通信企业管理数字通信中的语音编码技术.docx
《通信企业管理数字通信中的语音编码技术.docx》由会员分享，可在线阅读，更多相关《通信企业管理数字通信中的语音编码技术.docx（29页珍藏版）》请在冰点文库上搜索。
通信企业管理数字通信中的语音编码技术
（通信企业管理）数字通信中的语音编码技术
摘要
随着数字移动通信的高速发展，尤其是第三代移动通信的发展，使得当今的信道环境变得极其复杂。
如何在日趋恶劣的通信环境中保持良好的通话质量，增加通信系统容量，使人们能更加有效地产生、传输、存储和获取语言信息，这对于促进社会发展具有十分重大的意义。
语音编码技术可以有效地压缩语音信号的传输带宽，增加通信系统的容量，给解决这一问题提供了一个有效的途径。
本文首先简单介绍了语音编码技术的数学基础、基本概念和发展现状，并简单地分析了数字移动通信的特点，总结了适合数字移动通信的语音编码技术的特点。
结合目前大家使用的中国移动（GSM）和中国联通（CDMA）数字移动通信系统，对其使用的RPE-LTP和QCELP编码技术做了详细的讨论。
并对正处于产业化发展阶段的3G三大主流技术拟采用的编码技术做了简单的介绍。
关键词:
数字移动通信，语音编码，变速率编码，3G
ABSTRACT
Withtherapiddevelopmentofthedigitalmobilecommunication,especiallythedevelopmentofthe3G,thechannelbecomeextremecomplex.Howtokeepagoodqualityofcallinthemoreandmoreworsencommunicationconditionandimprovethecapacityofthesystem,itisveryimportantforthedevelopmentofthesociety.whichmakepeopletoproducetransfer,storeandcapturetheinformationmoreefficient.Thetechnologyofspeechcodingoffersawaytomeetthischallenge.Itcanefficientlycompressthetransmissionbandwidthofspeechsignals，toimprovethecapacityofthesystem.
Firstthistextintroducedthemathematicsfoundation,basicconceptandthedevelopmentconditionsofspeechcodinginbrief,andanalyzedthecharacteristicsofthedigitalmobilecommunication.Atthefoundationthistextputforwardthecharcateristicsofspeechcodingthatfitforthedigitalmobilecommunicationsystem.BondwithCHINAMOBILE（GSM）andCHINAUNICOM（CDMA）wearecurrentlyusing,anddiscusstheRPE-LTPandQCELPspeechcoderstheyusedindetail.Atlastthistextsimpleintroducedthespeechcodersofthreeessentialtechniquesin3G.
KEYWORDS:
DigitalMobileCommunication,SpeechCoding,
VariableRateSpeechCoding,3G
前言
现代社会已步入信息时代，世界各国都在致力于现代通信技术的开发以及现代综合通信网的建设。
