利用FFT实现语音信号稀疏分解的改进算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (26): 74-75.

利用FFT实现语音信号稀疏分解的改进算法

刘强,尹忠科,王建英

西南交通大学信息科学与技术工程学院,成都 610031

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-11 发布日期:2007-09-11
通讯作者: 刘强

Improvement of MP based voice signal sparse decomposition by using FFT

LIU Qiang,YIN Zhong-ke,WANG Jian-ying

School of Science & Technology of Information,Southwest Jiaotong University,Chengdu 610031,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-11 Published:2007-09-11
Contact: LIU Qiang

摘要/Abstract

摘要： 研究基于Matching Pursuit（MP）方法实现的语音信号稀疏分解问题,通过对语音信号稀疏分解中使用的过完备原子库结构特性的分析,提出了一种改进的信号稀疏分解算法。该算法针对语音信号的特点,以FFT算法实现的稀疏分解为基础缩小了原子的搜索范围,从而不仅进一步提高分解速度,还能以更稀疏的形式表示语音信号。算法的有效性为实验结果所证实。

关键词: 信号处理, 稀疏表示, 稀疏分解, Matching Pursuit（MP）, FFT

Abstract: After studying of Matching Pursuit（MP） based voice signal sparse decomposition,a new improvement of sparse decomposition algorithm is presented based on analysis of structure property of the over-complete atom dictionary used in voice signal sparse decomposition.According to the character of the voice signal,the new algorithm based on the FFT algorithm that reduces the range of the searching atoms,can not only heighten the speed of the decompositions,but also reconstruct the speech signal with less atoms.Finally the experimental results show that the performance of the proposed algorithm is good.

Key words: signal processing, sparse representation, sparse decomposition, Matching Pursuit（MP）, FFT

刘强,尹忠科,王建英. 利用FFT实现语音信号稀疏分解的改进算法[J]. 计算机工程与应用, 2007, 43(26): 74-75.

LIU Qiang,YIN Zhong-ke,WANG Jian-ying. Improvement of MP based voice signal sparse decomposition by using FFT[J]. Computer Engineering and Applications, 2007, 43(26): 74-75.

[1]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[2]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[3]	陶体伟，刘明霞，王明亮，王琳琳，杨德运，张强. 基于有效距离的低秩表示[J]. 计算机工程与应用, 2021, 57(4): 141-147.
[4]	丁玉祥，卞维新，接标，赵俊. 融合邻域回归和稀疏表示的图像超分辨率重构[J]. 计算机工程与应用, 2021, 57(2): 230-236.
[5]	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.
[6]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[7]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[8]	王雨思，路德杨，李海洋. 基于分式函数约束的稀疏子空间聚类方法[J]. 计算机工程与应用, 2020, 56(7): 39-47.
[9]	李巧，陈花竹，杨春雨，李丹. 基于判别性解析字典与分类器学习的模式分类[J]. 计算机工程与应用, 2020, 56(6): 165-171.
[10]	胡青渝，刘广臣. DBN在蛋白质编码区识别问题中的应用研究[J]. 计算机工程与应用, 2020, 56(4): 247-255.
[11]	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.
[12]	杨航，朱永利. 基于Storm的局部放电信号集合经验模态分解[J]. 计算机工程与应用, 2020, 56(10): 261-267.
[13]	曹雯雯1，康彬2，颜俊1，丁琬1. 面向多源数据融合的稀疏表示目标跟踪[J]. 计算机工程与应用, 2019, 55(6): 1-7.
[14]	刘玉馨，何光辉. k近邻约束的稀疏子空间聚类[J]. 计算机工程与应用, 2019, 55(3): 39-45.
[15]	胡正平，刘怀飚，孙德刚. 邻域排斥稀疏判决单样本亲属关系认证算法[J]. 计算机工程与应用, 2019, 55(22): 133-139.