A Novel Low-bit-rate Speech Coding Based on Decomposition of the Pitch-cycle Waveform of the Linear Predictive Residual

ＡＮｏｖｅｌＬｏｗｂｉｔｒａｔｅＳｐｅｃｈＣｏｄｉｎｇＢａｓｅｄｏｎＤｅｃｏｍｐｏｓｉｔｉｏｎｏｆｔｈｅＰｉｔｃｈｃｙｃｌｅＷａｖｅｆｏｒｍｏｆｔｈｅＬｉｎｅａｒＰｒｅｄｉｃｔｉｖｅＲｅｓｉｄｕａｌＢａｏＣｈａｎｇｃｈｕｎ（Ｄｅｐａｒｔｍ...

PVQ的标号算法

ＰＷ（Ｐｙｒａｍｉｄ Ｖｅｃｔｏｒ Ｑｕａｎｔｉｚａｔｉｏｎ）是一种格型矢量量化技术，它可用于压缩子带分解／小波变换或ＤＣＴ变换产生的拉普拉斯信源［１］，本文论述了二种新的用于ＰＶＱ的标号算法：幅度标号法（ＭａｇｎｉｔｕｄｅＥｎｕｍｅｒａｔｉｏｎ）和条件乘积码标号算法（Ｃｏｎｄｉｔｉｏｎａｌ Ｐｒｏｄｕｃｔ Ｃｏｄｅ Ｅｎｕｍｅｒａｔｉｏｎ）［２］。对子区的划分方法都不相同。

基于矢量量化IFTS的网络流量预测模型

针对传统网络流量预测模型存在的局限性,提出一种基于矢量量化直觉模糊时间序列的网络流量预测模型。利用模糊直觉推理有效地表述了网络流量数据中存在的高度模糊性以及不确定性,利用直觉模糊时间序列矢量距离作为评估标准,并且通过坐标平移与质心进行匹配,提升不同时间序列段的分类能力,从而有效地建立网络流量预测模型。通过实验分析可知,提出的预测模型能够提升预测精度并且减少计算复杂度,另外该算法有能力长期预测多个输出。

基于核递归最大总广义相关熵的时间序列预测

针对核自适应滤波器(KAF)在非高斯和脉冲噪声环境下预测性能下降问题,本文提出了一种新颖的鲁棒算法,称为核递归最大总广义相关熵(KRMTGC)算法.首先,简要介绍系统模型和最大总相关熵(MTC)准则;其次,在核空间采用灵活的总广义相关熵准则取代MTC准则,详细推导出KRMTGC算法,该算法对异常值或非高斯噪声具有更强的鲁棒性;此外,为进一步控制KRMTGC算法中核矩阵无限扩张模式,采用矢量量化思想降低计算复杂度,提出量化KRMTGC算法;然后,研究分析KRMTGC算法的局部收敛特性;最后,通过在基准Rossler系统和真实厄尔尼诺–南方涛动时间序列预测中的仿真结果表明:相比其他KAF算法,所提算法具有更优的预测速度和预测精度.

基于小波变换和压缩感知的低速率语音编码方案

本文提出一种新的低速率语音编码方案,基于语音信号小波变换高频系数的稀疏性,利用压缩感知原理,将小波变换高频系数进行压缩感知投影成数据量大大减少的观测序列,然后对观测序列采用码激励线性预测技术进行编解码,根据解码后的观测序列,利用线性规划技术对小波变换高频系数进行重构,小波变换低频系数采用矢量量化技术编解码,并采用后置低通滤波器改善解码后小波高低频系数合成语音的听觉效果。该编码方案在低数码率(2.64～3.5 Kb/s)时得到的重构语音平均MOS分为3.0～3.4,达到4.8 Kb/s码激励线性预测语音编码质量。

归一化自适应预测矢量量化算法压缩SAR原始数据

该文提出归一化自适应预测矢量量化(NAPVQ)算法压缩SAR原始数据。NAPVQ算法先采用矢量线性预测器对输入矢量进行预测,再对原矢量与预测矢量之间的残差矢量进行矢量量化。该算法可视为差分脉冲调制在矢量量化中的拓展,其性能优于块自适应量化(BAVQ)算法以及归一化预测自适应量化(NPAQ)算法。对算法复杂度的进一步分析表明,NAPVQ算法能获得复杂度和性能之间比较合理的折衷,具有实用价值。

