基于壓縮感知的語音信號建模技術的研究.pdf

1、隨著傳感系統(tǒng)獲取數(shù)據(jù)能力的不斷增強，人們對信息需求量的不斷增加，基礎的信號處理框架需要的采樣速率和處理速度要求也越來越高。為了解決急劇增加的信號采樣處理壓力，人們正在研究一種與傳統(tǒng)的數(shù)據(jù)采樣方法不同的新型感知采樣模式，即壓縮感知理論。
　　本文以傳統(tǒng)壓縮感知為基礎，研究了如下幾個問題：首先從傳統(tǒng)的壓縮感知理論出發(fā)，針對語音觀測序列的時間序列特性、LPC模型適用性以及非線性特性的分析，得出語音觀測序列是非線性相關的壓縮時間序列的結論

2、。其次如果未來信號處理系統(tǒng)的輸入，均基于壓縮感知理論進行采樣，代替?zhèn)鹘y(tǒng)的奈氏采樣，那么對于壓縮感知采樣得到的觀察序列的建模技術，將是十分重要的信號處理基礎理論，本文正是基于此開展的深入研究。由于語音觀測序列是非線性時間序列，因此本文考慮采用非線性時間序列建模的幾種經(jīng)典方法，首先根據(jù)神經(jīng)網(wǎng)絡預測方法的優(yōu)點，選擇采用應用最為廣泛的BP神經(jīng)網(wǎng)絡模型對語音觀測序列進行預測，提出了基于BP神經(jīng)網(wǎng)絡預測模型的壓縮感知理論框架。通過實驗仿真，分析了B

3、P神經(jīng)網(wǎng)絡對語音觀測序列預測的精度，以及最終重構出來的語音信號的重構精度。考慮到壓縮感知理論進入實際數(shù)字通信系統(tǒng)后，經(jīng)過量化編碼這一過程后將不可避免的會引入量化噪聲，因此本文著重分析了量化噪聲對BP神經(jīng)網(wǎng)絡建模預測精度的影響。首先給出了量化比特數(shù)與量化噪聲方差的對應關系，以此提出了一種直接添加量化噪聲模擬量化過程中數(shù)據(jù)失真的方法。以這種方法為基礎，本文做了三個仿真分別研究了量化噪聲對傳統(tǒng)壓縮感知的影響，基于BP神經(jīng)網(wǎng)絡預測模型的壓縮感知