專利名稱：Celp語(yǔ)音編碼的話音指數(shù)控制的制作方法
技術(shù)領(lǐng)域：
本發(fā)明主要涉及語(yǔ)音編碼，更確切地，涉及碼激勵(lì)線性預(yù)測(cè)(CELp)語(yǔ)音編碼。
背景技術(shù)：
一般而言，語(yǔ)音信號(hào)可被限制頻帶為約10kHz而不會(huì)影響感知。然而，在遠(yuǎn)程通信中，語(yǔ)音信號(hào)帶寬通常被更嚴(yán)格地限制。眾所周知，電話網(wǎng)絡(luò)將語(yǔ)音信號(hào)的帶寬限制在300Hz到3400Hz之間，稱為“窄帶”。這樣的帶寬限制導(dǎo)致了電話語(yǔ)音中的特征音。300Hz的下限和3400Hz的上限均會(huì)對(duì)語(yǔ)音質(zhì)量產(chǎn)生影響。
在大多數(shù)數(shù)字語(yǔ)音編碼器中，語(yǔ)音信號(hào)被以8kHz采樣，導(dǎo)致最大信號(hào)帶寬為4kHz。然而，在實(shí)際中，通常將信號(hào)的帶寬限制為在較高頻率端約為3600Hz。在較低頻率端，截止頻率通常在50Hz和200Hz之間。所述窄帶語(yǔ)音信號(hào)需要8kb/s的采樣頻率，且提供了一種被稱為長(zhǎng)話質(zhì)量的語(yǔ)音質(zhì)量。盡管所述長(zhǎng)活質(zhì)量對(duì)于電話通信而言已經(jīng)足夠，但是，對(duì)于一些新興應(yīng)用，例如，電話會(huì)議，多媒體服務(wù)以及高清晰度電視，需要更好的質(zhì)量。
通過(guò)增加帶寬，所述通信質(zhì)量可以得到提高以進(jìn)行上述應(yīng)用。例如，通過(guò)將采樣頻率增加到16kHz，可提供范圍從50Hz到約7000Hz的更寬的帶寬，其被稱為“寬帶”。將較低頻率范圍擴(kuò)展到50Hz增加了自然度、現(xiàn)場(chǎng)感和舒適度。在頻譜的另一端，較高頻率范圍被擴(kuò)展到7000Hz，可以增加可懂度，使得更易于區(qū)分摩擦音。
在數(shù)字語(yǔ)境下，通過(guò)一種眾所周知的被稱為綜合分析(ABS)的方法對(duì)語(yǔ)音進(jìn)行合成。綜合分析也被稱為閉環(huán)方法或波形匹配方法。對(duì)于中或高比特率，其提供了比其它方法相對(duì)更好的語(yǔ)音編碼質(zhì)量。一種已知的ABS方法即為碼激勵(lì)線性預(yù)測(cè)(CELP)。在CELP編碼中，通過(guò)利用編碼的激勵(lì)信息激勵(lì)線性預(yù)測(cè)編碼(LPC)濾波器來(lái)合成語(yǔ)音。所述LPC濾波器的輸出被與濁語(yǔ)音進(jìn)行比較，并被用于在閉環(huán)意義下調(diào)整濾波器參數(shù)，直到找到基于最小誤差的最佳參數(shù)。影響CELP編碼的一個(gè)因素為，對(duì)于不同的濁語(yǔ)音片段，話音度(voicing degree)可以有顯著地變化，從而導(dǎo)致語(yǔ)音編碼中的不穩(wěn)定的感知質(zhì)量(perceptual quality)。
本發(fā)明致力于解決上述綜合分析濁語(yǔ)音問(wèn)題。

發(fā)明內(nèi)容
依照在此寬泛描述的本發(fā)明的目的，提供了利用話音指數(shù)(voicingindex)控制語(yǔ)音編碼過(guò)程以提高合成語(yǔ)音質(zhì)量的系統(tǒng)和方法。
根據(jù)本發(fā)明的一個(gè)實(shí)施例，指示了語(yǔ)音信號(hào)的周期性程度(periodicitydegree)的話音指數(shù)用于控制和提高ABS型語(yǔ)音編碼。對(duì)于不同的濁語(yǔ)音片段，所述周期性程度可以有顯著變化，此變化可能會(huì)在諸如CELP的綜合分析型語(yǔ)音編碼中導(dǎo)致不穩(wěn)定的感知質(zhì)量。
