1、“..... 语音分离技术的研究具有重要的意义在语音识别系统的前端进行语音分离，可以极大的提高识别系统在实际环境中的分辨能力在电话会议系统中，由于麦克风记录的是混合语音是感兴趣说话人的语音质量大大降低，语音分离技术可以用来提高所感兴趣的人的语音质量，从而改善电话会议的效果另外语音分离算法可以实现声源定位，确定说话人的个数，这方面的研究对智能机器人的智能化研究具有十分重要的作用，。 语音分离技术的的发展和现状语音增强的经典算法是谱减法，它在检测到目标语音处于不活动状态的情况下，估计背景噪声的统计特性，然后利用这些统计特性实现语音信号的增强。 它适合平稳噪声，不适合语音分离，因为干扰语音源是非平稳噪声，在个时间估计的统计特性在另时间无效，所以无法进行语音分离。 子空间分解法是依据字空间准则，把含噪语音进行分解，信号分解为信号字空间和噪声字空间，得到信号和噪声不同的统计特性，然后去掉噪声......”。

2、“.....因为目标语音和干扰语音没有显著的统计特性和谱特性差别，所以该方法同样不能进行有效的语音分离。 最小均方算法是利用许多与干涉源信号相关的参考信号，来除去有用语音信号中的干扰项，但在实际的语音分离中，会将部分目标语音去除，导致语音分离的效果变差。 基于多麦克风阵列的波束形成技术已经被用来抑制混合语音中的干涉语音。 将从多个麦克风阵列中得到的语音通过各种各样的滤波过程，实现对特定语音的基于的语音分离技术研究抑制或放大，滤波过程依赖于对声学环境的先验知识或利用统计特性的自适应的进行。 但它有自身的局限性第，为增强个语音需要许多麦克风，代价高第二，波束形成所需要的麦克风阵列中各个麦克风的距离是由目标语音波长所决定的，使用上不方便第三，波束形成是频率相关技术，由于语音是全频带信号，很难在各个频段都取得较好的效果。 由以上看出由于构成混叠语音的各源语音信号在于真实环境中......”。

3、“.....进行语音分离需要上千阶的解混合滤波器，使计算非常复杂，并导致算法不收敛。 当混合系统是时变系统时，要求语音分离算法具有良好的跟踪特性。 如何对复杂混合系统进行语音分离是当基于的语音分离技术研究基于的语音分离技术研究摘要语音分离技术在语音通道声学目标检测声音信号增强等方面都有重要的理论意义和实用价值。 目前，这方面的最新研究成果主要是盲源分离。 而独立分量分析是近二十年逐渐发展起来的种新的盲源分离方法。 它是种统计方法，其目的是从由传感器收集到的混合信号中分离出相互独立的源信号，是这些分离出的信号尽可能独立。 它在语音识别电信和医学信号处理等信号处理方面有广泛的应用。 本文简要阐明了语音分离技术和独立分量分析的目的意义及发展现状，详细论述了的原理及实现过程，系统介绍了目前几种主要的算法。 介绍了种结构简单的快速定点算法。 利用该算法的思想及原理......”。

4、“..... 最后对全文作出总结，并对语音分离技术以及在这方面存在的问题和进步的研究方向进行展望。 关键词语音分离盲源分离熵多通道单基于的语音分离技术研究......”。

5、“.....知识„„„„„„„„„„„„„„„„„„„„„„„„„„定义及数学模型„„„„„„„„„„„„„„„„„„„„„„独立分量分析的原理„„„„„„„„„„„„„„„„„„„现有的几种算法„„„„„„„„„„„„„„„„„„„„„第三章基于的多通道语音分离„„„„„„„„„„„„„„„„引言„„„„„„„„„„„„„„„„„„„„„„„„„„„„算法„„„„„„„„„„„„„„„„„„„„„„„„„算法的特征„„„„„„„„„„„„„„„„„„„„„„仿真实验„„„„„„„„„„„„„„„„„„„„„„„„„„„第四章总结和展望„„„„„„„„„„„„„„„„„„„„„„„„总结„„„„„„„„„„„„„„„„„„„„„„„„„„„„„展望„„„„„„„„„„„„„„„„„„„„„„„„„„„„„致谢„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„参考文献„„„„„„„„„„„......”。

