（信号与信息处理专业论文）8kbits+csacelp语音编码算法的研究与实现.pdf

摘要 本文先介绍了语音编码的发展情况，之后详细地论述了c s a c e l p 算 法，即8 k b i t s 的共轭结构代数码激励线性预测编码的完整结构和算法，对 包括预处理、线性预测分析和量化( 加窗和自相关计算、l e v i n s o n - d u r b i n 算法、l p 到l s p 的转换、l s p 系数的量化、l s p 系数的内插、l s p 到l p 的转换) ，感觉加权、开环基音分析、冲激响应计算、目标信号的计算、 自适应码书的搜索( 自适应码书矢量的产生、延迟码字的计算) 、固定码 书的构造和搜索、增益的量化( 增益预测、用于增益量化的码书搜索、用 于增益量化的码字计算) 、存储器更新，语音合成后的处理等各模块的功 能和理论基础作了细致分析。并对涉及到的语音处理的关键技术，如线性 预测、l p c 与l s p 的转换、矢量量化、基音分析等技术作了深入研究。 用标准c 语言仿真实现了该算法，计算了m o s 分值，女声：4 1 8 0 4 9 7 ， 男声：4 1 9 9 7 8 2 ，并在相同的测试语句中加入噪声进行测试，含噪语句通 过该编解码器，输出的合成语音用主、客观评价标准评价，与原始不含噪 语音效果差别不大，平均m o s 分值为：女声4 1 3 7 5 ，男声4 1 6 6 8 ，说明 该算法是优秀的编解码算法。 此外，特别就c s a c e l p 算法中的l s p 量化方面作了深入的研究， 尝试了几种不同的量化方法：( 1 ) 改变分裂式矢量量化的维数组合，原算 法中第二级残差量化时用了两段式分裂量化法，将l o 维矢量分裂为两个 5 维矢量。本研究中，通过实验发现3 维7 维的分法效果最好。( 2 ) 进行 了码书优化。对l s p 参数量化中的第一级码书的1 2 8 个码字的使用频率 进行了统计试验，选用了1 2 8 个码字中使用频率高的1 1 2 个码字作为新码 书，语音质量基本不变但降低了码书搜索的复杂度。 关键词：语音编码、c s a c e l p 、矢量量化、l s f 亢熏疆z 夫学甄童沧文 _ _ - _ _ - _ _ _ - _ - _ - _ - _ _ _ _ _ _ _ _ - _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ - 一 a b s t r a c t t h i sp a p e rd e s c d b e st h e8 k b i t ss p e e c hc o d i n ga l g o r i t h mw h i c h h a sb e e n s t a n d a r d i z e d b y i t u - t i n1 9 9 6 t h e a l g o r i t h m i sb a s e do n a c o n j u g a t e - s t r u c t u r ea l g e b r a i cc o d ee 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 ) c o d i n gt e c h n i q u ea n d u s e s1o r r i sr 8 0s a m p l e sa ta n8k h z s a m p l er a t e ) s p e e c h f r a m e s t i l i sc o d e rw i l lb eu s e df o rt h ef u t u r ep u b l i cl a n dm o b i l e t e l e c o m m u n i c a t i o ns y s t e ma n dw i l lb es u i t a b l ef o rp e r s o n a lc o m m u n i c a t i o n s e r v i c e t h ec o d e rd e l i v e r s t o l l q u a l i t ys p e e c hr e q u i v a l e n t t o3 2 k b i t s a d p c m ) f o r m o s t o p e r a t i n gc o n d i t i o n s t h ec o d e ro p e r a t e so ns p e e c hf r a m e s o f1 0 m s ，c o m p u t e st h el o n g t e r mp r e d i c t o rc o e f f i c i e n t s ，a n do p e r a t e si na l l a n a l y s i s - b y s y n t h e s i sl o o pt of i n dt h ee x c i t a t i o nv e