多 - m 律(m -Law)压扩(G711)主要用在北美和日本.ppt

主要内容 话音的形成原理 脉冲编码调制（PCM） 增量调制与自适应增量调制 自适应差分脉冲编码调制（ADPCM） 子带编码 其他编码 话音的分类：浊音、清音、爆破音 话音技术的研究热点 话音压缩编码（Speech Coding） 基于内容的音频检索技术(Content-based Audio Retrieval ) 话音识别（Speech Recognition） 文本话音转换（Text To Speech） 声音质量的度量 声音的质量与声音的带宽有关，一般来说频率范围越宽，声音质量也就越高。 衡量话音编码器的因素 音频质量 数据率 编/解码延时 算法复杂度 价格因素 语音质量等级划分 广播质量：带宽为7000Hz的高质量话音 长途电话质量：带宽为3400Hz，信噪比为30db，有失真 通信质量：完全可以听懂，但和长途电话质量相比有明显的失真。 合成质量：80％－90％的可懂度，听起来象机器讲话，失去了讲话者的特征 脉冲编码调制（PCM） Pulse Code Modulation Pulse Code Modulation PCM的量化方式 非均匀量化 对小信号采用小的量化间隔，对大信号采用大的量化间隔，这样可以用较少的位数编码。 对大信号来说，虽然绝对量化误差较大，但是因为：（1）大信号出现的机会不多，（2）信噪比（相对误差）与小信号是一致的，所以对总的话音质量影响不大。 非均匀量化也是一种压缩技术。 μ律压扩与A律压扩 在非线性量化中，采样输入信号幅度和量化输出数据之间定义了某种特定的对应关系。 两种对应关系 μ律压扩 A律压扩 μ律压扩与A律压扩 m 律(m -Law)压扩(G.711)主要用在北美和日本等地区的数字电话通信中。 μ律压扩与A律压扩 CCITT的G.711标准 对于采样频率为8 kHz，样本精度为13位、14位或者16位的输入信号，使用μ律压扩编码或者使用A律压扩编码，经过PCM编码器之后每个样本的精度为8位，输出的数据率为64 kb/s。这个数据就是CCITT推荐的G.711标准—话音频率脉冲编码调制。 PCM与时分多路复用（TDM） 增量调制(△M) 增量调制(△M) X[i] = 1: Y[i+1] = Y[i] + Δ X[i] = 0: Y[i+1] = Y[i] - Δ 自适应增量调制(ADM) 根据输入信号斜率的变化自动调整量化阶Δ的大小 CVSD（连续可变斜率增量调制）： 如果编码器的输出连续出现三个相同的值，量化阶就加上一个大的增量；反之，就加一个小的增量。 自适应脉冲编码调制（APCM） APCM是一种根据输入信号幅度大小自动改变量化阶大小的一种波形编码技术。 差分脉冲编码调制（DPCM） DPCM是利用相邻样本之间冗余信息来进行编码的一种数据压缩技术。 差分脉冲编码调制（DPCM） 自适应差分脉冲调制（ADPCM） 自适应差分脉冲编码调制 ADPCM是利用样本与样本之间的高度相关性和量化阶自适应来压缩数据的一种波形编码技术，CCITT为此制定了G.721推荐标准，这个标准叫做32 kb/s ADPCM。在此基础上还制定了G.721的扩充推荐标准G.723，使用该标准的编码器的数据率可降低到40 kb/s和24 kb/s。 G.721 的输入信号是G.711 PCM代码，它的数据率为64 kb/s。而G.721 ADPCM的输出是用4位表示的差分信号，它的采样率仍然是8 kHz，它的数据率为32 kb/s，这样就获得了2∶1的数据压缩。 子带编码 子带－自适应差分脉冲编码调制 G.722是CCITT推荐的音频信号编码译码标准。 G.722标准的数据率为64 kb/s，采样频率由8 kHz提高到16 kHz，是G.711 PCM采样率的2倍，因而要被编码的信号频率由原来的3.4 kHz扩展到7 kHz。这就使音频信号的质量有很大改善，由数字电话的话音质量提高到调幅(AM)无线电广播的质量。 各标准比较 其它语音编码方法 线性预测声码器（LPC－10，LPC－10e）数据速率为2.4kb/s。 多脉冲激励线性预测编码器（MPE－LPC）数据速率为10kb/s左右。 规则脉冲激励线性预测编码器（RPE－LTP被定位GSM标准，速率为13kb/s ） 码激励线性预测编码器（CELP），数据速率在4.8－16kb/s之间 * * 话音编码 多媒体技术 第三章 话音的形成原理：肺中的空气受到挤压形成气流，气流通过声门（声带）沿着声道（由咽、喉、口腔等组成）释放出去，就形成了话音。 三种话音编译码器：波形编译码器（waveform coder）；音源编译码器（Source coder）；混合编译码器（Hybrid coder）。 20Hz－20kHz CD 20Hz－15