高 暢，孫 杰

(燕山大學(xué) 信息科學(xué)與工程學(xué)院，河北 秦皇島 066004)

通過(guò)字典對(duì)信號(hào)進(jìn)行稀疏表示，可以獲取信號(hào)的簡(jiǎn)潔表示，有利于信號(hào)的后續(xù)處理，并降低信號(hào)處理的成本，這已成為信號(hào)處理領(lǐng)域重要的方法[1]，特別是在音頻信號(hào)處理領(lǐng)域中已經(jīng)有很廣泛的應(yīng)用，例如音頻信號(hào)的壓縮[2]、去噪[3]和分類[4-5]等.

音頻數(shù)據(jù)采集場(chǎng)景(包括話者、話者情感以及話者所處環(huán)境、狀態(tài)等)的不同會(huì)造成數(shù)據(jù)分布有很大不同[6-8]，從而對(duì)基于字典的音頻信號(hào)稀疏表示的泛化能力造成較大影響.例如，由疾病引起的聲音變異與正常聲音信號(hào)的數(shù)據(jù)分布差別很大，在基于稀疏表示的處理方法中，通過(guò)正常聲音信號(hào)得到的字典難以得到有效的稀疏表示結(jié)果，從而對(duì)后續(xù)的處理造成影響.因此，研究具有可遷移性以及具有更好效果和更高效率的稀疏表示字典對(duì)提升音頻信號(hào)的稀疏表示性能具有重要意義.

最簡(jiǎn)單和直接的字典獲取方式是通過(guò)預(yù)先定義的符合某類信號(hào)特性的1組過(guò)完備的基函數(shù)構(gòu)成字典，如Gabor[9]和離散余弦變換(Discrete Cosine Transform， DCT)字典.此外,也可以將若干已存在的變換矩陣連接在一起，構(gòu)成聯(lián)合字典，也稱為結(jié)構(gòu)字典，如傅里葉變換和離散余弦變換等正交變換矩陣.這種字典的構(gòu)造方法中，基函數(shù)的形式及參數(shù)是事先確定的.然而，信號(hào)的多變性使基函數(shù)無(wú)法與信號(hào)特性完全匹配時(shí)，基于這種字典的稀疏表示存在表示系數(shù)稀疏度高的問(wèn)題.

為了使字典中的原子具有更好地表示信號(hào)特性的能力，可以通過(guò)從大量原始信號(hào)構(gòu)成的訓(xùn)練數(shù)據(jù)中學(xué)習(xí)用來(lái)表示信號(hào)特性的原子，這種基于學(xué)習(xí)的方法得到的字典更符合信號(hào)固有的特性，信號(hào)的稀疏系數(shù)具有更低的稀疏度，如最優(yōu)方向法(Method of Optimal Direction, MOD)[10]和KSVD(K-means Singular Value Decomposition)[11]法.這種方法學(xué)習(xí)的字典泛化能力較差，即當(dāng)音頻數(shù)據(jù)的采集場(chǎng)景發(fā)生變化時(shí)，需要重新學(xué)習(xí)字典，嚴(yán)重影響了實(shí)際應(yīng)用.

本文提出可遷移的稀疏表示字典(Tansferable Sparse Representation Dictionary， TSRD)的學(xué)習(xí)方法，利用經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition， EMD)[12]得到的本征模態(tài)函數(shù)(Intrinsic Mode Function， IMF)，與原始音頻信號(hào)聯(lián)合進(jìn)行字典學(xué)習(xí).由EMD分解得到的IMF，它本質(zhì)上是1種信號(hào)內(nèi)部固有的震蕩模式，是信號(hào)最本質(zhì)的特征[12]，因此，學(xué)習(xí)到的TSRD可以實(shí)現(xiàn)稀疏表示的遷移；同時(shí)，IMF具有高效性、完備性、自適應(yīng)性和近似正交性[12]，從而使TSRD稀疏表示的效率更高，效果更好.

1 可遷移的稀疏表示字典學(xué)習(xí)方法

信號(hào)的稀疏表示就是對(duì)如下問(wèn)題進(jìn)行求解：

(1)

(2)

式中： ‖·‖0為l0范數(shù)，表示向量中非零值的個(gè)數(shù)；x為原始信號(hào)；D為稀疏表示字典；α為稀疏表示系數(shù)；ε為誤差項(xiàng).字典學(xué)習(xí)的目的是找到1個(gè)字典，基于這個(gè)字典可以通過(guò)求解式(1)和式(2)所示的問(wèn)題對(duì)信號(hào)進(jìn)行稀疏表示.

