第1章概述
一、模拟信号与数字信号的特点
模拟信号——幅度取值是连续的连续信号
离散信号
数字信号——幅度取值是离散的二进码
多进码
连续信号
离散信号
●数字信号与模拟信号的区别是根据幅度取值上是否离散而定的。
●离散信号与连续信号的区别是根据时间取值上是否离散而定的。
二、模拟通信与数字通信
●根据传输信道上传输信号的形式不同，通信可分为
模拟通信——以模拟信号的形式传递消息（采用频分复用实现多路通信）。
数字通信——以数字信号的形式传递消息（采用时分复用实现多路通信）。
●数字通信传输的主要对象是模拟话音信号等，而信道上传输的一般是二进制的数字信
号。
所要解决的首要问题
模拟信号的数字化，即模／数变换（A/D变换）
三、数字通信的构成
●话音信号的基带传输系统模型
四、数字通信的特点
1、抗干扰能力强，无噪声积累
对于数字通信，由于数字信号的幅值为有限的离散值（通常取二个幅值），在传输过程中受到噪声干扰，当信噪比还没有恶化到一定程度时，即在适当的距离，采用再生的方法，再生成已消除噪声干扰的原发送信号。由于无噪声积累，可实现长距离、高质量的传输。
2、便于加密处理
3、采用时分复用实现多路通信
4、设备便于集成化、小型化
5、占用频带较宽
五、数字通信系统的主要性能指标
● 有效性指标 P7
·信息传输速率——定义、公式l n f f s B ??=、物理意义 ·符号传输速率——定义、公式（B
B t N 1=
）、关系：M N R B b 2log = ·频带利用率——是真正用来衡量数字通信系统传输效率的指标（有效性）
频带宽度符号传输速率
=
η Hz Bd /
频带宽度
信息传输速率
=
η Hz s bit //
● 可靠性指标 P8
·误码率——定义 ·信号抖动
例1、设信号码元时间长度为s 7
106-?，当（1）采用4电平传输时，求信息传输速率和符号传输速率。（2）若系统的带宽为2000kHz ,求频带利用率为多少Hz s bit //。 解：（1）符号传输速率为 Bd t N B B 6
71067.110
611?=?==
- 数据传信速率为
s Mbit M N R B b /34.34log 1067.1log 262=??==
（2）Hz s bit //67.110
20001034.33
6
=??==频带宽度信息传输速率η 例2、接上题，若传输过程中2秒误1个比特，求误码率（误比特率）。
解：误码率（误比特率）＝差错比特数／传输总比特数 7
6
105.110
34.321-?=??=
第2章 语音信号波形编码
第一节 语音信号编码的基本概念
一、语声信号编码的概念
语声信号编码——模拟话音信号的数字化（信源编码）。
二、语声信号编码的分类
● 波形编码——根据语声信号波形的特点，将其转换为数字信号。 常见的有PCM 、DPCM 、ADPCM 、DM 等。
● 参量编码——是提取语声信号的一些特征参量，对其进行编码。 特点：编码速率低，但语声质量要低于波形编码。
LPC 等声码器属于参量编码。
● 混合编码——是介于波形编码和参量编码之间的一种编码，即在参量编码的基础上，引
入一定的波形编码的特征。 子带编码属于混合编码。
第二节 脉冲编码调制(PCM)
一、脉冲编码调制(PCM)通信系统的构成
● PCM 的概念——它是对模拟信号的瞬时抽样值量化、编码，以将模拟信号转化为数字信
号。
● PCM 通信系统的构成
PCM 通信系统由三个部分构成：
模／数变换——抽样、量化、编码
信道部分——包括传输线路及再生中继器 数/模变换——解码、低通
二、抽样
1、抽样的概念：模拟信号)(t f 在时间上离散化 PAM 信号)(t f s
2、低通型信号（B f 0）的抽样
● 抽样定理 M s f f 2≥ 留有一定宽度的防卫带 M s f f 2>
● 不满足抽样定理的后果——不满足抽样定理的后果是PAM 信号产生折叠噪声，收端就无
法用低通滤波器准确地恢复原模拟话音信号。 ● 话音信号的抽样频率为s f ＝8000Hz ，s T μ125=
● 抽样信号的频谱：频率成分有原始频带0f ∽M f ，s nf 的上、下边带。（排列顺序） 3、带通型信号（B f ≥0）的抽样 ● 抽样定理
n f f n f s M
0212≤≤+ I B
f n )(0= [若n 次下边带、(n+1)次下边带与原始频带间隔相等——默认]
1
2)
(20++=
n f f f M s
● 抽样信号的频谱：频率成分有原始频带0f ∽M f ，s nf 的上、下边带。（排列顺序） 例1、一模拟信号频谱如下图所示，求其满足抽样定理时的抽样频率，并画出抽样信号的
频谱（设M s f f 2=）。
解： kHz f f B kHz f kHz f M M 426,6,200=-=-=== B f <0 ∴此信号为低通型信号
满足抽样定理时，应有
kHz f f M s 12622=?=≥
（一次下边带：s f -原始频带=12-（2∽6）=6∽10 一次上边带：s f +原始频带=12+（2∽6）=14∽18 二次下边带：s f 2-原始频带=24-（2∽6）=18∽22 二次上边带：s f 2+原始频带=24+（2∽6）=26∽30 ）
例2、一模拟信号频谱如下图所示，求其满足抽样定理时的抽样频率，并画出抽样信号的 频谱。
解：
kHz f f B kHz f kHz f M M 240312552,552,31200=-=-===
B f >0 ∴此信号为带通型信号 1)240
312()(
0===I I B f n 满足抽样定理时，应有 kHz n f f f M s 5761
12)
552312(212)(20=+?+=++=
三、量化
量化的概念：PAM 信号（样值） 在幅度上离散化 量化值
量化分为 均匀量化
非均匀量化
1、 均匀量化[在量化区内（即从一U ～十U ）均分为N 等份] ● 均匀量化的特点——大小信号的量化间隔相等（N
U
2=?） ● 几个要点
?量化值的选取
?量化误差)(t e ＝量化值一样值)()(t u t u q -= （)u u q -
（过载区）量化区）2
(2
max
max ?
>?
