語音信號識別基于盲源信號分離的實現
加入技術交流群
負熵的定義公式如下：
式中：YGauss是與Y具有相同方差的高斯隨機變量，H(·)為隨機變量的微分熵，其表達式為：
當Y具有高斯分布時，Ng(Y)=0；Y的非高斯性越強，其微分熵越小，Ng(Y)值越大，所以，Ng(Y)可以作為隨機變量Y非高斯性的測度。由于根據公式計算微分熵時，要知道Y的概率密度分布函數不切實際，于是可采用如下公式：
式中：E[·]為均值運算；g(·)為非線性函數，其表達式可用下列非線性函數表示：
這樣就可以算出一個獨立分量，但每次迭代完成后，還應對Wi進行歸一化處理。當計算n個獨立分量時，需要n個列矢量，并且每次迭代后，都需進行線性組合以去掉相關性。
3 軟硬件實現
3．1 硬件平臺
Blackfin處理器以RISC編程模型突破性地把信號處理性能和電源效率結合起來。這種處理器在統一的結構中可提供微控制器(MCU)和信號處理兩種功能，并可以在控制和信號處理兩種功能需求之間靈活的劃分。
本硬件系統包含ADSP-BF533處理器，32 MBSDRAM MT48LC32M16A2TG，2 MB FLASHPSD4256G6V，ADV1836音頻編解碼器等，其系統結構框圖如圖2所示。本文引用地址：http://www.104case.com/article/156086.htm
評論