744
仪器仪表学报第33卷
来说很重要。最近几年,cs理论已经应用到语音编码¨。、语音丢包补偿∽o等,但它们直接把cs理论应用于语音信号处理,没有考虑语音自身的相关性,由于语音信号在常规正交基下的稀疏性不够好导致重建信号
性能较差。
通过前期研究语音信号在正交基下的重构性能,发现语音信号采用离散余弦变换(discrete
cosine
traIlsfo丌Il,
DcT)基”…、小波基进行单一尺度的非自适应压缩感知重构时,当观测个数是原数值个数一半及以下时,其重构性能很差。另外,从sreenivas等人基于语音信号的稀疏激励进行压缩感知,其转换矩阵采用从训练码书中选择的脉冲响应矩阵…o和Rauhut等人把压缩感知扩展应用到在单一基上不稀疏而在冗余字典上稀疏的信号。71中得到启发,利用语音信号帧内样值间的相关性和语音信号在冗余域的稀疏特性,首先提出基于线性预测(1inear
pred枷on,IP)系数来构造转换矩阵,进而提出基于训练
码本构造过完备的线性预测(overcompleteLP,OLP)宁典的语音压缩感知重构方法,该方法不需要测试语音的预测系数,构造转换矩阵方法简单,重建信号性能良好。对利用基追踪重构的语音进行了主客观评价,当压缩比大于等于0.3时,本文方法优于文献[11]中方法。
2压缩感知理论
压缩感知的前提是R“空间的信号z可稀疏表示为:
z=’融
(1)
式中:系数d;=[善,以],转换矩阵缈=[砂。,识,…,咖。],系数矢量乜=矽工,其中口仅有K(K《N)个非零系数。根据cs理论¨1依据式(2)对信号工进行压缩感知采样得到观测向量J,:M×1:
y=机
(2)
式中:观测矩阵中:M×Ⅳ(M<Ⅳ)与转换缈不相关。当甜是K稀疏且K<肘《Ⅳ时,从测量值_),中解出信号并重构的最直接方法是通过式(3)z。范数下求解稀疏系数“的估计:
min
0
d忆s.c.氟=J,
(3)
式中:写=西缈。再代入式(1)进一步得到信号工。式(3)的求解常用的方法主要有匹配追踪算法(matchingpursuit,MP),基追踪算法(basispursuit,BP)等m。1“。
3基于过完备线性预测字典的压缩感知采样语音重构
3.1构造LP矩阵
采用常规正交基,如傅里叶变换基、DcT基或者小波变换基时,低压缩比时重构语音信号无法得到好的性能,
主要是语音信号在常规正交基下的稀疏性还不够好所致,因此下面采用线性预测提高信号的稀疏性。本文利用语音信号帧内样值间的相关性,通过线性预测使得预测后的信号出现较多的“零”值,从而提高信号的稀疏性,由于信号与预测值之差为冗余信号,其稀疏性称为冗余域的稀疏性。首先构造线性预测矩阵,线性预测是基于信号样值问的相关性,信号的每个样值在某种准则(常用最小均方误差准则)下可以由过去若十个样值的线性组合来逼近,其去掉了语音信号间的相关冗余。设{x(订)}陀=1,2,…,Ⅳ}为一帧语音样值序列,则语音样值x(n)的_p阶线性预测值为:
釜(n)=Ⅱ1z(n一1)十02肖(n一2)十‘ ’+o。筇(n—p)=
p
∑。。z(n—i)
(4)
式中:p是预测阶数,吼(i=1,2,…,p)是预测系数,称为线性预测系数。原信号与预测信号的误差(冗余信号)为:
p
d(n)=戈(凡)一凳(n)=x(n)一∑o。z(凡一i)
(5)
通过自相关法和协方差法可以求解出预测系数n,(i=
1,2,…,p)¨…。
式(5)的矩阵形式:
口=妒!x
(6)
式中:冗余信号矢量口=[d(1),a(2),…,a(Ⅳ)]’,语
音信号帧矢量T=[x(1),互(2),…,x(Ⅳ)]T,
0
O.
一0
一
O
.
¨
.
妒~=
(7)
一
..一
0;;;口
一
『=;;口l
帧语音信号x可以通过式(6)获得冗余信号矢量口。由式(6),可得:
工=%
(8)
线性预测(LP)矩阵哕由预测系数构造,是满秩可逆的,可以通过正交化得到正交基,但是这里不需要正交化,只要r可以表示为矩阵缈与冗余系数矢量Ⅱ的乘积即可,称口为工在冗余域的表示。3.2语音信号在冗余域的稀疏性
对样值间相关性较强的语音信号在冗余域的稀疏性进行分析。语音信号生成的数学模型中激励模型一般分成浊音激励和清音激励。发浊音时,由于声带不断张开和关闭,将产生间歇的准周期的类似于斜三角形脉冲串。发清音时,无论是发阻塞音还是摩擦音,将产生类似于随机白噪声的湍流。若采用全极点语音模型,激励信号
749 (孙林慧, 杨震, 季云云, 叶蕾. 基于过完备线性预测字典的压缩感知 语音重构. 仪器仪表学报, 2012, 33(4): 743?749) 13 Doneva M, Bornert P, ...
基于过完备线性预测字典的... 8页 2财富值 基于自相关观测的语音信号... ... 对语音信号采用压缩感知技术 进行压缩和 重构, 研究了分析 窗长固定时重构误差...
针对语音稀疏性不够好导致大压缩下采样 后重构效果差的缺点, 本文提出采用过完备线性预测字典做转换矩阵, 用基追踪重构算法 对压缩感知采样语音进行高质量重构。 ...
Christensen 等人[8]利用复正弦窗构成的字典对语音和音频实信号 进行稀疏分解,... 基于线性预测分析和差分变换的语音信号压缩感知 1411 图 2 FFT 变换基重构...
西安 710071) 摘要 : 基于压缩感知理论 , 测量了在不重构情况下线性调频信号...3 仿真结果本文采用过完备原子库建立稀疏字典 , 原子库 中频率参数的步长越...
模式识别-压缩感知_工学_高等教育_教育专区。压缩...原始信号的线性测量, 再利用后端 DSP 重构原始信号...可以分为正交基字典和过完备冗余字 典, 按照字典中...
基于Fisher准则字典学习的压缩感知人脸识别算法_曾凌...小化表示为过完备 字典中基向量的线性组合, 广泛... 并通过重构误差分类, 虽然提出多种快 〔8 〕 速...
和重构算法三个方面的最新进展, 并介绍了压缩感知...(1) 具有稀疏表示能力的过完备字典设计; (2) ...语音识别、探地 雷达成像等诸多领域对压缩感知展开了...
热门文档