基于壓縮感知的分布式語音壓縮與重構(gòu)

《基于壓縮感知的分布式語音壓縮與重構(gòu)》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第26卷搖第6期信號處理Vol.26.搖No.6搖2010年6月SIGNALPROCESSINGJun.2010基于壓縮感知的分布式語音壓縮與重構(gòu)孫林慧搖楊搖震(南京郵電大學(xué)通信與信息工程學(xué)院,江蘇南京210003)摘搖要:本文首先闡述了壓縮感知(CS)的理論框架,然后分析了語音信號的特點———短時平穩(wěn)性、離散余弦(DCT)基下的稀疏性,最后提出了基于CS理論的分布式語音壓縮重構(gòu)的框架?；诖丝蚣懿捎没粉?BP)和正交匹配追蹤(OMP)算法對已壓縮的語音信號進(jìn)行重構(gòu),得出結(jié)論:每幀語音信號選取的幀長的大小,基于CS理論壓縮得到的觀測數(shù)的多少,都對重構(gòu)性能有影響。關(guān)鍵詞:壓縮感

2、知;分布式語音壓縮與重構(gòu);短時平穩(wěn)性;稀疏性;基追蹤;正交匹配追蹤中圖分類號:TN912.3搖搖文獻(xiàn)標(biāo)識碼:A搖搖文章編號:1003-0530(2010)06-0824-06DistributedSpeechCompressionandReconstructionBasedonCompressedSensingTheorySUNLin鄄hui搖YANGZhen(CollegeofCommunicationandInformationEngineering,NanjingUniversityofPostsandTelecommunications,Nanjing210003,Ch

3、ina)Abstract:搖Inthispaper,theCSframeworkisintroducedfirstly,andthentheshort鄄termstabilityofspeechsignalandthesparsityinthediscretecosinetransformbasisofspeechsignalareanalyzed.Secondly,anewdistributedspeechsignalcompressionandreconstruc鄄tionframeworkbasedoncompressedsensingtheoryisproposed.V

4、iabasispursuit(BP)andorthogonalmatchingpursuit(OMP),itisdemonstratedthattheperformanceofreconstructioniscorrelatedwiththenumberofmeasurementsandthelengthofframes.Keywords:搖compressedsensing;compressionandreconstructionofdistributedspeech;short鄄termstability;sparsity;basispur鄄suit;orthogonalm

5、atchingpursuit[4]用。直接信息采樣特性使得CS理論具有巨大的吸1搖引言引力和應(yīng)用前景,應(yīng)用研究已經(jīng)涉及到眾多領(lǐng)域,如:傳統(tǒng)系統(tǒng)獲取數(shù)據(jù)基于Nyquist采樣定理,首先進(jìn)CS雷達(dá)、DCS(DistributedCompressedSensing)理論、行高速采樣,然后再壓縮,這一過程浪費(fèi)了大量的采樣無線傳感網(wǎng)絡(luò)、圖像采集設(shè)備的開發(fā)、醫(yī)學(xué)圖像處理、資源。2004年由Donoho與Candes等人提出的壓縮感生物傳感、Analog2to2Information、光譜分析、超譜圖[1~3][5]知(CompressedSensing,CS)理論表明,可以在不丟像處理及遙

6、感圖像處理等。失逼近原信號所需信息的情況下,用最少的觀測數(shù)來由于語音信號在頻域具有稀疏性,所以可以將CS采樣信號,實現(xiàn)信號的降維處理,即直接對信號進(jìn)行較與語音信號相結(jié)合來探求語音信號處理領(lǐng)域的各種新少采樣得到信號的壓縮表示,從而在節(jié)約采樣和傳輸方法。傳統(tǒng)的語音信號處理都基于Nyquist采樣定理,成本的情況下,達(dá)到了在采樣的同時進(jìn)行壓縮的目的。采樣頻率至少8kHz,甚至更多。而在具體的語音信號當(dāng)信號具有稀疏性或可壓縮性時,通過采集少量的信處理過程還需進(jìn)一步壓縮,例如:進(jìn)行語音識別首先進(jìn)號投影值就可實現(xiàn)信號的準(zhǔn)確或近似重構(gòu)。CS理論行高速采樣然后再提取少量的特征參數(shù),最后進(jìn)行識的

7、提出是建立在已有的盲源分離和稀疏分解理論基礎(chǔ)別,浪費(fèi)了很多采樣和存儲資源。如何對語音信號重上的,稀疏分解中的具體算法已直接被CS重構(gòu)所新建模以獲得更少的采樣但又不影響語音的質(zhì)量,是收稿日期:2009年7月30日;修回日期:2009年12月10日基金項目:國家863課題(2006AA010102);國家自然科學(xué)基金(60971129,60902065);南京郵電大學(xué)‘青藍(lán)計劃爺基金資助(NY208038)第6期孫林慧等:基于壓縮感知的分布式語音壓縮與重構(gòu)825當(dāng)前語音信號處理領(lǐng)域中的研究熱點。