數(shù)字語(yǔ)音處理及MATLAB仿真之語(yǔ)音編碼課件

1、1 概述1 2 語(yǔ)音編碼的分類及特性 3 語(yǔ)音編碼性能的評(píng)價(jià)指標(biāo)34 語(yǔ)音信號(hào)波形編碼4 5 語(yǔ)音信號(hào)參數(shù)編碼52語(yǔ)音編碼6 7 語(yǔ)音信號(hào)寬帶變速率編碼 7 6 語(yǔ)音信號(hào)混合編碼1 概述 語(yǔ)音數(shù)字通信的優(yōu)越性主要體現(xiàn)在： 更好的話音質(zhì)量；更強(qiáng)的抗干擾性，易于進(jìn)行加密；節(jié)省帶寬，更有效地利用網(wǎng)絡(luò)資源；更易于存儲(chǔ)和處理。 最簡(jiǎn)單的數(shù)字化方法是直接對(duì)語(yǔ)音信號(hào)進(jìn)行模/數(shù)轉(zhuǎn)換，只要滿足一定的采樣率和量化要求，就能夠得到高質(zhì)量的數(shù)字語(yǔ)音。但這時(shí)語(yǔ)音的數(shù)據(jù)量仍舊非常大，因此在進(jìn)行傳輸和存儲(chǔ)之前，往往要對(duì)其進(jìn)行進(jìn)行壓縮編碼，以減少其傳輸碼率或存儲(chǔ)量。 傳輸碼率也稱為數(shù)碼率或編碼速率，表示傳輸每秒鐘語(yǔ)音信號(hào)所需

2、的比特?cái)?shù)。 語(yǔ)音編碼的目的： 在保證語(yǔ)音音質(zhì)和可懂度的條件下，采用盡可能少的比特?cái)?shù)來(lái)表示語(yǔ)音。 通常所說(shuō)的“話音編碼”，是特指通信傳輸系統(tǒng)中代表口語(yǔ)發(fā)聲的300Hz3400Hz的信號(hào)。 本章以前面學(xué)習(xí)過的語(yǔ)音信號(hào)處理技術(shù)和方法為基礎(chǔ)，介紹語(yǔ)音編碼基本原理和常用的編碼方法。2 語(yǔ)音編碼的分類及特性 按編碼方式語(yǔ)音編碼分為三種： 波形編碼 參數(shù)編碼 混合編碼 波形編碼優(yōu)點(diǎn)： 適應(yīng)能力強(qiáng)，算法簡(jiǎn)單，易于實(shí)現(xiàn)，語(yǔ)音質(zhì)量好。 波形編碼缺點(diǎn)： 編碼速率高，一般在16kbit/s64kbit/s之間。 傳統(tǒng)的波形編碼方法分類： 脈沖編碼調(diào)制(PCM) 自適應(yīng)增量調(diào)制(ADM) 自適應(yīng)差分脈沖編碼調(diào)制(ADP

3、CM) 脈沖編碼調(diào)制PCM編碼速率:64kbit/s自適應(yīng)增量調(diào)制ADM編碼速率:32kbit/s-16kbit/s 自適應(yīng)差分脈沖編碼調(diào)制ADPCM編碼速率:32kbit/s 參數(shù)編碼優(yōu)點(diǎn): 編碼速率低，且這類編碼器對(duì)講話環(huán)境噪聲較敏感，需要安靜環(huán)境才能給出較高的可懂度。 參數(shù)編碼器有： 共振峰聲碼器 線性預(yù)測(cè)聲碼器 余弦聲碼器。2.3 混合編碼 二十世紀(jì)80年代產(chǎn)生混合編碼。 優(yōu)點(diǎn)：保留參數(shù)編碼技術(shù)精華，并引用波形編碼準(zhǔn)則去優(yōu)化激勵(lì)源信號(hào)，克服了原有波形和參數(shù)編碼的弱點(diǎn)，而吸取了它們各自的長(zhǎng)處。 缺點(diǎn)：算法復(fù)雜、運(yùn)算量很大。 編碼速率：4kbit/s16kbit/s 包括：多脈沖激勵(lì)線性預(yù)

4、測(cè)編碼(MPELP) 碼本激勵(lì)線性預(yù)測(cè)編碼(CELP)2.4 語(yǔ)音壓縮編碼的依據(jù) 語(yǔ)音編碼的目的： 在給定的編碼速率下，使編解碼后恢復(fù)出的重構(gòu)語(yǔ)音的質(zhì)量盡可能高。 提高語(yǔ)音編碼效率的基本途徑： 充分利用語(yǔ)音信號(hào)冗余度和人耳的聽覺特性。 語(yǔ)音的冗余度主要來(lái)源于兩個(gè)方面： 語(yǔ)音信號(hào)幅度分布的非均勻性； 語(yǔ)音樣點(diǎn)之間的相關(guān)性。 語(yǔ)音信號(hào)幅度統(tǒng)計(jì)特性： 具有動(dòng)態(tài)的、時(shí)變的、多維的暫態(tài)概率密度分布的隨機(jī)過程。統(tǒng)計(jì)時(shí)間長(zhǎng)度不同，它表現(xiàn)的概率密度分布形式不同。 一般長(zhǎng)時(shí)(幾十秒以上)統(tǒng)計(jì)幅度特性接近于gamma分布，短時(shí)(幾到幾十毫秒)統(tǒng)計(jì)幅度特性接近于高斯分布。 但無(wú)論哪種統(tǒng)計(jì)特性，語(yǔ)音信號(hào)總是小幅度出現(xiàn)