=e e
?均匀量化的缺点——在N （或l ）大小适当时，均匀量化小信号的量化信噪比太小，不
满足要求，而大信号的量化信噪比较大，远远满足要求
?为了解决这个问题，若仍采用均匀量化，不行。 原因：
q N S /↑→量化误差↓→Δ↓→N ↑→l
↑→ 编码复杂
信道利用率下降 解决——采用非均匀量化
2、 非均匀量化
非均匀量化的宗旨——在不增大量化级数N 的前提下，利用降低大信号的量化信噪比来提高
小信号的量化信噪比。
● 非均匀量化的特点——小信号的量化间隔小，大信号的量化间隔大。 ● 实现非均匀量化的方法
·模拟压扩法——方框图 P24图2.22
·直接非均匀编解码法——概念（一般采用） 3、量化信噪比 （1）定义式： )(lg
10)/(dB N S
N S q
dB q = （2）均匀量化信噪比（忽略过载区内的量化噪声功率）
e q x N N S lg 203lg 20)/(+≈均匀 曲线
例、画出9=l 的均匀量化信噪比曲线（忽略过载区内的量化噪声功率）。 解：
e
e e x x x N N S N l lg 2059lg 205123lg 20lg 203lg 20)/(512
2,9q 9+=+?=+?====均匀
（3）非均匀量化信噪比（忽略过载区内的量化噪声功率） ①A 律压缩特性
oa+ab ——A 律压缩特性
②A 律压缩特性的非均匀量化信噪比
Q N S N S q q +=均匀非均匀（)/)/( （dx
dy
Q lg
20=信噪比改善量） x N N S q lg 203lg 20)/(+?=均匀 )(e x x =
oa 段： 246.87ln 16
.87lg 20ln 1lg
20=+=+=A A Q )39lg 20(dB x -≤
ab 段： x x x A Q lg 2015lg 206
.87ln 11
20lg 20ln 11lg
20--=-+=-+= )0lg 2039(≤<-x dB
?A 的取值与Q 的关系：
在小信号区域，A 愈大，则斜率愈大，Q 愈大；
在大信号区域，A 愈大，则斜率愈小，Q 愈小。
一般取A=87.6
例、画出6.87,8==A l 的A 律压缩特性的非均匀量化信噪比曲线（忽略过载区内的量化噪声功率）。 解：
x
x x N N S A N l q lg 2053lg 202563lg 20lg 203lg 20)/(6
.87,256,8+=+?=+?====均匀
246.87ln 16
.87lg 20ln 1lg
20=+=+=A A Q )39lg 20(dB x -≤
x
x x A Q lg 2015lg 206.87ln 11
20lg 20ln 11lg 20--=-+=-+=
)0lg 2039(≤<-x dB
( oa 段：A x 10≤
≤
dB x 396
.871
lg
20lg 20-=≤ ab 段：
11
≤ 0lg 2039≤<-x dB ) （4）A 律13折线压缩特性 P28图2.26 四、编码与解码 1、 二进制码组及编码的基本概念 （1）二进制码组 一般二进制码 循环二进制码（格雷码） 特点 折叠二进制码 ● 一般二进制码 简单易实现 各位码(幅度码)有一固定的权值 121......a a a a l l - 权值：012 122 (2) 2--l l ● 循环二进制码 幅值绝对值相同的样值其幅度码相同 编、解码复杂 ● 折叠二进制码 幅值绝对值相同的样值其幅度码相同 低音量（小信号）时噪声小 （2）编码的基本概念 ?编码的概念——编码是把模拟信号样值变换成对应的二进制码组。 ?分类 线性编码与解码——具有均匀量化特性的编码与解码 非线性编码与解码——具有非均匀量化特性的编码与解码 （根据A 律13折线非均匀量化间隔的划分直接对样值编码，收端再解码。） 2、A 律13折线的码字安排（采用折叠二进码编码） 各量化段的电平范围、起始电平、量化间隔 P36表2.4 （1）过载电压?=2048U （2）量化级数N l N 2= 8=l 25616(8(2=??=（段内等分数）量化段）正、负极性）N （3）码字安排 1a 432a a a 8765a a a a （段落码与段内码合在一起称为幅度码） 极性码 段落码 段内码 （非线性码） （线性码） 段内码对应的权值 5a 6a 7a 8a 权值： i ?32 i ?22 i ?12 i ?02 3、 A 律13折线编码方法 样值 电流 S i （以S i 为例） 电压 S u （1）极性码 0 ,01,011=<=≥a i a i S S （2）幅度码 S S S S u U i I == ,1,=<=≥i Ri S i Ri S a I I a I I （=i 2∽8） ?判定值的数目)8(12712 ==-=l N n R ?判定值的确定 段落码判定值的确定——以量化段为单位逐次对分，对分点电平依次为2a ∽4a 的判定 值。 段内码判定值的确定——以某量化段内量化级为单位逐次对分，对分点电平依次为5 a ∽8a 的判定值。 例1：A 律13折线编码器，8=l ，一个样值为?=93S i ，试将其编成相应的码字。 解：093>?=S i 11=∴a ?==93S S i I ?=<1282R S I I 02=∴a ?=>323R S I I 13=∴a ?=>644R S I I 14=∴a 段落码为011，样值在第4量化段，?=??=4,6444B I ?=??+?=?+=9648648445B R I I 5R S I I < 05=∴a ?=??+?=?+=8044644446B R I I 6R S I I > 16=∴a ?=??+??+?=?+?+=88424464244447B R I I 7R S I I > 17=∴a ?=?+??+??+?=?+?+?+=9244244642444448B R I I 8R S I I > 18=∴a 码字为10110111 例2、A 律13折线编码器，8=l ，过载电压mV U 4096=，一个样值为mV u S 596-=， 将其编成相应的码字。 解：mV U 40962048=?= mV mV 22048 4096== ? ?-=-= 2982596mV mV u S (同学们自行练习将其编成相应的码字。方法同上，注意所有电流的符号改成电压的符号) 4、码字的对应电平（绝对值） ● 码字电平(编码电平) ——编码器输出的码字所对应的电平。 i Bi C a a a a I I ???+?+?+?+=)2222(08172635 ● 解码电平 ——解码器的输出电平。 2 i C D I I ?+ = ● 编码误差 S C C I I e -= ● 解码误差 S D D I I e -= 例：接上题求其编码误差与解码误差。 编码电平： 4807162534)2222(???+?+?+?+=a a a a I I B C ???+?+?+?+?=4)11121408(64 ?=92 编码误差： ?=?-?=-=9392S C C I I e 解码电平： ?=?+?=?+ =942 49224C D I I 解码误差： ?=?-?=-=9394S D D I I e 5、逐次渐近型编码器 P39图2.37 （1）基本结构由两部分组成： ● 码字判决与码形成电路——编各位码 ● 本地解码器——产生判定值 （2）本地解码器 ①串／并变换记忆电路——将先行码（2a ～7a ）的状态反馈回来，并行输出2M ～8M 。 2M ～8M 与反馈码的对应关系： 对于先行码(已编好的码)：i i a M = 对于当前码(正准备编的码)：1=i M 对于后续码(尚未编的码)：0=i M ②7／11变换 ● 7/11变换的作用——将7位非线性幅度码2M ～8M 转换为11位线性幅度码1B ∽11B 。 ● 7/11变换的目的——为了产生判定值（若干个恒流源相加），要得到11个恒流源，所 以要7/11变换。 ● 7/11变换的方法——原则：（2M ～8M 看作2a ～8a ） 非线性幅度码对应的码字电平=11位线性幅度码1B ∽11B 对应的码字电平 2M ～8M （看作2a ～8a ）对应的码字电平为： 807162532222a a a a I I i i i i Bi C ??+??+??+??+= 1B ∽11B 对应的码字电平为： 65432132641282565121024B B B B B B I CL ??+??+??+??+??+??= 111098724816B B B B B ??+??+??+??+??+ 例1、某7位非线性幅度码为1 1 0 1 0 1 0，将其转换为11位线性幅度码。 ?512 解：11位线性幅度码为 0 1 1 0 1 0 0 0 0 0 0 B 2（?512） 例2、某11位线性幅度码为0 0 0 0 0 1 1 0 0 1 0，将其转换为7位非线性幅度码。 ?32 解：7位非线性幅度码为 0 1 0 1 0 0 1 ③11位线性解码网络——将1=i B 所对应的权值(恒流源)相加，以产生相应的判定值。 6、A 律13折线解码器 P41图2.39 几个要点： ● i i a M = ● 7/12变换的目的——编码电平等于11个恒流源中的若干个恒流源相加,为了保证收端 解码后的量化误差不超过 2i ?，在收端应加入2 i ?的补差项,即解码电平等于编码电平加2i ?。而第1、2两段的2 i ?不在11个恒流源范围内，要增加一个恒流源)2(12? B ，所以 应进行7/12变换。 7/12变换的方法——在7/11变换的基础上增加一个“1” 。 ● A 律13折线解码器输出的是解码电平，它约等于PAM 信号。 例1、某7位非线性幅度码为1 1 0 1 0 1 0，将其转换为12位线性幅度码。 解：12位线性幅度码为 0 1 1 0 1 0 1 0 0 0 0 0 例2、某12位线性幅度码为0 0 1 1 1 0 1 1 0 0 0 0 ，将其转换为7位非线性幅度码。 解：7位非线性幅度码为 1 0 1 1 1 0 1 第三节 自适应差值脉冲编码调制(ADPCM) 一、差值脉冲编码调制(DPCM) ● DPCM 的概念——对相邻样值的差值进行量化、编码。 （实际上DPCM 是对样值与过去的样值为基础得到的估值之间的差值进行量 化编码的） ● DPCM 的缺点——在DPCM 系统中，为了实现容易，采用固定预测器。输入信号与预测信 号的差值大，从而造成误差增大，话音质量受影响。 二、自适应差值脉冲编码调制(ADPCM)的原理 ● ADPCM 的概念——在DPCM 的基础上增加自适应量化和自适应预测，由此发展成了ADPCM 。 ●ADPCM的优点——由于采用了自适应量化和自适应预测，ADPCM的量化失真、预测误差 均 较小，因而它能在32kbit／s数码率的条件下达到PCM系统64kbit／s 数码率的话音质量要求。 第四节子带编码——SBC ●子带编码的概念 首先将输入信号频带分割成不同的频带分量(称为子带)，然后再分别进行编码，这类编码方式称为频域编码。 第三章语音信号压缩与编码 第1节语音信号压缩编码的概念 语音编码的目的是要在保持重建语音质量的前提下，降低数字信号的比特率。语音编码器总是包含一个编码器和一个解码器，编码器取来原始的语音信号，并产生一定速率的比特流。这个比特流传送到解码器,它能够近似地重构原始语音信号。 脉冲编码调制(PCM)是通常采用的。要保证电话语音的高质量（带宽限制为300～340OHz），则线性PCM信号必须具有8KHz的抽样率和11bit/样值编码精度，所得到的比特率为88kbit/s，采用非均匀量化的非线性编码可以做到8bit/样值编码精度，所得到的比特率为64kbit/s。这个比特率，能够作为编码语音的参考比特率。 GSM移动通信系统及IP电话系统都已大量使用了语音压缩编码技术，其比特率为5.3～16kbit/s。众所周知GSM移动通信系统是用无线信道传输的，无线信道的频率资源有限，信道分配紧张，应尽量提髙信道利用率，采用语音压缩编码已势在必行。 第2节IP电话的概念 IP电话是在IP网上传送的具有一定质量的语音业务，即在IP网上传送语音。由于计算机网络采用的是分组交换技术，其传送的数据单元都是由控制部分和数据部分封装而成的独立的数据包，通常称之为"分组"(Packet)，因此从更一般的意义上来说，IP电话是采用分组技术传送的语音业务。 IP网络中的语音处理主要需解问题是在保证一定语音质量的前提下尽可能降低编码比特率。 选择低比特率语音编码算法需要考虑四个方面的问题：编码比特率、语音质量、时延和算法复杂度。 一般说来这些指标是有矛盾的：比特率越低，线路利用率越高，但语音质量会受到影响；在同样比特率情况下，算法设计越复杂，语音质量会有所提高，但处理时延将增加。因此，采用什么类型的编码方案和算法，要根据实际需要在上述四个指标中取得某种折衷。 目前IP电话一般使用ITU-T定义的低比特率编码标准，其比特率为5.3～16ltbit/s，均为中、低复杂度编码算法，语音分组长度在30ms以下，语音质量较好。 第3节子带编码的基本概念 子带编码是首先将输入信号分割几个不同的频带分量，然后再分别进行编码，这类编码方式称为频域编码。频域编码将信号分解成不同频带分量的过程去除了信号的冗余度，得到了一组互不相关的信号。这同DPCM 方式的机理虽然不同，但从去除冗余度角度这两者又是相似的。 子带编码是波形编码和参量编码的结合，称为混合编码。 语音信号处理重点、考点、考试题 一、填空题：（共7小题，每空2分，共20分） A卷 1、矢量量化系统主要由编码器和组成，其中编码器主要是由搜索算法和构成。 