【文章內(nèi)容簡介】 門脈沖的頻譜，乘系數(shù) Av 的作用是調(diào)節(jié)濁音信號的幅度。清音時，激勵信號由一個隨機噪聲發(fā)生器產(chǎn)生?？稍O(shè)定其平均值為 0，其自相關(guān)函數(shù)是一個單位沖激函數(shù)。這表明它的任何兩個不同樣點都不相關(guān)且其均方差值為 1。此外，還假定它的幅度具有正態(tài)概率分布。乘系數(shù) Au 的作用是調(diào)節(jié)清音信號的幅度[10]。聲道模型 V(z)給出了離散時域的聲道傳輸函數(shù)，把實際聲道作為一個變截面聲管加以研究，采用流體力學的方法可以導出，在大多數(shù)情況下 V(z)是一個全極點函數(shù)。因此，V(z)可以表示為： （）式中，a0=1，ai為實數(shù)。這里，把截面積連續(xù)變化的聲管近似為 p 段短聲管的串聯(lián)，每段短聲管的截面積是不變的，p 稱為這個全極點濾波器的階。顯然，p值取得越大，模型的傳輸函數(shù)與聲道實際傳輸函數(shù)的吻合程度就越高。一般地，對大多數(shù)實際應(yīng)用而言，p 值取 8~12。若 p 取偶數(shù)，一般有 p/2 對共軛極點，極點的頻率分別與語音的各個共振峰相對應(yīng)。輻射模型 R(z)與嘴型有關(guān)，一般可以表示為： （）在這個模型中，除了 G(z)和 R(z)保持不變以外，基音頻率、Av、Au、清/濁音開關(guān)的位置以及聲道模型中的參數(shù)都是隨時間而變化的。對于聲道參數(shù)而言，在 10~30ms 的時間間隔內(nèi)可以認為它們保持不變，因此語音的短時分析幀長一般取為 10~30ms 左右。對激勵源參數(shù)，大部分情況下這一結(jié)論是正確的。在現(xiàn)代通信中，作為組成通信系統(tǒng)的最基本單元之一的信源，如果不經(jīng)過任何處理，會存在大量的冗余成分，直接經(jīng)信道進行傳輸將會造成帶寬的極大浪費。所以，信源需要先經(jīng)過壓縮處理，即信源編碼，然后再經(jīng)信道傳輸。語音信號是通信系統(tǒng)中使用最多的信源之一，它是模擬信號，而現(xiàn)代通信系統(tǒng)基本上都是數(shù)字通信系統(tǒng)，所以必須先對該模擬信號進行模數(shù)轉(zhuǎn)換，將其數(shù)字化；數(shù)字化后的語音信號，再經(jīng)過壓縮處理后方可進行傳輸和存儲。在接收端，對信號進行解壓縮處理和D/A轉(zhuǎn)換，還原成原始的模擬語音信號。這就是語音編解碼技術(shù)。模擬語音信號數(shù)字化后再進行壓縮編碼處理，可減小存儲空間或降低傳輸比特率，從而節(jié)省傳輸帶寬。語音編解碼技術(shù)的方法歸納起來，主要分為三大類，即波形編碼、參數(shù)編碼和混合編碼。波形編碼是最簡單且應(yīng)用最早的語音編碼方法，它實施簡單、性能優(yōu)良，但是其編碼比特率最高，在16kbps到64kbps之間，且一般很難再進一步下降，；參數(shù)編碼的語音編碼速率較低，語音的可懂度較好，但音質(zhì)較差，只能達到合成語音質(zhì)量，且其聲碼器對環(huán)境噪聲比較敏感，其次是算法復(fù)雜度較高，、(CELP)等均為參數(shù)編碼；混合編碼吸收了波形編碼和參數(shù)編碼各自的優(yōu)點并克服它們的缺點，在較低的比特率上獲得較高的語音質(zhì)量，其比特率一般在4kbps16kbps之間，多脈沖激勵線性預(yù)測編碼(MPLPC)，規(guī)則脈沖激勵線性預(yù)測編碼(RPELPC)和碼本激勵線性預(yù)測編碼(CELP)等都屬于混合編碼[3,4,5]。，即64kbps的脈沖編碼調(diào)制(PCM)。到目前為止，標準PCM系統(tǒng)仍然占據(jù)著統(tǒng)治地位，被廣泛應(yīng)用在數(shù)字通信、數(shù)字交換機等領(lǐng)域，El標準接口中采用的即是歐洲的30路脈沖編碼調(diào)制PCM。隨后，即32kbps的自適應(yīng)脈沖差分編碼ADPCM，在達到和PCM相同語音質(zhì)量的基礎(chǔ)上，它具有更優(yōu)良的抗誤碼性能，并且速率降低一半。