语音编码技术

各种语音编码标准的效果
2.3 语音信号的采样和量化 2.3.1 信号采样
f (t) ys (t)
f (t)
T(t)
T(t)
ys (t)
0
t
F()
0 Ts
t
T()
0 Ts
t
理想低通特性
Ys ()
－m 0 m
－2s
－s
0
s
2s
－2s －s －m0 m s
2s
键盘 鼠标
内存 光驱
电视机
显示卡
显示器
●语音波形
“象棋是中国古代战争的艺术再现，它的棋盘就象一个古战场” 波形
语音波形
“中国”语音波形
语音波形
“国”字语音波形
语音波形
“国”部分语音波形
语音波形
“audio”语音波形
●语音、图像属模拟信号范畴。 ●语音、图像通过编码实现数字化是必然趋势。 ●数字化的语音和图像需要用较高的数码率，需占用较大的带 宽和存储空间。 ●压缩数字化语音和图像信号的数码率是实现语音和图像通信 数字化的关键。 ●编码技术的核心就是研究压缩编码算法．用尽可能低的数码 率获得尽可能好的语音和图像质量。
第2章 语音编码技术
第2章 语音编码技术
本章主要内容 ●语音编码方法、性能及标准 ●语音信号的采样和量化 ●语音模型和LPC声码器 ●数字音频编码标准 ●语音编码器的实时实现
2.1 引言
外部音频 设备
●语音、图像采集
音箱 耳机
话筒
声卡
主机板
硬盘 软驱
电视信号 摄像机 外部网络
视频 捕捉卡 网卡
CPU
混合编码算法
• 80年代以来，低速率(1.2Kb／s一4Kb／s)的参数编码技术也在 迅速发展，对传统声码器不断改进，提出了一些新的语音模 型和方法， • 如混合激励线性预测(MELP)声码器、正弦变换编码器(STC)和 多带激励(MBE)声码器。 • 有的声码器已经可以在2.4Kb/s速率提供满足通信质量的语音。
5 4 3 2 1 0
两种对数压缩特性
y 1 .0 A＝8 7.6 0 .8 0 .6 0 .4 0 .2 A＝1 0 A＝1 0 .8 0 .6 0 .4 0 .2 1 .0 y
＝2 55
＝3 0 ＝0
0
0 .2
0 .4
0 .6
0 .8
1 .0
x
0
0 .2
0 .4
0 .6
0 .8
1 .0
x
2.2.2 语音编码性能的评价
• 语音编码的性能可以从4个方面来评价 ●比特率 ●语音质量 ●信号延时 ●复杂度。 １．语音编码质量 数字通信中，语音质量可以分为广播级质量、长途通 信质量或称网络质量、通信质量以及合成语音质量等4 级。
4 级语音质量 ●广播级质量是高质量的宽带(8kHz)广播解说语音。 ●长途电话质量或网络质量是指和传统的电话带宽语音信号 (300 Hz一3400 Hz)相当的质量。 ●通信质量是指语音质量有点下降，但仍然保证足够高的自然 度和可懂度，可满足大多数专用通信要求。 ●合成语音质量是指语音保持足够高的可懂度，但自然度及讲 话人辨认等方面不够好，一般当编码速率低于4Kb／s或 2.4Kb／s时，产生合成语音质量
★压缩编码的3类方法 (1) 概率匹配编码：根据编码对象出现的概率分别给予不 同长度的代码，以保证总的代码最短. (2) 变换编码：将信号从一种信号空间变换到另一种更有 利于压缩编码的信号空间，然后进行编码. (3)识别编码：分解文字、话音、图形和图像的基本特征， 与汇集这些基本特征的样本集对照识别，选择失真最 小的样本编码传送。
2.2 语音编码方法、性能及标准 2．2．1 语音编码的方法 • 语音信号编码分别沿着两个方向发展： • 一个方向是从语音信号波形的特点出发，对波形的采样值， 或其预测值，或其预测误差值进行编码，称为语音信号的 波形编码。 • 另一个方向是从语音信号的产生机理出发，构造语音信号 的模型，提取描述语音信号的特征参数，对模型参数或其 预测值进行编码、称为参数编码或模型编码。
－
－ 2 － 3 － 4 2 3 4 u
(a) e

2 － (b)

2
u
★均匀量化器
• 均匀量化器广泛应用于线性A/D变换接口， • 例如在计算机的A/D变换中，常用的有 8位、12位、 16位等 不同精度。 • 另外，在遥测遥控系统、仪表、图像信号的数字化接口等中， 也都使用均匀量化器。 • 语音信号数字化通信中，均匀量化则有一个明显的不足：量 化噪比随信号电平的减小而下降。 • 产生这一现象的原因是均匀量化的量化间隔Δ为固定值量化 电平分布均匀，因而无论信号大小如何，量化噪声功率固定 不变，这样，小信号时的量化信噪比就难以达到给定的要求。

