（电路与系统专业论文）基于小波变换的低速率波形内插语音编码算法研究.pdf

、 c 、，。o j 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 签名： 关于论文使用授权的说明 日期：矽扣号力9 本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名：导师签名： 雏 日期：型l ? ! 三：孑s 本论文的研究工作得到国家自然科学基金( 6 0 3 7 2 0 6 3 ) ，北京市 自然科学基金( 4 0 4 2 0 0 9 ) 和北京市教委科技发展计划项目 ( k m 2 0 0 7 10 0 0 5 0 0 1 ) 的资助。 摘要 摘要 语音编码的目的是压缩语音信号的冗余度提高语音信息传输的有效性，是数 字语音通信系统中最为重要的功能之一。多媒体通信的发展，需要高质量的低速 率语音编码。为此，高质量的低速率语音编码成为语音编码中的一个非常重要的 研究课题，吸引着众多的研究者去研究。 特征波形内插( c h a r a c t e r i s t i cw a v e f o n ni n t e r p o l a t i o n ，c w i ) 编码算法以其独 特的特征波形描述激励信号的编码方式和优良的编码性能吸引许多学者对其进 行研究。本文即是围绕低速率语音编码研究课题，以特征波形内插模型为依托， 利用小波变换技术对该编码方法的诸如特征波形分解、基音检测、语音增强和相 关参数的量化等关键技术进行研究，最终提出了纯净语音下的1 8 4 k b i t s 和 2 3 2 k b i t s 的基于双正交提升小波变换( b i o r t h o g o n a ll i f t i n gw a v e l e tt r a n s f o r m ， b l w t ) 的c w i ( b l w t - c w i ) 语音编码算法和噪声环境的1 8 4 k b i t s 的基于小 波变换的特征波形内插( s p e e c he n h a n c e m e mb a s e do nw a v e l e tt r a n s f o r mf o r c w i ，e w t - c w i ) 语音编码算法。 本文的主要研究成果包括以下几个方面： 1 、为了提高语音清浊分类的准确性，本文提出了基于分带谱熵和小波域 t e a g e r 能量的语音清浊分类算法。该算法首先计算频域内的分带谱熵，然后在小 波域计算不同频带的t e a g e r 能量，计算出低频能量所占的比例，通过这两个参 数进行清浊判断。实验证明，由于分带谱熵能加深清浊音之间的差异，t e a g e r 能量能快速跟踪声门周期内信号能量的变化，从而该算法能更容易提取浊音，该 算法在纯净语音和含噪语音上的性能都优于幅度能量算法； 2 、为了提高在噪声环境下基音检测的准确性，本文提出了基于前置滤波和 小波系数加权的带噪语音基音检测算法，该算法首先对带噪语音进行前置滤波， 去除高频噪声和大部分共振峰，然后采用二次样条小波作为小波函数，对滤波后 的语音进行3 级分解，通过对三级小波分解的细节分量加权求和突出边缘特征， 再利用该特征提取3 个候选基音，最后采用归一化自相关函数找到基音周期。实 验表明，本文提出的算法与二进小波变换和归一化自相关函数检测基音周期 ( p i t c hd e t e c t i o na l g o r i t h mb a s e do nd y a d i cw a v e l e tt r a n s f o r ma n dn o r m a l i z e d a u t o c o r r e l a t i o nf u n c t i o n ，d w t - n c c f p d a ) 方法相比，提高了在噪声环境下的 基音检测精度； 3 、本文提出了一种基于双正交提升小波变换的特征波形分解方法，得到多 分辨率表面，使得激励源被准确地描述。该分解方法不需要复杂的特征波形对齐 操作和滤波器的卷积运算，其固有的原位运算降低了传统特征波形小波分解算法 北京丁业大学1 = 学博士学位论文 所需的内存，所采取的当前帧边界点替代相邻帧样点的措施有效克服了传统特征 波形小波分解算法的额外时延； 4 、为了能使低速率语音编码算法运用在噪声环境，本文提出了基于双正交 小波包分解的自适应阂值语音增强方法，该方法能够自适应地跟踪噪声的水平， 以此来更新所选阈值，同时采用动态闽值方法去除噪声，从而能有效地去除或降 低多种有色噪声。实验结果表明，该方法由于能够在处理过程中保证相位不失真， 从而性能优于基于正交小波分解的软阈值去噪方法； 5 、基于上述技术，本文构建了在纯净语音环境下的1 8 4 k b i t s 和2 3 2 k b i t s b w l t - c w i 两种语音编码器，同时构建了噪声环境下的1 8 4 k b i t s e w t _ c w i 编 码器。m o s 分测试表明1 8 4 k b i t sb w l t - c w i 编码器的语音质量接近2 4 k b i t s 的m e l p 编码器，2 3 2 k b i t sb w l t - c w i 编码器的语音质量稍优于2 4 k b i t s 的 m e l p 编码器。