基于語音識別與合成的低速率語音編碼研究.pdf

1、在現(xiàn)代通信技術(shù)中，人類語音是最重要、最基本的交流媒介并將成為未來人機交互的主要手段。由于考慮到傳輸效率、耗費成本、占用的物理信道、存儲空間等因素，人們總希望在保證較好語音質(zhì)量的前提下，盡可能的壓低語音編碼的傳輸碼率。因此，語音傳輸一般要經(jīng)過壓縮變成比特流的形式。這個壓縮語音信息過程被稱為語音編碼。由Shannon理論可知，語音數(shù)據(jù)壓縮是存在極限的。目前的信源編碼方式已經(jīng)接近極限，因此我們以犧牲算法的復(fù)雜度來無限逼近Shannon極限已經(jīng)

2、變得毫無意義。如果我們從信宿（接收者）的角度來考慮，根據(jù)信宿端的需求對發(fā)送端語音信息進行基于內(nèi)容的壓縮，去除大量非內(nèi)容信息，這樣就可以大大提高語音信號的壓縮效率。本文主要工作及創(chuàng)新點有:
　　 1.論文首先對語音通信技術(shù)的現(xiàn)狀進行了研究和總結(jié)，分析了極低速率語音編碼應(yīng)用領(lǐng)域及其重要意義。對國內(nèi)外語音通信中的語音識別、語音合成和預(yù)處理等關(guān)鍵技術(shù)做了詳細分析研究和仿真實驗，并指出目前存在的不足。
　　 2.本文對語音信號端點

3、檢測的三個特征參數(shù)短時能量、短時平均過零率和基本譜熵進行逐一研究分析，在此基礎(chǔ)上提出了短時能零熵值這種新型的語音參數(shù)，并作為端點檢測的主要參數(shù)。
　　 3.試圖尋找一種基于信宿相關(guān)的低速率語音編碼。其理論依據(jù)是:語音的內(nèi)容信息量總是小于語音的數(shù)據(jù)信息量。通過語音識別技術(shù)針對組成語音的基元，采用仿生模式識別后得到文本信息，把與文本信息相對應(yīng)的標(biāo)準(zhǔn)語音和說話語音進行“比較”運算后得到個體特征信息，然后再對識別出的語音基元文本信息和個