语音编码分类及编解码标准

1、语音编码分类及编解码标准 将音频或视频信号在模拟格式和数字格式之间转换的硬件（编码 器/解码器）；压缩和解压缩音频或视频数据的硬件或软件 （压缩 /解压 缩）；或是编码器 /解码器和压缩 /解压缩的组合。 通常， 编码解码器能 够压缩未压缩的数字数据，以减少内存使用量。编解码器（ codec ）指的是一个能够对一个信号或者一个数据流 进行变换的设备或者程序。 这里指的变换既包括将信号或者数据流进 行编码（通常是为了传输、 存储或者加密）或者提取得到一个编码流 的操作，也包括为了观察或者处理从这个编码流中恢复适合观察或操 作的形式的操作。 编解码器经常用在视频会议和流媒体等应用中， 通 常主要还

2、是用在广电行业，作前端应用。G.711 类型： Audio制定者： ITU-T所需频宽： 64Kbps特性：算法复杂度小，音质一般 优点：算法复杂度低，压缩比小（ CD音质 >400kbps），编解 码延时最短（相对其它技术）缺点：占用的带宽较高应用领域： voip版税方式： Free备注：70 年代 CCITT公布的 G.711 64kb/s 脉冲编码调制 PCM。G.721 类型： Audio制定者： ITU-T 所需频宽： 32Kbps 特性：相对于 PCMA和 PCMU，其压缩比较高，可以提供 2： 1 的压缩比。优点：压缩比大 缺点：声音质量一般 应用领域： voip 版税方式

3、： Free 备注：子带 ADPCM( SB-ADPCM)技术。 G.721 标准是一个代码 转换系统。它使用 ADPCM转换技术，实现 64 kb/s A 律或 律 PC M速率和 32 kb/s 速率之间的相互转换。G.722 类型： Audio制定者： ITU-T所需频宽： 64Kbps特性： G722能提供高保真的语音质量 优点：音质好缺点：带宽要求高应用领域： voip版税方式： Free备注：子带 ADPCM（ SB-ADPCM）技术G.723（ 低码率语音编码算法 ）类型： Audio制定者： ITU-T所需频宽： 5.3Kbps/6.3Kbps 特性：语音质量接近良，带宽要求低

4、，高效实现，便于多路扩 展，可利用 C5402 片内 16kRAM实现 53coder 。达到 ITU-TG723 要 求的语音质量，性能稳定。可用于 IP 电话语音信源编码或高效语 音压缩存储。优点：码率低，带宽要求较小。并达到 ITU-TG723 要求的语音 质量，性能稳定。缺点：声音质量一般应用领域： voip版税方式： Free备注： G.723 语音编码器是一种用于多媒体通信，编码速率为 5.3kbits/s 和 6.3kbit/s 的双码率编码方案。 G.723 标准是国际电 信联盟（ ITU）制定的多媒体通信标准中的一个组成部分，可以应 用于 IP 电话等系统中。其中， 5.3k

5、bits/s 码率编码器采用多脉冲 最大似然量化技术（ MP MLQ），6.3kbits/s 码率编码器采用代数 码激励线性预测技术。G.723.1( 双速率语音编码算法 )类型： Audio制定者： ITU-T所需频宽： 5.3Kbps(22.9)特性： 能够对音乐和其他音频信号进行压缩和解压缩， 但它对 语音信号来说是最优的。 G.723.1 采用了执行不连续传输的静音压 缩，这就意味着在静音期间的比特流中加入了人为的噪声。 除了预 留带宽之外， 这种技术使发信机的调制解调器保持连续工作， 并且 避免了载波信号的时通时断。优点：码率低，带宽要求较小。并达到 ITU-TG723 要求的语音

