①预处理去除s0(n)中的支流分量；进行高频分量预加重（鉴频器的输出噪声功率谱按频率的平方规律增加）。②LPC分析提取LPC参数。先求出信号的自相关系数，然后求出LPC反射系数，反射系数先取对数面积比参数（减小量化误差）后再量化编码。③短时分析滤波对信号s(n)进行LPC短时预测分析，产生余数信号d。第95页，共173页，星期日，2025年，2月5日④长时预测对余数信号进行长时预测，分为长时分析和长时预测两部分。长时分析估计预测系数b和预测最佳延时样点数N，编码后传送到收端；长时预测利用恢复出的长时预测系数N′、b′和短时余数信号d′预测当前子帧的余数信号d。⑤规则激励码编码先提取规则序列码，然后对所确定的序列进行量化编码。第96页，共173页，星期日，2025年，2月5日5矢量和激励线性预测编码（VSELP）对余数信号进行矢量量化,从激励矢量码本中挑选出一个最佳序列（激励矢量）代替余数信号,使由其合成的语音波形与原始语音波形的加权均方误差最小(只传送激励矢量在码本中的序号和其他边带信息)。图334为EIA/TIAVSELP方案实现原理框图。第97页，共173页，星期日，2025年，2月5日图3.34EIA/TIAVSELP方案实现原理框图(a)编码器原理框图；(b)解码器原理框图加权滤波器W(z)码本Ⅰ码本ⅡH(z)∑e2长时预测状态选择I、L和H使总加权误差最小LIHbg1加权综合滤波器长时预测状态码本Ⅰ码本Ⅱ基音滤波器综合滤波器A(z)频谱后滤波Hqg1qex(n)总加权误差＋输出语音s(n)g2＋{ai}＋IqLqbg2q＋{aiq}(a)(b)p(n)p(n)_第98页，共173页，星期日，2025年，2月5日VSELP编码器中除了提取LPC参数外，主要是确定长时预测状态和短时激励失量。经过短时、长时预测后的语音余数信号s(n)通过加权滤波后得信号p(n)，与由矢量和激励信号通过加权综合滤波器恢复的余数信号p′(n)相减得误差信号e(n)，再利用加权误差和最小准则来确定长时预测状态和短时激励矢量。第99页，共173页，星期日，2025年，2月5日6低时延码激励线性预测编码（LD―CELP）图3.35为LD―CELP原理框图,输入PCM信码经非线性/线性转换变成均匀量化的PCM信号并以5个样值组成一个信源矢量存入缓冲器；虚线框输出一个与输入语音样值误差最小的合成语音样值；合成语音样值与缓冲器中的输入语音矢量的误差信号经感觉加权滤波，根据最小均方误差准则输出对应的码字编号传送到接收端。第100页，共173页，星期日，2025年，2月5日图3.35LD―CELP原理框图(a)发端编码器；(b)收端编码器非线性/线性转换缓冲器5维激励码本增益控制50阶综合滤波器10阶感觉加权滤波器均方误差最小准则后向LPC分析增益自适应调节16kbit/s参数码流＋－5维激励码本增益控制50阶综合滤波器10阶感觉加权滤波器线性/非线性转换16kbit/s参数码流后向LPC分析增益自适应调节64kbit/sPCM码流64kbit/sPCM码流＋(a)(b)第101页，共173页，星期日，2025年，2月5日7多带激励线性预测编码（MBE）基于频域的语音信号产生模型——多带激励模型，提高了合成语音的自然度。图3.36为MBE语音信号产生模型，按基音各谐波频率将语音频谱分成若干个谐波带，再将几个谐波带为一组进行分带，分别对各带进行清/浊音判决。浊音带用以基音周期为周期的脉冲序列谱作为激励信号谱，清音带用白噪声谱作为激励信号谱。图3.37、图3.38分别MBE算法发端语音分析原理框图和收端语音合成框图。第102页，共173页，星期日，2025年，2月5日图3.36MBE语音信号产生模型生器发生器T/1AM12M2Sw)P脉冲序列发生器白噪声发生器Σ浊音清