L11-1语音压缩编码

第十一讲

声音压缩技术及标准一、音频压缩概述声音压缩编码技术分类多媒体计算机处理的数字化声音有以下几种，其处理方法有所不同，数字语音(窄带声音)包括：电话语音、调幅广播声音，其频率范围比较窄,普通语音为200-3400Hz,AM广播为50-7000Hz，典型采样频率为8KHz、16KHz，量化精度为8bit或16bit。常采用波形编码、参数编码和混合编码方法来压缩。(如下图所示)典型压缩编码标准有:G.711、G.721、G.722、G.723、G.726、G.727、G.728、G.729等。声音压缩编码技术分类无失真压缩音频压缩方法有失真压缩Huffman编码行程编码波形编码参数编码混合编码全频带编码PCMDPCMADPCM子带编码自适应变换编码ATC

心理声学模型矢量量化线性预测LPC矢量和激励线性预测VSELP多脉冲线性预测MP-LPC码本激励线性预测CELP声音压缩编码技术分类自然界声音（宽带音频）即高保真立体声音，这种声音质量最好。频带宽，覆盖了人的听觉范围(20-20000Hz)，采样频率高，典型为11.025KHz、22.05KHz、44.1KHz及其它值，数据量极大。压缩时应充分利用人的听觉特性，建立起心理声学模型，采用以变换编码和子带编码为主的感知音频编码技术。典型压缩编码标准有:AC-3、MPEG音频编码。符号化声音（合成声音）MIDI合成音乐、TTS合成语音本讲主要内容语音压缩技术语音(包括AM广播音频）压缩标准MPEG-1音频编码标准(第1-3层)MPEG-2AAC高级音频编码标准MPEG-4音频编码标准二、语音压缩技术2.1波形编码波形编码：是典型的建立在声音采样数据的统计特性和人体听觉特性基础上的，目标是使重建语音波形保持原波形的形状。其编码特点是：适应性强、压缩比小、音质好。主要算法包括：PCM(脉冲编码调制）、DPCM（差值量化）、APCM（自适应量化）、ADPCM（自适应预测编码）、ATC（自适应变换编码）、等。2.1波形编码脉冲编码调制(PCM)采样、量化、编码标量量化：均匀量化非均匀量化(u-law或A-law对数压扩)增量调制(DM)与自适应增量调制(ADM)差分脉码调制(DPCM)增加预测器2.1波形编码图1DPCM的基本工作原理

2.1波形编码(续)自适应差分脉码调制(ADPCM)自适应量化自适应预测量化器量化阶距调节逆量化器预测器+-++PCM样本预测样本差分信号2.2参数编码参数编码：建立在音频产生模型的基础上，通过提取声学特征参数和激励信号，并编码，解码后根据相同模型合成音频信号。其目标是使重建的音频信号尽量保持原有的音频特性。参数编码的特点是：压缩率大、数据率低、计算量大、保真度差，自然度低，适用于语音信号的编码。典型编码算法：LPC

(线性预测编码），该编码可将语音数据比特率压缩到2~4.8Kbit/s，甚至更低。2.2参数编码语音生成机构的模型：声源:浊音(元音)、清音（摩擦音）、爆破音声道：用可变参数的数字滤波器来模拟。语音基本参数：基音周期、共振蜂、语音谱、声强等。参数估计：LPC(线性预测编码)声源共鸣机构放射机构语音声道2.2参数编码(续)脉冲序列发生器随机噪声发生器数字滤波器…基因周期增益控制增益控制浊音清音声道参数语音信号语音生成机构的模型2.3混合编码混合编码：集合了波形编码和参数编码的优点，可以在较低的码率下获得较高音质。一种被普遍使用的非常成功的混合编解码器就是“分析-合成”编解码器

(

AbS–AnalysisbySynthesis）。2.3混合编码AbS

编解码器:其激励信号波形尽可能接近于原始话音的波形；它把输入话音信号分成许多帧（frames）,一般帧长为20ms。编码器一帧一帧地“分析”，得到语音信号参数；解码器根据参数，一帧一帧地“合成”，恢复出原始语音信号的近似值。2.3混合编码(续)激励生成合成滤波器-误差最小化听觉加权语音输入s(n)u(n)s’(n)e(n)ew(n)…形状增益参数激励生成合成滤波器u(n)s’(n)…形状增益参数重构语音AbS编码器AbS