c t o rt h a tm i n i m i z e st h e p e r c e p t u a l l yw e i g h t e d e r r o rs i g n a l i nt h i s p a p e r , t h ec o d e rs t r u c t u r e i s d e s c r i b e d ，t h ea l g o r i t h ma b o u t c s a c e l pi sd i s c u s s e d ，a n di t sc e n t r a la s p e c t sa r ea n a l y z e di nd e t a i l t o a c h i e v eh i 曲- q u a l i t ys p e e c ha n dr e a l - t i m ei m p l e m e n t a t i o n , c s - a c e l ph a s b e e nr e v i s e d b y n o v e ls c h e m e s e f f i c i e n t p i t c ha n d c o d e b o o ks e a r c h s t r a t e g i e s ， a l o n gw i t he f f i c i e n tq u a n t i z a t i o np r o c e d u r e s ，h a v eb e e nd e v e l o p e dt oa c h i e v e t o l lq u a l i t ye n c o d e ds p e e c h l s p p a r a m e t e r sa r eq u a n f i z e db ym u l t i - s t a g ev q w i t hf o u r t h - o r d e ri n t e r f r a m em a p r e d i c t i o n t h i ss c h e m eh a sl i t t l es p e c t r u m d i s t o r t i o n ，e v e ni ft h et w ot y p e so fs p e e c hh a v em a n yv a r i a t i o n so fl s p p a r a m e t e r s m o r e o v e r ，c o m p u t a t i o n a lc o m p l e x i t y f o r i m p l e m e n t a t i o n i s r e d u c e di na d a p t i v ea n d f i x e d s h a p ec o d e b o o k sw i t h o u td e g r a d i n gt h eq u a l i t y m u l t i 。s t a g es e l e c t i o ni sa d o p t e di nt h ea d a p t i v ec o d e b o o k ；t h i ss e l e c t i o nu s e sa - 玎 查! 竺三查! 竺苎兰苎一 t r u n c 剐【c d i m p u l s er e s p o n s e i m p r o v e d p r e s e l e c t i o n i s p r o p o s e d i nt h e f i x e d s h a d ec o d e b o o k s u b j e c t i v et e s t i n g i n d i c a t e st h a t t h e q u a l i t y o f c s o a c e l pi se q u i v a l e n tt ot h a to ft h e3 2 k b i f f sa d a p t i v ed i f f e r e n t i a lp u l s e c o d em o d u l a t i o n ( a d p c m ) u n d e re l r o r - f l e ec o n d i t i o n sa n di to u t p e r f o r m s g 7 2 6u n d e re r r o rc o n d i t i o n i nt h i s p a p e r ，s t a n d a r dc i s a d o p t e di n r e a l i z a t i o no ft h ea l g o r i t h m ， p r e s e n t sp r o g r a ms t r a t e g i e sa n ds t e p so f a l g o r i t h mo f e a c hm o d u l e t h ec o