本文提出TSRD學(xué)習(xí)方法，首先，對(duì)信號(hào)進(jìn)行分幀；然后，基于EMD方法對(duì)各幀進(jìn)行分解，將分解得到的成分作為每幀信號(hào)的本質(zhì)特征；對(duì)所有本質(zhì)特征進(jìn)行聚類，得到初始字典；在字典學(xué)習(xí)階段，提出基于信號(hào)本質(zhì)特征與原始音頻信號(hào)的字典聯(lián)合學(xué)習(xí)方法，由信號(hào)的本質(zhì)特征學(xué)習(xí)得到的字典具有可遷移性，在此基礎(chǔ)上，通過(guò)利用音頻信號(hào)進(jìn)一步對(duì)字典進(jìn)行優(yōu)化，提高TSRD的稀疏表示效果和效率.

1.1 基于EMD的信號(hào)本質(zhì)特征的提取方法

音頻信號(hào)本質(zhì)上是由很多個(gè)不同的正弦波復(fù)合而成的，因此，這些正弦波可以被認(rèn)為是音頻信號(hào)的本質(zhì)特征.然而，重構(gòu)信號(hào)所需的正弦波往往數(shù)量十分巨大，實(shí)際應(yīng)用中很難處理.本文提出基于EMD的音頻信號(hào)本質(zhì)特征的提取方法.EMD可以將信號(hào)分解成少量的IMF和余量信號(hào)的線性組合，如

(3)

式中：x(t)表示信號(hào)；S表示分解得到的IMF分量的個(gè)數(shù)；rS(t)為余量成分.

EMD提取IMF的過(guò)程是1個(gè)篩選的過(guò)程，具體流程如下所述.

1) 分別用光滑的3次樣條函數(shù)連接信號(hào)x(t)的所有極大值點(diǎn)組成上包絡(luò)xup(t)，連接所有極小值點(diǎn)組成下包絡(luò)xlow(t)；

2) 計(jì)算差值d(t)，即

d(t)=x(t)-(xup(t)+xlow(t))/2；

(4)

3) 重復(fù)執(zhí)行步驟1)和2)，直到滿足初始設(shè)置的停止條件，即當(dāng)前差值的過(guò)零值與極值相等或最多差1的情況連續(xù)出現(xiàn)指定的次數(shù)(本文中設(shè)為6)，此時(shí)記d(t)為第1個(gè)IMF，記為c1(t)，計(jì)算殘差量r1(t)，即

r1(t)=x(t)-c1(t)；

(5)

4) 將r1(t)視為新的初始信號(hào)x(t)，繼續(xù)執(zhí)行上面的篩選過(guò)程，直到所提取的IMF分量或殘差分量絕對(duì)值的積分值太小.

1.2 基于聚類的初始字典構(gòu)造方法

為了使字典的原子之間具有更低的相干度，提升字典的稀疏表示性能，同時(shí)使字典學(xué)習(xí)過(guò)程可以更快地收斂，本文提出基于聚類的初始字典構(gòu)造方法，通過(guò)c均值聚類方法對(duì)各幀本質(zhì)特征組成的訓(xùn)練集(EF=(ef1,ef2,…,efP)，其中P為訓(xùn)練集中本質(zhì)特征的數(shù)量)進(jìn)行聚類，從而形成初始字典.

首先，計(jì)算訓(xùn)練集中所有本質(zhì)特征之間的相干度：

(6)

再次，假設(shè)學(xué)習(xí)字典的規(guī)模為D∈N×M，則將平均相干度最小的M個(gè)ef作為初始聚類中心，如果其中任意兩個(gè)ef的相干度高于它們各自的平均相干度，則用剩余的ef中平均相干度最小的ef，代替其中平均相干度較大的ef，直到這些字典中原子之間的相干度都低于它們各自的平均相干度，或沒(méi)有ef可供替換；

最后，以這些原子作為初始聚類中心，對(duì)所有ef進(jìn)行聚類，將相干度作為相似性準(zhǔn)則，最近鄰準(zhǔn)則為聚類準(zhǔn)則.

將最終的聚類中心作為初始字典的原子，完成字典的初始化.

