通过序列自适应阈值对增量调制语音样本的稀疏促进重建
信息论
2020-02-11 v2 math.IT
摘要
在本文中，我们提出了自适应阈值迭代方法（IMAT）族，用于增量调制（DM）语音信号的稀疏促进重建。我们提出了一种应用于增量调制的新型缺失采样方法，该方法有助于从 DM 样本子集中以较少的量化噪声促进原始信号的稀疏重建。利用我们提出的增量调制缺失采样方法，我们对 DM 编码技术的 IMAT 收敛性进行了分析讨论。我们还修改了基本的 IMAT 算法，并提出了用于增量调制的自适应阈值迭代方法（IMATDM）算法，以改善 DM 编码信号的重建性能。实验结果表明，在重建 SNR 方面，这种新方法优于基于低通滤波的传统 DM 重建技术。可以观察到，通过从传统的低通重建技术迁移到 IMATDM 的稀疏促进重建技术，重建性能平均提高了 7.6 dBs。这是因为所提出的 IMATDM 同时利用了稀疏信号假设和通过平滑实现的量化噪声抑制效果。所提出的 IMATDM 算法也优于其他一些稀疏促进重建方法。
引用
@article{arxiv.1902.03425,
title = {Sparsity Promoting Reconstruction of Delta Modulated Voice Samples by Sequential Adaptive Thresholds},
author = {Mahdi Boloursaz Mashhadi and Saber Malekmohammadi and Farokh Marvasti},
journal= {arXiv preprint arXiv:1902.03425},
year = {2020}
}