語音信號處理第10講

1、9.1 9.1 概述概述9.2 9.2 語音信號壓縮編碼的原理和壓縮系統(tǒng)評價語音信號壓縮編碼的原理和壓縮系統(tǒng)評價9.3 9.3 語音信號的波形編碼語音信號的波形編碼9.4 9.4 語音信號的參數(shù)編碼語音信號的參數(shù)編碼9.5 9.5 語音信號的混合編碼語音信號的混合編碼語音編碼（語音編碼（Speech CodingSpeech Coding）在語音通信及人類信息交流中）在語音通信及人類信息交流中占有舉足輕重的地位。對語音信號的模擬傳輸持續(xù)了近一個占有舉足輕重的地位。對語音信號的模擬傳輸持續(xù)了近一個世紀，目前，正逐漸被數(shù)字系統(tǒng)所取代。世紀，目前，正逐漸被數(shù)字系統(tǒng)所取代。信源信源編碼信道編碼調(diào)制傳輸

2、通道解調(diào)信道解碼信源解碼信宿（用戶）噪聲本章研究的內(nèi)容數(shù)字傳輸系統(tǒng)模型數(shù)字傳輸?shù)膬?yōu)缺點：數(shù)字傳輸?shù)膬?yōu)缺點：優(yōu)點：傳輸多樣化，低成本且保密性強，頻率利用更加有效優(yōu)點：傳輸多樣化，低成本且保密性強，頻率利用更加有效缺點：直接采用缺點：直接采用A/DA/D轉(zhuǎn)換技術(shù)進行編碼會導(dǎo)致轉(zhuǎn)換技術(shù)進行編碼會導(dǎo)致傳輸或存儲的語音數(shù)據(jù)傳輸或存儲的語音數(shù)據(jù)量巨大，增加成本，必須對其進行壓縮。量巨大，增加成本，必須對其進行壓縮。編碼技術(shù)的編碼技術(shù)的目的目的：減少傳輸碼率或存儲量，提高傳輸或存儲：減少傳輸碼率或存儲量，提高傳輸或存儲的效率。的效率。碼率 = 取樣頻率 x 量化位數(shù) x 通道數(shù)目 例: 電話語音 =8k x

3、 8b x 1 = 64kbps =8kB/s=28MB/h 傳輸碼率：傳輸每秒鐘語音信號所需要的比特（bit：二進位制信息單位）數(shù)，也成為數(shù)碼率降低數(shù)據(jù)量的編碼，稱之為壓縮編碼。同樣的信道容量能降低數(shù)據(jù)量的編碼，稱之為壓縮編碼。同樣的信道容量能夠傳輸更多路的信號，如果存儲的話，只需要較小容量的夠傳輸更多路的信號，如果存儲的話，只需要較小容量的存儲器。存儲器。對數(shù)字語音進行數(shù)據(jù)壓縮的目的: 提高通信/存儲效率 降低通信/存儲成本語音壓縮的原因：聲音信號中包含有大量的冗余信息 鄰近樣本之間有很大的相關(guān)性 周期之間的相關(guān)性 基音之間的相關(guān)性 長時（幾十秒）自相關(guān)性 話音間歇（靜音）壓縮編碼需要在壓

4、縮編碼需要在保持可懂度和音質(zhì)保持可懂度和音質(zhì)、降低數(shù)碼率降低數(shù)碼率、降低編降低編碼碼過程的計算代價這過程的計算代價這3 3方面進行折衷。方面進行折衷。信源信源編碼信道編碼調(diào)制傳輸通道解調(diào)信道解碼信源解碼信宿（用戶）噪聲本章研究的內(nèi)容數(shù)字傳輸系統(tǒng)模型信源編碼和信道編碼都是信息科學(xué)的重要分支。信息編碼：主要解決有效性問題，通過對信源的壓縮、擾亂、加密等一系列處理，力求用最少的數(shù)碼率傳遞最大的信息量，使信號更適宜傳輸和存儲信道編碼：主要解決可靠性問題，即盡量使處理過的信號在傳輸?shù)倪^程中不出錯或者少出錯，即使出了錯也要能自動檢錯和盡量糾錯信源編碼的分類：波形編碼參數(shù)編碼 波形編碼力圖使重建后的語音時域

