基于MELP低速率语音编码

论文摘要

作为低速率语音编码的一种重要算法,MELP(mixed excitation linearprediction)算法是其中一种非常优秀的编码方法,它在原有的LPC(linearprediction coder)编码的基础上,结合混合激励、多带激励、线性预测、矢量量化以及原型波形内插等编码方法的诸多优点,采用了一种新的更为符合人发音机制的语音生成模型来合成语音,并运用自适应频谱增强等技术,提高合成语音与原始语音的匹配度,从而较好的实现了低码率的语音编码。本论文通过研究MELP的语音编解码算法的原理,对它的编解码过程作了比较深入的研究,对其中的一些公式进行了理论推导,并作了仿真分析,最后研究了该算法的MATLAB语言实现。在对混合激励(MELP)算法进行了深入研究后,在本文最后选取一种800bit/s的语音编码方案。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 语音编码定义
• 1.2 语音编码的理论基础
• 1.3 语音编码的分类方法
• 1.3.1 传统分类方法
• 1.3.2 按编码速率分类
• 1.4 低速率语音编码的应用
• 1.4.1 保密通信
• 1.4.2 信道扩容
• 1.4.3 语音存储
• 1.5 语音编码算法的性能评测
• 1.5.1 编码速率
• 1.5.2 语音质量
• 1.5.3 算法延时
• 1.5.4 算法复杂度
• 1.6 语音编码算法体制的发展方向
• 1.7 论文研究的内容
• 第2章 MELP概况和特点
• 2.1 MELP概况
• 2.2 MELP特点
• 2.2.1 多带混合激励
• 2.2.2 非周期脉冲
• 2.2.3 残差谐波谱的处理
• 2.2.4 自适应谱增强技术
• 2.2.5 脉冲离散滤波
• 2.3 本章小结
• 第3章 MELP编码过程
• 3.1 预处理
• 3.2 基音周期计算
• 3.2.1 整数基音周期的粗估算
• 3.2.2 分数基音的提取
• 3.2.3 最终的基音周期计算
• 3.3 子带声音强度的计算
• 3.4 残差信号的峰值计算
• 3.5 非周期标志
• 3.6 增益的计算
• 3.7 线性预测分析
• 3.8 傅里叶级数幅值的计算
• 3.9 量化
• 3.9.1 语音编码中的量化方法
• 3.9.2 线性预测系数的量化
• 3.9.3 基音周期量化
• 3.9.4 增益的量化
• 3.9.5 子带声音强度的量化
• 3.9.6 傅里叶级数幅值的量化
• 3.10 差错控制和打包
• 3.11 本章小结
• 第4章 MELP译码过程
• 4.1 基音周期译码
• 4.2 增益的译码与抑制
• 4.3 参数插值
• 4.4 混合激励生成与滤波
• 4.5 语音合成
• 4.5.1 线性预测合成
• 4.5.2 增益的校正
• 4.5.3 脉冲整形滤波
• 4.5.4 合成环路控制
• 4.6 本章小结
• 第5章 计算机模拟实验及MELP算法改进
• 5.1 计算机模拟仿真
• 5.1.1 程序运行的环境
• 5.1.2 程序实现
• 5.1.3 编码前后语音数据的观察
• 5.2 MELP算法改进
• 5.2.1 改进MELP中比特分配
• 5.2.2 引入超级帧模式
• 5.2.3 具体实现
• 5.2.4 两种编码的对比
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历