CN113129911A - 一种音频信号编码压缩和传输的方法及电子设备 - Google Patents
一种音频信号编码压缩和传输的方法及电子设备 Download PDFInfo
- Publication number
- CN113129911A CN113129911A CN202110293886.3A CN202110293886A CN113129911A CN 113129911 A CN113129911 A CN 113129911A CN 202110293886 A CN202110293886 A CN 202110293886A CN 113129911 A CN113129911 A CN 113129911A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- audio signal
- function
- filter
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005236 sound signal Effects 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 title claims abstract description 90
- 230000005540 biological transmission Effects 0.000 title claims abstract description 57
- 230000006835 compression Effects 0.000 title claims abstract description 57
- 238000007906 compression Methods 0.000 title claims abstract description 57
- 238000005070 sampling Methods 0.000 claims abstract description 54
- 238000004891 communication Methods 0.000 claims abstract description 32
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims description 134
- 238000000354 decomposition reaction Methods 0.000 claims description 46
- 238000003062 neural network model Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 13
- 230000005284 excitation Effects 0.000 abstract description 11
- 238000011084 recovery Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
- G10L19/0216—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation using wavelet decomposition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/0017—Lossless audio signal coding; Perfect reconstruction of coded audio signal by transmission of coding error
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种音频信号编码压缩和传输的方法及电子设备,音频信号编码压缩和传输的方法应用在音频信号传输系统中的信号发射端和信号接收端,在信号发射端通过先对第一音频信号进行下采样,再通过适用于短快信号压缩的可以消除边缘效应的小波子带编码技术的具有可控自由参数的小波函数组进行无损压缩,并将信号数据转成适合高效的码流以便做无线传输到通信信道中,在信号接收端通过对接收自通信通道的第二音频信号进行数字解调,再由小波子带解码技术的小波函数组做数字解码,之后采用基于紧框架高斯小波激励函数的深度神经网络的模型进行上采样以实现信号的准确恢复,本发明能够实现高保真、低延时、长距离、低成本的数字音频无线传输。
Description
技术领域
本发明涉及数字信号传输技术领域,尤其涉及一种音频信号编码压缩和传输的方法及电子设备。
背景技术
为了建成高度信息化、全面网络化的信息社会,数字通信成为信息传输的重要手段和关键环节,全球数字化已成为当今社会的主要潮流,从通信的发展趋势看,现代通信必须以数字通信为主,数字通信较之模拟通信有如下特点抗干扰、抗噪声性能好、差错可控、易加密。和易于与现代技术相结合的特点,然而,数字通信相对于模拟通信来说,也有占用的频带宽、数字通信系统设备复杂等缺点,而音频信号的传输是现代信息交流的重要方式,通过数字通信系统进行音频信号的无线传输也是现代信息交流的一部分,相关技术中,音频信号数字化之后所面临的一个问题是巨大的数据量,这为存储和传输带来了压力,音频信号的传输具有失真严重、高延时、高成本的缺点,且不利于长距离高质量地传输。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种音频信号编码压缩和传输的方法及电子设备,能够实现高保真、低延时、长距离、低成本的数字音频无线传输。
