【導(dǎo)讀】IP信息量比率有關(guān)。以因特網(wǎng)為代表的IP通信的信息量，現(xiàn)在以指數(shù)函數(shù)的方式增加。的語言信息量也應(yīng)搭載在IP網(wǎng)上，這比起分別建立IP網(wǎng)和語音網(wǎng)要經(jīng)濟得多。IP電話技術(shù)將成為未來的電話技術(shù)。IP電話是一種數(shù)字電話，是技術(shù)創(chuàng)新的一種通信服務(wù)業(yè)務(wù)。它促進了網(wǎng)絡(luò)資源利用，降低語音業(yè)務(wù)成本。因此在全球范圍內(nèi)得到了迅。網(wǎng)絡(luò)界關(guān)注的熱點之一。IP電話的產(chǎn)生Inter商業(yè)化以后，在全世界，特別是發(fā)達國家迅速發(fā)展起來。這項技術(shù)上的突破引起全世界的矚目，其背后的無限商機也使許多。經(jīng)過五年的發(fā)展，IP電話成為信息技術(shù)進步帶來的一項新型電話業(yè)務(wù)在全世界開展，并對傳統(tǒng)電話業(yè)務(wù)形成越來越大的威脅?；綯CP/IP協(xié)議的網(wǎng)絡(luò)，包括因特網(wǎng)Inter和企業(yè)網(wǎng)Inter。這樣，國際話費低的國家電信運營者可以利用各國對IP電話的政策優(yōu)惠，年2月宣布推出"InterPhone"，可以說是現(xiàn)代IP電話的雛形。目前，IP電話正處于發(fā)展期，各個設(shè)備制造商紛紛推。·1998年是IP電話網(wǎng)守年。·1999年是IP電話應(yīng)用年。

　　

【正文】 da 等）和清音（如音素 sh、 th）。激勵信號就是由輸入的語音信號導(dǎo)出的，其方法是使合成語音與輸入語音的差別非常小。 LPC的用法、激勵的產(chǎn)生以及對合成分析（ AbS）系統(tǒng)的誤差檢查均如圖 41 所示。 長話質(zhì)量編碼器在比特率高于 8Kbps 時容易實現(xiàn)，如圖 42 所示。長話質(zhì)量的語音平均意見得分（ MOS）必須在分或許分以上。傳統(tǒng)的PCN語音在比特率小于 32 Kbps，語音質(zhì)量會嚴重惡化，在這里就不討論 PCN 了?；旌暇幋a和聲碼器在比特率相當?shù)偷?MOS 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 ~8kbps。研究表明，標準的編碼器在比特率為 4 Kbps 時能提供可接受的 NOS得分，一些分用系統(tǒng)在 Kbps的 MOS上的得分為 。 矢量量化和碼激勵線性預(yù)測 一種較好的方法就是用預(yù)測存儲的最優(yōu)參數(shù)（碼元矢量）的碼本對輸入語音信號的表示矢量進行編碼，這種技術(shù)稱為矢量量化（ VQ， vector quantization）。 將 VQ和 AbS技術(shù)結(jié)合在一起會進一步提高編碼性能。 AbS VQ 是技術(shù)構(gòu)成CELP 的基礎(chǔ)。 VQ和 AbS VQ的主要區(qū)別在于進行矢量量化碼簿搜索時采用的量化失真測量定義的不同 [WONG96]。 三、線性預(yù)測合成分析編碼器 最常用的比特率在 ~16 kbps之間的語音編碼 器是基于模型編碼器的，這些編碼器都是線性預(yù)測合成分析（ LPAS）方法。為了隨著時間的變化模擬語音信號，線性預(yù)測語音產(chǎn)生模型必須用適當?shù)男盘杹砑?。每隔一段固定時間（如每隔 20ms），語音模型參數(shù)和激勵參數(shù)都必須做一次估計和更新，并用來控制語音模型。下面將介紹兩種 LPAS 編碼器：前向至應(yīng) LPAS編碼器和后向自適應(yīng) LPAS編碼器。 前向自適應(yīng) LPAS編碼器： 8kbps 與 編碼器 在前向自適應(yīng)的 AbS 編碼器中，預(yù)測濾波器的系數(shù)和增益是顯示傳送 的。