论文部分内容阅读
混合激励线性预测(MELP)是一种低速率的语音编码算法。为了提高基于MELP的声码器系统在传输信道中的抗误码能力，通常采用前向纠错(FEC)编码。同时，为了减小噪声对语音信号处理性能的影响，需要在声码器的前端进行语音去噪。在对语音线谱频率(LSF)参数矢量量化的改进基础上，设计了基于(2,1,2)卷积码的MELP声码器前向纠错，并采用独立分量分析(ICA)的快速固定点算法(FastICA)对含有加性白噪声的语音进行去噪处理，提高了MELP声码器的抗误码能力和编码性能。首先，在最佳矢量量化器设计的基础上，把LSF系数的四级矢量量化改进为三级矢量量化，降低了MELP声码器的码速率，且音质的损失很微小。其次，在清音帧中汉明码纠错的基础上，对每帧MELP码流中最重要的23bit参数进行了(2,1,2)卷积编码保护，设计了基于卷积码的MELP声码器前向纠错，其码速率由每帧54bit提高到81bit，增强了其信道抗误码能力。为了保证声码器传输可靠性的同时能够降低码速率，把LSF系数的矢量量化级数由四级减少到三级，原第四级码本索引的比特位用于卷积码前向纠错，此时基于卷积码前向纠错的MELP声码器的码速率由每帧81bit减少到75bit，但其抗误码能力并没有降低。最后，设计了独立分量分析的快速固定点算法。由于ICA要求观测信号的个数不能少于源信号的个数，并且源信号之间要相互独立，为了能够用ICA进行单路语音去噪，利用频谱减法处理单路带噪语音，构造出两路带噪语音信号，然后采用FastICA算法实现对两路观测信号的独立分量分析，最终分离出源信号，得到去噪语音。仿真结果表明该方法提高了语音信号的信噪比。