MELP_CELP混合语音编码方法研究

李建磊 等：MELP/CELP混合语音编码方法研究
基音周期 浊音强度 语音 预处理 基音周期和浊 音强度计算 基音周期 浊音强度 是否为 强浊音 否 基音周期 是 MELP 编码 量化
LP分析
LP 系数
CELP编码
图 1 MELP/CELP 混合编码器
2.2 相位对齐 对齐相位 φ A 是为了保持合成信号和原始信号 的时间同步， 它是使得 MELP 激励信号的与线性预 测余量信号相关性最大的线性相位。 φ Ak 是第 k 帧 的对齐相位， ωk = 2 π/Pk 是第 k 帧的基频。每一点 的相位和角频率要通过插值获得，一般采用三次的 多项式插值[5]：
1 MELP 算法模型和关键技术
语音编码可分为参数编码和波形编码两个大 类。波形编码在速率较高时可得到很好的合成语音 质量, 但当码率降到 16 kbit/s 以下时, 其合成语音 质量会急剧下降。而以线性预测模型为基础的参数 编码方法则能很好的压缩语音的编码速率，下面介 绍参数编码中比较常用的 MELP 模型。 鉴于 LPC 模型中存在的一些缺陷， MELP 模型 中有针对性的进行了改进。LPC 中对语音的分类和 激励过于简单的问题，MELP 模型采用了周期脉冲 和白噪声的混合激励；对于帧内基音周期的时变特 性，把语音分为浊音、清音和抖动浊音，对于抖动 浊音采用了非周期的脉冲激励；针对二元激励 LPC 忽略了激励信号的形状信息， 在 MELP 中增加了激 励信号的傅立叶谱的幅度。此外，MELP 还加入了 脉冲散布滤波器和自适应谱增强滤波器来提高语 音质量， 下面简介一下 MELP 中的几个关键的技术。 1.1 混合脉冲和噪声激励
基音周期 浊音强度
语音
预处理
基音周期和浊 音强度计算
基音周期 浊音强度
是否为 强浊音 否
是
传统 MELP编码
对齐相位计算
相位对齐变换
基音周期
LP分析
LP 系数
CELP编码
量化
图 2 改进后的 MELP/CELP 混合编码器
2.4 试验结果 采用上面论述的混合编码器对一段时长 2.5960 s、20768 个样点的纯语音进行处理。可以得 到与 32 kb/s 的 ADPCM 相近的语音质量，具有很 好的自然度和清晰度。非正式 MOS 得分可以达到 3.80。 进而采用混合编码器对一段 3.6590 s、29272 个
2 MELP 和 CELP 结合编码
MELP 在稳定的强周期性的语音段，可以得 到高质量的重构语音。但是在爆破音、过渡音、 清音段则效果不是很好。这是因为在强周期性的 浊音段，有稳定的参数可以提取，而且参数比较 简单，最主要的就是基音周期，可以较为精确的 描述该语音段的激励信号。而在非周期性或不具 备很严 格的 周期性 的语 音段则 统一 的采用 白噪 声，不能精确的描述语音的激励信号。而码激励 线性预测（ CELP）[2]编码则因其是以匹配原始语 音的波形为目的，而在非周期或不严格周期语音 段有着很好的效果；而这种编码方法却不能象一 般的参数编码一样，在强周期性语音段灵活的调 节基音周期等，从而精确的匹配原始语音。 从上面的分析， 我们可以看到， MELP 和 CELP 这两种编码方法在适用的范围上是互补的，我们下 面就讨论一下如何把这两种方法结合在一起。 2.1 MELP/CELP 混合编码简介 在这种混合编码器的编码端，我们把 20 ms 的 语音分为一个语音帧，再把语音帧分为三类：强浊 音、弱浊音、清音。这种分类是根据浊音强度和基 音周期来分的。没有基音周期可言，也就是不具备 周期性，而且浊音强度很低的可以分为清音；如果 基音周期不是很稳定，变化较快，浊音强度不是很 高，这种语音帧我们认为是弱浊音帧；如果基音周 期很稳定，浊音强度很高，这种语音帧我们分为强 浊音帧。对于被确定为强浊音的语音帧，我们采用 MELP 方法编码；对于被确定为弱浊音或清音的语 音帧，我们采用 CELP 方法编码。该方法编码器的 框图如图 1。 由于 CELP 是以保持原始语音的波形为目的 的，所以它的合成语音会与原始语音保持时间同 步。 而作为一种典型的参数编码的 MELP 则主要是 提取并编码激励信号的波形参数。在强浊音帧使用 MELP 编码，主要是提取了原始语音的周期方面的 参数，而没有保留相位方面的信息，这就无法与原 始语音保持时间的同步。 把参数编码和基于波形的编码混合使用在文 献[3]、 [4]中提出过。 但是如果简单的在两者之间切 换就会引入噪声， 我们在 MELP 中加入了相位对齐 并编码，从而保证和原始语音的时间同步。
2008年第 1 期
声学与电子工程
总第 89 期
MELP/CELP 混合语音编码方法研究
李建磊 1 马 震 2 陈延萍 3 （1 山东师范大学管理学院，济南，250014；2 滨州学院计算机科学系，滨州，256600） (3 山东移动滨州分公司，滨州，256600）
