CN105118513B - 一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法 - Google Patents

一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法 Download PDF

Info

Publication number
CN105118513B
CN105118513B CN201510434127.9A CN201510434127A CN105118513B CN 105118513 B CN105118513 B CN 105118513B CN 201510434127 A CN201510434127 A CN 201510434127A CN 105118513 B CN105118513 B CN 105118513B
Authority
CN
China
Prior art keywords
subframe
coding
characteristic parameter
voiced sound
speech characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510434127.9A
Other languages
English (en)
Other versions
CN105118513A (zh
Inventor
李强
付余涛
舒勤军
陈丁当
陈浩
朱兰
明艳
夏绪玖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201510434127.9A priority Critical patent/CN105118513B/zh
Publication of CN105118513A publication Critical patent/CN105118513A/zh
Application granted granted Critical
Publication of CN105118513B publication Critical patent/CN105118513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)

Abstract

本发明请求保护一种基于MELP的1.2kb/s低速率语音编解码方法，包括：编码端首先对语音信号以30ms为子帧长度进行分帧处理，将相邻两子帧组成一个超帧，对提取的语音特征参数LSF、Pitch、VP、Fsmag和G进行多帧联合量化编码。利用帧结构中剩余比特对重要的语音特征参数进行差错控制编码，最后组成二进制比特流进行传送。解码端从接收到的比特流中解析出各语音特征参数的量化索引值，通过量化索引得到语音特征参数的初值，然后进行语音特征参数完整性重构，利用重构的语音特征参数生成激励信号，再经过自适应谱增强、合成滤波器、增益控制和散布脉冲滤波后得到合成的语音信号。本发明能有效地降低语音编码速率，接收端合成的语音具有较高的清晰度和可懂度。

