语音编码基础知识 PPT

编码延时 一般地，编解码算法越复杂，延时越大，会明显
感觉到通话对方反映“迟钝”，甚至造成正常通信困 难。
另外一方面，延时造成回声，传统的电话系统中， 在2-4 线的转换处（混合线圈）因阻抗不匹配，导致 接收者的收话音信号泄露到其发送路径上，返回给发 送者，形成了回声。当延时小时，回声同房间交混， 因此感觉不到；当延迟超过了25ms，能明显感觉到， 从而严重影响通信。
7 wk.baidu.com/2 2.5v
6 1/4 1.25v
5 1/8 0.625v
4 1/16 0.3125v
3 1/32 0.15625v
2 1/64 0.078125v
1 1/128 0.0390625v
00
0v
输入信号为1.05v，则编码为： 极性码： 0 段落码：101 段内码： =(1.25-0.625)/16
= 0.0390625 (1.05-0.625)/ =10.88 取整数10，对应第10量化间隔， 编码为1010 最后完整的码字为：
2.参数编码（声源编码 parametric coding）：
根据语音信号产生的数学模型，通过对语音信 号特征参数的提取后进行编码（将特征参数变换成 数字代码进行传输）。在接收端将特征参数，结合 数学模型，恢复语音，力图使重建语音保持尽可能 高的可懂度，重建语音信号的波形同原始语音信号 的波形可能会有相当大的区别。如线性预测（LPC） 编码类。编码速率低，2.4-1.2kb/s，自然度低， 对环境噪声敏感。
C3C2C1C0 ： 表示每一段落的16个均匀划分的量化 级，称为段内码。
0000 0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111
对输入动态范围为（-5v,+5v）， 用A律压扩编码，有：
1 5v
指定组织：国际电信联盟 ITU-T， http://www.itu.int
标准 编码速率 (kb/s)
算法
MOS得 应用 分
G.711
64 u律或a律PCM 4.3 公用网
G.721
32
ADPCM
4.1 公用网
G.723.1 5.3
ACELP
3.2 无线网
G.729
8
CS-ACELP 3.8 无线网
主观评价方法 评价指标：清晰度或可懂度、音质。前者是指语音
是否容易听清楚；后者指语音听起来有多自然。
（1）可懂度评价 DRT：Diagnostic Rhymer Test （2）音质评价： MOS：Mean Opinion Score 平均意 见得分和DAM：Diagnostic Acceptability Measure 判断满意度得分。
A(z)
1 ak z k

k 1
A(z / )
p
1 ak k z k
k 1
输入 语音 x(n)
线性 预测 分析
感觉 后继处理 加权 滤波器
三、语音压缩系统的性能指标和评测方法 1.语音压缩系统的性能指标 （1）编码速率 （2）编码器的顽健性 （3）编码器的时延 （4）算法的复杂度和可扩展性
xa(nT) 非线性
压缩
均匀 量化
编码
解码
非线性 x'(nT)
扩张
现在的非均匀量化中，一般采用两种压缩扩张非 均匀量化方法。采样后信号幅度和量化数据之间有两 种对应关系，一种称为u 律压扩（companding）算法， 另一种称为A 律压扩算法。 u 律压扩主要用于北美 和日本等地区的电话通信中。 A 律压扩主要用在欧 洲和中国的地区的电话通信中。
u 律压扩
F (x(n))

X a max
ln
1


|
xa (nT ) X a max
ln(1 )
|
sgn[xa (nT )]
A 律压扩
F
(x(n))


