浦灵敏， 胡宏梅

（苏州健雄职业技术学院电气工程学院，江苏太仓215411）

基于改进匹配追踪算法的语音信号处理研究*

浦灵敏， 胡宏梅

（苏州健雄职业技术学院电气工程学院，江苏太仓215411）

针对匹配追踪算法最匹配原子的搜索存在计算量较大、时间过长、效率不高等问题，根据粒子群算法的搜索特性，使用概率选择方式更新全局极值，利用混沌映射改善随机值，并将改进后的粒子群算法融入到标准匹配追踪算法中，通过重构语音信号，证明改进后的算法具有一定的可行性，其重构质量和运行速度均优于标准匹配追踪算法。

匹配追踪；稀疏分解；粒子群算法；混沌映射

0 引言

语音通信是人类最重要的通信方式之一，为了减少通信过程中的失真现象，高效率地对语音信号实现数字化表达，常采用压缩编码的方式。传统信号采样的定律是奈彻斯特采样定律，而基于信号带宽的奈彻斯特采样定律是具有一定局限性的。为此，一种新的采样定律——压缩传感（Compressive Sensing，CS）理论在2004被国外的学者们首次提出［1-2］，该理论以信号的稀疏度作为信号采样的基础，只要信号满足稀疏特性或者可压缩特性，就能够在采样信号的同时实现数据的压缩［3］。其中，在压缩传感理论中，最为著名的就是Mallat等人在1993年提出的引入了信号稀疏分解思想的匹配追踪（Marchiing Pursuit，MP）算法［4］。

该算法主要是从过完备原子库中选择最贴近残差信号的原子，通过多次迭代找出最佳匹配原子用来表示信号，直到满足最终迭代条件。……