[發明專利]基于KSVD算法的多聲道音頻處理方法

在審

• 申請號: 201710889728.8
• 申請日: 2017-09-27
• 公開（公告）號: CN107705795A
• 公開（公告）日: 2018-02-16
• 發明（設計）人: 劉昱;翟麗
• 申請（專利權）人: 天津大學
• 主分類號: G10L19/00
• 分類號: G10L19/00;G10L19/008
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 李素蘭

技術領域

本發明涉及壓縮感知技術、多聲道音頻處理技術等多種領域，特別是涉及一種基于KSVD算法的多聲道音頻處理方法。

背景技術

隨著信息時代進程的不斷推進，壓縮感知(Compressive Sensing，CS)理論于2006年正式被提出，為人們提供了一種處理信號的新思路。壓縮感知作為一個新的采樣理論，通過對信號稀疏特性的開發，使得能夠在遠小于Nyquist采樣率的情況下進行離散采樣，最終通過一系列非線性重建算法實現信號的完美重建。一經提出，引起了學術界和工業界的廣泛關注，在圖像處理、地球科學、微波成像、無線通信等多個領域中實現了廣泛的應用。

尋求信號的稀疏表示是壓縮感知原理的一個重要部分，也就是說，需要選取合適的稀疏基對原始信號進行降采樣處理。因此，近年來，如何找到最適合各類信號稀疏表示的方法引起了學術界廣泛的興趣。一系列常見的稀疏基如正弦基、小波基、Curvelet基、DCT基被先后提出。然而，由于常見稀疏基具有不能夠很好地適應各類信號的缺點，K-SVD字典算法應運而生。

在日常生活中，音頻信號作為一種常見的重要信號，引起了人們的廣泛關注。包含語音信號、音樂信號的諸多音頻信號，因其由多個諧音(例如正弦波)組成，具有良好的稀疏性(或者在頻域中具有可稀疏性)，因此是一種非常適用于用壓縮感知技術處理的信號。基于此，本發明提出了一種基于K-SVD算法的多聲道音頻處理方法。

發明內容

為了克服現有技術的不足，本發明提出了一種基于K-SVD算法的多聲道音頻處理方法，通過大量樣本進行字典訓練，得出性能較佳、更符合樣本特點的K-SVD字典，利用該字典對待檢測的信號進行降采樣處理，通過重構算法進行恢復后得出音頻信號處理結果。

本發明的一種基于壓縮感知的語音信號重構方法，該方法通過以下步驟實現：

步驟101，收集杜比數字5.1環繞聲音測試音頻，組成樣本數據集；對樣本數據集中的音頻信號進行篩選，將篩選得到的音頻信號截取成長度相同的音頻信號文件；

步驟102，設定初始字典D₀∈R^n×K，設字典為D_j，其中j表示字典的更新次數；R^n×K表示字典屬于一個n×K的向量空間，n和K分別表示字典的行數和列數；

步驟103，對樣本數據集中各樣本i進行稀疏編碼：即利用匹配算法計算每個音頻樣本y_i的表示向量x_i，求解方程為i＝1,2,…,n,||x_i||₀≤T₀，該方程旨在找到一個最多有T₀個非零項的信號，并且使得限制條件T₀最小；其中T₀是一個固定的預設數量的非零項；

步驟104，更新字典原子，每次更新一列d_k；

步驟105，更新該列的表達系數，每一個表達系數分別與字典中的一列相對應，隨著字典中的一列發生了改變，其對應的表達系數也會發生相應的變化，使其最大限度的減少均方誤差，均方誤差即為步驟103中)的值)，直到滿足收斂條件，收斂條件即為均方誤差最小，停止更新，得到訓練好的K-SVD字典；

步驟106，判斷是否滿足收斂條件？

步驟107，利用上述字典對需要處理的多音頻信號進行降采樣處理；

步驟108，將采樣后的數據通過CoSaMP算法進行恢復重構；

步驟109，獲得重構信號，即在已知y、Φ、D的情況下，通過CoSaMP算法求解公式y＝ΦDa中α的值，再通過計算D、α的值得到重構信號

與現有技術相比，本發明在保證準確率的基礎上一定程度上提高了重構的速度，實現了多聲道音頻信號的降采樣處理以及高概率重構；實現了降低多聲道音頻存儲空間的功能；具有簡單、高效的特點。

附圖說明

圖1為本發明的一種基于K-SVD算法多聲道音頻處理方法的整體流程示意圖。

具體實施方式

下面將結合附圖對本發明的實施方式作進一步的詳細描述。

本發明的整體思路是采用基于K-SVD字典算法的方法，。

如圖1所示，本發明基于KSVD算法的多聲道音頻處理方法的整體流程包括以下步驟：