a b 测试表明，1 8 4 k b i f f sb l w t - c w i 编码器的性能与 2 4 k b i t s m e l p 编码器性能相当，却明显优于2 0 k b i t s 的低复杂度改进型波形内 插( l o w - c o m p l e xi m p r o v e d w a v e f o r n li n t e r p o l a t i o n ，l i w i ) 编码器， 1 8 4 k b i t s e w t - c w i 编码器性能优于基于谱减法构建的1 8 4 k b i t s b l w t - c w i 编 码器。纯净语音下的1 8 4 k b i t sb w l t - c w i 编解码算法的计算复杂度约为 7 5 8 8 3 m o p s ，所需的存储容量大约为5 7 6 k 个浮点存储单元，其计算复杂度小 于2 0 k b i t sl i w i 编码方法的算法复杂度。 关键词：语音编码；小波变换；提升小波；基音检测；语音增强；特征波形内插； 特征波形分解；矢量量化 i i a b s t r a c t a b s t r a c t n ep u r p o s eo fs p e e c hc o d i n gi st oc o m p r e s st h er e d u n d a n c yo fs p e e c hs i g n a lt o i m p r o v et h ee f f e c t i v e n e s so fs p e e c hi n f o r m a t i o nt r a n s m i s s i o n ，w h i c h i so n eo ft h e m o s t i m p o r t a n t f u n c t i o n si nt h e d i g i t a ls p e e c h c o m m u n i c a t i o ns y s t e m n l e d e v e l o p m e n to fm u l t i m e d i ac o m m u n i c a t i o nr e q u i r e s l o wb i tr a t e s s p e e c hc o d i n g a l g o r i t h mw i t hh i g hq u a l i t y s oh i g h q u a l i t yl o wb i tr a t e ss p e e c hc o d i n gb e c o m e sa r e s e a r c ht o p i co fg r e a ti m p o r t a n c e ，a t t r a c t i n gal a r g en u m b e ro f r e s e a r c h e r st os t u d yi t c h a r a c t e r i s t i cw a v e f o r mi n t e r p o l a t i o n ( c w i ) c o d i n ga l g o r i t h ma t t r a c t e dm a n y s c h o l a r s f o c u s e sd u et oi t se x c e l l e n tc o d i n gp e r f o r m a n c ea n du n i q u ee n c o d i n g m e t h o dt h a td e s c r i b e st h ee x c i t a t i o ns i g n a l o f s p e e c h w i t ht h ec h a r a c t e r i s t i c w a v e f o r m s t h ek e yt e c h n i q u e so fc w im o d e lb a s e dl o wb i tr a t e ss p e e c hc o d i n g a l g o r i t h m ，i n c l u d i n gc h a r a c t e r i s t i c w a v e f o r mi n t e r p o l a t i o n ，p i t c hd e t e c t i o n ，s p e e c h e n h a n c e m e n ta n dp a r a m e t e rq u a n t i f i c a t i o n ，a r ep r e s e n t e du s i n gw a v e l e tt r a n s f o r mi n t h i sd i s s e r t a t i o n f i n a l l y1 8 4 k b i t sa n d2 3 2 k b i t sc w ic o d i n ga l g o r i t h mb a s e do n b i o r t h o g o n a ll i f t i n gw a v e l e tt r a n s f o t i n ( b l w t - c w i ) a r er e a l i z e df o rc l e a ns p e e c h a n d1 8 4 k b i t sc w is p e e c hc o d i n ga l g o r i t h mu s i n gs p e e c he n h a n c e m e n tb a s e do n w a v e l e tt r a n s f o r mf o rc w i ( e w t - c w i ) w a sr e a l i z e df o rn o i s ys p e e c ha sw e l l t h em