6、质量，性能稳定 , 避免了载波信号的时通时断。缺点：语音质量一般应用领域： voip版税方式： Free备注： G.723.1 算法是 ITU-T 建议的应用于低速率多媒体服 务中语音或其它音频信号的压缩算法， 其目标应用系统包括 H.323 、 H.324 等多媒体通信系统 。目前该算法已成为 IP 电话系统中的 必选算法之一。G.728 类型： Audio制定者： ITU-T所需频宽： 16Kbps/8Kbps特性：用于 IP 电话、卫星通信、语音存储等多个领域。 G.728 是一种低时延编码器，但它比其它的编码器都复杂，这是因为在 编码器中必须重复做 50 阶 LPC分析。 G.728

7、还采用了自适应后置 滤波器来提高其性能。优点：后向自适应，采用自适应后置滤波器来提高其性能 缺点：比其它的编码器都复杂应用领域： voip版税方式： Free备注： G.728 16kb/s 短延时码本激励线性预测编码( LD-CEL P)。1996 年 ITU 公布了 G.728 8kb/s 的 CS ACELP算法，可以用 于 IP 电话、卫星通信、语音存储等多个领域。 16 kbps G.728 低 时延码激励线性预测。G.728 是低比特线性预测合成分析编码器( G.729 和 G.723.1 ) 和后向 ADPCM编码器的混合体。 G.728 是 LD-CELP编码器，它一次 只处理

8、 5 个样点。对于低速率 ( 56128kbps )的综合业务数字网 (I SDN)可视电话， G.728 是一种建议采用的语音编码器。由于其后 向自适应特性， 因此 G.728 是一种低时延编码器， 但它比其它的编 码器都复杂，这是因为在编码器中必须重复做50 阶 LPC分析。 G.728 还采用了自适应后置滤波器来提高其性能。G.729 类型： Audio制定者： ITU-T所需频宽： 8Kbps特性： 在良好的信道条件下要达到长话质量， 在有随机比特误 码、发生帧丢失和多次转接等情况下要有很好的稳健性等。 这种语 音压缩算法可以应用在很广泛的领域中， 包括电话、 无线通信、 数字卫星系统

9、和数字专用线路。G.729 算法采用“共轭结构代数码本激励线性预测编码方案” （CS-ACELP）算法。这种算法综合了波形编码和参数编码的优点， 以自适应预测编码技术为基础， 采用了矢量量化、 合成分析和感觉 加权等技术。G.729 编码器是为低时延应用设计的， 它的帧长只有 10ms，处 理时延也是 10ms，再加上 5ms的前视，这就使得 G.729 产生的点 到点的时延为 25ms，比特率为 8 kbps 。优点：语音质量良，应用领域很广泛，采用了矢量量化、合成 分析和感觉加权，提供了对帧丢失和分组丢失的隐藏处理机制缺点：在处理随机比特错误方面性能不好。应用领域： voip版税方式： F

10、ree备注：国际电信联盟（ ITU-T ）于 1995年 11月正式通过了 G. 729。 ITU-T 建议 G.729 也被称作“共轭结构代数码本激励线性预 测编码方案” （CS-ACELP），它是当前较新的一种语音压缩标准。 G. 729 是由美国、法国、日本和加拿大的几家著名国际电信实体联合 开发的。G.729A 类型： Audio制定者： ITU-T所需频宽： 8Kbps(34.4)特性：复杂性较 G.729 低，性能较 G.729 差。优点：语音质量良，降低了计算的复杂度以便于实时实现，提 供了对帧丢失和分组丢失的隐藏处理机制缺点：性能较 G.729 差应用领域： voip版税方式：

11、 Free备注： 96 年 ITU-T 又制定了 G.729 的简化方案 G.729A，主要 降低了计算的复杂度以便于实时实现，因此目前使用的都是 G.729GIPS类型： Audio制定者：瑞典 Global IP Sound 公司所需频宽：特性： GIPS 技术可根据带宽状况自动调节编码码率，提供低 码率高质量的音频。 GIPS 的核心技术(网络自适应算法，丢包补 偿算法和回声消除算法) 可很好地解决语音延迟与回声问题， 带来 完美音质，提供比电话还清晰的语音通话效果。优点：很好地解决语音延迟与回声问题，带来完美音质，提供 比电话还清晰的语音通话效果缺点： 不是 Free应用领域： voi

