（电路与系统专业论文）嵌入式音频编码技术的研究与实现.pdf

丫6 5 2 3 6 9 摘要 嵌入式系统是面向用户、 面向产品、 用到音频编解码的实现上， 着重于实际f a d p c m录、 放音代码的设计和验证。 这部分内 容 关键词:嵌入式系统;a d p c m: a r m;模数转换 录垫作奢、 翔全女丁 卜 右 导 师同 名 ab s t r a c t t h i s p a p e r p re s e n t s h o w t o d e s i g n a n e m b e d d e d s y s t e m u s e d t o r e a l i z e d i g i t a l a u d i o t r a n s f o r m a n d s t o r a g e . a r m7 t d mi i s s e l e c t e d a s t h e e m b e d d e d c h i p . t a k i n g a d v a n t a g e o f o p t i m i z a t i o n o f a r m i n s t r u c t , t h e s y s t e m t ry t o r e l y o n c o - p r o c e s s o r a n d p e r i p h e r a l a s l i t t l e a s p o s s i b l e . o n t h e o t h e r h a n d , t h e e n c o d i n g a n d d e c o d i n g a r m in s t ruc t p r o g r a m o f a d p c m h a v e b e e n c o d e d a n d v a l i s d a t e d t o rea l i z e t h e f u n c t i o n o f r e a l t i me r e c o r d t h e s t ruc t u r e o f t h e p a p e r i s s h o w n b e l o w : ( 1 ) c o d e a n d s i m u l a t i o n o f a r m p r o g r a m ( 2 ) r e q u e s t o f s y s t e m a n d p a r a m e t e r ( 3 ) s e l e c t i o n o f c o m p o n e n t s ( 4 ) v a l i d a t i o n o f s y s t e m k e y wo r d s : e m b e d d e d s y s t e m; a d p c m; a r m; d i a 1 1 第一章a d p c m综述 第一章a d p c m综述 本章首先介绍 a d p c m 的由来和其原理相对于先前其它脉冲编码原理的优 势，还对其后的改进作了详细的描述。 1 . a d p c m原理 1 . 1 a d p c m原理的发展史 自从上世纪 3 0年代末，提出脉冲编码调制 ( p c m)原理以及声码器 ( v o c o d e r ) 概念后， 语音信号编码一直沿着这两个方向 发展。 它们也可以 称为 语音信号的波形编码与声码化技术。 语音信号的波形编码力图使重建语音波形保 持原语音信号的波形形状。 这类编码器通常将语音信号作为一般的波形信号来处 理， 它具有适应能力强， 话音质量好等优点， 但所需要的编码速率高。 脉冲编码 调制 ( 尸 c m) ，自 适应增量调制 ( a d m) ，自 适应差分编码 ( a d p c m) ，自 适应 预测编码 ( a p c )等属于这类编码器。它们分别在 6 4 - 1 6 k b / s的速率上能给出 高的编码质量。 目前， 各地使用的a律和a 律 p c m采用非线性量化， 在 6 4 k b / s 速率， 话音 质量能够达到网络等级， 目前已经广泛地应用于各种数字通讯系统中。 例如电缆、 微波、 卫星、 光缆等通讯系统。由于它只利用了语音信号的一维统计特征， 当 速 率进一步降低时， 话音质量将达不到网络等级。 对于许多应用， 特别是长途传输 系统，6 4 k b / s的速率所占用的频带太宽，通讯费用昂贵。因此人们一直在寻求 一种能够在更低的速率上获得高质量语音的编码方法。 特别在数字电话中，典型地使用采样率为8 k h z ，每个样本为8 位，数据率 为6 4 k b / s的a律或u 律p c m编码， 这就是国际电报电话咨询委员会 ( c c it t ) 推 荐的g .7 1 1 标 准: 话 音频 率 脉冲 编 码 调 制( p c m o f v o ic e f r e q u e n c e s ) . p c m 的编码原理就是把连续模拟信号变成离散的幅度信号， 再把离散的幅度信号变成 数字的离散信号。 