基于压缩感知的语音信号建模技术的研究

《基于压缩感知的语音信号建模技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、单位代码：10293密级：公开硕士学位论文论文题目：基于压缩感知的语音信号建模技术的研究Y001090609学号张健姓名杨震导师信号与信息处理学科专业无线通信与信号处理技术研究方向工学硕士申请学位类别2012年2月论文提交日期南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其它人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作过的同志对本研究所做的任何贡献均已在论文中作了明确

2、的说明并表示了谢意。研究生签名：日期：南京邮电大学学位论文使用授权声明南京邮电大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其它复制手段保存论文。本文电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权南京邮电大学研究生部办理。研究生签名：导师签名：日期：南京邮电大学硕士学位论文摘要学科、专业：工学、信号与信息处理研究方向：无线通信与信号处理技术作者：张健指导教师：杨震教授题目：基于压缩感

3、知的语音信号建模技术研究英文题目：Researchonmodelingtechniqueofspeechsignalbasedoncompressedsensing主题词：压缩感知；神经网络；观测序列；建模技术；Keywords:compressedsensing;neuralnetwork;measurementssequence;modelingtechnique南京邮电大学硕士研究生学位论文摘要摘要随着传感系统获取数据能力的不断增强，人们对信息需求量的不断增加，基础的信号处理框架需要的采样速率和处理速度要求也越来越高。为了解决急剧增加的信号采

4、样处理压力，人们正在研究一种与传统的数据采样方法不同的新型感知采样模式，即压缩感知理论。本文以传统压缩感知为基础，研究了如下几个问题：首先，从传统的压缩感知理论出发，针对语音观测序列的时间序列特性、LPC模型适用性以及非线性特性的分析，得出语音观测序列是非线性相关的压缩时间序列的结论。其次，如果未来信号处理系统的输入，均基于压缩感知理论进行采样，代替传统的奈氏采样，那么对于压缩感知采样得到的观察序列的建模技术，将是十分重要的信号处理基础理论，本文正是基于此开展的深入研究。由于语音观测序列是非线性时间序列，因此本文考虑采用非线性时间序列建模的几种经典

5、方法，首先根据神经网络预测方法的优点，选择采用应用最为广泛的BP神经网络模型对语音观测序列进行预测，提出了基于BP神经网络预测模型的压缩感知理论框架。通过实验仿真，分析了BP神经网络对语音观测序列预测的精度，以及最终重构出来的语音信号的重构精度。论文的第二大部分，考虑到压缩感知理论进入实际数字通信系统后，经过量化编码这一过程后将不可避免的会引入量化噪声，因此本文着重分析了量化噪声对BP神经网络建模预测精度的影响。首先给出了量化比特数与量化噪声方差的对应关系，以此提出了一种直接添加量化噪声模拟量化过程中数据失真的方法。以这种方法为基础，本文做了三个仿

6、真分别研究了量化噪声对传统压缩感知的影响，基于BP神经网络预测模型的压缩感知中仅有模型输入有失真以及模型输入和参数均有失真两种情况下，重构信号的信噪比随着量化噪声加入多少的变化趋势，为压缩感知的实际应用奠定基础。关键词：压缩感知，神经网络，观测序列，建模技术I南京邮电大学硕士研究生学位论文英文摘要AbstractWiththegrowingabilityofthesensorsystemtoobtaindata,peopleareincreasingdemandforinformation.Signalprocessingframeworkbase

7、dontherequiredsamplingrateandprocessingspeedrequirementsarealsoraised.Toaddresstheproblemofdramaticincreasingpressureinthesignalsamplingprocess,peopleareworkingonanewsensingsamplingmodel,compressedsensingtheory,whichisdifferentfromthetraditionaldatasampling.Inthisthesis,werese

8、archedonthefollowingtopicsbasedonthetraditionalcompressedsens