【正文】 語音信號(hào)，也加強(qiáng)了背景線路噪聲，要將復(fù)雜的模擬語音信號(hào)和傳輸噪聲區(qū)分開來是很困難的。為了進(jìn)一步提高語音的傳輸質(zhì)量和存儲(chǔ)效率，克服模擬傳輸?shù)娜秉c(diǎn)，人們又引入了語音信號(hào)數(shù)字處理技術(shù)，對(duì)語音信號(hào)進(jìn)行數(shù)字化處理。數(shù)字信號(hào)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(chǔ)和遠(yuǎn)距離傳輸。但是語音信號(hào)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?cái)?shù)去存儲(chǔ)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(jìn)行更多的信息傳輸，必須對(duì)語音信號(hào)進(jìn)行壓縮。對(duì)語音信號(hào)進(jìn)行壓縮編碼的基本依據(jù)是語音信號(hào)的冗余度和人的聽覺感知機(jī)理。語音信號(hào)存在多種多樣的冗余，可分別從時(shí)間域和頻率域描述。從時(shí)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(huì)有間隙信息，主要集中在低功率上；語音信號(hào)采樣數(shù)據(jù)間存在相關(guān)性，相鄰的樣本間有很強(qiáng)的相關(guān)性，如果采樣率提高，相關(guān)性將更強(qiáng)；濁音語音段具有準(zhǔn)周期性，波形顯示出周期間的信息冗余，對(duì)語音濁音部分編碼最有效的方法之一是對(duì)一個(gè)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(shí)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(shí)間的 40%，即靜止系數(shù)為 ；長時(shí)自相關(guān)，除了樣本間、同期間的相關(guān)外，在較長的時(shí)間間隔上，語音信號(hào)也存在相關(guān)。從頻率域分析：非均勻的長時(shí)功率譜密度，從相當(dāng)長的時(shí)間內(nèi)統(tǒng)計(jì)平均，語音信號(hào)的功率譜呈現(xiàn)強(qiáng)烈的非平坦性，這說明語音信號(hào)對(duì)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(shí)功率譜密度，語音信號(hào)的短時(shí)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(gè)共振峰頻率決定，隨著頻率的增高，對(duì)整個(gè)功率譜的影響會(huì)快速遞減。語音壓縮的第二個(gè)依據(jù)是利用人類聽覺的感知機(jī)理，其影響主要表現(xiàn)在三個(gè)方面： “掩蔽”效應(yīng)，即一個(gè)強(qiáng)音能夠抑制另一個(gè)同時(shí)存在的弱音的聽覺，利用這一性質(zhì)可以抑制與信號(hào)同時(shí)存在的量化噪聲。人的聽覺對(duì)低頻語音比較敏感，而對(duì)高頻語音不太敏感，這主要是因?yàn)闈嵋舻闹芷诤凸舱穹?。通過對(duì)人耳做短時(shí)的頻率分析，表明人耳對(duì)信號(hào)的音調(diào)很敏感，但對(duì)信號(hào)相位感知不敏感。人耳聽不到或感知極不靈敏的語音信號(hào)都可以認(rèn)為是冗余，可以利用這些特性進(jìn)行語音數(shù)據(jù)壓縮。對(duì)語音信號(hào)進(jìn)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?，所以?duì)語音壓縮編碼技術(shù)的研究一直是一個(gè)熱點(diǎn)，特別是近十多年來，語音編碼技術(shù)取得了突飛猛進(jìn)的發(fā)展，出現(xiàn)了多個(gè)國際標(biāo)準(zhǔn)和區(qū)域標(biāo)準(zhǔn)，己具備比較完善的理論和技術(shù)體系，隨著高速信號(hào)處理器的誕生，使多種算法復(fù)雜、計(jì)算量很大的編碼技術(shù)的實(shí)時(shí)化變得容易起來，語音壓縮編碼進(jìn)入實(shí)用階段。建立語音信號(hào)的數(shù)字模型對(duì)于語音處理具有重要的意義。人們對(duì)語音信號(hào)進(jìn)行大量的分析、模擬和實(shí)驗(yàn)以后，得出了語音信號(hào)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(hào)的產(chǎn)生，也就是利用數(shù)字信號(hào)處理技術(shù)來實(shí)現(xiàn)發(fā)音器官的模擬。為了使?jié)嵋舻臎_激信號(hào)具有聲門脈沖的實(shí)際波形，還需要使上述的沖激序列通過一個(gè)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(jī)噪聲發(fā)生器 Au 語音信號(hào)的數(shù)字模型該模型包括三個(gè)部分：激勵(lì)源、聲道模型和輻射模型[9]。激勵(lì)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(shí)，激勵(lì)信號(hào)由一個(gè)周期脈沖發(fā)生器產(chǎn)生，產(chǎn)生的序列是一個(gè)頻率等于基音頻率的沖激序列。對(duì)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(lì)信號(hào)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(hào)的幅度。清音時(shí)，激勵(lì)信號(hào)由一個(gè)隨機(jī)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(gè)單位沖激函數(shù)。這表明它的任何兩個(gè)不同樣點(diǎn)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(hào)的幅度[10]。聲道模型 V(z)給出了離散時(shí)域的聲道傳輸函數(shù)，把實(shí)際聲道作為一個(gè)變截面聲管加以研究，采用流體力學(xué)的方法可以導(dǎo)出，在大多數(shù)情況下 V(z)是一個(gè)全極點(diǎn)函數(shù)。因此，V(z)可以表示為： （）式中，a0=1，ai為實(shí)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(gè)全極點(diǎn)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(shí)際傳輸函數(shù)的吻合程度就越高。一般地，對(duì)大多數(shù)實(shí)際應(yīng)用而言，p 值取 8~12。若 p 取偶數(shù)，一般有 p/2 對(duì)共軛極點(diǎn)，極點(diǎn)的頻率分別與語音的各個(gè)共振峰相對(duì)應(yīng)。輻射模型 R(z)與嘴型有關(guān)，一般可以表示為： （）在這個(gè)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(shí)間而變化的。對(duì)于聲道參數(shù)而言，在 10~30ms 的時(shí)間間隔內(nèi)可以認(rèn)為它們保持不變，因此語音的短時(shí)分析幀長一般取為 10~30ms 左右。對(duì)激勵(lì)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(huì)存在大量的冗余成分，直接經(jīng)信道進(jìn)行傳輸將會(huì)造成帶寬的極大浪費(fèi)。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(hào)是通信系統(tǒng)中使用最多的信源之一，它是模擬信號(hào)，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(duì)該模擬信號(hào)進(jìn)行模數(shù)轉(zhuǎn)換，將其數(shù)字化；數(shù)字化后的語音信號(hào)，再經(jīng)過壓縮處理后方可進(jìn)行傳輸和存儲(chǔ)。在接收端，對(duì)信號(hào)進(jìn)行解壓縮處理和D/A轉(zhuǎn)換，還原成原始的模擬語音信號(hào)。這就是語音編解碼技術(shù)。模擬語音信號(hào)數(shù)字化后再進(jìn)行壓縮編碼處理，可減小存儲(chǔ)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(jiǎn)單且應(yīng)用最早的語音編碼方法，它實(shí)施簡(jiǎn)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(jìn)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(dá)到合成語音質(zhì)量，且其聲碼器對(duì)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(diǎn)并克服它們的缺點(diǎn)，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(lì)線性預(yù)測(cè)編碼(MPLPC)，規(guī)則脈沖激勵(lì)線性預(yù)測(cè)編碼(RPELPC)和碼本激勵(lì)線性預(yù)測(cè)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(biāo)準(zhǔn)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(jī)等領(lǐng)域，El標(biāo)準(zhǔn)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(dá)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(biāo)準(zhǔn)(，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(lì)線性預(yù)測(cè)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(hào)到數(shù)字信號(hào)的發(fā)展過程，最初電話通信傳輸?shù)氖钦Z音模擬信號(hào)，傳輸?shù)男什桓?，而且傳輸不是特別可靠、高效。因?yàn)槟M信號(hào)在傳輸一段距離后會(huì)減弱，當(dāng)信號(hào)變?nèi)鯐r(shí)，必須對(duì)它們定期放大。這種信號(hào)放大既加強(qiáng)了語音信號(hào)，也加強(qiáng)了背景線路噪聲，要將復(fù)雜的模擬語音信號(hào)和傳輸噪聲區(qū)分開來是很困難的。為了進(jìn)一步提高語音的傳輸質(zhì)量和存儲(chǔ)效率，克服模擬傳輸?shù)娜秉c(diǎn)，人們又引入了語音信號(hào)數(shù)字處理技術(shù)，對(duì)語音信號(hào)進(jìn)行數(shù)字化處理。數(shù)字信號(hào)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(chǔ)和遠(yuǎn)距離傳輸。但是語音信號(hào)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?cái)?shù)去存儲(chǔ)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(jìn)行更多的信息傳輸，必須對(duì)語音信號(hào)進(jìn)行壓縮。對(duì)語音信號(hào)進(jìn)行壓縮編碼的基本依據(jù)是語音信號(hào)的冗余度和人的聽覺感知機(jī)理。語音信號(hào)存在多種多樣的冗余，可分別從時(shí)間域和頻率域描述。從時(shí)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(huì)有間隙信息，主要集中在低功率上；語音信號(hào)采樣數(shù)據(jù)間存在相關(guān)性，相鄰的樣本間有很強(qiáng)的相關(guān)性，如果采樣率提高，相關(guān)性將更強(qiáng)；濁音語音段具有準(zhǔn)周期性，波形顯示出周期間的信息冗余，對(duì)語音濁音部分編碼最有效的方法之一是對(duì)一個(gè)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(shí)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(shí)間的 40%，即靜止系數(shù)為 ；長時(shí)自相關(guān)，除了樣本間、同期間的相關(guān)外，在較長的時(shí)間間隔上，語音信號(hào)也存在相關(guān)。