根据本发明的第一方面实施例的一种音频信号编码压缩和传输的方法,其特征在于,包括:获取第一音频信号;对所述第一音频信号进行下采样得到样本音频信号;通过具有可控自由参数的小波函数组对所述样本音频信号进行数字编码得到第一数字码流,其中,所述小波函数组由具有所述可控自由参数的第一正交滤波器组构建,所述第一正交滤波器组满足双正交条件;对所述第一数字码流进行数字调制后输出第二音频信号,所述第二音频信号用于进行无线传输到通信信道。
根据本发明实施例的音频信号编码压缩和传输的方法,至少具有如下有益效果:本发明实施例中的音频信号编码压缩和传输的方法,应用于音频信号传输系统中的信号发射端中,通过先对第一音频信号进行下采样,再通过适用于短快信号压缩的可以消除边缘效应的小波子带编码技术的具有可控自由参数的小波函数组进行无损压缩,并将信号数据转成适合高效的码流以便做无线传输到通信信道中,有利于减少信道编码的负担,从而提高数据传输的可靠性,采用下采样和无损压缩相结合,既能满足压缩倍数的要求,也使得失真最小化,无损压缩使编码不产生失真,也使信号接收端的信号始终保持连续不间断,能够实现高保真、低延时、长距离、低成本的数字音频无线传输。
根据本发明的一些实施例,所述对所述第一音频信号进行下采样得到样本音频信号,包括:对所述第一音频信号进行多倍下采样,得到多个子样本音频信号;输出其中一个所述子样本音频信号得到样本音频信号。
根据本发明的一些实施例,所述第一正交滤波器组通过以下步骤构建:通过具有所述可控自由参数的双正交小波滤波器来构造双正交小波滤波器组,其中,所述双正交小波滤波器包括第二正交滤波器组,所述第二正交滤波器组为初始正交滤波器组;通过取具有所述可控自由参数的所述第二正交滤波器组构造双正交的所述第一正交滤波器组。
根据本发明的一些实施例,所述第一正交滤波器组包括低通分解滤波器、高通分解滤波器、低通重构滤波器和高通重构滤波器中的至少一种,所述第二正交滤波器组包括初始低通分解滤波器、初始高通分解滤波器、初始低通重构滤波器和初始高通重构滤波器中的至少一种。
根据本发明的一些实施例,所述小波函数组包括小波尺度函数、偶小波尺度函数、小波函数和偶小波函数,其中,所述小波尺度函数由初始小波尺度函数构建,所述偶小波尺度函数由所述初始低通分解滤波器和所述可控自由参数构建,所述小波函数由初始小波函数、所述初始低通分解滤波器和所述可控自由参数构建,所述偶小波函数由所述初始高通分解滤波器构建。
根据本发明的一些实施例,所述对所述第一数字码流进行数字调制后输出第二音频信号,包括:对所述第一数字码流进行多载波调制后输出所述第二音频信号。
根据本发明的第二方面实施例的一种音频信号编码压缩和传输的方法,其特征在于,包括:接收第二音频信号,所述第二音频信号通过通信信道接收到;对所述第二音频信号进行数字解调得到解调音频信号;通过具有可控自由参数的小波函数组对所述解调音频信号进行数字解码得到第二数字码流,其中,所述小波函数组由具有所述可控自由参数的第一正交滤波器组构建,所述第一正交滤波器组满足双正交条件;通过高斯小波深度神经网络模型对所述第二数字码流进行上采样后输出第三音频信号。
根据本发明实施例的音频信号编码压缩和传输的方法,至少具有如下有益效果:本发明实施例中的音频信号编码压缩和传输的方法,应用于音频信号传输系统中的信号接收端中,通过对接收自通信通道的第二音频信号进行数字解调,再做小波子带解码,将信号输入到具有可控自由参数的小波函数组对解调音频信号进行数字解码,之后采用基于紧框架高斯小波激励函数的深度神经网络的模型进行上采样以实现信号的准确恢复,深度学习的深度神经网络的模型可以使上采样过程的失真降到最小,从而保证信号的准确恢复,由于高斯小波函数的非线性、稀疏性等特性,使深度神经网络具有较强的非线性拟合特性并可以快速收敛,从而可以大大提高训练的精度和效率,能够实现高保真、低延时、长距离、低成本的数字音频无线传输。
根据本发明的一些实施例,所述对所述第二音频信号进行数字解调得到解调音频信号,包括:对所述第二音频信号进行多载波解调得到所述解调音频信号。
根据本发明的一些实施例,所述第一正交滤波器组通过以下步骤构建:通过具有所述可控自由参数的双正交小波滤波器来构造双正交小波滤波器组,其中,所述双正交小波滤波器包括第二正交滤波器组,所述第二正交滤波器组为初始正交滤波器组;通过取具有所述可控自由参数的所述第二正交滤波器组构造所述第一正交滤波器组。
根据本发明的一些实施例,所述第一正交滤波器组包括低通分解滤波器、高通分解滤波器、低通重构滤波器和高通重构滤波器中的至少一种,所述第二正交滤波器组包括初始低通分解滤波器、初始高通分解滤波器、初始低通重构滤波器和初始高通重构滤波器中的至少一种,所述小波函数组包括小波尺度函数、偶小波尺度函数、小波函数和偶小波函数,其中,所述小波尺度函数由初始小波尺度函数构建,所述偶小波尺度函数由所述初始低通分解滤波器和所述可控自由参数构建,所述小波函数由初始小波函数、所述初始低通分解滤波器和所述可控自由参数构建,所述偶小波函数由所述初始高通分解滤波器构建。
根据本发明的一些实施例,所述高斯小波深度神经网络模型通过以下步骤构建:获取连续音频信号函数和采样函数,其中,所述连续音频信号函数的宽带小于采样率的一半;采用所述采样函数和基于紧框架高斯小波函数作为上采样的滤波器重构所述连续音频信号函数,其中,所述基于紧框架高斯小波函数通过训练深度神经网络得到;根据重构后的所述连续音频信号函数构建所述高斯小波深度神经网络模型。
根据本发明的第三方面实施例的一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明第一方面实施例中任意一项所述的音频信号编码压缩和传输的方法或本发明第二方面实施例中任意一项所述的音频信号编码压缩和传输的方法。
根据本发明的第四方面实施例的一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如本发明第一方面实施例中任意一项所述的音频信号编码压缩和传输的方法或本发明第二方面实施例中任意一项所述的音频信号编码压缩和传输的方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
