一种基于新型BDS模型的语音信号字典构造方法.pdf

一种基于新型BDS模型的语音信号字典构造方法.pdf

ID:49273397

大小:286.70 KB

页数:5页

时间:2020-02-29

一种基于新型BDS模型的语音信号字典构造方法.pdf_第1页
一种基于新型BDS模型的语音信号字典构造方法.pdf_第2页
一种基于新型BDS模型的语音信号字典构造方法.pdf_第3页
一种基于新型BDS模型的语音信号字典构造方法.pdf_第4页
一种基于新型BDS模型的语音信号字典构造方法.pdf_第5页
资源描述:

《一种基于新型BDS模型的语音信号字典构造方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、34卷第1期微电子学与计算机Vol.34No.12017年1月MICROELECTRONICS&COMPUTERJanuary2017一种基于新型BDS模型的语音信号字典构造方法张宏乐,李凤莲,张雪英(太原理工大学信息工程学院,山西太原030000)摘要:用字典训练的方法稀疏表示语音信号成为语音信号处理领域的热点课题.针对字典初始规模的选择问题,提出了一种新的基于新型BDS模型的字典训练方法,该方法根据最佳字典规模与稀疏比的关系为字典规模建立模型,可以自适应的为语音信号选择恰当的初始字典规模,克服了K-SV

2、D方法依靠经验设置字典规模的缺陷.将加入BDS模型的训练字典的方法应用于来自太原理工大学数字音频与视频实验室语音库的语音,进行仿真实验并对实验结果进行了分析.实验结果表明:基于BDS模型的语音信号字典构造方法实现了自适应选择最佳字典规模目的,可在保证重构语音质量的同时,进一步提高字典训练的效率.关键词:K-SVD;稀疏表示;字典训练;最佳字典规模中图分类号:TN912.3文献标识码:A文章编号:1000-7180(2017)01-0030-05DOI:10.19304/j.cnki.issn1000-718

3、0.2017.01.007ASpeechSignalDictionaryConstructionMethodBasedonNewBDSModelZHANGHong-le,LIFeng-lian,ZHANGXue-ying(CollegeofInformationEngineering,TaiYuanUniversityofTechnology,Taiyuan030000,China)Abstract:Recently,usingadictionarylearningmethodtosparsereprese

4、ntspeechsignalbecomesapopularresearchsubject.Forselectingtheinitialdictionarysizeproblem,itisproposedanewdictionarytrainingmethodthatbasedonnewBDSmodel.Thismethodestablishedmodelfordictionarysizeaccordingtotherelationshipbetweendictionarysizeandsparseratio

5、.Thismodelcanself-adaptivelychooseproperlyinitialdictionaryforspeechsignal.Moreover,itovercomesthedefectsofselectinginitialdictionarysizeinK-SVDmethodonexperience.ApplingthistrainingdictionarymethodaddedtheBDSmodeltospeechlibraryoflabofaudioandvideoofTaiyu

6、anUniversityofTechnologybysimulatingexperiments.Theresultsareanalyzed.SimulationresultsshowthatthebasedonBDSmodelspeechsignaldictionaryconstructionmethodnotonlyrealizedthatchoosebestdictionarysizeadaptively,butalsoimprovedtheefficiencyandstabilityofthedict

7、ionarytraining.Keywords:K-SVD;sparserepresentation;dictionarylearning;bestdictionarysize[4-6]内容更适合特定的信号.在文献[7]中,Zhou1引言Yan等人提出了免疫K-SVD算法(IK-SVD),将免语音信号在时频上具有近似稀疏性,用语音的疫算法嵌入到追踪算法中,极大的提高了K-SVD稀疏逼近取代原始语音信号可以从本质上降低语音收敛速度和准确性,利用这种算法对含噪语音进行信号处理的成本.稀疏表示中第一个重要的问题是

8、增强,进一步提高了语音信噪比.HemingZhao等[8]构造字典.字典可以选为一组预先设定有特定功能人结合了稀疏算法的分解能力和深度信念网络的[1][2]的原子,如可操纵的小波,curvelets,和bande-非线性网络结构,更好的提取语音信号的非线性特[3]lets,也可以根据给定的一组信号来设计,使字典征,提高测谎设备识别率.收稿日期:2016-04-19;修回日期:2016-05-26基金项目:国家自然

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。