收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

语音信号稀疏表示方法研究

张宏乐  
【摘要】:语音是迄今为止最常用的交流方式。近年,语音通信多与其他多媒体通信方式相结合,例如电视电话会议、微信语音聊天等。随着这些应用的流行,人们不仅对语音信息量的需求在逐渐变大,对语音质量的要求也迈上了新的台阶。传输用传统的采样量化得到的数字语音,会占用较多信道资源,并且在存储时也对存储空间有很高需求。因此,在确保语音通信可靠性的情况下,如何有效地进行语音编码,降低传输语音的比特率、减少信号占用信道资源,是通信过程中的重要问题。语音信号的稀疏表示是语音信号处理中降低数码率并减少占用带宽的有效手段。本文对语音信号的稀疏表示进行了研究。其中重点研究了基于冗余字典的稀疏表示。文章首先对稀疏表示理论进行了详细的总结和归纳,对信号稀疏表示的两个关键技术—稀疏分解算法和稀疏基的构造进行深入分析。1.首先对K-SVD字典训练算法进行研究,并将其与K-Means算法及MOD算法展开对比讨论。K-SVD算法的主要特点是可以为特定的信号训练适应该信号的字典,并能在得到字典的同时得到信号的稀疏表示。K-Means算法是K-SVD算法码本维数为1的特殊情况。与MOD算法对比,K-SVD算法将MOD算法中对矩阵的求逆转化为对误差矩阵kE的rank-1逼近。本文从对比分析这三者的差异角度来阐述K-SVD算法用于字典训练的机理。2.本文基于线性稀疏表示,针对K-SVD字典初始化问题进行了研究。基于传统K-SVD训练字典的方法需要在开始就确定字典的规模,而选择的字典规模不当会造成信号过表示或欠表示,严重影响语音的稀疏质量。针对字典初始规模的选择问题,本文提出了一种基于新型BDS模型的字典初始化方法,该方法根据最佳字典规模与稀疏比的关系为字典规模建立模型,可以自适应的为语音信号选择恰当的初始字典,避免了K-SVD方法依靠经验设置字典规模的缺陷。本文将加入BDS模型的训练字典的方法应用于来自太原理工大学数字音频与视频实验室语音库的语音,进行仿真实验并对实验结果进行了分析。实验结果表明:基于BDS模型的语音信号字典构造方法实现了自适应选择最佳字典规模目的,可在保证重构语音质量的同时,进一步提高字典训练的效率。3.本文针对语音信号的非线性特征,提出一种基于核字典的语音信号稀疏表示方法。本文通过将语音信号投影至高维特征空间,再对特征空间的信号进行线性稀疏表示来得到语音信号的非线性稀疏表示。算法中将核理论引入计算过程,来避免高维空间的海量计算。实验结果表明:在稀疏表示非线性信号时,核字典法明显优于K-SVD算法。而且在构造字典方面,核字典法比核MOD算法性能更优。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期
3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期
4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期
5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期
6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期
7 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期
8 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期
9 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期
10 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期
11 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期
12 王铿;张重阳;齐朗晔;;基于核距离的稀疏表示的交通标识识别[J];计算机应用与软件;2014年03期
13 单建华;张晓飞;;稀疏表示人脸识别的关键问题分析[J];安徽工业大学学报(自然科学版);2014年02期
14 栾悉道;王卫威;谢毓湘;张芯;李琛;;非线性稀疏表示理论及其应用[J];计算机科学;2014年08期
15 杨荣根;任明武;杨静宇;;基于稀疏表示的人脸识别方法[J];计算机科学;2010年09期
16 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
17 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
18 李仲生;李仁发;蔡则苏;赵乘麟;;稀疏表示下的非监督显著对象提取[J];电子学报;2012年06期
19 段菲;章毓晋;;基于多尺度稀疏表示的场景分类[J];计算机应用研究;2012年10期
20 胡正平;李静;白洋;;基于样本-扩展差分模板的联合双稀疏表示人脸识别[J];信号处理;2012年12期
中国重要会议论文全文数据库 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年
5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年
6 李涛;遥感影像稀疏表示中的字典学习算法及其应用[D];华中科技大学;2015年
7 丁丹;格中短向量的y-稀疏表示和最短向量问题的算法研究[D];清华大学;2015年
8 李小薪;稀疏表示的分段匹配寻踪方法[D];华南理工大学;2009年
9 何艳敏;稀疏表示在图像压缩和去噪中的应用研究[D];电子科技大学;2011年
10 宋相法;基于稀疏表示和集成学习的若干分类问题研究[D];西安电子科技大学;2013年
中国硕士学位论文全文数据库 前10条
1 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年
2 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年
3 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年
4 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年
5 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年
6 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年
7 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年
8 梁晓捷;基于网络摄像头与稀疏表示分类法的实时人脸识别系统应用研究[D];五邑大学;2015年
9 张宏乐;语音信号稀疏表示方法研究[D];太原理工大学;2016年
10 崔保良;基于稀疏表示的协同入侵检测[D];广东工业大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978