語(yǔ)音編碼技術(shù)及其在通信系統(tǒng)中的應(yīng)用

1、-. z.多媒體技術(shù)根底期末論文題目：語(yǔ)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：嫻*： 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)的迅速開展，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。比方說(shuō)，以前的手機(jī)根本上只可以打，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(yǔ)音信號(hào)所占的傳輸比例確實(shí)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(yǔ)音信號(hào)。比方說(shuō)我們經(jīng)常打，用語(yǔ)音發(fā)微信，聽音樂(lè)，看視頻等等。在可以預(yù)

2、見的未來(lái)通信中，盡管語(yǔ)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(yǔ)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)展模/數(shù)轉(zhuǎn)換再進(jìn)展數(shù)/模轉(zhuǎn)換，這種轉(zhuǎn)換就稱為語(yǔ)音編譯碼簡(jiǎn)稱語(yǔ)音編碼，其作用是將語(yǔ)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(yǔ)音數(shù)字信號(hào)復(fù)原為語(yǔ)音模擬信號(hào)?？梢?，語(yǔ)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)的飛速開展和廣泛應(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，盡量減少信號(hào)占有帶寬、持續(xù)時(shí)間和存

3、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(yǔ)音編碼技術(shù)，尤其是語(yǔ)音壓縮編碼技術(shù)編碼速率在16kbit/s以下，近年來(lái)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(lái)，隨著計(jì)算機(jī)技術(shù)、微電子技術(shù)、信號(hào)處理技術(shù)以及編碼理論的開展和進(jìn)步，語(yǔ)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)境各不一樣，傳輸信息也不完全一樣，用戶情況更是千差萬(wàn)別，因而對(duì)語(yǔ)音編碼提出的要求也就不盡一樣。綜合各種通信網(wǎng)絡(luò)對(duì)語(yǔ)音編碼的共同要求，大致有幾下幾點(diǎn)。1編碼速率要適合在常用話音信道傳

4、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(yǔ)音質(zhì)量要盡可能高，即譯碼后的恢復(fù)語(yǔ)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(yǔ)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(guò)高就不能在信道傳輸。因此，在實(shí)際應(yīng)用中要根據(jù)具體情況綜合分析和比擬，在各個(gè)要求之間進(jìn)展一定的折衷，選擇最正確的編碼方案。目前語(yǔ)音編碼已獲得非常廣泛的應(yīng)用，語(yǔ)音編碼系統(tǒng)的構(gòu)成也多種

5、多樣。歸納起來(lái)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(yǔ)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)字通信系統(tǒng)。下列圖分別畫出了這兩種語(yǔ)音編碼系統(tǒng)的原理方框圖。語(yǔ) 音譯碼器數(shù)字存儲(chǔ)媒介語(yǔ) 音編碼器輸入輸出語(yǔ)音語(yǔ)音數(shù)字語(yǔ)音錄放系統(tǒng)原理方框圖調(diào)制器信 道編碼器語(yǔ) 音編碼器輸入語(yǔ)音傳輸設(shè)備及信道解調(diào)器信 道譯碼器語(yǔ) 音譯碼器輸出語(yǔ)音數(shù)字通信系統(tǒng)原理方框圖數(shù)字語(yǔ)音錄放系統(tǒng)與模擬語(yǔ)音錄放系統(tǒng)相比，具有靈活性高、可控性強(qiáng)、壽命長(zhǎng)等有點(diǎn)。在這類語(yǔ)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，以降低數(shù)字存儲(chǔ)的容量。對(duì)譯碼器則要求算法盡量簡(jiǎn)單，本錢盡量低，能夠?qū)崟r(shí)譯碼

6、或根本實(shí)時(shí)譯碼，以減少響應(yīng)時(shí)延。數(shù)字通信系統(tǒng)與模擬通信系統(tǒng)相比，具有抗干擾能力強(qiáng)、性好、易于集成化等優(yōu)點(diǎn)。在數(shù)字通信系統(tǒng)中，一般都要時(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(yǔ)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。波形編碼是最根本的語(yǔ)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(yǔ)音波形保持原始語(yǔ)音信號(hào)的波形形狀。具有語(yǔ)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/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(yǔ)音質(zhì)量等性能指標(biāo)下降很快，但

