基于多带的2.4 kbit/s波形内插算法

由于传统特征波形内插语音编码算法对特征波形相位信息的忽略,以及对特征波形的整体对齐,往往造成语音高频谐波分量丢失,从而导致语音的噪声感。为了提高合成语音的质量,该文引入语音多带清浊音标志,并以此为依据对波形内插编码模型中的慢渐变波形和快渐变波形的相位谱进行估计,在语音合成时则对特征波形采取部分对齐的方法,最后提出了一种基于多带的2.4 kbit/s特征波形内插算法。与传统算法相比,新算法明显提高了语音的清晰度。与标准2.4 kbit/sMELP算法相比,该算法合成语音质量亦略显优势。     

基于小波变换的2.4kbit/s波形内插语音编码算法

基于双正交小波滤波器组对波形内插编码中提取的特征波进行多级分解与重构，提出了一种基于小波变换（WT）的2．4kbit／s特征波形内插（CWI）语音编码算法。编码端去除了特征波对齐运算，并对幅度谱进行多级分解，相位谱不传输，鉴于小波变换对信号的压缩特性，仅传输对人耳感知起主要贡献的最后一级特征波幅度谱；解码端对各尺度空间采用单独重建的方法，相位信息在重构的末级与幅度谱结合，并由浊音度标志选择固定或随机相位。此外，根据语音信号的时变特性，由基于子帧的浊音度标志选择需要传输的幅度谱及量化模式。主观R-A／B测试表明，这种基于小波变换的2．4kbit／s编码算法的合成语音质量明显优于标准的2．4kbit／s的MELP编码器及FS1016的4．8kbit／sCELP编码器，亦优于3．8kbit／s的传统CWI编码框架下的合成语音效果。     

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     

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。     

一种谐波正弦语音模型的最佳相位估计算法

 基于谐波正弦语音模型(HSSM),利用最小二乘方法估计语音模型的最佳相位参数,给出了一种估计相位的批处理方法和迭代算法.把利用该算法得到的相位参数用于宽带语音编解码算法进行仿真,其结果与G.722.2标准宽带编码算法中的两种编码速率8.85kbit/s及6.60kbit/s的语音进行了比较,语音波形的比较和主客观测试结果表明该最佳相位估计算法相位参数估计准确有效,可由此建立的语音模型获得较高质量的合成语音.     

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.     

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.     

武汉邮电科学研究院1991年硕士论文介绍

16kbit/s带后滤波器的自适应预测编码系统的研究本文对16kbit/s语音压缩编码进行了研究,构成了带后滤波器的自适应预测编码系统(APC—PF)。1.预测语音信号的统计特性表明:在其相邻样值之间存在很大的相关性。因此,可以用n时刻以前的若干样值的线性组合来预测n时刻的语音样值。即     

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.     

基于局部余弦变换的低比特变速率语音编码算法研究

提出将局部余弦变换(LCT)算法应用于语音编码中,系统设计了一个平均比特率近1.6kbit/s的低比特变速率语音编码器。在变比特率编码器设计中采用SVM算法进行VAD检测。激活语音帧的语音模式采用GSM半速率编码中的划分方法,但将其中的强浊音模式和中浊音模式合并为一个中强浊音模式。对各类语音模式和无声帧(背景噪声)的局部余弦变换系数采用分维矢量量化算法进行量化,码书设计采用LGB算法。编码中的码书搜索采用树形快速搜索算法。通过主观非正式听力测试表明设计的变比特率编码器编码的重建语音MOS约为3.15,与比特率为2.4kbit/s美国联邦声码器标准MELP的重建语音相当,具有较强的顽健性,适合于对存在各种环境噪声的语音进行编码。     

Natural quality two-band LPC coding of speech at 880 bit/s withframe interpolation

A novel frame interpolation technique for two-band linear predictive coding (LPC) vocoders is proposed for maintaining natural speech quality at bit rates below 1 kbit/s. Experimental results show that the speech quality of the proposed vocoder is quite natural at bit rates 880 bit/s and comparable to that of 4.8 kbit/s CELP     

一种可变速率的LD—CELP编码的研究

设计了一种可变速率的低时延、码激励线性预测编码（ＬＤ－ＣＥＬＰ）的方案，它是通过修改码本来实现的。该方案工作在１１．２ｋｂｉｔ／ｓ。对其做了计算机仿真，并与１６ｋｂｉｔ／ｓ的ＬＤ－ＣＥＬＰ算法在信经（ＳＮＲ）、波形等方面进行了对比，仿真结果表明效果良好。     

Integration of harmonic and analysis by synthesis coders

Hybrid coding of speech has been proposed to overcome the limitations of a single model in representing the wide variety of characteristics of human speech. A new hybrid coding algorithm, which combines harmonic and analysis by synthesis coding techniques, is presented. To integrate the harmonic and analysis by synthesis coders, novel phase synchronisation and speech classification techniques are developed. The perceptual quality of the speech synthesised using the unquantised hybrid model is almost indistinguishable when compared with 128 kbit/s linear PCM. Two variable rate coders are developed based on the designed hybrid model, by quantising the parameters at different bit rates. Subjective listening tests show that the speech quality of the variable rate hybrid coders outperform the quality of 5.3 kbit/s and 6.3 kbit/s ITU G.723.1 coders, at maximum bit rates of 4 kbit/s and 6 kbit/s respectively.     

Pitch predictive vector quantisation of speech waveform

A coding algorithm is presented which combines pitch prediction with low-dimensional vector quantisation to exploit both long- and short-term correlation in the speech waveform at rates of 16 and 9.6 kbit/s. Vector quantisation of the predictor enables the stability of the synthesis filter to be assured, and also allows the use of a minimum residual energy criterion. SNRs of 17-19 dB are achieved at 16 kbit/s and 13-15 dB at 9.6 kbit/s.<>     

一种用于WI语音编码的相位预测式矢量量化方法

在传统的低比特率语音编码中,考虑到人耳对相位信息不敏感而经常忽略相位信息,这将导致语音粗糙、刺耳甚至音调发生改变。为了获得高质量的声码器,语音的相位信息是不能不考虑的。该文在散布相位矢量量化方法的基础上进一步去除了相位冗余,在波形内插(Waveform Interpolation,WI)编码模型中对相邻帧慢渐变波形(Slowly Evolving Waveform,SEW)的相位谱差值进行预测式矢量量化。实验发现,该方法大大改善了重建语音效果,明显提高了语音的自然度和清晰度。主观A/B测试结果显示,该方法与固定相位法相比,经4~6 bit的相位量化可使合成语音质量得到显著的改善,相比散布相位矢量量化方法,女声的语音合成质量有所改进。