下面结合附图和实施例对本发明做进一步的说明,其中:
图1为本发明一些实施例提供的音频信号编码压缩和传输的方法的流程图;
图2为本发明另一些实施例提供的音频信号编码压缩和传输的方法的流程图;
图3为本发明另一些实施例提供的音频信号编码压缩和传输的方法的流程图;
图4为本发明一些实施例提供的多载波调制的示意图;
图5为本发明另一些实施例提供的音频信号编码压缩和传输的方法的流程图;
图6为本发明另一些实施例提供的音频信号编码压缩和传输的方法的流程图;
图7为本发明一些实施例提供的深度神经网络的示意图;
图8为本发明一些实施例提供的深度神经网络前向(FP过程)过程训练的示意图;
图9为本发明一些实施例提供的深度神经网络向后传播BP算法训练和优化的示意图;
图10为本发明一些实施例提供的电子设备的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
本发明提供了一种音频信号编码压缩和传输的方法及电子设备,其中,音频信号编码压缩和传输的方法应用在音频信号传输系统中,音频信号传输系统包括信号发射端和信号接收端,在信号发射端通过应用音频信号编码压缩和传输的方法,通过先对第一音频信号进行下采样,再通过适用于短快信号压缩的可以消除边缘效应的小波子带编码技术的具有可控自由参数的小波函数组进行无损压缩,并将信号数据转成适合高效的码流以便做无线传输到通信信道中,有利于减少信道编码的负担,从而提高数据传输的可靠性,也使接收端的信号始终保持连续不间断,采用下采样和无损压缩相合,既能满足压缩倍数的要求,也使得失真最小化,无损压缩使编码不产生失真。在信号接收端通过应用音频信号编码压缩和传输的方法,通过对接收自通信通道的第二音频信号进行数字解调,再做小波子带解码,将信号输入到具有可控自由参数的小波函数组对解调音频信号进行数字解码,之后采用基于紧框架高斯小波激励函数的深度神经网络的模型进行上采样以实现信号的准确恢复,深度学习的深度神经网络的模型可以使上采样过程的失真降到最小,从而保证信号的准确恢复,由于高斯小波函数的非线性、稀疏性等特性,使深度神经网络具有较强的非线性拟合特性并可以快速收敛,从而可以大大提高训练的精度和效率,本发明能够实现高保真、低延时、长距离、低成本的数字音频无线传输。
下面结合附图,对本发明实施例作进一步阐述。
本发明实施例提供了一种音频信号编码压缩和传输的方法,应用于上述实施例中的信号发射端中,参照图1所示,本发明实施例的控制方法包括但不限于步骤S110、步骤S120、步骤S130和步骤S140。
步骤S110,获取第一音频信号。
步骤S120,对第一音频信号进行下采样得到样本音频信号。
步骤S130,通过具有可控自由参数的小波函数组对样本音频信号进行数字编码得到第一数字码流。
步骤S140,对第一数字码流进行数字调制后输出第二音频信号。
在本发明的一些实施例中,第一音频信号是需要进行无线传播到通信信道中的信号,在对进入通信信道无线传播之前,对第一音频信号进行处理,根据通信信道带宽需要进行信号压缩的要求先直接将信号下采样,之后采用适用于短快信号压缩的可以消除边缘效应的小波子带编码技术的具有可控自由参数的小波函数组,对经过下采样后得到的样本音频信号进行无损压缩,得到无损压缩后的第一数字码流,并将第一数字码流进行数字调制后输出第二音频信号以便做无线传输,将第二音频信号发射到通信信道中,其输出的数据码流对受噪声干扰的信道有弹性的抵抗能力,从而减少信道编码的负担,提高数据传输的可靠性,也使信号接收端的信号始终保持连续不间断,本发明实施例中采用下采样与无损压缩相结合的方式,能满足压缩倍数的要求,使得失真最小化,无损压缩使小波编码不产生失真,其中,小波函数组由具有可控自由参数的第一正交滤波器组构建,第一正交滤波器组满足双正交条件,可以通过调节可控自由参数从而调节小波函数组,能适应边界条件的改变从而消除边缘效应的影响,本发明实施例在信号发射端采用较简单的下采样和快速音频编码技术相结合,对计算资源的要求较低,能够对类似无线麦克风等的手持式音频无线传输系统及产品,提供实现高保真、低延时、长距离、低成本的数字音频无线传输系统的数字化、网络化和产品化的技术实施方案,通过采用下采样技术,实际需要压缩和传输的数据小,使通信延迟小并且对信号发射端计算资源的要求较低,易于实现产品化。
参照图2所示,步骤S120包括但不限于步骤S210和步骤S220。
步骤S210,对第一音频信号进行多倍下采样,得到多个子样本音频信号。
步骤S220,输出其中一个子样本音频信号得到样本音频信号。
在本发明的一些实施例中,采样包括对第一音频信号进行多倍下采样,得到多个子样本音频信号,并输出其中一个子样本音频信号,得到样本音频信号,在一实施例中,对第一音频信号进行了3倍下采样,在多数应用中,音频信号采样频率为48KHz、16bit数据量化精度,未做编码压缩前数据率768Kb/s,现对该第一音频信号进行3倍下采样,得到的3个子样本音频信号后,只保留其中一个子样本音频信号并输出,此时数据率为768/3=256Kb/s。在满足本发明实施例要求的前提下,针对不同的音频信号还可以采用其它倍数的下采样,以适应多种环境下的数字音频无线传输需求,本发明不对其作具体限制。
需要说明的是,在本发明的一些实施例中,信号经过3倍下采样之后,再经过小波子带编码技术做1.6倍无损压缩,最后通信数据率为256/1.5=160Kb/s,同时帧长采用48个样本即短帧(块)处理,延时是1毫秒,可以满足大多数应用的要求,即可以采用窄带的UHF频段进行传输,以实现高保真、低延时、长距离、低成本的数字音频无线传输,需要说明的是,采用短帧(块)信号处理,能够尽量减少延时,因此采用能消除边缘效应的小波变换的小波函数组能够尽量减少延时,由于采用短帧(块)处理,高倍数的编码压缩难度很大,因此本发明实施例采用下采样和无损压缩相结合,既能满足压缩倍数的要求,也使得失真最小化,无损压缩使小波编码不产生失真,实现高保真、低延时、长距离、低成本的数字音频无线传输系统的数字化、网络化和产品化的技术实施方案。