5、概率大，大幅度出現(xiàn)概率小。 語(yǔ)音信號(hào)具有冗余度的另一原因：語(yǔ)音樣點(diǎn)之間存在相關(guān)性。 利用語(yǔ)音信號(hào)的相關(guān)性，在時(shí)域上采用短時(shí)和長(zhǎng)時(shí)預(yù)測(cè)，在頻域上采用譜平整方法，可以達(dá)到壓縮編碼比特率的目的。 語(yǔ)音壓縮編碼的第二個(gè)途徑是利用人耳的聽覺特性。 人類聽覺有一個(gè)特點(diǎn)： “聽覺掩蔽效應(yīng)”，是指一個(gè)強(qiáng)音能抑制一個(gè)同時(shí)存在的弱音的聽覺。 聽覺掩蔽效應(yīng)在語(yǔ)音壓縮編碼中有非常重要的作用。3.1 編碼速率 編碼速率直接反映了語(yǔ)音編碼對(duì)語(yǔ)音信息的壓縮程度。度量方法有： “比特/秒”(bit/s) ：代表編碼的總速率，一般用I表示； “比特/樣點(diǎn)”(bit/p)：代表平均每個(gè)語(yǔ)音樣點(diǎn)編碼時(shí)所用的比特?cái)?shù)，用R表示。 平均

6、每樣點(diǎn)比特?cái)?shù)R越高，語(yǔ)音質(zhì)量越容易提高，對(duì)傳輸帶寬或存儲(chǔ)容量要求也就越高。 降低編碼速率是語(yǔ)音編碼的首要目標(biāo)，根據(jù)編碼速率和輸入語(yǔ)音的關(guān)系可將編碼器分成兩類：固定速率編碼器和可變速率編碼器。 現(xiàn)在大部分編碼標(biāo)準(zhǔn)都是固定速率編碼，其范圍為0.8kbit/s64kbit/s。其中： 保密電話的編碼速率為：0.8kbit/s4.8kbit/s 數(shù)字蜂窩移動(dòng)電話和衛(wèi)星電話編碼器編碼速率為： 3kbit/s13kbit/s 蜂窩系統(tǒng)總的編碼速率達(dá)到：20kbit/s30kbit/s 普通電話網(wǎng)的編碼速率為：16kbit/s64kbit/s 寬帶編碼器編碼速率為：48/56/64kbit/s 可變速率編碼

7、主要包括兩個(gè)算法：一是話音激活檢測(cè)(VAD)，主要用于確定輸入信號(hào)是語(yǔ)音還是背景噪聲；二是舒適噪聲的生成(CNG)，主要用于接收端重建背景噪聲。 除以上兩種算法外，可變速率編碼還包括以下兩個(gè)關(guān)鍵技術(shù)：速率判決技術(shù)(RDA,Rate Decision Algorithm)以及差錯(cuò)隱藏。3.2 編碼質(zhì)量 編碼質(zhì)量評(píng)價(jià)是語(yǔ)音編碼性能的最根本指標(biāo)，分為兩類：主觀評(píng)價(jià)方法和客觀評(píng)價(jià)方法。 1語(yǔ)音質(zhì)量主觀評(píng)價(jià)方法 方法實(shí)現(xiàn)：在一組測(cè)試者對(duì)原始語(yǔ)音和合成語(yǔ)音進(jìn)行對(duì)比試聽的基礎(chǔ)上，根據(jù)某種事先約定的尺度來(lái)對(duì)語(yǔ)音質(zhì)量劃分等級(jí)。 常用的方法包括： 平均意見得分MOS： Mean Opinion Score 判斷韻

8、字測(cè)試DRT：Diagnostic Rhyme Test 判斷滿意度測(cè)量DAM：Diagnostic Acceptability Measure 主觀評(píng)價(jià)方法符合人聽話時(shí)對(duì)語(yǔ)音質(zhì)量的感覺，目前得到了廣泛應(yīng)用。常用方法是平均意見得分(Mean Opinion Score，簡(jiǎn)稱MOS得分)等。 MOS得分為五級(jí)評(píng)分標(biāo)準(zhǔn)，如表8.1所示，多人收聽完測(cè)試語(yǔ)音后打分，求出平均值，為MOS分。 主觀評(píng)價(jià)方法一般都是由較大的通信組織來(lái)完成，個(gè)人很少采用。 表8.1 MOS分五級(jí)標(biāo)準(zhǔn)及對(duì)應(yīng)語(yǔ)音質(zhì)量 MOS分 質(zhì)量級(jí)別 失真級(jí)別 5 優(yōu)不覺察 4 良剛有覺察 3 中有覺察且稍覺可厭 2 差明顯覺察且可厭但可忍受

9、 1 壞不可忍受 2語(yǔ)音質(zhì)量客觀評(píng)價(jià)方法 該方法建立在原始語(yǔ)音和合成語(yǔ)音的數(shù)學(xué)對(duì)比之上，分為時(shí)域客觀評(píng)價(jià)和頻域客觀評(píng)價(jià)兩類。 時(shí)域客觀評(píng)價(jià)方法有信噪比、加權(quán)信噪比、平均分段信噪比等。 頻域客觀評(píng)價(jià)方法有巴克譜失真測(cè)度BSD和MEL譜測(cè)度等。 特點(diǎn)：計(jì)算簡(jiǎn)單、結(jié)果客觀、不受個(gè)人主觀因素的影響。 缺陷：不能完全反映人類對(duì)語(yǔ)音的聽覺效果。 分段SNR(SNRseg)評(píng)價(jià)法： 是把每隔(10ms30ms)短時(shí)間所測(cè)定的SNR的dB值在長(zhǎng)時(shí)間聲音區(qū)間取平均而得到的值來(lái)表示的方法，能夠反映出量化器對(duì)不同電平輸入段的量化質(zhì)量，具有與主觀值對(duì)應(yīng)比較好的特征。 SNR是經(jīng)常采用的一種客觀評(píng)價(jià)方法。 3PESQ語(yǔ)

10、音質(zhì)量評(píng)價(jià)法 2001年2月，感知語(yǔ)音質(zhì)量評(píng)價(jià)PESQ方法被ITU-T確定為P.862建議，成為了窄帶電話網(wǎng)絡(luò)和語(yǔ)音編解碼器端到端語(yǔ)音質(zhì)量的客觀評(píng)價(jià)方法。 P.862建議提供了(-0.5，4.5)內(nèi)的原始輸出評(píng)分PESQ值，同時(shí)又給出一個(gè)“映射函數(shù)”將P.862的輸出結(jié)果轉(zhuǎn)換成一個(gè)MOS-LQO評(píng)分，以便于將P.862的結(jié)果和MOS的結(jié)果進(jìn)行線性比較。 3.3 編解碼延時(shí) 編解碼延時(shí)一般用單次編解碼所需時(shí)間表示。 公用電話網(wǎng)編解碼延時(shí)通常要求:不超過510ms 移動(dòng)蜂窩通信系統(tǒng)允許最大延時(shí):不超過100ms 算法復(fù)雜度運(yùn)算能力衡量方法： 每秒鐘信號(hào)樣本所需的數(shù)字信號(hào)處理器(DSP)指令條數(shù)、單

