MétaCan
Menu
Retour à la cohorte
Enregistrement W2098283347 · doi:10.1109/tsa.2005.858560

Single and double frame coding of speech LPC parameters using a lattice-based quantization scheme

2006· article· en· W2098283347 sur OpenAlexaff
Farshad Lahouti, Amin Fazel, A.H. Safavi-Naeini, Amir K. Khandani

Notice bibliographique

RevueIEEE Transactions on Audio Speech and Language Processing · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Compression Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésInter frameVector quantizationQuantization (signal processing)MathematicsSpeech codingAlgorithmComputer scienceSpeech recognitionFrame (networking)Reference frameTelecommunications

Résumé

récupéré en direct d'OpenAlex

A lattice-based scheme for the single-frame and the double-frame quantization of the speech line spectral frequency parameters is proposed. The lattice structure provides a low-complexity vector quantization framework, which is implemented using a trellis structure. In the single-frame scheme, the intraframe dependencies are exploited using a linear predictor. In the double-frame scheme, the parameters of two consecutive frames are jointly quantized and hence the interframe dependencies are also exploited. A switched scheme is also considered in which, lattice-based double-frame and single-frame quantization is performed for each two frame and the one which results in a lower distortion is chosen. Comparisons to the Split-VQ, the Multi-Stage VQ, the Trellis Coded Quantization, the interframe Block-Based Trellis Quantizer, and the interframe scheme used in IS-641 EFRC and the GSM AMR codec are provided. These results demonstrate the effectiveness of the proposed lattice-based quantization schemes, while maintaining a very low complexity. Finally, the issue of the robustness to channel errors is investigated

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,284
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Audio Speech and Language ProcessingMême sujetAdvanced Data Compression TechniquesTravaux en français237 207