6.75kbit/s码激励线性预测编码器

提出用码激励线性预测（ＣＥＬＰ）实现ＧＳＭ半速率编码器的一种方案。该方案把中心削波和结构化码本相结合，并推导了加权滤波器响应的公式，使码本搜索的计算量大大降低，存储量显著减少，并获得高质量语音。计算机模拟结果表明，本方案编码速率为６７５ｋｂｉｔ／ｓ，合成语音ＭＯＳ得分为３５ｄＢ～４０ｄＢ。该方案可以在一块ＴＭＳ３２０Ｃ３０上实时实现。     

码激励线性预测快速算法

对语音编码的两大类即波形编码和参量编码的优缺点进行了分析,重点对码激励线性预测进行了研究.首先提出了感觉加权滤波器的等效变换方法,然后提出了一种码本部分重叠分割法,计算机模拟实验证明,采用上述方法,可以得到很好的合成音质,并使运算速度显著提高。     

关于短延时码本激励线性预测编码方案的改进

在短延时码本激励线性预测语音编码方案中，直接用Ｇ．７２８所提供的现成码本时对加噪声后的语音信号进行编解码时，效果不好，作者利用ＬＢＧ算法训练了自己的码本，并利用此码本对加噪声后的语音信号进行编解码，取得了良好的效果，使主观感觉质量变好，信噪比提高了约３ｄＢ。     

子波激励线性预测（WELP）的语音编码方案

从子波变换这个新的概念,给出了一种语音信号预测模型残差激励信号的分解方法,提出了一种语音信号编码方案,即子波激励的线性预测编码法(WELP),给出了部分实验结果,实验表明,在相同的音质条件下,WELP方法比其它方法能更进一步降低比特率,有希望在低比特率语音编码中得到应用。     

线性预测编码在语音编码中的运用

本文描述了语音的产生原理、模型,对线形预测编码在语音编码中的运用进行了介绍,并对其常用求解方法进行了比较。     

各种速率矢量和激励线性预测（VSELP）编码器的实现

研究并改进了矢量和激励线性预测，语音编码器，介绍了８ｋｂｉｔ／ｓＶＳＥＬＰ编码方案的实现及在此基础上利用矢量量化ＬＰＣ参数，减少激励码本数和子块分裂等方法；改进的６．４ｋｂｉｔ／ｓ，４．８ｋｂｉｔ／ｓ及２．４ｋｂｉｔ／ｓ ＶＳＥＬＰ的方案和结果。     

多脉冲激励线性预测编码算法研究

提出一种改进型的多脉冲激励线性预测语音编码算法,并将变阶线性预测技术应用于此算法.改进后的算法与原算法相比,降低了计算复杂度,且对激励脉冲位置的估计更加准确.仿真结果表明,该算法不仅提高了合成语音的质量,而且进一步降低了语音编码的速率.     

基于谐振结构的线性预测编码

语音编码中一般用线性预测编码(LPC)建立信号的声道响应，如何提高LPC的预测增益并用尽可能少的比特数量化LPC参数将直接影响编码器的性能．文中提出了一种基于信号谐振结构的LPC技术(HLPC)，利用HLPC可使LPC谱与信号谐振峰具有最佳的拟合，同时可获得0．36dB的额外预测增益．设计了LPC参数的线性预测多层分裂码本矢量量化(LPMSVQ)方法．数值实验表明，利用LPMSVQ可在21bit／帧下获得透明的量化质量．     

语音信号的线性预测分析

本文叙述包括线性预测编码的基本概念和语音信号线性预测分析的基本原理。介绍了协方差法及李温森(Levenson)法,并对这两种方法作了比较。对谱的测定、共振频率的测定、音调检波、对数倒频谱及语言综合等作了简要介绍。     

基于Linux平台上线性预测语音编码器性能分析

线性预测编码器是一类非常重要的语音编码器。文中主要描述了几种线性预测语音编码算法的软件及实现,即码激励线性预测编码(CELP)、低延迟CELP(LD-CELP)和混合励磁线性预测(MELP),编码速率分别为4.8、16、2.4kb/s。几种语音编码器的C语言程序已在Linux平台上可编译和执行,并对结果进行了以MOS为标准的主观测试。波形分析主要使用了Praat和Adobe Audition软件。结果表明,MELP和CELP的质量相当,而LD-CELP编码器的质量则要高得多,虽然是以牺牲较高的比特率为代价。     

