1、語音編碼分類及編解碼標準 將音頻或視頻信號在模擬格式和數字格式之間轉換的硬件（編碼 器/解碼器）；壓縮和解壓縮音頻或視頻數據的硬件或軟件 （壓縮 /解壓 縮）；或是編碼器 /解碼器和壓縮 /解壓縮的組合。 通常， 編碼解碼器能 夠壓縮未壓縮的數字數據，以減少內存使用量。編解碼器（ codec ）指的是一個能夠對一個信號或者一個數據流 進行變換的設備或者程序。 這里指的變換既包括將信號或者數據流進 行編碼（通常是為了傳輸、 存儲或者加密）或者提取得到一個編碼流 的操作，也包括為了觀察或者處理從這個編碼流中恢復適合觀察或操 作的形式的操作。 編解碼器經常用在視頻會議和流媒體等應用中， 通 常主要還

2、是用在廣電行業，作前端應用。G.711 類型： Audio制定者： ITU-T所需頻寬： 64Kbps特性：算法復雜度小，音質一般 優點：算法復雜度低，壓縮比小（ CD音質 >400kbps），編解 碼延時最短（相對其它技術）缺點：占用的帶寬較高應用領域： voip版稅方式： Free備注：70 年代 CCITT公布的 G.711 64kb/s 脈沖編碼調制 PCM。G.721 類型： Audio制定者： ITU-T 所需頻寬： 32Kbps 特性：相對于 PCMA和 PCMU，其壓縮比較高，可以提供 2： 1 的壓縮比。優點：壓縮比大 缺點：聲音質量一般 應用領域： voip 版稅方式

3、： Free 備注：子帶 ADPCM( SB-ADPCM)技術。 G.721 標準是一個代碼 轉換系統。它使用 ADPCM轉換技術，實現 64 kb/s A 律或 律 PC M速率和 32 kb/s 速率之間的相互轉換。G.722 類型： Audio制定者： ITU-T所需頻寬： 64Kbps特性： G722能提供高保真的語音質量 優點：音質好缺點：帶寬要求高應用領域： voip版稅方式： Free備注：子帶 ADPCM（ SB-ADPCM）技術G.723（ 低碼率語音編碼算法 ）類型： Audio制定者： ITU-T所需頻寬： 5.3Kbps/6.3Kbps 特性：語音質量接近良，帶寬要求低

4、，高效實現，便于多路擴 展，可利用 C5402 片內 16kRAM實現 53coder 。達到 ITU-TG723 要 求的語音質量，性能穩定?？捎糜?IP 電話語音信源編碼或高效語 音壓縮存儲。優點：碼率低，帶寬要求較小。并達到 ITU-TG723 要求的語音 質量，性能穩定。缺點：聲音質量一般應用領域： voip版稅方式： Free備注： G.723 語音編碼器是一種用于多媒體通信，編碼速率為 5.3kbits/s 和 6.3kbit/s 的雙碼率編碼方案。 G.723 標準是國際電 信聯盟（ ITU）制定的多媒體通信標準中的一個組成部分，可以應 用于 IP 電話等系統中。其中， 5.3k

5、bits/s 碼率編碼器采用多脈沖 最大似然量化技術（ MP MLQ），6.3kbits/s 碼率編碼器采用代數 碼激勵線性預測技術。G.723.1( 雙速率語音編碼算法 )類型： Audio制定者： ITU-T所需頻寬： 5.3Kbps(22.9)特性： 能夠對音樂和其他音頻信號進行壓縮和解壓縮， 但它對 語音信號來說是最優的。 G.723.1 采用了執行不連續傳輸的靜音壓 縮，這就意味著在靜音期間的比特流中加入了人為的噪聲。 除了預 留帶寬之外， 這種技術使發信機的調制解調器保持連續工作， 并且 避免了載波信號的時通時斷。優點：碼率低，帶寬要求較小。并達到 ITU-TG723 要求的語音

