基于非负矩阵分解的2kb/s波形内插语音编码算法

• 作者: 张鹏 郭莉莉 鲍长春
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 语音编码 波形内插 特征波形 非负矩阵分解
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 632-638
• 页数: 7页
• 分类号: TN912.3
• 字数: 6644字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2008.04.005

摘要

在波形内插(Wavdorm Interpolation,WI)语音编码器中,如何低延时、高精度并且低复杂度的分解和量化特征波形(Characteristic Waveform,CW)一直是该编码模型的研究热点和难点.本文提出用非负矩阵分解(Non-negative Matrix Factorization,NMF)方法来分解语音特征波形.该分解方法仅需要当前帧的语音信号,不会给编码器带来额外的延时;为了提高分解精度,本文在CW分解之前先对CW按照其子帧的最大基音周期进行分类,然后按小同类别进行分解.另外,本文结合耳蜗模型提出了NMF的基矢量分带初始化算法,将CW的分解精度提高到与二阶奇异值分解相当的水平;为了降低WI编码器的计算复杂度,本文去除了传统WI编码器中的特征波形对齐模块,同时将NMF的分解阶数设定为16以折中CW分解的计算复杂度和分解精度.最后,本文基于矩阵量化技术,对非负矩阵分解后的编码矩阵采用分裂式矩阵量化方案来量化.主观A/B测试表明,本文提出的2kb/s NMF-WI编码器的合成语音质量接近于2.4kb/s SVD-WI编码器.MOS分测试表明,本文提出的2kb/s NMF-WI编码器的合成语音质量稍差于2.4kb/s MEIP编码器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲍长春	北京工业大学电子信息与控制工程学院	93	719	12.0	22.0
2	张鹏	北京工业大学电子信息与控制工程学院	34	193	7.0	13.0
3	郭莉莉	北京工业大学电子信息与控制工程学院	2	17	2.0	2.0