语音信号盲分离方法研究

2011年 11月 第 11 期 电 子 测 试 ELECTRONIC  TEST Nov.2011 No.11 1 基于小波变换的稠油出砂信号去噪分析★ 李兵祥1，樊超2，张维娜1，张微1 （1 西安石油大学，陕西 西安 710065；2 陕西青年职业学院，陕西 西安 710068） 摘要：石油生产过程中，出砂不仅导致设备损伤、产量下降，而且还会影响到油气井的寿命，所以采取合理的 防砂、治砂措施是非常重要的。但是压电式超声波传感器检测的出砂信号，包含很强的流体噪声和电磁干扰信 号，必须去除干扰才能得到有用信号。本文采用小波变换在MATLAB下进行仿真，并与傅里叶变换比较去噪 效果，结果显示小波变换既能有效的去除噪声，又能保存信号中的有用信息。经过室内试验及现场试验得到的 数据显示，小波变换具有很好的去噪效果。 关键词：压电式超声波传感器；小波变换；去噪 中图分类号: TE8 文献标识码: B De-noising analysis of heavy oil sanding signals based on wavelet transform Li Bingxiang1，Fan Chao2，Zhang Weina1，Zhang Wei1 (1 Xi’an Shiyou University,Shaanxi Xi’an 710065;2 Shaanxi Youth Vocational College, Shaanxi Xi’an 710068) Abstract: In the process of oil production, sand production not only lead to the equipment damage and reduce the production, but also can affect the life of the oil well, so take reasonable sand measurements and control is very important. But the signals detected by the piezoelectric ultrasonic sensor contain strong fluid noise and electromagnetic interference, in order to get the useful signals, the interferences must be removed. This paper uses wavelet transform, and simulate in the MATLAB, and compares the de-noising effects with the Fourier transform, the results show that the wavelet transform can effectively remove noises, and it also preserves the useful information of the signals. Through the data from laboratory test and field test show that the wavelet transform have very good de-noising effect. Keywords: piezoelectric ultrasonic sensor; wavelet transform; de-noising ★基金项目 ：陕西省教育厅项目“油气井出砂实时监测方法研究”资助 (2010JK786) 25 2013.22 设计与研发 0 引言 盲源信号分离（Blind Signal Separation，BSS）是信号处理 方面研究的热点，近年来取得了快速的发展，在很多方面得到了广 泛地应用。盲源信号分离是指在源信号和混合参数等先验知识未 知的情况下，仅使用观测到的混合信号，依据输入源信号的统计特 性恢复出源信号的技术。盲源信号分离的主要任务就是对于未知 系统中，从观测的混合信号中提取或恢复出源信号的一种信号处 理方法。在复杂的通信环境下，空间中存在着各种各样的信号，如 何从混合信号中提取对自己有用的信号。本文研究基于魏格纳时 频分布与联合对角化的盲分离方法，仿真结果表明，该算法能够从 混合信号中将源信号实现降序分离，且具有很高的分离精度。 1 盲源信号分离问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 模型 源信号之间是彼此相互独立的。盲源信号分离就是利用源 信号之间的相互独立性，从若干观测到的混合信号中提取、恢复 出各个源信号的过程。观测信号由一组传感器采集得到，N个信 号源 发出的信号被 M 个传感器接收到后得到输出 ，每个传感器接收到的都是多个源信号的混合，如 图 1所示。 图 1 源信号混合过程示意图 盲源信号分离的目的就是求得源信号的估计 ，并使其最 大限度的与源信号相似。盲源信号分离的工作原理如图 2所示。 图 2 盲源信号分离工作原理图 其中 为 维源信号向量， 为未知的混合矩阵， 为 维接收信号向量 ， 为 维的加性高斯白噪 声向量，它与源信号 统计独立， 为分离系统的输出信号。 2 基于 分布与联合对角化的盲分离算法描 述 分布是一种二次联合时频分布。具有双线性变换且不 含任何窗函数， 是时间和频率的二元函数，可以表示瞬时频 率随时间的变化情况。 设连续时间信号 ，其解析信号为 )， 是 的 共轭，则相应的 的定义为： (1) WVD 的频域表示为： (2) 当没有噪声的情况下，源信号与观测到的混叠信号的 WVD 矩 阵关系为： (3) 其中源信号的 WVD 矩阵为 ，观测信号的 WVD 矩 阵为 。矩阵 的非对角线元素为交叉项，矩阵 为对角阵。 对接收到的混叠信号，要进行预白化处理，主要是为了求酉矩 阵 U，通过联合对角化一组观测信号的 WVD矩阵得到酉矩阵 U。 对混叠信号预白化处理即用一个白化矩阵 W乘以 ，W满 足： (4) 其中 为噪声为零的情况下混叠信号的自相关矩阵： (5) 对于任一白化矩阵 W，都存在一个酉矩阵 U，使得 成 立。选择适当的时频域中的点，利用混叠信号的时频分布矩阵求得 U，则混叠矩阵 A可表示为： （6） 白化后的观测矢量的线性模型为： （7） 语音信号盲分离方法研究 孙小军 （平顶山学院 ,467099） 摘要：本文采用 WVA 分布与联合对角化的盲分离算法，估计出源语音信号，实现对混叠信号的盲分离。通过仿真实验，结果表 明，本算法具有分离效果好，能有效的将混叠的盲语音信号分离。 