排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
本文将稀疏重构与流形学习算法两算法结合运用于图像降噪方面,提出了基于拉普拉斯图谱嵌入的稀疏编码。该方法利用拉普拉斯图谱的局部相关性,通过对权重矩阵的改进,增强数据间的关系表示,同时又通过稀疏理论进一步优化代表低维数据点的稀疏系数进行数据压缩,从而进一步提高图像降噪效果。 相似文献
2.
研究了在语音传输过程中由于参数丢失导致语音质量急剧下降的丢帧补偿问题.利用大规模隐式马尔可夫模型对自适应多速率宽带语音编码(AMR-WB)的ISF参数进行建模,然后对丢失的ISF参数进行基于最小均方误差(MMSE)准则的最优估计,将估计的ISF参数和前帧的ISF参数进行加权以平滑估计值,得到补偿的ISF参数.在接收端,利用ISF参数的估计值进行语音合成.将本算法的合成语音和由G.722.2标准附件Ⅰ的基准补偿的合成语音进行比较,仿真结果表明,本补偿算法可以得到更好的性能,在频率加权谱失真和信噪比这2种评价准则上都有所改善,信噪比提高约2.41 dB,频率加权谱失真下降约0.885 dB,证明了该算法的有效性. 相似文献
1