（信号与信息处理专业论文）ip可视电话中语音压缩算法的研究及arm实现.pdf

长春工业大学硕士学位论文 摘要 随着经济的发展，人们生活质量的提高，可视电话使人们通话时能达到 面对面交流的效果，是一种发展前景看好的多媒体通信设备。而语音传输又 是可视电话中一项最重要的功能。本文所采用的算法是i t u t1 9 9 5 年制定的 g 7 2 9 标准算法，它是各种语音编码标准中算法最复杂的一种，在8 k b s 速率 上可以得到与3 2 k b p s a d p c m 算法相媲美的高质量合成语音，节省了资源， 比较适合多媒体通信的语音传输。 本文为算法的实现搭建了基于a r m 的i p 可视电话硬件开发平台。该系 统的微处理器采用s a m s u n g 公司的a r m 9 系列$ 3 c 2 4 4 0 a ，它是专为手持设 备和各种多用途应用设计的低功耗、高集成度的微处理器，内部集成了音频 和视频接口，内核速率最高可达到5 3 3 m h z 。编解码芯片采用a d 公司的符 合a c 9 7 规范的a d l 8 8 5 ，a c 9 7 规范把一般音频设备中的数字部分( d s p ) 和模拟部分( c o d e c ) 分离开来，从而减低了电磁干扰，获得较好的音效品 质。因此本系统的设计采用了a r m 处理器和a c 9 7 规范相结合的方案。 论文首先介绍了i p 可视电话和语音编解码技术的发展概况，对g 7 2 9 算法进行了深入的分析和研究。对i t u t 提供的源代码进行分析，并在v c 6 0 上进行仿真，针对算法采取了两种优化方法来优化源代码，一是舍弃乘积为 零的方法以减少程序的调用循环次数，二是粗化搜索的方法以缩小搜索的范 围，减少总的搜索时间，降低运算量。接着对$ 3 c 2 4 4 0 a 芯片的结构功能和 a d l 8 8 5 芯片的结构功能及工作原理进行分析，在此基础上设计了本系统的 硬件电路，并结合a r m 调试开发环境a d s l 2 在该硬件系统上调试运行g 7 2 9 算法，文中还给出了主程序编写的关键技术及程序流程图，做到了算法和硬 件相结合。在程序执行过程中o 7 2 9 的一些基本运算被调用的次数很多占用 了大量的运算量，因此文中针对$ 3 c 2 4 4 0 a 的硬件结构对这些基本运算进行 了优化，给出了几点优化的方法，以做到语音的实时编码。最后针对本文的 不足点，给出了几点需要进一步改进的想法。 关键词：i p 可视电话语音编码g 7 2 9a r ma c 9 7 长存工业人学硕j j 学位论文 a b s t r a c t w i t ht h ed e v e l o p m e n to fe c o n o m y ，a n di m p r o v e m e n to fl i v i n g q u a l i t y ，i p v i d e op h o n ep r o v i d e sf a c et of a c ec o m m u n i c a t i o ns e r v i c e ，s oi ti sah o p e f u l m u l t i m e d i at e l e c o m m u n i c a t i o nf a c i l i t y a n dt h es p e e c hc o d e rt e c h n o l o g yi s t h em o s ti m p o r t a n tf u n c t i o no fv i d e op h o n e g 7 2 9s t a n d a r dt h a ti si n v o l v e di n t h i sp a p e ri ss t a n d a r d e db yi t u ti n1 9 9 5 ，a n di st h em o s tc o m p l i c a t e di nt h e s p e e c hc o d es t a n d a r dr e c o m m e n d e di ni t u t t h es p e e c hq u a l i t yi n 8 k b si s e q u i v a l e n t t ot h a to f 3 2 k b p sa d p c m ，c a s t i n gr e s o u r c e ，i t f i t s s p e e c h t r a n s m i s s i o no fm u l t i m e d i ac o m m u n i c a t i o n t h i sp a p e rd e s i g n e di pv i d e op h o n eh a r d w a r ed e v e l o p m e n tp l a t f o r mb a s e d o na r m t h i ss y s t e m c p ua d o p t e ds a m s u n g s $ 3 c 2 4 4 0 ao fs e r i e sa r m 9 ，i ti s d e s i g n e dt op r o v i d eh a n d - h e l dd e v i c e sa n dg e n e r a la p p l i c a t i o nw i t hl o w p o w e r ， a n dh i g h p e r f o r m a n c em i c r o c o n n o l l e r i ti n t e g r a t e dv o i c ea n dv i d e oi n t e r f a c e i t sc o r es p e e dc a nr e a c h5 3 3 m h z t h ec h i po fc o d e ra d o p t e da dc o sa di8 8 5 w h i c hf i t st oa c 9 7s t a n d a r d a c 9 7s t a n d a r ds e p a r a t e dt h ep a r to fd s pa n d c o d e c ，s ot h a td e c r e a s e de l e c t r o m a g n e t i cd i s t u r b a n c e ，a c h i e v e db e t t e rt i m b r e s ot h i ss y s t e ma d o p t e dt h ec o m b i n a t i o no fa r m p r o c e s s o ra n da c 9 7s t a n d a r d t h ep a p e ri n t r o d u c e sf i r s t l yc o n s p e c t u so fi pv i d e op h o n ea n ds p e e c hc o d e c t e c h n o l o g y ，a n a l y z e d a n ds t u d i e d f u r t h e r l yg 7 2 9a r i t h m e t i c a n a l y s e dt h e s o u r c ec o d eo fa l g o r i t h mo f f e r e db yi t u t a tt h es a m et i m e ，e m u l a t e db yv c 6 0 ， a d o p t e dt w oo p t i m i z e dm e t h o d st oo p t i m i z et h e s o u r c ec o d ec o n t r a p o s e d a r i t h m e t i c ，o n ei sa b n e g a t e dz e r op r o d u c t ，t h i sm e t h o dc a nr e d u c ec i r c l et i m e s t h eo t h e ri sr o u g hs e a r c ht h a tc a nr e d u c es e a r c h i n gr a n g e ，d e c r e a s es e a r c h i n g t i m e ，r e d u c e do p e r a t i o n t h e na n a l y z e df l a m ef u n c t i o na n dt h e o r i e so fc h i p $ 3 c 2 4 4 0 aa n da d18 8 5 a tt h i sb a s e m e n t ，d e s i g n e dh a r d w a r ec i r c u i tf o rt h i s s y s t e m ，d e b u ga l g o r i t h mi n t h i sh a r d w a r es y s t e ma s s o c i a t e d t oa r md e b u g d e v e l o p e de n v i r o n m e n ta d s t h i sp a p e ri n f e r r e dk e yt e c h n o l o g yi nc o m p i l i n g m a i np r o g r a ma n dp r o g r a m sf l o wc h a r t ，a c h i e v e dc o m b i n a t i o no fa l g o r i t h ma n d h a r d w a r e i nt h ep r o c e s so fr u n n i n gp r o g r a m ，s o m eb a s i co p e r a t i o ne x p e n d e da g r e a td e a lo fo p e r a t i o nb e c a u s eo ft h a tb et r a n s f e r r e dm u c ht i m e s s ot h i st h e s i s o p t i m i z e d t h e s eb a s i co p e r a t i o n sa i m e da tt h eh a r d w a r ec o n f i g u r a t i o no f $ 3 c 2 4 4 0 a ，r a i s e ds e v e r a lo p t i m i z a t i o nm e t h o d ，r e a c h e ds p e e c hr e a l - t i m ec o d e r a tl a s t ，p r e s e n t e ds e v e r a li m p r o v a b l es u g g e s ta b o u tt h i sp a p e r ss h o r t a g ei s g i v e n k e y w o r d s ； i pv i d e op h o n e s p e e c hc o d e r g 7 2 9a r ma c 9 7 l l k 稃工业大学硕士学位论文 原刨性说明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行 研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其 它个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献 的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。 论文作者签名：了镊 同期：7 矿习年月矿日 长存工业大学碗j ：学位论文 第一章绪论 1 - 1i p 可视电话的发展及现状 近年来，随着多媒体技术和电话事业的快速发展，单一语音媒体通信方 式已经不能满足信息时代的人们对通信的需求，可视电话是集计算机技术、 通讯技术、多媒体技术于一体的高科技通讯产品，是2 0 世纪通讯领域的一 次革命。是一种点到点的视频通信，它能利用电话网双向实时传输通话双方 的图像和语音信号，达到面对面交流的效果。随着通信业务的发展和人们对 多媒体技术需求的增加，可视电话将成为移动电话之后新的消费熟点， 可视电话发展大致分为三个阶段：第一阶段是可视阶段。电话是1 8 7 6 年由美国人贝尔发明的。1 9 6 4 年，美国贝尔实验室首先研制成功 p i c t u r e p h o i l ei 即静止黑白图象电话，但由于当时图象传输技术及视频压缩 技术问题，使其发展缓慢。直到1 9 9 2 年，美国a t & t 公司推出全彩色可视电 话机，可在普通电话线路上使用。每秒可传送1 0 帧彩色图象，也由于视频 压缩率较低，图象质量差，价格偏高，导致市场不能接受。另一个问题是， 直到1 9 9 6 年上半年国际上尚无可视电话的统一标准，这就使得各公司之间 产品不能互通，影响了可视电话市场的发展。近几年由于视频压缩技术有了 突飞猛进的发展，这就为可视电话发展提供了新的空问。国际电讯联盟在 1 9 9 6 年底制定了在普通电话网上的可视电话标准，即i t u h 3 2 4 。新标谁的 制定无论在技术方面还是在互换性方面都带来了一个飞跃， 为可视电话的 发展奠定了基础，使之成为通讯领域中的一个新热点。 第二阶段是可视信息平台。现代社会的信息交流不仅要看、要听、要说， 而且要能写、能收发等。这就要求可视电话要入网并且和计算机兼容，要能 发电子邮件，进行网上交流等文本信息，并能进行交互式游戏、看电视等， 尤其是网络多媒体的发展和i p 电话的使用，为可视信息平台提供了发展的 基础。目前，电脑、电话、电视三机合一的智能机和电信网、电视网、电脑 网三网合一的智能网趋势正在努力形成，这就为可视信息平台提供了发展的 条件。 第三阶段是远程监控阶段。美国微软公司在1 9 9 9 年年初提出智能屋的 概念，就是说，家庭设施全部用数字信号控制，输入指令就能进行远程监控， 使用户能在任何地方拨电话检查室内情况，并进行远程控制。现在使用的可 视门铃已具备电控开关门的功能，随着科学技术进步和网络媒体的发展，可 视电话功能必有新的提高，如可视电话的智能化功能开发等。 长春l t 业大学硕：i ：学位论文 目前，国内外主流的视讯设备都采用基于i t u - th 系列的国际标准。国 际上可视应用的生产和供应厂商主要在欧美地区，数目不多，价格较高，而 且主要是面向企业的商业应用。我国可视电话起步虽然比国外晚，但技术标 准是与世界同步的，在核心编解码芯片方面，国内厂商引进、消化、吸收国 外先进芯片的研制技术，并运用到国内产品中。我国己研制成功和正在合作 开发可视电话的企业达到数十家，一些企业采用自己的技术生产的可视电 话，其性能已可以与国外同类产品相媲美，且市场价远远低于进口产品，还 有一部分国内产品出口国外。 国内通信设备制造商中兴通讯和华为技术都在投入大量的人力和资金 进行宽带网络视频系统的方案设计和产品的研发，宽带可视电话机也相继登 场。我国运营商已经迈出了历史性的一步，纷纷推出自己的可视业务品牌： 电信的“新视通”、网通盼“网视通”、铁通的“全视通”，足以见得各大 运营商对可视业务的看好。 1 2 语音编码技术的发展概况 语音编码技术是可视电话技术的一个重要组成部分，长期以来，在通信 网的发展过程中，解决语音信号传输效率是一个十分关键的问题，及其重要。 目前主要通过两大途径来研究这一课题：一是研究新的调制方法与技术，来 提高信道传输信息的比特率，指标是每赫兹带宽所传送的比特数：二是压缩 语音编码的比特率，如标准脉冲编码调制( p c m ) 编码，对3 4 k h z 频带语 音信号需用6 4 k b s 编码比特率进行传送，显然压缩这一比特率可以提高信道 传送的话路数。这对任何频率资源有限的传输环境来说，是极为重要的，尤 其是在无线通信技术决定今后通信发展命运的今天更是显得重要。总体上由 3 个大的发展方向：低速率、变速率和不压缩语音编码，并广泛应用于短波、 超短波、地面微波和卫星通信系统中1 1 l 。 语音编码技术的各种国际标准集中反映了语音编码技术的发展水平。标 准的制定是根据应用背景，对于编码质量、编码速率、编码时延、算法复杂 度及颦韧性等几个因素进行综合权衡而做出的最优选择，以期在实际应用中 获得最佳效益。 国际电报电话咨询委员会( c c i t t ) 在1 9 7 2 年制定了关于6 4 k b i t s 脉码 调制( p c m ) 语音编码标准的g 7 1 1 建议。由于受到计算机技术、编码技术 以及集成电路技术发展水平的限制，其后停滞了较长一段时间，直到1 9 8 4 年才公布了关于3 2 k b i t s 自适应差分脉码调制( a d p c m ) 1 2 1 编码标准的g 7 2 1 建议，且在1 9 8 6 年根据运行中出现的问题，对算法作了部分修改。这两个 标准都达到了进入公用电话网的质量。码激励线性预测( c e l p ) 编码方法提 长备1 = 业大学硕十学位论文 出后，在4 k b i t s 1 6 k b i t s 范围中，低速率语音编码的话音质量有了明显提 高 3 1 。 为了构成统一的移动通信系统，从1 9 8 2 年开始，西欧着手研究新一代 数字移动通信体制，并于1 9 8 8 年公布了标准，称为g s m 标准。其语音编码 采用了速率1 3 k b i t s 具有长时预测的规则脉冲激励的线性预测( r p e l t p ) 方案。他的特点是算法简单、话音质量达到通信等级、抗误码性能好，纠错 码保护后能在1 0 “突发性信道误码情况下工作，适用于数字移动通信1 4 1 。 同时北美、日本也在研究自己的数字移动通信体制。1 9 8 9 年北美蜂窝电 话工业组织( c t i a ) 公布了北美数字移动通信标准( i s 5 4 标准) 。为了使原 有模拟调制信道能扩容3 倍，语音编码采用了8 k b i t s 矢量翻激励线性预测 ( v s e l p ) 方案。该算法属于c e l p 类型，只是采用了自适应长时码书以及 两个结构化的随机激励码书。比经典c e l p 运算量减少了很多，并能用定点 算法实现，有裂于硬件的简化1 1 1 。 1 9 8 2 年美国安全局( n s a ) 公布了2 4 k b i t s 的l p c 1 0 声码器标准 ( f s 1 0 1 5 ) ，采用1 0 阶l p c 预测器。其可懂度达到9 0 ，但是其合成语音 自然度差且抗环境噪声能力差。为提高保密通信两的话音质量，n s a 从1 9 8 5 年开始组织研究新一代声码器，并于1 9 8 9 年公布了4 8 k b i t s c e l p 标准 ( f s 1 0 1 6 标准) ，该方案采用了自适应长时码书和稀疏随机码书，所需计算 量也比经典c e l p 下。它具有比l p c 1 0 好的多得自然度及抗环境噪声能力。 1 9 9 3 年美国国防部语音信号数字处理协会( d d v p c ) 开始选择新的国防部 2 4 k b i t s 语音编码标准，并于1 9 9 6 年3 月选用t i 公司和a s p 公司联合提出 的混合激励线性预测( m e l p ) 声码器，于1 9 9 8 年年底正式公布这个新的标 准。这个m e l p 声码器的取样频率也是8 k h z ，每18 0 个样点为一帧，帧长 为2 2 5 m s ，每帧量化5 4 b i t ，总速率为2 4 k b i t s 。m e l p 声码器采用混合激励、 菲周期脉冲、自适应增强、脉冲整形滤波和傅氏级数幅度值5 大技术，使得 合成语音能更好地接近自然语音【4 j 。 除了上述提到的一些标准外，其他一些国家与组织也提出了一些标准算 法。例如日本的数字移动通信标准( 6 7 k b i t s v s e l p ) ，国际海事卫星组织 ( i n m a r s a t ) 1 9 9 0 年公布的4 1 5 k b i t s 改进型多带激励( i m b e ) 语音编码标 准等。这些国家和组织还正在研究进一步降低速率的新的算法和标准，例如 北美、西欧和日本正在制定将各自的数字移动通信用语音编码速率降低一半 的新的算法标准。c c i t t 已经制定高质量短时延的8 k b i t s 语音编码标准，并 丌始制定4 k b i t s 乃至2 k b i t s 的高质量短时延的语音编码标准f i l l 5 。 到目前为止，比较成功和研究的热点有码本激励线性预测编码算法 ( c e l p ) 、多带激励( m b e ) 语音编码算法和波形插值算法( w i ) 等。另外， 长存工业大学硕士学位论文 随着研究的深入，语音编码的研究也引入了新的分析技术，例如非线性预测、 小波分析技术以及高阶统计分析技术等。预计这些技术更能挖掘人耳听觉掩 蔽等感知机理，更能以类似人耳的特性作语音的分析与合成，使语音编码系 统更接近于人类听觉器官的处理方式工作，从而在低码率语音编码的研究上 取得突破。 1 3 本论文的研究内容 i p 可视电话涉及计算机网络、信令协议、数字信号处理等多个领域。而 数字信号处理主要是语音和图像处理，即语音信号和图像信号的编解码。又 由于通信对于标准化的迫切要求，语音编码的标准化取得了很大进展。从最 早的6 4 k b i t s p c m 编码、到3 2 k b i t s a d p c m 、1 6 k b i t s l d c e l p 和i t u t 在 1 9 9 5 年7 月制定的8 k b i t s c s a c e l p ( 又称为g 7 2 9 协议)的语音编码技 术已经标准化。而g ，7 2 9 标准在众多语音编码标准中具有合成语音质量高、 时延小等特点，适合于长途通信系统中的应用，被广泛的应用于v o i p 、可 视会议系统等。因此本课题的编码方案采用了g 7 2 9 协议。 本论文结构共分为五章： 第一章介绍了i p 可视电话的国内外现状和语音编解码技术的发展概况。 第二章分析了g 7 2 9 协议的算法。 第三章分析了( 3 , 7 2 9 的源代码，熟悉每一个功能模块的代码实现和编码 的特点，采用v c 6 0 对算法进行仿真，并采用两种优化方法对算 法进行了就化。 第四章设计了基于a r m 的i p 可视电话的硬件开发平台，结合a r m 的 开发调试环境a d s l 2 在该硬件系统上调试g 7 2 9 算法，及结合 硬件在几个方面对程序进行了优化。 第五章对论文进行了总结，给出了本论文的不足点并给出了几点改进的 想法。 长春工业 学硕j ：学位论文 第二章g 7 2 9 协议的算法分析 2 1g 7 2 9 协议的概述f 6 】【7 j g 7 2 9 协议是i t u 组织于1 9 9 5 年正式批准的，命名为g 7 2 9 协议，该建 议采用共轭统构代数码激励线性预测( c o n j u g a t e s t r u c t u r e a l g e b r a i c c o d e r - e x c i t e dl i n e a rp r e d i c t i o n ，c s a c e l p ) 算法，基于c e l p 编 码模型的算法。能够实现很高的语音质量( 长话音质) 和很低的算法延时。 其带，宽约4 k h z ，工作速率为8 k b s ，m o s 在4 0 左右，因此，g 7 2 9 被广泛 应用于d s v d 、数字卫星系统、电视会议、可视电话、1 p 电话及各种多媒体 通信系统中。 这个方案的特点是分析窗采用混合窗：l s p 参数采用二级矢量量化：以 子帧为单位的码本授索分别使用共轭结构的自适应码本搜索和使用代数结 构的固定码本搜索；基音分析采用开环基音分析和自适应码本搜索相结合， 从而降低了运算量，减少了基音的量化比特数，并提高了基音预测的准确度； 代数码本算法简单，不需要存储码本，恢复音质清晰。在8 k b i t s 码率下合成 语音质量不低于3 2 k b s a d p c m 的水平。在语音信号8 k h z 取样的基础上，1 6 b i t 线性p c m 后进行编码，压缩后数据速率为8 k b p s ，具有相当于1 6 ：1 的压缩 率。c s a c e l p 8 k b i i s 算法每帧语音参数用9 0 b i t 进行编码，比特位的分配如 表2 1 所示。 表2 】c s ，a c e l p 算法每帧语音参数比特位分配表 参数 码子 第一子帧第二子帧每帧总计 线谱对( l s p ) l o ，l 1 ，l 2 ，l 318 自适应码1 5 延迟p 1 ，p 2 g 51 3 基音延迟校验位 p o1l 定点码j 娉序号c l ，c 2 1 31 3 2 6 定点码书符号s 】， s 244 8 一级码1s 增益g a l 。g a 2 33 6 二级码书增益g b l ，g b 2 44 8 总计8 0 其中码字的含义为： 长春工业大学硕士学位论文 l 0 ：线谱对参数矢量量化预测器选择码字( 算法中有两个预测器) l 1 ：线谱对参数矢量量化一级码书的量化序号 l 2 ：线谱对参数矢量量化二级码书l 的量化序号 l 3 ：线谱对参数矢量量化二级码书2 的量化序号 p 1 ：第一子帧最佳基音延迟编码码字 p 2 ：第二子帧最佳基音延迟编码码字 p 0 ：第一子帧最佳基音延迟编码码字p 1 的高六位异或值 c 1 ：第一子帧定点码矢编码码字 c 2 ：第二子帧定点码矢编码码字 s 1 ：第一予帧定点码矢脉冲幅度符号编码码字 s 2 ：第二子帧定点码矢脉冲幅度符号编码码字 g a i g a 2 ：第一二子帧一级增益码书矢量量化的量化序号 g b l g b 2 ：第一，二子帧二级增益码书矢量量化的量化序号 在编解码器内部流程中处理的是数字信号，此信号是通过对输入的模拟 信号先进行电话带宽的滤波，然后进行8 k h z 抽样，接着转换为1 6 b i t 线性 p c m ，得到1 2 8 k b p s 的数字信号。