12、p版税方式：每年支付一笔使用权费用备注： GIPS 音频技术是由来自瑞典的全球顶尖的语音处理高 科技公司 -"GLOBAL IPSOUND"提供的专用于互联网的语音压缩引 擎系统。 GIPS技术可根据带宽状况自动调节编码码率，提供低码 率高质量的音频。 GIPS 的核心技术(网络自适应算法，丢包补偿 算法和回声消除算法) 可很好地解决语音延迟与回声问题， 带来完 美音质，提供比电话还清晰的语音通话效果。Apt-X类型： Audio制定者： Audio Processing Technology公司所需频宽： 10Hz to 22.5 kHz ，56kbit/s to 576

13、 kbit/s(16bit 7.5 kHz mono to 24-bit, 22.5kHz stereo) 特性：主要用于专业音频领域， 提供高品质的音频。 其特点是： 采用 4:1:4 的压缩与放大方案； 硬件低复杂度； 极低的编码延迟； 由单芯片实现； 单声道或立体声编解码； 只需单设备即可实现 22.5kHz 的双通道立体声； 高达 48kHz 的采样频率； 容错性好； 完整的 AUTOSYN编C?解码同步方案； 低功率消耗 优点：高品质的音频，硬件复杂度低，设备要求低 缺点：不是 Free 应用领域： voip版税方式：一次性付费 备注：子带 ADPCM( SB-ADPCM)技术NIC

14、AMNICAM(Near Instantaneous Companded Audio Multiplex 准瞬时压扩音频复用 )类型： Audio制定者：英国 BBC广播公司所需频宽： 728Kbps特性：应用范围及其广泛，可用它进行立体声或双语广播优点：应用范围及其广泛，信噪比高，动态范围宽、音质同 CD 相媲美，故名丽音，因此 NICAM又称为丽音缺点：不是 Free ，频宽要求高应用领域： voip版税方式：一次性付费备注： NICAM也称丽音，它是英文 Near-Instantaneously Co mpanded Audio Multiplex 的缩写，其含义为准瞬时压扩音频复 用，

15、是由英国 BBC广播公司开发研究成功的。通俗地说 NICAM技术实际上就是双声道数字声技术， 其应用范 围及其广泛，最典型的应用便是电视广播附加双声道数字声技术， 利用它进行立体声或双语广播，以充分利用电视频道的频谱资源。 这是在常规电视广播的基础上无需增加许多投资就可以实现的。 在 进行立体声广播时，它提高了音频的信号质量，使其接近CD的质量。而且还可以利用 NICAM技术进行高速数据广播及其他数据传输 的增殖服务，这在当今的信息化社会中似乎就显得尤为重要了！MPEG-1 audio layer 1类型： Audio制定者： MPEG所需频宽： 384kbps（压缩 4 倍）特性：编码简单，

16、用于数字盒式录音磁带，2声道， VCD中使用的音频压缩方案就是 MPEG-1层。优点： 压缩方式相对时域压缩技术而言要复杂得多， 同时编码 效率、声音质量也大幅提高，编码延时相应增加。可以达到“完全 透明”的声音质量（ EBU音质标准）缺点：频宽要求较高应用领域： voip版税方式： Free备注： MPEG-1声音压缩编码是国际上第一个高保真声音数据压缩的国际标准，它分为三个层次：- 层 1(Layer 1) ：编码简单，用于数字盒式录音磁带- 层 2(Layer 2) ：算法复杂度中等，用于数字音频广播 (DAB) 和 VCD等- 层 3(Layer 3) ：编码复杂，用于互联网上的高质量

