多媒體技術(shù)話音編碼

多媒體技術(shù)話音編碼第一頁，共三十二頁，2022年，8月28日主要內(nèi)容話音的形成原理話音編譯碼器原理脈沖編碼調(diào)制（PCM）增量調(diào)制與自適應(yīng)增量調(diào)制自適應(yīng)差分脈沖編碼調(diào)制（ADPCM）子帶編碼其他編碼2第二頁，共三十二頁，2022年，8月28日話音的形成原理

肺中的空氣受到擠壓形成氣流，氣流通過聲門（聲帶）沿著聲道（由咽、喉、口腔等組成）釋放出去，就形成了話音。氣流、聲門可以等效為一個激勵源，聲道可以等效為一個時變?yōu)V波器（共振峰）。話音信號具有很強的相關(guān)性（長期相關(guān)、短期相關(guān)）。3第三頁，共三十二頁，2022年，8月28日話音的分類濁音（voicedsounds）：聲道打開，聲帶在先打開后關(guān)閉，氣流經(jīng)過使聲帶要發(fā)生張馳振動，變?yōu)闇手芷谡駝託饬?。濁音的激勵源被等效為準周期的脈沖信號。清音（unvoicedsounds）：聲帶不振動，而在某處保持收縮，氣流在聲道里收縮后高速通過產(chǎn)生湍流，再經(jīng)過主聲道（咽、口腔）的調(diào)整最終形成清音。清音的激勵源被等效為一種白噪聲信號。爆破音（plosivesounds）：聲道關(guān)閉之后產(chǎn)生壓縮空氣然后突然打開聲道所發(fā)出的聲音。4第四頁，共三十二頁，2022年，8月28日話音產(chǎn)生的數(shù)字模型周期脈沖序列發(fā)生器偽隨機噪聲產(chǎn)生器周期時變數(shù)字濾波器音量控制聲道參數(shù)語音輸出濁/清選擇5第五頁，共三十二頁，2022年，8月28日話音技術(shù)的研究熱點話音壓縮編碼（SpeechCoding）話音識別（SpeechRecognition）文本話音轉(zhuǎn)換（TextToSpeech）6第六頁，共三十二頁，2022年，8月28日話音編譯碼器A/D話音編碼信道編碼信道信道譯碼話音譯碼D/A7第七頁，共三十二頁，2022年，8月28日衡量話音編碼器的參數(shù)數(shù)據(jù)輸出速率延遲時間話音質(zhì)量價格（實現(xiàn)代價）8第八頁，共三十二頁，2022年，8月28日語音質(zhì)量等級劃分廣播質(zhì)量：帶寬為7000Hz的高質(zhì)量話音長途電話質(zhì)量：帶寬為3400Hz，信噪比為30db，有失真通信質(zhì)量：完全可以聽懂，但和長途電話質(zhì)量相比有明顯的失真。合成質(zhì)量：80％－90％的可懂度，聽起來象機器講話，失去了講話者的特征9第九頁，共三十二頁，2022年，8月28日話音編譯碼器的分類波形編譯碼器（waveformcoder）：不利用生成話音的信號的任何知識，將話音視為一種普通的聲音，直接對波形信號進行采樣和量化。例如PCM、DPCM、ADPCM等。音源編譯碼器（Sourcecoder）：也叫參數(shù)編譯碼器、聲碼器（vocoder）。它從話音波形信號中提取話音生成模型的參數(shù)，使用這些參數(shù)通過話音生成模型重構(gòu)出話音?；旌暇幾g碼器（Hybridcoder）：綜合使用上述兩種技術(shù)。使用的激勵信號波形盡可能接近于原始話音信號的波形。例如CELP。10第十頁，共三十二頁，2022年，8月28日三種話音編譯碼器的對比11第十一頁，共三十二頁，2022年，8月28日語音信號的冗余度幅度非均勻分布樣本之間的相關(guān)性周期之間的相關(guān)性基音之間的相關(guān)性靜止系數(shù)（話音間隙）長期相關(guān)性（longtermcorrelation）12第十二頁，共三十二頁，2022年，8月28日脈沖編碼調(diào)制（PCM）PulseCodeModulation13第十三頁，共三十二頁，2022年，8月28日PCM的量化方式均勻量化與非均勻量化14第十四頁，共三十二頁，2022年，8月28日非均勻量化對小信號采用小的量化間隔，對大信號采用大的量化間隔，這樣可以用較少的位數(shù)編碼。對大信號來說，雖然絕對量化誤差較大，但是因為：（1）大信號出現(xiàn)的機會不多，（2）信噪比（相對誤差）與小信號是一致的，所以對總的話音質(zhì)量影響不大。非均勻量化也是一種壓縮。15第十五頁，共三十二頁，2022年，8月28日μ律壓擴與A律壓擴m

