搜索资源列表
123
- DPCM采用预测编码的方式传输信号，所谓预测编码就是根据过去的信号样值来预测下一个信号样值，并仅把预测值与现实样值的差值加以量化，编码后进行数字信号传输
the-application-and-research-based-on-dm642dsp-spe
- 本课题的研究目的是开发一个基于的语音压缩系统。核心算法是 一组织提出的建议共扼结构代数码本激励线性预测编码一 技术，而我的工作是开发语音采集系统，实现核心算法的预处理部分，核心 硬件是基于公司高性能。
H263
- 建议说明了一个可以用来压缩包含低比特率情况下的有运动图象成分的视听服务的编码表示。视频信号编码的基本构造是基于ITU-T的H.261建议，它是通过帧间预测编码去除时间上的冗余和通过对保留信号进行变换编码来去除空间上的冗余的结合。源编码器可以在五种标准图象格式上工作：sub-QCIF, QCIF, CIF, 4CIF和 16CIF。
genexp
- 比对算法的具体应用DNA序列分析 ——基因序列 ——基因表达调控信息 寻找基因牵涉到两个方面的工作 ： 识别与基因相关的特殊序列信号 预测基因的编码区域 结合两个方面的结果确定基因的位置和结构 基因表达调控信息隐藏在基因的上游区域，在组成上具有一定的特征，可以通过序列分析识别这-Algorithms specific DNA sequence analysis applications- gene sequences- gene expression and regulation of info
Surfel_FILE_COMPRESSION
- 针对点云数据局部集中的特点,使用差值预测对点云数据进行预测处理 在预测的同时,根据IEEE2754 浮点数标准,简化浮点数的尾数,使用3. 5 Byte来表示一个浮点数,以提高压缩效果 然后对预测数据中连续重 复的字节使用该字节加该字节重复的次数的方式存储 最后对经过以上处理的数据使用一阶自适应算术编码进 行压缩。最终得到的程序在压缩比和内存占用两个方面远优于WinRAR、WinZip压缩软件-Point cloud data for the characteristics of l
shujuyasuojichun
- 数据压缩理论，算法编码，行程编码，词典编码，预测编码，变换编码，综合分析编码-Data compression theory and algorithm coding, Run-Length Coding, dictionary coding, predictive coding, transform coding, a comprehensive analysis of coding
pcm
- 语音编码方案的选取对移动通信系统的通话质量、信道容量等有重要影响。本文讨论了TD-SCDMA系统中AMR语音编码的自适应机制，同时分析了AMR中代数码本线性预测(ACELP)算法及实现过程。该方案可以在一块TMS320C5510上实现。-The selection of voice coding schemes for mobile communication systems the quality of the call, such as channel capacity have had a
untitled1
- DPCM,由于语音信号的相邻抽样点之间有一定的幅度关联性，所以，可根据以前时刻的样值来预测现时刻的样值，只要传预测值和实际值之差，而不需要每个样值都传输。这种方法就是预测编码。-DPCM, as a result of voice signals between adjacent sampling rate of a certain relevance, we can kind of time based on previous values to predict the kind of val
T-REC-G.722.2-200307
- ITU-T G.722.2 国际电信联盟G.722.2建议书，2003年7月版。该建议书是语音通讯领域的压缩标准，被GSM，WCDMA，3GPP等采用，题目为16kbit下的宽带语音编码，使用自适应多率宽带编码。 内容主要有代数码激励线性预测编码(ACELP)，话音活动检测(VAD)等。-This Recommendation describes the high quality Adaptive Multi-Rate Wideband (AMR-WB) encoder and de
daima
- 此程序可以对语音信号进行编码压缩等功能，并且可以预测编码-This program can be coded and compressed voice signal and other functions, and can be predictive coding
aboutphonelinearnovels
- 这是我收集来的有关语音信号非线性处理方面的小论文，主要有关语音非线性分析、研究、预测编码以及识别方面，希望对大家有帮助！-This is what I gathered the voice signal processing, nonlinear small papers, mainly the voice of nonlinear analysis, research, and to identify aspects of predictive coding, we want to help!
Efficient-LSP-quantization-algorithm
- 为在极低速率下实现高质量的语音编码,提出了一 种新的有效的线谱对( LSP)参数量化算法——P-RS- MSM Q 算法。此算法以多帧联合矩阵量化作为基本框架,引入了基 于超级帧模式的均值去除和帧间预测策略、 矩阵分裂和子矩 阵多级量化策略 同时提出了基于语音帧短时谱能量的帧 内加权和基于超级帧中各子帧重要性的帧间加权策略等。-Very low rates in high-quality speech coding, a new and effective LSP (LSP)
Frequency-cycle-synchronization
- 基于线性预测编码及音框基频周期同步之高品质语音变换技术页数-Based on linear predictive coding and the frame fundamental frequency cycle synchronization of high-quality voiceTransform technology pages
SOLA_Algorithm
- 基于线性预测编码及音框基频周期同步之高品质语音变换技术页数-Based on linear predictive coding and the frame fundamental frequency cycle synchronization of high-quality voiceTransform technology pages
Linear-Predictive-coding
- 语音信号的线性技术仿真,用matlab的simulink对实际语音信号进行预测编码实验-Linear Predictive coding
G728
- G728（LD-CELP）即低时延码激励线性预测，编码实现代码分析-G728 (LD-CELP) ie, low-delay code excited linear prediction coding to achieve code analysis
H264_DM6437
- H．264标准是ITU．T视频编码专家组和ISO IEC活动图像专家组共同组成的联合视频组开发的新一代视频压缩标准。H．264高效的编码效率建立在其高复杂度的编码算法基础上，而采用具有较强并行处理能力的C64x+DSP芯片的达芬奇(Davinci)技术平台，则以较高的运算性能和丰富的外围接口成为目前实现视频应 用系统的理想平台。本文对H．264编码算法的帧间及帧内预测算法进行改进，并进行了H．264编码器在DM6437平台上的移植和优化。-H．264 was jointly proposed
Formant-Frequencies-Estimation
- 利用倒谱和线性预测编码的方法准确估计共振峰频率。-Discusses the accurate measurement of formant frequencies using Cesptral and LPC method. Each algorithm was implemented with Matlab and was applied in the aim to uate the precision of both designed techniques.
2.4Pkb-sPMELP
- 提出了一种新的工作于极低码率下的混合激励线性预测(MELP)声码器.该声码器结合了线性预测编码(LPC)和多带激励编码算法的优点,对算法和量化方案重新进行了设计和改造,其主要特征包括改进的基音检测算法、混合的周期脉冲和随机噪声激励、有效的线性谱频率(LSF)参数量化以及激励谱形状表示.非正式主观测试表明,由采用本算法的一个2.4 kb/s编码器所重建的语音质量略优于美国联邦标准4.8 kb/s码激励线性预测编码(CELP)所重建的语音质量.-New Mixed Excitation Linear
melppaper6
- 为了提高深度模型的编码重构性能,本文为传统对比散度(Contrastive divergence,CD)添加了基于交叉熵的重构误差约束。利用改进后的算法训练了重构性深度自编码机(Reconstructive deep au-to-encoder,RDAE),并用 RDAE 替换混合激励线性预测编码(Mixed excitation linear prediction, MELP)语音编码器中 LSF 参数的矢量量化方法。测试结果表明,改进后的算法在损失一定模型似然度的条件下获得了重构性能的提升,