信号处理方法及其装置的制造方法
【技术领域】
[0001] 本发明涉及稀疏表示技术领域，具体而言，涉及信号处理装置和信号处理方法。
【背景技术】
[0002] 语音信号、图像信号等各类信号在获取、传输和存储等过程中通常都会受到特定 噪声的污染，从而造成信号质量恶化。为了解决上述问题，相关技术中提出了采用合适的信 号表达方法来分解信号，不仅可以提高处理效率，还可以改善信号质量。
[0003] 近年来，符合人类视觉感知机理的稀疏表示被证明是一种有效的信号建模方法， 广泛应用于信号处理、机器学习、模式识别和计算机视觉等领域中。任何信号都可以变换为 一个字典和稀疏矩阵的乘积形式，其中，字典的选取有两种方式：一种是选取固定的解析字 典，例如离散余弦变换OCT)、小波变换（Wavelet)和曲波变换（Curvelet)等。尽管采用解 析字典能够提供快速变换，但是它往往只能够较为稀疏地表达某一类信号特征，对任意的 信号具有局限性。另一种方式是采用样本数据通过适当的模型和方法学习或训练的自适应 字典，即超完备字典。最近的研究表明，基于学习字典的稀疏模型能够自适应地对输入信号 进行稀疏表达，并在信号处理中取得比基于预定义解析字典的稀疏模型更加成功的应用。 常见的字典学习方法有MOD，K-SVD和BK-SVD+SAC等算法。这些字典算法以一组训练集合 为输入，通过无监督学习方法，通过求解得到一组能够较为稀疏地表达特定数据对象的优 化字典。
[0004] 然而，目前常用的K-SVD及其改进的BK-SVD+SAC等字典学习方法，对信号内容的 表达能力有限，并且其性能还严重依赖于学习字典的初始值，以致影响后续的分析和处理。
[0005] 因此，如何降低对字典初始值的依赖，提供一种更为精确、有效的字典学习方法， 以实现更好的信号分解处理效果，成为目前亟待解决的技术问题。
【发明内容】
[0006] 本发明正是基于上述问题，提出了一种新的信号处理技术，可以更加准确地识别 和提取出块结构特征，改善了字典学习的鲁棒性和收敛性，有助于信号的精确重建和分类。
[0007] 有鉴于此，本发明提出了一种信号处理装置，包括：样本获取单元，用于获取训练 样本；字典配置单元，用于将字典配置为预设矩阵，所述预设矩阵中包含预设的块结构向 量；矩阵计算单元，用于根据所述预设矩阵和所述预设的块结构向量，计算稀疏系数矩阵， 以使所述训练样本为所述字典和所述稀疏系数矩阵的乘积；合并处理单元，用于利用凝聚 聚类分析算法对所述稀疏系数矩阵中的间隔距离小于预设距离的块结构进行合并，并对合 并后的点积最大的任意两个块结构进行再次合并，以提取出所述稀疏系数矩阵中包含的块 结构向量；矩阵修正单元，用于根据提取出的块结构向量，对所述稀疏系数矩阵进行修正； 字典更新单元，用于根据修正后的稀疏系数矩阵，对所述字典进行更新；处理控制单元，用 于当更新后的字典和所述修正后的稀疏系数矩阵呈收敛状态时，存储所述更新后的字典， 否则以所述更新后的字典为当前字典并进入下次迭代，以继续对所述字典和所述稀疏系数 矩阵进行更新计算；信号处理单元，用于利用所述更新后的字典，对待处理信号进行稀疏表 /_J、1 〇
[0008] 在该技术方案中，通过提供任意的训练样本，即可实现对字典的学习过程，从而得 到可用于其它信号的稀疏表示的超完备字典，降低了对字典初始值的依赖，有助于提高算 法的鲁棒性。
[0009] 通过凝聚聚类分析算法对稀疏系数矩阵中的块结构进行了两个阶段的合并，充分 利用了字典块结构特征，使得从稀疏系数矩阵中提取出的块结构向量更加准确，有助于对 字典的学习过程和稀疏系数矩阵的修正和调整，克服了相关技术中的如BK-SVD+SAC算法 在凝聚聚类分析算法的起始阶段可能错误识别块结构的问题。
[0010] 基于训练样本得到的字典，可以应用于对实际处理过程中的信号进行稀疏表示的 处理，由于该字典为自适应的超完备字典，从而能够得到比解析字典更好的处理效果；同 时，相对于其它方式得到的超完备字典，通过两个阶段的聚类分析，使得基于本发明的超完 备字典更加准确，有助于降低稀疏表示过程中的误差。
[0011] 其中，本发明涉及到的信号可以为语音信号、图像信号等各种一维或多维的信号。
[0012] 在上述技术方案中，优选地，所述矩阵计算单元用于：通过块正交匹配追踪算法计 算所述稀疏系数矩阵；和/或所述矩阵修正单元用于：通过块正交匹配追踪算法对所述稀 疏系数矩阵进行修正。
[0013] 在该技术方案中，对于稀疏系数矩阵的计算方式有很多种，比如较为常见的算 法包括：匹配追踪算法（MP，Matching Pursuit)、正交匹配追踪算法（OMP，Orthogonal Matching Pursuit)、块正交匹配追踪算法（BOMP，Block-based Orthogonal Matching Pursuit)、基于互交替投影的块正交匹配追踪算法（MAP-B0MP，Mutual Alternating Projection-Block Orthogonal Matching Pursuit)等，作为其中一种较为合适和优选的 实施方式，可以采用B0MP算法，但显然也可以采用本发明提及或未提及的其它合适的算 法。
[0014] 在上述任一技术方案中，优选地，所述处理控制单元用于：在对所述更新后的字典 的迭代次数大于或等于预设次数，和/或所述更新后的字典和所述修正后的稀疏系数矩阵 的乘积与所述待处理信号之间的差异值小于或等于预设差异值的情况下，判定所述更新后 的字典和所述修正后的稀疏系数矩阵呈收敛状态。
[0015] 在该技术方案中，由于稀疏表75是将一个信号表75为字典与稀疏系数矩阵的乘 积，因而在收敛状态下，希望通过对最终得到的字典与稀疏系数矩阵进行乘积运算后，得到 的结果与最初的信号之间的差异尽可能地小。为了实现上述目的，一种情况下，可以通过增 加迭代次数，以多次循环的方式来缩小误差，因而可以设定为迭代次数达到预设次数后，就 认为算法收敛；另一种情况下，可以通过对每次运算得到的字典和稀疏系数矩阵进行乘积 运算，并对运算结果与上次迭代结果进行比较，若两者的实际差异值小于或等于预设差异 值，则认为算法已经收敛。
[0016] 在上述任一技术方案中，优选地，所述字典更新单元还用于：修正所述字典中的原 子间的相干性。
[0017] 在该技术方案中，不同于相关技术中认为字典中的块内原子间的相干性为0,本发 明强调了字典中块内存在一个下限值的原子间的相干性在对信号的稀疏表示中的重要性， 有助于提高字典学