[發明專利]一種基于低一致性詞典和稀疏表示的音頻修復方法和系統

在審

• 申請號: 201611127253.0
• 申請日: 2016-12-09
• 公開（公告）號: CN107039042A
• 公開（公告）日: 2017-08-11
• 發明（設計）人: 漆進;秦金澤;王君地
• 申請（專利權）人: 電子科技大學
• 主分類號: G10L19/008
• 分類號: G10L19/008;G10L19/107
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種采用低一致性字典訓練和正交匹配稀疏編碼的音頻修復技術，其特征在于，包括：

步驟(1)分幀、加窗：使用窗函數對待修復的音頻信號進行分割成幀，從前到后對幀進行編號；

步驟(2)掩碼處理：用掩碼矩陣與原始音頻相乘，把原始音頻分成可靠音頻和受損音頻兩部分，對受損部分幀序列獨立進行修復；

步驟(3)構造低一致性過完備字典：將(2)中的可靠音頻部分作為訓練集，在訓練數據集上，先用基于奇異值分解的詞典學習方法對原始音頻進行訓練得到一個自適應字典；

步驟(4)字典原子解耦合：計算(3)中字典的Gram矩陣，矩陣中非對角線元素是字典中任意兩個原子的相關性；然后將相關性值與給定的閾值進行比較，并對大于閾值的兩個原子進行標記聚類，經過原子劃分之后，大于閾值的原子已經兩兩聚類，然后利用并行算法，對聚類的原子兩兩解耦合，得到具有低一致性的自適應字典；

步驟(5)正交匹配稀疏分解：結合(4)中訓練后的低一致性過完備字典，使用正交匹配算法，對可靠部分音頻進行稀疏表示，得到稀疏分解系數；

步驟(6)信號的合成：通過稀疏重構將受損部分幀進行補全和修復，得到受損音頻的估計值，將其和可靠音頻的幀進行重疊相加，得到最終修復的音頻。

2.如權利要求1所述的采用INK-SVD字典訓練OMP算法求解的音頻修復技術，其所述步驟(1)使用的窗函數為矩形窗，分的幀長為N＝256；采用的分幀方式為重疊分幀，幀移為100。

3.如權利要求1所述的采用INK-SVD字典訓練OMP算法求解的音頻修復技術，其所述步驟(2)中可靠信號y^r是通過下面線性模型得到

y^r＝M^rs

其中，掩碼矩陣它是從L×L的單元矩陣I_L中選取與s的可靠部分對應的I^r行得到的，矩陣中元素只有0和1，掩碼矩陣與信號s相乘后，可以將可靠部分音頻提取出來；記號|I^r|指的是I^r中元素的數目；同理，要恢復的丟失部分系數是s(I^m)＝M^ms，其中由I_L中抽取的行I^m構成。

4.如權利要求1所述的采用INK-SVD字典訓練OMP算法求解的音頻修復技術，其所述步驟(3)K-SVD算法的迭代過程分為稀疏表示和字典更新兩個階段，將(2)中的可靠音頻部分y^r作為訓練集，在訓練數據集上，用K-SVD方法對原始音頻s進行訓練得到一個自適應字典D；字典大小為3N，訓練字典的迭代次數為20次，字典訓練稀疏度為3。

5.如權利要求1所述的采用INK-SVD字典訓練OMP算法求解的音頻修復技術，其所述步驟(4)中字典相關性閾值設為0.6，原子的劃分采用貪婪的方式，先從整個字典開始，將相關性大于閾值的原子進行聚類，然后利用并行算法，通過向量正余弦夾角之間的變化對聚類的原子兩兩解耦合，每次解耦合之后，都要更新原子間的相關性，然后再進行下次選取和解耦合；直到剩下的原子對之間的相關性都不高于閾值，最終得到原子間相關性較低且符合音頻結構的自適應字典

6.如權利要求1所述的采用低一致性字典訓練和正交匹配稀疏編碼的音頻修復技術，其所述步驟(5)中結合(4)中訓練后的低一致性過完備字典使用正交匹配算法，對可靠部分音頻y^r進行稀疏表示，得到稀疏分解系數；在正交匹配算法的每次迭代中，主要有兩個步驟：(a)原子的選取：從字典中選取與誤差最相關的原子，對所選的原子進行正交化處理，并添加到集合中；(b)更新誤差：選取原子后，重新計算誤差，然后繼續下次迭代，最終求出信號的稀疏系數。

7.如權利要求1所述的采用低一致性字典訓練和正交匹配稀疏編碼的音頻修復技術，其所述步驟(6)中用掩碼矩陣M^m從恢復的音頻中提取原來丟失位置的片段：

將恢復的音頻片段與原始完好的音頻相疊加，最終得到修復后的完整音頻信號。