本文首先阐述了压缩感知(CS)的理论框架,然后分析了语音信号的特点——短时平稳性、离散余弦(DCT)基下的稀疏性,最后提出了基于CS理论的分布式语音压缩重构的框架。基于此框架采用基追踪(BP)和正交匹配追踪(OMP)算法对已压缩的语音信号进行重构,得出结论：每帧语音信号选取的帧长的大小,基于CS理论压缩得到的观测数的多少,都对重构性能有影响。

第2 6卷

第 6期

信号处理S GNAL P I ROC S NG ES I

V0 . 6. N . 12 o6

21 O O年 6月

Jn 2 1 u .0 0

基于压缩感知的分布式语音压缩与重构孙林慧杨震(南京邮电大学通信与信息工程学院，江苏南京 20 0 ) 10 3

摘

要：本文首先阐述了压缩感知 ( s的理论框架， c)然后分析了语音信号的特点——短时平稳性、离散余弦 ( C ) D T

基下的稀疏性，最后提出了基于 c s理论的分布式语音压缩重构的框架。基于此框架采用基追踪 ( P和正交匹配追踪 B) ( MP O )算法对已压缩的语音信号进行重构，得出结论：每帧语音信号选取的帧长的大小，基于 c s理论压缩得到的观测数

的多少，都对重构性能有影响。 关键词：压缩感知；分布式语音压缩与重构；短时平稳性；稀疏性；基追踪；正交匹配追踪中图分类号：T 9 2 3 N 1 .文献标识码：A 文章编号：10— 50 2 1 )6 0 2— 6 0 3 0 3 (0 0 0— 84 0

Ditiu e e c m p e so n c n tu t n s r t d Sp e h Co r s in a d Re o s r c i b oBa e n Co p e s d Se s g Th o y s d o m r s e n i e r nS UN i— u YANG h n Lnh i Z e

( o eeo o m n ai n fr a o nier g aj gU i ri f C l g f m u i t nadI om t nE g e n,N ni n esyo l C c o n i n i n v t P s n e cm u iaos N nig 10 3 hn ) ot a dT l o m nct n, aj 00,C ia s e i n2

Ab ta t s rc:

I h sp p r h S f me o k i ito u e rt n t i a e,t e C a w r s n rd c dfs l r i y,a d te h h r- r s b ly o e h sg . n d t es a s n n t e s o tt m t it fs c in]a p ri h e a i e p h￣

i h ic ee c sn a so a i o e c i n lfe a ay e .S c n l,an w d s b t ds e c i a o rs in a d r c n t c n t e d s r t o i e t n f

r b ss f p e h sg a r l z d e o d y e it u e e h sg lc mp e s n e o s u - r m s i n i r p n o r

t nf e okbsdo o pesdsnigter r oe.V ab i p r i B )ado hgn acigp r t O P,ti i a w r ae ncm r e es oyi po sd i a s us t( P n￣ ooa m t n us ( M ) i s o r m s n h s p s u l h i u d mo s ae a e p r r n e o c n tu t n i c reae t e n mb ro a u e ns a d t e ln t f rme . e n t td t tt f ma c fr o s ci s o r ltd wi I h u e fme r me t n h e gh o a s r h h e o e r o It s f

Ke rs: c mp esd sn ig o rsina drc ntu t no it b tds ec y wod o rse e sn;cmpeso n e o srci fds ue p eh;sottr sa it;s ast;b ssp r o i r h r em tb ly p ri— i y ai u -s i;ot o o a th n u ut u t r g n ma c i g p r i h l s

1引言 传统系统获取数据基于 N q i采样定理， yu t s首先进行高速采样，然后再压缩，这~过程浪费了大量的采样资源。20 04年由 D nh与 C n e等人提出的压缩感 o oo ads知” ( o pesdSnigc ) C m r e e s,s理论表明，以在不丢 s n可

用。直接信息采样特性使得 c s理论具有巨大的吸引力和应用前景，应用研究已经涉及到众多领域，:如C S雷达、D S Dsiu dC m r sd Snig理论、 C ( ir t o pe e e s ) tb e s n

无线传感网络、图像采集设备的开发、医学图像处理、 生物传感、A a gt I r a o、光谱分析、超谱图 nl 2o nf m t n o 2 o i像处理及遥感图像处理等。 由于语音信号在频域具有稀疏性，以可以将 C 所 S与语音信号相结合来探求语音信号处理领域的各种新方法。传统的语音信号处理都基于 N qi采样定理， yu t s 采样频率至少 8 H,

至更多。而在具体的语音信号 k z甚处理过程还需进一步压缩，例如：行语音识别首先进进

失逼近原信号所需信息的情况下，用最少的观测数来采样信号，实现信号的降维处理，即直接对信号进行较

少采样得到信号的压缩表示，而在节约采样和传输从成本的情况下，达到了在采样的同时进行压缩的目的。

当信号具有稀疏性或可压缩性时，过采集少量的信通

号投影值就可实现信号的准确或近似重构。C s理论的提出是建立在已有的盲源分离和稀疏分解理论基础上的，疏分解中的具体算法已直接被 C稀 S重构所收稿日期：2 0 09年 7月 3日；修回日期：2 0 0 09年 1 2月 1 0日

行高速采样然后再提取少量的特征参数，后进行识最别，了很多采样和存储资源。如何对语音信号重浪费新建模以获得更少的采样但又不影响语音的质量，是

基金项目：国家 83课题 (0 6 A 112;国家自然科学基金 (0 7 19 0 00 5;南京邮电大学‘ 6 20 A 0 0 0 ) 69 12,69 2 6 )青蓝计划’基金资助 ( Y 0 0 8 N 283 )