8 kbit/s 短延时语音编码算法——LD-ACELP

８ｋｂｉｔ／ｓ短延时语音编码算法ＬＤ－ＡＣＥＬＰ，采用了代数码本激励线性预测（ＡＣＥＬＰ）的编码方法，利用语音的帧间相关性对线谱对参数采用了分裂式矢量量化技术，并采用高效的码本结构、码本搜索技术和增益矢量量化技术来获得较高的语音合成质量和较短的算法延时。ＬＤ－ＡＣＥＬＰ的帧长为１０ｍｓ，算法延时为１５ｍｓ。通过信噪比及人耳主观听觉实验等性能测试表明，该算法具有与国际电联１６ｋｂ／ｓ短延时语音编码算法ＬＤ－ＣＥＬＰ（Ｇ．７２８）相当的语音合成质量。     

各种速率矢量和激励线性预测（VSELP）编码器的实现

研究并改进了矢量和激励线性预测，语音编码器，介绍了８ｋｂｉｔ／ｓＶＳＥＬＰ编码方案的实现及在此基础上利用矢量量化ＬＰＣ参数，减少激励码本数和子块分裂等方法；改进的６．４ｋｂｉｔ／ｓ，４．８ｋｂｉｔ／ｓ及２．４ｋｂｉｔ／ｓ ＶＳＥＬＰ的方案和结果。     

一种改进的规则脉冲激励－长时预测语音编码方案

在对规则脉冲激励－长时预测语音编码方案（比特率为１３ｋｂｉｔ／ｓ）研究的基础上，提出了７．４ｋｂｉｔ／ｓ的改进方案，使编码速率大大降低．改进方案在长时预测分析中用部分搜索法代替了原来的全搜索，并采用矢量量化技术对预测残差信号进行量化．其硬件实现在ＴＭＳ３２０Ｃ３０ＥＶＭ上完成，所用ＤＳＰ芯片为单片ＴＭＳ３２０Ｃ３０．实验结果表明，合成语音质量与原方案十分接近．     

一种改进的规则脉冲激励—长时预测语音编码方案

在对规则脉冲激励－长时预测语音编码方案（比特率为１３ｋｂｉｔ／ｓ）研究的基础上，提出了７．４ｋｂｉｔ／ｓ的改进方案，使编码速度大大降低，改进方案在长时预测分析中用部分搜索法代替了原来的全搜索，并采用矢量量化技术对预测残差信号进行量化，其硬件实现在ＴＭＳ３２０Ｃ３０ ＥＶＭ上完成，所用ＤＳＰ芯片为单片ＴＭＳ３２０Ｃ３０，实验结果表明，合成语音质量与原方案十分接近。     

8.0kbit／sACELP声码器的GSM平台仿真

研究恶劣传输环境下８．０ｋｂｉｔ／代数码激励线性预测声码器的译码算法的改进及其在ＧＳＭ典型信道的传输性能。方法在集成软件仿真平台中引入稳信道编码模块,以消除衰落噪声和高斯噪声的影响,并完成ＡＣＥＬＰ声码器到ＧＳＭ全速率语音业务信道（ＴＣＨ／ＦＳ）的速率适配任务;在ＡＣＥＬＰ译码器中引入错误帧隐藏单元（ＥＣＵ）,以提高恶劣信道环境下的合成语音质量。结果与结论错误隐藏单元与相应的高效稳健的信道编码相结     

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。     

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。     

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．     

2.4 kb/s MELP算法设计

提出了一种新的工作于低极码率下的混合激励线性预测（ＭＥＬＰ）声码器。该声码器结合了线性预测编码（ＬＰＣ）和多带激励编码算法的优点,对算法和量化方案重新进行了设计和改造,其主要特征包括改进的基音检测算法、混合的周期脉冲和随机噪声激励,有效的线性谱频率（ＬＰＦ）参数量化以及激励谱形状表示,非正式主观测试表明,由采用本算法的一个２．４ｋｂ／ｓ编码器所重建的语音质量略优于美国联邦标准４．８ｋｂ／ｓ码激励性     

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。     

低速率CS-ACELP语音编码算法研究及实现

介绍了8kb／s Cs-ACELP语音编码算法的基本原理，即采用LSP参数量化和代数结构的固定码书，同时对增益的量化使用共轭结构；对该算法进行了仿真实现。结果表明，CS-ACELP是一种高质量的语音编码算法。     

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。     

一种基于ACELP的4.75kb/s语音编码算法

基于代数码激励线性预测(ACELP)算法，介绍了一种编码速率为4．75kb／s的语音编码算法。算法采用高效的码本结构和码本搜索技术。核算法运算量小，延时小。首先对算法进行了概述，然后分别对算法所采用的开环基音周期分析、自适应码本搜索、代数码本结构以及代数码本搜索方式进行了介绍，重点对算法的代数码本结构和所采用的代数码本搜索方式进行了详细分析。定点C语言模拟结果表明，该算法在4．75kb／s速率上可以合成很高音质的话音。     

低延迟10kb/s语音编码算法研究

介绍了8kHz采样率下算法延迟为2.5ms的10kb/s语音编码算法。本算法使用20维的CELP,并用自适应码本搜索和代数码本搜索相级联的方法进行矢量量化。通过PC仿真实验并经PESQ测试,其合成语音质量接近16kb/s的G.728。     

一种基于ACELP的4.8kb/s高质量语音编码算法

介绍了一种基于代数码激励线性预测（ACELP）的4.8kb/s语音编码算法。首先对算法进行了概述,然后分别对算法所采用的基音周期估计,基音预测,代数码本结构以及代数码本搜索方式进行了介绍。重点对算法所采用的代数码本搜索技术进行了详细分析。定点C语言模拟结果表明,该算法在4.8kb/s速率上可以合成很高音质的话音。     

预测自适应Gauss混合模型线谱频率量化

为了实现高质量低速率语音编码,提出了高效线性预测Gauss混合模型(Gaussianmixturemodel,GMM)线谱频率参数量化算法(LP-GMM-LSFQA)。线谱频率(linearspectralfrequency,LSF)参数先去均值,经过一阶线性预测,得到残差信号,将残差用协方差矩阵为对角阵GMM量化算法进行量化。在此基础上,利用反量化后参数自适应更新GMM的加权系数和均值,进一步提出了预测自适应GMM-LSF量化算法(LP-AGMM-LSFQA)。实验表明LP-GMM-LSFQA在20b/帧时量化性能超过预测分裂矢量量化22b/帧时的量化性能,节约2b/帧;LP-AGMM-LSFQA量化性能优于LP-GMM-LSFQA。     

预测自适应Gauss混合模型线谱频率的量化

为了实现高质量低速率的语音编码,提出了高效线性预测Gauss混合模型(Gaussian mixture model,GMM)线谱频率参数量化算法(LP-GMM-LSFQA)。线谱频率(linear spectral frequency,LSF)参数先去均值,经过一阶线性预测,得到残差信号,将残差用协方差矩阵为对角阵GMM量化算法进行量化。在此基础上,利用反量化后参数自适应更新GMM的加权系数和均值,进一步提出了预测自适应GMM-LSF量化算法(LP-AGMM-LSFQA)。实验表明:LP-GMM-LSFQA在20 b/帧时量化性能超过预测分裂矢量量化22 b/帧时的量化性能,节约2b/帧;LP-AGMM-LSFQA量化性能优于LP-GMM-LSFQA。