而输出信号则以同样的方式转换回模拟信 号。在进行编码之前，还需要将1 2 8 k b p s 的数字信号转换成1 6 b i t 线性p c m 。 而该协议主要关心的是编码时输入1 6 b i t p c m 语音信号，输出2 进制比特流； 解码时输入2 进制比特流，输出1 6 b i t p c m 语音信号。 2 1 1 编码器原理 ，编码器原理框图如图2 1 。编码器主要包括语音信号预处理、线性预测 分析和l p c 系数量化、丌环基音分析、固定码书搜索、自适应码书搜索和码 本增益量化。 语音信号先进入预处理模块，信号经过高通滤波和信号幅度衰减后，再 作为后续模块分析的信号。每1 0 m s 帧将进行一次l p 分析以计算l p 滤波器 参数，这些参数被转换为l s p 参数，并利用预测式两极矢量量化将其量化为 1 8 b i t 。激励信号应用分析合成( a b s ) 搜索算法进行选择。在该算法中，依 据感觉加权失真测度使原始与重建语音信号问的误差最小。这是通过用感觉 加权滤波器对误差信号滤波来完成的。滤波器系数由未量化的l p 滤波器推 得。感觉加权的数目通过自适应以提高效果，使输入信号具有平坦的频响。 激励参数( 固定和自适应码书参数) 每5 m s ( 4 0 样点) 子帧确定一次。 量化和未量化的l p 滤波器系数应用到第二子帧，采用了插值l p 滤波器系数 ( 量化和未量化) 。一个丌环基音延迟每1 0 m s 帧基于感觉加权语音信号估算 一次，然后以下操作每子帧重复一次。使l p 残差通过加权合成滤波器 6 k 春工业大学硕士学位论文 w ( z ) a ( z ) 滤波算得目标信号x ( n 1 。这些滤波器的初始状态，是通过对l p 残差与激励间的误差进行滤波来更新的。这与通常的方法即从加权语音信号 中减去加权合成滤波器的零输入响应是等价的。算得加权合成滤波器的冲击 响应h ( n i ，然后进行闭环基音分析( 以寻找自适应码书和增盏) ，利用目标 信号x ( n 1 和冲击响应h ( n ) ，在开环基音延迟值附近搜索，采用1 3 精度的分 数基音延迟，基音延迟在第一子帧编码为8 b i t ，而在第二子帧采用5 b i t 编码。 自适应码书贡献( 经滤波) 减去后，目标信号x ( n ) 变为x ，( n ) ，这个新的目标 信号x ( n 1 用在固定码书搜索中以搜索最优激励。一个1 7 b i t 的代数码书用作 固定码书激励。自适应和固定码书的增益用7 b i t 进行矢量量化( m a 预测应 用到固定码书增益中) 。最后，滤波器的记忆值由已确定的激励信号来修币。 2 1 2 解码器原理 ii r - 一 一! ：i 三型罄精删i + 。誊袅一一一一船怒嚣；垂；l 一，0 了i 一一一一一一一一制 l “1 ，“一 i i if # 艇一叱l 图2 1g 7 2 9 编码器原理 解码器原理图如图2 2 所示。主要包括参数解码、后滤波处理和丢帧后 处理。 茵 长备工业大学硕士学位论文 图2 2 解码器原理 首先，在接收的比特流中提取参量指针。这些指针解码后，得到相应于 1 0 m s 语音帧的编码参量。这些参量是l s p 系数，两个分数音调延迟，两个 固定码书矢量，和两组自适应码书和固定码书的增益。每一个子帧的l s p 系 数要进行内插，并转换成为l p 滤波器系数。然后，对每5 m s 的子帧完成下 面的运算： a ：激励是由自适应码书矢量和固定码书矢量，按照他们各自的增益定 标后相加而构成的。 b ：合成语音是由激励通过l p 合成滤波器滤波而重构的。 c ：重构语音信号通过后置处理，他饱含了一个建立在长期和短期合成 滤波器基础上的自适应后滤波器，接着进行高通滤波和定标操作。 2 1 3 延迟 这个编码器用1 0 m s 帧编码语音和其他音频信号。此外，预留准备有5 m s ， 得到的总运算延迟为1 5 m s 。编解码器在实际实现中的全部附加延迟时由于： a ：编码和解码操作所需要的处理时阗。 b ：在通信链路上的传输时间。 c ：把声音数掘和另外数据组合在一起的多路复用延迟。 2 2g 7 2 9 建议涉及的基本理论一c e l p 的基本原理i z l l ”】 c e l p 编码器是基于分析合成方法、感觉加权、矢量量化( v q ) 和线性 预测( l p c ) 技术丽构戍的一个闭环、综合鄢高效的语音编码系统，图2 3 给出了c e l p 的编码原理图。在c e l p 编码器中，语音按帧进行分析，帧长 一般为1 0 3 0 m s ，其基本原理为：用一个自适应码本中的码字来逼近语音的 长时周期传( 基音) 结构；用一个崮定鲶随机码字来逼近语音经过短时、长 时预测后的残差信号。从两个码字中搜索出的最佳码字，乘以各自得最佳得 长眷l 业大学硕士学位论文 益后再辐加，其和即为c e l p 的激励源。将激融信号输入p 酚l p 合成滤波 器日g ) = l l a ( z ) ，得到台成语音信号亨o ) ，f 0 ) 与原始语音信号s 0 ) 的误差经过 感觉加权滤波器矽( z ) ，得到感觉加权误差e 伽) ，c e l p 编码器用感觉加权的最 小均方误差准贱最为搜索最佳码字及其增益鸽佻度准则。舀适应码本与髓机 码本的搜索过程摹本一致，差别在于码本结构和目标矢量的不同。 其中声道模型日g ) = 1 4 0 ) 给出了声道的传输函数，在大多数情况下可用 一个p 阶全极点函数柬襄示； ，、1 日心) = _ 1 一亨邸一l 。 闰 式中 d ， 为预测系数，感觉加权滤波器( z ) 的依据是人耳昕髓的掩蔽效 应( m e ) ；在语音频谱t 扣能量较高的频段即共振峰处韵嗓声相对于能量较低 频段的噪声面舂不容易被人耳感知。因此在度晨原始语音与合成语音之间的 误差时可以记入这一因素，在语音能量高的频段允许两者的误差大一些， 反之则小一些。感觉加权滤波器的作用是使实际的误差信号的谱不再平坦， 而是与原始语音信号谱具有相似的包络形状。这就使误差度量的优化过程与 感觉上的共振峰对误差的掩蔽效应柏吻合，产生较好的主观听觉效果。感觉 力l j 权滤波器的特性由预测系数h 和加权因子y ( 取值在0 1 之蚓，通常取 0 8 ) 来确定。 。 ， 2 3 编码算法各功能简述1 图2 3c e l p 原理图 2 3 i 预处理 此模块的功能就是要将模拟语音信号转换为1 6 b i t p c m 信号。预处理主 长存1 = 业人学硕士学位论文 要包括两个过程： ( 1 ) 信号定标：将信号幅度减半，以减少定点实现时的数据上溢概率。 ( 2 ) 高通滤波：剔出不希望的低频成分。 通过一个截至频率为1 4 0 h z 的2 阶极零点高通滤波器来实现上述两个 功能。滤波器的传输函数为： 。r7、：046363718-092724705z-i+046363718z-21-1( 27 ) l ，iz l = _ 一 l2 zj ”1 l 1 9 0 5 9 4 6 5 z 叫+ o 9 11 4 0 2 4 z 叫 经过h 。，( z ) 滤波后的信号称为预处理话音信号s ( n ) 。 2 3 2 线性预测分析与l p c 系数量化 线性预测就是进行短时信号分析，它去掉相邻采样点间的相关性。采用 3 0 m s 非对称窗化自相关法，每话音帧实施一次短期预测或线性预测分析。每 一帧计算一次窗化语音的自相关系数并使用l e v i n s o n d u r b i n 算法将其转换 成l p 系数。此后，为了量化与内查，将该l p 系数转换为线谱对。量化和内 插后的线谱对再转化为预测系数，构成加权合成滤波器。g 7 2 9 的短时合成 滤波器是1 0 阶线性预测滤波器，定义为： 土：o 一 ( 2 3 ) 一2 丽一 z ， a ( 2 j l + y a z 一 ，= 1 其中a ，i = l ，2 ，1 0 是量化的线性预测系数。 g 7 2 9 采用普通的自相关法来求解线性预测系数。语音信号s ( n ) 经过预 处理后，以当前顿为中心加3 0 m s 的混合窗，该混合窗第一部分是半个 h a m m i n g 窗，第二部分是四分之一的余旋函数周期。如下： o ) =o s 4 - o 4 s c o s 陆 c o s2 n ( n - 2 0 0 ) l 1 5 9 j 拧= 0 ，一，1 9 9 ( 2 4 ) 门= 2 0 0 ，2 3 9 窗化语音为： s ( n ) = 脚b ( n ) s ( n ) n 。0 ，2 3 9 由窗化语音可以算出1 1 个自相关系数： 2 3 9 r ( k ) = s ( n ) s 7 ( n - k ) k = o ，1 0 ( 2 5 ) ( 2 6 ) 然后对零阶自相关系数进行白噪声校正，对其他的1 0 阶自相关系数进行 6 0 h z 的带宽的扩展： k 春工业大学碗t 学位论文 f ( o ) = 1 o o o l f ( o ) r ，c k ，= e 冲 一互, 。( 2 - c , o ，2 k 2 1 2 ，1 。 ( 2 7 ) 然后使用l e v e n s i o n - d u r b i n 迭代算法，求出当前帧的线性预测系数： a = a ( 1 0 j ，i = 0 ，1 0 ，a o = 1 0 g 7 2 9 协议中为了量化； 珏内插的目的，将l p 滤波器系数转换为线诺对 ( l s p ) 系数后，再采用可选的四阶m a 预测器和两极矢量量化，对其进 行量化和编码。