正弦激励线性预测声码器子带清浊音模糊判决

为了解决目前正弦激励线性预测声码器中各子带的清浊音硬判决使得语音帧间产生明显过渡感的问题,提出一种子带清浊音模糊判决算法,直接采用自相关函数对各子带的清浊音度进行描述,矢量量化后传输至解码端,用于激励信号的产生.测试结果表明: 采用子带清浊音模糊判决算法,能够消除语音帧间的过渡感,能够使各种速率正弦激励线性预测声码器的平均主观意见得分提高约0.05以上.     

基于二级矢量量化的LPC声码器算法

为了有效地减少语音编码的比特数、降低量化误差以及提高解码语音质量,提出了一种二级矢量量化的LPC声码器算法.该算法在模糊聚类与LBG级联的VQ算法的基础上,进一步采用二级矢量量化算法对特征参数矢量进行量化.特征参数为语音的两个特征值:基音周期与增益.第一级码本为矢量码本;第二级码本为误差码本.将该算法应用于LPC声码器中进行仿真实验,结果表明:该算法能有效地降低量化比特数并且减少了量化误差,从而使解码语音质量得到改善.     

能量参数解码端HMM估计算法

在低速率语音编码算法中,如何对特征参数进行有效的量化表示是影响声码器合成语音质量的关键因素。该文提出一种能量参数解码端恢复算法,它利用线谱频率(linespectral frequency,LSF)和清浊音判决参数(unvoiced/voiced decision,U/V)估计能量参数的变化轨迹。该算法利用特征参数之间的相关性,采用隐Markov模型(hiddenMarkov model,HMM)描述LSF、U/V和能量参数之间的统计特性,通过对能量进行解码端恢复,省去量化所需的比特数,从而提高特征参数的整体量化性能。测试结果表明:能量参数解码端恢复算法能够将150b/s混合激励线性预测编码算法(mixed excitation linear prediction,MELP)的合成语音平均意见得分(mean opinion score,MOS)提高0.042。该算法应用于超低速率声码器参数量化是可行的。     

多级矢量量化中的码本共享

为了解决语音参数编码算法中多级矢量量化中码本尺寸过大,存储量过大,导致搜索复杂度大的问题,提出了多级矢量量化中的码本共享的迭代算法。该算法基于多级矢量量化中各级待量化码矢之间的相似性,采用模拟退火算法,通过迭代得出共享变换系数。在1.2 kb/s的正弦激励线性预测声码器中,采用该算法对线谱对参数进行多级矢量量化。测试结果表明:在共享级别选择恰当时,可降低存储量20%,同时重建语音谱失真损失约为0.02 dB,可见该算法可以有效降低码本容量,同时对语音质量影响极小。     

高质量的0.6 kb/s声码器算法

为满足语音信息存贮和交流对极低速率下语音压缩编码的需求,提出了一种0.6 kb/s声码器算法.此算法基于线性预测正弦激励模型,在极低码率下获得高质量的合成语音,提出清浊音定位和量化方法,应用了多帧参数联合矢量量化技术,以及多带正弦混合激励、谱增强等技术.主观听觉测试显示,在0.6 kb/s的速率下,此声码器合成语音不仅具有高可懂度而且具有一定的自然度,诊断押韵测试(DRT)的分数为89.5%, 而且在10-2的随机误码的信道条件下仍然具有很好的可懂度.实验表明 利用帧间参数相关性及矢量量化的方法可以将编码速率大幅度压低而保持较高清晰度.     

多带激励语音编码算法中矢量量化方案的设计

作者讨论了人工神经网络矢量量化在多带激励语音压缩编码算法中的实际应用。采用Ｋｏｈｏｎｅｎ自组织特征映射神经网络技术对语音参数中的谱包络参数进行量化，利用Ｋｏｈｏｎｅｎ自组织特征映射神经网络具有的聚类特性，提出一种初始码本抽取和码本训练的实际算法，训练出具有明显拓扑结构和码本。利用语音的帧间相关性和训练网络的结构特性，提出一种称为“邻域搜索法”的快速码字搜索算法。实验表明，这种矢量量化算法使码卡搜索     

SELP 2.4kb/s语音编码算法跳跃帧判决及处理

为解决正弦激励线性预测(SELP)2.4kb/s语音编码算法中清浊音过渡时合成语音的质量较差的问题,该文利用子带清浊音判决参数量化过程中存在的冗余度,提出了一种跳跃帧判决及处理方法。该方法根据当前帧前后各60个样点的平均能量比值判定当前帧是否为跳跃帧,并利用子带清浊音判决参数量化的冗余度传送跳跃帧信息。解码端根据当前帧是否为跳跃帧对解码端参数采用不同的插值方案。测试结果表明,该方法能够将合成语音的MOS分提高0.004左右。     

SELP 2.4kb/s语音编码算法跳跃帧判决及处理

为解决正弦激励线性预测(SELP)2.4 kb/s语音编码算法中清浊音过渡时合成语音的质量较差的问题,该文利用子带清浊音判决参数量化过程中存在的冗余度,提出了一种跳跃帧判决及处理方法。该方法根据当前帧前后各60个样点的平均能量比值判定当前帧是否为跳跃帧,并利用子带清浊音判决参数量化的冗余度传送跳跃帧信息。解码端根据当前帧是否为跳跃帧对解码端参数采用不同的插值方案。测试结果表明,该方法能够将合成语音的M O S分提高0.004左右。     

