prikaz prve stranice dokumenta Kvantizacija frekvencija spektralnih linija u adaptivnom koderu govornog signala s više brzina prijenosa primjenom modela s Gaussovim mješavinama
No public access
scientific master's theses
Kvantizacija frekvencija spektralnih linija u adaptivnom koderu govornog signala s više brzina prijenosa primjenom modela s Gaussovim mješavinama
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2010. urn:nbn:hr:168:775077
Tadić, Tihomir
University of Zagreb
Faculty of Electrical Engineering and Computing
Department of Electronic Systems and Information Processing

Institutional repository: FER Repository

Cite this document

Tadić, T. (2010). Kvantizacija frekvencija spektralnih linija u adaptivnom koderu govornog signala s više brzina prijenosa primjenom modela s Gaussovim mješavinama (Scientific master's theses). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:775077

Tadić, Tihomir. "Kvantizacija frekvencija spektralnih linija u adaptivnom koderu govornog signala s više brzina prijenosa primjenom modela s Gaussovim mješavinama." Scientific master's theses, University of Zagreb, Faculty of Electrical Engineering and Computing, 2010. https://urn.nsk.hr/urn:nbn:hr:168:775077

Tadić, Tihomir. "Kvantizacija frekvencija spektralnih linija u adaptivnom koderu govornog signala s više brzina prijenosa primjenom modela s Gaussovim mješavinama." Scientific master's theses, University of Zagreb, Faculty of Electrical Engineering and Computing, 2010. https://urn.nsk.hr/urn:nbn:hr:168:775077

Tadić, T. (2010). 'Kvantizacija frekvencija spektralnih linija u adaptivnom koderu govornog signala s više brzina prijenosa primjenom modela s Gaussovim mješavinama', Scientific master's theses, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:775077

Tadić T. Kvantizacija frekvencija spektralnih linija u adaptivnom koderu govornog signala s više brzina prijenosa primjenom modela s Gaussovim mješavinama [Scientific master's theses]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2010 [cited 2024 November 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:775077

T. Tadić, "Kvantizacija frekvencija spektralnih linija u adaptivnom koderu govornog signala s više brzina prijenosa primjenom modela s Gaussovim mješavinama", Scientific master's theses, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2010. Available at: https://urn.nsk.hr/urn:nbn:hr:168:775077

Metadata
TitleKvantizacija frekvencija spektralnih linija u adaptivnom koderu govornog signala s više brzina prijenosa primjenom modela s Gaussovim mješavinama
Title (english)Gaussian mixture model based quantization of line spectral frequencies for adaptive multirate speech codec
AuthorTihomir Tadić
MBZ: 329404
MentorDavor Petrinović (mentor)
Committee memberMladen Vučić (predsjednik povjerenstva)
Committee memberDavor Petrinović (član povjerenstva)
Committee memberIvica Kopriva (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
(Department of Electronic Systems and Information Processing)
Zagreb
Defense date and country2010-09-23, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Data Processing
Universal decimal classification
(UDC)		004 - Computer science and technology. Computing. Data processing
Abstract
U ovom radu istražena je mogućnost primjene modela sa Gaussovim mješavinama (engl. Gaussian Mixture Model, GMM) u svrhu kvantizacije frekvencija spektralnih linija (engl. Line Spectral Frequencies, LSFs) u adaptivnom koderu govornog signala s više brzina prijenosa (engl. Adaptive Multi-Rate codec, AMR). Primjenom GMM-a estimirana je parametarska reprezentacija funkcije gustoće vjerojatnosti (engl. probability distribution function, pdf) pogreške predikcije LSF parametara, koji reprezentiraju spektralnu ovojnicu govornog signala. Predložen je kvantizator spektralne ovojnice, koji za svaku komponentu mješavine koristi transformacijski koder temeljen na Karhunen-Loève transformaciji (KLT) i skalarnoj kvantizaciji (engl. Scalar Quantization, SQ) transformiranih reziduala. Istražena je mogućnost korištenja predloženog postupka kvantizacije u postojećem AMR koderu govornog signala isključivo uz izmjenu dijela algoritma koji se odnosi na kvantizaciju LSF vektora. Kao glavni doprinos, u svrhu bolje prilagodbe lokalnoj statistici izvora, ovaj rad razmatra prilagodbu entropijski ograničenog (engl. Entropy Constrained, EC) kodiranja dekoreliranih LSF reziduala za primjenu u AMR koderu fiksne brzine prijenosa. Napravljeno je objektivno vrednovanje i usporedba učinkovitosti sažimanja, računske složenosti i memorijskih zahtjeva polaznog i modificiranog sustava. Rezultati simulacija pokazuju da predloženi kvantizator ostvaruje bolje sažimanje od algoritama korištenih u referentnom AMR koderu, reducirajući prosječnu brzinu prijenosa do 7.33 bita/okviru, pri značajno manjoj računskoj složenosti i memorijskim zahtjevima, koji ne ovise o brzini prijenosa.
Abstract (english)
In this thesis, the use of a Gaussian Mixture Model (GMM) based quantizer for quantization of Line Spectral Frequencies (LSFs) in the Adaptive Multi-Rate (AMR) speech codec is investigated. A parametric GMM model is estimated, modeling the probability density function (pdf) of the prediction error (residual) of mean-removed LSF parameters that are used in the AMR codec for speech spectral envelope representation. The studied GMM vector quantizer is based on transform coding using Karhunen-Loève transform (KLT) and transform domain scalar quantizers (SQ), individually designed for each Gaussian mixture. The applicability of such a quantization scheme in the existing AMR codec has been investigated by solely replacing the AMR LSF quantization algorithm segment. The main novelty in this thesis lies in applying and adapting the entropy constrained (EC) coding for fixed-rate scalar quantization of transformed residuals thereby allowing for better adaptation to the local statistics of the source. The compression efficiency, computational complexity and memory requirements of the proposed algorithm are studied and evaluated. Experimental results show that the GMM-based EC quantizer provides better rate/distortion performance than the quantization schemes used in the referent AMR codec by saving up to 7.33 bits/frame at much lower rate-independent computational complexity and memory requirements.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:775077
Study programmeTitle: Postgraduate master programe in computing
Study programme type: university
Study level: postgraduate
Academic / professional title: magistar inženjer računarstva (magistar inženjer računarstva)
Catalog URLhttp://lib.fer.hr/cgi-bin/koha/opac-detail.pl?biblionumber=34145
Type of resourceText
Extent107 str. ; 30 cm
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Created on2019-03-19 08:37:41