13、语音处理中的基音模型与分析合成方法

语音处理中的基音模型与分析合成方法

1. 基音模型概述

语音参数化的源 - 滤波器模型，通过不同处理模块模拟人类发声系统的效果。其中，线性预测倒谱系数（LPC）/线性预测谱对（LSP）用于模拟声道，随机噪声等用于模拟肺部激励，而基音滤波器用于重现声门的作用。

对人类基音产生系统的测量发现，声门的动作并非平滑的，不会产生纯正弦波音调。实际上，基音波形由一系列尖锐的脉冲组成。图 5.14 展示了包含多个基音脉冲的波形，其中一个脉冲被圈出，脉冲之间的间隔决定了感知到的基音频率。

在语音参数编码或压缩时，有几个与基音相关的重要信息项，不同的语音压缩算法对其处理方式不同：
- 脉冲的实际形状
- 正负尖峰的相对高度和位置
- 最大尖峰的幅度
- 脉冲之间的间隔

高质量的压缩算法会考虑所有方面，而一些算法只编码后三项，码激励线性预测（CELP）编码器倾向于编码后两项，规则脉冲激励（RPE）系统则只编码最后一项。显然，编码更多信息需要更多比特，因此许多算法优先考虑对可懂度最重要的方面。

2. 规则脉冲激励（RPE）

RPE 是一种用于表示语音基音成分的参数编码器，在欧洲电信标准协会（ETSI）标准 06.10 中得到了著名的应用。由于它在全球移动通信系统（GSM）标准中的使用，目前是世界上超过三分之一人口的主要移动语音通信方法。GSM 标准于 20 世纪 80 年代作为泛欧洲数字语音标准开发，并得到了欧盟的认可，迅速在欧洲及其他地区得到应用。

GSM 将 160 个 13 位语音样本（采样率为 8kHz）的帧编码为 260 个压缩比特，解码器则根据这些比特重建 160 个