Analýza nezávislých komponent pro řečové signály

Abstract

Práce se zabývá slepou separací řečových signálů pomocí analýzy nezávislých komponent. Nejprve jsou letmo představeny její základní metody, které ale nejsou pro separování řeči přímo použitelné. Práce proto pokračuje zavedením takzvaného konvolučního modelu směsí řečových signálů, který již využití metod analýzy nezávislých komponent po určitých změnách umožní. Práce následně popisuje tyto nutné změny. Jedná se o spektrální rozklad promluv do úzkých frekvenčních pásem, vyřešení potřeby separovat komplexní signály a odstranění známých nejednoznačností metod analýzy nezávislých komponent. Dvě metody, konkrétně Fast fixed-point ICA a Fast fixed-point IVA budou popsány podrobně a následně implementovány v prostředí Matlab. Na závěr budou vzniklé algoritmy prověřeny na simulovaných i reálných datech a bude vyhodnocena kvalita separace.

This thesis deals with the blind source separation of speech signals using the Independent Component Analysis. Firstly, it briefly describes basic methods of Independent Component Analysis which are not directly applicable on speech separation. Therefore, the work continues with the introduction of so-called convolutive model of speech signal mixtures, which allows utilization of Independent Component Analysis methods after certain changes. Subsequently, the thesis describes those necessary changes. It is a spectral decomposition of speech into narrow frequency bands, solving the need to separate complex signals and elimination of known ambiguities of Independent Component Analysis methods. Two methods, namely Fast Fixed-point ICA and Fast Fixed-point IVA will be described in detail and afterwards implemented using Matlab. Finally, the resulting algorithms will be tested on simulated and real data, and the quality of separation will be evaluated.