音频信息处理讲义.ppt

四、 感知编码(cont.) 2003年9月 * 表示人听到同样响度的声音时，其声压级与频率的关系。 听阈 Minimum Audible Field 四、 感知编码(cont.) 掩蔽效应 定义：当两个响度不同的声音作用于人耳时，响度较高的频率成分会影响对响度较低频率成分的感受。这种现象称为人耳的掩蔽效应。 从频率角度来看，低频成分容易掩蔽高频成分。 掩蔽效应使被掩蔽频率成分的听阈上升。 噪声的存在影响纯音的接收，即对纯音产生掩蔽。 当掩蔽声出现时，被掩蔽声就听不到。要想听到掩蔽声，就要提高它的阈值。 2003年9月 * 四、 感知编码(cont.) 感知听觉模型 人们把感知听觉模型引入语音的感知编码的研究中。 鉴于共振峰对噪声的掩蔽效应，使之即使降低共振峰区的信噪比，也不会改变听感效果 最佳失真(即噪声)即不是白噪声，也不是与输入语音频谱类似的谱(下图中的虚线)， 而是介于二者之间即有语音特点又类似于白噪声的频谱(实线所示) 对于相同的失真率(下图中曲线下部区域)， 这种类似白噪声的声谱最大限度地利用了共振峰对噪声的掩蔽作用 2003年9月 * 四、 感知编码(cont.) 2003年9月 * 四、 感知编码(cont.) MND分布(minimally noticeable distortion) 在第三共振峰频率处的信噪比太小， 以致不能掩蔽高频范围内的失真，实际上此白噪声谱是次最优的。 尽管似语音的谱在第三共振峰处提高了SNR(信噪比)，但这是以降低第一共振峰处的SNR为代价的， 因为损害了编码在低频范围的保真度。而中频段最优，它是在不损害重要的低频特性的前提下，在整个频带上达成了一种平衡。这个频谱是一个MND分布 图中的MND分布是一个平滑的频谱包络。它的好处在于容易与LPC的谱包络一致。特别是在生成最优噪声构架时，增加的额外计算很少，在形成感知谱结构时不需附加的比特率。但这种MND包络没有与说话者基频相关的频谱结构。 2003年9月 * 四、 感知编码(cont.) 2003年9月 * 感知加权 利用听觉的掩蔽效应，设计频域感知加权滤波器 W(?)，使得： 式中： ?s是抽样频率，S(?)和 分别是原始语音与合成语音的傅立叶变换 四、 感知编码(cont.) 2003年9月 * 感知加权 其特性由预测因子{ai}和加权因子r来确定。r在0和1之间，由它来控制不同频率域的误差。 * * 二、音频的波形编码 以下重点将介绍： 脉冲编码调制（PCM）技术及其应用 自适应差分编码调制（ADPCM ）技术 子带自适应差分编码调制（SB-ADPCM ）技术 增量调制（DM）与自适应增量调制（ADM）技术 2003年9月 * 1、波形编码分类 2003年9月 * 脉冲编码调制 线性(均匀) 非线性(瞬时压扩—μ律、A律) G.711 最佳SNR 自适应脉冲编码调制 前馈自适应 反馈自适应 最佳自适应 差值脉冲编码调制 增量调制 差值脉冲编码调制 线性增量调制 连续可变增量调制(CVSD) LM13111 自适应增量调制 T6668 UM5101 自适应差值脉冲编码调制 自适应差值脉冲编码调制 MSM5248 7756 自适应预测自适应差值脉冲编码调制 波形编码原理和特点 波形编码： 力图使重建语音波形保持原语音信号的波形形状。 特点： 适应能力强、话音质量好。 编码数据率高。 2、脉冲编码调制 脉冲编码调制(pulse code modulation，PCM)是概念上最简单、理论上最完善的编码系统，是最早研制成功、使用最为广泛的编码系统，但也是数据量最大的编码系统。 PCM的编码原理比较直观和简单，它的原理框图如下所示。在这个编码框图中，它的输入是模拟声音信号，它的输出是PCM样本。图中的“防失真滤波器”是一个低通滤波器，用来滤除声音频带以外的信号；“波形编码器”可暂时理解为“采样器”，“量化器”可理解为“量化阶大小(step-size)”生成器或者称为“量化间隔”生成器。 2003年9月 * 2、脉冲编码调制(cont.) 2003年9月 * 均匀量化 定义1：如果采用相等的量化间隔对采样得到的信号作量化，那么这种量化称为均匀量化。均匀量化也称为线性量化，就是采用相同的“等分尺”来度量采样得到的幅度。 定义2：量化后的样本值 y(i) 和原始值 x(i) 的差e(i)= y(i) - x(i)称为量化误差或量化噪声 。 用这种方法量化输入信号时，无论对大的输入信号还是小的输入信号一律都采用相同的量化间隔。为了适应幅度大的输入信号，同时又要满足精度要求，就需要增加样本的位数。但是，对话音信号来说，大信号出现的机会并不多