1.3 基于信號(hào)本質(zhì)特征與原始信號(hào)的字典聯(lián)合學(xué)習(xí)方法

在TSRD的學(xué)習(xí)過(guò)程中，本文提出1種字典聯(lián)合學(xué)習(xí)方法，分為字典學(xué)習(xí)和字典優(yōu)化兩個(gè)階段.在字典學(xué)習(xí)階段，以信號(hào)的本質(zhì)特征為訓(xùn)練集，學(xué)習(xí)對(duì)本質(zhì)特征進(jìn)行稀疏表示的字典，使字典具有可遷移性.在字典優(yōu)化階段，以原始音頻信號(hào)為訓(xùn)練集，對(duì)字典進(jìn)一步優(yōu)化，使其更加適合對(duì)音頻信號(hào)進(jìn)行稀疏表示，從而提升TSRD字典的稀疏表示性能.

1.3.1 TSRD的字典學(xué)習(xí)

TSRD的字典學(xué)習(xí)是1個(gè)由稀疏表示與字典更新兩個(gè)階段組成的迭代過(guò)程，在稀疏表示階段，字典保持固定，使用LASSO(Least Absolute Shrinkage and Selection Operator)算法對(duì)信號(hào)進(jìn)行稀疏表示；在字典更新階段，稀疏表示系數(shù)不變，通過(guò)奇異值分解(Singular Value Decomposition， SVD)方法對(duì)字典進(jìn)行更新.

1) 基于LASSO的稀疏表示方法

通過(guò)求解式(1)和式(2)所示的問(wèn)題對(duì)訓(xùn)練集中的信號(hào)進(jìn)行稀疏表示，而求解l0范數(shù)是1個(gè)NP難問(wèn)題，本文通過(guò)LASSO算法，用l1范數(shù)代替l0范數(shù)，即絕對(duì)值之和小于某個(gè)常數(shù)的約束條件下，使殘差平方和最小化，從而使信號(hào)的稀疏表示系數(shù)中絕大多數(shù)系數(shù)嚴(yán)格等于0.

LASSO算法主要是對(duì)問(wèn)題

(7)

進(jìn)行求解，其中：u是稀疏表示的可行解；u*是使式(7)最小的u，即最終的稀疏表示系數(shù)；DEF表示以信號(hào)本質(zhì)特征為訓(xùn)練集學(xué)習(xí)到的字典.

LASSO算法使式(1)和式(2)的求解問(wèn)題變成1個(gè)凸問(wèn)題，從而可以在全局優(yōu)化的基礎(chǔ)上對(duì)信號(hào)進(jìn)行稀疏表示，因此，這種方法得到的稀疏表示系數(shù)具有更高的重構(gòu)精度.

由于篇幅所限，LASSO算法具體執(zhí)行過(guò)程請(qǐng)參考文獻(xiàn)[13].

2) 基于SVD的字典的更新方法

通過(guò)對(duì)字典的更新，使其對(duì)訓(xùn)練集內(nèi)的信號(hào)既要有盡量小的重構(gòu)誤差，又要保證稀疏表示的稀疏度滿足約束條件.因此，本文基于SVD的方法對(duì)原始信號(hào)與重構(gòu)信號(hào)之間的誤差進(jìn)行分解，從而實(shí)現(xiàn)對(duì)字典中的原子進(jìn)行更新.

在SVD方法中，對(duì)重構(gòu)誤差的計(jì)算如下所示：

(8)

(9)

最后需要對(duì)字典中的每個(gè)原子進(jìn)行歸一化，以防止由于原子被選中的原因使幅值過(guò)大，從而使該原子與當(dāng)前信號(hào)的內(nèi)積最大，而不是與當(dāng)前信號(hào)最相關(guān).

1.3.2 TSRD字典優(yōu)化

為了在保留TSRD可遷移性的同時(shí)，使其更加適用于音頻信號(hào)的稀疏表示，并進(jìn)一步提升TSRD稀疏表示的效果和效率，本文提出在基于信號(hào)本質(zhì)特征學(xué)習(xí)到的字典的基礎(chǔ)上，通過(guò)原始音頻信號(hào)構(gòu)成的訓(xùn)練集，對(duì)TSRD進(jìn)行優(yōu)化，進(jìn)一步提升字典的稀疏表示性能.

