[发明专利]线性预测语音编码方法及语音合成方法

权利要求书

1.一种线性预测语音编码方法，其特征在于，所述语音编码方法包括以下步骤：

S101、对语音进行预处理以去除直流成分和工频干扰；

S102、对预处理后的语音进行二阶反线性预测，得到残差信号；

S103、对所述残差信号进行小波分解压缩，得到小波系数，并对所述小波系数进行矢量量化，

计算所述残差信号的基音周期，并对所述基音周期进行标量量化，

计算所述残差信号的增益参数，并对所述增益参数进行标量量化，

将所述残差信号划分为若干个子带，对各子带进行清浊音判决，得到各子带的清浊音特性并进行标量量化。

2.根据权利要求1所述的语音编码方法，其特征在于，步骤S102进一步包括：

对所述预处理后的语音进行线性预测分析，得到线性预测系数，然后将所述线性预测系数转换为线谱频率对，并对所述线谱频率对进行矢量量化。

3.根据权利要求2所述的语音编码方法，其特征在于，步骤S102中，所述线性预测分析具体包括：

对所述预处理后的语音采用汉明窗进行加窗处理，并将加窗后的语音信号进行自相关计算，利用Levinson-Durbin算法计算出10阶线性预测系数，然后将所述10阶线性预测系数乘以0.994ⁱ⁺¹（i＝1,2,…,10）以获得带宽扩展的线性预测系数。

4.根据权利要求1所述的语音编码方法，其特征在于，步骤S103中，所述小波分解压缩具体包括：

选取所述残差信号的样点进行一阶小波分解，采用dB10小波基，得到小波系数，并将前100个小波系数进行压缩分析。

5.根据权利要求1或4所述的语音编码方法，其特征在于，步骤S103中，对所述小波系数进行矢量量化具体包括：

先将所述小波系数转换为小波激励幅度谱，然后将所述小波激励幅度谱进行矢量量化，量化时码本搜索采用全搜索算法，失真度量采用加权欧式距离。

6.根据权利要求1所述的语音编码方法，其特征在于，步骤S103中，计算所述残差信号的基音周期具体包括：

对所述残差信号采用傅里叶变换进行频谱分析，并对频谱幅值进行反傅里叶变换，将得到的残差信号的自相关峰值作为整数基音；

在所述整数基音±1的范围内进行搜索，通过对所述残差信号进行插值及局部相关，得到基音周期。

7.根据权利要求6所述的语音编码方法，其特征在于，步骤S103中，计算所述残差信号的基音周期进一步包括：

利用所述基音周期对所述残差信号进行基音峰值及其谐振峰值搜索，并将各峰值的差的平均值作为最终的基音周期。

8.根据权利要求1所述的语音编码方法，其特征在于，步骤S103中，对各子带进行清浊音判决具体包括：

计算各子带信号在所述基音周期附近的最大归一化自相关值；

计算各子带包络信号在所述基音周期附近的最大归一化自相关值；

采用阈值比较法，根据所述各子带信号在所述基音周期附近的最大归一化自相关值，以及所述各子带包络信号在所述基音周期附近的最大归一化自相关值，对各子带进行清浊音判决。

9.一种基于权利要求2或3所述的线性预测语音编码方法的语音合成方法，其特征在于，所述语音合成方法包括以下步骤：

S201、对量化的线谱频率对、小波系数、基音周期、增益参数及各子带的清浊音特性进行解码，得到线谱频率对、小波激励幅度谱、基音周期、增益参数及各子带的清浊音特性；

S202、利用所述小波激励幅度谱、所述基音周期及所述各子带的清浊音特性，合成小波激励信号；

S203、利用所述线谱频率对，对所述小波激励信号进行反线性预测，得到合成语音；

S204、对所述合成语音进行谱增强和相位调整。

10.根据权利要求9所述的语音合成方法，其特征在于，步骤S202具体包括：

根据所述各子带的清浊音特性，对各子带的清音成分和浊音成分进行滤波混合，得到小波频谱；

对所述小波频谱进行反傅里叶变换，得到小波系数，并利用dB10小波基复合得到所述小波激励信号。