语音压缩编码技术
上传时间:2004-12-22
随着通信、计算机网络等技术的飞速发展，语音压缩编码技术得到了快速发展和广泛应用，尤其是最近20年，语音压缩编码技术在移动通信、卫星通信、多媒体技术以及IP电话通信中得到普遍应用，起着举足轻重的作用。
语音压缩编码技术的类别
语音编码就是将模拟语音信号数字化，数字化之后可以作为数字信号传输、存储或处理，可以充分利用数字信号处理的各种技术。为了减小存储空间或降低传输比特率节省带宽，还需要对数字化之后的语音信号进行压缩编码，这就是语音压缩编码技术。
语音的压缩编码方法归纳起来可以分为三大类：波形编码、参数编码和混合编码。
波形编码比较简单，失真最小，方法简单，但数码率比较高。
参数编码的编码速率可以很低，但音质较差，只能达到合成语音质量，其次是复杂度高。
混合编码吸收了波形编码和参数编码的优点，从而在较低的比特率上获得较高的语音质量，当前受到人们较大的关注。
语音压缩编码技术的发展
自从1937年A.H.Reeves提出脉冲编码调制(PCM)以来，语音编码技术已有60余年的发展历史。尤其近20年随着计算机和微电子技术的发展语音编码技术得到飞速发展。
CCITT于1972年确定64kb/sPCM语音编码G.711建议，它已广泛的应用于数字通信、数字交换机等领域，至今，64kb/s的标准PCM系统仍占统治地位。这种编码方法可以获得较好的语音质量但占用带宽较多，在带宽资源有限的情况下不宜采用。CCITT于80年代初着手研究低于64kb/s的非PCM编码算法，并于1984年通过了32kb/sADPCM语音编码G.721建议，它不仅可以达到PCM相同的语音质量而且具有更优良的抗误码性能，广泛应用于卫星，海缆及数字语音插空设备以及可变速率编码器中。随后，于1992年公布16kb/s低延迟码激励线性预测（LD-CELP）的G.728建议。它以其较小的延迟、较低的速率、较高的性能在实际中得到广泛的应用，例如：可视电话伴音、无绳电话机、单路单载波卫星和海事卫星通信、数字插空设备、存储和转发系统、语音信息录音、数字移动无线系统、分组化语音等。最后共轭代数码激励线性预测（CS-ACELP）的8kb/s语音编码G.729建议已在1995年11月ITU—TSG15全会上通过，并于1996年6月ITU—
TSG15末此会议上通过G.729附件A减少复杂度的8kb/sCS-ACELP语音编解码器，正式成为国际标准。这种编码方法延迟小，节省87.5%%的带宽，可以提供与32kb/s的ADPCM相同的语音质量，其音质是同档次码速率中最优的，而且在噪声较大的环境中也会有较好多语音质量。广泛应用于个人移动通信、低C/N数字卫星通信、高质量移动无线通信、存储/检索、分组语音和数字租用信道等领域。其它一些国际组织或国家也积极制定自己的标准。
语音压缩技术的现状及发展方向
语音压缩编码技术的发展是十分迅速的，CELP的编码速率较低，但复杂度较高，可以在4.8kb/s左右的码速率上获得较高质量的语音，是当今中低速率语音编码技术的主流技术之一，许多国际标准化组织及机构纷纷将这一编码方案作为语音编码标准。在对其改善质量、降低复杂度、减少编码延迟等方面都提出了不少新的方法，使CELP在实践中得到广泛应用。随着DSP技术的发展，CELP技术还具有一定的潜力，例如将G.729扩展到6.4kb/s，用于TDMA/CDMA移动无线系统和DCME。目前，语音压缩编码技术主要有两个努力方向：一个是中低速率的语音编码的实用化，及如何使用化过程中进一步减低编码速率和提高其抗干扰、抗噪声能力；另一个是如何进一步的降低其编码速率，目前已能在5kb/s-6kb/s的速率上获得高质量的重建语音，下一个目标则是要在4kb/s的速率上获得短延时、高质量的重建语音。特别是对中长延时编码，人们正在研究其更低速率（如400b/s-1200b/s）的编码算法，在这个过程中当编码速率降至2.4kb/s速率以下时，CELP 算法即使应用更高效的量化技术也无法达到预期的指标，需要其它一些更符合低速率编码要求的算法，目前比较好的算法还有正弦变换编码（STC）、混合激励线性预测编码（MELPC）、时频域插值编码（TFI）、基音同步激励线性预测编码（PSELP）等，同时还要求引入新的分析技术，如非线性预测、多精度时频分析技术（包括子波变换技术）、高阶统计分析技术等，这些技术更能挖掘人耳听觉掩蔽等感知机理，更能以类似人耳的特性作语音的分析与合成，使语音编码系统更接近于人类听觉器官的处理方式工作，从而在低速率语音编码的研究上取得突破。
第一章数字音频基础知识 主要内容 ?声音基础知识 ?认识数字音频 ?数字音频专业知识 第1节声音基础知识 1.1 声音的产生 ?声音是由振动产生的。物体振动停止，发声也停止。当振动波传到人耳时，人便听到了声音。 ?人能听到的声音，包括语音、音乐和其它声音（环境声、音效声、自然声等），可以分为乐音和噪音。 ?乐音是由规则的振动产生的，只包含有限的某些特定频率，具有确定的波形。 ?噪音是由不规则的振动产生的，它包含有一定范围内的各种音频的声振动，没有确定的波形。 1.2 声音的传播 ?声音靠介质传播，真空不能传声。 ?介质：能够传播声音的物质。 ?声音在所有介质中都以声波形式传播。 ?音速 ?声音在每秒内传播的距离叫音速。 ?声音在固体、液体中比在气体中传播得快。 ?15oC 时空气中的声速为340m/s 。 1.3 声音的感知 ?外界传来的声音引起鼓膜振动经听小骨及其他组织传给听觉神经，听觉神经再把信号传给大脑，这样人就听到了声音。 ?双耳效应的应用：立体声 ?人耳能感受到（听觉）的频率范围约为20Hz~ 20kHz，称此频率范围内的声音为可听声(audible sound)或音频(audio)，频率<20Hz声音为次声，频率>20kHz声音为超声。 ?人的发音器官发出的声音（人声）的频率大约是80Hz～3400Hz。人说话的声音（话音voice / 语音speech）的频率通常为300Hz～3000 Hz（带宽约3kHz）。 ?传统乐器的发声范围为16Hz (C2)～7kHz(a5)，如钢琴的为27.5Hz (A2)～4186Hz(c5)。 