從頻率域分析：非均勻的長時(shí)功率譜密度，從相當(dāng)長的時(shí)間內(nèi)統(tǒng)計(jì)平均，語音信號(hào)的功率譜呈現(xiàn)強(qiáng)烈的非平坦性，這說明語音信號(hào)對(duì)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(shí)功率譜密度，語音信號(hào)的短時(shí)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(gè)共振峰頻率決定，隨著頻率的增高，對(duì)整個(gè)功率譜的影響會(huì)快速遞減。語音壓縮的第二個(gè)依據(jù)是利用人類聽覺的感知機(jī)理，其影響主要表現(xiàn)在三個(gè)方面： “掩蔽”效應(yīng)，即一個(gè)強(qiáng)音能夠抑制另一個(gè)同時(shí)存在的弱音的聽覺，利用這一性質(zhì)可以抑制與信號(hào)同時(shí)存在的量化噪聲。人的聽覺對(duì)低頻語音比較敏感，而對(duì)高頻語音不太敏感，這主要是因?yàn)闈嵋舻闹芷诤凸舱穹?。通過對(duì)人耳做短時(shí)的頻率分析，表明人耳對(duì)信號(hào)的音調(diào)很敏感，但對(duì)信號(hào)相位感知不敏感。人耳聽不到或感知極不靈敏的語音信號(hào)都可以認(rèn)為是冗余，可以利用這些特性進(jìn)行語音數(shù)據(jù)壓縮。對(duì)語音信號(hào)進(jìn)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?，所以?duì)語音壓縮編碼技術(shù)的研究一直是一個(gè)熱點(diǎn)，特別是近十多年來，語音編碼技術(shù)取得了突飛猛進(jìn)的發(fā)展，出現(xiàn)了多個(gè)國際標(biāo)準(zhǔn)和區(qū)域標(biāo)準(zhǔn)，己具備比較完善的理論和技術(shù)體系，隨著高速信號(hào)處理器的誕生，使多種算法復(fù)雜、計(jì)算量很大的編碼技術(shù)的實(shí)時(shí)化變得容易起來，語音壓縮編碼進(jìn)入實(shí)用階段。建立語音信號(hào)的數(shù)字模型對(duì)于語音處理具有重要的意義。人們對(duì)語音信號(hào)進(jìn)行大量的分析、模擬和實(shí)驗(yàn)以后，得出了語音信號(hào)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(hào)的產(chǎn)生，也就是利用數(shù)字信號(hào)處理技術(shù)來實(shí)現(xiàn)發(fā)音器官的模擬。為了使?jié)嵋舻臎_激信號(hào)具有聲門脈沖的實(shí)際波形，還需要使上述的沖激序列通過一個(gè)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(jī)噪聲發(fā)生器 Au 語音信號(hào)的數(shù)字模型該模型包括三個(gè)部分：激勵(lì)源、聲道模型和輻射模型[9]。激勵(lì)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(shí)，激勵(lì)信號(hào)由一個(gè)周期脈沖發(fā)生器產(chǎn)生，產(chǎn)生的序列是一個(gè)頻率等于基音頻率的沖激序列。對(duì)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(lì)信號(hào)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(hào)的幅度。清音時(shí)，激勵(lì)信號(hào)由一個(gè)隨機(jī)噪聲發(fā)生器產(chǎn)生。可設(shè)定其平均值為 0，其自相關(guān)函數(shù)是一個(gè)單位沖激函數(shù)。這表明它的任何兩個(gè)不同樣點(diǎn)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(hào)的幅度[10]。聲道模型 V(z)給出了離散時(shí)域的聲道傳輸函數(shù)，把實(shí)際聲道作為一個(gè)變截面聲管加以研究，采用流體力學(xué)的方法可以導(dǎo)出，在大多數(shù)情況下 V(z)是一個(gè)全極點(diǎn)函數(shù)。因此，V(z)可以表示為： （）式中，a0=1，ai為實(shí)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(gè)全極點(diǎn)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(shí)際傳輸函數(shù)的吻合程度就越高。一般地，對(duì)大多數(shù)實(shí)際應(yīng)用而言，p 值取 8~12。若 p 取偶數(shù)，一般有 p/2 對(duì)共軛極點(diǎn)，極點(diǎn)的頻率分別與語音的各個(gè)共振峰相對(duì)應(yīng)。輻射模型 R(z)與嘴型有關(guān)，一般可以表示為： （）在這個(gè)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(shí)間而變化的。對(duì)于聲道參數(shù)而言，在 10~30ms 的時(shí)間間隔內(nèi)可以認(rèn)為它們保持不變，因此語音的短時(shí)分析幀長一般取為 10~30ms 左右。對(duì)激勵(lì)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(huì)存在大量的冗余成分，直接經(jīng)信道進(jìn)行傳輸將會(huì)造成帶寬的極大浪費(fèi)。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(hào)是通信系統(tǒng)中使用最多的信源之一，它是模擬信號(hào)，而現(xiàn)代通信系統(tǒng)