一种基于压缩感知的说话人识别参数分析

本文为在传统的说话人识别理论研究中“较少的特征参数量不能与较高的识别率共存”的难题找到了一种解决方案。本文基于压缩感知的理论,利用行阶梯观测矩阵进行信号的投影,改变了传统的梅尔频率倒谱系数(Mel-frequency cepstral coefficient, MFCC)参数,从而提出了一种新的识别参数CS-MFCC（Compressed sensing-MFCC）。该参数不仅使得参数存储量降低到少于原存储量的1/n（n为行阶梯观测矩阵的压缩比）,而且明显提高了系统的鲁棒性。通过仿真 实验证明了当压缩比n为4时,平均识别率能够提高到96%以上。     

量化压缩感知在语音压缩编码中的应用

利用语音信号在离散余弦变换（ DCT）域的近似稀疏性和量化压缩感知理论,文中提出一种基于量化压缩感知的语音压缩编码方案。编码端利用压缩感知技术,将语音信号投影成数据量大大减少的观测序列,然后对观测序列采用Lloyd-Max量化得到量化后的观测样值;解码端直接利用量化后的观测样值,结合重构算法重构出原始语音信号的DCT系数,经过DCT反变换得到重构后的语音信号,并采用后置低通滤波器改善重构语音的听觉效果。该编码方案解码端不需要进行反量化,而是直接利用量化后的观测样值进行重构,有效降低了解码端的运算量及复杂度。仿真结果表明：采用量化迭代硬阈值（QIHT）算法重构效果优于迭代硬阈值算法（IHT）,重构语音的信噪比能达到20 dB以上,MOS分达到3.26。