通過(guò)控制編碼器和/或解碼器，話音指數(shù)可被用于提高質(zhì)量穩(wěn)定性，例如，在以下領(lǐng)域(a)固定碼本短期增強(qiáng)(fixed-codebook short-termenhancement)，包括頻譜傾斜(spectrum tilt)，(b)感知加權(quán)濾波器，(c)子固定碼本確定，(d)LPC插值，(e)固定碼本音調(diào)增強(qiáng)，(f)后音調(diào)增強(qiáng)，(g)解碼器中高頻帶的噪聲注入，(h)LTP正弦窗(Sincwindow)，(i)信號(hào)分解，等等。在CELP語(yǔ)音編碼的一個(gè)實(shí)施例中，話音指數(shù)可以基于標(biāo)準(zhǔn)化的音調(diào)相關(guān)(pitch correlation)。
下面將進(jìn)一步參照附圖和說(shuō)明使得本發(fā)明的這些和其它方面變得更加明顯。所有這些附加的系統(tǒng)、方法、特點(diǎn)和優(yōu)點(diǎn)均包含在此描述中，在本發(fā)明的范圍以內(nèi)，并由所附權(quán)利要求保護(hù)。


圖1示出了樣本語(yǔ)音信號(hào)的頻域特征；圖2示出了編碼器和解碼器均可使用的話音指數(shù)分類；圖3示出了基本CELP編碼框圖；圖4示出了依據(jù)本發(fā)明實(shí)施例的，利用附加的自適應(yīng)加權(quán)濾波器進(jìn)行語(yǔ)音增強(qiáng)的CELP編碼過(guò)程；圖5示出了依據(jù)本發(fā)明實(shí)施例的，利用后置濾波器結(jié)構(gòu)的解碼器實(shí)現(xiàn)；圖6示出了利用多個(gè)子碼本的CELP編碼框圖；圖7A示出了用于產(chǎn)生正弦窗的采樣；圖7B示出了一種正弦窗。
具體實(shí)施例方式
本申請(qǐng)?jiān)诖藢?duì)功能塊組件和各種處理步驟進(jìn)行描述。更可取的是，可以利用任何數(shù)量的被配置以執(zhí)行特定功能的硬件組件和/或軟件組件來(lái)實(shí)現(xiàn)這樣的功能塊。例如，本申請(qǐng)可以采用各種集成電路組件，例如，存儲(chǔ)器元件、數(shù)字信號(hào)處理元件、發(fā)射機(jī)、接收機(jī)、檢音器、音頻發(fā)生器、邏輯元件等，其可在一個(gè)或多個(gè)微處理器或其它控制裝置控制下實(shí)現(xiàn)多種功能。此外，可注意到，本申請(qǐng)可以采用任何數(shù)量的常規(guī)技術(shù)來(lái)進(jìn)行數(shù)據(jù)傳輸、信號(hào)發(fā)送、信號(hào)處理和波形加工、音頻生成和檢測(cè)，等等。這些本領(lǐng)域技術(shù)人員所熟知的常用技術(shù)在此將不做詳述。
話音指數(shù)傳統(tǒng)上是一種重要的指數(shù)，其被發(fā)送給解碼器以進(jìn)行諧波語(yǔ)音編碼(Harmonic speech coding)。所述話音指數(shù)通常表示濁語(yǔ)音的周期性程度和/或周期諧波頻帶邊界(periodic harmonic band boundary)。話音指數(shù)通常不用于CELP編碼系統(tǒng)。然而，本發(fā)明的實(shí)施例使用話音指數(shù)來(lái)提供控制并提高在CELP或其它綜合分析型編碼器中的合成語(yǔ)音的質(zhì)量。
圖1示出了樣本語(yǔ)音信號(hào)的頻域特征。此圖中，寬帶頻域從略高于0Hz伸展到約7.0kHz。盡管對(duì)于以16kHz采樣的語(yǔ)音信號(hào)而言，該頻譜中的最高可能頻率結(jié)束于8.0kHz(即，Nyquist(奈奎斯特)折疊頻率)，但是，此圖示出了在7.0kHz到8.0kHz之間區(qū)域中能量幾乎為零。對(duì)于本領(lǐng)域技術(shù)人員而言，很明顯，在此使用的信號(hào)范圍僅用于說(shuō)明的目的，而在此表述的原理可應(yīng)用于其它信號(hào)頻帶。
