語(yǔ)音編碼技術(shù)的應用與發(fā)展

隱匿 2001/08/01

語(yǔ)音數字化的技術(shù)基本可以分為兩大類(lèi)：第一類(lèi)方法是在盡可能遵循波形的前提下，將模擬波形進(jìn)行數字化編碼；第二類(lèi)方法是對模擬波形進(jìn)行一定處理，但僅對語(yǔ)音和收聽(tīng)過(guò)程中能時(shí)候到的語(yǔ)音進(jìn)行編碼。其中語(yǔ)音編碼的三種最常用的技術(shù)是脈沖編碼調制（PCM）、差分PCM（DPCM）和增量調制（DM）。通常，公共交換電話(huà)網(wǎng)中的數字電話(huà)都采用這三種技術(shù)。第二類(lèi)語(yǔ)音數字化方法主要與用于窄帶傳輸系統或有限容量的數字設備的語(yǔ)音編碼器有關(guān)。采用該數字化技術(shù)的設備一般被稱(chēng)為聲碼器，聲碼器技術(shù)現在開(kāi)始展開(kāi)應用，特別是用于幀中繼和IP上的語(yǔ)音。

除壓縮編碼技術(shù)外，人們還應用許多其它節省帶寬的技術(shù)來(lái)減少語(yǔ)音所占帶寬，優(yōu)化網(wǎng)絡(luò )資源。ATM和幀中繼網(wǎng)中的靜音抑制技術(shù)可將連接中的靜音數據消除，但并不影響其它信息數據的發(fā)送。語(yǔ)音活動(dòng)檢測（SAD）技術(shù)可以用來(lái)動(dòng)態(tài)的跟蹤噪音電平，并為這個(gè)噪音電平設置一個(gè)享用的語(yǔ)音檢測閥值，這樣就使得語(yǔ)音／靜音檢測器可以動(dòng)態(tài)匹配用戶(hù)的背景噪聲環(huán)境，并將靜音抑制的可聽(tīng)度降到最小。為了置換掉網(wǎng)絡(luò )中的音頻信號，這些信號不再穿過(guò)網(wǎng)絡(luò )，舒適的背景聲音在網(wǎng)絡(luò )的任一端被集成到信道中，以確保話(huà)路兩端的語(yǔ)音質(zhì)量和自然聲音的連接。

語(yǔ)音編碼技術(shù)的類(lèi)別

語(yǔ)音編碼方法歸納起來(lái)可以分成三大類(lèi)：波形編碼、信源編碼、混合編碼。

1．波形編碼

波形編碼比較簡(jiǎn)單，編碼前采樣定理對模擬語(yǔ)音信號進(jìn)行量化，然后進(jìn)行幅度量化，再進(jìn)行二進(jìn)制編碼。解碼器作數／模變換后再由低通濾波器恢復出現原始的模擬語(yǔ)音波形，這就是最簡(jiǎn)單的脈沖編碼調制（PCM），也稱(chēng)為線(xiàn)性PCM。可以通過(guò)非線(xiàn)性量化，前后樣值的差分、自適應預測等方法實(shí)現數據壓縮。波形編碼的目標是讓解碼器恢復出的模擬信號在波形上盡量與編碼前原始波形相一致，也即失真要最小。波形編碼的方法簡(jiǎn)單，數碼率較高，在64kbit/s至32kbit/s之間音質(zhì)優(yōu)良，當數碼率低于32kbit/s的時(shí)候音質(zhì)明顯降低，16 kbit/s時(shí)音質(zhì)非常差。

2．信源編碼

信源編碼又稱(chēng)為聲碼器，是根據人的發(fā)生機理，在編碼端對語(yǔ)音信號進(jìn)行分析，分解成有聲音和無(wú)聲音兩部分。聲碼器每隔一定時(shí)間分析一次語(yǔ)音，傳送一次分析的的道德有／無(wú)聲和濾波參數。在解碼端根據接收的參數再合成聲音。聲碼器編碼后的碼率可以做得很低，如1.2kbit/s、2.4kbit/s，但是也有其缺點(diǎn)。首先是合成語(yǔ)音質(zhì)量較差，往往清晰度可以而自然度沒(méi)有，難于辨認說(shuō)話(huà)人是誰(shuí)，其次是復雜度比較高。

