%----------------Algoritmo para la separacion de fuentes con retardos----------------- % % Implementacion de la version avanzada del algoritmo de separacion de fuentes con % pequeños retardos. % En esta version, se representan las fuentes originales y sus estimaciones. El % usuario puede comprobar el comportamiento del algoritmo y realizar simulaciones % variando los parametros que intervienen % % %-------------------------------------------------------------------------------------- % % % Variables utlizadas en la simulacion % % Fuentes Matriz cuyas filas contiene las fuentes originales % Rtotal Matriz que contiene las matrices de autocovarianzas obtenidas con cada filtro % Rx Matriz de autocovarianzas de las observaciones % Rxh Matriz de autocavarianzas filtrada de las observaciones % W Matriz de separacion % x Vector que contiene las observaciones recibidas en los receptores % y Estimaciones de las fuentes originales a partir de las mezclas % % %--------------------------------------------------------------------------------------- close all; clear all; %Lista de parametros de la simulacion T=90000; %Numero de muestras que vamos a tomar Fs=48000; %Frecuencia de muestreo Rp=0.5; %Atenuacion en la banda de paso del filtro Rs=30; %Atenuacion en la banda de rechazo del filtro wp=2000/Fs; %Frecuencia de corte del filtro LP que usamos para filtrar las señales ws=2080/Fs; %Frecuencia de salida del filtro LP que usamos para filtrar las señales MR=14; %Numero de recptores empleados (un nº adecuado es 3*N+2) N=3; %Numero de fuentes que vamos a mezclar para despues separarlas Nit=1400; %Numero de iteraciones que vamos a usar para el calculo de los autovectores NF=2; %Variable que indica el numero de filtros que vamos a utilizar Umbral=.5e-3; %Constante para determinar si la matriz de mezclas se genero bien A_ruido=0.001; %Factor que controla la cantidad de ruido añadida %Matriz que contiene los filtros que vamos a utilizar para obtener cada una de las %matrices de autocovarianzas filtradas %Si se desea añadir un filtro, solo hay que añadir una fila con el filtro deseado e %indicar el nuevo valor de la variable NF Filtros=[0,ones(1,15);0 1 1 ones(1,10) 0 0 0;0 1 0 1 0 ones(1,11)]; %Matriz en la que almacenaremos las submatrices Ri obtenidas con cada filtro Rtotal=zeros(2*N,2*N*NF); %Matriz que contiene los filtros necesarios para modelar los retrasos desde cada fuente %a los receptores. Dichos filtros son utilizados de forma aleatoria por la funcion %genera_mezclas para introducir los retardos en las fuentes antes de mezclarlas %Con los parametros de la simulacion que aparecen por defecto, pueden introducirse %retardos de hasta 2 muestras, dentro de los limites teoricos del algoritmo B=[1 0 0 ;0 1 0 ;0 1 0; 1 0 0]; %Cargamos las señales de voz que se van a utilizar en la simulacion. Si se desea añadir %alguna fuente, solo hay que cargarla añadiendo otra linea como las que siguen y aumentar %en una unidad la constante que indica el numero de fuentes a separar F=wavread('voz1',T); G=wavread('voz2',T); O=wavread('voz4',T); %Almacenamos todas las fuentes en la matriz Fuentes %Si la energia de alguna de ellas difiere mucho del resto, la ajustamos multiplicando por %un factor adecuado Fuentes=[F';G';5*O']; %Una vez obtenidas las fuentes, las filtramos para poder cumplir la condicion de pequeños %retrasos [M,wn]=ellipord(wp,ws,Rp,Rs); %Generamos un filtro eliptico [b,a]=ellip(M,Rp,Rs,wn); %Obtenemos los coeficientes del filtro %Ahora realizamos el filtrado con el filtro diseñado previamente for i=1:N Fuentes_fil(i,:)=filter(b,a,Fuentes(i,:)); end for i=1:N %Representamos las fuentes de voz originales que queremos separar subplot(N,1,i); plot(Fuentes_fil(i,:)); if i==1 title('Señales originales'); end end xlabel('Indice Temporal'); %La siguiente funcion genera las mezclas de señales con retrasos recibidas en los %receptores, que se almacenan en le vector de mezclas x ruido=A_ruido*[rand(MR,T)-0.5]; %Ruido que vamos a introducir en las mezclas %Añadimos ruido a las señales recibidas en cada sensor.Si se desea variar el nivel de ruido %solo tenemos que variar la constante A_ruido x=genera_mezcla(Fuentes_fil,B,MR,N); x=x+ruido; %A continuacion, se van extrayendo las fuentes una a una. Por defecto se extraen las 2N %fuentes. Si solo queremos las fuentes de interes, bastara con extraer las N primeras for t=1:2*N Rx=(1/T)*x*x'; %Determinamos Rx(0) [U,L,V]=svd(Rx); %Descomponemos en valores singulares la matriz Rx U=U(1:MR,1:2*N); %Generamos la matriz U deseada %Estimamos la varianza del ruido y la restamos L=L-trace(L(2*N+1:MR,2*N+1:MR))*(1/(MR-(2*N))); A=L(1:2*N,1:2*N); %Computamos la matriz A %A partir de ella, determinamos la matriz R %Calculamos cada una de las matrices de autocovarianzas filtrada. Esto lo hacemos %filtrando todas las observaciones con cada filtro. %Las matrices de autocovarianzas obtenidas se almacenan en la matriz Rtotal for j=0:NF-1 for i=1:MR a=filter(Filtros(j+1,:),1,x(i,1:T)); if i==1 k=a; else k=[k;a]; end end Rxh=(1/T)*k*k'; D=eig(A); if sum(D) e-REdING. Biblioteca de la Escuela Superior de Ingenieros de Sevilla.


IMPLEMENTACIÓN DE UN ALGORITMO PARA LA SEPARACIÓN CIEGA DE FUENTES CON PEQUEÑOS RETARDOS

: Leñero Bardallo, Juan Antonio
: Ingeniería Telecomunicación
Contenido del proyecto:
Directorio raíz  >  Software  >  variosfiltros.m