主頁(yè)（http://www.130131.com）：語(yǔ)音編解碼器

   語(yǔ)音編碼器分為三種類形：（a）波形編器；（b）聲碼器；（c）混合編碼器。

   波形編碼器會(huì)盡可能構(gòu)出包括背景噪單在內(nèi)的模擬波形。由于波形編碼器作用于所有輸入信號(hào)，因此會(huì)產(chǎn)生高質(zhì)量的樣值。然而，波形編碼器工作在高比特率。例如：ITU-G.711規(guī)范（PCM）用的比特率為64Kbps。 聲碼器（vocoder）不會(huì)再生原始波形。這組編碼器會(huì)提取一組參數(shù)，這組參數(shù)被送到接收端，用來導(dǎo)出語(yǔ)音產(chǎn)生模形。線性預(yù)測(cè)編碼（LPC）用來獲取一時(shí)變數(shù)字濾波器的參數(shù)。這個(gè)濾波器用來模擬說話人的聲道輸出[WEST96]。在電話系統(tǒng)中使用聲碼器，語(yǔ)音質(zhì)量不夠好。在VOIP中常用的語(yǔ)音編碼器是混合編碼器，它融入了波形編碼器和聲器的長(zhǎng)處，它的另一特點(diǎn)是它工作在非常低的比特率（4-6Kbps）�；旌暇幋a器采用合成分析（AbS）。 

   為了說明問題，考慮人的聲道產(chǎn)生的一個(gè)語(yǔ)音模式：當(dāng)人說話產(chǎn)生語(yǔ)音信號(hào)時(shí)就會(huì)發(fā)出濁音（如音素pa、da等）和清音（如音素sh、th）。激勵(lì)信號(hào)就是由輸入的語(yǔ)音信號(hào)導(dǎo)出的，其方法是使合成語(yǔ)音與輸入語(yǔ)音的差別非常小。LPC的用法、激勵(lì)的產(chǎn)生以及對(duì)合成分析（AbS）系統(tǒng)的誤差檢查均如圖4-1所示。 長(zhǎng)話質(zhì)量編碼器在比特率高于8Kbps時(shí)容易實(shí)現(xiàn)，如圖4-2所示。長(zhǎng)話質(zhì)量的語(yǔ)音平均意見得分（MOS）必須在分或許分以上。傳統(tǒng)的PCN語(yǔ)音在比特率小于32 Kbps，語(yǔ)音質(zhì)量會(huì)嚴(yán)重惡化，在這里就不討論P(yáng)CN了�；旌暇幋a和聲碼器在比特率相當(dāng)?shù)偷腗OS上的得分是可接受的。在現(xiàn)階段，大多數(shù)基于VOIP的編碼器的工作范圍在5.2~8kbps。研究表明，標(biāo)準(zhǔn)的編碼器在比特率為4 Kbps時(shí)能提供可接受的NOS得分，一些分用系統(tǒng)在4.8 Kbps的MOS上的得分為3.8。 矢量量化和碼激勵(lì)線性預(yù)測(cè) 一種較好的方法就是用預(yù)測(cè)存儲(chǔ)的最優(yōu)參數(shù)（碼元矢量）的碼本對(duì)輸入語(yǔ)音信號(hào)的表示矢量進(jìn)行編碼，這種技術(shù)稱為矢量量化（VQ，vector quantization）。 將VQ和AbS技術(shù)結(jié)合在一起會(huì)進(jìn)一步提高編碼性能。AbS VQ是技術(shù)構(gòu)成CELP的基礎(chǔ)。VQ和AbS VQ的主要區(qū)別在于進(jìn)行矢量量化碼簿搜索時(shí)采用的量化失真測(cè)量定義的不同

   如果以8 kHz采樣率及13位精度來對(duì)出自GSM蜂窩手機(jī)麥克風(fēng)的音頻數(shù)據(jù)進(jìn)行采樣，則可得到104kbps的源數(shù)據(jù)速率。GSM系統(tǒng)中有四種編解碼器，分別執(zhí)行：全速率、增強(qiáng)型全速率(EFR)、自適應(yīng)多速率(AMR)及半速率語(yǔ)音壓縮。表1給出了一些聲碼器的參數(shù)比較。 

   全速率           

   全速率語(yǔ)音編解碼器是改良的線性預(yù)測(cè)編碼器(LPC)，它將人類聲域建模成一系列不同寬度的圓柱體。通過迫使空氣通過這些柱體，即可產(chǎn)生語(yǔ)音。LPC編碼器用一組聯(lián)立方程來進(jìn)行建模。           