Description

一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解 码方法
技术领域
本发明属于语音通信领域，特别是涉及到一种基于MELP的低速率语音编解码器，广泛应用在保密通信、卫星移动通信、深海通信以及语音信箱等语音应用服务中。
背景技术
语音是人类相互传递信息的主要载体，是现代通信中最直接、最方便、最有效的交流方式，也是未来人机交互的主要手段。随着通信技术的发展，图像、数据等非语音信息在信息传递中所占比重越来越大，但有效传递语音信息仍然是众多通信系统必备的功能之一。
虽然近年来光纤传输技术的引入为有线通信提供了巨大的传输容量，信道带宽问题似乎得到解决。但人们对频带资源有限的陆地蜂窝移动通信、信道价格昂贵的卫星通信和军事保密通信的需求也在不断增加。语音信号经过模/数转换后，数据量大增，高速率的语音信号在通信网中进行传输时需要更大的带宽，这对频带资源有限的无线通信系统来说，传输成本太高，因此，必须对数字化后的语音信号进行压缩编码。目前随着智能语音的提出，各种与语音应用服务相关的新业务开始不断涌现，要求语音数据能被灵活处理、存储、转发和传送。比如语音信箱中的语音信息的存储；水电、交通、铁道等部门的调度员现场录音数据的备份；轨道交通上的自动语音提醒等。这些应用都需要对大量语音数据进行存储。为了便于管理、节省存储空间和提高通信系统的传输效率，都需要对语音数据进行有效的压缩编码。另外，低速率语音编码技术也可运用在军事保密通信中，先对语音信号进行压缩编码，再经过加密处理后，在窄带信道上进行传送。可以说低速率语音通信的广泛应用，促进了低速率语音编码技术的快速发展。
经过几十年的研究和发展，高质量语音编码技术已大规模地走向实用化，产生了许多语音编码国际标准，国际标准化组织ITU-T相继制定了16kb/s的G.728(LD-CELP)、8kb/s的G.729(CS-ACELP)、5.3/6.3kb/s的G.723.1(ACELP)等国际语音编码标准；国际海事卫星组织(INMARSAT)于1990年制定的语音压缩编码标准采用了4.15kb/s改进型多带激励(IMBE)算法；美国Qualcom公司为CDMA移动通信系统采用了4kb/s～8kb/s的变速率语音压缩编码的标准QCELP，并纳入了IS-95标准中。二十世纪九十年代，McCree博士和Barnwell教授提出了混合激励线性预测(MELP)编码算法，1997年及之后的几年，采用MELP算法产生的具有较高合成质量的1.2kbps～2.4kbps MELP声码器，被北大西洋公约组织(NATO)选为低码率语音编码标准。NATO的1.2kbps声码器采用三个20ms子帧组成一个超帧进行联合量化，由于子帧数较多，每子帧提取的参数也较多，而每超帧编码输出只有72bit，因此，声码器对基音周期、线谱对频率、残差谐波幅度值、增益和带通浊音强度均采用了矢量量化编码技术，导致了编码复杂度和存储矢量量化码本所需存储器容量增加，声码器的实现成本增大。而本发明采用两个30ms子帧组成一个超帧进行联合量化，只对线谱对频率和残差谐波幅度值进行矢量量化，其他参数均采用标量量化，因此，本文实现的声码器编码复杂度和所需的存储容量均相对较低。
发明内容
针对现有技术的不足，提出了一种算法复杂度较低，需要的存储空间较小的基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法。本发明的技术方案如下：一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法，其包括编码端的编码步骤及解码端的解码步骤，其中编码端的编码步骤具体为：
101、在编码端，根据编码器的输出码率和处理帧的长度计算出编码帧长，确定语音特征参数，包括线谱对频率LSF、基音周期Pitch、增益G、非周期标志、残差谐波幅度Fsmag、带通清/浊音强度VP量化所用的比特数，设计出编码帧结构；
102、输入语音信号。首先对输入的语音信号进行预处理，滤除工频干扰信号，截取M1(M1取值为30ms)长度的语音信号为一子帧，两个子帧组成一个超帧；
