一种对丢包具有鲁棒性的语音编码算法—iLBC

文中介绍了一种适用于网络的,对丢包具有鲁棒性的语音编码算法——iLBC。iLBC在编码时先进行LPC分析,然后对LPC残差信号采用自适应码本编码,这个自适应码本与传统的CELP算法中的自适应码本不同,没有利用语音帧之间的相关性,使得iLBC算法对丢包具有鲁棒性;解码时如果有语音包丢失,则采用丢包隐藏(PLC)算法。介绍了iLBC编解码算法的基本原理;重点分析了iLBC的自适应码本编码方式以及丢包隐藏算法(PLC);比较了在丢包率相同的情况下,iLBC和ITU-T G.729A的MOS分,结果表明,iLBC更适合于有丢包的网络。     

LD-CELP语音编码原理

低时延码本激励线性预测[LD-CELP]语音编码技术是近年来发展起来的一种新型的低速率语音编码技术。其基本原理是,发端根据语音信号的PCM码经过LPC分析后,只向收端发送激励码本的索引,收端在收到码本索引后,寻找码矢量和增益因子,再通过综合为PCM码。其优点在于可以与PCM码互换,很容易入市话网;而且可在16kbps的速率上获得令人满意的语音质量和较低的时延（≤2ms）,是一种很有前途的语音编码技术,它对提高卫星信道利用率和实现卫星地球站的小型化都具有重要意义。本文介绍了LD-CELP的基本原理,并给出了硬件实现方法。     

基于两级隐式形状模型的抗遮挡目标跟踪

为解决遮挡条件下的目标跟踪问题,提高定位精度,提出一种基于两级隐式形状模型的目标跟踪算法。首先利用Fast Hessian检测子提取待跟踪目标及周围区域的局部关键点区域构建码本字典,用SURF描述子获取码本的特征描述矢量建立码本支持模型,然后利用广义Hough变换建立码本字典集与目标之间的共生关系,通过隐式形状模型进行在线学习更新,最后通过寻找投票空间中的极大值来对目标进行定位,根据跟踪过程中目标遮挡程度的不同,分别赋予目标自身码本投票及周围码本投票不同权重,提高不同遮挡状态下目标定位精度。实验结果表明,在目标被遮挡甚至不可见或者丢失后重新回到视场时,该算法均能鲁棒地定位出目标。     

基于DCPM-FGA的隐马氏模型的参数训练

建立了一种将直接比较比例方法与模糊遗传算法结合在一起用于隐马氏模型参数训练的方法。针对不同的码本大小进行了仿真试验。结果表明,在码本较大时该方法效果要好于B W算法和Viterbi算法,码本较小时两种方法性能相近。