语音信号识别基于盲源信号分离的实现
加入技术交流群
其次，为了保证处理过程中的精度，还可选择将data转为float运算的方法。
一般地，处理完的数据数值很小，范围在(-10，10)之间，而播放时必须经过D／A，但D／A本身的热噪声会带来很大的误差，信噪比显然无法容忍。对此，其解决办法是将处理完的数据乘以较大的数值，这样，声音信号的相对值并没有发生改变，因而播放时可达到良好的效果。这一方法也是用数字电路工具(如DSP，FPGA等)处理模拟信号时的常用方法。
4 实际效果
图4所示是两段录音的音频信号时域图，图5则是经过瞬时线性混合后的信号时域图，图6是经过在BF533平台上利用FastICA算法得到的分离后的信号时域图。实验发现，图6所示的结果分离效果良好，可以清楚地听到不同的源信号。本文引用地址：//m.amcfsurvey.com/article/156086.htm
5 结论
本文首先简单介绍了盲信号分离的数学模型以及常用的理论算法。之后详细介绍了用ADSP_BF533实现盲信号分离时的具体流程以及实现过程中常见问题的解决方案。本设计方案所需时间短，效率高，而且占用内存较少。在工程应用方面具有一定的参考价值。
评论