高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于自适应冗余字典的语音信号稀疏表示算法

王天荆 郑宝玉 杨震

王天荆, 郑宝玉, 杨震. 基于自适应冗余字典的语音信号稀疏表示算法[J]. 电子与信息学报, 2011, 33(10): 2372-2377. doi: 10.3724/SP.J.1146.2011.00125
引用本文: 王天荆, 郑宝玉, 杨震. 基于自适应冗余字典的语音信号稀疏表示算法[J]. 电子与信息学报, 2011, 33(10): 2372-2377. doi: 10.3724/SP.J.1146.2011.00125
Wang Tian-Jing, Zheng Bao-Yu, Yang Zhen. A Speech Signal Sparse Representation Algorithm Based on Adaptive Overcomplete Dictionary[J]. Journal of Electronics and Information Technology, 2011, 33(10): 2372-2377. doi: 10.3724/SP.J.1146.2011.00125
Citation: Wang Tian-Jing, Zheng Bao-Yu, Yang Zhen. A Speech Signal Sparse Representation Algorithm Based on Adaptive Overcomplete Dictionary[J]. Journal of Electronics and Information Technology, 2011, 33(10): 2372-2377. doi: 10.3724/SP.J.1146.2011.00125

基于自适应冗余字典的语音信号稀疏表示算法

doi: 10.3724/SP.J.1146.2011.00125
基金项目: 

国家自然科学基金(60971129),国家973计划项目(2011CB302903),江苏省自然科学基金(BK2011238),中国博士后科学基金(20100481167)和江苏省博士后科学基金(1101022B)资助课题

A Speech Signal Sparse Representation Algorithm Based on Adaptive Overcomplete Dictionary

  • 摘要: 基于冗余字典的信号稀疏表示是一种新的信号表示理论,当前的理论研究主要集中在字典构造算法和稀疏分解算法两方面。该文提出一种新的基于自适应冗余字典的语音信号稀疏表示算法,该算法针对自相关函数为指数衰减的平稳信号,从K-L展开出发,建立了匹配信号结构的冗余字典,进而提出一种高效的基于非线性逼近的信号稀疏表示算法。实验结果表明冗余字典中原子的自适应性和代数结构使短时平稳语音信号稀疏表示具有较高的稀疏度和较好的重构精度,并使稀疏表示算法较好地应用于语音压缩感知理论。
  • Mallat S and Zhang Z. Matching pursuit with time-frequency dictionaries[J].IEEE Transactions on Signal Processing.1993, 41(12):3397-3415[4]Cheng P, Zhao J Q, Si X C, et al.. L-R imaging algorithm for passive millimeter wave based on sparse representation[J].Journal of Electronics Information Technology.2010, 32(7):1706-1711[5]Wright J and Yang A Y. Robust face recognition via sparse representation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.2009, 31(2):210-227[6]傅霆, 尧德中. 稀疏分解的加权迭代方法及其初步应用[J].电子学报.2004, 32(4):567-570[11]Daubechies I. Time-frequency localization operators: a geometric phase space approach[J].IEEE Transactions on Information Theory.1988, 34(4):605-612[12]Donoho D L. Compressed sensing[J].IEEE Transactions on Information Theory.2006, 52(4):1289-1306[17]Rubinstein R and Elad M. Double sparsity: learning sparse dictionaries for sparse signal approximation[J].IEEE Transactions on Signal Processing.2010, 58(3):1553-1564[18]Aharon M, Elad M, and Bruckstein A M. The K-SVD: an algorithm for designing of overcomplete dictionaries for sparse representation[J].IEEE Transactions on Signal Processing.2006, 54(11):4311-4322[19]郭海燕, 杨震. 基于近似KLT域的语音信号压缩感知[J].电子与信息学报.2009, 31(12):2948-2952浏览[20]Guo H Y and Yang Z. Compressed speech signal sensing based on approximate KLT[J].Journal of Electronics Information Technology.2009, 31(12):2948-2952[23]Cohen A and Dales J. Nonlinear approximation of random functions[J].SIAM Journal on Applied Mathematics.1997, 57(2):518-540
  • 加载中
计量
  • 文章访问数:  3612
  • HTML全文浏览量:  42
  • PDF下载量:  1286
  • 被引次数: 0
出版历程
  • 收稿日期:  2011-02-21
  • 修回日期:  2011-07-22
  • 刊出日期:  2011-10-19

目录

    /

    返回文章
    返回

    官方微信,欢迎关注