語(yǔ)音信號(hào)稀疏表示方法研究.pdf

1、語(yǔ)音是迄今為止最常用的交流方式。近年，語(yǔ)音通信多與其他多媒體通信方式相結(jié)合，例如電視電話會(huì)議、微信語(yǔ)音聊天等。隨著這些應(yīng)用的流行，人們不僅對(duì)語(yǔ)音信息量的需求在逐漸變大，對(duì)語(yǔ)音質(zhì)量的要求也邁上了新的臺(tái)階。傳輸用傳統(tǒng)的采樣量化得到的數(shù)字語(yǔ)音，會(huì)占用較多信道資源，并且在存儲(chǔ)時(shí)也對(duì)存儲(chǔ)空間有很高需求。因此，在確保語(yǔ)音通信可靠性的情況下，如何有效地進(jìn)行語(yǔ)音編碼，降低傳輸語(yǔ)音的比特率、減少信號(hào)占用信道資源，是通信過(guò)程中的重要問(wèn)題。
　　語(yǔ)音信

2、號(hào)的稀疏表示是語(yǔ)音信號(hào)處理中降低數(shù)碼率并減少占用帶寬的有效手段。本文對(duì)語(yǔ)音信號(hào)的稀疏表示進(jìn)行了研究。其中重點(diǎn)研究了基于冗余字典的稀疏表示。文章首先對(duì)稀疏表示理論進(jìn)行了詳細(xì)的總結(jié)和歸納，對(duì)信號(hào)稀疏表示的兩個(gè)關(guān)鍵技術(shù)—稀疏分解算法和稀疏基的構(gòu)造進(jìn)行深入分析。
　　1.首先對(duì)K-SVD字典訓(xùn)練算法進(jìn)行研究，并將其與K-Means算法及MOD算法展開(kāi)對(duì)比討論。K-SVD算法的主要特點(diǎn)是可以為特定的信號(hào)訓(xùn)練適應(yīng)該信號(hào)的字典，并能在得到字典的

3、同時(shí)得到信號(hào)的稀疏表示。K-Means算法是K-SVD算法碼本維數(shù)為1的特殊情況。與MOD算法對(duì)比，K-SVD算法將MOD算法中對(duì)矩陣的求逆轉(zhuǎn)化為對(duì)誤差矩陣Ek的rank-1逼近。本文從對(duì)比分析這三者的差異角度來(lái)闡述K-SVD算法用于字典訓(xùn)練的機(jī)理。
　　2.本文基于線性稀疏表示，針對(duì)K-SVD字典初始化問(wèn)題進(jìn)行了研究?；趥鹘y(tǒng)K-SVD訓(xùn)練字典的方法需要在開(kāi)始就確定字典的規(guī)模，而選擇的字典規(guī)模不當(dāng)會(huì)造成信號(hào)過(guò)表示或欠表示，嚴(yán)重影

4、響語(yǔ)音的稀疏質(zhì)量。針對(duì)字典初始規(guī)模的選擇問(wèn)題，本文提出了一種基于新型BDS模型的字典初始化方法，該方法根據(jù)最佳字典規(guī)模與稀疏比的關(guān)系為字典規(guī)模建立模型，可以自適應(yīng)的為語(yǔ)音信號(hào)選擇恰當(dāng)?shù)某跏甲值?，避免了K-SVD方法依靠經(jīng)驗(yàn)設(shè)置字典規(guī)模的缺陷。本文將加入BDS模型的訓(xùn)練字典的方法應(yīng)用于來(lái)自太原理工大學(xué)數(shù)字音頻與視頻實(shí)驗(yàn)室語(yǔ)音庫(kù)的語(yǔ)音，進(jìn)行仿真實(shí)驗(yàn)并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析。實(shí)驗(yàn)結(jié)果表明：基于BDS模型的語(yǔ)音信號(hào)字典構(gòu)造方法實(shí)現(xiàn)了自適應(yīng)選擇最佳