理想冲激抽样
f (t)
y (t)
k (t)
0
t
0
t
0
t
矩形脉冲抽样
Байду номын сангаас
m(t)
×
ms (t)
★信号的重建
T (t)
(a)
m(t) m(t)的抽样
ms (t)
低通 滤波器 (b)
m(t)
t (n－2 )Ts (n－1 )Ts nTs (n＋1 )Ts
对于电话带宽的语音信号，其带 宽限制为300 Hz一3400 Hz，采样 频率均为8000 Hz。
三类语音编码器 ●波形编码 ●参数编码 ●混合编码
★波形编码
• 波形编码以重构语音波形为目的，力图使重建语音波 形保持原话音信号的波形。 • 编码时用数据表示语音信号的时间波形，在解码端通 过重构与原始语音信号相似的波形来得到近似的话音。 • —般具有适应能力强、话音质量好等优点，但所需用 的编码速率高。 • 如脉冲编码调制(PCM)。自适增量调制(ADM)、自适差 分编码(ADPCM)、自适预测编码(APC)、子带编码(SBC、 自适应变换编码(ATC)等都属于这类编码。 • 它们能在64Kb／s一16Kb／s的速率上获得较高的编码 质量。
2.2.3 语音编码技术的发展和语音编码标准
▲长途通信网语言编码标准 ▲数字蜂窝系统的语音编码标准 ▲保密电话语音编码标准
1.长途通信网语言编码标准
现有ITU—T语音编码标准
2.数字蜂窝系统的语音编码标准
数字蜂窝语音编码标准
3.保密电话语音编码标准
• 窄带保密电话应用于带宽受限信通，如短波信道、有线模 拟话路、中小功率卫星信道等。 • 只有美国公布了所用保密电话的标准。 • FS—1015是美国联邦标准2．4Kb／s LPC声码器，该标准由 美国国防部(DOD)制定。 • 对它的研究始于20世纪70年代末期，它采用10阶LPC预测器。
μ律15折线
第8段
63 255
127 255
1
x
G.7ll关于PCM的建议
常用的N=8位，fs=8kHz， 实际应用的B=N〃fs=64 kHz
★自适应量化器
• 自适应量化中，量阶不再是固定的，它 根据输入信号的短时方差进行调整．使 量阶的大小和输入信号电平相匹配 • 前向自适应量化(AQF) • 后向自适应量化(AQB)
●前向自适应量化(AQF)
●后向自适应量化(AQB)
★差分量化器 • 量化之前预处理。对预测后的残差(或余臵)信 号进行量化的称为差分量化器 • 可以提高量化精度或减少编码比特数 • 后向自适应差分量化器 • 前向自适应差分量化器
●后向自适应差分量化器
●前向自适应差分量化器
２.３.３ 矢量量化 • 矢量量化(vector Quantation)是一种高效的数据 压缩技术。 • 它将若干个时间离散幅度连续的采样值分为一 组，形成多维空间的一个矢量，再将此矢量进 行量化处理。 • 提高量化效率，降低数码率。
(a) 输出 u 1 (t) v1 (t) u 1 (t) v1 (t) u(t) u(t) v(t) v(t) (b) 输入
压缩特性
输出 压缩曲线 输出 5 4 3 线性变换 输入 A B t (a) 压缩器输入输出示意图 t (b) 扩张器输入输出示意图 B′ A′ B′ t 2 1 0 A′ 输入 B t 扩张曲线 A
★最佳量化器
• 采用非均匀量化器，其量化特性同输入信号的概率密 度函数相匹配可降低量化噪声。
• 在P（x）相对比较高的区域内选择较小的量化间隔， 在其他区域选择较大的量化间隔，以降低总的噪声水 平。
★对数量化器
非均匀量化 u(t) u 1 (t) 均匀 量化 信道 编码 解码 v(t) v1 (t)
4
0 11 1 16 8 4
y 1.0 7/8 6/8 5/8 4/8 3/8 2/8 1/8 0 1/16 1/8 0.2 1/4 1/2 1.0 x
1/128 1/64 1/32
A律13折线
y 1 7 8 6 8 5 8 4 8 3 8 3 2 8 2 1 8 1 1 0 31 255 255 3 7 15 255 255 255 4 5 6 7
