基于GERBF神经网络非线性预测的ADPCM算法控制系统中的应用

用神经网络建立非线性预测模型对语音信号进行处理,采用后向预测建模,不增加传输码率。采用一种改进的广义径向基函数网络(GERBF),利用正交最小二乘法训练速度快的优点,降低算法的复杂性。实验表明:基于GERBF预测器的语音编码系统在嵌入维数很少时亦能较好地去除语音信号相关性,其恢复语音质量优于CCITT,建议G.721中的ADPCM算法。     

ADPCM语音压缩编码的分析与仿真

通过对ITU-TG．721 ADPCM标准语音压缩编码的算法原理进行分析,讨论ADPCM算法逐步实现的过程,最后给出了使用matlab实现在AWGN信道中ADPCM算法编解码后的仿真结果。     

GSM移动通信系统中语音隐藏算法研究

提出了一种能够在GSM移动通信网络中使用的信息隐藏算法。隐藏容量为50bit/s。实验结果表明算法对GSM、ADPCM等语音压缩编码以及滤波操作有很强的鲁棒性，携密语音的分段平均信噪比接近35dB，可以达到透明性要求。算法简单易行并且是基于盲检测的，具有很大的实用性。     

以CS—ACELP算法为核心的数字语音记录设备

在介绍ITU G.729 CS-ACELP语音压缩编码的基础上提出了由DSP芯片实现基于该算法的数字语音记录设备的方案,且通过算法优化和改进,使一片C54 DSP芯片能编码2路输入数字语音信号,仿真实验结果表明,算法优化和改进后的复杂度仅是此前的1/8,系统的压缩能力在相同的语音质量下是现有基于ADPCM语音记录设备的4倍。     

基于动态小波神经网络的语音信号非线性预测器

提出一种带反馈单元的动态小波神经网络(DWNN)并将其用作语音信号的非线性预测器，分析了DWNN的函数学习能力和对高维函数学习的优越性。由于反馈单元的内部记忆能力，DWNN具有对长时相关的预测能力并能在一定程度上克服小波神经网络的“维数灾难”现象。在对语音信号的预测中，动态小波神经网络预测器的预测性能很好，虽然其预测阶数很低(仅为3)，试验结果表明：DWNN预测器较RNN，RBF更适合于语音信号的非线性预测，而且其计算复杂度相对较低。     

MLP语音信号非线性预测器

讨论了MLP（Multi-Layer Perceptron)语音信号非线性预测器的实现。为了使MLP能够适用于语音信号预测,对MLP的误差准则进行了修正以减轻神经网络模型与语音模型之间的过匹配。为了提高MLP的训练速度,提出了一种线性化逐层优化（LOLL）MLP训练算法。实验结果显示该非线性预测器的预测信噪比约比线性预测器提高2dB,而且它还可以同时完成长时预测器的功能;误差准则修正使非线性预测器的预测信噪比提高了0.35dB。     

GSM移动通信系统中语音隐藏算法研究

提出了一种能够在GSM移动通信网络中使用的信息隐藏算法.隐藏容量为50 bit/s.实验结果表明算法对GSM、ADPCM等语音压缩编码以及滤波操作有很强的鲁棒性,携密语音的分段平均信噪比接近35 dB,可以达到透明性要求.算法简单易行并且是基于盲检测的,具有很大的实用性.     

ADPCM系统中的自适应技术

本文介绍了几种用于ADPCM编码系统的自适应技术及其原理、算法和设计,并通过微机模拟作了比较。就某些特定的语音帧而言,前馈自适应量化器与固定量化器相比较,大约可得到 3～6dB的分段(帧)信噪比增益。对于自适应预测器,若采用基于MMSE准则的自相关法确定最佳预测系数(包括反向自适应),系数是稳定的。但如果用梯度法确定最佳预测系数,则需要仔细地选择公式中的一些参数,否则,对某些特定的语音帧,可能使系统不稳定。     

基于TMS320VC5421的多制式语音编码的实现

介绍了一种多制式语音编解码器,完成4路语音的全双工通信.简单介绍了组成系统的核心器件——DSP芯片TMS320VC5421的硬件特点,提出实现G.729、CVSD、ADPCM算法之间的编码转换方法,并给出了算法的软硬件实现.实验结果表明,该方法以较少的运算量及较少的硬件资源获得了较高的语音编码质量,是一种灵活可行的语音编码方式.     