a i nr e s e a r c hc o n t r i b u t i o n so ft h ed i s s e r t a t i o na r ea sf o l l o w s ： 1 i no r d e rt oi m p r o v et h ep e r f o r m a n c eo fs p e e c hv o i c e 删n v o i c e dc l a s s i f i c a t i o n ， ac l a s s i f i c a t i o na l g o r i t h mb a s e do nt h eb a n d p a r t i t i o n i n gs p e c t r a le n t r o p ya n dt e a g e r e n e r g y o fw a v e l e tt r a n s f o r n l i s p r o p o s e d i n t h i sd i s s e r t a t i o n f i r s t ，t h e b a n d p a r t i t i o n i n g s p e c t r a le n t r o p y i s c o m p u t e d s e c o n d ，t h et e a g e re n e r g y i s c a l c u l a t e di ne a c hb a n do fw a v e l e td e c o m p o s a t i o n t h e nt h er a t i oo ft h ee n e r g yi n l o w e rb a n d st ot h et o t a le n e r g yi ne a c hs p e e c hs e g m e n ti sc o m p u t e d f i n a l l y , t h e v o i c e da n du n v o i c e dd e c i s i o ni sm a d ea c c o r d i n gt ot h e s et w op a r a m e t e r s e x p e r i m e n t a lr e s u l t ss h o w t h a tt h eb a n d - p a r t i t i o n i n gs p e c t r a le n t r o p yc a ne n l a r g et h e d i f f e r e n c eb e t w e e nv o i c e da n du n v o i c e ds p e e c h ，a n dt h et e a g e re n e r g yh a sf a s t t r a c k i n ga b i l i t yt ot h ec h a n g e so fs i g n a le n e r g yi nt h eg l o t t a lc y c l e a sar e s u l t ，t h e a l g o r i t h mc a ne x t r a c tt h e v o i c e d s p e e c hm o r ee a s i l y s o t h ep r o p o s e dm e t h o d o u t p e r f o r m st h ea m p l i t u d ee n e r g y b a s e da l g o r i t h mf o rb o t hc l e a na n dn o i s ys p e e c h 2 i no r d e rt oi m p r o v et h ea c c u r a c yo fp i t c hd e t e c t i o ni nt h en o i s ye n v i r o n m e n t ，a p i t c hd e t e c t i o nm e t h o df o rn o i s ys p e e c hb a s e do np r e - f i l t e r i n ga n dw e i g h t e dw a v e l e t c o e f f i c i e n t si sp r o p o s e d f i r s t ，t h en o i s ys p e e c hs i g n a l sa r ef i l t e r e dt or e m o v en o i s ei n h i 曲f r e q u e n c yb a n da n dm o s tp a r to ft h ef o r m a n t s t h e n ，m ef i l t e r e ds p e e c h i s d e c o m p o s e db yt h eq u a d r a t i cs p l i n ew a v e l e t n e x t ，t h ew a v e l e tc o e f f i c i e n t so ft h r e e i i i 北京t 业大学工学博七学位论文 c o n s e c u t i v es c a l e sa r ew e i g h t e dt oe m p h a s i z et h es h a r pc h a n g ep o i n t s t h e n ，t h r e e c a n d i d a t ep i t c hp e r