7、是假設(shè)編碼速率過(guò)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)展編碼和傳輸，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(yǔ)音信號(hào)。參數(shù)編碼通過(guò)對(duì)語(yǔ)音信號(hào)特征參數(shù)的提取和編碼，力求使重建語(yǔ)音信號(hào)具有盡可能高的可懂度，即保持原語(yǔ)音信號(hào)的語(yǔ)意，但重建語(yǔ)音信號(hào)的波形與原語(yǔ)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(yǔ)音編碼，其編碼速率可低至2.4kbit/s一下。其缺點(diǎn)是語(yǔ)音質(zhì)量差，自然度較低，即使是熟人一般也聽不出講話人是誰(shuí)。此外，參數(shù)編碼的堅(jiān)韌性也不夠好。混合編碼是在采用線性

8、預(yù)測(cè)編碼LPC技術(shù)的語(yǔ)音參數(shù)編碼的根底上，通過(guò)許多的改良措施，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(lái)，克制了它們的缺點(diǎn)，借鑒了它們的長(zhǎng)處，是近年來(lái)在語(yǔ)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(yǔ)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)用并正處于迅速開展之中，目前仍有許多新的編碼算法不斷出現(xiàn)。語(yǔ)音編碼所要解決的根本問(wèn)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(yǔ)音質(zhì)量或稱編碼質(zhì)量，同時(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

9、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(yǔ)音編碼所需的速率等。這5個(gè)方面的要求，就是衡量語(yǔ)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(lái)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(yǔ)音樣點(diǎn)用多少比特編碼，一般用R表示，V和R可以通過(guò)取樣速率聯(lián)系起來(lái)： 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(yǔ)音波形或參數(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(yǔ)音編碼的話音質(zhì)量有

10、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)于一樣的話音質(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、功耗以及本錢等。增加算法的復(fù)雜程度可以提高語(yǔ)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(yǔ)音通信系統(tǒng)中，語(yǔ)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)方答復(fù)需要1s，已明顯感到對(duì)方反響遲鈍。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)延比擬小時(shí)，回聲同話機(jī)側(cè)音及房間交混回響聲想混，

11、因而感覺(jué)不到。當(dāng)往返總時(shí)延超過(guò)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)聽到屢次回聲，從而嚴(yán)重影響通話質(zhì)量。近年來(lái)，一方面由于社會(huì)進(jìn)步和科技開展所帶來(lái)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)的飛速開展提供了良好的條件，語(yǔ)音編碼技術(shù)在許多方面都取得了突破性的進(jìn)展，有很多的研究和開展的熱點(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(yǔ)音編碼技術(shù)；寬頻帶高音質(zhì)聲頻編碼技術(shù)。下面簡(jiǎn)要介紹這兩個(gè)熱點(diǎn)課題的研究和開展情況。一、極低語(yǔ)音編碼技術(shù)編碼速率低于1200bit/s的語(yǔ)音編碼，稱為極

12、低速率語(yǔ)音編碼。為了滿足日益增長(zhǎng)的對(duì)通信的巨大客觀需求，現(xiàn)代通信一方面在努力建立新的通信線路，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，短期無(wú)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(guò)大；在這些情況下，低速率語(yǔ)音編碼是一種最正確選擇，每壓縮一比特速率都會(huì)帶來(lái)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(yǔ)音通信等，