如圖1所示，語(yǔ)音信號(hào)在較低頻率處非常調(diào)和，但是由于存在有噪聲的(noisy)語(yǔ)音信號(hào)的可能性隨著頻率的增加而增加，在較高頻率處的語(yǔ)音信號(hào)并不保持調(diào)和。例如，在此圖中，語(yǔ)音信號(hào)表現(xiàn)出了在較高頻率處變得有噪聲的特征，例如，在5.0kHz以上。該有噪聲的信號(hào)使得在較高頻率的波形匹配非常困難。因此，如果需要高質(zhì)量語(yǔ)音，類似ABS編碼(例如，CELP)的技術(shù)將變得不可靠。例如，在CELP編碼器中，通過(guò)最小化原始語(yǔ)音與合成語(yǔ)音之間的誤差，將合成器設(shè)計(jì)為與原始語(yǔ)音信號(hào)相匹配。由于有噪聲的信號(hào)不可預(yù)測(cè)，從而使得誤差最小化非常困難。
由于給出了以上問(wèn)題，本發(fā)明實(shí)施例使用了話音指數(shù)，其被從編碼器發(fā)送到解碼器，以提高由諸如CELP編碼器的ABS型語(yǔ)音編碼器所合成的語(yǔ)音的質(zhì)量。
話音指數(shù)，其被編碼器發(fā)送給解碼器，可以表示濁語(yǔ)音的周期性或信號(hào)的諧波結(jié)構(gòu)。在另一個(gè)實(shí)施例中，所述話音指數(shù)可用三個(gè)比特表示，以提供八類語(yǔ)音信號(hào)。例如，圖2示出了編碼器和解碼器均可使用的話音指數(shù)分類。此圖中，指數(shù)0(即，“000”)可指示背景噪聲，指數(shù)1(即，“001”)可指示類似噪聲(noise-like)或清音語(yǔ)音信號(hào)，指數(shù)2(即，“010”)可指示不規(guī)則的濁音信號(hào)，例如，開(kāi)始時(shí)的濁音信號(hào)，以及指數(shù)3-7(即，“011”到“111”)各自可指示語(yǔ)音信號(hào)的周期性。例如，指數(shù)3(“011”)可表示最不具有周期性的信號(hào)，而指數(shù)7(“111”)表示最具有周期性的信號(hào)。
話音指數(shù)信息可作為每一個(gè)編碼幀的一部分由編碼器傳送。換言之，每一幀可包括話音指數(shù)比特(如，三個(gè)比特)，其用于指示該具體幀的周期性程度。在一個(gè)實(shí)施例中，用于CELP的話音指數(shù)可基于標(biāo)準(zhǔn)化的音調(diào)相關(guān)參數(shù)，Rp，且可以由以下方程推出10 log(1-Rp)2，其中，-1.0＜Rp＜1.0。
在一個(gè)例子中，話音指數(shù)可用于固定碼本短期增強(qiáng)，包括所述頻譜傾斜。圖3示出了基本CELP編碼框圖。如圖所示，CELP編碼塊300包括固定碼本301，增益塊302，音調(diào)過(guò)濾塊303，以及LPC濾波器304。CELP編碼塊300還包括比較塊306，加權(quán)濾波塊320，均方誤差(MSE)計(jì)算塊308。
CELP編碼背后的基本思想為，輸入語(yǔ)音307與合成輸出305進(jìn)行比較，以生成誤差309，其為均方誤差。利用對(duì)新編碼參數(shù)的選擇，在閉環(huán)意義下連續(xù)計(jì)算，直到誤差309為最小。
在接收側(cè)，解碼器利用相似塊301-304(見(jiàn)圖5)合成語(yǔ)音。從而，當(dāng)需要選擇適當(dāng)?shù)拇a本條目、增益以及濾波器等時(shí)，編碼器將信息傳送給解碼器。
在CELP語(yǔ)音編碼系統(tǒng)中，當(dāng)語(yǔ)音信號(hào)更具有周期性時(shí)，音調(diào)濾波器(如，303)的貢獻(xiàn)強(qiáng)于固定碼本(如，301)的貢獻(xiàn)。這樣，本發(fā)明的實(shí)施例可以使用所述話音指數(shù)，以通過(guò)實(shí)現(xiàn)自適應(yīng)高通濾波器而對(duì)高頻區(qū)域給予更多的注意，該濾波器由所述話音指數(shù)的值進(jìn)行控制?？梢詫?shí)現(xiàn)例如圖4所示的構(gòu)造。例如，自適應(yīng)濾波器310可以是用于強(qiáng)調(diào)高頻區(qū)域中的功率的自適應(yīng)濾波器。在此圖中，加權(quán)濾波器420也可以是用于提高CELP編碼過(guò)程的自適應(yīng)濾波器。
