跳到主要內容

臺灣博碩士論文加值系統

(44.221.70.232) 您好!臺灣時間:2024/05/29 05:08
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:蔡馥宇
研究生(外文):Tsai, Fu Yu
論文名稱:存在量化之最小平方差線性預測
論文名稱(外文):Minimum Mean Square Error Linear Predictor with Rounder
指導教授:彭惠彭惠引用關係
指導教授(外文):Peng, Hui
學位類別:碩士
校院名稱:國立清華大學
系所名稱:電機工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1996
畢業學年度:84
語文別:英文
中文關鍵詞:線性預測量化最佳預測編碼資料壓縮
外文關鍵詞:Linear PredictionRoundingOptimum PredictionCodingData Compression
相關次數:
  • 被引用被引用:0
  • 點閱點閱:234
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
雖然高斯在一七九五年就使用了線性最小平方估測,”線性預測”這個名
詞是由韋納在一九四九年首先提出。從那之後,”線性預測〞這個技術被
廣泛地應用在許多領域。一般所用的最佳化標準是針對所有的線性預測係
數來將平均方差最小化;選用此最佳化標準的原因在於我們所需解的方程
式為線性方程式,而且相當容易求得最佳預測係數的解。線性預測被廣泛
地應用在語音訊號處理、系統模型、參數估測、濾波器設計、頻譜估測,
以及資料壓縮等。解得最佳的線性預測係數是令人滿意的,因為對高斯分
佈的訊號而言,它意味著以最小誤差能量獲得最佳的無損壓縮、預測、模
型和估測。在某些情況下,比如說在無損資料壓縮中線性預測編碼,因為
所有的資料都是有限整數,所以預測的結果必須量化。由於存在有量化過
程,經由一般解正規方程組所求得的預測係數,不見得是真正的最小平方
差線性預測。在本篇論文中,我們提出一個可以找到存在量化下的最小平
方差線性預測的方法。首先,我們先介紹線性預測以及在無量化下解最小
平方線性預測係數的方法。之後,我們提出存在量化下求最佳線性預測係
數的方法。針對在二階以上的線性預測需花大量時間求解,我們提出一個
可以省時的方法。最後,我們針對一些模擬資料及實際影像做一階及二階
例子的實驗。實驗結果顯示,在預測結果被量化的情況下,若資料的可能
值個數很少,找到真正存在量化的最佳係數可能會比不考慮量化所求得的
係數有更小的平方差值。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