103、设计编码数据缓存器结构，确定分析语音特征参数所用的窗函数的中心位置；
104、采用步骤103中确定的窗函数对语音信号进行截断处理后，提取子帧的语音特征参数，以超帧为单位，对语音特征参数进行联合量化；
105、利用编码后超帧结构中的剩余比特将步骤104所得的重要参数进行差错控制编码，组成二进制比特流后，传送给解码端；
在解码端，解码端的解码步骤为：
106、解码端接收编码端发送来的比特流，并从接收到的比特流中解析出各语音特征参数的量化索引值，通过量化索引得到语音特征参数的初值，然后进行语音特征参数完整性重构；
107、根据步骤106解析出的基音周期Pitch值判断该子帧的清/浊状态。若为浊音子帧时，利用残差谐波幅度Fsmag和带通清/浊音强度VP生成周期性脉冲激励信号；如果为清音子帧，激励为白噪声信号。激励信号经过合成滤波器后，得到重构的语音信号；
108、对重构的语音信号进行增益调整和脉冲散布滤波，得到最终合成的语音信号；
进一步的，步骤107中合成滤波器的系统函数αi是通过解析重构出的线谱对频率LSF经转换得到的线性预测系数值；
进一步的，步骤103中的编码数据缓存器结构和窗函数的中心位置中：1到250是前一超帧后250个样点的存储区域，251到730是当前超帧两个子帧共480个样点的存储区域，280表示提取当前超帧第一子帧语音特征参数时窗的中心位置，520表示提取当前超帧第二子帧语音特征参数时窗的中心位置，窗长均为256；
进一步的，步骤104中提取语音特征参数包括：线谱对频率LSF、基音周期Pitch、带通清/浊强度VP、残差谐波幅度Fsmag和增益G；
进一步的，对超帧的语音特征参数进行联合量化，具体为：将超帧的语音特征参数按分配的比特数进行标量量化或矢量量化，包括步骤：
A1、提取子帧的基音周期Pitch，经对数化后进行7bit标量量化；
A2、判断子帧的清音/浊音(U/V)状态，如果为清音子帧，则不提取清/浊音强度VP值；如果是浊音子帧，则提取清/浊音强度VP值。对浊音子帧进行分带处理。浊音子帧通过带通滤波器后分为5个子带，如果子带为清音状态，用“0”表示，如果子带为浊音状态，用“1”表示。对浊音子帧的后4个子带的带通清/浊音强度VP用2bit量化，即：将0001、0010、0011、0100、0101归入0000，用00编码；将1001，1010，1011归入1000，用01编码；将1101归入1100，用10编码；将1110，0111，0110归入1111，用11编码；
A3、提取每子帧的增益G，用8bit进行标量量化；
A4、提取超帧中第一个浊音子帧的残差谐波幅度Fsmag值，进行8bit矢量量化。对清音子帧不提取Fsmag值；
A5、对提取子帧的线谱对频率LSF分模式进行量化，当两子帧分别为浊音清音或清音浊音时，浊音子帧和清音子帧的LSF分别采用19bit和10bit矢量量化；当两子帧均为清音时，两子帧的LSF都采用10bit进行矢量量化；当两子帧均为浊音时，第一子帧的LSF1采用19bit矢量量化，利用LSF1对第二子帧的LSF2进行预测，得到预测值计算LSF2的残差信号然后对残差值ΔLSF2做8bit矢量量化。
本发明的优点及有益效果如下：
采用本发明能实现一种基于MELP的1.2kbps声码器。该声码器合成的语音具有较好的清晰度和可懂度，且算法复杂度和所需的存储容量均相对较小，实现成本较低，可应用在卫星移动通信等无线通信系统中。因此本发明具有良好的应用前景和实用价值。
附图说明
图1本发明提供的实施例语音编解码流程图；
图2本发明编码端语音信号处理流程图；
图3本发明解码端语音特征参数恢复及语音信号合成流程图；
图4编码数据缓存结构和窗函数中心位置示意图。
具体实施方式
以下结合附图，对本发明作进一步说明：
在编码端，设计编码帧结构，确定各语音特征参数量化所需的比特数；对输入的语音信号进行去噪等预处理，子帧长度为30ms，两子帧组成一个超帧。对超帧的语音特征参数进行联合量化，并利用帧结构中的剩余比特对一些重要的语音特征参数进行差错控制编码，最后把组成二进制比特流进行传送。在解码端，从接收到的比特流中解析出各语音特征参数，利用解析出的语音特征参数生成激励信号，经过合成滤波器后得到重构的语音信号。对重构的语音信号进行增益调整和脉冲整形滤波，得到最终合成的语音信号。
