一种语音信号的压缩感知重构方法技术

本发明专利技术公开了一种语音信号的压缩感知重构方法，该方法克服了现有语音信号压缩重构技术的不足，提出一种基于平滑l0(Smooth L0)范数的语音信号压缩重构方法，该方法与传统的语音信号重构方法比较，SL0算法在重构前不需要知道该语音信号的稀疏度，而且具有计算量小、匹配度高、重构时间少等优点。为了达成上述目的，本发明专利技术的解决方案是：使用新的平滑L0范数进行语音信号的重构。本发明专利技术相比于传统的语音信号重构方法，提出的改进的平滑L0算法采用了最速下降法和梯度投影算法，因此具有计算量小、匹配度高以及重构时间少等优点。

【技术实现步骤摘要】

本专利技术涉及一种语音信号的压缩感知重构方法，属于语音信号压缩感知

技术介绍
传统方法中对语音信号的处理都是基于奈奎斯特采样定理的，定理指出采样频率必须大于信号最高频率的两倍，否则在接收端将不能很好的恢复原信号，该定理给出了采样频率与信号频谱分布之间的关系，是任何信号精确重构的充分条件，但不一定是必要条件。如何根据语音信号的特殊性，对语音信号重新建模以获得更少的采样但又不影响语音的重构质量，是当前语音信号处理领域中的研究热点。2004年由Donoho与Candes等人提出的压缩感知理论是基于信号在某个域的稀疏性建立的线性、非自适应采样的新理论，该理论表明具有稀疏性的压缩感知技术能获得较经典奈奎斯特采样定理更好的压缩性能，信号的稀疏性或可压缩性是实现压缩重构的必要条件之一。语音压缩感知(CompressedSensing，CS)理论跳出了传统采样的思维模式，不再要求采样率必须高于信号最高频率的两倍。该理论具体包括两个环节，通过观测将满足稀疏特性的信号从高阶矩阵线性投影为低阶，通过重构算法重构出原信号。在此过程中，采样和压缩同时进行，大大减少了采样的复杂度。现阶段压缩感知理论本文档来自技高网...

【技术保护点】
一种语音信号的压缩感知重构方法，其特征在于，所述方法包括如下步骤：步骤1：获得观测信号并得到观测信号的稀疏表示，给定一段.wav格式的语音，采样之后得到时域语音信号x，选取高斯观测矩阵，求得观测向量y，选取离散余弦稀疏基对原语音信号进行稀疏表示；步骤2：采用SL0算法重构原信号，通过实验选择平滑函数，利用梯度投影和最速下降法求解最小范数，所述的平滑函数为：fσ(α)=2/(1+e5α2/σ2)]]>步骤3：对整段语音的重构效果作出评价，包括从重构时间和重构质量这两个方面分析上述步骤2中三种方法的优劣，其中，重构质量评估主要从主观、客观这两个方面展...

【技术特征摘要】
1.一种语音信号的压缩感知重构方法，其特征在于，所述方法包括如下步骤：步骤1：获得观测信号并得到观测信号的稀疏表示，给定一段.wav格式的语音，采样之后得到时域语音信号x，选取高斯观测矩阵，求得观测向量y，选取离散余弦稀疏基对原语音信号进行稀疏表示；步骤2：采用SL0算法重构原信号，通过实验选择平滑函数，利用梯度投影和最速下降法求解最小范数，所述的平滑函数为：fσ(α)=2/(1+e5α2/σ2)]]>步骤3：对整段语音的重构效果作出评价，包括从重构时间和重构质量这两个方面分析上述步骤2中三种方法的优劣，其中，重构质量评估主要从主观、客观这两个方面展开；步骤3-1.在MATLAB中，使用tic、toc函数对重构的时间进行计算；步骤3-2.在客观方面，将压缩比分别设置为0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8和0.9，求出不同压缩比下的平均帧信噪比，在主观方面，对在不同压缩比情况下重构的语音信号，进行平均意见得分评估，平均帧信噪比公式为：AFSNR=1PΣk=1P10log10(||xk||22||xk-x^k||22).]]>2.根据权利要求1所述的一种语音信号的压缩感知重构方法，其特征在于，所述步骤1包括：步骤1-1：对一段时域语音信号进行数字化采样，对采样后的数字信号进行加窗、分帧，帧长取30ms；步骤1-2：构造一个大小为M×N的矩阵Ψ，其中M是得到观测信号的维数，N是原信号的维数，当Ψ中的每一个元素独立的服从均值为0，方差为1/M的高斯分布时，观测信号表示为y＝Ψx；步骤1-3：根...

【专利技术属性】
技术研发人员：孙林慧，赵城，薛海双，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32