專利名稱：提高聲碼器基音周期參數(shù)量化精度的方法
技術領域：
本發(fā)明屬于語音編碼技術領域，特別涉及語音編碼參數(shù)量化技術。
背景技術：
極低速率聲碼器比特資源十分有限，因此其各個參數(shù)的量化精度都需要進一步的提高。理論證明，在比特數(shù)相同的情況下，矢量量化的效果要優(yōu)于標量量化，因此，低速率聲碼器算法中，各個參數(shù)的量化大都采用矢量量化算法。目前在聲碼器中，基音周期參數(shù)與帶通濁音度參數(shù)均采用矢量量化算法單獨量化傳輸，并沒有考慮到二者之間的關聯(lián)性，比如對于清音幀而言，在解碼端通常直接將基音周期參數(shù)置作50，因此清音幀的基音周期參數(shù)并不需要量化編碼傳輸。因此，在此提出一種基于碼字空間劃分的基音周期參數(shù)與帶通濁音度參數(shù)的聯(lián)合量化算法。
本算法充分利用了基音周期參數(shù)與帶通濁音度參數(shù)的相關性，將碼字索引空間按照帶通濁音度模式進行細致劃分，使基音周期參數(shù)的量化更加精細，全濁音模式下的基音周期得到了更多的碼矢量，從而提高了量化精度，有效提升了合成語音的質量。

發(fā)明內(nèi)容
本發(fā)明的目的是為了改進已有的矢量量化技術，充分發(fā)掘利用聲碼器中基音周期參數(shù)與帶通濁音度參數(shù)的相關性；主要研究了如何通過聯(lián)合量化的方法提高基音周期參數(shù)的量化精度，提升聲碼器合成語音的質量。
本發(fā)明提出的提高聲碼器基音周期參數(shù)量化精度的方法，包括以下步驟步驟(1)對輸入的語音信號樣點按設定的時間間隔順序分成子幀，并根據(jù)基音周期參數(shù)和帶通清濁音參數(shù)多幀聯(lián)合量化時所設定的子幀數(shù)劃分為若干超幀，即若兩幀聯(lián)合量化，則每兩個子幀劃分為一個超幀，三幀聯(lián)合量化，則每三個子幀劃分為一個超幀，依此類推；其中所述的語音信號樣點是已按照設定頻率采樣且經(jīng)過高通濾波去除工頻干擾后的信號樣點；步驟(2)按美國國防部混合激勵的線性預測MELP語音編碼算法中所述方法分別提取當前超幀中所有子幀的基音周期參數(shù)，組成多維基音周期參數(shù)矢量P→I=[pi1,pi2······pin],]]>其中n表示聯(lián)合量化時所設定的子幀數(shù)，即一個超幀中包含的子幀數(shù)目，pin為第n個子幀的基音周期參數(shù)；步驟(3)按步驟(2)所述的混合激勵的線性預測語音編碼算法分別提取當前超幀中所有子幀的清濁音參數(shù)，其中，每個子幀各自提取5個子帶的清濁音參數(shù)；步驟(4)根據(jù)以下步驟先構建所有子幀的清濁音參數(shù)矢量BI，J，I＝i1，i2......inJ＝j1，j2，j3，j4，j5，j為子幀中子帶的序號，每一個子幀的清濁音參數(shù)矢量為Bi，J＝[b1，b2，b3，b4，b5]；再對該子帶的清濁音矢量Bi，J用5個比特量化，5個比特依次對應著5個子帶的清濁音模式，即若第j個子帶為濁音性的，則bj＝1，否則，bj＝0；整個子幀的清濁音性由該子幀的第一子帶，也就是最低頻子帶的清濁音性決定，即若b1＝1，則該子幀為濁音子幀，否則b1＝0，則該子幀為清音子幀；步驟(5)將當前超幀中由步驟(4)得到的所有子幀的清濁音矢量依次排列起來組成當前超幀的清濁音矢量，即BI=[Bi1,J,Bi2,J,······Bin,J],]]>得到5×n維的當前超幀的清濁音矢量；步驟(6)將步驟(5)中得到的當前超幀的5×n維的清濁音矢量BI進行矢量量化，量化使用預先設定的碼本CB，采用全搜索的方法進行矢量量化，量化失真測度采用加權歐氏距離準則，即使下式所示的失真D最小D＝(BI-B(k))W(BI-B(k))T，其中B(k)是碼本中的對應索引為k的碼字，加權矩陣W是一個對角矩陣，其值用來表示各子帶重要性的不同，低帶最重要，隨著頻帶的升高重要性依次降低，對每子幀的5個子帶分配不同的權重，在本算法中，5個子帶權重的比例為16∶8∶4∶2∶1，從而加權矩陣W如下所示 設定的碼本CB的每個索引值對應一個5×n維的清濁音矢量碼字B(k)，對應于失真值最小的碼字索引值即為矢量量化后得到的當前幀的清濁音矢量BI的矢量量化索引值IDXBI；
步驟(7)按以下步驟求出當前超幀的對數(shù)基音周期參數(shù)矢量的聯(lián)合量化索引值IDXPI，將其編碼后經(jīng)信道傳到解碼端；步驟(7.1)將步驟(2)中得到的當前超幀基音周期參數(shù)矢量 變換到對數(shù)域，得到對數(shù)域上的n維基音周期參數(shù)矢量 P→logI=[log(pi1),log(pi2)......log(pin)];]]>步驟(7.2)根據(jù)步驟(6)中得到當前超幀的清濁音矢量BI的矢量量化索引值IDXBI，通過查表確定當前超幀的對數(shù)基音周期參數(shù)矢量 在聯(lián)合量化中所對應的量化索引范圍ψ以及對應的量化方式當超幀的子幀全是清音幀的，則該超幀的基音周期參數(shù)矢量不作量化，而留出的索引范圍實際留作信道編碼等使用；當超幀中只有一幀濁音子幀的，則只對該超幀的對數(shù)基音周期參數(shù)矢量 中對應濁音子幀的那個分量作標量量化，其余對應清音子幀的分量不作量化；除以上兩種情況的其余情形，則根據(jù)超幀中含有的濁音子幀數(shù)目對該超幀的對數(shù)基音周期參數(shù)矢量 中對應濁音子幀的那些分量作對應維數(shù)的矢量量化；同樣，對應清音子幀的那些分量不作量化；步驟(7.3)根據(jù)最小均方準則在確定的量化索引范圍ψ內(nèi)全搜索對應的基音周期參數(shù)碼字，找到使對應濁音子幀部分量化誤差最小的碼字，其索引值就是聯(lián)合量化索引值IDXPI，將其編碼后經(jīng)信道傳輸?shù)浇獯a端；步驟(8)在解碼端解碼得到步驟(7)中的當前超幀基音周期參數(shù)矢量的聯(lián)合量化索引值IDXPI，根據(jù)該索引值IDXPI的值得知其所在的量化索引范圍ψ，從而可以查表確定當前超幀的清濁音矢量BI在清濁音矢量碼本CB的矢量量化索引值IDXBI，從而得到當前超幀的清濁音矢量的量化值 同時根據(jù)量化索引范圍ψ和索引值IDXPI就對應得到當前超幀對數(shù)基音周期參數(shù)矢量中對應濁音子幀的那些分量的量化值，再把對應清音子幀的分量直接置為50，即組成解碼端反量化恢復出的當前超幀對數(shù)基音周期參數(shù)矢量 步驟(9)將步驟(8)中得到的當前超幀對數(shù)基音周期參數(shù)矢量的量化值 和清濁音矢量的量化值 送到解碼端的語音合成模塊作為基本參數(shù)參與語音的合成。
