一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法

    公开(公告)号:CN105118513A

    公开(公告)日:2015-12-02

    申请号:CN201510434127.9

    申请日:2015-07-22

    Abstract: 本发明请求保护一种基于MELP的1.2kb/s低速率语音编解码方法,包括:编码端首先对语音信号以30ms为子帧长度进行分帧处理,将相邻两子帧组成一个超帧,对提取的语音特征参数LSF、Pitch、VP、Fsmag和G进行多帧联合量化编码。利用帧结构中剩余比特对重要的语音特征参数进行差错控制编码,最后组成二进制比特流进行传送。解码端从接收到的比特流中解析出各语音特征参数的量化索引值,通过量化索引得到语音特征参数的初值,然后进行语音特征参数完整性重构,利用重构的语音特征参数生成激励信号,再经过自适应谱增强、合成滤波器、增益控制和散布脉冲滤波后得到合成的语音信号。本发明能有效地降低语音编码速率,接收端合成的语音具有较高的清晰度和可懂度。

    一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法

    公开(公告)号:CN105118513B

    公开(公告)日:2018-12-28

    申请号:CN201510434127.9

    申请日:2015-07-22

    Abstract: 本发明请求保护一种基于MELP的1.2kb/s低速率语音编解码方法,包括:编码端首先对语音信号以30ms为子帧长度进行分帧处理,将相邻两子帧组成一个超帧,对提取的语音特征参数LSF、Pitch、VP、Fsmag和G进行多帧联合量化编码。利用帧结构中剩余比特对重要的语音特征参数进行差错控制编码,最后组成二进制比特流进行传送。解码端从接收到的比特流中解析出各语音特征参数的量化索引值,通过量化索引得到语音特征参数的初值,然后进行语音特征参数完整性重构,利用重构的语音特征参数生成激励信号,再经过自适应谱增强、合成滤波器、增益控制和散布脉冲滤波后得到合成的语音信号。本发明能有效地降低语音编码速率,接收端合成的语音具有较高的清晰度和可懂度。

    一种基于混沌粒子群算法的矢量量化码书构造方法

    公开(公告)号:CN105205838B

    公开(公告)日:2018-02-27

    申请号:CN201510522569.9

    申请日:2015-08-24

    Abstract: 本发明请求保护一种基于混沌粒子群算法的矢量量化码书构造方法,具体地说是一种可用于语音压缩编码和图像压缩系统中的基于粒子群的矢量量化器。此方法把粒子群算法与混沌算法相结合用于矢量量化码书的构造,并可将该算法扩展到多级矢量量化器中。由于本发明在粒子群优化算法中融入了混沌优化,加快了粒子群算法摆脱局部极值点的速度,提高了算法的收敛精度,使矢量量化器的性能得到了改善。

    一种基于混沌粒子群算法的矢量量化码书构造方法

    公开(公告)号:CN105205838A

    公开(公告)日:2015-12-30

    申请号:CN201510522569.9

    申请日:2015-08-24

    Abstract: 本发明请求保护一种基于混沌粒子群算法的矢量量化码书构造方法,具体地说是一种可用于语音压缩编码和图像压缩系统中的基于粒子群的矢量量化器。此方法把粒子群算法与混沌算法相结合用于矢量量化码书的构造,并可将该算法扩展到多级矢量量化器中。由于本发明在粒子群优化算法中融入了混沌优化,加快了粒子群算法摆脱局部极值点的速度,提高了算法的收敛精度,使矢量量化器的性能得到了改善。

Patent Agency Ranking