語音盲分離的案例
264 基于matlab的自適應語音盲分離 ￥15.9
基于matlab的自適應語音盲分離，當a和b同時對著傳聲器A,B說話且傳聲器靠得很近時，傳聲器A,B會同時接受到a和b的聲音，即a和b產生了混疊干擾，此時通過自適應語音盲分離系統可以將a,b的聲音分離開，使得一個信道只有一個人的聲音。 具體過程是，利用自適應系統和nlms算法，A和B的誤差信號分別互為參考信號，通過各自的自適應濾波器，得到的信號與混疊聲做差，得到誤差信號，通過誤差信號最小的約束條件，可以每次改變濾波器系數，最后得到的誤差信號即分別為分離出的語音信號。程序已調通，可直接運行。
2-6 基于matlab 2018B的語音信號降噪和盲源分離GUI界面 ￥80
基于matlab 2018B的語音信號降噪和盲源分離GUI界面，包括維納濾波，小波降噪、高通、低通、帶通濾波，及提出的濾波方法。每個功能均展示降噪前后聲音效果并外放出來。程序已調通，可直接運行。
160基于matlab的負熵和峭度信號的盲分離 ￥12.2
基于matlab的負熵和峭度信號的盲分離。基于峭度的FastICA算法的收斂速度要快，迭代次數比基于負熵的FastICA算法少四倍以上。SMSE隨信噪比增大兩種判據下的FastICA算法都逐漸變小，但是基于峭度的算法的SMSE更小，因此基于峭度的FastICA算法性能要優于基于負熵的FastICA算法。程序已調通，可直接運行。
186基于matlab的信號盲源分離算法 ￥19.89
基于matlab的信號盲源分離算法，包括變步長盲源分離（EASI）,RLS(自然梯度和普通梯度)，并將三種方法分離結果進行對比。程序已調通，可直接運行。
235 基于matlab的時頻盲源分離（TFBSS）算法 ￥15.9
基于matlab的時頻盲源分離（TFBSS）算法，TFBSS用空間頻率分布來分離非平穩信號，可以分離具有不同時頻分布的源信號，也能夠分離具有相同譜密度但時頻分布不同的高斯源。同時，該算法在時頻域上局域化源信號能量，從而擴散噪聲頻譜，提高了其在噪聲條件下的魯棒性。程序已調通，可直接運行。
『轉貼』基于斜投影的卷積信道盲信號分離
作者：彭春翌, 朱孝龍, 張賢達（清華大學 自動化系, 北京）
摘 要: 為實現卷積混合信號的盲分離, 提出了一種基于斜投影的子空間方法, 首先設計“過去”、“現在”和“未來”的觀測數據空間, 并通過斜投影將卷積混合轉化成為線性瞬時混合; 然后采用靜態分離算法重構源信號。該方法利用了觀測數據矩陣的結構信息直接獲得線性瞬時混合的數據模型, 不需要進行高維子空間代價函數的優化, 運算量相對小。計算機仿真驗證了算法的有效性。
關鍵詞: 盲信號分離; 獨立分量分析; 卷積混合; 斜投影
.PS.:該帖附件于2006-11-27 11:45:41被Birdy評為3星級，為發貼者加分60。
點評:
展開 技術評論 | 室內Pass-by的源路徑貢獻量分析與盲源分離
</p><p><br></p><p>將該方法得出的結果與<strong>盲源分離（BSS）方法</strong>進行比較，以提取與車輛運行期間不同噪聲過程相關的源信號。提取的源信號與遠場測量值相關聯，以估算Pass-by噪聲貢獻。使用揚聲器對 BSS 方法進行了驗證，結果顯示輪胎噪聲和發動機噪聲的分離效果很好。最后，在底盤轉鼓上對這兩種方法進行測試和評估。</p><p><br></p><p><img src="https://mmbiz.qpic.cn/mmbiz_png/OZOcVSxAOZUX1rPopqfibNm4GOt7YuKQcAohG1b37Qyn3U04HajumWic6KevdJ0SVujL2tt97SjdvwqLtYYhIpMA/640?wx_fmt=png&from=appmsg"></p><p><br></p><ul><li>主要噪聲源建模為一組分布的點聲源，周圍布置近場麥克風作為指示點。由這些指示點數據和聲學傳遞函數估計聲源強度。</li><li>計算完全在時域內進行。</li><li>為了避免串擾的影響，計算時使用分量子矩陣方法，僅考慮相關的矩陣和FRF，矩陣求逆更加穩定。</li></ul><p><br></p><p><br></p><p><strong>測試案例</strong></p><p>受場地限制，使用12個單側Pass-by麥克風距離車輛中心7.5m，靠近車輛噪聲源位置布置25個指示點麥克風。為了避免數值計算中的不穩定，實際挑選了24個指示點數據和15個噪聲源位置。
展開 163基于matlab的不同目標函數的盲源信號分離基于負熵的 ￥29.9
基于matlab的不同目標函數的盲源信號分離基于負熵的；基于負熵的改進算法； 基于峭度的；基于互信息的；基于非線性PCA的。輸出解混前后信號結果。程序已調通，可直接運行。
