Mono Speech Signal Separation Using Optimize Independent Component Analysis Algorithm

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

A Blind Source Separation (BSS) is one of the Digital Signal Processing (DSP)problems. This problem assumes that there are many sensors receive many signals from many sources. Each sensorreceivesall signals simultaneously,at same time,mixture in a particular manner. The problem concentrates on howtoseparate the mixed signals and recover the sources signals, without any prior information about these sources. The typical example of this problem istheso-called cocktail-party problem.The Independent Component Analysis method (ICA) is the most popular trusty method used to solve the BSS problem. It depends on the statisticalindependence and the non-Gaussianityof the mixed signals. It is composite fromtwo parts: objectivefunction and optimization method. There are many methods used as optimization methods like neural networks and genetic algorithms. Also, these methods used some objective functions like gradient functions. The drawback of these methods is trappable in local minimal and consume more computation time. In this dissertation, three meta-heuristic optimization methods introduced as optimization methods to enhance the ICA methods, these methods are the Particle Swarm Optimization (PSO), Quantum Particle Swarm Optimization (QPSO), and Glowworm Swarm Optimization (GSO). These methods used in both linear and nonlinear ICA methods. So, proposed the functions: Differential Entropy function, Negentropy function, and Mutual Information function are proposed as objective functions in the linear ICA.In the nonlinear ICA method, the tanh(.) function used for converting the linear mixture to the nonlinearity. In the separation part, inverse nonlinear functions are used to convert the nonlinearity to the linearity. Five odd polynomial functions are proposed for this purpose. These functions used in two tasks: as an inverse of the nonlinear function and as the objective functions of the ICA. The proposed optimization methods and the objective functions in both linear and nonlinear ICA methods are implemented in number of separation cases of number sounds and speeches of male and/or female. The results of the proposed methods with the proposed objective functions, in linear ICA and nonlinear ICA, present that these methods were more stability, accuracy, and high in convergence speed overall the separation cases. These results are compared with some traditional method as the FastICA in linear ICA; and the Self Organization Map (SOM) method and Radial Base Function (RBF) method in the nonlinear ICA. In addition, the results of all the proposed methods show that these methods gave good results in the separation process than the traditional methods, according to number of the separation quality measurements: Signal-to-Noise Ratio (SNR), Signal-to-Interference Ratio (SIR), Log-Likelihood Ratio (LLR), Itakura-Saito (IS), Perceptual Evaluation Speech Quality (PESQ)and the Computation Time

روابط وملفات

التعريف والنوع

رقم الوثيقة

08150003-2458-435a-a33c-b35066032b5a

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf text

أسماء الملفات

997143_1.pdf

بيانات النشر

ترجمة العنوان

فصل الكلام الأحادي باستخدام خوارزمية مركبات مستقلة أمثليه

ألقاب المؤلفين

[{"name_ar":"حسين محمد سلمان حمادي","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"نداء عبد المحسن عباس","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

English

المصدر والدورية

اسم المصدر

Mono Speech Signal Separation Using Optimize Independent Component Analysis Algorithm

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

ان مسالة الفصل الاعمى للإشارة هي احدى مسائل أنظمة معالجة الإشارة الرقمية.هذه المسالة تفترض وجود مجموعة من المتحسسات التي تتحسس مجموعة من الإشارات المختلفة بنفس الوقت، حيث ان كل متحسس يستلم كل الإشارات ممزوجة معا بطريقة مزج معينه. المطلوب هنا هو كيفية فصل هذه الإشارات الممزوجة واسترجاع الإشارات الاصلية بدون أي معلومات مسبقة عن تلك الإشارات الاصلية. كمثال نوعي على هذه طرق هي مسالة حفل الكوكتيل.ان طريقة تحليل المركبات المستقلة هي اشهر و اوثق طريقة من الطرق المستخدمة لحل مسالة الفصل الاعمى للإشارة. هذه الطريقة تعتمد بشكل أساسي على الاستقلالية الإحصائية والغير-كاوسي للإشارات الممزوجة. كذلك انها تتكون من جزئين أساسيين هما طريقة امثلية ودالة هدف.هنالك عدد من طرق الامثلية المستخدمة مع هذه الطرق مثل طرق الشبكات العصبية وطرق الخوارزميات الجينية وغيرها من طرق الامثلية. كذلك تستخدم عدد من دوال الهدف مثل دوال الانحدار. هذه الطرق مع هذه الدوال تكون اكثر عرضة للوقوع ضمن النهايات الصغرى.في هذه الاطروحة، تم اقتراح ثلاث طرق امثليه لغرض تحسين أداء خوارزمية تحليلQuantum ،Particle Swarm Optimization (PSO) :المركبات المستقلة هيGlowworm Swarm ،Particle Swarm Optimization (QPSO)) . Optimization (GSOهذه الطرق استخدمت كطرق امثليه في كلا الاتجاهين الخطي واللاخطي لخوارزمية تحليل المركبات. اما بالنسبة لدالة الهدف فقد تم استخدام ثلاث دوالهدف مع الجانب الخطي لخوارزمية تحليل المركبات، هي: Differential Entropy. Mutual Information Function ، وNegentropy Function ، Functionاما بالنسبة للجانب اللاخطي فقد استخدمت دالة الـ .)( tanhكدالة تحويل لاخطية لتحويل المزج الخطي ال اللاخطي. عند الفصل فقد استخدمت خمسة دوال متعددات الحدود فردية الرتبة، حيث استخدمت كمعكوس دالة المزج اللاخطي كذلك كدالة هدف لطرق الامثليه.طرق الامثلية المقترحة كذلك دوال الامثليه طبقت في الاتجاهين الخطي واللاخطي مع عدد من حالات الفصل وباستخدام أصوات وكلام لذكور و/او اناث.جميع نتائج الطرق المقترحة مع دوال الضبط المستخدمة وفي كلا الاتجاهين الخطي واللاخطي كانت اكثر دقة واستقرارية وسرعة تقارب. كذلك قورنت هذه الطرق مع طرق تقليدية وقياسية أخرى هي :FastICA, Self Organization Map (SOM), and Radial Bases Function (RBF).حيث ان الطريقة الأولى هي خطية والطريقتين الأخيرتين هما لاخطية.بالإضافة لذلك فان جميع النتائج بينت ان الطرق المقترحة أعطت نتائج جيد وافضل من الطرق التقليدية في كثير من حالات الفصل المستخدمة بالاعتماد على عدد من المعايير القياسية والمعتمدة عالميا وهي:Signal-to-Noise Ratio (SNR), Signal-to-Interference Ratio (SIR),Log-Likelihood Ratio (LLR), Itakura-Saito (IS), Perceptual Evaluation Speech Quality (PESQ) and the Computation Time

كلمات الباحثين

Blind Source Separation, Independent Component Analysis, optimization algorithms, Particle Swarm Optimization, Quantum PSO, Glowworm Swarm Optimization, linear and nonlinear signals, objective functions

إشراف وإعداد

الإشراف

نداء عبد المحسن عباس

الإعداد

حسين محمد سلمان حمادي

الاقتباسات الببليوغرافية