高质量4kb/s FS-ACELP语音编码算法及性能

4kb/s有限状态代数码激励线性预测语音编码算法FS-ACELP是一种具有延时较短,合成语音质量高、算法复杂度较低的语音编码算法.在线性预测(LP)参数量化上,利用了语音帧内和帧间的相关性,对线谱对(LSP)参数使用预测式分裂式矢量量化,获得很高的量化效率.在自适应码本搜索上,采用了有限状态控制分数延时搜索的算法.在保证合成语音质量的同时,有效地降低了运算量.对于随机码本,采用了具有多模结构的代数码本,提高语音合成质量.对于激励码序列的增益,采用了预测式矢量量化,有效地提高了量化精度.经非正式听音测试,4kb/s FS-ACELP的合成语音质量超过了北美8kb/s VSELP,接近G.729 8kb/s CS-ACELP,MOS分约为3.9.     

高质量4kb/s FS-ACELP语音编码算法及性能

4kb/s有限状态代数码激励线性预测语音编码算法FS-ACELP是一种具有延时较短、合成语音质量高、算法复杂度较低的语音编码算法.在线性预测(LP)参数量化上,利用了语音帧内和帧间的相关性,对线谱对(LSP)参数使用预测式分裂式矢量量化,获得很高的量化效率.在自适应码本搜索上,采用了有限状态控制分数延时搜索的算法,在保证合成语音质量的同时,有效地降低了运算量.对于随机码本,采用了具有多模结构的代数码本,提高语音合成质量.对于激励码序列的增益,采用了预测式矢量量化,有效地提高了量化精度.经非正式听音测试,4kb/s FS-ACELP的合成语音质量超过了北美8kb/s VSELP,接近G.729 8kb/s CS-ACELP,MOS分约为3.9.     

高质量4kb／sFS—ACELP语音编码算法及性能

４ｋｂ／ｓ有限状态代数码激励线性预测语音编码算法ＦＳ－ＡＣＥＬＰ是一种具有延时较短、合成语音质量高、算法复杂度较低的语音编码算法,在线性预测（ＬＰ）参数量化上,利用了语音帧内帧间的相关性,对线谱对（ＬＳＰ）参数使用预测式分裂式矢量量化,获得很高的量化效率,在自适应码本搜索上,采用了有限状态控制分数延时搜索的算法,在保证合成语音质量的同时,有效地降低运算量,对于 机码本,采用了具有多模结构的代数码本     

高质量4KD／sFS—ACELP语音编码算法及性能

４ｋｂ／ｓ有限状态代数码激励红性预测语音编码算法ＦＳ－ＡＣＥＬＰ是一种具有延时较短,合成语音质量高,算法复杂度较低的语音编码算法,在线性预测（ＬＰ）参数量化上,利用了语音帧内和帧间的相关性,对线谱对（ＬＳＰ）参数使用预测式分裂式矢量量化,获得很高的量化效率,在自适应码本搜索上,采用了有限状态控制分瞎时搜索的算法,在合成语音质量的同时,有效地降低了运算量,对于随机码本,采用了具有多模结构的代数码本,     

高质量的4 kb/s散布脉冲CELP语音编码算法

本文提出了一种散布脉冲CELP(DP-CELP)语音编码算法,激励矢量由特殊结构的代数码书与固定形式的散布脉冲的卷积获得,这种激励源有效地改善了重建语音质量,但未增加代数码书搜索的复杂度.非正式的主观听力测试表明,这种4 kb/s DP-CELP语音编码算法的合成语音质量非常接近G.723.1中6.3 kb/s语音编码器.     

码激励线性预测语音编码器中的非均匀和部分搜索域代数码书

该文基于代数码激励线性预测(ACELP)语音编码算法提出了非均匀和部分搜索域代数码书。非均匀代数码书由代数码书的脉冲非均匀统计特性确定,部分搜索域代数码书则由代数码书矢量的周期性确定,该方法有效地弥补了低比特率情况下代数码书中脉冲数不足的缺点。在使用上述两项技术时,为保持基音的连续性,该编码器对语音段和非语音段采用了不同的基音估计方法。主观和客观的听力测试表明,当该技术应用于4kb/s 散布脉冲码激励线性预测(DP-CELP)语音编码器时,重建语音的质量得到明显改善,尤其是对女性讲话者。     

混合激励线性预测低速率语音编码研究

为了满足数字通信及其他商业应用的需求,语音压缩编码技术得到迅速发展.近年来主流的低速率语音编码方案主要基于LPC-10,混合激励线性预测(MELP),多带激励编码(MBE),正弦变换编码(SCI),波形内插编码(WI),大多都工作在2.4 kb/s速率下.作为一种重要的低速率语音编码算法,MELP算法对LPC-10编码方案进行大量改进,引入混合激励,非周期脉冲,残差付氏幅度谱,脉冲散布和自适应谱滤波5个特征.实验结果表明,该混合激励线性预测编码在2.4 kb/s上得到了更好的合成语音,并使得合成语音能更好地拟合自然语音.     

