語音信號識別基于盲源信號分離的實現(xiàn)
加入技術交流群
其次，為了保證處理過程中的精度，還可選擇將data轉為float運算的方法。
一般地，處理完的數(shù)據(jù)數(shù)值很小，范圍在(-10，10)之間，而播放時必須經(jīng)過D／A，但D／A本身的熱噪聲會帶來很大的誤差，信噪比顯然無法容忍。對此，其解決辦法是將處理完的數(shù)據(jù)乘以較大的數(shù)值，這樣，聲音信號的相對值并沒有發(fā)生改變，因而播放時可達到良好的效果。這一方法也是用數(shù)字電路工具(如DSP，F(xiàn)PGA等)處理模擬信號時的常用方法。
4 實際效果
圖4所示是兩段錄音的音頻信號時域圖，圖5則是經(jīng)過瞬時線性混合后的信號時域圖，圖6是經(jīng)過在BF533平臺上利用FastICA算法得到的分離后的信號時域圖。實驗發(fā)現(xiàn)，圖6所示的結果分離效果良好，可以清楚地聽到不同的源信號。本文引用地址：http://www.ex-cimer.com/article/156086.htm
5 結論
本文首先簡單介紹了盲信號分離的數(shù)學模型以及常用的理論算法。之后詳細介紹了用ADSP_BF533實現(xiàn)盲信號分離時的具體流程以及實現(xiàn)過程中常見問題的解決方案。本設計方案所需時間短，效率高，而且占用內(nèi)存較少。在工程應用方面具有一定的參考價值。
評論