[發(fā)明專(zhuān)利]基于語(yǔ)音功率譜的低速率語(yǔ)音編碼方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210119567.1
• 申請(qǐng)日: 2012-04-20
• 公開(kāi)（公告）號(hào): CN102664021A
• 公開(kāi)（公告）日: 2012-09-12
• 發(fā)明（設(shè)計(jì)）人: 湯一彬;張德國(guó);李梟雄;單鳴雷;朱昌平;韓慶邦;高遠(yuǎn);殷澄
• 申請(qǐng)（專(zhuān)利權(quán)）人: 河海大學(xué)常州校區(qū)
• 主分類(lèi)號(hào): G10L19/12
• 分類(lèi)號(hào): G10L19/12
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

技術(shù)領(lǐng)域

本發(fā)明涉及一種低速率的語(yǔ)音編碼方法，具體涉及到基于字典學(xué)習(xí)的信號(hào)稀疏表示和重構(gòu)的語(yǔ)音處理技術(shù)。

背景技術(shù)

近年來(lái)，隨著數(shù)據(jù)壓縮技術(shù)的發(fā)展，低速率語(yǔ)音編碼技術(shù)也迅速發(fā)展，在移動(dòng)通信、保密通信、水下通信中都得到了廣泛的應(yīng)用。雖然CELP波形編碼器在4.8kb/s比特率時(shí)仍能產(chǎn)生高質(zhì)量的語(yǔ)音，但當(dāng)比特率減少至4kb/s以下時(shí)，編碼系統(tǒng)性能急劇惡化。此時(shí)，必須對(duì)語(yǔ)音信號(hào)進(jìn)行高效的數(shù)據(jù)壓縮處理，并要求該處理適應(yīng)通信傳輸要求。

在Boucheron，Laura?E.；De?Leon，Phillip?L.；Sandoval，Steven.Low?bit-rate?speech?coding?through?quantization?of?mel-frequency?cepstral?coefficients[J].IEEE?Transactions?on?Audio，Speech?and?Language?Processing，2012，20(2)：610-619.發(fā)表的文獻(xiàn)中表明，直接對(duì)由語(yǔ)音功率譜轉(zhuǎn)化提取的美爾倒譜系數(shù)進(jìn)行量化編碼更能有效提高語(yǔ)音編碼質(zhì)量。該方法在PESQ測(cè)評(píng)中，當(dāng)編碼速率為1.2kbps時(shí)，能夠獲得比同級(jí)增強(qiáng)型混合激勵(lì)線性預(yù)測(cè)編碼約0.1的效果提升，而在更低的0.6kbps時(shí)提升效果則更為可觀，約為0.25。而文中對(duì)美爾倒譜系數(shù)的編碼，實(shí)質(zhì)上是一個(gè)由大空間(語(yǔ)音功率譜域)數(shù)據(jù)集至小空間(倒譜域)數(shù)據(jù)集的數(shù)據(jù)壓縮過(guò)程。

在大數(shù)據(jù)集至小數(shù)據(jù)集的有效表示方面，信號(hào)稀疏表示和重構(gòu)理論是近幾年出現(xiàn)的一種新興的信號(hào)表示手段，可用于數(shù)據(jù)挖掘、模式分類(lèi)、壓縮感知等多個(gè)領(lǐng)域。信號(hào)稀疏表示和重構(gòu)理論不要求精確的恢復(fù)原始數(shù)據(jù)，而是在一定的基集(字典)空間中依照某種準(zhǔn)則尋找最少個(gè)數(shù)的稀疏系數(shù)在最大程度上逼近原始數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)重構(gòu)。

發(fā)明內(nèi)容

本發(fā)明的目的是將字典學(xué)習(xí)的信號(hào)稀疏表示和重構(gòu)理論應(yīng)用在語(yǔ)音信號(hào)處理上，構(gòu)造基于其理論的低速率語(yǔ)音壓縮編碼系統(tǒng)，實(shí)現(xiàn)語(yǔ)音通信。

本發(fā)明的技術(shù)方案從以下兩方面考慮：①稀疏理論方面，由于語(yǔ)音信號(hào)本身具有一定的信息結(jié)構(gòu)，如諧波信息，因此如果字典能夠通過(guò)學(xué)習(xí)獲得信號(hào)這種特有結(jié)構(gòu)，那么在該字典上獲得的稀疏系數(shù)必然是信號(hào)特征的最大化表現(xiàn)，從而極大的減小輸出系數(shù)的冗余度，實(shí)現(xiàn)高效數(shù)據(jù)壓縮的目的。②在通信方面，為了降低編碼速率，則要求接收雙方都必須具有相同的字典，通信時(shí)僅傳輸稀疏系數(shù)。在發(fā)送端，根據(jù)字典將原始數(shù)據(jù)分解，獲得稀疏系數(shù)；在接收端，則通過(guò)接收的稀疏系數(shù)，利用約定的字典恢復(fù)出原始數(shù)據(jù)，完成通信過(guò)程。因此，本發(fā)明將上述兩者進(jìn)行結(jié)合，通過(guò)在接收端采用字典學(xué)習(xí)，實(shí)現(xiàn)數(shù)據(jù)壓縮；在發(fā)送端通過(guò)分析-合成的方法，獲得與接收端相同的字典，實(shí)現(xiàn)通信要求。最終，實(shí)現(xiàn)一種接收端字典學(xué)習(xí)的低速率語(yǔ)音編碼方法。

本發(fā)明采用語(yǔ)音功率譜作為主要參數(shù)，結(jié)合基于字典學(xué)習(xí)的信號(hào)稀疏表示和重構(gòu)理論進(jìn)行數(shù)據(jù)壓縮，實(shí)現(xiàn)在1.2kbps速率下高質(zhì)量的聲碼器構(gòu)造方案，能夠在相同編碼速率時(shí)獲得比同級(jí)別聲碼器更優(yōu)的合成語(yǔ)音質(zhì)量。

一種基于語(yǔ)音功率譜的低速率語(yǔ)音編碼方法，其特征是，包含以下步驟：

(1)發(fā)送端編碼的步驟：語(yǔ)音信號(hào)通過(guò)語(yǔ)音模型輸出參數(shù)，輸出的參數(shù)經(jīng)過(guò)數(shù)據(jù)處理，產(chǎn)生稀疏系數(shù)，并轉(zhuǎn)換成比特流；

(2)接收端解碼的步驟：對(duì)接收到的參數(shù)進(jìn)行數(shù)據(jù)處理，恢復(fù)相關(guān)參數(shù)，并通過(guò)基于語(yǔ)音功率譜的語(yǔ)音合成模型獲得最終的合成語(yǔ)音。

所述發(fā)送端經(jīng)語(yǔ)音模型后輸出的參數(shù)為基音、歸一化語(yǔ)音功率譜和能量增益三個(gè)參數(shù)。

所述發(fā)送端將所述基音、能量增益和通過(guò)稀疏理論由所述歸一化語(yǔ)音功率譜產(chǎn)生的稀疏系數(shù)這三個(gè)參數(shù)轉(zhuǎn)化為比特流的形式進(jìn)行傳輸。

所述發(fā)送端的數(shù)據(jù)處理采用多個(gè)模塊實(shí)現(xiàn)，所述多個(gè)模塊包括稀疏分解模塊、字典學(xué)習(xí)模塊以及緩存前幀稀疏系數(shù)和前幀字典模塊。

所述接收端接收到的參數(shù)為基音、能量增益和稀疏系數(shù)三個(gè)參數(shù)。

所述接收端的數(shù)據(jù)處理采用多個(gè)模塊實(shí)現(xiàn)，所述多個(gè)模塊包括稀疏重構(gòu)模塊、字典學(xué)習(xí)模塊以及緩存前幀稀疏系數(shù)和前幀字典模塊。

所述發(fā)送端字典學(xué)習(xí)模塊，在發(fā)送端構(gòu)造一個(gè)與接收端相同的字典學(xué)習(xí)算法，僅根據(jù)前若干幀的稀疏系數(shù)和字典產(chǎn)生本幀的字典。

所述接收端字典學(xué)習(xí)模塊，利用前若干幀的稀疏系數(shù)和字典構(gòu)建本幀字典；本幀字典的學(xué)習(xí)分為兩個(gè)空間的學(xué)習(xí)：前若干幀接收信號(hào)對(duì)應(yīng)的空間，以及其補(bǔ)空間的學(xué)習(xí)。