第2章數(shù)字音視頻技術(shù)

第2章數(shù)字音視頻技術(shù)第一頁，共63頁。音調(diào)與基頻

音階CDEFGAB簡譜符號1234567頻率（Hz）261293330349392440494頻率（對數(shù)）20log48.349.350.350.851.852.853.8音階與基頻的對應(yīng)關(guān)系2.1概述2第二頁，共63頁。音色與諧波音強(qiáng)與幅度用動態(tài)范圍來定義音頻信號的相對強(qiáng)度：

動態(tài)范圍＝20×lg（信號的最大強(qiáng)度/最小強(qiáng)度）（dB）信噪比SNR3第三頁，共63頁。音寬與頻帶

語音（Speech）帶寬音頻（Audio）帶寬次聲帶超聲帶

203003K20Kf(Hz)4第四頁，共63頁。聲音的質(zhì)量

聲音的質(zhì)量與聲音的帶寬有關(guān)，一般來說頻率范圍越寬，聲音質(zhì)量也就越高。聲音類型帶寬電話語音300Hz－3.4kHz調(diào)幅廣播50Hz－7kHz調(diào)頻廣播20Hz－15kHzCD20Hz－20kHz5第五頁，共63頁。聲音質(zhì)量MOS標(biāo)準(zhǔn)

分?jǐn)?shù)質(zhì)量級別失真級別5優(yōu)(Excellent)察覺不到4良(Good)（剛）察覺但不討厭3中(Fair)（察覺）及有點(diǎn)討厭2差(Poor)討厭而不反感1劣(Bad)極討厭（令人反感）6第六頁，共63頁。計算機(jī)模擬人類交流信息的過程:(1)將大腦產(chǎn)生的思想轉(zhuǎn)換成語言(2)將語言轉(zhuǎn)換成相應(yīng)的語音(3)識別表達(dá)語言的語音內(nèi)容(4)理解語音所表達(dá)的語言意義自然語言生成自然語言理解語音合成語音識別7第七頁，共63頁。2.2音頻信號數(shù)字化

音頻信息處理主要包括音頻信號的數(shù)字化和音頻數(shù)據(jù)的壓縮兩大技術(shù)。在這一處理過程中涉及到模擬音頻信號的采樣、量化和編碼。

從模擬到數(shù)字聲源聲波傳聲器模擬電信號數(shù)字聲音8第八頁，共63頁。(1)標(biāo)準(zhǔn)采樣頻率采樣頻率采樣次數(shù)/s聲音質(zhì)量8KHz8000電話音質(zhì)11.025KHz11025AM音質(zhì)22.05KHz22050FM音質(zhì)44.1KHz44100CD音質(zhì)48KHz48000DAT音質(zhì)DAT指數(shù)字錄音帶格式（Digitalaudiotype）9第九頁，共63頁。

(2)量化過程

量化的過程：先將整個幅度劃分為有限個小幅度（量化階距）的集合，把落入某個階距內(nèi)的樣值歸為一類，并賦予相同的量化值。10第十頁，共63頁。量化的物理過程11第十一頁，共63頁。量化噪聲：量化誤差，隨階距變大而增加。-(Δ/2)≤e(n)≤(Δ/2)量化位數(shù)/采樣字長：表示采樣值的二進(jìn)制位數(shù)（比特數(shù)），決定了采樣值的精度。例如：量化位數(shù)16bit，可以表示65536個不同量化值，精度（階距）1/65536。量化位數(shù)8bit，可以表示256個不同量化值，精度（階距）1/256。12第十二頁，共63頁。數(shù)據(jù)量的計算數(shù)據(jù)量（字節(jié)/秒）=（采樣頻率×采樣字長×聲道數(shù)）/8采樣字長為16bit的雙聲道立體聲歌曲，問一張容量為640MB的CD唱盤最多能存儲多長時間的CD音質(zhì)？每秒：(44100×16bit×2/8)=176400Byte(640×1024×1024)/176400=3804s=1h3min24s13第十三頁，共63頁。數(shù)字聲音相關(guān)的參數(shù)質(zhì)量采樣頻率（kHz）樣本精度單道聲/立體聲數(shù)據(jù)率（kb/s）頻率范圍（kHz）電話88單道聲64200～3400AM11.0258單道聲8850～7000FM22.05016立體聲705.620～15000CD44.116立體聲1411.220～20000DAT4816立體聲153620～2000014第十四頁，共63頁。WAV文件15第十五頁，共63頁。

