（通信与信息系统专业论文）g729语音编码算法的研究.pdf

论文题目：g 7 2 9 语音编码算法的研究 专业：通信与信息系统 硕士生：鄂慧颖 指导教师：吴延海 摘要 语音压缩编码技术是数字通信技术中非常重要的部分。随着通信、计算机网络等技 术的飞速发展，语音压缩编码技术得到了快速发展和广泛应用。c e l p 编码是上世纪八 十年代发展起来的一种有效的语音压缩编码方案，现己广泛地应用于集群通信、多媒体 通信以及口电话通信中 ( 2 7 2 9 协议是c e l p 编码方案的一个特例，它是r r u - t 推荐的语音压缩编码中最复 杂的一种，它使用了当前语音压缩编码的各种先进技术，计算量较大，但是其编码合成 语音质量较高，具有很高的研究价值。 本文首先对g 7 2 9 协议的编解码方案及协议中应用的关键语音编码技术进行了剖 析，在对g 7 2 9 协议编码方案进行深入研究的基础上，对矢量量化算法进行了优化，减 少了矢量码本搜索的复杂度，加快了矢量码本搜索速度；对固定码本搜索算法进行了改 进，提出了一种自适应子矢量共轭结构代数码本激励算法，该算法保持了g 7 2 9 共轭结 构代数码本的优点，使编码传输速率从原来的s k b p s 降低倒7 2 k b p s ，压缩了传输带宽， 更重要的是，它的算法复杂度仅为原g 7 2 9 固定码本搜索算法复杂度的1 2 左右；最后， 本文用m a t l a b 搭建了编码器仿真平台，对改进算法进行了验证，仿真结果表明，改 进后的编码器在降低算法复杂度和传输速率的前提下，译码合成语音质量仍然较高，具 有较好的可懂度、清晰度和自然度。 关键词：g 7 2 9 ；c e l p ；码激励线性预测；语音压缩编码；m a t l a b 研究类型：理论研究 s u b j e e r ：t h er e s e a r c ho fg 7 2 9s p e e c hc o d i n ga l g o r i t h m s p e c i a l t y ：c o m m u n i c a t i o na n di n f o r m a t i o ns y s t e m n a m e ：e h u i y i n g ( s i g n a t u 哦三必霉一 i n s t r u c t o r ：w uy a n h a i ( s i g n a t u r e a u d i oc o m p r e s s i o ne n c o d i n gt e c h n o l o g yi sa v e r yi m p o r t a n tp a r ti nt h ef i e l do fd i g i t a l c o m m u n i c a t i o n w i t ht h e p r o g r e s so fc o m m u n i c a t i o na n dc o m p u t e rn e t w o r k , a u d i o c o m p r e s s i o n 既l c o l d i n gt e c h n o l o g yh a sg o tar a p i dd e v e l o p m e n ta n db r o a d l yu s e di nm a n y p l a c e s c e l ps p e e c he n c o d i n gt e c h n o l o g yw d e v e l o p e df i o mt h el a t eo fl a s t 虹i 埘xa n d n o wh a sb r o a d l yu s e di nu n m k i n gc o m m u n i c a t i o n ，m u l t i m e d i ac o m m u n i c a t i o na n di p t e l e o o 毗 g 7 2 9a g r e e m e n ti sas p e c i a li m p l e m e n t a t i o no fc e l p i ti st h em o s tc o m p l i c a t e da u d i o e n m p t e s s i o ne n c o d i n gp r o t o c o lt h a t1 1 r i - th a se v e rr e c o m m e n d e d q 7 2 9i m p o r t e dm a n y p r e v a i l i n ga 尬0 d i n gt e c h n o l o g y i tt a k e sag r e a tl o to fc a l c n l a t i o n ，b u tt h eq u a l i t yo fi t s r e c o n s t r u c t e ds p e e c hi so u t s t a n d i n gw h i c hn 蛆k e si tr e a l l yd e s e r v e dt or e s e a r