與信號(hào)一樣，字典中的原子也可以通過(guò)1個(gè)基字典進(jìn)行稀疏表示[14]，即

D=ΦA(chǔ)，

(10)

式中：D為稀疏表示字典；Φ為基字典；A為D中原子在Φ上的稀疏表示.本文把通過(guò)信號(hào)本質(zhì)特征學(xué)習(xí)到的字典DEF作為基字典，即Φ=DEF.為了保留DEF的可遷移性，可以只對(duì)A進(jìn)行調(diào)整，增強(qiáng)其自適應(yīng)性，從而對(duì)字典D進(jìn)行優(yōu)化，使其更加適用于音頻信號(hào)，如下所示：

(11)

式中：X為原始音頻信號(hào)構(gòu)成的訓(xùn)練集；Z為X在字典D上的稀疏表示；t為信號(hào)稀疏度；p為稀疏表示字典中原子的稀疏度.

字典優(yōu)化同樣也是由稀疏表示和字典更新兩個(gè)階段組成的迭代過(guò)程，其中稀疏表示與字典學(xué)習(xí)一樣采用基于LASSO的方法，區(qū)別在于這里是對(duì)原始音頻信號(hào)組成的訓(xùn)練集進(jìn)行稀疏表示，而字典更新階段是通過(guò)對(duì)A的更新來(lái)實(shí)現(xiàn)字典中原子的更新，優(yōu)化算法的具體過(guò)程如下所述.

Algorithm1 TSRD優(yōu)化算法Input: 訓(xùn)練集X,字典DEF,原子稀疏度p,信號(hào)稀疏度t,循環(huán)迭代次數(shù)K;Output: 稀疏表示字典D;1: Φ=DEF;2: 初始化稀疏表示稀疏矩陣A;3: for k=1 to K do4: 計(jì)算訓(xùn)練集X中各幀的稀疏表示系數(shù): yi=arg miny‖xi-ΦA(chǔ)y‖22 s.t. ‖y‖00≤t,1≤i≤P;5: for j=1 to M do6: aj=0;7: 對(duì)X稀疏表示時(shí)用到了A中第j列的信號(hào)幀的下標(biāo)構(gòu)成集合I;8: g=YTj,I,其中Yj,I表示稀疏表示系數(shù)矩陣Y的第j行;9: 對(duì)g歸一化: g=g/‖g‖2;10: 計(jì)算殘差: e=XIg-ΦA(chǔ)YIg;11: 令a=argmina‖e-Φa‖ s.t. ‖a‖00≤p;12: 對(duì)a歸一化: a=a/‖Φa‖2;13: 更新aj: aj=a;14: 更新稀疏表示系數(shù): Yj,I=(XTIΦa-(ΦA(chǔ)YI)TΦa)T;15: end for16: end for17: return D=ΦA(chǔ).

2 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證TSRD的性能，本文從字典的可遷移性能、稀疏表示效果以及稀疏表示效率3個(gè)方面進(jìn)行實(shí)驗(yàn)，并與通過(guò)基于K-SVD和ODL(Online Dictionary Learning)字典學(xué)習(xí)方法構(gòu)建的字典在性能上進(jìn)行比較.為了方便比較，各種方法在字典學(xué)習(xí)中和對(duì)信號(hào)進(jìn)行稀疏表示時(shí)，稀疏度約束設(shè)為Round(M/50)，其中M為字典中原子的個(gè)數(shù).實(shí)驗(yàn)中，訓(xùn)練了原子數(shù)分別為512，768和1024的字典，稀疏度分別為11，16和21，并使用正交匹配追蹤(Orthogonal Matching Pursuit， OMP)算法對(duì)信號(hào)進(jìn)行稀疏表示.

2.1 實(shí)驗(yàn)數(shù)據(jù)描述

實(shí)驗(yàn)中使用的語(yǔ)料主要來(lái)自兩個(gè)數(shù)據(jù)集： 哈爾濱工業(yè)大學(xué)語(yǔ)音處理實(shí)驗(yàn)室錄制的DisEC(Discrete Emotional Corpus)情感語(yǔ)料庫(kù)和CCTV新聞聯(lián)播語(yǔ)料庫(kù).音頻文件的格式均為wav，采樣頻率為16kHz，16bit量化，每幀256個(gè)采樣點(diǎn)，幀間交疊為128個(gè)采樣點(diǎn).

