《VoIP基本概念-语音编码器》由会员分享，可在线阅读，更多相关《VoIP基本概念-语音编码器（6页珍藏版）》请在金锄头文库上搜索。
1、本章综述在 IP 语音技术（VOIP）中常用的编码解码器（codess ） 。它们常被称为编码解器、语音编码器或者简称为编码器。有关这方面的知识很多。 本章首先简要介绍编码器的主要功能、编码器的分类，然后阐述以及用于 VOIP 的三种编码器：IUT-T G.723 语音编者按码器、ITU-T G.729 语音编码器。 一、 语音编码器的功能 语音编码器的主要功能就是把用户语音的 PCM（脉冲编码调制）样值编码成少量的比特（帧） 。这种方法使得语音在连路产生误码、网络抖动和突发传输时具有健壮性（Robustness） 。在接收端，语音帧先被误码为 PCM 语音样值，然后再转换成语音波形。 二、
2、语音编器的分类 语音编码器分为三种类形：（a ）波形编器；（b）声码器；（c）混合编码器。波形编码器会尽可能构出包括背景噪单在内的模拟波形。由于波形编码器作用于所有输入信号，因此会产生高质量的样值。然而，波形编码器工作在高比特率。例如：ITU-G.711 规范（PCM）用的比特率为 64Kbps。 声码器（vocoder）不会再生原始波形。这组编码器会提取一组参数，这组参数被送到接收端，用来导出语音产生模形。线性预测编码（LPC）用来获取一时变数字滤波器的参数。这个滤波器用来模拟说话人的声道输出WEST96。在电话系统中使用声码器，语音质量不够好。 图 4-1 合成分析操作 图 4-2 低比特
3、率编码器的 MOS 得分-比特率关系曲线（WEST96）在 VOIP 中常用的语音编码器是混合编码器，它融入了波形编码器和声器的长处，它的另一特点是它工作在非常低的比特率（4-6Kbps） 。混合编码器采用合成分析（ AbS） 。 为了说明问题，考虑人的声道产生的一个语音模式：当人说话产生语音信号时就会发出浊音（如音素 pa、da 等）和清音（如音素 sh、th） 。激励信号就是由输入的语音信号导出的，其方法是使合成语音与输入语音的差别非常小。LPC 的用法、激励的产生以及对合成分析（AbS）系统的误差检查均如图 4-1 所示。 长话质量编码器在比特率高于 8Kbps 时容易实现，如图 4-2
4、 所示。长话质量的语音平均意见得分（MOS）必须在分或许分以上。传统的 PCN 语音在比特率小于 32 Kbps，语音质量会严重恶化，在这里就不讨论 PCN 了。混合编码和声码器在比特率相当低的 MOS 上的得分是可接受的。在现阶段，大多数基于VOIP 的编码器的工作范围在 5.28kbps。研究表明，标准的编码器在比特率为 4 Kbps 时能提供可接受的 NOS 得分，一些分用系统在 4.8 Kbps 的 MOS 上的得分为 3.8。 矢量量化和码激励线性预测 一种较好的方法就是用预测存储的最优参数（码元矢量）的码本对输入语音信号的表示矢量进行编码，这种技术称为矢量量化（VQ ，vector
5、 quantization） 。 将 VQ 和 AbS 技术结合在一起会进一步提高编码性能。AbS VQ 是技术构成 CELP 的基础。 VQ 和 AbS VQ 的主要区别在于进行矢量量化码簿搜索时采用的量化失真测量定义的不同WONG96 。 三、线性预测合成分析编码器 最常用的比特率在 4.8kbps16 kbps 之间的语音编码器是基于模型编码器的，这些编码器都是线性预测合成分析（LPAS）方法。为了随着时间的变化模拟语音信号，线性预测语音产生模型必须用适当的信号来激励。每隔一段固定时间（如每隔 20ms） ，语音模型参数和激励参数都必须做一次估计和更新，并用来控制语音模型。下面将介绍两种