6、質量，性能穩定 , 避免了載波信號的時通時斷。缺點：語音質量一般應用領域： voip版稅方式： Free備注： G.723.1 算法是 ITU-T 建議的應用于低速率多媒體服 務中語音或其它音頻信號的壓縮算法， 其目標應用系統包括 H.323 、 H.324 等多媒體通信系統 。目前該算法已成為 IP 電話系統中的 必選算法之一。G.728 類型： Audio制定者： ITU-T所需頻寬： 16Kbps/8Kbps特性：用于 IP 電話、衛星通信、語音存儲等多個領域。 G.728 是一種低時延編碼器，但它比其它的編碼器都復雜，這是因為在 編碼器中必須重復做 50 階 LPC分析。 G.728

7、還采用了自適應后置 濾波器來提高其性能。優點：后向自適應，采用自適應后置濾波器來提高其性能 缺點：比其它的編碼器都復雜應用領域： voip版稅方式： Free備注： G.728 16kb/s 短延時碼本激勵線性預測編碼( LD-CEL P)。1996 年 ITU 公布了 G.728 8kb/s 的 CS ACELP算法，可以用 于 IP 電話、衛星通信、語音存儲等多個領域。 16 kbps G.728 低 時延碼激勵線性預測。G.728 是低比特線性預測合成分析編碼器( G.729 和 G.723.1 ) 和后向 ADPCM編碼器的混合體。 G.728 是 LD-CELP編碼器，它一次 只處理

8、 5 個樣點。對于低速率 ( 56128kbps )的綜合業務數字網 (I SDN)可視電話， G.728 是一種建議采用的語音編碼器。由于其后 向自適應特性， 因此 G.728 是一種低時延編碼器， 但它比其它的編 碼器都復雜，這是因為在編碼器中必須重復做50 階 LPC分析。 G.728 還采用了自適應后置濾波器來提高其性能。G.729 類型： Audio制定者： ITU-T所需頻寬： 8Kbps特性： 在良好的信道條件下要達到長話質量， 在有隨機比特誤 碼、發生幀丟失和多次轉接等情況下要有很好的穩健性等。 這種語 音壓縮算法可以應用在很廣泛的領域中， 包括電話、 無線通信、 數字衛星系統

9、和數字專用線路。G.729 算法采用“共軛結構代數碼本激勵線性預測編碼方案” （CS-ACELP）算法。這種算法綜合了波形編碼和參數編碼的優點， 以自適應預測編碼技術為基礎， 采用了矢量量化、 合成分析和感覺 加權等技術。G.729 編碼器是為低時延應用設計的， 它的幀長只有 10ms，處 理時延也是 10ms，再加上 5ms的前視，這就使得 G.729 產生的點 到點的時延為 25ms，比特率為 8 kbps 。優點：語音質量良，應用領域很廣泛，采用了矢量量化、合成 分析和感覺加權，提供了對幀丟失和分組丟失的隱藏處理機制缺點：在處理隨機比特錯誤方面性能不好。應用領域： voip版稅方式： F

10、ree備注：國際電信聯盟（ ITU-T ）于 1995年 11月正式通過了 G. 729。 ITU-T 建議 G.729 也被稱作“共軛結構代數碼本激勵線性預 測編碼方案” （CS-ACELP），它是當前較新的一種語音壓縮標準。 G. 729 是由美國、法國、日本和加拿大的幾家著名國際電信實體聯合 開發的。G.729A 類型： Audio制定者： ITU-T所需頻寬： 8Kbps(34.4)特性：復雜性較 G.729 低，性能較 G.729 差。優點：語音質量良，降低了計算的復雜度以便于實時實現，提 供了對幀丟失和分組丟失的隱藏處理機制缺點：性能較 G.729 差應用領域： voip版稅方式：

11、 Free備注： 96 年 ITU-T 又制定了 G.729 的簡化方案 G.729A，主要 降低了計算的復雜度以便于實時實現，因此目前使用的都是 G.729GIPS類型： Audio制定者：瑞典 Global IP Sound 公司所需頻寬：特性： GIPS 技術可根據帶寬狀況自動調節編碼碼率，提供低 碼率高質量的音頻。 GIPS 的核心技術(網絡自適應算法，丟包補 償算法和回聲消除算法) 可很好地解決語音延遲與回聲問題， 帶來 完美音質，提供比電話還清晰的語音通話效果。優點：很好地解決語音延遲與回聲問題，帶來完美音質，提供 比電話還清晰的語音通話效果缺點： 不是 Free應用領域： voi

