论文研究 FOA LM算法及其在语音信号稀疏分解中的应用.pdf

信号的稀疏表示在信号处理的许多方面有着重要的应用，但稀疏分解计算量十分巨大，难以产业化应用。粒子群优化（PSO）及果蝇优化（FOA）等智能算法具备前期收敛速度快，全局搜索能力强的优点，应用到语音信号的稀疏分解中，虽然大大提高了语音信号稀疏分解的速度，但是该类算法后期的收敛速度较低，稀疏分解速度仍然偏低。拉凡格氏（LM）算法具有收敛速度快，精度高的特点，但是LM算法依赖初值，这使它的应用受到了限制。结合智能算法FOA及LM算法的优点，采用FOA算法求出Gabor原子参数初值，利用这些初值进行LM迭代搜索最优原子。仿真结果表明，基于FOA优化算法和LM算法相结合的方法，具有收敛速度快，精度高的特点