数字移动通信是现代通信技术中不可缺少的部分。
在移动通信中传输最多的信息是语音信号，因而语音编码的技术在数字移动通信中具有相当关键的作用。
自八十年代末开始，我国的移动通信事业发展极为迅速，经历了第一代的模拟移动通信和第二代数字移动通信，到现在使用的二代半移动通信，还有即将投入使用的第三代数字移动通信。
目前介绍移动通信原理的文章、书籍很多，但都很少涉及信源编码这个方面。
总结数字移动通信系统中使用的各种语音编码技术，全面，系统地分析它们的原理，技术及应用，不仅能够更好地了解当前的移动通信系统原理，还对促进通信和信号处理事业的发展，具有重要意义。
本论文以具体所使用的数字移动通信系统为依据，以编码器和译码器为单元，主要以原理框图的形式，对所使用的各种语音编码技术的原理进行讨论。
在讨论过程中，以各个语音编码标准的公布时间先后为线索，以编码技术的不同特点为切入点进行详细的讨论。
本论文可分为三个单元，第一单元包括一、二章，主要对语音编码技术作一个简要的描述，在此基础上简单分析了移动通信的特点，总结了适合数字移动通信的语音编码技术的特点。
第二单元为三、四章，结合目前大家使用的中国移动（GSM）和中国联通（CDMA）数字移动通信系统，对其使用的RPE-LTP和QCELP编码技术做了详细的讨论。
最后一个单元对正处于产业化发展阶段的3G三大主流技术拟采用的编码技术做了简单的介绍。
第一章语音编码概述
在现代通信中，信息的传输都是以数字信号的形式进行的，因而在通信的发送端必须将模拟信号转换为数字信号，在接收端再将数字信号还原成模拟信号。
随着科学技术的迅速发展，图像、数据等非话音信息在通信信息总量中所占的比例大大提高，而且这种提高的趋势仍然会继续下去。
但是，到目前为止，在大多数通信系统中，传输最多的信息仍然是语音信号。
在可以预见的未来的通信中，尽管语音信号在通信信息总量中所占的比例会有所下降，但仍然会是传输最多的信息。
因而语音编码技术在数字移动通信中具有相当关键的作用。
语音编码为信源编码，它将模拟信号变成数字信号以便在信道中传播。
这是数字移动通信网中的至关重要的一步。
语音编码技术本身已发展多年，随着科学技术的迅速发展尤其是随着计算机技术、微电子技术、信号处理技术以及编码理论的发展和进步，语音编码技术取得许多突破性进展，研究出许多实用的编码技术，这些技术在不断研究、改进和应用中日趋成熟，形成了各种实用的语音编码技术，在各类通信网中得到了广泛的应用。
1.1语音信号的特性
要对语音信号进行压缩，就要了解语音信号的一些特性，根据这些对设计编码有用的特性，提出合适的编码技术。
其中最常用的包括语音幅度的非均匀概率分布、连续语音抽样信号之间的非零相关性、语音频谱的非平坦特性、语音中的清音和浊音成分的存在、语音信号的类周期性。
最基本的特性是语音信号是带限的。
一个有限的带宽意味着它可以以一定的速率抽样，当抽样频率大于或等于2倍的信号最高频率成分fm时，就可以从抽样值中完全恢复原来的信号。
语音信号的带限特性使信号的模数转换成为可能，同时前面提及的各种特性使量化操作（另一个在语音编码中很重要的处理）能以很高的效率实现。
1.1.1概率分布密度函数（PDF）
语音幅度的非均匀概率分布密度函数是另一个重要的语音信号特性。
语音信号的PDF的一般特性是：
在近零幅度处高概率分布，在幅度很高处低概率分布。
在这两个极端之间单调递减。
但是确切的分布依赖于输入带宽和录音条件。
式（1－1）的双边指数函数，是电话质量语音信号的长时概率分布密度函数很好的近似表达式。
（1－1）
注意到这个函数表明在零值时有一个最大值，这是由于语音经常性的暂停以及低频语音成分的存在。
语音成分的短时PDF也是单峰函数，通常近似地认为是高斯分布。
为了保持输入信号的PDF与量化电平分布相匹配，采用非均匀量化（包括矢量量化）方法，在高概率分布的地方安排更多的量化电平，而在概率低的地方安排较少的电平。
1.1.2自相关函数（ACF）
自相关函数是另一个语音信号中非常有用的特性，即在语音相连的抽样值之间存在很大的相关性。
这就表明了，对每一个语音抽样，有很大的成分可以从以前的抽样值中预测，而且仅有很小的随机误差。
所有的差分编码及预测编码的技术都是以研究该特性为基础的。
自相关函数（ACF）是信号抽样值之间的作为抽样时间间隔函数相似性的定量测试。
该函数的表达式如式（1－2）所示：
（1－2）
其中表示第k个语音抽样。
自相关函数按照语音信号的方差归一化，这样，它的值在{-1,1}范围内，且。
典型的信号存在一个连续抽样值的相关性，为0.85到0.9之间。
1.1.3功率谱密度函数（PSD）
语音功率谱密度的非平坦特性，能够用来在频域内明显低压缩语音编码。
PSD非平坦特性基本上是非零自相关特性在频域中的典型表现。
典型语音的长期平均PSD表明高频部分对整个语音能量作用很小。
这说明在不同的频域上分别编码，可以产生明显的编码增益。
虽然高频部分对能量作用不显著，但它也携带了语音信息，这样也需要在编码中充分表现出来。
利用频谱平坦检测（SFM）研究语音频谱的非均匀特性方法，可以得到理论上最大的编码增益的定量分析。
SFM被定义为PSD在频域轴上均匀间隔抽样点的算术平均与几何平均的比值。
数学表达式为如式（1－3）所示：
（1－3）
其中是语音信号PSD在频域轴上第k个抽样值。
语音信号的长期SFM的典型值为8，而短期值在2－500之间。
1.1.4语音中的清音和浊音
根据发音的机制不同，语言的声音可分为浊音和清音两大类。
浊音有称为有声音，英语中的元音和汉语中的韵母都是浊音。
当气流通过声门时，如果声带振动并产生一个准周期的空气脉冲，这一空气脉冲激励声道，就得到浊音。
声带振动的频率称为基音频率，周期为基音周期，基音频率一般在70～300Hz的范围之内，相当于为3~15ms。
基音周期时语音信号的主要特征之一。
清音又称无声音，英语中的大多数辅音和汉语拼音中的大多数声母都是清音。
如果声道在某处发生收缩，同时迫使空气以高速冲过这以收缩部分而产生湍流，就得到清音。
发清音时声带不振动，此时是由湍流建立的宽带噪音源激励着声道。
清音波形类似于噪音。
1.2语音编码的基本概念
语音编码技术通常分为三类：
波形编码、参数编码和混合编码，其中波形编码和参数编码是两类基本类型。
1.2.1波形编码
波形编码是将时间域信号直接变换成数字代码，其目的是尽可能精确地再现原来的话音波形。
波形编码的基本原理是在时间轴上对模拟信号按奈奎斯特定律所确定的速率进行抽样，然后将幅度样本分层量化，并用二进制代码表示。
在量化过程中，充分利用语音信号幅度的非均匀概率分布、连续语音抽样信号之间的非零相关性、语音频谱的非平坦等特性，提高了量化效率，改善了量化性能。
解码是其反过程，将收到的数字序列经过解码和滤波恢复成模拟信号。
对于比特速率较高的编码信号（例如从16kbit/s到64kbit/s），波形编码技术能够提供相当好的话音质量。
但对于低速率语音编码信号（即是比特率低于16kbit/s），波形编码的话音质量显著下降。
脉冲编码调制（PCM）和增量调制（）以及它们的各种改进型都属于波形编码技术。
1.2.2参数编码
参数编码，又称为声源编码或声码器，有时又称为分析—综合编码，它是将信源信号在频率域或其他正交变换域提取特征参数，并将其变换成二进制数字代码进行传输。
这些参数主要包括基音周期、共振峰频率、语音强度、浊音\清音判决。
解码实为反过程，将接收到的数字信号经变换恢复特征参数，根据这些特征参数重建语音信号。
具体来说，参数编码是以发音机制的模型作为基础，用一套模拟声带频谱特性的滤波器系数和若干声源参数来描述这个模型。
在发送端从模拟信号中提取各个特征参数并进行量化编码。
在接收端，根据接收到的数字信号经变换恢复的滤波器系数和声源参数重建语音信号。
参数编码通过对语音信号特征参数的提取和编码，力求使重建语音信号具有尽可能高的可懂度，即保持原语音信号的语意，但重建语音信号的波形与原语音信号波形却相差甚远。
这种编码技术可实现低速率语音编码，比特速率可低至2.4kbit/s以下，但语音质量中等，自然度较低，即使是熟人一般也听不出讲话人是谁。
线性预测编码（LPC）及其各种改进型都属于参数编码。
基于上述两种编码技术，可对现有的语音编码器作如图1-1的分类。
图1－1语音编码器的分类
1.2.3混合编码
混合编码是近二十年提出的一种新的语音编码技术，它将波形编码和参数编码结合起来，既保持了波形编码的高质量和参数编码的低速率的优点，又克服了两者各自的不足。
混合编码数字语音信号中既包括若干语音特征参数又包括部分波形编码信息，其可将比特速率压缩到4~16kbit/s，在8~16kbit/s范围内能达到良好的话音质量。
混合编码技术在现代通信系统中得到广泛应用。
多脉冲激励线性预测（MPE-LPT）编码、规则脉冲激励线性预测（RPE-LPT）编码和码激励线性预测（CELP）编码等，都属于混合编码。
混合编码技术仍然处于迅速发展之中，目前仍有许多新的编码算法不断出现。
1.2.4信息压缩技术
要实现低速、高质量的语音编码，必须采用信息压缩技术。
一般说来，信息压缩技术可分为两大类：
波形处理技术和量化技术。
波形处理技术的目标是削减语音波形的冗余度，包括线形预测分析，频带分割、正交变换和分析合成等。
量化技术的目标是在幅度量化上实现优化，包括自适应量化，自适应比特分配和矢量量化。
典型的语音编码方式和信息压缩技术的关系见图1－2。
图1-2语音编码方式和信息压缩技术
1.2.5语音质量的评价
在语音编码技术中，对语音质量的评价是一个重要的问题。
语音质量的高低的直接感受者是听者的主观感觉，所以要客观地对语语音质量进行测量是一个长期存在的难题。
目前，广泛采用的评定方法是所谓的主观评定等级（SubjectiveOpinionScale）,也称为平均得分（MeanOpinionScore,MOS）。
其方法是，由数十名试听者在不同信道环境中试听并给予评分，然后对评分进行统计处理，求出平均得分，分数等级采用五级分制。
需要指出的是，听者对语音质量的主观感觉往往是其注意力集中的程度相联系的，因而，对应于主观评价等级，还有一个收听注意力等级（ListeningEffortScale）。
表1-3给出了主观评定等级制的质量等级、分数和相应的收听注意力等级。
表1-3主观评定等级
MOS判分
质量级别
收听注意力等级
5
优
可完全松弛，不需要注意力
4
良
需要注意，但不需要明显集中精力
3
满意
需要中等程度注意力
2
差
需要集中注意力
1
劣
即使努力去听，也很难懂
实际上，任何语音编码都必须满足质量等级和收听注意力等级两者的最小要求，而在评价一种编码时，可仅基于质量等级。
从用户角度看，通常认为语音质量得分在4分和4分以上者为高质量语音编码，达到长途电话网的质量要求，也常称之为网络质量。
得分在3.5分左右称为达到通信质量的语音编码，这时听者能感到重建话音质量有所下降，但不影响正常通话，可以满足多数话音通信系统的使用要求。
得分在不超过3分者称为合成质量的语音编码，系指一些声码器合成的语音所能达到的质量。
这种语音一般具有足够高的可懂度，但自然度较差，不容易识别出讲话者。
1.3语音编码技术的进展与现状
语音编码技术首先应用于有线通信和保密通信，其中最成熟的实用数字语音系统是64kbit/s的PCM。
这是一种典型的波形编码技术，主要用于有线电话网，它的话音质量好，可以与模拟语音相比，达到网络质量。
另一类型的波形编码是增量调制（DeltaModulation），较简单且能抗误码。
当速率从32kbit/s至40kbit/s时，语音质量较好。
当速率是8kbit/s至16kbit/s时，语音质量较差。
还有一种实用系统是2.4kbit/s的声码器，这是典型的参量编码技术，优点是速率低。
主要应用于军方的保密通信，语音质量仅能达到合成质量，且对背景噪声敏感。
在数字通信发展的推动下，语音编码技术的研究进展迅速，提出了众多适合于数字移动通信的编码技术。
研究的方向主要有两个：
一是降低语音编码的速率，这主要是针对语音质量好但速率高的波形编码，特别是64kbit/s的PCM。
二是提高语音编码质量，这主要是针对速率低但语音质量较差的参数编码，特别是对2.4kbit/s的声码器。
波形编码的改进主要有自适应差分PCM（ADPCM）（目前中国电信的小灵通系统的语音编码技术就是32kbit/sADPCM）、子带编码（SBC）、自适应变换域编码（ATC）、时域谐波压扩（TDHS）等。
这些编码的速率从9.6kbit/s至32kbit/s，语音质量也较好。
这些技术大都利用数字信号处理技术提取某些语音特征参量来传输，以达到压缩速率的目的。
所以，它们已不是单纯的波形编码，而属于混合编码。
参数编码的一项突出进展是提出了矢量量化编码技术，可进一步压缩速率。
为改进参数编码语音质量，提出多脉冲激励线性预测编码（MPE-LPC）、规则脉冲激励线性预测编码（RPE-LPC）（GSM系统的语音编码技术）等。
它们的速率从4.8kbit/s至16kbit/s，语音质量可达到中等。
这些编码方式已不再属于单纯的参数编码。
属于混合编码。
其中，在CDMA系统中使用的码本激励线性预测编码（CELP）也是近年来提出的较好的编码技术。
按速率不同可将语音编码器分成两大类：
一类是所谓的低速率编码器，速率低于4.8kbit/s。
另一类是所谓中速率编码器，速率从4.8kbit/s至32kbit/s
在语音编码技术的发展中，特别要提及的是数字信号处理器（DSP）的出现和应用。
实际上，很多编码算法在理论上较早就提出来了，由于硬件方面上的困难，没能应用到实用系统中。
DSP的出现改变了这种状况，许多复杂算法的实现已成为可能。
目前，许多低速高音质编码器都是用DSP实现的。
图1-4语音质量与比特率关系
将各种编码技术的语音质量与比特速率的关系都画在一张图中，可显示语音编码技术的概貌，见图1－4。
图的横坐标为比特速率，纵坐标为语音质量的主观评定分数。
图中用实线给出了PCM、ADPCM，线性预测编码LPC声码器以及混合编码器的质量－速率曲线。
虚线给出了研究目标。
可以看出，目前语音编码的研究目标是在4kbit/s至16kbit/s的速率范围内达到较高的语音质量（MOS分为4.0）。
如图1－4可知，目前研制的混合编码最接近于研究目标。
此外，近年来在数字声广播、消费电子技术以及电话会议迅速发展的推动下，语音编码也在朝着宽频带高音质声频编码的方向发展。
这是语音编码技术目前一个很重要的发展动向，受到人们的广泛关注。
第二章移动通信特点对语音编码技术的要求
2.1无线通信信道的条件
在数字移动通信中，由于无线信道的信道特点，会对所传输的数字信号带来各种影响，造成通信的准确性下降。
下面主要讨论无线信道的某些特点，从而总结最适合于无线信道传输的语音编码技术的特点，提高数字移动通信的准确性。
2.1.1频率资源有限
在移动通信系统中，信道带宽是很珍贵的，如何在有限的可分配的信道带宽内容纳更多的用户，成为移动业务提供商所面临的问题。
低比特率语音编码提供了解决该问题的一种方法。
在编码器能够传送高质量语音的前提下，如果比特率越低，那么在一定的信道带宽内能容纳更多的语音信道。
2.1.2无线信道的衰落
1．慢衰落损耗：
它是由于在电波的传播路径上受到建筑物及山丘等的阻挡所产生的阴影效应而产生的损耗。
它反映了中等范围内数百波长量级接收电平的均值变化而产生的损耗，一般遵从对数正态分布，其变化率较慢故称为慢衰落。
2．快衰落损耗：
它主要是由于多径传播而产生的衰落，它反映了微观小范围内数十波长量级接收电平的均值变化而产生的损耗，一般遵从Reyleigh（瑞利分布）或Rician（莱斯）分布，其变化率比慢衰落快，故称它为快衰落，其中它又可分为以下三类：
空间选择性衰落、频率选择性衰落与时间选择性衰落。
所谓选择性是指在不同的空间，不同的频率和不同的时间其衰落特性是不一样的。
慢衰落损耗，尤其是快衰落损耗会引起较高的信道误比特率，因此编码算法应有较好的抗误码能力。
2.1.3编码技术特点
另外从用户的辨别和舒适角度出发，还应该有较好的语音质量和较短的迟延。
归纳起来，无线通信对数字语音编码技术的要求如下：
1．速率较低，纯编码速率要低于16kbit/s；
2．在一定的编码速率下语音质量应尽可能高；
3．编解码时延应较短，控制在几十毫秒之内；
4．在强噪声环境中，算法应具有较高的抗误码性能，以保持较好的话音质量。
5．算法复杂程序适中，应易于大规模电路集成。
2.2激励源与混合编码
从上节所述可知：
波形编码速率太高，而参数编码能够实现低速率编码，但语音质量较差，都不适合在数字移动通信中选用。
那么就有一种想法：
能不能吸收波形编码语音质量好和参数编码低速率编码这两个优点，提出一种新的语音编码技术。
其中一种思路是改善参数编码的语音质量。
参数编码语音质量较差的原因是其激励函数比较粗糙，仅采用清音和浊音这种简单的激励模型，而实际语音是比较复杂的，这样就失去了许多的信息。
针对这个问题，许多研究者提出了各种改善音质的方法。
这些方法不尽相同，但主要思路是一致的：
即构成更精确的激励模型，作为语音合成器的激励源。
很显然，激励源可以从语音波形信号本身来提取，这就构成了声激励声码器。
这种系统包括了两种不同的传输途径。
一条路径产生通常的线性预测参数（线性滤波器系数和增益等）并传送出去。
另一条路径滤出波形信号的低频部分，并进行通常的波形编码传送出去。
在接收端的语音合成器中，接收到的低频语音信号经过适当组合以及平滑处理后作为激励信号输入到数字滤波器中恢复语音，而数字滤波器由接收到的预测参数所确定。
语音信号的低频部分包括所有有关激励源的必要信息。
也就是说，在浊音段，它是周期信号，在清音段，它近似噪音。
因此用这种方法产生激励信号就不需要进行浊/清音判决和基音周期提取。
当然，这种方法的代价是为了精确地描述信号的低频部分，必须在信道中传送更多的信息，因而其码元速率比一般的LPC声码器要高，通常在4kbit/s以上，已属中等速率编码。
由于改善了激励信号，使之含有更多的语音信息，所以声激励声码器的语音质量改善了许多，并且对于不同的说话者和传输条件，语音质量更加一致。
可以看出，这种改进的参数编码，不但对语音信号的特征参数进行编码，而且对原信号的部分波形进行编码。
也就是说，它属于混合编码。
由于混合编码吸收了波形编码和参量编码两者的优点，在编码信号速率和语音质量两方面都比较好。
数字蜂窝移动系统中实用语音编码技术均采用混合编码。
采用的激励源不同，就构成不同的编码技术。
GSM系统中的RPE-LTP编码技术采用规则脉冲作激励源，而CDMA系统中使用的QCELP编码技术采用码本激励的方法。
第三章GSM系统中的语音编码技术
3.1RPE-LTP概述
RPE-LTP是规则脉冲激励长时预测的缩写，是欧洲移动通信特别小组（GSM）在多种技术中经过试验、比较，最后选定的语音编码技术，并作为GSM标准予以公布。
目前它用于泛欧蜂窝移动通信系统。
它的纯编码速率为13kbit/s，MOS得分为4.0。
RPE-LTP采用间隔相等、相位和幅度优化的规则脉冲作为激励信号源，以便使合成波形接近于原信号。
这种编码技术由于又使用了长时预测，进一步消除信号冗余度，使编码速率降低。
同时，其算法简单，计算量适中，易于硬件实现。
GSM系统中的语音信号处理是分段进行的。
发送端首先进行语音检测，将每个时间段分为有声段和无声段。
在有声段，进行语
升级会员 