基于局部最小二乘支持向量机的音频频带扩展方法

在网络传输过程中宽带音频会由于高频信息的缺失导致音频质量下降,因此,本文提出了一种基于局部最小二乘支持向量机的宽带向超宽带音频频带扩展方法.根据音频频域序列的非线性特性,本文采用相空间重构和局部最小二乘支持向量机对音频信号的高频频谱细节进行预测,并结合高斯混合模型对高频子带能量进行估计,最后经过高频频谱包络调整,所提方法能够有效地恢复7k Hz^14k Hz频率范围内的高频成分.主客观测试结果表明,该方法改善了宽带音频的听觉质量,其性能优于参考音频频带扩展方法.

基于灰色Verhulst模型的音频频带扩展方法

受到传输带宽的限制,宽带音频的自然度和听觉质量会有所下降,因此,本文提出了一种基于灰色Verhulst模型的宽带向超宽带音频频带扩展方法.根据音频信号频谱包络序列的演变趋势,采用灰色Verhulst模型对高频频谱包络进行估计,并利用最近邻匹配方法对高频频谱细节进行预测,最后经过高频频谱包络的调整,所提方法能够有效地恢复7～14kHz频率范围内的高频成分.主客观测试表明,该方法改善了宽带音频的听觉质量,并且优于传统的基于高斯混合模型的音频频带扩展方法.

基于分形的音频频带盲扩展方法

本文提出了一种基于分形理论的音频频带盲扩展方法。首先,借助重标极差分析法估计频谱细节序列的Hurst指数,对不同音频信号谱细节序列的Hurst指数进行统计分析,验证了音频信号频域序列具有长相关特性。然后,运用坐标延迟法对谱细节序列进行相空间重构,基于夹角余弦选取预测中心相点的近邻点,根据预测中心相点和近邻相点的相关性,求取一个吸引子与预测中心相点相近的迭代函数系统,实现对高频谱细节的分形预测。最后,结合高斯混合模型的高频能量估计算法,实现宽带向超宽带的扩展算法。主、客观质量评测均表明本文算法优于传统的频带盲扩展方法。