1.4 声音的三要素 ?声音具有三个要素： 音调、响度（音量/音强）和音色 ?人们就是根据声音的三要素来区分声音。 音调（pitch ） ?音调：声音的高低（高音、低音），由―频率‖（frequency）决定，频率越高音调越高。 ?声音的频率是指每秒中声音信号变化的次数，用Hz 表示。例如，20Hz 表示声音信号在1 秒钟内周期性地变化20 次。?高音：音色强劲有力，富于英雄气概。擅于表现强烈的感情。 ?低音：音色深沉浑厚，擅于表现庄严雄伟和苍劲沉着的感情。 响度（loudness ） ?响度：又称音量、音强，指人主观上感觉声音的大小，由―振幅‖（amplitude）和人离声源的距离决定，振幅越大响度越大，人和声源的距离越小，响度越大。（单位：分贝dB） 音色（music quality） ?音色：又称音品，由发声物体本身材料、结构决定。 ?每个人讲话的声音以及钢琴、提琴、笛子等各种乐器所发出的不同声音，都是由音色不同造成的。 1.5 声道
音频编码解码基本概念介绍 对数字音频信息的压缩主要是依据音频信息自身的相关性以及人耳对音频信息的听觉冗余度。音频信息在编码技术中通常分成两类来处理，分别是语音和音乐，各自采用的技术有差异。 语音编码技术又分为三类：波形编码、参数编码以及混合编码。 波形编码：波形编码是在时域上进行处理，力图使重建的语音波形保持原始语音信号的形状，它将语音信号作为一般的波形信号来处理，具有适应能力强、话音质量好等优点，缺点是压缩比偏低。该类编码的技术主要有非线性量化技术、时域自适应差分编码和量化技术。非线性量化技术利用语音信号小幅度出现的概率大而大幅度出现的概率小的特点，通过为小信号分配小的量化阶，为大信号分配大的量阶来减少总量化误差。我们最常用的G.711标准用的就是这个技术。自适应差分编码是利用过去的语音来预测当前的语音，只对它们的差进行编码，从而大大减少了编码数据的动态范围，节省了码率。自适应量化技术是根据量化数据的动态范围来动态调整量阶，使得量阶与量化数据相匹配。G.726标准中应用了这两项技术，G.722标准把语音分成高低两个子带，然后在每个子带中分别应用这两项技术。 参数编码：广泛应用于军事领域。利用语音信息产生的数学模型，提取语音信号的特征参量，并按照模型参数重构音频信号。它只能收敛到模型约束的最好质量上，力图使重建语音信号具有尽可能高的可懂性，而重建信号的波形与原始语音信号的波形相比可能会有相当大的差别。这种编码技术的优点是压缩比高，但重建音频信号的质量较差，自然度低，适用于窄带信道的语音通讯，如军事通讯、航空通讯等。美国的军方标准LPC-10，就是从语音信号中提取出来反射系数、增益、基音周期、清/浊音标志等参数进行编码的。MPEG-4标准中的HVXC声码器用的也是参数编码技术，当它在无声信号片段时，激励信号与在CELP时相似，都是通过一个码本索引和通过幅度信息描述；在发声信号片段时则应用了谐波综合，它是将基音和谐音的正弦振荡按照传输的基频进行综合。 混合编码：将上述两种编码方法结合起来，采用混合编码的方法，可以在较低的数码率上得到较高的音质。它的特点是它工作在非常低的比特率(4~16 kbps)。混合编码器采用合成分析技术。
CDMA的语音编码与信道编码 摘要：随着3G移动通信技术的逐步实现以及移动通信与互联网的融合，全球正迅速步入移动信息时代。CDMA已被广泛接纳为第三代移动通信的核心技术之一，它具有优越的性能。本文主要介绍CDMA中常用的语音编码技术与信道技术。 关键词：语音编码信道编码受激励线性编码码激励线性预测编码矢量和激励线性预测编码编码器解码器卷积码 1 CDMA中的语音编码技术 语音编码为信源编码，是将模拟信号转变为数字信号，然后在信道中传输。在数字移动通信中，语音编码技术具有相当关键的作用，高质量低速率的话音编码技术与高效率数字调制技术相结合，可以为数字移动网提供高于模拟移动网的系统容量。目前，国际上语音编码技术的研究方向有两个：降低话音编码速率和提高话音质量。 1.1 语音编码技术的分类 语音编码技术有三种类型：波形编码、参量编码和混合编码。 ●波形编码：是在时域上对模拟话音的电压波形按一定的速率抽样，再将 幅度量化，对每个量化点用代码表示。解码是相反过程，将接收的数字 序列经解码和滤波后恢复成模拟信号。波形编码能提供很好的话音质 量，但编码信号的速率较高，一般应用在信号带宽要求不高的通信中。 脉冲编码调制（PCM）和增量调制（ΔM）常见的波形编码，其编码速率 在16～64kbps。 ●参量编码：又称声源编码，是以发音模型作基础，从模拟话音提取各个 特征参量并进行量化编码，可实现低速率语音编码，达到2～4.8kbps。 但话音质量只能达到中等。 ●混合编码：是将波形编码和参量编码结合起来，既有波形编码的高质量 优点又有参量编码的低速率优点。其压缩比达到4～16kbps。泛欧GSM 系统的规则脉冲激励-长期预测编码（RPE-LTP）就是混合编码方案。1.2 CDMA的语音编码
多媒体技术基础期末论文 题目：语音压缩编码及其在通信系统中的应用 专业：通信工程 姓名：张娴 学号： 1 2 3 0 7 1 3 0 4 4 9
2016年5月24日 在现代通信中，随着科学技术的迅速发展，图像、数据等非话音信息在通信信息总量中所占的比例大大提高，而且这种提高的趋势仍然会继续下去。比如说，以前的手机基本上只可以打电话，发短信，不能接收文件，不能观看视频，但是现在的3G手机甚至4G手机，可以看视频，接发文件，还有很多的应用软件。语音信号所占的传输比例的确是大大减小。但是，到目前为止，在大多数通信系统中，传输最多的信息仍然是语音信号。比如说我们经常打电话，用语音发微信，听音乐，看视频等等。在可以预见的未来通信中，尽管语音信号在通信信息总量中所占的比例会有所下降，但仍然会是传输最多的信息。 语音信号是模拟信号，不能直接在数字通信系统中传输，必须先进行模/数转换再进行数/模转换，这种转换就称为语音编译码（简称语音编码），其作用是将语音模拟信号转换为数字信号，到了接收端，再将收到的语音数字信号还原为语音模拟信号。可见，语音编码技术在数字通信中具有十分重要的作用，随着计算机技术与超大规模集成电路技术的飞速发展和广泛应用，信号的数字处理、数字传输和数字存储日益显示出巨大的优越性。数字化技术的应用范围迅速扩大到各个科学技术领域，渗透到工农业生产和社会生活的各个方面。因此，尽量减少信号占有带宽、持续时间和存储容积，以节省信号在传输、处理和存储中的开销，具有巨大的经济价值。所以，语音编码技术，尤其是语音压缩编码技术（编码速率在16kbit/s以下），近年来受到人们的广泛关注和重视，有着极为迫切的客观需求。正是在这种强大的客观需求推动下，近二十几年来，随着计算
