基于字典對音頻信號稀疏表示是1種在音頻信號處理中被廣泛使用的信號表示方法,但是,如果當前信號與字典學習所使用的信號的數據分布不同時,稀疏表示性能會受到嚴重影響.本文提出1種用于對音頻信號稀疏表示的,可遷移稀疏表示字典學習方法,將經驗模態(tài)分解得到的成分作為音頻信號幀的本質特征,提出基于本質特征和原始信號的字典聯(lián)合學習方法,使字典具有很強的可遷移性.通過不同話者和不同數據集之間信號的稀疏表示,對字典的可遷移性能進行驗證,同時,對字典稀疏表示的效果和效率進行了評估.實驗結果表明:本文提出的字典學習方法,在不同話者和不同數據集間遷移時,重構信號的信噪比分別相差0.5和0.8,明顯低于當前常用的方法.同時,字典具有更高的稀疏表示效率和更好的效果. 

【文章頁數】：8 頁

【文章目錄】：
1 可遷移的稀疏表示字典學習方法
    1.1 基于EMD的信號本質特征的提取方法
    1.2 基于聚類的初始字典構造方法
    1.3 基于信號本質特征與原始信號的字典聯(lián)合學習方法
        1.3.1 TSRD的字典學習
        1.3.2 TSRD字典優(yōu)化
2 實驗結果與分析
    2.1 實驗數據描述
    2.2 TSRD遷移性能的評價
    2.3 TSRD的稀疏表示性能評價
3 結語



本文編號：3646443