簡而言之,語音信號(hào)的特征是隨時(shí)間而變化的,只是在一短段時(shí)間中,語音信號(hào)才保持相對(duì)穩(wěn)定一致的特征,也就是語音信號(hào)的短時(shí)平穩(wěn)性。其二是相鄰基音周期之間存在的長時(shí)相關(guān)性。由于語音信號(hào)中的短時(shí)相關(guān)性和長時(shí)相關(guān)性很強(qiáng),通過減弱這些相關(guān)性,使語音信號(hào)之間相關(guān)性降低,然后再進(jìn)行編碼,這樣就可以實(shí)現(xiàn)語音壓縮編碼,降低比特率。例如差分脈沖編碼（DPCM）就是利用了語音信號(hào)的相關(guān)性來降低比特率的。所謂語音信號(hào)的相關(guān)性,就是相鄰樣點(diǎn)之差很小,其包含的信息量遠(yuǎn)小于抽樣值本身,對(duì)差值編碼而不是對(duì)抽樣值本身進(jìn)行編碼,這樣所需的比特率必然下降,這就是DPCM能夠降低比特率的原因。 （2）利用了人耳的聽覺特性
利用人耳的掩蔽效應(yīng)也可以進(jìn)行語音壓縮編碼,降低比特率。兩個(gè)響度不等的聲音作用于人耳時(shí),則響度較高的頻率成份的存在會(huì)影響到對(duì)響度較低的頻率成份的感覺,使其變得不易被察覺,這就是我們所說的掩蔽效應(yīng)。在語音頻譜中,能量較高的頻段即共振峰處的噪聲相對(duì)于能量較低頻段的噪聲而言不易被感知。因此在度量原始語音與合成語音之間的誤差時(shí)可計(jì)入這一因素。在語音能量高的頻段,允許二者的誤差大一些,從而進(jìn)一步降低編碼比特率。為此引入一個(gè)頻域感覺加權(quán)濾波器W（f）來計(jì)算二者的誤差。感覺加權(quán)濾波器的頻率響應(yīng)中的峰、谷值正好與語音譜中相反。所以感覺加權(quán)濾波器的作用就是使實(shí)際誤差信號(hào)的譜不再平坦,而是有著與語音信號(hào)譜具有相似的包絡(luò)形狀。這就使誤差度量的優(yōu)化過程與感覺上的共振峰對(duì)誤差的掩蔽效應(yīng)相吻合,產(chǎn)生較好的主觀聽覺效果。
（3）線性預(yù)測(cè)分析-合成編碼方法
IP網(wǎng)絡(luò)電話中所使用的語音信號(hào)壓縮編碼方式大多數(shù)是基于合成-分析法的線性預(yù)測(cè)編碼（AbS-LPC）方法,這是一種混合編碼方法。線性預(yù)測(cè)技術(shù)就是用過去樣點(diǎn)的線性組合來預(yù)測(cè)當(dāng)前樣點(diǎn)。假如用s(n)代表原始語音信號(hào),用線性預(yù)測(cè)的方法求出預(yù)測(cè)器的系統(tǒng)ai,構(gòu)成線性預(yù)測(cè)逆濾波器,s(n)通過該濾波器后得到了去除短時(shí)相關(guān)性的語音信號(hào)。再將其進(jìn)行基音預(yù)測(cè),建立基音逆濾波器,去除它的長時(shí)相關(guān)性后,就可得到最后的殘差信號(hào)。殘差信號(hào)是完全隨機(jī)的、不可預(yù)測(cè)的部分。根據(jù)速率的不同要求,可對(duì)殘差信號(hào)采用不同的量化方法,從而得到不同的編碼速率,讓量化后的殘差信號(hào)作為激勵(lì)信號(hào)依次通過基音濾波器與線性預(yù)測(cè)濾波器后,便得到了合成語音信號(hào),見圖1。
編碼的過程就是不斷改變模型參數(shù),使模型更好地適應(yīng)原始語音信號(hào)。為此又引入了合成分析的概念。同時(shí),利用人耳的掩蔽效應(yīng),引入了感覺加權(quán)濾波器。綜合以上兩方面,可以得到圖2所示的線性預(yù)測(cè)分析-合成編碼的方框圖。
合成-分析法的基本原理可以概括如下：假定一原理信號(hào)可以用一個(gè)模型來表示,這個(gè)模型又是由一組參數(shù)來決定的,隨著這組參數(shù)的變化,模型所產(chǎn)生的合成信號(hào)也就是一樣,原始信號(hào)與合成信號(hào)之間的誤差也隨之而變化。為了使模型參數(shù)能更好地適應(yīng)原始信號(hào),可以規(guī)定一個(gè)誤差準(zhǔn)則：當(dāng)誤差越小,模型合成信號(hào)就和原始信號(hào)發(fā)越接近。這樣總線找到一組參數(shù),使誤差最小,此時(shí)這組參數(shù)決定的模型就可以用時(shí),一般在編碼端配備編碼和本地解碼兩個(gè)部分,配備本地解碼的目的是完成合成功能,以便計(jì)算原始語音信號(hào)與合成語音信號(hào)之間的誤差值。為了獲得較好的語音效果,在分析合成語音與原始語音的誤差時(shí),經(jīng)常采用感覺加權(quán)均方差技術(shù),即將合成語音與原始誤差最小的一組語音參數(shù)。原理圖2中之所以采用反饋控制,是為了求出最佳模型參數(shù),使合成語音與原始語音在某種準(zhǔn)確則下最為接近。
基于合成-分析法的線性預(yù)測(cè)編碼的過程實(shí)質(zhì)上就是不斷地改變模型參數(shù),使模型更好地適應(yīng)原始語音信號(hào)的過程。原始語音信號(hào)被分成幀,幀的長度和模型參數(shù)決定了編碼速率。
3 IP網(wǎng)絡(luò)電話中常用的幾種語音壓縮編碼算法的性能分析
IP網(wǎng)絡(luò)電話應(yīng)用主要使用ITU定義的三個(gè)標(biāo)準(zhǔn)：G.723.1、G.728、G.729。它們采用的都是線性預(yù)測(cè)分析-合成編碼和碼本激勵(lì)矢量量化技術(shù),即混合編碼的方法。
3.1 G.723協(xié)議
G.723協(xié)議是一個(gè)雙速率語音編碼建議,其兩種速率分別是5.3kb/s和6.3kb/s。此協(xié)議是一個(gè)數(shù)字傳輸系統(tǒng)概況協(xié)議,適用于低速率多媒體服務(wù)中語音或音頻信號(hào)的壓縮算法。它作為完整的H.324系列標(biāo)準(zhǔn)的一部分,是其中語音編碼建議,主要配合低速率圖像編碼H.263標(biāo)準(zhǔn)。在IP電話網(wǎng)關(guān)中,G.723協(xié)議被用來實(shí)現(xiàn)實(shí)時(shí)語音編碼解碼處理。
G.723.1協(xié)議的編解碼算法中兩種速率的編解碼基本原理是一樣的,只是激勵(lì)信號(hào)的量化方法有差別。對(duì)高速率（6.3kbit/s）編碼器,其激勵(lì)信號(hào)采用多脈沖最大似然量化（MP-MLQ）法進(jìn)行量化,對(duì)低速率（5.3kbit/s）編碼器,其激勵(lì)信號(hào)采用代數(shù)碼激碼線性預(yù)測(cè)（ACELP）法量化。
編碼過程是首先選速率為kbit/s的PCM語音信號(hào)轉(zhuǎn)化成均勻量化的PCM信號(hào),然后把輸入語音信號(hào)的每240個(gè)樣點(diǎn)組成一個(gè)帖,也就是30ms的幀長。每個(gè)幀通過高通濾波器后再分為4個(gè)子幀。對(duì)于每個(gè)子幀,計(jì)算出10階線性預(yù)測(cè)濾波器的系數(shù)。為了適于矢量量化,把預(yù)測(cè)系數(shù)轉(zhuǎn)化為線性頻譜對(duì)（LSP-Line Spectrum Pair）,然后進(jìn)行矢量量化。量化前的系數(shù)構(gòu)成短時(shí)感覺加權(quán)濾波器,原始語音信號(hào)經(jīng)過該濾波器得到感覺加權(quán)語音信號(hào)。對(duì)于每兩個(gè)子幀,編碼器用感覺加權(quán)語音信號(hào)求得開環(huán)基音周期,基音周期范圍從18個(gè)樣點(diǎn)到142個(gè)樣點(diǎn)。此后編碼器所進(jìn)行的操作都是基于60個(gè)樣點(diǎn)進(jìn)行的。由開環(huán)基音周期和感覺加權(quán)是在開環(huán)基音周期點(diǎn)周圍的一定范圍內(nèi)求得的。最后,激勵(lì)信號(hào)被量化,然后把這些參數(shù)和激勵(lì)信號(hào)量化結(jié)果傳送到解碼器。由于幀長為30ms,并存在另外的7.5ms的前向延遲,導(dǎo)致37.5ms總的編碼延遲。
