CN108631786B - 一种声信号随机稀疏压缩采样方法及装置 - Google Patents
一种声信号随机稀疏压缩采样方法及装置 Download PDFInfo
- Publication number
- CN108631786B CN108631786B CN201810386587.2A CN201810386587A CN108631786B CN 108631786 B CN108631786 B CN 108631786B CN 201810386587 A CN201810386587 A CN 201810386587A CN 108631786 B CN108631786 B CN 108631786B
- Authority
- CN
- China
- Prior art keywords
- sparse
- random
- sampling
- module
- matrix
- 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.)
- Active
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000006835 compression Effects 0.000 title claims abstract description 40
- 238000007906 compression Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 72
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 23
- 239000013598 vector Substances 0.000 claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 8
- 238000002955 isolation Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009413 insulation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000035939 shock Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
- H03M7/3062—Compressive sampling or sensing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种声信号随机稀疏压缩采样方法及装置，该方法包括：采集模拟量声信号，对模拟量声信号进行稀疏表示和稀疏分解，得到信号稀疏向量、稀疏度及A/D转换稀疏系数；根据稀疏采样、基主分量和随机高斯矩阵构建出测量矩阵，将信号稀疏向量在测量矩阵上进行自适应投影；并利用等距性条件检验测量矩阵的有效性；根据稀疏度确定稀疏采样的平均采样频率和采样率，完成稀疏压缩采样。本发明将声信号的稀疏性与随机压缩采样进行结合，实现远低于经典奈奎斯特采样频率的压缩采样。
Description
技术领域
本发明属于稀疏声信号处理的技术领域，尤其是涉及一种声信号随机稀疏压缩采样方法及装置。
背景技术
传统信号采集与处理过程包括采样、压缩、传输、解压缩四个部分，其采样过程必须遵循Shannon-Nyquist采样定理，这种信息获取方式对模数转换器(ADC)要求高、采样数据量大、信息冗余性强、占用传输带宽以及存储空间大，是严重制约数据高效利用和高速传输的主要原因。
目前，国内外对信号的处理方法有非均匀采样法、时间交替并行采样法、随机采样法和压缩采样法等。非均匀、时间交替并行和随机采样法虽然在现有ADC技术条件下能提高采集系统捕捉信号的能力，但是由于采样过程仍受Shannon-Nyquist采样定理和ADC有限带宽的限制，因而即使在被测信号稀疏先验条件下，仍不能降低数量采集量和存储空间。
压缩采样法作为一种全新的信息获取方法是建立在压缩感知理论基础上，该方法利用被测信号的稀疏先验知识，以远低于信号Nyquist频率的采样率获取稀疏信号的非自适应线性投影，通过最优化稀疏重建算法仍能准确重构原始信号。在对信号采样的同时对数据进行压缩，将传统的信号获取和处理过程中的数据采集和压缩合二为一。大幅度降低了数据采集量，提高了数据传输速度。
然而，压缩采样过程包括两个关键因素，一是信号的稀疏表示；二是随机投影测量矩阵的构建。目前，针对信号稀疏表示主要基于基函数，如傅里叶、正弦和小波基，这种以基函数为分解基础的稀疏表示方法一旦基函数确定其稀疏表示就确定了，不能得到最优稀疏表示，使得信息冗余度大，稀疏度小，采集数据量压缩有限；针对随机投影测量矩阵的构建均已等距性条件为依据，采样随机傅里叶矩阵等，而这种等距性条件仅能作为检验条件，而不能作为构造依据。