5、信號的波形與原語音信號波形保持一致特點：適應(yīng)能力強、話音質(zhì)量好，但需要編碼速率高 參數(shù)編碼又稱“聲碼器技術(shù)”，它根據(jù)對聲音形成機理的分析，在以重建語音信號具有足夠可懂性的原則上，通過建立語音信號的產(chǎn)生模型，提取代表語音信號特征的參數(shù)來編碼，波形上并不一定與原始信號匹配（共振峰聲碼器和線性預(yù)測聲碼器都是典型的參數(shù)聲碼器）特點：編碼速率低，但語音質(zhì)量差混合編碼：結(jié)合波形編碼和參數(shù)編碼的優(yōu)點而產(chǎn)生，突破了兩者的界限，應(yīng)用更廣區(qū)別在于重建的語音時域信號是否在波形上盡量與原始信號一致波形編碼器的話音質(zhì)量高，但數(shù)據(jù)率也很高。音源編碼器的數(shù)據(jù)率很低，產(chǎn)生的合成話音音質(zhì)有待提高。混合編碼器使用音源編碼器和波形

6、編碼器技術(shù)，數(shù)據(jù)率和音質(zhì)介于二者之間。語音編碼性能指標主要有比特速率、時延、復(fù)雜性和還原質(zhì)量。極低低中碼率碼率(kb/s)1 2 4 8 16 32 64優(yōu) 良 中 差 壞語音質(zhì)量語音質(zhì)量模型編碼（源編碼）混 合 編碼波 形 編碼從信息論的角度看，信源編碼的一個主要目的就是解決數(shù)據(jù)壓縮問題。（數(shù)據(jù)壓縮=信源編碼）語音壓縮的基本原理：語音信號編碼為二進制數(shù)字序列，最簡單的方法是對其直接進行A/D變換。只要取樣足夠高，量化每個樣本的比特數(shù)足夠多，就可以保證解碼恢復(fù)的語音信號有很好的音質(zhì)，不會丟失有用信息，但是直接數(shù)字化所需的數(shù)碼率太高，導(dǎo)致傳輸信道難以承受，必須對語音信號進行壓縮編碼壓縮編碼的基本

7、依據(jù)：語音信號的冗余度和人的聽覺感知機理語音信號的冗余度：語音信號的冗余度：多種冗余度并存，可分別從時域或頻域來描述多種冗余度并存，可分別從時域或頻域來描述u存在的時域冗余度：存在的時域冗余度：幅度非均勻分布；幅度非均勻分布；語音信號樣本間的相關(guān)性很強；語音信號樣本間的相關(guān)性很強；濁音語音段具有準周期性；濁音語音段具有準周期性；聲道的形狀及其變化比較緩慢；聲道的形狀及其變化比較緩慢；靜止系數(shù)（語音間隙，本身就是一種冗余）靜止系數(shù)（語音間隙，本身就是一種冗余）u存在的頻域冗余度：存在的頻域冗余度：非均勻的長時功率譜密度；非均勻的長時功率譜密度；語音特有的短時功率譜密度；語音特有的短時功率譜密度；

8、人的聽覺感知機理：即利用人類聽覺的某些特點，主要表現(xiàn)在：人類聽覺系統(tǒng)具有掩蔽效應(yīng)，一個單音的聲級越高，對其周圍頻率聲音的掩蔽作用越強可抑制與信號同時存在的量化噪聲；人耳對不同頻段聲音的敏感程度不同，人的聽覺對低頻段比較敏感（濁音的周期和共振峰集中在低頻端）強的低頻音能妨礙同時存在的高頻音；人耳對語音信號的相位變化不敏感；語音編碼的關(guān)鍵技術(shù)：線性預(yù)測法（常用技術(shù)）：基于全極點模型假設(shè)，采用時域均方差最小準則來估計模型參數(shù)，其出發(fā)點在于跟蹤波形的產(chǎn)生過程，而不是波形本身，傳送的是反映整個過程變化的參數(shù)。合成分析法：將綜合器引入編碼器，使之與分析器相結(jié)合，在編碼器中生成和譯碼器端完全一致的語音。將合

