本文關(guān)鍵詞：基于壓縮感知的語音重構(gòu)算法和消噪技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：步入“大智移云“(大數(shù)據(jù)、智能化、移動(dòng)互聯(lián)網(wǎng)和云計(jì)算)時(shí)代,人類之間的聯(lián)系更加密切,信息的交換也更加頻繁。傳統(tǒng)的數(shù)字采樣技術(shù)在面臨海量數(shù)據(jù)的時(shí)候,由于需要先采樣后壓縮,造成了采樣資源的浪費(fèi);同時(shí),無線通信中傳輸大量的數(shù)據(jù)需要大量的頻帶資源,給本來就不充裕的頻帶資源帶來了非常大的壓力。最近幾年,壓縮感知作為一種新興的壓縮采樣技術(shù),給信號(hào)與信息處理領(lǐng)域注入了新的活力。壓縮感知的特點(diǎn)在于它可以在采樣的同時(shí)對(duì)信號(hào)進(jìn)行壓縮,節(jié)約了采樣成本。本文將壓縮感知理論應(yīng)用到語音信號(hào)處理領(lǐng)域,研究語音壓縮感知中的重構(gòu)算法和消噪方法。首先,本文對(duì)壓縮感知的基本理論進(jìn)行了介紹,并給出了相應(yīng)的數(shù)學(xué)模型;在此基礎(chǔ)上,將壓縮感知與語音信號(hào)處理結(jié)合,分析了語音壓縮感知理論;又結(jié)合實(shí)際,研究了含噪情況下的語音壓縮感知技術(shù),并對(duì)其進(jìn)行了仿真實(shí)驗(yàn)。其次,本文對(duì)傳統(tǒng)的重構(gòu)貪婪算法進(jìn)行了詳細(xì)地介紹,分析了各貪婪算法的優(yōu)缺點(diǎn);針對(duì)SAMP算法固定步長的缺點(diǎn),對(duì)其進(jìn)行改進(jìn)(通過閾值調(diào)整步長,并加入了裁剪步驟)提出了一種VSSAMP算法;通過實(shí)驗(yàn)仿真,將提出的VSSAMP算法和SAMP進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的VSSAMP算法不僅能夠提高重構(gòu)的精度,還提升了重構(gòu)速度。最后,本文利用語音經(jīng)過行階梯矩陣觀測后仍然能夠保留大部分語音特性的特點(diǎn),先對(duì)觀測序列進(jìn)行譜減法消噪處理;然后在重構(gòu)環(huán)節(jié),提出一種自適應(yīng)的重構(gòu)算法,該算法可以根據(jù)輸入信噪比自適應(yīng)地修改重構(gòu)算法的終止參數(shù),不僅提高了輸出重構(gòu)語音的信噪比,而且降低了重構(gòu)時(shí)間;最后在重構(gòu)端加入一低通濾波器,去除重構(gòu)語音中的毛刺,提高語音的可懂度與自然度。實(shí)驗(yàn)結(jié)果表明,這種新的語音重構(gòu)系統(tǒng)可以提高輸出語音的信噪比和主觀聽覺平均意見分,在白噪聲情況下具有很強(qiáng)的抗噪能力,并且能夠提高重構(gòu)的速度。
【關(guān)鍵詞】：壓縮感知 重構(gòu)算法 行階梯矩陣 語音信號(hào) 含噪語音 消噪
【學(xué)位授予單位】：南京郵電大學(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4-5
• Abstract5-8
• 專用術(shù)語注釋表8-9
• 第一章 緒論9-15
• 1.1 課題來源及研究背景9-10
• 1.2 壓縮感知技術(shù)的研究動(dòng)態(tài)10-11
• 1.3 壓縮感知技術(shù)在語音領(lǐng)域的應(yīng)用11-12
• 1.4 課題來源及意義12-13
• 1.5 本文主要工作13-14
• 1.6 本文的內(nèi)容及結(jié)構(gòu)安排14-15
• 第二章 壓縮感知理論及其在語音中的應(yīng)用15-37
• 2.1 引言15
• 2.2 壓縮感知基本理論15-21
• 2.2.1 稀疏表示15-17
• 2.2.2 觀測矩陣17-18
• 2.2.3 重構(gòu)算法18-21
• 2.3 語音信號(hào)的壓縮感知21-32
• 2.3.1 語音信號(hào)的稀疏表示21-29
• 2.3.2 語音信號(hào)的觀測矩陣29-30
• 2.3.3 語音信號(hào)的重構(gòu)算法30-32
• 2.4 含噪語音的壓縮感知32-36
• 2.4.1 噪聲對(duì)稀疏性的影響33-34
• 2.4.2 含噪情況下的觀測矩陣34-35
• 2.4.3 含噪語音的重構(gòu)算法研究35-36
• 2.5 本章小結(jié)36-37
• 第三章 變步長的稀疏自適應(yīng)匹配追蹤算法37-51
• 3.1 引言37
• 3.2 貪婪算法介紹37-43
• 3.2.1 OMP算法38
• 3.2.2 StOMP算法38-39
• 3.2.3 ROMP算法39-40
• 3.2.4 CoSaMP算法40-41
• 3.2.5 SP算法41-42
• 3.2.6 SAMP算法42-43
• 3.3 變步長的稀疏自適應(yīng)匹配追蹤算法43-46
• 3.3.1 改進(jìn)的VSSAMP算法43-45
• 3.3.2 理論性能分析45-46
• 3.4 仿真實(shí)驗(yàn)及結(jié)果分析46-50
• 3.4.1 絕對(duì)稀疏信號(hào)的重構(gòu)性能比較46-47
• 3.4.2 語音信號(hào)在不同壓縮比下的性能比較47-48
• 3.4.3 語音信號(hào)在變最小步長下的性能比較48-49
• 3.4.4 語音信號(hào)在噪聲環(huán)境下的性能比較49-50
• 3.5 本章小結(jié)50-51
• 第四章 基于壓縮感知的自適應(yīng)譜減法語音增強(qiáng)算法51-62
• 4.1 引言51
• 4.2 系統(tǒng)模型51-52
• 4.3 基于壓縮感知的自適應(yīng)譜減法語音增強(qiáng)52-58
• 4.3.1 行階梯觀測矩陣52-55
• 4.3.2 譜減法55-56
• 4.3.3 自適應(yīng)正交匹配追蹤算法56-57
• 4.3.4 低通濾波器57-58
• 4.4 實(shí)驗(yàn)仿真58-61
• 4.4.1 本文算法與行階梯觀測的壓縮感知、傳統(tǒng)譜減法的比較58-59
• 4.4.2 自適應(yīng)調(diào)節(jié)lambda值的作用59-60
• 4.4.3 經(jīng)過低通濾波器后信號(hào)的性能60
• 4.4.4 本文算法與基于子空間法、基于維納濾波的消噪方法對(duì)比60-61
• 4.5 本章小結(jié)61-62
• 第五章 總結(jié)與展望62-64
• 5.1 文章總結(jié)62-63
• 5.2 展望63-64
• 參考文獻(xiàn)64-68
• 附錄1 攻讀碩士學(xué)位期間撰寫的論文68-69
• 附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目69-70
• 致謝70

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳勤;鄒志兵;張e

本文編號(hào)：442046