d e r a n dd e c o d e ri st e s t e db yu t t e r a n c e sw i t hn o i s e t h er e s u l t sa r es a t i s f y i n g m o r e o v e r , t h ep a p e rs t u d i e st h eq u a n t i z a t i o no fl s pa n dt r i e s s o m eo t h e r m e a n st oq u a n t i z et h el s p p a r a m e t e r w ea d o p t t h em e a n sa sf o l l o w s ：f i r s t w e c h a n g et h es p l i t t i n g d i m e n s i o no ft h es e c o n dg r a d ec o d e b o o kw h i c hw a s s p l i t t e di n t od o u b l ef i v ed i m e n s i o n b yt e s t i n g ，w ef i n dab e t t e rs p l i t t i n gw a y s e c o n d ，w eo p t i m i z et h ec o d e b o o ka n dc h o i c eap a r to f t h ec o d e w o r dw h i c hi s u s e dm o s t e f f i c i e n t l y t h e r e s u l ti sn o t d e g r a d e d t o om u c hw h i l et h e c o m p l e x i t yi sr e d u c e d a tt h ee n do f t h ep a p e rt h ed e v e l o p m e n t p r o s p e c to f c s a c e l pa n d s p e e c hc o d i n g a r ed e s c r i b e d k e yw o r d s ：s p e e c hc o d i n g ，c s - a c e l p , v e c t o rq u a n t i z a t i o n ，c o d e b o o k 1 1 i 一 查苎竺三查竺! 兰竺苎 - _ _ p _ _ _ _ - _ 一一 第一章绪论 1 1 本课题研究的意义 语音编码的目的是压缩语音信号的数字表示而使表达这些信息所需 的比特数最小。随着信息社会的高速发展，频率资源变得愈加宝贵，因此 压缩通信系统的传输带宽就成为人们追求的目标，语音编码在这一过程中 担当着重要的角色i l 】。目前科研人员已通过两个途径研究这一课题，其一 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；其二是压缩信源编码的比特率，例如标准p c m 编码，对3 4 k h z 频带信号需用6 4 k b p s 编码比特率传送，而压缩这一比特 率显然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，无疑是极为重要的，尤其是在无线通信技术决定今后通信发展命运的 今天更显得重要。实际上，压缩语音编码比特率与话音存储、语音识别及 语音合成等技术都直接相关。 语音编码技术的进展对通信新业务的发展有极为明显的影响，例如伊 电话业务、实时长途翻译业务、交换机的人工智能接口等。因此，国际电 信联盟( 1 t 【7 ) 第1 5 组提出了许多急需制订的话音编码标准的建议，以推 动通信网的发展。由于v i s i 的发展，实现这一技术的代价已从在昂贵的 信道中采用，发展到一般信道中都可接受的水平，因此，编码技术日益受 到重视。数字移动通信和个人通信( p c n ) 是深受人们重视的通信手段，其 重要问题之一是压缩语音编码速率，形成面向对象的语音编码技术。 语音编码技术不仅受到研究部门、应用部门的重视，而且推动了标准 的制订，因为标准是工业生产的一个重要前提，对通信体制的确定有很大 影响。目前，关于低速率语音编码的算法发展较快，它可应用的范围也相 1 查苎兰三查! 竺三兰三 一一 当广泛，人们将从中获得极大的效益。这些对推动各种通信标准及网络的 建设都十分重要。 语音技术已逐渐应用于电信的声讯信息服务领域和互联网消息收发 方面，因此，将语音技术与网络进行完美的结合具有强大的生命力。随着 多媒体和通讯的发展，数字语音压缩编码技术的应用也将越来越广。 1 2 语音编码技术的发展概况 语音编码技术的研究开始于3 0 年代d u d d l e y 发明声码器n l o 尤其是 最近2 0 年来，语音编码取得了突飞猛进的发展。语音编码方法，按传统 的观点可分为三类：波形编码、参数编码( 声码器) 和混合编码。