导读:本文包含了线谱对参数论文开题报告文献综述及选题提纲参考文献，主要关键词:线谱对参数,牛顿-拉夫森函数,斯蒂芬森加速
线谱对参数论文文献综述
李娟娟,俞一彪,芮贤义[1]（2014）在《结合牛顿-拉夫森函数计算语音线谱对参数的高效算法》一文中研究指出提出了计算语音信号线谱对(LSP)参数的高效算法NRSPF。首先利用牛顿-拉夫森函数及斯蒂芬森加速求高阶非线性方程的一个实根,再使用多项式综合除法降阶,最后采用费拉里算法求其余的根,即得LSP参数。通过TI-DSP平台的实例研究表明,NRSPF算法与APF算法相比,迭代次数减少、收敛速度加快,计算量小,并且在精度提高10倍、100倍和1000倍情况下,APF算法可能出现被零除错误和死循环,而NRSPF算法不仅避免了该错误,而且迭代次数增加很少,收敛速度仍然很快,得到更精确的结果。本文提出的算法高效、可靠、实时性强,可应用于超低码率语音实时通信系统、语音编解码器等。(本文来源于《信号处理》期刊2014年12期）
陈亮,陈亮,张翼鹏,庞亮[2]（2014）在《基于冗余字典的线谱对参数压缩感知量化算法》一文中研究指出线谱对(LSP)参数是低速语音编码模型的一组非常重要的参数。为了提高编码效率,在压缩感知的框架下提出了基于冗余字典训练的LSP参数压缩感知量化方案。在研究LSP参数在离散傅里叶变换(DFT)域、离散余弦变换(DCT)域稀疏性的基础上,通过K奇异值分解(K-SVD)算法训练得到线谱对参数的冗余字典和稀疏系数。在编码端对从提取好的LSP参数观测得到低维的测量值,并对其量化,在解码端用正交匹配追踪算法对量化后的观测值进行重构得到重构线谱对参数。实验采用重构信噪比衡量了不同稀疏基下重构的效果,采用谱畸变对量化性能进行测试,仿真结果表明,文章采用的基于冗余字典训练算法在线谱对参数的稀疏表示、重构效果和量化效果上都具有更好的性能。(本文来源于《军事通信技术》期刊2014年03期）
肖强,陈亮,朱涛,黄建军[3]（2011）在《基于准KLT域的线谱对参数压缩感知量化研究》一文中研究指出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。(本文来源于《电子与信息学报》期刊2011年09期）
肖强,陈亮,朱涛,黄建军[4]（2011）在《基于压缩感知的线谱对参数降维量化算法》一文中研究指出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。(本文来源于《信号处理》期刊2011年04期）
陈俊,盛利元[5]（2010）在《基于LSP线谱对参数的GMM说话人识别系统》一文中研究指出提出一种基于线谱对LSP特征参数的说话人识别算法。利用线谱对LSP(LinearSpectrumPairs)系数良好的动态范围和滤波稳定性,以及良好的内插特性和量化特性,提取语音信号中隐含的音谱特征。本文将LSP算法和高斯混合模型(GMM)相结合,实验证明说话人识别系统中LSP比用LPCC作为特征参数有着更好的识别效果,在低码率的说话人识别方面有着良好的应用前景。(本文来源于《微计算机信息》期刊2010年04期）
张雄伟,闵刚,杨吉斌,闫佩君[6]（2009）在《一种高效的线谱对参数分段量化方案》一文中研究指出为了适应300 b/s以下超低速声码器的需要,提出了一种基于离散余弦变换DCT高效的线谱对参数分段量化方案——DCTSQ(discrete cosine transform segment quantization)方案。采用分段量化的思想,针对语音分段后提取出的线谱对参数矩阵维数不固定问题,对维数转换进行优化分析并利用DCT实现。在此基础上,推导出了DCTSQ方案的码本设计方法。仿真结果表明,相对于目前的分段量化方案和矩阵量化方案,DCTSQ方案可有效提高LSP参数量化效率。(本文来源于《解放军理工大学学报(自然科学版)》期刊2009年01期）
耿超,陈亮,商晓燕,山世雨[7]（2008）在《一种基于LVQ的语音线谱对参数量化方法》一文中研究指出在现有格型矢量量化(LVQ)方法的基础上,通过对线谱对(LSP)参数进行精度预处理,使其数值更接近于格点从而减少量化失真。仿真实现了改进方法,并采用MELP算法中4级MSVQ方法作为对比。得到的结果表明,较之MSVQ,LVQ量化LSP参数的精度提升了约90%的同时,合成语音的谱失真(SD)降低了约2/3,客观评估得分和近似MOS分略有提高。(本文来源于《军事通信技术》期刊2008年03期）
