語音信號稀疏表示方法研究.pdf

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

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

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

4、響語音的稀疏質(zhì)量。針對字典初始規(guī)模的選擇問題，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)的為語音信號選擇恰當(dāng)?shù)某跏甲值?，避免了K-SVD方法依靠經(jīng)驗設(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)用于來自太原理工大學(xué)數(shù)字音頻與視頻實驗室語音庫的語音，進行仿真實驗并對實驗結(jié)果進行了分析。實驗結(jié)果表明：基于BDS模型的語音信號字典構(gòu)造方法實現(xiàn)了自適應(yīng)選擇最佳