韩春润 吴一帆 李佳蔚 姚 禹

(江苏警官学院，江苏 南京210031)

在某些数字化或传输过程中，智能图像和语音信号经常因设备和环境因素，产生噪声。消除智能图像和语音信号中的噪声一直是图像和语音处理[1]领域必不可少的研究课题。目前，大多数降噪算法都是将含噪声的智能图像和语音信号作为混合信号进行滤波降噪，并未注意智能图像、语音信号和噪声之间存在统计上的独立关系。

使用正交频分复用降噪会破坏源信号的完整性，在去除噪声的同时，还会去除一些有用的信号。尽管扩频通信技术不会对源信号造成损害并且可以弥补正交频分复用技术的不足，但降噪效果较差，并会保留一些干扰噪声。在处理结果中，在源信号上还会依附一些干扰噪声。因此，在空域或是在变换域中进行降噪，降噪结果往往呈现出噪声未完全去除或图像、语音信号减弱的情况。

盲源分离理论是将噪声信息、图像信号和语音信号识别为两个独立信号，然后盲源分离两个信号从而获得图像信号、语音信号和噪声信号的过程。该方法具有良好的图像和语音去噪能力，对原始图像或语音数据具有良好的保护作用[2]。之后，利用对称正交化方法进行独立分量提取，实现降噪。

本文利用对比实验来验证该方法的有效性。结果表明，采用该方法进行降噪，智能图像的分辨率更高，语音信号的信噪比更大，证明该方法比传统降噪方法效果更好。

1 基于盲源分离的独立分量分析降噪方法

在原始数据未知的情况下处理源数据以获得所需源数据的过程就是盲源分离。……