一种多脉冲激励线性预测声码器的仿真实现

本文是笔者所开发的语音信号处理课程中的一个研究型实验教学案例.文中概述了多脉冲激励线性预测声器的编码方法,并用MATLAB做了仿真实现.在本声码器实现方法中,在发送端对系统参数进行量化时,用量化LPC滤波器的PARCOR系数（部分相关系数,PARt CORrelation）代替传统的对滤波器的线性预测系数的量化;在接收端,将PARCOR系数用文中所给的算法转换为线性滤波器的线性预测系数,进行系统重构合成语音,大大降低了传输比特率,并且提高了合成语音质量.     

一种改进的4.8kb／s码激励线性预测语音编码

本文介绍了码激励线性预测（ＣＥＬＰ）语音编码的基本原理，研究了一种制约随机激励的线性预测编码方案。它将随机激励码字进入合成滤波器的数量与自适应码本的性能指标联系起来，有效地减少了激励噪声对合成语音的影响。计算机模拟结果表明，这种方法在主观上改善了语音质量。     

矢量量化中线谱对参数失真度量准则的确定

线谱对是一种频域的线性预测参数，在如何对其进行有效地量化方面，人们已经进行了广泛的研究，本文从人的主观感觉出发，将加权均方误差准则应用于线谱对参数的矢量量化中，并用自激励编码方式来检验量化后合成语音质量。实验结果表明，在感沉上８ｂｉｔｓ线谱对参数的矢量量化与３４ｂｉｔｓ线谱对参数的标量量化几乎产生相同的合成语音质量。     

语音压缩中的线性预测编码技术

语音压缩是多媒体信息压缩技术中的一个重要部分，线性预测编码技术是参数编码技术的重要内容，介绍了线性预测编码技术的概念，分析和研究了线性预测编码技术及其LPC正则方程的自相关解决。     

藏语拉萨语LPC语音参数提取研究

藏语语音参数提取是藏语语音识别的关键技术之一,参数提取的精确度直接影响语音识别的效果。线性预测系数(LPC)是语音信号的重要频域参数,是目前语音信号处理过程中比较重要的处理技术,广泛应用于语音压缩、语音声学建模、语音合成、语音识别等过程中。首先介绍了线性预测算法原理,然后提出了藏语语音LPC参数提取的方案,最后在Matlab平台上实现了藏语语音LPC参数的提取和仿真分析,研究结果对完善藏语语音合成技术和提高藏语语音识别效率有一定的研究参考价值。     

基于零极点预测模型的码激励线性预测语音编码算法

针对传统码激励线性预测（Code Excited Linear Predictive，CELP）语音编码器在预测模型和参数估计方面的不足，提出了一种基于零极点预测模型的CELP语音编码新算法。该算法采用零极点预测模型来更准确地描述语音信号的短时相关性，并采用梯度法来同时对零极点模型的参数和激励码本增益进行联合优化求解。实验结果表明所提语音编码算法可显著降低CELP编码器合成语音的归一化均方误差，有效提高合成语音的质量。     

SELP语音编码模型的抗误码改进方案

受信道误码影响时,基于SELP模型的声码器合成语音出现大量刺耳的尖锐声,严重降低语音质量。研究发现,高能量的语音信号经分析滤波器产生余量信号,能量可能明显降低,量化值较小。信道误码可能使该参数在合成端出错明显增大,再经过合成滤波器后产生尖锐声。将能量参数从原始语音信号中提取,并改进合成算法中能量参数的用法。能量较高的语音信号量化值较大,发生误码时明显增大的可能性降低,能削弱尖锐刺耳声。     

神经网络非线性预测及语音编码

本文用神经网络非线性模型进行语音信号的处理，通过与各种线性预测垢结果进行比较表明，前向神经网仅用１０个左右的输入抽头可消除语音信号中的短项和长项和相关性， 预测误差小于经典的线性预测系统，这说明所谓的线性基音相眷属一可表示成语时的短项非一相关性，在众多的应用领域中就可取消有时难于准确进行的基音估计，本文提出的基于非线性预测的ＡＤＰＣＭ语音编码系统，其恢复语音质量优于ＣＣＩＴＴ建议Ｇ７２１中的ＡＤＰ     

一种新的低码率语音压缩编码方案

提出一种新的基于LPC（线性预测编码）的BSP（二项式正弦脉冲）语音压缩编码方案,即根据语音产生的原理,以BSP作为LPC激励源,并在此基础上构造了BSP语音编解码器。同时推导了BSP激励参数的求取和编码方法。实验结果表明,BSP编解码器由于求取BSP激励参数的计算量较小,因此处理速度快、时延小,同时编码速率在低至2.65kbit/s时,具有较高的合成语音质量。     

基于分段线性预测技术提取语音谱包络

语音谱包络提取是语音分析中的重要内容.提出了分段线性预测技术用于提取语音谱包络参数.结合滤波器组理论和线性预测模型,首先对语音频段进行划分,然后在不同的频带进行线性预测.实验证明,合成的语音频谱分辨率有了很好的改善.     

