语音编码基础知识

其基本思想是：大的输入信号采用大的量化
间隔，小的输入信号采用小的量化间隔。在满足精
度要求的情况下用较少的位数来表示。译码时，采
用相同的规则。也可视为将信号进行非线性变换后 再作均匀量化，如对信号进行对数压缩，微弱的信 号被放大，强的信号被压缩。译码时，指数扩张。 xa(nT)
非线性 压缩
均匀 量化
√语音信号压缩编码的原理及其评价系统
一、语音压缩的基本依据
二、语音编码的关键技术 三、语音压缩系统的性能指标和评测方法
一、语音压缩的基本依据
是语音信号的冗余度和人的听觉感知机理。
1.存在的时域冗余度：
（1）幅度非均匀分布
（2）语音信号样本间的相关性很强
（3）浊音具有准周期
（4）声道的形状及其变化缓慢
F ( x(n)) X a max | xa (nT ) | ln 1 X a max sgn[ x (nT )] a ln( 1 wenku.baidu.com)
A 律压扩
A | xa (nT ) | / X A max sgn[ xa (nt)] 1 ln A F ( x(n)) X 1 lnA | xa (nT ) | / X A max sgn[ x (nt)] A max a 1 ln A | xa (nT ) | 1 0 X A A max 1 | xa (nT ) | 1 A X A max
接收器
模数转换
压缩编码
IP封装 网 络
播放器
数模转换
解码
IP解包
二、编码速率（信息容量）
用比特/秒（b/s或bps）来度量，用I表示，有：
I=R
•
fs ,R代表每个语音采样值编码所需的比
特数；fs是采样频率。
当fs=8kHz，每个采样值用8比特位来编码，则
编码速率为64kb/s。
三、编码的分类 1.波形编码(waveform coding)：基本原理是在时 间轴上对模拟话音信号按照一定的速率来抽样，然 后将幅度样本分层量化，并使用代码来表示。在接 收端将收到的数字序列经过解码恢复到原模拟信号， 保持原始语音的波形形状。话音质量高，编码速率 高。如PCM编码类（a率或u率PCM、ADPCM 、ADM)， 编码速率为64－16kb/s，语音质量好。
平均意
见得分和DAM：Diagnostic Acceptability Measure
MOS得分为五级:优、良、可、差和坏。 满分为5分，相当调频广播质量；4分以上是 长途电话网标准；3.5分为通信标准； 3.0分 仍有较好的可懂度，保持自然度；2.5分只维 持可懂度， 是战术通信标准。
客观评价方法 （1）波形失真度，用信噪比来度量
p
A( z ) W ( z) A( z / )
1 a k z k 1 a k z
k k 1 k 1 p k
输入 语音 x(n)
线性 预测 分析
感觉 后继处理 加权 滤波器
三、语音压缩系统的性能指标和评测方法 1.语音压缩系统的性能指标 （1）编码速率 （2）编码器的顽健性 （3）编码器的时延
编码类。编码速率低，2.4-1.2kb/s，自然度低，
对环境噪声敏感。
3.混合编码(Hybrid coding)： 将波形编码与参数编码相结合，在2.4-1.2kb/s 速率上能够得到高质量的合成语音。规则码激励长
时预测编码RPE—LPT即为混合编码技术。混合编码
包括若干语音特征参量又包括部分波形编码信息，
以达到波形编码的高质量和参量编码的低速率的优
点。
四、已经标准化的语音编码
指定组织：国际电信联盟 ITU-T， http://www.itu.int
标准
G.711
编码速率 (kb/s) 64 32
5.3
算法
u律或a律PCM
MOS得 应用 分 4.3 公用网 4.1
3.2
G.721
G.723.1
ADPCM
四、自适应差分脉冲编码ADPCM
五、自适应预测器
六、自适应量化器
七、ADPCM的总结
一、非均匀量化的PCM编码
均匀量化时，无论大的输入信号还是小的输入
信号一律采用相同的量化间隔，为了适应大的输入