3．混合編碼

混合編碼是將波形編碼和聲碼器的原理結合起來(lái)，數碼率約在4kbit/s—16kbit/s之間，音質(zhì)比較好，最近有個(gè)別算法所取得的音質(zhì)可與波形編碼相當，復雜程度介乎與波形編碼器和聲碼器之間。

上述的三大語(yǔ)音編碼方案還可以分成許多不同的編碼方案。

語(yǔ)音編碼屬性可以分為四類(lèi)，分別是比特速率，時(shí)延、復雜性和質(zhì)量。比特律是語(yǔ)音編碼很重要的一方面。比特速率的范圍可以是從保密的電話(huà)通信的2.4kbit/s到64kbit/s的G.711PCM編碼和G.722寬帶（7KHz）語(yǔ)音編碼器。

脈沖幅度調制

數字化模擬波形的第一步建立一套用于輸入信號波形抽樣的離散時(shí)間集。一般的數字化技術(shù)是基于使用周期性，規律間隔抽樣時(shí)間的。如果抽樣發(fā)生足夠頻繁，原始波形就能夠從抽樣序列中完全恢復，使用低通濾波器在抽樣值之間插入波形值或進(jìn)行平滑。

脈沖編碼調制

上文中講述了脈沖幅度調制，使用離散抽樣的時(shí)間以模擬抽樣幅度來(lái)從不斷變化的模擬信號中提取信息。脈沖編碼調制是對PAM的擴展，這里每一個(gè)模擬抽樣制備量化為代表某個(gè)數字編碼的離散值。因此，PA M系統通過(guò)在信源端加上模擬－數字信號轉換器就能夠轉化成為PCM系統。典型的量化過(guò)程是其中量化間隔中心的單個(gè)離散值表示。在這種方式中，量化過(guò)程對信號抽樣值引入了一定程度的誤差或失真。這種誤差，就是所謂的量化噪聲，可以通過(guò)建立大量小量化間隔來(lái)最小化。當然，隨著(zhù)量化數目的增加，需要唯一識別量化間隔的比特數也增加了。

差分脈沖編碼

差分脈沖編碼是專(zhuān)門(mén)設計充分利用在典型語(yǔ)音波形中抽樣與抽樣之間冗余的。因為抽樣間差異的范圍遠小于單個(gè)抽樣的范圍，因此只需要更少的比特用于編碼抽樣間差異。抽樣速率通常是與可比較的PCM系統一樣的。因此在編碼器中的帶限濾波器和解碼器中的平滑濾波器基本上與那些用在傳統PCM系統中的濾波器是一樣的。對DPCM編碼器產(chǎn)生不同抽樣的簡(jiǎn)單方法就是將前一個(gè)輸入抽樣直接存儲在抽樣保持電路中并使用模擬減法器來(lái)測試抽樣變化。信號的變化于是被量化并被編碼去傳輸。若采用DPCM結構，則更為復雜，當然，因為一個(gè)輸入是由被編碼的抽樣間差異進(jìn)行積分的反饋環(huán)路來(lái)重建的。實(shí)質(zhì)上，反饋的信號是對輸入信號的估計，該輸入信號是通過(guò)對被編碼的抽樣間差異進(jìn)行積分來(lái)獲得的。因此用于在解碼器中重建波形的反饋信號也是以同樣的方式獲得的。

增量調制

增量調制（DM）是又一種在語(yǔ)音波形中專(zhuān)門(mén)利用抽樣與抽樣之間冗余的數字化技術(shù)。實(shí)際上。DM能被認為是DPCM的一個(gè)特殊情況，差信號的每抽樣僅使用1比特。唯一的1比特僅指出差異抽樣的極性，因此指示出了信號從上個(gè)抽樣開(kāi)始時(shí)增加還是減少。對輸入波形的大致近似在反饋通路中進(jìn)行構建的，當差異為正的時(shí)侯通過(guò)上升一個(gè)量化階，或當差異為負的時(shí)候，下降一個(gè)量化階來(lái)進(jìn)行。用這種方法，輸入信號被按照上升或下降的序列以類(lèi)似樓梯的方式來(lái)編碼。反饋信號會(huì )向一個(gè)方向上升直到近似信號超過(guò)了輸入信號，同時(shí)反饋會(huì )向反方向進(jìn)行直到輸入信號超過(guò)了近似信號。因此，當跟蹤輸入信號時(shí)，DM輸出在輸入波形附近來(lái)回跳動(dòng)，運行通過(guò)平滑濾波器來(lái)精確的重建輸入信號。

實(shí)現IP電話(huà)應用的關(guān)鍵技術(shù)

從最初的PC到PC的話(huà)音通信開(kāi)始，IP電話(huà)已經(jīng)逐步走向成熟。目前的IP電話(huà)業(yè)務(wù)主要借助于網(wǎng)關(guān)來(lái)實(shí)現。從技術(shù)的角度看，IP電話(huà)信息經(jīng)過(guò)網(wǎng)關(guān)變成打包后的數據，通過(guò)IP網(wǎng)絡(luò )輿到被叫一方的IP接入端，對端的網(wǎng)關(guān)接收到話(huà)音數據包后，進(jìn)行處理后將數據還原成模擬信號，再送給電話(huà)聽(tīng)往筒或傳真機。IP電話(huà)是計算機通信和電話(huà)通信相結合的產(chǎn)物，它涉及許多技術(shù)領(lǐng)域，其中最重要的包括以下幾項技術(shù)。

語(yǔ)音壓縮編碼技術(shù)。1995年，國妹電聯(lián)批準了一個(gè)被稱(chēng)為G.729的新的話(huà)音壓縮標準。該標采用的算法，可以?xún)H用8KBPS的帶寬傳輸話(huà)音，話(huà)音質(zhì)量與32KBPSADPCM(差分脈沖編碼市制)相同。ADPCM在全球的公共電話(huà)網(wǎng)絡(luò )中被用于提供長(cháng)話(huà)級話(huà)音。此后，這一壓縮話(huà)音標準又得到了進(jìn)一步的優(yōu)化改進(jìn)。

話(huà)音優(yōu)先級技術(shù)。話(huà)音通信是一種對實(shí)時(shí)性要求高的業(yè)務(wù)。目前，由于因特網(wǎng)是一個(gè)廣域公用網(wǎng)，因此網(wǎng)上的各種實(shí)時(shí)或非實(shí)時(shí)應用都在占用帶寬。為了能保證提供高度音質(zhì)的IP電話(huà)通信，在廣域網(wǎng)寬不足的IP網(wǎng)絡(luò )上，一般需要話(huà)音優(yōu)先技術(shù)。目前，很多IP網(wǎng)絡(luò )的路由器都把話(huà)音包的優(yōu)先級作為最高，這樣，路由器一旦發(fā)現話(huà)音包，就會(huì )將它們插入到IP包隊列的最前面優(yōu)先發(fā)送。這樣，網(wǎng)絡(luò )的昝與抖動(dòng)情況對話(huà)音通信的影響均將得到改善。另一種提高話(huà)音處理優(yōu)先處理優(yōu)先級的技術(shù)是資源預留協(xié)議(RSVP)，它專(zhuān)門(mén)為話(huà)音通信預留帶寬。只要有話(huà)音呼叫請求，網(wǎng)絡(luò )就根據規則為話(huà)音通信預留出設定帶寬，直到通話(huà)結束，帶寬才釋放。

靜音抑制技術(shù)。一般說(shuō)來(lái)，人們在進(jìn)行電話(huà)交談時(shí)，很多情況下處于靜音狀態(tài)，例如，一方在講話(huà)時(shí)，另一方在聽(tīng)，而且講話(huà)過(guò)程中有大量顯著(zhù)的停頓。有關(guān)調查結果表明，在一路全雙工電話(huà)交談中，只有40%左右的信號是有效的。靜音抑制技術(shù)會(huì )檢測通話(huà)過(guò)程或傳真過(guò)程中的安靜時(shí)段，并在這些安靜時(shí)段停止發(fā)送語(yǔ)音包。這樣，大量的網(wǎng)絡(luò )帶寬節省下來(lái)用于其他話(huà)音或數據通信。

清除回聲的技術(shù)。回聲是在用戶(hù)交換機或局用交換機一端，有少量未能被充分轉換而且沿原路返回而形成的。如果呼叫方離交換機不遠，回聲返回很快，人耳聽(tīng)不出來(lái)，這種情況無(wú)關(guān)緊要。但要當回聲返回時(shí)超過(guò)地10毫秒時(shí)，人耳就可聽(tīng)到明顯的回聲了。為了防止回聲了。為了防止回聲，一般需要回聲消除技術(shù)，在處理器中有特殊的軟件代碼監聽(tīng)回聲信號，并將它從聽(tīng)話(huà)人的語(yǔ)音信號中清除。對于IP電話(huà)設備，回聲消除技術(shù)是十分重要的，因為一般IP網(wǎng)絡(luò )的時(shí)延很容易就達到50毫秒。

處理話(huà)音抖動(dòng)的技術(shù)。IP網(wǎng)絡(luò )的一個(gè)特征就是網(wǎng)絡(luò )延時(shí)與網(wǎng)絡(luò )抖動(dòng)，這可能導致IP電話(huà)音質(zhì)下降。網(wǎng)絡(luò )延時(shí)是指一個(gè)IP包在網(wǎng)絡(luò )上傳輸平均所需的時(shí)間網(wǎng)絡(luò )抖動(dòng)是指IP包傳輸時(shí)間的長(cháng)短時(shí)間的長(cháng)短變化。當的各種因素造成的話(huà)音延時(shí)超過(guò)200毫秒時(shí)，通話(huà)雙方一般就傾向于采用半雙工的通話(huà)方式。

一方說(shuō)完后另一方再說(shuō)。另一方面，如果網(wǎng)絡(luò )抖動(dòng)較嚴重，那么有的話(huà)音包因遲到被丟棄，會(huì )產(chǎn)生話(huà)音的斷續及部分失真，嚴重影響音質(zhì)。為了防止這種抖動(dòng)，很多公司采用了抖動(dòng)緩沖技術(shù)，即在接收設定一個(gè)緩沖池中取出，解壓，播放給受話(huà)者。這種緩沖技術(shù)可以在一定限度內有效地處理話(huà)音抖動(dòng)，并提高音質(zhì)。

小結

在IP、FR和ATM上傳遞語(yǔ)音時(shí)選擇適當的語(yǔ)音編碼技術(shù)，充分利用資源并最大限度的利用語(yǔ)音編碼方案自身的技術(shù)特點(diǎn)是很重要的。語(yǔ)音壓縮一般用來(lái)描述速率小于64kbit/s語(yǔ)音的數字化。一般情況下，啟動(dòng)時(shí)PCM的速率為64kbit/s，壓縮后速率變小。在理想狀態(tài)下，語(yǔ)音質(zhì)量不會(huì )受到影響，但實(shí)際上還是會(huì )有一些影響，只不過(guò)用戶(hù)不易察覺(jué)而已。沒(méi)種語(yǔ)音壓縮技術(shù)都具備各自的特點(diǎn)。目前的語(yǔ)音壓縮標準，將語(yǔ)音業(yè)務(wù)在網(wǎng)絡(luò )中所占帶寬可以減少到80％，這樣就為其它業(yè)務(wù)（如數據業(yè)務(wù)）在網(wǎng)上的傳輸提供了必要的帶寬。動(dòng)態(tài)壓縮則比前者更進(jìn)一步，它允許網(wǎng)絡(luò )管理者對網(wǎng)絡(luò )進(jìn)行管理，并在業(yè)務(wù)增加時(shí)以每個(gè)連接提供合適的語(yǔ)音質(zhì)量。

寬帶資源的有限性和對寬帶需求的增加，使得語(yǔ)音壓縮技術(shù)成為分組網(wǎng)絡(luò )實(shí)現語(yǔ)音業(yè)務(wù)的嚴峻挑戰。將單一的網(wǎng)絡(luò )合并成為一個(gè)整體結構，可以減少通信成本，提高效率，有利于網(wǎng)絡(luò )資源的管理。其中關(guān)鍵環(huán)節就是如何將這些進(jìn)行最有效的管理和應用，從而滿(mǎn)足用戶(hù)的各種要求。

摘自計算機世界網(wǎng)