13、無(wú)法或極難新建或擴(kuò)展信道，在這種條件下，極低速率語(yǔ)音編碼就成為唯一選擇。綜上所述可見，在保證良好語(yǔ)音質(zhì)量的前提下，大力壓縮語(yǔ)音編碼速率，實(shí)現(xiàn)極低速率語(yǔ)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(yǔ)音編碼技術(shù)速率在1200bit/s到400bit/s的語(yǔ)音編碼技術(shù)，其編碼算法一般是在2.4kbit/s的聲碼器的根底上，利用幀間相關(guān)性和矢量量化技術(shù)進(jìn)一步進(jìn)展數(shù)據(jù)壓縮，實(shí)現(xiàn)極低速率的語(yǔ)音編碼。幀填充技術(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(yǔ)音的平穩(wěn)段，如濁音段，幀與幀之間的變化不大。假設(shè)每隔一

14、幀作一次編碼和傳輸，并通知承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(yǔ)音質(zhì)量根本保持不變。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。其根本思路是：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(jué)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)的最正確碼字，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)展編碼傳輸。這樣就可以進(jìn)一步降低編碼速率，又不會(huì)過(guò)多的影響語(yǔ)音質(zhì)量。2、400b

15、it/s以下的語(yǔ)音編碼技術(shù)雖然從信息論的觀點(diǎn)來(lái)看，語(yǔ)音編碼的信息速率下限是50bit/s左右，但是，大量的研究結(jié)果說(shuō)明，假設(shè)是將比特率降低到400bit/s以下，目前低速率語(yǔ)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(yǔ)音質(zhì)量根本無(wú)法到達(dá)公眾能夠承受的程度。所以為使語(yǔ)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(yǔ)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)別合成型聲碼器的根本原理識(shí)別合成型聲碼器，采用語(yǔ)音識(shí)別與合成技術(shù)對(duì)語(yǔ)音基元進(jìn)展編碼。語(yǔ)音基元可以是音素、音節(jié)或詞，任何一種語(yǔ)言的音素或音節(jié)是一個(gè)有限數(shù)目的集合比方說(shuō)漢語(yǔ)拼音里面的聲

16、母、韻母等，又比方英語(yǔ)中的音標(biāo)，用其作為基元進(jìn)展編碼，就可以實(shí)現(xiàn)無(wú)限詞匯的語(yǔ)音編碼。這種聲碼器在發(fā)送端采用語(yǔ)音識(shí)別技術(shù)進(jìn)展語(yǔ)音基元識(shí)別和編碼，接收端根據(jù)收到的語(yǔ)音基元代碼和*些附加的韻律信息再重新合成語(yǔ)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(yǔ)音，所以其傳輸速率很低，而且接收端恢復(fù)出的合成語(yǔ)音其質(zhì)量非常好。目前已研制成功的漢語(yǔ)識(shí)別合成型聲碼器，其速率低于200bit/s，語(yǔ)句可懂度達(dá)95%以上。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(yǔ)音。一個(gè)無(wú)限詞匯漢語(yǔ)識(shí)別合成型聲碼器的原理方框圖如下

17、列圖所示。連續(xù)語(yǔ)音識(shí)別系統(tǒng)語(yǔ)音識(shí)別結(jié)果語(yǔ)音合成系統(tǒng)合成語(yǔ)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(yǔ)識(shí)別合成型聲碼器的編碼速率終究能降至多少？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(wèn)題，假設(shè)采用標(biāo)量量化，每幀10ms用8bit對(duì)基音周期進(jìn)展編碼，編碼速率將到達(dá)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)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(zhǎng)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

18、為60bit/s150bit/s。這就是漢語(yǔ)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(yǔ)音編碼技術(shù)在沿著極低速率語(yǔ)音編碼方向開展的同時(shí)，近年來(lái)又適應(yīng)數(shù)字音頻播送、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)聲頻編碼的方向開展，這也是語(yǔ)音編碼目前一個(gè)很重要的開展動(dòng)向，受到人們的極大關(guān)注。寬頻帶聲頻有供人們娛樂(lè)和鑒賞的功能，因此對(duì)于寬頻帶聲頻編碼的重建語(yǔ)音的音質(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(yǔ)音的質(zhì)量能夠到達(dá)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

19、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。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-MMDCT-MQMFB 5.511 M帶頻譜 5.511MDCT-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(jué)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(jué)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)能量一樣，聽覺(jué)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