語音信號識別基于盲源信號分離的實現(xiàn)
其次,為了保證處理過程中的精度,還可選擇將data轉(zhuǎn)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(jié)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://m.butianyuan.cn/article/156086.htm
5 結(jié)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