导读:本文包含了矢量编码论文开题报告文献综述及选题提纲参考文献，主要关键词:音频信号,矢量编码,神经网络,压缩编码
矢量编码论文文献综述
杨超,孙云,黄隽逸,徐向旭,孙保良[1]（2019）在《音频信号高维矢量编码算法研究》一文中研究指出在音频信号编码中,提出在线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号联合编码算法的基础上,通过将声音量化编码算法中原有的2维量化矢量的维数增加,以进一步减小声音信号码率的方法。利用Matlab软件编程进行不同量化矢量维数条件下的声音信号编解码实验。实验结果表明,在保证声音质量的前提下,通过提高量化矢量维数,可使联合编码的最低码率在音频编码格式Opus码率的范围内,且接近Opus码率的下限。文中提出的编码算法可为音频压缩编码的进一步研究提供参考。(本文来源于《现代电子技术》期刊2019年15期）
杨超,刘云飞,徐向旭,刘传辉,朱弘[2]（2019）在《通用码本语音矢量编码算法研究》一文中研究指出基于预测编码、SOM自主神经网络矢量编码和Huffman编码的联合编码算法(PV算法)压缩效果虽然较好,但它在对每段语音编码时,都需要利用该段语音信号,通过SOM自主神经网络训练得到码本,算法复杂、耗时。为此文中提出从具有一般特征的多段语音信号中通过SOM自主神经网络训练提取码本,所有的语音信号段PV编码都统一用该码本,不需要对每一段语音信号编码都做一次提取码本的运算,这样不仅节省了每段语音PV编码时用于训练码本的时间,也节省了需要编码的专用码本的信息,减小了码率。实验结果显示,通用码本的PV编码算法在保证一定语音质量的条件下,是可行的。文中提出的编码算法在语言压缩编码方面具有较高的研究价值和很好的应用前景。(本文来源于《现代电子技术》期刊2019年12期）
杨超,刘云飞,徐向旭,朱弘,芮天予[3]（2019）在《一种减小语音矢量编码码率的算法》一文中研究指出2维PV编码算法是一种将线性预测编码、SOM神经网络2维矢量编码以及Huffman编码相结合的语音信号编码算法。为了在保证译码恢复的语音质量良好的前提下,进一步减小编码的压缩率,以减小语音信号的存储空间,提出一种增加2维PV编码中矢量量化维数的高维PV编码算法。并利用Matlab软件编程进行2维、4维和8维PV算法的语音信号编解码实验。实验结果表明,在保证译码恢复声音质量良好的条件下,增加2维PV编码算法的量化矢量维数,可以减小码率,其中8维PV编码算法的码率最小为5.94 Kb/s,小于采用ADPCM编码算法的波形编码标准G.721的码率32 Kb/s(波形编码的最小码率),甚至小于采用LD-CELP编码算法的混合编码G.728的码率16 Kb/s。文中提出的编码算法在语言压缩编码方面将具有较高的研究价值和很好的应用前景。(本文来源于《现代电子技术》期刊2019年11期）
杨文燕[4]（2019）在《基于矢量编码技术对不同步行速度下肢协调模式的量化分析》一文中研究指出研究目的:本研究通过采集健康受试者在不同速度下行走的下肢运动学参数,计算下肢关节间的耦合角(CA)并对其协调模式进行频次统计,从而反映出关节间的协调模式及旋转方向,为步态研究的量化分析提供一定的理论依据,从而更好的指导疾病的治疗与恢复。研究方法:本研究选取30名健康大学生(男性15名,女性15名)为研究对象,使用英国OML公司生产的VICON红外叁维动作分析系统、AMTI(40cm*60cm)测力台、Basler高速摄像机以及红外测速仪等,采集30名受试者在慢速(3.40±0.23km/h,即0.88m/s-1.008m/s)、中速(4.88±0.40 km/h,即1.24m/s-1.46m/s)、快速(6.49±0.61 km/h,即1.63m/s-1.97m/s)叁种走路状态下的下肢运动学参数,使用MATLAB 8.3软件计算人体下肢下肢各环节间的耦合角,绘制并比较不同行走速度下的角-角图,利用矢量编码技术对人体下肢各环节间的运动协调模式进行统计和分析比较。