混合激励线性预测语音编码的算法研究

论文摘要

随着通信技术以及互联网语音实时传输技术的迅速发展,对语音的传输速率和存储容量都提出了很高的要求,解决这些问题的主要途径之一就是语音编码。因此,语音编码的研究,特别是低速率语音编码的研究,具有十分重要的实用意义。在现有的语音编码研究中,混合激励线性预测语音编码(MELP)是一种比较好的方法,它结合了二元激励、码激励和多带激励的优点,将短时语音段划分为若干子带,在每个子带中分别进行清浊音判别;在合成端,采用周期性脉冲序列和随机噪声的混合序列去激励语音合成滤波器,能在较低的码率下得到较好的再生语音。2.4kbps混合激励线性预测语音编码已经被确立为美国新的联邦语音编码标准。本论文通过研究MELP的语音编解码算法的原理,对它的编解码过程做了比较深入的研究,我们发现在基音周期及线性预测系数量化这方面还可以进行一定的改进。在标准MELP的算法中,对于那些包含有不规则周期的语音信号段,计算得到的互相关值较小,把它误认为是清音,因此会引入噪音。在这里采用了一种改变基音周期的算法,使基音周期的计算更加精确。此外,在对LSF进行量化的过程中,其码本的存储量与计算的复杂度都很大。针对于这一问题,我们提出了三级矢量量化的方法,从而可以把MELP的码率降到2.1kbps左右,仍有较好的合成语音质量。本文最后在MATLAB编程环境下对MELP算法及其改进后的MELP算法进行了仿真,仿真结果表明经过解码后的语音信号及其改进后语音信号的输出波形与原始语音信号的波形很相似,只是在能量较大的浊音段合成语音波形有相对较大的幅度以及有一定的时延,从而验证了该算法的可行性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 语音编码技术
• 1.2.1 语音压缩编码的原理
• 1.2.2 语音编码技术的发展现状
• 1.2.3 语音编码器的性能指标
• 1.3 论文的主要研究内容及章节安排
• 第2章 低速率语音编码
• 2.1 LPC-10及其增强型编码器
• 2.1.1 LPC-10编解码器
• 2.1.2 增强型LPC-10e
• 2.2 码激励线性预测语音编码
• 2.3 混合激励线性预测语音编码
• 2.4 原型波形插值语音编码
• 2.5 正弦模型语音编码
• 2.6 本章小结
• 第3章 线性预测编码分析
• 3.1 LPC基本概念及原理
• 3.2 LPC正则方程的自相关解法
• 3.2.1 LPC的自相关解法
• 3.2.2 自相关方程的德宾递推算法
• 3.3 LSF参数的定义、特征及转换
• 3.3.1 LSF参数的定义
• 3.3.2 LSF参数的特征
• 3.3.3 LPC参数和LSF的互换
• 3.4 本章小结
• 第4章 混合激励线性预测声码器的原理
• 4.1 MELP概述
• 4.2 编码器和解码器原理
• 4.2.1 编码器工作原理
• 4.2.2 解码器工作原理
• 4.2.3 衡量语音编解码器性能的指标
• 4.2.4 MELP语音编解码器性能
• 4.3 混合脉冲和噪声激励
• 4.4 非周期脉冲
• 4.5 自适应谱增强
• 4.6 脉冲扩散滤波器
• 4.7 傅里叶谱幅度
• 4.8 本章小结
• 第5章 2.4kbps混合激励线性预测语音编码
• 5.1 编码算法
• 5.1.1 预处理
• 5.1.2 基音周期的提取
• 5.1.3 子带分析
• 5.1.4 线性预测
• 5.1.5 计算增益
• 5.2 MELP编码器参数的量化编码
• 5.2.1 基音的量化
• 5.2.2 增益的量化
• 5.2.3 子带浊音强度的量化和非周期位的设置
• 5.2.4 LSF参数的量化
• 5.2.5 纠错编码
• 5.3 解码算法
• 5.3.1 参数解码
• 5.3.2 噪声抑制
• 5.3.3 参数插值
• 5.3.4 线性预测合成
• 5.3.5 增益调整
• 5.3.6 合成环路控制
• 5.4 算法仿真
• 5.4.1 MELP编解码器的参数和比特分配
• 5.4.2 算法仿真
• 5.5 混合激励线性预测语音编码算法的改进
• 5.5.1 改进的基音周期运算模型
• 5.5.2 算法仿真
• 5.5.3 LSF多级矢量量化的改进
• 5.5.4 算法仿真
• 5.5.5 最终算法仿真
• 5.6 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