9、成語音與原始語音相比較，根據(jù)一定的誤差原則，來調(diào)整計算各個參數(shù)使得兩者之間的誤差最小。感覺加權(quán)濾波器：根據(jù)人耳的掩蔽效應(yīng)來設(shè)計的，采用最小均方誤差準則來評定合成語音質(zhì)量是否為最優(yōu)。通過引入一個頻域的感覺加權(quán)濾波器W(z)來衡量語音之間的誤差：語音壓縮系統(tǒng)的性能指標和評測方法：語音編碼研究的主要問題是如何在給定的編碼速率下獲得盡可能好的高質(zhì)量語音，同時減小編碼的時延及算法的復(fù)雜度，衡量一種語音壓縮編碼算法的主要指標包括：編碼速率、語音質(zhì)量、頑健性、計算復(fù)雜度和算法的可擴展性等。編碼速率（又稱比特率）：指一個編碼器的信息速率。中碼率（816kbit/s）；低碼率（2.48kbit/s）；超低碼率（

10、小于2.4kbit/s）；編碼器的頑健性：是通過取多種不同來源的語音信號進行編碼解碼，并對輸出語音質(zhì)量比較測試得到的一種指標編碼器時延：用單次編碼所需要的時間來表示（對系統(tǒng)通信質(zhì)量有很大的影響）誤碼容限：通常要求編碼器在1%的誤碼率下仍能提供可用的輸出語音。語音壓縮系統(tǒng)的性能指標和評測方法：此外，語音質(zhì)量作為衡量語音編解碼技術(shù)的關(guān)鍵指標，其質(zhì)量分為：廣播級：寬帶高音質(zhì)語音信號網(wǎng)絡(luò)或電話級：語音質(zhì)量與模擬語音信號相當通信級：語音質(zhì)量有所下降，但有較高的自然度和話者識別度合成級：能保證一定的語音質(zhì)量，但自然度和話者識別度下降語音壓縮系統(tǒng)的性能指標和評測方法：評價：主觀和客觀評價主觀評價：清晰度評價

11、：測試中，針對音節(jié)以下語音測試單元，判斷正確的百分比可懂度評價：測試中，針對音節(jié)以上語音測試單元，評聽人每次聽-對韻字中的某個音，然后判斷所聽到的音是哪個字，全部評聽人判斷正確的百分比就是可懂度音質(zhì)評價： 平均意見得分（MOS）從絕對等級評價法發(fā)展而來，用于對語音整體滿意度或語音通信系統(tǒng)質(zhì)量進行評價得分得分質(zhì)量級別質(zhì)量級別失真級別失真級別5優(yōu)（excellent）不察覺4良（good）剛有察覺3中（fair）有察覺且稍覺可厭2差（poor）明顯察覺且可厭但可忍受1劣（bad）不可忍受語音壓縮系統(tǒng)的性能指標和評測方法：主觀評價注意事項：主觀測試，都需要遵循3個原則 要保證足夠的說話者，要求他們的

12、聲音特征非常豐富，能夠代表實際用戶中的絕大部分 要求有足夠多的數(shù)據(jù)，在理論上，人數(shù)和數(shù)據(jù)越多越好，可以用方差作為判斷樣本數(shù)的尺度 對于大部分編碼器來說，清晰度和品質(zhì)測試應(yīng)該都做，但很悅耳的質(zhì)量較好的語音可以不做清晰度測試客觀評價：（1）時域測度定義為被測系統(tǒng)的輸入語音與輸出語音在時域波形比較上的失真度（信噪比（SNR）是一種最簡單的時域客觀評價失真測度，通常有合成語音信噪比、加權(quán)信噪比、平均分段信噪比等）瞬時性能的變化用短時信噪比（STSNR）（2）頻域測度就是譜失真測度，如對數(shù)譜距離測度、LPC倒譜距離測度、巴克譜測度等都是經(jīng)常用于語音質(zhì)量客觀評價。（測度計算結(jié)果越小，說明語音質(zhì)量越好） 2