研究结果:(1)随步行速度的增加,受试者的步长与步频都有所调整,具体表现为步长增加,步频变快。(2)在着地时刻,随着行走速度的增加,髋关节角、膝关节角、踝关节角逐渐增大,且具有显着性差异(P<0.01)。(3)在离地时刻,随着行走速度的增加,髋关节角、膝关节角、踝关节角逐渐增大,且具有显着性差异(P<0.01)。(4)髋-膝、髋-踝、膝-踝关节每个步态周期所形成的角-角图呈周期性变化,所形成的图形形状基本相同。且随着速度增加,髋-膝、髋-踝、膝-踝关节形成角-角图的最大值渐增,最小值渐减。(5)支撑阶段,随着行走速度的增加,髋-膝关节耦合角逐渐减小,不具有显着性差异(P>0.05);髋-踝关节耦合角逐渐增大,不具有显着性差异(P>0.05);膝-踝关节耦合角逐渐减小,且存在显着性差异(P<0.01)。(6)摆动阶段,随着行走速度的增加,髋-膝关节耦合角逐渐增大,具有显着性差异(P<0.01);髋-踝关节耦合角逐渐减小,不具有显着性差异(P>0.05);膝-踝关节耦合角逐渐增大,且存在显着性差异(P<0.01)。(7)支撑阶段,叁种速度下髋-膝关节均以HP+和H+K-协调模式为主,且组间存在显着性差异(P<0.05);髋-踝关节以AP+和A+H+协调模式为主,且组间存在显着性差异(P<0.01);膝-踝关节均以AP+、A+K+和KP+协调模式为主,且AP+协调模式组间存在显着性差异(P<0.05),而A+K+和KP+协调模式组间不存在显着性差异(P>0.05)。(8)摆动阶段不同速度下髋-膝、髋-踝、膝-踝关节基本涉及所有协调模式。叁种速度下,髋-膝关节均以KP+、KP-以及H+K-协调模式为主,且组间不存在显着性差异(P>0.05);髋-踝关节以A+H+、HP-以及A+H-协调模式为主,但A+H+协调模式叁种速度间存在显着性差异(P<0.05),而HP-及A+H-协调模式叁种速度间不存在显着性差异(P>0.05);膝-踝关节以AP+与A-K-协调模式为主,且组间均不存在显着性差异(P>0.05)。研究结论:(1)随着步行速度增加,人体下肢关节运动学参数呈规律性变化,具体表现为:步长加大,步态周期时间变短,支撑时间、双支撑时间、摆动时间缩短,着地时髋关节、膝关节、踝关节角度逐渐增大,离地时髋关节、膝关节、踝关节角度逐渐增大。(2)不同速度下,各关节间形成的角-角图呈周期性变化,而且随着步行速度的增加,髋-膝关节和膝-踝关节耦合角呈规律性变化趋势,具体表现为:支撑阶段髋-膝关节、膝-踝关节耦合角逐渐减小,髋-踝关节耦合角逐渐增大;摆动阶段髋-膝关节、膝-踝关节耦合角逐渐增大,髋-踝关节耦合角逐渐减小。(3)支撑阶段髋-膝协调模式以HP+和H+K-为主,且H+K-协调模式出现的频次数随速度的增加而增加,HP+协调模式则没有规律性变化;髋-踝协调模式以AP+和A+H+为主,且AP+协调模式出现的频次数随速度的增加而增加,A+H+协调模式则随速度的增加而减少;膝-踝协调模式以AP+、A+K+和KP+为主,且KP+协调模式出现的频次数则随速度的增加而减少,而AP+和A+K+协调模式则没有规律性变化。(4)摆动阶段涉及大多数协调模式,但髋-膝协调模式以KP+、KP-以及H+K-为主,且叁种协调模式随速度的增加均没有规律性变化;髋-踝协调模式以A+H+、HP-以及A+H-为主,且A+H+协调模式出现频次数随速度的增加无规律性变化,HP-协调模式呈现递减趋势,A+H-协调模式虽然没有规律性变化,但在中速与快速条件下出现的频次数大概一致;而膝-踝协调模式以AP+和A-K-为主,AP+协调模式出现的频次数随速度的增加而增加,而A-K-协调模式没有规律性变化。(本文来源于《中北大学》期刊2019-04-10）
