王迎雪
- 作品数：8 被引量：6H指数：2
- 供职机构：北京理工大学信息与电子学院更多>>
- 发文基金：国家自然科学基金国家留学基金更多>>
- 相关领域：电子电信医药卫生更多>>
- 网格编码量化在G.719音频编码器中的应用
- 2015年
- 网格编码量化(TCQ)借鉴了网格编码调制(TCM)中的信号集合扩展、信号集合划分和网格状态转移的思想,具有较好的量化性能,且复杂度适中。将TCQ应用到G.719音频编码器中,提出了一种MDCT系数的标量量化方案。实验结果表明,与G.719相比,该方案不仅降低了计算复杂度,而且其重建音频质量在64 kbit/s以上速率不低于G.719音频编码器。
- 王迪赵胜辉赵情恩翟迎灿王迎雪
- 关键词：低复杂度网格编码量化
- 去除AMR语音编码器前瞻时延的研究
- 2014年
- 为降低自适应多速率(AMR)语音编码器的时延,提出了一种去除其前瞻时延的方法.此方法采用协方差算法计算线性预测系数,然后用线性预测系数外推得到新样点.用新推得的样点取代原来的前瞻样点,从而去除了编码器的前瞻时延.进一步对重建语音质量分别进行了客观评价和主观评价,并且计算了算法复杂度.实验结果表明该方法在去除前瞻时延的同时,重建语音质量接近原始AMR的重建语音质量.
- 张春玲赵胜辉王迎雪匡镜明
- 关键词：语音编码自适应多速率协方差
- 基于受限玻尔兹曼机的语音带宽扩展被引量：3
- 2016年
- 语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,由于该方法假设语音高频、低频服从高斯分布,且只表征了语音低频、高频之间的线性关系,从而导致合成的高频语音出现失真。因此,该文提出一种基于受限玻尔兹曼机的方法,该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性;并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样,通过提取语音低频和高频中蕴含的高阶统计特性,该方法可以深层挖掘语音高频和语音低频之间的实际关系,从而更加准确地模拟频谱包络分布,合成质量更高的语音。客观测试、主观测试结果表明,该方法性能优于传统的高斯混合模型方法。
- 王迎雪赵胜辉于莹莹匡镜明
- 关键词：前馈神经网络高斯混合模型
- G.718音频编码器核心层的一种低延时编码方案
- 2014年
- 语音编码器不仅要求提供高质量的语音,同时还要具有较低的编解码延时。为了降低G.718编码器核心层的延时,提出了一种帧长为5 ms的低延时编码方案,该方案将编码延时降低了25 ms。主客观语音评测结果表明,该方案具有接近G.718核心层的重建语音质量。
- 翟迎灿赵胜辉王迎雪刘洱兰王迪
- 关键词：低延时
- 基于带符号残差加权的手机定位方法
- 2016年
- 在蜂窝网的移动终端定位中,非视距(NLOS)环境造成的误差是导致定位精度下降的主要原因.为降低NLOS误差的影响,本文提出了一种基于带符号残差加权的定位方法.该方法采用Chan算法算出移动台的初始位置,用带符号残差加权模型进行修正,再应用带符号残差辅助的泰勒级数展开法进行迭代,得到移动台的最终估计位置.仿真实验结果表明,与基于平方残差加权的方法相比,基于带符号残差加权的方法的定位精度平均提高约14.82%,可更加有效地抑制NLOS的影响.
- 赵胜辉赵情恩王迪翟迎灿王迎雪
- 关键词：非视距泰勒级数
- 基于奇异值第一主成分的睡眠脑电分期方法研究被引量：3
- 2014年
- 目的:脑电信号含多种噪声和伪迹,信噪比较低,特征提取前必须进行复杂的预处理,严重影响睡眠分期的速度。鉴于此,本文提出一种基于奇异值第一主成分的睡眠脑电分期方法,该方法抗噪性能较强,可省去预处理过程,减少计算量,提高睡眠分期的效率。方法:对未经过预处理的睡眠脑电进行奇异系统分析,研究奇异谱曲线,提取奇异值第一主成分,探索其随睡眠状态变化的规律。并通过支持向量机利用奇异值第一主成分对睡眠分期。结果:奇异值第一主成分不仅能表征脑电信号主体,而且可以抑制噪声、降低维数。随着睡眠的深入,奇异值第一主成分的值逐渐增大,但在REM期处于S1期和S2期之间。经MIT-BIH睡眠数据库中5例同导联位置的脑电数据测试(仅1导脑电数据),睡眠脑电分期的准确率达到86.4%。结论:在未对脑电信号进行预处理的情况下,提取的睡眠脑电的奇异值第一主成分能有效表征睡眠状态,是一种有效的睡眠分期依据。本文运用提出的方法仅采用1导脑电数据,就能得到较为满意的睡眠分期结果。该方法有较强的分类性能,且抗噪能力强,不需要对脑电作复杂的预处理,计算量小,方法简单,很大程度上提高了睡眠分期的效率。
- 彭振韦明郭建平肖蒙王迎雪
- 关键词：脑电睡眠分期抗噪
- 考虑帧间信息的语音带宽扩展
- 2017年
- 语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,该方法的映射函数是分段线性函数,且没有考虑语音前后帧的相关信息。因此,提出了一种基于条件受限玻尔兹曼机的方法。该方法利用条件受限玻尔兹曼机提取了语音信号的帧间信息,同时将语音低频、高频特征参数映射为高阶统计特性,深层发掘和模拟了语音低频和高频之间的非线性关系。客观和主观对比测试结果都表明,该方法性能优于传统的高斯混合模型方法。
- 王迎雪赵胜辉匡镜明
- 关键词：帧间高斯混合模型特征参数统计特性
- 基于码本映射和GMM的语音带宽扩展
- 2017年
- 采用传统的高斯混合模型(Gaussian mixture model,GMM)进行语音带宽扩展时,会出现所估计的特征参数过平滑的问题,其主要原因是协方差估计不准确而导致扩展的高频特征细节信息的丢失,因此本文提出了码本映射(codebook mapping,CM)与高斯混合模型相结合的语音带宽扩展算法.提取高、低频特征参数,并训练高斯混合模型,基于高斯混合模型参数训练偏移矢量的码本;在扩展阶段,利用偏移矢量的码本将低频偏移矢量映射为高频偏移矢量,再将高频偏移矢量与高斯混合模型估计部分相加作为估计的高频特征参数.对利用该方法进行带宽扩展后的语音质量进行主观/客观评测.实验结果表明,相比传统的GMM语音带宽方法,CM-GMM合成的高频语音更接近原始高频语音,明显消除了高频过平滑现象.
- 王迎雪于莹莹赵胜辉匡镜明
- 关键词：高斯混合模型码本映射
