基于壓縮感知的語音聯(lián)合壓縮算法研究.pdf

1、語音是人類最直接有效的通訊方式。在數(shù)字化信息時(shí)代蓬勃發(fā)展的今天，人們對(duì)語音信息處理和信息質(zhì)量的要求隨之增加，大大提高信息采樣的成本。如何以更低的采樣速率、更少的采樣值完成對(duì)語音信號(hào)的壓縮重構(gòu)有著重要意義。壓縮感知(Compressed sensing，CS)理論基于信號(hào)在某個(gè)變換域的稀疏性，以低于Nyquist采樣定理的標(biāo)準(zhǔn)對(duì)信號(hào)進(jìn)行采樣且可以近乎精確的將原始信號(hào)恢復(fù)，意味著在語音信號(hào)壓縮中對(duì)基于Nyquist采樣定理傳統(tǒng)方法的顛覆。在

2、語音信號(hào)處理領(lǐng)域的發(fā)展中形成了一系列的信號(hào)處理方法和算法，并且已經(jīng)得到了廣泛的應(yīng)用，如快速傅里葉變換(Fast Fourier Transform，F(xiàn)FT)、線性預(yù)測(cè)(Linear Prediction，LP)、矢量量化(Vector Quantization，VQ)以及經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)等技術(shù)。將壓縮感知理論基礎(chǔ)與傳統(tǒng)語音信號(hào)處理技術(shù)的各種特點(diǎn)聯(lián)合，對(duì)其壓縮重構(gòu)的效果進(jìn)行研

3、究。本文主要工作和創(chuàng)新如下：
　?。?）從信號(hào)的稀疏表示、觀測(cè)矩陣和重構(gòu)算法等方面展開，深入的學(xué)習(xí)并研究了壓縮感知基本原理。并對(duì)語音信號(hào)的基本特征、常用的處理技術(shù)、編碼方式等語音知識(shí)進(jìn)行了基礎(chǔ)研究。
　?。?）結(jié)合壓縮感知理論的特性和線性預(yù)測(cè)分析技術(shù)的優(yōu)勢(shì)，利用語音信號(hào)在線性殘差域上的稀疏性以及語音信號(hào)特性，提出了一種在線性殘差域上自適應(yīng)分配觀測(cè)點(diǎn)數(shù)的壓縮感知算法。由語音信號(hào)特性可知，語音信號(hào)的幀之間可以通過能量來區(qū)分其重要

4、性，所以根據(jù)每幀語音在整個(gè)語音段占用的能量比自適應(yīng)分配觀測(cè)點(diǎn)數(shù)，可以提高觀測(cè)點(diǎn)數(shù)的利用效率，改善語音信號(hào)重構(gòu)性能。
　?。?）將壓縮感知理論和經(jīng)驗(yàn)?zāi)B(tài)分解方法相結(jié)合，用于語音信號(hào)壓縮上，提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的語音信號(hào)壓縮感知算法。通過經(jīng)驗(yàn)?zāi)B(tài)分解方法將語音信號(hào)分解，可得語音信號(hào)的本征模式函數(shù)信號(hào)分量。經(jīng)實(shí)驗(yàn)證明了本征模式函數(shù)信號(hào)分量在常規(guī)的DCT域有更好的稀疏性。結(jié)合壓縮感知理論基礎(chǔ)分別對(duì)各個(gè)信號(hào)分量進(jìn)行觀測(cè)抽樣，以實(shí)現(xiàn)語音