语音频编码标准与发展趋势.pdfVIP

语音频编码标准及发展趋势 黎家力 1 概述 本文首先介绍了语音编码和音频编码的基本概念及其之间的关系。然后详 细介绍了当前国内外各标准化组织开展语音频编码标准研究的最新进展，其中 重点分析了ITU-T和MPEG两个标准化组织在该领域的标准化情况。最后通过总 结展望了语音频编码标准的发展趋势。 语音频编码标准是指对语音和音频信号进行信源压缩所采用的标准算法， 压缩的目的是为了节省传输带宽或者存储空间。从信源的角度来分，分为语音 和音频。通常将人耳可以听到的频率在20Hz到20kHz的声波称为音频信号。音 频包括音乐、自然产生的声音（如风声、雨声、鸟叫声、机器声等）、彩铃声等。 人的发音器官发出的声音频段在 80Hz 到 3400Hz 之间，人说话的信号频率在 300Hz 到 3000Hz，人们通常将该频段的信号称为语音信号。语音编码标准只针 对语音信号，目的在于用很高的压缩率来高效地处理语音信号；音频编码标准 只针对音频信号，目的在于保持音频信号在一定的码率下尽量不失真。 语音和音频的编码标准有融合的趋势。最新的语音编码标准可以保持对语 音的高效编码，同时采用带宽扩展的方法在高码率下可以接近音频的编码质量； 最新的音频编码标准使用频带复制等技术，大大降低了压缩码率，使得中低码 率下的编码效率接近传统的语音编码标准。 表 1 数字音频等级 信号类型 频率范围（Hz ） 采样率（kHz ） 量化精度 （采样位数） 电话话音 200~3400 8 13～16 宽带话音 50~7000 16 16 调频广播 20~15k 32 16 高质量音频 20~20k 44.1 16 1 2 标准化组织 2.1 ITU-T 国际电信联盟（ITU）是世界各国政府的电信主管部门之间协调电信事务方 面的一个国际组织，ITU-T 是其属下的电信标准部门，负责通信相关标准的制 定。 ITU-T已经标准化的语音频标准有：G.711、G.722、G.728、G.726、G.723.1、 G.729、G.722.1、G.729.1等。目前ITU-T的第16研究组（SG16）负责语音频 编码相关标准的制定，其中与语音频编码相关的有 Q9、Q10 两个研究课题。下 面分别详细介绍： 2.1.1 Q9课题组 Q9 课题主要讨论 G.VBR 的标准化。G.VBR 标准的开发分为两个部分，一个 针对窄带、宽带部分的开发，另一个是针对超宽带部分的开发。前者已经完成 基线版本（Baseline codec）的选择阶段，Nokia和Voiceage公司联合提交的 候选代码在 4 个候选编码器中成为优胜版本，其它各家基于该版本在其基础上 进行优化，因此，该项目进入到融合阶段。而对于超宽带部分，还处于 ToR 指 标讨论阶段。 G.VBR窄带、宽带部分的标准描述了一个8kbit/s-32kbit/s可伸缩的宽带 （50Hz-7000Hz）音频/语音编码算法。它的码率总共分为 5 层。第一层为核心 层，主要基于ACELP模型的编码技术，该层的速率为8kbit/s，第二层为ACELP 模型的增强层，速率为12kbit/s。前两层支持窄带和宽带信号的输入和输出。 后面三层为基于MDCT技术的增强层，仅支持宽带信号的输入和输出。 由于该编码器的核采用的是ACELP模型，因此该标准和目前的3GPP标准中 的 AMR-WB 12.65kbps 模式兼容。