基于人类记忆机制的码本建模方法研究

码本模型在实际应用时需要提前进行离线训练构建码本,在一定程度上限制了码本模型的实时应用。为此,将人类三阶段记忆机制引入到码本建模过程,基于记忆机制进行在线码本建模。每个像素点的时序信息被抽象成码本中不同的码字,并通过在瞬时、短时和长时记忆空间模拟记忆、遗忘、回忆等认知行为,实时地对码字进行分类。实验结果表明,提出的新算法不仅提高了模型的实时性而且对场景突变的适应能力也强于原始模型;同时,新算法在交通监测等现实应用中也能取得良好的效果。     

基于码本映射和GMM的语音带宽扩展

采用传统的高斯混合模型（Gaussian mixture model,GMM）进行语音带宽扩展时,会出现所估计的特征参数过平滑的问题,其主要原因是协方差估计不准确而导致扩展的高频特征细节信息的丢失,因此本文提出了码本映射（codebook mapping,CM）与高斯混合模型相结合的语音带宽扩展算法.提取高、低频特征参数,并训练高斯混合模型,基于高斯混合模型参数训练偏移矢量的码本;在扩展阶段,利用偏移矢量的码本将低频偏移矢量映射为高频偏移矢量,再将高频偏移矢量与高斯混合模型估计部分相加作为估计的高频特征参数.对利用该方法进行带宽扩展后的语音质量进行主观/客观评测.实验结果表明,相比传统的GMM语音带宽方法,CM-GMM合成的高频语音更接近原始高频语音,明显消除了高频过平滑现象.      

声道参数的矢量量化

矢量量化是一种高效数据压缩技术,成功的用于语音、图象处理和模式识别中。本文讨论矢量量化应用在参数编码中的码书结构、初始码书的生成和训练中的一些具体问题。     

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.     

一种从数据库快速加载mat文件的方法

摘 要：Matlab和数据库技术广泛应用于大型工程应用系统中。存储在数据库中的mat文件数据须经过本地文件系统,由 Matlab加载到工作空间中。每次文件数据加载过程附带两次文件IO,降低了应用软件性能。本文提出的基于内存的mat文件数据快速加载方法,将数据库中的文件数据下载到Matlab内存缓冲区中,在缓冲区中完成文件数据扫描和加载,消除了本地文件系统的介入,显著改善了应用软件系统性能。     

基于统计分析与分段码书的DNA序列压缩新方法

将DNA序列分成64个碱基一组的短序列。根据每个小段落不同的碱基排列特点,通过对每段中重复频率最高的三碱基组合片段采用特定码书编码,提出了基于统计分析与分段码书的DNA序列压缩方法,以达到对DNA数据压缩的目的。实验表明,本算法在大部分常用基准测试序列中达到了比较好的压缩性能。     

基于小波特征矢量的分离初始码书算法

针对LBG算法在图像空域中随机构造初始码书性能不稳定、压缩质量差的缺点,提出了一种新的基于小波变换的变换域初始码书构造方法。该算法利用小波分解后系数的父子关系构造训练矢量,在此基础上采用分离的初始码书算法,考虑了子带内部以及各子带之间的关联性。用两幅经典图像做了算法的性能仿真与比较。仿真结果表明,该算法与传统的随机LBG以及一般的小波随机LBG算法相比,具有收敛速度快、压缩比高、图像质量好的优点。     

线谱对矢量量化中的码本设计

研究ＧＬＡ算法和随机松驰算法设计的线谱对码本性能以及两种算法的特点,训练数据采用了云均值和一阶滑动平均模型预测的误差信号,随机松驰算法选用简化的解码器扰动算法,传统观点认为随机松驰算法比ＧＬＡ算法每适量索引少用１ｂｉｔ．实验结果表明,在小训练数据量时的确如此,但在大数据量时它们的性能相差不大。在线谱对的码本设计中,随机松驰算法设计的码本信噪比提高很小。     

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。     

基于正弦谐波模型的语音变换算法及实现

介绍了语音变换的相关技术,分析了利用正弦谐波模型实现语音变换的算法及流程。利用正弦谐波模型对语音进行建模和分解,提取语音的基音频率,利用高斯建模和变换实现语音韵律特征的变换;提取出正弦谐波幅度的后10阶系数,作为语音的频谱特征参数,利用矢量量化和码书映射的方法实现语音频谱特征的变换。提出了一种逐词对应的训练参数对齐方法,给出了具体实现的算法流程。对录制的2段语音利用该算法进行了仿真实验,利用ABX测试对实验结果进行了评估。测试结果显示,该算法得到的变换语音在听觉上有89．3％的概率更接近目标说话人语音。