论文部分内容阅读
语音编码技术是通信和信息技术中备受关注的重要领域。码激励线性预测编码(CELP)是目前应用最多的混合编码技术,它以高质量的合成语音、优良的抗噪特性、良好的多次转接性等优点,在中低速率语音编码上得到了广泛的应用,代表了该领域的发展方向。很多语音标准都是基于CELP算法模型之上而制定的,但它们都采用了AR模型。实际上,语音信号同时含有极点和零点,仅用AR模型不能较好地反映语音信号的特性,所以本论文基于ARMA模型进行了研究,并将其应用到CELP算法中。主要内容如下：(1)研究了CELP算法的编解码原理。论文以4.8kb/s FS-1016标准为例,重点介绍了线性预测、知觉加权、码本搜索的原理。采用Matlab对FS-1016进行了仿真,可以看出,合成语音可大致还原出输入语音的时间波形包络,但在能量较低处,效果较差。(2)研究了时间序列的模型识别和模型定阶,确定了语音信号的定阶方法。通过分析相关函数的图形,可以判别模型的类型；采用AIC准则,可以进行模型定阶。语音信号实质就是时间序列,且具有短时平稳性；通过相关函数图形,结合语音信号的特性,选择ARMA进行分析；用求平均最佳零极点的方法得到了清浊音的零极点数。(3)对模型参数和功率谱进行了估计。采用矩估计和逆函数的方法求参数初值；在最小二乘法中,用共轭梯度法进行迭代,就得到了ARMA模型的参数估计。由仿真可知,ARMA模型比AR模型的功率谱更加准确,更适合描述语音信号的特性。(4)将ARMA应用到CELP算法中。在CELP算法中,对清浊音采用不同的阶数,用ARMA的估计参数构成新的线性预测滤波器,从而实现ARMA-CELP编解码。仿真表明,ARMA-CELP的合成语音的时间波形更接近原始语音,且音质较好。