E图像采集卡MV-E8000、MV-300专业图像采集卡、MV-350医用高清图像采集卡和MV-U2000便携式USB总线图像采集盒组成。实验使用由数据采集卡和四个麦克风构成的语音信号采集系统。实验选择的LiqiLM-110麦克风是一种半球形单指向性的单向反射（PEM）多芯电容传声器，频率响应范围为3-20000Hz，额定电压48V，灵敏度-36dB±20。基金项目院江苏省高等学校大学生实践创新训练项目:语音自动比对技术与软件实现(项目编号:201910329028Y)。摘要：采用传统图像降噪方法对智能图像和语音信号进行降噪处理后，智能图像清晰度较低，语音信号信噪比过大，降噪效果差。针对上述问题，本文提出了一种基于盲源分离的智能图像和语音信号去噪方法。首先通过信号采集装置采集智能图像和语音信号，然后进行均匀化和白化的预处理，最后利用对称分量提取独立分量实现降噪。结果表明，采用该方法降噪后，智能图像的清晰度更高、语音信号的信噪比更大（达到26dB），证明该方法较传统方法具有更好的降噪效果。关键词：盲源分离；独立分量分析；智能图像；语音信号；去噪中图分类号院TN911.73文献标识码院A文章编号院2096-4390渊2020冤25-0077-03
盲源分离综述——问题、原理和方法
陈锡明;黄硕翼
【期刊名称】《电子信息对抗技术》
【年(卷),期】2008(023)002
【摘 要】盲源分离,是从观测到的混合信号中恢复不可观测的源信号的问题.作为阵列信号处理的一种新技术,近几年来受到广泛关注.文章按源信号不同的混合方式,将盲源分离问题分为三种类型:线性瞬时混合、线性卷积混合和非线性混合,综述了它们各自分离的原理和方法,并结合国内外的研究现状,对未来的发展作出了展望.
【总页数】6页(P1-5,45)
【作 者】陈锡明;黄硕翼
【作者单位】信息综合控制国家重点实验室,成都,610036;信息综合控制国家重点实验室,成都,610036
【正文语种】中 文
【中图分类】TN971.1
【相关文献】
1.基于盲源分离的柴油机激励源振动响应分离方法研究 [J], 李军;张永祥;李琳
2.时频域机械故障源盲源分离综述 [J], 李志农;吕亚平;肖尧先
3.非线性盲源分离的原理及算法综述 [J], 王法松;李宏伟;沈远彤
4.盲源分离技术研究与方法综述 [J], 李振璧;王康;姜媛媛
5.盲源分离不确定性问题研究综述 [J], 肖瑛;马艺伟;黄小青 因版权原因，仅展示原文概要，查看原文内容请购买
一 ********* 大 学
毕业设计（论文）任务书
毕业设计（论文）题目：
基于ICA盲源分离的研究及matlab实现
毕业设计（论文）要求及原始数据（资料）：
论文要求：
（1） 查找盲源分离的现状及发展历程
第1周~第2周
(2) 大致了盲源分离的概念和简单的几种算法
第3周~第8周
（3） 用matlab对其中的一种算法进行仿真实验
第9周~第11周
(4) 写论文
第12周~第14周
（5） 论文修改 定稿 准备答辩
第15周~第16周
二 论文原始数据：
盲信号分离与独立分量分析的问题在语音分析与处理、图像、生物信号等多个不同领域受到广泛的关注，特别是在这些领域中的信号提取、增强、降噪、模式缩减与分类等问题的解决有非常重要的意义，实际应用中主要包括脑电图想。心电图像、磁脑电图像和功能性磁共振成像数据等的盲分离（EEG、MEG、FMRI、PET），同时还包括生物特征提取模式化、语音提炼、数据挖掘、多信道反卷积和等量化、通信、遥感以及数据探索分析等，特别地专注于问题的独立性、神经网络解决、以及相关的论题发展前景。在许多实际应用中，同时还要针对决绝的问题设计并实现相应的硬件，包括模拟和数字芯片。由于噪音和干扰语音信号，语音识别系统显示效果会严重地受到影响，但在这种条件下人类能够很好地辨认出需要的语音，这是ICA与BSS算法在信号处理和生物学启示方法典型示例。其他一些重要的研究与应用实例包括：基于ICA和最大后验概率（MAP）估计器应用于改进的信噪比和识别率的噪音清除；对于源信号数量多于传感器数情况下决定混合类型的最优数量的算法及其在电信会议中的应用；盲信号分离算法及其相关方法在语音提炼中的应用；在医学信号处理应用中，以及电图分析为例，心电信号时非固定并显示良好重复性以及几乎周期性模式的一类信号数据。ECG信号干扰产生于认为损坏因素如电极、肌肉和呼吸作用，先前的方法包括ECG信号过滤，但当认为因素信号和ECG信号频率相同时，这一方法无法去掉干扰，BSS与ICA能够解决这一方面的问题。
盲源分离综述_问题_原理和方法
中图分类号:T N97111 文献标志码:A 文章编号:C N51-1694(2008)02-0001-05收稿日期:2007-11-29;修回日期:2007-12-30
作者简介:陈锡明(1970-),男,高级工程师,博士;黄硕翼(1983-),男,硕士研究生。
盲源分离综述———问题、原理和方法
陈锡明,黄硕翼
(信息综合控制国家重点实验室,成都610036)
摘要:盲源分离,是从观测到的混合信号中恢复不可观测的源信号的问题。作为阵列信号处理
的一种新技术,近几年来受到广泛关注。文章按源信号不同的混合方式,将盲源分离问题分为三种类型:线性瞬时混合、线性卷积混合和非线性混合,综述了它们各自分离的原理和方法,并结合国内外的研究现状,对未来的发展作出了展望。关键词:盲源分离;独立分量分析
B lind Source Separation :Problem ,Principle and Method
CHE N X i 2ming ,HUANG Shuo 2yi
(National In formation C ontrol Lab oratory ,Chengdu
610036,China )
Abstract :Blind source separation is to recover unobserved
source signals from observed mixtures.As a new technology of
array signal processing ,it has attracted wide attention.Blind
source separation is classified into three types :linear
instantaneous mixtures ,linear conv olutional mixtures ,and