13、02010lgMnMnsnSNRs ns n210200*10lg*MLnMinsi MnSEGSNRLs i Mns i Mn波形編譯碼器算法比較簡單，容易實現(xiàn)，低延遲，壓縮效率不高，數(shù)據(jù)速率在16 kbps以上，聲音質(zhì)量相當好，通用性好，適用于任意類型的數(shù)字聲音，很成熟，有一系列國際標準：CCITT G.711 PCM 64kb/sCCITT G.721 ADPCM 32Kb/sCCITT G.726 ADPCM 48, 32, 24, 16 Kb/s已廣泛應(yīng)用于電話語音的中繼線傳輸波形編碼遵循時間量化和抽樣定理（1）對連續(xù)的語音信號在時間軸的離散間隔點上進行波形抽樣，完成時間量化（2）抽

14、樣信號在時間域上離散化后在有限時間段內(nèi)為有限個值，此時，其幅度仍為連續(xù)變量（3）時間量化是通過抽樣保持電路完成的編碼過程：對數(shù)變換(壓縮編碼)F(n)低通濾波 (LPF)Xa(t)x(n)A/D(13位)取樣(8kHz)X(n)碼率104 kbps碼率 8位 x 8k64 kbps模擬聲音信號輸入防失真濾波器波 形編碼器量化器PCM樣本采樣輸入樣本值采樣輸入樣本值量化器一旦確定后，量化間隔就固定下來，不隨輸入語音信號的幅度變化而變化 對小信號采用小的量化間隔，對大信號 采用大的量化間隔，這樣可以用較少的 位數(shù)編碼 對大信號來說，雖然絕對量化誤差較大，但是（1）大信號出現(xiàn)的機會不多（2）信噪比（

15、相對誤差）與小信號是一致的，對總的話音質(zhì)量影響不大目的 : 適應(yīng)聽覺的非線性特性；壓縮數(shù)據(jù)。采用的方法：對數(shù)PCM編碼北美和日本等地區(qū)（ 律壓擴算法）ln 1( )sgn( )ln 1xFxxG.711 標準目的 : 適應(yīng)聽覺的非線性特性；壓縮數(shù)據(jù)。歐洲和中國大陸等地區(qū)（ A律壓擴算法）1( )sgn( ),0 1ln1ln1( )sgn( ), 11lnAAA xFxxxAAA xFxxxAAG.711規(guī)定的A律和m律脈沖編碼調(diào)制采用的是非線性量化，在64kbit/s速率話音質(zhì)量能夠達到網(wǎng)絡(luò)等級在脈沖編碼調(diào)制方法中，對樣值采用34位編碼就可以使對方能夠聽懂，但是噪音比較大，在脈沖編碼調(diào)制通信

16、中，通常采用8bit編碼補充說明：應(yīng)用于數(shù)字聲音的編輯處理（多媒體計算機）應(yīng)用于聲音的傳輸（通信）: 長途電話 (8 KHz x 8 bit x 1), 時分多路復(fù)用TDM (time-division multiplexing) 應(yīng)用于全頻帶數(shù)字聲音的表示/存儲: CD-DA（CD唱片），DAT (44.1 KHz x 16 bit x 2)G.721 標準自適應(yīng)脈沖編碼調(diào)制（APCM）能隨信號幅度的大小自動地改變量化階距的編碼制式。p根據(jù)輸入樣本幅度的大小來改變量化階大小，使得量化前后的能量為恒定值（關(guān)鍵參數(shù)：量化間隔Dn和量化增益G(n)）。p可以是瞬時自適應(yīng)，即量化階的大小每隔幾個樣本