在解碼器側(cè)，話音指數(shù)可用于選擇適當(dāng)?shù)暮笾脼V波器520參數(shù)。圖5示出了利用后置濾波結(jié)構(gòu)的解碼器實(shí)現(xiàn)。在一個(gè)或更多的實(shí)施例中，后置濾波器520可具有存于表中的多種結(jié)構(gòu)，可以利用話音指數(shù)中的信息對(duì)其進(jìn)行選擇。
在另一個(gè)例子中，話音指數(shù)可與CELP的感知加權(quán)濾波器一起使用。例如，所述感知加權(quán)濾波器可由圖4中的自適應(yīng)濾波器420表示。眾所周知，波形匹配通過(guò)進(jìn)行均方誤差最小化來(lái)最小化語(yǔ)音信號(hào)的最重要部分(即，高能量部分)的誤差，并忽略低能量區(qū)域。本發(fā)明的實(shí)施例使用了自適應(yīng)加權(quán)過(guò)程來(lái)改善低能量區(qū)域。例如，話音指數(shù)可用于定義取決于幀的周期性程度的加權(quán)濾波器420的積極性。
在另一個(gè)實(shí)施例中，如圖6所示，話音指數(shù)可用于確定子固定碼本。固定碼本可能有多個(gè)子固定碼本，例如，一個(gè)具有較少的脈沖卻有較高的位置解析度的子固定碼本601，一個(gè)具有較多的脈沖卻有較低的位置解析度的子固定碼本602，以及噪聲子碼本603。因此，如果話音指數(shù)指示有噪聲的信號(hào)，可以使用子碼本602或噪聲碼本603；如果話音指數(shù)未指示有噪聲的信號(hào)，那么取決于所給幀的周期性程度可以使用子碼本中的一個(gè)(例如，601或602)。可注意到，在一個(gè)或多個(gè)實(shí)施例中，增益塊(碼本)302也可單獨(dú)應(yīng)用于每一個(gè)子碼本。
此外，話音指數(shù)可與LPC插值一起使用。例如，在線形插值期間，如果插值的LPC的位置處于前一個(gè)LPC和當(dāng)前的LPC中間，前一個(gè)LPC與當(dāng)前的LPC同樣重要。因此，如果話音指數(shù)，例如，指示在前幀為清音，而本幀為濁音，那么在LPC插值期間，所述LPC插值算法更傾向于當(dāng)前幀而不是在前幀。
所述話音指數(shù)可用于固定碼本音調(diào)增強(qiáng)。典型地，在前的音調(diào)增益可用于進(jìn)行音調(diào)增強(qiáng)。然而，話音指數(shù)提供了與當(dāng)前幀相關(guān)的信息，從而，與在前的音調(diào)增益信息相比，其提供了更好的指示?？梢曰谒鲈捯糁笖?shù)確定音調(diào)增益的幅度。換言之，所述幀越具有周期性(基于話音指數(shù)值)，增強(qiáng)的幅度越大。例如，所述話音指數(shù)可與美國(guó)專利申請(qǐng)09/365,444一起使用，以確定在其中定義的雙向音調(diào)增強(qiáng)系統(tǒng)中的增強(qiáng)幅度，此專利于1999年8月2日提交，在此引用作為參考。
作為進(jìn)一步的例子，所述話音指數(shù)可被用于替代用于后音調(diào)增強(qiáng)的音調(diào)增益。這是一個(gè)優(yōu)點(diǎn)，因?yàn)?，如前所述，可以從?biāo)準(zhǔn)化音調(diào)相關(guān)值，即，Rp，得到話音指數(shù)，所述Rp典型地在0.0到1.0之間；然而，音調(diào)增益可超過(guò)1.0，并且可以反過(guò)來(lái)影響后音調(diào)增強(qiáng)過(guò)程。
作為另一個(gè)例子，所述話音指數(shù)還可用于確定可能注入在解碼器側(cè)的高頻帶中的噪聲量。當(dāng)輸入語(yǔ)音被分解為濁音部分和噪聲部分時(shí)，如美國(guó)專利申請(qǐng)＿＿中所討論的，可以使用該實(shí)施例，所述專利與此同時(shí)提交，名為“SIGNAL DECOMPOSITION OF VOICED SPEECH FOR CELPSPEECH CODING”，其在此引用作為參考。
所述話音指數(shù)還可以被用于控制正弦窗的調(diào)整。所述正弦窗用于利用CELP編碼的分?jǐn)?shù)式音調(diào)滯后(fractional pitch lag)生成自適應(yīng)碼本貢獻(xiàn)向量，即，LTP激勵(lì)向量。在寬帶語(yǔ)音編碼中，已知強(qiáng)諧波出現(xiàn)在頻帶的低頻區(qū)域而噪聲信號(hào)出現(xiàn)在高頻區(qū)域。
長(zhǎng)期預(yù)測(cè)或LTP通過(guò)采用在前的激勵(lì)，并根據(jù)音調(diào)周期將其復(fù)制到當(dāng)前子幀來(lái)產(chǎn)生諧波?？勺⒁獾?，如果進(jìn)行了在前幀的單純復(fù)制，則諧波也同樣在頻域的末端頻譜得到復(fù)制。然而，這不是真實(shí)濁音信號(hào)的準(zhǔn)確表示，尤其對(duì)于寬帶語(yǔ)音編碼而言。
在一個(gè)實(shí)施例中，對(duì)于寬帶語(yǔ)音信號(hào)而言，當(dāng)在前信號(hào)被用于表示當(dāng)前信號(hào)時(shí)，由于在高頻區(qū)域出現(xiàn)噪聲的高可能性，自適應(yīng)低通濾波器被應(yīng)用于正弦插值窗。
在CELP編碼中，固定碼本對(duì)語(yǔ)音信號(hào)的有噪聲或不規(guī)則部分有貢獻(xiàn)，而音調(diào)自適應(yīng)碼本對(duì)語(yǔ)音信號(hào)的濁音或規(guī)則部分有貢獻(xiàn)。自適應(yīng)碼本貢獻(xiàn)被利用正弦窗產(chǎn)生，由于音調(diào)滯后可以是分?jǐn)?shù)的，所以其可以被使用。如果音調(diào)滯后為整數(shù)，一個(gè)激勵(lì)信號(hào)可被復(fù)制到下一個(gè)；然而，因?yàn)樗鲆粽{(diào)滯后是分?jǐn)?shù)的，對(duì)在前激勵(lì)信號(hào)的直接復(fù)制將不會(huì)產(chǎn)生作用。當(dāng)正弦窗被修改后，即使對(duì)于整數(shù)音調(diào)滯后，直接復(fù)制也不會(huì)產(chǎn)生作用。為產(chǎn)生音調(diào)貢獻(xiàn)，采集了多個(gè)樣本，如圖7A所示，其被加權(quán)然后被相加在一起，其中，樣本的權(quán)重被稱為正弦窗，其本來(lái)就具有對(duì)稱的形狀，如圖7B所示。實(shí)際中的形狀取決于音調(diào)滯后的分?jǐn)?shù)部分以及應(yīng)用于正弦窗的自適應(yīng)低通濾波器。所述正弦窗的應(yīng)用類似于卷積或?yàn)V波，但是正弦窗為非因果濾波器。在如下表示中，窗信號(hào)w(n)與信號(hào)s(n)在時(shí)域卷積，這等同于窗頻譜W(w)與信號(hào)頻譜S(w)在頻域相乘UACB(n)＝w(n)*(n)W(w)S(w)根據(jù)以上表示，正弦窗的低通等同于對(duì)最終自適應(yīng)碼本貢獻(xiàn)(UACB(n))或激勵(lì)信號(hào)進(jìn)行低通；然而，由于正弦窗短于激勵(lì)，正弦窗的低通更具有優(yōu)勢(shì)。于是，改變正弦窗比改變激勵(lì)更容易；此外，正弦窗的濾波可以被預(yù)先計(jì)算和記憶。
在本發(fā)明的一個(gè)實(shí)施例中，話音指數(shù)可以被用于提供信息以控制正弦窗的低通濾波器的改變。例如，話音指數(shù)可以提供關(guān)于諧波結(jié)構(gòu)強(qiáng)弱的信息。如果調(diào)諧結(jié)構(gòu)強(qiáng)，則對(duì)所述正弦窗施加弱低通濾波器，而如果調(diào)諧結(jié)構(gòu)弱，則對(duì)所述正弦窗施加強(qiáng)低通濾波器。
盡管本發(fā)明的以上實(shí)施例是參照寬帶語(yǔ)音信號(hào)來(lái)描述的，本發(fā)明同樣也可應(yīng)用于窄帶語(yǔ)音信號(hào)。
以上表述的方法和系統(tǒng)可存在于軟件、硬件或設(shè)備的固件中，無(wú)需脫離本發(fā)明的精神，其可在微處理器、數(shù)字信號(hào)處理器、專用IC或現(xiàn)場(chǎng)可編程門陣列(“FPGA”)，或者其任何組合中實(shí)現(xiàn)。此外，無(wú)需脫離其精神和實(shí)質(zhì)特點(diǎn)，本發(fā)明能夠以其它具體形式實(shí)施。在此描述的實(shí)施例只具有說(shuō)明性而不具有限制性。
