发明名称 |
基于条件高斯混合模型的线谱对参数降维量化方法 |
摘要 |
本发明提供的是一种基于条件高斯混合模型的线谱对参数降维量化方法。具体步骤是:首先对采样后的语音信号分帧,提取语音信号的LSP特征参数,进行特征参数降维;然后分裂特征参数序列得到子矢量;针对子矢量参数序列进行两两结合,建立联合序列;利用联合序列训练条件高斯混合模型,得到条件高斯混合模型的参数;利用条件高斯混合模型的均值向量和协方差矩阵等参数,计算条件概率密度,且其个数等于高斯分量的个数;然后进行数据分组,将当前一帧数据归入条件概率密度值最大的那一个高斯分量所描述的分组中;将已分组的数据分别用LBG算法训练码书;最终得到的码书为该语音信号的矢量量化结果。本发明提升了量化性能,训练简单、计算复杂度低。 |
申请公布号 |
CN102708871A |
申请公布日期 |
2012.10.03 |
申请号 |
CN201210140030.3 |
申请日期 |
2012.05.08 |
申请人 |
哈尔滨工程大学 |
发明人 |
陈立伟;汤春明;廖艳萍;刘晴晴 |
分类号 |
G10L19/02(2006.01)I;G10L19/08(2006.01)I |
主分类号 |
G10L19/02(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种基于条件高斯混合模型的线谱对参数降维量化方法,其特征在于包括以下步骤:步骤(1):首先对采样后的语音信号分帧,提取语音信号的LSP特征参数,并进行特征参数降维;步骤(2):然后分裂特征参数序列得到子矢量;步骤(3):针对子矢量参数序列进行两两结合,建立联合序列;步骤(4):利用联合序列训练条件高斯混合模型,得到条件高斯混合模型的各种参数;步骤(5):利用条件高斯混合模型的均值向量和协方差矩阵等参数,计算条件概率密度,条件概率密度的个数等于高斯分量的个数;步骤(6):然后进行数据分组,将当前一帧数据归入条件概率密度值最大的那一个高斯分量所描述的分组中;步骤(7):将已分组的数据分别用LBG算法训练码书;步骤(8):最终得到的码书即为该语音信号的矢量量化结果。 |
地址 |
150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室 |