基于Lp优化的语音压缩感知理论和编码技术的研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于Lp优化的语音压缩感知理论和编码技术的研究

项目名称：基于Lp优化的语音压缩感知理论和编码技术的研究
项目类别：面上项目
批准号：60971129
申请代码：F010305
项目来源：国家自然科学基金
研究期限：2010-01-01-2012-12-31

项目负责人：杨震
负责人职称：教授
依托单位：南京邮电大学
批准年度：2009

中文摘要：

压缩感知CS技术是近几年出现的一种新兴的信号采样和压缩技术，基于该理论所获得的原始信号'采样值'，不仅数量大大低于基于传统奈氏准则的采样值，而且CS技术还具有对未知信号"边感知边压缩"的特性，无需提前获得信号最高频率等先验知识，而是实时的对信号进行分析，然后根据信号时变的特性进行投影获得压缩的观测序列，并建立了基于观测序列精确重构原始信号的方法。本课题拟研究新的语音CS最优建模和信号重构理论，研究针对语音CS观测序列的压缩编码新技术，以达到建立一套新的语音处理技术的目的，改善语音处理质量，降低处理系统复杂性。研究内容主要包括（1）语音投影最佳稀疏基以获得最小数量观测序列（2）语音最佳自适应投影矩阵以最小化重构误差（3）基于Lp最优化的重构语音信号方法理论证明及Lp最优化问题的极大熵方法证明（4）语音CS观测序列多步预测非线性逆控制神经网络的压缩算法（5）模糊粒子群优化求解的编码误差。

中文主题词：压缩感知；语音编码；Lp优化；信号重构；预测

英文摘要：

compressed sensing；speech coding；Lp optimization；signal reconstruction；forecasting

英文主题词： compressed sensing；speech coding；Lp optimization；signal reconstruction；forecasting

结论摘要：

压缩感知CS技术是近几年出现的一种新兴的信号采样和压缩技术，基于该理论所获得的原始信号‘采样值’（称为观测measurements），不仅数量大大低于基于传统奈氏准则的采样值，而且CS技术还具有对未知信号“边感知边压缩”的特性，即无需提前获得信号最高频率等先验知识，而是实时的对信号进行分析，然后根据信号时变的特性进行投影获得压缩的观测序列，CS理论并建立了基于观测序列精确重构原始信号的方法。本课题研究了新的针对语音信号的CS建模理论，同时研究语音CS观测序列的后续压缩编码新技术，以达到建立一套新的语音处理技术的目的，改善语音处理质量，降低处理系统复杂性，为语音压缩感知技术的实际应用奠定基础。研究内容主要包括（1）语音信号投影最佳稀疏基以使得观测序列数量最小化（2）语音自适应投影矩阵以实现最小化重构误差（3）基于Lp最优化的重构语音信号方法理论证明及Lp最优化问题的极大熵方法证明（4）基于CS理论的语音压缩编码算法（5）含噪语音的压缩感知重构（6）基于压缩感知观测序列的建模技术。

成果综合统计