接著，ITU又提出了子帶．，8kbps的共軛結(jié)構(gòu)．。l標準(，高速率采用多脈沖最大似然量化MP．MLQ技術(shù)，低速率采用代數(shù)碼本激勵線性預(yù)測ACELP技術(shù))等[5,6,7]。2語音壓縮的理論依據(jù)與算法語音通信經(jīng)歷了從模擬信號到數(shù)字信號的發(fā)展過程，最初電話通信傳輸?shù)氖钦Z音模擬信號，傳輸?shù)男什桓?，而且傳輸不是特別可靠、高效。因為模擬信號在傳輸一段距離后會減弱，當信號變?nèi)鯐r，必須對它們定期放大。這種信號放大既加強了語音信號，也加強了背景線路噪聲，要將復(fù)雜的模擬語音信號和傳輸噪聲區(qū)分開來是很困難的。為了進一步提高語音的傳輸質(zhì)量和存儲效率，克服模擬傳輸?shù)娜秉c，人們又引入了語音信號數(shù)字處理技術(shù)，對語音信號進行數(shù)字化處理。數(shù)字信號只有“1”和“0”兩種狀態(tài)，易于同噪聲區(qū)分開，不易發(fā)生畸變，而且易于存儲和遠距離傳輸。但是語音信號在數(shù)字化之后，比特率卻大幅上升，也就是每秒需要更多的比特數(shù)去存儲或傳輸，這樣就使成本提高。隨著信息技術(shù)的發(fā)展，信道資源顯得更加寶貴，為了在有限的信道內(nèi)進行更多的信息傳輸，必須對語音信號進行壓縮。對語音信號進行壓縮編碼的基本依據(jù)是語音信號的冗余度和人的聽覺感知機理。語音信號存在多種多樣的冗余，可分別從時間域和頻率域描述。從時間域分析：幅度的非均勻分布，即語音中的小幅度樣本出現(xiàn)的概率高，且通話中會有間隙信息，主要集中在低功率上；語音信號采樣數(shù)據(jù)間存在相關(guān)性，相鄰的樣本間有很強的相關(guān)性，如果采樣率提高，相關(guān)性將更強；濁音語音段具有準周期性，波形顯示出周期間的信息冗余，對語音濁音部分編碼最有效的方法之一是對一個音調(diào)間隔波形來編碼，并以其作為同樣聲音中其他基音段的參照；語音間隙，實際語音通信中，存在通話間隙，通話分析表明，全雙工話路的典型效率約為通話時間的 40%，即靜止系數(shù)為 ；長時自相關(guān)，除了樣本間、同期間的相關(guān)外，在較長的時間間隔上，語音信號也存在相關(guān)。從頻率域分析：非均勻的長時功率譜密度，從相當長的時間內(nèi)統(tǒng)計平均，語音信號的功率譜呈現(xiàn)強烈的非平坦性，這說明語音信號對給定的頻段利用不充分，存在固定的冗余度；語音特有的短時功率譜密度，語音信號的短時功率譜在某些頻率上出現(xiàn)峰值，而在另一些頻率上出現(xiàn)谷值，這些峰值頻率是能量較大的頻率，稱為共振峰，共振峰頻率由低到高依次排列為第一共振峰、第二共振峰等，語音特征主要由前三個共振峰頻率決定，隨著頻率的增高，對整個功率譜的影響會快速遞減。語音壓縮的第二個依據(jù)是利用人類聽覺的感知機理，其影響主要表現(xiàn)在三個方面： “掩蔽”效應(yīng)，即一個強音能夠抑制另一個同時存在的弱音的聽覺，利用這一性質(zhì)可以抑制與信號同時存在的量化噪聲。人的聽覺對低頻語音比較敏感，而對高頻語音不太敏感，這主要是因為濁音的周期和共振峰。通過對人耳做短時的頻率分析，表明人耳對信號的音調(diào)很敏感，但對信號相位感知不敏感。人耳聽不到或感知極不靈敏的語音信號都可以認為是冗余，可以利用這些特性進行語音數(shù)據(jù)壓縮。對語音信號進行數(shù)字化和壓縮，既可以提高語音傳輸?shù)馁|(zhì)量，又能提高傳輸?shù)男剩詫φZ音壓縮編碼技術(shù)的研究一直是一個熱點，特別是近十多年來，語音編碼技術(shù)取得了突飛猛進的發(fā)展，出現(xiàn)了多個國際標準和區(qū)域標準，己具備比較完善的理論和技術(shù)體系，隨著高速信號處理器的誕生，使多種算法復(fù)雜、計算量很大的編碼技術(shù)的實時化變得容易起來，語音壓縮編碼進入實用階段。建立語音信號的數(shù)字模型對于語音處理具有重要的意義。人們對語音信號進行大量的分析、模擬和實驗以后，得出了語音信號產(chǎn)生的數(shù)字模型[8]。