L11-1語音壓縮編碼

第十一講

聲音壓縮技術(shù)及標(biāo)準(zhǔn)一、音頻壓縮概述聲音壓縮編碼技術(shù)分類多媒體計(jì)算機(jī)處理的數(shù)字化聲音有以下幾種，其處理方法有所不同，數(shù)字語音(窄帶聲音)包括：電話語音、調(diào)幅廣播聲音，其頻率范圍比較窄,普通語音為200-3400Hz,AM廣播為50-7000Hz，典型采樣頻率為8KHz、16KHz，量化精度為8bit或16bit。常采用波形編碼、參數(shù)編碼和混合編碼方法來壓縮。(如下圖所示)典型壓縮編碼標(biāo)準(zhǔn)有:G.711、G.721、G.722、G.723、G.726、G.727、G.728、G.729等。聲音壓縮編碼技術(shù)分類無失真壓縮音頻壓縮方法有失真壓縮Huffman編碼行程編碼波形編碼參數(shù)編碼混合編碼全頻帶編碼PCMDPCMADPCM子帶編碼自適應(yīng)變換編碼ATC

心理聲學(xué)模型矢量量化線性預(yù)測(cè)LPC矢量和激勵(lì)線性預(yù)測(cè)VSELP多脈沖線性預(yù)測(cè)MP-LPC碼本激勵(lì)線性預(yù)測(cè)CELP聲音壓縮編碼技術(shù)分類自然界聲音（寬帶音頻）即高保真立體聲音，這種聲音質(zhì)量最好。頻帶寬，覆蓋了人的聽覺范圍(20-20000Hz)，采樣頻率高，典型為11.025KHz、22.05KHz、44.1KHz及其它值，數(shù)據(jù)量極大。壓縮時(shí)應(yīng)充分利用人的聽覺特性，建立起心理聲學(xué)模型，采用以變換編碼和子帶編碼為主的感知音頻編碼技術(shù)。典型壓縮編碼標(biāo)準(zhǔn)有:AC-3、MPEG音頻編碼。符號(hào)化聲音（合成聲音）MIDI合成音樂、TTS合成語音本講主要內(nèi)容語音壓縮技術(shù)語音(包括AM廣播音頻）壓縮標(biāo)準(zhǔn)MPEG-1音頻編碼標(biāo)準(zhǔn)(第1-3層)MPEG-2AAC高級(jí)音頻編碼標(biāo)準(zhǔn)MPEG-4音頻編碼標(biāo)準(zhǔn)二、語音壓縮技術(shù)2.1波形編碼波形編碼：是典型的建立在聲音采樣數(shù)據(jù)的統(tǒng)計(jì)特性和人體聽覺特性基礎(chǔ)上的，目標(biāo)是使重建語音波形保持原波形的形狀。其編碼特點(diǎn)是：適應(yīng)性強(qiáng)、壓縮比小、音質(zhì)好。主要算法包括：PCM(脈沖編碼調(diào)制）、DPCM（差值量化）、APCM（自適應(yīng)量化）、ADPCM（自適應(yīng)預(yù)測(cè)編碼）、ATC（自適應(yīng)變換編碼）、等。2.1波形編碼脈沖編碼調(diào)制(PCM)采樣、量化、編碼標(biāo)量量化：均勻量化非均勻量化(u-law或A-law對(duì)數(shù)壓擴(kuò))增量調(diào)制(DM)與自適應(yīng)增量調(diào)制(ADM)差分脈碼調(diào)制(DPCM)增加預(yù)測(cè)器2.1波形編碼圖1DPCM的基本工作原理

2.1波形編碼(續(xù))自適應(yīng)差分脈碼調(diào)制(ADPCM)自適應(yīng)量化自適應(yīng)預(yù)測(cè)量化器量化階距調(diào)節(jié)逆量化器預(yù)測(cè)器+-++PCM樣本預(yù)測(cè)樣本差分信號(hào)2.2參數(shù)編碼參數(shù)編碼：建立在音頻產(chǎn)生模型的基礎(chǔ)上，通過提取聲學(xué)特征參數(shù)和激勵(lì)信號(hào)，并編碼，解碼后根據(jù)相同模型合成音頻信號(hào)。其目標(biāo)是使重建的音頻信號(hào)盡量保持原有的音頻特性。參數(shù)編碼的特點(diǎn)是：壓縮率大、數(shù)據(jù)率低、計(jì)算量大、保真度差，自然度低，適用于語音信號(hào)的編碼。典型編碼算法：LPC

