語音編碼技術(shù)及其在通信系統(tǒng)中的應(yīng)用

1、多媒體技術(shù)基礎(chǔ)期末論文 題目：語音壓縮編碼及其在通信系統(tǒng)中的應(yīng)用 專業(yè)： 通 信 工 程 姓名： 張 嫻 學(xué)號(hào)： 1 2 3 0 7 1 3 0 4 4 9 2016年5月24日在現(xiàn)代通信中，隨著科學(xué)技術(shù)的迅速發(fā)展，圖像、數(shù)據(jù)等非話音信息在通信信息總量中所占的比例大大提高，而且這種提高的趨勢(shì)仍然會(huì)繼續(xù)下去。比如說，以前的手機(jī)基本上只可以打電話，發(fā)短信，不能接收文件，不能觀看視頻，但是現(xiàn)在的3G手機(jī)甚至4G手機(jī)，可以看視頻，接發(fā)文件，還有很多的應(yīng)用軟件。語音信號(hào)所占的傳輸比例的確是大大減小。但是，到目前為止，在大多數(shù)通信系統(tǒng)中，傳輸最多的信息仍然是語音信號(hào)。比如說我們經(jīng)常打電話，用語音發(fā)微信，聽

2、音樂，看視頻等等。在可以預(yù)見的未來通信中，盡管語音信號(hào)在通信信息總量中所占的比例會(huì)有所下降，但仍然會(huì)是傳輸最多的信息。語音信號(hào)是模擬信號(hào)，不能直接在數(shù)字通信系統(tǒng)中傳輸，必須先進(jìn)行模/數(shù)轉(zhuǎn)換再進(jìn)行數(shù)/模轉(zhuǎn)換，這種轉(zhuǎn)換就稱為語音編譯碼（簡稱語音編碼），其作用是將語音模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，到了接收端，再將收到的語音數(shù)字信號(hào)還原為語音模擬信號(hào)。可見，語音編碼技術(shù)在數(shù)字通信中具有十分重要的作用，隨著計(jì)算機(jī)技術(shù)與超大規(guī)模集成電路技術(shù)的飛速發(fā)展和廣泛應(yīng)用，信號(hào)的數(shù)字處理、數(shù)字傳輸和數(shù)字存儲(chǔ)日益顯示出巨大的優(yōu)越性。數(shù)字化技術(shù)的應(yīng)用范圍迅速擴(kuò)大到各個(gè)科學(xué)技術(shù)領(lǐng)域，滲透到工農(nóng)業(yè)生產(chǎn)和社會(huì)生活的各個(gè)方面。因此，盡

3、量減少信號(hào)占有帶寬、持續(xù)時(shí)間和存儲(chǔ)容積，以節(jié)省信號(hào)在傳輸、處理和存儲(chǔ)中的開銷，具有巨大的經(jīng)濟(jì)價(jià)值。所以，語音編碼技術(shù)，尤其是語音壓縮編碼技術(shù)（編碼速率在16kbit/s以下），近年來受到人們的廣泛關(guān)注和重視，有著極為迫切的客觀需求。正是在這種強(qiáng)大的客觀需求推動(dòng)下，近二十幾年來，隨著計(jì)算機(jī)技術(shù)、微電子技術(shù)、信號(hào)處理技術(shù)以及編碼理論的發(fā)展和進(jìn)步，語音編碼技術(shù)取得了許多突破性的進(jìn)展，提出了許多新的編碼技術(shù)和算法，并迅速得到了廣泛應(yīng)用。由于各種通信網(wǎng)絡(luò)工作的環(huán)境各不相同，傳輸信息也不完全一樣，用戶情況更是千差萬別，因而對(duì)語音編碼提出的要求也就不盡相同。綜合各種通信網(wǎng)絡(luò)對(duì)語音編碼的共同要求，大致有幾下幾

