共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
基于准KLT域的线谱对参数压缩感知量化研究 总被引:1,自引:1,他引:0
用尽可能少的比特数实现线谱对(LSP)参数透明量化一直是语音编码领域的研究热点。该文基于压缩感知理论,研究了LSP参数在准KLT域的稀疏性,并设计了LSP参数先压缩感知再矢量量化的方案。编码端,利用压缩感知理论,在准KLT域将原始LSP参数投影到低维空间,得到低维测量值,而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,重构值作为最终量化值。实验结果表明,算法在适当的码本存储量和搜索复杂度下,达到透明量化效果所需的比特数最优时仅需5 bit/帧。 相似文献
3.
4.
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。 相似文献
5.
6.
为了最小化多用户OFDM系统的总发射功率,提出利用改进的粒子群算法与遗传算法相结合的联合算法(PSO-GA)来搜索最优的子载波和比特分配。该算法首先利用改进粒子群算法对系统的子载波和比特分配进行优化。算法运行过程中,当更新后的粒子速度大于最大粒子速度或小于最小粒子速度时,取最大粒子速度与最小粒子速度区间中的一个随机值作为更新的粒子速度。待PSO-GA算法的改进粒子群算法收敛后,将收敛后的种群作为遗传算法的初始种群,再利用遗传算法进行系统的子载波和比特优化分配,进而得出最优解。仿真结果表明,利用该算法比利用遗传算法、粒子群算法与Zhang算法的分配方案使系统需要的总发射功率降低2~10 dB。 相似文献
7.
传统的压缩感知理论考虑的测量值均是实值的,具有无限比特精度。然而在实际应用中,由于数据存储或传输需求,必须考虑测量值的量化问题。通过研究总结已有的一比特量化压缩感知(1-bit Quantized Compressive Sensing)重建算法,提出了一种改进的二进制迭代硬阀值(BIHT)算法。该算法通过引入回溯筛选的思想,在每一步迭代过程中优化了对原子的选择。实验仿真表明,在采样比特数较低时,基于回溯的二进制迭代硬阀值(BBIHT)算法比二进制迭代硬阀值算法重建精度高2~3 d B,且重建速度快。因此,BBIHT算法更有实际应用意义。 相似文献
8.
9.
该文首先分析了基于二维波束及Alamouti编码的MIMO-OFDM系统模型,针对实际情况中发射端已知部分信道状态的情况,提出了在平均参量反馈信道模型下的最优自适应比特和功率分配算法.该算法利用拉格朗日算法将约束条件下的最优化问题进行转化,并采用对分算法加快搜索最优拉格朗日乘子的收敛速度.仿真结果表明,该算法不仅可以在满足目标BER及发射功率的情况下保证较高的数据传输率,并且计算复杂度低于传统算法. 相似文献
10.
在低速率参数语音编码算法中,如何用有限的比特数有效地量化幅度谱是一个关键问题。本文对波形内插语音编码模型中快渐变波形幅度的量化问题进行了深入研究和分析,提出了一种基于矢量变维和DCT的REW幅度感觉加权量化方案,该方法降低了编码比特数,减少了存储和计算复杂度,增强了编码语音的感性质量。主观听力测试结果表明该量化方案在每帧4比特时的WI语音编解码质量要优于用基于DCT的REW幅度矩阵量化方案在每帧10比特时的重建语音质量。 相似文献