در سال‌هاي اخير به منظور کاهش بيشتر نرخ بيت و از آنجا پهناي باند توجه روزافزوني به استفاده از مدل‌ها و تکنيک‌هاي غير خطي پيش‌بيني در کدگذاري گفتار شده است. معمولاً شبکه‌هاي عصبي براي اين هدف به کار مي‌روند که منجر به تا dB3 کاهش بيشتر در انرژي سيگنال تحريک مي‌شوند. پيش چکیده کامل
در سال‌هاي اخير به منظور کاهش بيشتر نرخ بيت و از آنجا پهناي باند توجه روزافزوني به استفاده از مدل‌ها و تکنيک‌هاي غير خطي پيش‌بيني در کدگذاري گفتار شده است. معمولاً شبکه‌هاي عصبي براي اين هدف به کار مي‌روند که منجر به تا dB3 کاهش بيشتر در انرژي سيگنال تحريک مي‌شوند. پيش‌بيني غير خطي همچنين مي‌تواند بر پايه بسط سري‌هاي ولترا انجام گيرد که در آن براي سادگي معمولاً بسط به بخش‌هاي نخست و دوم محدود مي‌شود (پيش‌بيني درجه دو). مطالعات اوليه نشان دادند که در مقايسه با شبکه‌هاي عصبي استفاده از فيلترهاي ولترا منجر به يک کاهش بسيار بيشتر در انرژي سيگنال تحريک مي‌شود (6 تا dB10). با اين وجود به دليل ناپايداري اين کاهش نمي‌تواند منجر به کاهش نرخ بيت يا بهبود نسبت سيگنال به نويز شود. اين ناپايداري در دکدکننده به دليل وجود خطاي محاسباتي (براي نمونه ناشي از چندي‌کردن سيگنال تحريک) و حساسيت بالاي محاسبات به اين خطا ايجاد مي‌شود.
در کار اصيلي که در اينجا ارائه مي‌شود ناپايداري در کدک در هر دو نوع پيش‌بيني پيشرو و پسرو به ترتيب با استفاده از الگوريتم‌هاي کمترين مربع‌ها (LS) و کمترين ميانگين مربع‌هاي (LMS) سيگنال خطا بررسي مي‌شود. نشان داده مي‌شود که پايداري در عوض فداکردن بخش عمده‌اي از صرفه‌جويي به دست آمده در انرژي سيگنال تحريک به دست مي‌آيد به گونه‌اي که سطح کاهش نهايي اغلب همانند شبکه‌هاي عصبي مي‌باشد. در پيش‌بيني پيشرو پس از پايدارسازي و با وجود اندکي افزايش در پيچيدگي عملياتي در 20 تا 45٪ قالب‌ها افزودن بخش درجه دو سودمند خواهد بود. بر اين اساس الگوريتمي توسعه مي‌يابد که پيش‌بيني غير خطي تنها بر روي اين قالب‌ها انجام گيرد. اين الگوريتم باعث بهبود تا dB4 در نسبت سيگنال به نويز نهايي مي‌شود. پيش‌بيني غير خطي پسرو متوالي با وجودي که از نقطه نظر پياده‌سازي بسيار مناسب‌تر است در مقايسه با پيش‌بيني خطي کارايي بهتري را نتيجه نمي‌دهد.
پرونده مقاله
