编码原理(PCM&ADPCM)
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
29
其它语音编码方法
• 线性预测声码器（LPC－10，LPC－10e） 数据速率为2.4kb/s。 • 多脉冲激励线性预测编码器（MPE－LPC） 数据速率为10kb/s左右。 • 规则脉冲激励线性预测编码器（RPE－ LTP被定位GSM标准，速率为13kb/s ） • 码激励线性预测编码器（CELP），数据速 率在4.8－16kb/s之间
线性预测： xk =
a (k ) x
i =1 i
k 1
' i
如果ai是常数，则为时不变线性预测，否 则为自适应线性预测
最简单的预测方程： xk = xk 1
最简单的DPCM
x
0 1 2 1 1 2 3 3 4 4
Байду номын сангаас
x’’
e
0
0
0
1
1
1
2
-1
1
0
1
1
2
1
3
0
3
1
4
0
22
增量调制(△M)
• 自适应差分脉冲编码调制（ADPCM）综合了 APCM的自适应特性和DPCM系统的差分特性
26
自适应差分脉冲编码调制
• ADPCM是利用样本与样本之间的高度相关性 和量化阶自适应来压缩数据的一种波形编码技 术，CCITT为此制定了G.721推荐标准，这个标 准叫做32 kb/s ADPCM。在此基础上还制定了 G.721的扩充推荐标准G.723，使用该标准的编 码器的数据率可降低到40 kb/s和24 kb/s。 • G.721 的输入信号是G.711 PCM代码，它的数 据率为64 kb/s。而G.721 ADPCM的输出是用4 位表示的差分信号，它的采样率仍然是8 kHz， 它的数据率为32 kb/s，这样就获得了2∶1的数 据压缩。
9
话音编译码器的分类
• 波形编译码器（waveform coder）：不利用生成 话音的信号的任何知识，将话音视为一种普通 的声音，直接对波形信号进行采样和量化。例 如PCM、DPCM、ADPCM等。 • 音源编译码器（Source coder）：也叫参数编译 码器、声码器（vocoder）。它从话音波形信号 中提取话音生成模型的参数，使用这些参数通 过话音生成模型重构出话音。 • 混合编译码器（Hybrid coder）：综合使用上述 两种技术。使用的激励信号波形尽可能接近于 原始话音信号的波形。例如CELP。
声门（声带）沿着声道（由咽、喉、口腔 等组成）释放出去，就形成了话音。 • 气流、声门可以等效为一个激励源，声道 可以等效为一个时变滤波器（共振峰）。 • 话音信号具有很强的相关性（长期相关、 短期相关）。
3
话音的分类
• 浊音（voiced sounds）：声道打开，声带在先 打开后关闭，气流经过使声带要发生张驰振动， 变为准周期振动气流。浊音的激励源被等效为 准周期的脉冲信号。 • 清音（unvoiced sounds）：声带不振动，而在 某处保持收缩，气流在声道里收缩后高速通过 产生湍流，再经过主声道（咽、口腔）的调整 最终形成清音。清音的激励源被等效为一种白 噪声信号。 • 爆破音（plosive sounds）：声道关闭之后产生 压缩空气然后突然打开声道所发出的声音。
27
子带－自适应差分脉冲编码调制
•
28
G.722编码标准
• G.722是CCITT推荐的音频信号编码译码标准。 • G.722标准的数据率为64 kb/s，采样频率由8 kHz提高到16 kHz，是G.711 PCM采样率的2倍， 因而要被编码的信号频率由原来的3.4 kHz扩展 到7 kHz。这就使音频信号的质量有很大改善， 由数字电话的话音质量提高到调幅(AM)无线电 广播的质量。
1/A <= |x| <= 1 对于采样频率为8 kHz，样本精度为13位、14位或者16位的 输入信号，使用m 律压扩编码或者使用A律压扩编码，经过 PCM编码器之后每个样本的精度为8位，输出的数据率为64 kb/s。这个数据就是CCITT推荐的G.711标准。
