语音编码,就是对模拟的语音信号进行编码。
概述
编码的重要性
编码、传输、存储和译码是语音数字传输和数字存储的必要过程。
随着语音通信技术的发展,压缩语音信号的传输 带宽 ,降低信道的传输 速率 ,一直是人们追求的目标。语音编码在实现这一目标的过程中担当重要的角色。
语音编码就是使表达语音信号的比特数目最小。
编码速率
用比特/秒(b/s或bps)来 度量 ,用I表示,
I=R • fs ,R代表每个语音采样值编码所需的比特数;fs是采样频率。
当fs=8kHz,每个采样值用8比特位来编码,则编码速率为64kb/s。
编码的分类
语音编码就是对模拟的语音信号进行编码,将 模拟信号 转化成 数字信号 ,从而降低传输码率并进行数字传输,语音编码的基本方法可分为 波形 编码、参量编码( 音源 编码)和混合编码,波形编码是将 时域 的模拟话音的波形信号经过 取样 、量化、编码而形成的数字话音信号,参量编码是基于人类语言的发音机理,找出 表征 语音的特征参量,对特征参量进行编码,混合编译码是结合 波形 编译码和参量编译码之间的优点。波形编 译码器 虽然可提供高话音的质量,但数据率低于16 kb/s的情况下,在技术上还没有解决 音质 的问题。
波形编码
基本原理是在时间轴上对模拟话音信号按照一定的 速率 来 抽样 ,然后将幅度样本分层量化,并使用代码来表示。在接收端将收到的数字序列经过解码恢复到原 模拟信号 ,保持原始语音的 波形 形状。话音质量高, 编码率 高。如PCM编码类(a率或u率PCM、ADPCM 、ADM),编码速率为64-16kb/s,语音质量好。
参数编码
根据语音信号产生的 数学模型 ,通过对语音信号特征参数的提取后进行编码(将特征参数变换成数字代码进行传输)。在接收端将特征参数,结合数学模型,恢复语音,力图使重建语音保持尽可能高的可懂度,重建语音信号的 波形 同原始语音信号的波形可能会有相当大的区别。如 线性预测 (LPC)编码类。编码 速率 低,2.4-1.2kb/s,自然度低,对环境噪声敏感。
混合编码(Hybrid coding)
将 波形 编码与参数编码相结合,在2.4-1.2kb/s 速率 上能够得到高质量的合成语音。混合编码包括若干语音特征参量又包括部分波形编码信息,以达到波形编码的高质量和参量编码的低速率的优点。
语音编码的极限速率
语音中最基本的元素是音素,大约有128~256个,如果按通常的说话速度,每秒平均发出10个音素,则信息率为: I=[log2(256)10]bps=80bps
把发音看成是以语音 速率 来传送,则语音编码的极限速率为80bps,从数字化标准的 编码率 64kbps,到极限速率80bps,之间的距离,对于理论研究和实践有着极大的吸引力。
语音信号压缩编码的评价系统
语音质量是衡量语音编码算法优劣的关键性能之一。语音质量通常分为四类:
(1)广播级:宽带(0-7000Hz)高质量的语音,感觉不出噪声存在
(2)网络或电话级:200 赫兹 3200Hz, 信噪比 大于30db。
(3)通信级:完全可以听懂,但和长途电话相比,有明显失真。
(4)合成级:80%-90%可懂度, 音质 较差,听起来像机器讲话,失去了讲话者的个人特征。
语音质量有主观和客观两种评价方法
主观评价方法
评价指标:清晰度或可懂度、音质。前者是指语音是否容易听清楚;后者指语音听起来有多自然。
(1)可懂度评价 DRT:Diagnostic Rhymer Test
(2)音质评价:
MOS: 平均数 Opinion Score 平均意见得分
DAM:Diagnostic Acceptability Measure 判断满意度得分。
MOS得分为五级:优、良、可、差和坏。满分为5分,相当 调频广播 质量;4分以上是长途电话网标准;3.5分为通信标准; 3.0分仍有较好的可懂度,保持自然度;2.5分只维持可懂度,是战术通信标准。
客观评价方法
(2) 频谱 失真测量
(3)谱包络失真测量