基于瞬時幅度加噪聲模型的語音壓縮.pdf

1、隨著信息技術(shù)的發(fā)展，信道資源越來越寶貴，為了提高存儲效率和減小存儲空間，在允許的失真條件下，如何設(shè)計/實現(xiàn)高質(zhì)量的低速率語音編碼器是當(dāng)前的熱點之一。
　　 現(xiàn)如今，采用單一的編碼技術(shù)很難滿足上述要求，混合編碼技術(shù)已成為語音編碼的優(yōu)選方向。本文研究了一種確定分量和隨機分量組合的語音信號表示模型——瞬時幅度+噪聲模型，它是正弦+噪聲模型的一種改進型結(jié)構(gòu)。正弦+噪聲模型是一種譜模型結(jié)構(gòu)，它利用人類對聲音的感知特性，將聲音的周期分量以正

2、弦的時變幅度、頻率和相位形式來表示，剩余的非周期分量(殘差信號)用已濾波的噪聲形式呈現(xiàn)。因為周期分量的不穩(wěn)定性，在語音信號中，估計正弦模型的參數(shù)是一項十分困難的任務(wù)，進行正弦軌跡的匹配和相位參數(shù)的平滑也是相當(dāng)繁瑣的工作，同時也很難達到較高的時間和頻率分辨率。因此，我們提出了一種改進型正弦模型一一瞬時幅度(IA)模型。該模型主要是把正弦模型中難估計的相位參數(shù)轉(zhuǎn)化為對兩個瞬時幅度參數(shù)的估計，從算法的實現(xiàn)角度上做了簡化。同時對頻率參數(shù)的估計采

3、用了一種迭代的方法，利用該方法提取出的正弦分量都是相對人耳最重要的成分，從而使得合成的語音在質(zhì)量上得到了相對提高。對于剩余的非周期分量我們采用線性預(yù)測分析合成原理，建立一個全極點聲道模型，然后估算并傳輸模型參數(shù)和激勵參數(shù)。
　　 對瞬時幅度+噪聲模型提取的參數(shù)分別進行編碼傳輸，對于正弦分量的幅度參數(shù)提出了一種多項式包絡(luò)擬合的方法。而對于線性預(yù)測(LP)系數(shù)，由于量化后再傳輸會對系統(tǒng)造成不穩(wěn)定的現(xiàn)象，因此將其變換成更適合編碼和傳輸

4、的參數(shù)——線譜頻率(LSF)參數(shù)。通過對模型參數(shù)的量化、編碼和解碼，我們設(shè)計了一個編碼速率為10.72 kb/s的語音編解碼器。
　　 同時，本文設(shè)計了一個MATLAB用戶圖形界面(GUI)。我們將仿真后的數(shù)據(jù)都儲存在該界面中，并通過對界面上的按鍵操作實現(xiàn)相應(yīng)的功能，例如播放語音，顯示語音的波形圖等功能。通過大量的實驗數(shù)據(jù)和平均意見得分(MOS)主觀測聽評價得出，本文基于瞬時幅度+噪聲模型設(shè)計的語音編解碼器具有較好的性能，合成的