波形内插语音编码器中快渐变波形幅度的量化

在低速率参数语音编码算法中,如何用有限的比特数有效地量化幅度谱是一个关键问题。本文对波形内插语音编码模型中快渐变波形幅度的量化问题进行了深入研究和分析,提出了一种基于矢量变维和DCT的REW幅度感觉加权量化方案,该方法降低了编码比特数,减少了存储和计算复杂度,增强了编码语音的感性质量。主观听力测试结果表明该量化方案在每帧4比特时的WI语音编解码质量要优于用基于DCT的REW幅度矩阵量化方案在每帧10比特时的重建语音质量。     

16kb/s话音波形编码技术

本文首先介绍了采用自适应噪声谱整形的话音预测编码和直接查表多级矢量量化话音编码,以及我们对这两种方法进行计算机模拟的结果;然后,介绍了对这两种方法的改进,即对预测编码中的残余信号和矢量量化编码中的话音信号实行帧分类处理,分别采用了自适应量化技术和维数自适应技术,在此基础上,速率由96kb/s压缩到16kb/s,量化噪声明显降低至难以察觉。     

基于空间组合矢量分类的小波图像网格编码矢量量化

本文基于零树编码、矢量分类和网格编码量化的思想,提出了对小波图像采用空间矢量组合和分类后进行网格编码矢量量化的新方法.该方法充分利用了各高频子带系数频率相关性和空间约束性,依据组合矢量能量和零树矢量综合判定进行分类,整幅图像只需单一量化码书,分类信息占用比特数少.对重要类矢量实行加权网格编码矢量量化,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离,用维特比算法搜索最优量化序列,比使用矢量量化提高了0.6db左右.该方法编码计算复杂度适中,解码简单,可达到很好的压缩效果.     

基于树结构矢量分类的小波图像图编码矢量量化

本文基于零树编码,矢量分类和网络编码量化的思想,提出了对小波图象采用树结构矢量组合和分类后进行网络编码矢量量化的新方法,该方法充分利用了带系统的带间和带内的相关性,分类信息上中用比特数少,对重要类矢量实行加权网络编码矢量量化,利用卷积编码扩展信号空间以增大量化信号间的欧氏距离,用维特比算法搜索最优量化序列,并采用基于人眼视觉性特性的加权均方误差准则作为失真度量和码字匹配,提高了量化增益,仿真结果表明,该方法编码计算复杂度适中,解码简单,可达到很好的压缩效果。     

一种针对ISF参数的量化算法

宽带语音编码中普遍使用导抗谱频率描述声道。利用转换分类差矢量分裂矢量量化方法对导抗谱频率进行量化,该方法基于转换分类矢量量化及差值分裂矢量量化。IsF矢量先按照给出的码书分类,然后每一类中的差矢量再进行分裂矢量量化。实验结果表明,该算法可在每帧编码比特数为37时达到透明量化要求,并且码书存储量明显少于StephenSo等人给出的转换分类分裂矢量量化方法。     

数字信号监测原理与监测设计（一）

[名词解释]模拟信号:自然界存在的,为人们感官所感知的连续信号。例如声音(空气振动),景物(不同波长可见光)。二十世纪科技进步,通过电声器件或者光电器件将自然界的声音/景物变换为电信号,也属于模拟信号。而对模拟信号取样、量化处理之后,形成数字信号。数字信号,则是模拟信号的一种变换。模拟电信号波形通过离散取样以数值表示其大小。处理后的信号称为数字信号。数字信号用0或1二进制表示。数字信号在传输/处理/存储等,有很多模拟信号无法比拟的优点。复合信号:彩色电视编码后形成的信号,例如NTSC/PAL/SECAM各种电视制式。由复合信号变换成的数字信号,称为复合数字信号。分量信号:彩色电视中信号源,如摄像机,它的光电变换器件,将景物亮度信息转换成红(R)/绿(G)/蓝(B)基色信号。而基色信号在处理过程中(线性矩阵),变换为有利于传输的信号,Y(亮度)/R-Y(红色差)/B-Y(蓝色差)。这3种要传输的视频信号称为分量信号。由分量信号变换成的数字信号,称为分量数字信号。字节:在模拟向数字转换时,一个取样点所包含的取样值,用二进制表示。典型的视频取样有8比特/10比特。8比特取样点,它所表示的电平范围是28=0-255个数,10比特为210=0-1023个数。模拟视频幅度为1伏,8比特量化,最小分辨电平约4毫伏;10比特量化,则     

