变换域编码中的一种系数压缩方法

把利用数学物理方程反演方法得到的声道ＤＩＣ参数，用于语音的变换域编码，将波形编码与参数编码相结合，获得较低的数码率。     

变换域编码中的一种系数压缩方法

把利用数学物理方程反演方法得到的声道ＤＩＣ参数，用于语音的变换域编码，将波形编码与参数编码相结合，获得较低的数码率．     

两种LPC参数量化及性能比较

本文研究了两种LPc声道参数的量化方法。首先研究了反射系数(下称R参数)的量化方法,采用最小偏差量化对10个R参数用36比特进行编码,使平均频谱偏差低于1dB。其次研究了线谱对(LSP)参数的提取及量化,提出了一种快速的便于实时实现的LSP参数的提取方法,并对10个LSP参数用30比特进行自适应量化。性能比较结果表明,LSP参数的量化优于R参数,并且具有较强的抗误码性能。     

一种基于鲁棒矢量量化的信源-信道联合编码算法

信源-信道联合编码是数字通信中编码与传输的关键技术之一。在分析经典算法的基础上,结合语音编码中的声道参数,提出了采用似然比作为测度的信源-信道联合编码算法,同时通过多级分裂矢量量化进一步提高编码参数的量化精度。定点仿真结果表明,该算法的量化精度较传统方法性能提高了近41％,且可以在不增加额外比特开销的基础上进一步提高系统的鲁棒性。     

SACD中的DSD技术和数据无损压缩算法

SACD是对现有CD的改进,它利用直接数字流(DSD)技术,和DST无损压缩方法,对数据进行存储.它可以存储2声道或6声道的声音数据.由于采用了全新的技术来记录声音,使它可以产生更好的声音质量,必将成为新一代的声音记录格式.本文详细介绍了1比特DSD编码技术的原理,和DST无损压缩方法的原理.     

LSP参数的快速计算及其高效量化研究

线谱对参数是语音信号处理中声道模型的重要参数,其计算与量化直接关系到合成语音的质量,通常计算方法复杂,计算量大。利用Chebyshev多项式推导了一种快速计算LSP参数的算法,并研究了一种采用多级矢量量化方法实现18比特／帧的LSP参数高效量化。采用本文方法不仅保持了必要的量化精度,而且运算量大大降低。     

基于谐振结构的线性预测编码

语音编码中一般用线性预测编码(LPC)建立信号的声道响应，如何提高LPC的预测增益并用尽可能少的比特数量化LPC参数将直接影响编码器的性能．文中提出了一种基于信号谐振结构的LPC技术(HLPC)，利用HLPC可使LPC谱与信号谐振峰具有最佳的拟合，同时可获得0．36dB的额外预测增益．设计了LPC参数的线性预测多层分裂码本矢量量化(LPMSVQ)方法．数值实验表明，利用LPMSVQ可在21bit／帧下获得透明的量化质量．     

基于线谱对高效矢量量化的0.6 kb/s语音编码算法

为了提高通信系统的抗干扰和抗攻击能力,尽可能降低语音编码速率.提出了一种O.6 kb/s语音编码算法.算法基于3帧联合,对多帧联合参数采用高效矢量量化,在降低语音编码速率的条件下保证语音编码质量.其中,对线谱对参数采用预测多模式多级矢量量化码本结构.在码本设计过程中,提出了多模式渐进闭环设计,对各类码本联合优化,并联合优化预测器和量化器,可以有效提高线谱对参数量化质量.在译码方,采用多带混和谐波激励提高合成语音清晰度.测试结果表明,该语音编码算法合成语音PESQ(perceptualevaluation of speech quality)得分可以达到2.7,汉语诊断押韵测试DRT(diagnostic rhyme test)得分可以达到89.7.     

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.     

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。     

基于数值编码规则的信息抽取方法

利用隐马尔可夫模型建立一种在信息抽取过程中对规则进行数值编码的方法,用来提高信息抽取的效率.在对规则中的标记进行编码的过程中,利用此方法可使string匹配方法中O(n2) 级的时间复杂度降低为O(n)级.采用学习的方式来进行规则的生成,这种规则学习的方式使系统的可移植性大大增强.     

