基于SOFM的直接矢量量化方法在LD-CELP語音編碼算法中的應用.pdf_第1頁
已閱讀1頁，還剩77頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、太原理工大學碩士學位論文基于SOFM的直接矢量量化方法在LDCELP語音編碼算法中的應用姓名：趙群群申請學位級別：碩士專業(yè)：信號與信息處理指導教師：張雪英20080501太原理工大學碩士研究生學位論文使用直接矢量量化方法后，需要重新訓練碼書。因此，本文接著研究了神經(jīng)網(wǎng)絡在矢量量化碼書設計中的應用。自組織特征映射(SelfOrganizingFeatureMap，SOFM)豐O經(jīng)網(wǎng)絡算法由于其受初始碼書影響小、抗信噪誤碼能力強、適應性強等

2、特點被廣泛應用于碼書設計。它是一種具有側(cè)向聯(lián)想能力的雙層(輸入層和輸出層)結(jié)構(gòu)網(wǎng)絡，采用Kohonen競爭學習算法，改變獲勝節(jié)點及相鄰節(jié)點的權(quán)值，實現(xiàn)輸入矢量到輸出矢量空間的特征映射，權(quán)值的集合即組成碼書。本研究在深入分析SOFM神經(jīng)網(wǎng)絡理論的基礎上，闡述了在語音編碼算法中，SOFM的學習速率和鄰域函數(shù)的選擇問題，并進一步提出了兩個改善網(wǎng)絡性能的方法：一是對輸入訓練矢量和連接權(quán)矢量進行歸一化處理；二是將網(wǎng)絡權(quán)值的自適應調(diào)整過程分解為排序

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論