12、p版稅方式：每年支付一筆使用權費用備注： GIPS 音頻技術是由來自瑞典的全球頂尖的語音處理高 科技公司 -"GLOBAL IPSOUND"提供的專用于互聯網的語音壓縮引 擎系統。 GIPS技術可根據帶寬狀況自動調節編碼碼率，提供低碼 率高質量的音頻。 GIPS 的核心技術(網絡自適應算法，丟包補償 算法和回聲消除算法) 可很好地解決語音延遲與回聲問題， 帶來完 美音質，提供比電話還清晰的語音通話效果。Apt-X類型： Audio制定者： Audio Processing Technology公司所需頻寬： 10Hz to 22.5 kHz ，56kbit/s to 576

13、 kbit/s(16bit 7.5 kHz mono to 24-bit, 22.5kHz stereo) 特性：主要用于專業音頻領域， 提供高品質的音頻。 其特點是： 采用 4:1:4 的壓縮與放大方案； 硬件低復雜度； 極低的編碼延遲； 由單芯片實現； 單聲道或立體聲編解碼； 只需單設備即可實現 22.5kHz 的雙通道立體聲； 高達 48kHz 的采樣頻率； 容錯性好； 完整的 AUTOSYN編C?解碼同步方案； 低功率消耗 優點：高品質的音頻，硬件復雜度低，設備要求低 缺點：不是 Free 應用領域： voip版稅方式：一次性付費 備注：子帶 ADPCM( SB-ADPCM)技術NIC

14、AMNICAM(Near Instantaneous Companded Audio Multiplex 準瞬時壓擴音頻復用 )類型： Audio制定者：英國 BBC廣播公司所需頻寬： 728Kbps特性：應用范圍及其廣泛，可用它進行立體聲或雙語廣播優點：應用范圍及其廣泛，信噪比高，動態范圍寬、音質同 CD 相媲美，故名麗音，因此 NICAM又稱為麗音缺點：不是 Free ，頻寬要求高應用領域： voip版稅方式：一次性付費備注： NICAM也稱麗音，它是英文 Near-Instantaneously Co mpanded Audio Multiplex 的縮寫，其含義為準瞬時壓擴音頻復 用，

15、是由英國 BBC廣播公司開發研究成功的。通俗地說 NICAM技術實際上就是雙聲道數字聲技術， 其應用范 圍及其廣泛，最典型的應用便是電視廣播附加雙聲道數字聲技術， 利用它進行立體聲或雙語廣播，以充分利用電視頻道的頻譜資源。 這是在常規電視廣播的基礎上無需增加許多投資就可以實現的。 在 進行立體聲廣播時，它提高了音頻的信號質量，使其接近CD的質量。而且還可以利用 NICAM技術進行高速數據廣播及其他數據傳輸 的增殖服務，這在當今的信息化社會中似乎就顯得尤為重要了！MPEG-1 audio layer 1類型： Audio制定者： MPEG所需頻寬： 384kbps（壓縮 4 倍）特性：編碼簡單，

16、用于數字盒式錄音磁帶，2聲道， VCD中使用的音頻壓縮方案就是 MPEG-1層。優點： 壓縮方式相對時域壓縮技術而言要復雜得多， 同時編碼 效率、聲音質量也大幅提高，編碼延時相應增加?？梢赃_到“完全 透明”的聲音質量（ EBU音質標準）缺點：頻寬要求較高應用領域： voip版稅方式： Free備注： MPEG-1聲音壓縮編碼是國際上第一個高保真聲音數據壓縮的國際標準，它分為三個層次：- 層 1(Layer 1) ：編碼簡單，用于數字盒式錄音磁帶- 層 2(Layer 2) ：算法復雜度中等，用于數字音頻廣播 (DAB) 和 VCD等- 層 3(Layer 3) ：編碼復雜，用于互聯網上的高質量