標(biāo)準(zhǔn)LPC編碼器不能提供電話系統(tǒng)所需的話音質(zhì)量(雖能聽清語(yǔ)句，但很難或不可能分辨出說話的人)。GSM系統(tǒng)中采用兩種技術(shù)來提高LPC編碼器的質(zhì)量，即：長(zhǎng)期預(yù)測(cè)(LTP)與規(guī)則脈沖激勵(lì)(RPE)，而全速率編解碼器就被稱為RPE-LTP線性預(yù)測(cè)編碼器。           

   輸入至RPE-LTP編碼器的數(shù)據(jù)為包括160個(gè)采樣值的20ms語(yǔ)音，每一個(gè)采樣值都擁有13位精度。數(shù)據(jù)首先通過預(yù)加重濾波器來提高信號(hào)的高頻分量，以獲得更好的傳輸效率。濾波器一般還消除信號(hào)上的任何偏移以簡(jiǎn)化進(jìn)一步的計(jì)算。          

   正如前面所提到的，語(yǔ)音產(chǎn)生模型可看成是空氣通過一組不同大小的圓柱體。短期分析級(jí)采用自動(dòng)相關(guān)來計(jì)算與模型所用的8個(gè)圓柱體有關(guān)的8個(gè)反射系數(shù)，同時(shí)采用一種稱為Schur遞歸的技術(shù)來有效地求解所得到的方程組。參數(shù)被變換成可以更少的位數(shù)來進(jìn)行更佳量化的LAR(log-area ratio)。這些是傳輸流的前8個(gè)參數(shù)。           

   然后再將編碼后的LAR解碼成系數(shù)，并用來對(duì)輸入采樣值進(jìn)行濾波。解碼LAR的原因是為了確保編碼器使用解碼器上的相同信息來進(jìn)行濾波。這一級(jí)上的其余采樣值用于編解碼器的LTP級(jí)。 

   160個(gè)采樣值被分成4個(gè)子窗口，每一個(gè)子窗口都擁有40個(gè)采樣值。長(zhǎng)期預(yù)測(cè)器為每一子窗口產(chǎn)生2個(gè)參數(shù)：滯后與增益。滯后由當(dāng)前幀與后兩幀之間的交叉相關(guān)峰值確定，而增益則由歸一化交叉相關(guān)系數(shù)決定。滯后與增益參數(shù)被應(yīng)用到長(zhǎng)期濾波器上，同時(shí)對(duì)現(xiàn)有短期剩余信號(hào)進(jìn)行預(yù)測(cè)。 

    RPE級(jí)通過十取一及交錯(cuò)將40個(gè)剩余采樣值轉(zhuǎn)換成13個(gè)參數(shù)，并用APCM將所得出的13個(gè)值編碼，其中最大值用對(duì)數(shù)編碼成6位，然后再將13個(gè)參數(shù)均表示成3位，總共45位。

   最后一級(jí)是從計(jì)算出的長(zhǎng)期剩余及分析信號(hào)來更新短期剩余信號(hào)，然后再用此數(shù)據(jù)來計(jì)算下一幀。 

增強(qiáng)型全速率     

   全速率編解碼器是一種用來傳輸語(yǔ)音并在計(jì)算上相當(dāng)有效的方法，但通過使用更為密集的算法，語(yǔ)音質(zhì)量還能提高。全速率編解碼器首先在1990年代初的DSP上實(shí)現(xiàn)，當(dāng)時(shí)在經(jīng)濟(jì)上雖不能采用質(zhì)量更好的編碼器但卻是一種更為密集的算法。 

   至1990年代中，功能更強(qiáng)的DSP內(nèi)核的可用性已不再是一個(gè)問題，因此增強(qiáng)型全速率編解碼器開始在手機(jī)中出現(xiàn)。      

   EFR聲碼器是一種代數(shù)碼激勵(lì)線性預(yù)測(cè)(ACELP)編碼器，且不同于采用分析加合成方法的全速率系統(tǒng)。它計(jì)算雖更加密集但能在輸出端得到更為精確的結(jié)果。預(yù)處理級(jí)由80Hz高通濾波器及一些縮減電路組成，以使實(shí)現(xiàn)更為容易。每幀進(jìn)行兩次短期分析，由與兩個(gè)30mS(1.5個(gè)語(yǔ)音幀)、長(zhǎng)度集中在不同子幀上的不同非對(duì)稱窗口自動(dòng)關(guān)聯(lián)。所得到的系數(shù)被變換成線譜對(duì)(line spectral pairs)并被量化成38位，以獲得更好的傳輸效率。 

   同時(shí)執(zhí)行開環(huán)間隔(pitch)分析來計(jì)算每幀的間隔滯后估計(jì)值，然后再用此估計(jì)值啟動(dòng)閉環(huán)搜索(以得出更快的結(jié)果)。再將所得到的閉環(huán)值應(yīng)用于合成器及與非量化輸入比較后的結(jié)果上(即分析加合成)，最小的加權(quán)誤差從自適應(yīng)編碼本(codebook)上得出并被編碼成每子幀35位。 

   然后再用代數(shù)(固定) 編碼本、并再一次用分析加合成方法來對(duì)量化后余下的剩余信號(hào)進(jìn)行建模。所得到的編碼本增益被編碼成每子幀5位。 

   最后，正如全速率聲碼器中一樣，針對(duì)下一幀將存儲(chǔ)器刷新。     

   EFR聲碼器的12.2kbps輸出等于每幀244位。但編碼語(yǔ)音是通過擁有260位容量的常規(guī)GSM全速率空中信道來傳輸，其余16位被填以CRC以及重復(fù)一些用于冗余的最重要編解碼器參數(shù)。 

自適應(yīng)多速率     

   當(dāng)全部參數(shù)均能解碼時(shí)，全速率及EFR編解碼器可實(shí)現(xiàn)良好的語(yǔ)音再現(xiàn)。由于傳輸信道的冗余(請(qǐng)記住，原始信道容量比數(shù)據(jù)載荷大10kbps)，故許多原始位可以出錯(cuò)且參數(shù)仍能恢復(fù)。 

   但當(dāng)參數(shù)丟失或錯(cuò)誤時(shí)，所接收信號(hào)的質(zhì)量將迅速下降(參見圖3中的最右側(cè)黑色曲線)。     

   這也是AMR編解碼器組所試圖解決的問題。通過指定8個(gè)全都共享公共數(shù)學(xué)算法的聲碼器組，可改變信道的冗余量。以此種方式，語(yǔ)音傳輸?shù)馁|(zhì)量可能會(huì)由于降至更低的編碼速率上而稍微有所下降，但覆蓋編碼參數(shù)的信心則得以提高。 

   結(jié)果是在載波干擾增加的情況下可獲得感覺更好的語(yǔ)音信號(hào)質(zhì)量(如圖3)。     

   AMR編解碼器組由速率從12.2kbps至4.75kbps的ACELP聲碼器組成，故可提供87%至480%的冗余。在一種很糟的情況下，即全速率及EFR幀丟失很久后，4.75kbps編解碼器數(shù)據(jù)仍能恢復(fù)。 

半速率           

   GSM所采用的空中接口允許使用兩個(gè)完全獨(dú)立的半速率子信道，故能使蜂窩單元的語(yǔ)音容量加倍。半速率聲碼器采用矢量和激勵(lì)線性預(yù)(VSELP)編碼器，它以一種類似EFR及AMR編解碼器的分析加合成方式工作，速率為5.7kbps。 

   半速率聲碼器的輸出幀包含用來指示幀聲音內(nèi)容的2個(gè)位。該聲碼器工作方式在每種模式下略微有些不同，故可獲得最佳的音頻數(shù)據(jù)再現(xiàn)質(zhì)量。           

   人們對(duì)半速率語(yǔ)音的感覺普遍不佳，所以今天一般不采用此項(xiàng)技術(shù)。但以其自適應(yīng)模式，AMR聲碼器的6種較低速率將適合半速率空中信道的可用容量，結(jié)果是采用帶AMR的半速率信道將在高流量領(lǐng)域變得更為普遍。 

   非連續(xù)傳輸           

   在典型的談話過程中，語(yǔ)音僅占總時(shí)間的大約40%。為減少對(duì)無(wú)線接口的干擾，可采用非連續(xù)傳輸(DTX)，即移動(dòng)電話僅在有語(yǔ)音信號(hào)時(shí)才進(jìn)行傳輸。此功能要求有如下幾項(xiàng)內(nèi)容，即：語(yǔ)音活動(dòng)檢測(cè)(VAD)、用于空中接口的靜寂描述符(SID)幀及舒適噪音產(chǎn)生等。           

