[信息与通信]语音压缩方法综述.ppt

语音压缩方法综述 巩永稳 1、均匀量化PCM 直接对语音信号进行A/D转换。 语音波形信号就被表示成一组用数字编码的脉冲序列。 这种编码方法被称为脉冲编码调制（Pulse Coding Modulation，简称PCM）。 量化 量化误差e(n)可以定义如下： 其中 为量化后的信号， 为量化前的采样信号。 量化误差也称为量化噪声。对于均匀量化来说，量化噪声的功率仅取决于量化间隔△。 假设量化误差e(n)在各个量化间隔△的区间里均匀分布，则由于引入量化噪声，所得数字语音的信噪比为： 根据语音的分布统计特性，可以取 2、非均匀量化 PCM 在语音信号中，样本的幅度值不是均匀分布的，信号大量地集中在小幅度值上。 如果对小幅度样本使用小的量化间隔，进行精确量化，而对大幅度样本使用大的量化间隔，则既可成功地提高信噪比，又可避免大信号的过载。 差分编码调制 问题的提出 差分编码调制 DPCM的基本原理 话音信号的相关性 DPCM的基本原理 预测 DPCM的基本原理 传输样值差值实现通信的可能性 传输样值差值实现通信的可能性 传输样值差值实现通信的可能性 说明 说明 说明 说明 DPCM的基本原理 预测值的形成 原理框图 预测值的形成 预测值的形成 预测值的形成 预测值的形成 预测值的形成 DPCM的基本原理 量化误差与解码重建 差分编码调制 DPCM的特点 差分编码调制 DPCM的实际应用 AD-PCM 最佳量化特性 AD-PCM AD-PCM系统工作原理 AD-PCM系统工作原理 前向自适应量化 AD-PCM系统工作原理 后向自适应量化 AD-PCM系统工作原理（后向型） 后向自适应量化 后向自适应量化 参数编码 参数编码的基础是语音的产生模型。根据这一模型对语音信号进行分析，可以得到其谱包络、 基音周期和清浊音判决等信息，其中的谱包络信息是一组定义声道共振特性的滤波器系数。将这些参数编码并传输到接收端，就能够在相同的语音产生模型的基础上合成发送端原来的语音信号。 混合编码 语音混合编码是在采用线性预测编码技术的语音参数编码的基础上，通过采用许多改进措施，并引入波形编码的原理，使用合成分析法而形成的一种新的编码技术。 主要内容 语音压缩技术导论 编码方式分类 波形编码（PCM、 DPCM、 AD-PCM） 参数编码 混合编码 最佳量化特性 AD-PCM系统工作原理 最佳量化特性是指均方量化误差最小的量化特性 量化级数N=2m 均方量化误差D 可知 分层电平mk为相邻量化电平的中间值。 量化电平qk为该量化间隔内经常出现的瞬时电平值。 量化级数N很大时，可以近似认为在每一个量化间隔内P(x)为常数。 最佳量化特性 AD-PCM系统工作原理 自适应量化的基本思想就是使均方量化误差最小，让量阶的变化与输入信号的均方根值相匹配 为了实现自适应量化，首先要对输入信号的均方根值σs(n)进行估算，根据信号能量的大小来改变量阶Δ(n）。 根据检测信号能量途径不同，可分为前向自适应量化和后向自适应量化，前者直接从输入信号样值估计输入信号能量，后者从编码后的信码估计输入信号的能量。 根据检测信号能量途径不同，可分为前向自适应量化和后向自适应量化，前者直接从输入信号样值估计输入信号能量，后者从编码后的信码估计输入信号的能量。 前向自适应量化 后向自适应量化 前向自适应量化时，输入信号能量的估计值没有受到非线性量化器的影响，估值准确。 但是量阶的信息（边信息）要与话音信息（主信息）一起送到收端解码器，否则收端无法知道发端该时刻的量阶值。 边信息需要若干比特的精度。 前向自适应量化不宜采用瞬时自适应量化方案。 根据检测信号能量途径不同，可分为前向自适应量化和后向自适应量化，前者直接从输入信号样值估计输入信号能量，后者从编码后的信码估计输入信号的能量。 前向自适应量化 后向自适应量化 不需要边信息，量阶的信息可以从接收信码中提取。 可以采用音节或瞬时或者两者兼顾的自适应量化方式。 因量化误差而影响估值的准确度，自适应动态范围越大，影响程度越小。 尽管存在缺点，仍然不失特色，被广泛采用。 编码 解码 预测器 预测自 适应系统 量化 编码 重建信号 信道 ＋ ＋ － ＋ 量阶自 适应系统 预测器 ＋ － 量阶自 适应系统 解码 预测自 适应系统 重建信号 后向自适应量化可以从量化后的信码电平来估算均方根值，然后估算出Δ(n)。 用Δ(n)去控制量化器、编码器的量阶。 Δ(n)是由量化后的信码电平估算出来的，因此后向自适应不需要传送边信息Δ(n）。 接收端可由其量化自适应系统，从接收的信码中估算出解码器所需的Δ(n)的值。 本时刻的量阶Δ(n)可以用前一