关键词：盲分离；语音信号；盲源信号分离 Method of speech signal blind separation Sun Xiaojun （Pingdingshan University,467099） Abstract ：The blind source separation refers to the process of each original signal only mixed signals from several observation to distill,recovery cannot direct observations of the.In this paper,the Wegener time-frequency distribution and the joint diagonalization of the blind separation method based on speech signal,estimate the source,through the experiment, and the results show that the algorithm can separate blind speech signals effectively. Keywords ： blind source separation ；The speech signal ；BSS 平顶山学院青年基金（编号：PDSU-QNJJ-2013006） 26 2011年 11月 第 11 期 电 子 测 试 ELECTRONIC  TEST Nov.2011 No.11 1 基于小波变换的稠油出砂信号去噪分析★ 李兵祥1，樊超2，张维娜1，张微1 （1 西安石油大学，陕西 西安 710065；2 陕西青年职业学院，陕西 西安 710068） 摘要：石油生产过程中，出砂不仅导致设备损伤、产量下降，而且还会影响到油气井的寿命，所以采取合理的 防砂、治砂措施是非常重要的。但是压电式超声波传感器检测的出砂信号，包含很强的流体噪声和电磁干扰信 号，必须去除干扰才能得到有用信号。本文采用小波变换在MATLAB下进行仿真，并与傅里叶变换比较去噪 效果，结果显示小波变换既能有效的去除噪声，又能保存信号中的有用信息。经过室内试验及现场试验得到的 数据显示，小波变换具有很好的去噪效果。 关键词：压电式超声波传感器；小波变换；去噪 中图分类号: TE8 文献标识码: B De-noising analysis of heavy oil sanding signals based on wavelet transform Li Bingxiang1，Fan Chao2，Zhang Weina1，Zhang Wei1 (1 Xi’an Shiyou University,Shaanxi Xi’an 710065;2 Shaanxi Youth Vocational College, Shaanxi Xi’an 710068) Abstract: In the process of oil production, sand production not only lead to the equipment damage and reduce the production, but also can affect the life of the oil well, so take reasonable sand measurements and control is very important. But the signals detected by the piezoelectric ultrasonic sensor contain strong fluid noise and electromagnetic interference, in order to get the useful signals, the interferences must be removed. This paper uses wavelet transform, and simulate in the MATLAB, and compares the de-noising effects with the Fourier transform, the results show that the wavelet transform can effectively remove noises, and it also preserves the useful information of the signals. Through the data from laboratory test and field test show that the wavelet transform have very good de-noising effect. Keywords: piezoelectric ultrasonic sensor; wavelet transform; de-noising ★基金项目 ：陕西省教育厅项目“油气井出砂实时监测方法研究”资助 (2010JK786) 2013.22设计与研发 白化后的混叠信号即为源信号的酉矩阵混叠。在各个源信号 互不相关时，自相关矩阵为： （8） 由式 (5.4) 可知： （9） 即白化矩阵 W可由混叠信号的自相关阵 求得。求得白化矩 阵 W后可得白化的 WVD矩阵： （10） 根据式 (6)，式 (7)，式 (10) 可写作： （11） 由于矩阵 是对角化的，故由上式可见，U可作为 使 对角化的酉矩阵求出。 基于分布与联合对角化的盲分离算法步骤： Step1 ：根据 n路源语音信号 、混合矩阵 A，检测得 m路混 合语音信号 。 Step2：根据 ，计算 )的自相关矩 阵 。 Step3 ：根据 ，估计白化矩阵得 W。 Step4 ：计算混合语音信号的 WVD矩阵。计算 的 WVD矩阵 ，以得到酉矩阵 U。 Step5 ：估计混叠矩阵 A和源信号 。通过 估 计出源信号，混叠矩阵 A的估计式为 。 3 实验与分析 为了验证本算法的性能，评价分离效果，实验采用相似系数 矩阵与性能指数来检测算法的性能，实验选取源信号为两位男 声朗读和一位女生朗读录音，分别记作 s1，s2 和 s3，其频率为 11020Hz、数据长度为 3000 点的语音信号。源信号时域波形图如图 3所示。s1-s3 源信号随时间的变化，信号的能量各自不同，其 分 布如图 4所示。 图 3 源信号时域波形图 在噪声功率为零时，采用矩阵 将 s1-s3 三路源信号通过混合矩阵混合后得到的四路混合信号，得到 混合信号的 WVD 矩阵后，再通过联合对角化的方法计算出酉矩阵 U，从而恢复出源信号。在仿真实验过程中得到的自相关矩阵 ，白 化矩阵 W，酉矩阵 U以及计算得到的混叠矩阵 A的值。 自相关矩阵 白化矩阵 酉矩阵 混叠矩阵 比较混叠矩阵 A与估计出的混叠矩阵 的差距很小，计算分 离信号与源信号的信噪比为 30dB，说明本文的算法对解决含多个 高斯信号的超定盲分离问题时是有效的。 4 结语 基于 WVD 分布与联合对角化的盲分离方法，首先对混叠语音 信号进行预白化，计算其 WVD 矩阵，后联合对角化其 WVD 矩阵，估 计出源语音信号，仿真实验结果表明该算法能有效的将混叠的盲 语音信号分离。 参考文献 [1] 余先川 ,胡丹 .盲源分离理论与应用 [M]. 北京 :科学出版 社 ,2011 [2] 梁淑芬 ,江太辉 .基于峭度的 BSS 开关算法的语音信号盲 分离 [J]. 计算机应用研究 ,2010,27(5):1753-1759 [3] 段新涛 ,方勇 .基于噪声检测的置换混叠图像盲分离 [J]. 信号处理 ,2011,27(7):1069-1075 作者简介 孙小军，1979.3，男，汉族河南洛阳人，讲师，硕士，研究方向， 信息技术，教育信息传播 . 图 4 s1-s3 源信号的 分布图 语音信号盲分离方法研究 作者： 孙小军， Sun Xiaojun 作者单位： 平顶山学院,467099 刊名： 电子测试 英文刊名： Electronic Test 年，卷(期)： 2013(22) 本文链接：http://d.wanfangdata.com.cn/Periodical_dzcs201322012.aspx