X
Amax
A| 1
xa
(nT) | 1 ln
/X A
A
max
sgn[xa
(nt
)]
ln
A
我国的PCM30/32路基群也采用A律13折线压 缩特性。μ律15折线主要用于美国、加拿大和日 本等国的PCM 24路基群中。
CCITT建议G.711规定上述两种折线近似压缩 律为国际标准，且在国际间数字系统相互连接时， 要以A律为标准。 因此这里重点介绍A律13折线。
FA(x)
1
7/8 6/8
3.混合编码(Hybrid coding)：
将波形编码与参数编码相结合，在2.4-1.2kb/s 速率上能够得到高质量的合成语音。规则码激励长 时预测编码RPE—LPT即为混合编码技术。混合编码 包括若干语音特征参量又包括部分波形编码信息， 以达到波形编码的高质量和参量编码的低速率的优 点。
四、已经标准化的语音编码
一般地，要求编解码延时不超过5－10ms。
A端的信号＋B端经混 合线圈的回传信号
A端
B端
B端的信号＋A端经混
合线圈的回传信号
2.语音压缩系统的性能指标和评测方法 语音质量是衡量语音编码算法优劣的关键性能之
一。语音质量通常分为四类： （1）广播级 （2）网络或电话级 （3）通信级 （4）合成级
语音质量有主观和客观两种评价方法。
√语音信号压缩编码的原理及其评价系统
一、语音压缩的基本依据 二、语音编码的关键技术 三、语音压缩系统的性能指标和评测方法
一、语音压缩的基本依据 是语音信号的冗余度和人的听觉感知机理。 1.存在的时域冗余度： （1）幅度非均匀分布 （2）语音信号样本间的相关性很强 （3）浊音具有准周期 （4）声道的形状及其变化缓慢 （5）语音间隙（静止系数）
由于掩蔽效应，在语音频谱中，能量较高的频 段（共振峰处）的噪声相对于能量较低的频段的噪 声不易被感觉。在度量原始语音和合成语音之间的 误差时，在高能量段允许误差大，因此引入一个频 域的感觉加权滤波器W(z)来衡量语音之间的误差。 加权因子在0～1之间,控制共振峰区域的误差增加。
p
W (z)
均匀量化时，无论大的输入信号还是小的输入 信号一律采用相同的量化间隔，为了适应大的输入 信号，同时又要满足精度要求，就需要增加样本的 位数。 =2V/L=2V/2R，但是对话音信号来说，大 信号出现的机会并不多，增加的样本数就没有充分 利用。因此采用非均匀量化。
其基本思想是：大的输入信号采用大的量化 间隔，小的输入信号采用小的量化间隔。在满足精 度要求的情况下用较少的位数来表示。译码时，采 用相同的规则。也可视为将信号进行非线性变换后 再作均匀量化，如对信号进行对数压缩，微弱的信 号被放大，强的信号被压缩。译码时，指数扩张。
e(n) H (z) 1
1
x(n)
A(z)
p
1 ak zk
k 1
短时预测滤波器
p
x(n) e(n) ak x(n k) k 1
2.语音信号的长时预测 x(n-p),x(n-p+1),….x(n-1)
长时
线性 预测
x(n)
H(z) 1
1
P(z)
r
1
三、编码的分类
1.波形编码(waveform coding)：基本原理是在时 间轴上对模拟话音信号按照一定的速率来抽样，然 后将幅度样本分层量化，并使用代码来表示。在接 收端将收到的数字序列经过解码恢复到原模拟信号， 保持原始语音的波形形状。话音质量高，编码速率 高。如PCM编码类（a率或u率PCM、ADPCM 、ADM)， 编码速率为64－16kb/s，语音质量好。
GSM
13
RPE-LTP
3.9 无线网
(1)ADPCM：自适应差分脉冲编码 adaptive difference pulse code modulation
(2)CELP ： 码 本 激 励 线 性 预 测 （ code excited linear prediction）
(3)ACELP ： 代 数 码 本 激 励 线 性 预 测 AlgebraicCode-Excited Linear-Prediction
|
xa (nT) 1 ln A
|
/
X
A
max

sgn[xa
(nt)]
0

|
xa (nT) X Amax
|

1 A


1 A

|
xa X
(nT )
Amax
|

1
（1）输入xa(nT)的范围归一化为（－1～＋1）; （2）输出FA(x(n))的范围为（－1～＋1）； （3）A为压扩参数，它反映最大量化间隔和最小量化 间隔的比值。A=87.56
MOS得分为五级:优、良、可、差和坏。 满分为5分，相当调频广播质量；4分以上是 长途电话网标准；3.5分为通信标准； 3.0分 仍有较好的可懂度，保持自然度；2.5分只维 持可懂度， 是战术通信标准。
客观评价方法 （1）波形失真度，用信噪比来度量

