音频媒体的压缩编码.pptVIP

音频媒体的压缩编码标准与技术 本章内容 音频信号的相关概念 音频信号的基本概念；数字化方法；压缩编码的可行性与分类；声音类别与数据率… 音频信息压缩编码技术标准体系 G.7XX系列和MPEG-X系列 G.7XX声音压缩编码技术 各标准的编码方法；编/解码器等 MPEG-X声音压缩编码 语音识别 话音技术的研究热点 话音压缩编码（Speech Coding） 话音识别（Speech Recognition） 文本话音转换（Text To Speech） 4.1 音频信号 声音的产生源于物体的震动，这种震动引起物体周围气压的变化并传播，最后形成了声音。 声音是一种波，由两个参数描述： 频率：声音的尖锐程度。 振幅：声音的大小，又称响度。 音频信号是指处在20Hz～20kHz频率范围的声音。 音频频率范围 低频声音(Infra-sound)： 0Hz－20Hz 人类听觉频率范围的声音： 20Hz－20kHz 高频(Ultrasound)： 20kHz－1GHz 超声波(Hypersound)： 1GHz－10THz 音频信号 音频信号 根据音频信号占用频谱的不同，可以将音频信号分为3类： 1.语音信号：又称话音信号，是人在正常情况下发出的一种声音，频率范围大约为300Hz～3.4KHz。 2.音乐信号：各种乐器发出的声音，频率范围大约为20Hz～20kHz。 3.噪音信号：人们不感兴趣的一类声音，通常研究如何去掉它。 4.1.1 音频信号的数字化 音频信号通常是连续信号，要利用计算机来处理，首先需要对其数字化。 音频信号的数字化 对声音信号进行采样时，一般使用音频范围的ADC（模数转换器）进行。不同的ADC主要区别于以下两个重要参数： （1）采样频率： 采样频率是指每秒钟采集声音样本的个数。它的取值应该满足Nyquist Theory，即采样频率fs应该大于等于声音信号中最高频率fm的两倍。 采样频率的单位是：Hz或samples/s。 如：数字电话的采样率为8KHz。 （2）采样精度： 采样精度用样本位数来表示。 样本位数越多，则声音质量越高，因为每个样本的量化值与原样本值越接近。 采样精度的单位是：bits/sample。 采样频率越高，采样精度越大，则数字化声音效果越好，但是需要的存储量就越大。因此在实际应用中，需要折中考虑声音质量和存储量的问题。 声音硬件： 4.1.2 音频信号压缩编码的可行性与分类 对于高质量和长时间的音频数据，由于数据量都特别大，为了有效地存储和传输，需要进行压缩编码。 压缩的可能性存在于： （1）声音信号中包含大量的冗余信息，如样本相关性、时间周期相关性、基音相关性等。 （2）利用人的感知特性进行压缩。 （3）根据话音产生机理进行压缩。 衡量语音编码性能的主要因素有： 编码质量； 编码速率； 算法复杂度。 音频信号压缩技术 音频信号压缩编码的分类 根据压缩编码思想的不同，把音频编码技术分为三类： （1）波形编码（Waveform Coding） （2）源编码（Source Coding）,参数编码 （3）混合编码（Hybrid Coding） 波形编码： 没有利用语音信号自身的特点。波形编译码的想法是，不利用生成话音信号的任何知识而企图产生一种重构信号，它的波形与原始话音波形尽可能地一致。一般来说，这种编译码器的复杂程度比较低，数据速率在16 kb/s以上，质量相当高。低于这个数据速率时，音质急剧下降。如： 1.CD质量音频数据量：2x44100x16 b/s 2.电话质量音频数据量：8Kx8 b/s PCM (DPCM 56Kb/s;ADPCM 32Kb/s). 源编码(参数编码)： 参数化，利用语音信号的特点进行数据压缩。音源编译码的想法是企图从话音波形信号中提取生成话音的参数，使用这些参数通过话音生成模型重构出话音。 例如：信道声码器的工作原理： 将语音信号基于语音分析原理分解成一系列频率分量，将这些分量在信道中传输。 接收方基于收到的数据进行语音重建：将收到的数据中的频率分量作为语音的基频，产生一系列脉冲作为浊音，用噪声发生器的输出作为清音。 此方法可以将语音的传输速率降低至2.4Kb/s，甚至更低 。 混合编码： 混合编译码器使用音源编译码技术和波形编译码技术，数据率和音质介于它们之间。使用的激励信号波形尽可能接近于原始话音信号的波形。例如CELP。