17、声音的传输，如 MP3音乐压缩 10 倍MUSICAM(MPEG-1 audio layer 2, 即 MP2)类型： Audio制定者： MPEG所需频宽： 256192kbps(压缩 68 倍)特性：算法复杂度中等，用于数字音频广播 (DAB)和 VCD等， 2 声道， 而 MUSICAM由于其适当的复杂程度和优秀的声音质量， 在数 字演播室、 DAB、 DVB等数字节目的制作、交换、存储、传送中得 到广泛应用。优点： 压缩方式相对时域压缩技术而言要复杂得多， 同时编码 效率、声音质量也大幅提高，编码延时相应增加。可以达到“完全 透明”的声音质量( EBU音质标准)缺点：应用领域：voip

18、版税方式：Free备注：同MPEG-1 audio layer 1MP3(MPEG-1 audio layer 3)类型： Audio制定者： MPEG所需频宽： 128112kbps（压缩 1012 倍）特性：编码复杂，用于互联网上的高质量声音的传输，如 MP3 音乐压缩 10倍，2声道。 MP3是在综合 MUSICAM和 ASPEC的优点的 基础上提出的混合压缩技术，在当时的技术条件下，MP3的复杂度显得相对较高， 编码不利于实时， 但由于 MP3在低码率条件下高水 准的声音质量，使得它成为软解压及网络广播的宠儿。优点：压缩比高，适合用于互联网上的传播缺点： MP3在 128KBitrat

19、e 及以下时，会出现明显的高频丢失 应用领域： voip版税方式： Free备注：同 MPEG-1 audio layer 1MPEG-2 audio layer类型： Audio制定者： MPEG所需频宽：与 MPEG-1层 1，层 2，层 3 相同特性： MPEG-2的声音压缩编码采用与 MPEG-1声音相同的编译 码器，层 1, 层 2 和层 3 的结构也相同， 但它能支持 5.1 声道和 7. 1 声道的环绕立体声。优点：支持 5.1 声道和 7.1 声道的环绕立体声缺点：应用领域： voip版税方式：按个收取备注： MPEG-2的声音压缩编码采用与 MPEG-1声音相同的编译 码器，

20、层 1, 层 2 和层 3 的结构也相同， 但它能支持 5.1 声道和 7. 1 声道的环绕立体声。AAC（Advanced Audio Coding ，先进音频编码 ）类型： Audio制定者： MPEG所需频宽： 96-128 kbps特性： AAC可以支持 1 到 48 路之间任意数目的音频声道组合、 包括 15 路低频效果声道、配音 / 多语音声道，以及 15 路数据。它 可同时传送 16 套节目，每套节目的音频及数据结构可任意规定。AAC主要可能的应用范围集中在因特网网络传播、数字音频广 播，包括卫星直播和数字 AM、以及数字电视及影院系统等方面。 AAC使用了一种非常灵活的熵编码核

21、心去传输编码频谱数据。具有 48 个主要音频通道， 16 个低频增强通道， 16 个集成数据流 , 16 个配音， 16 种编排。优点：支持多种音频声道组合，提供优质的音质缺点：应用领域： voip版税方式：一次性收费备注： AAC于 1997年形成国际标准 ISO 13818-7 。先进音频编 码( Advanced Audio Coding-AAC )开发成功，成为继 MPEG-2音 频标准( ISO/IEC13818-3 )之后的新一代音频压缩标准。在 MPEG-2制订的早期，本来是想将其音频编码部分保持与MPEG-1兼容的。但后来为了适应演播电视的要求而将其定义成为一 个可以获得更高质

22、量的多声道音频标准。 理所当然地， 这个标准是 不兼容 MPEG-1的，因此被称为 MPEG-2AA。C 换句话说，从表面上 看，要制作和播放 AAC，都需要使用与 MP3完全不同的工具。Dolby AC-3类型： Audio 制定者：美国杜比公司所需频宽： 64kbps特性：提供的环绕立体声系统由 5 个全频带声道加一个超低音声道组成， 6 个声道的信息在制作和还原过程中全部数字化，信息 损失很少，细节丰富，具有真正的立体声效果，在数字电视、 DVD 和家庭影院中广泛使用。优点：环绕立体声，信息损失很少，细节丰富，具有真正的立 体声效果缺点：应用领域： voip版税方式：按个收取备注：杜比数

