声码器激励参数的描述模型

在低速率声码器中,对浊音激励的描述直接影响了重建语音的质量。为提高音质,提出了一种两级浊音激励谱形状描述模型。在混合激励线性预测(MELP)声码器中浊音激励谱幅度峰值描述模型的基础上,增加了对整体谱的表述,同时给出了相应的矢量量化方法。测试表明此模型可使重建语音的音质得以明显改善,主观自然度测试结果达到了63%,对男声更为突出。此模型既保持了在激励谱低频带上描述准确的优点,又大大提高了对全频带描述的准确性,可应用于多种声码器中。

高质量的0.6kb/s声码器算法

为满足语音信息存贮和交流对极低速率下语音压缩编码的需求 ,提出了一种 0 .6 kb/ s声码器算法。此算法基于线性预测正弦激励模型 ,在极低码率下获得高质量的合成语音 ,提出清浊音定位和量化方法 ,应用了多帧参数联合矢量量化技术 ,以及多带正弦混合激励、谱增强等技术。主观听觉测试显示 ,在 0 .6 kb/ s的速率下 ,此声码器合成语音不仅具有高可懂度而且具有一定的自然度 ,诊断押韵测试 (DRT)的分数为 89.5 % ,而且在 10 - 2的随机误码的信道条件下仍然具有很好的可懂度。实验表明