   為減少猝發(fā)傳輸?shù)目倳r(shí)間，語(yǔ)音解碼器必須能確定什么時(shí)候有語(yǔ)音。由于編碼的自然特性，可通過分析中間參數(shù)來精確確定是否有語(yǔ)音。重要的是要保證閾值合適，太靈敏會(huì)由于無(wú)線傳輸次數(shù)太多而對(duì)空中接口不利，而靈敏度不夠則會(huì)切斷語(yǔ)音并使聲音質(zhì)量嚴(yán)重下降。           

   盡管在理論上VAD是實(shí)現(xiàn)DTX所需的全部，但來自接收器的完全靜寂降低整體感覺質(zhì)量。為解決此問題，接收器采用了“舒適噪音”功能，即利用SID幀參數(shù)的逐漸衰減來產(chǎn)生類似發(fā)射器背景噪音的聲音。           

   當(dāng)VAD確定沒有語(yǔ)音時(shí)，在空中接口上不進(jìn)行傳輸(實(shí)際情況比這更復(fù)雜一些，但其基本原理一樣)。經(jīng)過一段預(yù)定時(shí)間間隔后，再發(fā)送一個(gè)包含一組參數(shù)的SID幀，這些參數(shù)用于接收器舒適噪音產(chǎn)生功能。 

最佳實(shí)現(xiàn)           

   語(yǔ)音編碼功能可解釋為像卷積這樣的數(shù)學(xué)密集型處理，在帶有處理這類計(jì)算指令(例如乘法-累加指令)的專用DSP上能得到最佳實(shí)現(xiàn)。盡管這可以在通用處理器上實(shí)現(xiàn)，但要求有更高數(shù)量級(jí)的時(shí)鐘速度來與同樣的執(zhí)行速度相匹配。          

   不同處理內(nèi)核中所實(shí)現(xiàn)的EFR及全速率聲碼器執(zhí)行速度不同。作為一種與時(shí)鐘速度有關(guān)的比較，DSP全速率實(shí)現(xiàn)的速度大約要比奔騰處理器實(shí)現(xiàn)的速度快3.5倍，而經(jīng)徹底優(yōu)化后的SC140實(shí)現(xiàn)的速度要比奔騰處理器實(shí)現(xiàn)的速度整整快18倍。           

   在語(yǔ)音編解碼器中采用了許多優(yōu)化技術(shù)。最初一般將數(shù)據(jù)偏移以使計(jì)算更加容易并能再利用存儲(chǔ)器空間。例如，用剩余濾波器寫入輸入陣列而不使用新存儲(chǔ)器空間。        

   處理器可采用定制浮點(diǎn)實(shí)現(xiàn)來在內(nèi)核中提供浮點(diǎn)支持。這些實(shí)現(xiàn)不是位精確的，這意味著它們不能得出像定點(diǎn)參考實(shí)現(xiàn)一樣精確的數(shù)學(xué)結(jié)果。但通過軟硬件中針對(duì)這類數(shù)學(xué)算法的優(yōu)化，速度可明顯提高。而輸出參數(shù)，當(dāng)被送入定點(diǎn)解碼器時(shí)，將產(chǎn)生感覺上一樣的聲音幀。 

測(cè)試位序列   

   為檢驗(yàn)依從性，ETSI頒布了一組全面的測(cè)試位序列。它們由輸入文件(160個(gè)13位采樣值)、編碼文件(通過解碼器的結(jié)果)、一些解碼文件(用于直接提供給解碼器)以及輸出文件(代表來自輸出的160個(gè)采樣值)組成。 

   而像VAD及舒適噪音產(chǎn)生等額外功能，則用各種序列進(jìn)行隱含測(cè)試。同時(shí)也對(duì)不同輸入壓縮擴(kuò)展方案(A-law和(-law)進(jìn)行測(cè)試。 

   浮點(diǎn)實(shí)現(xiàn)一般不遵循ETSI位序列，但能產(chǎn)生一組感覺上與定點(diǎn)編碼器及解碼器相兼容的參數(shù)。   

   對(duì)語(yǔ)音編碼器實(shí)現(xiàn)的定性評(píng)價(jià)，可用Racal儀器公司帶VQA的AIME系統(tǒng)來測(cè)試。這種系統(tǒng)允許建立原始流量信道(無(wú)需完全的GSM協(xié)議實(shí)現(xiàn))，且能執(zhí)行全速率的空中傳輸雙向語(yǔ)音編碼。