改进变值逻辑与线性预测在心音分类中的应用

心音对于评价心脏健康状况具有重要作用.文章介绍了一种新的基于变值逻辑与线性预测倒谱系数融合特征的先心病分类算法,有助于提取心音中的深度病理特征.算法首先对心音进行降噪、包络提取;然后进行变值逻辑运算、标记并转换为可分析的测度数据,并计算信号的线性预测倒谱系数进行特征融合;最后使用随机森林,XGBOOST和LIGHTGBM机器学习分类器进行先心病二分类.研究所用心音样本共4000例,测试结果对正常和异常心音分类的平均准确率为0.9138.算法无需对心音进行心动周期分割,大大简化了分析流程,可望用于先心病的筛查.

线性预测编码(LPC)语音合成器的设计

本文提出一种线性预测编码（LPC）语音合成器．它主要是由可编程12极点格型滤波器，二极点低通滤波器及12位的D／A转换器组成，内部并带有与外部CPU的接口电路．门级的逻辑模拟和C编译程序的模拟结果说明，该合成器可在低数据率下合成出高质量语音．它可用于LPC语音分析合成系统和LPC语音合成芯片IC的开发．

线性预测编码倒谱系数距离(LPC—CD)在语音信号质量客观测度中的应用

文章介绍了一种以计算线性预测编码倒谱系数距离(LPC—CD)作为对受扰语音信号质量评价的客观测度准则。针对不同通信条件,不同干扰样式下的受扰语音信号进行客观测量,并拟合出用客观测量值来预测主观的二次拟合曲线,达到了较高的主客观一致性。

线性预测编码(LPC)技术及其在音频文件上的应用

介绍了线性预测编码 ( L PC)技术原理和音频文件 ,尤其是波形音频文件格式 ,并且讨论了 L PC技术在音频文件上的应用 ,同时给出了 L PC处理 WAVE文件流程图和 WAVE文件恢复流程图。

高效的线性预测语音编码信息隐藏方法

为在线性预测语音编码器中进行信息隐藏,将语音码流中由线性预测系数矢量量化过程产生的所有可嵌入位置映射为一个信息隐藏空间,在空间中利用矩阵编码方法找出需要修改的位置并使用量化索引调制进行修改。引入了混沌理论以及可调安全等级的概念对嵌入位置及嵌入模版进行选择,进一步提高隐写的隐蔽性。实验结果表明,与现有方法相比,该方法在同等嵌入容量下具有失真小、隐蔽性高等优点。

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。

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。

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 .

一种改进的线性预测语音编码技术及实现

线性预测编码是实现语音编码的一项重要技术,介绍了线性预测编码技术的实现,提出一种改进型的声激励线性预测语音编码方法。最后,将简单LPC语音编码与声激励LPC语音编码进行比较。实验结果表明,该方法能够很好地实现语音编码,声音效果也比简单LPC更理想。

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。

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。

基于线性预测编码与AMDF的高精度基音检测算法

根据语音信号产生原理,结合线性预测编码(LPC)与平均幅度差函数法(AMDF),提出了一种高精度的基音检测算法。该算法首先利用线性预测分析提取残差信号;然后采用累积平均归一化差分函数与差分信号修正,使基音周期的谷值点更加尖锐;最后利用二次函数拟合与基音周期的倍数检查筛选候选值,得到了准确的基音周期。实验结果表明,与传统方法相比,该算法的基音检测效果有了明显改善,减少了基音检测中的半频错误,在高信噪比下具有良好的准确性和鲁棒性。

新型的神经网络线性预测语音编码算法

提出一种新型的神经网络线性预测编码算法.针对目前自相关法存在着预测系数解误差以及协方差法存在解不稳定的缺点,算法利用最小均方准则思想显著提高了短时平均误差精度.通过窄带信道将低速率语音编码远距离传输是多媒体语音技术中的重要研究内容,采用语音信号压缩处理是解决低速率传输的有效方法之一,而线性预测编码(LPC)技术是语音压缩参数编码技术的重要内容.从线性预测编码技术入手分析和研究LPC编码技术的原理,阐述了利用最小均方准则思想来提高短时平均误差精度的方法,并介绍了预测系数的自相关求法.最后通过语音合成实验验证了该新型算法既提高了系数解的精度,又保证了系统的稳定性.在该算法下预测系数的均方误差比传统的自相关法误差减小20%以上,而且当原始信号频率较高时语音合成的效果更明显,将更加精确地复现原始语音信号.

1.8 kb/s多带线性预测编码算法设计

设计了一种多带线性预测编码 ( MBLPC)语音压缩算法 ,该算法结合正弦编码和线性预测编码的优点 ,对语音信号的包络谱用线性预测编码方法进行估计 ,而对激励谱用多带方式进行处理 .改进了特征参数的提取和量化方法 ,包括基于谐振结构的基音检测算法、基于谐振结构的线性预测分析以及包络谱参数的线性预测多层分裂码本矢量量化 .非正式主观测试表明 ,在 1 .8kb/s编码速率下 ,由 MBLPC算法所重建语音的平均意见分为 3.0 ,而清晰度指标约为 91 % .

基于动态小波神经网络非线性预测的语音编码系统

现在,所有的语音编码系统都采用线性预测技术,但对于本质非线性的语音信号而言,线性预测是不够的.因此,本文提出一种带反馈单元的动态小波神经网络并将其应用于语音编码系统,并对其函数逼近能力和学习高维函数的优越性进行分析.由于反馈单元的内部记忆能力,动态神经网络具有对长时相关的预测能力并能在一定程度上克服小波神经网络的'维数灾难'问题;在对语音信号的预测中,动态小波神经网络预测器的预测性能很好,虽然其预测阶数很低(仅为2).由于预测器较好的预测性能,当将此预测器用于语音编码系统中的后向预测时,实验结果表明:新系统的恢复语音平均分段信噪比比ITU的G.721标准提高3～4dB但二者码率相同.另外非线性预测语音编码系统的计算量是可以接受的.

基于神经网络的线性预测语音编码算法

语音压缩是多媒体通信技术的重要环节 ,线性预测编码 (LPC)技术是参数编码技术的重要内容 ,线性预测是语音信号处理中最有效的方法之一。文中从LPC原理入手 ,阐述了最佳LPC系数的计算 ,针对目前自相关法和协方差等存在着估计误差的特点 ,提出一种基于神经网络的线性预测算法 ,最后通过实验数据证明这种方法既提高了解的精度 。

线性预测（LPC）技术及其实现方法

线性预测(LPC)是语音信号处理中最有效的分析方法之一.而最佳预测设计的核心是LPC系数的计算.本文阐述了线性预测的基本原理,从理论上分析了提取LPC系数的三种算法的差异,最后通过实验数据,用FFT谱模拟原始语音谱,将LPC谱与语音谱进行谱包络匹配,得出相应结论.

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。

线性预测编码方法在噪声环境下的阶数选择研究

本文通过对实验结果的分析,研究在噪声情况下采用线性预测方法,对语音特征进行提取并且确定合理的线性预测系数阶数。通过对结果的分析可知:线性预测系数是一种运算速度很快,有一定抗噪能力,识别精度较高的语音识别参数。