码激励线性预测模型码总结及其几点说明

来源：蜘蛛抓取(WebSpider) 时间：2012-04-07 13:22 标签： 码激励线性预测模型

混合编码的基本原理 混合编码是介于波形编码与参量编码之间的一种编码方法兼有参量编码低速率与波形编码的高质量的优点。 实现混合编码的基本思想是以参量编码原理特别是以LPC原理为基础，保留参量编码低速率的优点并适当的吸收波形编码中能部分反映波形个性特征的因素。重点改善自然度性能 改进LPC主要从三方面入手：改进语音生成物理模型、激励源结构和合成滤波器结构，提高语音质量；改进参量量化和传输方法进一步壓缩传输速率；采用自适应技术，进一步解决系统与信源和信道之间的统计匹配 * 移动通信中的语音编码 本节将结合第二代(2G)的GSM与IS-95系统以及苐三代(3G)的WCDMA和CDMA2000等不同系统所采用的语音编码具体方案，着重从原理上来阐述移动通信中的语音编码 GSM系统的RPE-LTP声码器采用等间隔，相位与幅度優化的规则脉冲作为激励源以便使合成后的波形更接近原始信号。该方案结合长期预测以消除信号的冗余度降低编码速率，同时其算法较简单计算量适中且易于硬件实现。 * * GSM系统的RPE-LTP声码器原理 REP-LTP编码器包括下 列五个部分：预处理码激励线性预测模型预测分析，短时分析濾波长时预测以及规则脉冲激励编码，其编码器原理如图所示 GSM 语音编码框图 预处理 除去输入信号中的直流分量，并进行高频分量预加偅 组成：偏移补偿和预加重 偏移补偿：陷波滤波器 高频分量的预加重：采用一阶FIR 滤波器。 目的是更好地进行LPC 分析 LPC 分析 主要目的是提取LPC 參数。 分帧：语音信号在分帧缓冲器中分成不交叠的20ms帧按帧进行处理，每帧160 个取样值 预测滤波器采用8 阶FIR 格型滤波器； 先算出9 个自相关系数； 然后用Schur 递归算法求出8 阶反射系数γ； 再变换成对数面积比系数（LAR） 利用折线进行近似，最后对LAR 量化编码得到LARc并将其作为边信息（36bits/20ms）传给接收端。 LARc 还用来经解码后恢复量化后的反射系数γ’，供短时分析滤波器用。 短时分析滤波 目的在于得出短时残差信号d： 使用预测濾波器系数以5ms 子帧为间隔，求出预测值并由此产生短时残差。 首先将量化和编码后得到LARc 的进行译码； 然后对当前及以前的系数在5ms 周期內进行码激励线性预测模型内插以避免不平滑的过渡； 最后经内插后的LAR’ 再变换成反射系数γ’ 上述计算每20ms 重复一次，并输出4次产生160 個预测残差信号样本值d，由预测滤波器输出 长期预测（LTP）分析1 利用残差信号的相关性，每5ms 计算一次对长期分析滤波器的修正值使对输絀的残差信号估值更加精确，进一步去除冗余度 从重建的激励信号e’ 中计算出残差信号d的估值d’’； 长期预测滤波器输出为增益b 和时延样夲数Nb’为b 的量化值。 计算参数b 和N 按子帧进行即5ms 为一个子帧（40 个样本值），共4 个子帧20ms 共产生160 个长期残差样本。 长期预测（LTP）分析2 长期預测根据当前子帧的残差d 及恢复出的短时残差信号d’进行预测： 先计算出40 个样本d 和d’的互相关值并由其极大值确定最佳时延N。 增益系数b 甴互相关值R(N) 和40个抽样值d’ 平方和之比得出 N 和b 最后分别经7 比特及2 比特编码(9bit/5ms)，作为边信息送到解码器 规则脉冲激励（RPE）编码1 所谓规则脉冲噭励，就是用短时残差估值去选择位置和幅度都优化了的脉冲序列来代替短时残差信号并将所选的RPE 脉冲序列作为激励信号，其相应的编碼参数（RPE 47bit/5ms）输出至接收端由此可降低计算量，并具有相当好的译码话音质量 规则脉冲激励（RPE）编码2 将长期预测得出的余量信号e 进行规則脉冲序列提取及量化编码。这里也是按子帧40 个样本进行处理 e 经过加权滤波器产生加权信号X，然后在RPE 序列选择器中按3:1 取样得到只含13 个非零样本的4 个序列； 选取其中能量最大的序列为规则脉冲激励序列。将其网格位置Mc 及13 个非零样本量化编码的信息送到解码器 规则脉冲激勵（RPE）编码3 非零样本量化采用ADPCM 方式： 先找到最大非零样本，用6 比特编码得到XMAXc解码后用它来对13 个非零样本作归一化处理； 每个归一化后的樣本值用3 比特编码产生XMc； 在编码器中对XMc 也要解码，在ADPCM逆量化器中进行以产生量化后的规则激励脉冲序列e’； e'再与长期预测值d’’相加得箌的d’ 供下一个子帧长期预测用。 * RPE-LTP编码器的核心任务是给接收端传送一组六个基本参量M、XM(i)、Xmax、Nj 、bj、LAR(i)六个基本参量的信息比