SNR

10
*
log

M
M
(s(n))2
5/8
4/8
3/8
2/8 1/8
0 111
1
1
1 32 16 8
4
2
128 1
64
1
xa(nT)
A律压扩编码 采用8位二进制编码：C7C6C5C4C3C2C1C0 C7： 表示信号的极性，称为极性码。0为正，1为负。 C6C5C4：表示段落序号，称为段落码。
000 001 010 011 100 101 110 111
(4)CS-ACELP：共轭结构的代数码本激励线性预测 Conjugate Structure Algebraic-Code-Excited Linear-Prediction
(5)RPE-LTP：长时预测的规则脉冲激励的线性预 测Regular-Pulse Excited LPC with a Long-Term Predictor
2.存在的频域冗余度： （1）非均匀的长时功率谱密度 （2）短时功率谱密度
女声英文a的功率谱
3.人的听觉感知机理 （1）人类的听觉特性具有掩蔽效应 （2）人耳对不同频段声音的敏感程度不同 （3）人耳对语音相位不敏感
4. 语音编码的极限速率
语音中最基本的元素是音素，大约有128～256个， 如果按通常的说话速度，每秒平均发出10个音素，则 信息率为： I=[log2(256)10]bps=80bps
n0

(s(n) sˆ(n))2
n0

（2）频谱失真测量
（3）谱包络失真测量
语音信号的波形编码
一、非均匀量化的PCM编码 二、增量调制编码 三、自适应增量调制编码 四、自适应差分脉冲编码ADPCM 五、自适应预测器 六、自适应量化器 七、ADPCM的总结
一、非均匀量化的PCM编码
把发音看成是以语音速率来传送，则语音编码的极限 速率为80bps,从数字化标准的编码速率64kbps，到极 限速率80bps，之间的距离，对于理论研究和实践有 着极大的吸引力。
二、语音编码的关键技术 语音信号中存在两种类型的相关性： （1）样点间的短时相关性 （2）相邻基音周期之间的长时相关性
1. 语音信号的短时预测模型
接收器 模数转换 压缩编码 IP封装
网 络
播放器 数模转换
解码
IP解包
二、编码速率（信息容量）
用比特/秒（b/s或bps）来度量，用I表示，有： I=R • fs ,R代表每个语音采样值编码所需的比 特数；fs是采样频率。 当fs=8kHz，每个采样值用8比特位来编码，则 编码速率为64kb/s。
bi z (Di)
长时预测滤波器 iq
D为基音周期，长时预测系数{bi}的个数取1 （q=r=0）或3(q=r=1)。 D、{bi} 从语音信号中直 接提取。语音信号通过长时预测，得出基音周期、
增益（振幅大小）。
激励发生器 1
e(n)
P(z)
1
x(n)
A( z )
完整的语音信号的预测模型
3.感觉加权滤波器
语音编码（speech coding）
√概述 √语音信号压缩编码的原理及其评价系统 √语音信号的波形编码 √语音信号的参数编码 √语音信号的混合编码
√概述
一、编码（压缩）的重要性 二、编码速率（信息容量） 三、编码的分类 四、已经标准化的语音编码
一、编码（压缩）的重要性 编码、传输、存储和译码是语音数字传输和数
字存储的必要过程。
随着语音通信技术的发展，压缩语音信号的传 输带宽，降低信道的传输速率，一直是人们追求的 目标。语音编码在实现这一目标的过程中担当重要 的角色。
语音编码就是使表达语音信号的比特数目最小。
数字传输系统模型
信源
信源编码 信道编码
调制
噪声
传输通道
用户
信源解码 信道解码
解调
语音编码应用实例（IP电话）