本發(fā)明的特點在不增加冗余比特的前提下，充分利用基音周期參數(shù)與帶通濁音度參數(shù)的相關性，將碼字索引空間按照帶通濁音度模式進行細致劃分，使基音周期參數(shù)的量化更加精細，全濁音模式下的基音周期得到了更多的碼矢量，從而提高了量化精度，使得合成語音的質量也有了比較明顯的提高。
該算法與原先參數(shù)各自量化的算法相比，能夠在帶通濁音度參數(shù)依舊完全恢復的前提下，使基音周期參數(shù)的量化誤差降低20％以上，適合1200b/s和600b/s語音編碼算法，將在數(shù)字處理芯片DSP上實現(xiàn)。


圖1為本發(fā)明提出的提高聲碼器基音周期參數(shù)量化精度的方法流程框圖。
具體實施例方式
本發(fā)明提出的提高聲碼器基音周期參數(shù)量化精度的方法結合附圖及實施例進一步說明如下本發(fā)明的方法流程如圖1所示，包括以下步驟步驟(1)對輸入的語音信號樣點按設定的時間間隔順序分成子幀，并根據(jù)基音周期參數(shù)和帶通清濁音參數(shù)多幀聯(lián)合量化時所設定的子幀數(shù)劃分為若干超幀，即若兩幀聯(lián)合量化，則每兩個子幀劃分為一個超幀，三幀聯(lián)合量化，則每三個子幀劃分為一個超幀，依此類推；其中所述的語音信號樣點是已按照設定頻率采樣且經(jīng)過高通濾波去除工頻干擾后的信號樣點；步驟(2)按美國國防部混合激勵的線性預測MELP語音編碼算法中所述方法分別提取當前超幀中所有子幀的基音周期參數(shù)，組成多維基音周期參數(shù)矢量P→I=[pi1,pi2······pin],]]>其中n表示聯(lián)合量化時所設定的子幀數(shù)，即一個超幀中包含的子幀數(shù)目，pin為第n個子幀的基音周期參數(shù)；步驟(3)按步驟(2)所述的混合激勵的線性預測語音編碼算法分別提取當前超幀中所有子幀的清濁音參數(shù)，其中，每個子幀各自提取5個子帶的清濁音參數(shù)；
步驟(4)根據(jù)以下步驟先構建所有子幀的清濁音參數(shù)矢量BI，J，I＝i1，i2......inJ＝j1，j2，j3，j4，j5，j為子幀中子帶的序號，每一個子幀的清濁音參數(shù)矢量為Bi，J＝[b1，b2，b3，b4，b5]；再對該子帶的清濁音矢量Bi，J用5個比特量化，5個比特依次對應著5個子帶的清濁音模式，即若第j個子帶為濁音性的，則bj＝1，否則，bj＝0；整個子幀的清濁音性由該子幀的第一子帶，也就是最低頻子帶的清濁音性決定，即若b1＝1，則該子幀為濁音子幀，否則b1＝0，則該子幀為清音子幀；步驟(5)將當前超幀中由步驟(4)得到的所有子幀的清濁音矢量依次排列起來組成當前超幀的清濁音矢量，即BI=[Bi1,J,Bi2,J,......Bin,J],]]>得到5×n維的當前超幀的清濁音矢量；步驟(6)將步驟(5)中得到的當前超幀的5×n維的清濁音矢量BI進行矢量量化，量化使用預先設定的碼本CB，采用全搜索的方法進行矢量量化，量化失真測度采用加權歐氏距離準則，即使下式所示的失真D最小D＝(BI-B(k))W(BI-B(k))T，其中B(k)是碼本中的對應索引為k的碼字，加權矩陣W是一個對角矩陣，其值用來表示各子帶重要性的不同，低帶最重要，隨著頻帶的升高重要性依次降低，對每子幀的5個子帶分配不同的權重，在本算法中，5個子帶權重的比例為16∶8∶4∶2∶1，從而加權矩陣W如下所示 設定的碼本CB的每個索引值對應一個5×n維的清濁音矢量碼字B(k)，對應于失真值最小的碼字索引值即為矢量量化后得到的當前幀的清濁音矢量BI的矢量量化索引值IDXBI；步驟(7)按以下步驟求出當前超幀的對數(shù)基音周期參數(shù)矢量的聯(lián)合量化索引值IDXPI，將其編碼后經(jīng)信道傳到解碼端；
