基于MP算法的语音信号稀疏分解

doi:10.3778/j.issn.1002-8331.2009.05.042

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (5): 144-146.DOI: 10.3778/j.issn.1002-8331.2009.05.042

• 数据库、信号与信息处理 • 上一篇下一篇

基于MP算法的语音信号稀疏分解

井爱雯¹,刘云²,马轶丽³

1.空军工程大学理学院，西安 710051
2.空军工程大学导弹学院，西安 710051
3.黄河科技学院，郑州 450006

收稿日期:2008-01-09 修回日期:2008-05-08 出版日期:2009-02-11 发布日期:2009-02-11
通讯作者: 井爱雯

Speech signal sparse decomposition based on matching pursuit algorithm

JING Ai-wen¹,LIU Yun²,MA Yi-li³

1.College of Science，Air Force Engineering University，Xi’an 710051，China
2.the Missile Institute，Air Force Engineering University，Xi’an 710051，China
3.Huanghe Science and Technology University，Zhengzhou 450006，China

Received:2008-01-09 Revised:2008-05-08 Online:2009-02-11 Published:2009-02-11
Contact: JING Ai-wen

摘要/Abstract

摘要： 语音信号稀疏分解是一种新的语音信号分解方法，可以将语音信号分解为很简洁的近似表达形式。在语音信号稀疏分解的基础上，可应用于语音处理的多个方面，如语音压缩、语音去噪和语音识别等。研究利用Matching Pursuit（MP）算法实现语音信号的稀疏分解，实验结果表明基于MP算法的语音信号稀疏分解具有较好的重建精度和较高的稀疏度。

关键词: 稀疏分解, 过完备库, 匹配追踪算法

Abstract: Speech signal sparse decomposition is a new method for decomposing audio data into a compact approximate representation.Speech signal sparse decomposition can be used in compression，denoising and recognition of speech signal.This paper researches speech signal sparse decomposition with matching pursuit algorithm.At last，the simulation experiments results show that speech signal sparse decomposition based on matching pursuit algorithm has better reconstructive precision and higher sparsity.

Key words: sparse decomposition, over-complete dictionary, matching pursuit algorithm

井爱雯¹,刘云²,马轶丽³. 基于MP算法的语音信号稀疏分解[J]. 计算机工程与应用, 2009, 45(5): 144-146.

JING Ai-wen¹,LIU Yun²,MA Yi-li³. Speech signal sparse decomposition based on matching pursuit algorithm[J]. Computer Engineering and Applications, 2009, 45(5): 144-146.

[1]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[2]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[3]	曹义亲，曹婷，黄晓生. 基于NSST的CS与区域特性相结合的图像融合方法[J]. 计算机工程与应用, 2018, 54(20): 190-196.
[4]	晁拴社1，楚恒1，2. 基于同质性降维和CMP算法的高光谱图像分类[J]. 计算机工程与应用, 2017, 53(13): 206-210.
[5]	涂兵1，2，3，潘建武1，2，3，张国云1，2，3，李朝辉1，3，李孝春1，3. 基于LBP和稀疏表示的天际线检测算法研究[J]. 计算机工程与应用, 2016, 52(20): 158-162.
[6]	杨明，陈玲玲. OMP信号稀疏分解的改进ACFOA实现[J]. 计算机工程与应用, 2015, 51(20): 208-212.
[7]	欧阳桢，李应. 基于萤火虫算法的匹配追踪用于生态声音辨识[J]. 计算机工程与应用, 2015, 51(2): 198-204.
[8]	肖正安，罗海峰. FOA-LM算法及其在语音信号稀疏分解中的应用[J]. 计算机工程与应用, 2015, 51(12): 219-222.
[9]	余付平1，2，沈堤1. 基于拟牛顿方向的改进平滑[l0]算法[J]. 计算机工程与应用, 2013, 49(22): 215-218.
[10]	肖正安. 语音信号稀疏分解的FOA实现[J]. 计算机工程与应用, 2013, 49(10): 232-234.
[11]	冯有前1，余付平2，高大化1，安芹力1. 稀疏分解在雷达移频干扰抑制方面的应用研究[J]. 计算机工程与应用, 2012, 48(6): 129-130.
[12]	赵知劲，马春晖. 一种基于量子粒子群的二次匹配OMP重构算法[J]. 计算机工程与应用, 2012, 48(29): 157-161.
[13]	甄小仙，刘哲，马聪. 结合级联字典和双层稀疏分解的图像重构[J]. 计算机工程与应用, 2011, 47(23): 154-156.
[14]	王珊珊，王建英，尹忠科，程旺宗. 压缩传感理论在参数估计中的应用[J]. 计算机工程与应用, 2010, 46(12): 120-122.
[15]	李雨昕，尹忠科，王建英. MP稀疏分解快速算法及其在语音识别中的应用[J]. 计算机工程与应用, 2010, 46(1): 122-124.

基于MP算法的语音信号稀疏分解

Speech signal sparse decomposition based on matching pursuit algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics