多媒體技術話音編碼第一頁，共三十二頁，編輯于2023年，星期五主要內容話音的形成原理話音編譯碼器原理脈沖編碼調制（PCM）增量調制與自適應增量調制自適應差分脈沖編碼調制（ADPCM）子帶編碼其他編碼2第二頁，共三十二頁，編輯于2023年，星期五話音的形成原理

肺中的空氣受到擠壓形成氣流，氣流通過聲門（聲帶）沿著聲道（由咽、喉、口腔等組成）釋放出去，就形成了話音。氣流、聲門可以等效為一個激勵源，聲道可以等效為一個時變濾波器（共振峰）。話音信號具有很強的相關性（長期相關、短期相關）。3第三頁，共三十二頁，編輯于2023年，星期五話音的分類濁音（voicedsounds）：聲道打開，聲帶在先打開后關閉，氣流經過使聲帶要發生張馳振動，變為準周期振動氣流。濁音的激勵源被等效為準周期的脈沖信號。清音（unvoicedsounds）：聲帶不振動，而在某處保持收縮，氣流在聲道里收縮后高速通過產生湍流，再經過主聲道（咽、口腔）的調整最終形成清音。清音的激勵源被等效為一種白噪聲信號。爆破音（plosivesounds）：聲道關閉之后產生壓縮空氣然后突然打開聲道所發出的聲音。4第四頁，共三十二頁，編輯于2023年，星期五話音產生的數字模型周期脈沖序列發生器偽隨機噪聲產生器周期時變數字濾波器音量控制聲道參數語音輸出濁/清選擇5第五頁，共三十二頁，編輯于2023年，星期五話音技術的研究熱點話音壓縮編碼（SpeechCoding）話音識別（SpeechRecognition）文本話音轉換（TextToSpeech）6第六頁，共三十二頁，編輯于2023年，星期五話音編譯碼器A/D話音編碼信道編碼信道信道譯碼話音譯碼D/A7第七頁，共三十二頁，編輯于2023年，星期五衡量話音編碼器的參數數據輸出速率延遲時間話音質量價格（實現代價）8第八頁，共三十二頁，編輯于2023年，星期五語音質量等級劃分廣播質量：帶寬為7000Hz的高質量話音長途電話質量：帶寬為3400Hz，信噪比為30db，有失真通信質量：完全可以聽懂，但和長途電話質量相比有明顯的失真。合成質量：80％－90％的可懂度，聽起來象機器講話，失去了講話者的特征9第九頁，共三十二頁，編輯于2023年，星期五話音編譯碼器的分類波形編譯碼器（waveformcoder）：不利用生成話音的信號的任何知識，將話音視為一種普通的聲音，直接對波形信號進行采樣和量化。例如PCM、DPCM、ADPCM等。音源編譯碼器（Sourcecoder）：也叫參數編譯碼器、聲碼器（vocoder）。它從話音波形信號中提取話音生成模型的參數，使用這些參數通過話音生成模型重構出話音。混合編譯碼器（Hybridcoder）：綜合使用上述兩種技術。使用的激勵信號波形盡可能接近于原始話音信號的波形。例如CELP。10第十頁，共三十二頁，編輯于2023年，星期五三種話音編譯碼器的對比11第十一頁，共三十二頁，編輯于2023年，星期五語音信號的冗余度幅度非均勻分布樣本之間的相關性周期之間的相關性基音之間的相關性靜止系數（話音間隙）長期相關性（longtermcorrelation）12第十二頁，共三十二頁，編輯于2023年，星期五脈沖編碼調制（PCM）PulseCodeModulation13第十三頁，共三十二頁，編輯于2023年，星期五PCM的量化方式均勻量化與非均勻量化14第十四頁，共三十二頁，編輯于2023年，星期五非均勻量化對小信號采用小的量化間隔，對大信號采用大的量化間隔，這樣可以用較少的位數編碼。對大信號來說，雖然絕對量化誤差較大，但是因為：（1）大信號出現的機會不多，（2）信噪比（相對誤差）與小信號是一致的，所以對總的話音質量影響不大。非均勻量化也是一種壓縮。15第十五頁，共三十二頁，編輯于2023年，星期五μ律壓擴與A律壓擴m