步驟(7.1)將步驟(2)中得到的當前超幀基音周期參數(shù)矢量 變換到對數(shù)域，得到對數(shù)域上的n維基音周期參數(shù)矢量 P→logI=[log(pi1),log(pi2)......log(pin)];]]>步驟(7.2)根據(jù)步驟(6)中得到當前超幀的清濁音矢量BI的矢量量化索引值IDXBI，通過查表確定當前超幀的對數(shù)基音周期參數(shù)矢量 在聯(lián)合量化中所對應的量化索引范圍ψ以及對應的量化方式當超幀的子幀全是清音幀的，則該超幀的基音周期參數(shù)矢量不作量化，而留出的索引范圍實際留作信道編碼等使用；當超幀中只有一幀濁音子幀的，則只對該超幀的對數(shù)基音周期參數(shù)矢量 中對應濁音子幀的那個分量作標量量化，其余對應清音子幀的分量不作量化；除以上兩種情況的其余情形，則根據(jù)超幀中含有的濁音子幀數(shù)目對該超幀的對數(shù)基音周期參數(shù)矢量 中對應濁音子幀的那些分量作對應維數(shù)的矢量量化；同樣，對應清音子幀的那些分量不作量化；步驟(7.3)根據(jù)最小均方準則在確定的量化索引范圍ψ內(nèi)全搜索對應的基音周期參數(shù)碼字，找到使對應濁音子幀部分量化誤差最小的碼字，其索引值就是聯(lián)合量化索引值IDXPI，將其編碼后經(jīng)信道傳輸?shù)浇獯a端；步驟(8)在解碼端解碼得到步驟(7)中的當前超幀基音周期參數(shù)矢量的聯(lián)合量化索引值IDXPI，根據(jù)該索引值IDXPI的值得知其所在的量化索引范圍ψ，從而可以查表確定當前超幀的清濁音矢量BI在清濁音矢量碼本CB的矢量量化索引值IDXBI，從而得到當前超幀的清濁音矢量的量化值 同時根據(jù)量化索引范圍ψ和索引值IDXPI就對應得到當前超幀對數(shù)基音周期參數(shù)矢量中對應濁音子幀的那些分量的量化值，再把對應清音子幀的分量直接置為50，即組成解碼端反量化恢復出的當前超幀對數(shù)基音周期參數(shù)矢量 步驟(9)將步驟(8)中得到的當前超幀對數(shù)基音周期參數(shù)矢量的量化值 和清濁音矢量的量化值 送到解碼端的語音合成模塊作為基本參數(shù)參與語音的合成。
本發(fā)明上述方法各步驟的具體實施例分別詳細說明如下本實施例使用的聲碼器碼率為1200b/s，采用兩幀聯(lián)合矢量量化。
上述方法步驟(1)的實施例為對8kHz頻率采樣、已經(jīng)過高通濾波去除工頻干擾的語音樣點，每25ms，也就是200個語音樣點構成一幀，每兩幀構成一個超幀。
上述方法步驟(2)的實施例為按美國政府1200b/s混合激勵的線性預測(MELP)語音編碼算法標準所描述的音周期參數(shù)提取方法分別提取當前超幀中兩個子幀的基音周期參數(shù)，組成兩維基音周期參數(shù)矢量P→I=[pi1,pi2].]]>上述方法步驟(3)的實施例為按美國政府1200b/s混合激勵的線性預測(MELP)語音編碼算法標準所描述的方法對當前超幀的兩個子幀分別提取5個子帶的清濁音參數(shù)。