權(quán)利要求
1.一種提高合成語(yǔ)音質(zhì)量的方法，其包括獲取輸入語(yǔ)音信號(hào)；利用碼激勵(lì)線性預(yù)測(cè)編碼器對(duì)所述輸入語(yǔ)音進(jìn)行編碼，以生成用于所述輸入語(yǔ)音的合成的編碼參數(shù)；以及在增強(qiáng)所述輸入語(yǔ)音的所述合成時(shí)，使用表示所述輸入語(yǔ)音的特征的話音指數(shù)。
2.權(quán)利要求1的方法，其中，所述輸入語(yǔ)音的所述特征是所述輸入語(yǔ)音的周期性。
3.權(quán)利要求1的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制自適應(yīng)高通濾波器以在所述編碼時(shí)增強(qiáng)高頻區(qū)域。
4.權(quán)利要求1的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制在所述碼激勵(lì)線性預(yù)測(cè)編碼器中的自適應(yīng)感知加權(quán)濾波器。
5.權(quán)利要求1的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制在用于音調(diào)貢獻(xiàn)的所述碼激勵(lì)線性預(yù)測(cè)編碼器中使用的自適應(yīng)正弦窗。
6.權(quán)利要求1的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)通過(guò)所述碼激勵(lì)線性預(yù)測(cè)編碼器的固定碼本的短期增強(qiáng)來(lái)控制所述輸入語(yǔ)音的頻譜傾斜。
7.權(quán)利要求1的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制所述碼激勵(lì)線性預(yù)測(cè)編碼器的感知加權(quán)濾波器。
8.權(quán)利要求1的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制所述碼激勵(lì)線性預(yù)測(cè)編碼器的線性預(yù)測(cè)編碼器。
9.權(quán)利要求1的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制所述碼激勵(lì)線性預(yù)測(cè)編碼器的音調(diào)增強(qiáng)固定碼本。
10.權(quán)利要求1的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制所述碼激勵(lì)線性預(yù)測(cè)編碼器的后音調(diào)增強(qiáng)。
11.權(quán)利要求1的方法，其中，所述話音指數(shù)基于所述輸入語(yǔ)音信號(hào)的所述特征，從所述碼激勵(lì)線性編碼器的多個(gè)子碼本中選擇至少一個(gè)子碼本。
12.一種提高合成語(yǔ)音質(zhì)量的方法，包括獲取輸入語(yǔ)音信號(hào)的代碼參數(shù)；從所述代碼參數(shù)獲取用于增強(qiáng)所述輸入語(yǔ)音信號(hào)的合成的話音指數(shù)；以及利用由所述話音指數(shù)提供的信息，通過(guò)碼激勵(lì)線性預(yù)測(cè)編碼器來(lái)處理所述代碼參數(shù)，以生成所述輸入語(yǔ)音信號(hào)的合成版本。
13.權(quán)利要求12的方法，其中，所述話音指數(shù)提供所述輸入語(yǔ)音信號(hào)的周期性。
14.權(quán)利要求12的方法，其中，所述話音指數(shù)提供自適應(yīng)高通濾波器的特征，該濾波器用于在生成所述輸入語(yǔ)音的所述代碼參數(shù)時(shí)，增強(qiáng)所述激勵(lì)的高頻區(qū)域。
15.權(quán)利要求12的方法，其中，所述話音指數(shù)提供自適應(yīng)感知加權(quán)濾波器的特征，該濾波器用于在生成所述輸入語(yǔ)音的所述代碼參數(shù)時(shí)，增強(qiáng)所述輸入語(yǔ)音的感知質(zhì)量。
