一种语音信号线性预测系数的求解新方法

语音信号的线性预测分析是语音信号处理中的重要部分,线性预测系数提取的速度和精确程度直接影响后续的处理工作.现提出一种基于BP神经网络的线性预测系数的求解方法.实验表明,该方法能以较少的训练次数得到较高的计算精度.     

基于线性预测的自适应语音增强技术

提出了一种基于线性预测的自适应语音增强方法。该方法利用带噪语音的线性预测作为自适应滤波器的参考输入，使有色噪声的相关性隐含于参考输入之中，从而大大地提高了语音的信噪比。仿真实验证明．被环境噪声污染了的语音信号经自适应系统处理后，其信噪比提高了32．70dB。     

线性预测编码在语音编码中的运用

本文描述了语音的产生原理、模型,对线形预测编码在语音编码中的运用进行了介绍,并对其常用求解方法进行了比较。     

基于线性预测下的语音信号合成

线性预测编码(Linear Predictive Coding)是实现语音编码的一项重要技术.通过对语音信号和LPC的研究,介绍了语音信号的线性预测分析原理,详细分析用来求解线性预测方程的自相关法和计算方法,并用Matlab对实际语音信号进行线性预测编码实验.实验结果表明,应用LPC法合成的语音信号误差小、计算简单、合成速度快.     

利用线性预测残差的语音去噪方法

语音信号中经常混有加性噪声,噪声的存在会使语音处理系统的性能急剧下降,因此语音去噪是语音信号处理中的关键技术之一.提出一种利用线性预测残差去除语音中的加性白噪声的方法,实验结果表明,该方法可以有效地去除语音信号中的加性白噪声,并且保持语音信号较好的清晰度和可懂度.     

子波激励线性预测（WELP）的语音编码方案

从子波变换这个新的概念,给出了一种语音信号预测模型残差激励信号的分解方法,提出了一种语音信号编码方案,即子波激励的线性预测编码法(WELP),给出了部分实验结果,实验表明,在相同的音质条件下,WELP方法比其它方法能更进一步降低比特率,有希望在低比特率语音编码中得到应用。     

一种利用线性预测残差的语音去噪方法

提出了一种利用线性预测残差去除语音中加性白噪声的方法 .含噪语音经过线性预测分析后 ,所得的线性预测残差可分为与语音相关的语音残差部分和与噪声相关的噪声残差部分 .当噪声为白噪声时 ,噪声残差能量与噪声能量的比值大于语音残差能量与语音能量的比值 ,并且随着含噪语音信噪比的增大 ,两者数值上的差距越来越大 .因此 ,从含噪语音中按一定比例 λ(0 <λ<1 )减去预测残差 ,即可抑制噪声残差能量 .这实际上抑制了含噪语音中的噪声能量 ,提高了其信噪比 ,从而达到在一定程度上去噪的目的 .同时 ,这样处理造成的语音能量损失是有限的 .特别是 ,上述方法中对语音成分的操作仅仅在预测残差内进行 ,对语音的共振峰影响很小 ,因而能够较好地保留语音信号的频谱结构 ,使语音品质不致降低 .实验结果表明 ,该方法简便而有效     

一种噪声环境下的语音识别方法(线性预测误差法)的研究

介绍一种平稳噪声环境下语音识别的新的方法。该方法利用噪声的LPC系数去预测语音信号,从而得到LPC预测序列,然后把它代替原语音序列来进行语音端点的检测、语音特征的提取和在合适的匹配方式下的识别。实验结果表明：该法在噪声环境下自动检测语音端点和提取语音信号的特征是可行的,获得了很满意的识别率。     

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．     

一种自适应预测栅格编码量化语音编码算法

提出了一种新的基于自适应预测栅格编码量化算法的话音压缩模型．论述了在均方误差意义上最优量化器的设计原理,并在研究栅格编码量化算法的基础上,探讨了模型的编、译码器的工作原理,其中着重研究了扩展的量化器的集合划分和卷积码栅格图的支路标注问题．根据计算机模拟结果,论证了模型的有效性和可行性．     

线性预测编码的实时语音通信系统

线性预测编码的实时语音通信系统时龙兴陆生礼李素珍（东南大学国家ＡＳＩＣ工程中心，南京２１００１８）随着无线通信的快速发展，频谱资源更显宝贵．为了更有效地利用有限的频谱资源，迫切需要实时的低速率语音编解码系统．综合目前的语音编码技术现状，选用语音的参数...     

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％．     

基于RNN的非线性预测语音编码

利用递归神经网络(RNN)的内部记忆特性，改善了非线性预测过程中对语音长时相关性的预测能力。实验表明：本文提出的基于RNN非线性预测的ADPCM语音编码算法，其恢复的语音质量优于ITU G．721建议的ADPCM算法。     

码激励线性预测快速算法

对语音编码的两大类即波形编码和参量编码的优缺点进行了分析,重点对码激励线性预测进行了研究.首先提出了感觉加权滤波器的等效变换方法,然后提出了一种码本部分重叠分割法,计算机模拟实验证明,采用上述方法,可以得到很好的合成音质,并使运算速度显著提高。     

基于MELPe模型的600 BPS声码器算法设计

在增强型混和激励线性预测(MELPe)模型的基础上,提出了一种高音质的600 bps声码器算法。保持MELPe算法特征的同时,利用帧间参数冗余,进行多帧联合量化;运用基于预测的分级矢量量化(PMSVQ)算法对线谱频率(LSF)参数进行量化。在非正式的主观语音质量测试中,合成语音质量优于传统的LPC10e声码器,接近2 400 bpsMELP标准的合成语音。