导读:本文包含了低码率论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:语音,音频,极低,波束,客观,评价,质量。
低码率论文文献综述
姜璇[1]（2019）在《低码率数字音频质量的客观评价》一文中研究指出在这个信息化时代,数字化已经逐渐成为了一种标志,随着数字音频在音频领域的应用越来越广泛,音频的质量也受到越来越多的关注。现有两种可以评价音频质量的方法,一种是主观评价,请专业听音人员做听音实验,对所听到的音频的质量进行评价打分;一种是客观评价,通过相关设备或软件,分析相关音频参数,通过各种客观指标对音频的质量做出评价。目前对于数字音频质量的客观评价标准只有PEAQ算法,而此算法只针对小损伤音频,并且由于主观评价实验费时费力,不能实时对音频质量进行评价,所以本文要研究一种针对低码率数字音频质量的客观评价算法。(本文来源于《电声技术》期刊2019年02期）
李强,张玲,朱兰,明艳[2]（2018）在《一种甚低码率声码器的设计》一文中研究指出在混合激励线性预测(mixed excitation linear prediction,MELP)模型的基础上,以超帧为单位,采用多帧联合编码技术,分模式对子帧的语音特征参数进行联合量化,实现了一种码率为600 bit/s的声码器。为了进一步减小量化误差,设计出了一种基于高斯混合模型的预测分类分裂矢量量化器(predictive switched split vector quantization based on Gauss mixture model,GMM-PSSVQ),该量化器对超帧中某些子帧的线谱频率进行量化,并利用帧间预测和线性插值等方法提高编码效率。采用谱失真对设计的矢量量化器进行性能评估,并分别与多级矢量量化和预测分裂矢量量化算法进行性能比较;通过客观感知语音质量评估和主观判断韵字测试对实现的声码器进行性能测试。测试结果表明,设计的矢量量化器平均谱失真最低,实现的声码器合成语音具有较高的清晰度和可懂度。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2018年06期）
毛晶晶,李磊,王伟[3]（2018）在《超远距离散射链路的低码率Turbo码技术》一文中研究指出针对超远距离散射链路路径损失大、信噪比极低的问题,研究低码率Turbo码在散射通信中的应用。介绍了散射通信系统结构,对散射信道进行建模,然后对基于CCSDS标准的Turbo码进行研究,并对译码算法进行应用改进。仿真结果表明,在超远距离散射链路中,采用基于CCSDS标准的Turbo码,可以提升系统性能,保证关键指控信息的可靠传输。(本文来源于《无线电通信技术》期刊2018年05期）
宫海晓,贺杰,耿德志[4]（2018）在《低码率分形视频图像分层压缩方法仿真》一文中研究指出对分形视频图像进行分层压缩,能够有效降低低码率分形视频图像传输的失真率。对低码率分形视频图像的分层压缩,需要先图像进行二维小波转换操作,在图像传输过程插入弯曲小波系数,完成图像传输的差错隐藏。传统方法对灰度图像量化表进行增加,改进视频编码中的编码器,但忽略了对图像传输小波系数的求取,导致差错隐藏精度偏低。提出低码率分形视频图像分层压缩方法,将彩色的图像进行灰度转换,利用梯度搜索将搜索结果中最大的梯度值点,和设定阈值集中的值比较,直至图像分割结束;将分割之后的图像采用迭代仿射变换实现低码率分形视频图像的压缩;对图像实施二维小波转换操作,插入弯曲小波系数,得到BANDELET表现形式,完成低码率分形视频图像的编码,提高比特率。实验结果表明,所提方法有效解决了图像传输质量差的问题。(本文来源于《计算机仿真》期刊2018年07期）
