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。     

采用经验模态分解的语音与音频通用编码方法

为有效解决现有单一模型编码器无法在中低速率对语音和音频信号进行高质量通用编码的问题,本文借助语音与音频信号的谐波特性,建立了一种对语音和音频信号统一编码的方法。首先,本文利用经验模态分解(Empirical Mode Decomposition, EMD)提取输入信号的谐波成分;其次,利用感知匹配追踪算法,并结合正弦参数建模对谐波成分进行参数提取与量化;第三,对于量化谐波后的残差进行抖动格型矢量量化,以提升重建音频的主观听觉质量,并最终实现一套包含24kbps和32kbps码率的宽带语音与音频通用编码器;最后,对所提算法进行了客观PESQ/PEAQ和主观A/B测试,并与ITU-T G.722.1和G.722.2编码器进行了比较,实验结果表明,所提编码器对语音和音频信号的编码质量均优于参考编码器。      

通用码本语音矢量编码算法研究

基于预测编码、SOM自主神经网络矢量编码和Huffman编码的联合编码算法(PV算法)压缩效果虽然较好,但它在对每段语音编码时,都需要利用该段语音信号,通过SOM自主神经网络训练得到码本,算法复杂、耗时。为此文中提出从具有一般特征的多段语音信号中通过SOM自主神经网络训练提取码本,所有的语音信号段PV编码都统一用该码本,不需要对每一段语音信号编码都做一次提取码本的运算,这样不仅节省了每段语音PV编码时用于训练码本的时间,也节省了需要编码的专用码本的信息,减小了码率。实验结果显示,通用码本的PV编码算法在保证一定语音质量的条件下,是可行的。文中提出的编码算法在语言压缩编码方面具有较高的研究价值和很好的应用前景。     

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.     

基于压缩感知的线谱对参数降维量化算法

为实现高质量的极低速语音编码,提出一种基于压缩感知理论的线谱对(LSP)参数降维量化算法。编码端利用压缩感知理论对超帧LSP高维矢量进行降维处理,将原始LSP参数投影到低维空间,得到低维测量值,然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。实验结果表明,本算法相对低速语音编码中的矩阵量化方案,平均谱失真降低了0.23dB,相对基于DCT变换的降维量化方案,平均谱失真降低了0.13dB。这种先降维再量化的思想可以大幅减少编码所需的比特数及码本存储复杂度,有效降低语音编码速率,并且合成语音可懂度、自然度较高,音质虽有所失真,但基本上感觉不到明显的听觉质量下降。      

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。     

基于小波变换的最小失真预测/多级矢量量化

矢量量化器的压缩性能随维数的增大而提高,但复杂度亦随维数的增大呈指数增大,限制了大维数矢量的使用。本文利用小波变换产生的子带间的相关性,提出一种新的最小失真预测／多级矢量量化算法。一方面通过最小失真预测来降低时间复杂度,使得编码６３Ｄ的矢量只需付出相当于１５Ｄ矢量的时间复杂度代价;另一方面通过增强多级矢量量化算法来进一步降低复杂度。在复杂度得到极大降低的同时,仍具有很好的编码性能。     

一种极低码率视频压缩编码算法的VLSI结构

本文提出了一种基于分类矢量量化的极低码率视频编码算法及其ＶＬＳＩ结构,它结合了四叉树分割,分类矢量量化算法,变块大小运动估计等多种算法,在获得较高压缩率同时,又克服了低码率图像编码算法中常见的边缘细节模糊的缺陷,同时,本算法在保留了矢量量化解码顺简单的优点的同时,并给出了一种易于ＶＬＳＩ实现的编码器结构,其中运动估计电路可和矢量量化器共用处理器阵列,从而减少了编码器的电路规模。’     

混合型中速率语音编码系统

设计了一种新型的中速率混合语压编码系统，该系统把语音分割成基带（０．３～１ｋＨｚ）和高频部分（１～３．４ｋＨｚ）对于重要的基带信号，采用高质量的４ｂｉｔ／样点的ＡＤＰＣＭ技术；对于相对次要的高频信号，采用高效的ＶＱ（矢量量化）技术，以压缩码率，对于矢量量化，还提出了一种新的快速算法，通过某种预处理使得搜索码本的速度提高１０倍以上，且质量等效于全搜索方法，本系统具有实现简单，时延短的特点，且主观质量     

基于信号规整和稀疏变换的语音与音频分层编码方法

基于语音和音频信号的固有周期性特征,本文构建了一种适合语音和音频信号的统一分析/合成模型,并分别在24kbps和32kbps码率下,实现了对宽带语音和音频信号的高质量分层编码.首先,本文将具有时变周期的输入信号规整为具有固定周期的信号,并对规整后的周期信号构建规整矩阵;其次,对规整矩阵的行和列分别进行调制叠接变换(MLT)和离散余弦变换(DCT),完成规整矩阵的稀疏化;最后,利用分带量化和矢量哈夫曼编码完成稀疏矩阵元素的量化和编码.主客观测试结果表明,本文所提方法的语音、音频及其混合信号的编码质量均优于同等速率下的ITU-T G.722.1和AMR-WB编码器.