论文部分内容阅读
码激励线性预测(CELP)技术因兼具低速率和高语音品质而在中低速率语音编码中得到广泛采用，然而传统CELP所使用的合成分析搜索方法对计算复杂度和码书存储量的要求很高，这制约了它在实际中的应用。代数码激励线性预测(ACELP)继承了CELP的优点，其采用的代数码书具有稀疏性，并且无需存储，可以实施高效搜索。目前，许多基于ACELP结构的语音编码器已被标准化，并且在CELP语音编码标准中占据主流地位。
ACELP编码算法的复杂度偏高，而其运算负荷主要集中在代数码书搜索上，这将直接影响到合成语音的质量。一种高效的ACELP码书搜索方法应该以较低的搜索复杂度提供高质量的合成语音。目前，国际语音编码标准中推荐的搜索方法主要有聚焦搜索法、深度优先树搜索法和全域脉冲替换法。本文在介绍了ITU-TCS-ACELP算法的编解码原理之后，以ITU-T G.729A语音编码器为实验平台，从以下两方面对ACELP语音编码器的代数码书搜索算法做进一步研究：
(1)为降低代数码书搜索复杂度，本文基于脉冲预选和脉冲替换步骤提出一种简化式脉冲替换法。该方法首先利用脉冲预选技术来减少可能的脉冲组合，再利用两级搜索与判断机制改善脉冲搜索的效率。实验结果显示，该方法能够以较低的计算复杂度获得接近于全域脉冲替换法的语音质量。
(2)为提高合成语音质量，本文对基于计算智能--遗传算法(GA)和粒子群优化(PSO)算法的代数码书搜索方法进行了研究，分别提出了改进的遗传算法(IGA)和粒子群优化(IPSO)算法。仿真结果表明，IGA可以获得比标准算法(深度优先树搜索)更好的语音质量，而IPSO则维持了标准算法的高语音质量。充分利用计算智能的优良特性实现对复杂结构代数码书的高效搜索，值得进一步研究和探讨。