第七章_语音信号的参数编码(幻灯讲义)_2

2
)
)
为了达到上述这个条件，可以通过调整激励参数来实现。由于
2 ) s( f ) − s ( f ) ⋅ w( f ) 要尽量平坦，所以能量较大处的频段 w( f ) 应较小，而能量较小
的频段内 w( f ) 应较大。为此 w( f ) 在 z 域内，可以取如下形式：
w( z ) =
A( z ) = A( z / γ )
4
2. 合成分析法
合成分析法（ABS—Analysis By Synthesis）即是将综合器引入编码器，使之与分析 器结合，在编码器中产生与译码器完全一致的合成语音，将此合成语音与原始语音相比 较，根据一定的误差准则，来调整计算各个参数，使得二者之间的误差达到最小，这种 方法即称为合成分析法。使用这种方法有可能获得对激励信号的低速率编码方法，获得 较高质量的合成语音。 例如，可以在编码器中，将激励信号输入综合滤波器，令其产生合成语音，与原始 语音相比较，从而求得二者均方误差最小的激励。
E min = ∑ [e w ( n )] − ∑ g k Reh ( nk )
2 n =1 k =1
N
M
(7-14)
由于(7-11)是包含 M 个方程，不可能求出２Ｍ个未知数，要求 { n j } ，{ g j } 需要同时解
11
M 个线性方程和 M 个非线性方程，这一过程是极其繁复的。考虑其实用性，可以考虑 采用次优搜索法， 即用依次对每个 { ni , g i } 顺序优化来代替总体优化， 这可以简化算法。
13
e w , j ( n ) = e w , j −1 ( n ) − g j −1 ( n )hn ( n − n j −1 )
j = 1,L , M
起始条件 (7-22)
e w ,0 ( n ) = s w ( n ) − s w ,0 ( n )
(7-23)
s w, 0 为当前帧还没有搜索出任何激励脉冲时，以前所有激励信号影响下（包括 1 ~ j − 1
语音信号存在相关性。对于时间上的线性相关性我们可以用短时相关性和长时相关 性来进行描述。 如果我们使用线性预测技术对语音信号进行处理， 在去除了语音中的这种线性相关 性后，我们将可以得到语音的预测余量（或残差）信号。 由于预测余量信号的相关性很小， （也即冗余度很小）这时如果对这个残差信号进 行编码，就可能获得较高的编码效率。
M ) ) s ( n ) = s0 ( n ) + ∑ g k h( n − n k ) k =1
)
（7-5）
) s ( n ) 与 s( n ) 的误差 es ( n ) 为
M ) ) e s ( n) = s ( n) − s ( n) = s ( n) − s 0 ( n) − ∑ g k h( n − n k ) k =1
(7-19) (7-20)
E min = ∑ ew , j ( n ) − g j Reh ( n j )
2 n =1 N 2 E min = ∑ ew , j ( n ) − Reh ( n j ) / Rhh ( n j , n j ) 2 n =1
N[]ຫໍສະໝຸດ [](7-21)
扣除了第 j 个脉冲以前的所有脉冲作用于加权 上式中 ew, j (n) 表示在输入的原始语音中， 综合滤波器所得到的合成语音中有关分额后，余下的等效语音。
1.1. 语音的短时预测
语音的短时相关性 （谱包络） 可以用一个全极点模型来描述。 它的传输函数 H (z ) 为：
H ( z) =
1 = A( z )
1 1 − ∑α i z
i =1 P −i
（7-1）
公式（7-1）中 α i 是语音的短时预测系数， P 是预测器阶数。
2
一般称 H ( z ) 为线性预测综合滤波器， A( z ) 为线性预测分析器或是逆滤波器。 P 的典 型值为 8~12。 预测器系数是从语音信号中利用线性预测分析的方法得到。 预测器的系数 逐帧更新，更新速率为 30~100 次/秒，即帧移为 10~33 mS 。
1 − ∑ α i z −i 1 − ∑α iγ z
i i =1 i =1 P −i
P
， 0 ≤ γ ≤1
（7-4）
这个感觉加权滤波器的特性由预测系数 { α i } 与加权因子 γ 来确定。 的取值在 0~1 γ
6
之间，由它控制共振峰区域的误差大小。例如：
r = 1 时， w( z ) = 1 ，此时没有加权。
r = 0 时， w( z ) = 1 − ∑ α i z −i ，此时是逆滤波器，其频谱包络的峰值点正是语音
i =1
P
谱的谷值点。通过这种加权方法处理后得到的误差信号的频谱能量分布与语音谱是一致
ˆ 的。 （未加权处理的残差信号 s ( n) − s ( n) 的谱是比较平坦的）