波形编 码即针对语音波形进行编码，尽量保持输入波形不变，即恢复的语音信号 基本上与输入的语音信号波形相同。这类编码方法将语音信号作为一般的 波形信号进行处理，具有适应能力强、算法简单、易于实现、语音质量好 等优点，缺点是编码速率高。它们在1 6 6 4 k b i t s 的数码率上能给出高的 编码质量，当编码率进一步降低时，其性能会很快下降。国际电报电话咨 询委员会c c i t t ( 现已并入国际电信联盟r r u ) 于1 9 7 2 年制定的g 7 1 1 6 4 k b w s 的脉冲编码调制f p c m ) t 3 和1 t u 在1 9 8 4 年公布的g 7 2 13 2 k b i t s 自适应差分脉冲编码调制( a d p c m ) 编码器【4 】标准等都属于这一类编码器。 参数编码是以语音信号产生的数学模型为基础，先对语音信号进行分析， 提取出其参数，对参数进行编码，在解码后由这些参数重新合成出语音信 号，这种编码方法称为语音信号的分析合成方法。由于编码这些参数需要 较少的比特数，因此这种方法具有编码速率低的优点，可以达到2 4 k b i t s 或更低的速率，但语音音质差，而且对噪声较敏感。这种编码称作“声码 器技术”。美国政府1 9 8 0 年公布的2 4 k b i t s 线性预测编码算法l p c 1 0 u 就是采用的这种方法，共振峰声码器、通道声码器、余弦声码器都属于此 类。混合编码是上述两类方法的有机结合，它基于语音产生模型的假定并 采用了分析合成技术，但同时它又利用了语音时间波形信息，增强了重建 语音的自然度，使得语音质量有明显提高，其代价是编码速率相应上升， 一般在1 6 。2 4 k b i f f s 之间，其中的主要技术称之为“分析合成法”。根据这 种方法进行编码的有1 9 8 2 年b i s h n us a t a l 和j o e lr r e m d e 提出的多脉 冲激励线性预测编码( m p l p c ) ，码率在9 6 - 1 6 k b i t s 范围内，1 9 8 5 年e d f d e p r e t t e r e 和p e t e ri q o o n 首先提出的规则脉冲激励语音编码( r p e u ) ， 1 9 8 5 年，m a n f r e d & s c h r o e d e r 和b i s h n us a r a l 提出了用矢量量化技术对 激励信号进行编码的码激励线性预测编码( c e l p ) ，在4 8 k b i t s - 1 6 k b i t s 范 围内可获得质量相当高的合成语音f 2 】。近年来码激励线性预测( c e l p ) 编码 作为一种优秀的中、低速率方案得到了很好的重视和研究，在降低复杂度、 增强c e l p 性能、提高语音质量等方面取得了许多新的进展。1 9 8 9 年， m o t o r o l a 的8 k b i t s 矢量和激励线性预测编码( v s e l p ) 成为北美第一种数字 蜂窝移动通信网的语音编码标准，与美国政府标准4 8 k b i t sc e l p 语音编 码器基本相同。1 6 k b i t s 的低延迟码激励线性预测( l d c e l p ) 编码已于 1 9 9 2 年标准化为u t 建议g 7 2 8 。美国政府制定了f s 1 0 1 64 8 k b i t s c e l p 保密电话网的标准之后，提出了制定半速率2 4 k b i t s 声码器的新课 题【2 】。c e l p 编码方案在4 - 1 6 k b i t s 速率上取得了很大成功，但是，当速 率低于4 k b i t s 时，编码器性能会很快下降。于是，在现代数字通信中， 为提高信道利用率，如何用尽可能少的比特数来对语音信号进行编码已越 来越受到重视。这种编码方案目前主要有正弦变换( s t c ) 编码，多带激励 ( m b e ) 编码，波形内插 d 编码，混合激励线性预测( m e l p ) 编码等方案”， 而且在1 2 0 0 b i t s 以下的极低速率语音编码也有广泛的应用前景和吸引力。 总之，低码率和高质量将是语音编码今后研究的主要方向。 c s - a c e l p 是r r u - t 通过的最新的基于c e l p 的编码算法。它是由加 一 查! 竺苎查竺竺! 竺苎 -_。_-_w_-_-一 拿大s h e r b r o o k e 大学、法国电信、日本n n t 、美国a 1 & t 联合提出，称 为“使用共轭结构代数码激励线性预测的8 k b i t s 语音编码器” ，经过专 家组3 年多卓有成效的工作，最终于1 9 9 5 年1 1 月通过【4 ”。其主要应用 有：个人移动通信低c ，n 数字卫星系统，包括陆地移动卫星通信， 海事卫星通信，一般航空卫星通信，稀路由和s c p c 卫星通信系统高质 量数字移动卫星通信，d c m e ( d i g i t a lc i r c u i tm u l 卸l i c a t i o ne q u i p m e n 0 ， 存储检索，分组语音和数字租用信道等 2 2 1 1 。