然后在此基础上进行数字信号处理。 随着数字电话和数据通信 容量日 益增长的迫切要求， 而又不希望明显降低传送话音信号的质量。 所以， 对 话音信号的进一步压缩成为人们关注的热点。 通常，人们把低于 6 4 k b / s数码率的语音编码方法称为语音压缩编码技术。 语音压缩编码方法有很多，如差分编码调制 d p c m) 、 子带编码 ( s b c ) 、变换 域编码 ( a t c) 、 多脉冲激励线性预测编码( mp l p c) 、 参数或波形矢量编码( v q) 第一章a o p c m综述 以及码本激励预测编码 ( c e l p )等等。多年来大量的研究证明，自 适应差分编 码( a d p c m一 a d a pt iv e d iff e r e n t ia l p c m ) 是语音压缩编码中复杂度较低的一种 方法，它是利用样本与样本之间的高度相关性来压缩数据的一种波形编码技术。 它能在3 2kb/ s 数码率上达到符合6 4 kb/s数码率的语音质量要求， 也就是符合长 途电 话的质量要求。为此，c c i 一 经过三年多时间 ( 1 981 一1 9 8 3) 的讨论， 提 出了3 2 k b lsa o p c m语音编码的g.7 21 建议，作为长途传输中一种新型的国际 通用的语音编码方法。1 9 8 6 年6 月又对g. 7 21建议进行了 适当修正， 使3 2 k b/ s a o 尸 c m的语音编码方法进一步完善，更趋于实用化。 应当指出， a d p c m编码方法在更低的数码率 ( 如1 6 k b l s 一s k b l s 等) 上应 用时， 其语音质量明显下降， 不能达到高质量通信系统的要求。 但它可和其他语 音编码方法 ( 如子带编码等) 组合起来， 达到较高的质量。 还应指出， 对图像信 号也可以进行a o p c m编码，以获得高质量的数字化图像信号。 表 1 一1 给出了各种语音编码方法、相应的传输速率、最小带宽要求以 及所 能达到的质量标准。 表 ， 一，各种语音编码方法 编码方法传输速率 ( k b / 5 ) 最小基带带宽 ( k b/ s ) 质量 p cm6 43 2长途电话质量 adp cm3 21 6长途电话质量 s b c ( 子带)+a d p c m 6 43 2广播质量 m3 21 6通信质量 s b c ( 子带) 1 68通信质量 r e l p 一 ltp( 规则脉冲激励) 1 68通信质量 l o 一 c e l 户( 短延迟码激励) 1 68接近长途质量 mp l p c ( 多脉冲) 84通信质量 c e l p c ( 码本激励) 4 . 82 . 4通信质量 l p c( 线性预测) 2. 41 . 2合成质量 l l p c + v q ( 矢量量化) 1 . 20 . 6合成质量 第一章a d p c m综述 1 . 2 d p c m 的基本原理 a d p c m是在差分脉冲编码调制d p c m的基础上逐步发展起来的， a d p c m 的主要改进是量化器与预测器均采用自 适应方式， 即量化器与预测器的参数能根 据输入信号的统计特性自 适应于最佳或接近于最佳参数状态。下面给出 d p c m 的基本原理。 图， -1 给出了d p c m系统原理框图。图中输入抽样信号为s ( k ) ， 接收端 输出 重建 信号为s r ( k ) ; d ( k ) 是输入信号与 预测信号s e ( k ) 的 差 值， d q ( k ) 是量 化后 的差值， i ( k ) 是d q ( k ) 信号经编码后输出的数字码。 数字信道 i ( k ) i (k ) d p c m 码流 编码器译码器 图 1 一1 d p c m系统原理图 编码器中的预测器与编码器的预测器完全相同， 因此， 在信道传输无误码的 1清况下， 化误差 解码器 输出的 重建 信号s r ( k ) 与编码器的s r ( k ) 完 全相同。 d p c m的 总量 e ( k ) 定义 为输入 信号s ( k ) 与 解码器输出的 重建信号s r ( k ) 之差， 即 有 9 ( k ) 二s ( k ) 一s r ( k ) = s e ( k ) +d ( k ) 一 s e ( k ) + d q ( k ) d ( k ) 一d q ( k ) ( 1 - 1 ) 由上式可知，在这种 d p c m系统中，总量化误差只和差值信号的量化误差 有关。