参照图3所示,第一正交滤波器组通过步骤S310和步骤S320构建。
步骤S310,通过具有可控自由参数的双正交小波滤波器来构造双正交小波滤波器组。
步骤S320,通过取具有可控自由参数的第二正交滤波器组构造双正交的第一正交滤波器组。
在本发明的一些实施例中,通过具有可控自由参数的双正交小波滤波器来构造双正交小波滤波器组,其中,双正交小波滤波器包括第二正交滤波器组,第二正交滤波器组为初始正交滤波器组,通过取一组具有可控自由参数的第二正交滤波器组构造双正交的第一正交滤波器组。本发明实施例通过小波技术来构建第一正交滤波器组,小波子带编码技术一种基于音频信号自身的相关性的小波音频压缩编码,小波子带编码技术包括通过具有可控自由参数的双正交小波滤波器来构造双正交小波滤波器组,通过取初始正交滤波器组构造第一正交滤波器组,由双正交的第一正交滤波器组来构造小波函数组,以使通过调整可控自由参数来调整小波函数组,其中初始正交滤波器组包括低通分解滤波器、高通分解滤波器、低通重构滤波器和高通重构滤波器。在一实施例中,小波子带编码技术采用短块处理(帧长32、48或64个采样值)和二维冗余性分析方法,具有快速算法又兼顾能消除边缘效应,使编解码的时延控制在2毫秒以内,同时音频压缩效果能够保持与CD音质的品质一致。
在本发明的一些实施例中,小波函数组包括小波尺度函数、偶小波尺度函数、小波函数和偶小波函数,其中,小波尺度函数由初始小波尺度函数构建,偶小波尺度函数由初始低通分解滤波器和可控自由参数构建,小波函数由初始小波函数、初始低通分解滤波器和可控自由参数构建,偶小波函数由初始高通分解滤波器构建。
具体的,本发明实施例中的小波技术,允许母小波方程的改变,以满足边界条件的要求,并且可以开发出更为快速的更便于硬件(芯片)实施的并行处理算法,以适应实时应用的要求,基于本发明实施例中的小波子带编码技术的低延时高保真音频压缩算法,快速又能在边界上使参数调整变化而消除边缘效应。小波子带编码技术通过具有可控自由参数s~k,m的其它双正交小波滤波器构造新的双正交小波滤波器组,从而可以在边界处改变小波的形状,取一组初始正交滤波器组其中j,k,m∈Z,表示低通分解滤波器,表示高通分解滤波器,hj,k表示低通重构滤波器,gj,m表示高通重构滤波器,表示初始低通分解滤波器,表示初始高通分解滤波器,表示初始低通重构滤波器,表示初始高通重构滤波器,索引参数j表示输入数据的位置(时间),由此构造出一组第一正交滤波器组:
这些滤波器满足双正交条件,经提升后,h滤波器和保持不变,而滤波器和g则可以变化。为偶小波函数,由于h保持不变,所以小波尺度函数也一样不变,但对偶小波尺度函数和小波函数Ψj,m则会随着和g的变化而变化:
需要说明的的是,在本发明的一些实施例中,将经过小波时间-频率分解的音频信号重构在二维的平面上进行横向和纵向的相关性分析,可以将更多的码位分配给重要的信息(数值大的数据)。由于有空间上的冗余性分析,压缩效果会更好,同时码位的分配过程会更有效。同时这种编码过程是嵌入式的,也是渐进式的,即重要的信息先编码,次要的信息后编码,如果次要信息丢失了,也不会对信号的重构造成大的影响。这样的编码过程既快速同时也可根据压缩比的要求输出相应的压缩码流。本发明实施例中的小波子带编码技术在音频压缩4到6倍的范围内,可以获得较好的压缩效果,为了获得更高的压缩倍数以节省通信信道带宽,本发明实施例将小波子带编码技术应用于无损压缩,通过小波技术来构建第一正交滤波器组,进而构造小波函数组,同时在信号发射端先直接进行下采样以减少数据量。
参照图4所示,在本发明的一些实施例中,数字调制包括对第一数字码流进行多载波调制后输出第二音频信号,在一实施例中,经过小波子带编码技术进行编码之后输出的第一数字码流为以八位(8bit)为一个单元的数字码流,适合采用高效的多载波调制技术进行数字调制,本发明实施例中采用八个位码同时且并行多载波调制,减少通信的时间延迟。
本发明实施例还提供了一种音频信号编码压缩和传输的方法,应用于上述实施例中的信号接收端中,参照图5所示,本发明实施例的控制方法包括但不限于步骤S410、步骤S420、步骤S430和步骤S440。
步骤S410,接收第二音频信号。
步骤S420,对第二音频信号进行数字解调得到解调音频信号。
步骤S430,通过具有可控自由参数的小波函数组对解调音频信号进行数字解码得到第二数字码流。
步骤S440,通过高斯小波深度神经网络模型对第二数字码流进行上采样后输出第三音频信号。
在本发明的一些实施例中,第二音频信号通过通信信道接收得到,在信号接收端中,接收到第二音频信号后,对第二音频信号进行数字解调得到解调音频信号,再做小波子带解码进行数字解码得到第二数字码流,包括通过小波技术构建的具有可控自由参数的小波函数子对解调音频信号进行数字解码得到第二数字码流,之后采用基于紧框架高斯小波激励函数的深度神经网络的模型进行上采样以实现信号的准确恢复,深度学习的深度神经网络的模型可以使上采样过程的失真降到最小,其中,小波函数组由具有可控自由参数的第一正交滤波器组构建,第一正交滤波器组满足双正交条件,本发明采用可以通过大数据训练的高斯小波深度神经网络来实施上采样,以实现信号的准确恢复和重构,由于紧框架高斯小波激励函数的非线性、稀疏性等特性,使深度神经网络具有非常强的非线性拟合特性并可以快速收敛,从而可以大大提高训练的精度和效率,通过大数据训练不断优化深度神经网络模型的参数,使其能快速捕抓信号的变化特征,从而更准确的恢复原始信号,实现高保真的信号重构。
需要说明的是,在本发明的一些实施例中,基于深度神经网络的模型进行上采样的实时算法需要用到较多的计算资源,但由于该算法只需要在信号接收端进行操作,故技术实施难度不大,且不需要像信号发射端那样受手持式设备电池供电续航能力的限制而必须减少计算资源的使用。在满足本发明实施例要求的前提下,高斯小波深度神经网络模型可通过离线训练得到,本发明不对其作具体限制。
