一种利用多带激励模型改进的低速率线性预测语音编码算法

提出了一种利用多带激励（ＭＢＥ）模型改进的低速率线性预测（ＬＰＣ）语音编码算法．文中介绍了该算法的参数提取、量化编码及语音合成的具体方案，并用Ｃ语言构造了一个基于该算法的速率为１，６ ｋｂ／ｓ的语音编码／解码系统．主观测听表明，该系统性能与 ２．４ ｋｂ／ｓ的 ＭＥＬＰ算法接近或相当。

混合激励线性预测语音编码标准中线谱频率量化的研究

线谱频率(Line Spectral Frequency,LSF)是线性预测频谱系数(Linear Predication Coefficient,LPC)有效的编码形式。语音线性预测模型中,LPC反映了声道调制的模型,是影响语音听觉感知重要的参数之一。在混合激励线性预测语音编码(Mixed Excitation Linear Prediction,MELP)标准中,对LSF采用4级码本进行分级式矢量量化。首先,为减少其量化冗余度以降低编码速率,本文提出了一种改进的选择算法,生成了一个2级码本替换之。其次,为提高合成语音质量,依据LSF矢量量化的精度与合成语音质量的关系的实验结果,提出根据人耳听觉感知特性进行LSF量化和评价的方法,并予以实验证明。

2.4kbit/s多带混合激励线性预测语音编码器的模拟

基于LPC参数模型 ,引入了混合激励源、非周期脉冲、自适应谱增强、脉冲散布及傅氏幅度模型来进一步改善合成语音的质量 .计算机模拟及非正式的语音试听结果表明 ,新的多带混合激励线性预测语音编码器在 2 4kbit/s编码速率重建的语音质量接近于 4 8kbit/sCELP算法的质量 .

一种基于回归神经网络的码本激励非线性预测话音编码算法

为改善预测类声码器中长时预测器特性 ,本文引入了一种全连接回归神经网络 (FRNN)非线性预测器并将其应用于话音编码算法中。FRNN在隐层单元不仅有来自自身的反馈 ,也有来自输出单元的反馈 ,因此其预测性能好于常规预测器。将其应用于码本激励话音编码系统 (CELP)中 ,可得到较低的传输码率 ,同时亦可改善编码质量。

码激励线性预测语音编码快速算法和评价

本文研究了近年来在码激励线性预测(CELP)编码方案中涌现出来的一些典型快速算法,对其进行了分类,比较了它们的计算复杂度和存贮要求。

混合激励线性预测低速率语音编码研究

为了满足数字通信及其他商业应用的需求,语音压缩编码技术得到迅速发展。近年来主流的低速率语音编码方案主要基于LPC-10,混合激励线性预测(MELP),多带激励编码(MBE),正弦变换编码(SCI),波形内插编码(WI),大多都工作在2.4 kb/s速率下。作为一种重要的低速率语音编码算法,MELP算法对LPC-10编码方案进行大量改进,引入混合激励,非周期脉冲,残差付氏幅度谱,脉冲散布和自适应谱滤波5个特征。实验结果表明,该混合激励线性预测编码在2.4 kb/s上得到了更好的合成语音,并使得合成语音能更好地拟合自然语音。

一种改进的4.8kbit/s码激励线性预测编码方案

码激励线性预测(CELP)编码在中低速率上与传统的LPC声码器相比可以提供更加自然的语音质量。本文介绍了CELP的基本原理及激励码本的构成。然后提出了在4.8 kbit/s速率上改进话音质量的两种方法:①计算长时预测参数的半闭环搜索法;②激励码本的时变修正法。计算机模拟结果表明,采用这两种方法可使语音质量得到改善。

2.4kbps混合激励线性预测编码方法研究

分析LPC编码方法缺点的基础上,介绍了混合激励线性预测(MELP)编码方法,着重分析了它的一些新特性。进而,设计了2.4kbps的MELP编码器,并用Matlab进行了仿真。仿真结果证明该编码器可以获得在主观听音方面接近于4.8kbps的CELP的合成语音。

全矢量量化多序列激励线性预测低速率语音编码

本文研究了一种新型的语音多序列激励线性预测(MSLPC)模型。它将激励用有限个长时规则序列表示。MSLPC激励模型中的长时特征使它能较好地利用语音浊音中的长时多余度,并能推出快速搜索算法。 本文在介绍了MSLPC模型的基本概念后,重点讨论了MSLPC激励参数的块模式最大互关快速搜索算法,以及激励序列幅度矢量的两种乘积码矢量量化(VQ)的设计。实验结果表明,MSLPC模型能用于实现在2.4 kb/s至4.8 kb/s速率段的低速率语音编码。

多脉冲激励线性预测编码算法研究

提出一种改进型的多脉冲激励线性预测语音编码算法,并将变阶线性预测技术应用于此算法.改进后的算法与原算法相比,降低了计算复杂度,且对激励脉冲位置的估计更加准确.仿真结果表明,该算法不仅提高了合成语音的质量,而且进一步降低了语音编码的速率.

