多媒体技术基础03.pptVIP

多媒体技术 第3讲 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。 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) 三种话音编译码器 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。 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) 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 脉冲编码调制(PCM) Pulse Code Modulation 脉冲编码调制(PCM)(续) 脉冲编码调制(PCM)(续) 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 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。 A律压扩 PCM与时分多路复用(TDM) 增量调制(△M) 自适应增量调制(ADM) 自适应增量调制(ADM)：为了使增量调制器的量化阶Δ能自适应，也就是根据输入信号斜率的变化自动调整量化阶Δ的大小，以使斜率过载和粒状噪声都减到最小。 宋(Song)在1971描述的自适应增量调制技术：假定增量调制器的输出为1和0，每当输出不变时量化阶增大50%，使预测器的输出跟上输入信号；每当输出值改变时，量化阶减小50%，使粒状噪声减到最小，这种自适应方法使斜率过载和粒状噪声同时减到最小。 格林弗斯基提出的CVSD(连续可变斜率增量调制)：如果编码器的输出连续出现三个相同的值，量化阶就加上一个大的增量；反之，就加一个小的增量。 差分脉冲编码调制(DPCM)是利用样本与样本之间存在的信息冗余度来进行编码的一种数据压缩技术。差分脉冲编码调制的思想是，根据过去的样本去估算下一个样本信号的幅度大小，这个值称为预测值，然后对实际信号值与预测值之差进行量化编码，从而就减少了表示每个样本信号的位数。 DPCM是对实际信号值与预测值之差进行量化编码，存储或者传送的是差值而不是幅度绝对值，这就降低了传送或存储的数据量。此外，它还能适应大范围变化的输入信号。 DPCM编码如下图所示。 ADPCM是一种综合了APCM的自适应特性和DPCM的差分特性的性能比较好的波形编译码器。它的核心想法是： 利用自适应的思想改变量化阶的大小，即使用小的量化阶(step-size)去编码小的差值，使用大的量化阶去编码大的差值。 使用过去的样本值估算下一个输入样本的预测值，使实际样本值和预测值之间的差值总是最小。 ADPCM的编码简化框图如下图所示。 ADPCM是利用样本与样本之间的高度相关性和量化阶自适应来压缩数据的一种波形编码技术，CCITT为此制定了G.721推荐标准，这个标准叫做32kb/sADPCM。在此基础上还制定了G.721的扩充推荐标准G.723，使用该标准的编码器的数据率可降低到40kb/s和24kb/s。 G.721的输入信号是G.711PCM代码，它的数据率为64 kb/s。而G.721ADPCM的输出是用4位表示的差分信号，它