基于非重構(gòu)的壓縮感知語音特性分析與研究

《基于非重構(gòu)的壓縮感知語音特性分析與研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、單位代碼：10293密級：公開碩士學(xué)位論文論文題目：基于非重構(gòu)的壓縮感知語音特性分析與研究學(xué)號1011010403姓名曹楊導(dǎo)師楊震教授學(xué)科專業(yè)信號與信息處理研究方向語音壓縮感知關(guān)鍵技術(shù)的研究申請學(xué)位類別工學(xué)碩士論文提交日期二O一四年二月萬方數(shù)據(jù)AnalysisandResearchonSpeechCharacteristicsBasedonNon-reconstructedCompressedSensingThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsforthe

2、DegreeofMasterofEngineeringByCaoYangSupervisor:Prof.YangZhenFebruary2014萬方數(shù)據(jù)南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南京郵電大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。本人學(xué)位論文及涉及相關(guān)資料若有不實，愿意承擔一切

3、相關(guān)的法律責任。研究生簽名：_____________日期：____________南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可以保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子文檔；允許論文被查閱和借閱；可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索；可以采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研究生院辦理。涉密學(xué)位論文在解密后適用本授權(quán)書。研究生簽名：____________導(dǎo)師簽名：____________日期：________

4、_____萬方數(shù)據(jù)摘要近年來，隨著信息技術(shù)的高速發(fā)展，傳統(tǒng)的奈奎斯特采樣已經(jīng)不能滿足人們?nèi)找嬖鲩L的信息量需求，而壓縮感知理論因其采樣速率遠低于奈奎斯特采樣，且采樣方法簡單，因而備受關(guān)注，一經(jīng)提出就引起了學(xué)術(shù)界的巨大反響。本文將語音信號處理技術(shù)與壓縮感知技術(shù)相結(jié)合，研究基于非重構(gòu)的壓縮感知語音特性分析技術(shù)，即在不重構(gòu)原始語音信號的情況下，分析和研究語音壓縮采樣后觀測序列的新特性，從而提出直接從觀測序列提取語音特征參數(shù)的新方法，例如共振峰和基音周期，并利用觀測采樣序列進行語音端點檢測等，這些都是未來基于壓縮感知理論的語音信號處理技術(shù)的理論基礎(chǔ)，

5、也是其走向?qū)嶋H應(yīng)用必不可少的前提。首先，本文研究了基于觀測序列高階累積量的語音端點檢測方法，本文詳細闡述了高階累積量理論，并分析其特性，即對于高斯過程，其三階及以上的高階累積量均為零值。然后根據(jù)壓縮感知理論，分析了高斯隨機觀測矩陣下的語音觀測序列得出該觀測序列是非高斯的，而噪聲觀測序列是高斯的，據(jù)此將高階累積量理論應(yīng)用到基于觀測序列的語音端點檢測中。針對清音幀與噪聲幀難以區(qū)分這一問題，本文使用全帶低帶能量比作為第二個參數(shù)，將高階累積量與全帶低帶能量比結(jié)合起來，更加準確地檢測語音信號的端點。本文將這一方法與基于倒譜距離的端點檢測法相比較，本文

6、方法的魯棒性更好。與傳統(tǒng)奈奎斯特采樣下的同類方法比較，本文方法計算量較小。其次，論文分析語音壓縮感知觀測序列的波形特點，從數(shù)學(xué)的角度證明濁音經(jīng)行階梯矩陣投影后觀測序列呈現(xiàn)新的周期性的特點，并給出了觀測序列波形的周期與原語音信號周期的關(guān)系。然后對觀測序列進一步進行小波變換，由于基音周期信息是低頻信息，因此論文對低頻小波系數(shù)采用自相關(guān)方法進行基音周期檢測，該方法與傳統(tǒng)方法相比，大大減小了計算量。但由于觀測序列數(shù)據(jù)量遠小于原始信號，因此基音周期的提取精度有所下降，這是需要進一步研究的重點問題。針對原始語音含噪的情況，本文先對觀測序列進行小波閾值去

7、噪，然后再提取基音周期，實驗表明，經(jīng)小波閾值去噪后，基音周期檢測的準確度明顯提高，減小了噪聲對檢測準確度的影響。第三，論文推導(dǎo)了在非重構(gòu)的情況下進行語音功率譜估計的方法，通過估計原始語音的自相關(guān)序列來求解功率譜，論文通過嚴謹?shù)臄?shù)學(xué)證明，使用觀測序列的自相關(guān)矩陣和觀測矩陣行向量間的自相關(guān)與互相關(guān)作為估計原始信號自相關(guān)的數(shù)據(jù)，成功估計出原始信號的自相關(guān)序列，進而估計出原始信號的功率譜。由于該方法沒有使用壓縮感知迭代重構(gòu)算法，對于稀疏性不理想的清音幀信號本文算法的功率譜估計效果好于使用重構(gòu)算法的功率I萬方數(shù)據(jù)譜估計方法。論文還將估計所得功率譜用于

8、求解語音信號的共振峰，并用實驗證明了其有效性。關(guān)鍵詞:壓縮感知，語音信號，基音周期檢測，端點檢測，功率譜，共振峰II萬方數(shù)據(jù)AbstractInrecentyears,witht