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。     

3.35 kb/s低速率语音编码算法

为了解决码本激励线性预测(CELP)算法在4kb/s以下质量难以提高的问题,在编码器和解码器中分别引入了不同的脉冲散布技术以达到利用较少比特提供高质量激励的目的.结合固定码本基音增强和脉冲散布技术的特点,根据理想代数码本脉冲在子帧中各位置的概率分布规律,提出了新的非均匀结构代数码本,明显地提高了代数码本的效率.同时引入了基音预加重技术以提高自适应码本的搜索精度.经主观听音和计算机模拟测试,表明最后形成的3.35kb/s多重脉冲散布非均匀代数码本激励线性预测(MPD-USACELP)语音编码算法的质量达到了北美IS-54标准8kb/s算法的水平.     

基于双码本搜索的低延迟语音编码算法

将自适应码本搜索和代数码本搜索相级联的方法运用到低延迟码激励线性预测算法的矢量量化模块中,将传统的5维码本结构的LD-CELP的码率降为10k/s。通过PC仿真测试,其合成语音质量接近16kb/s的G.728。     

4kb/s低速率语音编码的一种新算法

4kb/s低速率语音编码是近年来语音信号处理研究的重要课题,也是ITU－T下步要标准化的重点,介绍了目前4kb/s低速率语音编码的最新进展,关重分析了基音位置同步码激励线性预测编码（PPS－CELP）的原理和结构,并与G.729、G.723.1等算法进行了性能比较。     

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。     

1.8kb/s多带线性预测编码算法设计

设计了一种多带线性预测编码(MBLPC)语音压缩算法，该算法结合正弦编码和线性预测编码的优点，对语音信号的包络谱用线性预测编码方法进行估计．而对激励谱用多带方式进行处理．改进了特征参数的提取和量化方法，包括基于谐振结构的基音检测算法、基于谐振结构的线性预测分析以及包络谱参数的线性预测多层分裂码本矢量量化．非正式主观测试表明，在1．8kb／s编码速率下，由MBLPC算法所重建语音的平均意见分为3．0，而清晰度指标约为91％．     

利用声调判别提高汉语数码语音识别性能

数码语音“２”与“８”等的混淆是汉语数码语音识别错误的主要来源。为此,提出了在汉语数码语音识别中引入声调判别的方法。首先设计了变长度短时平均幅度差函数（ＬＶＡＭＤＦ）、元音中心定位、基音谐波单周期校正以及基音邻近搜索等一系列高性能基音周期估计算法,在此基础上设计了一个针对汉语数码语音声调识别的ＭＤＴＤ算法。实验表明,新的基音周期估计方法和ＭＤＴＤ算法使汉语数码语音识别率由９５．２％上升到９８．５％,更使“２”与“８”的分辨率由９０．５％上升到了９８．８％,从而较好地解决了这个难题。     

ACELP语音编码算法改进与仿真

代数码激励线性预测算法(ACELP)是目前诸多低速率语音编码标准的算法核心,包括3G语音标准VSELP、AMR、AMR-NB、AMR-WB.该算法基于码激励线性预测模型,通过对码本的有效搜索,确定基音延迟,算法时间复杂度为O(n3).本文在ACELP算法基础上,对ACELP中自适应码本搜索过程进行改进,提出E-ACELP算法.通过AMR标准中8种速率情况的仿真,E-ACELP算法码本搜索时间减少、时间复杂度下降.基于E-ACELP算法,语音编码标准性能和效率得到提高.     

一种基于G.729语音编码的改进算法

共轭代数码本激励线性预测（CS，ACELP）语音编码算法在8kb／s速率上获得了比较理想的质量，是以10ms为一短时语音帧作为处理对象．基于CS．ACELP语音编码算法，以20ms为一语音帧，在编码器中引入脉冲散布技术，提出了一种使码速降低至4kb／s的散布脉冲代数码本激励线性预测（PD—ACELP）编码算法．经仿真实验及主观听觉测试表明，这种算法的合成语音质量还是比较令人满意的．     

2.4kb/sMELP算法设计

提出了一种新的工作于极低码率下的混合激励线性预测 (MEL P)声码器 .该声码器结合了线性预测编码(L PC)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 (L SF)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码激励线性预测编码 (CEL P)所重建的语音质量     

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。     

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     

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。     

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.     

高质量4kbit/s码速率语音编码算法研究

４ｋｂｉｔ／ｓ有限状态代数码激励线性预测语音编码算法ＦＳ－ＡＣＥＬＰ是一种具有延时较短、合成语音质量高、算法复杂度较低的语音编码算法。在线性预测（ＬＰ）参数量化上,利用了语音帧内和帧间的相关性,对线谱对（ＬＳＰ）参数使用预测式分裂式矢量量化,获得很高的量化效率。在自适应码本搜索上,采用了有限状态控制分数延时搜索的算法,在保证合成语音质量的同时,有效地降低了运算量。对于随机码本,采用了具有多模结构的代数码本,提高语音合成质量。对于激励码序列的增益,采用了预测式矢量量化,有效地提高了量化精度。经非正式听音测试,４ｋｂｉｔ／ｓＦＳ－ＡＣＥＬＰ的合成语音质量超过了北美８ｋｂｉｔ／ｓＶＳＥＬＰ,接近Ｇ．７２９８ｋｂｉｔ／ｓＣＳ－ＡＣＥＬＰ,ＭＯＳ分约为３．９。     

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。     

一种改善激励源的1.2kb/s语音编码算法及其实时实现

为了适应无线通信等低速语音编码场合，吸收2.4kb/sMELP算法优点，提出了一种改善激励源的1.2kb/s混合激励线性预测算法，该算法在模型结构、LSP量化及解码等方面较传统的2.4kb/sLPC算法有了较大改进。同时，选用TMS320VC5416DSP芯片实时实现了以该算法为核心的声码器。客观音质测试和非正式主观测试结果表明，该算法在自然度、清晰度和抗噪声等方面明显优于2.4kb/sLPC算法，是低速率下一种良好的编码方案。     

6.3kbit/s CELP语音编码的研究

提出了一种新的6.3kbit/sCELP语音编码方案,其语音质量接近ITU-TG.729的合成语音质量,而编解码复杂度约为10MIPS.它在CELP的3个主要方面作了改进LSP参数的矢量量化;开环基音预测,长时预测滤波器系数的求解和量化一体化;代数码本激励.这些措施在保证合成语音质量的前提下大大降低了计算量,从而能够在单片TMS320C30系统上实时实现.