字典學(xué)習(xí)算法研究及其在語音增強中的應(yīng)用.pdf

1、稀疏表示的關(guān)鍵是構(gòu)造一個有效的字典，使得訓(xùn)練樣本（信號）在字典上的表示是稀疏的。常用的方法是解析法，該方法將字典中的原子用預(yù)定義的某種數(shù)學(xué)變換表示，如小波變換（WT）、離散余弦變換（DCT）等。然而，這種方法需要依賴大量的專業(yè)知識，同時得到的字典的結(jié)構(gòu)相對簡單、形態(tài)不夠豐富。因此，我們希望可以從大規(guī)模的訓(xùn)練樣本中自動學(xué)習(xí)得到與之相適應(yīng)的字典，使得樣本的表示更加稀疏。
　　字典學(xué)習(xí)正是解決這一問題的工具。字典學(xué)習(xí)算法能根據(jù)已知的訓(xùn)練

2、樣本，通過迭代的方式提取出訓(xùn)練樣本的特征（原子）。本文將對現(xiàn)有的字典學(xué)習(xí)算法進行系統(tǒng)的總結(jié)分析，提出自己的字典學(xué)習(xí)算法，并將該算法應(yīng)用到語音增強的場景中，具體如下。
　　一、字典學(xué)習(xí)算法的理論及性能差異分析。在這一部分中，本文系統(tǒng)地介紹了現(xiàn)有的字典學(xué)習(xí)算法，并從更新思路、更新方式和約束項三個角度分析字典更新階段的差異對算法性能的影響。本文選取恢復(fù)已知字典和稀疏逼近AR(1)信號兩個實驗作為算法的評價指標(biāo)，通過對實驗結(jié)果的分析，文章

3、提出了一些改進字典學(xué)習(xí)算法的參考建議。
　　二、受限一步字典學(xué)習(xí)（Bounded One-Stage Dictionary Learning,BOS-DL）的算法提出。在這一部分中，本文提出了一種新的字典學(xué)習(xí)算法。該算法向字典添加了L2范數(shù)的約束，解決了單步字典學(xué)習(xí)（One-Stage Dictionary Learning,OS-DL）算法的過沖問題（overshooting problem）。實驗結(jié)果表明，新提出的算法較之OS