贾谊,郭宇[5]（2019）在《基于矢量编码技术对优秀竞走运动员技术动作的量化研究》一文中研究指出目的:探讨利用矢量编码技术来分析竞走项目运动员动作协调模式的可行性,并在此基础上对竞走运动员的动作技术和协调模式进行分析。方法:以参加2010年北京竞走挑战赛、2010年广州亚运会竞走比赛以及2012年太仓国际竞走挑战赛男子、女子20km项目前10名和后10名运动员技术资料作为数据来源。使用CASIO FH25高速摄像机,采用立体定机定焦拍摄方法进行拍摄。使用SIMI Mo-tion运动技术分析系统对运动员的视频资料进行数字化处理,并得到髋关节和膝关节角度参数。在得到髋—膝关节角相图基础上,计算髋膝耦合角,并利用矢量编码技术对运动员下肢协调模式进行频次统计。结果:①高水平组运动员步频(3.61±0.18步/秒)显着高于普通组(3.43±0.12步/秒);②在支撑期,两组运动员在HP+和H+K+协调模式的出现频次上存在显着性差异;③在摆动期,高水平组运动员的耦合角变异度(15.2±6.7°)值显着低于普通组(22.5±9.1°)。结论:矢量编码技术可以实现对竞走运动员下肢环节间协调模式的量化分析。在支撑期,普通组运动员以固定膝关节并伸髋的动作协调模式为主,而高水平组运动员的协调模式则更为多样。在摆动期,两组运动员的动作协调模式无显着性差异,但普通组运动员的动作协调变异度显着高于高水平组,动作稳定性有待提高。(本文来源于《河北体育学院学报》期刊2019年02期）
杨超,刘云飞,徐向旭,朱弘,刘传辉[6]（2018）在《基于预测编码和矢量编码的语音信号编码算法》一文中研究指出为了在保证译码恢复的语音质量良好的前提下,减小编码的压缩率,以减小语音信号的存储空间,文中提出一种将线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的语音信号编码算法,并利用Matlab软件编程进行了语音信号编解码实验。实验结果表明,该算法既保留了波形编码算法具有的译码语音质量较好和算法简单的优点,又具有较一般的波形编码算法更小的压缩率,该编码算法的码率达到12.8 kbit/s,小于采用ADPCM编码算法的波形编码标准G.721的码率32 kbit/s(波形编码的最小码率)。(本文来源于《现代电子技术》期刊2018年24期）
王津津[7]（2018）在《基于纠删码的低存储开销二进制矢量编码存储方案设计》一文中研究指出随着现代社会中互联网的高速发展和越来越广泛的应用,网络数据已经呈现出急速增长的趋势,大数据时代已经走上了舞台。一个巨大的问题也慢慢的走到人们面前:如何简单有效的存储和管理海量的数据。将数据和管理放在同一个系统中的传统的存储方式在面临即将到来的海量的数据已经应接不暇。且出现越来越多的问题,例如:存储系统的安全性能无法得到保证,可靠性也没有办法维持以及可扩展性比较低等。分布式存储系统的提出很好的使这方面的缺陷得到补救,且使得海量数据以分散的形式存储在网络系统中,这种方式的提出为眼下海量数据的存储提供了很大的方便,满足了其需求而且具有很强的稳定性。因此分布式存储系统逐渐成为了主流的存储系统,并且应用范围逐渐变得越来越大。分布式存储技术,顾名思义即将系统中的数据分散开来进行存储。而这一技术的实现主要利用网络中闲散的计算机和其他终端设备。同时存储系统的稳定性和安全性也通过在系统节点中增加存储冗余而得到保证。目前为已有的冗余策略有两种:基于复制的冗余策略和基于纠删码的冗余策略。在较大的存储系统中如果运用了基于复制的存储方式,由于基于复制的冗余策略本来就有很大的冗余,因此若将其应用到较大存储系统中则会加重冗余导致系统臃肿,性能变差。由于海量数据的产生较大规模的分布式存储系统越来越广泛应用,所以利用基于纠删码的存储方式来减少冗余使系统性能得到提升,降低了存储系统的存储开销,也提高了系统的可靠性。网络编码的存储方案被应用在分布式存储中以解决分布式存储中存在的可靠性以及可恢复性问题,网络编码在分布式存储中的实践和广泛的运用,对解决日后海量的数据存储问题有着重大意义。