网络音视频基础知识考核题 1.以下哪一项不是视频文件封装格式？C a)AVI b)MP4 c)AVC d)MPEG-TS 2.以下哪一项不是音视频编码格式？B a)Window Media Video Codec 9 b)MPEG-PS c)HE-AAC d)MPEG-2 3.以下哪一项为Flash Media Encoder录制文件格式？D a)MP4 b)M4V c)MOV d)F4V 4.Adobe Flash Player不支持以下哪种音视频格式？D a)MP4：AVC+AAC b)3GP：AVC+AMR-NB c)FLV：H263+MP3 d)MOV: AVC+AAC 5.Apple手持终端（iphone，ipod，ipad）本地播放器支持以下哪种视频编码？B a)H.264+MP3 b)H.264+AAC c)OnVP6+MP3 d)H.263+AAC 6.以下哪一项不属于H.264视频编码标准框架（Profile）？D a)Baseline Profile b)Main Profile c)High Profile d)MEI Profile 7.视频关键帧又称？A a)I Frame b) B Frame c)P Frame d) A Frame 8.如果设置视频编码帧速率为29.97fps，需要每秒2个关键帧，则每隔多少帧需设置一个 关键帧？A a)10 b)15 c)20 d)30 9.以下哪套编码设置是Flash Media Encoder不支持的？D a)H.264+MP3，350K+32K，15fps，22050，320x240 b)H.264+MP3，350K+32K，15fps，22050，320x240 H.264+MP3，500K+64K，25fps，44100，480x320 c)H.264+MP3，500K+64K，25fps，44100，480x320 H.264+MP3，800K+64K，25fps，44100，640x480 d)ONVP6+MP3，300K+32K，12fps，22050，480x320 ONVP6+MP3，400K+32K，12fps，22050，320x240 ONVP6+MP3，500K+32K，12fps，22050，240x180
GSM系统的语音编码采用了规则脉冲激励长期预测编码（RPE-LEP编码器，Regular Pulse Excited Long Term Prediction ），RPE-LEP编码器结合了波形编码和声码器两种技术，编码速率低且话音质量高。原始语音信号是连续的模拟信号，经抽样、量化、编码等过程数字化之后，再送入RPE-LEP编码器，每20ms取样一次，每次输出260bit，所以语音传输全速率信道的速率为260bit/20ms=13kbit/s。 将每20ms取样输出的260bit的语音信号分成两部分，一部分是对差错敏感的，共182bit，如果这部分比特发生错误将严重影响语音质量；另一部分是对差错不敏感的，共78bit。然后，再对重要部分的182bit 进行分类：最重要的50bit和次重要的132bit，对最重要的50bit加上3个奇偶校验比特，次重要的132bit 再加上4个尾比特。然后，对这50+3+132+4=189bit进行R=1/2的卷积编码，此时，速率变为[（50+3+132+4）x2+78]/20ms=22.8kbit/s作为信道编码速率。 时隙的格式（普通突发脉冲序列）（见下图）
在GSM的TDMA中，帧被定义为每个载频中所包含的8个连续的时隙，相当于FDMA系统中的一个频道。在每个时隙中，信号以突发脉冲系列（burst）的形式发送。TDMA帧号是以3.5小时（2715648个TDMA 帧）为周期循环编号的。每个TDMA帧含8个时隙，整个帧时长约为4.615ms，每个时隙含156.25bit个突发脉冲码元，时隙时长为0.577ms。GSM规范定义了两种不同的复帧结构，即含26帧、持续时间为120ms和含51帧、持续时间为235.385ms。26帧的复帧包括26个TDMA 帧，持续时间为120ms，51个这样的复帧组成一个超帧。这种复帧用于携带TCH （和SACCH加FACCH），用于语音信道及其随路控制信道，其中24个突发序列用于业务，2个突发序列用于信令。时隙时长：120/26/8=15/26ms=0.577ms。信道总速率：156.25/0.577=270.83kbit/s。每个比特占用的时间约为：0.577/156.25=3.7us/bit
音频，英文是AUDIO，也许你会在录像机或VCD的背板上看到过AUDIO输出或输入口。这样我们可以很通俗地解释音频，只要是我们听得见的声音，就可以作为音频信号进行传输。有关音频的物理属性由于过于专业，请大家参考其他资料。自然界中的声音非常复杂，波形极其复杂，通常我们采用的是脉冲代码调制编码，即PCM编码。PCM通过采样、量化、编码三个步骤将连续变化的模拟信号转换为数字编码。 一、音频基本概念 1、什么是采样率和采样大小（位/bit）。 声音其实是一种能量波，因此也有频率和振幅的特征，频率对应于时间轴线，振幅对应于电平轴线。波是无限光滑的，弦线可以看成由无数点组成，由于存储空间是相对有限的，数字编码过程中，必须对弦线的点进行采样。采样的过程就是抽取某点的频率值，很显然，在一秒中内抽取的点越多，获取得频率信息更丰富，为了复原波形，一次振动中，必须有2个点的采样，人耳能够感觉到的最高频率为20kHz，因此要满足人耳的听觉要求，则需要至少每秒进行40k次采样，用40kHz表达，这个40kHz就是采样率。