预测多脉冲语音编码器的计算机模拟

在预测多脉冲语音编码方法中，将一帧语音分为若干个子帧，其合成模型由ＬＰＣ合成滤波器、线性时变预测合成滤波器和一个子帧内的多脉冲激励组成。本文对此方法进行了计算机模拟，包括语音的分类判决、子帧长度和一个子帧内的激励脉冲搜索。     

基于小波变换的汉语语音合成方法

本文提出了一种汉语语音合成的方法．利用小波变换检测语音信号的声门闭合时刻（ＧＣＩ）利用语言信号的ＧＣＩ进行基音同步和样本选择的多脉冲线性预测分析，将得到的时参数保存到语音库中，通过改变相应的语音参数可以灵活地调节音节的时长，基音频率简强，本方法得到一语音参数比传统方法得到的参数更加精确，合成语音清晰，自然，并且大大降低了语音库的存储量，非常适合小于微型计算机系统。     

语音信号多脉冲激励线性预测编码

本文就语音信号多脉冲激励的线性预测编码,对汉语语音进行了计算机模拟,得到了高质量的合成语音和一些初步结果。脉冲位置与幅度的确定采用最大互相关搜索算法。文中并用平均分段信噪比描述了其性能。     

MPLPC激励脉冲提取算法研究

原始的多脉冲激励线性预测编码(MPLPC)方案中,由于没有考虑余量信号波形中的多脉冲信息和声门脉冲的非平稳性,导致计算量较大而且编码速率较高.为了解决这些问题,提出了波形辅助的激励脉冲搜索和变个数MPLPC方法.首先,给出用于辅助搜索的中心削波的削波门限,以减少搜索范围;然后,利用语音激励的非平稳性,提出了每帧脉冲个数的确定方法,用Matlab对本方法进行了仿真,获得良好的合成语音质量,而且可以减少1 kb/s的编码速率.     

基于相位过渡过程的WI语音重建方法

通过研究语音残差信号的合成方法,给出了一种改进的波形内插（Waveform Interpolation,WI）编码器语音重建方案,去除了解码器中特征波形（Characteristic waveform,CW）的对齐运算。在该方案中当帧间的基音周期连续变化时,语音残差信号由幅度谱和相位轨迹直接合成,而当基音周期发生跳变时,则利用相位过渡过程合成语音残差信号。该方法大大降低了WI解码器的复杂度,同时保证了合成语音质量没有变化。     

一种改进的倒谱基音提取算法

介绍一种基音检测的新方法。该算法首先对分帧语音采用Burg算法进行LPC分析,获取最佳预测系数构造逆滤波器;然后通过逆滤波得到预测误差序列代替原输入语音序列进行倒谱分析;最后在恰当的范围里测出最大峰值,进行基音检测。实验结果表明,与传统方法相比,该方法鲁棒性好,在信噪比低的情况下仍可获得较高的准确率。     

稳定音色的音乐语音变调方法

传统变调方法由于未考虑音色和边缘音,会影响音质并造成失真。为此,提出一种改进线性预测的变调方法。根据音乐语音存在边缘音的特点,借助谐波冲激分离将其分为谐波信号和冲激信号,基于线性预测模型,将谐波信号分解为声道传输函数和声门脉冲激励信号,采用重采样对脉冲激励信号进行变调处理,利用帧信号叠加合成提高拼接段的连续性,通过频域的谐波冲激叠加合成重构音乐语音信号。实验结果表明,该方法能使音乐语音信号在变调处理后改变音高,保持音色相对稳定不失真,且语音质量比传统的线性预测变调方法有较大提高。     

基于线性预测的综合基音检测法

由于传统基音检测方法在信噪比较低时对弱浊音和清浊音过渡帧的检测效果较差,提出了一种综合的基音检测法.该方法利用线性预测分析和低通滤波器对含噪语音进行预处理,再采用改进的平均幅度差函数加权自相关函数的方法对浊音帧进行基音检测,对于清浊音过渡帧,则利用小波变换进行基音检测.实验结果表明,该法提高了检测精度,即使信噪比降至-5dB,仍能较准确地检测大部分弱浊音和清浊音过渡帧的基音周期,准确性和鲁棒性较好.     

