[发明专利]一种基于压缩感知的含噪语音信号重构方法及装置

说明书

技术领域

本发明涉及一种语音信号重构方法，尤其涉及一种基于压缩感知的含噪语音信号重构方法及装置，属于信号处理技术领域。

背景技术

传统的信号处理都是基于Nyquist采样定理进行模数转换的，导致实际中采样得到的信号存在很大程度的冗余。如何在保证信号不受损失的情况下，用远低于Nyquist采样定理要求的速率采集信号，同时又不损失信息，能够完全恢复信号，成为信号处理领域的一大革命性任务。在这种情况下，针对具有稀疏特性信号的压缩感知(CS)理论应运而生。

CS理论由Donoho等人于2004年提出，它指出，只要信号是可压缩的或在某个变换域是稀疏的，就可以用一个与变换基不相关的观测矩阵将变换所得的高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号。在CS理论框架下，采样速率不再取决于信号的带宽，而取决于信息在信号中的结构和内容。

CS理论中的核心问题是信号的重构问题，如何构造稳定、对观测数据要求少、计算复杂度低、收敛速度快、鲁棒性强的重构算法一直是CS理论重构算法研究的目标。在使用优化方法重构信号时，如果对含噪信号采用单一的稀疏性约束原则，就无法有效重构原信号。这时，仍可以采用其它有效的重构信号的方法，不同之处在于重构过程所使用的优化目标函数的形式不同，参数的设置不同，应用不同的优化目标函数信号的重建效果也不尽相同。

目前这个领域已经有一些研究成果。在噪声分布已知的情况下，可以用基追踪(BP)方法对噪声产生抑制作用，这种方法被称为基追踪去噪(BPDN)方法；在信号的稀疏度已知的情况下，可以采用最小绝对收缩与变量选择算子(LASSO)方法对含噪信号进行重构；当信号的稀疏度和噪声的分布均未知时，可以把寻找稀疏解问题归结为有边界约束的二次规划(BCQP)问题，并用梯度投影(GP)算法来有效求解。

语音信号的时变性使得实际采样得到的语音信号也存在很大程度的冗余，采用CS理论对语音信号进行处理成为一大研究热点。目前已有许多学者将CS理论应用于语音信号处理。语音信号作为一种自然信号，采集过程中大多情况下都含有噪声。基于CS理论边压缩边采样含噪语音信号的技术具有很好的实用性。含噪的语音信号在DCT域仍是近似稀疏的，这使得用CS理论来重构含噪语音信号成为可能。

发明内容

本发明所要解决的技术问题在于克服现有含噪语音信号重构方法的不足，提供一种基于压缩感知的含噪语音信号重构方法及装置，能够对CS压缩的含噪语音信号进行快速准确的重构。

本发明具体采用以下技术方案：

一种基于压缩感知的含噪语音信号重构方法，首先对以下优化模型进行求解，

minzF(z)=12zTBz+cTz]]>

s.t.z≥0