低速率多帶激勵線性預測語音編碼技術的研究.pdf

1、近年來,隨著無線通信產業(yè)的發(fā)展,用戶需求快速增長,導致可供使用的頻譜資源越來越少,提高頻譜利用率成為解決頻譜資源短缺的重要手段。語音通信是無線通信的基本業(yè)務應用,低速率、高質量一直是其追求的目標。多帶激勵(Multi-Band Excitation,MBE)模型是語音編碼算法中低速高質的一種典型代表。該模型采用了參數(shù)編碼,相對于波形編碼降低了編碼速率；同時,此模型將頻段進行了更細小的劃分,提高了清/濁音判決的精確度,從而提高了語音的質量

2、。
　　 本文工作包括語音通信中多模多帶線性預測語音編碼算法的研究以及矢量量化方法的改進,主要創(chuàng)新性成果如下:
　　 1.提出了一種多模多帶激勵線性預測(Multimode MBE with Linear PredibtiveCoding,MMBE-LPC)語音編解碼器模型。這種編解碼器與現(xiàn)有的MBE編解碼器相比在兩個方面有所改進。一、解決了頻譜幅度變維量化的難題。結合線性預測的方法,將維數(shù)變化的頻譜幅度轉換為維數(shù)固定的

3、線性預測系數(shù)；并將線性預測系數(shù)用線譜頻率(Line Spectral Frequency,LSF)參數(shù)表示并進一步量化,保證了量化的精確度。二、提出了一種子帶劃分方法和清/濁音判決閾值。先確定每幀中子帶的個數(shù),再對各子帶進行清/濁音判決,進而對判決結果進行模式劃分。由于在不同的清/濁音判決模式下,LSF參數(shù)的統(tǒng)計特性不同,因此采用不同的碼書對LSF參數(shù)矢量進行量化,提高了量化的質量。另外,該模型采用了一種與能量相關的、自適應的清/濁音判

4、決閾值,比MBE的閾值設計更加簡化。仿真結果顯示,時域合成語音的清音區(qū)和濁音區(qū)劃分清晰,且與原始語音一致,語譜圖也擬合得很好。
　　 2.提出了一種量化LSF矢量參數(shù)的滑動平均多級分裂矢量量化方法(MovingAverage Multi-Stage Split Vector Quantization,MA-MS-SVQ)。采用該方法生成碼書,更充分地利用了線譜頻率參數(shù)幀內和幀間的相關性,減小了碼書的存儲空間,降低了碼書的搜索復雜

5、度。這種矢量量化器將線譜頻率參數(shù)去除平均值后進行一階滑動平均預測,將殘差進行三級矢量量化。在第二級量化時,將高維線譜頻率參數(shù)矢量分裂成兩個低維的部分,分別用不同的碼書進行量化。仿真結果表明,在低速率編碼下,合成語音的平均譜失真達到0.91dB,2dB～4dB的譜泄露為0.13％,無4dB以上譜泄露。碼書的存儲空間和搜索復雜度均降低了31％以上。
　　 3.提出了一種貪婪樹初始碼書間距最大化算法(Most Dispersed Gr

6、eedy TreeGrowing Algorithm,MD-GTGA),用來設計Linde-Buzo-Gray(LBG)算法初始碼書,解決了LBG算法容易陷入局部最優(yōu)的問題。MD-GTGA首先采用貪婪樹生長算法(Greedy Tree Growing Algorithm,GTGA)生成基礎碼書,然后再采用碼書間距最大化算法(Most Dispersed Codewords in Initialization,MDCI)從基礎碼書中生成初

7、始碼書。在仿真中對隨機法、分裂法、GTGA和MDCI算法進行了比較,結果表明,采用GTGA生成LBG算法初始碼書,合成語音的平均譜失真最小。與GTGA和MDCI算法相比,MD-GTGA降低了量化的平均失真度與平均譜失真。
　　 4.提出了一種改進的成對最近鄰(Improved Pariwise Nearest Neighbors,IPNN)算法,用來生成LBG算法初始碼書。該算法首先采用隨機法或者分裂法選定預備碼書,然后采用PN