本文主要研究了基于纠删码的分布式存储系统中节点的存储开销问题,主要内容如下:1)(n,kk)CP-ZD(Combination Properity Zigzag Decodable)码,虽然具有编码复杂度低,计算开销也比较小,但是其存储开销相对来说比较大。为了解决这一问题,本文提出了一种单节点二包的低存储开销二进制矢量码的分布式存储方案,该方案同时满足CP-ZD性质。将2k=n(2<k<8)个原始数据包编码为nn个编码数据包,,n个节点中,每个节点分别存储1个原始数据包和1个编码数据包。此方案中,,n个节点中任意选取k个节点即可恢复出原始数据文件,即满足最大距离可分性质(Maximal distance Separable,MDS)。该编码方案满足CP-ZD码的性质且具有比CP-ZD的存储开销小的性能优势。2)在1)中提出的单节点二包的二进制矢量码,虽然在一定程度上减小了存储系统中的存储开销,但是理论上还存在改进的空间,继而设想是否可以在每个节点中增加数据包以减少系统的存储开销,于是提出了单节点多包的二进制矢量编码方式。首先是一种单节点叁包的二进制矢量码方案,该方案中,将2k=n 0 = 5,6,7)个原始数据包编码为2n个校验数据包,然后将这些数据包分别存储在系统节点中,每个节点存储1个原始数据包和2个校验数据包。同时编码方案具有MDS性质,即从系统的n个节点中任意选取k个节点即可恢复出原始数据文件。其次是一种只适用于12个分布式节点的单节点四包的二进制矢量编码方案,相比于单节点二包的二进制矢量编码方案,单节点多包的二进制矢量码具有更小的存储开销,且同时满足CP-ZD性质。(本文来源于《深圳大学》期刊2018-06-30）
杨超,徐向旭,刘云飞,朱弘,芮天宇[8]（2018）在《音频信号矢量编码算法》一文中研究指出为了在保证译码恢复的声音质量良好的前提下,减小编码的压缩率,以减小声音信号的存储空间,提出了一种将线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号编码算法,将1列声音信号转换为2列信号,这样就可以进行后续的矢量编码。实现了预测编码和矢量编码的结合。利用Matlab软件编程进行了声音信号编解码实验。实验结果表明,在保证声音质量的前提下,该编码方法的码率小于MEPG-1 Layer3的最低的64kbps标准码率,且算法简单。文章提出的编码算法在音频压缩编码方面将具有较高的研究价值和很好的应用前景。(本文来源于《海军航空工程学院学报》期刊2018年02期）
石念峰,张平,王国强[9]（2018）在《基于Fisher矢量编码的运动视频自动评分技术》一文中研究指出传统基于计算机视觉特征的人体运动分析和动作评分技术对局部人体运动特征判别性不强,导致对相似人体动作的类内差异不敏感,自动评分准确率低。提出一种局部时空保持的单目运动视频人体动作特征Fisher矢量(FV)编码方法和自动评分技术。首先提取梯度方向直方图(HOG)和光流直方图(HOF)描述运动视频中人体动作姿态和运动特征,实施2归一化和基于主成分分析的数据降维后获得具有判别性的人体动作特征矢量;然后利用时空金字塔方法在FV编码中嵌入时空特征,提高对动作正确性和协调性的判别能力;最后通过建立不同动作分类的线性模型确定动作评分。在健美操动作自动评分数据集上的实验表明,所提算法的敏感性和特异性约为94.4%和71.4%,与专家评分的中位数平均误差为7.0%,适用于在线体育教学和普通运动训练中基于单目运动视频的动作完成质量评价。(本文来源于《计算机应用研究》期刊2018年10期）