小波分解图像数据的矢量量化

文章在对小波分解图像数据特性讨论的基础上提出了一种新的数据压缩编码方案．该方案利用小波分解后各子带数据之间的相关性，使用基带数据检测实现对其它子带数据的分类和提供分类数据的位置信息通过对分类数据进行分类矢量量化，实现数据的高效压缩和获得较好的恢复图像．

基于神经网络的语音识别研究

由于具有良好的抽象分类特性,神经网络现已应用于语音识别系统的研究和开发,并成为解决识别相关问题的有效工具。为解决一般语音识别系统准确率较低的问题,本文分别给出了由循环神经网络(RNN)和多层感知器(MLP)组成识别模块的两种语音识别系统,并对二者识别的准确性进行了比较。介绍了特征提取模块的主要工作步骤并讨论了组成识别模块的上述两种神经网络结构。其中,特征提取模块利用线性预测编码(LPC)倒谱编码器,把输入语音翻译成LPC倒谱空间中的曲线;而识别模块完成对某个特征空间曲线之间的联系和单词的识别。实验结果表明,MLP方法准确率高于RNN方法,而RNN方法准确率可达85%。

一种快速相关预测矢量量化的图像编码算法

矢量量化是近年来图像压缩研究中的重要技术 ,在该技术中 ,减小编码运算时间和降低平均编码比特率是当前研究的重要问题 ,目前 ,已经提出了许多快速编码算法。为了进一步减少图像矢量量化编码的时间和降低编码比特率 ,提出了一种超前相关预测与快速搜索相结合的快速矢量量化编码算法。该算法在对当前图像块完成编码后 ,再根据该图像块与相邻的未编码图像块的相关性来预测相邻块的编码值 ,如果预测成功 ,则用低比特率表示编码值 ;否则用绝对误差不等式删除 (AEI)算法来求得高比特率编码值 ,以减少总编码时间和降低平均比特率。测试结果表明 ,该算法比传统的穷尽搜索算法的编码速度快 ,且比特率低 。

一种高效、低存储的线谱频率参数矢量量化器

为了降低线谱频率(LSF)参数矢量量化器的搜索复杂度和码字存储单元,利用LSF参数的帧内和帧间相关性,设计了一种LSF参数的预测式多级分裂矢量量化器.该量化器对LSF参数的预测残差矢量进行两级矢量量化,其中第2级的误差矢量分裂成2个维数分别为4和6的子矢量进行矢量量化,采用瞬时联合多级矢量量化器设计算法设计码本,应用M-L树搜索算法搜索码字,降低了搜索复杂度和码字存储单元,在20 bit时,平均谱失真小于1 dB.

高光谱图像的无损压缩研究进展

随着成像光谱仪的普及应用,遥感图像的空间分辨率、谱间分辨率、时间分辨率越来越高,使得成像光谱数据量迅速增长,对海量数据进行有效的压缩成了遥感技术发展中迫切需要解决的一个问题。由于有损压缩可能会丢掉对进一步处理非常有用的信息,通常采用无损压缩方法。本文首先介绍了高光谱图像的特点和无损压缩的基本原理,然后综述了高光谱图像无损压缩的研究进展,最后展望了研究前景。

低速率声码器中残差谱的变维矢量量化

基于一个基音周期内语音线性预测残差（ＬＰＲｌｉｎｅａｒｐｒｅｄｉｃｔｉｏｎｒｅｓｉｄｕａｌ）波形，提出了一种简单而有效的ＬＰＲ谱变维矢量量化（ＶＤＶＱ）方法，即利用具有固定维数的通用码本对ＬＰＲ谱幅度形状进行矢量量化．通用码本和结构化的ＶＱ相组合减少了存储和计算复杂度，产生了高的量化效率，增强了编码语音的感性质量．计算机仿真结果表明，利用该ＶＤＶＱ技术设计的２４ｋｂ／ｓ语音编码器产生了高质量合成语音．

