Print

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

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/9ee9014be6df99ae3cf44b18.html