16.權(quán)利要求12的方法，其中，所述話音指數(shù)提供用于音調(diào)貢獻(xiàn)的自適應(yīng)正弦窗的特征，該正弦窗用于在生成所述輸入語(yǔ)音的所述代碼參數(shù)時(shí)，增強(qiáng)所述輸入語(yǔ)音的感知質(zhì)量。
17.權(quán)利要求12的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的合成在于，利用所述話音指數(shù)通過(guò)所述碼激勵(lì)線性預(yù)測(cè)編碼器的固定碼本的短期增強(qiáng)來(lái)控制所述輸入語(yǔ)音的頻譜傾斜。
18.權(quán)利要求12的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制所述碼激勵(lì)線性預(yù)測(cè)編碼器的線性預(yù)測(cè)編碼濾波器。
19.權(quán)利要求12的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制所述碼激勵(lì)線性預(yù)測(cè)編碼器的音調(diào)增強(qiáng)固定碼本。
20.權(quán)利要求12的方法，其中，所述增強(qiáng)所述輸入語(yǔ)音的所述合成在于，利用所述話音指數(shù)控制所述碼激勵(lì)線性預(yù)測(cè)編碼器的后音調(diào)增強(qiáng)。
21.權(quán)利要求12的方法，其中，所述話音指數(shù)基于所述輸入語(yǔ)音信號(hào)的所述特征，從所述碼激勵(lì)線性編碼器的多個(gè)子碼本中選擇至少一個(gè)子碼本。
22.一種提高合成語(yǔ)音質(zhì)量的裝置，包括輸入語(yǔ)音信號(hào)；碼激勵(lì)線性預(yù)測(cè)編碼器，用于對(duì)所述輸入語(yǔ)音信號(hào)進(jìn)行編碼，以生成用于所述輸入語(yǔ)音的合成的代碼參數(shù)；以及具有所述輸入語(yǔ)音的特征的話音指數(shù)，用于增強(qiáng)所述輸入語(yǔ)音的所述合成。
23.權(quán)利要求22的裝置，其中，所述輸入語(yǔ)音的所述特征是所述輸入語(yǔ)音的周期性。
24.權(quán)利要求22的裝置，其中，所述輸入語(yǔ)音的所述特征是自適應(yīng)高通濾波器的特征，該濾波器用于在所述編碼時(shí)，增強(qiáng)所述激勵(lì)的高頻區(qū)域。
25.權(quán)利要求22的裝置，其中，所述輸入語(yǔ)音的所述特征是自適應(yīng)感知加權(quán)濾波器的特征，該濾波器用于所述碼激勵(lì)線性預(yù)測(cè)編碼器。
26.權(quán)利要求22的裝置，其中，所述輸入語(yǔ)音的所述特征是自適應(yīng)正弦窗的特征，該正弦窗用于所述碼激勵(lì)線性預(yù)測(cè)編碼器。
27.權(quán)利要求22的裝置，其中，所述話音指數(shù)基于所述輸入語(yǔ)音信號(hào)的所述特征，從所述碼激勵(lì)線性編碼器的多個(gè)子碼本中選擇至少一個(gè)子碼本。
28.一種提高合成語(yǔ)音質(zhì)量的裝置，包括輸入語(yǔ)音信號(hào)的一組代碼參數(shù)；來(lái)自所述代碼參數(shù)的話音指數(shù)，用于增強(qiáng)所述輸入語(yǔ)音信號(hào)的合成；以及碼激勵(lì)線性預(yù)測(cè)編碼器，利用所述代碼參數(shù)和由所述話音指數(shù)所提供的信息來(lái)生成所述輸入語(yǔ)音信號(hào)的合成版本。
29.權(quán)利要求28的裝置，其中，所述話音指數(shù)提供所述輸入語(yǔ)音信號(hào)的周期性。
30.權(quán)利要求28的裝置，其中，所述話音指數(shù)提供自適應(yīng)高通濾波器的特征，該濾波器用于在生成所述輸入語(yǔ)音的所述代碼參數(shù)時(shí)，增強(qiáng)所述激勵(lì)的高頻區(qū)域。
