1、語音是實(shí)現(xiàn)人們溝通交流的最高效和方便的手段。隨著移動通信和人工智能設(shè)備的不斷發(fā)展，所產(chǎn)生的海量語音數(shù)據(jù)對信號帶寬的要求越來越高，并且海量數(shù)據(jù)的傳輸和存儲給現(xiàn)有的通信系統(tǒng)帶來了巨大的壓力。傳統(tǒng)的語音信號的采樣遵循奈奎斯特定理，采集的信號中有很大的冗余，近年來發(fā)展的壓縮感知理論利用信號的稀疏性，采用低于奈奎斯特采樣的速率無失真地采樣信號，采樣的同時進(jìn)行壓縮，極大地降低了傳輸中所需的數(shù)據(jù)量，節(jié)約了存儲和傳輸空間。隨著壓縮感知理論在信號處理領(lǐng)域

2、的廣泛應(yīng)用，也必將會對語音信號處理領(lǐng)域帶來巨大的變化。
　　本文詳細(xì)介紹了壓縮感知理論和語音信號處理的相關(guān)知識，研究了基于壓縮感知的語音信號處理技術(shù)。本文的主要工作內(nèi)容和創(chuàng)新如下：
　　1.詳細(xì)描述了壓縮感知的理論體系，對信號的稀疏表示、觀測矩陣以及重構(gòu)算法進(jìn)行詳細(xì)闡述，著重研究了常用的信號稀疏字典、構(gòu)造觀測矩陣的基本原則和不相干性準(zhǔn)則。
　　2.介紹了DCT字典下的語音壓縮感知框架，采用高斯隨機(jī)矩陣作為觀測矩陣，使用

3、OMP算法對語音進(jìn)行壓縮重構(gòu)，研究了不同壓縮比下的語音信號重構(gòu)效果。
　　3.根據(jù)語音信號自身的特點(diǎn)，運(yùn)用線性預(yù)測分析的思想，構(gòu)造了適用于語音信號的LPC稀疏表示字典。與傳統(tǒng)的DCT字典相比較，LPC字典是根據(jù)語音信號的自身特征構(gòu)造而成，其稀疏逼近效果優(yōu)于傳統(tǒng)的固定字典。除此之外，還分析了含噪語音在壓縮感知框架下的性能表現(xiàn)。
　　4.研究了壓縮感知系統(tǒng)中觀測矩陣的優(yōu)化設(shè)計(jì)，對Michael Elad提出的降低感知矩陣的互相關(guān)