上述方法步驟(4)的實施例為根據(jù)步驟(3)中從每一子幀提取到的5個子帶的清濁音參數(shù)，若子帶為清音，用“0”表示，子帶為濁音則用“1”表示，記為矢量Bi，J，Bi，J＝[b1，b2，b3，b4，b5]，再對該子帶清濁音矢量Bi，J用5比特量化，5個比特依次對應著5個子帶的清濁音模式，即若第k個子帶為濁音，則bk＝1，否則，bk＝0；上述方法步驟(5)的實施例為將當前超幀中兩個子幀的清濁音矢量依次排列起來組成當前超幀的清濁音矢量，即BI=[Bi1,J,Bi2,J,],]]>故當前超幀的清濁音矢量是10維的。
上述方法步驟(6)的實施例為將步驟(5)中得到的當前超幀的10維的清濁音矢量BI進行矢量量化，量化使用3bit，即量化清濁音矢量的碼本包含8個10維的清濁音矢量碼字，如下表所示。

量化采用全搜索的方法進行，失真測度采用加權歐氏距離準則，即使下式所示的失真D最小D＝(BI-B(k)W(BI-B(k))T，其中B(k)是碼本中的一個碼字，加權矩陣W是一個對角矩陣，其值用來表示各子帶重要性的不同，低帶最重要，隨著頻帶的升高重要性依次降低，對每子幀的5個子帶分配不同的權重，在本算法中，5個子帶權重的比例為16∶8∶4∶2∶1，從而加權矩陣W如下所示

矢量量化后得到當前超幀的清濁音矢量BI的矢量量化索引值IDXPI。
上述方法步驟(7)的實施例為將步驟(2)中得到的當前超幀基音周期參數(shù)矢量

變換到對數(shù)域，得到對數(shù)域上的兩維基音周期參數(shù)矢量P→logI=[log(pi1),log(pi2)];]]>然后根據(jù)步驟(6)中得到當前超幀的清濁音矢量BI的矢量量化索引值IDXBI，通過查表確定當前超幀的對數(shù)基音周期參數(shù)矢量

在聯(lián)合量化中對應的索引范圍ψ以及對應的量化方式。聯(lián)合量化索引值的比特數(shù)是原先分別量化時基音周期參數(shù)和清濁音參數(shù)碼本索引比特數(shù)之和，為12bit，因此聯(lián)合量化的索引范圍為0～4095。具體采用的對應關系見下表所示

聯(lián)合量化后，得到當前超幀對數(shù)基音周期參數(shù)矢量的量化索引值IDXPI，將其編碼后經(jīng)信道傳輸?shù)浇獯a端。
上述方法步驟(8)的實施例為在解碼端解碼得到步驟(7)中的當前超幀基音周期參數(shù)矢量的聯(lián)合量化索引值IDXPI，根據(jù)該索引值IDXPI的值得知其所在的量化索引范圍ψ，從而可以查表確定當前超幀的清濁音矢量BI在清濁音矢量碼本CB的矢量量化索引值IDXBI，從而得到當前超幀的清濁音矢量的量化值 同時根據(jù)量化索引范圍ψ和索引值IDXPI就對應得到當前超幀對數(shù)基音周期參數(shù)矢量中濁音子幀對應的那些分量的量化值，再把對應清音子幀的分量直接置為50，即組成解碼端反量化的當前超幀對數(shù)基音周期參數(shù)矢量 上述方法步驟(9)的實施例為將步驟(8)中得到的當前超幀對數(shù)基音周期參數(shù)矢量的量化值 和清濁音矢量的量化值 送到解碼端的語音合成模塊作為基本參數(shù)參與語音的合成。
權利要求
