基于bp神经网络的低延迟矢量激励语音编码系统-信号与信息处理专业论文.docxVIP

太原理_L太学硕士研究生学位论文 基于 BP 神经商络的低延迟矢量激 !?}Jì;吾音编 码系统 摘要 人工神经网络是采用大量的处理单元连建起来构成的一种复 杂的信患处理网络。这种网络具有与人膳相类似的学习记立能力和 输入信息特在抽取能力 a 人工神经网络因其非线性、自适应及学习 特性商受到极大关注，并在诸多领域都取得成功的应用，如模式识 黯与图像处理、控制与住化、预测、通信等。 击音信号本厦上是一个非平稳和非统性的过程，但一直以来， 传统的语音处理方法部采黑一种结性颈割方法来处理，这就无法适 应语音信号的非续性特在。西现有神经网络非线性滤波方法对矢量 激励语音编码尚无有效的解决方案。 本课题首先针对线这滤波方法的不足，在语音编码系统插班测 中引入神经凋络模型，并研究了基于神经阿结的语音综码系统的结 构、适合于语音后由预挺的神经陪络的结掏和学习算法，并且针对 算法实时性的要求通过固定部分敬变系数改造了 BP 网络训练过程 缩短了训练时间，实验表费本算法比 G721 信噪比提葛1.5-2d?o 太原理工人学硕士研究生学位论文在语音编码算法中，矢量量化的效率要高很多，而现有的矢量 太原理工人学硕士研究生学位论文 在语音编码算法中，矢量量化的效率要高很多，而现有的矢量 激励语音编码算法还无法和神经网络非线性滤波有效的结合起来。 本课题针对矢量激励编码算法，提出了基于神经网络的非线性逆滤 波的概念。经过离线网络训练得到具有中心抽头的单位变换非线性 滤波器；将训练好的神经网络从中心抽头一分为二，构成正、逆两 个非线性滤波器；语音信号经正滤波器滤波得到激励矢量；用LBG 方法训练激励矢量得到激励码书。编码时搜索最佳激励矢量，经非 线性逆滤波得到合成语音。为了缩短搜索时间，本课题采用了一种 基于分形学理论的搜索算法，将码书二次训练分为若干子码书并得 到每个子码书的代表码字，搜索时首先找到最接近的代表码字，然 后根据此码字搜索其所代表的子码书，从而使搜索时间减少2个数 量级。在此基础上，本课题设计了基于BP神经网络的8k低延迟 语音编码算法，算法采用固定系数的后向非线性预测，算法复杂性 的M【Ps值为42．2。对30句语音计算，信噪比为15．3323。 关键字语音编码，非线性预测，矢量量化，BP网络 太原理工人学硕士研究生学位论文LOW 太原理工人学硕士研究生学位论文 LOW DELAY VECTOR EXCITING SPEECH CODING ALGORITHM BASED ON BP NEURAL NETWORK AB STRACT Artificial neural network(ANN)is complicated information pmcessing one made of many processing units．This net、vork has the abili妙of Ieaming memory and input infonnation trait eXtracting．Now it receiVes great a仕emion and gets success凡l印plication such as mode recognize and image processing、 contrDl and optimize、 predict、 communication etc Speech signalis got in essence non—stationa巧a11d nonline越But a11 along，traditional speech processing method uses linear prediction， it do not adapt weH to t11e nonlinear characterjstjc of speech sigllals， and t11ere is not any effectiVe schemes￡lbout Vector exciting speech coding aIgorimm in existing nonlinear prediction algoritllHl based on neuraI network 太原理工大学硕士研究生学位论文Aimed 太原理工大学硕士研究生学位论文 Aimed at this shortage about linear prediction，the non—linear predictors based on ANN are researched in this article．ANN is used to replace the conVentional LP techn0109y．At first，me