崔慧娟,彭坦,李晔,唐昆[8]（2008）在《声码器线谱对参数抗信道误码算法》一文中研究指出为降低在窄带高误码率信道上语音传输的失真,针对线谱对参数提出了一种基于信源信道联合特性的声码器线谱对参数抗误码算法。该算法首先对声码器模式信息采用结合长时统计特性的改进最大后验概率算法进行恢复,然后对语音合成质量影响最大的线谱对参数进行基于前向统计概率和分模式加权的最小均方误差准则下的线谱对参数差错后处理。该算法在不消耗任何额外带宽且无算法延时的要求下,可以显着降低线谱对参数谱失真,提高声码器抗信道误码能力和信道误码条件下的合成语音质量。特别在较高信道误码率(5%)下,平均谱失真降低0.3,MOS(meanopinionscore)平均提高15%左右。(本文来源于《清华大学学报(自然科学版)》期刊2008年04期）
邹霞,张雄伟[9]（2008）在《线谱对参数预测多级矢量量化联合优化算法》一文中研究指出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。(本文来源于《数据采集与处理》期刊2008年02期）
崔慧娟,彭坦,李晔,唐昆[10]（2008）在《声码器线谱对参数抗信道误码算法》一文中研究指出为降低在窄带高误码率信道上语音传输的失真,针对线谱对参数提出了一种基于信源信道联合特性的声码器线谱对参数抗误码算法。该算法首先对声码器模式信息采用结合长时统计特性的改进最大后验概率算法进行恢复,然后对语音合成质量影响最大的线谱对参数进行基于前向统计概率和分模式加权的最小均方误差准则下的线谱对参数差错后处理。该算法在不消耗任何额外带宽且无算法延时的要求下,可以显着降低线谱对参数谱失真,提高声码器抗信道误码能力和信道误码条件下的合成语音质量。特别在较高信道误码率(5%)下,平均谱失真降低0.3,MOS(mean opinion score)平均提高15%左右。(本文来源于《清华大学学报(自然科学版)网络.预览》期刊2008年04期）
线谱对参数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
线谱对(LSP)参数是低速语音编码模型的一组非常重要的参数。为了提高编码效率,在压缩感知的框架下提出了基于冗余字典训练的LSP参数压缩感知量化方案。在研究LSP参数在离散傅里叶变换(DFT)域、离散余弦变换(DCT)域稀疏性的基础上,通过K奇异值分解(K-SVD)算法训练得到线谱对参数的冗余字典和稀疏系数。在编码端对从提取好的LSP参数观测得到低维的测量值,并对其量化,在解码端用正交匹配追踪算法对量化后的观测值进行重构得到重构线谱对参数。实验采用重构信噪比衡量了不同稀疏基下重构的效果,采用谱畸变对量化性能进行测试,仿真结果表明,文章采用的基于冗余字典训练算法在线谱对参数的稀疏表示、重构效果和量化效果上都具有更好的性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
线谱对参数论文参考文献
[1].李娟娟,俞一彪,芮贤义.结合牛顿-拉夫森函数计算语音线谱对参数的高效算法[J].信号处理.2014
[2].陈亮,陈亮,张翼鹏,庞亮.基于冗余字典的线谱对参数压缩感知量化算法[J].军事通信技术.2014
[3].肖强,陈亮,朱涛,黄建军.基于准KLT域的线谱对参数压缩感知量化研究[J].电子与信息学报.2011
[4].肖强,陈亮,朱涛,黄建军.基于压缩感知的线谱对参数降维量化算法[J].信号处理.2011
[5].陈俊,盛利元.基于LSP线谱对参数的GMM说话人识别系统[J].微计算机信息.2010
[6].张雄伟,闵刚,杨吉斌,闫佩君.一种高效的线谱对参数分段量化方案[J].解放军理工大学学报(自然科学版).2009
[7].耿超,陈亮,商晓燕,山世雨.一种基于LVQ的语音线谱对参数量化方法[J].军事通信技术.2008
[8].崔慧娟,彭坦,李晔,唐昆.声码器线谱对参数抗信道误码算法[J].清华大学学报(自然科学版).2008
[9].邹霞,张雄伟.线谱对参数预测多级矢量量化联合优化算法[J].数据采集与处理.2008
[10].崔慧娟,彭坦,李晔,唐昆.声码器线谱对参数抗信道误码算法[J].清华大学学报(自然科学版)网络.预览.2008