17
PCM与时分多路复用（TDM）
多媒体技术
第三讲
XIDIAN
话音编码（Speech Coding）
主要内容
• • • • • • • 话音的形成原理 话音编译码器原理 脉冲编码调制（PCM） 增量调制与自适应增量调制 自适应差分脉冲编码调制（ADPCM） 子带编码 其他编码
2
话音的形成原理
• 肺中的空气受到挤压形成气流，气流通过
10
三种话音编译码器的对比
11
语音信号的冗余度
• • • • • • 幅度非均匀分布 样本之间的相关性 周期之间的相关性 基音之间的相关性 静止系数（话音间隙） 长期相关性（long term correlation）
12
脉冲编码调制（PCM）
• Pulse Code Modulation
13
18
差分脉冲编码调制（DPCM)
产生误差
xk
ek
x’’k
量化器
自适应量化阶
e’k
逆量化器 e’’k
x’k
预测器
自适应预测
• 关键在于预测器与量化器的设计
19
差分脉冲编码调制（DPCM)
e’k 逆量化器 e’’k x’k 预测器
x’’k
译码过程
20
预测方程式
xk = f ( x1 , x2 , x3 ......xk 1 , k )
15
µ 律压扩与A律压扩
m 律(m -Law)压扩(G.711)主要用在北美和日本等 地区的数字电话通信中。
x为
x 为输入信号，规格化为－1<= x <=1 m 为确定压缩量的参数，它反映最大量化间隔和最 小量化间隔之比，取100 <= m <= 500。
16
µ 律压扩与A律压扩
A律(A-Law)压扩(G.711)主要用在欧洲和中国大陆 等地区的数字电话通信中 0 <= |x| <= 1/A
增量调制 (delta modulation，DM) 是一种预测编码技术，是对 实际的采样信号与预测的采样信号之差的极性进行编码，将 极性变成“0”和“1”这两种可能的取值之一。如果实际的 采样信号与预测的采样信号之差的极性为“正”，则用“1” 表示；相反则用“0”表示。DM编码系统又称为“1位系统”。
A/D
话音 编码 信道 编码 信道 话音 译码 信道 译码
7
D/A
衡量话音编码器的参数
• 数据输出速率
• 延迟时间 • 话音质量 • 价格（实现代价）
8
语音质量等级划分
• 广播质量：带宽为7000Hz的高质量话音
• 长途电话质量：带宽为3400Hz，信噪比为 30db，有失真 • 通信质量：完全可以听懂，但和长途电话 质量相比有明显的失真。 • 合成质量：80％－90％的可懂度，听起来 象机器讲话，失去了讲话者的特征
30
音 频 编 码 算 法 和 标 准 一 览
31
XIDIAN
结束
4
话音产生的数字模型
周期
周期脉冲序 列发生器 浊/清选择 伪随机噪声 产生器
声道参数
时变数字滤 波器 音量控制
语音 输出
5
话音技术的研究热点
• 话音压缩编码（Speech Coding） • 话音识别（Speech Recognition）
• 文本话音转换（Text To Speech）
6
话音编译码器
PCM的量化方式
均匀量化与非均匀量化
14
非均匀量化
• 对小信号采用小的量化间隔，对大信号 采用大的量化间隔，这样可以用较少的 位数编码。 • 对大信号来说，虽然绝对量化误差较大， 但是因为：（1）大信号出现的机会不多， （2）信噪比（相对误差）与小信号是一 致的，所以对总的话音质量影响不大。 • 非均匀量化也是一种压缩。
23
自适应增量调制(ADM)
• CVSD（连续可变斜率增量调制）： 如果编码器的输出连续出现三个相同的值，量 化阶就加上一个大的增量；反之，就加一个小 的增量。
24
自适应脉冲编码调制（APCM）
