語(yǔ)音信號(hào)編碼

1、語(yǔ)音信號(hào)編碼語(yǔ)音信號(hào)編碼類別：無(wú)線通信早期的語(yǔ)音信號(hào)處理及傳輸均是以模擬的方式進(jìn)行的。20世紀(jì)30年代末脈沖編碼調(diào)制（PCM，Pulse Code Modulation）原理和聲碼器（Vocoder）概念被提出后，語(yǔ)音數(shù)字編碼便一直沿著這兩個(gè)方向發(fā)展。語(yǔ)音數(shù)據(jù)壓縮目的是能在盡可能低的傳輸速率上獲得高質(zhì)量的語(yǔ)音效果，即希望語(yǔ)音信號(hào)可以在帶寬較窄的信道中傳輸而語(yǔ)音質(zhì)量下降的不多或盡可能不下降。語(yǔ)音編碼系統(tǒng)早期用的是波形編碼方法，也叫波形編碼（或非參數(shù)編碼），其目的是力圖使重建的語(yǔ)音波形保持原語(yǔ)音信號(hào)的波形形狀。這種編碼器是把語(yǔ)音信號(hào)當(dāng)成一般的波形信號(hào)來(lái)處理，而并未考慮語(yǔ)音信號(hào)的冗佘度。它的優(yōu)點(diǎn)是具

2、有較強(qiáng)的適應(yīng)能力，有較好的合成語(yǔ)音質(zhì)量，然而編碼速率高（64Kbits），編碼效率極低。脈沖編碼調(diào)制（PCM）、自適應(yīng)增量調(diào)制（ADM）、自適應(yīng)差分編碼（ADPCM）、自適應(yīng)編碼（APC）等都是屬于波形編碼（非參數(shù)編碼）。而聲碼器則是不同于波形編碼器的高效編碼方式。聲碼器又稱參數(shù)編碼（或模型編碼），它主要是對(duì)提取的語(yǔ)音信號(hào)特征參數(shù)進(jìn)行編碼，目的主要是使重建的語(yǔ)音信號(hào)具有盡可能高的可懂度，而不是要求重建波形保持原語(yǔ)音波形的形狀。因此，可能出現(xiàn)的情況是即使重建語(yǔ)音的可懂度高，但其時(shí)域波形與原語(yǔ)音的時(shí)域波形有較大的差別。這種編碼器的優(yōu)點(diǎn)是可達(dá)到極低的編碼速率而語(yǔ)音依然可懂，編碼速率可達(dá)到8Kbits

3、、48Kbits甚至更低。主要缺點(diǎn)是重建語(yǔ)音自然度低，韻律感差，合成語(yǔ)音質(zhì)量差。聲碼器的典型代表是通道聲碼器、共峰聲碼器及線性預(yù)測(cè)聲碼器等。 20世紀(jì)80年代至今，不僅聲碼器和波形編碼器得到了很大發(fā)展，并且還有一種全新的革命性編碼方法被普遍推廣，這類編碼器叫混合編碼器。這種編碼器在傳送器中對(duì)給定編碼結(jié)構(gòu)的所有可能性進(jìn)行綜合，找出輸人語(yǔ)音的最好編碼形式，并從這些可能性中發(fā)現(xiàn)輸入語(yǔ)音的最優(yōu)主觀匹配，然后用數(shù)碼表示這種主觀匹配并發(fā)送到接收器。利用線性預(yù)測(cè)、VQ、ABS、感覺(jué)加權(quán)、后濾波等技術(shù)得到的多脈沖激勵(lì)線性預(yù)測(cè)（MPELP，Multi Pulse Enspirit LinePrognostica

4、te），規(guī)則脈沖激勵(lì)線性預(yù)測(cè)（RPELP，Rule Pulse Enspirit Line Prognosticate），碼本激勵(lì)線性預(yù)測(cè)（CELP，Code Enspirit Line Prognosticate） 編碼速率達(dá)到816Kbits甚至更底，其話音質(zhì)量高、編碼速率低，但算法復(fù)雜。 近年來(lái)，ITUT在多媒體數(shù)字通信方面（包括電視會(huì)議等）制定了一系列國(guó)際標(biāo)準(zhǔn)（按ITU的說(shuō)法是建議）。 表1 ITUT多媒體會(huì)議標(biāo)準(zhǔn)（基本模式） 在現(xiàn)有的網(wǎng)路設(shè)施條仵下，H320和H323比較適用的標(biāo)準(zhǔn)。H320的基本音頻模式是G711 log-PCM（對(duì)數(shù)脈碼調(diào)制）編碼解碼器，它是一種簡(jiǎn)單的8kHz采樣