信号，同时又要满足精度要求，就需要增加样本的
位数。 =2V/L=2V/2R，但是对话音信号来说，大 信号出现的机会并不多，增加的样本数就没有充分 利用。因此采用非均匀量化。
ACELP
公用网
无线网
G.729
GSM
8
13
CS-ACELP
RPE-LTP
3.8
3.9
无线网
无线网
(1)ADPCM：自适应差分脉冲编码 adaptive difference pulse code modulation
(2)CELP ： 码 本 激 励 线 性 预 测 （ code excited linear prediction） (3)ACELP ： 代 数 码 本 激 励 线 性 预 测 AlgebraicCode-Excited Linear-Prediction (4)CS-ACELP：共轭结构的代数码本激励线性预测 Conjugate Structure Algebraic-Code-Excited Linear-Prediction (5)RPE-LTP ：长时预测的规则脉冲激励的线性预 测 Regular-Pulse Excited LPC with a Long-Term Predictor
（1）输入xa(nT)的范围归一化为（－1～＋1）; （2）输出FA(x(n))的范围为（－1～＋1）； （3）A为压扩参数，它反映最大量化间隔和最小量化 间隔的比值。A=87.56
我国的PCM30/32路基群也采用A律13折线压 缩特性。μ律15折线主要用于美国、加拿大和日
本等国的PCM 24路基群中。
2.参数编码（声源编码 parametric coding）： 根据语音信号产生的数学模型，通过对语音信 号特征参数的提取后进行编码（将特征参数变换成 数字代码进行传输）。在接收端将特征参数，结合 数学模型，恢复语音，力图使重建语音保持尽可能 高的可懂度，重建语音信号的波形同原始语音信号
的波形可能会有相当大的区别。如线性预测（LPC）
1 1
i q ( D i ) b z i r
长时预测滤波器
D为基音周期，长时预测系数{bi}的个数取1
（q=r=0）或3(q=r=1)。 D、{bi} 从语音信号中直 接提取。语音信号通过长时预测，得出基音周期、 增益（振幅大小）。
激励发生器
1 P( z)
e(n)
1 A( z )
x(n)
字存储的必要过程。
随着语音通信技术的发展，压缩语音信号的传
输带宽，降低信道的传输速率，一直是人们追求的
目标。语音编码在实现这一目标的过程中担当重要 的角色。 语音编码就是使表达语音信号的比特数目最小。
数字传输系统模型
信源
信源编码
信道编码 噪声
调制
传输通道
用户
信源解码
信道解码
解调
语音编码应用实例（IP电话）
C7： 表示信号的极性，称为极性码。0为正，1为负。
C6C5C4：表示段落序号，称为段落码。
000 001 010 011 100 101 110 111
C3C2C1C0 ： 表示每一段落的16个均匀划分的量化 级，称为段内码。 0000 0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111
把发音看成是以语音速率来传送，则语音编码的极限
速率为80bps,从数字化标准的编码速率64kbps，到极
限速率80bps，之间的距离，对于理论研究和实践有
着极大的吸引力。
二、语音编码的关键技术 语音信号中存在两种类型的相关性： （1）样点间的短时相关性 （2）相邻基音周期之间的长时相关性
1. 语音信号的短时预测模型
M 2 ( s (n)) SNR 10 * log M n 0 ( s ( n) s ˆ(n)) 2 n 0

（2）频谱失真测量 （3）谱包络失真测量
语音信号的波形编码
一、非均匀量化的PCM编码 二、增量调制编码 三、自适应增量调制编码
编码
解码
非线性 扩张
x'(nT)