c ho n i nt h i sp a p e r js e v e r a lk e ye n c 0 0 h 培m e t h o d so f g 7 2 9p r o t o c o lw e r ea n a l y z e da t 触o l l t h eb a s i so fd e e pr e s e a r c ho ft h ea g r e e m e n t , an o r m a lv e r d i c ta l g e b r a i cw a si m p r o v e dt o o p t i m i z et h ev e c t o rq u a n t i z a t i o nm e t h o dw h i c hd e c r e a s e dt h es e a r c hc o m p l e x i t yo f t h ev e c t o r c o d e b o o ka n df a s t e n e dt h es e a r c hv e l o c i t y an e wf i x e dc o d e b o o ke x i t i n gm e t h o d - - a d a p t i v e s u b - v e c t o rc o n j u g a t e a l g e b r a i cs t r u c t u r ec o d e b o o ke x i t i n gm e t h o dw a sp r o p o s e dw h i c h i n h e r i t e dt h eo u t s t a n d i n gq u a l i t yo ft h ec o n j u g a t ea l g e b r a i cs t r u c t u r ec o d e b o o lt h er a t eo f t h ei m p r o v e dc o d e ci s7 2 k b p s ，b e t t e rt h a nt h ef o r m e rs k b p s a n dw h a ti sm o i m p o r t a n ti s t h ec o m p u t a t i o nc o m p l e x i t yo f t h en e w a l g e b r a i ci so n l yo n es e c o n do f t h ef o r m e r i no r d e rt o p r o o ft h ef e a s i b i l i t ya n dq i l a l i t yo ft h ei m p r o v e da l g e b r a i c ，as i m u l a t i o nw o r k b e n c hw a s c a r r i e do u tw i t hm a t l a b t h es i m u l a t i o nr e s u l ti n d i c a t e dt h a tt h ei m p r o v e dc o d e ci s p r e f e r a b l ew i t hc o m p r e h e n s i b l e ，c l e a ra n dn a t u r er e c o n s t n l c t e ds p e e c ho l lt h ed e c r e a s e d c o m p u t a t i o nc o m p l e x i t ya n db i tr a t e 。 k e y w o r d s ：g 7 2 9 c e l pc o d ee x i t e dl i n e a rp r e d i c t i o n 妻错技丈擎 学位论文独创性说明 本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及 其取得研究成果。尽我所知，除了文中加以标注和致谢的地方外，论文中不包含 其他人或集体已经公开发表或撰写过的研究成果，也不包含为获得西安科技大学 或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所 做的任何贡献均已在论文中做了明确的说明并表示了谢意。 学位论文作者签名：秭髦孰日期：砌7 占、 学位论文知识产权声明书 本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位期间 论文工作的知识产权单位属于西安科技大学。学校有权保留并向国家有关部门或 机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课 题再撰写的文章一律注明作者单位为西安科技大学。 保密论文待解密后适用本声明。 学位论文作者签名：镌耘 指导教师签名：舅、乡幻 j 硼) 年，月；oe l l 绪论 l 绪论 1 1 语音压缩编码的发展概况及现状 语音压缩编码技术是数字通信技术中非常重要的部分。随着多媒体信息技术和网络 技术的飞速发展人们可利用的信道资源越来越多，但无论如何信道资源的增长速度也比 不上信息量的增长速度。用尽量少的信道资源传输尽可能多的信息，是现代数字通信的 迫切要求，其中语音压缩编码技术显得尤为重要。这是因为最终产生信息、获取信息的 是人，而人是以语音作为主要通信手段的。 语音压缩编码的目的是用尽可能低的数码率获得尽可能好的合成语音质量，同时又 要求编码过程的计算代价尽可能小。降低数码率的实质就是压缩频带宽度，使得同一信 道容量能传输更多路的信号，如果用于存储则表示用更小的存储空间存储更多的信息； 而数码率低意味着算法的复杂度增加，延时变大。语音压缩编码算法的研究一直是在这 个矛盾中不断向前发展。 最早的语音编码系统采用波形编码方法，这种方法主要是基于语音信号的波形，由 于语音信号的全部信息都蕴含在原始波形里，所以这种方法编码后的合成语音质量非常 好，且适应能力强，抗信道干扰性能好。所采用的压缩方法一般是基于各种有效的数学 变换，通过将波形从一个域变换为另一个更易于提取特征参数的域来达到对变换后的参 数进行量化编码的目的。由于语音波形的动态范围很大，目前所用的变换算子的作用又 有限，因此，波形编码的比特率不能压得很低，一般在1 6 k b p s 以上，低于1 6 k b p s 性能 就会下降很快。 由于语音信号中有很多冗余。所以没有必要像波形编码那样对每个抽样编码，相反， 可以对语音抽样进行分块，在每个块中提取特征参数，这就是参数编码声码器的主要思 想。参数编码始于1 9 3 9 年美国的h o m e r d u d e y 发明的声码器，它是根据语音信号的特 征参数来编码，所以又叫。声码器技术”。这种编码方法是通过对人的发声过程的研究， 建立一个模拟其发声的数字模型来达到提取其特征参数进行量化编码的目的，它力图使 合成语音具有尽可能好的可懂性，保持原语音的语意，而合成语音的波形与原始语音的 波形可能有相当大的差别。 二十世纪八十年代后期，综合波形编码和参数编码的混合编码算法成为主流，这种 算法也假定了一个语音产生模型，但同时又使用与波形编码相匹配的技术将模型参数编 码，即综合了波形编码和参数编码的优点。所谓混合编码有两层含义：( 1 ) 激励的混合， 使激励信号能更精确的表示残差信号；( 2 ) 编码方式的混合，即综合波形编码和参数编 码的优点，从而获得更高的质量。这种编码方法的典型例子是码激励线性预测( c e l p ) ， 西安科技大学硕士学位论文 i _ _ _ 目i - _ _ _ _ _ _ _ _ _ _ 它在比特率为4 6 k b p s 时已经可以得到比其他算法更高的重建语音质量，而且以c e l p 为基础的多种算法已成为国际标准。 在最近2 0 年，语音压缩编码技术在移动通信、卫星通信、多媒体技术以及p 电话 通信中得到普遍应用，起着举足轻重的作用。在语音编码技术的研究中，保证语音质量 的前提下，进一步降低比特率，仍然是语音压缩编码研究课题的重要内容。 1 2 本课题的研究意义 随着数字语音压缩编码技术的应用领域越来越广，将高质量语音编码算法实用化的 需求也越来越迫切在目前的语音编码方案中，c e l p 技术己成为最重要、最成功的语 音编码技术之一。它是由美国人m a n f r e d i l s c h r o e d e r 和b i s h n u s a t a l 于1 9 8 2 年提出的。 c e l p 的编码质量好于所有的1 6 k b s 编码器，甚至可与3 2 k b s 的c v s d 相媲美。目前， c e l p 编码算法已广泛用于低速语音压缩编码中。例如，美国联邦的f e ds t d1 0 1 6 4 8 k b p sc e l p 标准，r r u - t 的g 7 2 81 6 k b p s 低时延码激励线性预测( l d - c e l p ) 标准，北 美i s 5 4t d m a8 k b p s 矢量和激励线性预测标准( v s e l p ) 和g 7 2 9 共轭结构代数码激 励线性预测( c s - a c e l p ：c o n j u g a t e s t n m t u ma l g e b r a i c - c o d e - e x c i t e dl i n e a rp r e d i c t i o n ) 标准等，它们使用的都是在一定速率上的c e l p 编码算法。但是c e l p 编码方法非常复 杂，计算复杂度也非常高，由于其计算复杂度高和存储量大等缺陷，使得理论上性能良 好的编码方案在实时实现或实际应用中存在一定困难。 g 7 2 9 协议使用的算法c s - a c e l p 是基于c e l p 编码模型的。它是i t u t 由第1 5 小组提出，并在1 9 9 6 年3 月通过的编码速率为8 k b s 的c s - a c e l p 声码器语音编码算 法标准。g 7 2 9 编码器在大多数工作环境下产生的语音质量等同于3 2 k b s 的a d p c m ( g 7 2 6 ) 它的主要应用范围有：个人通信系统( p c s ) 、数字卫星系统，高质量数字移动 无线通信等。这种编码算法在无线方面具有一定的抗信道误码的能力，且不会引入大的 干扰影响。另外，如果信道衰减很大或传输的帧完全丢失，解码器能在最少损失话音质 量的情况下隐去所丢失的帧。c s - a c e l p 提供了较低速、高质量、低延迟的语音编码， 是当前较理想的编码算法。由于它的算法复杂度很高，实现起来非常困难，因此一直是 学术界研究的热点。 1 3 论文的主要工作及结构 本文在分析研究语音压缩编码必要性的基础上，对当前较流行且编码语音质量较高 的g 7 2 9 协议编码器进行了研究。文中首先对几种关键的语音编码技术进行了概述；然 后对g 7 2 9 语音编解码原理进行了深入研究，其中重点研究了g 7 2 9 协议的线性分析算 法、矢量量化算法、基音预测算法和固定码本搜索算法。由于当前对g 7 2 9 编码器的研 究着重于对其算法的实现，因此本文工作重点放在对算法的优化和改进上其中在预测 2 l 绪论 分裂矢量量化器两级矢量码本搜索中，本文引入了一种一般性判决算法，该算法与矢量 码本的全搜索算法相比，算法复杂度大幅降低；另外，在对共轭结构代数码本激励算法 进行深入研究的基础上，结合对语音信号特征的理解，提出了一种自适应子矢量共轭结 构代数码本激励算法，该算法较好的继承了共轭结构代数码本激励算法的优点，使固定 码本搜索算法复杂度明显降低，并降低了编码传输速率，压缩了传输带宽。 由于本文中对算法验证涉及到g 7 2 9 编码器的m a t l a b 仿真平台的搭建，因此在 编码方案中引入了一些高效算法，如基音码本知觉加权的末位校验算法，这在论文中也 有所体现。 论文各章节的具体安排如下： 第l 章：概述了语音压缩编码的发展概况及现状，指明了本课题的研究意义，说明 了本论文的主要工作及论文结构。 第2 章介绍了语音信号分析理论及0 7 2 9 协议的关键编码技术，包括语音产生的 数学模型、语音编码的性能评价方法、语音信号的短时分析技术、线性预测分析技术、 矢量量化技术、知觉加权滤波和后置滤波处理技术等。 第3 章：研究了g 7 2 9 协议编解码器原理，重点对g 7 2 9 编码器的矢量量化算法和 固定码本搜索算法进行了优化和改进。 第4 章：用m a t l a b 搭建了编码器的仿真测试平台，对改进算法进行了验证，并 将仿真结果与原g 7 2 9 编码器进行了比较。 第5 章：总结本论文的主要工作，并提出了进一步工作的方向 西安科技大学硕士学位论文 2 语音信号分析及g 7 2 9 编码的关键技术 2 1 语音信号分析理论 2 1 1 语音压缩编码的理论基础 语音信号能够压缩的基本依据是语音信号中存在的冗余和人类的听觉感知机理。语 音信号中存在的冗余，可分别从时间域和频率域描述。从时间域分析，语音信号的冗余 表现在：( 1 ) 语音信号的幅度呈非均匀分布，小幅度的样本出现的概率高，因此信息主 要集中在低功率上；( 2 ) 相邻的语音信号间有很强的相关性，研究表明，当采样率为8 k h z 时，相邻样值之间的相关系数大于o 8 5 ，如果采样率提高，相关性将更强；( 3 ) 语音信 号的浊音语音段具有准周期性，在波形上表现为图形的重复；( 4 ) 实际语音通信中，存 在通话间隙，通话分析表明，全双工话路的典型效率约为通话时间的4 0 0 , 4 ，即静止系数 为0 6 ；( 5 ) 除了样本间、周期间的相关外，在较长的时间间隔上，语音信号也存在相 关，统计表明，8 k h z 采样的平均相关系数高达0 9 。从频率域分析，语音信号的冗余表 现在：( 1 ) 从相当长的时间内统计平均，语音信号的功率谱呈现强烈的非平坦性，这说 明语音信号对给定的频段利用的不充分，存在固定的冗余度；( 2 ) 语音信号的短时功率 谱在某些频率上出现峰值，而在另一些频率上出现谷值，这些峰值频率是能量较大的频 率，称为共振峰( f o r m a n t ) ，共振峰频率由低到高依次捧列，语音特性主要由前三个共 振峰频率决定，频率越高，对整个功率谱的影响越小 语音压缩的第二个依据是人的听觉机理和心理特性对语音的感知。首先，人的听觉 系统( h a s ：h u m a na u d i t o r ys y s t e m ) 对声音具有掩蔽效应( m a s ke f f e c t ) ，即一个强的 声音能够抑制另一个同时存在相对较弱的声音，利用这一性质可以抑制与信号同时存在 的量化噪声。其次，入耳对不同频段的声音的敏感程度不同。人的听觉对低频端比较敏 感，而对高频端不太敏感，这主要是因为浊音的周期和共振峰都集中在低频端。另外， 入耳对语音信号的相位变化也不敏感。人耳的听觉不像人的视觉对感知的信号的相位那 样敏感，一定程度的相位失真对听觉来说是可以容忍的。这些入耳昕不到或感知极不灵 敏的语音信号都可以认为是冗余，可以利用这些特性进行语音数据的压缩。 对语音信号进行数字处理和压缩，既可以提高语音传输的质量，又能提高传输的效 率，因此，世界各国都十分重视语音编码技术的研究。近二十年来，语音编码技术取得 了突飞猛进的发展，出现了多个国际标准和区域标准。 4 2 语音信号分析及g 7 2 9 编码的关键技术 2 1 2 语音产生的机理及其数学模型 ( 1 ) 人类语音的产生机理 人的发音器官由三部分组成：肺和气管、喉、声道。肺和气管是整个系统的能源， 喉是主要的声音生成机构，而声道则对生成的语音进行调制。 语音产生的过程如下：空气从肺部摊出形成气流。空气流经过声带时，如果说声带 是绷紧的，则声带将产生张驰振动，即声带将周期性地启开和闭合。声带启开时，空气 流从声门喷射出来，形成一个脉冲；声带闭合时，对应于脉冲序列的间歇期。因此，这 种情况下在声门处产生一个准周期性脉冲序列的空气流，该气流经过声道后最终从嘴唇 辐射出声波，这便是“浊音”如果声带是完全舒展开来的，则肺部发出的空气流将不 受影响地通过声门。空气流通过后，会遇到两种不同的情况：如果说声道的某个部位发 生收缩而形成一个狭窄的通道，当空气流到达此处时被迫以高速冲过收缩区，并在附近 产生空气的湍流，这种湍流通过声道后便形成“摩擦音”或“清音”；如果说声道的某 个部位完全闭合在一起，当空气流达到时便在此处建立起空气压力，一旦闭合点突然开 启便会让气压快速释放，经过声道后便会形成“爆破音”。 由以上描述可知，对于浊音、清音和爆破音三种类型的语音而言，激励源是不同的。 其中，浊音的激励源是位于声门处的准周期序列，清音的激励源是位于声道的某个收缩 区的空气湍流( 类似于噪声) ，而爆破音的激励则是位于声道某闭合点处的气压的突然 释放。 ( 2 ) 语音信号产生的数字模型 根据人的语音的产生过程，人类的发音器官和发声过程可以抽象为如图2 1 所示的 模型。 图2 1 语音信号产生的模型 语音生成系统分成三个部分，在声门以下称为“声门子系统”，它负责产生激励振动， 是。激励系统”从声门到嘴唇的呼气通道是声道，是“声道系统”，语音从声道辐射出 去，是。辐射系统”激励系统分为清音激励和浊音激励两个分支，按照清音浊音开关 西安科技大学硕士学位论文 所处的位置来决定产生的语音是浊音还是清音。清音浊音开关模拟了加在声道上的激 励的改变情况。当开关接在浊音位置时，激励信号由周期脉冲发生器产生周期冲激序列。 当开关接在清音位置时，激励信号由随机噪声发生器产生方差为1 的高斯噪声序列。不 断控制清浊音开关、激励脉冲的周期以及噪声源强度，同时随着不同的发音改变滤波器 特性，输出的信号就是所要求的语音信号序列。 声门脉冲模型滤波器g ( z ) 的作用是：使浊音的激励信号具浊音门气流脉冲的实际 波形。声门波形的频率分析表明，其幅度频率谱按每倍频1 2 d b 的速率递减。滤波器g ( z ) 表示如下： 1 咐2 瓦矛而 。( 2 1 ) 当既，9 2 都接近1 时，g ( z ) 所产生的浊音信号频谱与声门气流脉冲的频谱接近。增 益因子4 ，4 分别用于调节浊音和清音的幅度和能量。 声道模型v ( z ) 给出了声道的传输函数，是一个全极点滤波器： 1 v ( z ) = r 二一 ( 2 2 ) 芝q ：一 l - 0 其中，a o = l ，口为实数，p 为全极点滤波器的阶。p 值越大，与声道实际的传输函 数的吻合程度越高，实际应用中一般取p = g - - 1 2 。当p 为偶数时，g ( z ) 一般有p 2 个共轭 极点咯e 砸以) ，k f f i l ，p f 2 ，各个m 分别语音的各个共振峰相对应。 辐射模型r ( z ) 是一阶高通滤波器，与人的嘴有关，一般可表示为： r ( z ) = ( 1 - r z - 1 ) ，r * l( 2 3 ) 在语音生成模型中，g ( z ) ，r ( z ) 保持不变，昂，4 ，4 ，清触判决，声道参数q ， i = l 幺，p 是时变的。发声器官的惯性使这些参数的变化速度受到限制，对于声道参数， 在一较短的时间内( 1 0 3 0 m s ) 可近似认为是不变的，因此，可认为语音信号是一个局部 平稳的随机信号，即具有短时平稳性。 2 1 3 语音编码的性能评价 语音编码是以尽可能少的数字代表语音的过程，同时还要保证某一系统所需的品质 和清晰度。语音编码研究的基本问题，就是在给定编码速率的条件下，如何能得到尽量 好的重建语音质量，或称编码质量，同时应尽量减小编码延时以及算法的复杂度。 ( 1 ) 编码质量 语音编码质量是衡量语音编码算法优劣的关键性能之一。一般说来，语音质量包含 三个方面内容：清晰度、可懂度和自然度。清晰度是指语音中音节以下的语音单元( 因素、 声母、韵母等) 的清晰度：可懂度是指语音中音节以上的语言单位( 如字、单词和旬等) 6 2 语音信号分析及g 7 2 9 编码的关键技术 的可懂程度；自然度则是指对讲话人的辨别水平。语音质量评价不但与语音学、语言学、 信号处理等学科相关，而且还与心理学、生理学等学科有着密切的联系，因此语音质量 评估是一个及其复杂的问题。 人们把评价语音编码质量的方法归纳划分分为两类，既客观评价方法和主观评价方 法。 客观评价方法用客观测量的手段来评价语音编码质量，常用的方法有信噪比、加权 信噪比、平均分段信噪比等。它们都是建立在度量均方误差的基础上，其特点是计算简 单，但不能完全反映人对语音质量的感觉，这个问题对于速度为1 6 k b i t s 以下的中低 速率语音编码尤为突出，因此此方法主要适用于速率较高的波形编码类型的算法 主观评定方法符合人类听话时对语音质量的感觉，目前得到广泛应用。有的学者认 为，在语音和图像信号编码中使用主观质量度量比使用客观质量度量更加恰当，更有意 义。常用的主观评定方法有平均意见得分( m c a no p i n i o ns c o r e ，简称啪s 得分) ，判断 韵字测试( d i a g n o s i t i cr h y m et e s t ，简称d r t 得分) ，判断满意度测量( d i a g n o s t i c a c c e p t a b i l i t ym e a s u r e ，简称d a m 得分) 等。 其中，平均意见得分( 矾0 s ) 评分标准如表2 1 所示： 裹2 ，1 评分标准 ( 2 ) 编码速率 编码速率可以用。比特秒”( b i t s ) 来度量，它代表了编码的总速率，一般用i 表示。编码速率也可以用“比特样点”( b i t p ) 度量，它代表了平均每个语音样点用 多少比特编码，一般用r 表示。i 和r 可以通过采样速率联系起来： i = r 正 ( 2 4 ) 其中的采样速率z 是根据n y q u i s t 定理由信号带宽决定的。显然，平均每样点比特 数r 越高，语音波形或参数量化则越精细，话音质量也就越容易做高，相应地对传输带 宽或存储容量的要求也就超高了。在波形编码中，为了获得高质量的重建话音，一般选 取r 2 ，而在参数编码中r 可以低到0 2 5 甚至0 1 以下。当然在后一种情况下重建语 音只能保持一定的可懂度，而反映讲话人特征的信息和语音的自然度受到很大的损失。 ( 3 ) 编解码的复杂程度 编码和解码算法的复杂程度同语音编码的话音质量有非常密切的关系。在同样数码 7 西安科技大学硕士学位论文 率的情况下，采用复杂一些的算法将会获得更好一些的话音质量。换句话说，对于相同 的话音质量，采用复杂一些的算法能够降低编码所需的速率。编解码算法的复杂程度同 硬件的实现有密切关系，它将决定硬件实现的复杂程度、体积、功耗以及成本等。 ( 4 ) 编解码延时 增加算法的复杂度可以提高语音编码质量，但也往往伴随着增加编解码的延时，对 系统的通话质量有很大的影响。时延就是从抽样信号到达编码器输入口到此信号从解码 器输出的时间。延时影响通话质量的一个原因是回声。当延时较小时，回声同话机侧音 及房间交混回响声相混，因而感觉不到。当往返总延是超过1 0 0 m s 左右，发话者就能够 从电话中听到自己的回声，从而影响通话双方正常的交流，为了保证正常通信，当总延 时超过l o o m s 时，一般都需要采取回声抵消或回声抑制等措施。1 9 8 8 年，c c i t t 发布了 新的1 6 k b i t s 标准的一系列要求，主要要求有；编码器不论在无噪声环境还是噪声信 道都能有与g 7 2 13 2 k b i t s k 1 ) p c m 相媲美的语音质量；时延要低于5m s ，最好是低于 2 m s 总之，一个理想的语音编码算法应具有低速率、高合成语音质量，低延时、低运算 复杂度、编码算法可扩展等性能，但由于这些性能之间存在着相互制约的关系，故而实 际的编码算法都是这些性能的折中。 2 2g 7 2 9 关键编码技术 2 2 1 语音信号的短时分析 任何语音信号的处理算法和技术都建立在短时的基础上，短时分析技术是语音处理 的基础。q 7 2 9 协议中用到的短时分析技术主要有以下几个。 ( 1 ) 语音信号的数字化存储和加窗 语音经过a d 转换后变为一个离散的语音信号序列，此序列按顺序用循环队列的方 式存储在数据区中，在处理中，按帧从数据区顺序取出数据。为了减少频域能量泄漏通 常要对一段语音信号进行加窗处理，用窗函数w ( n ) 乘以原始语音s ( n ) ，得到加窗语音 信号s a n ) ，在语音信号处理中通常采用矩形窗和汉明窗。 ( 2 ) 语音信号的短时自相关函数 设) 是加窗后的语音信号，非零区间是n = o ，n - 1 s a n ) 的自相关函数称为语 音信号的短时自相关函数，用凡表示，它的计算公式是： 三n - 1 凡( d = s ，( 咖，o + ，) = 艺( 功s ，+ d ( 2 5 ) 。n - o 可以证明凡u ) 是偶函数，即凡( ，) = 屯( o ) 。凡u ) 在l = _ n + l n 一1 之外为o 。凡 的最大值在1 = o 处，且凡( o ) 是加窗后语音数据的平方和： s 2 语音信号分析及g 7 2 9 编码的关键技术 n 一- i ( o ) = ( 帕 ( 2 6 ) 对于确定信号，也( o ) 等于能量，对随机信号或周期信号，民( o ) 等于平均功率， 更为重要的是，当语音序列的周期为p 时，其处相关函数的周期也为p ，所以，可利用 自相关函数中的第一个最大值的位置来估计其周期。这一性质使自相关函数成为估计各 种信号周期的一种有效依据。 ( 3 ) 语音信号的基音周期估计 基音周期是指发浊音时声带振动所引起的振动频率的倒数，是语音信号最重要的参 数之一，描述了语音激励源的特征。如果s ( n ) 是一个浊音性的周期信号，那么它的短时 自相关函数民。也呈现出明显的周期性，而且疋的周期即等于s ( n ) 的周期。相反， 清音语音接近于随机噪声，它的短时自相关函数不具有周期性，且随着1 的增大而迅速 减小。