在本发明的一些实施例中,数字解调包括对第二音频信号进行多载波解调得到解调音频信号,在一实施例中,经过小波子带解码技术进行解码之后输出的解调数字码流为以八位(8bit)为一个单元的数字码流,适合采用高效的多载波解调技术进行数字解调,本发明实施例中采用八个位码同时且并行多载波解调,减少通信的时间延迟,在本实施例中,多载波数字解调与上述实施例中的多载波数字调制互为逆向的过程,对经过编码之后的信号进行解调,可以获得较好的信号恢复效果。
在本发明的一些实施例中,第一正交滤波器组通过以下步骤构建:通过具有可控自由参数的双正交小波滤波器来构造双正交小波滤波器组,其中,双正交小波滤波器包括第二正交滤波器组,第二正交滤波器组为初始正交滤波器组,通过取具有可控自由参数的所述第二正交滤波器组构造双正交的第一正交滤波器组。小波子带解码技术包括通过具有可控自由参数的双正交小波滤波器来构造双正交小波滤波器组,通过取初始正交滤波器组构造第一正交滤波器组,以使通过调整可控自由参数来调整小波函数组,其中初始正交滤波器组包括初始低通分解滤波器、初始高通分解滤波器、初始低通重构滤波器和初始高通重构滤波器,第一正交滤波器组包括低通分解滤波器、高通分解滤波器、低通重构滤波器和高通重构滤波器。
在本发明的一些实施例中,小波函数组包括小波尺度函数、偶小波尺度函数、小波函数和偶小波函数,其中,小波尺度函数由初始小波尺度函数构建,偶小波尺度函数由初始低通分解滤波器和可控自由参数构建,小波函数由初始小波函数、初始低通分解滤波器和可控自由参数构建,偶小波函数由初始高通分解滤波器构建。
具体的,本发明实施例中的小波子带解码技术的公式参照上述实施例中的描述,在本实施例中,小波子带解码与上述实施例中的小波子带编码互为逆向的过程,其具体的实施例参见上述实施例的描述,对经过编码之后的信号进行解调,可以获得较好的信号恢复效果,在一实施例中,小波函数Ψj,m和小波尺度函数表示对信号进行数字解码的函数。
参照图6所示,步骤S440中的高斯小波深度神经网络模型通过步骤S510和步骤S320构建。
步骤S510,获取连续音频信号函数和采样函数。
步骤S520,采用采样函数和基于紧框架高斯小波函数作为上采样的滤波器重构连续音频信号函数。
步骤S510,根据重构后的连续音频信号函数构建高斯小波深度神经网络模型。
在本发明的一些实施例中,高斯小波深度神经网络模型包括通过设置连续音频信号函数和采样函数,并且设定连续音频信号函数的宽带小于采样率的一半,采用采样函数和基于紧框架高斯小波函数作为上采样的滤波器来重构连续音频信号函数,根据重构后的连续音频信号函数作为卷积层构建高斯小波深度神经网络模型,其中基于紧框架高斯小波函数通过训练深度神经网络以获得优化的输出,通过采用基于紧框架高斯小波激励函数的深度神经网络的模型进行上采样以实现信号的准确恢复。
具体的,本发明实施例中的高斯小波深度神经网络模型,先定义连续音频信号函数x(t),t表示单位为秒的时间,则用xd(n)=x(nT)表示音频信号的第n个采样样本,n的变化范围为整数,T是采样间隔时间。因此,以赫兹(Hz)为单位的采样率是采样周期的倒数,即
为了避免由于采样而丢失任何信息,本发明实施例假定连续信号函数x(t)带宽受限且带宽小于采样率的一半,也就是说在频率fs/2或更高频率下x(t)没有能量,在这种情况下,采样定理为提供了可以通过对采样x(nT)信号进行移位和缩放sinc函数而完整重构信号x(t):
其中即为sinc函数,它是理想低通滤波器的脉冲响应,这意味着其傅立叶变换在频域中是一个矩形窗口,也就是说sinc函数是一个理想的低通滤波器,其在时间域无限长,使滤波器的截止频率是采样频率的一半。换句话说,它在频率0和fs/2之间具有增益1,在所有较高频率处增益为0。这些是数模转换(D/A)的基本步骤,也是上采样或中间插值的基本方法。但是在实际应用中,脉冲和低通滤波器都不是理想的,但当信号足够长时,它们也可能接近理想状态,以至于听不到任何差异。但对于短块(短帧)信号的上采样而言,由于信号不长,通过以上的低通滤波器进行上采样的效果不好,原因是sinc函数的时间窗口短而导致其频率响应的变为非理想的矩形窗口而产生较大的误差。本发明实施例中采用具有时间-频率局域性特性的小波函数来取代sinc函数作为上采样的滤波器,特别是考虑到高斯函数具有最优的时间-频率特性,采用基于紧框架高斯小波激励函数:
式子(11)作为深度神经网络前向(FP过程)过程训练的激励函数,是墨西哥帽小波,是高斯exp(-t2/2)的二次微分,其微分函数也是高斯型,可以作为深度神经网络向后传播BP算法训练的激励函数:
由此构造的深度神经网络作为滤波器参照图7所示,其中Xi为输入,Ym为输出,W为权重系数,f为激励函数,B为偏差,训练过程可以描述如下:
对于任何函数或信号x∈L2(R),小波分解的描述是:
当高斯小波函数作为激励函数时,上述过程与深度神经网络输出层的描述一致,但这里用小波函数取代sinc函数作为滤波器,来完成信号的重构,而小波系数则通过训练深度神经网络从而获得优化的输出,参照图8所示,训练时,先进行前向(FP过程)过程训练即相当于下采样,由此可获得深度神经网络权重值参数的初值,在此基础上,在信号接收端作为上采样滤波器的深度神经网络可以通过向后传播BP算法训练进行优化参照图9所示。需要说明的是,在满足本发明实施例要求的前提下,基于深度学习的上采样技术,还可以应用于任何其它采样信号的重采样且经过深度神经网络训练后均可以获得很高的精度,本发明不对其作具体限制。
参照图10,图10是本发明一个实施例提供的电子设备100的示意图。本发明实施例的电子设备100可以是音频信号传输系统中的信号发射端或信号接收端,包括一个或多个控制处理器101和存储器102,图10中以一个控制处理器101及一个存储器102为例。
控制处理器101和存储器102可以通过总线或者其他方式连接,图10中以通过总线连接为例。
