摘要： Lsp_Inq Lsp_Int lsp反量化与插值这两个函数完成的功能是将量化的lsp系数反量化由于参与量化的lsp系数是4个子帧中的最后一帧,另外3个子帧的lsp系数是由之前的帧的lsp系数(PrevLsp)与当前的lsp经过加权比例混合得到的.这4组lsp被转化成为4组lpc系数后,构成一个滤波器,利用此滤波器得到残差信号,这样就可以对残差信号进行自适应编码与固定码本编码了先来看Lsp_Inq,这个函数对量化后的lsp进行反量化首先是一个判断传入的参数Crc(这个是由于上层应用程序传入的)值为1时,认为是出现了丢包,编码不存在丢包这一说,所以此处认为是不丢包的然后将lspid拆开,每8个b 阅读全文

摘要： 6 Comp_Pw 谐波噪声成形过滤讯号中之杂讯的类周期性 --- 这段代码的作用,摘自可能是一位台湾网友的技术博客我们来看一下系统函数P(z) = 1 - b * z^(-L)其b是一个跟自相关与能量比值有关的系数, L取值大约是基音周期我们可以大致画出这个系统函数的幅度,取 z=e^(jw)P(e^(jw)) = 1- b(cos(Lw) - j*sin(Lw))它的幅度平方为( 1 - b*cos(Lw) )^2 + sin(Lw) ^ 2= 1 + b^2 - 2b*cos(Lw)大概会是这样的一个曲线 | | _____ ______ | | | | | |--- ----- --- 阅读全文

摘要： g723语音编解码基音周期 阅读全文

摘要： g723语音编解码共振峰感知加权与基音周期搜索 阅读全文

摘要： g723语音编解码lsp系数量化 阅读全文

摘要： g723编解码lpc系数转lsp 阅读全文

摘要： g723编解码,lpc分析 阅读全文

摘要： 上一节分析了g723低速率下的固定码本搜索,在高速率下面,对去了自适应激励成份后的语音信号,g723采用的是多脉冲编码方式.本文现做一个简要的闸述在分析代码之前,仍然是要做一些公式推导,否则不易读懂代码过程其实与固定码本搜索时的方式类似.多脉冲激励的定义:激励是由有限个经过最优估值的脉冲构成(每个脉冲的位置与增益都是经过最优估值的)那么很容易得出相应的误差公式,假设脉冲的个数是m Me[n]= t[n] - Σ g(k) * h[n-n(k)] k=1 n(k) 代表第k个脉冲的位置 g(k)代表第k个脉冲的增益误差均方: N N ME = Σ e[n]^2 = Σ (t[n] - Σ g(k 阅读全文

摘要： 在上一节中讲的是自适应码本搜索,经过自适应码本搜索后,语音信号的时域相关性被极大地去除了,剩下的残差信号接近于随机信号.g723的第二级搜索,是按编码速率的不同,按两种方式进行的在高速率的情况下,g723第二级搜索是按多脉冲编码方式进行的,即对残差信号用N个脉冲来表示,搜索每个脉冲的位置与增益,使之误差最小在低速率编码情况下,残差信号是与一个伪随机的固定码本进行"匹配"算出最佳的码本索引与增益Find_Fcbk先分析低速率的情况,即固定码本搜索先来认识一下固本码本的构成itu为了简化对固定码本的搜索计算量,做了一些简化的定义,即一个码字里只有4个单位脉冲,并且它们只出现在固 阅读全文

摘要： 各种语音压缩算法的前半部分,即lpc部分是大同小异的,均是假设声道是一个十阶的全极点滤波器,通过自适应算法，求出10个lpc系数,然后就是编码残差信号,即激励信号,各种算法不同之处，在于对激励信号编码方式以及码本结构。有各种不同的激励信号的编码,如自适应码本编码,多脉冲编码,等等最后在解码时，实际上是做一个语音合成，解码出激励源与声道滤波器.将激励源与滤波器的脉冲响应进行卷积得到语音数据g723采用的是两级编码,第一级为自适应码本激励,它体现了语音信号在时域上的相关性,第二级编码分为两种速率.高速率编码时，采用的是多脉冲激励.低速率编码时，采用的是伪随机固定码本激励.体现了语音信号的随机性Fi 阅读全文

摘要： Comp_Ir 计算冲激响应前面已经介绍了如何将量化的lsp转成4组lpc系数,得到量化后的lpc系数,相应的得到了逆向滤波器(这里称它为滤波器A吧).这时要做的就是根据这些滤波器,在激励码本表里找出合适的激励源,也就是对激励进行编码了,接下去的都是跟激励编码相关的.比较各种语音压缩算法,在lpc分析这一阶段,基本是大同小异的,不同之处,在于对激励的编码算法现在来看看g723的激励编码算法的总体是什么样子的.g723的激励源由两部分组成,一部分是自适应激励,另一部分是伪随机的固定码本.其中,自适应激励实际上是由固定码本反复迭代得到的.自适应激励源可以认为是过去解码的激励源刚开始阶段,自适应激励 阅读全文