于莹莹
- 作品数：3 被引量：4H指数：1
- 供职机构：北京理工大学信息与电子学院更多>>
- 发文基金：国家留学基金更多>>
- 相关领域：电子电信更多>>
- 改进应用网格编码量化的算术编码G.719音频编码器被引量：1
- 2017年
- 网格编码量化的算术编码(ACTCQ)是网格编码量化(TCQ)和算术编码(AC)的有机结合.本论文将ACTCQ应用于G.719,提出了一种改进的G.719音频编码器.主客观实验结果表明,与G.719音频编码器相比,改进的G.719音频编码器不仅降低了0.2%~5.0%的编码速率,而且提高了0.04~0.21的重建音频质量.
- 赵胜辉毛婷刘洱兰于莹莹
- 关键词：网格编码量化
- 基于受限玻尔兹曼机的语音带宽扩展被引量：3
- 2016年
- 语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,由于该方法假设语音高频、低频服从高斯分布,且只表征了语音低频、高频之间的线性关系,从而导致合成的高频语音出现失真。因此,该文提出一种基于受限玻尔兹曼机的方法,该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性;并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样,通过提取语音低频和高频中蕴含的高阶统计特性,该方法可以深层挖掘语音高频和语音低频之间的实际关系,从而更加准确地模拟频谱包络分布,合成质量更高的语音。客观测试、主观测试结果表明,该方法性能优于传统的高斯混合模型方法。
- 王迎雪赵胜辉于莹莹匡镜明
- 关键词：前馈神经网络高斯混合模型
- 基于码本映射和GMM的语音带宽扩展
- 2017年
- 采用传统的高斯混合模型(Gaussian mixture model,GMM)进行语音带宽扩展时,会出现所估计的特征参数过平滑的问题,其主要原因是协方差估计不准确而导致扩展的高频特征细节信息的丢失,因此本文提出了码本映射(codebook mapping,CM)与高斯混合模型相结合的语音带宽扩展算法.提取高、低频特征参数,并训练高斯混合模型,基于高斯混合模型参数训练偏移矢量的码本;在扩展阶段,利用偏移矢量的码本将低频偏移矢量映射为高频偏移矢量,再将高频偏移矢量与高斯混合模型估计部分相加作为估计的高频特征参数.对利用该方法进行带宽扩展后的语音质量进行主观/客观评测.实验结果表明,相比传统的GMM语音带宽方法,CM-GMM合成的高频语音更接近原始高频语音,明显消除了高频过平滑现象.
- 王迎雪于莹莹赵胜辉匡镜明
- 关键词：高斯混合模型码本映射
