[其他]極低數(shù)碼率漢語識別聲碼器

無效

• 申請?zhí)枺?/td>: 85100576
• 申請日: 1985-04-01
• 公開（公告）號: CN85100576A
• 公開（公告）日: 1986-08-06
• 發(fā)明（設(shè)計）人: 陳永彬
• 申請（專利權(quán)）人: 南京工學(xué)院
• 主分類號: G10L5/04
• 分類號: G10L5/04
• 代理公司: 南京工學(xué)院專利事務(wù)所
• 代理人: 顧家昌

本發(fā)明屬于漢語數(shù)字通信設(shè)備。

語言信號處理可分為識別、分析、合成和增強等內(nèi)容，通常的聲碼器就是語言分析和語言合成二者的結(jié)合物。目前，最實用的是斜格網(wǎng)絡(luò)結(jié)構(gòu)進行分析和合成的線性預(yù)測聲碼器，已有技術(shù)已經(jīng)制成了數(shù)碼率為2400比特/秒+階線性預(yù)測聲碼器。

在數(shù)字通信中，傳輸數(shù)碼率愈低，得益愈大。現(xiàn)有技術(shù)所研究的極低數(shù)碼率的聲碼器，比較全面地說明了一種“分段式聲碼器”的研究情況。它是適用了雙音（diphone）網(wǎng)絡(luò)、矢量量化、馬爾可夫鏈模型等技術(shù)來得到150比特/秒的數(shù)碼率的。參見文獻：“AD報告：BBN公司窄帶通信研究，1982年11月”（ADAl22838，Bolt????Beranek????and????Newman????Inc????Report????No????5231“Research????on????Narrowband????Communication????Nov.1982）。

但是，現(xiàn)有技術(shù)的這種聲碼器所采用的技術(shù)，對于漢語並不適用。因為漢語語言是單音節(jié)字構(gòu)成的，相鄰字之間都有空隙，不像西方語言的單詞，是多音節(jié)組成的，所以如文獻ADAl22838所述。西方語言可以用類似于狀態(tài)轉(zhuǎn)移的方法從某一雙音轉(zhuǎn)至另一雙音地進行分段，而漢語則不能，因此，漢語的極低數(shù)碼率聲碼器，必須根據(jù)漢語特點，另找有效的途徑。

本發(fā)明的目的是：為各種軍用和民用通信電臺提供碼本，可 隨時更改的、高保密的、實用的數(shù)字通信信源終端。

本發(fā)明的其它用途是：（1）可作為聲控打字機（2）可作為同一語種語言之間的翻譯機，（3）可作為人機對話的語音接口。

漢語有如下五個特點：（一）漢語是由單音節(jié)字構(gòu)成的，一字一個音節(jié)、相鄰音節(jié)字之間都有空隙。（二）漢語文字雖有成千上萬，但是存在許多同音字，全部漢語的音節(jié)字只有1300個左右，同音字對于漢語語言的傳輸來講是可以不必考慮的。（三）漢語的每個字可由聲一韻一調(diào)三者組成。或且說，每個音節(jié)字可分為聲母和韻母二段，聲母的音長很短，韻母的音長則較長。韻母段的音調(diào)值的變化稱為聲調(diào)。聲母、韻母、聲調(diào)是漢語音節(jié)字的三要素。（四）漢語的聲母只有21個、漢語的韻母只有38個，漢語的聲調(diào)只有四種（陰平、陽平、上、去）。如果將聲調(diào)考慮在韻母中，並稱為調(diào)母，則漢語的調(diào)母只有143個。所以，可以認為：漢語是由22個聲母（21個聲母加上零聲母）和143個調(diào)母所組成的1300個左右的音節(jié)字構(gòu)成的。所謂零聲母是指只有韻（調(diào)）母的情況，因為漢語中允許沒有聲母，但必須有調(diào)母。（五）漢語的講話的速度，平均為5字/秒左右。

本發(fā)明根據(jù)漢語的上述特點，設(shè)計了專用于漢語的極低數(shù)碼率聲碼器-漢語識別聲碼器，其基本思想如下：

用漢語標準北京話的全部音節(jié)字做成的語音庫，對發(fā)送端講話者的輸入語言進行識別，將識別出庫字的地址碼通過信道傳輸給對方;用同一語音庫，接收端按接收的庫字地址碼找出庫中該字參數(shù)，合成出語言輸出。從而，完成了具有良好可懂度和清晰度的通信，這種只傳送庫地址碼的方法，其傳輸數(shù)碼率在理論上 是最低的。此外，為了使接收端的輸出語言具有良好的自然度，信道中還應(yīng)附送講話者的各音節(jié)字的音長和音調(diào)值。

圖1為雙工工作的甲乙二方，分別使用二臺漢語識別聲碼器（1）（2）進行信道通信情況。

圖1的工作過程簡述如下，任一方聲碼器在發(fā)話時，講話者輸入的語言信號（3），先經(jīng)過語言分析器（5），抽取其聲學(xué)參數(shù)，然后送給語言識別器（6），識別器將該輸入語言聲學(xué)參數(shù)與語音庫（7）中全部漢語單音節(jié)字的聲學(xué)參數(shù)一一進行識別判決。識別出的庫字的地址碼就作為信息發(fā)送給接收端。當聲碼器在收話時，從對方送來的庫字地址碼，就可調(diào)出該字的庫中的聲學(xué)參數(shù)，送給語言合成器（8），人工地產(chǎn)生語言信號（4），使喇叭發(fā)出聲音。

現(xiàn)將圖1中所采用的技術(shù)說明如下，首先敘述其中的一般聲碼器技術(shù)，即語言分析和語言合成二個技術(shù)。

（一）、語言分析技術(shù)（5），這個方框包括預(yù)處理，聲道參數(shù)分析，音調(diào)檢測和編碼四個部分：

a、預(yù)處理的功用是：將輸入語言信號進行放大和自動增益控制，然后進行反混迭濾波和模數(shù)變換，最后進行數(shù)字的高頻預(yù)加重。