一种600bps极低速率语音编码算法

该文针对抗干扰通信中对低速率语音编码算法的应用需求,提出了一种600bps极低速率语音编码算法,采用6帧超帧结构,超帧中包括2个基本帧与4个插值帧。插值帧的线性预测(LPC)参数采用基于闭环最优一阶线性预测的4阶段残差矩阵量化;在解码端,提出了闭环的激励脉冲幅度估计方法,提高了合成语音的自然度与鼻音音节的清晰度。该算法可以提供良好的合成语音质量,DRT测试结果达到88.55分。     

通信系统中的语音编码技术

语音编解码技术现已成为通信技术的一个重要学科。本文在简要介绍通信系统中语音编码技术的基础上,着重论述了参数编码的残差激励线性预测编码(RELP)算法。这种线性预测编码是一种新的压缩方法,可使码率降低到2.4kb/s以下。     

通信系统中的语音编码技术

语音编解码技术现已成为通信技术的一个重要学科。本文在简要介绍通信训语音编码技术诉基础上，着重论述了参数编码的残差激励线性预测编码算法。这种线性预测编码是一种新的压缩方法，可使码率降低到２．４ｋｂ／ｓ以下。     

LPC与LSF转换算法的比较研究

线性预测法是语音信号处理中的核心技术。在语音信号的处理中,常常需要将线性预测的LPC系数与LSF参数相互转换。本文根据Chebyshev多项式求根法,研究了几种由LPC求解LSF的算法,分析了它们各自的特点及相互关系。分析并推导了由LSF求解LPC的算法。     

数字语音的声源编码

本文主要阐述了语音信号声源模型的结构,其中主要包括代表一激励参数的脉冲及噪声激励源,以及代表声道特性的线性时变系统。指出声源编码(声码器)即用传送模型参数代替传送语音波形的一种获得极低比特率的编码方式。分别讨论了三种典型声码器即CV、HV及LPC的原理,主要结构及性能。它们都用某种方式提取激励参数,而分别用短时谱幅度、倒谱系数及线性预测参数来描述声道特性,控制短时频谱的包络线,以获得具有一定可懂度的综合语音输出。     

基于自组织神经网络的数字语音识别

提出一种基于自组织神经网络的数字语音识别模型。首先用基于小波变换和线性预测的特征提取方法提取语音信号特征，用自组织神经网络进行识别判决。这种语音识别方法适合于小词汇量的孤立词识别，网络结构简单，所需训练数据十分的少，实时性能好。用MATLAB进行仿真实验，识别率达到98%。     

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     

MELP低比特率数字语音编码技术研究

主要介绍了一种新的低比特率MELP (MixedExcitationLinearPrediction)混合激励线性预测语音编码技术 ,其中着重分析了该编码算法所采用的几项关键技术。给出了采用MELP压缩编码算法后的输出比特流在各个参数上的比特分配表 ,并通过计算机仿真 ,对MELP合成语音与原始语音的质量做了比较 ,最后就MELP语音编码技术与现今其它几种不同的低速率语音编码技术的合成语音质量在DRT、DAM及MOS得分三个方面做了比较。     

语音信号的线性预测分析在DSP上的优化实现

语音信号的线性预测分析是语音压缩中的一个重要环节，占据语音压缩计算中的大部分时间，为提高语音压缩的速度，在C54x系列DSP上用汇编语言实现了语音信号的线性预测分析，并对其进行优化。最终可以使代码的运行时间减少到原来的5％左右。     

两种改进型LPC特征参数对语音识别效果的影响

介绍了2种改进型的语音识别方法：单边自相关LPC系数法和线性预测误差法。这2种方法与传统的线性预测编码LPC法相比，其抗噪能力增强，即在强噪声环境下仍能达到较高的识别率。把这3种方法分别应用于端点检测和语音识别，用实验数据说明了2种改进型方法显著的抗噪性特点。