甘柳月[5]（2018）在《低码率LDPC码的设计研究》一文中研究指出由于移动通信存在干扰和衰落,信号在传输过程中将出现差错,故对数字信号必须采用纠、检错编码技术,以增强数据在信道传输时抵御各种干扰的能力,提高系统的可靠性。与传统信道编码相比,低密度奇偶校验(LDPC)码目前在性能上最接近香农限,然而在码率较低时其性能比Turbo码差。为了弥补LDPC码在低码率时的不足,本文对低码率LDPC码的设计和构造进行了深入的研究,设计了性能优异、构造灵活、编译码复杂度较低的LDPC码。论文首先从信道编码理论和香农限出发,介绍了LDPC码的研究背景以及国内外研究现状,并对LDPC码校验矩阵的构造方法、编码方法、译码算法等各方面进行讲解,此外也对原模图LDPC码进行了详细的介绍。在此基础上,本文对低码率LDPC码的设计展开了以下一系列的研究。首先,本文针对无线信道时变性和信道资源有限性,研究了码率自适应LDPC码,并提出了基于渐进边增长(PEG)算法的低码率LDPC码设计方法,实现在混合自动重传请求(HARQ)系统中低码率LDPC码的构造。该方法利用改进的PEG算法来优化扩展中非零元的位置,对码结构进行优化设计,进一步提高传输性能。其次,研究了两种原模图性能分析工具,提出了一种基于校验节点分裂的低码率原模图设计方法,并给出了原模图优化设计准则和方法,该方法利用校验节点分裂技术,降低了原模图矩阵的搜索维度,使优化设计简化,从而降低了矩阵搜索的复杂度。本文采用该设计方法设计出了码率从1/2到1/6的原模图LDPC码,并通过理论和仿真分析证明它们具有良好性能,在误比特率为10~(-5)时,与同等码率的RC-AR4JA码相比约有0.2dB的提升。随着码率的降低,经过优化得到的LDPC码与香农限的差距逐渐增大。对此,本文提出了一种基于原模图的LDPC-Hadamard码的编码方案。针对LDPC-Hadamard码中变量节点和校验节点的外信息转移(EXIT)曲线不能被优化匹配,以及LDPC-Hadamard码度分布优化过程中计算量较大的问题,提出了原模图LDPC-Hadamard码的设计方法,免去了度分布优化的过程,大大降低了计算量。此外利用删余方法对与校验节点相关联较少的第II类变量节点进行删余,得到低于1/2码率的速率兼容LDPC-Hadamard码,依然具有良好的性能。(本文来源于《电子科技大学》期刊2018-05-05）
江文斌[6]（2018）在《面向复杂场景的极低码率语音编解码和语音增强关键技术研究》一文中研究指出近年来,随着信号处理技术的发展,语音通信系统和语音识别系统在理想条件下取得了良好的效果。然而,在面向宽带资源有限条件下的低码率语音通信、强噪声干扰条件下的语音识别等复杂应用场景,现有系统的性能会大大降低。低码率语音编码会由于量化误差导致语音可懂度的下降,并会随着码率的降低进一步恶化,这对高可懂度的低码率语音编解码提出了更高的要求。实际应用系统中的环境噪声干扰会使得通话质量和识别率大大降低,这对语音增强(或降噪)技术也提出了越来越高的要求。本文对复杂场景下低码率语音编解码和语音增强两大问题展开研究。针对极低码率语音编码问题,分析了语音信号不同感知层的表示方法及对应的编码方法,研究了只需要单一量化编码参数的参数层低码率语音编码方法,并以此为基础实现了语义层高可懂度编解码方法,具体研究内容如下:实现了采用梅尔倒谱系数的低码率语音编解码方法。该方法只需要一种参数表示语音信号,使得实现极低码率量化编码时不需要考虑参数间联合矢量量化的问题,从而极大地简化了量化器的设计。为了实现基于梅尔倒谱系数的高质量语音信号重建,在解码端实现了采用混合高斯模型的清浊分类和基音周期估计,并使用此信息实现了一种改进型幅度谱迭代逼近的方法重建时域信号。该重建方法充分利用了语音信号本身的特点,信号初始化为最小相位信号或者合成相位信号,从而实现了高质量语音的重建并加速了迭代算法的收敛速度。在基于梅尔倒谱系数编码方法的基础上,实现了一种采用深度神经网络的语义层低码率编解码方法,并对其中的基于语音参数重构信号和高维度数据量化两大关键技术问题展开研究。研究了受限波尔兹曼机结构的深度神经网络用于语音信号语义层的特征提取,实现了信号功率谱的语义层重构;研究了深度自动编码器用于高维度数据量化,实现了一种融合传统量化编码器和神经网络解码器的矢量量化方法。基于深度神经网络进行信号重构和高维度矢量量化,实现了语义层高可懂度的极低码率语音编解码器。