因此，系统总量化信噪比s n r定义为: e s 2 ( k ) e d ( k ) ( k ) s n r = 且 星 竺 ) l = ef e e d z ( k ) e d 9 z ( k ) g s n r , ( 1 - 2 ) 式 中 ， 预 测 增 益g p 与s n r q g p = 定义如下: e s 2 ( k ) u e d 2 ( k ) s n r p =e d 2 ( k ) l e d g 2 ( k ) ( 1 - 3 ) ( 1 - 4 ) 其中， 符号e 表示求统计平均值。 上两式表明:d p c m系统的总s n r取决 于g , 和s n r , 的乘积。 最大值而逐步完善起来， 因此对d p c m的研究就是围绕着如何使这两个参数能取 并最后发展为a d p c m系统。 第一章a d p c m综述 1 . 3 自 适应预测 实际语音信号是一个非平稳随机过程， 其统计特性随时间不断变化， 但在短 时间间隔内， 可以近似看成平稳过程，因而可按照短时统计相关特性， 求出短时 最佳预测系数。 这种方法称为前向自 适应预测算法。 但是前向自 适应预测会产生 较长的编码延迟时间 ( 约为1 5 m s -2 0 m s ) ，其运算量比较大，而且还要将预测 系数传输给接收端。因此，它只应用在低于， 6 k b / s的语音压缩编码系统中。 后向序惯自适应预测算法则采用序惯地不断修正预测系数的方法来减少瞬 时 平 方 差 值d q 2 ( 哟 信 号， 使 得 修 正 后 的 预 测系 数 逼 近 于 最 佳 预 测 系 数， 以 达 到 最 佳预测状态。 1 . 4 自 适应量化 在实际电 话网中， 由 于说话人声音强弱不同， 传输电 路衰耗不同， 语音信号 的功率变化范围可达4 5 d b 左右。为了使量化器始终能处于最佳状态或接近于最 佳状态， 最佳量化器的 所有量化电平 d q n ) 和分层电平 d n ) 应该均与输入量化器的 功率有关，能够自 适应于输入反差的变化。 自 适应量化方法有很多种。 若严格根据输入方差来确定 d n ) 与 d q n ) 值， 则称 为 前向自 适应量化; 若 根据前一时 刻输出 的 数字码 i ( k ) 或 量化器 输出 值d g n ( k - i) 来确 定 d n ( k ) ) 和 d q n ( k ) ) 的 值， 则 称为 后向自 适应量化。 显 然， 后向自 适 应法比 起前向自 适应法更易于实现，但必须合理选择算法使其能收敛于最佳量化器参 数。目 前， 实用的后向自 适应量化算法是由j a y a n t 和g o o d m a n 等人提出的。 1 . 5 a d p c m算法简介 自 适应差分脉冲编码调制 ( a d p c m) 组合了自 适应脉冲编码调制 a p c m) 和差分编码调制 ( d p c m)系统的自 适应特性和差分特性。它的简化框图如图 1 -2 所示。如利用信号的差分来传递信号，虽然可以降低数据率， 但在收发两端 都需要储存器来储存一个或多个样本值。 而且， 发送端必须使用某些方法， 用来 确保接收端能同步允许。 而自 适应量化器和自 适应预测器使得接收端通过一定的 逼近算法能在只接收量化信号i ( k ) 的 情况下， 确定量化器和逆量化器中 量化阶的 自 适应，并预测出下一个信号的估计值。 用这种方法， 接收器中的方块和发送器 中的方块应该相同。 实际上， 用在数字电路中的a d p c m系统不是原始的编码系统， 而是一个代 第一章a d p c m综述 码转换 器， 实现对数尸 c m ( lo g - p c m ) 和a d p c m代码之间的 转换。 现在有许 多 系 统 都是 用lo g - p c m代 码 传 送， 而a d p c m系 统 是 把自 适 应 量化 器 和自 适应 预测器组合在一起的系统。自 适应量化器包含有速度控制和比例因子的自 适应。 度量差分信号变化率的大小能够提供一种方法， 用来确定速度控制， 量化阶的比 例因子 ( 或称比例系数) 。根据差分信号的幅度进行调节，使量化阶的大小适应 信噪比的要求。 使用速度控制， 使系统能够利用瞬时自 适应速率和音节自 适应速 率的优点，因此可以对话音数据和数据信号适应得都很好。在自适应预测器中， 预测器是一种滤波器， 它的系数由 梯度算法来修改。 预测器自 适应的使用改善了 预测器非平稳信号 ( 如语音信号)的性能。 a d p c m算法的重要特性是译码器中的译码算法己嵌入在编码器中， 也就是 译码器嵌入在编码器中。因此，编、译码器中的许多算法都是相同的。 发送 ( a ) a d p c m发送方块图 第一章a d p c m综述 接收 ( b ) a d p c m接收方块图 图 1 -2 a d p c m算法 2 . g l 7 2 1 a d p c m系统 c c it t推荐的g . 