1.提高聲碼器基音周期參數(shù)量化精度的方法，其特征在于，所述方法是在數(shù)字集成電路芯片中依次按以下步驟實現(xiàn)的步驟(1)對輸入的語音信號樣點按設定的時間間隔順序分成子幀，并根據(jù)基音周期參數(shù)和帶通清濁音參數(shù)多幀聯(lián)合量化時所設定的子幀數(shù)劃分為若干超幀，即若兩幀聯(lián)合量化，則每兩個子幀劃分為一個超幀，三幀聯(lián)合量化，則每三個子幀劃分為一個超幀，依此類推；其中所述的語音信號樣點是已按照設定頻率采樣且經(jīng)過高通濾波去除工頻干擾后的信號樣點；步驟(2)按美國國防部混合激勵的線性預測MELP語音編碼算法中所述方法分別提取當前超幀中所有子幀的基音周期參數(shù)，組成多維基音周期參數(shù)矢量P→I=[pi1,pi2······pin],]]>其中n表示聯(lián)合量化時所設定的子幀數(shù)，即一個超幀中包含的子幀數(shù)目，pin為第n個子幀的基音周期參數(shù)；步驟(3)按步驟(2)所述的混合激勵的線性預測語音編碼算法分別提取當前超幀中所有子幀的清濁音參數(shù)，其中，每個子幀各自提取5個子帶的清濁音參數(shù)；步驟(4)根據(jù)以下步驟先構建所有子幀的清濁音參數(shù)矢量BI，J，I＝i1，i2……inJ＝j1，j2，j3，j4，j5，j為子幀中子帶的序號，每一個子幀的清濁音參數(shù)矢量為Bi，J＝[b1，b2，b3，b4，b5]；再對該子帶的清濁音矢量Bi，J用5個比特量化，5個比特依次對應著5個子帶的清濁音模式，即若第j個子帶為濁音性的，則bj＝1，否則，bj＝0；整個子幀的清濁音性由該子幀的第一子帶，也就是最低頻子帶的清濁音性決定，即若b1＝1，則該子幀為濁音子幀，否則乃b1＝0，則該子幀為清音子幀；步驟(5)將當前超幀中由步驟(4)得到的所有子幀的清濁音矢量依次排列起來組成當前超幀的清濁音矢量，即BI=[Bi1,J,Bi2,J,······Bin,J],]]>得到5×n維的當前超幀的清濁音矢量；步驟(6)將步驟(5)中得到的當前超幀的5×n維的清濁音矢量BI進行矢量量化，量化使用預先設定的碼本CB，采用全搜索的方法進行矢量量化，量化失真測度采用加權歐氏距離準則，即使下式所示的失真D最小D＝(BI-B(k))W(BI-B(k))T，其中B(k)是碼本中的對應索引為k的碼字，加權矩陣W是一個對角矩陣，其值用來表示各子帶重要性的不同，低帶最重要，隨著頻帶的升高重要性依次降低，對每子幀的5個子帶分配不同的權重，在本算法中，5個子帶權重的比例為16∶8∶4∶2∶1，從而加權矩陣W如下所示 設定的碼本CB的每個索引值對應一個5×n維的清濁音矢量碼字B(k)，對應于失真值最小的碼字索引值即為矢量量化后得到的當前幀的清濁音矢量BI的矢量量化索引值IDXBI；步驟(7)按以下步驟求出當前超幀的對數(shù)基音周期參數(shù)矢量的聯(lián)合量化索引值IDXPI，將其編碼后經(jīng)信道傳到解碼端；步驟(7.1)將步驟(2)中得到的當前超幀基音周期參數(shù)矢量 變換到對數(shù)域，得到對數(shù)域上的n維基音周期參數(shù)矢量 P→logI=[log(pi1),log(pi2)......log(pin)];]]>步驟(7.2)根據(jù)步驟(6)中得到當前超幀的清濁音矢量BI的矢量量化索引值IDXBI，通過查表確定當前超幀的對數(shù)基音周期參數(shù)矢量 在聯(lián)合量化中所對應的量化索引范圍ψ以及對應的量化方式當超幀的子幀全是清音幀的，則該超幀的基音周期參數(shù)矢量不作量化，而留出的索引范圍實際留作信道編碼等使用；當超幀中只有一幀濁音子幀的，則只對該超幀的對數(shù)基音周期參數(shù)矢量 