11、位“百萬(wàn)次操作/秒”MOPS或“百萬(wàn)條指令/秒”MIPS等來(lái)對(duì)算法復(fù)雜度進(jìn)行描述。 存儲(chǔ)器容量衡量方法： 通常用千字kwords或千字節(jié)kb的數(shù)量來(lái)衡量。算法越復(fù)雜則運(yùn)算量越大，需要一片或多片DSP芯片以及較大容量的存儲(chǔ)區(qū)方可實(shí)現(xiàn)。 4 語(yǔ)音信號(hào)波形編碼4.1 脈沖編碼調(diào)制PCM (Pulse Code ModulationPCM) PCM是最簡(jiǎn)單的波形編碼方法，它把語(yǔ)音信號(hào)樣本幅值量化到N=2B 個(gè)碼字中的一個(gè)，這樣每個(gè)樣本需用B比特來(lái)表示。假定信號(hào)帶寬是WHz，根據(jù)取樣定理，總的比特率（每秒鐘比特?cái)?shù)）將是2WB比特/秒。 1均勻量化PCM 均勻量化PCM：輸入信號(hào)x(n)幅值的范圍被分成N

12、個(gè)相同寬度的區(qū)間，所有落入同一區(qū)間的樣本都編碼成相同的二進(jìn)制碼字。 只要N足夠大，可以合理地假定，量化誤差e(n)在各個(gè)寬度為的區(qū)間里是均勻分布的。 量化誤差e(n)在各個(gè)寬度為的區(qū)間里均勻分布，信號(hào)對(duì)量化噪聲的功率比（簡(jiǎn)稱信噪比）可近似地寫成： 用分貝表示時(shí)，有式中， 和 是輸入信號(hào)和量化噪聲的方差或平均能量，是輸入信號(hào)的峰值，B是量化的比特?cái)?shù)。 那么有： 和 這表明，量化器每增加一個(gè)比特，信號(hào)量化噪聲比增加6dB。量化比特?cái)?shù)B的選擇要考慮到輸入信號(hào)已有的信噪比。當(dāng)要求60dB的SNR時(shí)，B至少應(yīng)取11。此時(shí)，對(duì)于帶寬為4kHz的電話語(yǔ)音信號(hào)，若采樣率為8kHz，則PCM要求的速率為88kb

13、it/s。這樣的比特率是比較高的。 均勻量化PCM在下列兩個(gè)假設(shè)條件下效果是很好的： (1)輸入信號(hào)幅度變化范圍是已知的； (2)信號(hào)幅度值在已知的范圍內(nèi)是均勻分布的。 2對(duì)數(shù)PCM 非均勻量化：即讓量化間隔大小不相等。對(duì)小的輸入信號(hào)值量化間隔較小，對(duì)大的信號(hào)值量化間隔較大。這樣，可以對(duì)任何輸入信號(hào)電平保持近似相同的信噪比。 常用的-律或A-律量化器就是非均勻量化器。非均勻量化可以等效于把信號(hào)幅度非線性地壓縮后再進(jìn)行線性量化，對(duì)數(shù)壓縮是比較理想的。-律壓縮就是最常用的一種。 -律壓縮的定義是： 式中 是信號(hào) 的最大幅值，是參變量，控制壓縮程度，=0表示沒有壓縮，值愈大壓縮越厲害，故稱之為-律壓

14、縮。 在-律量化情況下，可推導(dǎo)出其信號(hào)量化噪聲比公式為： 與-律量化具有相同效果的還有A-律量化，A-律壓縮特性可表示成： A-律壓縮的動(dòng)態(tài)范圍略小些，在小信號(hào)時(shí)質(zhì)量要較-律差些，A-律最小量化間隔是2/4096，而-律是2/8159，事實(shí)上這二者的差別是不易覺察到的。無(wú)論是A-律或-律，其特性在x值小時(shí)都是線性的，在x值大時(shí)則呈現(xiàn)對(duì)數(shù)壓縮特性。 采用A-律或-律量化的脈沖編碼調(diào)制系統(tǒng)統(tǒng)稱為對(duì)數(shù)PCM系統(tǒng)，是目前最為成熟的一種語(yǔ)音壓縮編碼方法。 3 自適應(yīng)量化PCM 自適應(yīng)量化是指量化器的特性自適應(yīng)于輸入信號(hào)的幅度的變化，即(a) 量化間隔可變：一個(gè)自適應(yīng)量化器的量化間隔應(yīng)自適應(yīng)地改變，并與輸

15、入信號(hào)的幅度方差保持相匹配。(b) 增益可變:在一個(gè)固定的量化器前，加一個(gè)自適應(yīng)的增益控制，使進(jìn)入量化器的輸入信號(hào)方差保持為固定的常數(shù)。采用自適應(yīng)量化器的PCM 就稱為“自適應(yīng)脈沖編碼調(diào)制”(APCM)。 這兩種方法，都需要隨時(shí)估計(jì)輸入信號(hào)的時(shí)變幅值，以修正量化間隔(n)或增益 G(n)的值。如果傳輸信道沒有引入誤碼，那么有 根據(jù) 和G(n)的估計(jì)方法不同，自適應(yīng)方案又可分為“前饋?zhàn)赃m應(yīng)”和“反饋?zhàn)赃m應(yīng)”兩種. (1) 前饋?zhàn)赃m應(yīng) 前饋?zhàn)赃m應(yīng)是指信號(hào)的能量或方差是由輸入信號(hào)本身估算出來(lái)的，一般是先估算出信號(hào)的方差后，令兩種系統(tǒng)輸出為： 即 正比于 ，G(n)反比于 ，它們除了在發(fā)送端使用外，還

