东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

语音压缩感知及其重构算法

期刊名称：东南大学学报, 第41卷第1期, 2011年1月. (EI indexed)
时间：0
分类：TN912[电子电信—通信与信息系统;电子电信—信息与通信工程]
作者机构：[1]东南大学信息科学与工程学院,南京210096, [2]河海大学计算机及信息工程学院,常州213022
相关基金：国家自然科学基金资助项目（60472058 60975017）; 江苏省自然科学基金资助项目（BK2008291）; 中央高校基本科研业务费专项资金资助项目（2009B32614）
相关项目：汉语数字助听器语音处理核心算法研究

关键词：次梯度投影, 双正交小波, 压缩感知, 稀疏重构, subgradient projection, biorthogonal wavelet, compressed sensing, sparse reconstruction

中文摘要：

在研究语音信号在小波域的稀疏性的基础上,提出双正交小波变换的方法,与一维小波变换方法相比稀疏度提高10%～25%.此外,提出基于自适应次梯度投影算法（ASPM）进行压缩感知（CS）语音信号重构的方案.ASPM算法首先根据压缩感知重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用次梯度投影的思想将该凸集的投影转化为对多个闭合半平面的投影,最后将更新后的稀疏重构信号投影到限定集合上.同时,该算法设计了自适应调节膨胀系数的机制以获得快速收敛性.理论分析和仿真结果表明,该算法具有快速收敛性和较低的重构误差,在不同的噪声强度下具有较高的鲁棒性.

英文摘要：

Based on the research of sparseness of speech signals in wavelet domain,a method based on biorthogonal wavelet transform is presented.Compared with 1-dimension wavelet transform method,the sparseness can be improved 10% to 25% at least.Furthermore,Adaptive subgradient projection method（ASPM） is proposed in this paper for speech reconstruction in compressed sensing.Stochastic property convex set which contains the sparse reconstruction signal is established by the CS（compressed sensing） reconstruction model firstly.Then subgradient projection is adopted to convert projection onto convex sets to projection into multiple closed halfspaces.Finally,the updated sparse reconstruction signal vector is projected onto the constrained set.Meanwhile,mechanism which adaptively adjusts inflation parameter in different iterations has been designed for fast convergence.Theoretical analysis and simulation results conclude that this algorithm has fast convergence,lower reconstruction error,and exhibits higher robustness in different noise intensity.