波形变换域语音波形的帧间差分编码

本文提出一种新的语音波形的帧间差分编码算法，文中对帧间差分编码所遇到的帧匹配、过渡帧处理和量化器设计等问题进行了讨论，文末给出了汉语普通话几个常见单元音量化信噪比的测试结果。实验表明：采用四比特帧间差分编码，当信号采样频率为８ｋＨｚ时，其短时量化信噪比的平均值超过２９ｄＢ，利用归一化新波形的对称性、半周期取零技术和基音重复，预测误差用４比特量化时，可在数码率２ｋ～４ｋｂｐｓ情况下得到优质重建语音。     

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。     

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．     

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．     

语音DCT变换的一种小波编码方法

语音信号离散余弦变换的小波变换编码方法是根据DCT变换和小波变换特点，并结合语音信号的特征而提出的一种高效简便的语音编码方法，在编码中，对不同层次小波系数分配不同的量化位，可灵活、方便地控制重构话音的质量，以汉语语音音节为例的实验表明，在16kbps的编码数据率时，重构(或再生)的话音质量与原始话音质量基本相同。     

一种基于窗长自适应的语音信号处理算法

首先指出固定窗长的窗函数在处理复杂语音信号时,通常会遇到保持短时平稳性和准确性的矛盾.继而提出一种窗长可以自适应的算法来解决问题,在维持短时平稳性的同时保证准确性.实验结果表明,通过窗函数的窗长自适应来响应复杂信号的频率变化,能够更准确、更有效地处理语音信号.     

自适应技术在语音编码中的应用

为了解决单一语音编码方法所带来的系统容量和频带利用率的浪费,以欧洲电信标准委员会（ＥＴＳＩ）的自适应多速率（ＡＭＲ）语音编码标准为基础,介绍ＡＭＲ编码技术的基本思想,分析ＡＭＲ语音编码整体系统实现,并在全球移动通信系统（ＧＳＭ）的３种典型噪声环境下模拟测试了ＡＭＲ的中文语音性能,并将合成波形与其它编码器的结果进行了比较,模拟结果表明,ＡＭＲ合成语音质量要比其它编码模式高０．５￣１．２个ＭＯＳ分。     

TD-PSOLA技术在汉语语音波形编码合成中的应用

以时域基音同步叠加（ＰＳＯＬＡ）技术和一个全汉语单音节库为合成单元进行汉语语音波形编码合成,针对汉语语音的音高、时长、音强以及音节之间的协同发音效应等影响合成语音质量的主要因素,建立相应音节的声调曲线、时长规则和音节之间协同发音规则等韵律规则,并利用时域基间同步叠加法原理调整合成语音的音高和时长,从而使合成的语音比较清晰自然。     

一种自适应图象压缩编码算法

提出了一种自适应图象压缩编码算法（ＡＣＣ）,该算法将绝对矩方块截断编码算法（ＡＭＢＴＣ）、内插法和四叉树技术有机结合起来,根据图象的局部特性调节编码算法．仿真结果表明ＡＣＣ算法与文献［５］中自适应算法相比,在相同的压缩倍数下,能得到更好的编码性能．     

基于预处理VAD和自适应KLT的语音增强算法

针对加性有色噪声干扰，提出了一种单通道输入基于信号子空间的话音增强算法。算法中使用自适应的方法跟踪KLT(Karhunen—Loeve Transform)阵。运用一种近似模型来表述有色噪声的特性，并基于噪声平稳的假设，通过采用预处理技术的语音活动性检测(VAD：Voice Activity Detection)单元获取噪声样本，用于下一语音帧中噪声特性的估计和增强处理。实验表明，算法对于有色噪声干扰下的语音信号有较好的增强效果，并且性能优于改进减谱法。     

一种基于特征子空间扩展的自适应波束保形方法

基于特征空间(ESB)自适应波束形成算法，提出了一种扩展信号子空间的自适应波束保形方法(SESB)，该方法通过扩展信号子空间、舍弃噪声子空间，克服了当干扰信号和期望信号同时存在时，期望信号大范围的变化造成波束畸变这一缺陷，计算机仿真和分析证明该方法运算量小，具有良好的波束保形能力和稳健性。     

用自适应量化改进G.728算法

分析了ITU—TG．728语音编码算法中增益固定量化的缺陷，设计了精确表示增益的自适应量化方案，对G．728算法中增益的精确值进行量化。结果表明：G．728自适应量化比G．728固定量化增益信噪比提高0．97dB．     

基于短时能零积和鉴别信息的语音端点检测

为了提高低信噪比下语音端点检测的准确率,提出了一种新型的语音端点检测算法.该算法利用短时能零积法和鉴别信息的互补优势,一边降噪一边端点检测,而且对于被判为噪声的帧利用基于子带能量鉴别信息方法来进行二次复检,根据鉴别信息来更新噪声能量门限,从而能更准确地跟踪噪声的能量变化.实验结果表明,该方法在信噪比变化比较剧烈的情况下仍然能够准确地进行端点检测,对语音信号的后续处理起到了很好的作用.     

基于尺度噪声能量估计的自适应语音去噪算法

摘要：
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能.关键词：
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值中图分类号： TN 912.3
文献标志码： A     

一种基于GSC框架波束域快速稳健自适应波束形成算法

GSC框架是自适应波束形成降秩算法的统一模型,一般通过构造降秩矩阵来降低算法的运算量,但是降秩矩阵大多通过特征分解来获得,给算法带来了大量额外的运算量。针对此问题,提出了一种波束域的快速稳健自适应波束形成算法,通过转换矩阵将输入信号从高维度的阵元域转换到低维度的波束域,然后在波束域运用子空间类算法,用信号子空间来构造阻塞矩阵、降秩矩阵和映射矩阵,既降低了计算量,又解决了基于GSC框架的自适应算法在信噪比较高时由于期望信号相消导致性能严重下降的问题。仿真结果证明了提出的算法有很好的波束形成性能,验证了算法的有效性。     

基于形状和位置可调非参数原子的信号波形提取方法

提出一种基于非参数原子的信号波形提取方法．将具有先验知识的模板信号通过一个均匀滤波器组得到一组基函数，并由此构造出用离散序列表示的非参数原子．滤波器组的采用以及子带信号的延时扩展使得构造的波形原子的形状和位置可以自适应地调节．基于奇异值分解技术导出了用非参数原子实现信号波形提取的算法．所提出的方法可以构造出无法用公式和参数描述的波形原子，可从信号中提取任意复杂的波形．实验结果表明，即使在模板信号的幅度、相位或频率与待分析波形存在较大差异时，仍可有效地将相应波形从信号中提取出来．