16、作為邊信息，隨同語(yǔ)音樣本碼值一起傳送到接收端去。 通常認(rèn)為，時(shí)變方差正比于語(yǔ)音信號(hào)的短時(shí)能量，而我們知道，短時(shí)能量可定義為經(jīng)低通濾波器后的輸出，因此有： 式中h(n)為低通濾波器的單位沖激響應(yīng),，可由采用的窗函數(shù)求出。 則 顯然，也滿足差分方程： 為保證穩(wěn)定性，要求 ，參數(shù)的取值影 響 的變化速度。例如，設(shè)窗函數(shù)為： (2) 反饋?zhàn)赃m應(yīng) 反饋系統(tǒng)如圖8.3所示，其特點(diǎn)是輸入信號(hào)的方差是由量化器輸出估算出來(lái)的，如同前饋系統(tǒng)一樣，量化間隔(n)和增益G(n)也按式(8.15)那樣比例于方差 變化。 反饋?zhàn)赃m應(yīng)優(yōu)點(diǎn)： (n)或G(n)無(wú)需保存或傳送，因?yàn)榫幋a端可以如同解碼端那樣直接從碼序列中估算出來(lái)

17、。由于不涉及數(shù)碼率增加的問題，反饋?zhàn)赃m應(yīng)中的(n)或G(n)總是逐點(diǎn)自適應(yīng)修正，以求得較好的自適應(yīng)效果。 反饋?zhàn)赃m應(yīng)缺點(diǎn)： 對(duì)碼序列中由于傳輸產(chǎn)生的誤差比較敏感，因?yàn)檎`碼還將影響到(n)或G(n)的自適應(yīng)，并且這一影響會(huì)不斷地傳播下去。 前饋?zhàn)赃m應(yīng)和反饋?zhàn)赃m應(yīng)的比較 延遲SNR邊信息傳輸穩(wěn)定性復(fù)雜性前饋大高需要穩(wěn)定較簡(jiǎn)單反饋小較低不需要可能不穩(wěn)定復(fù)雜 4.2 自適應(yīng)預(yù)測(cè)編碼(Adaptive Predictive CodingAPC) 1. 基本的自適應(yīng)預(yù)測(cè)編碼系統(tǒng) 一、定義： 我們?cè)谟懻撜Z(yǔ)音信號(hào)的線性預(yù)測(cè)分析原理時(shí)，假定一個(gè)語(yǔ)音樣本可以近似地被它過去的p個(gè)樣本的線性組合所預(yù)測(cè)，預(yù)測(cè)樣本值：

18、式中， (1ip)稱為預(yù)測(cè)系數(shù)，p是預(yù)測(cè)階數(shù)。 令e(n)表示實(shí)際值與預(yù)測(cè)值之間的誤差： e(n)即線性預(yù)測(cè)誤差，也被稱作線性預(yù)測(cè)殘差。對(duì)上式兩邊取變換后有 如果對(duì)殘差序列e(n)作量化和編碼，在同樣信號(hào)量化噪聲比條件下，所需的量化比特?cái)?shù)就可以減少，從而達(dá)到壓縮編碼的目的?；谶@一原理的方法稱作預(yù)測(cè)編碼，當(dāng)預(yù)測(cè)系數(shù)是自適應(yīng)地隨語(yǔ)音信號(hào)變化時(shí)，又稱自適應(yīng)預(yù)測(cè)編碼。（8.20）二、自適應(yīng)預(yù)測(cè)編碼系統(tǒng)如何提高信噪比 從圖8.4可以看到，不考慮傳輸信道的誤碼，系統(tǒng)解碼后輸出為： 式中q(n)是殘差信號(hào)e(n) 的量化誤差： 注意重構(gòu)的信號(hào)在編碼端和解碼端都可以得到。 、 和 分別是信號(hào)、殘差和量化噪聲

19、的平均能量， 是量化器的信噪比， 是自適應(yīng)預(yù)測(cè)增益。 圖8.5給出了固定預(yù)測(cè)和自適應(yīng)預(yù)測(cè)兩種情況下預(yù)測(cè)增益 和預(yù)測(cè)階數(shù)p的關(guān)系。根據(jù)信號(hào)量化噪聲比的定義有： 由圖可見，階數(shù)p4時(shí)，固定預(yù)測(cè)有10dB的增益，自適應(yīng)預(yù)測(cè)有約14dB的增益。 三、自適應(yīng)預(yù)測(cè)編碼的三個(gè)特性： (1) 對(duì)同樣比特?cái)?shù)的量化器，APC信噪比總是大于非預(yù)測(cè)編碼，即 總是大于1 。 (2) 增益 是隨時(shí)間變化的，因?yàn)樗聦?shí)上是信號(hào)頻譜的函數(shù)，譜的動(dòng)態(tài)范圍越大，信號(hào)樣本之間相關(guān)性就越強(qiáng)，預(yù)測(cè)增益就越高。因此我們又把這種預(yù)測(cè)器稱為基于頻譜包絡(luò)的預(yù)測(cè)。 (3) 量化噪聲近似于白噪聲，所以輸出噪聲的譜是平坦的。 2 前饋與反饋?zhàn)赃m應(yīng)預(yù)

20、測(cè) 自適應(yīng)預(yù)測(cè)器也可分成前饋?zhàn)赃m應(yīng)和反饋?zhàn)赃m應(yīng)。前饋?zhàn)赃m應(yīng)預(yù)測(cè)器計(jì)算預(yù)測(cè)系數(shù)是通過誤差 最小來(lái)求得。ai是按幀時(shí)變的，即按1030ms為一幀來(lái)決定求和的樣本點(diǎn)數(shù)N和系數(shù)。預(yù)測(cè)器系數(shù)必須作為邊信息傳輸?shù)浇邮斩?。?duì)反饋?zhàn)赃m應(yīng)，預(yù)測(cè)器系數(shù)是從 序列出發(fā)，使誤差 最小求得。從圖8.4看到， 在發(fā)送端與接收端都是可以得到，因此除了傳送 ，無(wú)需任何附加的邊信息傳給接收端。前饋和反饋?zhàn)赃m應(yīng)預(yù)測(cè)方法的簡(jiǎn)單比較 （1）前饋?zhàn)赃m應(yīng)預(yù)測(cè)的效果，一般講略優(yōu)于反饋?zhàn)赃m應(yīng)預(yù)測(cè)；但前饋預(yù)測(cè)的問題是必須傳送預(yù)測(cè)系數(shù)到接收端。 （2）傳輸誤碼對(duì)反饋?zhàn)赃m應(yīng)預(yù)測(cè)編碼的影響較大。 （3）反饋?zhàn)赃m應(yīng)預(yù)測(cè)算法求得的預(yù)測(cè)器系數(shù)，不能保證它

