第3章聲音2數(shù)字語(yǔ)音的壓縮編碼-文庫(kù)吧資料
2024-10-06 16:14本頁(yè)面
【正文】 3) R(2) R(1) R(0) R(1) R(2) a8 R(8) R(8) R(7) R(6) R(5) R(4) R(3) R(2) R(1) R(0) R(1) a9 R(9) R(9) R(8) R(7) R(6) R(5) R(4) R(3) R(2) R(1) R(0) a10 R(10) = 其中 R(k) ＝ ∑s(n) 聲道 聲帶 空氣 語(yǔ)音 2020/11/4 南京大學(xué)多媒體研究所 29 語(yǔ)音生成過(guò)程（ 2） ? 聲道濾波器由肺部空氣經(jīng)過(guò)聲帶而激勵(lì)，根據(jù)激勵(lì)的模式，語(yǔ)音可分成 2類(lèi)： 濁音（時(shí)間域） – 濁音 Voiced sounds （聲帶震動(dòng)，產(chǎn)生準(zhǔn)周期的空氣脈沖激勵(lì)信號(hào)，送入聲道） 清音（時(shí)間域） – 清音 Unvoiced sounds（聲帶不振動(dòng)，聲門(mén)始終處于“開(kāi)”狀態(tài)，送入聲道的空氣激勵(lì)信號(hào)是一種無(wú)周期性的噪音信號(hào)） 2020/11/4 南京大學(xué)多媒體研究所 30 語(yǔ)音生成的聲道濾波器模型 (1) 2020/11/4 南京大學(xué)多媒體研究所 31 語(yǔ)音生成的聲道濾波器模型 (2) LPC模型 = (a1, a2, a3, a4, a5, a6, a7, a8, a9, a10, G, V/UV, T) 脈沖序列發(fā)生器 隨機(jī)噪聲發(fā)生器 基音周期 T (聲帶振動(dòng) ) (聲帶不振動(dòng) ) UV(清音 ) V(濁音 ) H(z) 聲 道 參 數(shù) a1 a2 a3 a10 ... 語(yǔ)音 (聲道濾波器 ) s(n) 增益 G u(n) 激勵(lì)信號(hào) 2020/11/4 南京大學(xué)多媒體研究所 32 ? 語(yǔ)音是一個(gè)近似的短時(shí) (10~30ms)平穩(wěn)隨機(jī)過(guò)程， LPC模型的參數(shù) A = (a1, a2, a3, a4, a5, a6, a7, a8, a9, a10, G, V/UV, T)變化比較慢 , 大約每 20ms變化一次； ? 假設(shè)語(yǔ)音信號(hào)的取樣頻率為 8kHz，將每秒鐘分成 50幀，每幀 20ms(其中有 20x8=160個(gè)樣本 ) ，每一幀的所有信號(hào)近似地滿(mǎn)足同一模型，即每一幀語(yǔ)音可以使用同一組參數(shù)來(lái)表示 : ? 濁音還是清音（ 1位） ? 濁音的基頻 T（ 6位） ? 音源的幅度 G（ 5位） ? 線(xiàn)性濾波器的參數(shù) （ 10個(gè)參數(shù)，每個(gè)參數(shù) 6位，共 60位） 語(yǔ)音的參數(shù)編碼（ LPC分析） —— 從已知的數(shù)字語(yǔ)音信號(hào)中提取參數(shù) 所以，每秒總碼率為： 50 x 72 bits = 3600 bps = 2020/11/4 南京大學(xué)多媒體研究所 33 2 如何確定 LPC的系數(shù) (1) ? 對(duì)聲音波形的編碼實(shí)際就轉(zhuǎn)化為如何提取語(yǔ)音生成模型的參數(shù)，經(jīng)典的方法是線(xiàn)性預(yù)測(cè)編碼 LPC。 提取語(yǔ)音生成參數(shù) 語(yǔ)音生成模型 （編碼器） 語(yǔ)音參數(shù) 數(shù)字語(yǔ)音 使用參數(shù)合成語(yǔ)音 語(yǔ)音生成模型 （解碼器） 重建的語(yǔ)音 2020/11/4 南京大學(xué)多媒體研究所 28 語(yǔ)音生成過(guò)程 （ 1） ? 