文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 天文/地理 > 基于线性预测分析的语音信号压缩感知
侵权投诉

基于线性预测分析的语音信号压缩感知

第29卷第4期2012年4月 计算机应用研究

ApplicationResearchofComputersVol.29No.4

Apr.2012

基于线性预测分析的语音信号压缩感知

王红柱,陈砚圃,高 悦,王 浩

(西安通信学院,西安710106)

摘 要:根据语音信号的特点,提出了一种基于线性预测分析的合成矩阵作为语音信号的稀疏变换域,并验证了语音信号在该域上的稀疏特性。由语音信号和随机高斯矩阵构造相应的观测,采用正交匹配追踪算法重构原始语音信号。实验表明,语音信号在新的变换域上的重构性能要优于DCT域,且具有较高的分段信噪比和平均意见得分。

关键词:压缩感知;语音信号;稀疏性;线性预测分析;正交匹配追踪

中图分类号:TN9123   文献标志码:A   文章编号:10013695(2012)04133503doi:10.3969/j.issn.10013695.2012.04.037

Compressedsensingforspeechsignalbasedonlinearpredictionanalysis

WANGHongzhu,CHENYanpu,GAOYue,WANGHao

(Xi’anCommunicationsInstitute,Xi’an710106,China)

Abstract:Thispaperpresentedanewspeechsignalsparsedomain—synthesismatrixbasedonlinearpredictiontechnology

basedonthefeaturesofspeechsignal,andverifiedthesparsityofspeechsignalinthenewsparsedomain.Byspeechsignal

,usedOMPtoreconstructtheoriginalspeechsignal.ExperimentalresultsdemonstratethattheandtheGaussianrandommatrix

performanceofthespeechrecoveredusingcompressedsensingforspeechsignalbasedonlinearpredictionanalysisisbetterandreconstructedsignalhasgoodsegmentsignaltonoiseratioandmeanopinionscore,comparedwithDCTdomain.Keywords:compressedsensing(CS);speechsignal;sparsity;linearpredictionanalysis;orthogonalmatchingpursuit(OMP)

[1]2]

  近年来,由Donoho以及Candes等人[提出了一种新颖

矩阵。

的信息获取理论,即压缩感知(CS)理论。CS理论与传统奈奎斯特采样定理不同,它是一种边采样边压缩理论,将传统信号压缩中的采样和压缩两个过程合二为一,在某种意义上突破了奈奎斯特采样定理的限制,是对传统信号采样方法的一次新的革命。该理论指出:只要信号是可压缩的或在某个变换域是稀疏的,那么就可以以远低于奈奎斯特采样速率的方式对其进行采样,通过优化逼近的方法近似无损地恢复出原始信号

[3]

 压缩感知基本原理

信号本身或在某个变换域上具有稀疏性,是压缩感知理论应用的基础和前提,只有确保信号的稀疏度,才能保证信号的恢复精度。根据调和分析理论,长度为N的一维离散时间信=[x,x,…,x可表示为一组标准正交基的线性组合:号x12N]

x==∑rΨriφi

i=1K

。

压缩感知理论一经提出,就在信息论与编码、信号恢复、有损压缩、光学和雷达成像、无线通信等领域受到高度关注,迅速成为信号处理研究的前沿和热点,并被美国科技评论评为2007年度十大科技进展之一。

S理论的语音信号编码研究还不多,尚属于起目前基于C

4]步阶段。Sreenivas等人[基于激励声道模型研究了语音信号的

(1)

其中:[…,,为N×1的列向量,向量r是Ψ=φ1,φ2,φN]φi信号x的加权系数序列。若向量r中非零元素的个数为K,即K,则称r为x的K稀疏表示‖r‖0=阵,M<N)投影得到的。

y==ΦxΦΨr

(2)

[7]

。

S理论,信号的压缩是通过观测矩阵Φ(M×N的矩根据C

稀疏特性,将CS理论成功应用于稀疏激励信号的处理中。郭海

5]燕等人[在KLT域验证了语音信号的稀疏特性,提出了基于近6]

LT域的语音信号压缩感知。孙林慧等人[在DCT域分析似K

只要观测矩阵Φ和变换基Ψ极不相似,就可以以高概率从M(M≥K×log(N/K))个测量值中准确地恢复K个系

8]9]

。研究表明,随机高斯矩阵与大多数正交矩阵不相关[。数[

了语音信号的稀疏特性,给出了基于CS理论的分布式语音压缩重构的框架。他们从不同角度研究了语音信号的稀疏特性,为语音信号压缩感知的研究提供了全新的思路和方法。

基于压缩感知理论,针对语音信号的特点,本文提出了一种新的语音信号的稀疏变换矩阵,即基于线性预测分析的合成

CS的重构实际上就是求解欠定方程组y=Φr。在信号Ψ是稀疏或者可压缩的前提下,求解该欠定方程问题可转换为最小0范数问题:

∧

r=argmin.t.y=‖r‖0 sΦΨr

Nr∈R

(3)

收稿日期:20110728;修回日期:20110915  基金项目:国家自然科学基金资助项目(61072125)

作者简介:王红柱(1986),男,安徽灵璧人,硕士研究生,主要研究方向为智能信息处理(whzhu1986@163.com);陈砚圃(1963),男,河北元氏人,副主任,教授,博士,主要研究方向为信号与信息处理;高悦(1973),女,陕西西安人,讲师,博士,主要研究方向为信号与信息处理;王浩(1987),男,陕西清涧人,硕士研究生,主要研究方向为智能信息处理.

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email