基于二维非负矩阵分解的1kb/s WI语音编码算法

 本文针对波形内插（WI）语音编码模型和参数量化等技术进行了研究,并最终提出了一种基于二维非负矩阵分解的1kb/s波形内插（2DNMF-WI）语音编码算法. 文中采用二维非负矩阵分解（2D-NMF）方法来分解语音特征波形（CW）,该分解方法在行和列两个方向上同时压缩CW幅度谱矩阵的维数,使得CW幅度谱矩阵降维后得到的编码矩阵维数较小,易于量化. 此外,在甚低速率语音编码中,由于没有足够的比特数来描述编码参数,往往很难得到高质量的合成语音. 本算法采用两帧联合编码、帧间后向预测三级矢量量化、离散余弦变换（DCT）和分裂式矩阵量化等技术来降低编码速率和改善音质. 非正式主观听觉测试显示,1kb/s 2DNMF-WI编码器合成语音的质量稍差于2kb/s的NMF-WI语音编码算法.     

有限状态矢量量化相关编码方案

本文提出了有限状态矢量量化相关编码方案。分析了该方案对线性相关高斯源的率失真性能,并将分析结果与相关编码理论界及未考虑信源间相关性的编码结果作了比较。将该方案实际应用于分析合成自适应预测语音编码系统,它有效地利用了声道参数码矢和激励参数码矢之间的冗余信息。     

一种高质量的4 Kb/s RCELP语音编码算法

给出一种高质量的4Kb／s更新式码激励线性预测(RCELP)语音编码算法。该算法的编码器帧长为20ms,主要特点是使用了从自适应激励信号中分析得到的码本作为固定码本,采用预测式两级分裂矢量量化器量化线谱对(LSP)参数。主观试听表明,该算法的MOS值为3．67,其语音质量与32Kb／s ADPCM基本相当。     

基于非负矩阵分解的2kb/s波形内插语音编码算法

在波形内插(Waveform Interpolation,WI)语音编码器中,如何低延时、高精度并且低复杂度的分解和量化特征波形(Characteristic Waveform,CW)一直是该编码模型的研究热点和难点.本文提出用非负矩阵分解(Non-negative Matrix Factorization,NMF)方法来分解语音特征波形.该分解方法仅需要当前帧的语音信号,不会给编码器带来额外的延时;为了提高分解精度,本文在CW分解之前先对CW按照其子帧的最大基音周期进行分类,然后按不同类别进行分解.另外,本文结合耳蜗模型提出了NMF的基矢量分带初始化算法,将CW的分解精度提高到与二阶奇异值分解相当的水平;为了降低WI编码器的计算复杂度,本文去除了传统WI编码器中的特征波形对齐模块,同时将NMF的分解阶数设定为16以折中CW分解的计算复杂度和分解精度.最后,本文基于矩阵量化技术,对非负矩阵分解后的编码矩阵采用分裂式矩阵量化方案来量化.主观A/B测试表明,本文提出的2kb/s NMF-WI编码器的合成语音质量接近于2.4kb/s SVD-WI编码器.MOS分测试表明,本文提出的2kb/s NMF-WI编码器的合成语音质量稍差于2.4kb/s MELP编码器.     

一种基于G.729的CS-ACELP新算法

在G．729的基本框架下,码本搜索采用次最优部分码本快速搜索法,知觉加权滤波器使用基于声学心理模型的知觉加权滤波器,使得8Kb／s共扼结构代数码激励线性预测语音编码在不降低语音质量的情况下降低计算复杂度。次最优部分码本快速搜索方法虽然降低搜索准确度,但是大大减小了搜索时的数据处理量;声学心理滤波器考虑人耳对不同频率信号的不同敏感度,因而能获得更好的主观音质效果。仿真结果表明,该算法复杂度降低,并取得满意的合成语音质量。     

全矢量量化多序列激励线性预测低速率语音编码

本文研究了一种新型的语音多序列激励线性预测(MSLPC)模型。它将激励用有限个长时规则序列表示。MSLPC激励模型中的长时特征使它能较好地利用语音浊音中的长时多余度,并能推出快速搜索算法。 本文在介绍了MSLPC模型的基本概念后,重点讨论了MSLPC激励参数的块模式最大互关快速搜索算法,以及激励序列幅度矢量的两种乘积码矢量量化(VQ)的设计。实验结果表明,MSLPC模型能用于实现在2.4 kb/s至4.8 kb/s速率段的低速率语音编码。     