G.723.1協(xié)議是為了低速可視會(huì)議業(yè)務(wù)而設(shè)計(jì)的。由于可視會(huì)議業(yè)務(wù)每秒鐘只傳輸很少數(shù)量的幀,而且又有比較大的時(shí)延,這就是G.723.1允許有30ms幀長的原因。這個(gè)幀長比較大,卻正好適合可視會(huì)議這種情況。而且它的編碼速度比較低,可以把盡可能多的比特用的圖象傳輸上。
3.2 G.728協(xié)議
G.728建議是16kb/s整編語音編碼標(biāo)準(zhǔn),是H.723協(xié)議中有關(guān)音頻編碼的標(biāo)準(zhǔn),采用的編碼算法是LD-CELP,即低時(shí)延-碼激勵(lì)線性預(yù)測(cè)的算法。G.728協(xié)議有一般CELP編碼器的共同點(diǎn)：利用合成-分析、感覺加權(quán)、矢量量化和線性預(yù)測(cè)技術(shù),從碼本中搜索出最佳矢量,把它乘以最佳增益,代替余量信號(hào)作為激勵(lì)信號(hào)。不同之處在于：一般的CELP編碼器采用前向自適應(yīng)預(yù)測(cè)器（Forword Adaptive Predictor）來去除語音信號(hào)的冗余度,而LD-CELP采用后向自適應(yīng)預(yù)測(cè)器（Backword Adaptive Predictor）對(duì)短時(shí)譜包括和增益進(jìn)行預(yù)測(cè)。LD-CELP編碼器發(fā)送的只是激勵(lì)矢量在碼本中的地址標(biāo)號(hào),而解碼端的濾波器參數(shù)和增益參數(shù)都是在解碼端計(jì)算得來的。在大多數(shù)編碼系統(tǒng)中,這類參數(shù)都是在編碼端求得,然后傳輸?shù)浇獯a端。
LD-CELP的一個(gè)幀只有5個(gè)樣點(diǎn),因此編碼器只要等5個(gè)樣點(diǎn)就可以開始計(jì)算最佳激勵(lì)矢量。它的線性預(yù)測(cè)周期是20個(gè)樣點(diǎn),但編碼器不必等20個(gè)樣點(diǎn)的語音信號(hào)才開始進(jìn)行線性預(yù)測(cè),它用以前已經(jīng)量化的語音信號(hào)來進(jìn)行預(yù)測(cè)分析。它不用象前向自適應(yīng)預(yù)測(cè)器中必須等一幀語音信號(hào)到齊后才能進(jìn)行預(yù)測(cè)分析。因此LD-CELP的延遲很小,為0.625ms,一路編解碼時(shí)延不超過2ms,完全達(dá)到了進(jìn)入公眾網(wǎng)的標(biāo)準(zhǔn)。這種在低時(shí)延下還能保證很高語音質(zhì)量的系統(tǒng)有很好的實(shí)用價(jià)值,付出的代價(jià)是算法計(jì)算復(fù)雜度很高,約為25MIPS左右。編碼過程是首先將速率為64kb/s的PCM輸入信號(hào)轉(zhuǎn)化成均勻量化的PCM信號(hào),接著由5個(gè)連續(xù)的語音樣點(diǎn)組成一個(gè)5維矢量,激勵(lì)碼本中共有1024個(gè)5維矢量。對(duì)每一個(gè)輸入矢量,編碼器利用合成-分析法從碼本中搜索出最佳碼本矢量,然后將10bits的碼本標(biāo)號(hào)傳給對(duì)方。每20個(gè)樣點(diǎn)構(gòu)成一個(gè)復(fù)幀,一個(gè)復(fù)幀構(gòu)成一個(gè)自適應(yīng)周期,每復(fù)幀更新一次LP系數(shù)。最佳碼本矢量通過增益加權(quán)和合成濾波器后形成合成語音,該合成語音用來更新濾波器狀態(tài),以便繼續(xù)為下一個(gè)輸入矢量進(jìn)行編碼。合成濾波器系數(shù)和增益分別通過各自的后向自適應(yīng)單元進(jìn)行周期性地更新。
