语音压缩编码中的两种基音预测器

本文研究了语音压缩编码中基音预测器的两种情形,即开环和闭环结构。提出了一些简化基音预测器求解方法,比较了几种条件下的基音预测器性能。给出了计算机仿真结果。     

用分数延迟改进基音预测的CELP编码方案

在ＣＥＬＰ编码器中，通常用延迟为抽样间隔整数倍的长项预测器表征浊音语音的准周期性，然而在低比特率，这种限制降低了编码器的性能。本文在介绍了ＣＥＬＰ编码器原理及激励码本构成后，重点研究了一种新型的基音预测方法；分数延迟基音预测，计算机模拟结果表明，这种方法能对浊音进行更准确的表达，尤其对女性讲话者明显改善了语音质量。     

一种基于回归神经网络的码本激励非线性预测话音编码算法

为改善预测类声码器中长时预测器特性，本文引入了一种全连接回归神经网络（ＦＲＮＮ）非线性预测器并将其应用于话音编码算法中。ＦＲＮＮ在隐层单元不仅有来自自身的反馈，也有来自输出单元的反馈，因此其预测性能好于常规预测器。将其应用于码本激励话音编码系统（ＣＥＬＰ）中，可得到较低的传输码率，同时亦可改善编码质量。     

基于背景杂波自适应预测的红外弱小目标检测

文章根据背景杂波和运动目标的红外成像差异,提出了两种自适应杂波预测技术的低 信噪比小目标检测方法。首先讨论了一种基于均方误差最小的自适应线性预测器,该预测器计算量小,易满足实时要求,且对平稳和线性云层红外背景图像具有很好的背景预测能力。然后提出了一种基于非线性函数可调整的BP 神经网络预测器,该预测器中的非线性函数可调整且非线性程度很高,能很好的适应各种复杂的起伏背景,特别是非平稳和非线性杂波背景。文中还通过实际的红外图像验证了两种方法的有效性。     

改进型可过滤混合分支预测器

针对TAGE混合预测器T0表内容存在大量混叠以及TAGE混合预测器对历史相关性较低的指令预测准确率低的问题,文章提出了一种新的解决方案。该方案采用YAGS作为TAGE的基础预测器,并在TAGE前后各加一个过滤器,前端过滤器Filter1专用于过滤特定循环分支指令,后端过滤器Filter2专用于过滤和全局历史相关性低的分支指令。在CBP-2模拟环境下进行实验,同时测试改进后设计的预测器与现有的TAGE混合预测器,在256k硬件资源配置下,改进后的设计预测准确率指标为3.972MPKI,优于现有TAGE的4.411MPKI。由此可见改进后的设计具有一定的参考意义。     

基于神经网络的时间序列动态预测器的调整学习算法

时间序列预测在金融等领域有着广泛的应用,近年来,基于时间网络的时间序列预测器引起了人们极大的研究兴趣,然而,基于神经网络的时间序列预测器经常给出无效的预测值。本文首先从理论上分析了基于神经网络的时间序列预测器给出无效预测值的概率,然后给出基于神经网络的时间序列预测器的调整学习算法（ＲＬＮＮＰ）,采用ＲＬＮＮＰ算法,基于神经网络的时间序列预测器,给过充分训练能够给出时间序列的有铲预测值。     

用于低维混沌时间序列预测的一种非线性自适应预测滤波器

在二阶Volterra滤波器基础上,提出了一种用于低维混沌时间自适应预测的非线性自适应预测器。基于最小均方误差准则导出了一种NLMS类型的自适应算法来实时调整这种非线性滤波预测器的系数,仿真实验结果表明：这种线性化的非线性自适应滤波预测器能够有效地预测低维混时间序列,且它的模块化特征更易于VLSI电路实现,具有广泛的工程应用价值。     

基于线性预测残差倒谱的多语音基音频率检测

本文提出了一种基于线性预测残差倒谱的多语音基音频率检测算法,该算法首先对混合语音信号进行线性预测分析,进而计算预测信号与原混合信号的残差,并对残差信号做倒谱变换,得到混合语音信号的线性预测残差倒谱;然后在该信号的残差倒谱中,结合图像处理的技术,利用语音信号基音倒频匹配法检测出多语音信号的基音频率;最后在基音标定的过程中,本文算法利用语音信号的连续特性,依据信号基音频率前后差距变化最小原则标记出各基音所属话者。实验结果表明,本文提出的算法在弱回声及无回声的情况下能快速有效地从单声道混合语音信号中检测出多语音基音信息。     

用线性预测法实现气声语音的重建

本文介绍了一种用线性预测参数实现气声语音重建的方法。首先提取气声语音的线性预测参数，用这些参数建立信号产生模型，然后进行合成，合成时加入基音周期，使其恢复到正常语音。     

改进型预测多脉冲语音编码方法

论文在研究基音预测多脉冲激励语音编码的基础上提出了改进型预测多脉冲语音编码方法，子帧长度和一个子帧内的激励脉冲合成分析法进行联合优化搜索得到，语音的分类也在闭环内进行优化判决。克服了其音预测多脉冲方法中语音分类不准和计算基音周期不精确带来的合成语音质量下降问题，使周期性不强和过渡段语言帧得到适当的处理。     

一种改进的混合激励线性预测的基音周期估计算法

本文详细讨论了混合激励线性预测(MELP)的基音周期估计算法及其改进算法.该算法采用了分数基音周期、倍数检测等技术,保证了基音周期估计的精度.同时又采用了滑动窗的方法,使得对基音周期不规则的不平稳的语音段进行基音周期估计时的误差减小.本文最后给出了该算法的测试结果及优缺点.     