因此可以利用这个特点来判断一个语音是浊音还是清音，还可以籍以决定一个浊 音的基音周期( 或基音频率) 。 在决定基音周期时，是利用短时自相关函数在基音周期的各整数倍点上具有较高的 峰值。第一最大峰值点的位置有时不能与基音周期相吻合，产生这种情况的原因有两个 方面：一方面与窗的长度有关，一般认为窗长至少应大于两个基音周期，才可能有较好 效果，语音中最长基音周期值约为2 0 m s ( 相当于基音频率为5 0 h z ) ，因而在估计基音周 期时窗长应选得大于4 0 m s 为宜；另一方面与声道特性的影响有关，有的情况下即使窗 长已选得足够长，第一最大峰值点与基音周期仍不一致，这就是声道的共振峰特性造成 的干扰为了克服这个困难，可以从两条途径来解决。第一条是减少共振峰的影响，最 简单的方法是用一个带宽为6 0 9 0 0 h z 的带通滤波器对语音信号进行滤波，利用滤波器 信号的自相关函数来进行基音估计。这个滤波器可以议长在对语音信号采样前( 模拟滤 波) 也可以议长在采样后( 数字滤波) 。之所以将此滤波器的高端截频置为9 0 0 h z ，是因 为既可以去除大部分共振峰的影响，又可以当基音频率为最高4 5 0 h z 时仍能保留其一二 次谐波。低端截频置为6 0 h z 是为了抵制5 0 h z 电源干扰。另一种更有效的方法是让语音 信号通过一个线性预测逆滤波器，并通过求其残差信号的自相关函数来估计基音周期。 第二条途径是对语音信号进行非线性变换后再求自相关函数。一种有效的非线性变换是 中心削波，削波电平常取为该段语音最大采样值的6 麟。事实上，采用中心削波后的语 音信号在基音周期点是的峰远比削波前尖锐突出，用它来进行基音周期估计的效果可以 好得多。 为了求基音周期，还可以采用短时平均幅度差函数( a m d f ) o ( ，) ，对于周期性为 s ( n ) ，- 也呈现周期性，与凡相反的是在周期的各个整数倍k r ( o 具有谷值而 不是峰值。事实上，凡u ) 和，- ( ，) 有密切的关系，二者的关系可以由下式表达： 9 西安科技大学硕士学位论文 ，；( d = 口2 【民( o ) 一凡( ，) 】 ( 2 7 ) 其中b ( 1 ) 是随1 做平缓变化的固定函数。因为0 ( d 的计算只涉及加减和求绝对值， 而疋( ，) 则需要用相乘运算，因此求0 ( ，) 的运算要更加简单和快捷。 实际上，无论采用哪一种方法求得的基音周期轨迹与真实的基音周期轨迹不可能完 全吻合。实际情况是大部分段落是吻合的，一些局部段落或区域中有一个或几个基音周 期估值偏离了正常轨迹。由于语音信号的变化十分复杂，声门激励波形并不是一个完全 的周期脉冲串，清浊音过渡段的电平变化非常细微，基音周期从低音男性的5 0 h z 到高 音女性的5 0 0 h z 变化范围较大，要找到一个完善的适用于不同讲话者，不同要求和环境， 准确和可靠的检测语音信号周期的方法还是比较困难的。 2 2 2 线性预测分析 线性预测分析( l p c ：l i n e a rp r e d i c t i o na n a l y s i s ) 是根据语音样点之间的相关 性，用过去p 个样点值来预测现在和未来的样点值，即一个语音的抽样能够用过去若干 个语音抽样或它们的线性组合来逼近，通过使实际语音取样值和线性预测值之间的均方 误差最小，来决定惟一的一组预测滤波器系数，而这组预测滤波器系数比较准确地表达 了语音信号的频谱幅度，而计算量并不大，却可以有效降低编码的比特率，所以l p c 分 析成为数字信号处理中常用的一种技术，构成了现代语音编码技术的基本框架。 ( 1 ) l p c 分析基本原理 线性预测分析的基本思想是：用过去p 个样点值来预测现在和未来的样点值，即： “功= a t s ( n 一0 ( 2 8 ) ， = 1 预测误差s ( n ) 为 “帕= j ( 押) 一s ( 力= s ( 帕一a - s ( n o ( 2 9 ) 通过使预测误差8 ( n ) 在均方误差最小准则下达到最小来决定惟一的一组线性预测 系数珥，i = o ，p 。这组系数是滤波器的系数，即语音信号s ( z ) 是一个线性因果稳定系 统h ( z ) 受到信号e ( z ) 激励后所产生的输出。 这个时变的数字滤波器h ( z ) 是一个全极点模型，它的传递函数为： 蚴2 茜娟。专 亿蚴 百 其中p 是预测滤波器的阶数，g 是滤波器的增益，巩，i = o ，p 是线性预测系数。 h ( z ) 叫做线性预测误差滤波器，a ( z ) 称作逆滤波器。线性预测分析的目的就是救出全极 2 语音信号分析及g 7 2 9 编码的关键技术 点函数h ( z ) 的阶数和滤波器的系数a e ，i = o ，p ，即模型参数。 ( 2 ) l e v i n s o n - d u r b i n 递推算法 对线性系统v ( z ) 的参数按照某种最佳准则进行估计，叫参数解卷。l p c 模型的系统 的函数可以表示为h ( z ) = 1 a ( z ) ，其中，彳( = ) = q 一，这时解卷算法可以归结为对模 型参数a l 进行估计。