共查询到19条相似文献,搜索用时 75 毫秒
1.
高质量的4 kb/s散布脉冲CELP语音编码算法 总被引:11,自引:0,他引:11
本文提出了一种散布脉冲CELP(DP-CELP)语音编码算法,激励矢量由特殊结构的代数码书与固定形式的散布脉冲的卷积获得,这种激励源有效地改善了重建语音质量,但未增加代数码书搜索的复杂度.非正式的主观听力测试表明,这种4 kb/s DP-CELP语音编码算法的合成语音质量非常接近G.723.1中6.3 kb/s语音编码器. 相似文献
2.
3.
4.
分析了混合激励线性预测(MELP)算法采用的新的语音分类模式,介绍了该算法所采用的5项关键技术,即分带混合激励、使用非周期脉冲、残差谐波谱的处理、自适应谱增强技术、脉冲离散滤波,并对3种低速率语音编码算法的语音质量作了比较。 相似文献
5.
6.
基于码激励线性预测语音编码技术,提出一种低复杂性8Kb/s代数码激励线性预测语音编码。解码器中采用自适应基频前置滤波器与频谱后置滤波器,以进一步提高再生语音的质量。 相似文献
7.
8.
16kbit/s低延迟码激励线性预测算法已被CCITT接纳为G.728建议,本文讨论了数字信号处理器TMS3420C30实时实现该算法的方法,并研究了由递归窗函数和混合窗函数实现了自相关系数的更新。 相似文献
9.
10.
LPC(线性预测编码)是语音信号分析的有效方法.文中阐述了LPC的基本原理,提出了一种基于DSP的PLC实现方案.在对TMS320C5401的软硬件资源进行介绍的基础上,对系统的工作原理、硬件、软件进行了分析和研究,测试结果表明系统利用高速DSP能实时地实现LPC,具有实现简单,效果良好的特点. 相似文献
11.
Bao Changchun 《通信学报》1998,19(5):0
ANovelLowbitrateSpechCodingBasedonDecompositionofthePitchcycleWaveformoftheLinearPredictiveResidualBaoChangchun(Departm... 相似文献
12.
针对极低速率语音通信的要求,提出了一种基于MELP(Mixed-Excitation Linear Prediction)的0.6Kb/s语音编码算法。把MELP算法中3个连续语音帧组成一个超级帧,充分利用参数的帧间相关性,进行联合量化,从而获得了高质量的合成语音。采用对线谱对频率的两帧联合量化与双向预测矢量量化对基音周期的按清浊音分模式量化,对子带清浊参数量化的统计码本构造,对能量参数采用分离均值矢量量化解码端对能量参数采用了一种效果更好的插值算法等。 相似文献
13.
一种高质量的4 Kb/s RCELP语音编码算法 总被引:1,自引:0,他引:1
给出一种高质量的4Kb/s更新式码激励线性预测(RCELP)语音编码算法。该算法的编码器帧长为20ms,主要特点是使用了从自适应激励信号中分析得到的码本作为固定码本,采用预测式两级分裂矢量量化器量化线谱对(LSP)参数。主观试听表明,该算法的MOS值为3.67,其语音质量与32Kb/s ADPCM基本相当。 相似文献
14.
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,利用了语音帧内和帧间的相关性,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,有效地降低了运算量.对于随机码本,采用了具有多模结构的代数码本,提高语音合成质量.对于激励码序列的增益,采用了预测式矢量量化,有效地提高了量化精度.经非正式听音测试,4kb/s
FS-ACELP的合成语音质量超过了北美8kb/s VSELP,接近G.729 8kb/s CS-ACELP,MOS分约为3.9. 相似文献
15.
基于增强型混合激励线性预测模型,提出一种高质量的300 bit/s声码器算法。每个语音帧仅提取少量参数,为提高量化效率,每8个语音帧组成一个超级帧,对超级帧参数进行矢量量化。算法采用基于模式转移的码本映射估计带通浊音度参数,改善其量化精度。对不同带通浊音度模式下的基音参数量化码本尺寸进行联合优化,提高量化效率。同时,对线谱频率参数采用带有级间预测的多级矢量量化以降低谱失真。主观听觉测试表明,此声码器具有较高的可懂度并具有一定的自然度,诊断押韵测试(DRT)的分数为84.2%。 相似文献
16.
17.
Minjie Xie 《中兴通讯技术(英文版)》2012,(2):25-33
Lattice vector quantization(LVQ) has been used for real-time speech and audio coding systems.Compared with conventional vector quantization,LVQ has two main advantages:It has a simple and fast encoding process,and it significantly reduces the amount of memory required.Therefore,LVQ is suitable for use in low-complexity speech and audio coding.In this paper,we describe the basic concepts of LVQ and its advantages over conventional vector quantization.We also describe some LVQ techniques that have been used in speech and audio coding standards of international standards developing organizations(SDOs). 相似文献
18.