增益-波形乘积码书结构广泛用于CELP语音编码算法,它们使用L ev inson-Durb in(L-D)方法更新增益滤波器系数.本文对BP神经网络算法与L-D方法进行了比较.用BP神经网络增益滤波器进行语音编码,其计算量仅为G.728的L-D方法的6.7%,但平均分...增益-波形乘积码书结构广泛用于CELP语音编码算法,它们使用L ev inson-Durb in(L-D)方法更新增益滤波器系数.本文对BP神经网络算法与L-D方法进行了比较.用BP神经网络增益滤波器进行语音编码,其计算量仅为G.728的L-D方法的6.7%,但平均分段SNR高出G.728算法0.156 dB.同时,用BP神经网络算法评价了16和20样点激励矢量增益滤波器,效果同样很好.但是,由于考察增益预测器时量化器还不存在,因此无法用量化信噪比评价滤波器性能.本文提出一种信噪比估计方法,可使增益预测器的优化与量化问题分开处理.实验表明用这种信噪比估计方法选择增益滤波器十分有效.展开更多
云机器人通过动态"卸载"任务到云端高效处理,极大提高了节点的智能水平。然而,由于云端应用的实时性差异和负载的不可预知,对网络传输的服务质量(quality of service,QoS)需求不尽相同。从控制角度研究网络传输的服务质量问题...云机器人通过动态"卸载"任务到云端高效处理,极大提高了节点的智能水平。然而,由于云端应用的实时性差异和负载的不可预知,对网络传输的服务质量(quality of service,QoS)需求不尽相同。从控制角度研究网络传输的服务质量问题,提出并实现了一种基于BP神经网络的双闭环接入控制方法(BPFD-MAC),在最大化能量利用率的同时,实现绝对服务质量和相对服务质量保证。通过反馈控制结构,将绝对QoS约束和相对QoS约束解耦为2个独立闭环:活动时间闭环根据高优先级的延迟控制节点活动时间,满足绝对约束;退避窗口闭环根据不同优先级的延迟比,调整退避时间的初始上限,保持相对延迟比例关系恒定,满足相对约束。并采用BP神经网络方法进行参数自适应校正和控制器设计。最后,基于ZigBit 900的硬件实验表明,相对于FD-MAC,BPFD-MAC不仅能够在负载动态变化时提供绝对和相对QoS保证,并且在网络高负载下,具有更高的吞吐量和能量利用率;在网络低负载下,具有更低的能耗。展开更多
文摘增益-波形乘积码书结构广泛用于CELP语音编码算法,它们使用L ev inson-Durb in(L-D)方法更新增益滤波器系数.本文对BP神经网络算法与L-D方法进行了比较.用BP神经网络增益滤波器进行语音编码,其计算量仅为G.728的L-D方法的6.7%,但平均分段SNR高出G.728算法0.156 dB.同时,用BP神经网络算法评价了16和20样点激励矢量增益滤波器,效果同样很好.但是,由于考察增益预测器时量化器还不存在,因此无法用量化信噪比评价滤波器性能.本文提出一种信噪比估计方法,可使增益预测器的优化与量化问题分开处理.实验表明用这种信噪比估计方法选择增益滤波器十分有效.
文摘云机器人通过动态"卸载"任务到云端高效处理,极大提高了节点的智能水平。然而,由于云端应用的实时性差异和负载的不可预知,对网络传输的服务质量(quality of service,QoS)需求不尽相同。从控制角度研究网络传输的服务质量问题,提出并实现了一种基于BP神经网络的双闭环接入控制方法(BPFD-MAC),在最大化能量利用率的同时,实现绝对服务质量和相对服务质量保证。通过反馈控制结构,将绝对QoS约束和相对QoS约束解耦为2个独立闭环:活动时间闭环根据高优先级的延迟控制节点活动时间,满足绝对约束;退避窗口闭环根据不同优先级的延迟比,调整退避时间的初始上限,保持相对延迟比例关系恒定,满足相对约束。并采用BP神经网络方法进行参数自适应校正和控制器设计。最后,基于ZigBit 900的硬件实验表明,相对于FD-MAC,BPFD-MAC不仅能够在负载动态变化时提供绝对和相对QoS保证,并且在网络高负载下,具有更高的吞吐量和能量利用率;在网络低负载下,具有更低的能耗。