6、“.....常常存在许多声源和感兴趣的语音信号的混合在起的情况。 语音分离的目的就是在有多个话,。 当计算量必须减少时，和就应该用分段多项式函数代替。 只适合亚高斯信号，且抽样值没有干扰的情况。 优化算法优化算法的选择对算法特性收敛速度，内存要求起决定作用。 具体途径分为两条，即批处理和自适应处理。 批处理的计算量比较大，而自适应处理虽然计算简单，但收敛速度慢，需要选择好迭代步长。 尽管这样，目前自适应处理还是比批处理的应用范围广些。 批处理的固定点的快速算法不使用随机梯度搜索法而采用定点迭代法，每次迭代中采样的数据是成批使用，该方法是并行分布式，优化速度快，对任何数据都适用，具有很好的稳定性。 方法主要分两步实现对观测信号的预处理，独立分量提取。 下面我就分别介绍......”。

7、“.....更加符合前面的约束条件，信号的预处理主要包括中心化和白化。 中心化中心化就是去均值，通过对信号减去其均值，使信号的均值为，这样做只是为了简化的估计算法，设信号,其均值为,则中心化过程为，这是信号的均值为白化信号通过个白化滤波器，得到白化后的信号，也就是对信号进行线性变换，使的元素是不相关的，而且具有单位方差，的协方差矩阵是个单位阵。 通常白化处理采用特征值分解的方法。 假定,其中为的特征向量阵，为特征值对角阵，则下式可完成对数据的白化处理基于的语音分离技术研究相应的也做了变换，变成新的，是个正交阵，则有下式成立因为是个正交阵，所以只需估计个参数，而不是个参数，这就减少半的工作量。 独立分量的提取在上节中我们得到被处理过的信号，本节对它进步处理......”。

8、“.....我们用变信号是经过随机产生的矩阵对两路源信号的线性混合产生的，可用来模拟在公共环境下的录音，每路混合信号均包含两种源信号分量，由于不同的声音的频带是混合的，所以传统频率滤波的方式是无法实现的，但是从上图的分离结果，我们很容易看出算法分离的结果是非常理想的，从分离信号和源信号的波形对比上可以看出，而且经过试听，的确如此。 但是我们很容易得出分离结果的不确定性在能量上存在差异，在分离结果的次序上存在差异，这也就是我们在第二章提到的分离结果的不确定性，当对大量信号进行分离时，这个不确定性会带来很多麻烦，但目前还没什么好的解决方法。 基于的语音分离技术研究第四章总结与展望总结语音分离技术具有现实的应用价值，主要的研究方向是盲信号的分离，而其中的独立分量分析是盲信号分离研究领域中的个具有创造性的思路。 经过十几年的发展，取得了很多的理论......”。

9、“.....目前在语音信号领域的应用已经成为个研究的热点。 本文简单介绍了语音分离技术的额目的意义，发展过程及现状盲信号的分离的提出和应用。 本文的第二章详细介绍了算法的定义数学模型以及几种算法本文的第三章介绍多通道语音分离知识，并介绍了种常用的算法算法，第三章的最后，用方法对多通道语音分离做了仿真实验，验证方法在语音分离中的有效性。 展望语音分离在近十年引起这领域研究人员的极大兴趣，也取得很多的研究成果，但是目前语音分离研究工作中还存在很多问题。 例如语音信号的概率密度函数基于信息论的盲分离算法都是在假定源信号的概率密度函数已知的情况下得到的。 而实际语音信号是个非平稳随机信号，其概率密度函数通常都采用拉普拉斯分布的概率密度函数来近似。 如何找到个合适的非线性函数，使之更加适合语音分离是目前需要深入研究的课题......”。