[发明专利]一种语音线性预测模型的非线性量化方法

权利要求书

1.一种语音线性预测模型的非线性量化方法，其特征在于，包括：

a、线谱频率参数变换步骤：将语音线性编码预测模型的线谱频率参数通过线性变换转化为线谱频率参数差值；

b、非线性去相关步骤：根据线谱频率参数差值的统计特性，采用结构化的方法，通过非线性变换将线谱频率参数差值去相关；

c、计算边际概率分布步骤：利用去相关的线谱频率参数差值的统计特性，计算其边缘概率密度分布；

d、标量量化器设计步骤：根据得到的边缘概率密度分布函数，设计基于概率密度函数的优化量化器。

2.根据权利要求1所述的语音线性预测模型的非线性量化方法，其特征在于，在步骤a之前，还包括：

线性预测模型的线谱频率参数提取步骤：将线性预测模型通过Chebyshev多项式求根法转化为线谱频率参数。

3.根据权利要求1或2所述的语音线性预测模型的非线性量化方法，其特征在于，在步骤d之后，还包括：

优化的顺序量化步骤：对变换后的参数实现优化的顺序量化方式，达到控制差错传播的目的。

4.根据权利要求3所述的语音线性预测模型的非线性量化方法，其特征在于，所述对变换后的参数实现优化的顺序量化方式的操作，具体包括：

将步骤a中描述的去相关过程和步骤d中描述的基于概率密度函数的标量量化器相结合，形成优化的顺序量化方法，实现有效的差错控制。

5.根据权利要求4所述的语音线性预测模型的非线性量化方法，其特征在于，所述将步骤a中描述的去相关过程和步骤d中描述的基于概率密度函数的标量量化器相结合，形成优化的顺序量化方法，实现有效的差错控制的操作，具体包括：

1)输入：

a) 维线谱频率参数差值向量；

b)如步骤5得到的针对每一个的标量量化器；

2)初始化：

a)计数器；

b)维目标向量；

3)执行次循环，其中第i步循环操作：

a)当时：

i.取出向量中的第一个元素，将其通过步骤5中描述的标量量化器量化，得到元素放入向量中；

 b)当时：

i.取出向量中的第一个元素，将 通过步骤5中描述的标量量化器量化，得到元素放入向量中；

c)生成新的向量，含有中除元素外的所有元素； 

d)；

4)输出：

量化后的线谱频率参数差值。

6.根据权利要求1或2所述的语音线性预测模型的非线性量化方法，其特征在于，在步骤a中，所述将语音线性编码预测模型的线谱频率参数通过线性变换转化为线谱频率参数差值的操作，具体包括：

利用线谱频率参数的有序特性和有界特性，将其变换为线性谱参数差值，此差值的特征为：有序特性分布在 开区间内，有序特性加和为1；

所述利用线谱频率参数的有序特性和有界特性，将其变换为线性谱参数差值的操作，具体包括：

1）维线谱频率参数表示为，满足：

；

2）变换后的维线谱频率参数差值为：

。

7.根据权利要求1或2所述的语音线性预测模型的非线性量化方法，其特征在于，在步骤b中，所述根据线谱频率参数差值的统计特性，采用结构化的方法，通过非线性变换将线谱频率参数差值去相关的操作，具体包括：

利用线谱频率参数差值的统计特性，假设其为中性向量；采用结构化的方法，通过归一化--取首元素的循环运算，将线谱频率参数差值之间的相关性去除，使参数之间统计上相互独立。