基于FPGA的高速O-OFDM实时系统发送端信号处理

介绍了基于XI LI NX FPGA的1Gb/s光OFDM(O-OFDM)发送端信号处理的整体设计,对传输信号的星座映射及FFT进行了研究,重点分析了不同量化比特数时IFFT/FFT的误差矢量幅度(EVM),提出了使用不同量化比特对信号进行适当放大而提高系统的IFFT-FFT转换精度的方法。实验验证了OFDM信号I FFT-FFT变换后随量化比特数的增加,EVM值不断减少,相应的星座图更收敛。     

数字话音合成器的设计（四）

一、自适应增量调制(ADM)方式到上一节为止,简单地讲解了波形编码方式和频谱编码方式这两大类具有代表性的话音合成法。在这一节里,将讲解一般性的自适应增量调制方式以及从这一方式派生出来的音节压缩扩展增量调制方式。后文所要介绍的无磁带录音机,采用的就是后一种方式。如前所述,增量调制(ΔM)方式是从采样值的时间序列来预测出现在值,以1个比特来对它与实际值之差加以编码的方式(判断其大小的方式),特点是编码系统和话音合成系统的     

面向短数据包URLLC的功率分配稀疏矢量编码

稀疏矢量编码(Sparse vector coding,SVC)是针对超高可靠低延时通信提出的短数据包编码方案。由于SVC的扩频索引矩阵存在自干扰,使得其误块率(block error ratio,BLER)性能受到限制。针对该问题,提出了功率分配(power allocation)的SVC(PA-SVC)方案。具体为:(1)把传输比特拆分为一个索引比特流和多个调制比特流,其中索引比特用于确认稀疏矢量的长度以及稀疏矢量的非零位置索引号。(3)多个调制比特将分别进行正交幅度调制作为稀疏矢量的非零位置处的非零元素。该过程中,通过功率分配为每一个调制星座分配特定的功率。(2)稀疏矢量乘以一个预先产生的随机扩频矩阵,时频资源上将产生发送信号。仿真结果表明,合适的功率分配方案可进一步提升SVC的BLER性能,且可通过功率调整使PA-SVC适用于不同的信道模型。     

话音通信中的数据自适应隐藏算法

基于话音通信的PCM量化编码,导出了数据嵌入强度因子的选取准则,给出了两种自适应选取的实现策略,进而提出了根据载体信号的幅度以及信道的噪声强度自适应调整的数据隐藏算法.隐藏信息为二进制比特数据时,仿真实验结果表明该自适应隐藏方法具有良好的隐蔽信息传输性能.     

矢量的线上投影表示法

本文提出一种矢量压缩编码新方法—线上投影法.它将输入矢量用它在某条空间直线上的投影近似表示,而用决定这条直线的两个参考点的序号和一个反映该投影点相对于两参考点位置的比例因子作为编码.由于一个大小为N的矢量量化码书中的码字可以确定N(N-1)/2条直线,因此这种方法可用较小的码书获得很高的编码精度.理论分析和实验结果表明:码书大小为N的线上投影法的编码精度与码书大小为N²的矢量量化法相当,并且明显优于用两个大小为N的码书构成的两级矢量量化法,而其码书生成和编码过程的计算复杂度均远远低于后者.它将是矢量信号高精度压缩编码的一种强有力的手段.     

线谱对及其在声码器中的应用

线谱对（LSP）具有良好的量化特性，对线谱对进行编码的LPC声码器与对反射系数ki进行编码的LPC声码器相比较，在2400bps的编码速率下，每帧少6—8比特仍能达利完全相同的清晰度。省下来的比特可用于误码纠正以提高话音编码系统的抗误码能力或者用于改善激励信号。     

模拟信号的完全保密加密法

任何使用有限模拟字密钥的完全保密模拟加密方案,都不可避免要降低再生信号的质量。由于完全保密和有限密钥量的约束,没有任何模拟加密系统的话音质量能比具有最佳数字化信号(由分组信源编码或矢量量化得出)数字加密系统的质量更好。     