6、 LPAS 编码器：前向至应 LPAS 编码器和后向自适应 LPAS 编码器。 3.1 前向自适应 LPAS 编码器：8kbps G.729 编码器和 6.3kbps 与 5.3kbps G.723.1 编码器 在前向自适应的 AbS 编码器中，预测滤波器的系数和增益是显示传送的。为了提供长话质量的语音性能，这两种编码器都依赖于信源模型。激励信号（以语音基调周期的信息形式表示）也要传送。这种编码器所提供的模型对语音信号来说是比较好的，但对于一些噪音或者多数器来说并不合适。因此，在背景噪音和音乐环境下，LPAS 编码器的质量比 7.726和 7.727 的编码器的质量要差一些。 G.723.1
7、ITU-T G.723.1 编码器在 6.4kbps 提供长话质量语音。同时 G.723.1 还包括一个工作在 5.3kbps 的低质量语音编码器。G.723.1 是为低比特率可视电话而设计的。在这种适应中，由于视频编码时延通常大于语音编码时延，因此对时延的要求不是很严格。G.723.1 编码器的帧长为 30ms，还有 7.5ms 的前视。再加上编码器的处理时延，编码器的单向总时延为 67.5ms。其它时延是由系统缓冲区和网络造成的。 G.723.1 编码器首先对语音信号进行传统电话带宽的波滤（基于 G.712） ，再对语音信号用传统的 8000Hz 速率进行抽样（基于 G.711） ，并变换
8、成位的线性 PCM 码作作为该编码器的输入。在编码器中对输出进行逆操作来重构语音信号。 G.723.1 系统用 LPAS 编码方法将语音信号编码成帧。编码器能够产生两种速率的语音流量：（a）用于高速率的6.3kbps；(b)用于低速率的 5.3kbps。主速率编码器使用多脉冲最大自然量化（ MP-MLQ） ，低速率编码器使用代数码激励线性预测（ACELP ，Algebraic-Code-Excited Linear-Prediction）方法。编码器和解码器都必须支持两种速率，并通能够在帧间对两种速度进行转换，此系统同样能够对音乐和其它音频信号进行压缩和解压缩，但它对语音信号来说是最优的。 编
9、码器对帧进行操作，每帧包括 240 个样点，采用速率为 8000Hz。在进一步的处理（高通滤波器去直流分量）后把每帧分成 4 个子帧，每个子帧包括 60 个样点，其它的各种操作包括 LPC 滤波器以及 LSP 滤波器非量化系数的计算等，将会导致 30ms 的分组时延。对每个子帧，用未经处理的输入信号计算 LPC 滤波器。最后一个子帧的滤波器系数用来预测分裂矢量量化器（PSVQ，Predictive split Vector quantizer）进行量化。正如前面所介绍的，前视占有 7.5ms，所以整个编码时延为 37.5ms。这个时延在评介编码器，尤其是通过数据网络传输语音时是个很重要的因素，
10、因为如果编码及解码时延比较小的话，就意味着处理互联网中的时延及其抖动时具有更大的自由度。 解码器的处理也是基于帧的，解码过程如下（G.723.1 算法摘要）： 对 LPC 的量化索引号进行解码。 对构造 LPC 合成滤波器。 对每个子帧，先对自适应码本激励和固定码本激励解码，然后再输入合成滤波器。 激励信号经基音后置滤波器处理后，再送入合成滤波器。 合成信号被输入到共振峰后置滤波器，该滤波器采用增益标度单元以使其输出能量维持在糨的输入水平。 静音压缩已运用多年，它运用了在总会话时间中静音时间占大约 50%这一事实。其基本思路是在静音期间减少传送的比特数，从而节省了所需传输的总比特数。 在电话网
11、中，多年来对模拟语音信号都是用时间分配语音插值（TASI ，Time-Assigned Speech Interpolation）主法进行处理。这一技术也就是将其它语音信号或者数据信号放置在谈话的静音期间内，从而为多信道链路提供附加容量。现今，TASI 已运用数字信号中并被赋予新名称-其中的一个例子就是时分多址（TDMA，Time Division Multiple Access） 。简要地讲，DTMA 是将通常的信号划分成很小的、数字化片段（slots 即时隙） 。这些时隙和其它时隙一起在一个信道中进行时分复用。 G.723.1 采用了执行不连续传输的静音压缩，这就意味着在静音期间的比特流中
