[发明专利]采用长期预测器的语言合成方法及其装置

说明书

本发明涉及在低比特率下数字化语言编码。特别涉及采用长期预测器的语言合成方法及其装置。

编码激发线性预测（CELP）是一种语言编码技术，它具有在低比特率（即每秒4.8至9.6千比特（kbps）下产生高质量合成语言的潜力。这一类语言编码（也被称作矢量激发线性预测或随机编码）最有可能用于数字化语言通讯及语言合成应用。可以证明，CELP（编码激发线性预测）特别适用于数字语言编码和数字无线电话通讯系统。在这种系统中语言的质量，数据的速率，规模和成本是主要问题。

“编码激发”或“矢量激发”这一词组来源于下列事实，即：用于语言编码器的激发序列是矢量化的，也就是用一个单个编码字代表激发样本序列或矢量。用这种方法，即使每一样本的数据速率少于一个比特，也可以对所激发序列进行编码。存储的激发编码矢量通常是由独立的随机白色高斯序列构成。从编码本中选出一个编码矢量代表N个激发样本中的每一单元。每一个存储的编码矢量是由一个编码字代表的，也就是该编码矢量存储位置的地址。正是这个编码字，按顺序通过通信信道被送到语言合成器，在接受器那里重新构成语言帧。有关CELP编码激发线性预测的更详细解释请见M.R.Schrseder和B.S.Atal的论著“编码激发线性预测：低比特率，高质量语言”。此文发表在1985年3月召开的IEEE声学，语言信号处理国际会议文件汇编第3卷第937-40页。

在编码线性激发（CELP）语言编码器中，从编码本中得到的激发编码矢量被加到两个随时间变化的线性滤波器上。此滤波器模拟输入语言信号的特点。在第一个滤波器的反馈环中有一个长期预测器。这个长期预测器有2到5毫秒（ms）的延迟，用以产生语音的音调周期特性。第二个滤波器的反馈环中有一个短期预测器。这个短期预测器的延迟时间少于2毫秒。用以产生频谱包络线，即格式结构。对每一帧语言，语言编码器将一独立的编码矢量加到滤波器上，以产生一个重新构成的语言信号，并且将原来的输入信号与重新构成的语言信号进行比较，以产生一个误差信号。误差信号然后过一个加权滤波器进行加权。这个加权滤波器具有依据人的听力而作出的反应。如果选出的编码矢量所产生的加权误差信号对于当前的一帧语言具有最小的能量，那么最优化激发信号将由这个编码矢量所决定。然后，用于最优化编码矢量的编码字通过通信信道被发送。

在CEIP语言合成器中，从通信信道收到的编码字用于为激发矢量的编码本编址。接着，单个的编码矢量与增益系数相乘，并通过长期和短期滤波器得到一个重新构成的语言矢量。增益系数和预测器参数也是由通信信道得到的。现在已经发现，如果在分析阶段使用合成器使用的实际参数，从而减少错误的数量，那么就能产生一个更好质量的合成信号。因此，在CELP语言分析阶段使用这种合成参数以产生更高质量的语言被称为合成分析语言编码。

短期预测器试图通过使用刚输出过的样本s（n-i）的线性组合来预测正要输出的样本s（n），依据下列公式：

s（n）＝α₁s（n-1）+α₂s（n-2）+…+α_ps（n-p）+e（n）

这里p是短期预测器的阶，e（n）是预测偏差，即先前样本的加权和不能代表的那一部分。假定样本速率为8KHz，预测器阶p的典型范围从8到12。加权数α₁、α₂、α₃在此公式中称为预测器系数。从使用传统线性预测编码技术（LPC）的语言信号中可以决定出短期预测器系数。短期滤波器输出响应可用Z变换形式表达：

A (z) = 11-Σi = 1Pα jz - i]]>

有关短期滤波器参数的进一步讨论，请参照IEEETrans.Com-mum.Vol.COM30，600-14页。文章名称是《低比特率下的语言预测编码》。