mti完整版完整版.pptx

MTIX话I音编D码I（ASpNeechCoding）1多媒体技术第三讲

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2

话音的形成原理3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）。

话音的分类4 浊音（voicedsounds）：声道打开，声带在先打开后关闭，在此期间声带要发生振动。浊音的激励源被等效为准周期的脉冲信号。 清音（unvoicedsounds）：声门打开，声带不振动，声音靠空气在声道里高速收缩产生。清音的激励源被等效为一种白噪声信号。 爆破音（plosivesounds）：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。混合音

话音技术的研究热点5话音压缩编码（SpeechCoding）话音识别（SpeechRecognition）文本话音转换（TextToSpeech）

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/A6

衡量话音编码器的参数7数据输出速率延迟时间话音质量价格

话音编译码器的分类8 波形编译码器（waveformcoder）：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（Sourcecoder）：也叫参数编译码器、声码器（vocoder）。它从话音波形信号中提取生成话音的参数，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（Hybridcoder）：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。

三种话音编译码器的对比9

语音信号的冗余度10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（longtermcorrelation）

脉冲编码调制（PCM）PulseCodeModulation11

PCM的量化方式均匀量化与非均匀量化12

非均匀量化13 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。

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14x为输入信号，规格化为－1=x=1m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。

μ律压扩与A律压扩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0=|x|=1/A1/A=|x|=1对于采样频率为8kHz，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64kb/s。这个数据就是CCITT推荐的G.711标准。15

PCM与时分多路复用（TDM）16

量化器预测器xk eke’kx’’k-自适应预测关键在于预测器与量化器的设计自适应量化阶逆量化器e’’kx’k差分脉冲编码调制（DPCM)产生误差17

差分脉冲编码调制（DPCM)预测器e’k18逆量化器e’x’k’kx’’k译码过程

预测方程式线性预测：如果ai是常数，则为时不变线性预测，否则为自适应线性预测最简单的预测方程：19

最简单的DPCM20x0121123344x’’0012112334e011-1011010

增量调制(△M)增量调制(deltamodulation，DM)是一种预测编码技术，是对实际的采样信号与预测的采样信号之差的极性进行编码，将极性变成“0”和“1”这两种可能的取值之一。如果实际的采样信号与预测的采样信号之差的极性为“正”，则用“1”表示；相反则用“0”表示。DM编码系统又称为“1位系统”。21

自适应增量调制(ADM)22CVSD（连续可变斜率增量调制）：如果编码器的输出连续出现三个相同的值，量化阶就加上一个大的增量；反之，就加一个小的增量。

自适应脉冲编码调制（APCM） APCM是一种根据输入信号幅度大小自动改变量化阶大小的一种波形编码技术。23

自适应差分脉冲编码调制 自适应差分脉冲编码调制（ADPCM）综合了APCM的自适应特性和DPCM系统的差分特性24

自适应差分脉冲编码调制25 ADPC