解码器2.3混合编码(续)典型的混合编码技术有：矢量和激励

线性预测（VSELP）多脉冲-线性预测编码（MP-LPC）码本激励线性预测（CELP），包括：短时延-码本激励线性预测（LD-CELP）规则脉冲激励-长时线性预测（RPE-LTP）三、语音压缩标准3.1电话质量的语音压缩标准电话质量的声音频率范围为：200–3400Hz。ITU–TS(原CCITT)建议的语音压缩的标准：

G.711：采用PCM

编码，采样速率为8kHz，量化位数为8bit，推荐使用A律或律量化，对应的比特流速率为64kbit/s。

G.721：ITU建议的G.721将64Kbps的比特流转换为32Kbps的流，它是基于ADPCM

技术。每个数值差分用4位编码，其采样率为8kHz。3.1电话质量的语音压缩标准G.728：它的比特率为16Kbps，带宽限于3.4kHz。其音质(MOS=3.7-4.0)比G.711或G.722差得多。它基于一种称为低延迟代码激励线性预测(LD—CELP)的向量量化技术。

CELP(码本激励线性预测)已被采纳为美国联邦通信标准1016，可将语音压缩至4.8Kbps，其音质与普通电话差不多(MOS=3.7–4.0)，常用于

移动通信领域。3.1电话质量的语音压缩标准而美国联邦通信标准1015使用CELP的一个简化版本，称为线性预测编码(LPC)。LPC–10E标准采用一种向量量化方法，数据速率只有2.4Kbps，可用于保密话音的传输；但声音质量较差(MOS=2.5–3.5)，听起来有点象机器在说话。语音编码标准一览表标准编码类型比特率（kbps）MOS复杂性时延(ms)G.711PCM644.310.125G.721ADPCM324.0100.125G.728LD-CELP164.0500.625GSMRPE_LTP133.7520G.729、G.729ACSA-CELP84.030、1515G.723.1MP-LPC

6.33.82537.5G.723.1ACELP5.3

USDod

LPC-102.4合成语音1022.53.1电话质量的语音压缩标准上表说明：MOS（长话质量的语音平均意见得分）复杂性（以G.711为基准）时延（帧大小，即语音流量的时间长度）在选择语音压缩标准时，应综合考虑带宽、时延、算法复杂度等各种因素。3.1.1移动电话语音压缩标准GSM编码标准是1983年欧洲数字移动特别工作组（GSM）制定的一种移动电话的压缩标准，它压缩的音质不如G.711系统。在GSM-6.10标准中，采用RPE-LTP算法，压缩后的一路话音数码率为13Kbps。1989年美国公布的数字移动通信标准(CTIA)速率为8kbit/s，具有较高的压缩率和较高的语音质量。USDod标准是美国国家安全局(NSA)分别于1982年和1989年制定了基于LPC速率为2.4kbit/s的编码方案和基于速率为4.8kbit/s的编码方案。G.729标准3.2调幅广播质量的音频压缩标准调幅(AM)广播质量的声音频率范围：50Hz－7kHz，称为“7kHz音频信号”。其中，50-200Hz的低频频段使语音更加自然，因此AM广播声音比传统的窄带话音（200-3.4kHz）有更好的主观质量。ITU于1986年通过G.722标准。

G.722：基于SB–ADPCM（子带－自适应差分脉码调制）技术，它将50Hz到7kHz的信号带宽分成两个独立的子带信道，而每个子带又可以继续分割；然后分别采用ADPCM算法编码。压缩后的数码率分64、56、48kbps三种，可分别插入0、8、16kbps的数据与语音信号一起传输。3.2.1

G.722.1标准G.722.1标准主要采用SB-ADPCM编码算法，输入声音采样频率为16kHz和16bit量化时，能够在24或32kbps速率下提供7kHz的音频带宽，是普通电话呼叫质量的两倍多，所用速率仅为先前标准的一半，并可提供近于FM广播的音频质量。G.722.1标准适合于一些重要应用领域，包括：

IP电话、第三代移动通信、PSTN高品质电话会议和商务应用(包括点到点和多点)、语音流、ISDN宽带技术、ISDN可视电话和会议电视等。3.2.2G.722.2标准G.722.2主要采用代数编码激励线性预测技术，符合此标准的编解码器也被称为AMR-WB编解码器，已被3GPP采用，作为应用于GSM和第三代无线W-CDMA的宽带编解码器。这标志着无线与有线业务首次得以采用同一编解码器。AMR-WB编解码器