鉴于上述，研究切实可行的声信号随机稀疏压缩采样技术，对减轻数据量和无线传感成本，促进我国声信息测量和无线传输高速发展具有现实意义。随机压缩采样是一种高效的信息获取和处理方法，在信息论、图像处理、医学成像、模式识别等领域得到了广泛研究与应用。若将声信号的稀疏性与随机压缩采样结合，定能带来声信号测量技术与成本的革新与优化。
综上所述，针对现有技术中如何将声信号的稀疏性与随机压缩采样进行结合实现远低于经典奈奎斯特采样频率的压缩采样的问题，尚缺乏有效的解决方案。
发明内容
针对现有技术中存在的不足，本发明提供了一种声信号随机稀疏压缩采样方法及装置，将具有稀疏性的声信号在基矩阵上稀疏表示，确定声信号稀疏度形成稀疏分量，再以与基矩阵所有列向量不相关的符合高斯随机分布的随机矩阵作为测量矩阵，利用测量矩阵对声信号稀疏分量随机投影降维，进而实现远低于经典奈奎斯特采样频率的压缩采样。
本发明的第一目的是提供一种声信号随机稀疏压缩采样方法。
为了实现上述目的，本发明采用如下一种技术方案：
一种声信号随机稀疏压缩采样方法，该方法包括：
采集模拟量声信号，对模拟量声信号进行稀疏表示和稀疏分解，得到信号稀疏向量、稀疏度及A/D转换稀疏系数；
根据稀疏采样、基主分量和随机高斯矩阵构建出测量矩阵，将信号稀疏向量在测量矩阵上进行自适应投影；并利用等距性条件检验测量矩阵的有效性；
根据稀疏度确定稀疏采样的平均采样频率和采样率，完成稀疏压缩采样。
作为进一步的优选方案，在本方法中，所述稀疏表示方法是预设主分量，并基于主分量基函数的过完备字典法建立完备字典进行稀疏表示。
作为进一步的优选方案，在本方法中，所述稀疏分解过程采用自适应匹配基追踪算法。
作为进一步的优选方案，在本方法中，根据稀疏采样、基主分量和随机高斯矩阵构建出测量矩阵的具体方法为以与基矩阵所有列向量不相关的符合高斯随机分布的随机矩阵作为测量矩阵。
作为进一步的优选方案，在本方法中，将信号稀疏向量在测量矩阵上进行自适应投影的具体方法为：采用1/2观测矩阵进行稀疏分量随机投影，在整个观测矩阵上形成2个随机投影过程，同时合并投影形成随机稀疏投影分量。
本发明的第二目的是提供一种声信号随机稀疏压缩采样装置。
为了实现上述目的，本发明采用如下一种技术方案：
一种声信号随机稀疏压缩采样装置，包括：依次连接的数据处理模块和A/D转换器；
所述数据处理模块包括依次连接的模拟量声信号采集模块、稀疏模块和随机压缩模块；所述模拟量声信号采集模块采集模拟量声信号并输入所述稀疏模块进行稀疏表示和稀疏分解，所述稀疏模块将分解后的声信号输入所述随机压缩模块进行随机采样和稀疏压缩，所述随机压缩模块将处理后的信号输入所述A/D转换器；
所述A/D转换器为双路A/D转换器，被配置为两路A/D转换，分别实现稀疏信号在观测矩阵上的随机投影，以及完成一定约束条件的数据实时稀疏压缩采样，两路A/D转换完成后合并。
作为进一步的优选方案，该装置还包括辅助结构，所述辅助结构包括箱体、支撑层和电源，所述数据处理模块和A/D转换器设置于所述支撑层上，所述箱体上两侧分别设置输入端口和输出端口，所述输入端口与所述模拟量声信号采集模块的输入端连接，所述输出端口与所述A/D转换器的输出端连接。
作为进一步的优选方案，所述箱体底部设置隔震层，所述电源置于所述隔震层上，所述支撑层将电源与所述数据处理模块和A/D转换器分离。
作为进一步的优选方案，所述稀疏模块声信号主分量过完备字典生成芯片和自适应匹配基追踪稀疏分解算法芯片，分别用于行稀疏表示和稀疏分解，得到号稀疏向量、稀疏度及A/D转换稀疏系数。
作为进一步的优选方案，所述随机压缩模块内置随机压缩算法芯片，由稀疏度确定稀疏采样的平均采样频率和采样率。
本发明的有益效果：
1、本发明所述的一种声信号随机稀疏压缩采样方法及装置，以声信号的稀疏性为基础，采用主分量字典对信号进行稀疏分解，能获取最有效的信号稀疏表示和稀疏度，减小数据冗余性和存储空间，实现有用信息的高效利用。
2、本发明所述的一种声信号随机稀疏压缩采样方法及装置，以稀疏采样、基主分量和随机高斯分布为基础，构建了测量矩阵，能有效实现数据降维和自适应线性投影，降低了数据采集硬件转换难度和制造成本。
3、本发明所述的一种声信号随机稀疏压缩采样方法及装置，将具有稀疏性的声信号在基矩阵上稀疏表示，确定信号稀疏度形成稀疏分量，再以与基矩阵所有列向量不相关的符合高斯随机分布的随机矩阵作为测量矩阵，利用测量矩阵对信号稀疏分量随机投影降维，有效实现低于传统采样频率的采用率采样，便于实现有效信息的高效提取和快速压缩。
4、本发明所述的一种声信号随机稀疏压缩采样方法及装置，利用信号的稀疏性和降维，充分发挥了信号有用信息作用，降低了采样过程对硬件采样速率和能量的需求，减轻了无线通信负担和无线传感器制作成本，同时采用双隔离层布置，可有效降低外界及电源干扰。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本发明的声信号随机稀疏压缩采样方法流程图；
图2是本发明实施例1的整体流程图；
