一种基于压缩感知的音频编解码方法与流程

技术特征：
1.一种基于压缩感知的音频编解码方法，其特征在于，编码方法包括以下步骤：步骤1，获取输入音频信号；步骤2，基于子带能量的自适应压缩感知能量加权，采用子带能量统计的方式对音频信号进行自适应压缩感知能量加权；步骤3，自适应压缩感知稀疏分解，根据能量将音频信号划分到不同的能量区间，各区间按区间能量分配相应的观测数,根据所属能量区间观测数和能量自适应分配观测个数；然后当观测个数确定后，按非自适应压缩感知理论构造随机的完全观测，根据完全观测各分量能量自适应选取相应个数的观测及对应的观测矩阵来重构原信号；步骤4，采用基于音频信号特征的稀疏变换矩阵和观测矩阵，采用数据分类统计训练的方式得到适用于音频信号特征的稀疏描述和观测矩阵，并采用两种方式进行音频信号的稀疏描述分解；首先根据不同的信号类别，获得mdct变换的低频系数和高频系数对不同音频信号的稀疏描述程度，建立局部的音频信号稀疏描述模型；然后采用数据训练方式构造过完备的稀疏分解冗余字典，引入k奇异分解学习算法构造过完备冗余字典，从音频信号的mdct变换展开出发，通过求解指数衰减型自相关函数的积分方程，构建音频信号的自适应冗余字典，并由字典的代数结构设计了基于非线性逼近的信号稀疏表示算法，建立音频信号的压缩感知的稀疏分解模型，进而得到编码量化参数；步骤5，将音频信号输入自适应压缩感知心理声学模型得到心理声学参数；步骤6，将心理声学参数和编码量化参数进行系数量化；步骤7，将系数量化后的心理声学参数和编码量化参数进行熵编码；步骤8，将熵编码后的心理声学参数和编码量化参数进行码流打包，形成编码数据流。2.根据权利要求1所述基于压缩感知的音频编解码方法，其特征在于：解码方法包括为编码方法的逆过程，首先获取编码数据流，进行数据反量化，多帧信号组合还原形成解码音频数据流。3.根据权利要求2所述基于压缩感知的音频编解码方法，其特征在于：对于解码端的音频信号重构，结合音频信号特点，仅仅采用l1重构、码本预测重构和l1联合码本重构方法进行音频信号的压缩感知重构特性，并在无编码量化误差情况下考察信号重构信噪比。4.根据权利要求3所述基于压缩感知的音频编解码方法，其特征在于：离散信号x0∈r
n
在正交基ψ＝{ψ
i
|ψ
i
∈r
n
,i＝1,2,...,n}上是k稀疏的，即：x0＝ψ-1
θ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中稀疏系数向量θ＝ψx0＝(θ1,θ2,...,θ
n
)
t
只有k个非零系数，即||θ||0＝k；将k稀疏信号x0通过投影产生m个观测值y＝(y1,y2,...,y
m
)
t
即:y＝φx0＝φψ-1
θ＝tθ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)此时通过求解l1最优化问题由y重构x0或θ的解：其中，m<n，φ为观测矩阵，t为恢复矩阵。5.根据权利要求4所述基于压缩感知的音频编解码方法，其特征在于：公式(3)的求解采用正交匹配方法或匹配跟踪方法获取。

技术总结
本发明公开了一种基于压缩感知的音频编解码方法，本发明音频编码中的待量化信号类型是压缩感知的稀疏分解后的降维信号，解码输出端需要进行稀疏分解的音频信号重构操作，编解码过程中采用区间能量方式进行自适应压缩感知编码。基于子带能量的自适应压缩感知能量加权，采用子带能量统计的方式对音频信号进行自适应压缩感知能量加权；自适应压缩感知稀疏分解，采用基于音频信号特征的稀疏变换矩阵和观测矩阵，本发明解决了实际音频通信系统中的低复杂度、低存储量的音频编码问题。低存储量的音频编码问题。低存储量的音频编码问题。


技术研发人员：林志斌 刘晓峻 卢晶 狄敏
受保护的技术使用者：南京大学 江苏南大电子信息技术股份有限公司
技术研发日：2021.10.28
技术公布日：2022/1/28