為了提供長話質(zhì)量的語音性能，這兩種編碼器都依賴于信源模型。激勵信號（以語音基調(diào)周期的信息形式表示）也要傳送。這種編碼器所提供的模型對語音信號來說是比較好的，但對于一些噪音或者多數(shù)器來說并不合適。因此，在背景噪音和音樂環(huán)境下， LPAS 編碼器的質(zhì)量比 和 的編碼器的質(zhì)量要差一些。 ① ITUT 。同時 還包括一個工作在 的低質(zhì)量語音編碼器。 是為低比特率可視電話而設(shè)計的。在這種 適應(yīng)中，由于視頻編碼時延通常大于語音編碼時延，因此對時延的要求不是很嚴格。 編碼器的幀長為 30ms，還有 的前視。再加上編碼器的處理時延，編碼器的單向總時延為 。其它時延是由系統(tǒng)緩沖區(qū)和網(wǎng)絡(luò)造成的。 編碼器首先對語音信號進行傳統(tǒng)電話帶寬的波濾（基于 ），再對語音信號用傳統(tǒng)的 8000Hz速率進行抽樣（基于 ），并變換成位的線性 PCM碼作作為該編碼器的輸入。在編碼器中對輸出進行逆操作來重構(gòu)語音信號。 系統(tǒng)用 LPAS編碼方法將語音信 號編碼成幀。編碼器能夠產(chǎn)生兩種速率的語音流量：（ a）用于高速率的 ； (b)用于低速率的 。主速率編碼器使用多脈沖最大自然量化（ MPMLQ），低速率編碼器使用代數(shù)碼激勵線性預(yù)測（ ACELP， AlgebraicCodeExcited LinearPrediction）方法。編碼器和解碼器都必須支持兩種速率，并通能夠在幀間對兩種速度進行轉(zhuǎn)換，此系統(tǒng)同樣能夠?qū)σ魳泛推渌纛l信號進行壓縮和解壓縮，但它對語音信號來說是最優(yōu)的。 編碼器對幀進行操作，每幀包括 240 個樣點，采 用速率為 8000Hz。在進一步的處理（高通濾波器去直流分量）后把每幀分成 4個子幀，每個子幀包括 60個樣點，其它的各種操作包括 LPC 濾波器以及 LSP 濾波器非量化系數(shù)的計算等，將會導(dǎo)致 30ms 的分組時延。對每個子幀，用未經(jīng)處理的輸入信號計算 LPC 濾波器。最后一個子幀的濾波器系數(shù)用來預(yù)測分裂矢量量化器（ PSVQ， Predictive split Vector quantizer）進行量化。正如前面所介紹的，前視占有 ，所以整個編碼時延為 。這個時延在評介編碼器，尤其是通過數(shù)據(jù)網(wǎng)絡(luò)傳輸語音時是個很 重要的因素，因為如果編碼及解碼時延比較小的話，就意味著處理互聯(lián)網(wǎng)中的時延及其抖動時具有更大的自由度。 解碼器的處理也是基于幀的，解碼過程如下（ 算法摘要）： 對 LPC 的量化索引號進行解碼。 對構(gòu)造 LPC 合成濾波器。 對每個子幀，先對自適應(yīng)碼本激勵和固定碼本激勵解碼，然后再輸入合成濾波器。 激勵信號經(jīng)基音后置濾波器處理后，再送入合成濾波器。 合成信號被輸入到共振峰后置濾波器，該濾波器采用增益標度單元以使其輸出能量維持在糨的輸入水平。 靜音壓 縮已運用多年，它運用了在總會話時間中靜音時間占大約 50%這一事實。其基本思路是在靜音期間減少傳送的比特數(shù)，從而節(jié)省了所需傳輸?shù)目偙忍財?shù)。 在電話網(wǎng)中，多年來對模擬語音信號都是用時間分配語音插值（ TASI， TimeAssigned Speech Interpolation）主法進行處理。這一技術(shù)也就是將其它語音信號或者數(shù)據(jù)信號放置在談話的靜音期間內(nèi)，從而為多信道鏈路提供附加容量?，F(xiàn)今， TASI 已運用數(shù)字信號中并被賦予新名稱 其中的一個例子就是時分多址（ TDMA， Time Division Multiple Access）。簡要地講，DTMA 是將通常的信號劃分成很小的、數(shù)字化片段（ slots即時隙）。