7 2 1 a d p c m标准是一个代码转换系统。 它使用a d p c m转 换技术，实现6 4 k b / s a律或u 律p c m速率和3 2 k b / s 速率之间的相互转换。它 能和己有的p c m数字电话网兼容。该算法主要技术指标如下: ( 1 ) 语音信号经a d p c m编码后， 客观测量s n r应完全符合p c m编码系 统的要求 ( c c it t g l 7 1 2 , g .7 1 1 建议) ，其主观听觉测试性能非常接 近于 p c m质量; ( 2 ) 经过4 次 音频转 换后， 主 观语 音测试质量量化， 其主观平均评分应大 于 3 . 5以上; ( 3 ) 在 信 道误 码 低于1 0 -3 的 情况 下能 稳定 工 作; ( 4 ) 4 8 0 0 k b / s 的m o d e m信 号 经 过4 次 编 解 码 后， 其 误比 特 率 应 小 于1 0 5 一 1 0 -6 0 g . 7 2 1 a d p c m的简化框图如下所示。 6 4 k b / s a 律或 量化差分信号 ( a ) a d p c m编码器 第一章a d p c m综述 3 2 k b / s 输入u目下 百1 1 量化器 燮蟾塑辈八飞到丝途 + y +1二、 中 斗 i n 议四 t x c3 m r,1t f 6 4 k b / s a 律或 “ 律p c m 输出 0 id rn a m ( b ) a d p c m译码器 图1 - 3 g . 7 2 1 a d p c m简化框图 如图 1 - 3 ( a ) 所示的编码器中， a律或u 律 p c m输入信号转换成 均匀的 p c m。 差分信号等于均匀的p c m输入信号与预测信号之差。自 适应零量化器用 4 位二进制数表示差分信号， 但只用其中的1 5 个数 ( 即 1 5 个量级) 来表示差分 信号， 这是为防止出现全0 信号。 逆自 适应量化器从这四位代码中产生量化差分 信号。 预测信号和这个量化差分信号相加产生重构信号， 它是输入信号的另一种 表示形式。自 适应预测器根据重构信号和量化差分信号产生输出信号的预测信 号，这样就构成了一个负反馈回路。 输入信号是g .7 1 1 p c m代码， 采样率是8 k h z ， 每个代码是8 位的lo g - p c m, 因此它的数据率是6 4 k b / s 。 而g .7 2 1 a d p c m代码， 即自 适应量化器的输出是用 4 位表示的差分信号，它的采样率仍然是8 k h z 。 所以，它的数据率是3 2 k b / s , 这样就获得了2 : 1 的数据压缩。 如图1 - 3 ( b ) 所示的译码器中， 有一部分结构与编码器反馈回路部分相同。 此外，还包含有均匀p c m到a律或u 律p c m转换部分，以及同步编码调整部 分。 设置同步 ( 串行) 编码调整的目的，是防止在同步串行编码期间出现积累的 信号失真。 3 . 实用a d p c m编码器 实际设计a d p c m编码器，还有两个地方要考虑。 . 定标因子 在非均匀量化的 情况下， 后向自 适应量化算法中要引入定标因 子y ( k ) 。 固定 非均匀量化器的输入信号d ( k ) 先进行一次归一化运算: d ( k ) = d ( k ) / y ( k ) - ( 1 - 5 ) 它是一种快速瞬时自 适应，能较好地与语音信号电平变化规律相适应。 . 单音与过渡检测电路 g .7 2 1 a d p c m算法在实际电路实验中 发现两个问 题: 第一章a d p c m综述 ( 5 ) 1 2 0 0 b / s f s k 信号通过a d p c m编码后， 在传输a s c i i 字符间隔是会 产生严重误码。这是因为原g .7 2 1 算法的自 适应算法对单频与过渡状 态跟踪速度不够快所致; ( 6 ) 若输入为“ 0 0 0 0 ” 或“ 1 1 1 1 ” 码型， 则a d p c m解码器会产生溢出振 荡现象。 鉴于上述问题， c c it t于 ， 9 8 6年 7月对原 g .7 2 1 a d p c m算法进行了以下 修改: ( 1 ) 把原1 6 量化电 平的 量化器改成1 5 量化电 平的 中 平型量化器。 这样就 消除了振荡现象。 ( 2 ) 在a d p c m编 码与 解 码端 均需 增加 一个 单音 与 过 渡 检 测电 路。 单 检测 出单音或过渡信号后，立即控制自 适应量化器转换到非锁定的快速自 适应模式。 加入上述功能后， 实用编码器的框图如图 1 -4 所示。 图中的k 表示样本号， 样本之间的间隔是， 2 5 u s 。 它的功能是接收6 4 k b / s 的lo g - p c m信号， 然后把 它转换成 3 2 k b / s的 a d p c m 信号。 