7
2.2. 多脉冲激励线性预测声码器
3
提取。这些系数的更新速率为 50~200 次/秒。
1.3. 激励信号源
求得短时和长时预测系数后，将语音信号输入短时和长时线性预测逆滤波器 A( z ) 和 P ( z ) 中， 就可以去除语音的短时长时相关性， 在其输出端得到类似于噪声的波形 （谱 的白化） ，即线性预测余量信号。如果是浊音段，余量信号中还往往存在以基音周期重 复的尖峰脉冲。与原始语音相比，余量信号的频谱起伏变化要小得多。这样对余量信号 的低速率编码就成为可能。 如果用余量信号作为图７－１中的激励源则可无失真地恢复语音信号。 但为了压缩 比特率，不可能直接利用余量信号作为激励信号。采用什么技术来精确有效地对余量信 号进行编码，一直是低速率下获得高质量合成语音的关键。
1.2. 语音的长时预测
滤波器 为：
1 表示语音信号的长时相关性（谱的精细结构）的模型。它的一般形式 P( z )
1 = P( z )
1 1 − ∑ bi z
i=− q r −( D +i )
(7-2)
公式（7-2）中 D 是延时参数（等于语音的基音周期） bi 是语音信号的长时预测系数。 ， 通常长时预测系数的个数取在 1（ q = r = 0 ）到 3（ q = r = 1 ）之间。延时参数 D 和 系数 bi 可以直接从语音信号中提取， 也可以从去除了短时相关性所得的语音残差信号中
激励脉冲）的综合滤波器的输出（等效于零输入响应） 。
Reh ( n j ) 的更新公式为
Reh ( n j ) = ∑ e w , j ( n )hw ( n − n j )
n =1
N
（7-24）
14
⎤ )⎥ ⎦
2
(7-8)
为使 E 最小则：
∂E = 0 ， j = 1,L M ∂n j ∂E = 0 ， j = 1,L M ∂g j
10
(7-9)
(7-10)
由（7-9）可以得到 M 个非线性方程，而由(7-10)式可得到 M 个线性方程：
∑g
k =1
M
k
Rhh ( n k , n j ) = Reh ( n j ) , j = 1,L M
1
图 7-1 是考虑了语音的长时相关性和短时相关性后的语音生成模型示意图。图中
1 1 是长时预测综合滤波器， 是短时预测综合滤波器。如果用预测余量信号作为 P(z) A( z )
图 7-1 中的输入激励信号源，就可以得到合成的语音。
激励发 生器
1 P( z )
1 A( z )
合成语音
图 7-1 语音合成模型示意图
2.1. 感觉加权滤波器(Perceptually weighted filter)
感觉加权滤波器的依据是人耳听觉的掩蔽效应(Masking Effect)，在语音频谱中能量 较高的频段即共振峰处的噪声相对于能量较低频段的噪声而言不易被感知， 因此在变量 原始语音与合成语音之间的误差时可以计入这一因素。 例如，在语音能量高的频段处，允许合成语音和原始语音之间的误差大一些，反之
LP分析
原始语音s (n)
激励发 生器
LPC综合 滤波器
ˆ s ( n)
e s (n)
感觉加权 滤波器
均方误差最小估值
e(n)
图 7-1 MPLPC 声码器原理示意图
8
2.2.1. 最佳激励参数的估值
假设语音的帧长为 N ，现在用 M 个脉冲来表示激励信号，需要确定这些脉冲的位 置 n1 , n2 ,L n M ，和幅度 g 1 , g 2 ,L g M 。 设 s0 ( n ) 是 LPC 综合器的零输入响应，则
2.2.2. 准最佳顺序优化
这时每次只需估计一个脉冲的位置和幅度。设 n1 ， g1 分别是第一个脉冲的位置和 幅度。 由(7-11)可知道在只有一个脉冲时
g 1 Rhh ( n1 , n1 ) = Reh ( n1 )
由(7-14)可得
（7-15）
E min = ∑ [e w ( n )] − g 1 Reh ( n1 )
第七章 语音信号的参数编码
参数编码也称为模型编码。它是对语音信号建立模型，然后对模型参数或是语音的 特征参数进行编码，力图使重建的语音信号在听觉上具有尽可能高的清晰度和可懂性。 而在波形上与原始的语音信号可能会有相当大的差别。 在这个章节中将介绍利用线性预测编码技术实现的语音参数编码技术。
1. 线性预测编码
2 n =1
N
（7-16）
从（7-15）解出 g 1 ，将其代入（7-16）得到
2 E min = ∑ [e w ( n )] − Reh ( n1 ) / Rhh ( n1 , n1 ) 2 n =1 N
(7-17)
12
2 由于 e w ( n ) 为固定，所以只要搜索 n1 ，使 Reh ( n1 ) / Rhh ( n1 , n1 ) 最大即可。