摘要：针对含噪语音信号压缩感知（compressed sensing，CS）后采用梯度投影（gradient projection，GP）算法收敛速度慢且重构性能差的问题，提出了自适应共轭梯度投影（adaptive conjugate gradient projection，ACGP）算法对含噪语音进行压缩与重构。ACGP算法首先将CS理论中求解含噪语音信号在离散余弦变换（discrete cosine transform，DCT）域上的稀疏解的非线性凸优化问题，转化为有边界约束的二次规划（bound constrained quadratic program，BCQP）问题，然后根据原含噪语音信号的信噪比（signal to noise ratio，SNR）自适应选择最佳重构参数，用ACGP算法对含噪语音信号的DCT域的稀疏系数进行重构，进而重构出原始语音信号。该算法将共轭性与GP算法相结合，避免了其搜索路径成“锯齿”状，使得其收敛速度更快；且该算法根据原含噪信号的信噪比自适应选择最佳重构参数，使得在重构语音的同时提高了原信号信噪比。仿真实验结果表明：ACGP算法具有更快速的收敛性和更高的信噪比，且在不同噪声强度下具有更高的鲁棒性。

关键词：自适应共轭梯度投影 梯度投影 压缩感知 含噪语音重构 

单位：南京邮电大学通信与信息工程学院 南京210003 宽带无线通信与传感网技术教育部重点实验室 南京210003