4、點(diǎn)。（1）編碼速率要適合在常用話音信道內(nèi)傳輸，一般要求編碼速率在2kbit/s到16kbit/s之間。（2）在一定的編碼速率下，語音質(zhì)量要盡可能高，即譯碼后的恢復(fù)語音的保真度要盡量高。（3）編譯碼時(shí)延要小?？倳r(shí)延一般要求不大于65ms。（4）編譯碼算法復(fù)雜度不能太大，以適用于大規(guī)模集成電路實(shí)現(xiàn)。（5）堅(jiān)韌性好，有較好的抗誤碼性能。然而上述這些要求之間往往又是互相矛盾的。例如，為了使語音質(zhì)量好，編碼速率就應(yīng)該要高一些，但這又會(huì)使其占用的信道帶寬增大，信道帶寬是有限的，編碼速率過高就不能在信道內(nèi)傳輸。因此，在實(shí)際應(yīng)用中要根據(jù)具體情況綜合分析和比較，在各個(gè)要求之間進(jìn)行一定的折衷，選擇最佳的編碼方案。

5、目前語音編碼已獲得非常廣泛的應(yīng)用，語音編碼系統(tǒng)的構(gòu)成也多種多樣。歸納起來可以分為兩大類：第一類，編碼存儲(chǔ)回放系統(tǒng)，又稱為數(shù)字語音錄放系統(tǒng)，例如發(fā)聲字典；第二類，編碼傳輸譯碼系統(tǒng)，又稱為數(shù)字電話通信系統(tǒng)。下圖分別畫出了這兩種語音編碼系統(tǒng)的原理方框圖。語 音譯碼器數(shù)字存儲(chǔ)媒介語 音編碼器輸入 輸出語音 語音數(shù)字語音錄放系統(tǒng)原理方框圖 調(diào)制器信 道編碼器語 音編碼器輸入語音傳輸設(shè)備及信道解調(diào)器信 道譯碼器語 音譯碼器輸出語音數(shù)字電話通信系統(tǒng)原理方框圖數(shù)字語音錄放系統(tǒng)與模擬語音錄放系統(tǒng)相比，具有靈活性高、可控性強(qiáng)、壽命長等有點(diǎn)。在這類語音編碼系統(tǒng)中，對(duì)編碼實(shí)時(shí)性要求不高，但要求有較高的數(shù)據(jù)壓縮率，以降

6、低數(shù)字存儲(chǔ)的容量。對(duì)譯碼器則要求算法盡量簡單，成本盡量低，能夠?qū)崟r(shí)譯碼或基本實(shí)時(shí)譯碼，以減少響應(yīng)時(shí)延。數(shù)字電話通信系統(tǒng)與模擬電話通信系統(tǒng)相比，具有抗干擾能力強(qiáng)、保密性好、易于集成化等優(yōu)點(diǎn)。在數(shù)字電話通信系統(tǒng)中，一般都要求實(shí)時(shí)編碼和譯碼，同時(shí)對(duì)算法復(fù)雜度、抗誤碼能力等都有一定要求。語音編碼按照傳統(tǒng)的分類方法通常分為3類：波形編碼、參數(shù)編碼和混合編碼。波形編碼是最基本的語音編碼方式，也是最早提出和實(shí)現(xiàn)的編碼技術(shù)，應(yīng)用很廣。它將時(shí)間或頻域（或變換域）信號(hào)直接變換成數(shù)字信號(hào)，力求使重建語音波形保持原始語音信號(hào)的波形形狀。具有語音質(zhì)量好、抗干擾性能強(qiáng)等有點(diǎn)。其缺點(diǎn)是所需用的編碼速率高，一般在16kbit