2、基于物理声学的共振峰理论，可以建立起三种实用的共振峰模型：级联型、并联型和。 3、语音编码按传统的分类方法可以分为、和混合编码。 4、对语音信号进行压缩编码的基本依据是语音信号的和人的听觉感知机理。 5、汉语音节一般由声母、韵母和三部分组成。 6、人的听觉系统有两个重要特性，一个是耳蜗对于声信号的时频分析特性；另一个是人耳听觉的效应。 7、句法的最小单位是，词法的最小单位是音节，音节可以由构成。 二、判断题：（共3小题，每小题2分，共6分） 1、预测编码就是利用对误差信号进行编码来降低量化所需的比特数，从而使编码速率大幅降低。（） 2、以线性预测分析-合成技术为基础的参数编码，一般都是根据语音信号的基音周期和清/浊音标志信息来决定要采用的激励信号源。（） 3、自适应量化PCM就是一种量化器的特性，能自适应地随着输入信号的短时能量的变化而调整的编码方法。（） 三、单项选择题：（共3小题，每小题3分，共9分） 1、下列不属于衡量语音编码性能的主要指标是（）。（A）编码质量（B）矢量编码（C）编码速率（D）坚韧性 2、下列不属于编码器的质量评价的是（）（A）MOS （B）DAM（C）DRT（D）ATC 3、限词汇的语音合成技术已经比较成熟了，一般我们是采用（）作为合成基元。 （A）词语（B）句子（C）音节（D）因素 四、简答题：（共2小题，每小题12分，共24分） 1、画出矢量量化器的基本结构，并说明其各部分的作用。 2、试画出语音信号产生的离散时域模型的原理框图，并说明各部分的作用。 五、简答题：（共5小题，前三小题，每题5分，后两小题，每题10分，共35分） 1、线性预测分析的基本思想是什么？ 2、隐马尔可夫模型的特点是什么？ 3、矢量量化器的所谓最佳码本设计是指什么？ 4、针对短时傅里叶变换Ⅹn(ejw)的定义式，请从两个角度对其进行物理意义的分析。 5、针对短时傅里叶变换的时间分辨率和频率分辨率的矛盾性，请给予分析说明。 六、计算题：（共1小题，每小题6分，共6分） 1、已知一个简单的三状态HMM模型的图形，如图一所示。求该HMM模型输出aab的概率为多少？（要有求解过程，无计算过程不得分） 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。 《matlab与信号系统》实验报告 学院： 学号： 姓名： 考核实验——语音信号采集与处理初步 一、课题要求 1．语音信号的采集 2．语音信号的频谱分析 3．设计数字滤波器和画出频率响应 4．用滤波器对信号进行滤波 5．比较滤波前后语音信号的波形及频谱 6．回放和存储语音信号 （第5、第6步我放到一起做了） 二、语音信号的采集 本段音频文件为胡夏演唱的“那些年”的前奏（采用Audition音频软件进行剪切，时长17秒）。运行matlab软件，在当前目录中打开原音频文件所在的位置，采用wavread函数对其进行采样，并用sound函数可进行试听，程序运行之后记下采样频率和采样点。 利用函数wavread对语音信号的采集的程序如下： clear; [y,fs,bits]=wavread('music.wav'); %x：语音数据；fs：采样频率；bits：采样点数sound(y,fs,bits); %话音回放 程序运行之后，在工作区间中可以看到采样频率fs=44100Hz，采样点bits=16 三、语音信号的频谱分析 先画出语音信号的时域波形，然后对语音号进行快速傅里叶变换，得到信号的频谱特性。语音信号的FFT频谱分析的完整程序如下： clear; [y,fs,bits]=wavread('music.wav'); %x：语音数据；fs：采样频率；bits：采样点数sound(y,fs,bits); %话音回放 n = length (y) ; %求出语音信号的长度 Y=fft(y,n); %傅里叶变换 subplot(2,1,1); plot(y); title('原始信号波形'); subplot(2,1,2); plot(abs(Y)); title('原始信号频谱'); 程序结果如下图： 四、设计数字滤波器和画出频率响应 根据语音信号的特点给出有关滤波器的性能指标： 1）低通滤波器性能指标，fp=1000Hz，fc=1200 Hz，As=100dB，Ap=1dB； 2）高通滤波器性能指标，fc=4800 Hz，fp=5000 Hz As=100dB，Ap=1dB。 音频、视频压缩有哪些技术标准？ 视频压缩技术有：MPEG-4、H263、H263+、H264等 MPEG-4视频编码技术介绍 MPEG是“Moving Picture Experts Group”的简称，在它之前的标准叫做JPEG，即“Joint Photographic Experts Group”。当人们用到常见的“.jpg”格式时，实际上正在使用JPEG的标准。JPEG规范了现代视频压缩的基础，而MPEG把JPEG 标准扩展到了运动图象。 MPEG-4视频编码标准支持MPEG-1、MPEG-2中的大多数功能，它包含了H.263的核心设计，并增加了优先特性和各种各样创造性的新特性。它提供不同的视频标准源格式、码率、帧频下矩形图像的有效编码，同时也支持基于内容的图像编码。采纳了基于对象(Object-Based)的编码、基于模型(Model-based)的编码等第二代编码技术是MPEG-4标准的主要特征。 MPEG4与MPEG1、MPEG2的比较 从上表可以看出，MPEG1和MPEG2主要应用于固定媒体，比如 VCD 和 DVD ，而对于网络传输，MPEG4具有无可比拟的优势。 H.263/H.263+/H.264视频编码技术介绍 1.H.263视频编码标准 1.H.263是最早用于低码率视频编码的ITU-T标准，随后出现的第二 版(H.263+)及H.263++增加了许多选项，使其具有更广泛的适用性。 H.263是ITU-T为低于64kb/s的窄带通信信道制定的视频编码标准。 它是在H.261基础上发展起来的，其标准输入图像格式可以是 S-QCIF、QCIF、CIF、4CIF或者16CIF的彩色4∶2∶0亚取样图像。 H.263与H.261相比采用了半象素的运动补偿，并增加了4种有效的 压缩编码模式。 2.H.263+视频压缩标准 1.ITU-T在H.263发布后又修订发布了H.263标准的版本2，非正式 地命名为H.263+标准。它在保证原H.263标准核心句法和语义不变 的基础上，增加了若干选项以提高压缩效率或改善某方面的功能。原 H.263标准限制了其应用的图像输入格式，仅允许5种视频源格式。 H.263+标准允许更大范围的图像输入格式，自定义图像的尺寸，从而 拓宽了标准使用的范围，使之可以处理基于视窗的计算机图像、更高 帧频的图像序列及宽屏图像。