基于神经网络的自适应增益预测语音编码系统-信号与信息处理专业论文.docxVIP

基于神经网络的自适应增益预测 基于神经网络的自适应增益预测 语音编码系统 摘要 人工神经网络是采用大量的处理单元连接起来构成的一种复杂的信息处 理网络。这种网络具有与人脑相类似的学习记忆能力和输入信息特征抽取能 力。人工神经网络是聪明的，因为它是通过实例学习。神经网络因其非线性、 自适应及学习特性而受到极大关注，神经网络在诸多领域都取得成功的应用， 如模式识别与图像处理、控制与优化、预测、通信等。 语音信号的产生本质上是一个非平稳和非线性的过程，但一直以来，传 统的语音处理方法都采用一种线性预测方法来处理。本文针对传统方法的不 足，在语音编码系统的自适应增益预测中引入神经网络模型，研究了基于神 经网络的语音编码系统的增益非线性预测结构和学习算法，并将之应用于 G．728语音编码算法。 本文研究了BP网络，实现了“梯度下降法”的网络训练方法，获得了较 传统方法好的效果。另外又研究了RBF网络，实现一种叫“正交最／b-乘法” 的网络训练方法，获得较BP网络快20倍的训练速度，同时语音质量略有提 高。为具体实现神经网络程序，本文采用了基于Vc++和MATLAB的实现方 法。实验结果表明：采用BP网络的语音编码系统的语句平均分段SNR比ITU G．728标准算法提高2dB左右，增益平均分段SNR提高3dB；同样地，采用 RBF网络的语音编码系统的语句和增益平均分段SNR比ⅡU G．728标准算法 分别提高2dB和3．1 dB。 最后我们以提高的信噪比为代价分别进行了综合滤波器的降阶实验，结 果表明：使用神经网络的算法当阶数降为10阶后仍然比原算法20阶的SNR { 要高；同时，降阶后算法的计算量大大降低，分析表明，改进后的算法能使G．728算法的总计算量降低40％，同时保持音质不变。 要高；同时，降阶后算法的计算量大大降低，分析表明，改进后的算法能使 G．728算法的总计算量降低40％，同时保持音质不变。 关键词语音编码，非线性预测，增益自适应量化，BP网络，RBF网络 ADAPTIVE ADAPTIVE GAIN PREDICTION SPEECH CODING SYSTEM BASED ON NEURAL NETWORK ABSTRACT Artificial neural network is a complicated information processing one made of many processing units．This network has the ability of learning memory and input information trait extracting．It is intelligent because it Can learn from examples．Now it receives great attention and gets successful application such as mode recognize and image processing、control and optimize、predict、 communication etc． Speech signal is got in essence non—stationary and nonlinear．But all along， traditional speech processing method uses linear prediction．Aimed at this shortage， this paper introduces neural network in adaptive gain prediction of speech coding system，and studies the structure and learning algorithm of gain nonlinear prediction of speech coding system，which is used in G．728 algorithm． This paper studies BP network，realizes the method of gradient descent，gets better result than traditional one．In addition，this paper studies RBF network， realizes the method of orthodoxy least square，gets rapid speed than BP network by 20，and the quality of speech has a little impr