5、頻率對(duì)數(shù)脈碼調(diào)制模式，長(zhǎng)期以來(lái)它都是數(shù)字電話網(wǎng)絡(luò)主要的編碼方法（長(zhǎng)途電話盡管起源于模擬電話，現(xiàn)在長(zhǎng)途電話在數(shù)字網(wǎng)絡(luò)上傳輸）。 G711定義為8位編碼，速率為64Kbits，但在H320中采樣截短為6或7比特位，因?yàn)樗俾氏鄳?yīng)變?yōu)?8Kbits或56Kbits。G711提供了出色的長(zhǎng)話音質(zhì)窄帶（3kHz音頻帶寬）語(yǔ)音、不太明顯的編解碼延遲（低于1ms）以及非常低的實(shí)現(xiàn)復(fù)雜性。為了提供與普通G711音頻電話的兼容性，所有的H320呼叫在H221 FAS和BAS信道中進(jìn)行同步初始化和模式協(xié)商時(shí)開(kāi)始發(fā)送和接收G711音頻。 G711有很多優(yōu)點(diǎn)，但是G711指定了兩個(gè)不同的編碼A律和律，在采用G711標(biāo)準(zhǔn)

6、的區(qū)域，不同地方使用上述兩種不同的方法。CCITT不能達(dá)成統(tǒng)一的編碼方法。結(jié)果是H320系統(tǒng)必須由遠(yuǎn)端在每次呼叫開(kāi)始時(shí)自動(dòng)發(fā)現(xiàn)使用的編碼律，或者避免使用音頻直到H320控制過(guò)程能用來(lái)建立另一音頻模式。而且，G711因?yàn)樗牡蛷?fù)雜性和與普遍電話的兼容性成為H320的基本音頻模式，但與其他H320音頻模式相比在使用帶寬方面它是效率低下的。如果轉(zhuǎn)到其他音頻模式下節(jié)省的數(shù)據(jù)帶寬可用來(lái)傳送更多的視頻位，將使H320視頻質(zhì)量有很大不同，特別是在普通的2B（128Kbits）H320呼叫上。 鑒于G711語(yǔ)音壓縮協(xié)議本身的一些缺點(diǎn)，人們一直在找一種替代它的協(xié)議，現(xiàn)在已經(jīng)開(kāi)始用的有G722協(xié)議和G728協(xié)議。

7、 G728是目前H320中用得較多的窄帶音頻模式。它是基于通常的8kHz窄帶采樣和5個(gè)采樣（0625ms）的音頻幀的低時(shí)延碼本激勵(lì)線性編碼（LDCELP），比特率為16Kbits，提供很好的長(zhǎng)話音質(zhì)，總延遲為大約1875ms。 在現(xiàn)有網(wǎng)絡(luò)條件下，需要一個(gè)窄帶音頻模式，但是又要有相當(dāng)好的語(yǔ)音質(zhì)量。 最近建立的8Kbits電話標(biāo)準(zhǔn)真正提高了該速率下的語(yǔ)音品質(zhì)并改善了復(fù)雜性，這種編碼器在某種程度上是一個(gè)突破，因此它的嚴(yán)格規(guī)范使性能達(dá)到或超過(guò)了32Kbits的G726 ADPCM，但速率僅為8Kbits。ITU G729 SKbits標(biāo)準(zhǔn)在性能上不亞于G726，其算法延時(shí)少于16ms，隨機(jī)誤碼和背景噪