图3是本发明实施例1的装置结构示意图；
其中，1-箱体，2-输出端口，3-数据存储器，4-双路A/D转换器，5-随机压缩模块，6-稀疏模块，7-随机压缩模块，8-输入端口，9-隔震层，10-电源，11-支撑层。
具体实施方式：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本实施例使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要注意的是，附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。
在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合下面结合附图与实施例对本发明作进一步说明。
实施例1：
本实施例1的目的是提供一种声信号随机稀疏压缩采样方法。
为了实现上述目的，本发明采用如下一种技术方案：
如图1所示，
一种声信号随机稀疏压缩采样方法，该方法包括：
步骤(1)：采集模拟量声信号，对模拟量声信号进行稀疏表示和稀疏分解，得到信号稀疏向量、稀疏度及A/D转换稀疏系数；
步骤(2)：根据稀疏采样、基主分量和随机高斯矩阵构建出测量矩阵，将信号稀疏向量在测量矩阵上进行自适应投影；并利用等距性条件检验测量矩阵的有效性；
步骤(3)：根据稀疏度确定稀疏采样的平均采样频率和采样率，完成稀疏压缩采样。
在本实施例的步骤(1)中，所述稀疏表示方法是预设主分量，并基于主分量基函数的过完备字典法建立完备字典进行稀疏表示。
在本实施例的步骤(1)中，所述稀疏分解过程采用自适应匹配基追踪算法。
在本实施例的步骤(2)中，根据稀疏采样、基主分量和随机高斯矩阵构建出测量矩阵的具体方法为以与基矩阵所有列向量不相关的符合高斯随机分布的随机矩阵作为测量矩阵。
在本实施例的步骤(2)中，将信号稀疏向量在测量矩阵上进行自适应投影的具体方法为：采用1/2观测矩阵进行稀疏分量随机投影，在整个观测矩阵上形成2个随机投影过程，同时合并投影形成随机稀疏投影分量。
本实施例中提供一种声信号随机稀疏压缩采样装置。
为了实现上述目的，本发明采用如下一种技术方案：
如图2-3所示，
一种声信号随机稀疏压缩采样装置，基于上述一种声信号随机稀疏压缩采样方法，包括：依次连接的数据处理模块和A/D转换器和辅助结构三部分：
所述数据处理模块包括模拟量采集模块7、稀疏模块6和随机压缩模块5。模拟量采集模块7置于箱体1上，前端设置麦克风端口8，后端连接稀疏模块6；稀疏模块6直接连接随机压缩模块5；所述双路A/D转换器4位于采集箱体1中部，随机压缩模块7的输出端，A/D转换器4输出端设有数据存储器3和输出端口2；所述辅助结构包括箱体1、9隔震层和支撑层11和电源10。
所述模拟量采样模块7，完成声信号模拟量采集。
所述稀疏模块6，内嵌声信号主分量过完备字典生成芯片和自适应匹配基追踪稀疏分解算法芯片，实现声信号的稀疏分解，确定信号稀疏度和A/D转换稀疏系数。
所述随机压缩模块7，内置随机压缩算法芯片，由稀疏度确定稀疏采样的平均采样频率和采样率，减小信号无用信息冗余度，有效提取有用声信息。
所述双路A/D转换器4，通过设置两个单一A/D转换过程，分别实现稀疏信号在观测矩阵上的随机投影，同时完成一定约束条件的数据实时采样，并将两路合并，以提高稀疏信号随机采样准确度和有效性，完成压缩采样过程的硬件实现。
所述数据存储器3和输出端口2，实现低采样率数字声信号的存储和输出。
所述辅助结构箱体1采用长方形，箱体底部设置隔震层9，减少外界干扰和电源对处理模块的影响，将数据处理和采集部分分开，压缩模块5和稀疏模块6置于支撑层11，电源置于隔震层9。输入端口8和输出端口2置于箱体的左右两侧。
实施例2：
本实施例2的目的是提供一种声信号随机稀疏压缩采样方法，本实施例基于实施例1中的方法和装置。
为了实现上述目的，本发明采用如下一种技术方案：
本实施例的一种声信号随机稀疏压缩采样方法如下：
(1)将声信号的声压幅值作为主分量，以此建立完备字典，采样自适应匹配基追踪进行稀疏分解，信号长度为2048个数据，稀疏度为128，规则化幅值0-1；
(2)2048*2048维基主分量矩阵和128*1维稀疏采样矩阵，构建1024*2048随机测量矩阵；
(3)平均采样频率2048；稀疏系数为256。
采样率低于传统采样率的30％，数量存储量减小20％，节省采集时间2200秒。
实施例3：
本实施例3的目的是提供一种声信号随机稀疏压缩采样方法，本实施例基于实施例1中的方法和装置。
为了实现上述目的，本发明采用如下一种技术方案：
本实施例的一种声信号随机稀疏压缩采样方法如下：
(1)将声信号的频率作为主分量，以此建立完备字典，采样自适应匹配基追踪进行稀疏分解，信号长度为1024个数据，稀疏度为28，频率范围500-1000Hz，；
(2)1024*1024维基主分量矩阵和28*1维稀疏采样矩阵，构建256*1024维的高斯随机测量矩阵；
