基于隐马尔可夫模型的能量参数预测量化算法

摘要：

为了充分利用能量与线性预测编码(Linear prediction coding,LPC)系数之间的相关性,提高能量参数量化效率,提出了一种基于隐马尔可夫模型(Hidden Markov model,HMM)的能量参数预测量化算法.通过适当假设,使用HMM模拟能量参数和LPC系数之间的相关性,其中离散化后的能量参数组成隐状态序列,量化后的LPC系数组成可现测序列.然后利用HMM预测每一超帧中的能量参数的变化轨迹,并根据预测出的能量轨迹对预测残差进行分模式矢量量化(Mode-based vector quantization,MBQ).仿真实验中能量参数量化后的平均失真为2.668 dB,与线性预测量化算法相比下降了14.O%,表明本文算法通过利用能量参数与LPC系数的相关性,能够有效地提高能量参数量化效率.

关键词：语音编码、低速率、隐马尔可夫模型、分模式量化

所属期刊栏目：26

分类号：TN912.32

资助基金：国家自然科学基金60572081

在线出版日期：2011-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：123-127