• APCM是一种根据输入信号幅度大小自动改变 量化阶大小的一种波形编码技术。
25
自适应差分脉冲编码调制
其它语音编码方法
• 线性预测声码器（LPC－10，LPC－10e） 数据速率为2.4kb/s。 • 多脉冲激励线性预测编码器（MPE－LPC） 数据速率为10kb/s左右。 • 规则脉冲激励线性预测编码器（RPE－ LTP被定位GSM标准，速率为13kb/s ） • 码激励线性预测编码器（CELP），数据速 率在4.8－16kb/s之间
线性预测： xk =
a (k ) x
i =1 i
k 1
' i
如果ai是常数，则为时不变线性预测，否 则为自适应线性预测
最简单的预测方程： xk = xk 1
最简单的DPCM
x
0 1 2 1 1 2 3 3 4 4
Байду номын сангаас
x’’
e
0
0
0
1
1
1
2
-1
1
0
1
1
2
1
3
0
3
1
4
0
22
增量调制(△M)
• 自适应差分脉冲编码调制（ADPCM）综合了 APCM的自适应特性和DPCM系统的差分特性
26
自适应差分脉冲编码调制
• ADPCM是利用样本与样本之间的高度相关性 和量化阶自适应来压缩数据的一种波形编码技 术，CCITT为此制定了G.721推荐标准，这个标 准叫做32 kb/s ADPCM。在此基础上还制定了 G.721的扩充推荐标准G.723，使用该标准的编 码器的数据率可降低到40 kb/s和24 kb/s。 • G.721 的输入信号是G.711 PCM代码，它的数 据率为64 kb/s。而G.721 ADPCM的输出是用4 位表示的差分信号，它的采样率仍然是8 kHz， 它的数据率为32 kb/s，这样就获得了2∶1的数 据压缩。
9
话音编译码器的分类
• 波形编译码器（waveform coder）：不利用生成 话音的信号的任何知识，将话音视为一种普通 的声音，直接对波形信号进行采样和量化。例 如PCM、DPCM、ADPCM等。 • 音源编译码器（Source coder）：也叫参数编译 码器、声码器（vocoder）。它从话音波形信号 中提取话音生成模型的参数，使用这些参数通 过话音生成模型重构出话音。 • 混合编译码器（Hybrid coder）：综合使用上述 两种技术。使用的激励信号波形尽可能接近于 原始话音信号的波形。例如CELP。
声门（声带）沿着声道（由咽、喉、口腔 等组成）释放出去，就形成了话音。 • 气流、声门可以等效为一个激励源，声道 可以等效为一个时变滤波器（共振峰）。 • 话音信号具有很强的相关性（长期相关、 短期相关）。
3
话音的分类
• 浊音（voiced sounds）：声道打开，声带在先 打开后关闭，气流经过使声带要发生张驰振动， 变为准周期振动气流。浊音的激励源被等效为 准周期的脉冲信号。 • 清音（unvoiced sounds）：声带不振动，而在 某处保持收缩，气流在声道里收缩后高速通过 产生湍流，再经过主声道（咽、口腔）的调整 最终形成清音。清音的激励源被等效为一种白 噪声信号。 • 爆破音（plosive sounds）：声道关闭之后产生 压缩空气然后突然打开声道所发出的声音。
27
子带－自适应差分脉冲编码调制
•
28
G.722编码标准
• G.722是CCITT推荐的音频信号编码译码标准。 • G.722标准的数据率为64 kb/s，采样频率由8 kHz提高到16 kHz，是G.711 PCM采样率的2倍， 因而要被编码的信号频率由原来的3.4 kHz扩展 到7 kHz。这就使音频信号的质量有很大改善， 由数字电话的话音质量提高到调幅(AM)无线电 广播的质量。
1/A <= |x| <= 1 对于采样频率为8 kHz，样本精度为13位、14位或者16位的 输入信号，使用m 律压扩编码或者使用A律压扩编码，经过 PCM编码器之后每个样本的精度为8位，输出的数据率为64 kb/s。这个数据就是CCITT推荐的G.711标准。
