基于混沌序列的压缩感知语音增强算法

隋昊; 周萍; 沈昊; 杨青

Chinese

您当前的位置：

首页 >

文章列表页 >

基于混沌序列的压缩感知语音增强算法

更新时间：2026-09-04

- 基于混沌序列的压缩感知语音增强算法
- Compressed Sensing Speech Enhancement Algorithm Based on Chaotic Sequences
- 微电子学与计算机 2018年35卷第1期页码：96-99
- 作者机构：
  
  桂林电子科技大学机构电子工程与自动化学院,广西,桂林,541004
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目 61462017广西省自然科学基金资助项目 2014GXNSFAA118353广西自动检测技术与仪器重点实验基金项目 YQ15110
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
隋昊, 周萍, 沈昊, 杨青. 基于混沌序列的压缩感知语音增强算法[J]. 微电子学与计算机, 2018, 35(1): 96-99, 105.

SUI Hao, ZHOU Ping, SHEN Hao, et al. Compressed Sensing Speech Enhancement Algorithm Based on Chaotic Sequences[J]. 2018, 35(1): 96-99.
隋昊, 周萍, 沈昊, 杨青. 基于混沌序列的压缩感知语音增强算法[J]. 微电子学与计算机, 2018, 35(1): 96-99, 105. DOI：

SUI Hao, ZHOU Ping, SHEN Hao, et al. Compressed Sensing Speech Enhancement Algorithm Based on Chaotic Sequences[J]. 2018, 35(1): 96-99. DOI：

摘要

利用语音在离散余弦变换域下的稀疏性

提出一种将混沌序列和符号函数相结合的观测矩阵

该观测矩阵具有良好的伪随机性

实现了确定性和随机性的统一.首先将带噪的语音信号在DCT域进行稀疏

然后利用提出的观测矩阵进行观测

以保留大部分语音特性

最后在原有重构算法基础上改进重构算法

以加快重构速度.此算法可以使重构语音信号的可懂度和清晰度得到大幅提升

实现了语音增强.

Abstract

In this paper

present a kind of observation matrix which combines the chaotic sequence with the sign function

which has good pseudo randomness.Firstly

the noisy speech signal is sparse in the DCT domain

then the observation matrix is used to preserve most of the speech features

finally based on the original reconstruction algorithm

this paper improves the reconstruction algorithm to speed up the reconstruction.The algorithm proposed in this paper makes the intelligibility and clarity of reconstructed speech signal be greatly improved

and the speech enhancement is realized.

关键词

Keywords

references

Blumensath T, Davies M E. Gradient pursuits[J]. IEEE Transaction on Signal Processing, 2008, 56(6): 2370-2382. DOI: 2370

Donoho D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306. DOI: 1289

Needell D, Vershynin R. Greedy signal recovery and un-certainty principles[C]//Proceedings of the Conference on Computational Imaging. San Jose, USA, SPIE, 2008: 1-12.

Tropp J, Gilbert A. Signal recovery from random measurements via orthogonal matching pursuit[J]. IEEE Transactions on Information Theory, 2008, 53(12): 4655-4666. DOI: 4655

Candes E J, Tao T. Near-optimal signal recovery from random projections: universal encoding strategies[J]. IEEE Transactions on Information Theory, 2006, 52(12): 5406-5425. DOI: 5406

Do T T, Lu Gan, Nguyen N, et al. Sparsity adaptive matching pursuit algorithm for practical compressed sensing[C]∥Asilomar Conference on Signals, Systems and Computers. Pacific Grove, California: IEEE Press, 2008: 581-587.

石光明, 刘丹华, 高大化, 等. 压缩感知理论及其研究进展[J]. 电子学报, 2009, 37(5): 1070-1081. DOI: 1070

金坚, 谷源涛, 梅顺良. 压缩采样技术及其应用[J]. 电子与信息学报, 2010, 32(2): 470-475. DOI: 470

毛静, 尹鹏亮, 马琦, 等. 自适应压缩感知的语音压缩重构算法研究[J]. 电子技术应用, 2015, 41(2): 72-74. DOI: 72

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

面向处理器分支预测单元的Spectre攻击轻量化防御方法

超低功耗实时时钟电路的设计

基于多尺度融合与小目标增强的航拍车辆检测算法

基于监控指标关联性的微服务异常检测

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真