从立题开始，s g l 5 就对 8 k b i t s 语音编码规定了很高的技术指标要求。由于这一算法具有良好的语 音通信质量，适中的复杂度和对不同应用的适应性，并采用特殊的码本结 构简化码本查找，将成为今后一种主要的语音编码算法。 1 3 语音信号处理技术简介 语音信号是随时问面变化的一维信号，它所占据的频率范围可达 1 0 k h z 以上，但是对语音清晰度和可懂度有明显影响的成分，最高频率约 为5 7 k h z ，通常我们认为语音信号的频率范围为2 0 0 h z 一3 4 0 0 h z 。语音信 号的处理方法很多，常用的有： ( 1 ) 短时时域处理技术； ( 2 ) 短时频谱分析技术； ( 3 ) 线性预测技术； ( 4 ) 矢量量化技术。 语音信号是一种典型的非平稳信号。但是，由于语音的形成过程是与 发音器官的运动密切相关的，这种物理运动比起声音振动速度来讲要缓慢 的多，因此语音信号常常可假定为短时平稳的，即在1 0 。2 0 m s 这样的时间 段内，其频率特征和某些物理特征参量可近似地看作是不变的。基于此， 就可以将语音信号分成一些相继的短段( 称为帧) 进行处理。这就是所谓 一 奎! 兰苎至竺里主兰苎 一一一 的短时处理技术【3 】。 短时时域处理主要是计算语音的短时能量、短时平均幅度、短时平均 过零率和短时自相关函数。都是在这种短时平稳假定下从时域来分析的一 些物理参量u 1 。这种时间依赖处理的基本手段，一般是用一个长度有限的 窗序列 w ( m ) ) 截取一段语音信号来进行分析，并让这个窗滑动以便分析任 一时刻附近的信号，其一般式为： q 。= r 【石( m ) 】w o m ) ( 1 1 ) m = 一 其中t 【】表示某种运算， 工) 为输入信号序列。几种常用的时间依赖 处理方法是： 当r f 工( 研) 】为工2 ( 研) 时，q 相应于短时能量； 当玎x ( m ) 】ds g n x ( m ) 一s g n x ( m 1 ) l ，幺就是短时平均过零率； 当丁【算( m ) 】为算( 哟工( m + ) 时，幺相应于短时自相关函数。 这些计算都是以语音信号的时间波形为基础的。短时时域处理方法的主要 优点是直观、简单，处理结果能够描述语音的某些重要特性，因而在实际 中获得了广泛的应用。例如，清浊音的区分、语音起止点的判断、浊音基 音频率的估计等，都常应用短时时域处理方法。 短时频域处理主要是对各个短段语音信号进行频谱分析，因而又叫做 短时傅里叶分析。短时傅里叶分析是分析缓慢时变频谱的一种简便方法， 在语音分析中已经得到广泛应用。其方法是，先将语音信号分成短段，再 将各短段进行傅里叶变换。各语音段可以认为是从各个不同的平稳信号波 形中截取出来的，各段语音的短时频谱就是各个平稳信号波形的频谱的近 似。 线性预测是语音处理中的核心技术，它在语音识别、合成、编码、说 查! 竺三查! 竺苎兰苎 - _ _ _ _ _ _ - _ _ _ _ _ _ _ _ - _ _ _ _ _ _ _ _ _ _ _ _ _ _ 一一 话人识别等方面都得到了成功的应用。有的专家认为，近2 0 年中语音处 理技术的飞速发展与以线性预测为中心的信号处理技术是分不开的。线性 预测又叫线性预测分析，更常称为线性预测编码，简写为l p c 。语音的线 性预测，其基本思想是：语音信号的每个取样值，可以用它过去的若干个 取样值的加权和( 线性组合) 来表示；各加权系数的确定原则是使预测误 差的均方值最小( 即遵循所谓最小均方误差准则。预测误差定义为真实 取样值与预测值之差。如果利用过去p 个取样值来进行预测，称为p 阶线 性预测 1 3 , 1 5 , 1 8 】o 一组语音参数可以对应于一种语音信号频谱。将这样的参数组看成为 一个矢量，不仅在数学上非常自然，而且在主观上有明确的物理意义。这 可以说是语音信号的矢量表示。为了使这种表示更加有效，常常采用矢量 量化技术。矢量量化将在后面章节中详细说明。 1 4 论文完成工作 一、对c s - a c e l p 语音编码算法采用标准c 语言仿真实现。 二、对c s a c e l p 语音编码算法采用含噪语音进行测试，在相同的 测试语句中分别加入3 d b 和5 d b 的噪声，含噪语句通过该编解码器，输 出的合成语音用主、客观评价标准评价，与原始不含噪语音效果差别不大， 说明该算法是优秀的编解码算法。 三、本文重点研究了线谱对参数的求解和量化过程，给出了l p c 参 数到线谱对( l s p ) 参数的详细推导过程；此外，对算法中的l s p 的量化给 出了说明，并对这部分提出了不同的实现方案。 首先，改变分裂式矢量量化的维数组合，原算法中第二级残差量化时 用了两段式分裂量化法，将1 0 维矢量分裂为两个5 维矢量。本实验中， 也采用了两段量化法但改变了维数组合，将1 0 维矢量先后分裂为多种不 同的维数组合进行测试，得到3 维7 维和7 维3 维的组合方法效果最好。 