DAY1.3语音编码.pptVIP

第三章 话音编码 不明显降低传送话音信号质量并提高通信容量的办法除了提高通信带宽之外，还有对话音信号进行压缩。 ITU-TSS话音(speech)数据编译码标准 G.711使用μ率和A率压缩算法，信号带宽为3.4kHz，压缩后的数据率为64kb/s G.721使用ADPCM压缩算法，信号带宽为3.4kHz，压缩后的数据率为32kb/s G.722使用ADPCM压缩算法，信号带宽为7kHz，压缩后的数据率为64kb/s G.723，G.723.1，G.728，G.729和G.729.A等。 第三章 话音编码 3.1 话音编码概要 话音波形的特性 话音的产生：肺部中的受压空气沿着声道通过声门发出。 短期相关(short-term correlation)：普通人的声道从声门到嘴的平均长度约为17厘米，反映在声音信号中就相当于在1ms数量级内的数据具有相关性(声速约为340m/s)。 声道也被认为是一个滤波器，有许多共振峰，其频率受随时间变化的声道形状所控制，例如舌的移动就会改变声道的形状。许多话音编码器用一个短期滤波器(short term filter)来模拟声道。但由于声道形状的变化比较慢，模拟滤波器的传递函数的修改不需要那么频繁，典型值在20ms左右。 第三章 话音编码 话音类型：浊音，清音和爆破音。根据压缩空气通过声门对声道滤波器的激励方式区分。 1. 浊音(voiced sounds) 浊音是一种称为准周期脉冲(quasi-periodic pulses)激励所发出的音，这种准周期脉冲是在声门打开然后关闭时中断肺部到声道的气流所产生的脉冲。 声门打开和关闭的速率呈现为音节(pitch)的大小（音节是听觉能感受到的最自然的语音单位，一个汉字就是一个音节），它的速率可通过改变声道的形状和空气的压力来调整。浊音表现出在音节上有高度的周期性，其值在2～20ms之间，这个周期性称为长期周期性(long-term periodicity)。 第三章 话音编码 第三章 话音编码 2. 清音(unvoiced sounds) 清音是由不稳定气流激励所产生的，这种气流是在声门处在打开状态下强制空气在声道里高速收缩产生的。 第三章 话音编码 3. 爆破音(plosive sounds) 爆破音是在声道关闭之后产生压缩空气然后突然打开声道所发出的音。 某些音不能归属到上述三种音中的任何一种，例如在声门振动和声道收缩同时出现的情况下产生的摩擦音，这种音称为混合音。 声道的形状和激励方式的变化相对比较慢，话音在短时间周期(10~30ms)里可以被认为是准定态(quasi-stationary)的短时平稳随机过程。 话音信号具有高度周期性，这是由于声门的准周期性的振动和声道的谐振引起的。话音编码器就是企图揭示这种周期性，减少数据率又尽可能不牺牲声音的质量。 第三章 话音编码 三种话音编译码器 波形编译码器：话音质量高，数据率高 音源编译码器：数据率很低，合成话音音质有待提高 混合编译码器：使用音源编译码技术和波形编译码技术，数据率和音质介于之间 第三章 话音编码 1. 波形编译码器 时域法波形编译码的想法：不利用生成话音信号的任何知识而试图产生一种重构信号，波形与原始话音波形尽可能一致。这种编译码器的复杂程度比较低，数据速率在16kb/s以上，质量相当高。低于这个数据速率时，音质急剧下降。 脉冲编码调制(pulse code modulation，PCM)：最简单的波形编码，仅仅是对输入信号进行采样和量化。 典型的窄带话音带宽限制在4kHz，采样频率是8kHz。如果要获得高一点的音质，样本精度要用12位，它的数据率就等于96kb/s，这个数据率可以使用非线性量化来降低。 第三章 话音编码 【例】可以使用近似于对数的对数量化器(logarithmic quantizer)，使用它产生的样本精度为8位，它的数据率为64kb/s时，重构的话音信号几乎与原始的话音信号没有什么差别。这种量化器在20世纪80年代就已经标准化，而且直到今天还在广泛使用。 在北美的压扩(companding)标准是μ律(μ-law) 在欧洲的压扩标准是A律(A-law) 它们的优点是编译码器简单，延迟时间短，音质高。但不足之处是数据速率比较高，对传输通道的错误比较敏感。 第三章 话音编码 预测技术：从过去的样本来预测下一个样本的值，根据是认为在话音样本之间存在相关性。 差分脉冲编码调制(differential pulse code modulation，DPCM)：对预测的样本值与原始的样本值之差进行编码。 如果样本的预测值与样本的实际值比较接近，它们