导读:本文包含了语音参数量化论文开题报告文献综述及选题提纲参考文献，主要关键词:混合激励线性预测,子带清浊音,联合矢量量化,语音音质客观评估
语音参数量化论文文献综述
陈亮,陈亮,郑静华,张翼鹏,庞亮[1]（2013）在《改进的语音子带清浊音参数量化算法》一文中研究指出混合激励线性预测(MELP)算法中,每帧5维的子带清浊音参数对于提高合成语音的自然度有着重要作用,但其每帧5 bit的编码效率给语音的极低速编码带来了困难。文章将MELP的3帧联合构成一个超级帧,对15维的子带清浊音参数进行矢量量化。通过清浊音信息的统计,并利用失真测度d进行码本的优化设计,实现了每个超级帧用3 bit对15维矢量的高效量化。仿真结果表明,文中算法对子带清浊音参数编码后,合成语音仍然保持了良好的可懂度和自然度,可有效应用于600 bps以下极低速语音编码算法中。(本文来源于《军事通信技术》期刊2013年04期）
方腾龙,赵晓群,韩笑蕾,顾杰[2]（2010）在《语音清浊音差分LSF参数矢量量化方法》一文中研究指出差分LSF参数的动态范围小于LSF参数,可作为一种新的模型参数应用于语音编码中。分析了2种新的差分LSF参数矢量量化方法:增强差分分裂参数矢量量化(Enhanced Differential Split Vector Quantization,EDSVQ)和增强EDSVQ(Enhanced EDSVQ,EEDSVQ),并采用英语清、浊音的差分LSF参数进行分裂矢量量化实验。结果表明,EEDSVQ能有效抑制直接对差分LSF参数进行矢量量化引起的量化误差传递和迭加;在分配相同量化比特数的情况下,清音的量化效果优于浊音,为获得相同量化效果可减少对清音的量化比特数。(本文来源于《电声技术》期刊2010年11期）
方腾龙,赵晓群,韩笑蕾[3]（2010）在《语音清浊音LSF参数量化方法研究》一文中研究指出研究了汉语和英语清、浊音的LSF参数帧内相关性。针对相关性统计结果,分别对汉语和英语清、浊音的LSF参数进行了多种分组方案的SVQ实验。结果表明,清音的量化效果优于浊音,且英语清音在减少量化比特数的情况下依旧可获得较好的量化效果;把10阶LSF参数分成(4,6)两个矢量或(4,4,2)叁个矢量会得到较优的量化效果。介绍了差分LSF参数的概念,实验表明其帧内冗余度比LSF参数低,且标量量化性能较LSF参数有一定提高。(本文来源于《2010年通信理论与信号处理学术年会论文集》期刊2010-08-20）
许明[4]（2009）在《低速率语音编码参数高效量化算法研究》一文中研究指出语音的数字编码传输是数字通信网中最重要最基本的内容之一。为了满足无线通信等众多领域的需求,2.4 kb/s甚至更低速率(如1.2-0.6kb/s)语音编码技术一直是语音编码中重要的研究课题。但某些带宽受限的应用领域,迫切需要一些更低速率(如0.3kb/s以及0.15kb/s)的语音编码算法。本文以正弦激励线性预测(SELP)声码器为模型,着重介绍了0.3kb/s声码器参数高效量化方法以及0.15kb/s声码器的初步架构实现。SELP是一种高质量低速率的语音编码算法模型。以此模型为基础,语音的编解码传输过程中,当速率较低时,受可用比特数的限制,参数的高效量化技术将直接影响到合成语音的清晰度和准确度。本文介绍了两种改进的参数量化方法:带有帧间级间预测的多级矢量量化技术和多参数多码本尺寸联合优化技术。原有声码器中,多级矢量量化时,并没有考虑各级之间的相关性,因而并没有完全消除信息冗余。本文所采用的带级间预测的矢量量化算法,在去除帧间相关性的同时,也去除级间相关性,可以降低运算量和存储量。而在原有算法中,参数在不同模式下采用相同尺寸的码本,没有考虑各模式的统计特性,不能达到最优的量化效果。本文采用的联合优化算法利用统计特性,联合分配码本尺寸。仿真结果表明,这两种方法可以有效降低参数量化的误差,提高合成语音的清晰度和可懂度。而0.15kb/s语音编码算法是目前此领域最为领先的研究课题。本文介绍了一种该速率下声码器的初步架构方案,并给出简单的测试结果,更多深入的研究还需要进一步尝试。(本文来源于《清华大学》期刊2009-05-01）
耿超,陈亮,商晓燕,山世雨[5]（2008）在《一种基于LVQ的语音线谱对参数量化方法》一文中研究指出在现有格型矢量量化(LVQ)方法的基础上,通过对线谱对(LSP)参数进行精度预处理,使其数值更接近于格点从而减少量化失真。仿真实现了改进方法,并采用MELP算法中4级MSVQ方法作为对比。得到的结果表明,较之MSVQ,LVQ量化LSP参数的精度提升了约90%的同时,合成语音的谱失真(SD)降低了约2/3,客观评估得分和近似MOS分略有提高。(本文来源于《军事通信技术》期刊2008年03期）
王都生,李敏[6]（2006）在《低速率语音编码LPC参数多级矢量量化的有效搜索》一文中研究指出提出了一种LPC参数的M-L树形搜索多级矢量量化方案,其谱失真小于或接近1 dB,计算复杂度低,存储量小.计算机模拟表明,采用该方案对线谱对(LSPs)参数进行矢量量化,可提供透明质量的合成语音.(本文来源于《大连民族学院学报》期刊2006年03期）
