第5讲语音编码.ppt

语音处理技术 回声抵消 语音降噪 增益控制 语音压缩 前提：语音的数字化 回声的产生 在实时通信中，回声是不可避免的，A端发送的声音在B端放出后，会随着B的声音再传送到A端，形成回声。 当A-B间延时很小，则A的回声与A语音近似重叠，人耳无法分辨。在PSTN网中，对于普通的市话呼叫，就属于这种情况。如果A-B延时较大，则回声和语音就能被人耳所分辨，形成干扰。卫星电话和IP电话就属于这种情况 回声的分类 分为声回声(Acoustic Echo)和线回声(Line Echo) 声回声：Vout播放出来，经空气传播，通过直射、反射等各种方式，形成Vin。声回声形成复杂，回声路径多样化，回声延时较大。 线回声：在公用电话网中，干线传输采用4线方式（收、发各两线），而到交换局和电话终端之间，则采用2线方式（收发语音合并）。在2-4线转换过程中，由于阻抗匹配的问题，总会有些语音直接回传到发端，形成回声。这种回声路径比较固定（就是2-4线转换器），回声延时也比较小。 线回声抵消技术 对于Line Echo，由于回声路径固定，回声延时较小，一般采用自适应滤波技术，用一个滤波器来模拟回声路径，并将滤波器输出与实际的采样语音相减，从而抵消掉回声。 声回声抵消技术 与Line Echo相比，Acoustic Echo的回声路径更加复杂，而且路径的时变性更大，因此LMS算法已无法及时跟踪。而且由于回声延时很大，如果继续采用线性滤波器，则运算量将大幅增加。 首先要选择更好的自适应滤波算法，有更快的收敛速度。其次要采用一些特殊的滤波器结构，以减小运算量。还可以采用多点语音输入输出方式，利用他们的空间相对位置进行计算。 在多媒体通信中的应用 和公用电话网相比，基于Internet的语音通信有巨大的延时。 编解码延时（10-30ms） 网络延时（几十至几百ms） 处理延时（取决于处理器，一般几ms） 因此收发两端延时往往能达到上百ms，必须采用回声抵消技术。 在端对端通信中，一般采用线回声抵消，在会议通信中，一般采用声回声抵消。 语音降噪 在一些恶劣的通信环境下，往往通话中含有极大的噪声（如坦克之间的通信），对通信造成很大的影响。 噪声和语音在特性上有很大的不同。可以利用这些特征，将噪声和语音分离，再单独对语音作编码。 语音的例子，噪音的例子。 语音编辑处理软件CoolEdit2000 噪音和语音的特征 过零率：噪音的过零率高，而语音的过零率低。 基因周期：噪声没有周期性，而语音有比较明显的周期特征。 短时能量：噪声的短时能量稳定，语音的短时能量变化较大。 增益控制 在企业的会议通信中，两个Group之间的会议是很典型的应用。此时一个Group中的每个成员，距离通信终端的距离都不同。 自动增益控制（AGC）通过检测输入信号的能量，并进行调整，使得发送到对端的语音信号能量基本相同，让对端有一个较好的听觉效果。 增益控制（二） 增益控制的基本技术是让语音的短时能量逼近其长时能量。长时能量的更新较慢，比较稳定。短时能量变化虽然快，但对于每个音节来说，相差不大。因此由于距离调整所引起的短时能量变化，如果向长时能量逼近，则可以保持语音能量的平稳性。 对于更复杂的增益控制算法，应考虑对噪声放大所产生的问题。 语音压缩 声音的分类 语音编码的性能评价指标和国际标准 语音的特点和模型 几种基本的语音编码技术 CELP编码模型的分析 语音编码性能指标 1. 编码速率（KBPS、KB/S） 信号带宽 ：200~3400Hz、50~7000Hz、10~20000Hz 采样频率：8K、16K、32K、44.1/48K（Hz） 压缩码流速率（kb/s） 2. 编解码延时 公用电话网5~10ms，移动蜂窝网不超过100ms 3. 算法复杂度和可扩展性 用MIPS衡量，现在的DSP运算能力达到几百上千MIPS。G729和G729A，可扩展性的例子。 4. 抗误码，抗丢包的能力 5. 鲁棒性 对不同音源，不同环境下有同样的质量。系统级联后多次编码解码后语音的质量。 语音编码性能评价 1. 编码速率（KBPS、KB/S） 信号带宽 ：200~3400Hz、50~7000Hz、10~20000Hz 采样频率：8K、16K、32K、44.1/48K（Hz） 压缩码流速率（kb/s） 2. 重建语音质量 客观评价：信噪比 主观评价：MOS分（1-5分） 3. 编解码延时（ms） 4. 算法复杂度 5. 抗误码，抗丢包的能力，多次编码解码后语音的质量 语音编码质量评价（一） 可懂度评价：判断韵字测试，改进韵字测试 音质评价：MOS（Mean Opinion Score), DMOS(Degradation MOS) 语音编码质量评价（二） 时域测度