多带激励低速率语音压缩编码算法研究及实时实现

本文以多带激励声码器为模型，采用了多种技术去降低编码速率和改善音质，我们利用动态规划算法对基音周期进行了平滑，去除了声码器中常用的音调噪声，ＭＢＥ算法对谱包络的量化要花费大量的比特，这里利用ＬＰＣ全极点模型谱逼近ＭＢＥ谱包络，并采用共振峰增强技术来补偿模型误差，对谱幅度参数的量化，采用了分裂矢量量化（ＳＰＶＱ）和多级矢量量化（ＭＳＶＱ）的方法，使之在２．４ｋｂｐｓ，１．２ｋｂｐｓ及８００ｂｐｓ等速     

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.     

基于神经网络的量化参数预测研究

在视频有损压缩编码中,量化是为达到压缩视频的目的,将原信号值映射到较小取值范围的过程。一个合适的量化参数(QP)可以在增加压缩效率的同时平衡视频质量和编码复杂度。现有的码率控制算法对运动剧烈及存在场景切换的连续帧控制不精确,视频PSNR值波动大。本文提出一种基于神经网络的视频量化参数选择,利用已编码帧信息对当前帧的量化参数计算进行调整。神经网络模型选取当前帧的目标比特、当前帧的MAD和前一帧编码的QP和实际比特数作为输入,输出值经过反归一化及取整处理对视频进行量化。实验表明,编码时使用该方法进行与H.264/AVC的标准参考软件JM14.2相比,在保证码率精确度和平均PSNR值基本不变的情况下,减小了PSNR的波动。     

语音的频域参数编码

语音的数字表示有两种基本方法,即波形表示法及参数表示法。波形表示法是直接将语音波形取样,并进行量化和编码,例如脉码调制(PCM)系统;或通过一定的预测系统,对差分信号进行量化和编码,如各种形式的差分脉码调制(DPCM)及自适应DPCM(ADPCM)系统。总地来说,各种波形表示法都需要较高的信息速率。例如当取样率为8 kHz时,7比特PCM的信息速率为56 kbit/s。当采用DPCM或ADPCM时,可使信息速率有所降低而保持相同的信号量化噪声比,但一般也需在20 kbit/s以上。这是波形表示法的不利之处。波形表示法的优点是能较多地保留原语音信号中所包含的信息。它所重现的语音有较高的逼真度,能保持自然语音的音色,数字语音的参数表示法与此不同,它是用从语音的短时频谱或语音波形得出的参数来表示语音本身、这些参数表征了语音中所含的主要信息它们随时间的变化比较缓慢、一般可认为在10至20毫秒内保持不变。用这种表示法时,发送机根据     

语音编码和声码器

语音编码和声码器语音编码一般可分为波形编码和参数编码两大类。波形编码就是在某种保真度准则下尽力降低量化每个语音样本的比特数，同时保持相对好的语音质量。因为这类技术是针对语音波形进行的，所以称之为“波形编码”。波形编码一般需要很高的比特数（如１６ｋｂｐ...     

基于准KLT域的线谱对参数压缩感知量化研究

用尽可能少的比特数实现线谱对(LSP)参数透明量化一直是语音编码领域的研究热点。该文基于压缩感知理论,研究了LSP参数在准KLT域的稀疏性,并设计了LSP参数先压缩感知再矢量量化的方案。编码端,利用压缩感知理论,在准KLT域将原始LSP参数投影到低维空间,得到低维测量值,而后采用分裂矢量量化算法对测量值进行量化;解码端,以量化后的测量值为已知条件,利用正交匹配追踪算法重构出原始LSP高维矢量,重构值作为最终量化值。实验结果表明,算法在适当的码本存储量和搜索复杂度下,达到透明量化效果所需的比特数最优时仅需5 bit/帧。     

TSP—1000系列话音数字化装置

以专门制造话音编码装置为业务的美国厂商——TSP公司,最近又推出了一种命名为Switcho TSP1000系列话音数字化装置。采用这种装置可以在同一条电话线路上传送话音和数据。该装置数据速率为2400比特/秒。容易同数据调制解调器(Modem)相连用。如果使用多接口Modem,还能在同一电话线路上传送四路话音通信信号。该