MPEG-4中的低速率语音编码算法

对ＩＳＯ近期将发布的ＭＰＥＧ－４中所包含的低速语音参量编码算法作了全面的介绍;详尽描述了其中各个参数的分析和合成过程,并对算法的特点进行了总结。     

2.4kbps混合激励LPC声码器算法及其实现

2.4kbps LPC声码器在窄带数字保密通信、卫星VSAT及ISDN中均有广泛的应用前景。传统的LPC声码器可以合成较高可懂度和一定自然度的话音,但其质量尚不令人满意。其主要原因是采用了过于简化的二元激励模型。本文从提高LPC声码器的质量出发,研究了采用混合激励的LPC声码器算法——M—LPC算法。与传统LPC的算法相比,M—LPC算法在激励源、基音检测及合成等方面都作了改进。计算机模拟结果表明,M—LPC算法可合成高质量的话音。本算法已采用TMS 320C25实时实现。主观试听结果表明,2.4kbps M-LPC声码器的质量令人满意。     

线性预测编码的实时语音通信系统

线性预测编码的实时语音通信系统时龙兴陆生礼李素珍（东南大学国家ＡＳＩＣ工程中心，南京２１００１８）随着无线通信的快速发展，频谱资源更显宝贵．为了更有效地利用有限的频谱资源，迫切需要实时的低速率语音编解码系统．综合目前的语音编码技术现状，选用语音的参数...     

一种改善激励源的1.2kb/s语音编码算法及其实时实现

为了适应无线通信等低速语音编码场合，吸收2.4kb/sMELP算法优点，提出了一种改善激励源的1.2kb/s混合激励线性预测算法，该算法在模型结构、LSP量化及解码等方面较传统的2.4kb/sLPC算法有了较大改进。同时，选用TMS320VC5416DSP芯片实时实现了以该算法为核心的声码器。客观音质测试和非正式主观测试结果表明，该算法在自然度、清晰度和抗噪声等方面明显优于2.4kb/sLPC算法，是低速率下一种良好的编码方案。     

0.8 kb/s高质量声码器算法

随着通信的发展,对极低速率下语音压缩编码算法的需求越来越迫切.为满足极低码率的要求并获得高质量的合成语音,提出了一种高质量的0.8 kb/s 声码器算法.此算法基于传统的线性预测模型,利用多帧联合的超级帧参数分模式联合矢量量化技术,以及多带混合激励,子带清浊音参数相关预测,自适应谱增强,脉冲扩散后滤波等技术.主观听觉测试显示,此声码器在0.8 kb/s的速率下其合成语音不仅具有高可懂度而且具有一定的自然度,诊断押韵测试(DRT)的分数为85%,而且此声码器在10-2的随机误码的信道条件下仍然具有很好的可懂度.     

高质量的0.6 kb/s声码器算法

为满足语音信息存贮和交流对极低速率下语音压缩编码的需求,提出了一种0.6 kb/s声码器算法.此算法基于线性预测正弦激励模型,在极低码率下获得高质量的合成语音,提出清浊音定位和量化方法,应用了多帧参数联合矢量量化技术,以及多带正弦混合激励、谱增强等技术.主观听觉测试显示,在0.6 kb/s的速率下,此声码器合成语音不仅具有高可懂度而且具有一定的自然度,诊断押韵测试(DRT)的分数为89.5%, 而且在10-2的随机误码的信道条件下仍然具有很好的可懂度.实验表明 利用帧间参数相关性及矢量量化的方法可以将编码速率大幅度压低而保持较高清晰度.     

可变速率声码器的性能研究

主要介绍了Q4401可变速率声码器的工作原理和各种功能，PCM接口和CPU接口、初始化过程及命令格式等，并设计了一种典型的应用实例。实验证明该声码器将语音信号压缩至4-9.6kbit/s范围时，可达到普通电话的通话效果。     

预测自适应Gauss混合模型线谱频率的量化

为了实现高质量低速率的语音编码,提出了高效线性预测Gauss混合模型(Gaussian mixture model,GMM)线谱频率参数量化算法(LP-GMM-LSFQA)。线谱频率(linear spectral frequency,LSF)参数先去均值,经过一阶线性预测,得到残差信号,将残差用协方差矩阵为对角阵GMM量化算法进行量化。在此基础上,利用反量化后参数自适应更新GMM的加权系数和均值,进一步提出了预测自适应GMM-LSF量化算法(LP-AGMM-LSFQA)。实验表明:LP-GMM-LSFQA在20 b/帧时量化性能超过预测分裂矢量量化22 b/帧时的量化性能,节约2b/帧;LP-AGMM-LSFQA量化性能优于LP-GMM-LSFQA。