17、聲音的傳輸，如 MP3音樂壓縮 10 倍MUSICAM(MPEG-1 audio layer 2, 即 MP2)類型： Audio制定者： MPEG所需頻寬： 256192kbps(壓縮 68 倍)特性：算法復雜度中等，用于數字音頻廣播 (DAB)和 VCD等， 2 聲道， 而 MUSICAM由于其適當的復雜程度和優秀的聲音質量， 在數 字演播室、 DAB、 DVB等數字節目的制作、交換、存儲、傳送中得 到廣泛應用。優點： 壓縮方式相對時域壓縮技術而言要復雜得多， 同時編碼 效率、聲音質量也大幅提高，編碼延時相應增加?？梢赃_到“完全 透明”的聲音質量( EBU音質標準)缺點：應用領域：voip

18、版稅方式：Free備注：同MPEG-1 audio layer 1MP3(MPEG-1 audio layer 3)類型： Audio制定者： MPEG所需頻寬： 128112kbps（壓縮 1012 倍）特性：編碼復雜，用于互聯網上的高質量聲音的傳輸，如 MP3 音樂壓縮 10倍，2聲道。 MP3是在綜合 MUSICAM和 ASPEC的優點的 基礎上提出的混合壓縮技術，在當時的技術條件下，MP3的復雜度顯得相對較高， 編碼不利于實時， 但由于 MP3在低碼率條件下高水 準的聲音質量，使得它成為軟解壓及網絡廣播的寵兒。優點：壓縮比高，適合用于互聯網上的傳播缺點： MP3在 128KBitrat

19、e 及以下時，會出現明顯的高頻丟失 應用領域： voip版稅方式： Free備注：同 MPEG-1 audio layer 1MPEG-2 audio layer類型： Audio制定者： MPEG所需頻寬：與 MPEG-1層 1，層 2，層 3 相同特性： MPEG-2的聲音壓縮編碼采用與 MPEG-1聲音相同的編譯 碼器，層 1, 層 2 和層 3 的結構也相同， 但它能支持 5.1 聲道和 7. 1 聲道的環繞立體聲。優點：支持 5.1 聲道和 7.1 聲道的環繞立體聲缺點：應用領域： voip版稅方式：按個收取備注： MPEG-2的聲音壓縮編碼采用與 MPEG-1聲音相同的編譯 碼器，

20、層 1, 層 2 和層 3 的結構也相同， 但它能支持 5.1 聲道和 7. 1 聲道的環繞立體聲。AAC（Advanced Audio Coding ，先進音頻編碼 ）類型： Audio制定者： MPEG所需頻寬： 96-128 kbps特性： AAC可以支持 1 到 48 路之間任意數目的音頻聲道組合、 包括 15 路低頻效果聲道、配音 / 多語音聲道，以及 15 路數據。它 可同時傳送 16 套節目，每套節目的音頻及數據結構可任意規定。AAC主要可能的應用范圍集中在因特網網絡傳播、數字音頻廣 播，包括衛星直播和數字 AM、以及數字電視及影院系統等方面。 AAC使用了一種非常靈活的熵編碼核

21、心去傳輸編碼頻譜數據。具有 48 個主要音頻通道， 16 個低頻增強通道， 16 個集成數據流 , 16 個配音， 16 種編排。優點：支持多種音頻聲道組合，提供優質的音質缺點：應用領域： voip版稅方式：一次性收費備注： AAC于 1997年形成國際標準 ISO 13818-7 。先進音頻編 碼( Advanced Audio Coding-AAC )開發成功，成為繼 MPEG-2音 頻標準( ISO/IEC13818-3 )之后的新一代音頻壓縮標準。在 MPEG-2制訂的早期，本來是想將其音頻編碼部分保持與MPEG-1兼容的。但后來為了適應演播電視的要求而將其定義成為一 個可以獲得更高質

22、量的多聲道音頻標準。 理所當然地， 這個標準是 不兼容 MPEG-1的，因此被稱為 MPEG-2AA。C 換句話說，從表面上 看，要制作和播放 AAC，都需要使用與 MP3完全不同的工具。Dolby AC-3類型： Audio 制定者：美國杜比公司所需頻寬： 64kbps特性：提供的環繞立體聲系統由 5 個全頻帶聲道加一個超低音聲道組成， 6 個聲道的信息在制作和還原過程中全部數字化，信息 損失很少，細節豐富，具有真正的立體聲效果，在數字電視、 DVD 和家庭影院中廣泛使用。優點：環繞立體聲，信息損失很少，細節豐富，具有真正的立 體聲效果缺點：應用領域： voip版稅方式：按個收取備注：杜比數

