盲信号分离

语音信号盲分离，应用程序FastICA，可以应用matlab直接运行，并且文件夹内包含语音信号，无需另外下载

%%%%%%%%%%%%%%%%%%%%%%%%%%  初始化  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clc;clear all;close all;

%%%%%%%%%%%%%%  读入原始图像，混合，并输出混合图像  %%%%%%%%%%%%%%%%%%

% 读入混合前的原始图片并显示
I1=wavread （‘man.wav‘）‘;         
I2=wavread （‘dragen.wav‘）‘;
I3=wavread （‘music.wav‘）‘;
subplot（431）plot（I1）title（‘输入声音1‘）
subplot（432）plot（I2）title（‘输入声音2‘）
subplot（433）plot（I3）title（‘输入声音3‘）

% 将其组成矩阵
S=[I1;I2;I3];                          % 图片个数即为变量数，图片的像素数即为采样数
                                       % 因此S_all是一个变量个数＊采样个数的矩阵
Sweight=rand（size（S1））;               % 取一随机矩阵，作为信号混合的权矩阵
MixedS=Sweight*S;                      % 得到三个图像的混合信号矩阵

% 将混合矩阵重新排列并输出
subplot（434）plot（MixedS（1:））title（‘混合声音1‘）
subplot（435）plot（MixedS（2:））title（‘混合声音2‘）
subplot（436）plot（MixedS（3:））title（‘混合声音3‘）

MixedS_bak=MixedS;                         % 将混合后的数据备份，以便在恢复时直接调用
%%%%%%%%%%%%%%%%%%%%%%%%%%  标准化  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
MixedS_mean=zeros（31）;
for i=1:3
    MixedS_mean（i）=mean（MixedS（i:））;
end                                        % 计算MixedS的均值

for i=1:3
    for j=1:size（MixedS2）
        MixedS（ij）=MixedS（ij）-MixedS_mean（i）;
    end
end

%%%%%%%%%%%%%%%%%%%%%%%%%%%  白化  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

MixedS_cov=cov（MixedS‘）;                    % cov为求协方差的函数
[ED]=eig（MixedS_cov）;                      % 对图片矩阵的协方差函数进行特征值分解
Q=inv（sqrt（D））*（E）‘;                        % Q为白化矩阵
MixedS_white=Q*MixedS;                      % MixedS_white为白化后的图片矩阵
IsI=cov（MixedS_white‘）;                     % IsI应为单位阵            

%%%%%%%%%%%%%%%%%%%%%%%%　FASTICA算法  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
X=MixedS_white;                            % 以下算法将对X进行操作
[VariableNumSampleNum]=size（X）;
numofIC=VariableNum;                       % 在此应用中，独立元个数等于变量个数
B=zeros（numofICVariableNum）;              % 初始化列向量w的寄存矩阵B=[b1  b2  ...   bd]
for r=1:numofIC
    i=1;maxIterationsNum=100;               % 设置最大迭代次数（即对于每个独立分量而言迭代均不超过此次数）
    IterationsNum=0;
    b=rand（numofIC1）-.5;                  % 随机设置b初值
    b=b/norm（b）;                           % 对b标准化 norm（b）:向量元素平方和开根号
    while i<=maxIterationsNum+1
        if i == maxIterationsNum           % 循环结束处理
            fprintf（‘\n第%d分量在%d次迭代内并不收敛。‘ rmaxIterationsNum）;
            break;
        end
        bOld=b;                          
        a2=1;
        u=1;
        t=X‘*b;
        g=t.*exp（-a2*t.^2/2）;
        dg=（1-a2*t.^2）.*exp（-a2*t.^2/2）;
        b=（（1-u）*t‘*g*b+u*X*g）/SampleNum-mean（dg）*b;
                                           % 核心公式，参见理论部分公式2.52
        b=b-B*B‘*b;                        % 对b正交化
        b=b/norm（b）; 
        if abs（abs（b‘*bOld）-1）<1e-9        % 如果收敛，则
             B（:r）=b;                     % 保存所得向量b
             break;
         end
        i=i+1;        
    end
%    B（:r）=b;                                % 保存所得向量b
end

%%%%%%%%%%%%%%%%%%%%%%%%%%  ICA计算的数据复原并构图  %%%%%%%%%%%%%%%%%%%%%%%%%
ICAedS=B‘*Q*Mixed

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件      882138  2006-05-28 15:32  Fast ICA\dragen.wav
     文件      882044  2006-05-28 15:31  Fast ICA\man.wav
     文件      882142  2006-05-28 15:32  Fast ICA\music.wav
     文件        4373  2009-04-08 19:55  Fast ICA\soundOK.asv
     文件        4373  2009-04-08 19:57  Fast ICA\soundOK.m
     目录           0  2018-04-28 10:51  Fast ICA\