1.6Kb/s类MELP语音压缩编码器的FPGA实现

基于"CPU软核+模块算法IP"的方法对一个1.6Kb/s类MELP语音压缩编码算法进行了实现,并将整个语音压缩编码器在FPGA上进行了整体验证,实验结果说明本文给出的语音压缩编码器的实现结构是可行的,能够满足语音压缩编码算法对实时性的要求,从而为下一阶段语音压缩编码器的芯片设计提供有力的可行性论据.同时,由于本文给出的语音压缩编码器的实现结构中的各模块算法IP对于许多语音压缩编码算法中都适用,因此该语音压缩编码器的实现结构对不同的语音压缩编码算法具有一定的通用性.

改进的MELP低速率语音编码器

在混合激励线性预测(MELP)语音编码算法中,语音帧的突变转换导致合成语音质量的下降成为一个突出问题。为解决该问题,提出一种基于过渡帧判决算法的改进MELP模型,提高了参数估计的准确度,有效实现了语音的降噪处理。引入动态清浊音判决(U/V判决)门限将语音帧分为3种类型:浊音帧、清音帧、过渡帧,通过区分过渡帧和清浊音帧,避免了传统的U/V判决错误和清浊音帧的突变转换。给出了改进MELP编码参数比特分配表,通过PESQ—MOS测试表明,合成语音质量尤其是高频女声合成语音质量有了明显的改进。

基于一种可配置可扩展处理器的MELP语音算法的改进与实现

基于Tensilca公司的可配置、可扩展、可集成处理器-Xtensa,文章实现了对美国国家标准语音电话加密解密算法——2.4KbpsMELP的改进。在选择一个合理的处理器配置的基础上,对算法进行指令集仿真,分析找出算法中使用频率较高的操作,添加新的指令集,进行硬件实现以提高性能。实现的结果证明,经过改进以后,在增加了一定的硬件逻辑的基础上,相对于未加修改前的处理器内核,算法实现需要的总周期数降低为原来的47%。

基于线性预测系数自适应前后向量化的可变速率MELP语音编码

该文基于LPC的自适应前后向量化技术,提出了一种可变速率的混合激励线性预测MELP语音编码算法。该算法中,采用当前语音帧(前向LPC)或前面某帧已合成语音帧(后向LPC)进行线性预测,当采用后向LPC时,只需传输时间序列编码,故减少了LPC系数的平均编码比特。计算机模拟表明,该算法与标准MELP算法合成的语音质量相当,但显著减少了LPC的传输带宽,从而明显降低了MELP平均编码速率。

MELP语音编解码算法在DSP上的优化

为了满足实际工程的需要,混合激励线性预测(MELP)语音编解码算法在DSP平台实现需要进行优化。以工程测试数据为佐证,运用编译器优化、inline函数优化、内联函数优化等不同方法对MELP语音编解码算法DSP程序进行优化。分析和对比了各种优化方法的优缺点和测试结果,表明优化结果达到了实际工程的需要,经过测试效果良好,具有实际意义。

MELP低比特率数字语音编码技术研究

主要介绍了一种新的低比特率MELP (MixedExcitationLinearPrediction)混合激励线性预测语音编码技术 ,其中着重分析了该编码算法所采用的几项关键技术。给出了采用MELP压缩编码算法后的输出比特流在各个参数上的比特分配表 ,并通过计算机仿真 ,对MELP合成语音与原始语音的质量做了比较 ,最后就MELP语音编码技术与现今其它几种不同的低速率语音编码技术的合成语音质量在DRT、DAM及MOS得分三个方面做了比较。

基于ARM9的MELPe语音编码算法优化

基于ARM926EJ-S平台,给出了MELP增强算法(Mixed-excitation linear predictive enhanced,MELPe)的优化步骤:算法结构优化、代码优化以及汇编优化。优化后,算法复杂度从原来的516.6MIPS下降至62.4MIPS,减小为原来的12.08%。PESQ系统测评显示,优化前后的语音质量不变。实验结果表明优化后的算法符合实时处理的要求。

基于MELP的变速率语音编码器算法

描述了一种新的基于MELP算法的变速率语音编码器。其中,考察每一语音帧与其前一帧在以下4个方面的相关性:清浊音判定、基音周期、增益与线谱对频率,依相关性不同采用不同的量化方法以减少各帧之间的编码冗余。主观测试表明本编码器的语音质量与美国联邦标准的2.4KB/SMELP编码器近似。

一种基于MELP模型600bps声码器的设计

基于增强型混合激励线性预测(MELPe)模型,设计了一款600bps低速率语音编码器。该编码器在保持MELPe算法特征的同时,利用相邻帧的帧间冗余,把连续的三帧构成一个超帧,对超帧采用多模式预测和多级矩阵量化技术进行联合量化。同时针对超帧的不同模式,通过预测系数对相邻超帧的模式转换进行处理,实现线谱对参数(LSF)的矢量量化。最后对基音周期与增益参数进行联合量化,进一步提高量化效率,完成一款在600bps下仍具有较好合成语音质量的语音编码器的设计。