图2给出的是编码端对语音特征参数的提取和量化过程，提取的主要参数包括：线谱对频率LSF、残差谐波幅度Fsmag、基音周期Pitch、带通清/浊强度VP和增益G。
(1)编码端的基本步骤
步骤一：设计编码帧结构，确定各语音特征参数量化所用的比特数；
步骤二：对输入的语音信号经过一个截止频率为100Hz的高通滤波器，滤除50Hz的工频干扰。以两个30ms的子帧组成一个超帧；
步骤三：设计编码数据缓存器结构，确定分析语音特征参数所用的窗函数的中心位置；
步骤四：对超帧的语音特征参数进行联合量化；
步骤五：利用帧结构中剩余比特将步骤四所得的一些重要语音特征参数进行(7，4)汉明码和(8，4)汉明码的差错控制编码，组成二进制比特流进行传送。
其中，编码端步骤三中“设计编码数据缓存器结构，确定分析语音特征参数所用的窗函数的中心位置”，其结构和窗中心位置如图3所示：1到250是上一超帧后250个样点的存储区域，251到730是当前超帧两个子帧共480个样点的存储区域，280表示提取当前超帧第一子帧参数时窗的中心位置，520表示提取当前超帧第二子帧参数时窗的中心位置，窗长均为256。
其中，编码端步骤四中“对超帧的语音特征参数进行联合量化”，各语音特征参数比特分配和量化方式如下：
步骤一：提取子帧的基音周期Pitch，经对数化后采用7bit进行标量量化；
步骤二：判断子帧的清音/浊音(U/V)状态，如果为清音子帧，则不提取清/浊音强度VP值；如果是浊音子帧，则提取清/浊音强度VP值。对浊音子帧进行分带处理。浊音子帧通过带通滤波器后分为5个子带，如果子带为清音状态，用“0”表示，如果子带为浊音状态，用“1”表示。对浊音子帧的后4个子带的带通清/浊音强度VP用2bit量化，即：将0001、0010、0011、0100、0101归入0000，用00编码；将1001，1010，1011归入1000，用01编码；将1101归入1100，用10编码；将1110，0111，0110归入1111，用11编码；
步骤三：提取子帧的增益G，用8bit进行标量量化；
步骤四：只提取超帧中第一个浊音子帧的残差谐波幅度Fsmag值，进行8bit矢量量化。对清音子帧不提取Fsmag值；
步骤五：对提取子帧的线谱对频率LSF分模式进行量化，当两子帧分别为浊音清音或清音浊音时，浊音子帧和清音子帧的LSF分别采用19bit和10bit矢量量化；当两子帧均为清音时，两子帧的LSF都采用10bit进行矢量量化；当两子帧均为浊音时，第一子帧的LSF1采用19bit矢量量化，利用LSF1对第二子帧的LSF2进行预测，得到预测值计算LSF2的残差信号然后对残差值ΔLSF2做8bit矢量量化。
本发明设计的1.2kbps声码器，其编码端帧结构比特分配方案如表2所示。
表2
(2)解码端的基本步骤
图3给出的是解码端语音特征参数的解码和语音信号的合成过程。
步骤一：解码端从接收到的比特流中解析出各语音特征参数的量化索引值，通过量化索引得到语音特征参数的初值，然后进行语音特征参数完整性的重构。针对不同的帧模式，对LSF、Fsmag和VP参数采取不同的重构方式；
步骤二：采用上述语音特征参数生成的激励信号经过合成滤波器后得到重构的语音信号；
步骤三：对重构的语音信号进行增益调整和脉冲整形滤波，得到最终合成的语音信号；
其中，解码端步骤二中“采用上述语音特征参数生成的激励信号”。根据步骤一解析出的子帧的基音周期Pitch值，判断该子帧的清/浊状态。若为浊音子帧，利用该子帧的残差谐波幅度Fsmag和带通清/浊音强度VP生成周期性脉冲激励信号；如果为清音子帧，激励为白噪声信号；
其中，解码端步骤二中“经过合成滤波器后得到重构的语音信号”，合成滤波器的 系数αi是解析重构后的线谱对频率LSF经转换后得到的。合成滤波器的系统函数
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (4)

