基于ARM的码激励线性预测编解码系统的实现

论文摘要

21世纪,随着数字信号处理技术的发展,语音信号能够被转换成电信号后再压缩成编码,方便的进行传输或存储。由于在语音的传输中,带宽意味着成本,而经过压缩编码的语音信号能够节约带宽;在语音的存储中,存储器容量也意味着成本,而语音的压缩编码能够显著的提高存储器的利用率。被编码后的语音也不会象模拟信号对噪声敏感,且易于进行差错保护、加密、复用和打包。因此,语音信号进行压缩编码,在语音的传输和数字存储中都具有重要意义,在当今的通讯领域,语音压缩编码技术扮演着最基本和最重要的角色。通常的语音处理编解码都是基于DSP的平台实现,本文尝试在ARM嵌入式平台上实现码激励线性预测编解码系统。论文首先叙述语音信号处理和线性预测编码基础知识,随后把重点放在应用广泛的码激励线性预测(CELP)编码上。在此基础上系统地阐述了码激励线性预测的相关理论、模型及其实现编解码关键算法。结合CELP编码算法理论模型,在PC(Personal Computer)机上独立开发了CELP源代码。对CELP关键技术实现,详细进行了阐述,并给出了相应实现子程序。并且深入学习了嵌入式处理器ARM9编程知识。尝试把PC机上开发的CELP浮点代码转换定点代码,移植到ARM9平台上,在ARM9嵌入式平台上实现CELP编解码系统。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 国内外研究历史和现状及面临的问题
• 1.3 本文的研究意义和主要工作
• 第2章 语音编码基础
• 2.1 语音的数字处理基础
• 2.1.1 语音信号数字化
• 2.1.2 语音信号的产生模型
• 2.1.3 语音信号的短时分析技术
• 2.2 语音信号线形预测基本概念
• 2.2.1 语音信号线性预测分析原理
• 2.2.2 语音信号线性预测的基本解法
• 2.3 语音编码的分类
• 2.4 语音编码算法的评价
• 第3章 码激励线性预测
• 3.1 码激励语音产生模型
• 3.2 码激励编码算法概述
• 3.3 线性预测的多种技术
• 3.3.1 线性预测的基本概念
• 3.3.2 线谱对（LSP）和线谱频率（LSF）
• 3.3.3 线性预测与语音模型的关系
• 3.4 矢量量化
• 3.4.1 矢量量化的基本原理
• 3.4.2 矢量量化码本的生成
• 3.4.3 矢量量化码本搜索算法
• 3.5 感知加权滤波
• 第4章 码激励线性预测实现
• 4.1 线性预测的设计
• 4.1.1 长期线性预测和短期线性预测
• 4.1.2 长期线性预测和短期线性预测数据分析
• 4.2 码本设计和搜索
• 4.2.1 码本设计
• 4.2.2 码本搜索
• 4.3 线谱频率和线性预测系数转换实现
• 4.3.1 转换基础
• 4.3.2 转换实现
• 4.3.3 LPC和LSF相互转换的实现代码
• 4.4 码激励线性预测波形仿真
• 第5章 码激励线性预测在ARM平台的实现
• 5.1 ARM回顾
• 5.1.1 ARM基础
• 5.1.2 ARM的ADS开发
• 5.2 基于ARM的语音处理系统的功能和构成
• 5.2.1 硬件平台设计
• 5.2.2 软件系统设计
• 5.2.3 代码实现
• 5.3 代码设计浮点转定点
• 5.3.1 浮点数与定点数的区别
• 5.3.2 定点数处理方法
• 第6章 结论与展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果