语音信号稀疏分解的FOA实现.pdfVIP

232 2013 ，49 （10） Computer Engineering and Applications 计算机工程与应用 语音信号稀疏分解的FOA 实现 肖正安 XIAO Zheng ’an 湖北第二师范学院 物电学院，武汉 430205 Department of Physics and Electronic Information, Hubei University of Education, Wuhan 430205, China XIAO Zheng ’an. Speech signal sparse decomposition with FOA. Computer Engineering and Applications, 2013, 49 （10）： 232-234. Abstract ：Sparse representation of signals has many important applications in signal processing, but the computational burden in signal sparse decomposition process is so huge that it ’s almost impossible to apply it to industrialization. In this paper, Fruit fly optimization algorithm is implemented to fast search for optimal atom at each step of Matching Pursuit （MP ）, and the speed of signal sparse decomposition is improved. The validity of this algorithm is proved by experimental results. Key words ：speech signal; sparse decomposition; Matching Pursuit（MP ）; Fruit Fly Optimization Algorithm（FOA ） 摘 要：信号的稀疏表示在信号处理的许多方面有着重要的应用，但稀疏分解计算量十分巨大，难以产业化应用。利用果 蝇优化算法实现快速寻找匹配追踪（MP ）过程每一步的最优原子，大大提高了语音信号稀疏分解的速度，算法的有效性为 实验结果所证实。 关键词：语音信号；稀疏分解；匹配追踪；果蝇优化算法 文献标志码：A 中图分类号：TN911.23 doi ：10.3778/j.issn. 1002-8331.1110-0216 Mallat 和Zhang 总结前人研究成果，于1993年提出了信 但这些算法却很少应用在语音信号的稀疏分解上，主要是 [1] 号在过完备库（over-complete dictionary ）上分解的思想 。 由于这些算法不总是收敛到全局最优，且迭代次数多，收 通过信号在过完备库上的分解，用来表示信号的基可以自 [8] 敛数度慢。果蝇优化算法 也是模拟生物群体模型（果蝇） 适应地根据信号本身的特点灵活选取。分解的结果，将可 的群体智能优化算法，基于果蝇本身在感官知觉上优于其 以得到信号的一个非常简洁的表达，即稀疏表示（Sparse 他物种，利用其觅食行为推演出寻求全局优化的新方法。 representation ）。而得到信号稀疏表示的过程称为信号的 相对于粒子群等算法更简单、更容易实现，需调整参数少， 稀疏分解（Sparse decomposition）。作为一种新的信号处 实验证明其收敛到全局最优的能力更强。将果蝇优化算 理理论，稀疏分解一出现就引起极大的关注。其在信号处 法用于稀疏分解最优原子有哪些信誉好的足球投注网站，可以加快有哪些信誉好的足球投注网站速度，减少 理的各个领域的研究在短时间内