张腾腾[10]（2017）在《基于Fisher矢量编码与稀疏约束的数据分类》一文中研究指出随着近些年来网络技术的快速发展,人们在日常生活中大量使用互联网,导致网络上的图像和数据急剧增长。如何对这些图像和数据进行分类成为智能信息处理领域的一个关键问题,也是国内外研究者非常关注的一个领域。Fisher矢量编码在图像和数据分类问题上取得了显着的效果,本文对Fisher矢量编码算法进行了改进,采用优化学习的方法,通过半非负约束实现了Fisher矢量编码的稀疏表示,并且改进了零样本学习分类算法,获得了较好的分类结果。本文的主要研究成果如下:1.提出了一种基于优化学习的Fisher矢量分类方法。该方法每次采用单个高斯模型对训练样本进行训练,利用训练的结果和真实的标签进行对比。取出这些单个高斯模型中分类结果最佳的,并构建混合高斯模型,进而获得Fisher矢量。该方法降低了混合高斯模型中的高斯模型数量,降低了编码复杂度,对高斯模型进行了筛选,从而增强了特征的典型性,提高了数据的分类精度。2.提出了一种基于半非负约束稀疏编码的Fisher矢量分类方法。该方法构建出一个稀疏编码的模型,对高维的Fisher矢量编码进行了有效的降维,去除了编码中的冗余成分。稀疏编码模型中编码的权重是非负的,采用了半非负分解的方式对稀疏编码模型进行求解,进一步使得提炼出的特征编码更加有利于分类,从而分类的效率得到提高。3.提出了一种基于约束的嵌入模型零样本学习的分类方法。该方法对嵌入零样本学习分类方法进行了约束优化,分别采用了L2范数和L1范数的约束。其中L2范数约束防止了参数的过拟合,利用随机梯度下降法对L2范数约束的参数项进行了求解。L1范数的约束实现了参数的稀疏特性,通过坐标轴下降法对L1范数约束的参数进行优化求解。两种约束策略实现了分类参数的合理化,从而有效提高分类效率。(本文来源于《西安电子科技大学》期刊2017-05-01）
矢量编码论文开题报告
（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：
基于预测编码、SOM自主神经网络矢量编码和Huffman编码的联合编码算法(PV算法)压缩效果虽然较好,但它在对每段语音编码时,都需要利用该段语音信号,通过SOM自主神经网络训练得到码本,算法复杂、耗时。为此文中提出从具有一般特征的多段语音信号中通过SOM自主神经网络训练提取码本,所有的语音信号段PV编码都统一用该码本,不需要对每一段语音信号编码都做一次提取码本的运算,这样不仅节省了每段语音PV编码时用于训练码本的时间,也节省了需要编码的专用码本的信息,减小了码率。实验结果显示,通用码本的PV编码算法在保证一定语音质量的条件下,是可行的。文中提出的编码算法在语言压缩编码方面具有较高的研究价值和很好的应用前景。
（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。
矢量编码论文参考文献
[1].杨超,孙云,黄隽逸,徐向旭,孙保良.音频信号高维矢量编码算法研究[J].现代电子技术.2019
[2].杨超,刘云飞,徐向旭,刘传辉,朱弘.通用码本语音矢量编码算法研究[J].现代电子技术.2019
[3].杨超,刘云飞,徐向旭,朱弘,芮天予.一种减小语音矢量编码码率的算法[J].现代电子技术.2019
[4].杨文燕.基于矢量编码技术对不同步行速度下肢协调模式的量化分析[D].中北大学.2019
[5].贾谊,郭宇.基于矢量编码技术对优秀竞走运动员技术动作的量化研究[J].河北体育学院学报.2019
[6].杨超,刘云飞,徐向旭,朱弘,刘传辉.基于预测编码和矢量编码的语音信号编码算法[J].现代电子技术.2018
[7].王津津.基于纠删码的低存储开销二进制矢量编码存储方案设计[D].深圳大学.2018
[8].杨超,徐向旭,刘云飞,朱弘,芮天宇.音频信号矢量编码算法[J].海军航空工程学院学报.2018
[9].石念峰,张平,王国强.基于Fisher矢量编码的运动视频自动评分技术[J].计算机应用研究.2018
[10].张腾腾.基于Fisher矢量编码与稀疏约束的数据分类[D].西安电子科技大学.2017