這些時隙和其它時隙一起在一個信道中進行時分復(fù)用。 采用了執(zhí)行不連續(xù)傳輸?shù)撵o音壓縮，這就意味著在靜音期間的比特流中加入了人為的噪聲。除了預(yù)留帶寬之外，這種技術(shù)使發(fā)信機的調(diào)制解調(diào)器保持邊續(xù)工作，并且避免了載波信號的時通時斷。 ② 編碼器是為低時延應(yīng)用設(shè)計的，它的幀長只有 10ms，處理時延也是10ms，再加上 5ms的前視，這就使得 產(chǎn)生的點到點的時延為 25ms，比特率為 8 kbps。這些時延性能在互聯(lián)網(wǎng)中很重要，因為我們知道任何能減少時延的因素都是非常重要的。 ： 和 。 比 簡單。這兩個版本互相兼容但它們的性能有些不同，復(fù)雜性低的版本（ ）性能較差。兩種編碼器都提供了對幀丟失和分組丟失的隱藏處理機制，因此在因特網(wǎng)上傳輸語音時，這兩種編碼器都是很好的選擇。Cox等 [COX98]認為 。建議在有隨機比特錯誤的信道上不使用此編碼器，除非利用信道編碼（前向 糾錯碼和卷積碼，將在無線部份討論）保護最敏感的比特。 后向自適應(yīng) LPAS編碼： 16 kbps 低時延碼激勵線性預(yù)測 是低比特線性預(yù)測合成分析編碼器（ 和 ）和后向 ADPCM 編碼器的混合體。 是LDCELP 編碼器，它一次只處理 5 個樣點。 CELP 是上種語音編碼技術(shù)，它的激勵信號是從一個可能的激勵信號集合中通過全搜索方法選出的。低速率語音編碼呂器對樣值預(yù)測濾波器采用前向自適應(yīng)方案。而 LDCELP 采用后向自適應(yīng)濾波器并每隔 做一次 更新。 CELP 中共有 1024 個可能的激勵矢量。這些矢量可進一步分析為 4 種可能的增益，兩種符號（ +和 ）與 128 種形狀矢量。 對于低速率（ 56~128 kbps）的綜合業(yè)務(wù)數(shù)字網(wǎng)（ ISDN）可視電話， 是一種建議采用的語音編碼器。由于其后向自適應(yīng)特性，因此 是一種低時延編碼器，但它比其它的編碼器都復(fù)雜，這是因為在編碼器中必須重復(fù)做 50階 LPC 分析。 應(yīng)后置濾波器來提高其性能。 四、參數(shù)語音編碼器： kbps混合激勵線性預(yù)測編碼 參數(shù)編碼器采用簡化激勵信 號的語音模型，因而能工作在最低比特率。前而討論的所有語音編碼器都可描述為波形跟蹤，它們輸出信號的波形和相位與輸入信號很相似。 參數(shù)語音編碼器卻不同，它不呈現(xiàn)為波形跟蹤。這類編碼器是基于分析合成模型的，可用相當少的參數(shù)表示語音信號。這些參數(shù)通常是每隔 20ms~40ms就會從語音信號中提取和量化。在接收端，這些參數(shù)用來生成合成語音信號。在理想條件下，合成語音聽起來和原始語音相似。在背景噪音較大的情況下，由于輸入的語音信號不能根據(jù)其內(nèi)在的語音模型很好的建模，所以任何參數(shù)編碼器都將失敗。美國政府選擇了 kbps MELP 用于保密電話。 對于我媒體應(yīng)用， [COX98]的研究指出：當需要低比特率時，參數(shù)編碼器是一種好的選擇。例如，簡單的用戶游戲中經(jīng)常用參數(shù)編碼器。這會降低所需的存儲空間。出于同樣的原因，參數(shù)編碼器對某些多媒體消息型業(yè)務(wù)也是一種好的選擇。對所有類型的語音環(huán)境來說，參數(shù)編碼器的絕對語音質(zhì)量都較低，尤其是在噪聲環(huán)境下。如果事先能對語音文件做仔細的編輯，那么這個缺點是能克服的。目前，多媒體應(yīng)用中的大多數(shù)參數(shù)編碼器都不是標準的。而是適用于這類專用編碼器。 用于無線通信的 可 變速率編碼 的附件 C 規(guī)定了一個信道編碼規(guī)范，此規(guī)范可以和三倍速率的語音編碼器一起使用。這個信道編碼器的比特率的可變的，它作為整個 標準系列的一部份，是為移動多媒體應(yīng)用設(shè)計的。 