DisEC情感語(yǔ)料庫(kù)是1個(gè)采集自兩位專業(yè)話者的公開(kāi)的中等規(guī)模的表演型語(yǔ)料庫(kù)，包括高興、悲傷、憤怒和驚訝4種情感類型，共1256條語(yǔ)句，其中男性話者636句，女性話者620句.CCTV新聞聯(lián)播語(yǔ)料庫(kù)采集自不同時(shí)間的100個(gè)完整的新聞聯(lián)播，包括4位播音員的語(yǔ)料大約30000句左右.兩個(gè)語(yǔ)料庫(kù)之間話者不同(而且語(yǔ)料庫(kù)內(nèi)部也存在不同的話者)、話者情感不同(前者中的語(yǔ)料富有更多的感情，而后者中的語(yǔ)料主要以中性情感為主)以及話者所處環(huán)境不同(前者的話者處于正常辦公室環(huán)境，后者的話者處于安靜的播音室環(huán)境)，兩個(gè)語(yǔ)料庫(kù)屬于典型的采集場(chǎng)景不同而導(dǎo)致數(shù)據(jù)分布不同的情況.

2.2 TSRD遷移性能的評(píng)價(jià)

為了驗(yàn)證本文提出的TSRD的遷移性能，實(shí)驗(yàn)中分別對(duì)不同話者之間和不同數(shù)據(jù)集之間TSRD稀疏表示效果進(jìn)行評(píng)估，其中： 不同話者之間遷移性能評(píng)價(jià)在CCTV新聞聯(lián)播語(yǔ)料庫(kù)上進(jìn)行；不同數(shù)據(jù)集之間遷移性能評(píng)價(jià)主要在DisEC情感語(yǔ)料庫(kù)和CCTV新聞聯(lián)播語(yǔ)料庫(kù)上進(jìn)行.

在不同話者之間遷移性能的評(píng)價(jià)實(shí)驗(yàn)中，我們從CCTV新聞聯(lián)播語(yǔ)料庫(kù)中每次選取1名不同話者的大約50句左右的語(yǔ)料，構(gòu)成20000幀的訓(xùn)練集進(jìn)行字典的學(xué)習(xí)，其中M=1024，學(xué)習(xí)迭代次數(shù)為100.分別從4位話者的語(yǔ)料中隨機(jī)選取20條語(yǔ)料，構(gòu)成含有5000幀的測(cè)試集，對(duì)測(cè)試集中的音頻幀進(jìn)行稀疏表示并重構(gòu)，計(jì)算原始信號(hào)與重構(gòu)信號(hào)之間的信噪比λSNR，即

(12)

式中：x為原始信號(hào)；y為重構(gòu)信號(hào).

對(duì)訓(xùn)練集和測(cè)試集為相同話者的原始信號(hào)與重構(gòu)信號(hào)的平均信噪比與訓(xùn)練集和測(cè)試集為不同話者的原始信號(hào)與重構(gòu)信號(hào)的平均信噪比之間的差別程度進(jìn)行比較，對(duì)不同方法學(xué)習(xí)到的字典的遷移性能進(jìn)行評(píng)價(jià)，結(jié)果如圖1所示.

圖1 不同話者間字典的遷移性能比較Fig.1 Comparison of the transfer performance of dictionaries between different speakers

從圖1可以看出，基于TSRD對(duì)信號(hào)進(jìn)行稀疏表示并重構(gòu)，訓(xùn)練集和測(cè)試集為不同話者時(shí)，原始信號(hào)與重構(gòu)信號(hào)的信噪比與話者相同時(shí)的信噪比相比較，約有0.5dB左右的下降，而基于K-SVD和ODL字典時(shí)，信噪比約有2.8dB和3.2dB左右的下降.TSRD學(xué)習(xí)過(guò)程中用到了信號(hào)的本質(zhì)特征，它的提取是自適應(yīng)的，反映的是信號(hào)內(nèi)部固有的震蕩模式，與話者無(wú)關(guān)，因此，TSRD具有更好的可遷移性.

本文還對(duì)TSRD跨數(shù)據(jù)集稀疏表示的遷移效果進(jìn)行了評(píng)價(jià).實(shí)驗(yàn)中，從DisEC語(yǔ)料庫(kù)和CCTV新聞聯(lián)播語(yǔ)料庫(kù)各隨機(jī)選取60句語(yǔ)料，分別構(gòu)成20000幀的訓(xùn)練集進(jìn)行字典學(xué)習(xí)，其中M=1024，學(xué)習(xí)迭代次數(shù)為100.同時(shí)，各隨機(jī)選取25句語(yǔ)料，分別構(gòu)成5000幀的測(cè)試集.同樣通過(guò)對(duì)原始信號(hào)和重構(gòu)信號(hào)的信噪比的差別程度進(jìn)行比較來(lái)評(píng)價(jià)不同字典學(xué)習(xí)方法跨數(shù)據(jù)集的可遷移性能，結(jié)果如圖2所示.

