多媒体技术话音编码.ppt

第一页，共三十二页，2022年，8月28日 主要内容 话音的形成原理 话音编译码器原理 脉冲编码调制（PCM） 增量调制与自适应增量调制 自适应差分脉冲编码调制（ADPCM） 子带编码 其他编码 * 第二页，共三十二页，2022年，8月28日 话音的形成原理 肺中的空气受到挤压形成气流，气流通过声门（声带）沿着声道（由咽、喉、口腔等组成）释放出去，就形成了话音。 气流、声门可以等效为一个激励源，声道可以等效为一个时变滤波器（共振峰）。 话音信号具有很强的相关性（长期相关、短期相关）。 * 第三页，共三十二页，2022年，8月28日 话音的分类 浊音（voiced sounds）：声道打开，声带在先打开后关闭，气流经过使声带要发生张驰振动，变为准周期振动气流。浊音的激励源被等效为准周期的脉冲信号。 清音（unvoiced sounds）：声带不振动，而在某处保持收缩，气流在声道里收缩后高速通过产生湍流，再经过主声道（咽、口腔）的调整最终形成清音。清音的激励源被等效为一种白噪声信号。 爆破音（plosive sounds）：声道关闭之后产生压缩空气然后突然打开声道所发出的声音。 * 第四页，共三十二页，2022年，8月28日 话音产生的数字模型 周期脉冲序列发生器 伪随机噪声产生器 周期 时变数字滤波器 音量控制 声道参数 语音 输出 浊/清选择 * 第五页，共三十二页，2022年，8月28日 话音技术的研究热点 话音压缩编码（Speech Coding） 话音识别（Speech Recognition） 文本话音转换（Text To Speech） * 第六页，共三十二页，2022年，8月28日 话音编译码器 A/D 话音 编码 信道 编码 信道 信道 译码 话音 译码 D/A * 第七页，共三十二页，2022年，8月28日 衡量话音编码器的参数 数据输出速率 延迟时间 话音质量 价格（实现代价） * 第八页，共三十二页，2022年，8月28日 语音质量等级划分 广播质量：带宽为7000Hz的高质量话音 长途电话质量：带宽为3400Hz，信噪比为30db，有失真 通信质量：完全可以听懂，但和长途电话质量相比有明显的失真。 合成质量：80％－90％的可懂度，听起来象机器讲话，失去了讲话者的特征 * 第九页，共三十二页，2022年，8月28日 话音编译码器的分类 波形编译码器（waveform coder）：不利用生成话音的信号的任何知识，将话音视为一种普通的声音，直接对波形信号进行采样和量化。例如PCM、DPCM、ADPCM等。 音源编译码器（Source coder）：也叫参数编译码器、声码器（vocoder）。它从话音波形信号中提取话音生成模型的参数，使用这些参数通过话音生成模型重构出话音。 混合编译码器（Hybrid coder）：综合使用上述两种技术。使用的激励信号波形尽可能接近于原始话音信号的波形。例如CELP。 * 第十页，共三十二页，2022年，8月28日 三种话音编译码器的对比 * 第十一页，共三十二页，2022年，8月28日 语音信号的冗余度 幅度非均匀分布 样本之间的相关性 周期之间的相关性 基音之间的相关性 静止系数（话音间隙） 长期相关性（long term correlation） * 第十二页，共三十二页，2022年，8月28日 脉冲编码调制（PCM） Pulse Code Modulation * 第十三页，共三十二页，2022年，8月28日 PCM的量化方式 均匀量化与非均匀量化 * 第十四页，共三十二页，2022年，8月28日 非均匀量化 对小信号采用小的量化间隔，对大信号采用大的量化间隔，这样可以用较少的位数编码。 对大信号来说，虽然绝对量化误差较大，但是因为：（1）大信号出现的机会不多，（2）信噪比（相对误差）与小信号是一致的，所以对总的话音质量影响不大。 非均匀量化也是一种压缩。 * 第十五页，共三十二页，2022年，8月28日 μ律压扩与A律压扩 m 律(m -Law)压扩(G.711)主要用在北美和日本等地区的数字电话通信中。 x为 x 为输入信号，规格化为－1<= x <=1 m 为确定压缩量的参数，它反映最大量化间隔和最小量化间隔之比，取100 <= m <= 500。 * 第十六页，共三十二页，2022年，8月28日 μ律压扩与A律压扩 0 <= |x| <= 1/A 1/A <= |x| <= 1 A律(A-Law)压扩(G.711)主要用在欧洲和中国大陆等地区的数字电话通信中 对于采样频率为8 kHz，样本精度为13位、14位或者16位的输入信号，使用m 律压扩编码或者使用A律压扩编码，经过PCM编码器之后每个样本的精度为8位，输出的数据率为64