李军林,崔慧娟,唐昆[7]（2004）在《极低速率语音编码中LSP参数的高效量化算法》一文中研究指出为在极低速率下实现高质量的语音编码,提出了一种新的有效的线谱对(LSP)参数量化算法——P-RS-MSMQ算法。此算法以多帧联合矩阵量化作为基本框架,引入了基于超级帧模式的均值去除和帧间预测策略、矩阵分裂和子矩阵多级量化策略;同时提出了基于语音帧短时谱能量的帧内加权和基于超级帧中各子帧重要性的帧间加权策略等。实验表明:此算法能够在700b/s的速率下获得接近透明量化的性能;即使在300～400b/s的极低速率下也具有较高质量的量化效果。因此该算法的实现对极低速率语音编码算法的研究具有重要的意义。(本文来源于《清华大学学报(自然科学版)》期刊2004年10期）
高戈,胡瑞敏,李德仁[8]（2002）在《语音谱参数的切换双预测多级矢量量化的码本设计方法》一文中研究指出提出了语音谱参数的切换双预测多级矢量量化算法 (DPMSVQ)的码本设计方法。这种改进的多级矢量量化方法充分利用语音谱参数的短时相关和长时相关特性 ,采用了有记忆的多级矢量量化算法 (MSVQ) ;并且通过利用相邻语音帧间语音谱参数的强相关和弱相关的不同特点 ,采用了分别对应于强相关和弱相关的两个预测值 ,进一步减小了语音谱参数编码位率。切换双预测多级矢量量化方法能够实现 2 1位的语音谱参数近似“透明”量化 ,同时能够使语音谱参数量化时的计算复杂度略有减少 ,所需的存储空间大为减少。(本文来源于《数据采集与处理》期刊2002年02期）
高戈,胡瑞敏,李德仁[9]（2002）在《语音谱参数的增强双预测多级矢量量化的码本设计方法》一文中研究指出表征语音谱参数的线性预测编码(LPC)参数被广泛用于各种语音编码算法。甚低位率语音编码算法要求使用尽可能少的位率编码语音谱参数。文章提出了语音谱参数的增强双预测多级矢量量化算法(EDPMSVQ)的码本设计方法。这种改进的多级矢量量化方法充分利用语音谱参数的短时相关和长时相关特性,采用了有记忆的多级矢量量化算法(MSVQ),对语音谱参数的每一维分别使用不同的预测系数;并且通过利用相邻语音帧间语音谱参数的强相关和弱相关的不同特点,采用了分别对应于强相关和弱相关的两个预测值集合,进一步减小了语音谱参数编码位率。增强双预测多级矢量量化方法能够实现20位的语音谱参数近似“透明”量化,同时能够使语音谱参数量化时的计算复杂度略有减少,所需的存储空间大为减少。(本文来源于《计算机工程与应用》期刊2002年10期）
张晓东,杜凯[10]（1999）在《语音信号的MPLPC参数矢量量化》一文中研究指出介绍了多脉冲激励线性预测声码器的激励脉冲参数最大互相关函数搜索法．构造了线性预测参数及激励脉冲幅度参数矢量量化标法．实现了低码率语音压缩编码(本文来源于《哈尔滨工业大学学报》期刊1999年01期）
语音参数量化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
差分LSF参数的动态范围小于LSF参数,可作为一种新的模型参数应用于语音编码中。分析了2种新的差分LSF参数矢量量化方法:增强差分分裂参数矢量量化(Enhanced Differential Split Vector Quantization,EDSVQ)和增强EDSVQ(Enhanced EDSVQ,EEDSVQ),并采用英语清、浊音的差分LSF参数进行分裂矢量量化实验。结果表明,EEDSVQ能有效抑制直接对差分LSF参数进行矢量量化引起的量化误差传递和迭加;在分配相同量化比特数的情况下,清音的量化效果优于浊音,为获得相同量化效果可减少对清音的量化比特数。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语音参数量化论文参考文献
[1].陈亮,陈亮,郑静华,张翼鹏,庞亮.改进的语音子带清浊音参数量化算法[J].军事通信技术.2013
[2].方腾龙,赵晓群,韩笑蕾,顾杰.语音清浊音差分LSF参数矢量量化方法[J].电声技术.2010
[3].方腾龙,赵晓群,韩笑蕾.语音清浊音LSF参数量化方法研究[C].2010年通信理论与信号处理学术年会论文集.2010
[4].许明.低速率语音编码参数高效量化算法研究[D].清华大学.2009
[5].耿超,陈亮,商晓燕,山世雨.一种基于LVQ的语音线谱对参数量化方法[J].军事通信技术.2008
[6].王都生,李敏.低速率语音编码LPC参数多级矢量量化的有效搜索[J].大连民族学院学报.2006
[7].李军林,崔慧娟,唐昆.极低速率语音编码中LSP参数的高效量化算法[J].清华大学学报(自然科学版).2004
[8].高戈,胡瑞敏,李德仁.语音谱参数的切换双预测多级矢量量化的码本设计方法[J].数据采集与处理.2002
[9].高戈,胡瑞敏,李德仁.语音谱参数的增强双预测多级矢量量化的码本设计方法[J].计算机工程与应用.2002
[10].张晓东,杜凯.语音信号的MPLPC参数矢量量化[J].哈尔滨工业大学学报.1999