计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
12期
124-125,156
,共3页
矢量量化%自组织特征映射神经网络%自适应调整%低延迟语音编码
矢量量化%自組織特徵映射神經網絡%自適應調整%低延遲語音編碼
시량양화%자조직특정영사신경망락%자괄응조정%저연지어음편마
根据低延迟语音编码算法训练码书的尺寸和码字维数的特点,提出了一种改进的自组织特征映射(SOFM)神经网络的码书设计方法.对输入训练矢量以及连接权矢量进行归一化,为降低计算量和提高码书训练质量,采用快速的网络学习决定获胜的神经元并对网络权值分阶段进行自适应调整,最后应用于低延迟语音编码中.实验表明,与传统LBG算法比较,采用SOFM神经网络训练的码书其合成语音的主、客观质量均有较大提高.
根據低延遲語音編碼算法訓練碼書的呎吋和碼字維數的特點,提齣瞭一種改進的自組織特徵映射(SOFM)神經網絡的碼書設計方法.對輸入訓練矢量以及連接權矢量進行歸一化,為降低計算量和提高碼書訓練質量,採用快速的網絡學習決定穫勝的神經元併對網絡權值分階段進行自適應調整,最後應用于低延遲語音編碼中.實驗錶明,與傳統LBG算法比較,採用SOFM神經網絡訓練的碼書其閤成語音的主、客觀質量均有較大提高.
근거저연지어음편마산법훈련마서적척촌화마자유수적특점,제출료일충개진적자조직특정영사(SOFM)신경망락적마서설계방법.대수입훈련시량이급련접권시량진행귀일화,위강저계산량화제고마서훈련질량,채용쾌속적망락학습결정획성적신경원병대망락권치분계단진행자괄응조정,최후응용우저연지어음편마중.실험표명,여전통LBG산법비교,채용SOFM신경망락훈련적마서기합성어음적주、객관질량균유교대제고.
