第七章 分析综合编码.ppt

分析—综合编码 不是传送信号样本的直接表示，而是告诉解码器如何产生信号输出 信源产生模型：信源产生过程用一个数学模型表示信源，该模型取决于一些参数 编码器根据输入信号计算模型参数，然后对模型参数进行编码：分析 解码器接收到模型参数，在利用数学模型重建原始数据：合成 码率低 以语音编码为例 人类的发音器官 人的发音器官由三个部分组成： (1) 肺和气管产生气源； (2) 喉和声带称为声门； (3) 由咽腔、口腔、鼻腔组成的声道 语音产生的物理过程 激励源：来自肺部的空气流经过声带 如果声带是紧绷的，则声带将产生张弛震动，即声带将周期性的开启和闭合。声带开启时，空气流从声门喷射出，形成一个脉冲；声带闭合时就是相应脉冲的间歇期。这种情况下在声门处产生一个准周期性脉冲系列的空气流， 最终产生“浊音”语音 如果声带是完全舒展开来，则肺部的空气流将不受影响的通过声门。空气流通过声门后， 如果声道的某个部位产生收缩而形成一个狭窄的通道，当空气流到达此处时被迫高速通过收缩区，并在附近产生空气的湍流，这种湍流通过声道后便形成“摩擦音” 如果声道的某个部位完全闭合在一起，当空气流到达此处并建立空气压力，一旦闭合点突然开启就会使空气流快速释放，经过声道后就产生“爆破音” 语音产生的物理过程 当声音由三种激励方式产生后，便顺着声道进行传播 声道：具有某种谐振特性的腔体，腔体的一组谐振点称为共振峰 类似滤波器，对输入信号进行调制 这些共振峰的位置以及各个峰的宽度决定了声道的频谱特性，共振峰及带宽取决于声道的形状和尺寸 语音信号的时域冗余度 幅度非均匀分布 小幅度样本出现的频率高 样本之间的相关性 当取样频率为8KHz时，相邻样本间的相关系数大于0.85； 周期之间的相关性 在特定瞬间，某段声音往往只是总频带300~3400Hz的少数几个频率分量在起作用?象某些振荡波一些，在周期与周期之间存在一定的相关性 基音之间的相关性 男声基音周期为5~20ms，而典型的浊音持续100ms 静止系数（话音间隙） 全双工话路的典型效率约为40%（静止系数为0.6） 长期相关性（long term correlation） 如几十秒内的相关性 语音信号的频域冗余度 从频域考察语音信号的功率谱密度： 非均匀的长时间功率谱密度 长时间功率谱呈现强烈的非平坦性，高频能量较低?时域上相邻样本相关 语音特有的短时功率谱密度 语音的短时功率谱，在某些频率出现峰值（该频率称为共振峰频率），在另外一些频率上出现谷值。 出现共振峰的频率不止一个，最主要的是前两个，决定了不同的语音特征 整个谱也随频率增加而递减 功率谱的细节以基音频率为基础，形成高次谐波结构 另外，人的声道形状及其变化规律是有限的?按一定的 时间段（帧）来计算声道滤波器的参数或语音谱包络 语音信号的短时功率谱 语音信号产生的数字模型 激励模型： 浊音：周期脉冲信号 清音：随机噪声 声道模型：M阶全极点滤波器/AR模型 ? 线性预测 分析—综合编码 编码器：将语音信号分片/帧，对每帧进行分析 激励信号参数 声道滤波器参数 解码器：根据模型和收到的参数合成语音 出现过很多不同的分析—综合语音压缩方法 线性预测声码器器(Linear predictive Coder, LPC) 码激励线性预测(Code excited linear prediction, CELP) 正弦声码器 混合激励线性预测(mixed excitation linear prediction, MELP) 线性预测声码器(LPC) 激励：二元激励源 浊音：基音周期脉冲 清音：随机噪声 声道：线性滤波器 LPC-10声码器 M=10: LPC-10 美国国家标准 输入语音：8000样本/秒 180样本/帧 （22.5ms） 语音信号在10～30ms 内具有短时平稳的特点 输出带宽： 2.4 kbps 54 比特/帧 44.44 帧/秒 （22.5ms） 浊音/清音检测 浊音： 振值大 ? 能量高 清音： 频率高 ? 过零率高 浊音/清音检测(2) LPC-10中，输入信号通过1kHz低通滤波器 低带能量 过零率 AMDF函数的最大值和最小值之比 最后对基音值、清、浊音判决结果用动态规划算法，在三帧范围内进行平滑和误差范围校正，得出前一帧的基音周期、清、浊音判决结果，共4种状态： 稳定的清音 清音向浊音转换 浊音向清音转换 稳定的浊音 基音周期 浊音信号为准周期信号：相隔周期T的两个样本之间很接近：长时相关性 一种方式：计算样本直接的自相关函数 当k为基音周期时 最大 可以平滑噪声 浊音语音并不是严格周期的，只能以阈值方法找到最大值，但受噪声和声道回声的干扰，很难选择合适的阈值 基音周期(