基于BP神经网络的低延迟矢量激励语音编码系统

摘要

人工神经网络是采用大量的处理单元连接起来构成的一种复杂的信息处理网络。这种网络具有与人脑相类似的学习记忆能力和输入信息特征抽取能力。人工神经网络因其非线性、自适应及学习特性而受到极大关注，并在诸多领域都取得成功的应用，如模式识别与图像处理、控制与优化、预测、通信等。 语音信号本质上是一个非平稳和非线性的过程，但一直以来，传统的语音处理方法都采用一种线性预测方法来处理，这就无法适应语音信号的非线性特征。而现有神经网络非线性滤波方法对矢量激励语音编码尚无有效的解决方案。 本课题首先针对线性滤波方法的不足，在语音编码系统的预测中引入神经网络模型，并研究了基于神经网络的语音编码系统的结构、适合于语音后向预测的神经网络的结构和学习算法，并且针对算法实时性的要求通过固定部分微变系数改进了BP网络训练过程缩短了训练时间，实验表明本算法比G.721信噪比提高1.5-2dB。 在语音编码算法中，矢量量化的效率要高很多，而现有的矢量激励语音编码算法还无法和神经网络非线性滤波有效的结合起来。本课题针对矢量激励编码算法，提出了基于神经网络的非线性逆滤波的概念。经过离线网络训练得到具有中心抽头的单位变换非线性滤波器；将训练好的神经网络从中心抽头一分为二，构成正、逆两个非线性滤波器；语音信号经正滤波器滤波得到激励矢量；用LBG方法训练激励矢量得到激励码书。编码时搜索最佳激励矢量，经非线性逆滤波得到合成语音。为了缩短搜索时间，本课题采用了一种基于分形学理论的搜索算法，将码书二次训练分为若干子码书并得到每个子码书的代表码字，搜索时首先找到最接近的代表码字，然后根据此码字搜索其所代表的子码书，从而使搜索时间减少2个数量级。在此基础上，本课题设计了基于BP神经网络的8k低延迟语音编码算法，算法采用固定系数的后向非线性预测，算法复杂性的MIPS值为42.2。对30句语音计算，信噪比为15.3323。

目录

文摘

英文文摘

关于论文使用授权的说明和独创性声明

第一章绪论

1.1语音压缩编码技术概述

1.1.1语音压缩编码的实质

1.1.2话音编码系统的基本原理

1.1.3语音编码技术及发展

1.1.4极低速率语音编码技术

1.1.5衡量语音编码性能的主要因素

1.1.6语音编码标准比较

1.2神经网络的发展及其在语音信号处理中的应用

1.2.1人工神经网络的发展

1.2.2人工神经网络在语音处理中的应用发展

1.3本课题的研究背景及主要工作

第二章理论基础

2.1传统的线性预测滤波算法

2.1.1自适应预测语音编码系统和线性预测

2.1.2后向和前向自适应线性预测

2.2语音编码中的矢量量化

2.2.1矢量量化的发展

2.2.2矢量量化的原理

2.3 BP神经网络算法原理及其在语音编码中的实际应用

2.3.1 BP网络介绍

2.3.2 BP神经网络算法研究

2.3.3有关非线性时间序列预测的一些问题

2.3.4基于BP网络的信号预测模型

2.3.5语音信号的相关性与非线性预测

2.4分形学

2.4.1分形学概述

2.4.2分形学及其应用的发展

第三章基于BP神经网络的G.721语音编码系统

3.1 G.721标准算法

3.2基于BP神经网络的G.721语音编码模型

3.3基于BP神经网络的G.721语音编码实验方案

3.3.1时变系数

3.3.2固定系数

3.3.3固定微变系数

3.3.4对BP神经网络的使用

3.4实验结果及讨论

3.4.1时变系数方案实验结果

3.4.2固定系数方案实验结果

3.4.3固定微变系数方案

3.4.4结果讨论

第四章基于BP神经网络的低延迟矢量激励语音编码系统

4.1矢量激励语音编码算法原理

4.2基于BP神经网络的矢量激励语音编码原理

4.3基于BP神经网络的低延迟矢量激励语音编码实验方案

4.3.1激励的选择

4.3.2激励的离散化

4.3.3码书搜索方案

4.3.4单位变换非线性网络结构

4.3.5码书空间尺寸的选择

4.3.6子码书个数

4.3.7对码书搜索算法的评价

4.3.8对减少码书搜索算法复杂度的进一步研究

4.4实验总结

4.5本算法在G.728中的应用

结束语

参考文献

致谢

研究生期间发表的论文