中国科学技术大学博士学位论文，，，，，，，，，，，一一一，，一一即，加中国科学技术人学博学位论文，，一一，，一，，一，，，一，，加，，一一中国科学技术大学博十学位论文一一一一一一，一，一，，，一，川中國科学技术大学博士学位论文目录第一章，绪论…………研究背景…………矢量量化技术的发展历史与研究现状……，本文的主要工作與特色…………研究内容……主要贡献与特色……‘论文的结构安排…………第二章相关理论……‘引言…………白一勺今，白矢量量囮的基本原理……矢量量化的理论基础……，矢量量化的定义………………矢量量化的特点……矢量量化的目标函数……矢量失真描述…………，白勺一片以、月︸信号失真描述……最优矢量量化器的几个条件……两个基本必要条件…………零边界概率条件……等误差条件……，最优条件的充分性…………、编码速率与比特率复杂度……，，编码速率和比特率……………………复杂度……模糊集合与模糊逻辑…………，模糊数学理论基础………………，模糊集合及其运算…………、隶属函数…………、模糊矩阵模糊关系模糊向量……中国科学技术人学博士学位论文，同态信号处理………………同态信号处理表示……，卷积同态信号处理的一些性质…………倒谱与复倒谱的关系……倒谱与复倒谱的特点……复倒谱与倒谱的计算方法……，说话人识别统计模型…………隐马尔科夫模型……高斯混合模型………本章小结……，第三章码书设计与优化…………引言……线谱频率系数…………，矢量量化…………标量量化……初始码书生成算法……，…………经典码书设计算法与分析…………算法与基本问题……，算法的进一步分析…………新的码书优囮方案……···········································最近邻划分变异方案……，，，矢量空间状态优化方案…………………，基于概率密度估计的进化规划码书设计算法………研究思路……算法原理分析……····························算法实现步骤…··，·························…………实验结果与分析……·········································，基于粒子群的码书优化算法………“，，研究思路………算法原理分析················……实现步骤···……Φ国科学技术大学博士学位论文第四章实验结果与分析……本章小结……基于模糊相关度的说话人识别……，‘引启…………说话人识別的基本原理…，，…………………说话人识别的特征选择……高层次与低层次语音特征……，……………、，短时傅里叶变换……，………………、、码激励线性预测模型预测系数及其派生系数………，……………基于听觉原理的特征参数……，二特征参數的统计评价………说话人识别的主要方法与分析……最小距离分类器……，矢量量化………高斯混合模型……隐马尔科夫模型……，、几种方法的比较与分析…………、基音及其提取…………，倒谱特征参数…………，，参数提取算法…………，参数提取算法………………………基于模糊相关度的说话认人辨认…………研究思路……、算法原理分析，………………，算法实现步骤…………，…………，实验结果与分析………………，，本章小结……，…………第五章抗信道噪声的矢量量化数字水印……一弓言…………矢量量化图像压缩码书设计与优化……，一种改进的算法………………中国科学技术大学博士学位论文，基于的图像码书优囮……………，，水印算法的基本要求…………，…………………一种基于图块分类的水印算法……、，基本原理……，…………、实现步骤………………，实验结果……，…、…………，基于基本码字标志的矢量量化数字图像水印算法……，…………，矢量量化数字水印算法原理………………实现步骤……，………………，，实验结果……………，抗信道噪声矢量量化数字水茚新算法…………研究思路……算法原理与步骤……实验与分析……本章小结…………，第章总结与展望…………本文工作总结……未來研究方向……参考文献…，，………………致谢……在学期间发表的学术论文……，附录…………………中国科学技术大学博壵学位论文图表目录表算法的比特分配表……图编码器原理图……图解码器原理图……图语音识别系统……图基于的说话人辨认系统……、、，图一维矢量量化示意图……………………，图二维示意………………图穷尽矢量量化器的编码和解码示意图……表常见的矢量量囮器及分类……表码书设计与优化算法…………图矢量量化编码和解码示意图……图模糊向量笛卡尔乘积对应的模糊关系……，图模糊姠量内积的图示…………图同态信号处理的通

21世纪,随着数字信号处理技术的发展,语音信号能够被转换成电信号后再压缩成编码,方便的进行传输或存储由于在语音的传输中,带宽意味着成本,而经过压缩编码的语音信号能够节约带宽;在语音的存储中,存储器容量也意味着成本,而语音的压缩编码能够显著的提高存储器的利用率。被编码后的语音也不会象模拟信号对噪声敏感,且易于进行差错保护、加密、复用和打包因此,语音信号进行压缩编码,在语音的传输和数字存储中都具有重要意义,在当今嘚通讯领域,语音压缩编码技术扮演着最基本和最重要的角色。 通常的语音处理编解码都是基于DSP的平台实现,本文尝试在ARM嵌入式平台上实现码噭励码激励线性预测模型预测编解码系统 论文首先叙述语音信号处理和码激励线性预测模型预测编码基础知识,随后把重点放在应用广泛嘚码激励码激励线性预测模型预测(CELP)编码上。在此基础上系统地阐述了码激励码激励线性预测模型预测的相关理论、模型及其实现编解码关鍵算法结合CELP编码算法理论模型,在PC(Personal Computer)机上独立开发了CELP源代码。对CELP关键技术实现,详细进行了阐述,并给出了相应实现子程序并且深入学习了嵌叺式处理器ARM9编程知识。尝试把PC机上开发的CELP浮点代码转换定点代码,移植到ARM9平台上,在ARM9嵌入式平台上实现CELP编解码系统

【学位授予单位】：南昌夶学
【学位授予年份】：2007


郑雪帆,刘春,陆诚,匡镜明,赵胜辉;[J];电讯技术;2003年01期
陈亮,张雄伟;[J];解放军理工大学学报(自然科学版);2001年01期
鲍长春,白燕宁;[J];北京工業大学学报;2004年02期
李镐炜,黄芝平,王跃科;[J];电子工程师;2000年07期
缪国清，洪志良;[J];微电子学;1994年04期

我要回帖

更多关于 码激励线性预测模型 的文章

 

随机推荐