基于MP的信號稀疏分解的算法研究.pdf

1、語音信號的稀疏分解在語音信號的分析以及應(yīng)用中有非常重要的作用，如語音壓縮、語音識別和語音去噪等，它是一種新的語音分解方法，它能將語音信號更簡潔的表達出來。信號的稀疏分解是一個典型的NP問題，它的計算復(fù)雜度極其的高，在目前的大多數(shù)研究中，一般用匹配跟蹤(Matching pursuit，MP)算法進行信號的稀疏分解。匹配跟蹤算法是一種迭代算法，它雖然不能精確的還原信號，但是可以得到信號的近似表達。與其他稀疏分解算法相比，匹配跟蹤算法理解容

2、易，實現(xiàn)方便，而且解決了NP問題。但是基于MP算法的信號的稀疏分解仍然具有存儲量大、計算量大的問題，本文就是針對這兩個方面的問題，進行研究。
　　 本文著重于語音信號的稀疏分解，解決因為信號的長度大而引起的計算量大、存儲量大的問題。本文首先是對信號分解以及信號稀疏分解的基礎(chǔ)做介紹，然后是匹配跟蹤算法在語音信號稀疏分解的應(yīng)用，針對其過完備原子庫的存儲量大，計算量大的問題，作出改進。本文根據(jù)原子庫中原子的特點，將原子庫中的原子以打包

3、的方式進行存儲。將每個原子從有效數(shù)據(jù)處截斷，只保存原子的位置，每個原子中有效數(shù)據(jù)起始位置和有效數(shù)據(jù)。這樣就減少了原子庫存儲的長度，以及計算的復(fù)雜度。再根據(jù)原子庫波形中的原子位移和相位這一等價條件，將原子庫劃分為不等價的原子庫集合，從而又減少了原子庫中原子的存儲和計算量。最后因為一般的計算機對于數(shù)據(jù)過大的信號不能進行有效的處理，本文在以原子截斷的基礎(chǔ)上，提出將信號截斷為能分解的有效的信號，尋找其能最佳匹配的原子庫中的原子，從而解決了由于信