★变换编码分为两类. ●一类是预测变换，利用信号的相关性，预测将来的信 号，对预测的误差(余量、残差)进行编码。 ●另一类是函数变换，利用信号在不同函数空间分布的 不同，选择合适的函数变换后进行编码。 ※有的文献只将函数变换编码称为变换编码，而将预测 变换称为预测编码。
※本章主要研究的对象是电话语音信号 带宽：300Hz——3400Hz ※宽带语音及声频信号编码方法要求不同
2.3.2 标量量化
量化是把幅度连续的信号转换成幅度离散的信号， 对 每个离散值分别进行量化称为标量量化。 ●均匀量化器 ●非均匀量化器之一 —最佳量化器 ●非均匀量化器之二 —对数量化器 ●自适应量化器 ●差分量化器
★均匀量化曲线
v 4 3 2 － － － － 4 3 2
(a) A律压缩特性
(b) 律压缩特性
y
1 7 8 6 8 6 5 8 5 4 8 4 3 8 3 2 8 2 1 8 1
★
13折线A律压扩曲线
8 7 A＝87.6 4 8 3 8 2 8 1 8 1 2 1 x 3 2 1 0 1 1 128 64 1～4段折线扩大横坐标图示 1 32 1 x 16 y
2．编码速率
▼编码速率可以用“比特／秒(b／s)”度量，它代表编码 的总速率. ▼编码速率也可以用“比特／样点(b／p)”度量，它代表 平均每个语音样点用多少比特编码. ▼平均每样点的比特数越高，语音波形或参数量化越精 细，语音质员也就越容易做高，相应地对传输带宽或 存储容量的要求也越高.
3．编解码的复杂程度 ▼采用复杂一些的算法能获得较好的话音质量或较低的编 码速率。 4．编解码延时 ▼有回声的系统中，往返总延时超过约100ms时，回声将干 扰正常接收的声音。 ▼对于公用电话网，可能会有几次音频转接．也就是会有 多次语音编解码，因此对单次语音编解码的延时通常要 求不超过5ms—10 ms。 ▼通常允许话音编码延时在几十ms到100 ms之间。当总延 时超过100 Ms时，一般需要采取回声抵消或回声抑制。
★混合编码
• 结合了原有波形编码器质量好和声码器速率低的持 点．克服了它们各自的弱点，称为混合编码算法。 • 最典型的算法都利用线性预测(LP)，采用分析合成方法 (Analysis—by—Syntheie,AbS)构成． • 能在4Kb／s一16Kb／s的中速率上得到高质量合成语 音． • 如多脉冲激励线性预测编码(MPLPS)、规则脉冲激励线 性预测编码(RPELPC)、码本激励线性预测编码(CELP) 等。
★参数编码
• 参数编码不以重构原始信号波形为目的． • 它将语音信号分段，提取能表征语音段特征的参数、在解 码端重构一个新的有相似声音但波形不尽相同的语音信号。 • 声码器所用的参数，有的表明声音的短时谱、有的描述语 音产生的数学模型。 • 编码速率低，可以低到2.4Kb／s以下，甚至达到800 b／s。 • 传统声码器由于参数较少，难以重新产生与原始语音相近 的声音，合成的语音质量差． • 通道声码器、共振蜂声码器以及线性预测声码器是传统的 参数编码器。
★矢量量化
简单矢量量化结构
●矢量量化 • 设X＝[x1 , x2 , … , xN] T是一个N维实数矢量，其中的元素是幅 度连续的随机变量。 • 在矢量量化器中． X矢量用另一个幅度离散的N维实数矢量Y 匹配，即用Y表示X，或者说X被量化成Y。 • Y选自一有限集合S=Y i (1≤i ≤M)，Y i ＝ [yi1 , yi2 , … , yiN]T 。 • 集合S称为码本(codebook)或参考模板(reference template)。 • M称为码本容量。相当于标量量化中的量化电平数。 • 设计一个码本，使N维矢量空间划分为M个区域或单元C i (1≤i ≤M) ，并且每一个单元C i对应一个矢量Y i • 如果有一个矢量X在C i中，量化器就以码本矢量Y i表示。
话音编码研究的目标 ●在4Kb／s时达到长途电话质量 ●在2.4Kb／s左右达到通信质量
语音质量评定方法
• 主观评定方法是以人类听话时对语音质量的感觉来评 定。 • 客观评定方法有信噪比、加权信噪比、平均分段信噪 比等时域的测量方法，还有谱失真测度和LPC倒谱距离 测度等频域测量方法。
主观评定:平均意见得分 (Mean Opinion score，MOS)