甚低速率波形內(nèi)插語(yǔ)音編碼研究.pdf

1、在低速率語(yǔ)音編碼領(lǐng)域，波形內(nèi)插(WI)語(yǔ)音編碼算法性能優(yōu)良，具有十分重要的理論研究意義和實(shí)際應(yīng)用價(jià)值。本文針對(duì)WI語(yǔ)音編碼模型和參數(shù)量化等技術(shù)進(jìn)行了研究，并最終提出了一種基于二維非負(fù)矩陣分解的1kb/s波形內(nèi)插(2DNMF-WI)語(yǔ)音編碼算法。 在特征波形分解問(wèn)題上，本文提出了二維非負(fù)矩陣分解(2D-NMF)語(yǔ)音特征波形(CW)的方法。它是根據(jù)CW幅度譜矩陣列方向的頻率變化特性以及行方向的波形慢漸變特性，對(duì)其進(jìn)行列非負(fù)矩陣分解和

2、行非負(fù)矩陣分解，從而在行和列兩個(gè)方向上同時(shí)壓縮CW幅度譜矩陣的維數(shù)。該分解方法帶來(lái)了量化方面的優(yōu)勢(shì)，使得CW幅度譜矩陣降維后得到的編碼矩陣維數(shù)較小，易于量化。 本文基于2DNMF-WI模型，按幀對(duì)語(yǔ)音數(shù)據(jù)進(jìn)行語(yǔ)音分析和參數(shù)提取，提取的參數(shù)包括：線譜頻率(LSF)、基音周期、功率和編碼矩陣。在甚低速率語(yǔ)音編碼中，由于沒(méi)有足夠的比特?cái)?shù)來(lái)描述上述參數(shù)，往往很難得到高質(zhì)量的合成語(yǔ)音。本算法采用兩幀聯(lián)合編碼、幀間后向預(yù)測(cè)三級(jí)矢量量化、離散