(3)編碼過程 編碼過程是指用二進(jìn)制數(shù)來表示每個采樣的量化值。如果量化是均勻的，又采用自然二進(jìn)制數(shù)表示，這種編碼方法就是脈沖編碼調(diào)制(PulseCodeModulation，PCM），這是一種最簡單、最方便的編碼方法。16第十六頁，共63頁。采樣值電壓范圍量化(dec)編碼(bin)0.5~0.7 3 0110.3~0.5 2 0100.1~0.3 1 001-0.1~0.1 0 000-0.3~-0.1 -1 111-0.5~-0.3 -2 110-0.7~-0.5 -3 101-0.9~-0.7 -4 10017第十七頁，共63頁。2.3音頻信號壓縮編碼從20世紀(jì)30年代提出PCM（脈沖編碼調(diào)制）原理以及聲碼器的概念以來，音頻信息壓縮編碼技術(shù)主要是向基于波形和基于參數(shù)兩個方向發(fā)展的，從這個角度出發(fā)，音頻信息編碼技術(shù)可分為三類：18第十八頁，共63頁。

（1）波形編碼 主要基于語音波形預(yù)測，它力圖使重建的語音波形保持原信號的波形狀態(tài)。優(yōu)點(diǎn)：編碼方法簡單、易于實(shí)現(xiàn)、適應(yīng)能力強(qiáng)、語音質(zhì)量好等。缺點(diǎn)：壓縮比相對來說較低，需要較高的編碼速率。常用的波形法編碼技術(shù)有增量調(diào)制(DM)、自適應(yīng)差分脈沖編碼調(diào)制（ADPCM）、子帶編碼(SBC)和矢量量化編碼（VQ）等。19第十九頁，共63頁。

（2）參數(shù)編碼與波形編碼不同的是，這類編碼方法通過語音信號的數(shù)學(xué)模型對語音信號特征參數(shù)進(jìn)行提取及編碼，力圖使重建的語音信號盡可能保持原信號的語意，而重建的語音信號波形同原信號的波形可能會有較大的區(qū)別?；谶@種編碼技術(shù)的編碼系統(tǒng)一般稱為聲碼器，它主要用于在窄帶信道上提供4.8kb/s以下的低速語音通信和一些對延時要求較寬的應(yīng)用場合（如衛(wèi)星通信等）。最常用的參數(shù)編碼法為線性預(yù)測編碼（LPC）。20第二十頁，共63頁。

(3)混合編碼克服了原有波形編碼與參數(shù)編碼的弱點(diǎn)，并且結(jié)合了波形編碼的高質(zhì)量和參數(shù)編碼的低數(shù)據(jù)率，取得了比較好的效果。無論是在音頻信號的數(shù)據(jù)壓縮中，還是在圖像信號的數(shù)據(jù)壓縮中，混合編碼均被廣泛采用。21第二十一頁，共63頁。

2.4語音壓縮編碼標(biāo)準(zhǔn)

22第二十二頁，共63頁。

1．G.711標(biāo)準(zhǔn)1972年制定的電話質(zhì)量的PCM語音壓縮標(biāo)準(zhǔn)，采樣頻率8kHz，每個樣值采用8位二進(jìn)制編碼，速率為64kb/s。推薦使用A律或μ律的非線性壓擴(kuò)技術(shù)，將13位的PCM按A律，14位的PCM按μ律轉(zhuǎn)換成8位編碼。廣泛用于數(shù)字語音編碼。23第二十三頁，共63頁。2．G.721標(biāo)準(zhǔn)ITU-T于1984年制定的，用于64kb/s的A律和μ律PCM與32kb/s的ADPCM之間的轉(zhuǎn)換?；贏DPCM技術(shù)，采樣頻率為8kHz，每個樣值與預(yù)測值的差值用4位編碼，其編碼速率為32kb/s，ADPCM是一種對中等質(zhì)量音頻信號進(jìn)行高效編碼的有效算法之一，它不僅適用于語音壓縮，而且也適用于調(diào)幅廣播質(zhì)量的音頻壓縮和CD-I音頻壓縮等應(yīng)用。