12、加入了人为的噪声。除了预留带宽之外，这种技术使发信机的调制解调器保持边续工作，并且避免了载波信号的时通时断。 G.729 G.729 编码器是为低时延应用设计的，它的帧长只有 10ms，处理时延也是10ms，再加上 5ms 的前视，这就使得 G.729 产生的点到点的时延为 25ms，比特率为 8 kbps。这些时延性能在互联网中很重要，因为我们知道任何能减少时延的因素都是非常重要的。 G.729 有两个版本：G.729 和 G.729A。G.729 比 G.723.1 简单。这两个版本互相兼容但它们的性能有些不同，复杂性低的版本（G.729A）性能较差。两种编码器都提供了对帧丢失和分组丢失的
13、隐藏处理机制，因此在因特网上传输语音时，这两种编码器都是很好的选择。Cox 等COX98 认为 G.729 在处理随机比特错误方面性能不好。建议在有随机比特错误的信道上不使用此编码器，除非利用信道编码（前向纠错码和卷积码，将在无线部份讨论）保护最敏感的比特。 3.2 后向自适应 LPAS 编码：16 kbps G.728 低时延码激励线性预测 G.728 是低比特线性预测合成分析编码器（G.729 和 G.723.1）和后向 ADPCM 编码器的混合体。G.728 是LD-CELP 编码器，它一次只处理 5 个样点。 CELP 是上种语音编码技术，它的激励信号是从一个可能的激励信号集合中通过全
14、搜索方法选出的。低速率语音编码吕器对样值预测滤波器采用前向自适应方案。而 LD-CELP采用后向自适应滤波器并每隔 2.5ms 做一次更新。CELP 中共有 1024 个可能的激励矢量。这些矢量可进一步分析为 4 种可能的增益，两种符号（+和-）与 128 种形状矢量。 对于低速率（56128 kbps）的综合业务数字网（ISDN）可视电话，G.728 是一种建议采用的语音编码器。由于其后向自适应特性，因此 G.728 是一种低时延编码器，但它比其它的编码器都复杂，这是因为在编码器中必须重复做 50 阶 LPC 分析。G.728 还采用了自适应后置滤波器来提高其性能。 四、参数语音编码器：2.
15、4 kbps 混合激励线性预测编码 参数编码器采用简化激励信号的语音模型，因而能工作在最低比特率。前而讨论的所有语音编码器都可描述为波形跟踪，它们输出信号的波形和相位与输入信号很相似。 参数语音编码器却不同，它不呈现为波形跟踪。这类编码器是基于分析合成模型的，可用相当少的参数表示语音信号。这些参数通常是每隔 20ms40ms 就会从语音信号中提取和量化。在接收端，这些参数用来生成合成语音信号。在理想条件下，合成语音听起来和原始语音相似。在背景噪音较大的情况下，由于输入的语音信号不能根据其内在的语音模型很好的建模，所以任何参数编码器都将失败。美国政府选择了 2.4 kbps MELP 用于保密电
16、话。 对于我媒体应用，COX98的研究指出：当需要低比特率时，参数编码器是一种好的选择。例如，简单的用户游戏中经常用参数编码器。这会降低所需的存储空间。出于同样的原因，参数编码器对某些多媒体消息型业务也是一种好的选择。对所有类型的语音环境来说，参数编码器的绝对语音质量都较低，尤其是在噪声环境下。如果事先能对语音文件做仔细的编辑，那么这个缺点是能克服的。目前，多媒体应用中的大多数参数编码器都不是标准的。而是适用于这类专用编码器。 用于无线通信的 G.723.1 可变速率编码 G.723.1 的附件 C 规定了一个信道编码规范，此规范可以和三倍速率的语音编码器一起使用。这个信道编码器的比特率的可变的，它作为整个 H.324 标准系列的一部份，是为移动多媒体应用设计的。 这个信道编码器支持的比特率范围从 0.7 kbps 到 4.3 kbps。它也支持 G.723.1 的三个操作模式的编解码器，即高速率模式、低速率模式和不连续传送模式。 这个信道编码器采用截短卷积码，根据每一类型信息比特主观
