简论参数低速率语音编码算法

论文导读：数的量化性能，该算法能够在每帧28bits达到L参数的透明量化。在对基音周期参数进行矢量量化时，利用人耳的听觉特性，提出了基于感觉加权的失真度量准则，提升了参数的量化性能，并设计了一种码字搜索的整型优化算法，降低了基音周期最优码字的误搜索概率。针对超低速率语音编码算法中，特点参数量化比特不足的不足，提出了利用参数
摘要：低速率语音编码算法在现代通信系统中有着非常广泛的运用，超低速率下的语音压缩编码算法是目前语音信号处理领域的重要探讨课题之一。正弦激励线性预测（Sinusoidal excitation pnear prediction, SELP）编码算法采取基于线性预测的正弦混合激励技术，在2.4kbps及更低速率的语音压缩编码算法中具有非常优越的性能。论文的探讨目的是在SELP模型的基础上，对语音编码算法中的关键技术进行浅析和探讨，设计实现150bps的超低速率语音压缩编码算法。论文首先提出了高效的特点参数量化算法。在线谱频率参数（Line spectralfrequency, L）的标量量化中，提出了基于动态规划的全局最优L差值量化算法，并采取多码本进一步提升参数的量化性能，该算法能够在每帧28bits达到L参数的透明量化。在对基音周期参数进行矢量量化时，利用人耳的听觉特性，提出了基于感觉加权的失真度量准则，提升了参数的量化性能，并设计了一种码字搜索的整型优化算法，降低了基音周期最优码字的误搜索概率。针对超低速率语音编码算法中，特点参数量化比特不足的不足，提出了利用参数间相关性的特点参数解码端恢复算法。首先提出基于隐马尔可夫模型（HiddenMarkov model, HMM）的能量参数恢复算法，根据L参数和子带清浊音（Unvoiced/Voiced, U/V）参数估计能量参数的变化轨迹。随后提出基于高斯混合模型（Gaussian Mixed Model, GMM）的U/V参数恢复算法，利用L参数和归一化能量参数，对U/V参数的概率分布特性进行估计，以而节省了参数量化所需的比特数。随后，以解码端角度考虑，提出了特点参数插值方式的改善算法，以提升清浊音过渡时声码器的合成语音自然度。为了提升声码器的抗连续丢包处理能力，提出基于分方式线性预测的丢包隐藏算法，改善了连续丢包情况下的合成语音质量。最后，综合上面陈述的探讨成果，设计并实现了150bps SELP语音编码算法，合成语音的客观平均意见分（Mean Opinion Score, MOS）为2.424，判断韵字测试（Diagnostic rhyme test, DRT）的准确率达到82.9%，码本存储量为120Kword，算法延时为325ms，总体性能指标超出国家十一五专项项目的要求。关键词：语音编码论文超低速率论文特点参数量化论文参数解码端恢复论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要4-5
Abstract5-10
主要符号对照表10-12
第1章 绪论12-24

1.1 引言12-13

1.2 语音编码技术概述13-15

1.2.1 语音的发声模型13

1.2.2 语音的主要编码方式13-14

1.2.3 语音压缩的论述依据14-15

1.3 超低速率的语音编码技术15-18

1.3.1 多帧联合矢量量化算法15-16

1.3.2 重要帧抽取算法16-17

1.3.3 基于语音识别的编码算法17-18

1.4 语音压缩的论述极限和开发潜力18-20

1.4.1 语音编码速率的论述极限18-19

1.4.2 进一步开发的潜力19-20

1.5 声码器性能的评价指标20-22

1.5.1 平均意见分测试20-21

1.5.2 判断韵字测试21

1.5.3 算法的复杂度和编解码延时21-22

1.6 论文的工作背景、目标和本论文安排22-24

第2章 SELP 声码器的关键技术24-33

2.1 SELP 模型的基本原理24

2.2 参数浅析算法24-27

2.1 预处理24

2.2 线性预测浅析24-25

2.3 基音周期浅析与平滑25-26

2.4 子带清浊音浅析26

2.5 余量谱幅度浅析26-27

2.6 能量参数提取27

2.3 语音合成算法27-28

2.4 参数量化算法28-32

2.4.1 L 参数量化28-30

2.4.2 预测矢量量化30-31

2.4.3 基于方式的矢量量化31

2.4.4 帧间加权矢量量化31-32

2.5 本章小结32-33

第3章 高效的参数量化算法33-51

3.1 有记忆的全局最优 L 差值量化算法33-41

3.

1.1 L 参数的特性33-34

3.

1.2 L 差值标量量化算法34-37

3.

1.3 有记忆的全局最优 L 差值量化算法37-39

3.

1.4 算法性能测试39-41

3.2 基音周期失真度量的改善算法41-47
3.

2.1 基音周期参数的特性41

3.

2.2 基音周期失真度量改善41-45

3.

2.3 算法性能测试45-47

3.3 基音周期码字搜索优化算法47-50

3.1 基音周期的码字整型优化算法47-49

3.2 算法性能测试49-50

3.4 本章小结50-51

第4章 参数相关性探讨及其恢复算法51-68

4.1 特点参数的相关性浅析52-53

4.2 能量参数解码端恢复算法53-59

4.

2.1 能量参数的特性53-54

4.

2.2 HMM 模型介绍54-55

4.

2.3 基于 HMM 模型的能量参数恢复算法55-57

4.

2.4 算法性能测试57-59

4.3 U/V 参数解码端恢复算法59-67
4.

3.1 U/V 参数的特性60

4.

3.2 基于 GMM 模型的 U/V 参数恢复算法60-62

4.

3.3 改善的 U/V 参数解码端恢复算法62-64

4.

3.4 算法性能测试64-67

4.4 本章小结67-68
第5章 解码端语音质量提升算法68-78

5.1 特点参数插值方式的改善算法68-72

5.

1.1 参数插值的原理和策略68-69

5.

1.2 参数插值方式改善69-71

5.

1.3 算法性能测试71-72

5.2 声码器抗连续丢包处理算法72-77
5.

2.1 抗丢包处理算法的背景和原理72-73

5.

2.2 分方式线性预测的算法原理73-74

5.

2.3 分方式论文导读：

线性预测的丢包隐藏算法74-75

5.

2.4 算法性能测试75-77

3 本章小结77-78 第6章 150bps 声码器设计案例78-90

6.1 声码器的模型框架78-81

6.

1.1 编码端的设计78-79

6.

1.2 解码端的设计79-80

6.

1.3 特点参数的比特分配方式80-81

6.2 特点参数的量化和恢复81-85
6.

2.1 L 参数的量化81-83

6.

2.2 基音周期参数的量化83-84

6.

2.3 能量参数的量化84-85

6.

2.4 子带 U/V 参数的恢复85

6.3 声码器性能测试85-88
6.

3.1 客观语音质量85

6.

3.2 主观语音质量85-86

6.

3.3 声码器的抗误码性能86-88

6.

3.4 声码器的码本存储量及算法延时88

6.4 本章小结88-90
第7章 结论90-92
参考文献92-97
致谢97-99
个人简历、在学期间发表的学术论文与探讨成果99-100