基于自相关的语音基音周期检测方法研究

用基音周期检测算法从浊音语音信号中提取基音周期,有益于语音合成、语音编码及语音识别等语音信号处理工作。通过对具体语音时域信号分帧、求短时自相关函数,可得到浊音语音的基音周期,实现基音周期的检测。     

语音清浊音分类及浊音谐波提取算法--三阶累积量基于正弦语音模型的应用

在低信噪比和非平稳噪声干扰下,语音信号的清浊音检测是语音信号处理中的一个重要研究问题。论文基于语音正弦模型,提出了一种清浊音分类和浊音谐波提取算法。该方法在分析了语音的三阶累积量谱后,用子谐波-谐波方法取得基音,并计算出谐波参数和高低频能量比值。它利用谱包络估计器得到谱包络及尖峰信号,结合最小均方估计准则下的迭代算法计算语音谐波的信噪比;通过对上面各计算结果的综合评价得出语音帧的浊音度,从而得到语音清浊音的分类和浊音谐波数。仿真结果表明,该算法在复杂噪声背景下,能有效进行语音分类,准确得到浊音度。同时该算法还具有实时性好、语音参数分析精度高的特点。     

一种语音信号处理方法和装置及系统研究

本文研究了一种语音信号处理方法、装置及系统,涉及无线通讯技术领域。该方法包括:获取语音信号,并将该语音信号转换为数字编码流,然后对数字编码流进行时域分割,得到多个子帧,并将设定连续数量个子帧划分为一个超帧,以子帧为单位对每个超帧进行超帧同步和乱序处理,得到加扰处理后的加扰编码信号。由于将语音信号在时域内进行分割,通过增加或缩小每个子帧的时长,以及增加或缩小超帧包含的子帧数量,可以增加乱序的长度和数量,使得乱序的组合数量大大增加,从而能够满足实际需要。另外,与频域分割不同,时域的分割很容易实现,并且可以确保各个子时隙(子帧)之间完全独立,相互不影响,从而提高了语音通信质量。     

基于分级汉明编码的G.723.1码流调制信息隐藏方法

对VoIP语音系统的信息隐藏算法进行了深入研究.通过码元组合排序及PESQ评价指标确定了G.723.1编码后码流的待嵌入载体比特位.使用汉明编码降低了嵌入过程中需要改变的载体数量,减小了嵌入过程导致的失真,并用混沌序列作为共享密钥,使发送方和接收方之间可以通过伪随机发生器生成单帧嵌入比特序列.引入分级编码优化了单帧嵌入...     

一种基于正弦激励的线性预测模型的语音转换方法

在正弦激励模型的线性预测(LP)残差转换的基础上,提出了一种改进语音特征转换性能的语音转换方法.基于线性预测分析和综合的构架,该方法一方面通过谱包络估计声码器提取源说话人的线性预测编码(LPC)倒谱包络,并使用双线性变换函数实现倒谱包络的转换;另一方面由谐波正弦模型对线性预测残差信号建模和分解,采用基音频率变换将源说话人的残差信号转换为近似目标说话人的残差信号.最后由修正后的残差信号激励时变滤波器得到转换语音,滤波器参数通过转换得到的LPC倒谱包络实时更新.实验结果表明,该方法在主观和客观测试中都具有良好的结果,能有效地转换说话人声音特征,获得高相似度的转换语音.     

环形天线结构的复杂动力学研究

部分改进高维系统的广义Melnikov方法研究含参非线性动力系统的混沌问题,并应用于研究环形天线结构的混沌运动等复杂非线性动力学行为.通过定义恰当的横截面,发展适用于研究五维含参非线性动力系统的Melnikov方法,获得系统发生Smale马蹄意义下混沌运动区域及判定定理.将所得理论结果应用于研究面内激励与横向激励共同作用下环形天线结构的混沌运动,得到系统发生混沌运动的不稳定区域及相应的参数控制条件.探讨阻尼系数、参数激励对系统动力学行为的影响,并利用数值模拟方法给出其相图构型,验证理论结果的正确性.     