17、就改變，也可以是音節(jié)自適應(yīng)，即量化階的大小在較長時間周期里發(fā)生變化。改變量化階距的方法： 前向自適應(yīng)APCM 后向自適應(yīng)APCM量化器 Q樣本值量化階適配器自適應(yīng)APCM編碼輸出自適應(yīng)脈沖編碼調(diào)制（APCM）能隨信號幅度的大小自動地改變量化階距的編碼制式。改變量化階距的方法： 前向自適應(yīng)APCM：根據(jù)未量化的樣本值得均方根值來估計輸入信號的電平，以此來確定量化階距的大小，并對其電平進行編碼作為邊信息（Side Information）傳送到接收端 前向自適應(yīng)預(yù)測用于分幀處理的情況,一般采用全極點預(yù)測器，對語音信號逐幀提取LPC系數(shù)，作為線性預(yù)測系數(shù) 特點：使用原始信號提取預(yù)測系數(shù)，精度較高，預(yù)

18、測的效果好，但需要將預(yù)測系數(shù)用邊信息傳送到接收端的解碼器，用以減小差值信號量化的有效比特數(shù)，延時較大自適應(yīng)脈沖編碼調(diào)制（APCM） 后向自適應(yīng)APCM：根據(jù)從量化器剛輸出的過去樣本中提取量化階信息，這種自適應(yīng)能在收發(fā)兩端自動生成量化階，不需要傳送邊信息后向自適應(yīng)預(yù)測利用量化后的信號提取預(yù)測信號，避免了前向自適應(yīng)預(yù)測的缺點，但由于存在量化噪聲，預(yù)測系數(shù)的提取精度受到一定的影響。前向和后向自適應(yīng)脈沖編碼調(diào)制的區(qū)別：p前向自適應(yīng)的量化間隔和增益是通過對輸入信號估計而得到的p后向是有估計編碼器或者量化器輸或者出來決定量化間隔自適應(yīng)預(yù)測編碼（APC）利用線性預(yù)測改進編碼器中的量化器性能，即：在接收端，只

19、要使用與發(fā)送端相同的預(yù)測器，就可以恢復(fù)原信號，基于這種原理的編碼稱為預(yù)測編碼，而當預(yù)測系數(shù)是自適應(yīng)隨語音信號變化時，稱為自適應(yīng)預(yù)測編碼。優(yōu)點：能夠改善信噪比語音數(shù)據(jù)流一般為1020ms相繼的幀，而預(yù)測系數(shù)與預(yù)測誤差一起傳輸；接收端，預(yù)測器系數(shù)控制的逆濾波器再現(xiàn)語音(1)增量調(diào)制對語音信號的信息用最低限度的一位來表示的方法。1）判別下一個語音信號值與當前的信號值相比是高還是低2）如果高則給定編碼“1”，如果低則給定編碼“0”3）在接收端，用接收的脈沖串控制，信號就可以用升降的階梯波形來逼近根據(jù)過去的樣本去估算下一個要量化編碼的樣本信號幅度有多大，這個值稱為預(yù)測值，編碼器僅對實際信號值與預(yù)測值的差

20、進行量化編碼差分脈沖編碼調(diào)制的思想是，根據(jù)過去的樣本去估算下一個樣本信號的幅度大小，這個值稱為預(yù)測值，然后對實際信號值與預(yù)測值之差進行量化編碼，從而就減少了表示每個樣本信號的位數(shù)效果：量化位數(shù)可以顯著減少，從而降低了總的碼率與 PCM的區(qū)別：PCM是直接對采樣信號進行量化編碼；DPCM是對實際信號值與預(yù)測值之差進行量化編碼，存儲或者傳送的是差值而不是幅度絕對值，這就降低了傳送或存儲的數(shù)據(jù)量。此外，它還能適應(yīng)大范圍變化的輸入信號。 PCM在量化間隔上的矛盾：為適應(yīng)大的幅值要用大的量化間隔，而提高信噪比要用小的間隔自適應(yīng)差分脈沖編碼調(diào)制技術(shù)（是利用樣本與樣本之間存在的信息冗余度來進行編碼的一種數(shù)據(jù)

