矢量量化法用于改进的多带激励声码器一种极低比特率语音编码方案

在低比特率语音编码方法中，改进的多带激励编码方法可得到低噪声和稳健性强的重建语音，但运算量很大．作者在改进的多带激励编码研究中，将矢量量化方法引入频谱幅度的量化，不仅降低了运算量而且降低了编码比特率，使得在１．３５～１．８ｋｂｉｔ／ｓ的编码比特率下的重建语音，与４．８ｋｂｉｔ／ｓ编码比特率下（按自激励声码器编码方法）重建的语音质量相比毫不逊色．     

矢量量化法用于改进的多带激励声码器—一种极低比特率语音…

在低比特率语音编码方法中，改进的多带激励编码方法可得到低噪声和稳健性强的重建语音，但运算量很大，作在改进的多带激励编码研究中，将矢量量化方法引入频谱幅度的量化，不仅降低了运算量而且降低了编码比特率，使得在１．３５￣１．８ｋｂｉｔ／ｓ的编码比特率下的重建语音，与４．８ｋｂｉｔ／ｓ编码比特率下（按自激励声码器编码方法）重建的语音质量相比毫不逊色。     

基于WEB的数字信号处理虚拟系统

基于WEB的虚拟系统为研究数字信号处理提供了一种新的方式,采用虚拟系统对数字信号的频谱分析及语音编码进行研究,通过ASP和ActiveX技术实现系统的动态交互和实时传输,初步实现了信号在网上的实时交互处理,该系统的研究成果已开始应用于教学,科研中。     

基于变分辨率频谱特征的向量机静音检测和实时混音技术

静音检测算法基于两个语音感觉特征与变分辨率频谱的Mel频率倒谱系数组合成音频特征，采用多门限过零率对静音进行初判，并通过二分类支持向量机对组合语音特征进行分类；实时混音算法使用每一路音频的短时能量作为混音权重．测试表明，静音检测算法在不同信噪比下语音识别正确率高于G．729B静音检测算法；实时混音算法听觉测试优于传统的算法，并且混音计算延时低，满足网络实时传输的要求；两种算法同时应用于视频会议系统，视频会议服务器的运算量低于使用了G．729B静音检测算法的视频系统．     

基于G.729A语音实时传输系统的实现

简述G．729A编码和解码的原理,以及编码器和解码器的简化流程。语音实时传输系统由录音压缩、网络通信和解压播放3个模块组成,实现G．729A编码器与解码器的封装、语音录制与播放、流式套接字和线性同步等功能。系统测试结果表明,基于G．729A语音实时传输系统具有较好的语音通信效果。     

一种短波通信中基于DSP的低速率语音编码技术

介绍了一种应用在短波通信中的码率为1．5Kbps低速率语音编码算法，此算法基于MELP（mixed excitation linearp rediction）混合激励线性预测语音编码算法的声码器模型，并对算法进行改进，降低复杂度和速率，在DSP芯片的硬件系统中实时运行了该算法，最后给出了算法测试仿真结果。     

6.6 kbit/s 小波激励线性预测语音编译码器

针对码本激励线性预测编码（ＣＥＬＰ），将小波变换运用于长时基音预测后的二次残差信号，提出了小波激励线性预测（ＷＥＬＰ）技术，大大降低了语音编码的复杂度。在保持相同合成音质的情况下，可使码速率为６．６ｋｂｉｔ／ｓ的ＷＥＬＰ的编码速度较之相应的ＣＥＬＰ提高一倍。在此基础上，给出了用两片ＡＤＳＰ２１８１芯片实现的６．６ｋｂｉｔ／ｓＷＥＬＰ语音编译码器的定点实时实现系统，并对该系统作了性能测试和语音质量评测，表明了该系统的良好特性。     

2.4kbps MELP低速率语音编码算法的DSP实现

本文在DSP芯片TMS320VC5416上实时实现了传统2.4kbps MELP低速率语音编码算法。采用美国GL公司的语音质量评估系统VQT(Voice Quality Tester)对编解码的实时语音质量进行评估,PESQ得分高于3.6分,结果表明该语音编码系统能够满足实际通信要求。     

实时低速率语音压缩编码的算法研究

针对数字化通信网及多媒体应用中低速率数字语音编码问题，以多带激励（ＭＢＥ）声码器为模型，采用了一些新算法去降低编码速率和改善音质。利用动态规划算法对基音周期进行平滑，去除了声码器中常有的音调噪声。利用ＬＰＣ全极点模型谱逼近ＭＢＥ谱包络，并采用共振峰增强技术来补偿模型误差，有效地降低了编码速率。为了能够实时实现这个编码系统，采用了分裂矢量量化，多级矢量量化和前向多层人工神经网络等技术进行优化和改善，使之在２．４ｋｂｉｔ／ｓ，１．２ｋｂｉｔ／ｓ及８００ｂｉｔ／ｓ等速率上实时实现了较高质量的语音压缩编码。     

改进的子波过零电子耳蜗语音编码策略

提出改进的倍频程小波过零刺激方案(WZCS),以改善电子耳蜗语音编码策略的性能.在语音信号倍频程小波变换域的过零点通过幅度调制合成刺激脉冲,并基于Matlab对该算法和连续间隔采样(CIS)、通道专用采样序列(CSSS)、频率幅度联合调制编码(FAME)等编码策略进行仿真,将合成信号与原始语音、合成信号频谱与原始语音频谱进行了相关性分析.仿真结果表明,WZCS算法合成信号的频谱与原始语音信号的频谱相关系数最大,WZCS算法合成信号频谱与原始语音最为相关,且相关显著,即与其他算法相比其保留了原始语音信号的更多频率和相位成分.     