存储器102作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器102可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器102可选包括相对于控制处理器101远程设置的存储器102,这些远程存储器102可以通过网络连接至该电子设备100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本领域技术人员可以理解,图10中示出的装置结构并不构成对电子设备100的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
实现上述实施例中应用于电子设备100的控制方法所需的非暂态软件程序以及指令存储在存储器102中,当被控制处理器101执行时,执行上述实施例中音频信号编码压缩和传输的方法,例如,执行以上描述的图1中的方法步骤S110至步骤S140、图2中的方法步骤S210至步骤S220、图3中的方法步骤S310至步骤S320、图5中的方法步骤S410至步骤S440、图6中的方法步骤S510至步骤S530。
当电子设备100执行图1中的方法步骤S110至步骤S140、图2中的方法步骤S210至步骤S220和图3中的方法步骤S310至步骤S320时,电子设备100为音频信号传输系统中的信号发射端,当电子设备100执行图5中的方法步骤S410至步骤S440和图6中的方法步骤S510至步骤S530时,电子设备100为音频信号传输系统中的信号接收端
以上所描述的实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,例如,被图7中的一个控制处理器101执行,可使得上述一个或多个控制处理器101执行上述方法实施例中的方法,例如,执行以上描述的图1中的方法步骤S110至步骤S140、图2中的方法步骤S210至步骤S220、图3中的方法步骤S310至步骤S320、图5中的方法步骤S410至步骤S440、图6中的方法步骤S510至步骤S530。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
Claims (10)
1.一种音频信号编码压缩和传输的方法,其特征在于,包括:
获取第一音频信号;
对所述第一音频信号进行下采样得到样本音频信号;
通过具有可控自由参数的小波函数组对所述样本音频信号进行数字编码得到第一数字码流,其中,所述小波函数组由具有所述可控自由参数的第一正交滤波器组构建,所述第一正交滤波器组满足双正交条件;
对所述第一数字码流进行数字调制后输出第二音频信号,所述第二音频信号用于进行无线传输到通信信道。
2.根据权利要求1所述的音频信号编码压缩和传输的方法,其特征在于,所述对所述第一音频信号进行下采样得到样本音频信号,包括:
对所述第一音频信号进行多倍下采样,得到多个子样本音频信号;
输出其中一个所述子样本音频信号得到样本音频信号。
3.根据权利要求1所述的音频信号编码压缩和传输的方法,其特征在于,所述第一正交滤波器组通过以下步骤构建:
通过具有所述可控自由参数的双正交小波滤波器来构造双正交小波滤波器组,其中,所述双正交小波滤波器包括第二正交滤波器组,所述第二正交滤波器组为初始正交滤波器组;
通过取具有所述可控自由参数的所述第二正交滤波器组构造双正交的所述第一正交滤波器组。
4.根据权利要求3所述的音频信号编码压缩和传输的方法,其特征在于,所述第一正交滤波器组包括低通分解滤波器、高通分解滤波器、低通重构滤波器和高通重构滤波器中的至少一种,所述第二正交滤波器组包括初始低通分解滤波器、初始高通分解滤波器、初始低通重构滤波器和初始高通重构滤波器中的至少一种。
5.根据权利要求4所述的音频信号编码压缩和传输的方法,其特征在于,所述小波函数组包括小波尺度函数、偶小波尺度函数、小波函数和偶小波函数,其中,所述小波尺度函数由初始小波尺度函数构建,所述偶小波尺度函数由所述初始低通分解滤波器和所述可控自由参数构建,所述小波函数由初始小波函数、所述初始低通分解滤波器和所述可控自由参数构建,所述偶小波函数由所述初始高通分解滤波器构建。
6.一种音频信号编码压缩和传输的方法,其特征在于,包括:
接收第二音频信号,所述第二音频信号通过通信信道接收到;
对所述第二音频信号进行数字解调得到解调音频信号;
通过具有可控自由参数的小波函数组对所述解调音频信号进行数字解码得到第二数字码流,其中,所述小波函数组由具有所述可控自由参数的第一正交滤波器组构建,所述第一正交滤波器组满足双正交条件;
通过高斯小波深度神经网络模型对所述第二数字码流进行上采样后输出第三音频信号。
7.根据权利要求6所述的音频信号编码压缩和传输的方法,其特征在于,所述第一正交滤波器组通过以下步骤构建:
通过具有所述可控自由参数的双正交小波滤波器来构造双正交小波滤波器组,其中,所述双正交小波滤波器包括第二正交滤波器组,所述第二正交滤波器组为初始正交滤波器组;
通过取具有所述可控自由参数的所述第二正交滤波器组构造所述第一正交滤波器组。
8.根据权利要求7所述的音频信号编码压缩和传输的方法,其特征在于,所述第一正交滤波器组包括低通分解滤波器、高通分解滤波器、低通重构滤波器和高通重构滤波器中的至少一种,所述第二正交滤波器组包括初始低通分解滤波器、初始高通分解滤波器、初始低通重构滤波器和初始高通重构滤波器中的至少一种,所述小波函数组包括小波尺度函数、偶小波尺度函数、小波函数和偶小波函数,其中,所述小波尺度函数由初始小波尺度函数构建,所述偶小波尺度函数由所述初始低通分解滤波器和所述可控自由参数构建,所述小波函数由初始小波函数、所述初始低通分解滤波器和所述可控自由参数构建,所述偶小波函数由所述初始高通分解滤波器构建。
9.根据权利要求6所述的音频信号编码压缩和传输的方法,其特征在于,所述高斯小波深度神经网络模型通过以下步骤构建:
获取连续音频信号函数和采样函数,其中,所述连续音频信号函数的宽带小于采样率的一半;
采用所述采样函数和基于紧框架高斯小波函数作为上采样的滤波器重构所述连续音频信号函数,其中,所述基于紧框架高斯小波函数通过训练深度神经网络得到;