(線性預(yù)測(cè)編碼），該編碼可將語音數(shù)據(jù)比特率壓縮到2~4.8Kbit/s，甚至更低。2.2參數(shù)編碼語音生成機(jī)構(gòu)的模型：聲源:濁音(元音)、清音（摩擦音）、爆破音聲道：用可變參數(shù)的數(shù)字濾波器來模擬。語音基本參數(shù)：基音周期、共振蜂、語音譜、聲強(qiáng)等。參數(shù)估計(jì)：LPC(線性預(yù)測(cè)編碼)聲源共鳴機(jī)構(gòu)放射機(jī)構(gòu)語音聲道2.2參數(shù)編碼(續(xù))脈沖序列發(fā)生器隨機(jī)噪聲發(fā)生器數(shù)字濾波器…基因周期增益控制增益控制濁音清音聲道參數(shù)語音信號(hào)語音生成機(jī)構(gòu)的模型2.3混合編碼混合編碼：集合了波形編碼和參數(shù)編碼的優(yōu)點(diǎn)，可以在較低的碼率下獲得較高音質(zhì)。一種被普遍使用的非常成功的混合編解碼器就是“分析-合成”編解碼器

(

AbS–AnalysisbySynthesis）。2.3混合編碼AbS

編解碼器:其激勵(lì)信號(hào)波形盡可能接近于原始話音的波形；它把輸入話音信號(hào)分成許多幀（frames）,一般幀長(zhǎng)為20ms。編碼器一幀一幀地“分析”，得到語音信號(hào)參數(shù)；解碼器根據(jù)參數(shù)，一幀一幀地“合成”，恢復(fù)出原始語音信號(hào)的近似值。2.3混合編碼(續(xù))激勵(lì)生成合成濾波器-誤差最小化聽覺加權(quán)語音輸入s(n)u(n)s’(n)e(n)ew(n)…形狀增益參數(shù)激勵(lì)生成合成濾波器u(n)s’(n)…形狀增益參數(shù)重構(gòu)語音AbS編碼器AbS

解碼器2.3混合編碼(續(xù))典型的混合編碼技術(shù)有：矢量和激勵(lì)

線性預(yù)測(cè)（VSELP）多脈沖-線性預(yù)測(cè)編碼（MP-LPC）碼本激勵(lì)線性預(yù)測(cè)（CELP），包括：短時(shí)延-碼本激勵(lì)線性預(yù)測(cè)（LD-CELP）規(guī)則脈沖激勵(lì)-長(zhǎng)時(shí)線性預(yù)測(cè)（RPE-LTP）三、語音壓縮標(biāo)準(zhǔn)3.1電話質(zhì)量的語音壓縮標(biāo)準(zhǔn)電話質(zhì)量的聲音頻率范圍為：200–3400Hz。ITU–TS(原CCITT)建議的語音壓縮的標(biāo)準(zhǔn)：

G.711：采用PCM

編碼，采樣速率為8kHz，量化位數(shù)為8bit，推薦使用A律或律量化，對(duì)應(yīng)的比特流速率為64kbit/s。

G.721：ITU建議的G.721將64Kbps的比特流轉(zhuǎn)換為32Kbps的流，它是基于ADPCM

技術(shù)。每個(gè)數(shù)值差分用4位編碼，其采樣率為8kHz。3.1電話質(zhì)量的語音壓縮標(biāo)準(zhǔn)G.728：它的比特率為16Kbps，帶寬限于3.4kHz。其音質(zhì)(MOS=3.7-4.0)比G.711或G.722差得多。它基于一種稱為低延遲代碼激勵(lì)線性預(yù)測(cè)(LD—CELP)的向量量化技術(shù)。

CELP(碼本激勵(lì)線性預(yù)測(cè))已被采納為美國(guó)聯(lián)邦通信標(biāo)準(zhǔn)1016，可將語音壓縮至4.8Kbps，其音質(zhì)與普通電話差不多(MOS=3.7–4.0)，常用于

移動(dòng)通信領(lǐng)域。3.1電話質(zhì)量的語音壓縮標(biāo)準(zhǔn)而美國(guó)聯(lián)邦通信標(biāo)準(zhǔn)1015使用CELP的一個(gè)簡(jiǎn)化版本，稱為線性預(yù)測(cè)編碼(LPC)。LPC–10E標(biāo)準(zhǔn)采用一種向量量化方法，數(shù)據(jù)速率只有2.4Kbps，可用于保密話音的傳輸；但聲音質(zhì)量較差(MOS=2.5–3.5)，聽起來有點(diǎn)象機(jī)器在說話。語音編碼標(biāo)準(zhǔn)一覽表標(biāo)準(zhǔn)編碼類型比特率（kbps）MOS復(fù)雜性時(shí)延(ms)G.711PCM644.310.125G.721ADPCM324.0100.125G.728LD-CELP164.0500.625GSMRPE_LTP133.7520G.729、G.729ACSA-CELP84.030、1515G.723.1MP-LPC

