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 > 工程科技 > 信息与通信 > 基于近似KLT域的语音信号压缩感知
侵权投诉

基于近似KLT域的语音信号压缩感知

第31卷第12期2009年12月

Journalof

电子与信息学报

Electronics&InformationTechnology

VoI.3lNo.12

Dec.2009

基于近似KLT域的语音信号压缩感知

郭海燕

杨震

(南京邮电大学信号处理与传输研究院南京210003)

摘要:压缩感知是近年来兴起的研究热点,该文基于语音信号在KLT域的稀疏特性,提出了基于模板匹配的近似KLT,并在基于模板匹配近似KLT域上研究了语音信号的压缩感知性能。首先验证语音信号在基于模板匹配近似KLT域上的稀疏性,然后由语音信号与观测矩阵构造相应的观测,采取固定分配每帧观测个数和按帧能量自适应分配每帧观测个数两种方案,再以观测为已知条件利用Ll优化算法重构语旨信号在基于模板匹配近似KLT域的稀疏系数向量,进而重构原始语音信号。实验表明,语音信号在基于模板匹配的近似KLT域的压缩感知性能较好。

关键词:语音合成l压缩感知;稀疏性;L1优化;Karhunen-Loeve变换(KLT)中图分类号:TN912.3

文献标识码:A

文章编号:1009-5896(2009)12.2948.05

CompressedSpeechSignalSensingBased

G110Hai—yan

Oil

ApproximateKLT

YangZhen

University

(InstituteolSignalProcessingandTransmission,NanfingoyPosts

and

Telecommunications,

Nanjing210003,China)

Abstract:CompressedSensingis

a

research

focusrising

inrecent

years.Onthebasisofthesignal’Ssparse

representationintheKLTdomain,thispaperstudies

on

proposes

an

approximateKLTmethodusingtemplatematchingand

thecorrespondingcompressedspeechsignalsensing.First,itverifiesthesparsityofspeechsignalinthe

approximateKLTdomain.Second,byspeech

or

signal

and

a

measurementmatrix,itarrangesmeasurementsoffixed

adaptivelengthaccordingto

vector

frameenergy.Third,accordingtothemeasurements,itfindsthespeechsignal’S

optimizationalgorithmto

recover

sparsestcoefficientthroughL1thespeechsignal.Simulation

results

demonstrate

performance.

that

compressed

speechsignal

sensing

inthe

approximateKLTusingtemplatematchinghasgood

Keywords:Speechsynthesis;CompressedSensing(CS);Sparsity;L1optimization;Karhunen-LoeveTransform

(KLT)1

引言

压缩感知Ix,2](CompressedSensing,CS)是近年来兴起的一种“边采样边压缩”技术,从某种意

性,只需验证信号在该变换域的稀疏性即可,这无疑是很有吸引力的。

自Candes等【3】和Donoho[11提出CS的相关理论以来,CS在信息论与编码,信号恢复,有损压缩,机器学习,传感器网络等很多领域得到了广泛的研究,在图像信号处理也有广泛的应用。例如图像处理中,由于多数场合高频分量相对低频分量而言很小,图像信号时频系数可看作是稀疏的,利用CS技术来采集图像可以大大降低数码率[4,51。目前针对语音信号的CS研究还不多,尚属于起步阶段。Gemmeke和Cranen利用CS原理对噪声环境下的语音进行识别,实验结果证明识别系统的抗噪性能大大提高【6】,显示了将CS技术与语音处理技术结合的巨大前景。再者如果利用CS技术进行采样,数据量必然大大减少,在此基础上再研究后续的有损编码技术,这样就可能实现更低码率上的高质量

义上讲突破了奈奎斯特采样定律(Nyquist

sampling

theorem)的限制。奈奎斯特采样定律认为要使信号采样后能够小失真还原,采样频率必须大于或等于整个信号最高频率的两倍。CS理论认为,如果信号在某一变换域上为K一稀疏(K—sparse)的,我们就可以用此信号在某投影域上的观测向量(即投影,以下简称观测)来近似无损地重构原信号。可以看出,利用CS理论重构信号所需的观测个数与与信号的最高频率无关,与信号的稀疏性密切相关。另外CS理论的应用,并不需要分析信号在变换域的严格特

2008-12-15收到。2009-05-18改回

国家863计划重点项目(2006AA010102)国家自然科学基金(60971129)和江苏省普通高校研究生科研创新计划项t:l(CX0913-148Z)资助课题

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