1.一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法，其特征在于，包括编码端的编码步骤及解码端的解码步骤，其中编码端的编码步骤具体为：
101、在编码端，根据编码器的输出码率和处理帧的长度计算出编码帧长，确定语音特征参数，包括线谱对频率LSF、基音周期Pitch、增益G、非周期标志、残差谐波幅度Fsmag、带通清/浊音强度VP量化所用的比特数，设计出编码帧结构；
102、输入语音信号，首先对输入的语音信号进行预处理，滤除工频干扰信号，截取M1长度的语音信号为一子帧，两个子帧组成一个超帧，M1表示语音信号的长度；
103、设计编码数据缓存器结构，确定分析语音特征参数所用的窗函数的中心位置；
104、采用步骤103中确定的窗函数对语音信号进行截断处理后，提取子帧的语音特征参数，以超帧为单位，对语音特征参数进行联合量化，具体为：将超帧的语音特征参数按分配的比特数进行标量量化或矢量量化，包括步骤：
A1、提取子帧的基音周期Pitch，经对数化后进行7bit标量量化；
A2、判断子帧的清音/浊音(U/V)状态，如果为清音子帧，则不提取清/浊音强度VP值；如果是浊音子帧，则提取清/浊音强度VP值。对浊音子帧进行分带处理，浊音子帧通过带通滤波器后分为5个子带，如果子带为清音状态，用“0”表示，如果子带为浊音状态，用“1”表示。对浊音子帧的后4个子带的带通清/浊音强度VP用2bit量化，即：将0001、0010、0011、0100、0101归入0000，用00编码；将1001，1010，1011归入1000，用01编码；将1101归入1100，用10编码；将1110，0111，0110归入1111，用11编码；
A3、提取每子帧的增益G，用8bit进行标量量化；
A4、提取超帧中第一个浊音子帧的残差谐波幅度Fsmag值，进行8bit矢量量化。对清音子帧不提取Fsmag值；
A5、对提取子帧的线谱对频率LSF分模式进行量化，当两子帧分别为浊音清音或清音浊音时，浊音子帧和清音子帧的LSF分别采用19bit和10bit矢量量化；当两子帧均为清音时，两子帧的LSF都采用10bit进行矢量量化；当两子帧均为浊音时，第一子帧的LSF1采用19bit矢量量化，利用LSF1对第二子帧的LSF2进行预测，得到预测值计算LSF2的残差信号然后对残差值ΔLSF2做8bit矢量量化；
105、利用编码后超帧结构中的剩余比特将步骤104所得的重要参数进行差错控制编码，组成二进制比特流后，传送给解码端；
在解码端，解码端的解码步骤为：
106、解码端接收编码端发送来的比特流，并从接收到的比特流中解析出各语音特征参数的量化索引值，通过量化索引得到语音特征参数的初值，然后进行语音特征参数完整性重构；
107、根据步骤106解析出的基音周期Pitch值判断该子帧的清/浊状态。若为浊音子帧时，利用残差谐波幅度Fsmag和带通清/浊音强度VP生成周期性脉冲激励信号；如果为清音子帧，激励为白噪声信号。激励信号经过合成滤波器后，得到重构的语音信号；
108、对重构的语音信号进行增益调整和脉冲散布滤波，得到最终合成的语音信号。
2.根据权利要求1所述的一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法，其特征在于：步骤107中合成滤波器的系统函数其中，αi是通过解码重构出的线谱对频率LSF经转换后得到的线性预测系数值。
3.根据权利要求1所述的一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法，其特征在于：步骤103中的编码数据缓存器结构，确定分析语音特征参数所用的窗函数的中心位置中：1到250是前一超帧后250个样点的存储区域，251到730是当前超帧两个子帧共480个样点的存储区域，280表示提取当前超帧的第一子帧语音特征参数时窗的中心位置，520表示提取当前超帧第二子帧语音特征参数时窗的中心位置，窗长均为256。
4.根据权利要求1所述的一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法，其特征在于：步骤104中提取语音特征参数包括：线谱对频率LSF、基音周期Pitch、带通清/浊强度VP、残差谐波幅度Fsmag和增益G。
CN201510434127.9A 2015-07-22 2015-07-22 一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法 Active CN105118513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510434127.9A CN105118513B (zh) 2015-07-22 2015-07-22 一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510434127.9A CN105118513B (zh) 2015-07-22 2015-07-22 一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法