這個信道編碼器支持的比特率范圍從 kbps到 kbps。它也支持 的三個操作模式的編解碼器，即高速率模式、低速率模式和不連續(xù)傳送模式。 這個信道編碼器采用截短卷積碼，根據(jù)每一類型信息比特主觀重要性的不同，信道編碼器的比特率可對不同的比特類型分進行優(yōu)化。這種分配算法對編碼器和解碼器都 是已知的。每次的系統(tǒng)控制信號無論是改變 ，這個算法都會使信道編碼器適應(yīng)于新的語音業(yè)務(wù)配置。 如果信道編碼器的可用速率較低，那么首先要保護主觀上最敏感的比特位。當信道編碼器的比特率增加時，多余的信道比特首先用來保護更多的信息比特位，然后再對已保護過的比特類型增強保護。 在運用信道編碼之前，語音參數(shù)要在信道適配層作部份的變化以提高對傳輸錯誤的健壯性。 五、編碼器評價 評估編碼器的性能時要考慮幾個重要因素。這些因素如下提示： 幀大?。簬拇笮”?示語音流量的時間長度，也稱為幀時延。 幀是語音信號的分立部件，且每幀是根據(jù)語音樣點更新的。本 介紹的編碼器都是一次處理一幀。每幀信息各放在各語音分組 中，并傳送給接收端。 處理時延：它表示在編碼器中對一幀語音做編碼算法處理所 需時間。它通常簡單計入幀時延。處理時延好稱為算法時延。 前視時延：編碼器為了對當前幀的編碼提供幫助而檢查下一 幀的一定長度，此長度就稱為前視時延。前視的想法是為了利 用相鄰語音幀之間的密切相關(guān)性。 幀長度：這個值表示經(jīng)編碼處理后的字節(jié)數(shù)（不包括幀頭）。 語 音比特率：當編解碼器的輸入是標準脈沖編碼調(diào)制的語音 碼流（比特率為 64 kbit/s）時，編解碼器的輸出速率。 DSP MIPS：此值是指支持特定編碼器的 DSP處理器的最低 速度。值提注意的是 DSP MISP與其它處理器的 MISP 速率無 關(guān)。與用在工作站和個人計算機上通用處理器不同，這些 DSP 是為特定任務(wù)而專門設(shè)計的。因此，為實現(xiàn)上述的編解碼器處 理所需求 MISP，通用處理器要比專用 DSP處理器大。 RAM 需求：它描述了支持特定的編碼過程所需要 RAM 的大 小。 評價編碼器性能的 關(guān)鍵因素是編碼器工作所需時間。這個時間是指編碼器的緩存及處理時間，稱為單向系統(tǒng)時延。其值等于：幀大小 +處理時延 +前視時延。顯然，解碼時延也非常重要。實際上，解碼時延大約是編碼時延的一半。 六、語音編碼器的比較 為了標準編碼器的討論作個總結(jié)，表 41[RUDK97]對幾種編碼器的比特率、 MOS、復(fù)雜性（以 G .711 為基準）和時延（幀大小及前視時間）作為比較。 表 41 語音編碼標準 [RUDK97] 標準 編碼類型 比特率（ kbps） MOS 復(fù)雜性 時延 (ms) PCM 64 1 ADPCM 32 10 LDCELP 16 50 GSM RAE_LPT 13 5 20 CSACELP 8 30 15 15 ACELP 25 MPMLQ US Dod LPC10 合成語音 10 FS1015 標準 編碼類型 比特率 MOS 復(fù)雜性 時延 （ kbps） (ms) PCM 64 1 ADPCM 32 10 LDCELP 16 50 GSM RAE_LPT 13 5 20 CSACELP 8 30 15 15 ACELP 25 MPMLQ US Dod LPC10 合成語音 10 FS1015 七、小結(jié) 語音編碼器是建立和處理 VOIP 分組的發(fā) 動機的。它由 DSP 驅(qū)動。 原來的DS0、 TMD 64kbps 編碼器最終會被工業(yè)淘汰，并由低比特率編碼器所替代。 VoIP 基本概念 (9):回聲消除技術(shù) 一、 因特網(wǎng)語音通信中回聲的特點 與傳統(tǒng)電話相比，因特網(wǎng)上進行語音的實時傳輸，有其致命的弱點，那就是語音質(zhì)量