MELP低速率语音编码器在DSP上的改进与优化

在标准混合激励线性预测(MELP)语音编码算法中,对同时含有清音和浊音的混合帧会产生参数估计错误,并导致合成语音质量的下降。针对这个缺陷提出一种基于过渡帧判决算法的改进MELP模型(M-MELP),提高了参数估计的准确度,保证了合成语音的质量;并结合TMS320C6416数字信号处理器的结构特点,通过改写开源的MELP算法实现M-MELP算法,从程序结构、编译器和代码进行三级优化。相对于单一的优化,它能更好地提高程序运行的并行性和存储器的访问效率,从而在基于DSP的嵌入式系统中实现高质量的实时语音编码。

一种变比特率MELP语音压缩编码的研究与实现

采用一种变比特率压缩编码方案对语音信号实现了MELP(混合激励线性预测)编码和解码.在1.5～2Kb/s的平均码率下,达到了质量较好的合成语音效果.

2.4Kb/s MELP声码器的FPGA实现

设计了一种基于FPGA的MELP声码器,在对MELP算法进行深入分析的基础上,提出了利用DSPBuilder在Matlab中建模并在FPGA上设计声码器的思路及实现过程,最后对编解码系统进行功能仿真,仿真结果表明,合成语音信号与原始信号很好的拟合,系统编解码后语音质量基本良好.

基于MELP的智能对线器语音系统研究与优化

针对智能对线器工作过程略显冗余的问题,提出了在智能对线器基础上设计一个语音通信系统。对语音编码技术MELP(混合激励线性预测编码)进行了详细的阐述,并提出了开方变平方的优化运算,而且开创性的采用了三电平中心削波法对基音提取算法进行优化,使之保证语音质量的前提下,大大降低运算量,提高语音传输系统的稳定性。MATLAB仿真分析和语音测试的结果表明,智能对线器语音传输系统能够快速、准确的实现语音传输。

基于MELP算法的超帧结构状态统计及改进算法研究

低速率语音编码在水声通信、卫星通信、军事通信、保密通信等领域有着非常广泛的应用，其特殊的应用领域对语音编码也有各自不同的要求，难以形成统一的标准。该文在2．4kb／sMELP语音编码方案的基础上，针对低速率语音编码中常见的几种多帧联合结构，对超帧中各子帧清浊音状态的分布概率进行了统计，并根据清／浊音子帧的统计特性，提出改进的超帧结构分类方法和有效的基音多帧联合矢量量化方法，从而进一步提高编码效率。经仿真试验证明，合成的语音清晰可懂，具有较好的自然度。

基于LDPC码的MELP语音帧不等差错保护方案

针对MELP编码的语音帧,提出了一个以LDPC码作为子码,基于普洛特金方式构造的分组码的不等差错保护传输方案,并对该方案在AWGN信道下进行了仿真.仿真结果表明,该方案与一般的等差错保护相比,在相同信道状况的条件下,特别是恶劣信道的情况下,对于语音质量的主观评价和客观评价都有较大提高.

MELP声码器DSP实现的存储空间配置分析

对2.4 kb/s MELP编解码算法的原理进行了简要分析,选择TI公司TMS320VC5509 DSP作为2.4 kb/s MELP(Mixed Excitation Linear Prediction,MELP)声码器的DSP实现平台。通过分析TMS320VC5509 DSP的存储结构,并结合MELP算法DSP实现的具体情况,讨论了如何对其存储空间进行配置,以便达到对有限存储资源合理、高效利用的目的。最后,给出了基于MELP声码器的TMS320VC5509 DSP的存储空间配置。

低码率语音编码MELP的SOPC实现

讨论了低码率语音编码MELP的编解码过程,有效降低了语音编码码率并能使说话者个人语音特征减弱,特别适合需要弱化说话者语音特点的场合。给出了其FPGA的硬件实现框图,据此可进行具体的硬件设计。同时给出了MELP编解码框图,可用于进一步的软件编制。

MELP解码器系统的FPGA实现

低比特率混合激励线性预测(MELP)算法的复杂性使得MELP声码器系统的实时实现比较困难。根据MELP声码器的算法,提出了一种新的基于现场可编程门阵列(FPGA)实现整个解码器系统的单片方案,并在FPGA平台上完成了对整个系统的验证。该系统主要包括NiosII微处理器和自定义IP模块,通过自定义IP弥补了NiosII处理器运算能力的不足。实验结果表明,实现了MELP解码系统的实时处理。

基于MELP的水下实时语音通信机的研究与实现

根据水声通信的复杂信道特性,对混合激励线性预测语音编码MELP算法和低密度奇偶校验码LDPC的结合进行了研究,设计了基于ARM+DSP的多载波水声实时语音通信样机。经水池实验测试,系统表现出良好的实时性和语音可懂度性能,可分辨出不同说话人的声音。

基于MELP的变速率分类型语音编码算法

提出了一种基于混合激励线性预测的变速率分类型语音编解码算法。该算法在MELP编码前用语音活动检测法判决有声无声,并且将过渡帧划分为2个子帧,根据语音的特征把语音帧分为静音帧、浊音帧、清音帧和过渡帧4类,分别进行分析和合成,做到在降低语音编码率的同时得到较好的语音质量。