其次，进行了码书优化。对l s p 参数量化中的第一级码书的1 2 8 个 码字的使用频率进行了统计试验，输入男女声长短句共1 0 0 句，对每一语 句做了码字使用频率统计特性曲线，根据统计结果，我们先后选用了1 2 8 个码字中使用频率高的9 6 个码字和1 1 2 个码字进行试验，而将其它使用 频率低的码字舍去不用，获得了较好的效果，结果将在论文中分析说明。 四、最后，文章对今后的研究工作做出了说明，提出了连接式分裂 矢量量化方法，将用这种方法进行码书训练和统计。之后，在d s p 上实 时实现和进行4 k b i t s 编码算法的尝试。 1 5 本论文的组织 第一章简要介绍了语音编码的发展；第二章介绍了码激励线性预测编 码器模型，并在其中给出了自适应码书和代数码书搜索算法的原理；第三 章讲解了l s p 参数的概念及推导过程，详细讲述了线谱对参数的三个性 质并加以证明；第四章分别给出了标准算法的编码器和解码器各个部分的 详细说明；第五章给出了模拟实验结果，并就线谱对量化方面提出与算法 中不同的思路并进行了实现，提出了8 k b i t sc s a c e l p 编码器的发展方 向，和今后要继续进行的工作。 最后在结束语中进行了全部论文的总结。 一 查! ! 苎查竺竺三兰查一 _ _ - _ _ _ _ _ _ _ _ _ _ _ _ - _ _ 一一 第二章码激励线性预测编码器 2 1 码激励线性预测语音编码模型简介 这种模型的框图如图2 1 所示，其基本思想就是利用几乎是自的信号 激励两个时变的线性递归滤波器，每个滤波器反馈环路上有一个预测器， 其中一个是长时预测器( 或基音预测器) p ( z ) ，用来产生浊音语音的音 调结构( 谱的细致结构) ，另一个是短时预测器f ( z ) ，用来恢复语音的短 时谱包络。这种模型来源于它的逆过程，也就是说，( z ) 用于去除语音 信号的近样点冗余度，e ( z ) 用于去除语音信号的远样点冗余度，经过两 级预测得到的归一化残差信号近似服从标准正态分布。该模型的激励信号 通常从高斯白噪声序列构成的码书中选取，所以称为码激励线性预测 ( c e ip 吨o d e e x c i t e dl i n e a rp r e d i c t i o n ) 模型【6 】o 图2 1c e l p 编码器模型 查墨! 苎查! ! 三兰兰 _ _ 一一 一般的，短时预测器传递函数表示为： f ( z ) = z “ ( 2 1 ) 其中，p 为预测器系数，为预测器阶数，一般介于8 1 6 ：艺n 。在接收 端，短时合成滤波器的传递函数为 肌) = 丽1i = 击 ( 2 2 ) 其中a ( z ) = 1 一，( z ) 是前面讨论的现行预测误差滤波器。 基音预测器的传递函数为 p ( z ) = e 3 , z 一“ ( 2 3 ) 式中，m 为基音延迟，卢f 为基音预测器系数。通常，m 随系数届一起修 正，修正速率通常比短时预测器系数高，一般每隔5 1 0 m s 修正一次。， 通常取0 或1 ，j = o g 对应于一阶基音预测器，= 1 时，对应于三阶基音 预测器。基音合成滤波器的传递函数为 叫z ) 5 高豸 q 4 为了最佳匹配原始语音信号，c e l p 编码模型需要频繁地修正时变滤 波器参数和激励参数。系统的分析过程是按帧分序进行的，即首先确定时 变滤波器的参数，然后确定固定激励参数。分析帧的长度和修正速率决定 了编码方案的比特率。上述编码方案的基本步骤如下： ( 1 ) 初始化短时合成滤波器和基音合成滤波器历史( 通常初始化为零 值或低电平随机噪声) o ( 2 ) 缓存一帧语音信号，然后对这帧语音信号进行线性预测分析，确 查苎竺苎查竺竺兰竺苎 - _ _ _ _ _ 一一。一 定一组l p c 系数。 ( 3 ) 利用已经确定的l p c 系数和线性预测误差滤波器a ( z ) ，计算未量 化的残差信号。需要注意的是，该步骤对于闭环基音搜索是不必要的。 ( 4 ) 为了有效的确定激励参数，将l p c 帧分为几个子帧。 ( 5 ) 对于每个子帧：首先，用开环方法或闭环方法确定基音预测滤波 器参数，一旦确定了基音预测器参数，则将基音合成滤波器和短时合成滤 波器组合在一起形成一个级联的滤波器。其次，用激励码书中的某一个矢 量去激励这个级联滤波器，得到合成语音；( n ) ，再计算合成语音j ( ，1 ) 和原 始语音s ( n ) 之间的误差e ( n ) ，经感觉特性进行加权后，选取均方误差最小 的激励矢童作为最佳矢量。 ( 6 ) 借助于滤波器的初始记忆内容，将最佳激励信号通过级联滤波器 产生合成语音。 ( 7 ) 对每个子帧重复( 2 ) 到( 6 ) 步。 值得注意的是，在上述c e l p 语音编码方案中，基音预测器对产生高 质量的浊音语音发挥着十分重要的作用，这是因为浊音语音被表征为由基 音周期分隔的样点间大量相关的准周期信号。而短时预测器在很大程度上 排除了近样点间的相关，得到的短时预测残差信号是主要由基音尖峰信号 构成的低密度准周期信号，如果没有基音预测器，光靠随机码书是不能有 效地产生类似于短时预测残差信号的准周期激励信号。