基于联合字典学习和稀疏表示的语音降噪算法研究

发布时间：2017-09-17 09:35

  本文关键词：基于联合字典学习和稀疏表示的语音降噪算法研究

  更多相关文章： 语音降噪 字典学习 稀疏表示 有监督语音降噪 半监督语音降噪 区分性联合字典学习 互补联合字典学习和稀疏表示 稀疏非负矩阵分解

【摘要】：语音是人类最便捷和自然的交流工具之 ,一方面它消除了人与人之间交流的距离隔阂,另一方面它也提高了人与机器之间交互的效率。然而,现实环境中无处不在的噪声也不同程度地影响着语音交流的质量,研究有效的语音降噪技术就显得尤为重要,也是近几十年来学者们研究的热点。语音降噪是指在不显著丢失语音成分的前提下尽可能地削弱噪声,以实现提高语音的质量和可懂度这两个目标。而现实环境中的非平稳噪声及与人类语音类似的噪声则极大地提高了语音降噪的难度,传统的语音降噪算法此时往往不再适用。近年来,随着字典学习和稀疏表示理论研究的不断深入,给语音降噪问题提供了一种有效的解决途径。分别提取最能表征干净语音和噪声的特征并构造成字典,从而通过带噪语音在字典上的稀疏表示恢复出干净语音。不同于现有的基于字典学习和稀疏表示的语音降噪算法,本文针对有监督和半监督两种情况下的单通道语音降噪任务,进一步地挖掘信号之间存在的区别与联系信息对于字典学习和稀疏表示所起的作用。以这些信号间的关系作为主线,下面介绍本论文的主要工作和创新点。首先,提出了Fisher准则约束下基于区分性联合字典学习的有监督语音降噪算法。在字典学习阶段强调干净语音与噪声之间的区别关系,一方面添加字典区分性保真项,使语音字典和噪声字典之间的相关性最小；另一方面根据稀疏表示系数分布的差异性添加Fisher约束项,使干净语音和噪声各自的稀疏表示系数类内距离更小,类间距离更大,增大了稀疏表示系数的区分性。其次,提出了基于互补联合字典学习和稀疏表示的有监督语音降噪算法。在字典学习阶段强调带噪语音与干净语音、带噪语音和噪声之间的联系关系,用以约束联合字典的学习,使得字典原子级上映射关系的线性组合能表征信号间的联系关系,缓解源混淆和源失真问题。在降噪阶段中强调干净语音和噪声在稀疏表示效果上的互补关系,考虑信号结构特性与输入信噪比因素设置了两路稀疏表示的权重系数。最后,提出了基于区分性稀疏约束下非负矩阵分解的半监督语音降噪算法。在降噪阶段利用带噪语音学习噪声字典的过程中强调了噪声与干净语音的区别关系,添加噪声字典与已知语音字典的区分性约束项,并给出了相应的字典与稀疏表示系数更新方法。
【关键词】：语音降噪 字典学习 稀疏表示 有监督语音降噪 半监督语音降噪 区分性联合字典学习 互补联合字典学习和稀疏表示 稀疏非负矩阵分解
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.3
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 研究背景及意义11-12
• 1.2 研究历史与现状12-15
• 1.3 本文的主要研究内容与基本结构15-17
• 第二章 基于字典学习和稀疏表示的单通道语音降噪算法17-39
• 2.1 稀疏表示方法17-22
• 2.1.1 模型及求解方法17-19
• 2.1.2 LARC方法19-22
• 2.2 自适应字典学习方法22-29
• 2.2.1 K-SVD字典学习23-25
• 2.2.2 近似K-SVD算法25-26
• 2.2.3 非负矩阵分解26-29
• 2.3 基于生成性字典学习的单通道语音降噪算法29-33
• 2.3.1 信号模型29-30
• 2.3.2 训练和降噪阶段30-32
• 2.3.3 关于相关性闽值的讨论32-33
• 2.4 基于非负矩阵分解的单通道语音降噪算法33-38
• 2.4.1 基于非负矩阵分解的有监督语音降噪33-35
• 2.4.2 基于非负矩阵分解的半监督语音降噪35-38
• 2.5 本章小结38-39
• 第三章 Fisher准则约束下基于区分性联合字典学习的有监督语音降噪算法39-49
• 3.1 引言39
• 3.2 区分性字典学习39-42
• 3.2.1 直接驱使字典具有区分性的方法39-40
• 3.2.2 使稀疏表示系数具有区分性的方法40-42
• 3.3 Fisher准则约束下基于区分性联合字典学习的有监督语音降噪算法42-45
• 3.3.1 Fisher准则约束下的区分性联合字典学习42-44
• 3.3.2 降噪过程44-45
• 3.4 算法仿真分析45-48
• 3.4.1 实验相关数据说明45-46
• 3.4.2 区分性约束有效性验证46-47
• 3.4.3 降噪性能对比47-48
• 3.5 本章小结48-49
• 第四章 基于互补联合字典学习和稀疏表示的有监督语音降噪算法49-65
• 4.1 引言49
• 4.2 基于联合稀疏表示的特征空间降噪方法49-51
• 4.3 基于互补联合字典学习和稀疏表示的有监督语音降噪算法51-58
• 4.3.1 互补联合字典学习和稀疏表示结构及训练过程51-53
• 4.3.2 降噪过程53-55
• 4.3.3 权重系数设置55-58
• 4.4 算法仿真分析58-64
• 4.4.1 实验相关数据说明58-59
• 4.4.2 权重系数设置规则的验证59-62
• 4.4.3 降噪性能对比62-64
• 4.5 本章小结64-65
• 第五章 基于区分性稀疏约束下非负矩阵分解的半监督语音降噪算法65-75
• 5.1 引言65-66
• 5.2 基于区分性稀疏约束下非负矩阵分解的半监督语音降嗓算法66-70
• 5.2.1 区分性稀疏约束下的非负矩阵分解结构及训练过程66-68
• 5.2.2 降噪阶段68-70
• 5.3 算法仿真分析70-72
• 5.3.1 实验相关数据说明70
• 5.3.2 字典正交约束项有效性验证70-71
• 5.3.3 降噪性能对比71-72
• 5.4 本章小结72-75
• 第六章 总结与展望75-77
• 6.1 本文的主要工作75-76
• 6.2 进一步的研究方向76-77
• 参考文献77-85
• 附录 区分性稀疏约束下非负矩阵分解算法求解过程推导85-91
• 致谢91-93
• 攻读硕士学位期间的研究成果93

【相似文献】

中国期刊全文数据库 前10条

1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期

3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期

4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期

5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期

7 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期

8 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期

9 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期

10 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期

中国重要会议论文全文数据库 前3条

1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年

2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年

3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年

5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年

8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年

9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年

3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年

9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年

10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

，

本文编号：868670