资源描述：
《压缩感知新技术专题讲座_三_第6讲压缩感知在语音处理中.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第33卷第2期军事通信技术Vol.33No.22012年6月JournalofMilitaryCommunicationsTechnologyJun.2012压缩感知新技术专题讲座(三)X第6讲压缩感知在语音处理中的应用研究12324隋璐瑛,黄建军,张雄伟,曾理,王亚奇(1.解放军理工大学指挥自动化学院研究生1队,江苏南京210007;2.解放军理工大学指挥自动化学院研究生2队;3.解放军理工大学指挥自动化学院信息作战系;4.中国人民解放军66072部队,北京100041)摘要:压缩感知CS(CompressiveSensing)作为一门新兴的技术,成为近年来人们广泛关注的研究热点
2、。文中介绍了压缩感知理论的基本原理,在此基础上将压缩感知理论应用到语音信号处理中。首先研究了语音信号的稀疏性,说明了对语音信号进行压缩感知具有可行性;其次,采用随机滤波器组构造随机测量矩阵得到语音信号的压缩测量值;最后,研究了压缩测量值之间的相关性并将这种相关性作为稀疏度的一种度量方法用于控制随机滤波器阶数,实现了语音信号的自适应压缩感知。关键词:语音处理;压缩感知;稀疏表示;随机滤波;梯度投影稀疏重建中图分类号:TN912.3文献标识码:A文章编号:CN32-1289(2012)02-0100-05CompressiveSensingTheoryandItsApplication
3、inSpeechSignalProcessing12324SUILu-ying,HUANGJian-jun,ZHANGXiong-wei,ZENGLi,WANGYa-qi(1.PostgraduateTeam1ICA,PLAUST,Nanjing210007,China;2.PostgraduateTeam2ICA,PLAUST;3.DepartmentofInformationOperationStudiesICA,PLAUST;4.Unit66072ofPLA,Beijing100041,China)Abstract:Compressivesensingisanemerging
4、samplingtheoryproposedinrecentyears.TheprincipleofCSwasfirstlyintroduced.ThentheapplicationofCSonspeechsignalprocessingwaspresented.Basedonthespeechsignal’ssparserepresentation,thespeechsignalwascompressedusingrandomfiltering.Thecorrelationofrandommeasurementswasalsostudiedtoallowadaptivecompr
5、essing.Finallytheframeworkofadaptivespeechsignalcompressivesensingwasconstructed.Keywords:speechprocessing;compressivesensing;sparserepresentation;stochasticfiltering;gradientprojectionforsparsereconstruction采样信号的压缩编码本质上是寻找某种方法或某个函数空间,能以尽可能少的数据来表示信号的问题,其中最理想的就是信号的稀疏表示。信号的稀疏表示就是在变换域上用尽量少的基函数来表示
6、原始信号,[1][2～4]从而抓住信号的本质。对于稀疏信号,压缩感知理论为解决传统方法的不足提供了新的思路。压缩感知的概念最早于2004年由Cands和Donoho等人提出,其出发点是直接找到信号的稀疏表示,对其进行适当“采样”,实现直接从信号获取信息的目的。Donoho、Cands及Tao等人经过严格数学论证与分析,逐步建立了压缩感知(或压缩采样)这一新的信息获取指导理论。此压缩采样与数字信号处理、网络、雷达X收稿日期:2012-01-20;修回日期:2012-03-31作者简介:隋璐瑛(1987-),女,硕士生.第2期隋璐瑛等:压缩感知在语音处理中的应用研究101领域都密切相关
7、,成为近年来学者们广泛关注的研究问题。从理论上讲,任何信号都具有可压缩性,只要能找到其相应的稀疏表示空间,就可以有效地进行压缩采样,这一理论将给信号处理理论带来一次新的革命。本文首先介绍了压缩感知理论的基本理论框架,然后研究了压缩感知在语音信号处理中的应用,包括语音信号的稀疏表示方法、随机滤波过程和随机采样值的相关性研究。仿真实验验证了语音信号的自适应压缩感知具有可行性。1压缩感知的理论框架N压缩感知是在采样的同时实现信号压缩的理论,其理论框架可通过图1表示。即考虑一
