語(yǔ)音信號識別基于盲源信號分離的實(shí)現
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(shí),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(shí),要知道Y的概率密度分布函數不切實(shí)際,于是可采用如下公式:

式中:E[·]為均值運算;g(·)為非線(xiàn)性函數,其表達式可用下列非線(xiàn)性函數表示:

這樣就可以算出一個(gè)獨立分量,但每次迭代完成后,還應對Wi進(jìn)行歸一化處理。當計算n個(gè)獨立分量時(shí),需要n個(gè)列矢量,并且每次迭代后,都需進(jìn)行線(xiàn)性組合以去掉相關(guān)性。
3 軟硬件實(shí)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(lái)。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://dyxdggzs.com/article/156086.htm
評論