数字语音混沌保密通信系统的研究

利用逻辑映射产生混沌编码序列，以该序列作为密码构造了数字语音保密通信系统，通过仿真分析各项性能，结果 表该系统具有较强的自同步能力和较高的保密性能，并且易于实现。     

一种实时语音信号数字处理系统

文章介绍了 这产时语音信号处理系统硬件电路的原理和功能及其实现方法,设计了ＴＭＳ３２０Ｃ２５与ＴＬＣ３２０４４之间的接口程序。     

嵌入式中等词汇量英语语音识别片上系统

针对目前嵌入式英语语音识别系统中识别性能较差或硬件资源占用较大的问题,提出了一个在16 b定点数据信号处理语音芯片上实现的非特定人、中等词汇量英语命令字识别系统。该系统采用基于连续隐含M arkov模型(con tinuous dens ity h idden M arkov m ode l,CDHMM)的两级识别网络,通过应用改进的音素体系、B ayes ian信息准则模型参数选择算法、决策树和数据驱动相结合的状态聚类方法、最小互信息改变准则特征选择算法,在保证识别率的前提下,大大降低了模型的存贮空间和计算复杂度。实验表明,对1 235词的英语短句的识别率为96.41%,识别时间为0.46倍实时。     

超混沌迭代同步在数字语音保密通讯中的应用

提出超混沌迭代系统的主动－被动（ＡＰＤ）同步方法,研究了它对语音的加、解密性能,证明此系统可以应用于数字语音保密通讯,并建立了计算机模拟超混沌迭代系统同步的数字语音加密解密系统,实现了混沌语音保密通讯．此方法具有同步速度快,恢复语音精度高,难于破译的特点     

基于静音检测的ITU-T G.729算法

提出了一种能够提高ITU－TG．729算法性能的静音检测技术，该技术的引入不仅可以降低G．729的语音通讯平均传输出特率，而且可以大量节省G．729压缩和解压过程的实际运算量，通过在不同的噪声背景下的性能分析，该静音检测技术的引入不会对G．729算法的合成语音质量产生明显的影响。     

基于串扰判决反馈信道均衡算法的语音通信系统设计

在强电磁干扰环境下,由于语音通信受到通信信道的快速时变衰落和码间干扰的影响,导致信道不均衡,降低了语音通信质量。提出一种基于串扰判决反馈信道均衡的语音通信系统的设计方法。该方法采用横向滤波器进行电磁干扰滤波器设计,利用语音通信信息传输信道频率特性的逆大于信息自身带宽的特征,通过调整均衡器参数进行,进行串扰判决反馈设计,结合信道自适应均衡处理技术,进行强干扰环境下语音通信信道均衡,以达到语音通信系统的优化。系统仿真结果表明,该语音通信优化系统具有抗电磁干扰能力及滤波性能较好、输出信噪比高、通信距离远、通信速度快、可靠性高等优点。     

基于AMBE-2000的短波语音压缩系统设计

将数字信号处理技术应用于短波通信系统中,可以改善其通信质量。介绍了一种基于AMBE-2000的语音压缩系统设计方法,包括硬件平台的设计和DSP软件设计,以及主芯片与DSP、A/D-D/A之间的接口设计方法,最后结合实际测试的结果总结出开发AMBE-2000的关键技术。     

用DSP技术开发的一种新的语音识别系统

本文介绍了一种基于听觉谱特征参数的语音识别方法和系统．该系统采用高速ＤＳＰ芯片ＴＭＳ３２０Ｃ２５,实现了语音信号的实时处理．用由此芯片开发的ＥＩＳＡ插卡与计算机结合,构成了一个智能化语音输入实时识别系统．实验结果表明,在小词汇量特定人条件下,该系统的正识率可达到９８％以上,在非特定人和有噪情况下,系统正识率分别为９５％和９０％以上．通过比较发现,该系统在正识率、抗噪性和鲁棒性等方面均比传统识别方法要好     

基于CGRU多输入特征的地空通话自动切分

自动语音切分是语音识别、声纹识别、语音降噪等语音应用中非常重要的预处理环节,切分算法的优劣直接影响了系统输出结果的精度.在空管地空通话中,传输信道噪声、天气因素以及说话人工作状态均会对语音信号产生影响,进而在一定程度上影响语音切分性能.在分析空管地空通话语音特性基础上,提出了一种基于CGRU网络多输入特征的自动语音切分方法.该方法结合地空通话的特点,采用深度学习的方法进一步提取语音信号的时域和频域非线性特征,将语音信号帧分类为语音帧、结束帧以及其他帧三类.实验对比了多种语音特征作为输入对切分效果的影响,同时验证了GMM、CNN、CLDNN、CGRU等切分算法在真实地空通话测试集上的表现,并提出了一种简单预测结果平滑算法.实验结果表明,文中提出的自动切分方法在地空通话中具有明显优势,分类模型的AUC值达到了0.98.