第一级码本是长度为1 0 的矢量码本，大小为1 2 8 ( 7 b i t ) ， 而第二缀码本刚为分段码本，由两个长度为5 ，大小为3 2 ( 5 b i t ) 的矢量 量化码本构成，这一阶共变成1 8 b i t ，每个系数由两级码本的和获得： k m ( 1 1 ) + l 2 ( l 2 ) i = l ，5 ( 2 8 ) 1 l l l ，( 1 1 ) + l 3 ( 1 3 ) i = 6 ，- ，1 0 t 经重排处理后，当前帧量化的l s f 系数击”由量化器当前输出i ! “和过去 输出i ；“ 通过下式产生； 耐m 】= i1 一虬伊+ 丸“ i 1 1 ，1 0 ( 2 9 ) k = 1 k t l 其中氩。为可选的m a 预测器系数，码本搜索以最小化加权均方误差 w ( q - 0 3 , ) 2 为准则，搜索出最优的l 1 ，l 2 ，l 3 以及相应得预测器l 0 。 矗7 2 9 将一帧1 0 m s 语音分为两个5 m s 的语音子帧( 4 0 个样本点) ，第一 子帧的线谱对参数由本帧线谱对参数和i i i 一帧线谱对参数内插而得，以 保证参数的连续性，第二子帧则使用本帧的线谱对参数。l s p 系数经量 化及内插后，被转换为l p c 系数，以供后续滤波器使用。 2 3 3 感知加权滤波器 感知加权滤波器是基于非量化的l p 滤波器系数a ，由下式给出 w ( z ) = 糕= ( 2 1 0 ) 一与托的值确定了滤波器w ( z ) 的频率响应。经过该变量的适当调整可使 得加权更加有效。该调整可通过取门和乃为输入信号频谱形状的函数来完成a 、乃选定后，可以求得加权语音信号s c o ( n ) ： k 存工业人学硕士学位论文 1 0 1 0 s 脚( n ) = s ( n ) + e a ；一s ( n i ) 一a 。y 2 s 国( n i ) n = 0 ，3 9( 2 11 ) i = l i - i 加权语音信号s 国( n ) 用于寻求话音帧中基音延迟的估算值。 2 3 4 开环基音分析 语音信号经过感觉加权后，需要进行码本搜索。为了减少自适应码本搜 索的复杂度，自适应码书的最佳延迟的搜索范围应限制在开环音调分析所得 到的候选延迟乙附近。每帧均利用加权语音信号s 珊o ) 做一次开环基音估计。 首先找出三个最大的相关函数： 7 9 r ( k ) - e s 国0 - 棚g 一七) n - o 在以下三个范围内寻找： i = 1 ：8 0 ，1 4 8 ： i = 2 ，4 0 ，7 9 ： i = 3 ，2 0 ，3 9 ： 对最大值r “) ( i = l ，2 ，3 ) 归二化： 震( f ，) = r ( ，) f 妻s ：g 一，) 丫 n - 0 在三个规格化的相关值中，要支持较低范围的延迟值被选为优胜者，这 是通过较长延迟值的加权来完成的。最佳开环延迟可由下面的算法得到； 乙= t l r 0 0 ) = r o ) i f 矗以) 0 8 5 r 眈) r ) = r ( f ：) 乙= ，2 e n d ， i f 胄( f 3 ) 0 8 5 r 心j r 【7 乙) = r ( f ，) 乙= t s e n d 此过程把延迟范围分为三个部分，有利于优先选取较低部分，避免了基音的 倍频。 1 2 长春| t 业人学硕士学位论文 2 3 5 皂适应码书搜索 自适应码书参量就是延迟和增益。为了能实现音调滤波，自适应码书方 法中小于子帧长度的延迟，激励是重复的。在搜索阶段，为简化闭环搜索， 使用l p 参差扩展激励的。首先计算感觉加权滤波器的单位沣击晌应h f n l ， 用于自适应码书和固定码书的搜索。自适应码书搜索每子帧( 5 m s ) 进行一 11 次。第一子帧，延迟范围在 1 9 。8 4 妄】，使用的是分辨度为1 3 、延迟范围 )j 在【8 5 ，1 4 3 】的分数音调延迟i ，且只使用整数音调延迟。第二子帧，分辨度 为1 3 的延迟t 2 只在【i t ( v , ) - 5 6 6 i n t ( t j ) + 4 6 6 】范围中使用，其中i n t ( t 1 ) 为第一 子帧分数基音延迟t l 的整数部分。且这个范围是适用工跨在延迟范围界限上 的。 对每一子帧，使用加权均方误差最小的闭环分析来确定最佳延迟的。第 一子帧里，延迟1 ；是由开环延迟1 _ 的一个小范围延迟值搜索到的( 6 个样点) 。 第二子帧里，围绕第一子帧中选中的音调来做闭环音调分析得到的最佳延迟 l 。 闭环音调搜索是使原始语音和重构语音间的加权均方误差最小化。通过 求下式的最大值得到： r ( k ) = x ( n ) y 。n ) ；：g ：一 i3 9 j 莩y - ( n ) y t ( n ) ( 2 1 2 ) 式中x ( n ) 是目标信号，y 。( n ) 是延迟为k 的过去激励通过滤波后的信号。 自适应码书矢量v ( n ) 用过去的激励信号u ( n ) 在给定的整数延迟k 和分数 作内插得到： 9 9 v ( n ) - - u ( n k + i ) b 3 0 ( t + i 3 ) + u ( n k + l + i ) b 。( 3 一t + i 3 ) ( 2 1 3 ) i = 0 i = m 二， n = o ，3 9 。t = 0 ，l ，2b ，。为建立在加海明窗的s i n e 函数基础上的 内插滤波器。 确定了自适应码书的音调延迟，则自适应码书增益可由下式计算得到： 扣 x ( n ) y ( n ) g p = 学一