空氣由肺部呼出，經(jīng)過(guò)聲帶，送入聲道，最后從嘴唇呼出，產(chǎn)生聲音。 ? 不同子頻帶作不同的 ADPCM編碼處理，然后再?gòu)?fù)合在一起。 ? ADPCM應(yīng)用： ? 數(shù)字語(yǔ)音通信 ? 多媒體應(yīng)用中的語(yǔ)音（解說(shuō)詞） 2020/11/4 南京大學(xué)多媒體研究所 23 3. Subband coding (子帶編碼 ) ? 基本原理： ? 利用帶通濾波器 (BPF)把聲音信號(hào)按頻率范圍劃分成幾個(gè)組成部分 (子頻帶，子帶 ) ? 低頻部分能量較集中，量化精度要高，取樣頻率可稍低。 ? 可以是瞬時(shí)自適應(yīng)，即量化階的大小每隔幾個(gè)樣本就改變，也可以是音節(jié)自適應(yīng)，即量化階的大小在較長(zhǎng)時(shí)間周期里發(fā)生變化。 ) 實(shí)際樣本值 線(xiàn)性預(yù)測(cè)公式： Xn = A1*Xn1 + A2*Xn2 + ... + Am*Xnm _ 線(xiàn)性預(yù)測(cè)器 逆量化器 Q 1 + 預(yù)測(cè)值 差值 重建信號(hào) DPCM 編碼輸出 ? 利用樣本與樣本之間存在的相關(guān)性進(jìn)行編碼，即根據(jù)前面的樣本估算當(dāng)前樣本的大小，然后對(duì)預(yù)測(cè)誤差進(jìn)行量化編碼。)(2139。 nnn ffe 39。 2. 利用自適應(yīng)的思想改變量化階的大小，即使用小的量化階 (stepsize)去編碼小的差值，使用大的量化階去編碼大的差值， ? 效果：量化位數(shù)可以顯著減少，從而降低了總的碼率。 碼率＝ 104 kbps 碼率＝ 8位 x 8k＝ 64 kbps 2020/11/4 南京大學(xué)多媒體研究所 12 對(duì)數(shù)變換 F=ln(x) ? 目的 : 適應(yīng)聽(tīng)覺(jué)的非線(xiàn)性特性；壓縮數(shù)據(jù)。第 3章 聲音 (2) — 數(shù)字語(yǔ)音的壓縮編碼 2020/11/4 南京大學(xué)多媒體研究所 2 內(nèi)容 一、引言 二、數(shù)字語(yǔ)音的波形編碼 三、數(shù)字語(yǔ)音的參數(shù)編碼 四、數(shù)字語(yǔ)音的混合編碼 一、引 言 2020/11/4 南京大學(xué)多媒體研究所 4 數(shù)字語(yǔ)音壓縮編碼的必要性 ? 碼率 = 取樣頻率 x 量化位數(shù) x 通道數(shù)目 例 : 電話(huà)語(yǔ)音 =8k x 8b x 1 = 64kbps =8kB/s=28MB/h ? 對(duì)數(shù)字語(yǔ)音進(jìn)行數(shù)據(jù)壓縮的目的 : ? 提高通信 /存儲(chǔ)效率 ? 降低通信 /存儲(chǔ)成本 2020/11/4 南京大學(xué)多媒體研究所 5 數(shù)字語(yǔ)音壓縮編碼的可能性 ? 聲音信號(hào)中包含有大量的冗余信息 ? 鄰近樣本之間有很大的相關(guān)性 ? 周期之間的相關(guān)性 ? 基音之間的相關(guān)性 ? 長(zhǎng)時(shí) （ 幾十秒 ） 自相關(guān)性 ? 話(huà)音間歇 （ 靜音 ） ? 可以利用人的聽(tīng)覺(jué)感知特性進(jìn)行壓縮 , ? 可以利用語(yǔ)音信號(hào)的生成機(jī)理進(jìn)行數(shù)據(jù)壓縮 。 2020/11/4 南京大學(xué)多媒體研究所 6 對(duì)語(yǔ)音數(shù)據(jù)壓縮的要求 ? 碼率低（ bitrate） ? 質(zhì)量高（ quality ： excel
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1