7、/s到64kbit/s之間。波形編碼當(dāng)其編碼速率進(jìn)一步降低時(shí)，其語音質(zhì)量等性能指標(biāo)下降很快，但是若編碼速率過高，又會(huì)使占用的信道帶寬增大。參數(shù)編碼又稱為聲源編碼或聲碼器，有時(shí)還稱分析綜合編碼，它將信源信號(hào)在頻域或其他變換域提取特征參數(shù)，然后對(duì)這些特征參數(shù)進(jìn)行編碼和傳輸，在譯碼端再將收到的數(shù)字信號(hào)譯成特征參數(shù)，根據(jù)這些特征參數(shù)重建語音信號(hào)。參數(shù)編碼通過對(duì)語音信號(hào)特征參數(shù)的提取和編碼，力求使重建語音信號(hào)具有盡可能高的可懂度，即保持原語音信號(hào)的語意，但重建語音信號(hào)的波形與原語音信號(hào)波形卻相差甚遠(yuǎn)。參數(shù)編碼的優(yōu)點(diǎn)是可實(shí)現(xiàn)低速率語音編碼，其編碼速率可低至2.4kbit/s一下。其缺點(diǎn)是語音質(zhì)量差，自然度

8、較低，即使是熟人一般也聽不出講話人是誰。此外，參數(shù)編碼的堅(jiān)韌性也不夠好?；旌暇幋a是在采用線性預(yù)測編碼（LPC）技術(shù)的語音參數(shù)編碼的基礎(chǔ)上，通過許多的改進(jìn)措施，并引入波形編碼的原理，使用合成分析法而形成的一種新的編碼技術(shù)，它將波形編碼和參數(shù)編碼結(jié)合起來，克服了它們的缺點(diǎn)，借鑒了它們的長處，是近年來在語音編碼技術(shù)上的一個(gè)突破性進(jìn)展，它在4kbit/s到16kbit/s速率上能夠得到高質(zhì)量的合成語音?；旌暇幋a技術(shù)在現(xiàn)代通信系統(tǒng)中得到了廣泛應(yīng)用并正處于迅速發(fā)展之中，目前仍有許多新的編碼算法不斷出現(xiàn)。語音編碼所要解決的基本問題，是在給定的編碼速率條件下，如何得到盡可能好的重建語音質(zhì)量（或稱編碼質(zhì)量），同

9、時(shí)應(yīng)盡可能減少編譯碼算法的復(fù)雜度和時(shí)延，并使編譯碼系統(tǒng)有較好的堅(jiān)韌性；或是在給定編碼質(zhì)量、編譯碼復(fù)雜度和時(shí)延以及堅(jiān)韌性要求的條件下，如何盡可能降低語音編碼所需的速率等。這5個(gè)方面的要求，就是衡量語音編碼性能的主要指標(biāo)。在不同的應(yīng)用中，對(duì)各個(gè)指標(biāo)要求的側(cè)重點(diǎn)也有所不同。編碼速率可以用“比特/秒”（bit/s）來度量，它代表了編碼的總速率，一般用V表示。編碼速率也可以用“比特/樣點(diǎn)”（bit/p）表示，它代表了平均每個(gè)語音樣點(diǎn)用多少比特編碼，一般用R表示，V和R可以通過取樣速率聯(lián)系起來： V=R·其中的取樣速率通常根據(jù)Nyquist定理由信號(hào)帶寬決定。顯然，平均每樣點(diǎn)比特?cái)?shù)R越高，語音波

10、形或參數(shù)量化就越精細(xì)，話音質(zhì)量也就越好，相應(yīng)地對(duì)傳輸帶寬或存儲(chǔ)容量的要求也就越高。編碼和譯碼算法的復(fù)雜程度同語音編碼的話音質(zhì)量有非常密切的關(guān)系。在同樣數(shù)碼率的情況下，采用復(fù)雜一些的算法將會(huì)獲得更好的話音質(zhì)量；而對(duì)于相同的話音質(zhì)量，采用復(fù)雜一點(diǎn)的算法能夠降低編碼所需的速率。編解碼算法的復(fù)雜程度同硬件的實(shí)現(xiàn)也有密切關(guān)系，它將決定硬件實(shí)現(xiàn)的復(fù)雜程度、體積、功耗以及成本等。增加算法的復(fù)雜程度可以提高語音編碼質(zhì)量，但往往也伴隨著增加編譯碼的時(shí)延。在實(shí)時(shí)語音通信系統(tǒng)中，語音編譯碼的時(shí)延對(duì)系統(tǒng)的通話質(zhì)量有很大的影響。例如在衛(wèi)星通信中，一跳傳輸時(shí)延約0.5s，講話后再聽到對(duì)方回答需要1s，已明顯感到對(duì)方反應(yīng)“