为提高压缩效率，H.263+采用先进的帧 内编码模式；增强的PB-帧模式改进了H.263的不足，增强了帧间预 测的效果；去块效应滤波器不仅提高了压缩效率，而且提供重建图像 的主观质量。为适应网络传输，H.263+增加了时间分级、信噪比和空 间分级，对在噪声信道和存在大量包丢失的网络中传送视频信号很有 意义；另外，片结构模式、参考帧选择模式增强了视频传输的抗误码 能力。 3.H.264视频压缩标准 1.H.264是由ISO/IEC与ITU-T组成的联合视频组(JVT)制定的新一 代视频压缩编码标准。对信道时延的适应性较强，既可工作于低时延 模式以满足实时业务，如会议电视等；又可工作于无时延限制的场合， 如视频存储等。 2.提高网络适应性，采用“网络友好”的结构和语法，加强对误码和 丢包的处理，提高解码器的差错恢复能力。 3.在编/解码器中采用复杂度可分级设计，在图像质量和编码处理之 间可分级，以适应不同复杂度的应用。 4.相对于先期的视频压缩标准，H.264引入了很多先进的技术，包括 4×4整数变换、空域内的帧内预测、1/4象素精度的运动估计、多参 考帧与多种大小块的帧间预测技术等。新技术带来了较高的压缩比， 同时大大提高了算法的复杂度。 G.7xx系列典型语音压缩标准介绍 G.7xx 是一组 ITU-T 标准，用于视频压缩和解压过程。它主要用于电话方面。在电话学中，有两个主要的算法，分别定义在 mu-law 算法（美国使用）和 a-law 算法（欧洲及世界其他国家使用），两者都是对数关系，但对于计算机的处理来说，后者的设计更为简单。 国际电信联盟G系列典型语音压缩标准的参数比较： 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 第4卷第2期2004年6月 长沙航空职业技术学院学报 CHAN GSHA AERONAU TICAL VOCA TIONAL AND TECHN ICAL COLL EGE JOURNAL Vol.4No.2 J un.2004 收稿日期:2004-03-20 作者简介:张晓婷(1964-),女,上海市人,讲师,主要从事计算机教学与研究。 数字音频技术(MP3)的压缩编码原理与制作方法 张晓婷 (珠海市工业学校,广东珠海 519015) 摘要:本文从音频压缩理论的角度,阐述MP3音频格式、压缩编码原理,同时介绍专业制作 MP3的方法。 关键词:MP3音频格式;压缩编码原理;制作经验与技巧中图分类号:TN919.3+11 文献标识码:A 文章编号:1671-9654(2004)02-051-06 Compression Coding Principle and F acture of Digital Audio Frequency T echnique (MP 3) ZHAN G Xiao 2ting (Zhuhai Indust ry School ,Zhuhai Guangdong 519015) Abstract : From the perspective of Audio Compression Theory ,the paper discusses format of audio Frequency tech 2 nique (MP3)and compression coding principle and also introduces the facture of audio Frequency technique (MP3). K ey w ords : Fomat of audio Frequency technique (MP3);compression coding principle ;facture 一、引言 数字技术的出现与应用为人类带来了深远的影响,特别是互联网的普及,使数字音频技术得到更为广泛的应用,并具有良好的市场前景。与之相关的数字音频压缩技术也得到了充分的发展,一些著名的研究机构和公司都致力于开发专利技术和产品。其中,MP3便是目前为止开发得最为成功的数字音频压缩技术之一。 二、MP3简介 (一)数字音频MP3的格式 MP3音频格式诞生于20世纪80年代,全名MPEG Audio layer 3,是MPEG (Moving PicturesEx 2pert Group 运动图像专家组)当初和影像压缩格式同时开发的音频压缩格式,是MPEG 21标准中的第三个层次,是综合了MPEG Audio layer 2和ASPEC 优点的混合压缩技术,音频质量好,主要用于MP3音频压缩,典型的码流为每通道64Kbit/s 。 (二)数字音频MP3压缩的优点 使用数字音频MP3压缩方式的处理,能增加更多的存储空间。由于MP3的压缩比约在十到十二倍之间,一分钟的CD 音乐经MP3压缩后,只需要一兆左右的存储空间,即一张光盘可以存储六百五十分钟到七百五十分钟的音乐;MP3典型的码流是每通道64Kbit/s ,只有CD 音乐每通道大约十分之一的码流,非常适合网上传输。更重要的是,即使压缩比如此惊人,音乐的品质依然较好,这主要是利用了人类听觉掩蔽效应(Masking Effect )的缘故。MP3具有容量小、数码化、制作简单、传输方便、成本低廉等特点,虽历经14余年,仍然是网上最流行的音乐格式之一。 三、MP3压缩编码原理在MPEG 21的音频压缩中,采样频率可分为32、44.1和48KHz ,可支持的声道有单声道(mono 2phonic )、双—单声道(dual 2monophonic )、立体声模式 ? 15? 文档从互联网中收集，已重新修正排版，word格式支持编辑，如有帮助欢迎下载支持。 目录 第1章前言 ................................................................................................... 错误!未定义书签。第2章语音信号分析处理的目的和要求 ................................................... 错误!未定义书签。 2.1MATLAB软件功能简介................................................................. 错误!未定义书签。 2.2课程设计意义 .................................................................................. 错误!未定义书签。第3章语音信号的仿真原理..................................................................... 错误!未定义书签。第4章语音信号的具体实现..................................................................... 