中對應濁音子幀的那個分量作標量量化，其余對應清音子幀的分量不作量化；除以上兩種情況的其余情形，則根據(jù)超幀中含有的濁音子幀數(shù)目對該超幀的對數(shù)基音周期參數(shù)矢量 中對應濁音子幀的那些分量作對應維數(shù)的矢量量化；同樣，對應清音子幀的那些分量不作量化；步驟(7.3)根據(jù)最小均方準則在確定的量化索引范圍ψ內(nèi)全搜索對應的基音周期參數(shù)碼字，找到使對應濁音子幀部分量化誤差最小的碼字，其索引值就是聯(lián)合量化索引值IDXPI，將其編碼后經(jīng)信道傳輸?shù)浇獯a端；步驟(8)在解碼端解碼得到步驟(7)中的當前超幀基音周期參數(shù)矢量的聯(lián)合量化索引值IDXPI，根據(jù)該索引值IDXPI的值得知其所在的量化索引范圍ψ，從而可以查表確定當前超幀的清濁音矢量BI在清濁音矢量碼本CB的矢量量化索引值IDXBI，從而得到當前超幀的清濁音矢量的量化值 同時根據(jù)量化索引范圍ψ和索引值IDXPI就對應得到當前超幀對數(shù)基音周期參數(shù)矢量中對應濁音子幀的那些分量的量化值，再把對應清音子幀的分量直接置為50，即組成解碼端反量化恢復出的當前超幀對數(shù)基音周期參數(shù)矢量 步驟(9)將步驟(8)中得到的當前超幀對數(shù)基音周期參數(shù)矢量的量化值 和清濁音矢量的量化值 送到解碼端的語音合成模塊作為基本參數(shù)參與語音的合成。
2.按權利要求1所述的提高聲碼器基音周期參數(shù)量化精度的方法，其特征在于，所述步驟(1)中每一個幀包含的語音樣點數(shù)是200個或者180個。
3.按權利要求1所述的提高聲碼器基音周期參數(shù)量化精度的方法，其特征在于，所述步驟(7)中的清濁音矢量BI的矢量量化索引值決定了對數(shù)基音周期參數(shù)矢量 在聯(lián)合量化中的量化索引范圍及量化方式，其對應關系由預先設定的表格所確定。
4.按權利要求1所述的提高聲碼器基音周期參數(shù)量化精度的方法，其特征在于，所述步驟(8)中的解碼過程中，首先根據(jù)聯(lián)合量化索引值IDXPI確定聯(lián)合量化范圍ψ，從而確定清濁音矢量的量化索引值以及清濁音矢量的量化值。
全文摘要
本發(fā)明屬于語音壓縮編碼技術領域，其特征在于在編碼端，該方法首先對輸入信號樣點分幀，對當前超幀提取基音周期參數(shù)矢量和清濁音參數(shù)矢量；矢量量化清濁音參數(shù)矢量，得到其量化索引值；將基音周期參數(shù)矢量變換到對數(shù)域，根據(jù)清濁音參數(shù)的矢量量化索引值查表確定其量化方式以及在聯(lián)合量化索引中的量化范圍，進行量化，得到相應的量化索引值并編碼傳輸。在編碼端，解碼得到聯(lián)合量化的量化索引值，確定其所在范圍，進而得到清濁音矢量量化索引及基音周期量化索引，分別反量化，清音子幀的基音周期置為50，供語音合成。該方法可提高基音周期參數(shù)量化精度，最適合低速率語音編碼。
文檔編號H03M7/30GK101030377SQ20071006540
公開日2007年9月5日 申請日期2007年4月13日 優(yōu)先權日2007年4月13日
發(fā)明者崔慧娟, 唐昆, 李曄, 洪侃 申請人:清華大學