行阶梯观测矩阵、对偶仿射尺度内点重构算法下的语音压缩感知

叶蕾; 杨震; 王天荆; 孙林慧

doi:10.3969/j.issn.0372-2112.2012.03.003

您当前的位置：

首页 >

文章列表页 >

行阶梯观测矩阵、对偶仿射尺度内点重构算法下的语音压缩感知

学术论文 | 更新时间：2025-07-16

- 行阶梯观测矩阵、对偶仿射尺度内点重构算法下的语音压缩感知
- Compressed Sensing of Speech Signal Based on Row Echelon Measurement Matrix and Dual Affine Scaling Interior Point Reconstruction Method
- 电子学报 2012年40卷第3期页码：429-434
- 作者机构：
  
  1. 南京邮电大学通信与信息工程学院,江苏,南京,210003
  2. 南京邮电大学信号处理与传输研究院,江苏,南京,210003
  3. 南京邮电大学通信与信息工程学院江苏南京,210003
  4. 南京邮电大学信号处理与传输研究院江苏南京,210003
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.60971129);江苏省博士后科学基金 (No.1101022B);江苏省普通高校研究生科研创新计划 (No.CX10B 189Z,No.CX10B 191Z)
- DOI：10.3969/j.issn.0372-2112.2012.03.003
  中图分类号： TN912.3
- 纸质出版：2012
- 稿件说明：
移动端阅览
叶蕾, 杨震, 王天荆, 等. 行阶梯观测矩阵、对偶仿射尺度内点重构算法下的语音压缩感知[J]. 电子学报, 2012,40(3):429-434.

YE Lei, YANG Zhen, WANG Tian-jing, et al. Compressed Sensing of Speech Signal Based on Row Echelon Measurement Matrix and Dual Affine Scaling Interior Point Reconstruction Method[J]. Acta Electronica Sinica, 2012, 40(3): 429-434.
叶蕾, 杨震, 王天荆, 等. 行阶梯观测矩阵、对偶仿射尺度内点重构算法下的语音压缩感知[J]. 电子学报, 2012,40(3):429-434. DOI： 10.3969/j.issn.0372-2112.2012.03.003.

YE Lei, YANG Zhen, WANG Tian-jing, et al. Compressed Sensing of Speech Signal Based on Row Echelon Measurement Matrix and Dual Affine Scaling Interior Point Reconstruction Method[J]. Acta Electronica Sinica, 2012, 40(3): 429-434. DOI： 10.3969/j.issn.0372-2112.2012.03.003.

摘要

基于语音信号在离散余弦域上的近似稀疏性

针对采用随机高斯观测矩阵及线性规划方法进行语音压缩感知与重构时

重构零(近似零)系数定位能力差而导致重构效果不好的缺点

本文提出一种新的行阶梯矩阵做观测矩阵

用对偶仿射尺度内点重构算法对语音进行压缩感知与重构

并对该算法下的重构性能进行理论分析.语音压缩感知仿真结果表明

在离散余弦基下

压缩比(观测序列与原始序列样值数之比)为1∶4时

行阶梯观测矩阵下的平均重构信噪比比随机高斯观测矩阵下提高9.73dB

平均MOS分比随机高斯观测矩阵下提高1.22分.

Abstract

Based on the approximate sparsity of speech signal in discrete cosine basis

this paper proposes a new algorithm of compressed sensing of speech signal based on special row echelon measurement matrix and dual affine scaling interior point reconstruction method.This algorithm can resolve the problem of inaccuracy of location of reconstruction coefficient which is zero or nearly zero of compressed sensing based on Gaussian measurement matrix and linear programming to some extent.The reconstruction performance of this algorithm is analyzed theoretically.The simulation results of compressed sensing of speech signal show when the reduction ratio(the ratio of numbers of measurements and original samples) is 1∶4 based on the discrete cosine basis

the average SNR of reconstruction signal based on the special row echelon measurement matrix is 9.73 dB higher than the Gaussian measurement matrix

and the average MOS score of reconstruction signal based on the special row echelon measurement matrix is 1.22 higher than the Gaussian measurement matrix.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

压缩感知理论及其研究进展

可学习阈值优化的大规模动态多用户接入检测

面向B5G/6G的GFDM信号高精度测距与定位研究

基于新型联合感知矩阵的压缩学习目标识别技术

水声信号处理中的稀疏表示理论及应用