8、聲的性能都不低于G726，具有與自身的非同步串聯(lián)能力。比如說(shuō)，兩級(jí)串聯(lián)的性能不低于G726四級(jí)串聯(lián)的性能，達(dá)到這個(gè)水平的編碼稱為共扼結(jié)構(gòu)代數(shù)碼激勵(lì)線性預(yù)測(cè)（CSACELP），它采用特殊的碼本結(jié)構(gòu)簡(jiǎn)化碼本查找。 由于G729的優(yōu)點(diǎn)突出，特別適合目前網(wǎng)絡(luò)條件，因此其在多媒體會(huì)議中的應(yīng)用越來(lái)越受到重視。G729的算法被稱作共軛結(jié)構(gòu)代數(shù)碼激線性預(yù)測(cè)（CSACELP，ConjugateStructuredAlgebraic Code Excited Linear Predictive），它構(gòu)成了G729標(biāo)準(zhǔn)的基礎(chǔ)。CSACELP在標(biāo)準(zhǔn)PCM或線性PCM的話音采樣基礎(chǔ)上，每10ms生成一個(gè)10字節(jié)長(zhǎng)的話音

9、幀。對(duì)于每一個(gè)語(yǔ)音幀提取CELP模型參數(shù)，再對(duì)這些參數(shù)在編碼后以每幀80bit進(jìn)行信道傳輸，在解碼端，接收到的比特流通過(guò)激勵(lì)碼本解碼成相應(yīng)的CELP參數(shù)，再通過(guò)短時(shí)綜合濾波器和長(zhǎng)時(shí)綜合濾波器重建語(yǔ)音幀，最后經(jīng)過(guò)后向?yàn)V波進(jìn)行語(yǔ)音增強(qiáng)。 該算法提供了優(yōu)秀音質(zhì)，且延時(shí)很小。CSACELP也是為先進(jìn)的定點(diǎn)運(yùn)算數(shù)字信號(hào)處理器設(shè)計(jì)的，因?yàn)樗髲?qiáng)大的運(yùn)算處理能力。CSACELP編碼步驟的方框圖如圖1所示。 圖1 CS-ACELP編碼步驟 其固定的碼本具有一個(gè)代數(shù)結(jié)構(gòu)，稱為交錯(cuò)單脈沖排列設(shè)計(jì)（1SPP）。碼本中每40個(gè)樣本激勵(lì)向量?jī)H有4個(gè)非零脈沖，記為i0，i1，i2和i3，其幅值和位置見(jiàn)表2，每個(gè)激勵(lì)碼字

10、可寫成： c(n)=S0(n-m0)+S1(n-m1)+S2(n-m2)+S3(n-m3),n=0,39 其中（n）是時(shí)刻n的單位沖激函數(shù)。 表2 脈沖幅值和位置 從表中可看到，脈沖幅值僅為1或1，由于這種限制，再加上碼字的稀疏，使得碼本搜索大大簡(jiǎn)化了，各個(gè)脈沖的位置也存在限制，如表2所示，可以看到脈沖i1僅能位于m1=16，6，1116，2126，3136中的某一位置。這些位置與其他3個(gè)脈沖的位置都不相同，為了提高這些限制激勵(lì)的諧波結(jié)構(gòu)，碼向量要通過(guò)一個(gè)自適應(yīng)間隔濾波器： 其中是自適應(yīng)增益，T是當(dāng)前子幀的間隔延遲，碼本搜索是從碼向量的一個(gè)脈沖開(kāi)始，然后進(jìn)行4個(gè)嵌套循環(huán)，每次循環(huán)對(duì)應(yīng)一個(gè)新加人

11、的脈沖。由于4個(gè)脈沖的位置不連續(xù)，我們使用一個(gè)共扼搜索，這是局部碼本搜索，它在第3個(gè)循環(huán)之后限制碼本搜索的努力，這種搜索產(chǎn)生的語(yǔ)音品質(zhì)和SNR與全搜索相當(dāng)，但碼本搜索量只有它的5。前3個(gè)脈沖的位置每個(gè)用3bit表示，第4個(gè)用4bit，脈沖幅度每個(gè)用1bit表示，所以每個(gè)子幀不包括增益的位數(shù)是17bit。 圖2表示CSACELP解碼器，表3列出圖中的參數(shù)和每個(gè)子幀為5ms長(zhǎng)時(shí)其更新的快慢程度。可以看到，8Kbits中有6200bits的比特率用于表示激勵(lì)。 圖2 CSACELP解碼步驟 表3 參數(shù)和每個(gè)子幀 實(shí)現(xiàn)G729算法需要有很強(qiáng)的運(yùn)算能力的芯片，因此以運(yùn)算能力強(qiáng)大的DSP來(lái)實(shí)現(xiàn)其算法比較好