i o d sa r ee x t r a c t e df r o mt h ew e i g h t e dc o e f f i c i e n t s f i n a l l y , t h ep i t c h p e r i o di sc a l c u l a t e db yt h en o r m a l i z e da u t o c o r r e l a f i o nf u n c t i o n e x p e r i m e n t ss h o w t h a t t h i s a l g o r i t h m c a l l i m p r o v et h ep e r f o r m a n c e o fp i t c hd e t e c t i o ni n n o i s y e n v i r o n m e n ta n dl o w e rt h ec o m p u t a t i o n a lc o m p l e x i t yc o m p a r e dw i t ht h ep i t c h d e t e c t i o n a l g o r i t h m b a s e do n d y a d i c w a v e l e tt r a n s f o r m a n dn o r m a l i z e d a u t o c o r r e l a f i o n ( d w t - n c c f p d a ) 3 c h a r a c t e r i s t i c sw a v e f o r md e c o m p o s i t i o nb a s e do nb i o r t h o g o n a ll i f t i n gw a v e l e t t r a n s f o r m ( b l w t ) i sp r o p o s e di nt h i sd i s s e r t a t i o n w i t ht h i sm e t h o d ，m u l t i r e s o l u t i o n s u r f a c e sc a nb eo b t m n e d ，w h i c hw i l lm a k et h ee x c i t a t i o ns o u r c ed e s c r i b e dm o r e a c c u r a t e l y t h ec o m p l i c a t e dc wa l i g n m e n ta n dc o n v o l u t i o no p e r a t i o n o ff i l t e r o p e r a t i o na r ec a n c e l l e db yu s i n gb l w t - b a s e dc wd e c o m p o s i t i o n t h em e m o r y r e q u i r e m e n to ft r a d i t i o n a lc h a r a c t e r i s t i c sw a v e f o r m sd e c o m p o s i t i o na l g o r i t h mb a s e d o nw a v e l e tt r a n s f o r mi sr e d u c e dw i t hi t si n h e r e n ts i t uc a l c u l a t i o n t h ea d d i t i o n a ld e l a y o ft h et r a d i t i o n a lc h a r a c t e r i s t i cw a v e f o r md e c o m p o s i t i o nb a s e do nw a v e l e tt r a n s f o r m i sc a n c e l l e db yr e p l a c i n gt h es a m p l e so fa d j a c e n tf r a m e s 、椭t ht h eb o u n d a r ys a m p l e so f t h ec u r r e n tf r a m e 4 i no r d e rt om a k el o wb i tr a t es p e e c hc o d i n ga l g o r i t h ms u i t a b l e f o rn o i s y e n v i r o n m e n t s ，s p e e c he n h a n c e m e n tu s i n ga d a p t i v et h r e s h o l db a s e do nb i o n h o g o n a l w a v e l e tp a c k e td e c o m p o s i t i o ni sp r o p o s e di n t h i sd i s s e r t a t i o n t h i sm e t h o du p d a t e s t h et h r e s h o l db ya d a p t i v e l yt r a c k i n gt h el e v e lo fn o i s ea n dt h ed y n a m i ct h r e s h o l di s u s e dt or e m o v et h en o i s e