數(shù)字音頻訊號因其高質量與便利性被廣泛應用于日常生活中。隨著互聯(lián)網(wǎng)與智能手機的普及,數(shù)字語音信號廣泛應用于即時語音通話,語音留言,語音翻譯,聽書,語音遙控等應用中。為減輕其傳輸和存儲帶來的帶寬和磁盤空間壓力,語音壓縮是一種有效可行的手段。自九十年代起,隨著計算機計算能力的提升,眾多低碼率的音頻編碼算法被提出,但這些算法多為通用算法,未單獨針對語音特性進行壓縮。因此,本文提出一個完整的語音編解碼器,針對各時刻只存在單一人聲的語音信號進行壓縮,力求在保持語音質量的前提下將碼率壓縮至最低。本論文研究并對比了國內外現(xiàn)有音頻算法研究。首先,本文首次提出了使用基頻、共振峰包絡、相位和彩噪聲四個通道的信號進行語音壓縮的方法;其次,本文提出并使用了基于希爾伯特變換的快速頻移匹配在線字典學習方法,對共振峰包絡、相位和彩噪聲通道,進行壓縮,使較小容量的字典即可對帶有輕微頻移的未知頻譜進行非線性擬合,同時令擬合效果更加自然。再次,本文提出了多趟掃描字典增量訓練方法,以短時延遲為代價,優(yōu)化了字典中的原子的選擇,并在保持擬合質量不變的前提下,進一步減少字典容量,從而降低了比特率。字典還采用了最少最近使用(LRU)...

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 本課題研究的意義和目的
    1.2 國內外研究現(xiàn)狀
        1.2.1 現(xiàn)有通用音頻壓縮算法的研究現(xiàn)狀
        1.2.2 現(xiàn)有針對語音的壓縮算法研究現(xiàn)狀
        1.2.3 稀疏字典學習算法的研究現(xiàn)狀與問題
        1.2.4 熵編碼算法的研究現(xiàn)狀與問題
    1.3 論文研究內容及結構安排
        1.3.1 課題來源及研究內容
        1.3.2 論文結構安排
    1.4 本章小結
第二章 語音信號的頻域特性及四通道分解方法
    2.1 語音信號特性
        2.1.1 共振峰特性
        2.1.2 基頻特性
        2.1.3 相位特性
    2.2 語音信號四通道分解法
        2.2.1 基頻通道
        2.2.2 共振峰幅值包絡通道
        2.2.3 泛音差分初相通道
        2.2.4 彩噪聲通道
第三章 三通道非線性在線字典學習方法
    3.1 線性原子匹配與字典學習
    3.2 針對共振峰包絡的在線字典學習方法
        3.2.1 共振峰包絡特點
        3.2.2 希爾伯特變換
        3.2.3 近似平移模型
        3.2.4 嚴格平移模型
        3.2.5 平移模型與字典學習的結合
        3.2.6 多趟掃描法
    3.3 用于彩噪聲和通道的在線字典學習
    3.4 用于差分初相通道的在線字典學習
第四章 隱式非等距差分曲線記錄方法
    4.1 關鍵點選擇方法
    4.2 分段線性擬合
    4.3 分段貝塞爾擬合
    4.4 差分擬合以及整數(shù)量化方法
    4.5 本文中可以差分表示的元素
        4.5.1 差分表示基頻曲線
        4.5.2 差分表示共振峰包絡和彩噪聲原子
        4.5.3 差分表示共振峰/彩噪聲/相位混合權值和位移參數(shù)
    4.6 多軌道記錄方法
第五章 動態(tài)霍夫曼熵編碼
    5.1 基本霍夫曼樹約定
    5.2 增加頻數(shù)后霍夫曼樹的調整方法
    5.3 減少頻數(shù)后霍夫曼樹的調整方法
    5.4 樹的初始化
    5.5 增量統(tǒng)計法
    5.6 滑動窗口法
    5.7 隨機軟邊界下降法
    5.8 混合霍夫曼編碼
第六章 實驗結果
    6.1 小樣本效果驗證
        6.1.1 四通道分解
        6.1.2 字典學習結果
        6.1.3 原語音與還原結果對比
    6.2 大樣本測試結果
        6.2.1 字典學習壓縮比測試
        6.2.2 各步驟后碼率
總結與展望
參考文獻
攻讀學位期間發(fā)表論文
致謝



本文編號：3742743