L)语音压缩编码.ppt

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 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-2 AAC 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 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 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 ~ 4.8 Kbit/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) 2.2 参数编码 (续) 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 – Analysis by Synthesis ）。 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 20 ms。 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) 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 – 3400 Hz。 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 64 k bit/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