来源：期刊VIP网 时间：
作者：马鸣;刘志红;李超;赵化良;
单位：青岛理工大学;工业流体节能与污染控制教育部重点实验室;
摘要：为解决语音声信号稀疏化表示中稀疏度确定难和稀疏化程度低的问题，提出一种互相关块稀疏贝叶斯学习方法。该方法基于稀疏贝叶斯学习理论，利用语音声信号的块稀疏性和时间相关性特征，构建了语音声信号稀疏解的互相关块稀疏空间结构，使其在特征空间内展现更充分的稀疏性。该方法可有效提高语音声信号的稀疏表示。经数值仿真验证构建的声特征惩罚矩阵D对稀疏解x的约束作用显著提高，x中相邻的数据块密切相关，单一的噪声峰值被抑制，说明能得到最优稀疏解，并且提高了稀疏化程度。
关键词：稀疏化;;稀疏贝叶斯;;块稀疏;;互相关
基金资助：国家自然科学基金项目（61871447,61671262）
