CN107705795A - 基于ksvd算法的多声道音频处理方法 - Google Patents
基于ksvd算法的多声道音频处理方法 Download PDFInfo
- Publication number
- CN107705795A CN107705795A CN201710889728.8A CN201710889728A CN107705795A CN 107705795 A CN107705795 A CN 107705795A CN 201710889728 A CN201710889728 A CN 201710889728A CN 107705795 A CN107705795 A CN 107705795A
- Authority
- CN
- China
- Prior art keywords
- dictionary
- signal
- row
- audio signal
- multichannel audio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 7
- 230000005236 sound signal Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000011084 recovery Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 13
- 239000013604 expression vector Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
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。
Description
技术领域
本发明涉及压缩感知技术、多声道音频处理技术等多种领域，特别是涉及一种基于KSVD算法的多声道音频处理方法。
背景技术
随着信息时代进程的不断推进，压缩感知(Compressive Sensing，CS)理论于2006年正式被提出，为人们提供了一种处理信号的新思路。压缩感知作为一个新的采样理论，通过对信号稀疏特性的开发，使得能够在远小于Nyquist采样率的情况下进行离散采样，最终通过一系列非线性重建算法实现信号的完美重建。一经提出，引起了学术界和工业界的广泛关注，在图像处理、地球科学、微波成像、无线通信等多个领域中实现了广泛的应用。
寻求信号的稀疏表示是压缩感知原理的一个重要部分，也就是说，需要选取合适的稀疏基对原始信号进行降采样处理。因此，近年来，如何找到最适合各类信号稀疏表示的方法引起了学术界广泛的兴趣。一系列常见的稀疏基如正弦基、小波基、Curvelet基、DCT基被先后提出。然而，由于常见稀疏基具有不能够很好地适应各类信号的缺点，K-SVD字典算法应运而生。
在日常生活中，音频信号作为一种常见的重要信号，引起了人们的广泛关注。包含语音信号、音乐信号的诸多音频信号，因其由多个谐音(例如正弦波)组成，具有良好的稀疏性(或者在频域中具有可稀疏性)，因此是一种非常适用于用压缩感知技术处理的信号。基于此，本发明提出了一种基于K-SVD算法的多声道音频处理方法。
发明内容
为了克服现有技术的不足，本发明提出了一种基于K-SVD算法的多声道音频处理方法，通过大量样本进行字典训练，得出性能较佳、更符合样本特点的K-SVD字典，利用该字典对待检测的信号进行降采样处理，通过重构算法进行恢复后得出音频信号处理结果。
本发明的一种基于压缩感知的语音信号重构方法，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i＝1,2,…,n,||xi||0≤T0，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，再通过计算D、α的值得到重构信号
与现有技术相比，本发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。
附图说明
图1为本发明的一种基于K-SVD算法多声道音频处理方法的整体流程示意图。
具体实施方式
下面将结合附图对本发明的实施方式作进一步的详细描述。
本发明的整体思路是采用基于K-SVD字典算法的方法，。
如图1所示，本发明基于KSVD算法的多声道音频处理方法的整体流程包括以下步骤：
步骤101，收集具有代表性的杜比数字5.1环绕声音测试音频，组成本发明的样本数据集；对样本数据集中的音频信号进行筛选，利用专业软件进行截取，使其变成长度相同的音频信号文件，便于后期处理；
步骤102，设定初始字典D0∈Rn×K，以便后续对于X的求解和字典的不断更新，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i＝1,2,…,n,||xi||0≤T0，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，目的是为了寻找一个更优化的字典；
步骤105，更新与该列相对应的表达系数，由于压缩感知的基本原理可以用公式y＝ΦDa表示，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，α为在该稀疏字典映射下的n×1维的稀疏信号，其中每一行的元素即为表达系数，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，压缩采样匹配追踪(CompressiveSampling MP)为压缩感知重构技术MP算法的改进算法，其每次迭代选择多个原子，并且每次迭代已经选择的原子会一直保留，是一种具有较高恢复质量且速度较快的恢复算法)，CS理论的研究内容大致可分为三个方面：信号的稀疏表示、测量值获取和对原始信号重构。重构算法是CS理论的关键技术之一，直接决定了此理论能否在实际系统中得以应用。
国内外研究学者们提出了一系列求解次优解的算法，主要包括匹配追踪系列算法、最小l1范数法等。其中，正交匹配追踪算法OMP(Orthogonal Matching Pursuit)是应用最为广泛的算法之一。本发明中采用的CoSaMP算法建立在OMP算法的基础上，在重构精度上有了很大程度的提高，同时又具有匹配追踪类算法运算复杂度低的优点，是一种较为理想的重构算法。
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，再通过计算D、α的值得到重构信号
将重构信号与原始信号进行对比，分析实验结果。
Claims (1)
1.一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
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710889728.8A CN107705795A (zh) | 2017-09-27 | 2017-09-27 | 基于ksvd算法的多声道音频处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710889728.8A CN107705795A (zh) | 2017-09-27 | 2017-09-27 | 基于ksvd算法的多声道音频处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107705795A true CN107705795A (zh) | 2018-02-16 |
Family
ID=61175032
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710889728.8A Pending CN107705795A (zh) | 2017-09-27 | 2017-09-27 | 基于ksvd算法的多声道音频处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107705795A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108600936A (zh) * | 2018-04-19 | 2018-09-28 | 北京微播视界科技有限公司 | 多声道音频处理方法、装置、计算机可读存储介质和终端 |
