语音谱参数的增强双预测多级矢量量化的码本设计方法

表征语音谱参数的线性预测编码(LPC)参数被广泛用于各种语音编码算法。甚低位率语音编码算法要求使用尽可能少的位率编码语音谱参数。文章提出了语音谱参数的增强双预测多级矢量量化算法(EDPMSVQ)的码本设计方法。这种改进的多级矢量量化方法充分利用语音谱参数的短时相关和长时相关特性,采用了有记忆的多级矢量量化算法(MSVQ),对语音谱参数的每一维分别使用不同的预测系数;并且通过利用相邻语音帧间语音谱参数的强相关和弱相关的不同特点,采用了分别对应于强相关和弱相关的两个预测值集合,进一步减小了语音谱参数编码位率。增强双预测多级矢量量化方法能够实现20位的语音谱参数近似“透明”量化,同时能够使语音谱参数量化时的计算复杂度略有减少,所需的存储空间大为减少。     

语音谱参数的切换双预测多级矢量量化的码本设计方法

提出了语音谱参数的切换双预测多级矢量量化算法（DPMSVQ） 的码本设计方法。这种改进的多级矢量量化方法充分利用语音谱参数的短时相关和长时相关特性，采用了有记忆的多级矢量量化算法（MSVQ）；并且通过利用相邻语音帧间语音谱参数的强相关和弱相关的不同特点，采用了分别对应于强相关和弱相关的两个预测值，进一步减小了语音谱参数编码位率。切换双预测多级矢量量化方法能够实现21位的语音谱参数近似“透明”量化，同时能够使语音谱参数量化时的计算复杂度略有减少，所需的存储空间大为减少。     

一种增强的LPC参数多级矢量量化技术

为充分利用码本的级间相关性,提出了一种联合码本优化多级矢量量化(JCO-MSVQ)码本设计方法。每次迭代时,先将训练矢量对码字进行聚类,再对各级码本进行联合优化,利用条件期望逐级更新码本。实验数据表明,该算法在设计10维线谱频率(LSF)参数量化码本时,较随机松弛算法(SR)码本有更小的平均量化畸变。23比特/帧LSF参数量化器平均对数谱失真为0.87dB,达到了透明量化要求。     

低速语音编码中的预测分类分裂矢量量化技术*

为降低编码速率的同时仍能提供较好的谱失真性能,提出了一种预测分类分裂矢量量化算法,它根据线谱对的特点,融合了预测、分类、分裂的方法对线谱对进行量化,加入了记忆性。实验证明与其他几种方法相比,该算法的量化性能在速率与失真间达到了较好的平衡,且计算量大大降低,仅占有内存有所增加。     

基于高斯格型矢量量化的导谱频率参数量化方法

为了降低宽带导抗谱频率(ISF)参数矢量量化器的运算复杂度和存储空间,提出了一种随机矢量-高斯格型矢量两级矢量量化模型,研究了量化模型的联合量化算法和码本训练算法.基于上述量化模型设计了一种宽带ISF参数预测式两级矢量量化器,量化算法的第一级使用随机矢量量化第二级采用高斯格型矢量量化.实验结果表明,ISF参数预测式两级矢量量化器在45比特/帧可以达到透明量化,相比于ITU-T G.722.2中的分裂-多级矢量量化(S-MSVQ)方法,该方法降低了41.7%的存储空间和3..1%的运算复杂度.     

基于线谱区域量化技术的低语音编码

本文将线谱对（Linear Spectrum Pair,LSP )参数用于语音编码,同时分析比较了LSP与常用的线性预测系数（LPC）和格滤波发射系统（PARCOR）的特征分别,并由此引入更能有效量化线谱对参数的区域量化技术。因此在保证编码后语音MOS指标的同时可以达到进一步降低码率的目的。     

G．729语音编码算法线谱频率量化的研究

在G．729的语音编码算法中，线谱频率量化是采用预测式矢量量化。当语音传送中出现帧丢失时，采用该方法在译码端会产生误差积累，从而导致语音质量下降。为了降低误差积累的影响，本文提出了一种新型的矢量量化方法。实验结果表明，该方法在防止误差积累方面与G．729相比，性能有明显的提高。     

基于分裂预测式矢量量化的研究

为降低误差积累对线谱频率量化的影响,防止因此而导致语音质量下降,本文提出了基于分裂预测方法的新型混合式矢量量化结构.实验结果表明,该方法不仅比G.29的语音编解码算法明显降低了累积误差,平均谱失真在丢帧严重的情况下降低了达36%,而且提高了量化的透明度.     

一种采用混合激励的超低速率分段声码器

为满足通信和多媒体存储对超低速语音编码的要求,提出了一种平均编码速率为200和300 bps的超低速率声码器算法.结合分段声码器和MELP算法的优点,该算法对语音建立了混合激励分段编码模型.提出了线谱对参数的变雏矩阵量化和激励参数的变雏矢量量化方案,在超低速率条件下获得了较好的量化效果,同时有效地降低了码本存储量.非正式主观听力测试表明:编码速率为300 bps时,重建语音保持了较高的可懂度和一定的自然度;编码速率为200 bps时,语音质量仍可以接受.     

基于DSP的甚低速率语音编码算法及其实现

在混合激励线性预测(MELP)算法的基础上,设计一种1 120 b/s MELP甚低速率语音编码算法。该算法通过增加帧长、动态比特分配和多帧联合矢量量化、及参数内插等方法降低语音的编码速率,并已在TMS320VC5416DSP芯片上实时实现。采用美国GL公司的语音质量评估系统VQT,对编解码的实时语音质量进行评估,语音质量感知评价高于3分。实验结果表明,该算法能够满足实际通信要求。