(3)平均采样频率1500Hz，稀疏系数为30。
采样率低于传统采样率的10％，数量存储量减小25％，节省采集时间3020秒。
实施例4：
本实施例4的目的是提供一种声信号随机稀疏压缩采样方法，本实施例基于实施例1中的方法和装置。
为了实现上述目的，本发明采用如下一种技术方案：
本实施例的一种声信号随机稀疏压缩采样方法如下：
(1)将声信号的声压幅值和频率作为主分量，以此建立完备字典，采样自适应匹配基追踪进行稀疏分解，信号长度为10240个数据，稀疏度为4000，频率范围1500-2000Hz，规则化幅值0-1；
(2)10240*10240维基主分量矩阵和4000*1维稀疏采样矩阵，构建5120*10240维的高斯随机测量矩阵；
(3)平均采样频率3000Hz，稀疏系数为5500。
采样率低于传统采样率的20％，数量存储量减小20％，节省采集时间2600秒。
本发明的有益效果：
1、本发明所述的一种声信号随机稀疏压缩采样方法及装置，以声信号的稀疏性为基础，采用主分量字典对信号进行稀疏分解，能获取最有效的信号稀疏表示和稀疏度，减小数据冗余性和存储空间，实现有用信息的高效利用。
2、本发明所述的一种声信号随机稀疏压缩采样方法及装置，以稀疏采样、基主分量和随机高斯分布为基础，构建了测量矩阵，能有效实现数据降维和自适应线性投影，降低了数据采集硬件转换难度和制造成本。
3、本发明所述的一种声信号随机稀疏压缩采样方法及装置，将具有稀疏性的声信号在基矩阵上稀疏表示，确定信号稀疏度形成稀疏分量，再以与基矩阵所有列向量不相关的符合高斯随机分布的随机矩阵作为测量矩阵，利用测量矩阵对信号稀疏分量随机投影降维，有效实现低于传统采样频率的采用率采样，便于实现有效信息的高效提取和快速压缩。
4、本发明所述的一种声信号随机稀疏压缩采样方法及装置，利用信号的稀疏性和降维，充分发挥了信号有用信息作用，降低了采样过程对硬件采样速率和能量的需求，减轻了无线通信负担和无线传感器制作成本，同时采用双隔离层布置，可有效降低外界及电源干扰。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种声信号随机稀疏压缩采样方法，其特征在于，该方法包括：
采集模拟量声信号，对模拟量声信号进行稀疏表示和稀疏分解，得到信号稀疏向量、稀疏度及A/D转换稀疏系数；稀疏表示方法是预设主分量，并基于主分量基函数的过完备字典法建立完备字典进行稀疏表示，利用声信号主分量过完备字典生成芯片和自适应匹配基追踪稀疏分解算法芯片，分别用于行稀疏表示和稀疏分解，得到号稀疏向量、稀疏度及A/D转换稀疏系数；
根据稀疏采样、基主分量和随机高斯矩阵构建出测量矩阵，将信号稀疏向量在测量矩阵上进行自适应投影；并利用等距性条件检验测量矩阵的有效性；根据稀疏度确定稀疏采样的平均采样频率和采样率，完成稀疏压缩采样；根据稀疏采样、基主分量和随机高斯矩阵构建出测量矩阵的具体方法为以与基矩阵所有列向量不相关的符合高斯随机分布的随机矩阵作为测量矩阵。
2.如权利要求1所述的方法，其特征在于，在本方法中，稀疏分解过程采用自适应匹配基追踪算法。
3.如权利要求1所述的方法，其特征在于，在本方法中，将信号稀疏向量在测量矩阵上进行自适应投影的具体方法为：采用1/2观测矩阵进行稀疏分量随机投影，在整个观测矩阵上形成2个随机投影过程，同时合并投影形成随机稀疏投影分量。
4.一种声信号随机稀疏压缩采样装置，基于权利要求1-3任一项所述的方法，包括：依次连接的数据处理模块和A/D转换器；
所述数据处理模块包括依次连接的模拟量声信号采集模块、稀疏模块和随机压缩模块；所述模拟量声信号采集模块采集模拟量声信号并输入所述稀疏模块进行稀疏表示和稀疏分解，所述稀疏模块将分解后的声信号输入所述随机压缩模块进行随机采样和稀疏压缩，所述随机压缩模块将处理后的信号输入所述A/D转换器；
所述A/D转换器为双路A/D转换器，被配置为两路A/D转换，分别实现稀疏信号在观测矩阵上的随机投影，以及完成一定约束条件的数据实时稀疏压缩采样，两路A/D转换完成后合并。
5.如权利要求4所述的装置，其特征在于，该装置还包括辅助结构，所述辅助结构包括箱体、支撑层和电源，所述数据处理模块和A/D转换器设置于所述支撑层上，所述箱体上两侧分别设置输入端口和输出端口，所述输入端口与所述模拟量声信号采集模块的输入端连接，所述输出端口与所述A/D转换器的输出端连接。
6.如权利要求5所述的装置，其特征在于，所述箱体底部设置隔震层，所述电源置于所述隔震层上，所述支撑层将电源与所述数据处理模块和A/D转换器分离。
7.如权利要求4所述的装置，其特征在于，稀疏模块声信号主分量过完备字典生成芯片和自适应匹配基追踪稀疏分解算法芯片，稀疏模块内嵌稀疏模块声信号主分量过完备字典生成芯片和自适应匹配基追踪稀疏分解算法芯片，分别用于行稀疏表示和稀疏分解，得到号稀疏向量、稀疏度及A/D转换稀疏系数。