输入 p c m格式转换是把 a律或， 律的 lo g - p c m信号s ( k ) 变成线性的p c m信号s i( k ) 。 差 分信号d ( k ) 是由 线性p c m信 号 s i ( k ) 和预测信号 s e ( k ) 相 减得到。 下一步是自 适应量 化差分 信号 d ( k ) ， 先对 d ( k ) 作以2 为底的 对数运算， 然后 用量化比 例因 子y ( k ) 对它 做规格化处理， 最后 对 运算结果 进行编码， 得到4 位输出 信号i ( k ) 一一 表 示d ( k ) 信号的4 位代码， 其 中3 位代表幅度。1 位代表符合。 通过用对数表示的差分信号， 而不是用线性表 示的差分信号进行编码，其目的是可以得到较均匀的信噪比。 逆自 适应量化器使用自 适应量化器输出的i ( k ) 信号， 用量化比 例因子y ( k ) 对 它做规格化处理后重构量化差分信号d q ( k ) 。 它是从对数域中反变换回来的信号。 逆自 适应量化器和自 适应量化器具有相同的量化特性。 图 1 -4实用 a d p c m编码器框图 第一章 a d p c m综述 量化比 例因 子这个方块， 是用来计算比 例因 子y ( k ) 的， 用来控制量化器个逆 量化器，以 获得自 适应功能。 这个功能块的 输入是4 位量化器输出i ( k ) 和来自 适 应速 度控制 这个功能 块的 参数 a l ( k ) 。 它的自 适应特性 有两 种自 适应方式。 对差 分信号动态范围大的信号产生快速自 适应比例因子， 如话音信号; 对差分信号动 态范围小的信号产生慢速自 适应比例因子， 如话音带宽数据、 音调等。 速度控制 系 数 a l ( 助 是权 衡快 速自 适应比 例因 子和慢速自 适应比 例因子， 以 产生单个 量化 器l l 例因子y ( k ) . 设置音频和传送检测器的目的是为了改善来自 频移键控 f s k调制解调器运 行过程中的信号质量。 量化差分 信号d q ( k ) 输入到自 适 应预测器。 预测器用来计算预测信号s e ( k ) o 预测 信号s e ( k ) 和量化差分 信号d q ( k ) 组合在一 起， 用来确定 重构 信号s r ( k ) 。 这 个信号也就是接收端译码器变换前的输出信号。 自 适应预测器使用全极点滤波器和全零点滤波器。 全极点滤波器是自 适应受 限制的二阶滤波器， 用来匹配慢变换的信号。 由于全极点滤波器对差错特别敏感， 所以 预测器又用了一个 6 阶全零点滤波器来提高信号的稳定性。 4 .实用a d p c m译码器 如图1 -5是 a d p c m的译码器框图。它的功能是接收3 2 k b / s的a d p c m 信号， 然后 把它变成6 4 k b / s 的lo g - p c m信号。 为了 实 现这一转换， 译码器使用 了许多编码器中的功能部件。 接收到的数据i ( k ) 由 逆自 适应量化器处理， 产生量 化差分信号d q ( k ) 。 这个逆自 适应量化器和编码器中的逆自 适应量化器相同。差 分 信号d q ( k ) 通过自 适应预测器进行滤波，并和以前产生的重构信号s r ( k ) 一起， 用来 产生 预测 信号s e ( k ) a s e ( k ) 输入 到重构 信号计算器， 和差分 信号d q ( k ) 相 加， 产生现在的重构信号s r ( k ) 。 重构信号s r ( k ) 经过输出p c m格式转换功能块，由 线性 p c m变成 lo g - p c m信号 s p ( k ) ，然后经同步串 行编码调整功能块产生 6 4 k b / s 的a 律或， 律p c m代码s d ( k ) 。 编码调整是限制在串 行连接编码过程中 产生错误. 第一章a d p c m综述 咤一一阅 sp一一一肉 逆自 适应 量化器 划 1 s r ( k ) _ 输ffi p c m y ( k ) a2树 七 喇仔 自 适应 自 适应 逾 登险制 t r ( k ) t d ( k ) 音 清 和传 1 裁的ill 器 民-孔卜-一.划一长 q-一j曰-一甘下-门曰 血-一a-、-y i ( k ) 图 1 一5实用a d p c m译码器框图 第二章算法介绍 第二章 算法介绍 本章介绍 c c it t制定的a d p c m算法，后面的a r m汇编程序就是按照此 算法实现a d p c m语音编、 解码的。 最后还补充了 线性c p m码和非线性p c m 码 ( a律或u 律)的相互转换算法。 1 . 自 适应预测 a d p c m中的预测信号是用后向序惯线性预测的方法产生的。 线性预测器可 分为极点预测器和零点预测器。 1 . 