错误!未定义书签。 4.1语音信号的采集................................................................................ 错误!未定义书签。 4.2语音信号加噪与频谱分析................................................................ 错误!未定义书签。 4.3设计巴特沃斯低通滤波器................................................................ 错误!未定义书签。 4.4用滤波器对加噪语音滤波................................................................ 错误!未定义书签。 4.5比较滤波前后语音信号波形及频谱................................................ 错误!未定义书签。第5章总结................................................................................................... 错误!未定义书签。参考文献......................................................................................................... 错误!未定义书签。附录................................................................................................................. 错误!未定义书签。 2011-2013学年 《语音信号处理》期末考试试题 适用班级：时量：120分钟闭卷记分： 考生班级：姓名：学号： 注：答案全部写在答题纸上，写在试卷上无效！ 一、填空题：（每空2分） 1、矢量量化系统主要由编码器和译码器组成，其中编码器主要是由搜索算法和码书构成。P101 2、基于物理声学的共振峰理论，可以建立起三种实用的共振峰模型：级联型、并联型和混合型。P18 3、语音编码按传统的分类方法可以分为波形编码、参数编码和混合编码。P137 4、对语音信号进行压缩编码的基本依据是语音信号的冗余度和人的听觉感知机理。 P137-138 5、汉语音节一般由声母、韵母和声调三部分组成。P10 6、人的听觉系统有两个重要特性，一个是耳蜗对于声信号的时频分析特性；另一个是人耳听觉的掩蔽效应。P22 7、句法的最小单位是词，词法的最小单位是音节，音节可以由音素构成。P9 8、复倒谱分析中避免相位卷绕的算法，常用的有微分法和最小相位信号法。P62 9、语音信号处理也可以简称为语音处理，它是利用数字信号处理技术对语音信号进行处理的一门学科，包括语音编码、语音合成、语音识别、说话人识别和语音增强等五大分支。P3 10、语音信号处理也可以简称为语音处理，它是以数字信号处理和语音学为基础而形成的一个综合新的学科，包括发音语音学、声学语音学、听觉语音学和心理学等四大分支。P2，6 11、语音的四大要素：音质、音调、音强和音长。P9 12、人类发音过程有三类不同的激励方式，因而能产生三类不同的声音，即浊音、清音、和爆破音。P8 13、元音的一个重要声学特性是共振峰，它是区别不同元音的重要参数，它一般包括共振峰频率的位置和频带宽度。 14、语音信号的倒谱分析就是求取语音倒谱特征参数的过程，它可以通过同态信号处理来实现。P56 二、判断题：（每小题2分）√× 1、预测编码就是利用对误差信号进行编码来降低量化所需的比特数，从而使编码速率大幅降低。（×）P143 2、以线性预测分析-合成技术为基础的参数编码，一般都是根据语音信号的基音周期和清/浊音标志信息来决定要采用的激励信号源。（×）P181 3、自适应量化PCM就是一种量化器的特性，能自适应地随着输入信号的短时能量的变化而调整的编码方法。（×）P142 4、线性预测法正是基于全极点模型假定，采用时域均方误差最小准则来估计模型参数的。（×）P72 5、波形编码是依赖模型假定的语音编码方法。（×）P137 6、掩蔽效应是使一个声音A能感知的阀值因另一个声音B的出现而提高的现象，这时A叫 基于MATLAB的语音信号滤波处理 题目：基于MATLAB的语音信号滤波处理 课程：数字信号处理 学院：电气工程学院 班级： 学生： 指导教师： 二O一三年十二月 目录CONTENTS 摘要 一、引言 二、正文 1.设计要求 2.设计步骤 3.设计内容 4.简易GUI设计 三、结论 四、收获与心得 五、附录 一、引言 随着Matlab仿真技术的推广，我们可以在计算机上对声音信号进行处理，甚至是模拟。通过计算机作图，采样，我们可以更加直观的了解语音信号的性质，通过matlab编程，调用相关的函数，我们可以非常方便的对信号进行运算和处理。 二、正文 2.1 设计要求 在有噪音的环境中录制语音，并设计滤波器去除噪声。 2.2 设计步骤 1.分析原始信号，画出原始信号频谱图及时频图，确定滤波器类型及相关指标； 2.按照类型及指标要求设计出滤波器，画出滤波器幅度和相位响应，分析该滤波器是否符合要求； 3.用所设计的滤波器对原始信号进行滤波处理，画出滤波后信号的频谱图及时频图； 4.对滤波前的信号进行分析比对，评估所设计滤波器性能。 2.3 设计内容 1.原始信号分析 分析信号的谱图可知，噪音在1650HZ和3300HZ附近的能量较高，而人声的能量基本位于1000HZ以下。因此，可以设计低通滤波器对信号进行去噪处理。 2.IIR滤波器设计 用双线性变换法分别设计了巴特沃斯低通滤波器和椭圆低通滤波器和带阻滤波器： ①巴特沃斯滤波器 fp=800;fs=1300;rs=35;rp=0.5; 程序代码如下： fp=800;fs=1300;rs=35;rp=0.5;Fs=44100; wp=2*Fs*tan(2*pi*fp/(2*Fs));ws=2*Fs*tan(2*pi*fs/(2*Fs)); [n,wn]=buttord(wp,ws,rp,rs,'s'); [b,a]=butter(n,wn,'s'); [num,den]=bilinear(b,a,Fs); [h,w]=freqz(num,den,512,Fs); 常见的音频编码标准 在自然界中人类能够听到的所有声音都称之为音频，它可能包括噪音、声音被录制下来以后，无论是说话声、歌声、乐器都可以通过数字音乐软件处理。把它制作成CD，这时候所有的声音没有改变，因为CD本来就是音频文件的一种类型。而音频只是储存在计算机里的声音。