基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对固定正交基下语音信号稀疏化程度低、适应性差的问题,提出了一种自适应的语音稀疏化方法,并将其应用到语音压缩感知理论中.该方法首先采用线性预测系数的加权线性组合对语音信号进行线性预测,并以线性预测残差基作为信号基.然后,按照稀疏约束条件训练出稀疏表示的过完备字典,并交替应用1-范数稀疏约束的追踪和奇异值分解算法,达到字典与稀疏系数同步更新.该方法从信号特征入手,学习并提取特征或纹理信息,能较好地实现语音信号的稀疏化,提高语音压缩感知的重构性能.实验结果显示,与其他正交基方法相比,该方法的语音稀疏化程度高.语音质量的主客观评价结果显示,该方法具有良好的重构性能.
推荐文章
面向低信噪比的自适应压缩感知方法?
压缩感知
低信噪比
测量矩阵设计
基于小波分解的语音自适应压缩感知
压缩感知
小波分解
K-SVD
稀疏性
基于自适应多尺度压缩感知的语音压缩与重构
Sym小波
多尺度压缩感知
自适应多尺度压缩感知
语音压缩与重构
基追踪
基于自适应采样及平滑投影的分块压缩感知方法
自适应采样
平滑投影
多尺度块
压缩感知
多尺度重构
稀疏性能
滤波器
重构
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 自适应语音压缩感知方法
来源期刊 东南大学学报(自然科学版) 学科 工学
关键词 压缩感知 稀疏性 语音 线性预测
年,卷(期) 2012,(6) 所属期刊栏目
研究方向 页码范围 1027-1030
页数 4页 分类号 TN912
字数 4269字 语种 中文
DOI 10.3969/j.issn.1001-0505.2012.06.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵力 东南大学水声信号处理教育部重点实验室 308 3093 27.0 44.0
2 左加阔 东南大学水声信号处理教育部重点实验室 11 99 6.0 9.0
3 陶文凤 东南大学水声信号处理教育部重点实验室 4 20 3.0 4.0
4 罗武骏 东南大学水声信号处理教育部重点实验室 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (572)
参考文献  (14)
节点文献
引证文献  (9)
同被引文献  (13)
二级引证文献  (42)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(12)
  • 参考文献(4)
  • 二级参考文献(8)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(6)
  • 参考文献(1)
  • 二级参考文献(5)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(5)
  • 引证文献(2)
  • 二级引证文献(3)
2016(7)
  • 引证文献(1)
  • 二级引证文献(6)
2017(10)
  • 引证文献(3)
  • 二级引证文献(7)
2018(14)
  • 引证文献(1)
  • 二级引证文献(13)
2019(9)
  • 引证文献(0)
  • 二级引证文献(9)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
压缩感知
稀疏性
语音
线性预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东南大学学报(自然科学版)
双月刊
1001-0505
32-1178/N
大16开
南京四牌楼2号
28-15
1955
chi
出版文献量(篇)
5216
总下载数(次)
12
总被引数(次)
71314
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导