Do you want to publish a course? Click here

Sound Data Compression Method Using Genetic Algorithm

طريقة لضغط بيانات الصوت باستخدام الخوارزمية الوراثية (الجينية)

1360   0   18   0 ( 0 )
 Publication date 2005
and research's language is العربية
 Created by Shamra Editor




Ask ChatGPT about the research

The principal objective of this research is an adoption of the Genetic Algorithm (GA) for studying it firstly, and to stop over the operations which are introduced from the genetic algorithm.The candidate field for applying the operations of the genetic algorithm is the sound data compression field. This research uses the operations of the genetic algorithm for the enhancement of the performance of one of the popular compression method. Vector Quantization (VQ) method is selected in this work. After studying this method, new proposed algorithm for mixing the (GA) with this method was constructed and then the required programs for testing this algorithm was written. A good enhancement was recorded for the performance of the (VQ) method when mixed with the (GA). The proposed algorithm was tested by applying it on some sound data files. Some fidelity measures are calculated to evaluate the performance of the new proposed algorithm.


Artificial intelligence review:
Research summary
الهدف الرئيسي من هذا البحث هو تبني خوارزمية جينية (GA) لدراسة وتحسين أداء إحدى طرق الضغط الشائعة للبيانات الصوتية. تم اختيار طريقة التكميم المتجهي (VQ) في هذا العمل. بعد دراسة هذه الطريقة، تم بناء خوارزمية جديدة لدمج (GA) مع هذه الطريقة، وتم كتابة البرامج اللازمة لاختبار هذه الخوارزمية. تم تسجيل تحسين جيد في أداء طريقة (VQ) عند دمجها مع (GA). تم اختبار الخوارزمية المقترحة بتطبيقها على بعض ملفات البيانات الصوتية. تم حساب بعض مقاييس الدقة لتقييم أداء الخوارزمية الجديدة المقترحة. تتضمن الخطوات الرئيسية للخوارزمية المقترحة تمثيل المشكلة، التجميع، العمليات الجينية (التزاوج والتحور)، الدمج، وتقييم الأداء ومعايير الإنهاء. أظهرت النتائج المسجلة أن فكرة دمج الخوارزمية الجينية مع طريقة التكميم المتجهي تعزز أداء طريقة (VQ) بمفردها. يمكن استنتاج أن دمج (GA) مع طريقة التكميم المتجهي (VQ) يمكن أن يحقق تحسينًا جيدًا في أداء هذه الطريقة من حيث زيادة نسبة الضغط والحفاظ على نسبة الإشارة إلى الضوضاء (SNR) في المستوى المقبول.
Critical review
دراسة نقدية: يعتبر البحث مساهمة قيمة في مجال ضغط البيانات الصوتية باستخدام الخوارزميات الجينية. ومع ذلك، هناك بعض النقاط التي يمكن تحسينها. أولاً، لم يتم توضيح بشكل كافٍ كيفية تأثير الضوضاء الناتجة عن عملية الضغط على جودة الصوت المسموع، وهو جانب مهم يجب مراعاته في التطبيقات العملية. ثانيًا، الوقت الطويل المطلوب لتنفيذ الخوارزمية الجينية قد يكون غير مناسب للتطبيقات في الزمن الحقيقي، وهو ما يتطلب البحث عن تحسينات لتسريع العملية. أخيرًا، كان من الممكن تقديم مقارنة أكثر تفصيلاً بين الخوارزمية المقترحة والخوارزميات التقليدية الأخرى لتحليل الأداء بشكل أعمق.
Questions related to the research
  1. ما هي الطريقة المستخدمة لتحسين أداء ضغط البيانات الصوتية في هذا البحث؟

    تم استخدام خوارزمية جينية (GA) لتحسين أداء طريقة التكميم المتجهي (VQ) لضغط البيانات الصوتية.

  2. ما هي الخطوات الرئيسية للخوارزمية المقترحة في البحث؟

    الخطوات الرئيسية تشمل تمثيل المشكلة، التجميع، العمليات الجينية (التزاوج والتحور)، الدمج، وتقييم الأداء ومعايير الإنهاء.

  3. ما هي الفائدة الرئيسية من دمج الخوارزمية الجينية مع طريقة التكميم المتجهي؟

    الفائدة الرئيسية هي تحسين نسبة الضغط وزيادة نسبة الإشارة إلى الضوضاء (SNR) في المستوى المقبول.

  4. ما هي التحديات التي تواجه استخدام الخوارزمية الجينية في التطبيقات الزمن الحقيقي؟

    التحدي الرئيسي هو الوقت الطويل المطلوب لتنفيذ الخوارزمية الجينية، مما يجعلها غير مناسبة للتطبيقات في الزمن الحقيقي.


References used
Al-Rawi Hisham, Jane J. Stephan, “Genetic Algorithm Based Image Segmentation”, Proceeding of CATAEE’99, Philadelphia University, Jordan, 1999
Cabral Jim, “3D Vector Quantization of Magnetic Resonance Images”, Internet Paper, http://www.data-compression/vq.html, 1994
Chan Yuk-Hee, Wan-Chi Siu and Kin-Man Lam, “ A Novel VQ Encoding Algorithm Based on Adaptive Searching Sequence”, IEEE International Symposium on Speech, Image Processing and Neural Networks, 13-16 April 1994, Hong Kong
rate research

Read More

Route discovery in infrastructure based network is an important problem. Normally, route selection or route discovery is done based on the shortest path principle. In infrastructure based networks، a number of issues for route discovery need to be ad dressed as the packet flow are prone to errors making the routing operation failure. Reliability, for example، is an important issue for route discovery. Ensuring Quality of Service (QoS) is important and is to be taken care while forwarding a packet flow. In this paper، a model for route discovery in infrastructure based networks using GA is being proposed. Out of many paths available from the gateway of the network to the final destination, the one is selected which satisfies the desired QoS. Two important QoS parameters، path loss and processing time at the router (Base Station), have been considered. The experimental results for both the QoS parameters reveal the efficacy of the model.
This study has reached to that ANN (5-9-1) (five neurons in input layer_nine neurons in hidden layer _ one neuron in output layer) is the optimum artificial network that hybrid system has reached to it with mean squared error equals (1*10^-4) (0.7 m3/sec), where this software has summed up millions of experiments in one step and in limited time, it has also given a zero value of a number of network connections, such as some connections related of relative humidity input because of the lake of impact this parameter on the runoff when other parameters are avaliable. This study recommend to use this technique in forecasting of evaporation and other climatic elements.
This paper presents a strategy of variable speed wind turbine connected to a permanent magnet synchronous generator; the goal is to get the most possible wind turbines. We used a wind energy conversion system model consisting of a wind turbine, perma nent magnet synchronous generator, rectifier, buck-boost chopper, inverter, load, and traditional controller PI to stabilize the voltage obtained from the wind turbine and synchronous generator at a variable wind speed. Then we used one of the artificial intelligence techniques represented by the genetic algorithm to get the maximum possible wind turbine. The traditional controller PI and the genetic algorithm we modeled using the Matlab R2014a program and from it we obtained the advantages of mechanical power for wind turbine and determined maximum power points at each wind speed.
In this study, basic methodologies of the GA and the scaling procedures are summarized, the scaling criteria of real time history records to satisfy the Syrian design code are discussed. The traditional time domain scaling procedures and the scali ng procedures using GA are utilized to scale a number of the available real records to match the Syrian design spectra. The resulting time histories of the procedures are investigated and compared in terms of meeting criteria.

suggested questions

comments
Fetching comments Fetching comments
Sign in to be able to follow your search criteria
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا