结合ICA和复数神经网络的双麦阵列盲源分离方法

摘要：

为了降低语音信号盲源分离算法的延时,提高其准确性和稳定性,本文结合传统盲源分离技术和深度神经网络的优势,提出了一种基于独立分量分析(ICA)和复数神经网络的双麦阵列盲源分离方法.本文将复数递归神经网络和ICA方法有机融合,提出一种基于时频域的双通道复数神经网络,同时解决了独立分量分析中的排列问题.所提方法利用复数域神经网络在输入为混合信号的情况下计算初始化分离矩阵,神经网络输出采用复数域形式,利用复数学习标签估计复数矩阵,然后采用ICA方法获得目标分离矩阵.实验数据表明,所提方法相较于ICA方法提高了盲源分离的实时性和准确性.

关键词：盲源分离;独立分量分析;复数域递归神经网络;分离矩阵

所属期刊栏目：37

分类号：TN912.3

资助基金：国家自然科学基金11590772

在线出版日期：2022-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2185-2192