8.如权利要求4所述的装置，其特征在于，所述随机压缩模块内置随机压缩算法芯片，由稀疏度确定稀疏采样的平均采样频率和采样率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810386587.2A CN108631786B (zh) | 2018-04-26 | 2018-04-26 | 一种声信号随机稀疏压缩采样方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810386587.2A CN108631786B (zh) | 2018-04-26 | 2018-04-26 | 一种声信号随机稀疏压缩采样方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108631786A CN108631786A (zh) | 2018-10-09 |
| CN108631786B true CN108631786B (zh) | 2022-05-27 |
Family
ID=63694723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810386587.2A Active CN108631786B (zh) | 2018-04-26 | 2018-04-26 | 一种声信号随机稀疏压缩采样方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108631786B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110426569B (zh) * | 2019-07-12 | 2021-09-21 | 国网上海市电力公司 | 一种变压器声信号降噪处理方法 |
| CN110553156B (zh) * | 2019-08-30 | 2020-09-25 | 清华大学 | 管道超声导波压缩感知健康监测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102651073A (zh) * | 2012-04-07 | 2012-08-29 | 西安电子科技大学 | 基于稀疏动态集成选择的sar图像地物分类方法 |
| CN102830409A (zh) * | 2012-08-30 | 2012-12-19 | 西安电子科技大学 | 一种基于压缩感知的导航信号采集方法 |
| CN103440502A (zh) * | 2013-09-06 | 2013-12-11 | 重庆大学 | 基于混合高斯稀疏表示的红外小目标检测方法 |
| CN104898094A (zh) * | 2015-06-16 | 2015-09-09 | 西安电子科技大学 | 压缩采样阵列的空频二维波束形成方法 |
| CN105743510A (zh) * | 2016-02-03 | 2016-07-06 | 南京邮电大学 | 一种基于稀疏字典无线传感器网络WSNs信号处理的方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8553994B2 (en) * | 2008-02-05 | 2013-10-08 | Futurewei Technologies, Inc. | Compressive sampling for multimedia coding |
| US7834795B1 (en) * | 2009-05-28 | 2010-11-16 | Bae Systems Information And Electronic Systems Integration Inc. | Compressive sensor array system and method |
| CN102207547B (zh) * | 2010-03-31 | 2012-11-14 | 中国科学院电子学研究所 | 一种适用于稀疏微波成像的随机噪声雷达的信号处理方法 |
| EP2424117A3 (en) * | 2010-08-24 | 2013-01-02 | Her Majesty the Queen in Right of Canada, as represented by the Minister of Industry, through The Communications Research Centre Canada | Sparse data compression |
| CN102523450B (zh) * | 2011-12-30 | 2014-01-08 | 清华大学 | 压缩采样方法及装置 |
| US9692619B2 (en) * | 2015-01-14 | 2017-06-27 | Huawei Technologies Co., Ltd. | Non-underdetermined estimation for compressed sensing |