21、們形成的合成濾波器一定是穩(wěn)定的，同時(shí)要考慮算法的收斂性、有限字長(zhǎng)的影響等等，這使得反饋?zhàn)赃m應(yīng)算法比較復(fù)雜。 4.3 自適應(yīng)差分脈沖編碼調(diào)制 由APC派生出來(lái)的編碼方法，常用的有差分脈沖編碼調(diào)制，增量調(diào)制和自適應(yīng)增量調(diào)制等。1. 差分脈沖編碼調(diào)制DPCM (Difference PCM, DPCM) 是APC的一種特殊情況，它的預(yù)測(cè)器具有簡(jiǎn)單的形式： 式中，a1是一個(gè)固定的常數(shù)，可以根據(jù)信號(hào)頻譜的長(zhǎng)期平均估算最優(yōu)A(z)而得到。在DPCM中，被量化和編碼的是 ,即傳送的是相鄰樣本的差值，所以又稱之為“差分脈沖編碼調(diào)制”。 采用自適應(yīng)量化及高階自適應(yīng)預(yù)測(cè)的DPCM，又稱之為ADPCM，它本質(zhì)上也是

22、自適應(yīng)預(yù)測(cè)編碼，即屬于一種APC系統(tǒng)。 2. 增量調(diào)制(Delta Modulation, DM)一、 增量調(diào)制特點(diǎn) 增量調(diào)制基本上是一種DPCM方法，它與一般DPCM的主要區(qū)別有二點(diǎn)： 一：增量調(diào)制中波形的取樣率大大高于由取樣定理確定的奈奎斯特取樣速率； 二：差值信號(hào)使用二電平，亦即用1比特的量化器。斜率過載顆粒噪聲二、增量調(diào)制誤差 （1） 斜率過載失真和克服 均勻量化時(shí)，的始終保持恒定，因而x(n)的量化值構(gòu)成的增加和減小都將是線性的。這樣，在譯碼器中，所恢復(fù)的階梯波的上升或下降有可能跟不上信號(hào)的變化，因而產(chǎn)生滯后，這就造成了失真，稱為“斜率過載”失真，如圖8.6的AB段。 斜率過載期間的

23、碼字將是一連串的0或一連串的1。為了避免這種失真，要求階梯波的上升和下降的斜率等于或大于語(yǔ)音信號(hào)的最大變化斜率，即 式中xa(t)是原始模擬語(yǔ)音信號(hào)，T是其取樣時(shí)間間隔。 （2）顆粒噪聲 當(dāng)語(yǔ)音信號(hào)不發(fā)生變化或變化很緩慢時(shí)，預(yù)測(cè)誤差信號(hào)將等于零或具有很小的絕對(duì)值。這種情況下預(yù)測(cè)誤差信號(hào)被量化為和-的概率是相等的，因此，經(jīng)量化后成為幅度為2的等幅振蕩，編碼為0和1交替出現(xiàn)的序列。 在譯碼器中所得到的將是峰-峰值等于的等幅脈沖序列。這便形成一種噪聲，稱為“顆粒噪聲”，如圖8.6的CD段所示。 從上式看出，為減小斜率過載失真，要求選取較大的值；而為減小顆粒噪聲，卻應(yīng)當(dāng)將值取得小些。這是相互矛盾的。因

24、此，通常需要對(duì)這兩方面的要求折中加以考慮。 3. 自適應(yīng)增量調(diào)制(Adaptive DM，ADM) ADM的基本思想是：使增量自適應(yīng)語(yǔ)音信號(hào)的平均斜率變化，當(dāng)信號(hào)波形平均斜率變大時(shí)，自動(dòng)增大、反之則減??；從而緩解DM中由于 固定引起的矛盾。ADM一般采用反饋?zhàn)赃m應(yīng)方式，即增量由量化后的代碼來(lái)控制： 例如： 其中(n)滿足這里， , 是預(yù)先確定的增量 的上下限，乘數(shù)M是當(dāng)前碼字c(n)和前一個(gè)碼字c(n-1)的函數(shù)，一般選擇若若 另一種自適應(yīng)增量調(diào)制是 “連續(xù)可變斜率增量調(diào)制”(Continuously Variable Slope Delta Modulation，CVSD)，它的自適應(yīng)規(guī)則是

25、： 4. 自適應(yīng)差分脈沖編碼調(diào)制(ADPCM) ITU-T于1984年提出了G.721 32kb/s ADPCM編碼標(biāo)準(zhǔn)，并于1986年根據(jù)兩年間運(yùn)行中出現(xiàn)的問題做了進(jìn)一步修正。 一、 ADPCM特點(diǎn) ADPCM將脈沖編碼調(diào)制、差值調(diào)制和自適應(yīng)技術(shù)三者結(jié)合起來(lái)，進(jìn)一步利用語(yǔ)音信號(hào)樣點(diǎn)間的相關(guān)性，并使用了自適應(yīng)預(yù)測(cè)和自適應(yīng)量化，在32kb/s速率上能夠給出網(wǎng)絡(luò)等級(jí)語(yǔ)音質(zhì)量。 二、原理 G.721算法編碼器中嵌入一個(gè)解碼器，使得編碼器自適應(yīng)修正完全取決于信號(hào)的反饋值。這個(gè)反饋值與解碼器的輸出是一致的，所以后繼的差值采樣就補(bǔ)償了量化誤差，從而避免了量化誤差的積累。下面介紹G.721算法：(1) 求采