我们常见的CD，采样率为44.1kHz。光有频率信息是不够的，我们还必须获得该频率的能量值并量化，用于表示信号强度。量化电平数为2的整数次幂，我们常见的CD位16bit的采样大小，即2的16次方。采样大小相对采样率更难理解，因为要显得抽象点，举个简单例子：假设对一个波进行8次采样，采样点分别对应的能量值分别为A1-A8，但我们只使用2bit的采样大小，结果我们只能保留A1-A8中4个点的值而舍弃另外4个。如果我们进行3bit的采样大小，则刚好记录下8个点的所有信息。采样率和采样大小的值越大，记录的波形更接近原始信号。 2、有损和无损 根据采样率和采样大小可以得知，相对自然界的信号，音频编码最多只能做到无限接近，至少目前的技术只能这样了，相对自然界的信号，任何数字音频编码方案都是有损的，因为无法完全还原。在计算机应用中，能够达到最高保真水平的就是PCM编码，被广泛用于素材保存及音乐欣赏，CD、DVD以及我们常见的WAV文件中均有应用。因此，PCM约定俗成了无损编码，因为PCM代表了数字音频中最佳的保真水准，并不意味着PCM就能够确保信号绝对保真，PCM也只能做到最大程度的无限接近。我们而习惯性的把MP3列入有损音频编码范畴，是相对PCM编码的。强调编码的相对性的有损和无损，是为了告诉大家，要做到真正的无损是困难的，就像用数字去表达圆周率，不管精度多高，也只是无限接近，而不是真正等于圆周率的值。 3、为什么要使用音频压缩技术 要算一个PCM音频流的码率是一件很轻松的事情，采样率值×采样大小值×声道数bps。一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的WAV文件，它的数据速率则为44.1K×16×2 =1411.2 Kbps。我们常说128K的MP3，对应的WAV的参数，就是这个1411.2 Kbps，这个参数也被称为数据带宽，它和ADSL中的带宽是一个概念。将码率除以8,就可以得到这个WAV的数据速率，即176.4KB/s。这表示存储一秒钟采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的音频信号，需要176.4KB的空间，1分钟则约为10.34M，这对大部分用户是不可接受的，尤其是喜欢在电脑上听音乐的朋友，要降低磁盘占用，只有
1·语音信号处理的三大分支：语音合成（说），语音编码（压缩），语音识别（听），语音增强。2·语音是怎样生成的：空气由肺部排入喉部，经过声带进入声道，最后由嘴辐射出声波，这就形成了语音。 3·浊音：发音时声带振动的音称为浊音，它能量高，过零率低。 为周期性斜三角脉冲。清音：声带不振动，能量低过零率高非周期脉冲，可用随机白噪声激励。 4·掩蔽效应：一个声音的听感觉感受受同时存在的另一个声音的影响的现象。 掩蔽效应的应用：它指人耳只对最明显的声音反应敏感，对于不敏感的反应较不敏感，应用此原理人们发明了MP3等压缩的数字音乐格式，只突出记录人耳较为敏感的中频段声音，大大压缩了存储空间。 5·听觉机理：（1）外耳：机械振动，（2）中耳：限幅放大，（3）内耳：耳蜗。 6·语音信号数字模型：1）激励模型、2）声道模型、3）辐射模型。 7·语音生成系统的传递函数： ) ( )z( ) ( ) (z R V z G z H= 8·模型局限性及解决办法： 声道的传输函数具有全极点的性质，这对于元音和大多数辅音来说是比较符合实际的，但对于鼻音和阻塞音来说由于出现了零点，这种模型就不够准确了，一种解决办法是在V(z)中引入若干个零点但这样将使模型复杂化，另一种是适当提高阶数P，使得全极点模型能更好的逼近具有此种零点的传输函数。9·预加重含义：加入一阶高通滤波器。10·预加重处理目的：目的是为了对语音的高频部分进行加重，去除口唇辐射的影响，增加语音的高频分辨率11·预加重处理技术：一般通过传递函数为： z1 1 H(z)- - =α的一阶FIR高通数字滤波器来实现预加重。 12·短时平均能量主要用途： 1）可以作为区分浊音和清音的特征参 数2）在信噪比较高的情况下短时能量 还可以作为区分有声和无声的依据3) 可以作为辅助的特征参数用于语音识 别中。 13常用的窗有两种：一种是矩形窗， 窗函数如下： ? ? ?- ≤ ≤ = 其他 ,0 1 ,1 ) ( N n n ω 可简化为： ∑ - - = - - = n N n m n m x m x z )1 ( |)] 1 ( sgn[ )] ( sgn[ | 2 1 π 另一种是汉明窗，窗函数： ? ? ?≤ ≤ - - = 其他 ,0 )] 1 /( 2[ cos 46 .0 54 .0N n N nπ ω 14·过零率：单位时间内过零的次数。 浊音：过零率低能量高，清音：过零率 高能量高。 15·端点检测目的：从包含语音的一段 信号中确定出语音的起点及结束点。 16·自相关函数： 时域离散确定信号： ∑+∞ -∞ = + = m k m x M x) ( ) ( ) R(k 时域离散随机信号： ∑ - = + + = N N m k m x m x N ) ( ) ( 1 2 1 ) R(k 自相关函数性质：1)对称性： R（K）=R（-K）2）在K=0处为最大值， 即对于所有K来说 )0( |) ( |R K R≤3）对于确定信 号，R（0）对应于能量对于随机信号R （0）对应于平均功率。 17·浊音和清音的短时自相关函数有以 下特点:1)短时自相关函数可以很明显 的反映出浊音信号的周期性 2）清音的短时自相关函数没有周期性， 也不具有明显突出的峰值，其性质类似 于噪声。3）不同的窗对短时自相关函 数结果有一定影响。 18·短时自相关函数（求峰值）两个峰 值之间的距离为周期。短时平均幅度差 函数（求谷值）两个谷值之间的距离为 周期。 19·采用双限门比较的两极判决法：第 一级判决:1)先根据语音短时能量的轮 廓选取一个较高的门限T1进行一次粗 判：语音起止点位于该门限与短时能量 包络交点所对应的时间间隔之外。 