根据重构后的所述连续音频信号函数构建所述高斯小波深度神经网络模型。
10.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的音频信号编码压缩和传输的方法或如权利要求6至9中任意一项所述的音频信号编码压缩和传输的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293886.3A CN113129911A (zh) | 2021-03-19 | 2021-03-19 | 一种音频信号编码压缩和传输的方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293886.3A CN113129911A (zh) | 2021-03-19 | 2021-03-19 | 一种音频信号编码压缩和传输的方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113129911A true CN113129911A (zh) | 2021-07-16 |
Family
ID=76773464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110293886.3A Pending CN113129911A (zh) | 2021-03-19 | 2021-03-19 | 一种音频信号编码压缩和传输的方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129911A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113630426A (zh) * | 2021-10-12 | 2021-11-09 | 广州市保伦电子有限公司 | 一种基于同声传译的私有加密方法和系统 |
CN115050378A (zh) * | 2022-05-19 | 2022-09-13 | 腾讯科技(深圳)有限公司 | 音频编解码方法及相关产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5826232A (en) * | 1991-06-18 | 1998-10-20 | Sextant Avionique | Method for voice analysis and synthesis using wavelets |
CN1375817A (zh) * | 2001-03-19 | 2002-10-23 | 北京阜国数字技术有限公司 | 一种基于小波变换的音频信号压缩编/解码方法 |
US20050152464A1 (en) * | 2004-01-12 | 2005-07-14 | David Orr | Multi-channel wavelet codec |
US20050286788A1 (en) * | 2004-06-23 | 2005-12-29 | Orr David E | Optimal filter-bank wavelet modulation |
CN107327292A (zh) * | 2017-07-12 | 2017-11-07 | 斯伦贝谢油田技术(山东)有限公司 | 一种随钻测井信号的编码方法 |
CN110068816A (zh) * | 2019-05-10 | 2019-07-30 | 长沙理工大学 | 一种基于提升格式的探地雷达信号用小波基构造方法 |
-
2021
- 2021-03-19 CN CN202110293886.3A patent/CN113129911A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5826232A (en) * | 1991-06-18 | 1998-10-20 | Sextant Avionique | Method for voice analysis and synthesis using wavelets |
CN1375817A (zh) * | 2001-03-19 | 2002-10-23 | 北京阜国数字技术有限公司 | 一种基于小波变换的音频信号压缩编/解码方法 |
US20050152464A1 (en) * | 2004-01-12 | 2005-07-14 | David Orr | Multi-channel wavelet codec |
US20050286788A1 (en) * | 2004-06-23 | 2005-12-29 | Orr David E | Optimal filter-bank wavelet modulation |
CN107327292A (zh) * | 2017-07-12 | 2017-11-07 | 斯伦贝谢油田技术(山东)有限公司 | 一种随钻测井信号的编码方法 |
CN110068816A (zh) * | 2019-05-10 | 2019-07-30 | 长沙理工大学 | 一种基于提升格式的探地雷达信号用小波基构造方法 |
Non-Patent Citations (3)
Title |
---|
程正兴: "《基于小波变换的目标检测方法研究》", 西安交通大学出版社, pages: 192 - 194 * |
阳小燕 等: "《排烟风机信息融合故障诊断方法与系统研究》", 31 August 2013, 西安交通大学出版社, pages: 192 - 194 * |
马鸿飞 等: "音质控制的变速率音频编码算法", 《电子科学学刊》, vol. 22, no. 6, pages 929 - 936 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113630426A (zh) * | 2021-10-12 | 2021-11-09 | 广州市保伦电子有限公司 | 一种基于同声传译的私有加密方法和系统 |