律(m-Law)壓擴(G.711)主要用在北美和日本等地區(qū)的數(shù)字電話通信中。x為x為輸入信號，規(guī)格化為－1<=x<=1m

為確定壓縮量的參數(shù)，它反映最大量化間隔和最小量化間隔之比，取100<=

m

<=500。16第十六頁，共三十二頁，2022年，8月28日μ律壓擴與A律壓擴0<=|x|<=1/A1/A

<=|x|<=1A律(A-Law)壓擴(G.711)主要用在歐洲和中國大陸等地區(qū)的數(shù)字電話通信中對于采樣頻率為8kHz，樣本精度為13位、14位或者16位的輸入信號，使用m

律壓擴編碼或者使用A律壓擴編碼，經(jīng)過PCM編碼器之后每個樣本的精度為8位，輸出的數(shù)據(jù)率為64kb/s。這個數(shù)據(jù)就是CCITT推薦的G.711標準。17第十七頁，共三十二頁，2022年，8月28日PCM與時分多路復(fù)用（TDM）18第十八頁，共三十二頁，2022年，8月28日差分脈沖編碼調(diào)制（DPCM)關(guān)鍵在于預(yù)測器與量化器的設(shè)計量化器預(yù)測器xkeke’kx’kx’’k-自適應(yīng)預(yù)測逆量化器自適應(yīng)量化階e’’k產(chǎn)生誤差19第十九頁，共三十二頁，2022年，8月28日差分脈沖編碼調(diào)制（DPCM)逆量化器預(yù)測器e’ke’’kx’kx’’k譯碼過程20第二十頁，共三十二頁，2022年，8月28日預(yù)測方程式

線性預(yù)測：如果ai是常數(shù)，則為時不變線性預(yù)測，否則為自適應(yīng)線性預(yù)測最簡單的預(yù)測方程：第二十一頁，共三十二頁，2022年，8月28日最簡單的DPCMx0121123344x’’0012112334e011-101101022第二十二頁，共三十二頁，2022年，8月28日增量調(diào)制(△M)增量調(diào)制(delta

modulation，DM)是一種預(yù)測編碼技術(shù)，是對實際的采樣信號與預(yù)測的采樣信號之差的極性進行編碼，將極性變成“0”和“1”這兩種可能的取值之一。如果實際的采樣信號與預(yù)測的采樣信號之差的極性為“正”，則用“1”表示；相反則用“0”表示。DM編碼系統(tǒng)又稱為“1位系統(tǒng)”。23第二十三頁，共三十二頁，2022年，8月28日自適應(yīng)增量調(diào)制(ADM)CVSD（連續(xù)可變斜率增量調(diào)制）：如果編碼器的輸出連續(xù)出現(xiàn)三個相同的值，量化階就加上一個大的增量；反之，就加一個小的增量。24第二十四頁，共三十二頁，2022年，8月28日自適應(yīng)脈沖編碼調(diào)制（APCM）APCM是一種根據(jù)輸入信號幅度大小自動改變量化階大小的一種波形編碼技術(shù)。25第二十五頁，共三十二頁，2022年，8月28日自適應(yīng)差分脈沖編碼調(diào)制自適應(yīng)差分脈沖編碼調(diào)制（ADPCM）綜合了APCM的自適應(yīng)特性和DPCM系統(tǒng)的差分特性26第二十六頁，共三十二頁，2022年，8月28日自適應(yīng)差分脈沖編碼調(diào)制ADPCM是利用樣本與樣本之間的高度相關(guān)性和量化階自適應(yīng)來壓縮數(shù)據(jù)的一種波形編碼技術(shù)，CCITT為此制定了G.721推薦標準，這個標準叫做32kb/sADPCM。在此基礎(chǔ)上還制定了G.721的擴充推薦標準G.723，使用該標準的編碼器的數(shù)據(jù)率可降低到40kb/s和24kb/s。G.721的輸入信號是G.711PCM代碼，它的數(shù)據(jù)率為64kb/s。而G.721ADPCM的輸出是用4位表示的差分信號，它的采樣率仍然是8kHz，它的數(shù)據(jù)率為32kb/s，這樣就獲得了2∶1的數(shù)據(jù)壓縮。27第二十七頁，共三十二頁，2022年，8月28日子帶－自適應(yīng)差分脈沖編碼調(diào)制

28第二十八頁，共三十二頁，2022年，8月28日G.722編碼標準G.722是CCITT推薦的音頻信號編碼譯碼標準。G.722標準的數(shù)據(jù)率為64kb/s，采樣頻率由8kHz提高到16kHz，是G.711PCM采樣率的2倍，因而要被編碼的信號頻率由原來的3.4kHz擴展到7kHz。這就使音頻信號的質(zhì)量有很大改善，由數(shù)字電話的話音質(zhì)量提高到調(diào)幅(AM)無線電廣播的質(zhì)量。29第二十九頁，共三十二頁，2022年，8月28日其它語音編碼方法線性預(yù)測聲碼器（LPC－10，LPC－10e）數(shù)據(jù)速率為2.4kb/s。多脈沖激勵線性預(yù)測編碼器（MPE－LPC）數(shù)據(jù)速率為10kb/s