语音压缩编码培训定.ppt

1、2021/3/7,长沙理工大学现代通信技术实验室,语音压缩编码培训讲义-1、概述,长沙理工大学通信工程系,胡双红 hu_,2010-12-20,长沙理工大学现代通信技术实验室,培训进度安排,课题介绍 PCM DPCM ADPCM 每两周一次课，一周上课，一周答疑,2010-12-20,长沙理工大学现代通信技术实验室,内容提要,课题背景 国内外研究现状 常用编码算法简介,2010-12-20,长沙理工大学现代通信技术实验室,语音编码发展方向,极低速率语音编码 比特率低于2400bps的编码 保密通信、语音邮件、网络通信、IP电话 变速率语音编码 在合成语音质量和系统容量中灵活折中 CDMA通信系

2、统中，且前景广阔 不压缩语音编码 压缩费用超过传输费用 光纤通信、微波通信,2010-12-20,长沙理工大学现代通信技术实验室,压缩的意义,为什么需要压缩编码技术 PCM编码占用带宽大 8000Hz采样速率，每样本8位码 数码率：64kbps 有线传输中可以找到大容量传输介质：光纤 无线接入侧的频谱资源相当紧张,2010-12-20,长沙理工大学现代通信技术实验室,GSM频点分配,2010-12-20,长沙理工大学现代通信技术实验室,理论基础,定义： 低于64kbps的编码方案称为语音压缩编码 压缩依据 语音信号中存在的冗余 人类的听觉感知机理,2010-12-20,长沙理工大学现代通信技术

3、实验室,信号冗余,采样数据之间的相关 8kHz速率时，相邻样值相关系数高达0.85 周期相关： 浊音的准周期性 幅度的非均匀分布 小幅度概率高，信息集中在低功率 语音间隙的存在 声道的形状及其变化速率有限,2010-12-20,长沙理工大学现代通信技术实验室,听觉感知机理,人耳对不同频段的声音敏感度不同 低频比高频更敏感 人耳对语音信号的相位不敏感 人耳有掩蔽效应(masking effect) 强音抑制弱音,2010-12-20,长沙理工大学现代通信技术实验室,语音编码的极限速率,语音最基本元素-音素:大约128256个 通常说话速度：每秒平均发10个音素 信息率： I=log2(256)1

4、0bps=80bps 把发音看成是以语音速率传送，则语音编码的极限速率为80bps 从数字化标准的编码速率64kbps，到极限速率80bps之间的距离，对于理论研究和实践有着极大的吸引力,2010-12-20,长沙理工大学现代通信技术实验室,压缩编码方法分类,波形编码 原理简单，失真小 数码率高 参数编码 数码率低 音质较差，复杂度高 混合编码 较低的比特率上获得较高的语音质量,2010-12-20,长沙理工大学现代通信技术实验室,语音信号压缩编码的评价系统,语音质量 （1）广播级: 宽带(0-7000Hz)高质量的语音，感觉不出噪声存在 （2）网络或电话级： 200Hz-3200Hz,信噪比

5、大于30db。 （3）通信级: 完全可以听懂，但和长途电话相比，有明显失真。 （4）合成级： 80%-90%可懂度，音质较差，听起来像机器讲话，失去了讲话者的个人特征,2010-12-20,长沙理工大学现代通信技术实验室,语音信号压缩编码的评价指标,编码质量 MOS(Mean Opinion Score) 编码速率 适当选取 编解码复杂度 不影响实时处理 编解码时延 不能超过100ms 若超过必须采取回声抵消或回声抑制等措施,2010-12-20,长沙理工大学现代通信技术实验室,2010-12-20,长沙理工大学现代通信技术实验室,内容提要,课题背景 国内外研究现状 常用编码算法简介,2010

6、-12-20,长沙理工大学现代通信技术实验室,ITU-T的正式标准,G.711(1972) 64kbps PCM 用于固网 G.721(1984) 32kbps ADPCM 用于卫星、海缆、VRC G.728(1992) 16kbps LD-CELP 低延迟-码激励线性预测 无绳电话、SCSC卫星、海事卫星、DSI设备、录音、移动系统等 G.729(1996) 8kbps CS-ACELP(共轭结构-代数数码激励线性预测技术) 可与32kbps的ADPCM同质量 用于个人移动通信、低C/N卫星、高质量移动无线通信，分组语音 G.722.2 AMR-ACELP(自适应多速率) 用于WCDMA和T

7、D-SCDMA系统,2010-12-20,长沙理工大学现代通信技术实验室,2010-12-20,长沙理工大学现代通信技术实验室,现状,主流：CELP 4.8kbps的数码率上获得较高质量的语音,2010-12-20,长沙理工大学现代通信技术实验室,发展方向,中低速率的语音编码的实用化 降低复杂度 减少时延 提高抗干扰、抗噪声能力 进一步降低编码速率 目前5-6kbps的速率-较高质量重建语音 目标4kbps得到短时延、高质语音,2010-12-20,长沙理工大学现代通信技术实验室,发展方向,中长延时编码 400-1200bps得到高质语音 新算法 正弦变换编码（STC） 混合激励线性预测编码（