上述的模型激励参 数优化过程使用的是感性加权均方误差最小准则，而未使用普通的均方误 差最小准则。这是因为在低比特速率，每个语音样点平均分配的比特数一 般要小于1 ，这就使得准确匹配语音波形变的十分困难。所以，原始语音 信号和重建语音信号之间的均方误差缺少意义和充分性，这就要求所使用 的误差准则应该和人类听觉特性相一致。尽管人们在不断开展有关听觉特 查! ! 苎查竺! 三兰三 _ 一一一 性的研究工作，但迄今为止还没有一个满意的误差准则问世。目前流行的 方法是在基于合成分析的编码的方案中使用由a t a l 建议的感觉加权滤波 器，其传递函数为： 。1 一z 。 叭加蒜2 参i = l 咐 n l 情况：此时6 0 “ ( n ) = s r ( u 一1 - n ) 0 u n 一1 ，6 0 “1 4 7 由此可以得到激励矢量和感觉加权滤波器的冲激响应 ( ，1 ) 的卷积递推关 系为： x ( n ) - - a c ( v ) ( n ) 向( n k ) 2 荟泓- 1 叫顺舻”l _ n n - 1 ( 2 1 8 )t 2 u 、7 = s r ( u - 1 ) h ( n ) + s r ( u - 1 1 一k ) h ( n i 一七) = s r ( u d h ) + _ l ( n 一1 ) 毛( o ) = s r ( u - d h ( o ) n = 0 ( 2 1 9 ) 由式( 2 1 8 ) 和( 2 1 9 ) 可知，对于“= 6 1 1 4 7 ，计算每个屯即) 仅需n 次乘法。 ( 2 ) 当2 0 s u 6 0 时，即激音延迟小于激励帧长时，自适应码书的输 出矢量需要用到当前子帧的激励信号，而当前子帧的激励信号目前还是未 知的，因此需要对自适应码书进行一定的扩展，即对n 0 的a c w ( n ) 预 先赋值，一般采用自适应码书元素复制的方法，即令第h 个码矢量a c 的 第厅个元素为 a c ”( ，1 ) = s r ( u 一1 一n “) o “n 一12 0 - u - 5 9 其中，符号表示求余。这时用上述类似方法推导卷积地推关系如下： 太属理工大葶觋富圮x 毛( n ) = a c 埘( 砟) ( ，z k ) = s r ( u 一1 一k u ) h ( n 一七) ：艘 一1 ) ( 玎) + 窆豫似一1 一七“( ，l d 2 2 0 = s r ( u - 1 ) h ( n ) + s r ( u 一1 一( + 1 ) “) j l ( ，l 一1 一七) 由上知，下面两个公式成立： 屯( o ) = s r ( u - 1 ) ，l = o ( 2 2 1 ) 丘( ，1 ) = s r ( u 一1 ) ( ，z ) + - l ( n 一1 ) 0 ，z u ( 2 2 2 ) 当“n n 一1 ，由式( 2 2 0 ) 继续推导，有： 吒( n ) = 职( “一1 ) ( n ) + s r ( u - 1 - ( k + 1 ) u ) h ( n 一1 一七) + i = o s r ( u - 1 - ( k + 1 ) u ) h ( n 一1 一七) k * * u - i = s r ( 炉1 ) 坳) + 荟跚沪1 - “) 枷铆。以) + ( 2 2 3 ) t 1 0、。， s r ( u - 1 - ( m + u ) u ) h ( n m 一“ m | 0 = s r ( u 一1 ) ( ，1 ) + 屯( 咒一) + s r ( u 一1 - ( k + 1 ) u ) h ( n l - k ) 由因为当“n s n 一1 时，有下列关系： 一一苎! 竺苎查竺! 主兰苎 无一l 仞一1 ) = 艘 一2 一七( “一d ) h ( n 一1 一) = s r ( u 一2 一( “一1 ) 坼( n 一1 女) + s r ( u - 2 一( m + “一1 ) ( “一1 ) ( n 一，l 一“) ”_ 0 r 2 2 4 ) 2 = s r ( u 一2 一( 七+ 1 ) “冲( n 一1 一七) + 隙( “一2 一，”( “一1 ) ) ( 月一m 一“) = , s r ( u - 2 一( 七+ 1 ) “( n 一1 一七) + 屯一l ( n 一“) 即 s r ( u - 2 一( 七十1 ) “冲一1 一七) = 毛1 一1 ) + 气一l 铆“) ( 2 2 5 ) 这时，式( 2 2 4 ) 变为： 毛( 甩) = s r ( u - 1 ) h ( n ) + x - l ( 订一1 ) + 屯( ，l 一“) 一气一l ( ，l 一“) “n n 一1 ( 2 2 6 ) 综上所述得基音延迟小于激励长度时，屯( n ) 的递推关系如下： k ( o ) = s r ( u - 1 ) ， n = 0 x五。(nn)：=sr(u一-11)hh(nn)+工x。_11(nn一-11)sr(u ) + 。 “ “ ( 2 2 7 ) i 屯( n ) =一1 ) h ( n ) + 毛- l ( n 1 ) + 【吒( n 一“) 一屯_ ( n 一“) “n n 一1 由式( 2 2 7 ) 可知，计算全部屯( n ) 仅需( j v + 1 ) ，2 + ( 6 0 一2 1 ) ( 一1 ) 次乘 法，而硬性卷积则需( 6 0 2 0 ) x n ( n + i ) 1 2 次乘法。当n - - - 6 0 时，前者只 需4 1 3 1 个操作，而后者则需7 3 2 0 0 个操作，可见递推快速算法所需的计 算量是硬性卷积法的l 1 8 。 一 查! 竺苎查! ! ! 竺兰 一一 一 2 3 2 分数延时自适应码书搜索算法 整数延迟自适应码书实际上是一个一阶长时基音预测器，它的最佳延 时“。所表示的语音基音周期为= “。，工，其中工为语音信号的采样 率。由于“。为整数，它所能表示的基音周期的最高精度为t = v l ( 一个 样点精度，当，f = 8 k - z 时，t = 1 2 5 u s ) ，而比这再高的精度就无法表示 了。实际语音基音周期的精度要比丁高很多，这在一定程度上影响了基音 预测器的性能，从而影响了最后合成语音的质量，尤其对于基音频率比较 高的女声和童声，由于基音检测误差比较大，基音预测器的增益比较低， 给固定码书激励信号的匹配带来困难，使最后合成语音中的量化噪声比较 大 1 7 , 1 9 。 为了提高基音预测的准确性，更好地逼近语音实际的基音周期，目前 主要采取两种措施：一是增加长时基音预测器的阶数；二是采用分数延时 自适应码书。但由于增加长时基音预测器的阶数需要增加较多的比特来对 预测器的系数进行量化，所以在低比特率语音编码中，通常采用分数延时 自适应码书，它只需增加较少的比特数就可以有效地提高基音预测器的性 能，使合成语音的质量得到改善。自适应码书中，分数延迟码矢量是通过 整数倍内插来获得的。 2 4 代数码书搜索算法简介 代数码书是一个具有一定代数结构的随机码书，它是固定码书的 种，能够根据语音的不同状态和实际编码速率调整其结构和比特分配，从 而保证随机码矢量具有一定的准周期性和一定的随机性，起到了对浊音段 和过渡语音质量改善的作用。另外，代数码书无需存储，可以有效减少语 兀腮堰 兀平憾= 忙x _ _ _ - _ _ _ _ - 一一一一 一 音编码算法程序和数据的存储量。因此，它是目前比较流行的一种码书结 构 2 2 , 2 3 。 在代数码书中，每个随机码矢量c ，最多只能有也个非零脉冲，在 c s a c e l p 算法中n c = 4 ，这m 个非零脉冲幅度和位置的取值都要受到 一定的限制，以满足代数结构和比特分配要求。若设墨和镌为第 i ( i = o ，1 ，n c 一1 ) 个非零脉冲的幅度和位置，则丑的取值可以是一个定值 ( + 1 或1 ) ，也可以是一个变值( 1 ) ，而似的取值则具有一定代数结构， 它的第t 个取值现幢，可以表示为： m i = 扣虬+ c 心i = 0 ，1 ，c - 1 其中，以为相邻非零脉冲的最小问隔，当菲零脉冲的位置超出了激励帧 长的范围时，表示该非零脉冲实际上并不存在。因此，随机码矢量c “中 非零脉冲的个数可以取小于等于札的任何整数。 将式( 2 5 ) 中的互相关项和能量项表示为： n - i c = x o ( n ) t i ( n ) ( 2 2 8 ) = 。 - 1 占= 0 2 ( 胆) ( 2 2 9 ) 划 其中0 ( ，z ) 为随机码书在标号为j 时的输出码矢量q 通过加权合成滤波器 日。( z ) 的零状态响应( 巳7 与日。( z ) 的零状态冲激响应矗( 厅) 的卷积) ，即 。( ，) f j ( n ) = q h ( n - k ) ，n = 0 ，1 ，n 一1 ( 2 3 0 ) 则随机码书搜索就是在随机码书中搜索出能使c 2 肛最大的码矢量q “， ，l ：o 。1 ，l ，n 一1 。对于代数码书，随机码矢量q 一中最多只能有c 个非零 脉冲，即 j _ 羔邑6 ( n - m 。) ， ，l = o ，l l ，一1( 2 3 i ) 将式( 2 3 0 ) ( 2 3 1 ) 带入式( 2 2 8 ) 和i ( 2 2 9 ) ，可以得到c 和e 的简化表达式为 札- 1 c = 置，( ) ( 2 3 2 ) n 也n 。- 2n 。一1 e = 芝妒( ，m j ) + 2 窆s 3 夕( ，m j ) ( 2 3 3 ) i - o f 种j = q + l 其中r ( f ) ，i = o ，1 ，l ，n 一1 为目标矢量( ，1 ) 与零状态冲激响应 ( n ) 的互相 关；妒( f ，) ，l ，j = 0 ，1 ，l ，n 一1 为零状态冲激响应j l ( n ) 的协方差矩阵，他 们的表达式分别为： n - i r ( f ) = x ；( n ) h ( n - i ) ， i = o ，1 ，l ，n - 1 n - i 鳓j ) = h ( n i ) h ( n 一