Energy-efficient dynamic resource allocation with opportunistic network coding in OFDMA relay networks

Network coding is significantly able to save system resources for wireless networks, and has been widely studied for the 802.11 wireless local area network and traditional cellular networks. The relay technology was introduced in 802.16j, 802.16m, and Long Term Evolution-Advanced (LTE-A) standards. Recently, the application of network coding to multi-hop wireless relay networks has been taken into consideration. Although the introduction of relay stations (RSs) may bring more energy consumption, it provides opportunities for network coding to save spectrum resources. Nevertheless, the benefits of network coding are diminished by high multiuser diversity based on orthogonal frequency division multiple access (OFDMA). For ensuring the superiority, network coding is performed opportunistically according to the channel state. Hence dynamic resource allocation (DRA) subject to rate constraints is combined with the idea of opportunistic network coding to minimize the total transmission power in a frame. A fixed set of discrete modulation levels in an OFDMA relay system is also considered. By taking the characteristic of a half-duplex decode-and-forward (DF) mode relay, a solution is proposed for the optimal problem of each subframe after separating power-aware relay selection. Simulation results show that DRA with opportunistic network coding can improve system energy efficiency. Further, it is more efficient for saving energy than DRA with static network coding compared solely to DRA.     

基于MSC Fatigue的副车架灵敏度分析

结合某新型商务车副车架的开发要求,利用非线性软件对其常用工况进行强度分析.根据各工况的应力分布情况,找出应力集中的位置并分析其产生的原因,通过优化软件对5个应力较大工况进行灵敏度优化设计,根据优化后的尺寸再次进行强度分析.分析结果显示,副车架在满足应力要求下,总质量减小15.72%.同时利用MSC Fatigue软件进行全寿命分析,并与试验对比,优化后的副车架满足性能要求.     

带边界条件约束的非相干字典学习方法及其稀疏表示

从字典的相干性边界条件出发, 提出一种基于极分解的非相干字典学习方法(Polar decomposition based incoherent dictionary learning, PDIDL), 该方法将字典以Frobenius范数逼近由矩阵极分解获取的紧框架, 同时采用最小化所有原子对的内积平方和作为约束, 以降低字典的相干性, 并保持更新前后字典结构的整体相似特性. 采用最速梯度下降法和子空间旋转实现非相干字典的学习和优化. 最后将该方法应用于合成数据与实际语音数据的稀疏表示. 实验结果表明, 本文方法学习的字典能逼近等角紧框架(Equiangular tight-frame, ETF), 实现最大化稀疏编码, 在降低字典相干性的同时具有较低的稀疏表示误差.     

Speaker identification based on the frame linear predictive coding spectrum technique

In this paper, a frame linear predictive coding spectrum (FLPCS) technique for speaker identification is presented. Traditionally, linear predictive coding (LPC) was applied in many speech recognition applications, nevertheless, the modification of LPC termed FLPCS is proposed in this study for speaker identification. The analysis procedure consists of feature extraction and voice classification. In the stage of feature extraction, the representative characteristics were extracted using the FLPCS technique. Through the approach, the size of the feature vector of a speaker can be reduced within an acceptable recognition rate. In the stage of classification, general regression neural network (GRNN) and Gaussian mixture model (GMM) were applied because of their rapid response and simplicity in implementation. In the experimental investigation, performances of different order FLPCS coefficients which were induced from the LPC spectrum were compared with one another. Further, the capability analysis on GRNN and GMM was also described. The experimental results showed GMM can achieve a better recognition rate with feature extraction using the FLPCS method. It is also suggested the GMM can complete training and identification in a very short time.     

融合局部性和非负性的Laplacian稀疏编码的图像分类*

稀疏编码在编码过程中忽略特征之间的局部关系,使编码不稳定,并且优化问题中的减法运算可能会导致特征之间相互抵消.针对上述2个问题,文中提出融合局部性和非负性的Laplacian稀疏编码的图像分类方法.引入局部特征附近的基约束编码,利用非负矩阵分解将非负性加到Laplacian稀疏编码中,利用空间金字塔划分和最大值融合表示最终的图像,并采用多类线性SVM分类图像.本文方法保留特征之间的局部信息,避免特征之间相互抵消,保留更多的特征,从而改善编码的不稳定性.在4个公共数据集上的实验表明,相比其它现有算法,本文方法分类准确率更高.