12、。TI的C54系列的DSP擁有強(qiáng)的定點(diǎn)運(yùn)算能力，作為高性價(jià)比DSP中的16位定點(diǎn)DSP芯片，C54x和C540x都適用于語(yǔ)音通信等實(shí)時(shí)嵌入應(yīng)用場(chǎng)合。C54x和C540x具有高度靈活的可操作性和高速的處理能力。 實(shí)現(xiàn)G729算法程序較大，下面介紹一種簡(jiǎn)單的易于實(shí)現(xiàn)的線性增量調(diào)制算法（CVSD，Continuously Variable Slope Delta）編碼方法，實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)的編碼以及相應(yīng)的解碼算法。 CVSD是一種量階隨著輸人語(yǔ)音信號(hào)平均斜率大小而連續(xù)變化的增量調(diào)制方式。它的工作原理是使用多個(gè)連續(xù)可變斜率的線段來(lái)逼近語(yǔ)音信號(hào)，當(dāng)斜率為正時(shí)，對(duì)應(yīng)的數(shù)字編碼為1；當(dāng)斜率為負(fù)時(shí)，對(duì)應(yīng)的數(shù)字編

13、碼為0。當(dāng)CVSD工作于編碼方式時(shí)，其系統(tǒng)框圖如3所示。語(yǔ)音輸人信號(hào)fin(t)經(jīng)采樣得到數(shù)字信號(hào)f(n)，數(shù)字信號(hào)f(n)與積分器輸出信號(hào)g(n)比較后輸出偏差信號(hào)e(n)，偏差信號(hào)經(jīng)判決后輸出數(shù)字編碼y(n)，該信號(hào)同時(shí)作為積分器輸出斜率的極性控制信號(hào)和積分器輸出斜率大小邏輯的輸人信號(hào)。在每個(gè)時(shí)鐘周期內(nèi)，若語(yǔ)音信號(hào)大于積分器輸出信號(hào)，則判決輸出為1，積分器輸出上升一個(gè)量階；若語(yǔ)音信號(hào)小于積分器輸出信號(hào)，則判決輸出為0，積分器輸出下降一個(gè)量階。 圖3 CVSD編碼系統(tǒng)框圖 當(dāng)CVSD工作于解碼方式時(shí)，其系統(tǒng)框圖如圖4所示。在每個(gè)時(shí)鐘周期內(nèi)，數(shù)字編碼y(n)被送到連碼檢測(cè)器，然后送到斜率幅度控

14、制電路以控制積分器輸出斜率的大小。若數(shù)字編碼y(n)輸入為1，則積分器的輸出上升一個(gè)量階；若數(shù)字輸入為0，則積分器的輸出下降一個(gè)量階，這相當(dāng)于編碼過(guò)程的逆過(guò)程。積分器的輸出通過(guò)低通濾波器平滑濾波后將重現(xiàn)輸入語(yǔ)音信號(hào)fin（t）。 圖4 CVSD解碼系統(tǒng)框圖 可見(jiàn)輸人信號(hào)的波形上升越快，輸出的連1碼就越多，同樣下降越快連0碼越多，CVSD編碼能夠很好地反映輸入信號(hào)的斜率大小。為使積分器的輸出能夠更好地逼近輸人語(yǔ)音信號(hào)，量階隨著輸入信號(hào)斜率大小而變化，當(dāng)信號(hào)斜率絕對(duì)值很大，編碼出現(xiàn)3個(gè)連1或連0碼時(shí)，則量階加一個(gè)增量，當(dāng)不出現(xiàn)上述碼型時(shí)，量階則相應(yīng)地減少。 為了減少編碼及譯碼的偏差，要求編碼和譯碼過(guò)程使用相同的時(shí)鐘頻率，而且采樣頻率應(yīng)符合奈奎斯特采樣定理，即至少為語(yǔ)音輸人頻率的兩倍。 CVSD通過(guò)不斷改變量階大小來(lái)跟蹤信號(hào)的變化以減小顆粒噪聲與斜率過(guò)載失真，量階調(diào)整是基于過(guò)去的3個(gè)或4個(gè)樣值輸出。具體編碼程序流程如圖5所示，具體解碼程