語音編碼總結(jié)

1、語音編碼總結(jié)一、歷史與概念1、模擬的聲音信號話音信號：（口語發(fā)聲的）200Hz3400Hz調(diào)幅廣播信號：（無線廣播）50Hz到7000Hz調(diào)頻廣播信號：（無線廣播）20Hz到16000Hz激光唱機信號（CD）：10Hz20000Hz2、話音編碼技術(shù)的歷史回顧 話音編碼研究的歷史表明，這一領(lǐng)域的研究成果直接為通信產(chǎn)業(yè)發(fā)展提供了源動力。目前IP電話所用的編碼的標準有G.723.1, G.728, G.729。具有低延遲、低碼率、低復雜性、高音質(zhì)的話音編碼算法將是未來IP電話網(wǎng)絡的奠基石。 3、若干概念術(shù)語（1）數(shù)字信號：標稱的不連續(xù)信號。它可以用離散的步差從一個狀態(tài)轉(zhuǎn)變到另一個狀態(tài)。（2）采樣：按

2、周期T對模擬信號進行測量，稱為采樣。采樣頻率Fs=1/T.在滿足奈奎斯特定理時，從采樣值可準確的恢復原信號。（3）量化用數(shù)字信號表示話音的過程稱為量化。（4）非均勻量化 非均勻量化可以兼顧動態(tài)范圍和小信號的系統(tǒng)精度。Reeves提出概念。即對大信號取較大的量化步長。對小信號取較小的量化步長。二、矢量量化 將k個樣點構(gòu)成的有序集（信源矢量集合）映射為M個恢復失量構(gòu)成的有限集A（碼書，碼本）中的某個矢量Yi（碼字，碼元）的映射，稱為矢量量化，它是對標量量化在K維空間的一個推廣。標量量化 矢量量化 量化對象 單個采樣點 K個采樣點 集合劃分 

3、;在一維幅度軸上劃分有限個區(qū)間 1=a0 a1)Dn=an-1 an)在k維空間里，劃分成有限個子空間S=Si|i=1,2,M 量化過程 在每個區(qū)間里，選一個代表值 fiÎDi  I=1,2,n在每個子空間里，選一個代表矢量Yi=Yi1,Yi2,Yii  Yi ÎSi  i=1,2,M量化方法 對任一模擬信號，當其標稱 值 屬于區(qū)間Di時，就用數(shù)字信號fi代表值 對任一k維模擬信號的矢量。 當其標

4、稱值屬于子區(qū)間Si時,就用代表矢量Yi去量化之。 1、 碼本設計的LBG方法（1）在矢量空間X中，進行最佳劃分，即，把X劃分成M個子空間Si i=,1.2.m 使平均失真最小。（2）對劃分后的子空間Si求出其形心作為新的最佳代表矢量Yi，從而構(gòu)成新的碼本。將上述步驟反復迭代，最終求出最佳碼本和量化器。（3）初始碼本的選擇：A、隨機選取，迭代時間較長B、分裂法（4）LBG方法不是最優(yōu)化方法，即迭代過程不能保證收斂到全局最小值。 后來有人提出模擬退火法，將LBG方法收斂到局部最小值時，采用某種擾動將迭代過程繼續(xù)進行下去。 2、空間分布對矢量量化的影響LBG算法把問題簡化為：在矢量空間中，

5、樣點的分布是均勻的。但實際的應用場合往往不滿足這個前提。因此應考慮空間分布，空間分布對量化值的選擇有很重要的影響。對矢量的情況，影響依然存在。3、語音編碼方案的三種類型 語音編碼的主要任務：對量化的話音信號施加某種數(shù)字變化，使其具有適于數(shù)字信道傳輸?shù)男问?，同時盡可能多信號所承載的信息。話音信號的剩余度主要表現(xiàn)在三個方面：（1）相鄰樣點存在較強的相關(guān)性（2）對濁音信號存在周期（準周期）性（3） 信號短時平穩(wěn)，時不變性 此外，人類聽覺對話音有選擇效應，即當一個強音與一個弱音同時存在時，人類聽覺能夠自動抑制弱音的效果，稱為人耳的“掩蔽效應”。這些是話音壓縮編碼的出發(fā)點。3.1 波型編碼：對話音信號的