律(m-Law)壓擴(G.711)主要用在北美和日本等地區的數字電話通信中。x為x為輸入信號，規格化為－1<=x<=1m

為確定壓縮量的參數，它反映最大量化間隔和最小量化間隔之比，取100<=

m

<=500。16第十六頁，共三十二頁，編輯于2023年，星期五μ律壓擴與A律壓擴0<=|x|<=1/A1/A

<=|x|<=1A律(A-Law)壓擴(G.711)主要用在歐洲和中國大陸等地區的數字電話通信中對于采樣頻率為8kHz，樣本精度為13位、14位或者16位的輸入信號，使用m

律壓擴編碼或者使用A律壓擴編碼，經過PCM編碼器之后每個樣本的精度為8位，輸出的數據率為64kb/s。這個數據就是CCITT推薦的G.711標準。17第十七頁，共三十二頁，編輯于2023年，星期五PCM與時分多路復用（TDM）18第十八頁，共三十二頁，編輯于2023年，星期五差分脈沖編碼調制（DPCM)關鍵在于預測器與量化器的設計量化器預測器xkeke’kx’kx’’k-自適應預測逆量化器自適應量化階e’’k產生誤差19第十九頁，共三十二頁，編輯于2023年，星期五差分脈沖編碼調制（DPCM)逆量化器預測器e’ke’’kx’kx’’k譯碼過程20第二十頁，共三十二頁，編輯于2023年，星期五預測方程式

線性預測：如果ai是常數，則為時不變線性預測，否則為自適應線性預測最簡單的預測方程：第二十一頁，共三十二頁，編輯于2023年，星期五最簡單的DPCMx0121123344x’’0012112334e011-101101022第二十二頁，共三十二頁，編輯于2023年，星期五增量調制(△M)增量調制(delta

modulation，DM)是一種預測編碼技術，是對實際的采樣信號與預測的采樣信號之差的極性進行編碼，將極性變成“0”和“1”這兩種可能的取值之一。如果實際的采樣信號與預測的采樣信號之差的極性為“正”，則用“1”表示；相反則用“0”表示。DM編碼系統又稱為“1位系統”。23第二十三頁，共三十二頁，編輯于2023年，星期五自適應增量調制(ADM)CVSD（連續可變斜率增量調制）：如果編碼器的輸出連續出現三個相同的值，量化階就加上一個大的增量；反之，就加一個小的增量。24第二十四頁，共三十二頁，編輯于2023年，星期五自適應脈沖編碼調制（APCM）APCM是一種根據輸入信號幅度大小自動改變量化階大小的一種波形編碼技術。25第二十五頁，共三十二頁，編輯于2023年，星期五自適應差分脈沖編碼調制自適應差分脈沖編碼調制（ADPCM）綜合了APCM的自適應特性和DPCM系統的差分特性26第二十六頁，共三十二頁，編輯于2023年，星期五自適應差分脈沖編碼調制ADPCM是利用樣本與樣本之間的高度相關性和量化階自適應來壓縮數據的一種波形編碼技術，CCITT為此制定了G.721推薦標準，這個標準叫做32kb/sADPCM。在此基礎上還制定了G.721的擴充推薦標準G.723，使用該標準的編碼器的數據率可降低到40kb/s和24kb/s。G.721的輸入信號是G.711PCM代碼，它的數據率為64kb/s。而G.721ADPCM的輸出是用4位表示的差分信號，它的采樣率仍然是8kHz，它的數據率為32kb/s，這樣就獲得了2∶1的數據壓縮。27第二十七頁，共三十二頁，編輯于2023年，星期五子帶－自適應差分脈沖編碼調制

28第二十八頁，共三十二頁，編輯于2023年，星期五G.722編碼標準G.722是CCITT推薦的音頻信號編碼譯碼標準。G.722標準的數據率為64kb/s，采樣頻率由8kHz提高到16kHz，是G.711PCM采樣率的2倍，因而要被編碼的信號頻率由原來的3.4kHz擴展到7kHz。這就使音頻信號的質量有很大改善，由數字電話的話音質量提高到調幅(AM)無線電廣播的質量。29第二十九頁，共三十二頁，編輯于2023年，星期五其它語音編碼方法線性預測聲碼器（LPC－10，LPC－10e）數據速率為2.4kb/s。多脈沖激勵線性預測編碼器（MPE－LPC）數據速率為10kb/s左