23、字 AC-3( Dolby DigitalAC-3 )：美国杜比公司 开发的多声道全频带声音编码系统，它提供的环绕立体声系统由 5 个全频带声道加一个超低音声道组成， 6 个声道的信息在制作和还 原过程中全部数字化，信息损失很少，细节丰富，具有真正的立体 声效果，在数字电视、 DVD和家庭影院中广泛使用。PCM 编码 (原始数字音频信号流 )类型： Audio制定者： ITU-T所需频宽： 1411.2 Kbps 特性：音源信息完整，但冗余度过大 优点：音源信息保存完整 , 音质好 缺点：信息量大，体积大，冗余度过大 应用领域： voip版税方式： Free备注： 在计算机应用中， 能够达到最

24、高保真水平的就是 PCM编 码，被广泛用于素材保存及音乐欣赏， CD、DVD以及我们常见的 W AV文件中均有应用。因此， PCM约定俗成了无损编码，因为 PCM代 表了数字音频中最佳的保真水准， 并不意味着 PCM就能够确保信号 绝对保真， PCM也只能做到最大程度的无限接近。要算一个PCM音频流的码率是一件很轻松的事情， 采样率值×采样大小值×声道数 bps。一个采样率为 44.1KHz，采样大小为 16bit ，双声道的 PCM编 码的 WAV文件，它的数据速率则为44.1K×16×2=1411.2 Kbps 。我们常见的 Audio CD 就采用

25、了 PCM编码，一张光盘的容量只能容 纳 72 分钟的音乐信息。WMA(Windows Media Audio)类型： Audio制定者：微软公司所需频宽： 320112kbps（压缩 1012 倍）特性：当 Bitrate 小于 128K时， WMA几乎在同级别的所有有 损编码格式中表现得最出色，但似乎 128k 是 WMA一个槛，当 Bitr ate 再往上提升时，不会有太多的音质改变。优点：当 Bitrate 小于 128K时， WMA最为出色且编码后得到 的音频文件很小。缺点：当 Bitrate 大于 128K 时，WMA音质损失过大。 WMA标准 不开放，由微软掌握。应用领域： vo

26、ip 版税方式：按个收取 备注： WMA的全称是 Windows MediaAudio ，它是微软公司推出 的与 MP3格式齐名的一种新的音频格式。 由于 WMA在压缩比和音质 方面都超过了 MP3，更是远胜于 RA(RealAudio) ，即使在较低的采 样频率下也能产生较好的音质，再加上WMA有微软的 Windows MediaPlayer 做其强大的后盾，所以一经推出就赢得一片喝彩。PCMU(G.711U)类型： Audio制定者： ITU-T所需频宽： 64Kbps(90.4)特性： PCMU和 PCMA都能提供较好的语音质量，但是它们占用 的带宽较高，需要 64kbps 。优点：语音

27、质量优 缺点：占用的带宽较高 应用领域： voip 版税方式： Free 备注： PCMU andPCM都A能够达到 CD音质，但是它们消耗的带 宽也最多 (64kbps) 。如果网络带宽比较低， 可以选用低比特速率的 编码方法，如 G.723 或 G.729 ，这两种编码的方法也能达到传统长 途电话的音质，但是需要很少的带宽( G723需要 5.3/6.3kbps ， G 729 需要 8kbps )。如果带宽足够并且需要更好的语音质量，就使 用 PCMU 和 PCM，A 甚至可以使用宽带的编码方法 G722(64kbps) ， 这可以提供有高保真度的音质。PCMA(G.711A)类型： A