基于最近邻聚类学习算法的模糊业务量预测器

本文根据模糊逻辑系统中的万能逼近定理,提出一个采用最近邻聚类学习长法的模糊业务量逼近器／预测器,通过对自回归（ＡＲ）过程及ＭＰＥＧ业务量的预测,了该逼近器／预测器的准确性和对业务量特性的适应性,最后讨论了该预测器在动态带宽分配中的应用。     

小波包变换频带划分在MELP声码器中的应用

提出了一种基于小波包变换划分信号频带的方法,并以此为基础对MELP声码器基音检测算法做出改进。原始语音信号经过多尺度正交小波包变换得到MELP声码器所要求的多种子带信号输出;然后对0-1KHZ和0-500Hz子带输出信号进行基音周期的估计。实验表明,该方法提取出的基音周期不仅具有较高的可靠性和精度,而且对环境噪声有较强的稳健性。     

DPCM系统中基于量化预测值的图像无损压缩

在超光谱图像和医学图像压缩的领域中,要求这些压缩是无损的,基于预测的方法一直是图像无损压缩的理论框架。在传统无损压缩的模型上,给出了一种有效的预测和量化算法,并结合算术编码对图像进行压缩,实验证明该算法兼有JPEG-JS预测器和Pirsch预测器的优点,有着较好的压缩性能,且算法简单、易于实现。     

一种9.6/16kb/s的语言数字化装置

本文描述一种语言数字转换算法,它能够以带宽约为3000Hz、在9.6—16kb/s的速率范围内提供高质量的语言。方案包括自适应预测器、自适应量化器及配有缓冲器的可变长码,但它既不要求周期性地传输编码器参数,也不要求测定基音,其结果是语言的质量还高于其它波形编码器的语言质量,而该方案的复杂性却又低于其它低数码率方案。     

基于形态滤波和小波变换的基音检测新方法

提出了一种基于数学形态滤波和小波变换相结合的基音检测方法。检测前采用文中提出的形态滤波算法对噪声信号进行滤除，突出了基音周期。用小波变换对滤波后语音信号的突变点进行检测，进而提取出了基音周期。实验表明该方法对噪声有较强的鲁棒性，能够精确地检测出基音周期。     

基于形态滤波的基音检测新方法

提出了一种数字形态滤波与数字低通滤波器相结合作为基音检测预处理的基音检测新方法，本方法是线性滤波与非线性滤波相结合的一种新的尝试。实验结果表明，该方法可以得到比传统自相关法和倒谱法更好的结果，尤其是清浊音特征不明显的音段，基音检测的性能更好。     

两步双向查找表预测的高光谱图像无损压缩

提出一种基于两步双向查找表预测的高光谱图像无损压缩算法。将谱段内预测和谱间预测有效地结合,去除了高光谱图像强的谱间相关性。根据高光谱图像特点,首先,在光谱线的第1谱段图像采用JPEG-LS中值预测器进行谱段内预测,其它谱段图像采用谱间预测。谱间预测采用两步双向预测算法,第1步预测,采用一种双向四阶预测器,利用该预测器得到参考预测值;第2步预测,采用一种8级查表(LUT)搜索预测算法,得出8个LUT预测值。然后,将参考预测值与其比较得出最终的预测值。最后,将预测差值进行熵编码。实验结果表明,本文算法的平均压缩比达到3.05bpp(bits per pixel),与传统高光谱图像无损压缩算法比较,平均压缩比提高了0.14～2.91bpp,有效提高了高光谱图像无损压缩比低的问题。     

噪声环境下的基音检测方法

噪声环境下的基音检测在语音信号分析和识别中占有得要地位。自相关法和平均幅度差函数是两种常用的基音检测方法。结合两种方法，提出了一种有效的噪声环境下基音检测方法。实验表明，该方法是可行的，与传统方法相比鲁棒性好，特别适用于信噪比较低的情况。     

图像无损压缩的预测编码及量化误差处理

本文提出了一种基于预测编码并对量化误差进行四叉树编码从而实现对灰度图像无损压缩的方法。采用固定预测系数的算法，使得预测过程速度很快；通过四叉树编码方法处理量化误差，避免了对小数编码和处理这一复杂的过程。整个实现过程十分简单，实验结果显示，图像通过预测器后的平均码长明显小于原始图像的熵。