稀疏线性预测字典在语音压缩感知中的应用.pdfVIP

第45 卷第2 期 上海师范大学学报(自然科学版) Vol. 45 , No. 2 2 0 1 6 年 4 月 JournaI of Shanghai Nonnal University( Natura1 Sciences) Apr. , 2016 DOI:I0. 3969/J. ISSN. 1000 -5137. 2016.02.016 稀疏线性预测字典在语音压缩感知中的应用 游寒旭，李为，李昕，朱杰 (上海交通大学电子信息与电气工程学院，上海 2∞240) 摘 要:压缩感知理论框架可以同时实现信号的采样和压缩，将压缩感知应用于语音信号处理 是近年来的研究热点之一.本文根据语音信号的特点，采用 K-SVD 算法获得稀疏线性预测字典， 作为语音信号的稀疏变换矩阵.高斯随机矩阵用于原语音信号的采样从而实现信号的压缩，最后 通过正交匹配追踪算法(OMP) 和采样压缩匹配追踪算法(CoSaMP) 将已采样压缩的语音信号进 行信号重构.实验考察了待处理语音信号帧的长度、压缩比，稀疏变换字典以及压缩感知重构算 法等因素对语音压缩感知重构性能的影响，结果表明，基于数据集训练的稀疏线性预测字典相比 传统解析构造的离散余弦变换字典，对语音的重构性能其有0.6 dB 左右的提升. 关键词:压缩感知;语音信号处理; K-SVD; 稀疏线性预测字典 中图分类号: TN 912 文献标志码:A 文章编号: 1侧δ137 (2016)02-0223 -07 0 引言 Nyquist 采样定理要求传统语音信号处理系统的采样率至少是原始信号频率的2 倍或以上以保证 不失真地重构原始信号.对于传统语音压缩来说，语音首先经过高速采样，然后再采用传统的压缩算法 对语音进行压缩处理，这一过程占据了大量的中间采样和存储资源.压缩感知(CS) 理论由 Donoho 、 Can­ des 和Tao 等[1 -3] 提出，旨在改变先采样后压缩的传统处理框架，让系统同时完成信号的采样和压缩. CS 理论指出，当信号具有稀疏性或可压缩性时，可以通过最少的观测数来采样信号以保证信号的准确重 构.这样一方面节约了采样和压缩成本，另一方面又达到了信号的采样和压缩同时完成的目的. CS 理论 采样即压缩的特性使得其应用研究涉及到了国内外语音信号处理的众多领域，如语音编码、语音识 别、说话人识别、语音增强、音乐检索等等[4] 信号的稀疏性或可压缩性是 CS 理论的前提和必要条件，信号的稀疏性保证了仅仅利用少量的观 测值就可以实现信号的准确重构而不丢失原信号的主要信息. CS 理论指出，信号在稀疏基(字典)下的 表示系数越稀疏则信号的重构质量越好，而语音信号稀疏分解算法将直接影响信号的稀疏性. Kassim 等[5] 把 CS 理论应用于低比特率语音编码，采用 F盯， DCT 和小波变换分别对语音信号进行稀疏分解; Zhang 等问]采用了 DCT 结合小波包的方式(DCWPT) 来完成语音信号的稀疏分解，并对信号进行压缩感 知处理和重构.DCT 变换、F町变换以及小波变换都是基于传统的解析方法，这类变换字典构造简单，但 其原子不够丰富，而通过训练语音数据集学习来的过完备字典与解析构造的字典相比，原子的种类和数 量更多，对待处理信号进行稀疏分解更有针对性.诸如 MOD 算法、K-SVD 算法、ADMM 算法等字典学习 算法作为主流的学习算法[7] ，是稀疏分解领域重要的研究方向. Giacobell 等[8] 将预测系数求解从最小 均方误差约束条件改为稀疏性约束条件，进而提出利用语音帧的线性预测信号与原信号之间残差的稀 收稿日期: 2016 -02-29 基金项目:国家自然科学基金，， 11433∞2);上海交通大学医工合作基金(YG2012ZD04 ) 通信作者:朱 杰，中国上海市闵行区东川路8∞号，上海交通大学电子信息与电气工程学院，邮编:2∞240 ， E-mail: zhujie@sjtu.edu.cn 224 上海师范大学学报(自然科学版) J. Shanghai Norrnal Univ. (Nat. Sci.) 2016 年 疏性来实现信号的稀疏分解.孙林慧等[9]