11、遲鈍”。如果時(shí)延再大，正常交談都會(huì)發(fā)生困難。時(shí)延影響通話質(zhì)量的另一個(gè)原因是回聲。當(dāng)時(shí)延比較小時(shí)，回聲同話機(jī)側(cè)音及房間交混回響聲想混，因而感覺不到。當(dāng)往返總時(shí)延超過約100ms左右，發(fā)話就能夠從手機(jī)中聽到自己的回聲。如果回聲傳輸路徑損耗不夠大，就會(huì)聽到多次回聲，從而嚴(yán)重影響通話質(zhì)量。近年來，一方面由于社會(huì)進(jìn)步和科技發(fā)展所帶來的強(qiáng)大客觀需求的推動(dòng)，另一方面由于計(jì)算機(jī)技術(shù)、通信技術(shù)、信號(hào)處理技術(shù)和微電子技術(shù)的飛速發(fā)展提供了良好的條件，語音編碼技術(shù)在許多方面都取得了突破性的進(jìn)展，有很多的研究和發(fā)展的熱點(diǎn)課題。其中，倍受人們關(guān)注和重視、具有重要應(yīng)用前景和價(jià)值的幾個(gè)熱點(diǎn)課題是：極低速率語音編碼技術(shù)；寬頻帶

12、高音質(zhì)聲頻編碼技術(shù)。下面簡要介紹這兩個(gè)熱點(diǎn)課題的研究和發(fā)展情況。一、極低語音編碼技術(shù)編碼速率低于1200bit/s的語音編碼，稱為極低速率語音編碼。為了滿足日益增長的對(duì)通信的巨大客觀需求，現(xiàn)代通信一方面在努力建設(shè)新的通信線路，擴(kuò)大通信信道的帶寬，增大通信容量，實(shí)現(xiàn)寬帶通信；另一方面也在努力壓縮信號(hào)編碼的速率，減少其傳輸占用的帶寬，提高通信信道的利用率，增大通信容量。但是事實(shí)上，有的通信信道難以擴(kuò)展并且質(zhì)量很差，如短波通信；有的信道正在廣泛應(yīng)用，短期內(nèi)無法或很難更新或擴(kuò)展，如市話通信和載波通信；有的信號(hào)十分昂貴，如宇宙通信、衛(wèi)星通信等，新建和擴(kuò)展信道花費(fèi)過大；在這些情況下，低速率語音編碼是一種最

13、佳選擇，每壓縮一比特速率都會(huì)帶來巨大的經(jīng)濟(jì)利益；還有些特殊的通信，如在強(qiáng)大人為干擾下或環(huán)境噪聲極強(qiáng)條件下的軍用通信、數(shù)字語音保密通信等，無法或極難新建或擴(kuò)展信道，在這種條件下，極低速率語音編碼就成為唯一選擇。綜上所述可見，在保證良好語音質(zhì)量的前提下，大力壓縮語音編碼速率，實(shí)現(xiàn)極低速率語音編碼，有重大的經(jīng)濟(jì)價(jià)值，具有巨大的吸引力和廣闊的應(yīng)用前景。1、1200bit/s到400bit/s的語音編碼技術(shù)速率在1200bit/s到400bit/s的語音編碼技術(shù)，其編碼算法一般是在2.4kbit/s的聲碼器的基礎(chǔ)上，利用幀間相關(guān)性和矢量量化技術(shù)進(jìn)一步進(jìn)行數(shù)據(jù)壓縮，實(shí)現(xiàn)極低速率的語音編碼。（1） 幀填充技

