基于MELP算法的2.4kb/s低比特率语音编解码器

资 源 简 介

该项目在MATLAB环境下完整实现了混合激励线性预测（MELP）语音编码算法，旨在提供高效的2.4kb/s低比特率语音压缩与还原解决方案。

详 情 说 明

基于MELP的2.4kb/s低比特率语音压缩与解码程序

项目介绍

本项目是一个在MATLAB环境下实现的混合激励线性预测（MELP）语音编解码原型系统。MELP算法是专门为低比特率（2.4kb/s）语音通信设计的标准算法，它通过改进传统LPC模型，引入了混合激励、脉冲整形、增强谱处理和自适应后处理等技术，显著提升了在极低带宽下的语音合成质量和抗噪声能力。

功能特性

1. 完整的编解码全流程实现：包含预处理、分析、量化模拟、合成及后处理。
2. 混合激励机制：支持5个频带的独立清浊音判定。
3. 增强型谱处理：实现了对前10个谐波幅度的估算，以增强浊音的细节。
4. 鲁棒的音高探测：采用自相关法进行音高周期估算。
5. 听感增强：内置自适应后置滤波器，用于增强共振峰并补偿频谱倾斜。
6. 自动反馈评估：程序执行后自动计算输出信噪比（SNR），并生成原始与重构语音的波形及语谱图对比。

系统要求

1. 运行环境：MATLAB R2016b 或更高版本。
2. 依赖工具箱：Signal Processing Toolbox（信号处理工具箱）。
3. 输入要求：默认支持8kHz采样率、单声道的WAV音频文件。若文件不存在，程序会自动生成模拟语音信号进行演示。

实现逻辑与处理流程

程序遵循MELP标准核心逻辑，按帧（每帧22.5ms，对应180个采样点）进行处理，主要步骤包括：

1. 预处理阶段

对输入语音进行归一化，并应用1阶高通滤波器进行预加重（系数为0.9375），以提升高频分量并减小后续分析的动态范围。

1. 编码分析阶段

• 线性预测分析（LPC）：针对窗口化后的语音帧计算10阶LPC系数，并将其转换为稳定且易于量化的线谱对（LSF/LSP）参数。
• 基音周期估算：利用自相关函数在50Hz至400Hz范围内搜索最大相关峰值，确定音高周期及浊音强度。
• 多频带带通清浊音分析：将语音划分为5个子带（0-500Hz, 500-1000Hz, 1000-2000Hz, 2000-3000Hz, 3000-4000Hz），分别通过带通滤波器组。计算每个子带残差信号的自相关性，以此决定该频带在合成时使用脉冲激励还是噪声激励。
• 傅里叶幅度估算：在残差域分析前10个谐波的幅度，用于提升浊音片段的丰富度和自然度。
• 增益计算：以分贝（dB）为单位计算当前帧的能量，用于合成器中的幅度还原。

1. 参数量化与传输模拟

模拟了2.4kb/s标准下的参数规格，主要针对LSF、增益和基音进行量化处理。虽然在代码中以浮点模拟为主，但逻辑上对准了标准定义的比特分配。

1. 解码与合成阶段

• 混合激励生成：根据各频带的清浊音判定结果，将周期脉冲激励（受傅里叶幅度调制）与白噪声激励分别通过对应的带通滤波器组后求和，构造混合激励源。
• 语音合成滤波：利用量化后的LSF参数重构LPC合成滤波器，对混合激励信号进行滤波从而恢复语音共振峰特征。
• 去预加重与补偿：对合成语音进行去预加重，并应用包含共振峰增强和倾斜补偿的自适应后置滤波器，最后根据量化增益调整输出幅值。

核心子功能说明

混合激励频带滤波器设计模块 使用FIR滤波器组设计5个精确的子带滤波器。它是区分MELP与传统LPC的关键，负责处理不同频带的清浊音混合特性。

音高检测与分析模块 实现基于自相关算法的闭环基音搜索。它不仅提取基音周期（Lag），还通过自相关系数的大小反映语音的清/浊音置信度。

多频带清浊音判定模块 对五个特定频带进行时域分析，通过设定阈值（0.5）来动态决定各频带的激励混合权重，有效解决了传统LPC在过渡段的失真问题。

傅里叶幅度处理模块 在频域对激励信号的精细结构进行建模。通过计算原始频谱与LPC全极点模型谱的比例，提取前10个谐波的权重参数。

混合激励合成模块 这是解码器的核心。它将脉冲源和噪声源分别映射到对应的滤波器组中。若某频带判定为浊音，则该频带由谐波幅度调制的脉冲序列填充；反之则由噪声填充。

自适应后置滤波模块 为了进一步提升听感，该模块通过两个衰减因子（0.8和0.9）构建有理传递函数。它能拉宽谷值、压缩峰值，使共振峰更加突出，同时利用倾斜滤波器平衡整体音色。