2）根据背景噪声的平均能量确定一个 较低的门限T2，并从A点往左、从B 点往右搜索，分别找到短时能量包络与 门限T2相交的两个点C和D，于是CD 段就是双门限方法根据短时能量所判 定的语音段。第二级判决： 以短时平均过零率为标准，从C点往左 和D点往右搜索，找到短时平均过零 率低于某个门限T3的两点E和F，这 便是语音段的起止点。门限T3是由背 景噪声的平均过零率所确定的。 20·当n固定时，它们就是序列 ） ） （m x( m - n ω的傅里叶变 换或离散傅里叶变换。当ω或K固定 时，它们就是一个卷积，相当于滤波器 的运算。 21·基音周期估值的两种方法:第一种 方法：先对语音信号进行低通滤波，在 进行自相关计算。第二种方法，先对语 音信号进行中心削波处理，在进行自相 关计算。 判别基音周期的方法：1·短时自相关 函数法。2·短时平均幅度差函数。 22·线性预测编码就是利用过去的样值 对新样值进行预测，然后将样值的实际 值与预测值相减，得到一个误差信号， 显然误差信号的动态范围远小于原始 语音信号的动态范围，对误差信号的进 行量化编码，可大大减少量化所需的比 特数，使编码速率降低。
第六章目标 通过本章学习，学生应该能够： 1．画出GSM突发脉冲序列的结构图并理解每个构成的用途。 2．理解为保护空中接口上语音、数据和控制信道不出错采用的不同措施。
GSM突发脉冲序列（Burst） 对面图示的是一个GSM突发脉冲序列（Burst），它包括以下几个部分： ●信息 即话音，数据或控制信息。 ●保护带 BTS和MS接收信息时都必须在分配给它的时隙这一短暂的时间段内接收和解码突发脉冲序列，所以对于定时精确性的要求极高。采用保护带之后，允许有一小段空白的时间误差，一定程度上降低了定时精确性的要求。准确的说，时隙的长度是 0.577ms，脉冲序列的长度是0.546ms，允许时隙中突发脉冲序 列有0.031ms时间上的误差。 ●偷帧标志 当话务信道突发脉冲序列被FACCH(Fast Associated Control Channel)盗用时,这两个比特将被设臵.只设臵了一个比特表示突发脉冲序列只有一半被盗用。 ●训练序列 供接收均衡器评估BTS和MS之间物理通路的传输质量,训练比特长26比特. ●尾比特 用于指示突发脉冲序列的开始和结束。
GSM 突发脉冲序列和TDMA帧 保护带保护带信息训练序列信息 尾比特 偷帧标志 尾比特常规突发脉冲序列
GSM突发脉冲序列… 突发脉冲序列类型（Burst Types） 对面图示了GSM空中接口用到的五种脉冲序列。所有的脉冲序列，不管是什么类型的，必须在时间上准确定时到给定的时隙。 突发脉冲序列Burst是BTS或MS发送的比特序列，时隙则是一个固定的时间段，脉冲序列必须顺序准确的到达这一时间段，以便接收器能正确接收解码。 ●常规突发脉冲序列（Normal Burst） 常规突发脉冲序列用于业务信道和除以下所说的各种控制信道以外的控制信道。（双向的） ●频率校正突发脉冲序列（Frequency Correction Burst） 该突发脉冲序列用于下行的FCCH，使MS能校正自己振荡器的频率并锁定到BTS的频率。 ●同步突发脉冲序列（Synchronization Burst） 用来用于下行的SCH，使MS同步到BTS。 ●填充突发脉冲序列（Dummy Burst） 当BCCH载频中没有用到的时隙中没有信息可发送时，发送填充突发脉冲序列（仅在下行方向） ●接入突发脉冲序列（Access Burst） 这种突发脉冲序列比其它类型的脉冲序列短很多。因为MS试图接入到系统时还不知道发射定时，所以要增加保护带。MS发送该突发脉冲序列时，BTS并不知道MS的位臵，所以来自MS的消息的定时也无法准确计算（接入突发脉冲序列仅为上行）。
GSM数字移动通信系统语音信源编解码技术 王红军1，钟子发1，陈润洁2 （1电子工程学院,安徽合肥230037； 2合肥通用所,安徽合肥230031） 摘要：依据GSM协议，介绍了GSM系统所采用的语音信源RPE-LTP(规则码激励长期预测)编码技术，详细阐述了相应的信源解码模型和解码算法，并在工程实现中对算法性能进行了大量的测试，验证了解码模型的可行性和算法的有效性。 关键词：GSM；信源编码；信源解码；RPE-LTP 一、引言 GSM(Global System for Mobile Communication)数字移动通信系统中的核心问题是有效性、可靠性和安全性。 信源编码解决的是有效性。由于移动通信属于无线通信，在无线通信中有效性的要求更加突出，这是因为无线信道的频率资源是有限的。提高移动通信的有效性可以在不同的层次来实现，本文着重讨论在物理层的实现技术。 信源编码是产生信源数据的源头，利用信源的统计特性，解除信源的相关性，去掉信源多余的冗余信息，以达到压缩信源信息率，提高系统有效性的目的。 在GSM移动通信系统中，语音信源编码是为了保障语音通信的有效性。本文在完成对语音编解码分析的基础上，工程实现了语音解码技术，技术的突破点就在于解码算法的实际工程应用。 二、GSM语音信源编码技术分析［１，２］ GSM数字移动通信系统采用13kbit/s RPE-LTP语音编码技术，包括预处理、线性预测编码（LPC）分析、短时分析滤波、长时预测和规则码激励编码等5个主要部分，如图1所示。
1预处理 首先用8k H z采样频率对输入的模拟语音信号进行采样得到离散话语音信号 S 0(n)，滤除S (n)中的直流分量，得到S 0f (n);其次采用一阶有限冲激响应（FIR）滤波 器进行高频预加重，得到信号S(n)，加重的目的是加强语音谱中的高频共振峰，使语音短时谱及线性预测LPC分析中余数谱变得更平坦，从而提高谱参数估值的精确性。 2LPC分析 将信号S(n)的每160个样点（20ms）分为一帧，每帧计算出8个LPC反射系数r(i),i=1，2，…，8。计算步骤为先计算出9个自相关系数ACF(i)： 最后对LAR进行量化得到LAR c ，一方面作为边信息送到解码器,另一方面作为对它解码，恢复出量化后的反射系数r′(i)，以供短时分析滤波时使用。 3短时分析滤波 信号S(n)经过格型滤波器，滤除语音信号样点之间的短时相关性，产生短时LP 余量信号d(n)：
