[发明专利]一种含噪声语音信号压缩感知方法

权利要求书

1.一种含噪声语音信号压缩感知方法，其特征在于，包括训练和实测两个阶段，训练阶段包括语音压缩采样和训练重构算法中拉格朗日乘子形式的的最佳调整参数；实测阶段包括发端的压缩采样、接收端含噪声语音信号的稀疏系数自适应重构和对重构的稀疏系数进行增强处理后再重构语音信号，具体过程如下：

A，训练阶段，具体步骤如下：

步骤A-1，含噪声语音压缩采样，具体过程如下；

步骤A-1a，分帧处理含噪声语音信号，得到含噪声语音帧信号xn_i；

步骤A-1b，对含噪声语音帧信号进行压缩采样，获取观测帧序列y_i,其计算公式为：

y_i=Φxn_i=Φ(x_i+n)

其中x_i,n分别是第i帧语音帧信号、噪声信号，x_i的长度为T，观测帧序列y_i的长度为P，Φ是P×T的观测矩阵，且P<T；

步骤A-2，训练重构算法中拉格朗日乘子形式的最佳调整参数λ₀，具体过程如下；

步骤A-2a，构造重构时需用的小波域稀疏分解矩阵Ψ，其公式为：

Ψ=Lr,100Hr,1]]>

其中，L_r,1为第一级合成矩阵，且Lr,1=Lr,200Hr,2;]]>

L_r,2为第二级合成矩阵，且Lr,2=Lr,300Hr,3;]]>

L_r,3为第三级合成矩阵，L_r,3由低通滤波器系数构造；H_r,3,H_r,2,H_r,1分别是由高通滤波器系数构造的第三、二、一级合成矩阵；

步骤A-2b，利用已知的观测帧序列y_i和小波域稀疏分解矩阵Ψ来重构稀疏系数α，其重构公式为：

α=minα12||yi-ΦΨα||22+λ||α||1]]>

其中，||·||₁,||·||₂分别为l₁,l₂范数；λ为调整参数，稀疏系数α为λ的函数；

步骤A-2c，利用小波域稀疏分解矩阵Ψ和稀疏系数α来重构信号w(λ)，其公式为：

w(λ)=Ψα

步骤A-2d，找出重构信噪比最大的调整参数λ₀，作为相应信噪比的拉格朗日乘子形式的最佳调整参数，其公式为：

λ0=maxλ(||w(λ)||22||n||22)]]>

B，实测阶段，具体步骤如下；

步骤B-1，对含噪声语音信号压缩采样，具体过程如下；

步骤B-1a，发端对含噪声语音信号加窗分帧，得到含噪语音帧信号r_i；

步骤B-1b，对含噪声语音帧信号进行压缩采样，得到观测帧序列s_i；该观测帧序列的计算公式为：

s_i=Φr_i

发端发送压缩采样得到的观测帧序列到接收端；

步骤B-2，含噪语音信号的稀疏系数自适应重构，具体过程如下：

步骤B-2a，接收端收到观测帧序列，首先进行语音激活检测，判断出该观测帧序列中的有声帧和无声帧；

步骤B-2b，计算含噪声语音信号的信噪比SNR，其计算公式为：

SNR=10*log10(||s||22-||z0||22||z0||22)]]>

其中，s是观测序列，该观测序列由所有的观测帧序列得到，噪声能量由无声帧估计，为信号能量；

步骤B-2c，已知观测帧序列s_i、观测矩阵Φ、稀疏分解矩阵Ψ，根据信噪比自适应选择重构算法中的最佳参数λ₀，重构稀疏域系数b；其计算公式为：

b=minb12||si-ΦΨb||22+λ0||b||1]]>

步骤B-3，对稀疏域系数b进行后置增强处理，其具体过程如下；

步骤B-3a，对重构的小波域稀疏系数b，采用小波域平移不变降噪法，进行增强处理，得到增强后的小波域稀疏系数c；

步骤B-3b，由增强后的小波域稀疏系数c和稀疏分解矩阵Ψ，重构语音信号u，其公式为：

u=Ψc。