低延迟码激励算法中增益滤波器的优化与选择-信号与信息处理专业论文.docx

太原理工大学硕士研究生学位论文 低延迟码激励算法中增益露泼器岳优化与选择 撞要 {是码率、 1!i复杂性的 LD-CELP 算法在适信领域具有十分重 要的意义。 G_ 728 是目蔚低延迟码激励语音编码算法中唯一的一 个 16kbit/s 的国际标准e 本课题l;J.降低码率、减少复杂性为吕 标对 G_ 728 算法进行改进。研究表明，增益攘攘器采用最小二 乘算法替代 Levinson_Durbin 算法，不仅大辐度减少了 G_ 728 诗算复杂性，市且提升了信噪比。 BP 神经网络也能对信号量比有 所改进，虽然其算法复杂度有待降证，但本课题在 BP 持经网络 方面的研究为进一步的研究应用打下了基础 语音信号的产生本晨上是一个非平稳和非主主性的过程，徨 一直目来，传统的语音处理方法部采用一种结性预测方法来处 理。本课题针对传统方法的不是，同时在线性商蹦和非线性理 测方苗作出探讨。在线性算法方面，担增长记忆算法和有限记 忆算法引入到 G.728，研究了基于最小二乘法的增益结性预剧结 构和算法;在非线性算法方面，把神经网络模型引入到 G. 728 的 自适应增益预剧中，研究了基于神经网络的 G. 728 的增益非线 性预黯结构和学习算法 e 由于考察增益撞撞器时，量化器还不 存在，本课题菜用←一种信噪比结计算法来评倚滤波器性能。从 I 太原理工大学硕士研究生学位论文而将预测器的优化与量化问题分开，收到理想效果。 太原理工大学硕士研究生学位论文 而将预测器的优化与量化问题分开，收到理想效果。 本课题观察了不同算法对G．728增益滤波器的影响。采用 加权增长记忆算法可以有效降低算法复杂度，同时明显改进了 增益预测的效果，为增益电平量化打下坚实的基础。 关键词：增益自适应量化，增长记忆算法，有限记忆算法，BP神 经网络 太原理工大学硕士研究生学位论文THE 太原理工大学硕士研究生学位论文 THE 0PTIMIZATIoN AND CHOOSING 0F THE GAIN FILTER oF THE LD CELP ALGORITHM ABSTRACT The LD—CELP alg耐t圭11n wim low rate a11d low compleX时 had veU importallt meaning in me field of communic撕on．G728 was t11e Qnly 16kbi讹ITU Reco姗endation i11 me low delay speech coding algori血ms at present．The research aimed to re出Ice its rate and its complexi哆to improVe G728 algorinlm．In tllis research，廿1e complexi够of G728 cou】d be greatly reduced，a11d the 2lverage segmented SNR co嘎11d be improVed by using me 1east squares adaptiVe algori‰s to replace me LeVison阢曲in alg耐mm．BP neural network also caJl ilnproVe me SNR．But the BP algorimm complexity will be hoped to decrease．7nlis rese蹯ch wjll help athers to use t11e neMork better． The Voice signal is a process witll山e character of nonlinear III 太原理工大学硕士研究生学位论文and 太原理工大学硕士研究生学位论文 and non—stationary．But the traditional speech algo—thm use linear prediction algorithm to deal with the voice signal．The research improVes this test result using BP neural network algorit}lm and the leaSt square algorit№to replace the LevinSoU)urbin algorithIll． For tlle linear algorithm，we introduce t11e increasing memory recur8iVe algoritllm and tlle finite memo巧recursiVe al