[发明专利]基于KSVD算法的多声道音频处理方法

摘要

本发明公开了一种基于KSVD算法的多声道音频处理方法，步骤(101)，组成样本数据集；步骤(102)，设定初始字典D0∈Rn×K；步骤(103)，对样本数据集进行稀疏编码；步骤(104)，更新字典原子，每次更新一列dk；步骤(105)，更新该列相应的表达系数，直到满足收敛条件，停止更新，得到训练好的K‑SVD字典；步骤(106)，判断是否满足收敛条件？步骤(107)，利用上述字典对需要处理的多音频信号进行降采样处理；步骤(108)，将采样后的数据通过CoSaMP算法进行恢复重构；步骤(109)，获得重构信号。本发明明在保证准确率的基础上一定程度上提高了重构的速度，实现了多声道音频信号的降采样处理以及高概率重构；实现了降低多声道音频存储空间的功能，具有简单、高效的特点。

主权项

一种基于压缩感知的语音信号重构方法，其特征在于，该方法通过以下步骤实现：步骤(101)，收集杜比数字5.1环绕声音测试音频，组成样本数据集；对样本数据集中的音频信号进行筛选，将筛选得到的音频信号截取成长度相同的音频信号文件；步骤(102)，设定初始字典D0∈Rn×K，设字典为Dj，其中j表示字典的更新次数；Rn×K表示字典属于一个n×K的向量空间，n和K分别表示字典的行数和列数；步骤(103)，对样本数据集中各样本i进行稀疏编码：即利用匹配算法计算每个音频样本yi的表示向量xi，求解方程为该方程旨在找到一个最多有T0个非零项的信号，并且使得限制条件T0最小；其中T0是一个固定的预设数量的非零项；步骤(104)，更新字典原子，每次更新一列dk；步骤(105)，更新该列的表达系数，每一个表达系数分别与字典中的一列相对应，随着字典中的一列发生了改变，其对应的表达系数也会发生相应的变化，使其最大限度的减少均方误差，均方误差即为步骤(103)中的值，直到满足收敛条件，收敛条件即为均方误差最小，停止更新，得到训练好的K‑SVD字典；步骤(106)，判断是否满足收敛条件？步骤(107)，利用上述字典对需要处理的多音频信号进行降采样处理；步骤(108)，将采样后的数据通过CoSaMP算法进行恢复重构；步骤(109)，获得重构信号，即在已知y、Φ、D的情况下，通过CoSaMP算法求解公式y＝ΦDa中α的值，其中y为经过压缩感知处理的信号，Φ为测量矩阵，D为字典，再通过计算D、α的值得到重构信号