解码方法、解码装置以及记录介质

    公开(公告)号:CN110503963B

    公开(公告)日:2022-10-04

    申请号:CN201910757241.3

    申请日:2015-02-16

    Abstract: 本发明涉及解码方法、解码装置、程序以及记录介质。解码方法包含:已校正LSP码解码步骤,获得解码已校正LSP参数串;解码LSP线性变换步骤,并设为γ1=γ、γ2=1,生成上述变换后频域参数串作为解码近似LSP参数串;解码线性预测系数串生成步骤,生成解码已校正线性预测系数串;解码已平滑化功率谱包络序列计算步骤,计算解码已平滑化功率谱包络序列;频域解码步骤,生成解码声音信号;LSP码解码步骤,对被输入的LSP码进行解码,获得解码LSP参数串;以及时域解码步骤,利用在前一个时间区间的解码LSP参数串、在前一个时间区间的解码近似LSP参数串的任一个、以及上述规定的时间区间的解码LSP参数串而进行合成,从而生成解码声音信号。

    线性预测编码装置、线性预测解码装置、它们的方法以及记录介质

    公开(公告)号:CN107408390B

    公开(公告)日:2021-08-06

    申请号:CN201680021332.5

    申请日:2016-04-11

    Abstract: 线性预测编码装置包括:线性预测分析单元(221),使用通过进行将与时序信号对应的频域样本串的绝对值的η1次幂视为功率谱的傅立叶逆变换而得到的伪相关函数信号串,进行线性预测分析,得到可变换为线性预测系数的系数;适配单元(22A),使存储在码本存储单元(222)中的码本所储存的可变换为线性预测系数的系数的多个候选、和线性预测分析单元(221)所得到的可变换为线性预测系数的系数、的η的值适配;以及编码单元(224),使用η的值被适配的可变换为线性预测系数的系数的多个候选和可变换为线性预测系数的系数,得到与线性预测分析单元(221)所得到的可变换为线性预测系数的系数相对应的线性预测系数码。

    解码方法、解码装置、程序以及记录介质

    公开(公告)号:CN110503963A

    公开(公告)日:2019-11-26

    申请号:CN201910757241.3

    申请日:2015-02-16

    Abstract: 本发明涉及解码方法、解码装置、程序以及记录介质。解码方法包含:已校正LSP码解码步骤,获得解码已校正LSP参数串;解码LSP线性变换步骤,并设为γ1=γ、γ2=1,生成上述变换后频域参数串作为解码近似LSP参数串;解码线性预测系数串生成步骤,生成解码已校正线性预测系数串;解码已平滑化功率谱包络序列计算步骤,计算解码已平滑化功率谱包络序列;频域解码步骤,生成解码声音信号;LSP码解码步骤,对被输入的LSP码进行解码,获得解码LSP参数串;以及时域解码步骤,利用在前一个时间区间的解码LSP参数串、在前一个时间区间的解码近似LSP参数串的任一个、以及上述规定的时间区间的解码LSP参数串而进行合成,从而生成解码声音信号。

    频域参数串生成方法、频域参数串生成装置以及记录介质

    公开(公告)号:CN106233383B

    公开(公告)日:2019-11-01

    申请号:CN201580020682.5

    申请日:2015-02-16

    Abstract: 比以往减小频域的编码的编码失真,且根据与通过频域的编码而获得的线性预测系数等价的系数,获得与在时域的编码中利用的前一帧的已量化LSP参数对应的LSP参数。LSP线性变换部(300)将p设为1以上的整数,将a[1],a[2],…,a[p]设为对规定的时间区间的声音信号进行线性预测分析而获得的线性预测系数串,将ω[1],ω[2],…,ω[p]设为来自线性预测系数串a[1],a[2],…,a[p]的频域参数串,将频域参数串ω[1],ω[2],…,ω[p]设为输入,将变换后频域参数串~ω[1],~ω[2],…,~ω[p]中的各~ω[i](i=1,2,…,p),通过基于ω[i]和接近ω[i]的一个或多个频域参数之间的值的关系的线性变换,求出变换后频域参数~ω[i]的值。

    波形信号生成系统、波形信号生成方法及程序

    公开(公告)号:CN118648061A

    公开(公告)日:2024-09-13

    申请号:CN202280090958.7

    申请日:2022-02-10

    Abstract: 波形信号生成系统具备:神经网络函数部,使用神经网络函数来变更表示输入信号和目标波形信号之间的中间表现的中间表现信号的时间分量或特征量分量,由此,从所述中间表现信号生成所述目标波形信号;以及非神经网络函数部,使用表示中间表现信号的时间分量和特征量分量的关系的非神经网络函数来代行从中间表现信号生成目标波形信号的处理的至少一部分。神经网络函数部使用神经网络函数对中间表现信号的时间分量进行上采样。

Patent Agency Ranking