24第二十四頁，共63頁。3．G.722標(biāo)準(zhǔn)G.722標(biāo)準(zhǔn)提供比G.711或G.721標(biāo)準(zhǔn)壓縮技術(shù)更高的音質(zhì)，G.722編碼采用了高低兩個子帶內(nèi)的ADPCM方案，即用子帶ADPCM(SB-ADPCM)編碼方案。高低子帶的劃分以4kHz為界，然后再對每個子帶內(nèi)采用類似G.721標(biāo)準(zhǔn)的ADPCM編碼。25第二十五頁，共63頁。3．G.722標(biāo)準(zhǔn)

它是1988年ITU-T為調(diào)幅廣播質(zhì)量的音頻信號壓縮制定的標(biāo)準(zhǔn)。G.722能將224kb/s的調(diào)幅廣播質(zhì)量的音頻信號壓縮為64kb/s，主要用于視聽多媒體和會議電視等。G.722壓縮信號的帶寬范圍為50Hz～7kHz。26第二十六頁，共63頁。4．G.728標(biāo)準(zhǔn)G.728標(biāo)準(zhǔn)是一個追求低比特率的標(biāo)準(zhǔn)，其速率為16kb/s，其質(zhì)量與32kb/s的G.721標(biāo)準(zhǔn)相當(dāng)。它使用了LD-CELP（低延時碼激勵線性預(yù)測）算法。27第二十七頁，共63頁。4．G.728標(biāo)準(zhǔn)該算法考慮了人耳的聽覺特性，具有以塊為單位的后向自適應(yīng)高階預(yù)測、后向自適應(yīng)型增益量化、以矢量為單位的激勵信號量化等特點(diǎn)。語音輸入為5個取樣值，附加上激勵信號的波形與增益表達(dá)信息10比特，編碼時延在2ms以內(nèi)。28第二十八頁，共63頁。5．G.729標(biāo)準(zhǔn)G.729標(biāo)準(zhǔn)是ITU-T為低碼率應(yīng)用設(shè)計而制定的語音壓縮標(biāo)準(zhǔn)，其碼率為8kb/s，算法相對較復(fù)雜，采用碼激勵線性預(yù)測（CELP，CodeExcitationLinearPrediction）技術(shù)，同時為了提高合成語音質(zhì)量，采取了一些措施，具體的算法要比CELP復(fù)雜一些。通常稱為共軛結(jié)構(gòu)代數(shù)碼激勵線性預(yù)測（CS-ACELP，ConjugateStructureAlgebraicCodeExcitedLinearPrediction）。29第二十九頁，共63頁。6．G.723.1標(biāo)準(zhǔn)ITU-T頒布的語音壓縮標(biāo)準(zhǔn)中碼率最低的,分別為5.3kbit/s和6.3kbit/s。Forthehighbitrate,Multi-PulseMaximumLikelihoodQuantization(MP-MLQ)excitationisused,andforthelowbitrate,anAlgebraicCodeExcitedLinearPrediction(ACELP)isused.G.723.1標(biāo)準(zhǔn)主要是用于各種網(wǎng)絡(luò)環(huán)境中的多媒體通信的。30第三十頁，共63頁。7．GSM音頻編碼標(biāo)準(zhǔn)GSM是歐洲電信管理局（EuropeanTelecommunicationAdministration）下屬的一個工作小組CEPT-CCH-GSM（GroupSpecialMobile）的縮寫。GSM是歐洲采用的移動電話的壓縮標(biāo)準(zhǔn)。GSM所采用的算法為長時預(yù)測規(guī)則碼激勵（RPE-LTP，Regular-PulseExcitation/LongTermPrediction），采樣頻率為8kHz，運(yùn)行速率為13kb/s。31第三十一頁，共63頁。2.5IP電話技術(shù)

