面向音频信号的可迁移的稀疏表示字典学习方法

发布时间：2022-04-19 18:51

　　基于字典对音频信号稀疏表示是1种在音频信号处理中被广泛使用的信号表示方法,但是,如果当前信号与字典学习所使用的信号的数据分布不同时,稀疏表示性能会受到严重影响.本文提出1种用于对音频信号稀疏表示的,可迁移稀疏表示字典学习方法,将经验模态分解得到的成分作为音频信号帧的本质特征,提出基于本质特征和原始信号的字典联合学习方法,使字典具有很强的可迁移性.通过不同话者和不同数据集之间信号的稀疏表示,对字典的可迁移性能进行验证,同时,对字典稀疏表示的效果和效率进行了评估.实验结果表明:本文提出的字典学习方法,在不同话者和不同数据集间迁移时,重构信号的信噪比分别相差0.5和0.8,明显低于当前常用的方法.同时,字典具有更高的稀疏表示效率和更好的效果. 

【文章页数】：8 页

【文章目录】：
1 可迁移的稀疏表示字典学习方法
    1.1 基于EMD的信号本质特征的提取方法
    1.2 基于聚类的初始字典构造方法
    1.3 基于信号本质特征与原始信号的字典联合学习方法
        1.3.1 TSRD的字典学习
        1.3.2 TSRD字典优化
2 实验结果与分析
    2.1 实验数据描述
    2.2 TSRD迁移性能的评价
    2.3 TSRD的稀疏表示性能评价
3 结语



本文编号：3646443