主頁（http://www.by236.com）：語音編碼應用與發展

語音編碼（speech coding）將模擬話音信號變為數字信號的過程。是數字通信中的一項重要技術。

目的 在保持一定的算法復雜程度和通信時延的前提下，運用盡可能少的信道容量傳遞盡可能高質量的語音。高質量低速率的語音編碼技術在各類通信網中得到了廣泛應用。近年來，為了適應數字移動通信網的發展，提出了一些適合移動信道的語言編碼技術，主要包括歐洲GSM系統使用的規則脈沖激勵長期預測編碼（RPE-LTP）與美國提出的矢量和激勵線性預測編碼(VSELP)。

分類 語音編碼技術通常分為3類：波形編碼、參量編碼和混合編碼，其中波形編碼和參量編碼是2 種基本類型。

波形編碼 將時間域信號直接變換為數字代碼，其目的是盡可能精確地再現原來的話音波形。波形編碼的基本原理是在時間軸上對模擬話音按一定的速率抽樣，然后將幅度樣本分層量化，并用代碼表示。解碼是其反過程，將收到的數字序列經過解碼和濾波恢復成模擬信號。對于比特速率較高的編碼信號（例如：從16～64 kbit/s），波形編碼技術能夠提供相當好的話音質量。但對于低速語音編碼信號（即比特率低于16 kbit/s），波形編碼的話音質量顯著下降。 因而，波形編碼在對信號帶寬要求不太嚴格的通信中得到應用。但對頻率資源相當緊張的移動通信來說，這種編碼方式顯然不適合。脈沖編碼調制（PCM）和增量調制（ΔM）以及它們的各種改進型都屬于波形編碼技術。

參量編碼 又稱為聲源編碼，將信源信號在頻率域或其他正交變換域中提取特征參量，并將其變換為數字代碼進行傳輸；解碼為其反過程,將接收到的數字序列經變換恢復特征參量，再根據特征參量重建語音信號。具體地說，聲源編碼以發音機制的模型作為基礎，用一套模擬聲帶頻譜特性的濾波器系數和若干聲源參數來描述這個模型。在發送端從模擬話音信號中提取各個特征參量并進行量化編碼，在接收端根據接收到的濾波器系數和聲源參數恢復原來的語音。這種編碼技術可實現低速率語音編碼，比特速率可壓縮到2 ～4.8 kbit/s）5，甚至更低，但語音質量只能達到中等。線性預測編碼（LPC）及其各種改進型都屬于參量編碼。

混合編碼 近年來提出的一類新的語言編碼技術，它將波形編碼和參量編碼結合起來，力圖保持波形編碼的高質量的優點以及參量編碼的低速率的優點。混合編碼數字語音信號中既包括若干語音特征參量又包括部分波形編碼信息。混合編碼可將比特速率請壓縮到4 ～16kbit/s，在8~16kbit/s范圍內能達到良好的話音質量。規則碼激勵長期預測編碼就是一種混合編碼方案。可以看出，混合編碼是適合于數字移動通信的語音編碼技術。

要實現低速、高質量的語音編碼，必須采用信息壓縮技術。一般說來信息壓縮技術可分為2類：波形處理技術和量化技術。波形處理技術的目標是消減語音波形的冗余度，包擴線性預測分析，頻帶分割、正交變換和分析合成等。量化技術的目標是在幅度量化上實現優化，包括自適應量化、自適應比特分配和矢量量化。典型的語音編碼方式與信息壓縮技術的關系如下圖所示。

語音編碼方式與信息壓縮技術的關系框圖

APC－自適應預測編碼；ADPCM－自適應差分脈碼調制；

APC-AB－帶自適應比特分配的自適應預測編碼；SBC－子帶編碼；

ATC－自適應變換編碼；TC-WVQ－變換編碼（波形矢量量化）；

MPC－多脈沖激勵編碼；CELP－碼激勵線性預測編碼。

語音質量 在語音編碼技術中，對語音質量的評價是一個重要問題。語音質量高低的直接感受是聽者的主觀感覺，所以要客觀對語音質量進行測量是一個長期存在的難題。目前，廣泛采用的評定方法是所謂主觀評定等級（Subjective Opinion Scale），或稱為平均評價得分（Mean Opinion Score,MOS）。其方法是，有數十名試聽者在不同信道環境中試聽并給予評分，然后對評分進行統計處理，求出平均得分，分數等級采用五級分制。需要指出的是，聽者對語音質量的主觀感覺往往是和其注意力集中的程度相聯系的，因而，對應于主觀評定等級，還有一個收聽注意力等級（Listening Effort Scale）。

語音解碼 在接收端將收到的數字還原為模擬話音的過程。語音解碼的原理、方法和過程與語音編碼相反。

語音編碼技術的應用與發展

語音數字化的技術基本可以分為兩大類：第一類方法是在盡可能遵循波形的前提下，將模擬波形進行數字化編碼；第二類方法是對模擬波形進行一定處理，但僅對語音和收聽過程中能時候到的語音進行編碼。其中語音編碼的三種最常用的技術是脈沖編碼調制（PCM）、差分PCM（DPCM）和增量調制（DM）。通常，公共交換電話網中的數字電話都采用這三種技術。第二類語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音編碼器有關。采用該數字化技術的設備一般被稱為聲碼器，聲碼器技術現在開始展開應用，特別是用于幀中繼和IP上的語音。

除壓縮編碼技術外，人們還應用許多其它節省帶寬的技術來減少語音所占帶寬，優化網絡資源。ATM和幀中繼網中的靜音抑制技術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送。語音活動檢測（SAD）技術可以用來動態的跟蹤噪音電平，并為這個噪音電平設置一個享用的語音檢測閥值，這樣就使得語音／靜音檢測器可以動態匹配用戶的背景噪聲環境，并將靜音抑制的可聽度降到最小。為了置換掉網絡中的音頻信號，這些信號不再穿過網絡，舒適的背景聲音在網絡的任一端被集成到信道中，以確保話路兩端的語音質量和自然聲音的連接。

語音編碼技術的類別

語音編碼方法歸納起來可以分成三大類：波形編碼、信源編碼、混合編碼。

1．波形編碼

波形編碼比較簡單，編碼前采樣定理對模擬語音信號進行量化，然后進行幅度量化，再進行二進制編碼。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音波形，這就是最簡單的脈沖編碼調制（PCM），也稱為線性PCM。可以通過非線性量化，前后樣值的差分、自適應預測等方法實現數據壓縮。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。波形編碼的方法簡單，數碼率較高，在64kbit/s至32kbit/s之間音質優良，當數碼率低于32kbit/s的時候音質明顯降低，16 kbit/s時音質非常差。

2．信源編碼

信源編碼又稱為聲碼器，是根據人的發生機理，在編碼端對語音信號進行分析，分解成有聲音和無聲音兩部分。聲碼器每隔一定時間分析一次語音，傳送一次分析的的道德有／無聲和濾波參數。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。首先是合成語音質量較差，往往清晰度可以而自然度沒有，難于辨認說話人是誰，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，數碼率約在4kbit/s—16kbit/s之間，音質比較好，最近有個別算法所取得的音質可與波形編碼相當，復雜程度介乎與波形編碼器和聲碼器之間。

上述的三大語音編碼方案還可以分成許多不同的編碼方案。

語音編碼屬性可以分為四類，分別是比特速率，時延、復雜性和質量。比特律是語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通信的2.4kbit/s到64kbit/s的G.711PCM編碼和G.722寬帶（7KHz）語音編碼器。

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間集。一般的數字化技術是基于使用周期性，規律間隔抽樣時間的。如果抽樣發生足夠頻繁，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，使用離散抽樣的時間以模擬抽樣幅度來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，這里每一個模擬抽樣制備量化為代表某個數字編碼的離散值。因此，PA M系統通過在信源端加上模擬－數字信號轉換器就能夠轉化成為PCM系統。典型的量化過程是其中量化間隔中心的單個離散值表示。在這種方式中，量化過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，可以通過建立大量小量化間隔來最小化。當然，隨著量化數目的增加，需要唯一識別量化間隔的比特數也增加了。

差分脈沖編碼

差分脈沖編碼是專門設計充分利用在典型語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編碼器產生不同抽樣的簡單方法就是將前一個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，因為一個輸入是由被編碼的抽樣間差異進行積分的反饋環路來重建的。實質上，反饋的信號是對輸入信號的估計，該輸入信號是通過對被編碼的抽樣間差異進行積分來獲得的。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）是又一種在語音波形中專門利用抽樣與抽樣之間冗余的數字化技術。實際上。DM能被認為是DPCM的一個特殊情況，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抽樣開始時增加還是減少。對輸入波形的大致近似在反饋通路中進行構建的，當差異為正的時侯通過上升一個量化階，或當差異為負的時候，下降一個量化階來進行。用這種方法，輸入信號被按照上升或下降的序列以類似樓梯的方式來編碼。反饋信號會向一個方向上升直到近似信號超過了輸入信號，同時反饋會向反方向進行直到輸入信號超過了近似信號。因此，當跟蹤輸入信號時，DM輸出在輸入波形附近來回跳動，運行通過平滑濾波器來精確的重建輸入信號。

實現IP電話應用的關鍵技術

從最初的PC到PC的話音通信開始，IP電話已經逐步走向成熟。目前的IP電話業務主要借助于網關來實現。從技術的角度看，IP電話信息經過網關變成打包后的數據，通過IP網絡輿到被叫一方的IP接入端，對端的網關接收到話音數據包后，進行處理后將數據還原成模擬信號，再送給電話聽往筒或傳真機。IP電話是計算機通信和電話通信相結合的產物，它涉及許多技術領域，其中最重要的包括以下幾項技術。

語音壓縮編碼技術。1995年，國妹電聯批準了一個被稱為G.729的新的話音壓縮標準。該標采用的算法，可以僅用8KBPS的帶寬傳輸話音，話音質量與32KBPSADPCM(差分脈沖編碼市制)相同。ADPCM在全球的公共電話網絡中被用于提供長話級話音。此后，這一壓縮話音標準又得到了進一步的優化改進。

話音優先級技術。話音通信是一種對實時性要求高的業務。目前，由于因特網是一個廣域公用網，因此網上的各種實時或非實時應用都在占用帶寬。為了能保證提供高度音質的IP電話通信，在廣域網寬不足的IP網絡上，一般需要話音優先技術。目前，很多IP網絡的路由器都把話音包的優先級作為最高，這樣，路由器一旦發現話音包，就會將它們插入到IP包隊列的最前面優先發送。這樣，網絡的昝與抖動情況對話音通信的影響均將得到改善。另一種提高話音處理優先處理優先級的技術是資源預留協議(RSVP)，它專門為話音通信預留帶寬。只要有話音呼叫請求，網絡就根據規則為話音通信預留出設定帶寬，直到通話結束，帶寬才釋放。

靜音抑制技術。一般說來，人們在進行電話交談時，很多情況下處于靜音狀態，例如，一方在講話時，另一方在聽，而且講話過程中有大量顯著的停頓。有關調查結果表明，在一路全雙工電話交談中，只有40%左右的信號是有效的。靜音抑制技術會檢測通話過程或傳真過程中的安靜時段，并在這些安靜時段停止發送語音包。這樣，大量的網絡帶寬節省下來用于其他話音或數據通信。

清除回聲的技術。回聲是在用戶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，人耳聽不出來，這種情況無關緊要。但要當回聲返回時超過地10毫秒時，人耳就可聽到明顯的回聲了。為了防止回聲了。為了防止回聲，一般需要回聲消除技術，在處理器中有特殊的軟件代碼監聽回聲信號，并將它從聽話人的語音信號中清除。對于IP電話設備，回聲消除技術是十分重要的，因為一般IP網絡的時延很容易就達到50毫秒。

處理話音抖動的技術。IP網絡的一個特征就是網絡延時與網絡抖動，這可能導致IP電話音質下降。網絡延時是指一個IP包在網絡上傳輸平均所需的時間網絡抖動是指IP包傳輸時間的長短時間的長短變化。當的各種因素造成的話音延時超過200毫秒時，通話雙方一般就傾向于采用半雙工的通話方式。

一方說完后另一方再說。另一方面，如果網絡抖動較嚴重，那么有的話音包因遲到被丟棄，會產生話音的斷續及部分失真，嚴重影響音質。為了防止這種抖動，很多公司采用了抖動緩沖技術，即在接收設定一個緩沖池中取出，解壓，播放給受話者。這種緩沖技術可以在一定限度內有效地處理話音抖動，并提高音質。

小結

在IP、FR和ATM上傳遞語音時選擇適當的語音編碼技術，充分利用資源并最大限度的利用語音編碼方案自身的技術特點是很重要的。語音壓縮一般用來描述速率小于64kbit/s語音的數字化。一般情況下，啟動時PCM的速率為64kbit/s，壓縮后速率變小。在理想狀態下，語音質量不會受到影響，但實際上還是會有一些影響，只不過用戶不易察覺而已。沒種語音壓縮技術都具備各自的特點。目前的語音壓縮標準，將語音業務在網絡中所占帶寬可以減少到80％，這樣就為其它業務（如數據業務）在網上的傳輸提供了必要的帶寬。動態壓縮則比前者更進一步，它允許網絡管理者對網絡進行管理，并在業務增加時以每個連接提供合適的語音質量。

寬帶資源的有限性和對寬帶需求的增加，使得語音壓縮技術成為分組網絡實現語音業務的嚴峻挑戰。將單一的網絡合并成為一個整體結構，可以減少通信成本，提高效率，有利于網絡資源的管理。其中關鍵環節就是如何將這些進行最有效的管理和應用，從而滿足用戶的各種要求。