31.權(quán)利要求28的裝置，其中，所述話音指數(shù)提供自適應(yīng)感知加權(quán)濾波器的特征，該濾波器用于在生成所述輸入語(yǔ)音的所述代碼參數(shù)時(shí)，增強(qiáng)所述輸入語(yǔ)音的感知質(zhì)量。
32.權(quán)利要求28的裝置，其中，所述話音指數(shù)提供自適應(yīng)正弦窗的特征，該正弦窗用于在生成所述輸入語(yǔ)音的所述代碼參數(shù)時(shí)，增強(qiáng)所述輸入語(yǔ)音的感知質(zhì)量。
33.權(quán)利要求28的裝置，其中，所述話音指數(shù)基于所述輸入語(yǔ)音信號(hào)的特征，從所述碼激勵(lì)線性編碼器的多個(gè)子碼本中選擇至少一個(gè)子碼本。
34.一種提高合成語(yǔ)音質(zhì)量的方法，包括從輸入語(yǔ)音信號(hào)生成多個(gè)幀；利用碼激勵(lì)線性預(yù)測(cè)編碼器對(duì)所述多個(gè)幀的每一幀進(jìn)行編碼，以生成用于所述輸入語(yǔ)音的所述每一幀的合成的代碼參數(shù)；以及發(fā)送具有多個(gè)比特的話音指數(shù)，其用于指示所述輸入語(yǔ)音的所述每一幀的分類。
35.權(quán)利要求34的方法，其中，所述多個(gè)比特為三個(gè)比特。
36.權(quán)利要求34的方法，其中，所述分類用于指示所述輸入語(yǔ)音信號(hào)的周期性。
37.權(quán)利要求34的方法，其中，所述分類用于指示不規(guī)則的濁語(yǔ)音信號(hào)。
38.權(quán)利要求34的方法，其中，所述分類用于指示周期性指數(shù)。
39.權(quán)利要求38的方法，其中，所述周期性指數(shù)的范圍為從低周期性指數(shù)到高周期性指數(shù)。
40.一種提高合成語(yǔ)音質(zhì)量的方法，包括接收輸入語(yǔ)音信號(hào)的幀，所述幀具有多個(gè)代碼參數(shù)以及話音指數(shù)，其中，所述話音指數(shù)包括多個(gè)比特；從所述話音指數(shù)的所述多個(gè)比特，確定所述輸入語(yǔ)音信號(hào)的所述幀的分類；以及基于所述分類，利用碼激勵(lì)線性預(yù)測(cè)編碼器對(duì)所述幀進(jìn)行解碼，以合成所述輸入語(yǔ)音。
41.權(quán)利要求40的方法，其中，所述多個(gè)比特為三個(gè)比特。
42.權(quán)利要求40的方法，其中，所述分類用于指示有噪聲的語(yǔ)音信號(hào)。
43.權(quán)利要求40的方法，其中，所述分類用于指示不規(guī)則的濁語(yǔ)音信號(hào)。
44.權(quán)利要求40的方法，其中，所述分類用于指示周期性指數(shù)。
45.權(quán)利要求44的方法，其中，所述周期性指數(shù)的范圍為從低周期性指數(shù)到高周期性指數(shù)。
全文摘要
一種利用綜合分析(ABS)編碼器提高語(yǔ)音合成質(zhì)量的方法。由于濁語(yǔ)音信號(hào)中的周期性程度對(duì)于濁語(yǔ)音的不同片斷而言有顯著差異，在綜合分析型的語(yǔ)音編碼(例如，CELP)中會(huì)產(chǎn)生不穩(wěn)定的感知質(zhì)量。因此，本發(fā)明利用指示語(yǔ)音信號(hào)的周期性程度的話音指數(shù)控制和改進(jìn)ABS型語(yǔ)音編碼。所述話音指數(shù)可被用于通過(guò)控制編碼器和/或解碼器來(lái)提高質(zhì)量穩(wěn)定性，其可以用于固定碼本(301)短期增強(qiáng)，包括頻譜傾斜；感知加權(quán)濾波器；子固定碼本確定；LPC插值(304)；固定碼本音調(diào)增強(qiáng)；后音調(diào)增強(qiáng)；在解碼器高頻帶的噪聲注入；LTP正弦窗；信號(hào)分解等。
文檔編號(hào)G10L19/00GK1757060SQ200480006015
公開(kāi)日2006年4月5日 申請(qǐng)日期2004年3月11日 優(yōu)先權(quán)日2003年3月15日
發(fā)明者高揚(yáng) 申請(qǐng)人:曼德斯必德技術(shù)公司