基于稀疏編碼的語音去噪技術(shù)研究.pdf

1、語音信號在日常生活中得到廣泛應用。但是在現(xiàn)實應用中語音信號經(jīng)常受到噪聲的污染，那么對語音信號進行去噪處理就顯得尤為重要。語音去噪就是將語音信號從帶噪信號中恢復出來。現(xiàn)實中，由于噪聲可能是非平穩(wěn)的并且可能與語音信號有很強的相關性，所以對語音信號進行去噪處理是一件非常困難的工作。
　　對于與語音相關的噪聲，干凈的語音信號可以通過先驗語音字典進行稀疏編碼，與語音相關的噪聲信號可以通過先驗噪聲字典進行稀疏編碼。我們用語音字典和噪聲字典組成

2、的混合字典對帶噪語音信號進行稀疏編碼，這樣就將語音信號從帶有噪聲的信號中恢復出來了。但是對于與語音信號相關的噪聲，在編碼過程中，有語音字典原子編碼噪聲成分，而噪聲字典原子表示語音成分的現(xiàn)象。這樣就導致去噪效果不理想?；谠搯栴}，本文做了以下工作或改進：
　　1.語音字典及噪聲字典學習
　　在基于稀疏編碼的語音去噪技術(shù)中，字典學習具有重要地位。通常在基于稀疏編碼的語音去噪算法中，假設語音信號以及與語音信號相關的噪聲信號都具有稀

3、疏性。本文假設語音信號具有稀疏性，而與語音信號相關的噪聲信號具有低秩性。本文用K-SVD字典訓練算法得到冗余的語音字典。而對于噪聲字典，我們用實驗說明了噪聲低秩性假設的合理性，同時采用K-SVD字典學習技術(shù)以及主成分分析技術(shù)得到低秩的噪聲字典，減少噪聲字典中的原子個數(shù)，降低了噪聲字典表示語音信號的概率。
　　2.稀疏編碼算法
　　在語音信號中，相鄰語音幀之間具有較強的相關性。傳統(tǒng)的稀疏編碼方法最小角回歸算法在原子選取的過程中