浙江工业大学学报
浙江工業大學學報
절강공업대학학보
Journal of Zhejiang University of Technology
2007年
1期
65-68,112
,共5页
神经网络%语音编码%线性预测编码
神經網絡%語音編碼%線性預測編碼
신경망락%어음편마%선성예측편마
提出一种新型的神经网络线性预测编码算法.针对目前自相关法存在着预测系数解误差以及协方差法存在解不稳定的缺点,算法利用最小均方准则思想显著提高了短时平均误差精度.通过窄带信道将低速率语音编码远距离传输是多媒体语音技术中的重要研究内容,采用语音信号压缩处理是解决低速率传输的有效方法之一,而线性预测编码(LPC)技术是语音压缩参数编码技术的重要内容.从线性预测编码技术入手分析和研究LPC编码技术的原理,阐述了利用最小均方准则思想来提高短时平均误差精度的方法,并介绍了预测系数的自相关求法.最后通过语音合成实验验证了该新型算法既提高了系数解的精度,又保证了系统的稳定性.在该算法下预测系数的均方误差比传统的自相关法误差减小20%以上,而且当原始信号频率较高时语音合成的效果更明显,将更加精确地复现原始语音信号.
提齣一種新型的神經網絡線性預測編碼算法.針對目前自相關法存在著預測繫數解誤差以及協方差法存在解不穩定的缺點,算法利用最小均方準則思想顯著提高瞭短時平均誤差精度.通過窄帶信道將低速率語音編碼遠距離傳輸是多媒體語音技術中的重要研究內容,採用語音信號壓縮處理是解決低速率傳輸的有效方法之一,而線性預測編碼(LPC)技術是語音壓縮參數編碼技術的重要內容.從線性預測編碼技術入手分析和研究LPC編碼技術的原理,闡述瞭利用最小均方準則思想來提高短時平均誤差精度的方法,併介紹瞭預測繫數的自相關求法.最後通過語音閤成實驗驗證瞭該新型算法既提高瞭繫數解的精度,又保證瞭繫統的穩定性.在該算法下預測繫數的均方誤差比傳統的自相關法誤差減小20%以上,而且噹原始信號頻率較高時語音閤成的效果更明顯,將更加精確地複現原始語音信號.
제출일충신형적신경망락선성예측편마산법.침대목전자상관법존재착예측계수해오차이급협방차법존재해불은정적결점,산법이용최소균방준칙사상현저제고료단시평균오차정도.통과착대신도장저속솔어음편마원거리전수시다매체어음기술중적중요연구내용,채용어음신호압축처리시해결저속솔전수적유효방법지일,이선성예측편마(LPC)기술시어음압축삼수편마기술적중요내용.종선성예측편마기술입수분석화연구LPC편마기술적원리,천술료이용최소균방준칙사상래제고단시평균오차정도적방법,병개소료예측계수적자상관구법.최후통과어음합성실험험증료해신형산법기제고료계수해적정도,우보증료계통적은정성.재해산법하예측계수적균방오차비전통적자상관법오차감소20%이상,이차당원시신호빈솔교고시어음합성적효과경명현,장경가정학지복현원시어음신호.