它是指利用數(shù)字技術(shù)來模擬語音信號的產(chǎn)生，也就是利用數(shù)字信號處理技術(shù)來實現(xiàn)發(fā)音器官的模擬。為了使?jié)嵋舻臎_激信號具有聲門脈沖的實際波形，還需要使上述的沖激序列通過一個聲門脈沖模型濾波器 G(z)。其傳輸函數(shù)表示為： （）基音頻率聲門脈沖模型脈沖周期發(fā)生器聲道模型 Av 聲道參數(shù) 輻射模型 隨機噪聲發(fā)生器 Au 語音信號的數(shù)字模型該模型包括三個部分：激勵源、聲道模型和輻射模型[9]。激勵源分為濁音和清音兩種，按照濁音/清音開關(guān)所處的位置來決定產(chǎn)生的語音是濁音還是清音。濁音時，激勵信號由一個周期脈沖發(fā)生器產(chǎn)生，產(chǎn)生的序列是一個頻率等于基音頻率的沖激序列。對聲門波形的頻譜分析表明，其幅度頻譜按每倍頻程 12dB 的速度遞減，如果 G(z)中 g1和 g2都很接近于 1，那么由之形成的濁音激勵信號頻譜很接近于聲門脈沖的頻譜，乘系數(shù) Av 的作用是調(diào)節(jié)濁音信號的幅度。清音時，激勵信號由一個隨機噪聲發(fā)生器產(chǎn)生?？稍O(shè)定其平均值為 0，其自相關(guān)函數(shù)是一個單位沖激函數(shù)。這表明它的任何兩個不同樣點都不相關(guān)且其均方差值為 1。此外，還假定它的幅度具有正態(tài)概率分布。乘系數(shù) Au 的作用是調(diào)節(jié)清音信號的幅度[10]。聲道模型 V(z)給出了離散時域的聲道傳輸函數(shù)，把實際聲道作為一個變截面聲管加以研究，采用流體力學的方法可以導出，在大多數(shù)情況下 V(z)是一個全極點函數(shù)。因此，V(z)可以表示為： （）式中，a0=1，ai為實數(shù)。這里，把截面積連續(xù)變化的聲管近似為 p 段短聲管的串聯(lián)，每段短聲管的截面積是不變的，p 稱為這個全極點濾波器的階。顯然，p值取得越大，模型的傳輸函數(shù)與聲道實際傳輸函數(shù)的吻合程度就越高。一般地，對大多數(shù)實際應(yīng)用而言，p 值取 8~12。若 p 取偶數(shù)，一般有 p/2 對共軛極點，極點的頻率分別與語音的各個共振峰相對應(yīng)。輻射模型 R(z)與嘴型有關(guān)，一般可以表示為： （）在這個模型中，除了 G(z)和 R(z)保持不變以外，基音頻率、Av、Au、清/濁音開關(guān)的位置以及聲道模型中的參數(shù)都是隨時間而變化的。對于聲道參數(shù)而言，在 10~30ms 的時間間隔內(nèi)可以認為它們保持不變，因此語音的短時分析幀長一般取為 10~30ms 左右。對激勵源參數(shù)，大部分情況下這一結(jié)論是正確的。在現(xiàn)代通信中，作為組成通信系統(tǒng)的最基本單元之一的信源，如果不經(jīng)過任何處理，會存在大量的冗余成分，直接經(jīng)信道進行傳輸將會造成帶寬的極大浪費。所以，信源需要先經(jīng)過壓縮處理，即信源編碼，然后再經(jīng)信道傳輸。語音信號是通信系統(tǒng)中使用最多的信源之一，它是模擬信號，而現(xiàn)代通信系統(tǒng)基本上都是數(shù)字通信系統(tǒng)，所以必須先對該模擬信號進行模數(shù)轉(zhuǎn)換，將其數(shù)字化；數(shù)字化后的語音信號，再經(jīng)過壓縮處理后方可進行傳輸和存儲。在接收端，對信號進行解壓縮處理和D/A轉(zhuǎn)換，還原成原始的模擬語音信號。這就是語音編解碼技術(shù)。模擬語音信號數(shù)字化后再進行壓縮編碼處理，可減小存儲空間或降低傳輸比特率，從而節(jié)省傳輸帶寬。語音編解碼技術(shù)的方法歸納起來，主要分為三大類，即波形編碼、參數(shù)編碼和混合編碼。