23、字 AC-3( Dolby DigitalAC-3 )：美國杜比公司 開發的多聲道全頻帶聲音編碼系統，它提供的環繞立體聲系統由 5 個全頻帶聲道加一個超低音聲道組成， 6 個聲道的信息在制作和還 原過程中全部數字化，信息損失很少，細節豐富，具有真正的立體 聲效果，在數字電視、 DVD和家庭影院中廣泛使用。PCM 編碼 (原始數字音頻信號流 )類型： Audio制定者： ITU-T所需頻寬： 1411.2 Kbps 特性：音源信息完整，但冗余度過大 優點：音源信息保存完整 , 音質好 缺點：信息量大，體積大，冗余度過大 應用領域： voip版稅方式： Free備注： 在計算機應用中， 能夠達到最

24、高保真水平的就是 PCM編 碼，被廣泛用于素材保存及音樂欣賞， CD、DVD以及我們常見的 W AV文件中均有應用。因此， PCM約定俗成了無損編碼，因為 PCM代 表了數字音頻中最佳的保真水準， 并不意味著 PCM就能夠確保信號 絕對保真， PCM也只能做到最大程度的無限接近。要算一個PCM音頻流的碼率是一件很輕松的事情， 采樣率值×采樣大小值×聲道數 bps。一個采樣率為 44.1KHz，采樣大小為 16bit ，雙聲道的 PCM編 碼的 WAV文件，它的數據速率則為44.1K×16×2=1411.2 Kbps 。我們常見的 Audio CD 就采用

25、了 PCM編碼，一張光盤的容量只能容 納 72 分鐘的音樂信息。WMA(Windows Media Audio)類型： Audio制定者：微軟公司所需頻寬： 320112kbps（壓縮 1012 倍）特性：當 Bitrate 小于 128K時， WMA幾乎在同級別的所有有 損編碼格式中表現得最出色，但似乎 128k 是 WMA一個檻，當 Bitr ate 再往上提升時，不會有太多的音質改變。優點：當 Bitrate 小于 128K時， WMA最為出色且編碼后得到 的音頻文件很小。缺點：當 Bitrate 大于 128K 時，WMA音質損失過大。 WMA標準 不開放，由微軟掌握。應用領域： vo

26、ip 版稅方式：按個收取 備注： WMA的全稱是 Windows MediaAudio ，它是微軟公司推出 的與 MP3格式齊名的一種新的音頻格式。 由于 WMA在壓縮比和音質 方面都超過了 MP3，更是遠勝于 RA(RealAudio) ，即使在較低的采 樣頻率下也能產生較好的音質，再加上WMA有微軟的 Windows MediaPlayer 做其強大的后盾，所以一經推出就贏得一片喝彩。PCMU(G.711U)類型： Audio制定者： ITU-T所需頻寬： 64Kbps(90.4)特性： PCMU和 PCMA都能提供較好的語音質量，但是它們占用 的帶寬較高，需要 64kbps 。優點：語音

27、質量優 缺點：占用的帶寬較高 應用領域： voip 版稅方式： Free 備注： PCMU andPCM都A能夠達到 CD音質，但是它們消耗的帶 寬也最多 (64kbps) 。如果網絡帶寬比較低， 可以選用低比特速率的 編碼方法，如 G.723 或 G.729 ，這兩種編碼的方法也能達到傳統長 途電話的音質，但是需要很少的帶寬( G723需要 5.3/6.3kbps ， G 729 需要 8kbps )。如果帶寬足夠并且需要更好的語音質量，就使 用 PCMU 和 PCM，A 甚至可以使用寬帶的編碼方法 G722(64kbps) ， 這可以提供有高保真度的音質。PCMA(G.711A)類型： A

28、udio制定者： ITU-T所需頻寬： 64Kbps(90.4)特性： PCMU和 PCMA都能提供較好的語音質量，但是它們占用 的帶寬較高，需要 64kbps 。優點：語音質量優 缺點：占用的帶寬較高 應用領域： voip 版稅方式： Free 備注： PCMU andPCM都A能夠達到 CD音質，但是它們消耗的帶 寬也最多 (64kbps) 。如果網絡帶寬比較低， 可以選用低比特速率的 編碼方法，如 G.723 或 G.729 ，這兩種編碼的方法也能達到傳統長 途電話的音質，但是需要很少的帶寬( G723需要 5.3/6.3kbps ， G 729 需要 8kbps )。如果帶寬足夠并且需

29、要更好的語音質量，就使 用 PCMU 和 PCM，A 甚至可以使用寬帶的編碼方法 G722(64kbps) ， 這可以提供有高保真度的音質。ADPCM( 自適應差分 PCM)Adpcm是 自適應差分脈沖編碼調制 的簡稱，最早使用于 數字通信 系 統中。 該算法利用了語音信號樣點間的相關性， 并針對語音信號的 非平穩特點，使用了自適應預測和自適應量化，在32kbps 8khz速率上能夠給出網絡等級話音質量?，F在我們使用的是 IMA ADPCM 算法， 該算法中對量化步長的調整使用了簡單的查表方法，對于一個輸入的 PCM值 X(n) ，將其與前一時刻的 X(n-1) 預測值做差值 得 到 d(n)

30、 ，然后根據當前的量化步長對 d(n) 進行編碼，再用此 samp le 點的編碼值調整量化步長，同時還要得到當前 sample 點的預測 值供下一 sample 點編碼使用。 通過此算法可將樣點編碼成 4bit 的 碼流，一個符號位和三個幅度位。該算法較簡單，通過查表簡化了 運算。對于編碼后的數據我們采用了 wav 文件格式， 該格式對編碼 后的數據流進行了包裝， 由文件頭和數據碼流組成， 文件頭中指出 了音頻數據所采用格式、采樣率、比特率、塊長度、比特數及聲道 數等信息。 數據碼流以塊為單位， 塊頭指出了該塊起始的預測值和 index 值，碼流中每 byte 的高四位和低四位分別對應一個

31、PCM。當 前該算法以其簡單實用的特點廣泛應用到數字音樂盒和數字錄音 筆中。類型： Audio 制定者： ITU-T 所需頻寬： 32Kbps特性：ADPCM(adaptive difference pulse code modulation)綜合了 APCM的自適應特性和 DPCM系統的差分特性， 是一種性能比 較好的波形編碼。它的核心想法是： 利用自適應的思想改變量化階的大小， 即使用小的量化階 （s tep-size） 去編碼小的差值，使用大的量化階去編碼大的差值； 使用過去的樣本值估算下一個輸入樣本的預測值， 使實際樣 本值和預測值之間的差值總是最小。優點：算法復雜度低，壓縮比?。?C

32、D音質 >400kbps），編解 碼延時最短（相對其它技術）缺點：聲音質量一般應用領域： voip版稅方式： Free備注： ADPCM （ADPCM Adaptive Differential Pulse Code M odulation）, 是一種針對 16bit （ 或者更高 ?） 聲音波形數據的 一種有損壓縮算法 , 它將聲音流中每次采樣的 16bit 數據 以 4bit 存儲, 所以壓縮比 1:4. 而壓縮 / 解壓縮算法非常的 簡單, 所以是一種低空間消耗 , 高質量聲音獲得的好途徑。LPCLPC(Linear Predictive Coding，線性預測編碼 )類型： Audio制定者： 所需頻寬： 2Kbps-4.8Kbps 特性：壓縮比大，計算量大，音質不高，廉價 優點：壓縮比大 , 廉價 缺點：計算量大，語音質量不是很好，自然度較低 應用領域： voip 版稅方式： Free備注： 參數編碼又稱為聲源編碼， 是將信源信號在頻率域或其 它正交變換域提取特征參數， 并將其變換成數字代碼進行傳輸。 譯 碼為其反過程， 將收到的數字序列經變換恢復特征參量， 再根據特 征參量重建語音信號。 具體說， 參數編碼是通過對語音信號特征參 數的提取和編碼， 力圖使