發(fā)布時(shí)間：2017-07-13 21:13

  本文關(guān)鍵詞：基于壓縮感知的語音信號(hào)處理與應(yīng)用

  更多相關(guān)文章： 壓縮感知 離散余弦變換 矢量量化 正交匹配追蹤

【摘要】：語音信號(hào)數(shù)字化取樣技術(shù)是建立在Nyquist取樣定理之上的,眾所周知,用不低于語音信號(hào)最高頻率兩倍的速率取樣所得的語音數(shù)據(jù)中有大量冗余,在存儲(chǔ)或傳輸之前經(jīng)常要進(jìn)行壓縮編碼,以節(jié)約存儲(chǔ)資源或節(jié)約傳輸帶寬。壓縮感知的提出為信息采集技術(shù)開辟了新的道路,讓信號(hào)以低于奈奎斯特速率取樣成為了可能。論文基于此,研究了壓縮感知用于語音信號(hào)處理,設(shè)計(jì)了基于該理論的語音信號(hào)編碼系統(tǒng)。主要內(nèi)容如下：一、介紹壓縮感知基本原理及其關(guān)鍵技術(shù),緊接著對(duì)語音信號(hào)稀疏表示做了研究,主要研究了語音在DCT基和小波基上的稀疏性。二、研究壓縮感知運(yùn)用于語音處理。在這一部分分別研究了測量矩陣構(gòu)造以及不同測量矩陣在語音重構(gòu)中的作用；重構(gòu)算法的分類以及不同重構(gòu)算法在語音重構(gòu)中的作用。使用matlab軟件仿真,對(duì)比實(shí)驗(yàn)結(jié)果看出：同樣條件下采用最優(yōu)測量矩陣得到的重構(gòu)信號(hào)失真最小,但隨機(jī)測量矩陣是最容易構(gòu)造的；同樣測量矩陣下,凸優(yōu)化類重構(gòu)算法重構(gòu)信號(hào)效果好,但貪婪追蹤類重構(gòu)算法的計(jì)算復(fù)雜度較低,用時(shí)更短。三、對(duì)壓縮感知運(yùn)用于語音壓縮編碼進(jìn)行了研究,設(shè)計(jì)了新的編碼系統(tǒng)。結(jié)合編碼系統(tǒng)的具體要求選擇適合的稀疏基、測量矩陣和重構(gòu)算法,通過實(shí)驗(yàn)中對(duì)比原語音與重構(gòu)語音,具體研究了該編碼方案下不同參數(shù)設(shè)置對(duì)語音信號(hào)重構(gòu)效果的影響。該編碼方案在編碼端采用隨機(jī)高斯矩陣對(duì)語音信號(hào)進(jìn)行觀測,得到較少的觀測值,然后使用矢量量化編碼進(jìn)一步壓縮數(shù)據(jù)；在解碼端,通過矢量量化解碼得到觀測值,根據(jù)語音信號(hào)在離散余弦域中的稀疏性,用正交匹配追蹤算法重構(gòu)語音信號(hào)。所用算法,在確保語音信號(hào)一定重構(gòu)質(zhì)量的條件下降低計(jì)算復(fù)雜度,減小時(shí)延。實(shí)驗(yàn)結(jié)果表明,對(duì)于取樣率為44100Hz,量化位數(shù)為16bit,碼速率為705.6Kbps單聲道語音信號(hào)壓縮到100Kbps左右仍具有較好的語音質(zhì)量,同時(shí)算法時(shí)間延遲低。
【關(guān)鍵詞】：壓縮感知 離散余弦變換 矢量量化 正交匹配追蹤
【學(xué)位授予單位】：陜西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN912.3
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 緒論8-14
• 1.1 研究背景8
• 1.2 壓縮感知的研究現(xiàn)狀8-9
• 1.3 壓縮感知應(yīng)用于語音信號(hào)處理的研究現(xiàn)狀9-10
• 1.4 語音編碼的發(fā)展概況10-11
• 1.5 論文的研究內(nèi)容及章節(jié)安排11-14
• 1.5.1 論文的研究內(nèi)容11-12
• 1.5.2 論文的章節(jié)安排12-14
• 第二章 壓縮感知14-20
• 2.1 壓縮感知的數(shù)學(xué)模型14-15
• 2.2 信號(hào)的稀疏表示15-16
• 2.3 測量矩陣16-18
• 2.3.1 RIP性質(zhì)17-18
• 2.4 重構(gòu)算法18
• 2.5 本章小結(jié)18-20
• 第三章 語音信號(hào)的稀疏表示20-34
• 3.1 語音的產(chǎn)生模型20-21
• 3.2 語音信號(hào)的基本特性21-22
• 3.3 語音信號(hào)在不同稀疏基上的稀疏性22-32
• 3.3.1 語音信號(hào)在DCT基上的稀疏性22-26
• 3.3.2 語音信號(hào)在小波基上的稀疏性26-32
• 3.4 本章小結(jié)32-34
• 第四章 語音信號(hào)的觀測與重構(gòu)34-46
• 4.1 測量矩陣的比較34-40
• 4.1.1 測量矩陣分類34
• 4.1.2 隨機(jī)測量矩陣的構(gòu)造34-35
• 4.1.3 隨機(jī)測量矩陣構(gòu)造的改進(jìn)方法35
• 4.1.4 確定性測量矩陣的構(gòu)造35-36
• 4.1.5 最優(yōu)觀測36-39
• 4.1.6 測量矩陣的性能比較實(shí)驗(yàn)39-40
• 4.2 重構(gòu)算法的比較40-45
• 4.2.1 重構(gòu)算法的分類40-41
• 4.2.2 貪婪追蹤類重構(gòu)算法41-44
• 4.2.3 凸優(yōu)化類重構(gòu)算法44
• 4.2.4 重構(gòu)算法性能比較實(shí)驗(yàn)44-45
• 4.3 本章小結(jié)45-46
• 第五章 基于壓縮感知的語音信號(hào)編碼46-58
• 5.1 編碼系統(tǒng)設(shè)計(jì)46
• 5.2 矢量量化46-51
• 5.2.1 矢量量化原理46-47
• 5.2.2 失真測度47-48
• 5.2.3 LBG算法48-51
• 5.3 仿真實(shí)驗(yàn)51-56
• 5.4 本章小結(jié)56-58
• 第六章 總結(jié)與展望58-60
• 總結(jié)58
• 展望58-60
• 參考文獻(xiàn)60-64
• 攻讀碩士學(xué)位期間的研究成果64-66
• 致謝66

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 張春梅;尹忠科;肖明霞;;基于冗余字典的信號(hào)超完備表示與稀疏分解[J];科學(xué)通報(bào);2006年06期

2 孫玉寶;肖亮;韋志輝;邵文澤;;基于Gabor感知多成份字典的圖像稀疏表示算法研究[J];自動(dòng)化學(xué)報(bào);2008年11期

3 郭海燕;王天荊;楊震;;DCT域的語音信號(hào)自適應(yīng)壓縮感知[J];儀器儀表學(xué)報(bào);2010年06期

，

本文編號(hào)：538405