郭莉莉
- 作品数：5 被引量：7H指数：2
- 供职机构：北京工业大学电子信息与控制工程学院更多>>
- 发文基金：北京市教委科技发展计划北京市自然科学基金国家自然科学基金更多>>
- 相关领域：电子电信理学更多>>
- 基于非负矩阵分解的2kb/s波形内插语音编码算法被引量：6
- 2008年
- 在波形内插(Waveform Interpolation,WI)语音编码器中,如何低延时、高精度并且低复杂度的分解和量化特征波形(Characteristic Waveform,CW)一直是该编码模型的研究热点和难点.本文提出用非负矩阵分解(Non-negative MatrixFactorization,NMF)方法来分解语音特征波形.该分解方法仅需要当前帧的语音信号,不会给编码器带来额外的延时;为了提高分解精度,本文在CW分解之前先对CW按照其子帧的最大基音周期进行分类,然后按不同类别进行分解.另外,本文结合耳蜗模型提出了NMF的基矢量分带初始化算法,将CW的分解精度提高到与二阶奇异值分解相当的水平;为了降低WI编码器的计算复杂度,本文去除了传统WI编码器中的特征波形对齐模块,同时将NMF的分解阶数设定为16以折中CW分解的计算复杂度和分解精度.最后,本文基于矩阵量化技术,对非负矩阵分解后的编码矩阵采用分裂式矩阵量化方案来量化.主观A/B测试表明,本文提出的2kb/s NMF-WI编码器的合成语音质量接近于2.4kb/s SVD-WI编码器.MOS分测试表明,本文提出的2kb/s NMF-WI编码器的合成语音质量稍差于2.4kb/s MELP编码器.
- 张鹏鲍长春郭莉莉
- 关键词：语音编码波形内插特征波形非负矩阵分解
- 基于贝叶斯阴阳机的2kb/s NMF-WI语音编码算法被引量：3
- 2009年
- 本文提出了一种改进型的基于非负矩阵分解(Nonnegative Matrix Factorization,NMF)的特征波形(Charac-teristic Waveform,CW)分解算法,一方面应用惩罚次胜者竞争学习算法(Rival Penalized Competitive Learning,RPCL)和贝叶斯阴阳机(Bayesian Ying-Yang,BYY)和谐学习算法,来计算NMF分解阶数,在没有明显降低语音质量的前提下,降低了编码器的复杂度;另一方面根据CW的能量与编码矩阵的能量间的变化关系,提出了相位谱的混合自回归合成方法,提高了语音的自然度.最后,开发出一套改进型2kb/s NMF-WI低复杂度语音编码方法,采用基于K-L散度的NMF迭代算法和收敛速度更快的基矢量Mel刻度分带初始化方法,按照基音周期的统计分布将特征波形分为6类,在CW分解模块,复杂度下降了10MOPS,语音质量提高,与采用4bit散布矢量量化相位谱的2.16kb/s NMF-WI语音编码器的语音质量相当.
- 郭莉莉鲍长春
- 关键词：语音编码波形内插特征波形非负矩阵分解
- 语音特征波形的非负矩阵分解研究
- 针对目前传统的特征波形(Characteristic Waveform,CW)分解方法很难在分解精度、计算复杂度、延时这三个指标上达到统一的缺点,本实验室已经有人提出利用非负矩阵分解(Nonnegative Matrix...
- 郭莉莉
- 关键词：非负矩阵分解相位合成
- 文献传递
- 基于非负矩阵分解的语音特征波形分解方法
- 本文研究了基于非负矩阵分解(Nonnegative Matrix Factorization,NMF)的语音特征波形(Characteristic Waveform,CW)分解方法,通过比较得出基于K-L散度的NMF方法...
- 郭莉莉鲍长春
- 关键词：语音处理波形内插特征波形非负矩阵分解
- 文献传递
- 基于非负矩阵分解的语音特征波形分解方法
- 本文研究了基于非负矩阵分解(Nonnegative MatrixFactorization, NMF)的语音特征波形(CharacteristicWaveform, CW)分解方法,通过比较得出基于K-L散度的NMF方法...
- 郭莉莉鲍长春
- 关键词：语音处理波形内插非负矩阵分解FIR滤波
- 文献传递