6、每一個樣點進行量化、編碼和傳輸。 因此，波型編碼是沒有延遲的話音編碼方案。3.1.1 差值脈碼調(diào)制（DPCM和-調(diào)制） 一位的DPCM系統(tǒng)成為-調(diào)制或增量調(diào)制DM。流程圖如下： 這里，表示對應的量化值，上標 表示對應的預測值，用 ei 表示差值di的量化誤差。收端恢復的量化信號只與差值信號的量化誤差有關(guān)，而與預測器性質(zhì)無關(guān)。（1）當信號變化快時，恢復波形跟不上信號的變化，稱為”斜率過載“（2）對于零信號，DM方法交替輸出一串0和1，這種隨機交變電平成為“顆粒噪聲”。解決辦法是在量化器引入自適應階矩調(diào)整機制（ADM）。如果自適應調(diào)整依據(jù)輸入信號，稱為前向自適應。如果自適應調(diào)整依據(jù)是量化器輸，稱為

7、后向自適應。前向自適應將導致延遲的產(chǎn)生，后向自適應有可能不穩(wěn)定。 3.1.2 連續(xù)可變斜率增量調(diào)制（CVSD）其原理可用下圖說明： 當反饋回路中，出現(xiàn)連續(xù)四個“1”或連續(xù)四個“0”時，表明系統(tǒng)出現(xiàn)斜率過載的情況，此時或門輸出一個高電平，驅(qū)動觸發(fā)器改變量化的階矩的大小，以便適應輸入信號的變化。3.1.3 自適應差值脈碼調(diào)制（ADPCM）PCM:非均勻量化。D:調(diào)制。差值調(diào)制。CVSD：自適應概念 將脈碼調(diào)制、差值調(diào)制和自適應技術(shù)三者結(jié)合起來。使編碼算法不僅適用于幅值起伏較大的話音信號，而且能很好的適合于平穩(wěn)信號（如話帶數(shù)據(jù)）。3.1.4信息壓縮的基本思路1、信息與消息（1）消息是由符號、數(shù)字、文

8、字或語言組成的序列。（2）信息是消息中不確定的內(nèi)容。消息是信息的載體，信息是消息的內(nèi)含。由于信息是消息中承載的不確定性因素（差別、變化、區(qū)別等），因此必然與通信雙方的知識（約定）有關(guān)。越少見的事件，其出現(xiàn)帶來的信息越多2、信息壓縮的主要手段（1）減少不確定性差值編碼：相當于用前一個值來預測當前值，引出線性預測的概念（2）通信雙方建立某種知識約定，如碼書或算法（3）對變化的規(guī)律、不確定性因素建立描述機制或?qū)W習機制 3.2 參數(shù)編碼就是對每幀語音信號，將濾波器系數(shù)和殘差e(n)分別進行量化編碼。由于e(n)的平均能量和幅度變化范圍遠遠小于信號s(n)，因此在信噪比相同的條件下，可以用較少的比特對其

9、編碼。參數(shù)編碼時，將激勵按清音、濁音分成高斯隨機白噪聲或準周期信號。倒譜參數(shù)C(n)構(gòu)成的同態(tài)聲碼器，用共振峰參數(shù)構(gòu)成的共振峰聲碼器，都是參數(shù)編碼方法。1、基音提?。翰⒙?lián)基音提取方法。（1）短時平均幅度差函數(shù)AMDF（2）中心削波法是對信號的一個非線性變換:式中，Cl稱為削波電平，它取信號最大值Smax的一個百分比（3080）（3）三電平中心削波函數(shù)用YS(n)表示三電平中心削波器的輸出，在自相關(guān)函數(shù)中有用三電平中心削波信號計算自相關(guān)函數(shù)，找到自相關(guān)函數(shù)最大值，并將峰值與一個固定門限例如Rn(0)的1/3比較，如果低于門限判為清音，如果高于門限則最大峰位置判為基音周期。2、并聯(lián)基音提取基本方法

10、原理：（1）先對信號進行處理產(chǎn)生若干沖激串，沖激串只保留原始信號的周期性而去除了與基音檢測無關(guān)的信息。（2）估計每個沖激串的周期。（3）對這些周期進行邏輯判斷，最后確定語音信號的周期，將進過低通濾波的信號按如下原則求出六個沖激串3.3 混合編碼 波形編碼音質(zhì)好但碼率高，參數(shù)編碼可以獲得很低的碼率但音質(zhì)不好，為了兼顧二者的長處和不足，提出了殘差激勵模型，多脈沖激勵模型和碼激勵模型。此外，對LPC參數(shù)模型也提出了噪聲加權(quán)整形技術(shù)和長時預測濾波器等方法。1、混合編碼中的新技術(shù)（1）長時預測濾波器濁音信號存在準周期性，當用濾波器描述語音信號時，殘差序列e(n) 保留著中準周期性。為此，用一個稱為長時預