语音信号非线性特征的研究

随着研究的深入,语音信号的非线性特征逐渐被人们发现,传统的基于分段线性的语音信号处理方法存在局限性,因此用非线性方法对语音信号进行处理对于提高处理质量相当重要。文章介绍了非线性理论在语音信号处理中的一些应用,首先采用延时相图法重构语音的混沌吸引子,然后用分形维数、Ｌｙａｐｕｎｏｖ指数等非线性动力学参数反映语音信号的非线性特征,设计计盒维数算法并行运用于语音分割,最后根据语音信号时域波形分形结构设计     

CELP编码器的实现及其在TTS系统中的应用

在对最新的MPEG4中的音频编码中码激励线性预测CELP（code excited linear predicive）编码器分析和研究的基础上,根据其窄带语音编码器的参数模式,建立和实现了一个基于CELP的语音编码实验系统,将高效的CELP编码技术应用于文语转换TTS（text-to-speech）系统中语音数据库的压缩,效果是满意的。     

基于ARM的低速率语音编码的研究与设计

随着移动通信系统的广泛应用,低速率语音编码也获得了极大的发展。本文研究了一种基于连续正弦波形（CSW—Continuous Sinusoidal Waveform）的低速率语音编码算法。该算法是一种改进的正弦谐波编码算法,鳊码速率达到2．4kb／s以下。本算法采用叠加一组正弦波的方法来合成语音,这些正弦波的频率是基音频率的整数倍。并采用内核ARM920T（mpu是Samsung公司的S3C241O）对语音编码信号进行处理。     

高阶谱分析在抗噪语音编码中的应用

将高阶谱分析技术应用于语音编码中以提高其抗噪声的性能,给出了两处利用高阶量提取语音参数的语音编解方案：a．采用高阶累积最小二乘直接估计法提取语音参数进行编码;b．采用高阶累积量SVD－TLS估计法提取语音参数进行编码,研究结果表明,这两种方案在噪声环境中工作时,具有极好的抗高棋朋色噪声和对称分布噪声的能力,总的抗噪性能明显优于传统的LPC声码器。     

电话交谈语音识别中基于 LSTM-DNN 语言模型的重评估方法研究

近年来,神经网络语言模型的研究越来越受到学术界的广泛关注.基于长短期记忆(long short-term memory,LSTM)结构的深度神经网络(LSTM-deep neural network,LSTM-DNN)语言模型成为当前的研究热点.在电话交谈语音识别系统中,语料本身具有一定的上下文相关性,而传统的语言模型对历史信息记忆能力有限,无法充分学习语料的相关性.针对这一问题,基于LSTM-DNN语言模型在充分学习电话交谈语料相关性的基础上,将其应用于语音识别系统的重评估过程,并将这一方法与基于高元语言模型、前向神经网络(feed forward neural network,FFNN)以及递归神经网络(recurrent neural network,RNN)语言模型的重评估方法进行对比.实验结果表明,LSTM-DNN语言模型在重评估方法中具有最优性能,与一遍解码结果相比,在中文测试集上字错误率平均下降4.1％.     

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。     

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AMR编码参数的语音识别

基于语音编码系统的语音识别，由于受编码的影响其识别效果在编码速率下降时显著降低。传统的识别方法从重构语音波形中提取特征参数，并针对该特征参数进行训练和识别。比较了基于编码语音的识别准确率和基于编码参数的识别准确率，并研究了编码参数对识别准确率的影响。在此基础上，通过选择受编码影响较小的编码参数，直接将LPC参数和残差信号参数组合起来构成特征参数进行语音识别。实验结果表明，采用这种方法的AMR语音识别系统，其识别效果接近于基于原始语音的识别效果。     

TETRA语音编解码算法的DSP实现及其优化设计

讨论了基于TMS320C54x DSP的TETRA语音编解码实现方法,给出了代码优化原则及用汇编语言改写关键代码的方法及技巧.通过对语音编解码算法的优化设计.使得算法的计算量大大降低,理论分析和调试结果表明:优化后的算法能达到通信的实时性要求,具有一定的应用价值.该优化设计方法对其它语音编解码标准的DSP实现具有较大的参考价值.     

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。