各种音频编码方式的对比
各种音频编码方式的对比 内容简介：文章介绍了PCM编码、WMA编码、ADPCM 编码、LPC编码、MP3编码、AAC编码、CELP编码等，包括优缺点对比和主要应用领域。 PCM编码(原始数字音频信号流) 类型：Audio 制定者：ITU-T 所需频宽：1411.2 Kbps 特性：音源信息完整，但冗余度过大 优点：音源信息保存完整,音质好 缺点：信息量大，体积大，冗余度过大 应用领域：voip 版税方式：Free 备注：在计算机应用中，能够达到最高保真水平的就是PCM编码，被广泛用于素材保存及音乐欣赏，CD、DVD 以及我们常见的WAV文件中均有应用。因此，PCM 约定俗成了无损编码，因为PCM代表了数字音频中最佳的保真水准，并不意味着PCM就能够确保信号绝对保真，PCM也只能做到最大程度的无限接近。要算一个PCM音频流的码率是一件很轻松的事情，采样率值×采样大小值×声道数bps。一个采样率为44.1KHz，
采样大小为16bit，双声道的PCM编码的WAV文件，它的数据速率则为44.1K×16×2 =1411.2Kbps。我们常见的Audio CD就采用了PCM编码，一张光盘的容量只能容纳72分钟的音乐信息。 WMA(Windows Media Audio) 类型：Audio 制定者：微软公司 所需频宽：320～112kbps（压缩10～12倍） 特性：当Bitrate小于128K时，WMA几乎在同级别的所有有损编码格式中表现得最出色，但似乎128k是WMA一个槛，当Bitrate再往上提升时，不会有太多的音质改变。 优点：当Bitrate小于128K时，WMA最为出色且编码后得到的音频文件很小。 缺点：当Bitrate大于128K时，WMA音质损失过大。WMA标准不开放，由微软掌握。 应用领域：voip 版税方式：按个收取 备注：WMA的全称是Windows Media Audio，它是微软公司推出的与MP3格式齐名的一种新的音频格式。由于WMA在压缩比和音质方面都超过了MP3，更是远胜于RA(Real Audio)，即使在较低的采样频率下也能产生较好的音质，再加上WMA有微软的
音频基本知识 第一部分 模拟声音-数字声音原理 第二部分 音频压缩编码 第三部分 和弦铃声格式 第四部分 单声道、立体声和环绕声 第五部分 3D环绕声技术 第六部分数字音频格式和数字音频接口 第一部分 模拟声音-数字声音原理 一、模拟声音数字化原理 声音是通过空气传播的一种连续的波，叫声波。声音的强弱体现在声波压力的大小上，音调的高低体现在声音的频率上。声音用电表示时，声音信号在时间和幅度上都是连续的模拟信号。 图1 模拟声音数字化的过程 声音进入计算机的第一步就是数字化，数字化实际上就是采样和量化。连续时间的离散
化通过采样来实现。 声音数字化需要回答两个问题：①每秒钟需要采集多少个声音样本，也就是采样频率(f s)是多少，②每个声音样本的位数(bit per sample，bps)应该是多少，也就是量化精度。 ?采样频率 采样频率的高低是根据奈奎斯特理论(Nyquist theory)和声音信号本身的最高频率决定的。奈奎斯特理论指出，采样频率不应低于声音信号最高频率的两倍，这样才能把以数字表达的声音还原成原来的声音。采样的过程就是抽取某点的频率值，很显然，在一秒中内抽取的点越多，获取得频率信息更丰富，为了复原波形，一次振动中，必须有2个点的采样，人耳能够感觉到的最高频率为20kHz，因此要满足人耳的听觉要求，则需要至少每秒进行40k 次采样，用40kHz表达，这个40kHz就是采样率。我们常见的CD，采样率为44.1kHz。电话话音的信号频率约为3.4 kHz，采样频率就选为8 kHz。 ?量化精度 光有频率信息是不够的，我们还必须纪录声音的幅度。量化位数越高，能表示的幅度的等级数越多。例如，每个声音样本用3bit表示，测得的声音样本值是在0～8的范围里。我们常见的CD位16bit的采样精度，即音量等级有2的16次方个。样本位数的大小影响到声音的质量，位数越多，声音的质量越高，而需要的存储空间也越多。 ?压缩编码 经过采样、量化得到的PCM数据就是数字音频信号了，可直接在计算机中传输和存储。但是这些数据的体积太庞大了！为了便于存储和传输，就需要进一步压缩，就出现了各种压缩算法，将PCM转换为MP3,AAC,WMA等格式。 常见的用于语音(Voice)的编码有：EVRC (Enhanced Variable Rate Coder) 增强型可变速率编码，AMR、ADPCM、G.723.1、G.729等。常见的用于音频(Audio)的编码有：MP3、AAC、AAC+、WMA等 二、问题 1、为什么要使用音频压缩技术？ 我们可以拿一个未压缩的CD文件(PCM音频流)和一个MP3文件作一下对比： PCM音频：一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码CD文件，它的数据速率则为 44.1K×16×2 =1411.2 Kbps，这个参数也被称为数据带宽。将码率除以8 bit,就可以得到这个CD的数据速率，即176.4KB/s。这表示存储一秒钟PCM编码的音频信号，需要176.4KB的空间。 MP3音频：将这个WAV文件压缩成普通的MP3，44.1KHz，128Kbps的码率，它的数据速率为128Kbps/8=16KB/s。如下表所示： 比特率 存1秒音频数据所占空间 CD(线性PCM) 1411.2 Kbps 176.4KB MP3 128Kbps 16KB AAC 96Kbps 12KB mp3PRO 64Kbps 8KB 表1 相同音质下各种音乐大小对比 2、频率与采样率的关系 采样率表示了每秒对原始信号采样的次数，我们常见到的音频文件采样率多为44.1KHz，这意味着什么呢？假设我们有2段正弦波信号，分别为20Hz和20KHz，长度均为一秒钟，以对应我们能听到的最低频和最高频，分别对这两段信号进行40KHz的采样，我们可以得到一个什么样的结果呢？结果是：20Hz的信号每次振动被采样了40K/20=2000次，而20K的信号每次振动只有2次采样。显然，在相同的采样率下，记录低频的信息远比高频