6.33.82537.5G.723.1ACELP5.3

USDod

LPC-102.4合成語音1022.53.1電話質(zhì)量的語音壓縮標(biāo)準(zhǔn)上表說明：MOS（長(zhǎng)話質(zhì)量的語音平均意見得分）復(fù)雜性（以G.711為基準(zhǔn)）時(shí)延（幀大小，即語音流量的時(shí)間長(zhǎng)度）在選擇語音壓縮標(biāo)準(zhǔn)時(shí)，應(yīng)綜合考慮帶寬、時(shí)延、算法復(fù)雜度等各種因素。3.1.1移動(dòng)電話語音壓縮標(biāo)準(zhǔn)GSM編碼標(biāo)準(zhǔn)是1983年歐洲數(shù)字移動(dòng)特別工作組（GSM）制定的一種移動(dòng)電話的壓縮標(biāo)準(zhǔn)，它壓縮的音質(zhì)不如G.711系統(tǒng)。在GSM-6.10標(biāo)準(zhǔn)中，采用RPE-LTP算法，壓縮后的一路話音數(shù)碼率為13Kbps。1989年美國(guó)公布的數(shù)字移動(dòng)通信標(biāo)準(zhǔn)(CTIA)速率為8kbit/s，具有較高的壓縮率和較高的語音質(zhì)量。USDod標(biāo)準(zhǔn)是美國(guó)國(guó)家安全局(NSA)分別于1982年和1989年制定了基于LPC速率為2.4kbit/s的編碼方案和基于速率為4.8kbit/s的編碼方案。G.729標(biāo)準(zhǔn)3.2調(diào)幅廣播質(zhì)量的音頻壓縮標(biāo)準(zhǔn)調(diào)幅(AM)廣播質(zhì)量的聲音頻率范圍：50Hz－7kHz，稱為“7kHz音頻信號(hào)”。其中，50-200Hz的低頻頻段使語音更加自然，因此AM廣播聲音比傳統(tǒng)的窄帶話音（200-3.4kHz）有更好的主觀質(zhì)量。ITU于1986年通過G.722標(biāo)準(zhǔn)。

G.722：基于SB–ADPCM（子帶－自適應(yīng)差分脈碼調(diào)制）技術(shù)，它將50Hz到7kHz的信號(hào)帶寬分成兩個(gè)獨(dú)立的子帶信道，而每個(gè)子帶又可以繼續(xù)分割；然后分別采用ADPCM算法編碼。壓縮后的數(shù)碼率分64、56、48kbps三種，可分別插入0、8、16kbps的數(shù)據(jù)與語音信號(hào)一起傳輸。3.2.1

G.722.1標(biāo)準(zhǔn)G.722.1標(biāo)準(zhǔn)主要采用SB-ADPCM編碼算法，輸入聲音采樣頻率為16kHz和16bit量化時(shí)，能夠在24或32kbps速率下提供7kHz的音頻帶寬，是普通電話呼叫質(zhì)量的兩倍多，所用速率僅為先前標(biāo)準(zhǔn)的一半，并可提供近于FM廣播的音頻質(zhì)量。G.722.1標(biāo)準(zhǔn)適合于一些重要應(yīng)用領(lǐng)域，包括：

IP電話、第三代移動(dòng)通信、PSTN高品質(zhì)電話會(huì)議和商務(wù)應(yīng)用(包括點(diǎn)到點(diǎn)和多點(diǎn))、語音流、ISDN寬帶技術(shù)、ISDN可視電話和會(huì)議電視等。3.2.2G.722.2標(biāo)準(zhǔn)G.722.2主要采用代數(shù)編碼激勵(lì)線性預(yù)測(cè)技術(shù)，符合此標(biāo)準(zhǔn)的編解碼器也被稱為AMR-WB編解碼器，已被3GPP采用，作為應(yīng)用于GSM和第三代無線W-CDMA的寬帶編解碼器。這標(biāo)志著無線與有線業(yè)務(wù)首次得以采用同一編解碼器。AMR-WB編解碼器