14、術(shù)在速率為2.4kbit/s的聲碼器的碼序列中，其相鄰幀之間仍存在較大的相關(guān)性，尤其是在語音的平穩(wěn)段，如濁音段，幀與幀之間的變化不大。若每隔一幀作一次編碼和傳輸，并通知接受端在空白幀（未編碼傳輸幀）中填充哪一幀（是其前相鄰幀或后相鄰幀），即可將編碼速率幾乎壓縮一半。根據(jù)這種思路，再配合采取一些其他的處理技術(shù)，就可以進(jìn)一步壓縮編碼速率，并能使語音質(zhì)量基本保持不變。 （2） 利用矢量量化技術(shù) 利用矢量量化（VQ）技術(shù)，可以進(jìn)一步減小幀間參數(shù)的相關(guān)性。其基本思路是：把一幀或幾幀需要編碼傳輸?shù)膮?shù)劃分為一組，組成一個(gè)矢量，根據(jù)感覺加權(quán)最小失真原則，在一個(gè)已訓(xùn)練、設(shè)計(jì)好的碼書中，搜索該矢量對(duì)應(yīng)的最佳碼字

15、，作為該矢量的量化矢量，對(duì)此碼字的編碼和傳輸則僅對(duì)該碼字的序號(hào)（在碼書中的標(biāo)號(hào)或地址）進(jìn)行編碼傳輸。這樣就可以進(jìn)一步降低編碼速率，又不會(huì)過多的影響語音質(zhì)量。2、400bit/s以下的語音編碼技術(shù) 雖然從信息論的觀點(diǎn)來看，語音編碼的信息速率下限是50bit/s左右，但是，大量的研究結(jié)果表明，若是將比特率降低到400bit/s以下，目前低速率語音編碼中所使用的基于LP分析合成的各種算法都難以滿足要求，其所提供的語音質(zhì)量根本無法達(dá)到公眾能夠接受的程度。所以為使語音編碼的速率降低至400bit/s以下，甚至逼近50bit/s左右的下界，只有采用語音識(shí)別與合成技術(shù)，構(gòu)成識(shí)別合成型聲碼器。 （1）識(shí)別合成

16、型聲碼器的基本原理 識(shí)別合成型聲碼器，采用語音識(shí)別與合成技術(shù)對(duì)語音基元進(jìn)行編碼。語音基元可以是音素、音節(jié)或詞，任何一種語言的音素或音節(jié)是一個(gè)有限數(shù)目的集合（比如說漢語拼音里面的聲母、韻母等，又比如英語中的音標(biāo)），用其作為基元進(jìn)行編碼，就可以實(shí)現(xiàn)無限詞匯的語音編碼。這種聲碼器在發(fā)送端采用語音識(shí)別技術(shù)進(jìn)行語音基元識(shí)別和編碼，接收端根據(jù)收到的語音基元代碼和某些附加的韻律信息再重新合成語音。由于這種聲碼器需要編碼傳輸?shù)膮?shù)很少，而在接收端又是按規(guī)則合成語音，所以其傳輸速率很低，而且接收端恢復(fù)出的合成語音其質(zhì)量非常好。目前已研制成功的漢語識(shí)別合成型聲碼器，其速率低于200bit/s，語句可懂度達(dá)95%以

17、上。事實(shí)上，大量的研究證明，識(shí)別合成型聲碼器的編碼速率還可以降低到150bit/s以下，仍可恢復(fù)出可懂度很高、自然度較好的合成語音。 一個(gè)無限詞匯漢語識(shí)別合成型聲碼器的原理方框圖如下圖所示。連續(xù)語音識(shí)別系統(tǒng)語音 識(shí)別結(jié)果語音合成系統(tǒng) 合成語音韻律特征提取 韻律信息（2）關(guān)于識(shí)別合成型聲碼器編碼速率的估計(jì) 漢語識(shí)別合成型聲碼器的編碼速率究竟能降至多少？這可以根據(jù)現(xiàn)有的研究結(jié)果做如下估計(jì)。 在所有需要編碼傳輸?shù)男畔?dāng)中，基音輪廓信息的編碼是最重要的問題，若采用標(biāo)量量化，每幀（10ms）用8bit對(duì)基音周期進(jìn)行編碼，編碼速率將達(dá)到800bit/s。但是現(xiàn)在可以采用矢量量化技術(shù)，使其比特率可降低到每個(gè)

