北邮大三上数字音频处理与编码.docx
- 文档编号:28755134
- 上传时间:2023-07-19
- 格式:DOCX
- 页数:20
- 大小:500.79KB
北邮大三上数字音频处理与编码.docx
《北邮大三上数字音频处理与编码.docx》由会员分享,可在线阅读,更多相关《北邮大三上数字音频处理与编码.docx(20页珍藏版)》请在冰豆网上搜索。
北邮大三上数字音频处理与编码
北京邮电大学
数字音频处理与编码
AMR语音编码技术研究与实现
年级:
大三
姓名:
专业:
信息工程
指导老师:
二零一三年九月
摘要
通信系统都是围绕着通信传输的数量与质量两个类型的三种指标(有效性、可靠性和安全性)进行不断优化的。
移动通信属于无线通信.由于无线通信的频率资源是有限的,所以无线通信中有效性的要求显得非常突出。
传统的定速率语音编码从整体上讲,较高速率的编码算法对话音质量较易保证,但占用网络资源较大:
较低速率的编码算法占用网络资源小,但对话音质量较难保证。
同时,通过统计显示,人类在进行语音通信时,大约有70%左右的空闲时间没有讲话,传统的只用一种速率进行语音编解码对信道资源是一个严重的浪费.在这种形势下,人们提出了变速率语音压缩编码的方法。
自适应多速率(AdaptiveMulti-Rate)语音编码是变速率语音编码中的一种,是现在无线通信中较为常用的编码方式。
它的算法是3GPP提出的话音编码标准,采用了码本激励线性预测(CELP)算法以及话音激活检测、速率判决、差错隐藏、舒适背景噪声生成等技术,从而判断话音有误,对背景噪声和激活的语音以不同速率编码。
它能够支持4.75kbitls至12.2kbitls的8种不同的编码速率,并根据无线信道的实际情况及业务需求自适应地切换语音编码速率,在话音质量和系统容量间取得良好的折衷.
本文首先介绍了本小组进行此项目的具体分工,之后介绍了AMR语音编码发展情况以及现状调查,进而介绍AMR语音编码涉及到的基本原理和所使用的相关技术,包括话音激活检测、速率判决、差错隐藏、舒适背景噪声产生技术。
然后讨论了针对于AMR语音编码涉及到的详细流程和重点模块进行了分析,尤其是其中的理论算法。
最后我们针对项目进程中遇到的问题进行了分析,随后我组三名成员分别表述了自己在本次小学期期间的心得体会。
关键词:
AMR;自适应变速率;语音编解码
Abstract
Communicationsystemdevelopsinthequalityofthetwotypesofthreeindexes(validity,reliability,andsecurity).Mobilebelongstowirelesscommunications.Asaresultofthewirelesscommunicationfrequencyresourceislimited,sotheeffectivenessoftherequirementsinwirelesscommunicationisveryoutstanding.Thetraditionalfixedratespeechcodinggenerallyspeaking,thehigherrateofcodingalgorithmofvoicequalityassurance,moreeasilybutoccupyalargernetworkresources:
alowerrateofencodingalgorithmbeingasmallnetworkresources,butmoredifficulttoguaranteethequalityofvoice.Atthesametime,throughthestatisticsshowthathumansinvoicecommunication,about70%ofthefreetimewithoutspeaking,inasinglerateoftraditionalspeechcodeconchannelisaseriouswasteofresources.Inthissituation,thevariableratespeechcompressioncodingmethodisproposed.
TheAdaptivemulti-ratespeechcoding(AdaptiveMulti-Rate)isoneofthevariableRatespeechcoding,isnowmorecommonlyusedinwirelesscommunicationwayofcoding.Itsalgorithmisproposedby3GPPvoicecodingstandards,adoptedthecodeofthisexcitationlinearprediction(CELP)algorithmandvoiceactivationdetection,ratedecision,errorshiddentechnology,suchas,comfortablebackgroundnoisegeneratedbythewrongjudgment,thebackgroundnoiseandactivationofspeechcodingwithdifferentrate.Itcansupport4.75to1,2.2kbiTLSkbitls8differentcodingrate,accordingtobusinessrequirementandtheactualsituationofthewirelesschanneladaptivelyswitchingspeechcodingrate,inagoodcompromisebetweenvoicequalityandsystemcapacity.
Thisarticlefirstintroducedthisgroupfortheproject,thespecificdivisionoflabor,thenintroducethedevelopmentsituationandstatusquosurveyAMRspeechcoding,andthenintroducethebasicprincipleofAMRspeechcodinginvolvedandtheuseofrelatedtechnologies,includingvoiceactivationdetection,ratedecision,errorshiddentechnology,comfortablebackgroundnoise.ThendiscussedforAMRspeechcodinginvolvesthedetailedprocessesandkeymodulesareanalyzed,especiallythetheoryofalgorithms.Finally,weaimedattheproblemsintheprojectprocessareanalyzed,andthenIsetthreemembersrespectivelyexpressedtheirexperienceduringtheprimaryphase.
Keywords:
AMR;AdaptiveMulti-Rate;codingandrecodingofvoice
目录
摘要I
AbstractII
第1章绪论1
1.1本论文的背景1
1.2本论文的编码发展及发展现状1
1.3本研究的分工2
第2章AMR语音编码原理3
2.1线性预测3
2.2合成分析搜索3
2.3知觉加权4
2.4矢量量化4
第3章关键技术及分析5
3.1话音激活检测技术5
3.2速率判决技术5
3.3差错隐藏5
3.4舒适背景噪声生成技术6
第4章程序实现流程7
4.1AMR语音编码流程7
4.2AMR语音解码流程7
第5章重点模块分析9
5.1预处理9
5.2线性预测分析与量化9
5.3开环基音分析12
5.4自适应码本增益和固定码本增益的量化12
第6章遇到的问题及解决方法13
6.1原理阶段13
6.2编码阶段13
第7章心得体会14
7.1吴冰14
7.2朱迪14
7.3吴瞻蔚14
参考文献16
第1章绪论
1.1本论文的背景
在通信系统中最常见的数据形式是语音,语音更是人类交流通信中最基本的方式。
随着移动通信与互联网的飞速发展,语音通信技术也在不断地发展融合,其中数字化语音传输和存储在可靠性、抗干扰能力等方面都胜于模拟化。
人们对质量和压缩比的要求越来越高,语音压缩编码的研究也随之朝着高性能、低复杂度、实用化的方向发展,而理论上将朝着多元化、高层次的方向发展。
同时为了适应不同的网络环境,需要为同一服务提供不固定的编码速率,因此工作的重心也在向可变速率方向移动。
随着移动通信的飞速发展,用变速率语音编码来提高频带的有效利用程度,将是
未来数字蜂窝和微蜂窝网的必然发展趋势.
1.2本论文的编码发展及现状调研
传统编码可以分为两类,即波形编码和参数编码。
波形编码将语音信号作为一般的波形信号来处理,使重构的语音波形与原始的语音波形尽可能保持一致,即在编码端以波形逼近为原则对语音信号进行压缩编码,译码端则根据这些编码数据恢复出语音信号的波形。
波形编码具有适应能力强、语音质量好等优点,但压缩能力差,编码速率高。
主要代表算法有PCM、ADM、ADPCM、ATC等。
从1939年贝尔实验室的HomerDudley发明声码器以来,语音处理开始了参数编码的研究。
这种编码打破了语音信号原有的内部结构,其基本思想是通过对语音信号特征参数的提取来进行编码,提取负载信息的参量加以传输,并用这些参量在接收端重新合成语音。
这类编码的优点是编码速率较低,但合成语音的质量较差,自然度较低,对背景噪声的坚韧性较小。
主要代表算法有:
MBE、STC、MELP、WI等。
自从美国政府1980年公布了一种2.4kb/s的线性预测编码标准算法以后,又产生了新一代的编码算法:
波形参数混合编码。
这类算法客服了原有波形编码和参数编码的弱点,结合了它们各自的长处,采用矢量量化、感觉加权合成分析等技术,在4.8-16kb/s的速率上能够得到较高质量的合成语音。
主要代表算法有:
CELP、MPE-LPC、RPE-LTP-LPC、VSELP。
近几十年来,随着数字信号处理器处理能力的提高、运算和存储成本的下降,语音编码技术得以取得重大突破,并进入快速发展阶段,各种国际性和地区性的标准也应运而生,并得到不断的发展。
国际电信联盟以及其他机构已经制定了一系列应用于多个领域的语音压缩算法的标准。
1.长途语音编码标准。
该标准包括A律和u律两种情况,速率为64kb/s,具有较高的信噪比。
自1972年G.711被制定出后,又相出现了G.721(1984年)、G.723(1988年)、G.726、G.727(1990年)、G.728G(1994年)、G.728H(1997年)、G.729等,除了这些语音编码外,ITU-T从1997年就已着手的4kb/s语音编码标准正在制定中。
对其提出的质量要求也是长途通信语音质量。
所考虑的主要应用是可视电话、个人通信以及移动电话卫星系统。
2.移动通信语音标准。
在移动通信语音标准领域,欧洲、北美和日本各自制定了自己的语音编码标准。
该编码器具有较高的复杂度。
3.保密电话语音编码标准。
研究开始于上世纪70年代末的FS1015是最早的美国联邦声码器标准,编码速率2.4kb/s,它采用了LPC模型。
随后又推出了改进算法LPC-10e。
FS1016是美国国防部为了增加保密电话III的自然度而制定的编码标准,速率是4.8kb/s,其自然度有明显提高,但语音质量仍有较重合成感。
这些发展趋势还在继续,从目前的发展趋势看来,语音编码未来发展将主要表现在如下几个方面:
1.研究简化算法。
2.成熟算法的硬件实现将是重点。
3.随着计算机技术的发展和硬件环境的不断改善,语音压缩技术将不单单运用现有的集中技术,而将不断开拓和运用新理论及新手段。
4.语音性能评价手段将是研究的主要内容之一。
5.寻找最佳语音激励模型是今后一段时间里的热门课题。
6.进一步降低编码速率而保持一定的语音质量也是近期人们研究的主要内容。
7.改进现有算法的语音质量并将其扩展到7khz带宽是未来几年中的重要工作之一。
8.研究语音的感知特性是未来很长一段时间内的基础研究工作之一。
1.3本研究的分工情况
吴冰:
负责学习音频编码关键技术并了解其应用,理清程序实现流程并分析重点模块,以及PPT制作
朱迪:
负责学习音频编码关键技术并了解其应用,理清程序实现流程并分析重点模块,以及PPT制作
吴瞻蔚:
负责资料查找,研究编码发展及现状调研,以及报告书写。
第二章AMR语音编码原理
AMR语音压缩编码理论上仍属CELP技术,CELP编码以码本作为激励源,采用了线性预测、合成分析搜索、知觉加权、矢量量化等技术,是一种有效的中低速率语音编码技术。
2.1.线性预测(LPC的基本原理)
语音信号的每一个取样值,可以用它过去的若干个取样值的加权和来表示,各个加权系数的确定原则是使预测误差的均方值最小。
线性预测分析的过程提供了信号模型参数的一个估计,而模型参数的估计问题正是信号分析的关键。
通过使预测误差的均方值最小,可得出著名的Yule-Walker公式
该方程描述了信号取样的自相关函数与线性预测系数的关系。
2.2合成分析搜索
码本激励线性预测(CELP)编码原理如图所示:
CELP按帧作LPC分析,基音合成滤波器又叫长时预测器,它用于描述语音信号的精细结构。
共振峰合成滤波器又叫短时预测器,用来表征语音信号谱的包络信息。
CELP建立两个码本:
自适应码本和固定码本。
激励信号通过合成滤波器生成合成语音,合成语音与原始语音之间的差通过知觉加权滤波器,得到知觉加权信号,根据最小方均误差的准则,从两个码本中搜索最佳码本矢量,乘以各自的最佳增益后相加,得到合成语言。
CELP解码器原理如图;
2.3知觉加权
知觉加权的目的是使合成语音在主观上听起来更清晰、平滑。
利用人类听觉掩蔽效应,对共振峰频域进行去加重处理,增加这个区域的噪声,减小其他区域的噪声。
其原理是:
共振峰区域语音信号能量较强,增加该区域噪声对语音信号影响较小。
通过知觉加权对噪声进行重新分配,可提高主观上的合成语音质量。
2.4矢量量化
它的基本原理是:
将若干个标量数据组成一个矢量,然后在矢量空间中给以整体量化,从而实现了数码率的高效压缩,而同时又不损失多少信息,是一种高效的数据压缩技术。
第三章关键技术及分析
3.1语音激活检测(VAD)技术
原理:
用部分语音编码参数和子带电平估计得到的能量信息来检测信号帧是否为语音,其输出结果是布尔值,用“1”表示当前信号是语音帧,“0”表示当前信号是非语音帧。
VAD算法包括VAD的参数计算和VAD判决。
3.1.1VAD参数计算
⑴子带划分与电平计算
⑵基音检测
⑶音调检测
⑷复杂信号分析
⑸背景噪声估计
3.1.2VAD判决
计算输入信号电平和背景噪声估计电平之间的差值以及VAD判决门限,通过比较两者的大小来确定信号帧是语音帧还是非语音帧,如果差值大于门限,则判决改帧为语音帧,否则为非语音帧。
3.2速率判决技术
3.2.1信源控制速率SCR技术
如果VAD的判决结果为非语音帧(背景噪声),则以较低的速率对输入信号进行编码,即用速率为1.8kb/s的舒适背景噪声来代替语音帧进行传输;如果VAD的判决结果为语音帧,则用正常的八种速率进行编码传输。
如何切换速率则由CCR技术决定。
3.2.2信道控制速率CCR技术
首先用2个(半速率信道模式)或4个(全速率信道模式)脉冲的归一化载(载波信号)干(干扰信号)比C/I预测值来计算信道状态信息(CSI),得到当前信道的短时质量,然后将输出值转换为db后传输给FIR滤波器,滤波起到平滑和预测作用,最后将滤波器的输出和一定的门限比较,得到一个代表4种信道质量的2比特输出。
基站控制单元接受信道质量并根据信道质量的好坏按照一定的算法在八种模式间自适应切换码率:
坏信道时,信道编码中的冗余比特数不足以纠正传输错误,这时应提高信道编码速率(增加冗余比特数)而减小信源(语音)编码速率来保障通话质量;相反,在好的信道条件下,应增加信源编码速率来提高语音质量。
3.3差错隐藏(ECU)技术
语音传输过程中会因未知原因可能出现传输差错等现象,这时需要进行差错隐藏,进行弱化或替代,以告知接收方传输出错。
ECU技术主要包括差错检测和差错隐藏两部分:
3.3.1差错检测
在AMR接收端,对每个接收到的信号帧,解码器根据帧质量指示(用1bit来描述,“1”表示好帧,“0”表示坏帧)和帧类型索引(用4bit来表示8种语音编码模式和4种舒适背景噪声模式和空帧,剩余3个保留备用)得到语音接收类型(RX_Type),如果RX_Type的值分别为SPEECH_BAD或SID_BAD,则设置差错帧指示为“1”,以表明接收到一个坏帧。
3.3.2差错隐藏
在AMR接收端,如果接收到的信号帧是差错帧,则可以使用前几帧中的某一好帧替代或用前几帧好帧的参数进行推断来替代。
如果第一静音描述帧出现差错,则用前面接收到的有效静音帧的参数替代,对于后续的SID帧,使用声音弱化技术,使得输出信号逐渐减弱。
3.4.舒适背景噪声(CNA)生产技术
在发送端,由八个连续非语音帧来对背景噪声进行计算估计,并将其特征参数用静音描述帧传输到接收端,SID帧中有关的背景噪声参数被编码;在接收端,当收到一个有效的SID帧后,就要合成或更新舒适背景噪声。
接收端对SID帧进行译码,然后在没有正常语音期间产生舒适的背景噪声,以便在接收端重构与发送端类似的舒适背景噪声。
第4章程序实现流程
4.1AMR语音编码流程
4.1.1编码流程模块
AMR语音编码是基于码本激励线性预测的技术。
按照其功能可将其实现流程分为LPC分析、基音搜索、代数码本搜索三大部分。
其中LPC分析完成的主要功能是获得10阶LPC滤波器的10个系数,并将它们转化为线谱对参数LSF,以及对LSF进行量化;基音搜索包括了开环基音分析和闭环基音分析两部分,以获得基音延迟和基音增益这的个参数;代数码本搜索则是为了获得代数码本索引和代数码本增益,还包括了对码本增益的量化。
4.1.2编码流程图分析
AMR语音编码器简化框图
4.2AMR语音解码流程
4.2.1解码流程模块
在介绍编码器的原理时已经介绍了大部分解码器原理。
解码器的功能包括参数解码(LP系数、自适应码本参数、自适应码本增益、固定码本矢量、固定码本增益)和语音合成以得到重构语音。
重构语音还要通过后置滤波器并进行比例放大。
4.2.2解码器流程图分析
AMR语音解码框图
第五章重点模块分析
AMR语音编码器的功能包括九大部分:
预处理、线性预测分析和量化、开环基音分析、脉冲响应的计算、目标响应的计算、自适应码本搜索和增益控制、代数码本的结构和搜索、自适应码本增益和因定码本增益的量化、修改存储器。
下面对其中几部分进行详细介绍。
5.1预处理
对语音信号编码前,首先要进行预处理(包括高通滤波器处理和信号压缩头高通滤波器的截止频率是80Hz,其作用是去除低频干扰。
信号压缩的目的在于降低
信号在定点运算过程中溢出的可能性。
5.2线性预测分析和量化
线性预测分析就是用10阶线性预测(LP)作短时分析,八种模式均采用Levison-Durbin算法进行线性预测分析,在12.2kb/s模式下每帧分析两次,得到两组线性预测参数,在其它几种模式下每帧分析一次得到一组线性预测参数。
线性预测参数在编码前都要转化为LSF参数,在12.2kb/s模式下每帧的两组LSF参数采用分裂矩阵量化,在其它七种模式下每帧的一组LSF参数采用分裂矢量量化。
其中LP合成滤波器采用十阶线性预测器,其模型为
实现过程为:
用30ms非对称窗加权,求160个样点(20ms)的自相关系数,用Levinson—Durbin算法求LP系数,然后转换为LSP系数并在频域量化和内插,量化和未量化的滤波器系数都要作内插,以便构造合成相加权滤波器。
5.2.1.加窗和自相关计算
线性预测分析中,加窗可使得用自相关方法计算出来的LP系数更加准确,可以便LP滤被器的响应更加光滑,因此可以提供具有更好质量的语音。
5.2.1.112.2kb/s速率
加窗:
每帧要进行两次LP分析,分别使用两个不同的非对称窗。
第一个窗的重心在第2子帧,它由两个不同长度的半汉明窗构成:
第二个窗的重心在第4子帧,也由两部分构成,第一部分是半汉明窗,第二部分是四分之一余弦函数.两次LP分析都是对同一组语音样点进行的。
窗函数应用范围是上一语音帧的80个样点和当前语音帧的160个样点。
两次线性预测分析的加窗示意图如下。
自相关函数计算具体步骤是:
设加窗后的语音信号为
,计算公式如下
然后用滞后窗乘自相关函数使其具有60Hz的带宽扩展,滞后窗的表达式为
此外,对
乘以白噪声校正因子1.0001,实质上做了一个-40dB的噪声谱地板。
5.2.1.2其他速率
加窗:
线性预测分析在该模式下每帧使用一个非对称窗分析一次。
该窗主要集中弄个在第四子帧,它由两部分组成,第一部分是半个汉明窗,第二部分是四分之一余弦函数。
自相关函数计算:
与12.2kb/s相同。
5.2.2Levinson—Durbin算法求解LP系数:
用处理后的自相关
通过求解Yule-Walker方程得到线性滤披器系数
,即求解下述方程:
该方程用经典的Levinson-Durbin算法求解,即递归算法(先求出低阶系数,得到递推公式,由低阶参数进而求出10阶参数)。
5.2.3转化LP为LSP
为缩小LP系数动态范围,因此在编码过程中将其转化为LSP和LSF。
LSP系数是频率域参数,其具有更好的量化特性和插值特性,且改变其特征矢量中的某个数值对系统影响较小,具有更好的稳定性。
对于10阶LP滤波器,LSP的值为下列多项式的根:
此处用到切比雪夫多项式来逼近
的值,最终求出q。
5.2.4LSP系数量化
5.2.4.112.2kb/s速率
对12.2kb/s模式,每帧中两组LP滤波器参数均使用频域里LSP表达式进行量化。
所以,首先将上述得到每一帧的线谱对(LSP)参数(q)用频率域(LSF)表示为:
其次,求出当前帧去掉均值后的LSF矢量
和
,然后用一阶滑动平均预测法求出当前帧的预测残差矢量
和
:
其中,p(n)是当前帧的预测LSF矢量
而
是前一帧量化后的第二个剩余信号矢量。
LSF剩余矢量
和
使用分裂矩阵(SMQ)量化法进行联合量化.矩阵
分裂成为五个2*2子矩阵,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 大三 数字音频 处理 编码
![提示](https://static.bdocx.com/images/bang_tan.gif)