کدگذاری گفتار با استفاده از پیش بینی غیر خطی بر پایه بسط سری های ولترا

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 کدگذاری گفتار با استفاده از پیش بینی غیر خطی بر پایه بسط سری های ولترا دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد کدگذاری گفتار با استفاده از پیش بینی غیر خطی بر پایه بسط سری های ولترا  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی کدگذاری گفتار با استفاده از پیش بینی غیر خطی بر پایه بسط سری های ولترا،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن کدگذاری گفتار با استفاده از پیش بینی غیر خطی بر پایه بسط سری های ولترا :

نام کنفرانس، همایش یا نشریه : مهندسی برق و مهندسی کامپیوتر ایران

تعداد صفحات :۱۲

در سال های اخیر به منظور کاهش بیشتر نرخ بیت و از آنجا پهنای باند توجه روز افزونی به استفاده از مدل ها و تکنیک های غیر خطی پیش بینی در کدگذاری گفتار شده است. معمولا شبکه های عصبی برای این هدف به کار می روند که منجر به تا ۳dB کاهش بیشتر در انرژی سیگنال تحریک می شوند. پیش بینی غیر خطی همچنین می تواند بر پایه بسط سری های ولترا انجام گیرد که در آن برای سادگی معمولا بسط به بخش های نخست و دوم محدود می شود (پیش بینی درجه دو ). مطالعات اولیه نشان دادند که در مقایسه با شبکه های عصبی استفاده از فیلترهای ولترا منجر به یک کاهش بسیار بیشتر در انرژی سیگنال تحریک می شود (۶ تا ۱۰dB). با این وجود به دلیل ناپایداری این کاهش نمی تواند منجر به کاهش نرخ بیت یا بهبود نسبت سیگنال به نویز شود. این ناپایداری در دکد کننده به دلیل وجود خطای محاسباتی (برای نمونه ناشی از چندی کردن سیگنال تحریک) و حساسیت بالای محاسبات به این خطا ایجاد می شود.در کار اصیلی که در اینجا ارایه می شود ناپایداری در کدک در هر دو نوع پیش بینی پیشرو و پسرو به ترتیب با استفاده از الگوریتم های کمترین مربع ها (LS) و کمترین میانگین مربع های (LMS) سیگنال خطا بررسی می شود. نشان داده می شود که پایداری در عوض فدا کردن بخش عمده ای از صرفه جویی به دست آمده در انرژی سیگنال تحریک به دست می آید به گونه ای که سطح کاهش نهایی اغلب همانند شبکه های عصبی می باشد. در پیش بینی پیشرو پس از پایدارسازی و با وجود اندکی افزایش در پیچیدگی عملیاتی در ۲۰ تا ۴۵% قالب ها افزودن بخش درجه دو سودمند خواهد بود. بر این اساس الگوریتمی توسعه می یابد که پیش بینی غیر خطی تنها بر روی این قالب ها انجام گیرد. این الگوریتم باعث بهبود تا ۴dB در نسبت سیگنال به نویز نهایی می شود. پیش بینی غیر خطی پسرو متوالی با وجودی که از نقطه نظر پیاده سازی بسیار مناسب تر است در مقایسه با پیش بینی خطی کارایی بهتری را نتیجه نمی دهد.

کلید واژه: بسط سری های ولترا، پیش بینی غیر خطی، پیش بینی وفقی پسرو، پیش بینی وفقی پیشرو، کدگذاری گفتار، کمترین مربع ها، کمترین میانگین مربع ها