语音编码技术的发展.doc

本文来自：呼叫中心,呼叫中心运营管理(/callcenter.html) 语音编码技术的应用与发展 隐匿 2001/08/01 语音数字化的技术基本可以分为两大类：第一类方法是在尽可能遵循波形的前提下，将模拟波形进行数字化编码；第二类方法是对模拟波形进行一定处理，但仅对语音和收听过程中能时候到的语音进行编码。其中语音编码的三种最常用的技术是脉冲编码调制（PCM）、差分PCM（DPCM）和增量调制（DM）。通常，公共交换电话网中的数字电话都采用这三种技术。第二类语音数字化方法主要与用于窄带传输系统或有限容量的数字设备的语音编码器有关。采用该数字化技术的设备一般被称为声码器，声码器技术现在开始展开应用，特别是用于帧中继和IP上的语音。 除压缩编码技术外，人们还应用许多其它节省带宽的技术来减少语音所占带宽，优化网络资源。ATM和帧中继网中的静音抑制技术可将连接中的静音数据消除，但并不影响其它信息数据的发送。语音活动检测（SAD）技术可以用来动态的跟踪噪音电平，并为这个噪音电平设置一个享用的语音检测阀值，这样就使得语音／静音检测器可以动态匹配用户的背景噪声环境，并将静音抑制的可听度降到最小。为了置换掉网络中的音频信号，这些信号不再穿过网络，舒适的背景声音在网络的任一端被集成到信道中，以确保话路两端的语音质量和自然声音的连接。 语音编码技术的类别 语音编码方法归纳起来可以分成三大类：波形编码、信源编码、混合编码。 1．波形编码 波形编码比较简单，编码前采样定理对模拟语音信号进行量化，然后进行幅度量化，再进行二进制编码。解码器作数／模变换后再由低通滤波器恢复出现原始的模拟语音波形，这就是最简单的脉冲编码调制（PCM），也称为线性PCM。可以通过非线性量化，前后样值的差分、自适应预测等方法实现数据压缩。波形编码的目标是让解码器恢复出的模拟信号在波形上尽量与编码前原始波形相一致，也即失真要最小。波形编码的方法简单，数码率较高，在64kbit/s至32kbit/s之间音质优良，当数码率低于32kbit/s的时候音质明显降低，16 kbit/s时音质非常差。 2．信源编码 信源编码又称为声码器，是根据人的发生机理，在编码端对语音信号进行分析，分解成有声音和无声音两部分。声码器每隔一定时间分析一次语音，传送一次分析的的道德有／无声和滤波参数。在解码端根据接收的参数再合成声音。声码器编码后的码率可以做得很低，如1.2kbit/s、2.4kbit/s，但是也有其缺点。首先是合成语音质量较差，往往清晰度可以而自然度没有，难于辨认说话人是谁，其次是复杂度比较高。 3．混合编码 混合编码是将波形编码和声码器的原理结合起来，数码率约在4kbit/s—16kbit/s之间，音质比较好，最近有个别算法所取得的音质可与波形编码相当，复杂程度介乎与波形编码器和声码器之间。 上述的三大语音编码方案还可以分成许多不同的编码方案。 语音编码属性可以分为四类，分别是比特速率，时延、复杂性和质量。比特律是语音编码很重要的一方面。比特速率的范围可以是从保密的电话通信的2.4kbit/s到64kbit/s的G.711PCM编码和G.722宽带（7KHz）语音编码器。 脉冲幅度调制 数字化模拟波形的第一步建立一套用于输入信号波形抽样的离散时间集。一般的数字化技术是基于使用周期性，规律间隔抽样时间的。如果抽样发生足够频繁，原始波形就能够从抽样序列中完全恢复，使用低通滤波器在抽样值之间插入波形值或进行平滑。 脉冲编码调制 上文中讲述了脉冲幅度调制，使用离散抽样的时间以模拟抽样幅度来从不断变化的模拟信号中提取信息。脉冲编码调制是对PAM的扩展，这里每一个模拟抽样制备量化为代表某个数字编码的离散值。因此，PA M系统通过在信源端加上模拟－数字信号转换器就能够转化成为PCM系统。典型的量化过程是其中量化间隔中心的单个离散值表示。在这种方式中，量化过程对信号抽样值引入了一定程度的误差或失真。这种误差，就是所谓的量化噪声，可以通过建立大量小量化间隔来最小化。当然，随着量化数目的增加，需要唯一识别量化间隔的比特数也增加了。 差分脉冲编码 差分脉冲编码是专门设计充分利用在典型语音波形中抽样与抽样之间冗余的。因为抽样间差异的范围远小于单个抽样的范围，因此只需要更少的比特用于编码抽样间差异。抽样速率通常是与可比较的PCM系统一样的。因此在编码器中的带限滤波器和解码器中的平滑滤波器基本上与那些用在传统PCM系统中的滤波器是一样的。对DPCM编码器产生不同抽样的简单方法就是将前一个输入抽样直接存储在抽样保持电路中并使用模拟减法器来测试抽样变化。信号的变化于是被量化并被编码去传输。若采用DPCM结构，则更为复杂，当然，因为一个输入是由被编码的抽样间差异进行积分的反馈环路来重建的。实质上，反馈的信号是对输入信号的