基于正弦模型的语音编码算法分析-analysis of speech coding algorithm based on sinusoidal model.docxVIP

摘要摘要在语音编码领域最常用的算法就是基于线性预测(LPC)的语音编码算法，例如那些基于MELP和CELP算法的区域性和国际性的语音编码标准，但这些编码算法存在性能上的不足。在LPC技术中由于语音信号被认为是一个声门激励信号通过一个表示声道特性的线性时变滤波器后所得的响应，因此基于它的编码算法在处理具有背景噪声的语音、多人同时讲话的语音以及有音乐背景的语音时并不是很有效。而另一方面，正弦模型通过一个不同的正弦波的幅度、频率和相位的参数集合来表示语音信号，打破了LPC模型的限制。因此与LPC模型相比，正弦模型必然会有更广泛的应用。为研究正弦模型的原理并将其应用于不同的语音信号处理应用中，本文主要做了以下工作：第一，基于公开发表的论文深入研究了正弦模型的原理及其分析合成语音的方法。第二，基于正弦模型，设计并用C语言实现了语音分析合成算法。第三，为测试正弦模型语音处理的效率，设计并实现了一种简单的9.6kb/s基于正弦模型的语音编码方案。最后，对正弦语音模型以及9.6kb/s的语音编码方案做出性能评价。测试结果表明，正弦模型可以通过较少的正弦波参数有效的表示语音信号，并且可以提供较高的重建语音质量。而9.6kb/s的语音编码方案也表明正弦模型具有较好的性能。关键词：信源编码语音编码正弦模型正弦分析合成正弦语音编码AbstractAbstractIntheareaofthespeechcoding,mostpopularspeechcodingalgorithmsarebasedonlinerpredictivecoding(LPC),suchasmanyregionalandinternationalspeechcodingstandardsonthebasisoftheMELPandtheCELPalgorithms.ButtheperformanceofthesecodingmethodsislimitedbytheLPCmodelwhichisbasedonthewaythatpassingaglottalexcitationwaveformthroughatime-varyinglinearfilterthatmodelstheresonantcharacteristicsofthevocaltractandproducingspeechsignals.TheLPCmodelisnotthateffectivewhencodingthespeechinthenoisyenvironments,orwhenprocessingmultiplespeakersorspeechwithmusic.Butontheotherhand,thesinusoidalspeechmodelrepresentsthespeechbyasetofsinusoidalsignalswithdifferentamplitudes,frequenciesandphases,itdoesnothavethelimitationsoftheLPCmodels,andthereforethesinusoidalspeechmodelmusthavemoreapplicationsthanLPCmodel.Inordertounderstandtheprincipleofthesinusoidalspeechmodelanduseittodifferentspeechprocessingapplications,thefollowworkhasbeendoneinthethesis.Firstly,basedonthepublicavailablereferences,thetheoryandprincipleofthesinusoidalspeechmodelanditsspeechanalysisandsynthesismethodsarethoroughlystudied.Secondly,basedonthismodel,thealgorithmsofspeechanalysisandspeechsynthesisaredesignedandimplementedwithCprogramminglanguage.Thirdly,asimple9.6kbpsspeechcodingschemeisdesignedandimplementedbasedonthismodelforthepurposeoftestingitsefficiencyofspeechprocessing.Andfinally,theperformancesofthesinusoidalspeechmodelandthe9.6kbpsspeechcodingmethodareeva