18、音節(jié)8bit，相當(dāng)于每秒1640bit（每秒鐘發(fā)音25個(gè)音節(jié)），加上每個(gè)音節(jié)的拼音和聲調(diào)編碼用11bit，音長和能量因子每音節(jié)各需用5bit，音聯(lián)標(biāo)志每秒用1bit，共需傳輸30bit/音節(jié)，則比特率為60bit/s150bit/s。這就是漢語識(shí)別合成型聲碼器所能降低的最低速率的下限。 二、寬頻帶高音質(zhì)聲頻編碼技術(shù)語音編碼技術(shù)在沿著極低速率語音編碼方向發(fā)展的同時(shí)，近年來又適應(yīng)數(shù)字音頻廣播、電話會(huì)議、消費(fèi)電子技術(shù)等方面的強(qiáng)大客觀需求，朝著寬頻帶高音質(zhì)聲頻編碼的方向發(fā)展，這也是語音編碼目前一個(gè)很重要的發(fā)展動(dòng)向，受到人們的極大關(guān)注。寬頻帶聲頻有供人們娛樂和鑒賞的功能，因此對(duì)于寬頻帶聲頻編碼的重建語音

19、的音質(zhì)有很高的要求。目前的寬頻帶聲頻編碼一般都是采用較高比特率的波形編碼，以保證重建語音的質(zhì)量能夠達(dá)到要求。當(dāng)然，這些波形編碼可以是時(shí)域的，可以是頻域的，還可以是變換域的。下面介紹一種實(shí)用的寬頻帶高音質(zhì)聲頻編碼器，即由日本索尼公司提出的“自適應(yīng)變換聲學(xué)編碼器（Adaptive Transform Acoustic Coder,ATRAC）”。1. 編碼系統(tǒng)的組成比特分配 參量 頻譜恢復(fù)頻譜量化信號(hào)分析PCM音響 量化頻譜 頻譜 信號(hào)信號(hào)合成 PCM音響圖1 ATARC編、譯碼器原理方框圖QMFBIMDCT-HMDCT-HQMFB 1122 H帶頻譜 1122PCM 音響QMFBIMDCT-MM

20、DCT-MQMFB 5.511 M帶頻譜 5.511 MDCT-LIMDCT-L 05.5 L帶頻譜 05.5 PCM 音響 圖2 ATARC信號(hào)分析-合成原理方框圖 2.設(shè)計(jì)特點(diǎn)ATRAC的設(shè)計(jì)充分利用了人耳的以下聽覺特性。（1）等響度 即對(duì)于同樣聲壓級(jí)的聲音，人耳實(shí)際感覺到的音量卻是隨頻率而變化的。（2）同時(shí)掩蔽 即當(dāng)幾個(gè)跨度不同的聲音同時(shí)存在時(shí)，強(qiáng)聲使得較弱的聲音難以聽見。這種特性受掩蔽聲音和被掩蔽聲音之間的相對(duì)頻率關(guān)系影響很大。（3）異時(shí)掩蔽 即不同時(shí)間先后產(chǎn)生的聲音之間的掩蔽。強(qiáng)聲音掩蔽其后產(chǎn)生的弱聲音，稱為“正向掩蔽”；弱聲音短暫地被其后產(chǎn)生的強(qiáng)聲音所掩蔽，稱為“反向掩蔽”。（4）對(duì)頻譜形狀的依賴 即如果信號(hào)能量相同，聽覺對(duì)頻譜寬闊平坦的類噪聲信號(hào)的S/N敏感程度，要比之對(duì)陡峭的單音信號(hào)的敏感程度低得多。3.編碼系統(tǒng)的工作原理ATRAC的工作按照下述步驟進(jìn)行：（1）音頻分幀 它將輸入聲音信號(hào)每512個(gè)樣值分為一幀，構(gòu)成一個(gè)聲音幀，時(shí)間約為11.6ms，然后以幀為