語音信號MP稀疏分解快速算法及在語音識別中的初步應用.pdf

1、語言是人類交流最直接的方式，因此研究語音信號的表示方法具有重要意義。基于Matching pursuit(MP)的語音信號稀疏分解由于其表示方法的優(yōu)越性得到了廣泛應用。但是該算法的速度和存儲量仍然是制約其應用的瓶頸。雖然語音信號MP稀疏分解算法經(jīng)過多次改進，但分解質(zhì)量或速度仍不能令人滿意。有學者利用FFT改進信號MP稀疏分解，但是這種算法在實際應用中并沒有考慮到語音信號是實函數(shù)的特點，而FFT是基于復數(shù)運算的，算法與信號模型之間不匹配。

2、 本文以語音信號為研究對象，根據(jù)語音信號具有類周期的結(jié)構(gòu)特性采用余弦過完備原子庫，在其上進行基于MP的語音信號稀疏分解。從而在保證重構(gòu)語音信號質(zhì)量的同時較大幅度的縮小了原子庫，進而節(jié)省了存儲空間和計算時間。論文中通過多次計算機仿真證明了余弦過完備原子庫對于具有類周期特性的信號比Gabor原子庫能取得更好的分解重構(gòu)效果。 本文還利用FHT改進基于MP的語音信號稀疏分解算法。算法首先根據(jù)“波形相同”這一等價關系對過完備原子庫

3、進行集合劃分。在保證語音信號稀疏分解效果不變的前提下，減少原子庫中原子的個數(shù)，縮小搜索范圍。然后結(jié)合語音信號是實函數(shù)而FHT也同為實函數(shù)運算，將計算量巨大的內(nèi)積運算轉(zhuǎn)換成一次循環(huán)相關運算，并利用FHT實現(xiàn)循環(huán)相關運算。該算法充分利用了信號與原子的內(nèi)積運算和循環(huán)相關運算以及循環(huán)相關運算和離散哈特萊變換之間的關系，大大地提高了語音信號MP稀疏分解的速度。該算法相比利用FFT改進MP稀疏分解復數(shù)運算節(jié)省了一半的存儲空間，同時進一步提高了分解的