26、樣值與其估值之差 （8.33）(2) 自適應(yīng)量化d(k)并編碼輸出 （8.34）其中: I(k)還含有一位符號(hào)。 y(k)是量化階矩自適應(yīng)因子。 表8.2給出I(k)的編碼值 y(k)是量化階矩自適應(yīng)因子，它由調(diào)整短時(shí)能量變化較快的語(yǔ)音信號(hào)的yu( k )和調(diào)整數(shù)據(jù)類慢變信號(hào)的 兩部分，經(jīng)速度調(diào)整因子al ( k )加權(quán)平均而成： 對(duì)快變信號(hào)，al ( k )趨于1，而對(duì)慢變信號(hào)al ( k )趨于0。 (3) 階矩自適應(yīng)因子 yu( k )稱快速非鎖定標(biāo)度因子, yl( k )稱為鎖定標(biāo)度因子 (4) 速度控制 al( k )是速度控制因子(5) 自適應(yīng)逆量化器輸出 (6) 自適應(yīng)預(yù)測(cè) 預(yù)測(cè)

27、器采用6階零點(diǎn)，二階極點(diǎn)的模型。預(yù)測(cè)信號(hào)為：重建信號(hào)為： (7) 單頻和瞬變調(diào)整 當(dāng)ADPCM編碼器遇到頻移鍵控信號(hào)（FSK）或其它窄帶瞬變信號(hào)時(shí)，需要將系統(tǒng)從慢速自適應(yīng)狀態(tài)強(qiáng)制性地調(diào)整到快速自適應(yīng)狀態(tài)。為此，引入單頻信號(hào)判定條件td和窄帶信號(hào)瞬變判據(jù)tr。 5. G.721 ADPCM語(yǔ)音編碼標(biāo)準(zhǔn)的MATLAB實(shí)現(xiàn) 為了便于理解G.721的MATLAB程序，特對(duì)各模塊程序功能介紹如下： d.m 主函數(shù)程序文件，完成賦初值、信號(hào)輸入及調(diào)用語(yǔ)音編解碼函數(shù)，在MATLAB中加載G.721 MATLAB程序文件后，在命令窗口中輸入d并回車，即可完成G.721語(yǔ)音編解碼算法。 MATLAB程序見教材。

28、5 語(yǔ)音信號(hào)參數(shù)編碼 基于參數(shù)編碼理論的編碼器由于其數(shù)碼率比較低，通常稱為聲碼器。 根據(jù)語(yǔ)音信號(hào)的共振峰模型提出了共振峰聲碼器，該聲碼器通過對(duì)語(yǔ)音信號(hào)整體進(jìn)行分析，提取共振峰的位置、幅度、帶寬等參數(shù)，構(gòu)成濁音和清音兩個(gè)聲道濾波器。濁音濾波器采用全極點(diǎn)濾波器，由多個(gè)二階濾波器級(jí)聯(lián)而成；清音濾波器一般采用一個(gè)極點(diǎn)和一個(gè)零點(diǎn)的數(shù)字濾波器。這些濾波器的參數(shù)都是時(shí)變的。 5.1 LPC聲碼器原理 在聲碼器中最具有代表性的是線性預(yù)測(cè)(LPC)聲碼器及其改進(jìn)型。 LPC聲碼器是低速率語(yǔ)音編碼器，可以得到很低的比特率(2.4kbit/s以下)；基于全極點(diǎn)聲道模型的假定，采用線性預(yù)測(cè)分析合成原理，對(duì)模型參數(shù)和激

29、勵(lì)參數(shù)進(jìn)行編碼傳輸。LPC聲碼器遵循二元激勵(lì)假設(shè)，聲碼器只需對(duì)LPC參數(shù)、基音周期、增益和清濁音信息進(jìn)行編碼。LPC聲碼器工作原理如下圖所示圖8.8 LPC聲碼器原理圖 雖然LPC聲碼器與ADPCM一樣，都是基于線性預(yù)測(cè)分析來(lái)實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)的編碼壓縮，但是它們之間有著本質(zhì)的區(qū)別，LPC聲碼器不考慮重建信號(hào)波形是否與原來(lái)信號(hào)的波形相同，而努力使重建信號(hào)具有盡可能高的可懂度和清晰度，所以不必量化和傳輸預(yù)測(cè)殘差，只需傳輸LPC參數(shù)和重構(gòu)激勵(lì)信號(hào)的基音周期和清濁音信息。 LPC聲碼器的缺點(diǎn) （1）損失了語(yǔ)音自然度。主要是由于過分簡(jiǎn)單的二元激勵(lì)模型，不能完全代表豐富的語(yǔ)音信息。 （2）降低了方案的魯棒性

30、。二元的清濁音判決及語(yǔ)音譜中共振峰的作用使清濁音判決及基音提取方案變得很不準(zhǔn)確并易受噪聲的影響。 （3）在LPC中，譜包絡(luò)中的共振峰位置及帶寬估計(jì)有時(shí)會(huì)產(chǎn)生很大的失真。5.2 LPC-10編碼器 LPC聲碼器在通信領(lǐng)域，尤其是軍事通信領(lǐng)域得到了廣泛的應(yīng)用，利用LPC聲碼器可以合成清晰、可懂的語(yǔ)音，但是抗噪聲能力和自然度比較差。自1986年以來(lái)，美國(guó)第三代保密電話裝置采用了速率為2.4kbit/s的LPC-10e（LPC-10的增強(qiáng)型）作為語(yǔ)音處理手段。圖8.9 LPC-10的編碼器框圖 1. 編碼器 (1) 編碼器基本原理 原始語(yǔ)音以8kHz采樣率12bit量化得到數(shù)字化語(yǔ)音，然后每180個(gè)采

