太阳城集团

  • / 19
  • 下载费用:30 金币  

一种语音线性预测模型的非线性量化方法.pdf

摘要
申请专利号:

太阳城集团CN201310538591.3

申请日:

2013.11.05

公开号:

CN103632673A

公开日:

2014.03.12

当前法律状态:

授权

有效性:

有权

法律详情: 授权|||实质审查的生效IPC(主分类):G10L 19/035申请日:20131105|||公开
IPC分类号: G10L19/035(2013.01)I; G10L19/07(2013.01)I 主分类号: G10L19/035
申请人: 无锡北邮感知技术产业研究院有限公司
发明人: 马占宇; 肖波; 司中威; 郭军
地址: 214000 江苏省无锡市新区菱湖大道97号大学科技园创新研发楼二期C楼
优先权:
专利代理机构: 北京中恒高博知识产权代理有限公司 11249 代理人: 宋敏
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201310538591.3

授权太阳城集团号:

||||||

法律状态太阳城集团日:

2016.05.18|||2014.04.09|||2014.03.12

法律状态类型:

授权|||实质审查的生效|||公开

摘要

本发明公开了一种语音线性预测模型的非线性量化方法,包括:线谱频率参数变换步骤:将语音线性编码预测模型的线谱频率参数通过线性变换转化为线谱频率参数差值;非线性去相关步骤:根据线谱频率参数差值的统计特性,采用结构化的方法,通过非线性变换将线谱频率参数差值去相关;计算边际概率分布步骤:利用去相关的线谱频率参数差值的统计特性,计算其边缘概率密度分布;标量量化器设计步骤:根据得到的边缘概率密度分布函数,设计基于概率密度函数的优化量化器。本发明所述语音线性预测模型的非线性量化方法,可以克服现有技术中太阳城集团复杂度高和使用效果差等缺陷,以实现太阳城集团复杂度低和使用效果好的优点。

权利要求书

权利要求书
1.  一种语音线性预测模型的非线性量化方法,其特征在于,包括:
a、线谱频率参数变换步骤:将语音线性编码预测模型的线谱频率参数通过线性变换转化为线谱频率参数差值;
b、非线性去相关步骤:根据线谱频率参数差值的统计特性,采用结构化的方法,通过非线性变换将线谱频率参数差值去相关;
c、计算边际概率分布步骤:利用去相关的线谱频率参数差值的统计特性,计算其边缘概率密度分布;
d、标量量化器设计步骤:根据得到的边缘概率密度分布函数,设计基于概率密度函数的优化量化器。

2.  根据权利要求1所述的语音线性预测模型的非线性量化方法,其特征在于,在步骤a之前,还包括:
线性预测模型的线谱频率参数提取步骤:将线性预测模型通过Chebyshev多项式求根法转化为线谱频率参数。

3.  根据权利要求1或2所述的语音线性预测模型的非线性量化方法,其特征在于,在步骤d之后,还包括:
优化的顺序量化步骤:对变换后的参数实现优化的顺序量化方式,达到控制差错传播的目的。

4.  根据权利要求3所述的语音线性预测模型的非线性量化方法,其特征在于,所述对变换后的参数实现优化的顺序量化方式的操作,具体包括:
将步骤a中描述的去相关过程和步骤d中描述的基于概率密度函数的标量量化器相结合,形成优化的顺序量化方法,实现有效的差错控制。

5.  根据权利要求4所述的语音线性预测模型的非线性量化方法,其特征在于,所述将步骤a中描述的去相关过程和步骤d中描述的基于概率密度函数的标量量化器相结合,形成优化的顺序量化方法,实现有效的差错控制的操作,具体包括:
1)输入:
a) 维线谱频率参数差值向量;
b)如步骤5得到的针对每一个的标量量化器;
2)初始化:
a)计数器;
b)维目标向量;
3)执行次循环,其中第i步循环操作:
a)当时:
i.取出向量中的第一个元素,将其通过步骤5中描述的标量量化器量化,得到元素放入向量中;
 b)当时:
i.取出向量中的第一个元素,将 通过步骤5中描述的标量量化器量化,得到元素放入向量中;
c)生成新的向量,含有中除元素外的所有元素; 
d);
4)输出:
量化后的线谱频率参数差值。

6.  根据权利要求1或2所述的语音线性预测模型的非线性量化方法,其特征在于,在步骤a中,所述将语音线性编码预测模型的线谱频率参数通过线性变换转化为线谱频率参数差值的操作,具体包括:
利用线谱频率参数的有序特性和有界特性,将其变换为线性谱参数差值,此差值的特征为:有序特性分布在 开区间内,有序特性加和为1;
所述利用线谱频率参数的有序特性和有界特性,将其变换为线性谱参数差值的操作,具体包括:
1)维线谱频率参数表示为,满足:

2)变换后的维线谱频率参数差值为:


7.  根据权利要求1或2所述的语音线性预测模型的非线性量化方法,其特征在于,在步骤b中,所述根据线谱频率参数差值的统计特性,采用结构化的方法,通过非线性变换将线谱频率参数差值去相关的操作,具体包括:
利用线谱频率参数差值的统计特性,假设其为中性向量;采用结构化的方法,通过归一化--取首元素的循环运算,将线谱频率参数差值之间的相关性去除,使参数之间统计上相互独立。

8.  根据权利要求1或2所述的语音线性预测模型的非线性量化方法,其特征在于,所述采用结构化的方法,通过归一化--取首元素的循环运算,将线谱频率参数差值之间的相关性去除,使参数之间统计上相互独立的操作,具体包括:
1)输入:
a) 维线谱频率参数差值向量;
2)初始化:
a)计数器;
b)维目标向量;
3)执行次循环,其中第步循环操作:
a)将向量中的第一个元素取出,作为元素放入向量中;
b)生成新的向量,含有中除元素外的所有元素;
c)对向量归一化,具体为
i.,为的一范数;
ii.;
d);
4)输出:
a),其中:


9.  根据权利要求1或2所述的语音线性预测模型的非线性量化方法,其特征在于,在步骤c中,所述利用去相关的线谱频率参数差值的统计特性,计算其边缘概率密度分布的操作,具体包括:
1)由步骤c得到的去相关后的线谱频率参数差值是有界的;根据此去相关后的线谱频率参数差值,针对每一个元素训练基于贝塔分布的贝塔混合模型;
2)假设服从单一贝塔分布,计算此贝塔分布,使得其与上述步骤1)中根据得到的贝塔混合模型之间的相对熵最小。

10.  根据权利要求1或2所述的语音线性预测模型的非线性量化方法,其特征在于,在步骤d中,所述根据得到的边缘概率密度分布函数,设计基于概率密度函数的优化量化器的操作,具体包括:
采用标量量化的模式取代矢量量化,针对每一维参数设计基于贝塔分布的量化器;根据得到的概率密度分布函数计算出量化中心和量化区域,实现最优的标量量化器。

关 键 词:
一种 语音 线性 预测 模型 非线性 量化 方法
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
太阳城集团本文
本文标题:一种语音线性预测模型的非线性量化方法.pdf
链接地址:http://zh228.com/p-6220548.html
太阳城集团我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
葡京赌场|welcome document.write ('');