Publications (2)

Publication Number Publication Date
CN105118513A CN105118513A (zh) 2015-12-02
CN105118513B true CN105118513B (zh) 2018-12-28

Family

ID=54666476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510434127.9A Active CN105118513B (zh) 2015-07-22 2015-07-22 一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法

Country Status (1)

Country Link
CN (1) CN105118513B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106098072B (zh) * 2016-06-02 2019-07-19 重庆邮电大学 一种基于混合激励线性预测的600bps甚低速率语音编解码方法
CN107276659B (zh) * 2017-06-12 2020-10-09 深圳市沃特沃德股份有限公司 语音对讲方法、装置和移动终端
CN107919139A (zh) * 2017-11-21 2018-04-17 北京华力创通科技股份有限公司 卫星终端测试仪、测试系统和测试方法
CN110415713B (zh) * 2018-04-28 2021-11-09 北京紫光展锐通信技术有限公司 Dmr系统的编码方法及装置、存储介质、数字对讲机
CN109448739B (zh) * 2018-12-13 2019-08-23 山东省计算中心（国家超级计算济南中心） 基于分层聚类的声码器线谱频率参数量化方法
CN109346093B (zh) * 2018-12-17 2019-09-03 山东省计算中心（国家超级计算济南中心） 一种低速率声码器子带清浊音参数提取与量化的融合方法
US10957331B2 (en) * 2018-12-17 2021-03-23 Microsoft Technology Licensing, Llc Phase reconstruction in a speech decoder
CN110136735B (zh) * 2019-05-13 2021-09-28 腾讯音乐娱乐科技（深圳）有限公司 一种音频修复方法、设备及可读存储介质
CN110503966A (zh) * 2019-09-06 2019-11-26 成都理工大学 基于钢轨的melp/celp混合语音编码通信系统及编码方法
CN112270934B (zh) * 2020-09-29 2023-03-28 天津联声软件开发有限公司 一种nvoc低速窄带声码器的语音数据处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020052734A1 (en) * 1999-02-04 2002-05-02 Takahiro Unno Apparatus and quality enhancement algorithm for mixed excitation linear predictive (MELP) and other speech coders
CN101030377A (zh) * 2007-04-13 2007-09-05 清华大学 提高声码器基音周期参数量化精度的方法
CN103050122A (zh) * 2012-12-18 2013-04-17 北京航空航天大学 一种基于melp的多帧联合量化低速率语音编解码方法
CN104318927A (zh) * 2014-11-04 2015-01-28 东莞市北斗时空通信科技有限公司 一种抗噪声的低速率语音编码方法及解码方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020052734A1 (en) * 1999-02-04 2002-05-02 Takahiro Unno Apparatus and quality enhancement algorithm for mixed excitation linear predictive (MELP) and other speech coders
CN101030377A (zh) * 2007-04-13 2007-09-05 清华大学 提高声码器基音周期参数量化精度的方法
CN103050122A (zh) * 2012-12-18 2013-04-17 北京航空航天大学 一种基于melp的多帧联合量化低速率语音编解码方法
CN104318927A (zh) * 2014-11-04 2015-01-28 东莞市北斗时空通信科技有限公司 一种抗噪声的低速率语音编码方法及解码方法

Also Published As

Publication number Publication date
CN105118513A (zh) 2015-12-02

Similar Documents

Publication Publication Date Title
CN105118513B (zh) 一种基于混合激励线性预测MELP的1.2kb/s低速率语音编解码方法
RU2461898C2 (ru) Способ и устройство для кодирования и декодирования
CN101494055B (zh) 用于码分多址无线系统的方法和装置
CN101577605B (zh) 基于滤波器相似度的语音lpc隐藏和提取算法
Benyassine et al. ITU-T Recommendation G. 729 Annex B: a silence compression scheme for use with G. 729 optimized for V. 70 digital simultaneous voice and data applications
KR100547235B1 (ko) 광대역 음성 코덱에서 고주파 확장층 부호화
DE60027573T2 (de) Quantisierung der spektralen amplitude in einem sprachkodierer
CN103325375B (zh) 一种极低码率语音编解码设备及编解码方法
US8190440B2 (en) Sub-band codec with native voice activity detection
CN103050121A (zh) 线性预测语音编码方法及语音合成方法
ZA200606713B (en) Classification of audio signals
CN108231083A (zh) 一种基于silk的语音编码器编码效率提高方法
WO2008148321A1 (fr) Appareil de codage et de décodage et procédé de traitement du bruit de fond et dispositif de communication utilisant cet appareil
CN100555414C (zh) 一种dtx判决方法和装置
ES2546028T3 (es) Un método y un dispositivo de codificación/decodificación
CN108109629A (zh) 一种基于线性预测残差分类量化的多描述语音编解码方法和系统
CN101952886A (zh) 用于对背景噪声信息进行编码的方法和装置
AU768744B2 (en) Method for quantizing speech coder parameters
CN106098072B (zh) 一种基于混合激励线性预测的600bps甚低速率语音编解码方法
CN103714823A (zh) 一种基于综合语音编码的自适应水下通信方法
US6980948B2 (en) System of dynamic pulse position tracks for pulse-like excitation in speech coding
KR20080109038A (ko) 오디오 디코더에서 신호를 사후-프로세싱하는 방법
Krishnan et al. EVRC-Wideband: the new 3GPP2 wideband vocoder standard
CN102760441B (zh) 一种背景噪声编码/解码装置、方法和通信设备
Li et al. A new distortion measure for parameter quantization based on MELP

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant