字典學(xué)習(xí)算法研究及其在語音增強(qiáng)中的應(yīng)用.pdf

1、稀疏表示的關(guān)鍵是構(gòu)造一個(gè)有效的字典，使得訓(xùn)練樣本（信號(hào)）在字典上的表示是稀疏的。常用的方法是解析法，該方法將字典中的原子用預(yù)定義的某種數(shù)學(xué)變換表示，如小波變換（WT）、離散余弦變換（DCT）等。然而，這種方法需要依賴大量的專業(yè)知識(shí)，同時(shí)得到的字典的結(jié)構(gòu)相對(duì)簡(jiǎn)單、形態(tài)不夠豐富。因此，我們希望可以從大規(guī)模的訓(xùn)練樣本中自動(dòng)學(xué)習(xí)得到與之相適應(yīng)的字典，使得樣本的表示更加稀疏。
　　字典學(xué)習(xí)正是解決這一問題的工具。字典學(xué)習(xí)算法能根據(jù)已知的訓(xùn)練

2、樣本，通過迭代的方式提取出訓(xùn)練樣本的特征（原子）。本文將對(duì)現(xiàn)有的字典學(xué)習(xí)算法進(jìn)行系統(tǒng)的總結(jié)分析，提出自己的字典學(xué)習(xí)算法，并將該算法應(yīng)用到語音增強(qiáng)的場(chǎng)景中，具體如下。
　　一、字典學(xué)習(xí)算法的理論及性能差異分析。在這一部分中，本文系統(tǒng)地介紹了現(xiàn)有的字典學(xué)習(xí)算法，并從更新思路、更新方式和約束項(xiàng)三個(gè)角度分析字典更新階段的差異對(duì)算法性能的影響。本文選取恢復(fù)已知字典和稀疏逼近AR(1)信號(hào)兩個(gè)實(shí)驗(yàn)作為算法的評(píng)價(jià)指標(biāo)，通過對(duì)實(shí)驗(yàn)結(jié)果的分析，文章

3、提出了一些改進(jìn)字典學(xué)習(xí)算法的參考建議。
　　二、受限一步字典學(xué)習(xí)（Bounded One-Stage Dictionary Learning,BOS-DL）的算法提出。在這一部分中，本文提出了一種新的字典學(xué)習(xí)算法。該算法向字典添加了L2范數(shù)的約束，解決了單步字典學(xué)習(xí)（One-Stage Dictionary Learning,OS-DL）算法的過沖問題（overshooting problem）。實(shí)驗(yàn)結(jié)果表明，新提出的算法較之OS