網(wǎng)絡(luò)電話(IPPhone)是以因特網(wǎng)作為傳送媒體的電話系統(tǒng)。網(wǎng)絡(luò)電話在IP網(wǎng)上（以IP為網(wǎng)絡(luò)層協(xié)議的計算機(jī)網(wǎng)絡(luò)）傳送數(shù)字化語音(VoIP，VoiceoverIP)，占用信道資源少，成本較低，價格便宜。網(wǎng)絡(luò)電話還將與圖片、視頻等結(jié)合在一起，可以開通傳真、廣播、電視等業(yè)務(wù)，其市場應(yīng)用前景廣闊。

32第三十二頁，共63頁。1.網(wǎng)際協(xié)議IP及其配套協(xié)議

各種應(yīng)用層協(xié)議網(wǎng)絡(luò)接口層(TELNET,FTP,SMTP等)物理硬件運(yùn)輸層TCP,UDP應(yīng)用層ICMPIPRARPARP與各種網(wǎng)絡(luò)接口網(wǎng)際層IGMP33第三十三頁，共63頁。因特網(wǎng)的網(wǎng)際協(xié)議IP網(wǎng)際協(xié)議IP是TCP/IP體系中兩個最主要的協(xié)議之一。與IP協(xié)議配套使用的還有四個協(xié)議：地址解析協(xié)議ARP(AddressResolutionProtocol)逆地址解析協(xié)議RARP(ReverseAddressResolutionProtocol)因特網(wǎng)控制報文協(xié)議ICMP(InternetControlMessageProtocol)因特網(wǎng)組管理協(xié)議IGMP(InternetGroupManagementProtocol)34第三十四頁，共63頁。ARP

不管網(wǎng)絡(luò)層使用的是什么協(xié)議，在實(shí)際網(wǎng)絡(luò)的鏈路上傳送數(shù)據(jù)幀時，最終還是必須使用硬件地址。每一個主機(jī)都設(shè)有一個ARP高速緩存(ARPcache)，里面有所在的局域網(wǎng)上的各主機(jī)和路由器的IP地址到硬件地址的映射表。35第三十五頁，共63頁。ARP

當(dāng)主機(jī)A欲向本局域網(wǎng)上的某個主機(jī)B發(fā)送IP數(shù)據(jù)報時，就先在其ARP高速緩存中查看有無主機(jī)B的IP地址。如有，就可查出其對應(yīng)的硬件地址，再將此硬件地址寫入MAC幀，然后通過局域網(wǎng)將該MAC幀發(fā)往此硬件地址。

36第三十六頁，共63頁。MAC地址37第三十七頁，共63頁。2.IP電話的實(shí)現(xiàn)方式(1)PC到PC：利用IP地址發(fā)出呼叫，并采用語音壓縮打包傳送方式，在Internet上實(shí)現(xiàn)實(shí)時話音傳送。話音壓縮、編解碼和打包等處理過程均由PC中的處理器、聲卡和網(wǎng)卡等硬件資源完成。這種方式與公用電話通信方式存在較多差異，且限定在Internet上，所以局限性較大。38第三十八頁，共63頁。(2)電話機(jī)到電話機(jī)首先通過程控電話交換機(jī)將傳統(tǒng)電話機(jī)連接到IP電話網(wǎng)關(guān)上，通過電話號碼在IP網(wǎng)上呼叫，發(fā)送端網(wǎng)關(guān)鑒別主叫用戶，在翻譯電話號碼/網(wǎng)關(guān)IP地址后，發(fā)出IP電話呼叫，并與最近的被叫網(wǎng)關(guān)連接，同時完成話音編碼和打包，最后接收端網(wǎng)關(guān)實(shí)現(xiàn)拆包、解碼和連接被叫。在電話到PC或PC到電話的實(shí)現(xiàn)方式中，由網(wǎng)關(guān)負(fù)責(zé)IP地址和電話號碼的對應(yīng)和翻譯，并完成話音編解碼和打包。39第三十九頁，共63頁。3.IP電話的系統(tǒng)構(gòu)成