格栅编码在离散多频音调制中的应用

讨论了采用格栅编码的离散多频音调制（ＤＭＴ）系统，并推导出了编码增益的具体计算方法。该系统可获得３～６ｄＢ的编码增益，等效于降时误码率或传送距离更远。     

基于STRAIGHT模型的语音转换系统研究

语音转换是将源说话人的个性特征转换为目标说话人个性特征的过程。主要研究了基于STRAIGHT模型的语音转换系统原理及实现过程。通过STRAIGHT模型提取目标语音和源语音的基本频率以及平滑的声道频谱作为特征参数,并将声道频谱转换为LSF参数,进行时间对齐和GMM训练。从实验结果数据分析可以看出:由STRAIGHT模型提取的参数很好地避免了声道谱过平滑的现象,合成后的目标语音与源语音的相似度较高。     

成年人声道参数与身高的相关性

为了评估成年人声道与身高的关系,该文采用声反射技术测量了19~30岁之间的109位男性和105位女性的声道形态数据,对声道的长度、体积和比例等8个声道参数与身高之间的相关性进行了研究。研究发现,成年人的声道参数存在显著的性别差异:男性的声道比女性的更长、更大;在咽腔和口腔的比例上,男性的咽腔相对更长、更大。声道与身高之间的关系存在一定的性别差异:男女被试的咽腔长度、咽腔体积、声道长度和声道体积等均与身高存在显著正相关;但整体上,女性声道参数与身高的相关程度高于男性,只有女性声道长度与身高的相关程度达到中度水平,其他均为低度水平。该结果对声纹鉴定领域中通过语音判断未知说话人的身高提供了一定的理论支持。     

一种蝉鸣声数字化建模的改进方法

蝉鸣声是耳鸣掩蔽治疗最常用的一种匹配声源, 而目前数字化合成的蝉鸣声存在声音机械的问题. 针对该问题, 本文对蝉鸣合成数字化模型的激励源、声源模型和声道模型进行了优化: 使用滤波成型波作为激励源; 在声源信号中加入第二泛音分量; 对声道模型的参数进行修改. 最终合成的蝉鸣声在频谱丰富度和声音自然度得到了优化, 对耳鸣的掩蔽治疗提供了技术参考.     

改进的TPC译码器设计与实现

为改进Turbo乘积码(TPC)硬件译码器的性能和降低实现复杂性,采用理论分析和实现仿真的方法,通过对TPC码基本编译码原理的深入分析,基于Chase2软判决译码算法的迭代译码过程的研究和仿真基础上,提出改进迭代译码过程中外部信息计算的方法,给出了其FPGA设计和实现方法.研究结果表明:使用的改进算法对编码参数为(64,57,4)的TPC码进行译码在译码迭代次数为3次、不可靠位数选择为3位时,在误比特率为10-6条件下,编码增益能达到6.8 dB.     

SACD中的DSD技术和数据无损压缩算法

SACD是对现有CD的改进，它利用直接数字流（DSD）技术，和DST无损压缩方法，对数据进行存储。它可以存储2声道或6声道的声音数据。由于采用了全新的技术来记录声音，使它可以产生更好的声音质量，必将成为新一代的声音记录格式。本文详细介绍了1比特DSD编码技术的原理，和DST无损压缩方法的原理。     

用于统计语音合成的大尺度压缩HMM的方法

统计语音合成使用隐Markov模型(HMM)作为声学特征的统计模型。提出了一种利用声学模型空间距离进行HMM的大尺度压缩的量化方法,通过对矢量量化码本进行的优选迭代步骤,减小压缩后的声道谱模型与原模型之间的声学距离,使通过量化模型合成的语音更加接近未量化模型。主观和客观测试结果显示:使用该方法进行声道谱模型的压缩,在压缩至原模型大小的0.06左右时,仍有约90%的评价得分认为合成语音的质量没有明显下降。     

结合高斯混合模型和VOT特征的音素发音错误检测

结合高斯混合模型(GMM)和嗓音起始时间(VOT)特征的普通话音素发音错误检测,提出了一种结合语音声道特征信息和音源特征信息的发音错误检测方法。其中GMM用于反映声道特征信息的MFCC参数的建模与评测,并直接对大部分音素的发音质量直接进行错误检测。对于少数通过MFCC参数和GMM难于检测区分的辅音音素,则通过反映VOT信息的音源特征参数进行区分。实验表明,该方法在训练数据有限的情况下取得了较好的性能,非常适合用于聋人语言康复的计算机辅助训练。     

语音基频综合与补偿调节的实验研究

采用活体犬喉模型与人体实验方法,研究了喉上神经、喉返神经、上声道负载和贯声门压对语音基频的调节方式和规律;探讨了音调模式动态变化特性。结果表明,各语音声区、目标基频及基频动态模式由喉上与喉返神经、贯声门压和声道负载等因素分别以不同的程度综合调节所决定;当一种或几种调节因素因病变失效时,在一定基频范围内,可由其它因素补偿调节,取得语言所需的目标基频及其动态变化模式。研究结果对发声生理、嗓音康复训练与康复装置研究具有应用价值。