现在的非均匀量化中，一般采用两种压缩扩张非 均匀量化方法。采样后信号幅度和量化数据之间有两 种对应关系，一种称为u 律压扩（companding）算法， 另一种称为A 律压扩算法。 u 律压扩主要用于北美 和日本等地区的电话通信中。 A 律压扩主要用在欧 洲和中国的地区的电话通信中。 u 律压扩
对输入动态范围为（-5v,+5v）， 用A律压扩编码，有：
1
7
6 5
5v
输入信号为1.05v，则编码为： 极性码： 0 段落码：101 段内码： =(1.25-0.625)/16 = 0.0390625 (1.05-0.625)/ =10.88 取整数10，对应第10量化间隔， 编码为1010 最后完整的码字为：
CCITT建议G.711规定上述两种折线近似压缩
律为国际标准，且在国际间数字系统相互连接时，
要以A律为标准。 因此这里重点介绍A律13折线。
FA(x)
1
7/8 6/8 5/8 4/8 3/8 2/8 1/8 0 1 1 1 1 32 16 8 128 1 64
1 4
1 2
1
xa(nT)
A律压扩编码 采用8位二进制编码：C7C6C5C4C3C2C1C0
e(n)
1 H ( z) A( z )
1 1 ak z
k 1 p k
x(n)
短时预测滤波器
x(n) e(n) a k x(n k )
k 1
p
2.语音信号的长时预测
长时 x(n-p),x(n-p+1),….x(n-1) 线性 预测 x(n)
1 H ( z) P( z )
（2）网络或电话级
（3）通信级 （4）合成级 语音质量有主观和客观两种评价方法。
主观评价方法 评价指标：清晰度或可懂度、音质。前者是指语音
是否容易听清楚；后者指语音听起来有多自然。
（1）可懂度评价 DRT：Diagnostic Rhymer Test
（2）音质评价： MOS：Mean Opinion Score 判断满意度得分。
语音编码（speech coding）
√概述
√语音信号压缩编码的原理及其评价系统 √语音信号的波形编码 √语音信号的参数编码
√语音信号的混合编码
√概述
一、编码（压缩）的重要性
二、编码速率（信息容量）
三、编码的分类
四、已经标准化的语音编码
一、编码（压缩）的重要性 编码、传输、存储和译码是语音数字传输和数
完整的语音信号的预测模型
3.感觉加权滤波器
由于掩蔽效应，在语音频谱中，能量较高的频 段（共振峰处）的噪声相对于能量较低的频段的噪 声不易被感觉。在度量原始语音和合成语音之间的 误差时，在高能量段允许误差大，因此引入一个频
域的感觉加权滤波器W(z)来衡量语音之间的误差。
加权因子在0～1之间,控制共振峰区域的误差增加。
（5）语音间隙（静止系数）
2.存在的频域冗余度： （1）非均匀的长时功率谱密度 （2）短时功率谱密度
女声英文a的功率谱
3.人的听觉感知机理 （1）人类的听觉特性具有掩蔽效应 （2）人耳对不同频段声音的敏感程度不同
（3）人耳对语音相位不敏感
4. 语音编码的极限速率 语音中最基本的元素是音素，大约有128～256个， 如果按通常的说话速度，每秒平均发出10个音素，则 信息率为： I=[log2(256)10]bps=80bps
（4）算法的复杂度和可扩展性
编码延时 一般地，编解码算法越复杂，延时越大，会明显
感觉到通话对方反映“迟钝”，甚至造成正常通信困
难。 另外一方面，延时造成回声，传统的电话系统中， 在2-4 线的转换处（混合线圈）因阻抗不匹配，导致 接收者的收话音信号泄露到其发送路径上，返回给发
送者，形成了回声。当延时小时，回声同房间交混，
因此感觉不到；当延迟超过了25ms，能明显感觉到，
从而严重影响通信。
一般地，要求编解码延时不超过5－10ms。
A端的信号＋B端经混 合线圈的回传信号
A端 B端的信号＋A端经混 合线圈的回传信号
B端
2.语音压缩系统的性能指标和评测方法 语音质量是衡量语音编码算法优劣的关键性能之 一。语音质量通常分为四类： （1）广播级