40第四十頁，共63頁。

IP電話終端有傳統(tǒng)電話機(jī)、配備有IP電話軟件（如Netmeeting）的PC機(jī)和以太電話機(jī)等。如果使用傳統(tǒng)電話機(jī)，則需要通過網(wǎng)關(guān)設(shè)備或適配器進(jìn)行數(shù)據(jù)轉(zhuǎn)換，才能形成IP網(wǎng)數(shù)據(jù)包。

41第四十一頁，共63頁。

IP電話網(wǎng)關(guān)為IP網(wǎng)絡(luò)與電話網(wǎng)之間提供接口，用戶通過PSTN本地環(huán)路與IP網(wǎng)關(guān)相連，該網(wǎng)關(guān)負(fù)責(zé)把模擬信號轉(zhuǎn)換為數(shù)字信號，并壓縮打包，形成可以在Internet上傳輸?shù)腎P分組語音信號，然后通過Internet傳送至被叫用戶的網(wǎng)關(guān)端，由被叫端網(wǎng)關(guān)對IP數(shù)據(jù)包進(jìn)行解包、解壓和解碼，還原為可識別的模擬語音信號，再通過PSTN傳送至被叫方的終端。42第四十二頁，共63頁。

網(wǎng)守

是IP電話網(wǎng)的智能集線器，是整個系統(tǒng)的服務(wù)平臺，負(fù)責(zé)系統(tǒng)的管理、配置和維護(hù)，提供撥號方案管理、安全性管理、集中賬務(wù)管理、數(shù)據(jù)庫管理及備份和網(wǎng)絡(luò)管理等功能。43第四十三頁，共63頁。IP電話網(wǎng)關(guān)的幾種連接方法

分組交換電路交換電路交換

因特網(wǎng)PC到PC公用電話網(wǎng)IP

電話網(wǎng)關(guān)

因特網(wǎng)PC到普通電話機(jī)公用電話網(wǎng)IP

電話網(wǎng)關(guān)公用電話網(wǎng)IP

電話網(wǎng)關(guān)因特網(wǎng)普通電話機(jī)到普通電話機(jī)44第四十四頁，共63頁。

4.IP電話與傳統(tǒng)電話的比較

語音傳輸?shù)拿浇榈牟煌琁P電話的傳輸媒介為IP網(wǎng)絡(luò)，而傳統(tǒng)電話為公眾電話交換網(wǎng)。

交換方式的不同IP電話運(yùn)用的是分組交換技術(shù)，信息根據(jù)IP協(xié)議分成一個個分組進(jìn)行傳輸，每個分組上都有目的地址與分組序號，到目的地后再還原成原來的信號，且分組可以沿不同的途徑到達(dá)目的地。45第四十五頁，共63頁。而傳統(tǒng)電話用的是電路交換的方式，即電話通信的電路一旦接通后，電話用戶就占用了一個信道，無論用戶是否在講話，只要用戶不掛斷，信道就一直被占用著。由于IP電話提高了語音的線路利用率，所以電話費(fèi)用能夠大大降低。

46第四十六頁，共63頁。5.IP電話中主要的技術(shù)問題

(1)信令在IP網(wǎng)絡(luò)中，信令工作過程是：網(wǎng)關(guān)把從交換機(jī)接收的撥號數(shù)字映射為IP地址，并向該IP地址的站點(diǎn)發(fā)送通知建立請求信號。同時，系統(tǒng)使用控制信道建立實(shí)時協(xié)議語音流，并使用RSVP（資源預(yù)留協(xié)議）請求服務(wù)質(zhì)量。47第四十七頁，共63頁。(2)尋址在電話網(wǎng)絡(luò)中要實(shí)現(xiàn)尋址功能，其每一部電話機(jī)都必須有一個單獨(dú)的地址。傳統(tǒng)電話網(wǎng)絡(luò)的尋址依靠國際和國內(nèi)標(biāo)準(zhǔn)、本地電話公司服務(wù)和內(nèi)部用戶特定代碼等技術(shù)相結(jié)合來完成。