针对复杂环境下的语音降噪问题,本文研究了单/多通道语音增强算法,实现了融合特定人信息的单通道语音增强方法,并实现了不依赖波达方向估计的噪声鲁棒性多通道空间滤波方法,具体内容如下:实现了一种融合特定人信息的单通道语音增强算法。该算法分别对噪声估计、噪声分类、噪声鲁棒的说话人识别、特定人信息的提取及融合进行了研究,实现了基于自适应混合高斯模型的噪声估计方法、采用参数域特征的噪声分类方法、针对典型的噪声环境分别建立对应说话人模型的话者识别方法、以及从说话人模型提取信息融合到语音增强算法的方法,从而减少了对噪声估计算法的依赖,有效提升了增强后语音信号的质量。研究了噪声鲁棒性阵列信号空间滤波算法,包括不依赖于波达方向估计的改进型最小方差无失真响应波束形成算法和基于广义特征值分解的盲波束形成算法,并分析得出噪声鲁棒性波束形成算法的关键是信号和噪声的时频掩膜估计。针对现有时频掩膜估计算法的种种不足,实现了一种功率谱域实高斯模型的时频掩膜估计算法,该算法较传统复高斯模型的时频掩膜估计方法大大降低了计算复杂度;实现了一种基于深度神经网络时频掩膜估计算法,该方法采用多目标训法并融合了阵列空间信息,较同类方法大大提高了时频掩膜的精度。综上所述,本文对复杂环境下的极低码率语音编码器和语音增强关键技术问题进行了深入研究和分析,研究了基于梅尔倒谱系数的语音编码方法并实现了语义层编解码器、研究了融合特定人信息的语音增强算法并实现了噪声鲁棒性空间降噪方法。本文为极低码率语音编码器和语音增强技术的应用提供了理论依据和实践参考。(本文来源于《上海交通大学》期刊2018-05-01）
汪祖海[7]（2018）在《短块长极低码率信道编码优化设计》一文中研究指出在可能存在较强干扰的控制信道中传送信息时,传统上采用扩频技术来抵抗干扰。但是扩频技术只能获得处理增益而不能获得编码增益。而极低码率编码既可以获得处理增益,而且相对扩频技术还能够获得额外的编码增益。李坪等学者提出的极低码率编码Turbo-Hadamard码在码长很长的情况下具有逼近信道容限的优异性能。但码长很长的时候通信的实时性就不能保证。因此本论文主要研究短码长Turbo-Hadamard码的优化设计问题。论文首先研究了 Turbo-Hadamard码的编译码结构及其相关译码算法。然后重点对Turbo-Hadamard码在短码长情况下进行了性能分析。这部分主要工作有:1.研究分析了各个影响因素对短码长Turbo-Hadamard 码的性能影响;2.对短码长 Turbo-Hadamard 码和其他低码率编码进行了性能对比仿真分析;3.研究了 Turbo-Hadamard码的重量谱特性和译码性能界,并分析了影响Turbo-Hadamard码译码性能界的因素。此外,论文提出了 Turbo-Hadamard码因子图,通过因子图理论验证了交织器设计对于Turbo-Hadamard码的性能提升的重要作用。最后根据Turbo-Hadamard码因子图提出了并行coprime交织器、并行QPP交织器的设计算法。仿真结果表明,Turbo-Hadamard码的编译码结构使用论文提出的并行coprime交织器、并行QPP交织器较之使用随机交织器译码性能有较大提高。同时在设计并行QPP交织器中,结合QPP交织器的相关性质对单个QPP交织器的参数搜索空间进行了优化,加速了搜索单个QPP参数的过程。(本文来源于《北京邮电大学》期刊2018-03-15）
戴茂华,王正勇,卿粼波,何小海[8]（2018）在《超分辨率重建在低码率视频压缩编码中的应用》一文中研究指出在低码率段,HEVC压缩过程会造成大量视频信息的丢失,进而导致压缩视频中存在比较严重的失真。针对这一问题,我们提出了一种基于HEVC的低码率视频压缩编码框架,该框架主要包括以下步骤:在编码端,首先对视频进行两倍下采样,然后进行HEVC编码;在解码端,采用LSM-MNLR(Laplacian scale mixture modeling and Multi-non-local low-rank regularization)对解码后的视频进行去噪以及利用超分辨率重建方法将视频重建到原始尺寸。实验证明,相比HEVC,我们的低码率视频压缩编码框架在低码率段能取得更好的主客观效果。(本文来源于《电视技术》期刊2018年01期）