浅谈移动通信系统中的语音编码技术 赵彦辉 （050000 河北坐地管线工程股份有限公司 河北 石家庄） 【摘 要】为提高移动通信系统的抗干扰能力和抗衰弱能力，移动通信采取了多种有效的技术措施，而语音编码技术就是其中非常重要的一种。本文对移动通信中的语音编码技术做出如下论述。 【关键词】语音编码 移动通信 技术 随着科学技术的迅速发展，移动通信技术已成为人们日常生活中的重要组成部分。为了提高数字移动通信中频带的使用率，我们通常使用的是调控解调技术和无线线路控制，在此基础上我们也可以使用语音编码技术，科学有效的去除数字移动通信系统中存在的语音冗余，达到维护优质编码的目的。 一、语音编码技术的种类 （一）参数编码 参数编码就是人们口中常说的声码器。其主要工作原理是通过将频率域内的信源信号或其他正交变化域内信源信号中的特征参量进行提取。然后通过对其进行系统的处理和转换，将其变成易于传输的数字代码，进而完成传输工作。相同的道理，参数解码则是将系统所接受到了数字序列经过系统的处理和转换，将其转变成为与之相对应的特征参量，并依靠所转变出的特征参量对语音信号进行重建。这种算法的最大优点就是其并不依赖于所输入语音的原始波形，而是能够根据其使用者（人类）的听觉特性来进行适当的调整，进而保证所解码的语音在任何时候能够具有一定的清晰度，便于使用者的理解和使用。目前所普遍使用的线性预测编码（LPC）就是参量编码当中最为常见的一种。 （二）波形编码 波形编码在语音编码方法中是最常见的一种，是指通过模拟语音波形的采样，然后量化采样的幅度，对其进行二进制编码。解码器作数模变化之后，低通滤波器会由现在的模式改变为原始模拟语音波形，以上为线性编码调制，也被称之为脉冲编码调制。可以通过自动适应预测、样值差分和非线性量化等方法实现数据的压缩。波形编码的最终目的是尽量使原始波形与解码器所恢复的模拟信号相一致，也就是将失真降到最小。波形编码可以称之为是最简单的方法，数码率相对较高，比较容易达到，当数码频率小于16k b i t音质很差，数码频率小于32k b i t音质会逐渐降低，数码频率为32kbit—64 kbit其音质最优。所以，在普通信号宽带通信中波形编码被有效利用，目前的移动通信中频率资源是非常紧张的，显然波形编码并适合。波形编码技术包括自适应差分编码、脉冲编码调制、增量调制等。 （三）混合编码 混合编码是语音编码方法当中相对困难的一种方法，其主要工作原理就是将参数编码与波形编码两者相结合，去糟取精择两者之优而用。在此基础之上，混合编码相对于参数编码和波形编码而言其音质更好一些，当然其复杂程度与技术含量也更高一些，正因如此笔者才会将混合编码定位于编码程序当中相对困难的依据。目前，规划脉冲、码本脉冲以及多脉冲激励线性预测编码等技术都是混合编码工作当中的主流技术。 二、语音编码技术在移动通信系统中的应用与发展 （一）窄带CDMA系统中的激励和矢量LPC编码 目前，美国的语音编码技术是较为先进的，其所使用的矢量预测和线性预测是构成其数字窝蜂系统的主要编码方式。在该编码系统当中，所使用的矢量预测和线性预测的数字信息速率为4.8k b i t/s，这在很大程度上提高了语音通话的质量。其通过脉冲编码调制技术将语音信号转化为数字信号，然后将数字信号输入到编码器，在编码器当中采用线性预测分析法来实现对语音信号的分析，得到预测参数，进而得到具有逆特性的滤波器。接着以滤波器为标准将声源信号当中的声道特性去除，并得出残差波形。通过残差波形与码本当中的各矢量模块进行加权组合，从而得出残差矢量。 （二）移动通信系统中的RPE-LTP 移动通信的第一代系统所使用的是F D M A模拟蜂窝系统，然而由于该系统的系统容量小、频带利用率低、业务种类有限等多种弊端，使其极大程度上的限制了移动通信系统的发展水平。为此第二代移动通信系统很快的就取代了第一代通信系统。相对于第一代移动通信系统而言，第二代移动通信系统的实际应用水平得到了显著的提高，其将所使用的系统更换为数字窝蜂系统，混合编码技术也成为了该系统当中的语音编码方式。另外根据所使用的激励源不同，第二代移动通信系统还将其编码方案进行了优化和处理。第二代移动通信系统所使用的语音编码方案是以相位间隔相等、幅度优化的规则脉冲信号作为激励源的，这使得所使用的混合波形信号最大程度的接近原始信号。此种方法在结合长期的预测的基础上，有效的降低了编码的速率和信号的多余度，同时此种方法具有语音质量高、计算量适中、易于硬件化和计算简单的优点。 （三）G系统中的VMR-WB编解码器 WCDMA和GSM系统中使用的多速率编码器为窄带的AMR，由于其受到带宽的限制，在语音处理中方面还是存在一些问题的。当宽带AMR音频带宽达到7KHz，采样频率达到16KHz时，其语音的音乐和自然度，尤其是在免提电话中，窄带语音编解码器会得到很大的改变。最初的GSM无线网络定义的宽带编码器为AMR—WB，现已被扩展为有线系统。AMR—WB的计量强度较大，因此，应充分的使用DSP处理能力。 三、结束语 综上所述，随着研发工作的不断深入，在语音编码技术中也在引进高阶统计分析技术、多精度时频分析技术和非线性预测等新分析技术。预计以上这些技术更能贴近于人耳的特性，最真实的分析与合成出最真实的语音，使编译码工作最大化接近于人们的听觉器官处理方式，实现低速率语音编研究工作的新突破。 参考文献： [1]郑国宏,陈亮,张翼鹏. 宽带语音编码技术专题讲座 (四)第8讲 移动通信中的宽带语音编码[J].军事通信技术，2012，01：100-104. [2]冯晓荣.分布式电话调度系统语音编解码方案的研究及DSP实现[D].重庆大学，2012. 57