G.728建議最大的優(yōu)點(diǎn)是它能提供高質(zhì)量和低過延的語音。為此,它也要付出一定的代價(jià),也就是在實(shí)現(xiàn)中和實(shí)際應(yīng)用中有其它方面的麻煩,如在誤差疊加、計(jì)算復(fù)雜度（它的線性預(yù)測(cè)階數(shù)是50階,而一般的編碼器是10階）、計(jì)算量的分配、互連問題等方面存在問題。
3.3 G.729協(xié)議
G.729協(xié)議是一個(gè)能在8kb/s速率上實(shí)現(xiàn)高質(zhì)量語音編碼的建議,也是H.323協(xié)議中有關(guān)音頻編碼的標(biāo)準(zhǔn)。在IP電話網(wǎng)關(guān)中,G.729協(xié)議被用來實(shí)現(xiàn)實(shí)時(shí)語音編碼處理。G.729協(xié)議采用的是CS-ACELP即共軛結(jié)構(gòu)算術(shù)碼激勵(lì)線性預(yù)測(cè)的算法。CS-ACELP以CELP編碼模型為基礎(chǔ),它把語音分成幀,每幀10ms,也就是80個(gè)采樣點(diǎn)。對(duì)于每一幀語音,編碼器從中分析出CELP模型參數(shù),其中包括線性預(yù)測(cè)系數(shù),自適應(yīng)碼本和隨機(jī)碼本的索引值和增益。然后把這些參數(shù)傳送到解碼端,解碼器利用這些參數(shù)構(gòu)成激勵(lì)源和合成濾波器,從而重量現(xiàn)原始語音。
編碼過程是首先將速率為64kbit/s的PCM語音信號(hào)轉(zhuǎn)化成均勻量化的PCM信號(hào),通過高通濾波器后,把輸入語音信號(hào)的每80個(gè)樣點(diǎn)組成一個(gè)帖,也就是10ms的幀長。對(duì)于每個(gè)幀用線性預(yù)測(cè)法求得LP濾波器系數(shù),為了適于矢量量化,把預(yù)測(cè)系數(shù)轉(zhuǎn)化為線譜對(duì)（LSP-Line Spectrum Pair）,然后進(jìn)行矢量量化。利用合成-分析方法,使原始語音和合成語音之間的誤差最小,來獲得最佳激勵(lì)信號(hào)。激勵(lì)信號(hào)的量化是通過兩個(gè)碼本來實(shí)現(xiàn)的,即自適應(yīng)碼本和隨機(jī)碼本。自適應(yīng)碼本反映的是長時(shí)預(yù)測(cè)結(jié)果,也就是基音預(yù)測(cè)結(jié)果。隨機(jī)碼本反映的是經(jīng)過長時(shí)預(yù)測(cè)和短時(shí)預(yù)測(cè)后的殘留信號(hào)。
3.4 幾種語音壓縮編碼方法的共同之處
它們都是采用的把參數(shù)編碼和波形編碼結(jié)構(gòu)起來所形成了混合編碼。混合編碼有一個(gè)共同的特點(diǎn),都是都有一個(gè)相同的算是過程：先進(jìn)行線性預(yù)測(cè)分析,去掉語音的短時(shí)相關(guān)性,然后再用合成-分析法和感覺加權(quán)均方誤差最小準(zhǔn)則分析出合適的替代余量信號(hào)的最佳激勵(lì)信號(hào),最后對(duì)激勵(lì)信號(hào)和線性預(yù)測(cè)參數(shù)進(jìn)行編碼傳送。
混合編碼中把激勵(lì)模型和語音的時(shí)域波形結(jié)合到一起,從而改善了合成語音的質(zhì)量。以上三種語音壓縮編碼算法的主要區(qū)別在于激勵(lì)模型的不同。
雖然IP網(wǎng)絡(luò)電話目前正處于蒸蒸日上的階段,但它也存在這樣或那樣一些不盡如人意的方面。如何提高IP分組語音通信的質(zhì)量,或者更一般地說,如何在IP網(wǎng)絡(luò)上實(shí)現(xiàn)包括實(shí)時(shí)通信業(yè)務(wù)在內(nèi)的綜合業(yè)務(wù)通信,這正是我們需要進(jìn)一步研究的特點(diǎn)。
