mm-ch03-XSJ.ppt.Convertor _原创精品文档.pdfVIP

第3章话音编码

随着数字电话和数据通信容量日益增长的迫切要求，而又不希望明显降低传送话音信号的质

量。

除了提高通信带宽之外，

对话音信号进行压缩是提高通信容量的重要措施。

本章将重点介绍话音编码的基本思想

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-termcorrelation)：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(shorttermfilter)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。

话音类型

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(voicedsounds)

浊音是一种称为准周期脉冲(quasi-periodicpulses)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-termperiodicity)。

清浊音的区别就在于“声带是否振动”，。[p],[t],[k]是清音，[b],[d],[ɡ]是浊音

爆破音是指发音器官在口腔中形成阻碍,然后气流冲破阻碍而发出的音。

这些音有6个,即/p/,/b/,/t/,/d/,/k/和/g/。

按发音方法为：

爆破音：/p/b/t/d/k/g/

鼻音：/m/n/ŋ/

摩擦音：/f/v/d/t/s/z/f/v/r/h/w/j/

破擦音：/tF/dV/ts/dz/tr/dr/

舌侧音：/l/

按声带震动与否为：

清音：/p/t/k/f/W/h/s/F/tF/

浊音：/b/d/g/m/n/N/v/T/z/V/dV/r/w/j/l/

第三章话音编码

图3-01浊音段的波形举例，音节周期大约8ms

图3-02浊音段的功率谱密度(powerspectraldensity，PSD)

清音(unvoicedsounds)

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。

图3-04清音段的功率谱密度举例

图3-03清音段的波形举例

.爆破音(plosivesounds)

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。

话音编译码器

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

图3-05普通编译码器的音质与数据率

1.波形编译码器

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(pulsecodemodulation，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96k