感知壓縮中音頻稀疏表示的研究.pdf

1、隨著人們對音頻、圖像、視頻等媒體的音質(zhì)畫質(zhì)要求越來越高,傳統(tǒng)的先采樣后壓縮的編碼模式逐漸顯現(xiàn)出其弊端:一方面,為了得到高音質(zhì)高畫質(zhì)的媒體,傳統(tǒng)編碼模式需要采樣器使用更高的采樣率采集更多的樣本點,而采樣器硬件無法負擔過高的采樣率;另一方面,由于傳輸和儲存的要求,編碼器需要對采樣得到的數(shù)據(jù)進行壓縮,丟棄大部分冗余數(shù)據(jù),造成了資源浪費。這種傳統(tǒng)的編碼模式極大地限制了多媒體技術的發(fā)展。近幾年來,壓縮感知理論迅速興起。感知壓縮是一種新型的采樣理論

2、,其主要目的是在采樣的同時對信號進行壓縮。相比于傳統(tǒng)的先采樣后壓縮的編碼模式,感知壓縮僅需比原信號數(shù)據(jù)量更少的觀測信號,就能以高概率恢復原信號,從而突破了奈奎斯特采樣定律的束縛,使得采樣器能夠以亞奈奎斯特頻率采樣,節(jié)約了存儲、傳輸?shù)荣Y源。
　　雖然感知壓縮技術從理論上能夠達到較高的壓縮率和重構(gòu)準確度,并且對于其在圖像和視頻的應用已有大量的研究,但是實際上,感知壓縮的性能并不理想,并且對于其在音頻上的研究與應用少之又少。為了解決上述

3、問題,本文對于感知壓縮中信號稀疏表示進行研究,并提出了一種新型的學習字典構(gòu)造算法——K平均聚類經(jīng)驗模態(tài)分解(K-means clustering empirical mode decomposition,K-EMD)字典構(gòu)造方法。本文提出的K-EMD算法利用經(jīng)驗模態(tài)分解方法提取音頻中的固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF)及趨勢信號(Trend),并對提取的成分進行K平均聚類,得到學習字典;同時,為了改善

4、感知壓縮中對于音頻的稀疏表示性能,本文提出一種新的音頻感知壓縮編解碼模式,突破了傳統(tǒng)音頻編解碼中聯(lián)合語音樂音編解碼需要語音、樂音兩套編解碼方法的傳統(tǒng)方式,首先使用Lasso算法將音頻分為穩(wěn)態(tài)成分、瞬態(tài)成分以及殘差成分,再根據(jù)三部分成分的特點分別使用不同的感知壓縮方法處理。對于穩(wěn)態(tài)成分,由于其諧波特性較好,頻譜較為稀疏,本文采取頻譜感知壓縮方法對穩(wěn)態(tài)部分采樣及重構(gòu);對于瞬態(tài)成分,由于其時域上的波形較為相似,具有一定的模式,本文采取基于K-

5、EMD字典的感知壓縮方法對瞬態(tài)部分采樣及重構(gòu);對于殘差成分,其中依舊包含原始音頻的部分信息,若是舍棄此部分會對重構(gòu)音頻的音質(zhì)產(chǎn)生影響,但是殘差部分還包含部分噪聲,沒有特定的規(guī)律,所以本文采取基于貪婪自適應字典( Greedy Adaptive Dictionary,GAD)的感知壓縮對殘差部分采樣及重構(gòu)。
　　為了驗證本文提出的K-EMD學習字典構(gòu)造方法的稀疏表示性能,并驗證本文提出的對于音頻的感知壓縮系統(tǒng)的性能,本文分別對基于K