31、樣點(diǎn)(22.5ms)為一幀，以幀為處理單元。編碼器分兩個(gè)支路同時(shí)進(jìn)行，其中一個(gè)支路用于提取基音周期T和清濁音U/V判決信息；另一支路用于提取聲道濾波器參數(shù)RC和增益因子RMS。 (2) 計(jì)算聲道濾波器參數(shù) 利用協(xié)方差法對(duì)LPC分析濾波器計(jì)算l0階LPC分析預(yù)測(cè)系數(shù)，并轉(zhuǎn)換成反射系數(shù)RC，或者部分相關(guān)系數(shù)PARCOR來(lái)代替預(yù)測(cè)系數(shù)進(jìn)行量化編碼。理論上RC參數(shù)和PARCOR參數(shù)互為相反數(shù)， (3) 增益因子RMS的計(jì)算 用如下公式計(jì)算RMS： 式中x(i)是經(jīng)過預(yù)加重的數(shù)字語(yǔ)音；N是分析幀的長(zhǎng)度。 (4) 基音周期提取和清/濁音檢測(cè) 輸入數(shù)字語(yǔ)音經(jīng)低通濾波器濾波，再經(jīng)過二階逆濾波(逆濾波器的系數(shù)為

32、前面LPC分析得到的短時(shí)譜參數(shù))。把取樣頻率降低至原來(lái)的1/4，再計(jì)算延遲時(shí)間為20256個(gè)樣點(diǎn)的平均幅度差函數(shù)AMDF，由AMDF的最小值確定基音周期。計(jì)算AMDF的公式為 (5) 參數(shù)編碼與解碼 在傳輸數(shù)據(jù)流中，將10個(gè)反射系數(shù)、增益因子(RMS)、基音周期T、清/濁音U /V、同步信號(hào)Sync編碼成每幀54bit。由于傳輸速率為44.4幀/s ，因此，碼率為2.4kbit/s。同步信號(hào)采用相鄰幀1、0碼交替的模式。表8.5是濁音幀和清音幀的比特?cái)?shù)分配。表8.5 LPC-10的比特?cái)?shù)分配(bit)清音濁音T/Voicing77RMS55Sync11k155k255k355k455k54k6

33、4k74k84k93k102誤差校正020總計(jì)54532解碼器圖8.10 LPC-10解碼器框圖 接收到的語(yǔ)音信號(hào)經(jīng)串/并變換及同步后，利用查表法對(duì)數(shù)碼流進(jìn)行檢錯(cuò)、糾錯(cuò)。糾錯(cuò)譯碼后的數(shù)據(jù)經(jīng)參數(shù)解碼得到基音周期、清/濁音標(biāo)志、增益以及反射系數(shù)的數(shù)值，解碼結(jié)果延時(shí)一幀輸出。輸出數(shù)據(jù)在過去的一幀、當(dāng)前幀和將來(lái)的一幀共3幀內(nèi)進(jìn)行平滑。由于每幀語(yǔ)音只傳輸一組參數(shù)，但一幀之內(nèi)可能有不止一個(gè)基音周期，因此要對(duì)接收數(shù)值進(jìn)行由幀塊到基音塊的轉(zhuǎn)換和插值。 (1) 參數(shù)插值原則 對(duì)數(shù)面積比參數(shù)值每幀插值兩次；RMS參數(shù)值在對(duì)數(shù)域進(jìn)行基音同步插值；基音參數(shù)值用基音同步的線性插值；在濁音向清音過渡時(shí)對(duì)數(shù)面積比不插值。每

34、個(gè)基音周期更新一次預(yù)測(cè)系數(shù)、增益、基音周期、清/濁音等參數(shù)，這個(gè)過程在幀塊到基音塊的轉(zhuǎn)換和插值中完成。 (2) 激勵(lì)源 清音幀用隨機(jī)數(shù)作為激勵(lì)源；濁音幀用周期性沖激序列通過一個(gè)全通濾波器來(lái)生成激勵(lì)源，改善了合成語(yǔ)音的尖峰性質(zhì)。語(yǔ)音合成濾波器輸入激勵(lì)的幅度保持恒定不變，輸出幅度受RMS參數(shù)加權(quán)。一組有41個(gè)樣點(diǎn)的濁音激勵(lì)信號(hào)： e(n)=0,0,0,0,0,0,0,0,5,-8,13,-24,43,-83,147,-252,359, -364, 92, 336,-306,-336,92,364,359,252, 147, 81, 43, 24, 13, 8, 5, 0, 0,0,0,0,0,0,

35、0 (3) 語(yǔ)音合成 用Levinson遞推算法將反射參數(shù)，變換成預(yù)測(cè)系數(shù)。接收端合成器應(yīng)用直接型遞歸濾波器合成語(yǔ)音。對(duì)其輸出進(jìn)行幅度校正、去加重，并變換為模擬信號(hào)，最后經(jīng)3600Hz的低通濾波器后輸出模擬語(yǔ)音。3LPC-10編解碼器的缺點(diǎn)及改進(jìn) LPC-10優(yōu)點(diǎn)：編碼速率低； 缺點(diǎn)：合成語(yǔ)音聽起來(lái)很不自然，即使提高編碼速率也無(wú)濟(jì)于事。 增強(qiáng)型LPC-10e 采用如下一些措施來(lái)改善語(yǔ)音質(zhì)量: (1) 改善激勵(lì)源 ：采用混合激勵(lì)代替簡(jiǎn)單的二元激勵(lì)。 效果：使二元激勵(lì)合成引起的金屬聲、重?fù)袈暋⒁粽{(diào)噪聲等得到改善。 ：采用激勵(lì)脈沖加抖動(dòng)的方式。 ：采用單脈沖與碼本相結(jié)合的激勵(lì)模式。 (2) 改進(jìn)基音

36、提取方法。 (3) 選擇LSP作為聲道濾波器的量化參數(shù)。6 語(yǔ)音信號(hào)混合編碼 混合編碼是在保留參數(shù)編碼的技術(shù)精華的基礎(chǔ)上，引用波形編碼準(zhǔn)則去優(yōu)化激勵(lì)源信號(hào)，克服原有波形編碼和參數(shù)編碼的弱點(diǎn)，在4kbit/s16kbit/s的速率上能夠合成高質(zhì)量語(yǔ)音。 混合編碼主要技術(shù)： 合成分析技術(shù)和感覺加權(quán)濾波器，目標(biāo)是改進(jìn)激勵(lì)模型，合成高質(zhì)語(yǔ)音。 6.1 合成分析技術(shù)和感覺加權(quán)濾波器 合成分析法的改進(jìn)主要是對(duì)激勵(lì)的改進(jìn)，它通過尋找給定合成濾波器的最優(yōu)激勵(lì)，使其通過合成濾波器時(shí)產(chǎn)生的合成語(yǔ)音最接近于原始語(yǔ)音。 其最佳量化模型的選擇要延遲至少幾個(gè)樣點(diǎn)才被決定。因?yàn)檫@種決定依賴于原始語(yǔ)音和合成語(yǔ)音的殘差信號(hào)，分