基于VC5409的双速率语音编译码器的实现

ITU-T.G.723.1为国际电信联盟(ITU)制定的5·3bit/s和6.3kbit/s双速率语音编码建议,分别采用代数码激励线性预测(ACELP)算法和多脉冲最大似然量化(MP-MLQ)算法。在阐述G.723.1建议编译码算法的原理和实现的基础上,重点介绍了在开发基于TMS320VC5409实时实现该建议的全双工编译器过程中所做的工作。该语音编译码器通过了G.723.1所有测试矢量的验证。     

一种可用于CDMA移动通信的变速率语音编码算法

该文提出了一种码率为 0.75-5.4kb/s可变速率的高质量语音编码讲法。该算法对CELP的激励进行了改进,根据语音的特征把语音分成4类,不同类型的语音采用不同的激励码本。特别是对于浊音,提出了一种基于基音同步的嵌入分裂式激励码本,该码本利用浊音具有准周期性的特点,使该算法在很低的码率下就可很好地恢复浊音信号,克服了CELP在4kb/s速率以下因码本尺寸小而导致合成语音质量差的缺点。经非正式听音测试,它的主观质量超过了1～8kb/s的可变速率QCELP系统,并且平均速率大约只有2kb/s,比QCELP的5kb/s平均速率低了很多、非常适用于 CDMA移动通信系统。     

线性预测编码的矢量量化

语音的线性预测编码是获得低比特率数字语音的一种较好的方式.对预测滤波器模型参数采用矢量量化之后,将使这种方式更加完善,并在保证输出语音的质量下使比特率比一般线性预测进一步降低.本文在介绍了矢量量化的基本慨念之后,对采用矢量量化线性预测的几个主要问题如畸变测度的规定,产生码本的方法及搜索算法中的全搜索与二进位树搜索等作了扼要的阐述.本文最后介绍了一种较新的800bit/s矢量量化线性预测编码(LPC)声码器的主要结构.     

一种基于予帧联合编码的600b/s低速语音编码算法

为了适应无线通信等甚低速语音通信应用,文中提出一种基于子帧联合编码的600b/s语音编码算法。该算法的激励源采用混合激励模型,声道参数使用帧内预测多级矢量量化进行高效量化,在参数编解码时提出了子帧分类联合的思想,并在编码端使用语音增强仰制背景噪声,解码端使用后滤波处理来改善语音质量,这些方面较传统LPC算法有了明显改进。同时,选用TI公司的TMS320VC5416DSP芯片实时实现了该算法。非正式主观试听结果表明,该算法在可懂度、消晰度等方面与传统的2.4kb/sLPC自法相当,而速率仅为LPC算法的1/4,是甚低速率的一种良好的编码方案。     

一种基于ACELP的4．8kbit／s语音声码器

ACELP(代数码激励线形预测)是ITU-T于1995年制订的双速率语音编码标准G.723.1中5.3kbit/s所采用的算法,该算法具有良好的通话质量及抗噪声性能.文章分析了基于ACELP的5.3kbit/s语音编码的基本原理以及将编码速率降低为4.8kbit/s的改进方法,然后介绍了4.8kbit/s声码器的DSP实现.     

TETRA中的ACELP语音压缩编码

介绍了欧洲数字集群系(TETRA)中声码器所使用的语音压缩编码算法——ACELP,着重阐述了代数码本结构及代数码本搜索中采用的聚焦搜索技术,并给出了ACELP算法仿真的结果。结果表明,该算法在较低码率上可获得较高的语音质量。     

一种减小语音矢量编码码率的算法

2维PV编码算法是一种将线性预测编码、SOM神经网络2维矢量编码以及Huffman编码相结合的语音信号编码算法。为了在保证译码恢复的语音质量良好的前提下,进一步减小编码的压缩率,以减小语音信号的存储空间,提出一种增加2维PV编码中矢量量化维数的高维PV编码算法。并利用Matlab软件编程进行2维、4维和8维PV算法的语音信号编解码实验。实验结果表明,在保证译码恢复声音质量良好的条件下,增加2维PV编码算法的量化矢量维数,可以减小码率,其中8维PV编码算法的码率最小为5.94 Kb/s,小于采用ADPCM编码算法的波形编码标准G.721的码率32 Kb/s(波形编码的最小码率),甚至小于采用LD-CELP编码算法的混合编码G.728的码率16 Kb/s。文中提出的编码算法在语言压缩编码方面将具有较高的研究价值和很好的应用前景。