1 极点预测器 n阶预测器的输出s e ( k ) 是前n个s r ( k - i ) 值( i 二1 , 2 , . . . , n ) 的线性组合，即 s e ( k ) 一 叉a ,s r ( k 一 ) ( 2 - 1 ) i = 1 式中， ( a i 是一组预测系数。 若略去量化误差不计， 则图2 -1 所示系统中预 测误差滤波器的传递函数为 d ( z ) 一 d g ( z ) / s r ( z ) 一 一 艺 a ; z 一 i 月 接收端重建信号s r ( z ) 也就 是发 送端本地解码信号， 于是 有 s r ( z ) = d q ( z ) / d ( z ) = d q ( z ) h ( z ) 由于重建逆滤波器的传递函数 ( 2 - 2 ) ( 2 - 3 ) h ( z ) =1 / d( z ) ( 2 - 4 ) 只有极点，因此称这种预测器为全极点滤波器。 第二章算法介绍 i 一 一 一 一 ) ( 飞 h ( z ) f 一 一 一 一 一一 一 一 一 累加器 匕_ _ _ _ _ _ _ _ _1 发送端 ， ， sr (z) i ! i _ i 接收端 图2 -1 极点预测器系统 1 .2 零点滤波器 若m阶预测器的输出为 s e ( k ) = 叉 b ;d q ( k 一 ) i n 是一组预测系数。 带系统的重建信号 ( 2 - 5 ) 式中 s r ( z ) = d , ( z ) h ( z ) 一 d q ( z ) ( 1 + 艺b iz 一 ) ( 2 - 6 ) 因h ( z ) 只有零点没有极点， 故称为零点预测器。 其原理框图如图2 - 2 所示。 |-1|-i d ( z ) f 一 一 一 一 一 一 一 一 一 几 h ( z ) ! 一 一 一一 一 一 一 一 一 1| s r ( z ) 累加器 _ _ _ _ _ _ _ _ _ ! 发送端 !| 接收端 图2 - 2 零点预测器系统 第二章算法介绍 1 . 3 a d p c m 预测器 把零点和极点预测器组合在一起， 称零极点预测器， 如图2 -3 所示。图中 输入信号的预测值 s e ( k ) = 艺a ; 重建信号 s r ( k ) 重建逆滤波器的传递函数 s r ( k 一 ) + 艺 b ; d q ( k 一 i) ( 2 - 7 ) ( 2 - 8 ) 、.2 k 斗b-口 e(k)、呕瑞乏间 5.1一.1 - h( z) ( 2 - 9 ) s ( t ) + - f- d ( k )量 化 器俘 独- 1 d c i ( k )s r ( k ) 零点 预测器 s e ( k ) s e 六 挤 土 赢 器圈 k) r u m 巨吐 片 t i 9 9in ili- 图2 -3 零极点预测器系统 g .7 2 1建议采用零极点后序惯自 适应预测器。它有 6个零点 ( m=6 )和 2 个极点 ( n =2 ) ，并采用次优化的梯度符号法来自 适应修正预测系数。由于 n 2 的多阶极点预测器的稳定条件较难确定， 因此， 在有误码存在时， 可能出现不稳 定现象。 实验证明， 8阶零点预测器能取得相当 高的预测增益g p 。因而， 采用 6 阶零点与2 阶极点预测器的组合，以 取得良 好的 预测增益g p 。 零极点的组合 使滤波器能更有效地模拟任何普通的输入信号。 6 阶零点部分使滤波器能稳定工 作，而不产生振荡。极点滤波器的系数 a i( k ) ( i= 1 , 2 ) 和零点滤波器的系数 b i ( k ) ( i= 1 - 6 ) 分别自 适应。 自 适应是根据梯度算法去进一步调制滤波器的模型， 以 适应变化的输入信号。下图分别表示 6 阶和 2阶滤波器。 第二章算法介绍 尸-一-l广(k) d q ( k ) 厂 d q ( k - 12 一 ， il 华z - 1 华iz - 1 华澎z - 1 f= = 拿福 d q ( k - 6 ) s e z ( k ) 图2 -4 6 阶全零点有限冲击响应滤波器 d q ( k )十 s r ( k ) 尸-sez s r (忙 洲: 一 津 r (k - 1 ) e ( k ) 累加器 图2 -5 2 阶无限冲击响应滤波器 信号的预测值s e ( k ) 表示全极点滤波器和全零点滤波器之和。由 于全零点 滤 波器的和用来帮助确定极点系数， 所以把它的和单独抽出来作为全极点滤波器的 输入s e z ( k ) 。重构信号s r ( k ) 由 量化差分信号d q ( k ) 和预测信号s e ( k ) 相加而得。 s e z ( k ) = 叉b ; ( k 一 1 ) d q ( k 一 i ) ( 2 - 1 0 ) s e ( k ) 二 叉a , ( k 一 1 ) s r ( k 一 ) + s e z ( k ) ( 2 - 1 1 ) s r ( k 一 i ) = s e ( k 一 i ) + d q ( k 一 i )( 2 - 1 2 ) 2 . 