演讲和音乐，如果有计算机加上相应的音频卡，我们可以把所有的声音录制下来，声音的声学特性，音的高低都可以用计算机硬盘文件的方式储存下来。反过来，我们也可以把储存下来的音频文件通过一定的音频程序播放，还原以前录下的声音。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通过抽样、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。然而，3G网络带来了移动多媒体业务的蓬勃发展，视频、音频编解码标准是多媒体应用的基础性标准，但其种类较多，有繁花渐欲迷人眼之感。那么常见的编码技术就是我们必须知道的，下面我们介绍一下最常见的编码技术。 1.PCM PCM 脉冲编码调制是Pulse Code Modulation的缩写。PCM编码的最大的优点就是音质好，最大的缺点就是体积大。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。 2.W A V WA V是Microsoft Windows本身提供的音频格式，由于Windows本身的影响力，这个格式已经成为了事实上的通用音频格式。实际上是Apple电脑的AIFF格式的克隆。通常我们使用W A V格式都是用来保存一些没有压缩的音频，但实际上W A V格式的设计是非常灵活（非常复杂）的，该格式本身与任何媒体数据都不冲突，换句话说，只要有软件支持，你甚至可以在W A V格式里面存放图像。之所以能这样，是因为W A V文件里面存放的每一块数据都有自己独立的标识，通过这些标识可以告诉用户究竟这是什么数据。在WINDOWS 平台上通过ACM（Audio Compression Manager）结构及相应的驱动程序（通常称为CODEC，编码/解码器），可以在W A V文件中存放超过20种的压缩格式，比如ADPCM、GSM、CCITT G.711、G.723等等，当然也包括MP3格式。 虽然W A V文件可以存放压缩音频甚至MP3，但由于它本身的结构注定了它的用途是存放音频数据并用作进一步的处理，而不是像MP3那样用于聆听。目前所有的音频播放软件和编辑软件都支持这一格式，并将该格式作为默认文件保存格式之一。这些软件包括：Sound Forge, Cool Edit Pro, 等等。 3.MP3 MP3它的全称是MPEG(MPEG：Moving Picture Experts Group) Audio Layer-3，1993年由德国夫朗和费研究院和法国汤姆生公司合作发展成功。刚出现时它的编码技术并不完善，它更像一个编码标准框架，留待人们去完善。这个比喻相信大家都会同意。MP3是Fraunhofer-IIS研究的研究成果。MP3是第一个实用的有损音频压缩编码。在MP3出现之前，一般的音频编码即使以有损方式进行压缩能达到4:1的压缩比例已经非常不错了。但是，MP3可以实现12:1的压缩比例，这使得MP3迅速地流行起来。MP3之所以能够达到如此高的压缩比例同时又能保持相当不错的音质是因为利用了知觉音频编码技术，也就是利用了人耳的特性，削减音乐中人耳听不到的成分，同时尝试尽可能地维持原来的声音质量。 由于MP3是世界上第一个有损压缩的编码方案，所以可以说所有的播放软件都支持它，否则就根本没有生命力。在制作方面，也曾经产生了许多第三方的编码工具。不过随着后来Fraunhofer-IIS宣布对编码器征收版税之后很多都消失了。目前属于开放源代码并且免费的 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： 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，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×16×2 =。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 特性：ADPCM(adaptive difference pulse code modulation)综合了APCM的自适应特性和DPCM系统的差分特性，是一种性能比较好的波形编码。 它的核心想法是： ①利用自适应的思想改变量化阶的大小，即使用小的量化阶(step-size)去编码小的差值，使用大的量化阶去编码大的差值； ②使用过去的样本值估算下一个输入样本的预测值，使实际样本值和预测值之间的差值总是最小。 优点：算法复杂度低，压缩比小（CD音质>400kbps），编解码延时最短（相对其它技术） 缺点：声音质量一般 应用领域：voip 语音信号数字化编码 随着数字技术，特别是计算机技术的飞速发展与普及，在现代控制、通信及检测等领域，为了提高系统的性能指标，对信号的处理广泛采用了数字计算机技术。由于系统的实际对象往往都是一些模拟量（如温度、压力、位移、图像等），要使计算机或数字仪表能识别、处理这些信号，必须首先将这些模拟信号转换成数字信号；而经计算机分析、处理后输出的数字量也往往需要将其转换为相应模拟信号才能为执行机构所接受。这样，就需要一种能在模拟信号与数字信号之间起桥梁作用的电路——模数和数模转换器。语音信号的数字化的编码的实现就是将一个语音信号转换成数字信号。 标签：语音信号；数字信号；模数转换 1 设计要求 1.1 语音信号的数字化编码的实现即将模拟信号进行数字化处理。 1.2 要求运用pcm编码（脉冲编码调制）的基本原理。 1.3 要求软硬件结合。 2 设计原理 语音信号数字化编码的实现就是将一个语音信号转换成数字信号。 语音是人类发音器官发出的，具有一定意义的，能起到社会交际作用的声音。普通人语音信号频率范围20HZ——20KHZ。 语音信号转换电信号的过程：声音通过空气把震动传给声音传感器的薄膜，薄膜振动带动线圈在磁场中做切割磁感线运动，产生大小不一的电流。 通常把从模拟信号抽样、量化，直到变换成为二进制符号的基本过程，称为脉冲编码调制（pcm），简称脉码调制。 Pcm系统的原理方框如图1所示，在编码器中有冲激脉冲对模拟信号抽样，得到在抽样时刻上的值。这个抽样值仍是模拟量。在它量化之前，通常用保持电路将其作短暂的保存，以便电路有时间对其进行量化。在实际电路中，常把抽样和保持电路作在一起，称为抽样保持电路。图中的量化器把模拟抽样信号变成离散的数字量，然后再编码器中进行二进制编码。这样，每个二进制码组成就代表一个量化后的信号抽样值。 3 基本电路 实验一 语音压缩编码的实现——增量调制 一、 实验目的 （1） 会用MATLAB 语言表示基本的信号 （2） 用MATLAB 实现语音信号的采集 （3） 理解增量调制（DM ）的原理并编程实现编译码 二、 实验原理 1、信号是随时间变化的物理量，它的本质是时间的函数。