《移动多媒体技术基础 教学课件 ppt 作者 王波涛 第三章2》由会员分享，可在线阅读，更多相关《移动多媒体技术基础 教学课件 ppt 作者 王波涛 第三章2（86页珍藏版）》请在金锄头文库上搜索。
1、第三章 移动多媒体的语音/音频编解码技术,主要内容,语音编码概述 语音信号的数学模型 移动多媒体中的语音编码技术 3G中语音编码标准 音频编码技术,1 语音编码概述,（1）音频信号的频率范围,（窄带）话音(语音)编码 3003400Hz 宽带话音编码 507000Hz （宽带）音频（音乐）编码 2020000Hz,（）语音编码的基本技术,波形编码 参数编码 混合编码,波形编码,将时间域信号直接变换为数字代码,使重建语音波形保持原语音信号的波形形状。 基本原理: 在时间轴上对模拟语音按一定的速率抽样，然后将幅度样本量化，并用代码表示。 将收到的数字序列经过解码和滤波恢复成模拟信号。,优点： 适应
2、能力强、语音质量好、抗噪抗误码能力强 编码速率高:16k64kbps。 应用信号带宽要求不太严格的通信中 不适于频率资源相对紧张的移动通信,参数编码,基本原理 将信号在频率域或其它正交变换域提取特征参数，并将其变换成数字代码。 解码时将收到的数字序列经变换恢复特征参数，再根据特征参数重建语音信号 重视保护语音参数模型，重建清晰可识别的语音 不注重波形的拟合，,优点： 实现低速或极低速的编码:编码速率通常小于4.8KbPs，可以低至600bPs至.4KbPs。 缺点： 合成语音质量差，特别是自然度较低， 对讲话环境噪声较敏感 延时比较大。,混合编码,将波形编码和参数编码组合起来 克服了原有波形编
3、码和参数编码的弱点，结合了各自的长处 力图保持波形编码的高质量和参数编码的低速率 在416KbPs速率上能够得到高质量的合成语音。 适合移动通信,语音编码标准,以国际电信联盟标准部(ITU-T)为代表的各种国际机构和组织提出了大量的国际语音编码标准建议,2.语音信号的数学模型,语音分： 清音 浊音,清音/浊音示意图：,基音 声音信号波形中基频（频率最低）所产生的听得最清楚（能量最大）的音。 共振峰(formant) 指在声音的频谱中能量相对集中的一些区域，反映了声道的物理特征。,1960年，Fant提出了语音信号产生的线性预测（LPC）模型 该模型以语音的发音生理过程和语音信号的声学特性为基础
4、，成功的表达了语音的主要特征，在语音编码领域得到了广泛应用。,y(n),y(n-1),y(n-p),线性预测：,该数字模型包括两部分: 激励源: 由浊音和清音两个分支组成 声道参数,该模型建立的基本思想: 构造时变数字滤波器H(z) 周期脉冲发生器 伪随机噪声发生器 它们合成语音,声道模拟 滤波器,LPC 语音合成图,在浊音情况下: 激励信号(基音周期)由一个周期脉冲序列发生器产生，用来模拟发出浊音时激励声道的气流 乘以系数Av是调节浊音信号的幅度或能量,在清音情况下: 激励信号(白噪声)由一个伪随机噪声发生器产生，用来模拟发出清音时激励声道的湍流 乘以系数Au是调节清音信号的幅度或能量。,声
5、道模型: 用时变数字滤波器H(z)来实现: 全极点模型或称AR(Autoregressive)模型,ai是线性预测(LP)系数 p是预测阶数 G是增益因子,时变数字滤波器H(Z)的构造 解决AR模型参数估计的问题 即求解LP系数ai的问题 如果采用最小均方误差准则对AR模型参数ai进行估计，就得到了线性预测编码算法。,3. 移动多媒体中的语音编码技术,(1)码激励线性预测（CELP）模型,Code-Excited Linear Prediction Manfred R. Schroeder & Bishnu S.Atal 于年在IEEE ICASSP（International Confere