摘要 介绍了混合激励线性预测（MELP）的算法特点和采用的几种关键技术。在 MELP 基础上，针 对 MELP 对周期性不强的语音帧（过渡帧、清音帧等）不能准确描述其激励形状，提出了采用 MELP/CELP 互补的混合编码方案，并在 MELP 中采用了相位对齐的方法。MATLAB 仿真发现 8 kb/s 的这种混合编码器 可以获得与 32 kb/s 编码速率的 ADPCM 相近的语音质量。 关键词 混合激励；码激励；对齐相位
H ASE ( Z −1 ) =
1 ⋅ A(0.5q ⋅ Z −1 ) A(0.8q ⋅ Z −1 )
1.5 散布脉冲 为了改善在非共振峰频率处合成语音与原始 语音的匹配，MELP 引入了散布脉冲滤波器。在浊 音中，每个基音周期并不只是一个主脉冲，声门关 闭不完全会产生很多的次要脉冲，引入这个滤波器 的目的就是要对合成语音作时域扩展处理，将集中 的脉冲激励能量散布开， 增加语音的平滑性。 MELP 中采用的散布脉冲滤波器的系数可以通过对三角 脉冲作 DFT 变换，然后去除掉低频部分，进行归 20
1 N −1 2 ∑ e (n) N n=0 1 N −1 ∑ e(n) N n=0
peakness =
多峰度的大小描述了峰值是否明显。 1.3 余量信号的傅立叶谱幅度 19
李建磊 等：MELP/CELP混合语音编码方法研究 我们知道各种对语音信号的激励的编码方法， 包括多脉冲、码激励、二元激励等都是为了更好的 描述余量信号的信息。在浊音中，余量信号所包含 的信息量要远远少于原始语音信号，首先在幅度范 围上就小于原始语音信号；而且包含较少的几个脉 冲， 形状上也要比原始语音信号要简单的多。 但是， 余量信号也是有一定形状的。如果只是采用周期性 的脉冲作为激励，虽然可以描述余量信号的周期性 信息，却失去了余量信号的形状信息，这就导致合 成语音质量的下降。 从时域来描述余量信号的形状信息是比较困 难的，因为对于按周期合成的语音来说，周期内的 余量信号的长度不定，这就会给量化带来很大的麻 烦，所以可以从频域来描述余量信号的形状信息。 在 MELP 中， 采用对各基音周期谐波处的傅立叶级 数幅度进行量化的方法来描述余量信号的形状信 息。 通过这种方法可以改善 LPC 合成语音中语音嘶 哑等弱点，而且提高了抗噪声的性能。 1.4 自适应谱增强 为了使合成语音的频谱能够在共振峰所处的 频带与原始的语音信号匹配得更好, 引入了自适应 谱增强。这是因为从时域看，LPC 合成语音两个主 激励之间会衰减的比自然语音要大的多；而从频域 看，LPC 滤波器的共振峰要比自然语音的共振峰要 缓和。为了解决这个问题, 引入了自适应谱增强滤 波器。它是一个零极点滤波器, 由两部分组成。第 一部分是一个全极点的滤波器, 用来增加每个共振 峰的带宽，由 LPC 滤波器在每个 z −1 前面乘以一个 因子 A= 0. 8 得到； 第二部分是为了减小前面全极点 滤波器的低通效应而引入， 为一个全零点的滤波器, −1 由 LPC 滤波器在每个 z 前面乘以一个因子 A=0.5 后求倒数得到，可以使处于波谷的信号值有所提 升。传输函数可以写为： 一化处理后再进行 IDFT 变换即可得到。
越来越多的信息需要通过有限频带的信道进 行传输，这就要求语音压缩编码技术除了具有较高 的合成语音质量外，还要尽可能地降低编码速率。 MELP 是 Alan V McCree 等人在原来 LPC 基础 上，吸收了多带激励的思想提出的[1]。本文介绍了 MELP 中的关键技术，并且根据 MELP 的特点，提 出了 MELP 和 CELP 相结合的编码方法，在这种方 法中把语音分成强浊音、弱浊音和清音三种类型， 对于强浊音使用 MELP 编码， 对于清音和弱浊音使 用 CELP 编码，并且提出了对齐相位的概念，可以 有效的消除两种编码方式时间不同步而产生的转 换噪音，最后对这种编码方法产生的语音进行了简 单的评估。
样点的含白噪声的语音进行编解码处理。与 32 kb/s 的 ADPCM 进行 A/B 测试，选择混合编码器语音与 选择 ADPCM 语音人数比为 17:13。非正式 MOS 得 分为 3.45。采用同样的方法，对加入汽车噪声的语 音进行处理，A/B 测试结果为 16:14，非正式 MOS 得分为 3.65。从试验结果来看，对于加入噪声的语 音，混合激励编码器也能很好的进行处理。 （下转第 25 页） 21
φP = φ A +
k k −1
ωk −1 + ωk
2
T
ω (t ) = 3a3t 2 + 2a2t + a1
其中 0 < t ≤ T ，T 是一帧的长度。多项式系数可以 如下求得：
并对多项式系数作如下修正：
a3 =
ω k −1 + ω k
T
2
−2
φ d'φA 2ω + ωk a2 = 3 k 2 k −1 − k −1 T T a1 = ωk −1
k k −1
a3 =
ωk −1 + ωk
φA − φA
a2 = 3