t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ep r o p o s e dm e t h o d o u t p e r f o r m st h ed e n o i s i n ga p p r o a c h e su s i n gs o f t t h r e s h o l d b a s e do no n h o g o n a l w a v e l e t ，b e c a u s ei ti sf r e eo fp h a s ed i s t o r t i o na n dc a r lr e m o v em a n yk i n d so fc o l o r e d n o i s ee f f i c i e n t l y 5 1 8 4 k b w sa n d2 3 2 k b i t sb l w t - c w ie n c o d e rf o rc l e a ns p e e c ha n da1 8 4 k b i t se - w t - c w ie n c o d e rf o rn o i s ye n v i r o n m e n ta r eb u i l tb a s e do nt h ea b o v e t e c h n i q u e s m e a no p i n i o ns c o r e ( m o s ) t e s tr e s u l t si n d i c a t et h a tt h es p e e c hq u a l i t yo f t h ep r o p o s e d1 8 4 k b i t sb l w t - c w ie n c o d e ri sv e r yc l o s et ot h a to f2 4 k b i t sm e l p c o d e r t h es p e e c hq u a l i t yo ft h ep r o p o s e d2 3 2 k b i f f sb l w t - c w ie n c o d e ri ss l i g h t l y b e t t e rt h a nt h a to f2 4 k b i f f sm e l pc o d e ri nq u i e te n v i r o n m e n t a bt e s tr e s u l t ss h o w t h ep e r f o r m a n c eo ft h ep r o p o s e d1 8 4 k b i t sb l w t - c w ie n c o d e ri sv e r yc l o s et ot h a t o f2 4 k b i f f sm e l pc o d e ra n di ss u p e r i o rt ot h a to f2 0 k b i f f so ft h el o w - c o m p l e x i m p r o v e d w a v e f o r mi n t e r p o l a t i o n ( l i w i ) e n c o d e ri n q u i e te n v i r o n m e n t t h e p e r f o r m a n c eo ft h ep r o p o s e d 1 8 4k b i t se - w t - c w ie n c o d e ri ss u p e r i o rt ot h a to f 1 8 4k b i t sb l w t - c w ie n c o d e ru s i n gs p e c t r a ls u b t r a c t i o na st h es p e e c he n h a n c e m e n t m e t h o d t h ec o m p u t a t i o n a lc o m p l e x i t yo fi 8 4 k b i t sb l w t - c ! w ie n c o d e ri sa b o u t 7 5 8 8 3 m o p s t h er e q u i r e ds t o r a g es p a c ei sa b o u t5 7 6 kf l o a tp o i n ts t o r a g eu n i t s t h e i v a b s t r a c t c o m p l e x i t yo f1 8 4 k b i t sb l w t - c w ie n c o d e ri sl o w e rt h a nt h a to f2 o k b i t sl i w i e n c o d e r - k e yw o r d s ：s p e e c hc o d i n g ；w a v e l e tt r a n s f o m ；l i f t i n gw a v e l e t ；p i t c hd e t e c t i o n ；s p e e c h e n h a n c e m e n t ；c h a r a c t e r i s t i cw a c e f o r m i n t e r p o l a t i o n ；c h a r a c t e r i s t i cw a v e f o r m d e c o m p o s i t i o n ；v e c t o rq u a n t i z a t i o n s v 北京工业大学工学博士学位论文 目录 摘要i a b s t r a c t ：ii l 图例ix 表例：x i 第1 章绪论1 1 1 课题的研究背景l 1 2 低速率语音编码2 1 2 1 混合激励线性预测语音编码( m e l p ) 2 1 2 2 多带激励编码m b e 3 1 2 3 正弦变换编码s t c 3 1 2 4 波形内插语音编码w i 4 1 3 特征波形内插编码c w i 的原理4 1 3 1 特征波形内插语音编码c w i 的分析模块5 1 3 2 特征波形内插语音编码c w i 的合成模块。