11、測濾波器的B(z)來去除這種準周期性。式中M是對應于基音周期的樣點數(shù)。I根據(jù)濾波器階數(shù)一般取0或1。殘差e(n)經(jīng)B(z)濾波器濾波后將得到更加白化的噪聲譜。 2、噪聲整形 信號經(jīng)短時長時濾波后，噪聲譜一般是平坦的。由于在兩個共振峰之間，信號譜低于噪聲譜，因此盡管總的信噪比是高的，但在陰影區(qū)域?qū)念l率上，噪聲能明顯被人耳感覺到。采用噪聲譜變形后，總的信噪比有所降低，但在所有頻率上信號的能量大于噪聲的能量，由于人耳的選擇性，可以形成對噪聲的聽覺屏蔽效應，所以采用噪聲整形。3、合成分析法（Analasys By Sythesis A-B-S） 波形編碼器內(nèi)一般要嵌入一個解碼器，使得解碼信號與原始

12、信號作差，提供一個比較信息或形成后向自適應。在參數(shù)編碼時也用這一類方法，將合成信號與原始信號作差（加權(quán)）并比較，以次為依據(jù)進行參數(shù)修正或選擇激勵，這種方法稱為A-B-S。LPC編碼方法的二元激勵模型過于簡化。（1）多脈沖激勵線性預測編碼器 MPLPC的關(guān)鍵問題是，如果一幀中允許用M個激勵脈沖，如何求出這M個脈沖的位置和幅度，使得合成語音與原始語音的感覺加權(quán)均方誤差最小。用自相關(guān)法求出短時濾波器A(z)后經(jīng)聽覺加權(quán)處理，其沖擊響應為：它們激勵綜合濾波器合成語音信號為： （2） 規(guī)則脈沖激勵線性預測編碼器(RPE-LPC)規(guī)則脈沖是多脈沖的一種，即脈沖間隔固定的多脈沖激勵。對于規(guī)則脈沖激

13、勵，算法可以簡化。其結(jié)構(gòu)圖如下：規(guī)則脈沖是讓原始語音經(jīng)短時濾波后的信號r(n)與激勵信號作差，然后對感覺加權(quán)后的差值信號求均方誤差最小來確定最佳激勵。 規(guī)則脈沖激勵的問題是A、確定規(guī)則脈沖最佳的相位 B、為每個非零脈沖確定一個幅度。（4）碼激勵 CELP通過LPC分析去除信號的短時相關(guān)性，再用長時基音分析去除基音周期性，得到的是信號具有高斯白噪聲特性。（5）G.728 低延遲碼激勵話音編碼算法（LD-CELP）A、特點 a、每5個樣點為一幀，延遲為0.625msb、采用50階LPC濾波器，不用長時預測和基音檢測c、50階LPC濾波器參數(shù)每4幀（20個樣點，2.5ms）更新一次，具有時變參數(shù)特性

14、d、3位增益碼書，7位波形碼書的結(jié)構(gòu)，增益碼書與波形碼書分別有0.5位冗余e、采用后向濾波技術(shù)，因此不傳遞參數(shù)信息，只傳遞激勵信息f、采用對數(shù)增益濾波技術(shù)，有效地降低碼書尺寸B、G.728原理可歸納為一個判據(jù) ，三個模塊。1) 判據(jù)2） LPC分析模塊：3） 包括四個濾波器：a. 50階綜合濾波器 b. 10階感覺加權(quán)濾波器 c. 10階對數(shù)增益濾波器 d. 10階后濾波器（6）G.729:共軛結(jié)構(gòu)的代數(shù)碼激勵 CS-ACELP G.729編碼器屬于CELP型編碼器，幀長為10ms，采樣率為8kHz。通過對輸入語音信號進行分析，提取出CELP模型參數(shù)，包括線性預測濾波器系數(shù)、自適應碼書和代數(shù)碼

15、書的標號和增益，將這些參數(shù)編碼后發(fā)往解碼器。 A、編碼器原理框圖 B、解碼器原理 解碼器對接收到的碼流進行解碼，得到對應的編碼器參數(shù)，利用這些參數(shù)，構(gòu)成重建語音，再將重建語音送給后處理級，后處理級包括基于長時和短時合成濾波器的后濾波器,后面跟有一個高通濾波器和幅度調(diào)節(jié)單元。 C、加窗LP分析窗由兩部分組成：第一部分是半個哈明窗，第二部分是四分之一個余弦函數(shù)窗D、感覺加權(quán)濾波器濾波器系數(shù)ai是通過對輸入語音進行LP分析而得到的，ai值每幀更新一次，以達到加權(quán)的作用。E、開環(huán)基音分析為降低搜索閉環(huán)基音的復雜性，可以先把搜索范圍限制在開環(huán)基音Top附近。開環(huán)基音延遲是對加權(quán)輸入語音信號sw(n)進行分析得到的，