IP網(wǎng)絡(luò)采用TCP／IP的尋址規(guī)則和協(xié)議。48第四十八頁，共63頁。(3)路由傳統(tǒng)電話網(wǎng)絡(luò)的路由與編號規(guī)則和線路密切相關(guān)，路由用于建立從主叫電話到被叫電話的通話。然而，大多數(shù)路由操作則復(fù)雜得多。49第四十九頁，共63頁。(4)延遲在語音網(wǎng)絡(luò)中，距離是導(dǎo)致延遲的主要因素。50第五十頁，共63頁。IP電話的端到端時延

(1)話音信號進(jìn)行模數(shù)轉(zhuǎn)換要經(jīng)受時延。(2)話音比特流裝配成話音分組的時延。(3)話音分組的發(fā)送需要時間，此時間等于話音分組長度與通信線路的數(shù)據(jù)率之比。(4)話音分組在因特網(wǎng)中的存儲轉(zhuǎn)發(fā)時延。(5)話音分組在接收端緩存中暫存所引起的時延。(6)話音分組還原成模擬話音信號的時延。(7)話音信號在通信線路上的傳播時延。(8)終端設(shè)備的硬件和操作系統(tǒng)產(chǎn)生的接入時延。

51第五十一頁，共63頁。6.VOIP網(wǎng)絡(luò)電話的工作方式(1)單機(jī)工作： 直接下載安裝軟件電話，寬帶---電腦---耳麥，實(shí)現(xiàn)話務(wù)通訊，（或使用USB專用話機(jī)）；（特點(diǎn)：使用時需電腦開機(jī)，可能不太符合一些客戶的使用習(xí)慣）(2)配合企業(yè)集團(tuán)電話使用： 寬帶---VOIP語音網(wǎng)關(guān)---電話交換機(jī)---普通電話機(jī)；（優(yōu)點(diǎn)：不改變原有使用習(xí)慣，利用單位普通電話系統(tǒng)即可打VOIP電話。同時不影響原有電信線路的通話，如以撥9或撥0等加以區(qū)分）52第五十二頁，共63頁。6.VOIP網(wǎng)絡(luò)電話的工作方式(3)直接使用語音網(wǎng)關(guān)： 寬帶---VOIP語音網(wǎng)關(guān)---普通電話機(jī)；（優(yōu)點(diǎn)：簡單、方便，比較適合中小型公司和寬帶家庭用戶使用）(4)直接使用網(wǎng)絡(luò)話機(jī)： 寬帶---RJ45口話機(jī)。（特點(diǎn)：獨(dú)立使用，與電腦關(guān)機(jī)無關(guān)）53第五十三頁，共63頁。7.典型應(yīng)用方案應(yīng)用一：寬帶家庭用戶在家庭寬帶原有條件下增加一個單口語音網(wǎng)關(guān)，即可實(shí)現(xiàn)用普通話機(jī)撥打網(wǎng)絡(luò)電話，另外，華為單口語音網(wǎng)關(guān)還具有路由功能，可為用戶省去購買路由器的費(fèi)用。54第五十四頁，共63頁。應(yīng)用二：企業(yè)單位用戶企業(yè)內(nèi)部原有電話和電腦網(wǎng)絡(luò)的基礎(chǔ)上，增加一臺四口語音網(wǎng)關(guān)，便可實(shí)現(xiàn)使用普通電話分機(jī)撥打網(wǎng)絡(luò)電話，同時不影響電信線路通話，以撥9或撥0等加以區(qū)分，不改變使用習(xí)慣。55第五十五頁，共63頁。應(yīng)用三：中小型公司用戶此方案適用于長話相對不多的小型公司，增加一臺多口語音網(wǎng)