零极点滤波器系数自 适应 零极点滤波器系数的修改是采用后向序惯自 适应预测算法来实现的， 即通过 序 惯 地 不 断 修 正 预 测 系 数 j a i( k ) 和 ( b i( k ) 来 减 少 瞬 时 平 方 差 值d 汽 k ) 信 号 ， 使 a i( k ) ) 和 b i( k ) 逐 渐接 近于 最佳 预 测系 数 ( a io p t) 和 b io p t) ，以 达 到 最佳的 预测 状态。 这 个 l m s算法由w id r o w提出。 为了进一步简化自 适应预测算法， 有人提出了一种梯度符号算法， 它使运算 第二章算法介绍 量减少，而预测增益只降低 0 . 5 d b a 2 阶滤波器系数 a 1 ( k ) 和a 2 ( k ) 按下列 递推公式计算 a l ( k ) = ( 1 2 一 8 ) a l ( k 一 1 ) + ( 3 2 一 8 ) s g n p ( k ) ) s g n p ( k 一 1 ) a 2 ( k ) 二 ( 1 2 一 7 ) a 2 ( k 一 1 ) + 2 一 7 1 s g n p ( k ) l s g n p ( k 一 2 ) ) 一 f a l ( k 一 1 ) s g n p ( k ) ) s g n p ( k 一 1 ) ) ) 式中， p ( k ) = d q ( k ) + s e z ( k ) ( 2 - 1 3 ) ( 2 - 1 4 ) ( 2 - 1 5 ) 4 a l , ! a l 卜 0 .5 2 s g n ( a l 川a l 0 .5 ( 2 - 1 6 ) fl碑1、 、飞护 ，l a 了t 广曰 以 及s g n o =1 ; s g n p ( k - i ) 二 0 ， 仅当p ( k - i) = 0 和i 二 o o 为了 使 滤波器保 持稳定， 对a l ( k ) 和a 2 ( k ) 的 取值加以限 制. la 2 ( k ) 1 0 .7 5 la 1 ( k ) l 1 一 2 a 一 a 2 ( k ) a 1 ( k ) = a 2 ( k ) = 0 ， 如果t r ( k ) 二1 ( 2 - 1 7 ) ( 2 - 1 8 ) 6 阶滤波器系数 1.2 2.2 6阶全零点滤波器的系数由下列递推公式计算 b i ( k ) = ( 1 2 一 8 ) b i ( k 一 1 ) + 2 一 7 s g n d q ( k ) s g n d q ( k 一 i ) l ，( 2 - 1 9 ) 二1 , 2 , 3 , 4 , 5 , 6 b 1 ( k ) 二 b 2 ( k ) = b 3 ( k ) 二 b 4 ( k ) 如果t r ( k ) =b 5 ( k ) 二b 6 ( k ) = 0 , 二 ， ( 2 - 2 0 ) 以及s g n o ) =1 s g n d q ( k - i) = 0 ， 仅当d q ( k - i) = 0 和i 二 0 b i l k ) 限制在 + 2 ， - 2 0 3 . 自 适应量化 自 适应量化用来确 定量化比 例因子y ( k ) 和量化器比 例因子自 适应的 速度。 c c it t g . 7 2 1 建议采用l =1 6 的双模式非均匀自 适应量化器。 由于差值信号 第二章算法介绍 d ( k ) 接近于高斯分布， 所以 采用输入为高斯分布的最佳非均匀量化器。为 便于进 行自 适应运算，采用引入定标因子y ( k ) 的方法。 d ( k ) = d ( k ) / y ( k ) 为避免进行除法运算，差值信号的归一化运算在对数域上进行， 10 9 2 d ( k ) = 10 9 2 d ( k ) / y ( k ) = lo g 2 d ( k ) 一 lo g 2 y ( k ) 由 于y ( k ) 是一个常量参数， 故为 方便起见， 将lo g 2 y ( k ) 记作y ( k ) 写成为 1o 9 2 d ( k ) = 10 9 2 d ( k ) 一 y ( k ) 此量化器的归一化量化特性见表2 -1 。 输入到自 适应量化器的差分信号d ( k ) ，由 下式计算 ( 2 - 2 1 ) 且 p ( 2 - 2 2 ) 则上式改 ( 2 - 2 3 ) d ( k ) = s i( k ) 一 s e ( k ) ( 2 - 2 4 ) 对差分信号作规格化处理， 先对d ( k ) 取以2 为底的 对数运算， 再减去量化器 比 例因子 y ( k ) ， 再根据下表从规格化的输入信号中，确定自 适应量化器的输出 i ( k ) o i ( k ) 的最高位是符号， 与d ( k ) 的符号相一致。 