21、壓縮技術(shù)）原理： 聲音信號具有很強的相關(guān)性，可從已知信號來預(yù)測未知信號, 即使用前面的樣本預(yù)測當前的樣本，實際樣本值與預(yù)測值之間的誤差往往很小。 利用自適應(yīng)的思想改變量化階的大小，即使用小的量化階(step-size)去編碼小的差值，使用大的量化階去編碼大的差值 6階自適應(yīng)線性預(yù)測， 4位的自適應(yīng)量化器， 輸出碼率： 8k x 4 = 32 kbps量化器 Q13位自然碼的數(shù)字語音樣本_線性預(yù)測器逆量化器 Q -1+預(yù)測值差值重建信號ADPCM編碼輸出編碼輸出量化階適配器自適應(yīng)( 4 位 )PCM話音質(zhì)量 4.5級ADPCM話音質(zhì)量 4.34級,碼率降低一倍(32 kbps)。ADPCM應(yīng)用：

22、數(shù)字語音通信多媒體應(yīng)用中的語音（解說詞）PCM，DPCM都是不對輸入信號頻帶做任何分割的前提下，在時域中進行的處理，這種編碼方式稱為整帶時域編碼。SBC是將語音信號劃分為多個頻帶，然后對每個頻帶的參數(shù)進行編碼基本原理：利用帶通濾波器(BPF)把聲音信號按頻率范圍劃分成幾個組成部分(子頻帶，子帶)低頻部分能量較集中，量化精度要高，取樣頻率可稍低高頻部分是摩擦音、噪音，量化精度可低些，但取樣頻率要稍高不同子頻帶作不同的ADPCM編碼處理，然后再復(fù)合在一起子帶編碼的特點：（1）分割的子帶信號分別進行了頻譜平移（對頻譜平移后的子帶進行量化、編碼這類編碼方式稱為頻譜編碼，頻譜編碼將信號分解成不同頻帶分量

23、的過程去除了信號的多余度，得到一組不相關(guān)的信號）（2）對不同的子帶合理分配比特數(shù)，能分別控制各子帶的量化電平數(shù)目以及相應(yīng)的重建信號的量化誤差，使誤差譜的形狀適應(yīng)人耳聽覺特性，得到更好的主觀聽覺質(zhì)量（3）由于語音的基音和共振峰主要集中在低頻段，所有對低頻段采用較多的比特數(shù)來表示樣值，而高頻段則采用較少的比特數(shù)（4）SBC的另一個優(yōu)點是各個子帶內(nèi)的量化噪聲相互獨立，避免輸入電平較低的子帶信號被其他子帶的量化噪聲所淹沒語音信號的參數(shù)編碼參數(shù)編碼(源編碼)的設(shè)計思想 分析人的發(fā)聲器官的結(jié)構(gòu)及語音生成的原理， 建立語音生成的物理(數(shù)學(xué))模型， 編碼時：從話音波形信號中提取生成該話音的參數(shù)； 解碼時：根據(jù)語音生成模型,使用這些參數(shù)合成原始話音。提取語音生成參數(shù)語音生成模型（編碼器）語音參數(shù)數(shù)字語音使用參數(shù)合成語音語音生成模型（解碼器）重建的語音聲碼器線性預(yù)測聲碼器LPC模型= (a1, a2, a3, a4, a5, a6, a7, a8, a9, a10, G, V/UV, T)脈沖序列發(fā)生器隨機噪聲發(fā)生器基音周期T(聲帶振動)(聲帶不振動)UV(清音)V(濁音)H(z)聲 道 參 數(shù)a1 a2 a3 a10.語音(聲道濾波器)s(n)增益G