語音信號稀疏表示方法研究.pdf

1、語音是迄今為止最常用的交流方式。近年，語音通信多與其他多媒體通信方式相結合，例如電視電話會議、微信語音聊天等。隨著這些應用的流行，人們不僅對語音信息量的需求在逐漸變大，對語音質量的要求也邁上了新的臺階。傳輸用傳統(tǒng)的采樣量化得到的數字語音，會占用較多信道資源，并且在存儲時也對存儲空間有很高需求。因此，在確保語音通信可靠性的情況下，如何有效地進行語音編碼，降低傳輸語音的比特率、減少信號占用信道資源，是通信過程中的重要問題。
　　語音信

2、號的稀疏表示是語音信號處理中降低數碼率并減少占用帶寬的有效手段。本文對語音信號的稀疏表示進行了研究。其中重點研究了基于冗余字典的稀疏表示。文章首先對稀疏表示理論進行了詳細的總結和歸納，對信號稀疏表示的兩個關鍵技術—稀疏分解算法和稀疏基的構造進行深入分析。
　　1.首先對K-SVD字典訓練算法進行研究，并將其與K-Means算法及MOD算法展開對比討論。K-SVD算法的主要特點是可以為特定的信號訓練適應該信號的字典，并能在得到字典的

3、同時得到信號的稀疏表示。K-Means算法是K-SVD算法碼本維數為1的特殊情況。與MOD算法對比，K-SVD算法將MOD算法中對矩陣的求逆轉化為對誤差矩陣Ek的rank-1逼近。本文從對比分析這三者的差異角度來闡述K-SVD算法用于字典訓練的機理。
　　2.本文基于線性稀疏表示，針對K-SVD字典初始化問題進行了研究。基于傳統(tǒng)K-SVD訓練字典的方法需要在開始就確定字典的規(guī)模，而選擇的字典規(guī)模不當會造成信號過表示或欠表示，嚴重影

4、響語音的稀疏質量。針對字典初始規(guī)模的選擇問題，本文提出了一種基于新型BDS模型的字典初始化方法，該方法根據最佳字典規(guī)模與稀疏比的關系為字典規(guī)模建立模型，可以自適應的為語音信號選擇恰當的初始字典，避免了K-SVD方法依靠經驗設置字典規(guī)模的缺陷。本文將加入BDS模型的訓練字典的方法應用于來自太原理工大學數字音頻與視頻實驗室語音庫的語音，進行仿真實驗并對實驗結果進行了分析。實驗結果表明：基于BDS模型的語音信號字典構造方法實現了自適應選擇最佳