| CN113239573A (zh) * | 2021-06-05 | 2021-08-10 | 西北工业大学 | 基于无网格波动建模的封闭空间声场重构方法 |
| CN118398025A (zh) * | 2024-06-27 | 2024-07-26 | 浙江芯劢微电子股份有限公司 | 一种回声消除中的延迟估计方法、设备、存储介质及计算机程序产品 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102081928A (zh) * | 2010-11-24 | 2011-06-01 | 南京邮电大学 | 基于压缩感知和k-svd的单通道混合语音分离方法 |
| CN103345923A (zh) * | 2013-07-26 | 2013-10-09 | 电子科技大学 | 一种基于稀疏表示的短语音说话人识别方法 |
| CN103778919A (zh) * | 2014-01-21 | 2014-05-07 | 南京邮电大学 | 基于压缩感知和稀疏表示的语音编码方法 |
| WO2015195827A1 (en) * | 2014-06-17 | 2015-12-23 | Carnegie Mellon University | Methods and software for hallucinating facial features by prioritizing reconstruction errors |
-
2017
- 2017-09-27 CN CN201710889728.8A patent/CN107705795A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102081928A (zh) * | 2010-11-24 | 2011-06-01 | 南京邮电大学 | 基于压缩感知和k-svd的单通道混合语音分离方法 |
| CN103345923A (zh) * | 2013-07-26 | 2013-10-09 | 电子科技大学 | 一种基于稀疏表示的短语音说话人识别方法 |
| CN103778919A (zh) * | 2014-01-21 | 2014-05-07 | 南京邮电大学 | 基于压缩感知和稀疏表示的语音编码方法 |
| WO2015195827A1 (en) * | 2014-06-17 | 2015-12-23 | Carnegie Mellon University | Methods and software for hallucinating facial features by prioritizing reconstruction errors |
Non-Patent Citations (1)
| Title |
|---|
| 孙林慧: "《硕士学位论文》", 30 July 2014, 西安电子科技大学 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108600936A (zh) * | 2018-04-19 | 2018-09-28 | 北京微播视界科技有限公司 | 多声道音频处理方法、装置、计算机可读存储介质和终端 |
| CN108600936B (zh) * | 2018-04-19 | 2020-01-03 | 北京微播视界科技有限公司 | 多声道音频处理方法、装置、计算机可读存储介质和终端 |
| CN113239573A (zh) * | 2021-06-05 | 2021-08-10 | 西北工业大学 | 基于无网格波动建模的封闭空间声场重构方法 |
| CN113239573B (zh) * | 2021-06-05 | 2024-05-07 | 西北工业大学 | 基于无网格波动建模的封闭空间声场重构方法 |
| CN118398025A (zh) * | 2024-06-27 | 2024-07-26 | 浙江芯劢微电子股份有限公司 | 一种回声消除中的延迟估计方法、设备、存储介质及计算机程序产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109711383B (zh) | 基于时频域的卷积神经网络运动想象脑电信号识别方法 | |
| CN103595414B (zh) | 一种稀疏采样与信号压缩感知重构方法 | |
| Bonnefoy et al. | A dynamic screening principle for the lasso | |
| CN107705795A (zh) | 基于ksvd算法的多声道音频处理方法 | |
| CN101826161B (zh) | 一种基于局部近邻稀疏表示的目标识别方法 | |
| CN107666322A (zh) | 一种基于字典学习的自适应微震数据压缩感知方法 | |
| CN109490957A (zh) | 一种基于空间约束压缩感知的地震数据重建方法 | |
| CN104538035A (zh) | 一种基于Fisher超向量的说话人识别方法及系统 | |
| Nashed et al. | Convolution sampling and reconstruction of signals in a reproducing kernel subspace | |
| CN109586688A (zh) | 基于迭代计算的时变可分非下采样图滤波器组的设计方法 | |
| CN105869126A (zh) | 高光谱图像的压缩感知去噪方法 | |
| CN104485966A (zh) | 一种基于信号分解的压缩感知处理和信号重构方法 | |
| CN104036519B (zh) | 基于图像块聚类和稀疏字典学习的分块压缩感知重构方法 | |
| CN106295690A (zh) | 基于非负矩阵分解的时间序列数据聚类方法及系统 | |
| CN106599903A (zh) | 基于相关性的加权最小二乘字典学习的信号重构方法 | |
| CN114492500A (zh) | 基于一维卷积核的运动想象脑电信号分类方法 | |
| CN109101462A (zh) | 可降低时间损耗的傅里叶变换算法 | |
| CN103036576A (zh) | 基于压缩传感理论的一种二值稀疏信号重构算法 | |
| CN105184833A (zh) | 一种带噪cs-mri图像重建方法 | |
| CN113223032A (zh) | 基于双稀疏分解的复杂图像Canny边缘检测方法 | |
| CN105551503B (zh) | 基于原子预选择的音频匹配追踪方法与系统 | |
| Tong et al. | A robust time-frequency decomposition model for suppression of mixed Gaussian-impulse noise in audio signals | |
| CN113420668A (zh) | 一种基于二维多尺度排列熵的水下目标识别方法 | |
| Zhou et al. | Face Recognition Based on Multi-Wavelet and Sparse Representation. | |
| CN107169410A (zh) | 用于人脸识别的基于lbp特征的结构型稀疏表示分类方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180216 |
|
| WD01 | Invention patent application deemed withdrawn after publication |