信号的稀疏、低维、精简性表达方法及其在语音处理系统中的应用研究

This proposal is focused on studying some sparse and low dimensional representation methods in speech signal processing domain. With the proposed sparse and low dimensional representation methods, the requirements of energy consumption of speech signal processing systems can be reduced to a large extent, thus making the systems efficient in power and providing benefits for environment protection. Based on this idea, in this proposal, we propose to investigate three sparse representation methods for speech signal processing, i.e., sparse principal component analysis (PCA), sparse linear discriminant analysis (LDA), and spare Gaussian mixture models (GMM). Our research efforts in this project will contribute to the technological advance in both the theoretical development and the application development. The proposal work is divided into two parts: theory and applications. In the first part, we shall contribute to: (1) investigating the robust property of sparse PCA in denoising; (2) establishing a novel framework of sparse LDA, which is efficient to estimate a unique discriminant subspace, as well as investigating its robust property in denoising; (3) developing the theory of a novel sparse GMM model, including the establishment of its maximum likelihood estimation (MLE) algorithm to update the mean vectors as well as the covariance matrices of the components of GMM simultaneously; analyzing its convergence property, such as the optimal convergence rate, the minimax convergence rate, as well as the upper bound of its estimation errors. In the second part, we shall contribute to: (1) investigating the applications of sparse PCA, sparse LDA and sparse GMMs to speech enhancement systems; (2) investigating the applications of these three theoretical methods to speaker recognition systems as well as other such applications, such as speech recognition, etc.

本项目研究探索一种基于数据稀疏性、降维及精简性表达方法，以期构建绿色系统的方法，并研究将其应用到多种语音处理系统的可行性及合理性。本提案工作主要分为两个部分：理论研究和语音信号系统应用研究部分。在第一部分，我们重点研究三种基于稀疏性的新型算法：（1）新型的稀疏性主特征子空间分析算法。并着重研究其在去噪上的确定性；（2）新型的稀疏性可区别线性子空间分析算法，并创造出一套全新的具有唯一性和确定性的可区别性子空间分析方法的理论框架。(3)新型的稀疏性多维高斯混合模型建模方法，并研究其基于最大概率估计的训练学习算法。在第二部分，我们将主要研究将上述三种方法应用于各种语音系统的可行性。其中包括：（1）稀疏性语音增强系统， 研究稀疏性主特征子空间分析法， 及稀疏性高斯混合模型法； (2) 稀疏性说话人识别系统。 研究稀疏性可区别子空间分析法， 及稀疏性高斯混合建模法。（3）稀疏性语音识别系统。

本项目主要研究信号的稀疏，低维和精简性表达方法及其在语音处理中的应用。研究成果能够应用到语音增强，说话人识别等方面，是一个创新性和应用性多很强的课题。其研究成果对语音信号稀疏性处理的实际应用具有借鉴价值。. 四年来本项目着重就如下几个方面开展了细致的研究工作：(1)语音端点检测研究；(2)基于维纳滤波和神经网络的语音增强研究；(3)基于稀疏表示理论的到达角估计研究； (4)基于机器学习的室内定位技术研究；(5) 基于压缩感知的图像及视频处理；(6)无人机中继系统功率分配的研究；(7)基于稀疏性的滤波器设计；(8) 基于压缩感知的重构算法研究。. 通过本课题的研究达到了下列目标：(1) 提出了多种语音检测和增强的方法；(2)提出了多种基于稀疏表示的到达角估计方法 (3)提出了多种基于接收信号强度的室内定位方法； (4)提出了多种基于压缩感知的图像及视频处理方法； (5)提出了无人机中继系统功率分配方法；(6)提出了多种基于稀疏性的滤波器设计；(7) 提出了基于改进的双向支撑集估计的压缩感知洛伦兹贪婪迭代算法。。. 通过本课题的研究，发表了18篇学术论文，其中SCI收录6篇，EI收录11篇，申请了12项专利，授权5项发明专利。利用该项目培养博士研究生4名，硕士研究生10名。参加国内国际会议并在大会上做报告交流9次。