第十四講語(yǔ)音信號(hào)處理第7章

7.1概述7.2語(yǔ)音信號(hào)壓縮編碼原理和系統(tǒng)壓縮評(píng)價(jià)7.3語(yǔ)音信號(hào)的波形編碼7.4語(yǔ)音信號(hào)的參數(shù)編碼7.5語(yǔ)音信號(hào)的混合編碼第七章語(yǔ)音編碼7.1概述語(yǔ)音編碼（SpeechCoding）從信息論角度看，信源編碼是要以最少的數(shù)碼表示信源所發(fā)的信號(hào)，語(yǔ)音編碼屬于信源編碼的范疇。語(yǔ)音編碼通過(guò)減少傳輸碼率（或存儲(chǔ)量），來(lái)達(dá)到提高傳輸（或存儲(chǔ)）效率的目的。語(yǔ)音編碼分為三類：*波形編碼：重建后的語(yǔ)音時(shí)域信號(hào)的波形與原語(yǔ)音信號(hào)保持一致。*參數(shù)編碼：通過(guò)建立語(yǔ)音信號(hào)的產(chǎn)生模型，提取其特征參數(shù)來(lái)編碼，波形上不要求與原信號(hào)匹配，又稱聲碼器技術(shù)。*混合編碼：有機(jī)結(jié)合以上兩種編碼方式，基于語(yǔ)音產(chǎn)生模型的假定并采用分析合并技術(shù)。三種編碼方式的比較波形編碼參數(shù)編碼混合編碼編碼信息波形模型參數(shù)綜合比特率9.6~64Kbps2.4~9.6Kbps16~24Kbps優(yōu)點(diǎn)適應(yīng)能力強(qiáng)，語(yǔ)音質(zhì)量好有效降低了編碼比特率語(yǔ)音質(zhì)量明顯提高缺點(diǎn)隨著量化粗糙語(yǔ)音質(zhì)量下降合成語(yǔ)音質(zhì)量低，處理復(fù)雜度高編碼速率明顯上升典型代表自適應(yīng)差分編碼調(diào)制（ADPCM）LPC-10、LPC-10E多脈沖激勵(lì)線性預(yù)測(cè)編碼（MPLPC）規(guī)則脈沖激勵(lì)線性預(yù)測(cè)編碼（RPE-LPC）7.2語(yǔ)音信號(hào)壓縮編碼原理和系統(tǒng)壓縮評(píng)價(jià)

語(yǔ)音信號(hào)中存在著冗余度（包括時(shí)域與頻域），人的聽(tīng)覺(jué)感知機(jī)理也有很多可以利用的特點(diǎn)。語(yǔ)音信號(hào)壓縮編碼之所以可行，正是因?yàn)檫@兩種情況的存在。

語(yǔ)音編碼依據(jù)之一：語(yǔ)音信號(hào)冗余度基本時(shí)域冗余：語(yǔ)音信號(hào)幅度非均勻分布性語(yǔ)音信號(hào)樣本間的強(qiáng)相關(guān)性濁音語(yǔ)音段具有的準(zhǔn)周期性聲道形狀及其變化的緩慢性靜止系數(shù)（即語(yǔ)音間隙性）

基本頻域冗余：從長(zhǎng)時(shí)間的功率譜密度來(lái)看，語(yǔ)音信號(hào)具有強(qiáng)烈的非平坦性，存在著固定的冗余度。而且高頻能量通常較低，恰好對(duì)應(yīng)于時(shí)域上的相鄰樣本相關(guān)性。從短時(shí)功率譜密度來(lái)看，語(yǔ)音信號(hào)在不同頻率交替出現(xiàn)峰值（共振峰）與谷值。整個(gè)功率譜的細(xì)節(jié)基于基音頻率形成高次諧波結(jié)構(gòu)。

語(yǔ)音編碼依據(jù)之二：人的聽(tīng)覺(jué)特點(diǎn)人類聽(tīng)覺(jué)系統(tǒng)存在著掩蔽效應(yīng)，即高聲級(jí)單音會(huì)明顯掩蔽臨近頻率聲音。對(duì)于不同頻段的聲音，人耳的敏感程度不盡相同。人類對(duì)于語(yǔ)音信號(hào)的周期性（即音調(diào)）極為敏感，但對(duì)信號(hào)的相位卻充耳不聞。語(yǔ)音編碼中的幾項(xiàng)關(guān)鍵技術(shù)線性預(yù)測(cè)

線性預(yù)測(cè)傳送整個(gè)反應(yīng)過(guò)程變化的參數(shù)，其出發(fā)點(diǎn)在于跟蹤波形的產(chǎn)生過(guò)程而非波形本身?；谌珮O點(diǎn)模型假設(shè)，使得語(yǔ)音信號(hào)編碼的比特率得到有效的降低。語(yǔ)音信號(hào)中存在的兩點(diǎn)相關(guān)性樣點(diǎn)間的短時(shí)相關(guān)性相鄰基音周期之間的長(zhǎng)時(shí)相關(guān)性

激勵(lì)發(fā)生器1

————P（z）1

————A（z）合成語(yǔ)音語(yǔ)音信號(hào)合成模型圖示其中信號(hào)源為預(yù)測(cè)余量信號(hào)，1/P(z)為長(zhǎng)時(shí)預(yù)測(cè)濾波器，1/A(z)為短時(shí)預(yù)測(cè)濾波器。語(yǔ)音信號(hào)的短時(shí)相關(guān)性可用一個(gè)全極點(diǎn)模型來(lái)描述，其傳輸函數(shù)H（z）為：短時(shí)預(yù)測(cè)系數(shù)濾波器階數(shù)而濾波器是語(yǔ)音信號(hào)長(zhǎng)時(shí)相關(guān)性的模型，其一般形式為：延時(shí)參數(shù)（基音周期）長(zhǎng)時(shí)預(yù)測(cè)系數(shù)合成分析合成分析原理

合成分析在編碼器中加入綜合器，并將其與分析器結(jié)合從而產(chǎn)生與譯碼器端相同的語(yǔ)音，而后根據(jù)誤差原理調(diào)整使得誤差最小化。合成分析背景

16Kbps以下的高質(zhì)量語(yǔ)音編碼在當(dāng)今得到極大關(guān)注，使得傳統(tǒng)的量化方法對(duì)誤差最小化已無(wú)能為力。因此，合成分析的方法被引入。感覺(jué)加權(quán)濾波器產(chǎn)生背景：理論與現(xiàn)實(shí)的出入

對(duì)于低碼率（4~16Kbps）的語(yǔ)音編碼，理論上的最小均方誤差（MMSE）在實(shí)際應(yīng)用時(shí)卻因?yàn)槿说穆?tīng)覺(jué)特點(diǎn)而障礙重重。在這種背景下，根據(jù)人耳的掩蔽效應(yīng)設(shè)計(jì)的感覺(jué)加權(quán)濾波器得到了廣泛的應(yīng)用。在實(shí)際應(yīng)用中，共振峰處的噪聲相對(duì)于能量較低處的頻段更加不易被察覺(jué)，故高能量段處的誤差要求不高。因此，感覺(jué)加權(quán)濾波器被提出，用以衡量語(yǔ)音間的誤差。

此時(shí)，只需在高頻段處較大，低頻段處較小，就可以升高不敏感的高頻段的誤差，同時(shí)降低較敏感的低頻段的誤差，從而達(dá)到目的。抽樣頻率重建語(yǔ)音傅立葉變換原始語(yǔ)音傅立葉變換誤差表示其傳遞函數(shù)為：

的作用就是使實(shí)際信號(hào)誤差的譜呈現(xiàn)與語(yǔ)音信號(hào)類似的包絡(luò)形狀，從而在掩蔽效應(yīng)的作用下在主觀聽(tīng)覺(jué)上產(chǎn)生較好的效果。加權(quán)因子預(yù)測(cè)系數(shù)語(yǔ)音壓縮系統(tǒng)的性能評(píng)判指標(biāo)較為重要的性能評(píng)價(jià)準(zhǔn)則編碼速率（比特率），決定了編碼器工作時(shí)占用的信道帶寬，要求盡可能降低。編碼器的頑健性，要求良好。編碼器的時(shí)延，要求最小化。誤碼容限，要求保持較高值。算法復(fù)雜度（包括運(yùn)算復(fù)雜度與內(nèi)存要求），影響硬件成本，盡可能降低。算法可擴(kuò)展性，越高越好。適用于低比特率語(yǔ)音編碼質(zhì)量的評(píng)價(jià)

計(jì)算較簡(jiǎn)單，但沒(méi)有考慮實(shí)際情況，故適用于高比特率語(yǔ)音編碼質(zhì)量的評(píng)價(jià)7.3語(yǔ)音信號(hào)的波形編碼波形編碼波形編碼是語(yǔ)音編碼系統(tǒng)在早期所廣泛采用的方法，它把語(yǔ)音信號(hào)當(dāng)成普通的波形信號(hào)來(lái)處理從而保持原波形形狀。波形編碼適應(yīng)能力強(qiáng)，合成語(yǔ)音質(zhì)量好，但比特率過(guò)高，編碼的效率也不盡如人意。幾種典型的波形編碼：脈沖編碼調(diào)制（PCM）自適應(yīng)預(yù)測(cè)編碼自適應(yīng)增量調(diào)制（ADM）自適應(yīng)差分脈沖編碼調(diào)制（ADPCM）子帶編碼（SBC）脈沖編碼調(diào)制形式一：均勻PCM

最簡(jiǎn)單最原始的波形編碼方式，沒(méi)有運(yùn)用壓縮技術(shù)，產(chǎn)生的比特率也極高，故在當(dāng)今運(yùn)用極少。形式二：非均勻PCM將信號(hào)進(jìn)行非線性變換后再均勻量化，變換后信號(hào)具有均勻概率密度分布。編碼時(shí)常采用對(duì)數(shù)變換壓縮（譯碼時(shí)指數(shù)擴(kuò)展）。非線性壓縮均勻量化編碼解碼非線性擴(kuò)張非線性壓縮擴(kuò)張的非均勻量化器A律壓縮擴(kuò)張技術(shù)（中國(guó)標(biāo)準(zhǔn)）

μ律壓縮擴(kuò)張技術(shù)（北美及日本標(biāo)準(zhǔn)）

形式三：自適應(yīng)PCM

無(wú)論是均勻或是非均勻PCM，量化間隔總是隨著量化器的確定而固定。而自適應(yīng)PCM引入的自適應(yīng)幅值變化概念使得量化間隔Δ可以匹配于輸入信號(hào)方差，或是量化器增益G可以隨著幅值而變化，從而使信號(hào)能量在量化前恒定。Q【·】編碼器解碼器匹配自適應(yīng)編碼器Q【·】X解碼器+匹配自適應(yīng)兩種自適應(yīng)方法的原理

按照自適應(yīng)參數(shù)的來(lái)源劃分Q【·】編碼器解碼器自適應(yīng)系統(tǒng)Q【·】編碼器自適應(yīng)系統(tǒng)解碼器自適應(yīng)系統(tǒng)反饋?zhàn)赃m應(yīng)前饋?zhàn)赃m應(yīng)前饋?zhàn)赃m應(yīng)是計(jì)算信號(hào)有效值并決定最合適的量化間隔，用此間隔控制量化器，并將量化間隔信息發(fā)送給接收端。反饋?zhàn)赃m應(yīng)是由編碼器輸出來(lái)決定量化間隔，而在接收端由量化傳輸來(lái)的幅度信息自動(dòng)生成量化間隔。無(wú)須將量化間隔傳送到信道中去，但對(duì)誤差的靈敏度要求較高。自適應(yīng)預(yù)測(cè)編碼LPC計(jì)算-預(yù)測(cè)器系數(shù)發(fā)端收端自適應(yīng)預(yù)測(cè)編碼器（APC）利用線性預(yù)測(cè)來(lái)改進(jìn)編碼中的量化器性能根據(jù)信號(hào)量化噪聲比的定義：信號(hào)平均能量預(yù)測(cè)誤差平均能量量化噪聲平均能量

由此可知引入線性預(yù)測(cè)后，SNR可得到改善。預(yù)測(cè)增益自適應(yīng)增量調(diào)制（ADM）

增量調(diào)制的基本方案：

增量調(diào)制方式將下一個(gè)語(yǔ)音信號(hào)與當(dāng)前語(yǔ)音信號(hào)比較，如果高于當(dāng)前值則系統(tǒng)編碼1，否則系統(tǒng)編碼0.