波形編碼是最簡單且應(yīng)用最早的語音編碼方法，它實施簡單、性能優(yōu)良，但是其編碼比特率最高，在16kbps到64kbps之間，且一般很難再進一步下降，；參數(shù)編碼的語音編碼速率較低，語音的可懂度較好，但音質(zhì)較差，只能達到合成語音質(zhì)量，且其聲碼器對環(huán)境噪聲比較敏感，其次是算法復(fù)雜度較高，、(CELP)等均為參數(shù)編碼；混合編碼吸收了波形編碼和參數(shù)編碼各自的優(yōu)點并克服它們的缺點，在較低的比特率上獲得較高的語音質(zhì)量，其比特率一般在4kbps16kbps之間，多脈沖激勵線性預(yù)測編碼(MPLPC)，規(guī)則脈沖激勵線性預(yù)測編碼(RPELPC)和碼本激勵線性預(yù)測編碼(CELP)等都屬于混合編碼[3,4,5]。，即64kbps的脈沖編碼調(diào)制(PCM)。到目前為止，標準PCM系統(tǒng)仍然占據(jù)著統(tǒng)治地位，被廣泛應(yīng)用在數(shù)字通信、數(shù)字交換機等領(lǐng)域，El標準接口中采用的即是歐洲的30路脈沖編碼調(diào)制PCM。隨后，即32kbps的自適應(yīng)脈沖差分編碼ADPCM，在達到和PCM相同語音質(zhì)量的基礎(chǔ)上，它具有更優(yōu)良的抗誤碼性能，并且速率降低一半。接著，ITU又提出了子帶．，8kbps的共軛結(jié)構(gòu)．。l標準(，高速率采用多脈沖最大似然量化MP．MLQ技術(shù)，低速率采用代數(shù)碼本激勵線性預(yù)測ACELP技術(shù))等[5,6,7]。2語音壓縮的理論依據(jù)與算法語音通信經(jīng)歷了從模擬信號到數(shù)字信號的發(fā)展過程，最初電話通信傳輸?shù)氖钦Z音模擬信號，傳輸?shù)男什桓?，而且傳輸不是特別可靠、高效。因為模擬信號在傳輸一段距離后會減弱，當信號變?nèi)鯐r，必須對它們定期放大。這種信號放大既加強了語音信號，也加強了背景線路噪聲，要將復(fù)雜的模擬語音信號和傳輸噪聲區(qū)分開來是很困難的。為了進一步提高語音的傳輸質(zhì)量和存儲效率，克服模擬傳輸?shù)娜秉c，人們又引入了語音信號數(shù)字處理技術(shù)，對語音信號進行數(shù)字化處理。數(shù)字信號只有“1”和“0”兩種狀態(tài)，易于同噪聲區(qū)分開，不易發(fā)生畸變，而且易于存儲和遠距離傳輸。但是語音信號在數(shù)字化之后，比特率卻大幅上升，也就是每秒需要更多的比特數(shù)去存儲或傳輸，這樣就使成本提高。隨著信息技術(shù)的發(fā)展，信道資源顯得更加寶貴，為了在有限的信道內(nèi)進行更多的信息傳輸，必須對語音信號進行壓縮。對語音信號進行壓縮編碼的基本依據(jù)是語音信號的冗余度和人的聽覺感知機理。語音信號存在多種多樣的冗余，可分別從時間域和頻率域描述。從時間域分析：幅度的非均勻分布，即語音中的小幅度樣本出現(xiàn)的概率高，且通話中會有間隙信息，主要集中在低功率上；語音信號采樣數(shù)據(jù)間存在相關(guān)性，相鄰的樣本間有很強的相關(guān)性，如果采樣率提高，相關(guān)性將更強；濁音語音段具有準周期性，波形顯示出周期間的信息冗余，對語音濁音部分編碼最有效的方法之一是對一個音調(diào)間隔波形來編碼，并以其作為同樣聲音中其他基音段的參照；語音間隙，實際語音通信中，存在通話間隙，通話分析表明，全雙工話路的典型效率約為通話時間的 40%，即靜止系數(shù)為 ；長時自相關(guān)，除了樣本間、同期間的相關(guān)外，在較長的時間間隔上，語音信號也存在相關(guān)。從頻率域分析：非均勻的長時功率譜密度，從相當長的時間內(nèi)統(tǒng)計平均，語音信號的功率譜呈現(xiàn)強烈的非平坦性，這說明語音信號對給定的頻段利用不充分，存在固定的冗余度；語音特有的短時功率譜密度，語音信號的短時功率譜在某些頻率上出現(xiàn)峰值，而在另一些頻率上出現(xiàn)谷值，這些峰值頻率是能量較大的頻率，稱為共振峰，共振峰頻率由低到高依次排列為第一共振峰、第二共振峰等，語音特征主要由前三個共振峰頻率決定，隨著頻率的增高，對整個功率譜的影響會快速遞減。語音壓縮的第二個依據(jù)是利用人類聽覺的感知機理，其影響主要表現(xiàn)在三個方面： “掩蔽”效應(yīng)，即一個強音能夠抑制另一個同時存在的弱