论文部分内容阅读
在低速率语音编码领域,波形内插(WI)语音编码算法性能优良,具有十分重要的理论研究意义和实际应用价值。本文针对WI语音编码模型和参数量化等技术进行了研究,并最终提出了一种基于二维非负矩阵分解的1kb/s波形内插(2DNMF-WI)语音编码算法。
在特征波形分解问题上,本文提出了二维非负矩阵分解(2D-NMF)语音特征波形(CW)的方法。它是根据CW幅度谱矩阵列方向的频率变化特性以及行方向的波形慢渐变特性,对其进行列非负矩阵分解和行非负矩阵分解,从而在行和列两个方向上同时压缩CW幅度谱矩阵的维数。该分解方法带来了量化方面的优势,使得CW幅度谱矩阵降维后得到的编码矩阵维数较小,易于量化。
本文基于2DNMF-WI模型,按帧对语音数据进行语音分析和参数提取,提取的参数包括:线谱频率(LSF)、基音周期、功率和编码矩阵。在甚低速率语音编码中,由于没有足够的比特数来描述上述参数,往往很难得到高质量的合成语音。本算法采用两帧联合编码、帧间后向预测三级矢量量化、离散余弦变换(DCT)、分裂式矩阵量化等技术降低编码速率,保证合成语音的质量。
最后,将本文提出的1kb/s2DNMF-WI语音编码算法进行了主观听音测试,并将此算法与原2kb/s NMF-WI编码算法相比较。判断韵字测试(DRT)结果表明,1kb/s2DNMF-WI语音编码算法获得的重建语音清晰度为良。MOS分测试结果显示,1kb/s2DNMF-WI编码器的质量稍差于2kb/s NMF-WI编码器。