28、udio制定者： ITU-T所需频宽： 64Kbps(90.4)特性： PCMU和 PCMA都能提供较好的语音质量，但是它们占用 的带宽较高，需要 64kbps 。优点：语音质量优 缺点：占用的带宽较高 应用领域： voip 版税方式： Free 备注： PCMU andPCM都A能够达到 CD音质，但是它们消耗的带 宽也最多 (64kbps) 。如果网络带宽比较低， 可以选用低比特速率的 编码方法，如 G.723 或 G.729 ，这两种编码的方法也能达到传统长 途电话的音质，但是需要很少的带宽( G723需要 5.3/6.3kbps ， G 729 需要 8kbps )。如果带宽足够并且需

29、要更好的语音质量，就使 用 PCMU 和 PCM，A 甚至可以使用宽带的编码方法 G722(64kbps) ， 这可以提供有高保真度的音质。ADPCM( 自适应差分 PCM)Adpcm是 自适应差分脉冲编码调制 的简称，最早使用于 数字通信 系 统中。 该算法利用了语音信号样点间的相关性， 并针对语音信号的 非平稳特点，使用了自适应预测和自适应量化，在32kbps 8khz速率上能够给出网络等级话音质量。现在我们使用的是 IMA ADPCM 算法， 该算法中对量化步长的调整使用了简单的查表方法，对于一个输入的 PCM值 X(n) ，将其与前一时刻的 X(n-1) 预测值做差值 得 到 d(n)

30、 ，然后根据当前的量化步长对 d(n) 进行编码，再用此 samp le 点的编码值调整量化步长，同时还要得到当前 sample 点的预测 值供下一 sample 点编码使用。 通过此算法可将样点编码成 4bit 的 码流，一个符号位和三个幅度位。该算法较简单，通过查表简化了 运算。对于编码后的数据我们采用了 wav 文件格式， 该格式对编码 后的数据流进行了包装， 由文件头和数据码流组成， 文件头中指出 了音频数据所采用格式、采样率、比特率、块长度、比特数及声道 数等信息。 数据码流以块为单位， 块头指出了该块起始的预测值和 index 值，码流中每 byte 的高四位和低四位分别对应一个

31、PCM。当 前该算法以其简单实用的特点广泛应用到数字音乐盒和数字录音 笔中。类型： Audio 制定者： ITU-T 所需频宽： 32Kbps特性：ADPCM(adaptive difference pulse code modulation)综合了 APCM的自适应特性和 DPCM系统的差分特性， 是一种性能比 较好的波形编码。它的核心想法是： 利用自适应的思想改变量化阶的大小， 即使用小的量化阶 （s tep-size） 去编码小的差值，使用大的量化阶去编码大的差值； 使用过去的样本值估算下一个输入样本的预测值， 使实际样 本值和预测值之间的差值总是最小。优点：算法复杂度低，压缩比小（ C

32、D音质 >400kbps），编解 码延时最短（相对其它技术）缺点：声音质量一般应用领域： voip版税方式： Free备注： ADPCM （ADPCM Adaptive Differential Pulse Code M odulation）, 是一种针对 16bit （ 或者更高 ?） 声音波形数据的 一种有损压缩算法 , 它将声音流中每次采样的 16bit 数据 以 4bit 存储, 所以压缩比 1:4. 而压缩 / 解压缩算法非常的 简单, 所以是一种低空间消耗 , 高质量声音获得的好途径。LPCLPC(Linear Predictive Coding，线性预测编码 )类型： Audio制定者： 所需频宽： 2Kbps-4.8Kbps 特性：压缩比大，计算量大，音质不高，廉价 优点：压缩比大 , 廉价 缺点：计算量大，语音质量不是很好，自然度较低 应用领域： voip 版税方式： Free备注： 参数编码又称为声源编码， 是将信源信号在频率域或其 它正交变换域提取特征参数， 并将其变换成数字代码进行传输。 译 码为其反过程， 将收到的数字序列经变换恢复特征参量， 再根据特 征参量重建语音信号。 具体说， 参数编码是通过对语音信号特征参 数的提取和编码， 力图使