各种音频编码方式的对比 内容简介：文章介绍了PCM编码、WMA编码、ADPCM编码、LPC编码、MP3编码、AAC编码、CELP 编码等，包括优缺点对比和主要应用领域。 PCM编码(原始数字音频信号流) 类型：Audio 制定者：ITU-T 所需频宽：1411.2 Kbps 特性：音源信息完整，但冗余度过大 优点：音源信息保存完整,音质好 缺点：信息量大，体积大，冗余度过大 应用领域：voip 版税方式：Free 备注：在计算机应用中，能够达到最高保真水平的就是PCM编码，被广泛用于素材保存及音乐欣赏，CD、DVD以及我们常见的WAV文件中均有应用。因此，PCM约定俗成了无损编码，因为PCM代表了数字音频中最佳的保真水准，并不意味着PCM就能够确保信号绝对保真，PCM也只能做到最大程度的无限接近。要算一个PCM音频流的码率是一件很轻松的事情，采样率值×采样大小值×声道数bps。一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的WAV文件，它的数据速率则为44.1K×16×2 =1411.2Kbps。我们常见的Audio CD就采用了PCM编码，一张光盘的容量只能容纳72分钟的音乐信息。 WMA(Windows Media Audio) 类型：Audio 制定者：微软公司 所需频宽：320～112kbps（压缩10～12倍） 特性：当Bitrate小于128K时，WMA几乎在同级别的所有有损编码格式中表现得最出色，但似乎128k 是WMA一个槛，当Bitrate再往上提升时，不会有太多的音质改变。 优点：当Bitrate小于128K时，WMA最为出色且编码后得到的音频文件很小。 缺点：当Bitrate大于128K时，WMA音质损失过大。WMA标准不开放，由微软掌握。 应用领域：voip 版税方式：按个收取 备注：WMA的全称是Windows Media Audio，它是微软公司推出的与MP3格式齐名的一种新的音频格式。由于WMA在压缩比和音质方面都超过了MP3，更是远胜于RA(Real Audio)，即使在较低的采样频率下也能产生较好的音质，再加上WMA有微软的Windows Media Player做其强大的后盾，所以一经推出就赢得一片喝彩。 ADPCM( 自适应差分PCM) 类型：Audio 制定者：ITU-T 所需频宽：32Kbps
一、基本概念 1 比特率：表示经过编码（压缩）后的音频数据每秒钟需要用多少个比特来表示，单位常为kbps。 2 响度和强度：声音的主观属性响度表示的是一个声音听来有多响的程度。响度主要随声音的强度而变化，但也受频率的影响。总的说，中频纯音听来比低频和高频纯音响一些。 3 采样和采样率：采样是把连续的时间信号，变成离散的数字信号。采样率是指每秒钟采集多少个样本。 Nyquist采样定律：采样率大于或等于连续信号最高频率分量的2倍时，采样信号可以用来完美重构原始连续信号。 二、常见音频格式 1. WAV格式，是微软公司开发的一种声音文件格式，也叫波形声音文件，是最早的数字音频格式，被Windows平台及其应用程序广泛支持，压缩率低。 2. MIDI是Musical Instrument Digital Interface的缩写，又称作乐器数字接口，是数字音乐/电子合成乐器的统一国际标准。它定义了计算机音乐程序、数字合成器及其它电子设备交换音乐信号的方式，规定了不同厂家的电子乐器与计算机连接的电缆和硬件及设备间数据传
输的协议，可以模拟多种乐器的声音。MIDI文件就是MIDI格式的文件，在MIDI文件中存储的是一些指令。把这些指令发送给声卡，由声卡按照指令将声音合成出来。 3. MP3全称是MPEG-1 Audio Layer 3，它在1992年合并至MPEG规范中。MP3能够以高音质、低采样率对数字音频文件进行压缩。应用最普遍。 4. MP3Pro是由瑞典Coding科技公司开发的，其中包含了两大技术：一是来自于Coding 科技公司所特有的解码技术，二是由MP3的专利持有者法国汤姆森多媒体公司和德国Fraunhofer集成电路协会共同研究的一项译码技术。MP3Pro可以在基本不改变文件大小的情况下改善原先的MP3音乐音质。它能够在用较低的比特率压缩音频文件的情况下，最大程度地保持压缩前的音质。 5. MP3Pro是由瑞典Coding科技公司开发的，其中包含了两大技术：一是来自于Coding 科技公司所特有的解码技术，二是由MP3的专利持有者法国汤姆森多媒体公司和德国Fraunhofer集成电路协会共同研究的一项译码技术。MP3Pro可以在基本不改变文件大小的情况下改善原先的MP3音乐音质。它能够在用较低的比特率压缩音频文件的情况下，最大程度地保持压缩前的音质。 6. WMA (Windows Media Audio)是微软在互联网音频、视频领域的力作。WMA格式是以减少数据流量但保持音质的方法来达到更高的压缩率目的，其压缩率一般可以达到1:18。此外，WMA还可以通过DRM（Digital Rights Management）保护版权。 7. RealAudio是由Real Networks公司推出的一种文件格式，最大的特点就是可以实时传输音频信息，尤其是在网速较慢的情况下，仍然可以较为流畅地传送数据，因此RealAudio 主要适用于网络上的在线播放。现在的RealAudio文件格式主要有RA(RealAudio)、RM （RealMedia，RealAudio G2）、RMX(RealAudio Secured)等三种，这些文件的共同性在于随着网络带宽的不同而改变声音的质量，在保证大多数人听到流畅声音的前提下，令带宽较宽敞的听众获得较好的音质。 8. Audible拥有四种不同的格式：Audible1、2、3、4。https://www.doczj.com/doc/6f16769253.html,网站主要是在互联网上贩卖有声书籍，并对它们所销售商品、文件通过四种https://www.doczj.com/doc/6f16769253.html, 专用音频格式中的一种提供保护。每一种格式主要考虑音频源以及所使用的收听的设备。格式1、2和3采用不同级别的语音压缩，而格式4采用更低的采样率和MP3相同的解码方式，所得到语音吐辞更清楚，而且可以更有效地从网上进行下载。Audible 所采用的是他们自己的桌面播放工具，这就是Audible Manager，使用这种播放器就可以播放存放在PC或者是传输到便携式播放器上的Audible格式文件