[9]（2017）在《中科大洋LeoVideo重大版本发布,真·低码率真·高质量》一文中研究指出近日,中科大洋宣布,LeoVideo针对低码率高质量编码的技术研究又取得了巨大进展,从1.16版本起,可提供行业领先的新媒体格式高质量编码能力。其中,1080p H.264、720p H.264在保证视频质量的情况下视频码率最低可到600kbps~1.2Mbps,和老版本相比,相同的画面质量新版本的码率可降低30%左右,节约了大量的I/O流量和存储空间,把省钱做到了极致。(本文来源于《广播电视信息》期刊2017年12期）
孙佳婷[10]（2017）在《低码率音频质量客观评价算法研究》一文中研究指出移动音频在传输和存储时,为了充分利用带宽和存储介质,必须压缩码率,从而造成音频质量的下降。这意味着低码率音频质量评价的问题呈现出了前所未有的重要性。对低码率音频质量客观评价算法进行了研究:(1)利用结构相似性算法(SSIM算法)对受损音频的时频图进行客观评价。通过对低码率音频失真特点的研究,对结构相似性算法做了两点改进,改进后的结构相似性评分与音频质量主观评分的相关度为0.86,适用于多种失真类型。(2)联合PEAQ客观评分与SSIM客观评分,采用曲面逼近的方法与主观评分拟合,代替PEAQ算法中的人工神经网络,最终客观评分与主观评分的相关度为0.91,有较好的一致性。(本文来源于《黑龙江大学工程学报》期刊2017年02期）
低码率论文开题报告
（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：
在混合激励线性预测(mixed excitation linear prediction,MELP)模型的基础上,以超帧为单位,采用多帧联合编码技术,分模式对子帧的语音特征参数进行联合量化,实现了一种码率为600 bit/s的声码器。为了进一步减小量化误差,设计出了一种基于高斯混合模型的预测分类分裂矢量量化器(predictive switched split vector quantization based on Gauss mixture model,GMM-PSSVQ),该量化器对超帧中某些子帧的线谱频率进行量化,并利用帧间预测和线性插值等方法提高编码效率。采用谱失真对设计的矢量量化器进行性能评估,并分别与多级矢量量化和预测分裂矢量量化算法进行性能比较;通过客观感知语音质量评估和主观判断韵字测试对实现的声码器进行性能测试。测试结果表明,设计的矢量量化器平均谱失真最低,实现的声码器合成语音具有较高的清晰度和可懂度。
（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。
低码率论文参考文献
[1].姜璇.低码率数字音频质量的客观评价[J].电声技术.2019
[2].李强,张玲,朱兰,明艳.一种甚低码率声码器的设计[J].重庆邮电大学学报(自然科学版).2018
[3].毛晶晶,李磊,王伟.超远距离散射链路的低码率Turbo码技术[J].无线电通信技术.2018
[4].宫海晓,贺杰,耿德志.低码率分形视频图像分层压缩方法仿真[J].计算机仿真.2018
[5].甘柳月.低码率LDPC码的设计研究[D].电子科技大学.2018
[6].江文斌.面向复杂场景的极低码率语音编解码和语音增强关键技术研究[D].上海交通大学.2018
[7].汪祖海.短块长极低码率信道编码优化设计[D].北京邮电大学.2018
[8].戴茂华,王正勇,卿粼波,何小海.超分辨率重建在低码率视频压缩编码中的应用[J].电视技术.2018
[9]..中科大洋LeoVideo重大版本发布,真·低码率真·高质量[J].广播电视信息.2017
[10].孙佳婷.低码率音频质量客观评价算法研究[J].黑龙江大学工程学报.2017
论文知识图
