排序方式: 共有53条查询结果,搜索用时 15 毫秒
21.
基于码字特征的多模式多级矢量量化算法 总被引:1,自引:0,他引:1
为提高声码器中线谱频率参数多级矢量量化的性能,提出了一种根据码字特征进行分模式量化的算法。该算法首先根据下一级量化误差最小化的准则,通过训练得到本级代表模式信息的码字(码字数目为模式数目);然后统计与各个码字相对应的输入矢量占总矢量的比重,继而得到各模式码字所分化的码字个数;最后根据该分化方案训练得到本级所有码字并确定码字与模式的对应关系,从而进行分模式量化。测试结果表明:相比于根据本级码字索引平均进行模式分配的简单方案,该算法可以使平均谱失真(ASD)降低0.05 dB,而平均意见得分(MOS)提高0.02左右。 相似文献
22.
在以前的实验工作中,我们发现了快速电子穿过钠蒸汽时产生的一种新辐射,它不同于荧光、轫致辐射和通常的切伦柯夫辐射,我们称之为切伦柯夫线谱辐射。我们在实验上研究了它的多种特性,发现它的频谱范围为5890±18,其发光延迟时间小于4 ns,并有显著的 相似文献
23.
24.
为了提高LSP参数的量化效率,提出了一种基于预测量化对结构的联合预测矩阵量化算法。与常用的预测矢量量化结构不同,算法中的预测量化对结构对码本中的每一个码字采用一个与其匹配的预测器,可进一步减小预测量化的信息冗余。在码本训练中,设计了一种渐进闭环迭代优化方法,有效地提高了预测器与量化器的匹配程度。仿真实验结果表明,与传统的矩阵量化算法相比,提出的算法对LSP参数量化的平均量化谱失真较小,具有更优的量化性能。 相似文献
25.
基于Gaussian混合模型的LSF参数量化方法 总被引:1,自引:1,他引:0
为了高效率量化线谱频率(linear spectrumfrequency,LSF)参数,提出了基于G auss ian混合模型(G auss ian m ix ture m ode l,GMM)的LSF量化算法。假设LSF矢量属于GMM中的某一个G auss ian分布,用G auss ian分布随机矢量的量化方法对LSF矢量进行了量化。利用准确的G auss ian分布变量量化误差,得到了G auss ian分布矢量的比特分配方法。应用G auss ian分布随机变量的非均匀量化方法量化每一维LSF参数。最后给出了分裂矢量量化、基于概率密度函数(probab ility dens ityfunction,PDF)量化方法和该算法的性能对比。该无记忆LSF量化算法在21 b/帧可以达到透明量化,比传统Sp litVQ节省3 b。 相似文献
26.
基于舰船噪声线谱特征的ETAM方法仿真研究 总被引:2,自引:1,他引:1
拖曳线列阵的方位分辨率是一项重要性能指标,而它被拖曳线列阵的阵列孔径所限制。针对这一问题,文中提出了基于舰船噪声线谱特征的ETAM方法,利用舰船噪声在低频段的稳定线谱成份,采用ETAM被动合成孔径算法扩展拖曳线列阵的孔径,从而达到显著提高方位分辨率的目的。只要ETAM的积分时间小于海洋声信道的时间相关长度,可将拖曳线列阵的等效孔径扩展到不大于海洋声信道的空间相关长度的任意尺寸。经仿真实验验证,该方法是有效的、可行的,且算法简单、易于实时实现,是一种具有良好应用前景的高分辨方位估计方法。 相似文献
27.
为提高子带清浊音(unvoiced/voiced,U/V)解码端恢复算法在不同能量电平下的鲁棒性,提出了一种改进型能量自适应U/V参数解码端恢复算法。通过跟踪长时能量的变化轨迹,在Gauss混合模型(Gaussian mixed model,GMM)下,用归一化的能量参数和线谱频率参数(line spec-tral frequency,LSF)对U/V参数的分布特性进行估计。测试结果表明:在较低的能量电平下,与用绝对能量对U/V参数进行恢复的算法相比,该能量自适应U/V参数恢复算法能够将清浊音误判率降低10%~25%,并将合成语音的平均意见得分(mean opinion score,MOS)提高0.03~0.09,改善了算法的性能。 相似文献
28.
29.
分析几种低频线谱参数估计方法的优点与不足,结合舰艇噪声低频线谱所具有的特点,应用数字滤波-相关谱估计(DF-C)和自回归移动平均(ARMA)模型相结合的方法(DF-ARMA)对低频谱作估计,所得线谱的强度和频率估计值准确度较高。 相似文献
30.
将双稳态随机共振系统应用于水声时变线谱信号的检测,提出了设计水声线谱检测系统可以利用的外在参数。分别在水听器端和声源端建立了时变线谱模型,考查了随机共振系统对水声环境的适应能力。实验发现在信噪比变化、声压起伏、线谱漂移等情况下,系统都能较好的工作。为水声领域新型线谱检测系统的设计提供了依据。 相似文献