圖2 不同數(shù)據(jù)集間字典的遷移性能比較Fig.2 Comparison of the transfer performance of dictionaries between different datasets

從圖2可以看出，基于TSRD對(duì)信號(hào)進(jìn)行稀疏表示并重構(gòu)，訓(xùn)練集和測(cè)試集為不同數(shù)據(jù)集時(shí)，原始信號(hào)與重構(gòu)信號(hào)的信噪比與訓(xùn)練集和測(cè)試集相同時(shí)的信噪比相比較，約有0.8dB左右的下降，而基于K-SVD和ODL字典，信噪比約有3.4dB和3.6dB左右的下降.因此，TSRD具有更好的可遷移性.

2.3 TSRD的稀疏表示性能評(píng)價(jià)

本文主要從稀疏表示的效率和效果兩個(gè)方面對(duì)TSRD的稀疏表示性能進(jìn)行評(píng)價(jià).實(shí)驗(yàn)中，從CCTV新聞聯(lián)播語(yǔ)料庫(kù)中隨機(jī)選取50條語(yǔ)料，構(gòu)成20000幀的訓(xùn)練集，另外隨機(jī)選取25條語(yǔ)料，構(gòu)成5000幀的測(cè)試集，通過(guò)不同字典對(duì)測(cè)試集中的音頻信號(hào)幀進(jìn)行稀疏表示，計(jì)算重構(gòu)信號(hào)與原始信號(hào)之間的信噪比，結(jié)果如圖3所示.

圖3 原子數(shù)不同時(shí)原始信號(hào)與重構(gòu)信號(hào)的信噪比Fig.3 SNR of original signal and reconstructed signal with different atomic number

從圖3中可以看出，基于TSRD對(duì)音頻信號(hào)進(jìn)行稀疏表示并重構(gòu)，原始信號(hào)與重構(gòu)信號(hào)之間的信噪比明顯高于基于K-SVD和ODL字典的，在不同稀疏度的約束條件下，信噪比分別較K-SVD和ODL字典平均高約2.1dB和6.2dB.字典規(guī)模越大(原子數(shù)越大)，信噪比越高，這是因?yàn)樽值湟?guī)模越大時(shí)，對(duì)音頻信號(hào)稀疏表示時(shí)系數(shù)中非零值的數(shù)量也越多，即參與重構(gòu)的原子數(shù)越多，因此，信噪比更高，稀疏表示效果更好.通常，在信噪比為20dB時(shí)，可以認(rèn)為重構(gòu)信號(hào)與原始信號(hào)已非常接近，TSRD在原子數(shù)為768時(shí)，原始信號(hào)與重構(gòu)信號(hào)之間的信噪比便已達(dá)到20dB，而K-SVD字典在原子數(shù)為1024時(shí)才達(dá)到，ODL字典始終沒(méi)有達(dá)到，因此，從效率的角度來(lái)看，本文提出的TSRD稀疏表示的效率更高，達(dá)到同樣的信噪比時(shí)所使用的字典規(guī)模更小，字典規(guī)模相同時(shí)，達(dá)到相同信噪比所使用原子數(shù)量更少.

3 結(jié) 語(yǔ)

本文針對(duì)音頻信號(hào)的稀疏表示問(wèn)題，提出了1種可遷移的稀疏表示字典學(xué)習(xí)方法，給出了初始字典的選擇方法，提出了基于音頻信號(hào)本質(zhì)特征與原始信號(hào)的字典聯(lián)合學(xué)習(xí)方法，通過(guò)音頻信號(hào)本質(zhì)特征對(duì)字典進(jìn)行學(xué)習(xí)，使字典具有可遷移性，并利用原始音頻信號(hào)對(duì)字典進(jìn)一步優(yōu)化，使其更加適用于音頻信號(hào)的稀疏表示，通過(guò)實(shí)驗(yàn)對(duì)本文方法學(xué)習(xí)的字典的可遷移性、稀疏表示效果和效率進(jìn)行了評(píng)價(jià).今后還需要對(duì)重構(gòu)后信號(hào)的識(shí)別準(zhǔn)確率進(jìn)行評(píng)價(jià)，以驗(yàn)證學(xué)習(xí)字典在保持信號(hào)內(nèi)容上的效果.此外，還會(huì)將本文方法用于其他信號(hào)，如腦電信號(hào)，從而擴(kuò)展方法的適用性.