各种速率矢量和激励线性预测(VSELP)编码器的实现

研究并改进了矢量和激励线性预测（ｖｅｃｔｏｒｓｕｍｅｘｃｉｔｅｄｌｉｎｅａｒｐｒｅｄｉｃｔｉｏｎ，ＶＳＥＬＰ）语音编码器．介绍了８ｋｂｉｔ／ｓＶＳＥＬＰ编码方案的实现及在此基础上利用矢量量化ＬＰＣ参数、减少激励码本数和子块分裂等方法；改进的６．４ｋｂｉｔ／ｓ，４．８ｋｂｉｔ／ｓ及２．４ｋｂｉｔ／ｓＶＳＥＬＰ的方案和结果．试听结果表明，６．４ｋｂｉｔ／ｓ，４．８ｋｂｉｔ／ｓ方案的合成语音质量接近８ｋｂｉｔ／ｓ的，具有较高的可懂度和自然度，而２．４ｋｂｉｔ／ｓ的质量明显下降．

码激励线性预测及其在中低速语音编码中的应用

介绍了近年来中低速语音编码的发展情况。详细讨论了这一领域中最为成功的编码方案：码激励线性预测（ＣＥＬＰ）的编码原理及其在实际应用中需要解决的一些问题。

码激励线性预测语音编码器中的非均匀和部分搜索域代数码书

该文基于代数码激励线性预测(ACELP)语音编码算法提出了非均匀和部分搜索域代数码书。非均匀代数码书由代数码书的脉冲非均匀统计特性确定,部分搜索域代数码书则由代数码书矢量的周期性确定,该方法有效地弥补了低比特率情况下代数码书中脉冲数不足的缺点。在使用上述两项技术时,为保持基音的连续性,该编码器对语音段和非语音段采用了不同的基音估计方法。主观和客观的听力测试表明,当该技术应用于4kb/s散布脉冲码激励线性预测(DP-CELP)语音编码器时,重建语音的质量得到明显改善,尤其是对女性讲话者。

关于短延时码本激励线性预测编码方案的改进

在短延时码本激励线性预测（ＬＤ－ＣＥＬＰ）语音编码方案中，直接用Ｇ．７２８所提供的现成码本对加噪声后的语音信号进行编解码时，效果不好。作者利用ＬＢＧ算法训练了自己的码本，并利用此码本对加噪声后的语音信号进行编解码，取得了良好的效果，使主观感觉质量变好，信噪比提高了约３ｄＢ。

低复杂性代数码激励线性预测语音编码

基于码激励线性预测（ＣＥＬＰ）语音编码技术，提出一种低复杂性８ｋｂ／ｓ代数码激励线性预测（ＡＣＥＬＰ）语音编码．代数码本中的码矢量具有多值脉冲幅度，码本搜索采用次最佳部分码本快速搜索法，基频延迟仅采用整数延迟，增益系数与ＬＳＰ频率采用标量量化．解码器中采用自适应基频前置滤波器与频谱后置滤波器。

多脉冲激励线性预测编码参数量化的新方法

在中速率下,多脉冲激励线性预测编码器的合成语音质量受到参数量化方式及量化精度的很大影响。本文提出了两种有效且易于实现的新方法,分别用于改善反射系数和激励脉冲幅度的量化。初步的实验结果表明,这两种改进算法的效果相当好,段信噪比的提高在2 dB 左右,语音质量非常接近无限量化精度(即不进行量化)时的语音质量。

8kb/s低复杂性代数码激励线性预测语音编码

基于码激励线性预测（ＣＥＬＰ）语音编码技术，提出一种低复杂性８Ｋｂ／ｓ代数码激励线性预测（ＡＣＥＬＰ）语音编码。代数码本中的码矢量具有多值脉冲幅度，码本搜索采用次最佳部分码本快速搜索法，基频延迟仅采用整数延迟，增益系数与ＬＳＰ频率采用标量量化。解码器中采用自适应基频前置滤波器与频谱后置滤波器，以进一步提高再生语音的质量。

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。

一种改善激励源的1.2kb/s语音编码算法及其实时实现

为了适应无线通信等低速语音编码场合 ,吸收 2 .4kb/s MELP算法优点 ,提出了一种改善激励源的 1 .2 kb/s混合激励线性预测算法 ,该算法在模型结构、LSP量化及解码等方面较传统的 2 .4kb/s LPC算法有了较大改进。同时 ,选用 TMS3 2 0 VC5 4 1 6 DSP芯片实时实现了以该算法为核心的声码器。客观音质测试和非正式主观测试结果表明 ,该算法在自然度、清晰度和抗噪声等方面明显优于 2 .4kb/s LPC算法 ,是低速率下一种良好的编码方案。