WO2023060722A1 (zh) * | 2021-10-12 | 2023-04-20 | 广州市保伦电子有限公司 | 一种基于同声传译的私有加密方法和系统 |
CN115050378A (zh) * | 2022-05-19 | 2022-09-13 | 腾讯科技(深圳)有限公司 | 音频编解码方法及相关产品 |
WO2023221674A1 (zh) * | 2022-05-19 | 2023-11-23 | 腾讯科技(深圳)有限公司 | 音频编解码方法及相关产品 |
CN115050378B (zh) * | 2022-05-19 | 2024-06-07 | 腾讯科技(深圳)有限公司 | 音频编解码方法及相关产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101556801B (zh) | 声音频谱编解码装置、声音信号发送和接收装置及方法 | |
US7333665B2 (en) | Optimal filter-bank wavelet modulation | |
US7756711B2 (en) | Sampling rate conversion apparatus, encoding apparatus decoding apparatus and methods thereof | |
Prabhakaran et al. | Hybrid digital-analog codes for source-channel broadcast of Gaussian sources over Gaussian channels | |
CN113129911A (zh) | 一种音频信号编码压缩和传输的方法及电子设备 | |
US20070239440A1 (en) | Processing of Excitation in Audio Coding and Decoding | |
CN103873877A (zh) | 远程桌面的图像传输方法及装置 | |
US10869029B2 (en) | Hybrid digital-analog coding | |
Iglesias et al. | Image transmission over the underwater acoustic channel via compressive sensing | |
CN101393743A (zh) | 一种可配置参数的立体声编码装置及其编码方法 | |
Chandra et al. | Image transmission through wireless channel: A review | |
Sheikh et al. | A new method of speech transmission over space time block coded co-operative MIMO–OFDM networks using time and space diversity | |
Kuo et al. | Robust coding technique--transform encryption coding for noisy communications | |
CN115116456A (zh) | 音频处理方法、装置、设备、存储介质及计算机程序产品 | |
US6915016B2 (en) | Method and apparatus for wireless image transmission | |
CN115116455A (zh) | 音频处理方法、装置、设备、存储介质及计算机程序产品 | |
Schadhauser et al. | Spectrum segmentation techniques for Edge-RAN decoding in telemetry-based IoT networks | |
CN110855673A (zh) | 一种复杂多媒体数据传输及处理方法 | |
Wong et al. | Sonar data compression using non-uniform quantization and noise shaping | |
Francis et al. | Signal compression by subband coding | |
Athanasiadis et al. | Transmission of compressed multimedia data over wireless channels using space-time OFDM with adaptive beamforming | |
Lee et al. | A new block compressive sensingto control the number of measurements | |
CN117198301A (zh) | 音频编码方法、音频解码方法、装置、可读存储介质 | |
Masters et al. | Very high data rate acoustic communication-continuous image transmission using hierarchical modulation in shallow water near vertical channels | |
Homavazir et al. | Enhancement of Spectral Efficiency by Adding Discrete Wavelet Transforms in Wireless Communication |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |