語(yǔ)音信號(hào)識(shí)別基于盲源信號(hào)分離的實(shí)現(xiàn)
負(fù)熵的定義公式如下:

式中:YGauss是與Y具有相同方差的高斯隨機(jī)變量,H(·)為隨機(jī)變量的微分熵,其表達(dá)式為:

當(dāng)Y具有高斯分布時(shí),Ng(Y)=0;Y的非高斯性越強(qiáng),其微分熵越小,Ng(Y)值越大,所以,Ng(Y)可以作為隨機(jī)變量Y非高斯性的測(cè)度。由于根據(jù)公式計(jì)算微分熵時(shí),要知道Y的概率密度分布函數(shù)不切實(shí)際,于是可采用如下公式:

式中:E[·]為均值運(yùn)算;g(·)為非線性函數(shù),其表達(dá)式可用下列非線性函數(shù)表示:

這樣就可以算出一個(gè)獨(dú)立分量,但每次迭代完成后,還應(yīng)對(duì)Wi進(jìn)行歸一化處理。當(dāng)計(jì)算n個(gè)獨(dú)立分量時(shí),需要n個(gè)列矢量,并且每次迭代后,都需進(jìn)行線性組合以去掉相關(guān)性。
3 軟硬件實(shí)現(xiàn)
3.1 硬件平臺(tái)
Blackfin處理器以RISC編程模型突破性地把信號(hào)處理性能和電源效率結(jié)合起來(lái)。這種處理器在統(tǒng)一的結(jié)構(gòu)中可提供微控制器(MCU)和信號(hào)處理兩種功能,并可以在控制和信號(hào)處理兩種功能需求之間靈活的劃分。
本硬件系統(tǒng)包含ADSP-BF533處理器,32 MBSDRAM MT48LC32M16A2TG,2 MB FLASHPSD4256G6V,ADV1836音頻編解碼器等,其系統(tǒng)結(jié)構(gòu)框圖如圖2所示。本文引用地址:http://www.ex-cimer.com/article/156086.htm
評(píng)論