8、MELPC） 时频域插值编码（TFI） 基音同步激励线性预测编码（PSELP） 新分析技术 非线性预测 多精度时频分析 高阶统计分析,2010-12-20,长沙理工大学现代通信技术实验室,内容提要,课题背景 国内外研究现状 常用编码算法简介 波形编码技术 参数编码技术,2010-12-20,长沙理工大学现代通信技术实验室,一、PCM编码,PCM：Pulse Coded Modulation 抽样：8000Hz 量化：非均匀A律87.6/13折线压扩特性 编码：8位码 极性码：第1位 段落码：第2-3位 段内码：第4-7位,2010-12-20,长沙理工大学现代通信技术实验室,二、DPCM编码,

9、差分PCM编码 对相邻样本的差进行PCM编码 由于样本差值的动态范围远小于样本动态范围，因此达到相似性能可以减小编码位数 技术实现关键问题 编码位数的选取 预测器系数选取：LMS,2010-12-20,长沙理工大学现代通信技术实验室,DPCM框图,2010-12-20,长沙理工大学现代通信技术实验室,DPCM(含预测器内部结构,2010-12-20,长沙理工大学现代通信技术实验室,三、ADPCM,自适应DPCM 自适应预测系数调整 自适应编码位数调整 技术实现关键 自适应预测器 自适应量化器,2010-12-20,长沙理工大学现代通信技术实验室,2010-12-20,长沙理工大学现代通信技术实

10、验室,2010-12-20,长沙理工大学现代通信技术实验室,内容提要,课题背景 国内外研究现状 常用编码算法简介 波形编码技术 参数编码技术,2010-12-20,长沙理工大学现代通信技术实验室,语音生成机构,声源： 声带 共鸣机构： 声道(鼻腔、口腔与舌头) 放射机构： 嘴唇或鼻孔,2010-12-20,长沙理工大学现代通信技术实验室,2010-12-20,长沙理工大学现代通信技术实验室,2010-12-20,长沙理工大学现代通信技术实验室,2010-12-20,长沙理工大学现代通信技术实验室,语音产生机理,浊音 气流通过声门时，声带的张力刚好使声带产生张弛振荡式振动，产生一股准周期脉冲气流

11、，激励声道产生浊音 轻音 声带不振动，而在某处收缩，迫使气流高速通过这一收缩部分产生湍流就产生清音 爆破音 声道完全闭合的情况下突然释放产生爆破音,2010-12-20,长沙理工大学现代通信技术实验室,语音信号产生模型,2010-12-20,长沙理工大学现代通信技术实验室,清音/浊音示意图,2010-12-20,长沙理工大学现代通信技术实验室,a1,语音输出x(n,线性 预测 分析 基音频率 清/浊音判别,参数 合成,a2,ap,基音频率,输入语音x(n,清/浊音标志,G,2010-12-20,长沙理工大学现代通信技术实验室,模型中的参数,清浊音判决 基音周期 时变滤波器 增益常数G 数字滤波

12、器参数ai 特点：随时间缓慢变化,2010-12-20,长沙理工大学现代通信技术实验室,优点,能够用线性预测分析方法对滤波器参数ai和增益常数G进行非常直接和高效的计算,2010-12-20,长沙理工大学现代通信技术实验室,LPC模型阶数p的选择,保证有足够的极点模型化声道响应的谐振结构 通常10kHz时有5个共振峰，一对极点对应一个共振峰，取p=10 弥补鼻音中存在的零极点和其他因素的偏差 取p=1214,2010-12-20,长沙理工大学现代通信技术实验室,二,LPC-10编码器,美国确定LPC-10作为2.4kb/s速率上的推荐编码形式，用于第三代保密电话中 发送端，原始语音信号采用8k

13、Hz采样，然后每180个采样值分为一帧（22.5ms），提取语音特征参数并加以编码传送。 每帧总共编码为54bits，每秒传输44.4帧，因此总传输速率为2.4kb/s,2010-12-20,长沙理工大学现代通信技术实验室,s(n,采样 (8kHz,基音检测 （AMDF,清/浊音 检测,预加重,线性 预测分析,反射系数,增益G,参数编码,c(n,LPC-10编码器发送端,2010-12-20,长沙理工大学现代通信技术实验室,预加重,提高语音谱中的高频共振峰，使语音频谱较为平滑,从而提高谱参数估计的精确度 预加重滤波器的传递函数为,2010-12-20,长沙理工大学现代通信技术实验室,基音周期,利用短时平均幅度差函数（AMDF）计算,2010-12-20,