混合激励线性预测语音编码标准中线谱频率量化的研究

线谱频率(Line Spectral Frequency,LSF)是线性预测频谱系数(Linear Predication Coefficient,LPC)有效的编码形式。语音线性预测模型中,LPC反映了声道调制的模型,是影响语音听觉感知重要的参数之一。在混合激励线性预测语音编码(Mixed Excitation Linear Prediction,MELP)标准中,对LSF采用4级码本进行分级式矢量量化。首先,为减少其量化冗余度以降低编码速率,本文提出了一种改进的选择算法,生成了一个2级码本替换之。其次,为提高合成语音质量,依据LSF矢量量化的精度与合成语音质量的关系的实验结果,提出根据人耳听觉感知特性进行LSF量化和评价的方法,并予以实验证明。

SAR原始数据压缩技术研究

研究两种合成孔径雷达(SAR)原始数据压缩算法,它们是块自适应树型矢量量化算法和块自适应预测编码算法。前者是在使用穷尽型搜索技术的块自适应矢量量化算法的基础上,通过使用树型搜索算法来提高算法的运行效率;后者是通过预测编码来消除SAR原始数据之间的相关性从而提高压缩性能。结合机载SAR实测原始数据,对讨论的各种算法分别进行压缩和解压缩,并进行SAR成像处理。通过比较和分析各种算法的性能及图像域参数,表明块自适应树型矢量量化算法和块自适应预测编码算法能提高SAR原始数据的压缩性能,比较适合实际工程应用。

ITU-TG.729算法及其实时实现

在介绍G.729编解码算法原理和TMS320C541定点DSP芯片的基础上,详细讨论了G.729编解码算法在TMS320C541上实时实现的关键技术。实验结果表明,单片TMS320C541能够实时实现G.729语音编解码算法。

会议电视系统中语音编码算法的研究

本文介绍了会议电视系统及其语音编码的国际标准．结合会议电视系统开发的实际，重点讨论了在实际系统中常用的三个标准：Ｇ．７１１，Ｇ．７２２和Ｇ．７２８，并对这三种标准对应的三种编码算法进行了改进．利用改进算法的实现结果，结合语音编码的评价体系，我们对上述三种算法进行了比较和评价．

基于神经网络的软件模块风险性预测模型

采用学习矢量量化神经网络对软件质量进行预测,提出基于学习矢量量化神经网络的软件模块风险性预测模型,与BP神经网络预测模型相比,实验结果表明提出的模型获得更精确的预测效果。

线谱对参数预测多级矢量量化联合优化算法

提出了一种线谱对参数预测多级矢量量化联合优化算法。该算法对预测系数和多级矢量量化采用渐进闭环设计,通过迭代实现预测系数和多级矢量量化设计的联合优化。在多级矢量量化设计过程中,采用迭代优化实现多级码本的联合优化。采用语音线谱对参数对量化算法进行测试。测试结果表明,与传统算法相比,该量化算法可以减小线谱对参数量化失真,提高编码语音质量。

线谱频率参数的分裂矢量量化

本文简要介绍了线谱频率(LSF)参数的定义和性质,给出了一种求解LSF参数的有效办法。在LPC语音编码中设计了一种新的LSF参数分裂矢量量化器。主观和客观评价结果表明,以每帧25bit对LSF参数编码,该量化器提供了透明的量化质量。

基于神经网络的多光谱遥感图像无损压缩

分析并改进了利用自组织特征映射(SOFM)神经网络设计码书的方法,提出了一种基于改进SOFM算法设计码书的矢量量化和分类谱间预测相结合的多光谱图像无损压缩方法。该方法对光谱信息进行矢量量化,根据分类信息生成残差图像以去除数据的空间相关性,构造分类谱间预测器去除数据的谱间结构和统计相关性。对机载64波段多光谱遥感图像的试验结果表明,该方法无论是对训练集内图像还是训练集外图像,均取得了较好的压缩效果,平均无损压缩比达到3.2以上。