面向音频信号的可迁移的稀疏表示字典学习方法

• 作者: 孙杰 高畅
• 来源期刊: 复旦学报（自然科学版）
• 学科: 工学
• 关键词: 音频信号 稀疏表示 可迁移 经验模态分解 本质特征
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 307-313,321
• 页数: 8页
• 分类号: TN911
• 字数: 6295字
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高畅	燕山大学信息科学与工程学院	2	3	1.0	1.0
2	孙杰	燕山大学信息科学与工程学院	1	0	0.0	0.0