信号可以分为时间连续信号和时间离散信号。连续信号是指除了若干不连续的时间点外，每个时间点上都有对应的数值的信号。离散信号则是只在某些不连续的点上有信号值，其它的时间点上信号没有定义的一类信号。离散信号一般可以由连续信号经过模数转换而得到。 语音信号是模拟信号，经麦克风输入计算机后，就存为数字信号。 2、增量调制编码基本原理是采用一位二进制数码“1”或“0”来表示信号在抽样时刻的值相对于预测器输出的值是增大还是减小，增大则输出“1”码，减小则输出“0”码。收端译码器每收到一个1码，译码器的输出相对于前一个时刻的值上升一个量化阶，而收到一个0码，译码器的输出相对于前一个时刻的值下降一个量化阶。 增量调制的系统结构框图如课本上图3.3-1所示。在编码端，由前一个输入信号的编码值经解码器解码可得到下一个信号的预测值。输入的模拟音频信号与预测值在比较器上相减，从而得到差值。差值的极性可以是正也可以是负。若为正，则编码输出为1；若为负，则编码输出为0。这样，在增量调制的输出端可以得到一串1位编码的DM 码。 图3.3-1 增量调制的系统结构框图 三、 实验容与方法 （一）、用windows 自带的录音机录一段自己的语音（3s ），存为“.wav ”文件。 1、补充：语音信号的采集 Wavread 函数常用的语法为：[y,fs,bite]=wavread(‘filename.wav’); 这里fs 为采样频率，bite 为采样点数。 AWGN ：在某一信号中加入高斯白噪声 输入信号 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 音频编解码标准 PCMU(G.711U) 类型: Audio 制定者: ITU-T 所需频宽: 64Kbps(90.4) 特性: PCMU和PCMA都能提供较好的语音质量, 可是它们占用的带宽较高, 需要64kbps。 优点: 语音质量优 缺点: 占用的带宽较高 应用领域: voip 版税方式: Free 备注: PCMU and PCMA都能够达到CD音质, 可是它们消耗的带宽也最多(64kbps)。如果网络带宽比较低, 能够选用低比特速率的编码方法, 如G.723或G.729, 这两种编码的方法也能达到传统长途电话的音质, 可是需要很少的带宽( G723需要5.3/6.3kbps, G729需要8kbps) 。如果带宽足够而且需要更好的语音质量, 就使用PCMU 和 PCMA, 甚至能够使用宽带的编码方法G722(64kbps), 这能够提供有高保真度的音质。 PCMA(G.711A) 类型: Audio 制定者: ITU-T 所需频宽: 64Kbps(90.4) 特性: PCMU和PCMA都能提供较好的语音质量, 可是它们占用的带宽较高, 需要64kbps。 优点: 语音质量优 缺点: 占用的带宽较高 应用领域: voip 版税方式: Free 备注: PCMU and PCMA都能够达到CD音质, 可是它们消耗的带宽也最多(64kbps)。如果网络带宽比较低, 能够选用低比特速率的编码方法, 如G.723或G.729, 这两种编码的方法也能达到传统长途电话的音质, 可是需要很少的带宽( G723需要5.3/6.3kbps, G729需要8kbps) 。如果带宽足够而且需要更好的语音质量, 就使用PCMU 和 PCMA, 甚至能够使用宽带的编码方法G722(64kbps), 这能够提供有高保真度的音质。 ADPCM(自适应差分PCM) 类型: Audio 制定者: ITU-T 所需频宽: 32Kbps 特性: ADPCM(adaptive difference pulse code modulation)综合了APCM的自适应特性和DPCM系统的差分特性, 是一种性能比较好的波形编码。它的核心想法是: ①利用自适应的思想改变量化阶的大小, 即使用小的量化阶(step-size)去编码小的差值, 使用大的量化阶去编码大的差值; ②使用过去的样本值估算下一个输入样本的预测值, 使实际样本值和预测值之间的差值总是最小。 优点: 算法复杂度低, 压缩比小( CD音质>400kbps) , 编解码延时最短( 相对其它技术) 缺点: 声音质量一般 应用领域: voip 版税方式: Free 备注: ADPCM (ADPCM Adaptive Differential Pulse Code Modulation), 是一 实验三．语音变换和压缩编码实验 通过键盘和液晶选择“菜单”中的“二. 语音变换” 1．语音模数转换实验 （1）在语音变换下选择“1. 语音模数变换”； （2）按下AMBE2000的复位按钮，对AMBE2000进行复位； （3）K501拨到“SIN”，将输入的模拟信号设置为2kHZ的正弦信号，通过测试点TP501可以观测到输入给AD73311的模拟信号，调节面板上的W501，可以改变输入信号的幅 度； （4）通过测试点TP502观测AD73311中A/D和D/A变换的时钟输出； （5）通过测试点TP503观测AD73311中数字输出和输入的帧同步信号； （6）通过测试点TP504观测AD73311的A/D转换后的数字输出信号； （7）通过测试点TP505观测AD73311的D/A转换前的数字输入信号； （8）通过测试点TP506观测AD73311完成D/A转换后的模拟信号，并可以通过调节面板上的W502改变输出信号的幅度； （9）将K501拨到“MIC”，将输入的模拟信号设置为麦克风输入的语音信号，插入麦克风和耳机，可以从耳机中听到麦克风的声音。 测量操作与测量结果： （1）CH1连接到TP501；CH2连接到TP506； （2）按下示波器的“AUTO”键； （3）分别将CH1和CH2的电压档设为“200mV”，时间档设为“200us”； （4）将CH1向移动，CH2向下移动。 （5）调节面板上的W501和W502，分别将TP501和TP506信号的幅度调整到300 mV和500 mV左右。 （6）按“RUN/STOP”键停止波形采样。 （7）CH1为输入的模拟2KHz正弦波，CH2为输出恢复信号，可以看到恢复波形比原始波形质量变差了。如图2-1-TP501~TP506。 2-1-TP501~TP506语音信号处理考试题(综合)
数字音频基础知识
音频的编解码
matlab语音信号采集与初步处理要点
音频、视频压缩有哪些技术标准
语音编码技术及其在通信系统中的应用
数字音频技术_MP3_的压缩编码原理与制作方法
基于matlab的语音信号的采集与处理
(完整)《语音信号处理》期末试题总结,推荐文档
基于MATLAB的语音信号滤波处理
常见的音频编码标准
各种音频编码方式的对比
语音信号数字化编码
实验一：语音压缩编码的实现
各种音频编码方式的对比
音频解码标准样本
语音变换和压缩编码实验
相关主题
文本预览