移动通信(第四版)第7章 语音编码技术.ppt

话音编码，信息量大 音频概述 音频：人耳可以感觉到的声音频率 20Hz ~ 20000Hz 语音和音乐是两类特殊的音频信号 语音是语言的载体，是对声音的抽象 音乐是符号化的声音 语音的特点 语音是由人类发音器官产生的、具有一定意义且能起到社会交际作用的声音。 具有抽象表意性 频率通常在200Hz~4000Hz之间 GSM移动电话原理框图 CDMA系统基站简化框图 语音编码属于信源编码, 是指利用话音信号及人的听觉特性上的冗余性, 在将冗余性进行压缩(信息压缩)的同时, 将模拟话音信号转变为数字信号的过程。语音编码是从模拟系统到数字系统至关重要的一步。语音编码的目的是在保证一定的算法复杂度和通信时延的前提下, 占用尽可能少的信道容量, 传输尽可能高质量的话音信号。 移动通信对数字语音编码的要求如下:  · 速率较低, 纯编码速率应低于16 kb/s;  · 在一定编码速率下的音质应尽可能高;  · 编码时延要短, 要控制在几十毫秒之内;  · 编码算法应具有较好的抗误码性能, 计算量小, 性能稳定; · 编码器应便于大规模集成。 语音信号的产生模型 声道是由咽腔、鼻腔和口腔三个空气腔组成的，起于声门，止于两唇。一般成年人声道长度大约为17cm左右，最大截面积可达20平方厘米左右。 长期研究证明，发不同性质的声音时，声道的情况是不同的。大致上可以分为两大类： 发元音的情况：此时，声道的口腔为稳定的某种形状的谐振腔。由声门来的准周期脉冲波激励它而产生响应。所有单元音、复元音以及复鼻尾音的元音部分都属于这种情况。 发辅音的情况：此时又分为鼻音、阻塞音和摩擦音三种。发鼻音时，软腭下垂，鼻腔参加谐振响应（如发m,n等）。发阻塞音时，声道的某部分构成阻碍而完全封闭，使声门来的激励波在此处形成高压湍流，然后突然开放而发出声音来（如发p,t,k,b,d,g等）。发摩擦音时，声道的某部分构成未完全封闭的阻碍，使激励波在此处形成高速湍流，与该处产生摩擦而发出声音来。如发f,s,sh,x,h,r等。 2 语音信号特征 一段语音信号的演示（MatLab） 语音信号波形是语音声波经过声-电转换器得到的连续时间函数；波形图是语音幅度随时间变化的二维图。 波形以振幅随时间变化为特征，综合的表达了语音的全部信息：包括语音的内容、音调、音质、相对音量变化等； 语音信号的产生 语音信号的频谱分量300-3400Hz 语音信号的短时性 5-50ms 语音信号的最基本组成单位是音素，音素可以分为浊音和清音，在短时分析的基础上可以判断一段语音属于哪一类 波形特性 语音信号幅度动态范围一般最大为40分贝，实际由于说话人的差别可以达到60~70分贝。 元音幅度较大，有准周期性；清辅音幅度小，和噪声特性相似。 在长时间的语音信号中有相当多的无信号区间，即所谓的语音寂静区间。 幅度概率密度函数以零幅和近似零幅的概率高，而幅度非常高的情况概率很小。 长时平均幅度的概率密度分布可以用高斯分布、拉普拉斯分布和伽玛(Gamma)分布逼近。 对于短时幅度概率密度用高斯分布逼近就够了。 以汉语发音为例来对语音波形图加以说明： 从波形图上可以区分以下几类发音： 无声段和幅度较小的随机噪声段：特点是波形幅度明显小于发音段，波形无规则 爆破音：特点是时长很短，仅有一两个脉冲，幅度大于无声段，一般处于辅音前； 辅音：b,d,g,p,t,k,s,sh,x,h,f,z,zh,j,c,ch,q,m,n,l,r等，特点是波形幅度略大于无声段，波形无规则，一般处于具有周期性波形的元音之前； 元音：特点是波形幅度明显大于无声段，波形具有周期性。 频率特性 带宽有限一般为20~3400Hz ,有限的带宽特性决定了可以用有限的奈奎斯特取样速率，把语音信号离散化 功率谱密度 语音中不同频谱分量的平均概率可以用长时平均谱密度来表示。 语音波形高频分量对语音总能量的贡献很小，但是高频分量带有重要的语音信息，平均功率谱约在250-500Hz处最大，而高于此频率的功率谱约以每倍频程6~10dB下降。 语音信号的短时频谱并不总是低通特性。辅音有较高的频谱分量，显噪声特性；元音从总体上看是低通的，显示明显的局部特性。 长期研究还证明，发不同性质的声音时，激励的情况也是不同的，大致上可以分为两大类： 发浊音的情况：此时气流在通过绷紧的声带时，激励声带产生振动，使得声门处形成准周期性的脉冲串，并用它去激励声道。声道绷紧的程度不同，震动的频率也不同，这个频率就是基调频率。它的倒数就是基调周期。浊音不仅包括所有的元音，还包括浊辅音（如，汉语中的擦音r，边音l，鼻音m、n。在英语中，还有浊塞音b,d,g和浊擦音j,q,z,zh等） 发清音的情况。此时声道松弛而不振动，气流通过声门直接进入声道。所有清