在g 7 2 9 协议中的解卷算法采用的是一种非常高效的递推方法，称 为l e v i n s o n - o u r b i n 算法，实现步骤如下： 给定预测器阶数p 计算r ( 1 ) ，1 = 0 ，1 ，p r ( d = j ，( 帕s ，o + f ) 计算k 1 = 一r ( i ) r ( o ) ( k 称为反射系数，也是一组重要参数) 计算硝t ) 兰足1 和- - o ) = 【1 一 j r m ：l r ( o ) 令m = 2 x ( - ) ；- j r ( m ) + 窆a f 一) r ( i ，一m o y 万 一( _ a = x ( 。 m ) _ 一) l - 1 ) 口。= 4 i+ j 【( _ 4 ，卜i ，i = i ，2 ，( m - 1 ) 计算：【l 一 鬈) ：压秽 m 67 是，则令m = m + l ，转入( 7 ) 继续运行。 否，则停止运行并输出前”，掣，a 护作为计算结果。 结束。 ( 3 ) 模型阶数和增益的确定 在应用l e v i n s o n - d u r b i n 递推公式时，由于递推可以无穷尽地进行，在设计递推程 序时，就必须根据l p c 的除数p 来设定递推计算次数p ，最后求得的p 个系数耐，) ， a 妒，占? 就是p 阶最佳前向预测系数。预测器阶数p 的选择与所采用的解卷算法无关， 而是取决于分析的带宽，而分析带宽又取决于采样频率只对于正常的声道( 其长度约 为1 7 c m ) 来说，平均每i 【 i z 带宽上有一个共振峰。而一个共振峰需要一对复共轭极点。 西安科技大学项士学位论文 所以对于每个共振峰则需要两个预测器系数，也就是说每k h z 带宽上需要两个预测器系 数。总带宽等于只2 ，故p = e 1 0 0 0 。在实际应用中，为了解决频谱中可能出现的零 点及声门激励和辐射的组合效应产生的误差，同时综合考虑系统的计算量和存储空间的 代价，使预测滤波器的结构更加灵活，通常要外加r 个极点，根据经验，r 的值一般取 2 或3 ，这样我们就可以得到一个选择p 的经验公式： p = 只1 0 0 0 + r ( 2 i i ) 在g 7 2 9 协议中，预测滤波器的阶数p 取值为1 0 ( 8 0 0 0 1 0 0 0 + 2 ) ( 4 ) 线谱对l s p ( 或线谱频l s f ) 分析 线谱对( l i n es p e c t r u mp a i r - l s p ) 是模型参数的频域的表示形式，在数学角度上 完全等价于其他的线性预铡参数如滤波器系数q 和反射系数毛等。如果抒声道等效为 p + 1 段声管级联而成，则线谱占频率表示声门开启或完全闭合状态下声管的谐振频率。 由于线谱参数是频域参数，它和语音信号谱包络的峰有更紧密的联系，用它来构成合成 滤波器h ( z ) 时更容易保证滤波器的稳定性，同时，这种参数的量化特性和内插特性比较 好，使得产生同样质量的合成语音所需的数码率可有效降低，所以线谱对分析也是一种 线性预测分析方法。 l s p 参数有一个非常有用的性质：对于某个特定的l s p 石，正，以 ，只移动其中一 ， 个线谱频z 的位置，则它所对应的平滑谱只在，一附近与原平滑谱有差异，而在其他频域 则变化很小。利用这一性质，在用l s p 进行矢量量化时，就可以把这个p 维特征矢量分 成两个p 2 维矢量来进行，既不影响部的量化效果，又可以大大减少计算量。g 7 2 9 算 法中就是采用了这一性质来进行矢量量化的。 2 2 3 矢量量化( v q ) 在语音的数字通信中，语音质量和传输码率往往是一对矛盾，矢量量化( v q ：v e c t o r q u a n t i z a t i o n ) 技术就是解决这一矛盾的有效方法。矢量量化的基本思想是：将若干个 标量数据组成一个矢量，然后在矢量空间给以整体量化，从而压缩了数据而不损失多少 信息，信息的损失量仅仅取决于量化的精度要求。矢量量化技术有效地应用了矢量之间 的相关性，即可以获得较高的压缩效率，又在精度要求的范围内不损失信息量，保证了 合成语音的质量。 矢量量化的理论基础是信息论中的率失真理论，主要是基于两项理论研究成果：第 一，对于一定的量化速率r ( 以每个采样信号平均所用的量化比特数衡量，用比特采样 表示) ，量化失真度d ( 以量化信号与原信号之间的误差均方值和原信号均方值之比来衡 量) 是一定的。因此d 可以表示为r 的函数，记为d ( r ) ，对于不同的信号源，根据其统 计特性，可以算出相应的d ( r ) 第二，无论对于何种信息源，即使是无记忆的信息源， 2 语音信号分析及g 7 2 9 编码的关键技术 矢量量化总是优于标量量化，且矢量维数越大优度越高。总之，对于一个特定的信息源， 如果给定了量化速率r ，那么任何量化器所给出的量化失真都不可能低于率失真理论给 出的下限d ( r ) 。矢量量化器较之标量量化器能够接近这一下限，因而能在同样的量化速 率下给出更小的失真，或者在同样的失真条件下给出更高的量化效率( 即更低的r 值) 。 用数学公式可表示为：d ( r ) = l i m d 。( r ) ，即d ( r ) 是d 。o p 在维数i 寸m 时的极限，也就