發(fā)布時(shí)間：2017-09-19 03:04

  本文關(guān)鍵詞：基于稀疏編碼的語(yǔ)音去噪技術(shù)研究

  更多相關(guān)文章： 稀疏編碼 語(yǔ)音去噪 字典學(xué)習(xí) 低秩字典

【摘要】：語(yǔ)音信號(hào)在日常生活中得到廣泛應(yīng)用。但是在現(xiàn)實(shí)應(yīng)用中語(yǔ)音信號(hào)經(jīng)常受到噪聲的污染,那么對(duì)語(yǔ)音信號(hào)進(jìn)行去噪處理就顯得尤為重要。語(yǔ)音去噪就是將語(yǔ)音信號(hào)從帶噪信號(hào)中恢復(fù)出來(lái)�，F(xiàn)實(shí)中,由于噪聲可能是非平穩(wěn)的并且可能與語(yǔ)音信號(hào)有很強(qiáng)的相關(guān)性,所以對(duì)語(yǔ)音信號(hào)進(jìn)行去噪處理是一件非常困難的工作。對(duì)于與語(yǔ)音相關(guān)的噪聲,干凈的語(yǔ)音信號(hào)可以通過(guò)先驗(yàn)語(yǔ)音字典進(jìn)行稀疏編碼,與語(yǔ)音相關(guān)的噪聲信號(hào)可以通過(guò)先驗(yàn)噪聲字典進(jìn)行稀疏編碼。我們用語(yǔ)音字典和噪聲字典組成的混合字典對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行稀疏編碼,這樣就將語(yǔ)音信號(hào)從帶有噪聲的信號(hào)中恢復(fù)出來(lái)了。但是對(duì)于與語(yǔ)音信號(hào)相關(guān)的噪聲,在編碼過(guò)程中,有語(yǔ)音字典原子編碼噪聲成分,而噪聲字典原子表示語(yǔ)音成分的現(xiàn)象。這樣就導(dǎo)致去噪效果不理想�；谠搯�(wèn)題,本文做了以下工作或改進(jìn):1.語(yǔ)音字典及噪聲字典學(xué)習(xí)在基于稀疏編碼的語(yǔ)音去噪技術(shù)中,字典學(xué)習(xí)具有重要地位。通常在基于稀疏編碼的語(yǔ)音去噪算法中,假設(shè)語(yǔ)音信號(hào)以及與語(yǔ)音信號(hào)相關(guān)的噪聲信號(hào)都具有稀疏性。本文假設(shè)語(yǔ)音信號(hào)具有稀疏性,而與語(yǔ)音信號(hào)相關(guān)的噪聲信號(hào)具有低秩性。本文用K-SVD字典訓(xùn)練算法得到冗余的語(yǔ)音字典。而對(duì)于噪聲字典,我們用實(shí)驗(yàn)說(shuō)明了噪聲低秩性假設(shè)的合理性,同時(shí)采用K-SVD字典學(xué)習(xí)技術(shù)以及主成分分析技術(shù)得到低秩的噪聲字典,減少噪聲字典中的原子個(gè)數(shù),降低了噪聲字典表示語(yǔ)音信號(hào)的概率。2.稀疏編碼算法在語(yǔ)音信號(hào)中,相鄰語(yǔ)音幀之間具有較強(qiáng)的相關(guān)性。傳統(tǒng)的稀疏編碼方法最小角回歸算法在原子選取的過(guò)程中,僅僅參考?xì)埐钆c字典原子的相關(guān)性。本文在稀疏編碼方法最小角回歸算法的基礎(chǔ)上,提出了基于語(yǔ)音局部相關(guān)性的改進(jìn)型最小角回歸算法。在改進(jìn)型最小角回歸算法中,對(duì)當(dāng)前語(yǔ)音幀進(jìn)行稀疏編碼時(shí),不僅僅考慮殘差與語(yǔ)音字典原子的相關(guān)性,并且適當(dāng)增加相鄰語(yǔ)音幀中用到的字典原子在當(dāng)前幀被用到的概率,降低了噪聲字典原子表示語(yǔ)音信號(hào)而語(yǔ)音字典原子表示噪聲信號(hào)的概率。
【關(guān)鍵詞】：稀疏編碼 語(yǔ)音去噪 字典學(xué)習(xí) 低秩字典
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN912.3
，

本文編號(hào)：879105