申请/专利权人：山东省计算中心(国家超级计算济南中心)

申请日：2023-12-19

公开（公告）日：2024-04-02

公开（公告）号：CN117423348B

主分类号：G10L19/04

分类号：G10L19/04;G10L25/30

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.02.06#实质审查的生效;2024.01.19#公开

摘要：本公开提供了基于深度学习和矢量预测的语音压缩方法及系统，涉及语音信号处理技术领域，包括：获取低速率下的多帧语音信号，并预处理为语音序列；将当前帧语音序列作为第一深度网络的输入信号提取声学特征，利用所述声学特征预测下一帧语音序列的声学特征，并作为预测矢量；对原声学特征与预测矢量作差，获取差值矢量，并在设计的码本中寻找与差值矢量最匹配的量化矢量，作为残差索引传输到第二深度网络，第二深度网络根据接收的残差索引，在码本中找到相应的差值量化矢量，将差值量化矢量与预测矢量相加，得到重构矢量，对所述重构矢量解码输出合成语音，本公开提高了语音压缩编码合成的质量。

主权项：1.基于深度学习和矢量预测的语音压缩方法，其特征在于，包括：获取低速率下的多帧语音信号，并预处理为语音序列；输入语音信号为8KHz采样的语音；将当前帧语音序列作为第一深度网络的输入信号提取声学特征，通过预测矢量预测器，利用所述声学特征预测下一帧语音序列的声学特征，并作为预测矢量；对原声学特征与预测矢量作差，获取差值矢量，并在设计的码本中寻找与差值矢量最匹配的量化矢量，作为残差索引传输到第二深度网络，第二深度网络根据接收的残差索引，在码本中找到相应的差值量化矢量，将差值量化矢量与预测矢量相加，得到重构矢量，对所述重构矢量解码输出合成语音，并对生成语音的真伪通过判别器进行判断；预测矢量量化的过程为：在量化端，设计码本大小为N，即码本包含N个码字，其中每个码字代表每一块矢量映射为适合在信道中传输的索引，解码端根据此索引还原出重构块矢量，帧长为L，帧率为M，每个码本可以编码比特；预测矢量由以往的重构矢量预测得到；预测矢量预测器由4层时序卷积网络块构成，时序卷积网络块首先经过通道数为512的一维卷积，随后经过内核为3的扩张卷积，扩张大小为D，最后经过通道数为512的一维卷积，在第一层和最后一层加入跳过链接；通过引入多尺度STFT鉴别器和多周期判别器判断生成语音的真伪，STFT鉴别器由对多尺度复值STFT进行操作的相同结构化网络组成，其中实部和虚部连接，每个子网络由一个二维卷积层组成；多周期判别器是子鉴别器的混合，每个子鉴别器只接受输入语音序列的等间距样本，在通过查看输入语音序列的不同部分来捕获彼此不同的隐式结构。

全文数据：

权利要求：

百度查询： 山东省计算中心(国家超级计算济南中心) 基于深度学习和矢量预测的语音压缩方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD