第4期孙林慧等:基于过完备线性预测字典的压缩感知语音重构
表2重构语音的MOS分
747
语音的质量。
梆~丢骞lol%。(告靠)
L悼1
、¨r一1.1|。,
㈣,
FL128
1922.1132562.049
Table2
0.100O.150
MOS
of
reconst邝cteds畔ech
0.2加0.2500.3000.3500.4000.4500500
2.7853.1753.258
3.4553.893
3.868
式中:三是总帧数,x。是第i帧的数据序列矢量。
1)实验1考察基于准确的LP矩阵语音压缩感知中帧长对重构语音性能的影响。预测阶数p取12,帧长(FL)取128—512,步长为64。压缩比取0.1—0.5,步长是0.05。
1.8562.3112.517
2.446
2
8723.0703.2893.“93.8324.0084.245
3.9704.0363.9054.0133.9033.968
4.1974.1774.037
2.624286632543.5353.715
3202.3852.56330073.3473.4443.6543.1043.422
3.5123.762
采用LP矩阵基于CS理论重构语音的A觥和M0s分分别如表1、表2所示。可以看出:同样压缩比下,帧长越长,重构语音的A删越大;而压缩比大于等于O.25时,
重构语音的A船^懈和M0s分整体性能较好。
5122.3582.699
2)实验2考察基于准确的LP矩阵中预测阶数对压缩感知重构性能的影响。帧长取256点,即16ms,压缩比取0.3。预测阶数p取2—12,表3是采用不同阶数预
表l重构语音的Af刚R
Table1
FL128192256320
O.108.9510.66102911.04
0.1513.7714.4415.2515.33
AF研忸ofreconstmcted
0.2016.6817.72
02519.1220.1520.71
O.30
0.35
sp愀h
0.40
O.45
0.5028.7430.17
测矩阵基于cs理论重构语音的A耶^恹和M0s分,可以看出:p取2、3、4时眭能相近;而p大于4时,随着p的增大,A朋^啦和M0s分都在提高,也就是说线性预测矩阵
阶数的增加,重构语音的性能随之提高。p大于等于10时,重构语音性能较好。
20.8022.9824.9226.8l22.2224.3425.4928.1l22.7724.792657
25.35
18.2618.47
28.2830.40
21.1923.5126.9528.9830.80
表3不同阶数的线性预测矩阵下重构语音性能
Table3
Reconstmcted
speech
b躺ed
on
0LPfor
di行打哪tp
3)实验3通过分析不同的压缩比下重构语音的AnsM£和MOs分,考察基于cs理论采用LP、0LP作为转换矩阵时,语音信号压缩感知重构的性能,并与文献[11](从码本中选择转换矩阵,记作sLP)中方法和采用DcT转换矩阵信号重构性能进行比较。帧长分别取256、512点,压缩比为0.1—0.5,步长为0.05,LBG训练时,训练码本大小.,=16,最大迭代次数Q=300,畸变改进阈值占=0.0001。帧长分别取256、512时重构信号的性能曲线如图5、6所示,其中仆、0LP、sLP和DcT分别表示LP、OLP、sLP、DcT作为转换矩阵时cs重构的语音,下标表示采用的帧长。从图5、图6可以看出:不同压缩比下,无论从AFsⅣR还尾MOS分角度评价重构语音质量,LP、0LP、sLP、DcT本身而言,压缩比越高,重构性能越好;同一压缩比下,采用0LP字典的CS重构性能接近采用LP矩阵的CS重构性能;同一压缩比下,基于cS采用LP、0LP、SIJP重构性能,都远优于采用DcT基对语音信号进行压缩感知重构的性能(尽管DcT具有很强的能量集中的作用,能量主要集中在低频系数,但从重构性能来看,其稀疏性并不是最佳的);当压缩比大于等于0.3时,
采用0IJP重榭陛能优于SIJP,说明在0LP字典下语音信
号的稀疏性较好。得出结论:基于0LP的压缩感知重构,能够既简单又更有效地恢复出原信号,其重构性能比基于DcT的高出3—8dB,Mos分也较优,oLP字典由训练语音训练得到,不需要测试语音的LP系数,不占用实际重构时问,二者运算量都主要集中在采用BP算法重构部分,算法复杂度的量级都在D(Ⅳ3)H,1“。
—._一LP256
—‘-一OLP』56
舟”SLP一256—+卜。DCT—_一LP
256
512
—●一OLP512—+一SLP
512
一DCT-512
压缩比埘Ⅳ
图5重构语音的A嗍
Fig.5A耶J】、碾of
tllereconstructed8peech
versu8肘/Ⅳ
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