第章 声音数字语音的压缩编码.pptVIP

南京大学多媒体研究所 第3章 声音(2) —数字语音的压缩编码 内容 一、引言 二、数字语音的波形编码 三、数字语音的参数编码 四、数字语音的混合编码 一、引 言 数字语音压缩编码的必要性 码率 = 取样频率 x 量化位数 x 通道数目 例: 电话语音 =8k x 8b x 1 = 64kbps =8kB/s=28MB/h 对数字语音进行数据压缩的目的: 提高通信/存储效率 降低通信/存储成本 数字语音压缩编码的可能性 声音信号中包含有大量的冗余信息 邻近样本之间有很大的相关性 周期之间的相关性 基音之间的相关性 长时（几十秒）自相关性 话音间歇（静音） 可以利用人的听觉感知特性进行压缩, 可以利用语音信号的生成机理进行数据压缩。 对语音数据压缩的要求 码率低（bitrate） 质量高（quality ： excellent, good, fair ) 延时短（time delay） 25ms 成本合理（cost effective） 语音压缩编码方法分类 波形编码 (Perception model-based compression) 优点 : 通用、音频质量较高 缺点 : 很难获得较大的压缩比 示例 : PCM, ADPCM, SBC 参数编码,源编码 (Production model-based compression) 优点: 压缩比较大 缺点: 信号源必须已知 示例: LPC 混合编码(Hybrid compression) 示例 : CELP 三类语音编码器性能比较 二、数字语音的波形编码 波形编译码器 算法比较简单，容易实现，低延迟， 压缩效率不高，数据速率在16 kbps以上， 声音质量相当好， 通用性好，适用于任意类型的数字声音， 很成熟，有一系列国际标准： CCITT G.711 PCM 64kb/s CCITT G.721 ADPCM 32Kb/s CCITT G.726 ADPCM 48, 32, 24, 16 Kb/s 已广泛应用于电话语音的中继线传输 1. CCITT G.711 (脉冲编码调制) Pulse Code Modulation (PCM) of Voice Frequency 编码过程： 对数变换 F=ln(x) 目的 : 适应听觉的非线性特性；压缩数据。 压扩算法的实现 x(n): 线性码(1+12位) F(n): PCM码(1+7位) 0 0 0 0 0 0 0 W X Y Z a 0 0 0 W X Y Z 0 0 0 0 0 0 1 W X Y Z a 0 0 1 W X Y Z 0 0 0 0 0 1 W X Y Z a b 0 1 0 W X Y Z 0 0 0 0 1 W X Y Z a b c 0 1 1 W X Y Z 0 0 0 1 W X Y Z a b c d 1 0 0 W X Y Z 0 0 1 W X Y Z a b c d e 1 0 1 W X Y Z 0 1 W X Y Z a b c d e f 1 1 0 W X Y Z 1 W X Y Z a b c d e f g 1 1 1 W X Y Z PCM 的应用 应用于数字声音的编辑处理（多媒体计算机） 应用于声音的传输（通信）: 长途电话 (8 KHz x 8 bit x 1), 时分多路复用TDM (time-division multiplexing) 应用于全频带数字声音的表示/存储: CD-DA（CD唱片），DAT (44.1 KHz x 16 bit x 2) 2. ADPCM自适应差分脉冲编码调制 (Adaptive Differential PCM) 原理： 声音信号具有很强的相关性，可从已知信号来预测未知信号, 即使用前面的样本预测当前的样本，实际样本值与预测值之间的误差往往很小。 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， 效果：量化位数可以显著减少，从而降低了总的码率。 无损预测编码（1） 信号在时间上的冗余性 无损地恢复初始信号 e可能的范围 解决办法：SU, SD 无损预测编码（2） 21, 22, 27, 25, 22 f’2＝ 21 e2=1 f’3=21 e3=