多媒体技术基础 03话音编码(Speech Coding).pptVIP

由于分割频带所用的滤波器不是理想的滤波器，经过分带、编码、译码后合成的输出音频信号会有混迭效应。 为了消除混迭效应，采用正交镜象滤波器(QMF)来划分频带。下面是QMF的幅频特性简化图和QMF滤波器的频率特性。 子带编码(SBC)(续) 子带编码(SBC)(续) 窄带和宽带音频信道频率特性 7kHz音频信号64kb/s数据率的编译码方块图 子带编码(SBC)(续) G.722是CCITT推荐的音频信号编码译码标准。 G.722标准的数据率为64 kb/s，采样频率由8 kHz提高到16 kHz，是G.711 PCM采样率的2倍，因而要被编码的信号频率由原来的3.4 kHz扩展到7 kHz。这就使音频信号的质量有很大改善，由数字电话的话音质量提高到调幅(AM)无线电广播的质量。 子带编码(SBC)(续) 其它编码 线性预测声码器(LPC－10，LPC－10e)数据速率为2.4kb/s。 多脉冲激励线性预测编码器(MPE－LPC)数据速率为10kb/s左右。 规则脉冲激励线性预测编码器(RPE－LTP被定位GSM标准，速率为13kb/s )。 码激励线性预测编码器(CELP)，数据速率在4.8－16kb/s之间。 音频编码算法和标准一览 结束 多媒体技术 第3讲 * 多媒体技术 第3讲 * 多媒体技术 第3讲 * 图形图像处理实验室 图形图像处理实验室 第三讲 话音编码(Speech Coding) 主要内容 话音编码概要 三种话音编译码器 脉冲编码调制(PCM) 增量调制与自适应增量调制(DM/ADM) 自适应差分脉冲编码调制(ADPCM) 子带编码(SBC) 其他编码 话音编码概要 话音形成原理: 肺中的空气受到挤压形成气流，气流通过声门(声带)沿着声道(由咽、喉、口腔等组成)释放出去，就形成了话音。 气流、声门可以等效为一个激励源，声道可以等效为一个时变滤波器(共振峰)。 话音信号具有很强的相关性(长期相关、短期相关)。 话音分类: 浊音(voiced sounds)：声道打开，声带在先打开后关闭，气流经过使声带要发生张驰振动，变为准周期振动气流。浊音的激励源被等效为准周期的脉冲信号。 清音(unvoiced sounds)：声带不振动，而在某处保持收缩，气流在声道里收缩后高速通过产生湍流，再经过主声道(咽、口腔)的调整最终形成清音。清音的激励源被等效为一种白噪声信号。 爆破音(plosive sounds)：声道关闭之后产生压缩空气然后突然打开声道所发出的声音。 话音编码概要(续) 幅度非均匀分布 样本之间的相关性 周期之间的相关性 基音之间的相关性 静止系数(话音间隙) 长期相关性(long term correlation) 话音编码概要(续) 波形编译码器(waveform coder)：不利用生成话音的信号的任何知识，将话音视为一种普通的声音，直接对波形信号进行采样和量化。例如PCM、DPCM、ADPCM等。 音源编译码器(Source coder)：也叫参数编译码器、声码器(vocoder)。它从话音波形信号中提取话音生成模型的参数，使用这些参数通过话音生成模型重构出话音。 混合编译码器(Hybrid coder)：综合使用上述两种技术。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。 三种话音编译码器 三种话音编译码器(续) 三种话音编译码器质量对比 衡量编译码器的重要指标: 数据输出速率 延迟时间 话音质量 价格(实现代价) 三种话音编译码器(续) 话音质量: 广播质量：带宽为7000Hz的高质量话音 长途电话质量：带宽为3400Hz，信噪比为30db，有失真 合成质量：80％－90％的可懂度，听起来象机器讲话，失去了讲话者的特征 三种话音编译码器(续) 脉冲编码调制(PCM) Pulse Code Modulation PCM编码的量化方式:均匀量化与非均匀量化 脉冲编码调制(PCM)(续) 均匀量化 非均匀量化 非均匀量化:对小的输入信号采用小的量化间隔，对大的输入信号采用大的量化间隔，这样可以用较少的位数编码声音信号。 对大信号来说，虽然绝对量化误差较大，但是因为： (1)大信号出现的机会不多。 (2)大信号的信噪比(相对误差)与小信号是一致的，所以对总的话音质量影响不大。 非均匀量化也是一种压缩。 非均匀量化有两种压扩算法：μ律压扩和A律压扩 脉冲编码调制(PCM)(续) μ律压扩 m律(m -Law)压扩(G.711)主要用在北美和日本等地区的数字电话通信中。 x为输入信号，规格化为－1= x =1。 Sgn(x)为x的极性。 m为确定压缩量的参数，它反映最大量化间隔和最小量化间隔之比，取100=m=500。 A律压扩 0 = |x| = 1/A 1/A =