移动多媒体技术基础 作者 王波涛 第三章2.pptVIP

1.1多媒体技术概述 　　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 300～3400Hz 宽带话音编码 50～7000Hz （宽带）音频（音乐）编码 20～20000Hz （２）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： 　　　适应能力强、语音质量好、抗噪抗误码能力强 编码速率高:16k～64kbps。 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２.4KbPs。 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4～16KbPs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 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，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。 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 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１９８５年在IEEE ICASSP（International Conference 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 4.8～16kbps 特点 线性预测 码本激励 合成分析 知觉加权 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4.8kbps～16kbps的速率范围内的语音编码中取