9 1 3 3 特征波形内插语音编码c w i 的量化层1 0 1 4c m 编码器的性能1 2 1 4 1 语音质量。l2 1 4 2 编码速率1 3 1 4 3 时延1 4 1 4 4 算法复杂度1 4 1 4 5 鲁棒性1 4 1 4 6c w i 编码器的性能1 5 1 5 本文的研究意义和主要研究内容1 5 1 6 本文的组织安排16 第2 章小波分析的基本理论19 2 1 引言1 9 2 2 小波变换的基本理论1 9 2 2 1 连续小波变换1 9 2 2 2 二进小波变换。2 0 2 2 3 离散小波变换2 l 2 2 4 正交小波变换21 2 3 离散小波变换的多分辨率分析2 2 2 3 1 多分辨率分析的基本概念2 2 2 3 2 尺度空间和小波空间2 3 2 3 3 二尺度差分方程2 4 2 4 离散小波变换的滤波器组实现2 5 2 4 1 正交离散小波变换的滤波器组实现2 5 2 4 2 双正交离散小波变换的滤波器组实现2 6 2 5 小波包分解【5 9 - 7 0 】2 8 2 6 提升小波3l v i 目录 2 6 1 提升小波的基本原理3 1 2 6 2 正交和双正交小波变换的提升实现3 3 2 7 本章小结3 5 第3 章基于小波变换的语音信号基音检测3 7 3 1 引言3 7 3 2 基于小波变换的语音信号基音检测的机理3 8 3 。3 基于小波变换的语音信号基音检测的现状3 9 3 4 基于前置滤波和小波系数加权的带噪语音基音检测算法4 0 3 4 1 前置滤波。4 0 3 4 2 小波分解4 1 3 4 3 清浊判断4 4 3 4 4 小波系数加权求和5 0 3 4 5 归一化自相关函数5 0 3 4 6 实验结果与分析5 3 3 5 本章小结5 3 第4 章基于小波变换的特征波形分解与量化5 5 4 1 引言5 5 4 2 传统的c w 分解方法5 5 4 2 1 f i r 低通滤波分解方法5 5 4 2 2 奇异值分解s v d 方法5 6 4 2 3 非负矩阵n m f 分解方法5 7 4 2 4 离散余弦变换d c t 分解方法5 8 4 2 5 传统的小波分解方法：6 0 4 3 基于双正交提升小波变换的特征波形c w 分解算法6 0 4 3 1 双正交提升小波分解模型6 1 4 3 2 双正交提升小波重建模型7 9 4 3 3 特征波形参数选择与量化8 0 4 4 本文分解算法与传统方法的性能比较8 3 4 4 1 与传统小波分解的性能比较。8 3 4 4 2 与传统分解方法的性能比较8 4 4 5 本章小结8 4 第5 章基于小波变换的语音增强算法8 7 5 1 引言：8 7 5 2 传统的小波去噪方法8 8 5 2 1 模极大值去噪法8 8 5 2 2 相关性去噪法8 9 5 2 3 阈值去噪法8 9 5 3 基于双正交小波包分解的自适应阈值语音增强算法9 2 5 - 3 1 小波包分解9 3 5 3 2 小波包的选择9 4 5 3 - 3 分解级数。9 4 5 3 4 自适应动态阈值去噪9 5 5 3 5 实验结果与分析。9 9 v h 北京工业大学t 学博十学位论文 5 4 本章小结9 9 第6 章w t - c w i 声码器10 3 6 1 引言1 0 3 6 2 纯净语音下的b l w t - c w i 声码器10 3 6 3 噪声环境下的1 8 4 k b i t s e w t - c w i 声码器1 0 7 6 4 主观质量评价10 8 6 4 1 纯净语音环境的b l w t - c w i 声码器评价1 0 8 6 4 2 噪声环境下的e w t - c w i 声码器评价11 2 6 5 本章小结1 13 第7 章总结与展望”5 7 1 论文主要工作：1 1 5 7 2 论文主要创新点1 1 6 7 3 今后的工作展望11 6 参考文献1 1 7 攻读博士学位期间发表及已录用的学术论文12 6 攻读博士学位期间参加的科研项目和获奖情况12 7 致谢12 8 v i i i 图例 图1 1c w i 的分析模块框图5 图1 2 语音产生模型框图：6 图1 3c w i 的合成模块框图9 图1 4c w i 量化器框图- 1 1 图2 1 多分辨率分解的滤波器组实现2 6 图2 2 基于正交小波变换的信号重建2 6 图2 3 小波变换的滤波器组实现形式2 8 图2 - 4 v o 空间的逐级分解2 9 图2 5 图2 4 的滤波器组实现2 9 图2 6 小波包分解的滤波器组实现：3 0 图2 ，7 小波包重建的滤波器组实现3 0 图2 8 提升方案中信号的分解3 1 图2 - 9 提升方案中信号的重建3 2 图2 1 0 小波变换的滤波器组实现的另一种形式3 3 图2 1 1 小波变换的多相位表示形式3 4 图2 1 2 基于多相矩阵的提升格式分解过程3 5 图2 1 3 基于多相矩阵的提升格式重建过程3 5 图3 1 基音检测算法原理框图4 0 图3 2 基于正交小波分解的原理框图4 1 图3 3 小波分解概貌示例4 2 图3 4 小波分解细节示