i ( k ) lo g 2 1 d ( k ) 卜y ( k )( 2 - 2 5 ) 表 2 一1规格化量化器 规格化量化器输入范围 i i ( k ) l 规格化量化器输出 3 . 1 2 , + - 73 . 3 2 2 . 7 2 , 3 . 1 2 62 . 9 1 2 . 3 4 , 2 . 7 2 52 . 5 2 1 . 9 1 ， 2 .3 4 42 . 1 3 1 .3 8 , 1 . 9 1 1 31 . 6 6 0 .6 2 , 1 .3 8 21 . 0 5 卜 0 . 9 8 , 0 . 6 2 10 . 0 3 1 一 co，- 0 . 9 8 1 0 . c丈5 如前所述， 最佳非均匀自 适应量化器对于不同输入统计特性应有不同的自 适 应调整因子。c c i 一 要求3 2 k b l s a d p c m对语音与语音频带内数据信号都应具 有最佳性能，故采用动态锁定 d l q或双模式自 适应量化器。量化器的定标因子 y ( k ) 由 快 速 因 子y u ( k ) 与 慢 速 因 子 y l (k ) 组 合 而 成 。 这 两 部 分 由 自 适 应 速 度 控 制 参 数a l( k ) 加权相力 ! 。 第二章算法介绍 y ( k )二a l ( k ) y u ( k ) + 1 一a l ( k ) y l( k ) 对于语音信号， a l( k ) 趋于， ; 对于m o d e m数据信号， a l ( k ) 趋于 ( 2 - 2 6 ) 0 . a l ( k ) 是 通过比较差值信号的短时平均值与长时平均值的差异来确定的。 双模式非均匀自 适 应 量 化 器 的 定 标 因 子y ( k ) 产 生 的 原 理 框 图 如 图2 - 6 0 图2 一 6 双模式y ( k ) 产生原理 快速因 子y u ( k ) 能 迅速适 应快速变 化的 信号。 y u ( k ) 可以由 量化器比 例因 子y ( k ) 和离散函数w( i ) 作递归 计算得到， y u ( k ) = ( 1 一 2 -6 ) y ( k ) + 2 -6 w i( k ) ( 2 - 2 7 ) 离散信号w ( i ) 定义 在表2 - 2 中， 它使y u ( k ) 能以 较大的 量化阶去瞬时 适应 变 化较大的i 信号。 表2 - 2 离散函数wi ( k ) 1 1 ( k ) l 76543210 w( i) 7 0 . 1 32 2 . 1 91 2 . 3 87 . 0 04 . 0 02 . 5 61 . 1 3- 0 . 7 5 漫 速因子y l ( k ) 适应和跟踪变化较慢的信号， 它包含有一个y u ( k ) 的低通滤波。 y l( k ) = ( 1 一 2 6 ) y l( k - 1 ) + 2 -6 y u ( k )( 2 - 2 8 ) 第一章 算法介绍 4 ， 自 适应速度控制 速度控制因子 a l( k ) 分别用输出代码的短期平均值 d m s ( k ) 和长期平均值 d m l( k ) ， 去调整y u ( k ) 和y l ( k ) 的相对加权值。 d m s ( k ) 和d m l ( k ) 是度量差分信号 值 的变化速率。 d m s ( k ) 和d m l ( k ) 分别计 算如下: d m s ( k ) d ml ( k ) ( 1 一 2 5 ) d m s ( k - 1 ) + 2 -5 f i ( k ) l ( 1 一 2 -7 ) d m l( k - 1 ) + 2 - f i( k ) ( 2 - 2 9 ) ( 2 - 3 0 ) 式中，函数f i ( k ) 如表2 - 3 所定义。 表2 一3 函数f i ( k ) i ( k ) ! 765 43210 f i ( k ) 731110 00 利用这两个平均值和其它参数，计算变量a p ( k ) o a p ( k ) ( 1 一 2 - ) a p ( k 一 1 ) + 2 - ， 如 果 d m s ( k ) 一 d m l ( k ) 卜 2 - d m l ( k ) ( 1 一 2 - 4 ) a p 伏一 1 ) + 2 - ，如果 y 伏 ) ( c ) 0 ,其它情况 ( 2 - 3 5 ) !才it - 7 ， 同 步编码调整 同步编码调整单元的功能主要是为了防止在同步级联 ( 即 a d p c m -p c m -a d p c m-p c m-a d p c m全数字转接)的情况下，可能发生的量化噪声的积 累问题。 同 步编码调整的原理简述如下: 在重建p c m信号s p ( k ) 输出到 信道前，让 s p ( k ) 再进行一次a d p c m编码， 然后把这个码与输入a d p c m原始