自適應(yīng)增量調(diào)制的工作方式：自適應(yīng)增量調(diào)制隨輸入波形自適應(yīng)的改變量化階梯的大小，在信號(hào)平均斜率大時(shí)自動(dòng)增大量化階梯，反之減小。

自適應(yīng)差分脈沖編碼調(diào)制（ADPCM）

差分脈沖編碼調(diào)制（DPCM）：

不同于DM的一位編碼，DPCM多位量化對(duì)兩個(gè)采樣點(diǎn)之間的差分信號(hào)利用多位量化進(jìn)行編碼，使信息量得到壓縮的同時(shí)降低了信道負(fù)載。

+量化+預(yù)測(cè)發(fā)送端+預(yù)測(cè)接收端+

但采用固定的高階預(yù)測(cè)，改善效果并不明顯，于是，高階自適應(yīng)預(yù)測(cè)作為相應(yīng)的解決方式被提出，自適應(yīng)預(yù)測(cè)器隨著語(yǔ)音特征變化不斷更新預(yù)測(cè)系數(shù)，從而獲得更高的預(yù)測(cè)增益。-量化預(yù)測(cè)系數(shù)自適應(yīng)+預(yù)測(cè)后向自適應(yīng)預(yù)測(cè)編碼結(jié)構(gòu)框圖：子帶編碼（SBC）子帶編碼原理：

子帶編碼屬于頻域編碼，它首先將語(yǔ)音信號(hào)通過(guò)帶通濾波器分割為若干頻帶（子帶），而后對(duì)子帶信號(hào)進(jìn)行頻譜平移變?yōu)榛鶐盘?hào)，再利用奈奎斯特速率抽樣，最后進(jìn)行編碼處理。

子帶編碼優(yōu)點(diǎn)：分帶后可去除信號(hào)相關(guān)性，獲得與時(shí)域一樣的效果。不同子帶擁有不同比特?cái)?shù)，可獲得更佳主觀聽(tīng)音質(zhì)量。各子帶間量化噪音相互獨(dú)立互不干擾。

自適應(yīng)變換編碼（ATC）

編碼原理：

自適應(yīng)變換編碼利用正交變換將信號(hào)由時(shí)域變換到另外一個(gè)域，使變換域系數(shù)密集化，從而使信號(hào)相鄰樣本間冗余度得到降低。

正交變換DCT的優(yōu)點(diǎn)：頻域變換明顯，較易控制量化噪聲頻率范圍。兼顧性能與計(jì)算量，不需要傳輸特征矢量。變換效率高于DFT，且在頻域區(qū)的畸變更小。

7.4語(yǔ)音信號(hào)的參數(shù)編碼參數(shù)編碼針對(duì)語(yǔ)音信號(hào)的特征參數(shù)來(lái)編碼，只適用于語(yǔ)音信號(hào)。實(shí)際應(yīng)用中一般采用的實(shí)現(xiàn)設(shè)備是線性預(yù)測(cè)聲碼器。線性預(yù)測(cè)分析器編碼器音調(diào)檢測(cè)器線性預(yù)測(cè)合成器解碼器信道LPC聲碼器框圖LPC參數(shù)的變換與量化①反射系數(shù)：

對(duì)反射系數(shù)的值在【-1，1】區(qū)間一般進(jìn)行非線性量化，另外比特?cái)?shù)分配應(yīng)遞減。②對(duì)數(shù)面積比：針對(duì)對(duì)數(shù)面積比的方式是最為有效的編碼方式，很適合數(shù)字編碼與傳輸：其中Ai為面積函數(shù)，通過(guò)上式可知幅度均勻分布，可以采用均勻量化。

變幀率LPC聲碼器

為降低LPC聲碼器的速率，應(yīng)用了變幀速率編碼（VFR）技術(shù)的變幀率LPC聲碼器應(yīng)運(yùn)產(chǎn)生。通過(guò)付出編解碼復(fù)雜化與時(shí)延的代價(jià)，變幀率LPC聲碼器可明顯降低傳輸數(shù)碼率同時(shí)保持音質(zhì)。LPC-10編碼器

LPC-10利用簡(jiǎn)單的二元激勵(lì)取代余量信號(hào)，在2.4kbps的速率上得到了清晰的合成語(yǔ)音，在當(dāng)代長(zhǎng)期被作為標(biāo)準(zhǔn)算法使用。但因?yàn)榧?lì)信號(hào)選取的影響，抗噪能力與自然度仍不盡如人意。7.5語(yǔ)音信號(hào)的混合編碼20世紀(jì)80年代后期，綜合了參數(shù)編碼低比特率與波形編碼高語(yǔ)音質(zhì)量?jī)?yōu)點(diǎn)的混合編碼得到廣泛的使用。它在假定語(yǔ)音產(chǎn)生模型的同時(shí)將模型參數(shù)編碼，吸收了兩者的優(yōu)點(diǎn)。合成編碼方法（LPAS）是目前最廣泛研究的語(yǔ)音編碼算法，它通過(guò)線性預(yù)測(cè)確定