37、析過程即包含有合成過程，所以稱為“合成分析預(yù)測(cè)編碼”。 感覺加權(quán)濾波器 感覺加權(quán)濾波器的依據(jù)是利用人耳聽覺的掩蔽效應(yīng)，在語(yǔ)音頻譜中能量較高的頻段即共振峰處的噪聲相對(duì)于能量較低頻段的噪聲而言不易被感知。因此在語(yǔ)音能量較高的頻段，允許二者的誤差大一些，反之則小一些。為此可以引入一頻域感覺加權(quán)濾波器來(lái)計(jì)算二者的誤差如下： 其中： fs是抽樣率，S(f)、 分別是原始語(yǔ)音與合成語(yǔ)音的傅里葉變換。 只要在能量最大的的語(yǔ)音頻段內(nèi)使W(f)較小，而能量較小的頻段內(nèi)W(f)較大，就能抬高前者的誤差能量而降低后者的誤差能量。感覺加權(quán)濾波器的作用： 使實(shí)際誤差信號(hào)的譜不再平坦，而是有著與語(yǔ)音信號(hào)譜相似的包絡(luò)形狀。

38、6.2 激勵(lì)模型的改進(jìn) 過于簡(jiǎn)單的二元激勵(lì)模型是制約LPC編碼器聲音質(zhì)量的主要因素。為此，出現(xiàn)了如下一些激勵(lì)改進(jìn)模型: 1. 多脈沖激勵(lì)線性預(yù)測(cè)編碼(MPE-LPC)算法。 1982年，Bishnu S.Atal和Joel R.Remde首先提出。 算法原理：每20ms語(yǔ)音幀里，傳送1620個(gè)激勵(lì)脈沖的位置和幅度信息，能夠在9.616kbit/s速率上，獲得相當(dāng)于6位PCM編碼的質(zhì)量。 2. 規(guī)則脈沖激勵(lì)線性預(yù)測(cè)編碼(RPE-LPC)算法。 1985年，Ed.F.Deprettere和Perter Kroon提出。 3. 長(zhǎng)時(shí)預(yù)測(cè)規(guī)則脈沖激勵(lì)(LTP-RPE-LPC)算法。 1986年，K.H

39、ellwig R.Hojmann 和P.Wary.J.sluyter等人在規(guī)則脈沖激勵(lì)線性預(yù)測(cè)編碼(RPE-LPC)算法加入了長(zhǎng)時(shí)預(yù)測(cè)LTP，并使速率降為13kbit/s。 算法特點(diǎn)：簡(jiǎn)單，語(yǔ)音質(zhì)量達(dá)到了通信等級(jí)。在1988年被確定為泛歐標(biāo)準(zhǔn)全速語(yǔ)音編碼方案，稱為GSM標(biāo)準(zhǔn)。 4. CELP算法。 1985年，Manfred R.Schroeder 和Bishnu S.Atal提出用矢量量化碼本作為激勵(lì)源的線性預(yù)測(cè)編碼技術(shù)。 算法特點(diǎn)：高質(zhì)量的合成語(yǔ)音，優(yōu)良的抗噪聲和多次轉(zhuǎn)接性能，在4.816kbit/s速率上得到廣泛的應(yīng)用。 CELP碼激勵(lì)典型算法在實(shí)際中的應(yīng)用及改進(jìn)： （1） 1988年，

40、美國(guó)政府采用由美國(guó)國(guó)防部與AT&T貝爾實(shí)驗(yàn)室共同研制的4.8kbit/s CELP聲碼器(FED-STD-1016)作為語(yǔ)音編碼器標(biāo)準(zhǔn)； （2） 1989年，8kbit/s 速率的北美數(shù)字移動(dòng)通信全速率編譯碼器標(biāo)準(zhǔn)采用了修改的CELP技術(shù)矢量和激勵(lì)線性預(yù)測(cè)編碼VSELP； （3） 1991年，ITU通過了短延時(shí)碼激勵(lì)線性預(yù)測(cè)編碼LD-CELP作為16kbit/s語(yǔ)音編碼器的G.728標(biāo)準(zhǔn)。 （4） 1996年，ITU通過了共軛結(jié)構(gòu)代數(shù)碼激勵(lì)線性預(yù)測(cè)編碼器CS-ACELP作為8kbit/s語(yǔ)音編碼器G.729標(biāo)準(zhǔn)。 6.3 G.728語(yǔ)音編碼標(biāo)準(zhǔn)簡(jiǎn)介 編碼原理： 將速率為64kbit/s的輸入信號(hào)轉(zhuǎn)換成PCM信號(hào)，由5個(gè)連續(xù)語(yǔ)音樣點(diǎn)組成一個(gè)5維語(yǔ)音矢量。激勵(lì)碼書中共有1024個(gè)5維的碼矢量。對(duì)每個(gè)輸入矢量，利用合成分析方法從碼書中搜索出最佳碼矢量，然后將10bit的碼矢標(biāo)號(hào)通過信道傳送給解碼器。每4個(gè)相鄰的輸入矢量（共20個(gè)樣點(diǎn)）構(gòu)成一個(gè)自適應(yīng)周期，或者稱為幀，每幀更新一次LPC系數(shù)。圖8.12 16kbit/s LD-CELP語(yǔ)音編碼器原理框圖 解碼原理： 解碼操作也是逐個(gè)矢量地進(jìn)行。根據(jù)接收到的碼矢標(biāo)號(hào)，從激勵(lì)碼書中找到對(duì)應(yīng)的激勵(lì)矢量，經(jīng)過增益調(diào)整后，