基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为实现高质量的极低速语音编码,提出一种基于压缩感知理论的线谱对(LSP)参数降维量化算法.编码端利用压缩感知理论对超帧LSP高维矢量进行降维处理,将原始LSP参数投影到低维空间,得到低维测量值,然后采用分裂矢量量化算法对测量值进行量化;解码端以量化后的测量值为已知条件,利用正交匹配追踪算法重构出原始LSP高维矢量.实验结果表明,本算法相对低速语音编码中的矩阵量化方案,平均谱失真降低了0.23dB,相对基于DCT变换的降维量化方案,平均谱失真降低了0.13dB.这种先降维再量化的思想可以大幅减少编码所需的比特数及码本存储复杂度,有效降低语音编码速率,并且合成语音可懂度、自然度较高,音质虽有所失真,但基本上感觉不到明显的听觉质量下降.
推荐文章
基于随机阵列的降维压缩感知三维成像方法
压缩感知
三维成像
层间串扰
随机阵列
降低传感矩阵维数
分辨率增强
线谱对矢量量化方法的改进
语音编码
线谱对
共轭结构代数码激励
基于Isomap算法的地震属性参数降维处理
地震数据处理
参数
算法分析
模糊数学
一种基于压缩感知的邻域优化算法
流行学习
非线性
压缩感知
优化邻域
降维
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于压缩感知的线谱对参数降维量化算法
来源期刊 信号处理 学科 工学
关键词 低速语音编码 线谱对 压缩感知 矢量量化
年,卷(期) 2011,(4) 所属期刊栏目 算法研究
研究方向 页码范围 563-568
页数 分类号 TN912.3
字数 5033字 语种 中文
DOI 10.3969/j.issn.1003-0530.2011.04.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈亮 解放军理工大学通信工程学院 61 411 12.0 17.0
2 黄建军 解放军理工大学指挥自动化学院 10 45 5.0 6.0
3 朱涛 解放军理工大学通信工程学院 5 29 3.0 5.0
4 肖强 解放军理工大学通信工程学院 3 15 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (45)
共引文献  (606)
参考文献  (12)
节点文献
引证文献  (7)
同被引文献  (2)
二级引证文献  (3)
1993(3)
  • 参考文献(2)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(1)
  • 二级参考文献(4)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(9)
  • 参考文献(1)
  • 二级参考文献(8)
2007(11)
  • 参考文献(2)
  • 二级参考文献(9)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
低速语音编码
线谱对
压缩感知
矢量量化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导