基于Gauss混合模型的清浊音解码端恢复算法

清浊音(V/U)判决是低速率语音编码算法中的一个重要参数。该文利用Gauss混合模型(GMM)在语音解码端根据量化后的语音能量和线性预测编码(LPC)系数计算V/U后验概率,从而进行V/U判决恢复。带通浊音度系数(BPVC)也使用类似方法恢复。实验证明,即使在能量参数和LPC参数粗糙量化的情况下,该算法对全带V/U的恢复性能亦优于混合激励线性预测(MELP)算法中全带V/U分类器利用原始语音信号的分类性能,从而证明该恢复算法性能满足实用要求。该算法可以单独在解码端实现,从而节省了所有原来用于V/U信息量化传输的比特,可以进一步降低编码码率。     

自适应抗噪的清/浊/静音判决算法

清/浊/静音判决(UVS)是语音压缩、合成以及识别中的一个重要参数。为了解决传统判决方法训练过程复杂,导致语音编码效率低的问题,给出一种无训练过程的判决方法。提取基于循环平均幅度差的特征参量,利用判决参数间的相关性,自适应调整阈值,实现清/浊/静音判决。该判决方法具有很好的抗噪声干扰能力,有效提高判决的准确率。测试结果表明:该算法简化了清/浊/静音判决的计算量,清音误判率降低了10%,浊音误判率保持在4%以内;将该算法应用于低速率语音编码方案MELP(mixed excitation linear prediction)0.6 kbps的清浊音判决中,解码后的合成语音质量优于原始MELP编码方案,PESQ分数提高0.3,具有较好的可懂度和自然度。     

TETRA数字集群系统语音编解码算法研究

研究了陆地集群无线通信（TETRA）数字集群移动通信系统的语音压缩编解码算法的基本原理。TETRA语音压缩编解码器使用一种低复杂度的ACELP（代数码激励线性预测）算法，通过线性预测和磁量量化等方法降低比特率，并通过自适应码本和代数码本相结合的方法降低了CELP声码器的复杂度，兼顾了较好的语音质量和较低的比特率。在微机上通过C评议和Matlab对TETRA的语音编解码算法进行了实时仿真，语音信号由微机声卡录入和播放。仿真结果表明，该算法具有速率低，重建语音可懂度高，计算复杂度低等优点，适于在移动通信中应用。     

基于SFCM自适应矢量量化码本训练方法

自适应矢量量化在语音信号处理中有广泛地应用,提出了一种基于SFCM算法的自适应矢量量化码本的训练方法,其特点是通过模糊聚类方法,重新调整训练样本与码字之间的隶属度,达到最小编码失真,使码本更适合新说话人,且计算简单·实验结果表明,可以使编码平均失真下降·     

一种基于混合MELP/CELP的4 kbit/s声码器

利用混合激励线性预测 (mixed excitation linear prediction,MELP)算法和码激励线性预测(code excitation linear prediction,CELP)算法的优点,提出了一种混合MELP/CELP语音编码模型.编码端对强浊音帧采用MELP编码,对弱浊音帧和清音帧进行CELP编码.MELP编码器采用相位对齐技术提取强浊音帧的相位参数,解决了合成语音与原始语音在时间上不同步的问题.对实现的4 kbit/s混合MELP/CELP声码器进行客观MOS(mean opinion score)值和主观DRT(diagnostic rhythm test)清晰度测试,结果表明,该声码器的合成语音具有较高的可懂度和清晰度.     

用于LBG初始码书设计的改进PNN算法

矢量量化初始码书对于码书的形成非常重要,为了改善初始码书的性能和提高最终的码书质量,在分析成对最邻近(pair-wise nearest neighbor,PNN)算法与基础上,提出2种改进算法用于LBG算法初始码书的设计。改进的算法将训练矢量的分量和值排序与一次迭代多次融合用于PNN算法中,有效地降低了PNN算法的复杂度,减小了PNN算法的收敛时间。实验证明,该算法具有合理性和有效性,与LBG算法结合可进一步提高码书质量。     

低速率语音编码器的性能分析

本文对码激励线性预测编码器(CELPC)进行了分析,针对CELPC不能很好地重构语音高频部分以及缺乏迅速跟踪语音清、浊音转换部分的能力的问题,提出了随机码本主轴脉冲法和采用不同加权系数、附加低通滤波的自适应码本的搜索过程,以进一步提高合成语音的质量。同时,提出了一种简化的自适应码本和随机码本的联合优化法。计算机模拟结果表明,采用上述各种方法后,使CELPC的性能较原始算法有不同程度的提高。     

LBG与SOFM应用于矢量量化的比较研究

在介绍矢量量化以及LBG算法和SOFM算法的基础上,通过实验对比了LBG算法和SOFM算法在应用于图象矢量量化压缩过程时,码书大小、码字大小以及初始码书生成方式等因素对图像压缩性能的影响,得到了相关结论:固定码字矢量维数,码书越大,压缩比越小,重建图像质量越好;固定码书,码字矢量维数越小,编码性能越好;LBG算法对初始码书敏感,而SOFM算法由于所具备的自适应特性对初始码书不敏感。论文最后提供了一些改进思路,为改进传统矢量量化算法及设计新的矢量量化算法以提供了参考。     

基于排序分离平均算法的码书设计改进算法

为了获得性能更佳的码书,以排序的分离平均算法为基础,在获得初始码书后,对于在LBG迭代中可能出现的空胞腔采用填充与当前码书距离最远输入矢量的方式作为改进,有效地改善了传统LBG算法容易陷入局部最优以及排序分离平均算法的空胞腔问题。改进算法生成的码书更加接近全局最优。仿真实验证明了该算法的有效性。