6、nce on Acoustics, Speech, and Signal Processing ）年会上提出 以码本作为激励源 具有速率低、合成语音质量高、抗噪声强及多次音频转接性能良好 4.816kbps,例1(男),例2(女),码本（codebook）激励语音合成示意图,特点,线性预测 码本激励 合成分析 知觉加权,S(n),E(n),线性预测系数（LPC, Linear Predict Coefficient),Durbin递推算法 Schur递推算法 线谱对参数（LSP,Linear Spectrum Pair）,合成分析 Analysis By Synthesize 基本思想: 将合
7、成器引入到编码端，在编码端产生与译码器端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，调整编码端计算出来的各个参数，使得二者之间的误差达到最小。 将误差最小时的系统参数传送到接收端，可以合成较高质量的语音。 在4.8kbps16kbps的速率范围内的语音编码中取得了极大的成功,知觉加权 (Perceptual Weighting Filter),听觉系统的频域掩蔽效应 对共振峰频域进行去加重处理，增加噪声功率，减少其它区域的噪声功率 由于共振峰附近的语音信号能量较强，噪声被语音信号掩蔽，人耳感觉不到 主观评测认为合成语音质量提高 传递函数：H（Z）=W(z)/A(z),
8、（2）变速率编码,适合移动信道 背景噪声 浊音 清音 速率判断（RDA） 激活话音(VAD),产生舒适背景噪声,发送端： 估计背景噪声，将其特征参数用静音描述帧（Silence descriptor）传送到接收端，SID帧中有关背景噪声参数被编码 接收端： 译码，在没有正常语音期间产生舒适背景噪声,误差隐藏技术,基本原理： 差错检测 正常帧 差错帧,源控制 信道控制 网络控制,4. 3G中语音编码标准,CDMA2000采用 美国 Qualcomm公司的 码激励线性预测(QCELP)声码器 增强型变速率编解码器(EVRC) 把可选模式声码器 (SMV)作为备用 WCDMA/ TDSCDMA采用自
9、适应多速率(AMR) 语音编码技术,（)QCELP-8K,为充分利用CDMA技术，Qualcomm公司于1993年提出了可变速率的CELP，称为QCELP 包括8K和13K两种声码器（Vocoder） 基于CELP编码，根据信号能量和背景噪声动态调整编码速率，在基本不影响语音质量的前提下，能明显降低数据的平均速率； QCELP-8k:TIA/EIA/IS-96/A/B/C CDMA2000 话音标准之一 WWW.3GPP2.COM,采用8kHz采样，16比特线性PCM量化 每20ms分为一语音帧，每帧包含160个样本 四种速率编码：全速率、1/2速率、1/4速率和1/8速率。 全速率编码后有1
10、71比特 1/2速率数据包有80比特 1/4速率数据包有40比特 1/8速率数据包有16比特 相应的速率分别为8.55k、4k、2k和800bps。,QCELP-8k速率判决,根据语音信号能量和背景噪声动态调整速率 估计语音信号能量： 利用当前第i帧输入信号的第一个自相关系数 确定三个门限 全速率：大于三个门限 半速率：大于二个门限 速率：大于一个门限 速率：小于三个门限,（2）QCELP-13K,1997年，TIA/EIA/IS-733标准 CDMA2000 话音标准之一 WWW.3GPP2.COM 平均速率较高，但合成语音的音质较好。 四种速率：全速率、1/2、1/4和1/8速率。,全速率
11、数据包中共有266比特 1/2速率数据包中共有124比特 1/4速率数据包中共有54比特 1/8速率数据包中共有20比特 对应的数据包速率为13.3k、6.2k、2.7k和1kbps。 输入信号为8kHz采样、16比特量化的线性PCM语音信号 每20ms（160个样本点）为一个语音帧 每一个语音帧又分为LPC（线性预测编码）子帧、基音子帧、固定码本子帧。,（）EVRC,美国电信工业协会(TIA)于1996年提出，属于IS-127标准。 增强型变速率声码器（Enhanced Variable Rate Codec，简称EVRC） CDMA2000 话音标准之一 第一种带去噪声功能常用话音编码器
12、WWW.3GPP2.COM,三种速率：全速率、1/2速率和1/8速率 输出比特位分别为171位、80位、16位。 分别对应8.5kbps、4kbps、1kbps， 语音帧长为20ms，采样频率为8kHz,话音清晰，通话质量接近有线电话，掉话率低 与TIA/EIA/IS-96比较，合成音质有很大的提高 解码合成语音质量与QCELP-13k算法的音质相当,又具有较低的平均码率 平均编码速率为4.3kbps 复杂度约为30MIPS,QCELP-8k/EVRC codec对比,原始文件大小: 367KB QCELP-8k压缩后文件大小：27.5KB EVRC压缩后文件大小：22.3KB 音质 原始 q
13、celp-8k EVRC,滤波 去噪 模型参数估计 速率判决 参数编码 解码,EVRC语音编码器流程图,（）SMV,2001年 3GPP2公布 可选模式声码器 Selectable Mode Vocoder 全速率、1/2 、1/4 、1/8 8.5/3/2/0.8kbps 种可选工作模式 模式和与EVRC兼容 音乐信号检测,SMV工作模式,SMV平均编码速率（ADR）,（）AMR,Adpative Multi-Rate 3G W-CDMA/TD-SCDMA的语音压缩编码 AMR-NB(Narrowband) WWW.3GPP.COM 让容错度随无线信道和传输环境的改变而改变,有8种编码速率
14、4.75，5.15，5.90，6.70，7.40，7.95，10.2，12.2 kbps， 实际的语音速率主要取决于现存的无线信道环境。 包括语音激励检测、一个噪声系统和防止失帧块和传输错误的隐藏系统。,（6）AMR-WB,带宽限制在50Hz7000Hz 16kHz的频率采样 从50Hz200Hz的低端频率提高了自然度、表现力、舒适度 3400Hz7000Hz的高频部分可以更好地区分摩擦音,更易于理解,AMR-WB (Adaptive Multi-Rate Wideband) 自适应多速率宽带语音编码器 2001年3GPP批准 WCDMA/TD-SCDMA宽带语音编解码器 Nokia/ Voi
15、ceAge研发 ITU-T在2002年批准了这个编解码器, G.722.2 第一个可同时用于无线和有线应用的编解码器。 标志无线与有线业务首次得以采用同一编解码器 3G与IP固定网络之间的互通更加容易。 用在3G的多媒体服务、宽带包交换网络、音频和视频会议、聊天和虚拟现实以及数字无线广播,采用多速率代数码激励线性预测（CELP）编码 多速率语音编码器话音激活检测器舒适噪声产生系统错误隐藏机制 应对传输误差和丢失数据包的后果 九个速率： 从6.60k到23.85kbps 低码率背景噪声编码模式,（7）VMR-WB,Variable-Rate Multi-Mode Wideband Speech
16、Codec WWW.3GPP2.COM 用于3G中 CDMA2000 制式的新的3GPP2 宽带语音编码标准 接近面对面通信方式的语音质量 20 ms/ 帧,可调整的去噪模式 可变速率编码 工作模式有四种，具体选择哪种应视网络的流量情况而定。,前三种模式专门针对CDMA系统，第四种模式为与AMR-WB互操作性模式。 允许GSM/WCDMA与CDMA2000系统无须进行自动解码即可通信，不至于增加额外的延迟以及引起语音质量下降。,5. 音频编码技术,5.1 MP3,运动图像专家组MPEG （Motion Picture Experts Group） 1993 年，制定了用于数字存储媒体的码率不高于1.5Mbit/s的运动图象和相关音频编码标准 ISO/IEC 11172（ MPEG-1 ） MPEG-1的第3部分是音频编码的3层算法（Layer I、II和III）， MP3 是MPEG-1音频编码的第三层标准 MPEG-1 Audio Layer3 后缀：.
