Search

Se presenta en este artículo un material docente para la enseñanza de las señales y los sistemas analógicos. El enfoque que se ha dado es eminentemente aplicado. Se presenta un conjunto muy completo de ejercicios, problemas y simulaciones que se complementan mutuamente. A parte del contenido y su estructuración, la principal característica de este material reside en el software desarrollado que explota de forma exhaustiva las posibilidades gráficas de MATLAB. Se proporciona una interfície muy amigable y potente para realizar las experiencias que se proponen.

This paper describes a coding scheme for broadband speech (sampling frequency 16KHz). We present a wideband speech encoder called APVQ (Adaptive Predictive Vector Quantization). It combines Subband Coding, Vector Quantization and Adaptive Prediction as it is represented in Fig. I. Speech signal is split in 16 subbands by means of a QMF filter bank and so every subband is 500Hz wide. This APVQ encoder can be seen as a vectorial extension of a conventional ADPCM encoder. In this scheme, signal vector is formed with one sample of the normalized prediction error signal coming from different subbands and then it is vector quantized. Prediction error signal is normalized by its gain and normalized prediction error signal is the input of the VQ and therefore an adaptive Gain-Shape VQ is considered. This APVQ Encoder combines the advantages of Scalar Prediction and those of Vector Quantization. We evaluate wideband speech coding in the range from 1 to 2 bits/sample, that leads to a coding rate from 16 to 32 kbps.

Some Speech Enhancement algorithms based on the iterative Wiener filtering Method due to LimOppenheim [2] are presented. In the original Lim-Oppenheim algorithm, AR spectral estimation of speech is carried out using a second-order analysis, but our algorithms consider an AR estimation by means of cumulant analysis. This work extends some preceding papers due to the authors. Information of previous speech frames is taken to initiate speech AR modeling of the current frame and, so, two parameters are introduced to dessign Wiener Filter at first iteration of every frame. Another algorithm obtains speech AR estimation in the autocorrelation domain. Both algorithms are compared to classical second-order algorithm (AR2) and third-onler cumulant-based algorithm (AR3), when car noise disturbs clean speech signal. A detailed study shows that boths techniques significantly increase noise suppression after first iteration processing and, therefore, convergence speed of this iterative algorithm is strongly accelerated.

Las prestaciones de muchos sistemas de procesado de vozse degradan rápidamente en aplicaciones reales ante lapresencia de ruido. Para solucionar este problema lastécnicas de speech enhancement pretenden reducir esteruido realzando la señal de voz degradada. Se hanconsiderado las técnicas basadas en un filtrado dewiener. Tradicionalmente, estas técnicas han mostradounas prestaciones superiores a otras metodologías, comopor ejemplo la sustracción espectral, sin embargo, estastécnicas de filtrado de wiener hacen uso de lasestadísticas de segundo orden (función auto correlación)y, en consecuencia, presentan una elevada sensibilidad alruido. Una aportación importante de este trabajo consisteen la incorporación de las estadísticas de orden superioral proceso de estimación de la voz a partir de la señal de voz ruidosa.