語音編碼

對語音進行編碼的目的是為了將語音數位化並利用人的發聲過程中存在的冗餘度和人的聽覺特性來降低編碼率。

基本介紹

• 中文名：語音編碼
• 外文名：speech coding

概述

1.1編碼的重要性

編碼、傳輸、存儲和解碼是語音數字傳輸和數字存儲的必要過程。

隨著語音通信技術的發展，壓縮語音信號的傳輸頻寬，增加信道的傳輸速率，一直是人們追求的目標。語音編碼在實現這一目標的過程中擔當重要的角色。

語音編碼就是使表達語音信號的比特數目最小。

1.2編碼速率

用比特/秒（b/s或bps）來度量，用I表示，

I=R·fs,R代表每個語音採樣值編碼所需的比特數；fs是採樣頻率。

當fs=8kHz，每個採樣值用8比特位來編碼，則編碼速率為64kb/s。

編碼的分類

語音編碼就是對模擬的語音信號進行編碼，將模擬信號轉化成數位訊號，從而降低傳輸碼率並進行數字傳輸，語音編碼的基本方法可分為波形編碼、參量編碼（音源編碼）和混合編碼，波形編碼是將時域的模擬話音的波形信號經過取樣、量化、編碼而形成的數字話音信號，參量編碼是基於人類語言的發音機理，找出表征語音的特徵參量，對特徵參量進行編碼，混合編解碼是結合波形編解碼和參量編解碼之間的優點。波形編解碼器雖然可提供高話音的質量，但數據率低於16kb/s的情況下，在技術上還沒有解決音質的問題。

2.1波形編碼

基本原理是在時間軸上對模擬話音信號按照一定的速率來抽樣，然後將幅度樣本分層量化，並使用代碼來表示。在接收端將收到的數字序列經過解碼恢復到原模擬信號，保持原始語音的波形形狀。話音質量高，編碼速率高。如PCM編碼類（a率或u率PCM、ADPCM、ADM)，編碼速率為64－16kb/s，語音質量好。

波形編碼的目的在於儘可能精確地再現原來的語音波形，並以波形的保真度即自然度為其質量的主要度量指標，但波形編碼所需的碼速率較高。

2.2參數編碼

根據語音信號產生的數學模型，通過對語音信號特徵參數的提取後進行編碼（將特徵參數變換成數字代碼進行傳輸）。在接收端將特徵參數，結合數學模型，恢復語音，力圖使重建語音保持儘可能高的可懂度，重建語音信號的波形同原始語音信號的波形可能會有相當大的區別。如線性預測（LPC）編碼類。編碼速率低，2.4-1.2kb/s，自然度低，對環境噪聲敏感。

這種語音編碼的主要質量指標是可懂度，參量編碼可以將語音編碼以後的速率壓得很低。

2.3混合編碼(Hybridcoding)

將波形編碼與參數編碼相結合，在2.4-1.2kb/s速率上能夠得到高質量的合成語音。混合編碼把波形編碼的高質量和參量編碼的高效性融為一體，在參量編碼的基礎上附加一定的波形編碼特徵，實現在可懂度的基礎上適當地改善自然度的目的。

用於移動通信中的語音編碼一般都是混合編碼。選擇混合編碼時，要使比特率、質量、複雜度和處理時延這4個參量及其關係達到綜合最佳化。

2.4語音編碼的極限速率

語音中最基本的元素是音素，大約有128～256個，如果按通常的說話速度，每秒平均發出10個音素，則信息率為：I=[log2(256)10]bps=80bps

把發音看成是以語音速率來傳送，則語音編碼的極限速率為80bps,從數位化標準的編碼速率64kbps，到極限速率80bps，之間的距離，對於理論研究和實踐有著極大的吸引力。

語音信號壓縮編碼的評價系統

語音質量是衡量語音編碼算法優劣的關鍵性能之一。語音質量通常分為四類：

（1）廣播級:寬頻(0-7000Hz)高質量的語音，感覺不出噪聲存在

（2）網路或電話級：200Hz-3200Hz,信噪比大於30db。

（3）通信級:完全可以聽懂，但和長途電話相比，有明顯失真。

（4）合成級：80%-90%可懂度，音質較差，聽起來像機器講話，失去了講話者的個人特徵。

語音質量有主觀和客觀兩種評價方法

3.1主觀評價方法

評價指標：清晰度或可懂度、音質。前者是指語音是否容易聽清楚；後者指語音聽起來有多自然。

（1）可懂度評價DRT：DiagnosticRhymerTest

（2）音質評價：

MOS：MeanOpinionScore平均意見得分

DAM：DiagnosticAcceptabilityMeasure判斷滿意度得分。

MOS得分為五級:優、良、可、差和壞。滿分為5分，相當調頻廣播質量；4分以上是長途電話網標準；3.5分為通信標準；3.0分仍有較好的可懂度，保持自然度；2.5分只維持可懂度，是戰術通信標準。

3.2客觀評價方法

（1）波形失真度，用信噪比來度量

（2）頻譜失真測量

（3）譜包絡失真測量