17
PCM与时分多路复用（TDM）
多媒体技术
第三讲
XIDIAN
话音编码（Speech Coding）
主要内容
• • • • • • • 话音的形成原理 话音编译码器原理 脉冲编码调制（PCM） 增量调制与自适应增量调制 自适应差分脉冲编码调制（ADPCM） 子带编码 其他编码
2
话音的形成原理
• 肺中的空气受到挤压形成气流，气流通过
10
三种话音编译码器的对比
11
语音信号的冗余度
• • • • • • 幅度非均匀分布 样本之间的相关性 周期之间的相关性 基音之间的相关性 静止系数（话音间隙） 长期相关性（long term correlation）
12
脉冲编码调制（PCM）
• Pulse Code Modulation
13
18
差分脉冲编码调制（DPCM)
产生误差
xk
ek
x’’k
量化器
自适应量化阶
e’k
逆量化器 e’’k
x’k
预测器
自适应预测
• 关键在于预测器与量化器的设计
19
差分脉冲编码调制（DPCM)
e’k 逆量化器 e’’k x’k 预测器
x’’k
译码过程
20
预测方程式
xk = f ( x1 , x2 , x3 ......xk 1 , k )
15
µ 律压扩与A律压扩
m 律(m -Law)压扩(G.711)主要用在北美和日本等 地区的数字电话通信中。
x为
x 为输入信号，规格化为－1<= x <=1 m 为确定压缩量的参数，它反映最大量化间隔和最 小量化间隔之比，取100 <= m <= 500。
16
µ 律压扩与A律压扩
A律(A-Law)压扩(G.711)主要用在欧洲和中国大陆 等地区的数字电话通信中 0 <= |x| <= 1/A
增量调制 (delta modulation，DM) 是一种预测编码技术，是对 实际的采样信号与预测的采样信号之差的极性进行编码，将 极性变成“0”和“1”这两种可能的取值之一。如果实际的 采样信号与预测的采样信号之差的极性为“正”，则用“1” 表示；相反则用“0”表示。DM编码系统又称为“1位系统”。
A/D
话音 编码 信道 编码 信道 话音 译码 信道 译码
7
D/A
衡量话音编码器的参数
• 数据输出速率
• 延迟时间 • 话音质量 • 价格（实现代价）
8
语音质量等级划分
• 广播质量：带宽为7000Hz的高质量话音
• 长途电话质量：带宽为3400Hz，信噪比为 30db，有失真 • 通信质量：完全可以听懂，但和长途电话 质量相比有明显的失真。 • 合成质量：80％－90％的可懂度，听起来 象机器讲话，失去了讲话者的特征
30
音 频 编 码 算 法 和 标 准 一 览
31
XIDIAN
结束
4
话音产生的数字模型
周期
周期脉冲序 列发生器 浊/清选择 伪随机噪声 产生器
声道参数
时变数字滤 波器 音量控制
语音 输出
5
话音技术的研究热点
• 话音压缩编码（Speech Coding） • 话音识别（Speech Recognition）
• 文本话音转换（Text To Speech）
6
话音编译码器
PCM的量化方式
均匀量化与非均匀量化
14
非均匀量化
• 对小信号采用小的量化间隔，对大信号 采用大的量化间隔，这样可以用较少的 位数编码。 • 对大信号来说，虽然绝对量化误差较大， 但是因为：（1）大信号出现的机会不多， （2）信噪比（相对误差）与小信号是一 致的，所以对总的话音质量影响不大。 • 非均匀量化也是一种压缩。
23
自适应增量调制(ADM)
• CVSD（连续可变斜率增量调制）： 如果编码器的输出连续出现三个相同的值，量 化阶就加上一个大的增量；反之，就加一个小 的增量。
24
自适应脉冲编码调制（APCM）
• APCM是一种根据输入信号幅度大小自动改变 量化阶大小的一种波形编码技术。
25
自适应差分脉冲编码调制