Στατιστική Πολυζωνική Αποδιαμόρφωση Και Ανάλυση Φωνής Με Φίλτρα Kalman Και Ενεργειακές Μεθόδους

Abstract

Με την παρούσα εργασία προτείνεται µια νέα προσέγγιση στο πρόβληµα τηςανάλυσης σήµατος που αποτελείται από πολλές συνιστώσες οι οποίες είναι διαµορ-φωµένες τόσο κατά πλάτος όσο και κατά συχνότητα µέσα σε θόρυβο. Η ανάλυσησυνίσταται στο διαχωρισµό των επιµέρους συνιστωσών και την επιτυχή αποδιαµόρ-φωσή τους. Η προτεινόµενη προσέγγιση, KESDA, συνδυάζει ενεργειακές µεθόδουςµε µεθόδους εκτίµησης µε τη χρήση παραλλαγών του φίλτρου Kalman για µη γραµ-µικά συστήµατα (Kalman Energy Separation Demodulation Algorithm) και παρου-σιάζει κάποια ιδιαίτερα ενδιαφέροντα χαρακτηριστικά. Παρουσιάζονται διάφορεςπαραλλαγές της και γίνεται κάποια προσπάθεια συγκριτικής αξιολόγησης τους ε-νώ συγκρίνονται τα αποτελέσµατά τους σε διάφορες περιπτώσεις και µε έναν άλλοναλγόριθµο που αντιµετωπίζει το ίδιο πρόβληµα, τον Kalman-MBDA,(Model BasedDemodulation Algorithm). Τα αποτελέσµατα είναι αρκετά ικανοποιητικά.Βασικό κίνητρο για την ανάπτυξη της νέας προσέγγισης αποτελεί η ανάγκη για α-νάλυση σηµάτων φωνής µε βάση ένα νέο µη γραµµικό µοντέλο, σύµφωνα µε το οποίοκάθε σήµα φωνής µπορεί να µοντελοποιηθεί ως υπέρθεση AM-FM σήµάτων. Απώ-τερος στόχος είναι η αναζήτηση νέων ενδιαφερόντων χαρακτηριστικών του σήµατοςφωνής. Παρουσιάζονται σχετικά πειράµατα και γίνεται κάποια πρώτη διερεύνηση.Υπάρχουν ενδείξεις ότι ο νέος αλγόριθµος µπορεί τελικά να δώσει καλά αποτελέσµα-τα και σε αυτό το χώρο.