基于SOFM的直接矢量量化方法在LD-CELP語(yǔ)音編碼算法中的應(yīng)用.pdf

1、太原理工大學(xué)碩士學(xué)位論文基于SOFM的直接矢量量化方法在LDCELP語(yǔ)音編碼算法中的應(yīng)用姓名：趙群群申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：信號(hào)與信息處理指導(dǎo)教師：張雪英20080501太原理工大學(xué)碩士研究生學(xué)位論文使用直接矢量量化方法后，需要重新訓(xùn)練碼書。因此，本文接著研究了神經(jīng)網(wǎng)絡(luò)在矢量量化碼書設(shè)計(jì)中的應(yīng)用。自組織特征映射(SelfOrganizingFeatureMap，SOFM)豐O經(jīng)網(wǎng)絡(luò)算法由于其受初始碼書影響小、抗信噪誤碼能力強(qiáng)、適應(yīng)性強(qiáng)等

2、特點(diǎn)被廣泛應(yīng)用于碼書設(shè)計(jì)。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(luò)，采用Kohonen競(jìng)爭(zhēng)學(xué)習(xí)算法，改變獲勝節(jié)點(diǎn)及相鄰節(jié)點(diǎn)的權(quán)值，實(shí)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(luò)理論的基礎(chǔ)上，闡述了在語(yǔ)音編碼算法中，SOFM的學(xué)習(xí)速率和鄰域函數(shù)的選擇問(wèn)題，并進(jìn)一步提出了兩個(gè)改善網(wǎng)絡(luò)性能的方法：一是對(duì)輸入訓(xùn)練矢量和連接權(quán)矢量進(jìn)行歸一化處理；二是將網(wǎng)絡(luò)權(quán)值的自適應(yīng)調(diào)整過(guò)程分解為排序