-
2018
- 2018-04-26 CN CN201810386587.2A patent/CN108631786B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102651073A (zh) * | 2012-04-07 | 2012-08-29 | 西安电子科技大学 | 基于稀疏动态集成选择的sar图像地物分类方法 |
| CN102830409A (zh) * | 2012-08-30 | 2012-12-19 | 西安电子科技大学 | 一种基于压缩感知的导航信号采集方法 |
| CN103440502A (zh) * | 2013-09-06 | 2013-12-11 | 重庆大学 | 基于混合高斯稀疏表示的红外小目标检测方法 |
| CN104898094A (zh) * | 2015-06-16 | 2015-09-09 | 西安电子科技大学 | 压缩采样阵列的空频二维波束形成方法 |
| CN105743510A (zh) * | 2016-02-03 | 2016-07-06 | 南京邮电大学 | 一种基于稀疏字典无线传感器网络WSNs信号处理的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种基于压缩感知的新型声信号采集方法;余恺等;《仪器仪表学报》;20120115;第33卷(第1期);第108页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108631786A (zh) | 2018-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103595414B (zh) | 一种稀疏采样与信号压缩感知重构方法 | |
| Kanoun et al. | A real-time compressed sensing-based personal electrocardiogram monitoring system | |
| CN108631786B (zh) | 一种声信号随机稀疏压缩采样方法及装置 | |
| CN103237204B (zh) | 基于高维压缩感知的视频信号采集与重构系统 | |
| CN108158577B (zh) | 一种基于压缩感知的低功耗心电信号处理电路及其方法 | |
| CN107689795A (zh) | 一种基于实时压缩感知的多地区电力控制方法 | |
| CN103247028A (zh) | 一种多假设预测的分块压缩感知图像处理方法 | |
| CN105206277B (zh) | 基于单比特压缩感知的语音压缩方法 | |
| CN112134567A (zh) | 一种吸收光谱数据的自适应实时压缩方法与系统 | |
| CN102291152B (zh) | 基于奇异值分解的压缩感知含噪信号重构系统 | |
| CN103517079A (zh) | 基于数据驱动子空间集的压缩视频采集与重构系统 | |
| CN106851076B (zh) | 基于地址译码的压缩感知视频图像采集电路 | |
| Xiyuan et al. | A Review of FPGA‐Based Custom Computing Architecture for Convolutional Neural Network Inference | |
| CN106301384A (zh) | 一种基于分块压缩感知的信号重构方法 | |
| CN102547291B (zh) | 基于fpga的jpeg2000图像解码装置及方法 | |
| CN103391099A (zh) | 适用于一维缓变信号的随机采样器 | |
| WO2015100559A1 (zh) | 一种信号处理方法和装置 | |
| CN106788435B (zh) | 量化采样降噪方法 | |
| CN103036576A (zh) | 基于压缩传感理论的一种二值稀疏信号重构算法 | |
| CN104901704B (zh) | 具备时空相关特征的躯体传感网信号重构方法 | |
| CN109727219A (zh) | 一种基于图像稀疏表达的图像去噪方法及系统 | |
| CN103957365A (zh) | 用于实现预测编码图像压缩的cmos图像传感器结构 | |
| CN104243986A (zh) | 基于数据驱动张量子空间的压缩视频采集与重构系统 | |
| Yu et al. | Compressed sensing in audio signals and it's reconstruction algorithm | |
| CN104242946A (zh) | 一种光伏阵列状态监测网络信号重构方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |