话音编码.pdfVIP

第3章 话音编码 Page 1 of 20 第3章 话音编码 随着数字电话和数据通信容量日益增长的迫切要求，而又不希望明显降低传送话音信号 的质量，除了提高通信带宽之外，对话音信号进行压缩是提高通信容量的重要措施。另一个 可说明话音数据压缩的重要性的例子是，用户无法使用28.8 kb/s的调制解调器来接收因特网 上的64 kb/s话音数据流，这是一种单声道、8位/样本、采样频率为8 kHz的话音数据流。 ITU-TSS为此制定了并且继续制定一系列话音(speech)数据编译码标准。其中，G.711使用 率 μ 和A率压缩算法，信号带宽为3.4 kHz，压缩后的数据率为64 kb/s；G.721使用ADPCM压缩算 法，信号带宽为3.4 kHz，压缩后的数据率为32 kb/s；G.722使用ADPCM压缩算法，信号带宽 为7 kHz，压缩后的数据率为64 kb/s。在这些标准基础还制定了许多话音数据压缩标准，例 如G.723，G.723.1，G.728，G.729和G.729.A等。 本章将重点介绍话音编码的基本思想，而详细计算则留给那些开发和具体设计编译码器 软硬件的读者去研究，并可从本章所列的参考文献和站点中找到你满意的文献资料。 3.1 话音编码概要 3.1.1 话音波形的特性 了解话音波形的基本特性对声音数据的压缩编码、声音的识别和文本-声音的转换等都有 很重要的意义。 当肺部中的受压空气沿着声道通过声门发出时就产生了话音。普通男人的声道从声门到 嘴的平均长度约为17厘米，这个事实反映在声音信号中就相当于在1 ms数量级内的数据具有 相关性，这种相关称为短期相关(short-term correlation)。声道也被认为是一个滤波器， 这个滤波器有许多共振峰，这些共振峰的频率受随时间变化的声道形状所控制，例如舌的移 动就会改变声道的形状。许多话音编码器用一个短期滤波器(short term filter)来模拟声 道。但由于声道形状的变化比较慢，模拟滤波器的传递函数的修改不需要那么频繁，典型值 在20 ms左右。 压缩空气通过声门激励声道滤波器，根据激励方式不同，发出的话音分成三种类型：浊 音(voiced sounds)，清音(unvoiced sounds)和爆破音(plosive sounds)。 1.浊音 浊音是一种称为准周期脉冲(quasi-periodic pulses)激励所发出的音，这种准周期脉冲 是在声门打开然后关闭时中断肺部到声道的气流所产生的脉冲。声门打开和关闭的速率呈现 为音节(pitch)的大小，它的速率可通过改变声道的形状和空气的压力来调整。浊音表现出在 音节上有高度的周期性，其值在2～20 ms之间，这个周期性称为长期周期性(long-term periodicity)。图3-01表示了某一浊音段的波形，音节周期大约8 ms。这一浊音段的功率谱 密度(power spectral density，PSD)如图3-02所示。 图3-01 浊音段的波形举例 file://D:\Work\本科教学课程\多媒体技术\多媒体技术基础_林福宗\第3章 ... 2009-1-31 第3章 话音编码 Page 2 of 20 图3-02 浊音段的功率普密度举例 2. 清音 清音是由不稳定气流激励所产生的，这种气流是在声门处在打开状态下强制空气在声道 里高速收缩产生的，如图3-03所示。这一清音段的功率谱密度PSD和图3-04所示。