稀疏分解算法在廣播信號(hào)特征提取中的應(yīng)用研究.pdf

1、隨著無(wú)線電電磁環(huán)境的日益復(fù)雜，廣播音頻信號(hào)受到很多信號(hào)的干擾，對(duì)廣播信號(hào)的監(jiān)測(cè)保障更為迫切。廣播音頻信號(hào)含有語(yǔ)音的成分，但又有自身的特點(diǎn)，例如持續(xù)時(shí)間更長(zhǎng)，含有音樂等背景聲音成分。在時(shí)域波形上，廣播音頻比普通音頻波動(dòng)劇烈，易受到背景噪聲的影響，容易受到音頻互調(diào)等干擾影響。特別是利用廣播信號(hào)進(jìn)行非法活動(dòng)將會(huì)嚴(yán)重影響社會(huì)穩(wěn)定及和諧，因此廣播音頻信號(hào)識(shí)別研究具有重要的理論意義和應(yīng)用價(jià)值。
　　本文以廣播音頻信號(hào)為研究對(duì)象，利用常規(guī)音頻特

2、征提取方法對(duì)廣播音頻信號(hào)進(jìn)行常規(guī)特征的提取，利用基于粒子群優(yōu)化算法的正交匹配追蹤算法對(duì)廣播音頻信號(hào)進(jìn)行稀疏表示，提取出能描述廣播音頻信號(hào)自身結(jié)構(gòu)的本質(zhì)特征?；谶@些特征通過支持向量機(jī)對(duì)正常和異常廣播音頻信號(hào)、廣播音頻信號(hào)和普通音頻信號(hào)進(jìn)行識(shí)別。
　　1、借鑒傳統(tǒng)音頻信號(hào)預(yù)處理和常規(guī)特征提取方法對(duì)廣播音頻信號(hào)進(jìn)行了分析，預(yù)處理方法有音頻增強(qiáng)、預(yù)加重、分幀加窗、雙門限端點(diǎn)檢測(cè)。同時(shí)利用了音頻信號(hào)常規(guī)特征提取方法對(duì)廣播音頻信號(hào)進(jìn)行了常規(guī)

3、特征提取，常規(guī)特征有線性預(yù)測(cè)系數(shù)（LPC）、線性預(yù)測(cè)倒譜系數(shù)（LPCC）、Mel頻率倒譜系數(shù)（MFCC），得到了能反映廣播音頻信號(hào)結(jié)構(gòu)特點(diǎn)的常規(guī)特征。
　　2、針對(duì)正交匹配追蹤算法（OMP）在過完備原子庫(kù)上需要重復(fù)迭代運(yùn)算來(lái)選擇最優(yōu)原子而導(dǎo)致計(jì)算復(fù)雜度高的問題，提出了基于粒子群算法的正交匹配追蹤算法，其改進(jìn)之處在于利用粒子群算法取代原正交匹配追蹤算法中迭代搜索最佳匹配原子的過程。通過改進(jìn)算法提取了原子參數(shù)和信號(hào)殘差在最佳原子上的投