隨著數(shù)字電話和數(shù)據(jù)通信容量日益增長(zhǎng)的迫切要求，而又不希望明顯降低傳送話音信號(hào)的質(zhì)量，除了提高通信帶寬之外，對(duì)話音信號(hào)進(jìn)行壓縮是提高通信容量的重要措施。另一個(gè)可說(shuō)明話音數(shù)據(jù)壓縮的重要性的例子是，用戶無(wú)法使用28.8 kb/s的調(diào)制解調(diào)器來(lái)接收因特網(wǎng)上的64 kb/s話音數(shù)據(jù)流，這是一種單聲道、8位/樣本、采樣頻率為8 kHz的話音數(shù)據(jù)流。ITU-TSS為此制定了并且繼續(xù)制定一系列話音(speech)數(shù)據(jù)編譯碼標(biāo)準(zhǔn)。其中，G.711使用μ率和A率壓縮算法，信號(hào)帶寬為3.4 kHz，壓縮后的數(shù)據(jù)率為64 kb/s；G.721使用ADPCM壓縮算法，信號(hào)帶寬為3.4 kHz，壓縮后的數(shù)據(jù)率為32 kb/s；G.722使用ADPCM壓縮算法，信號(hào)帶寬為7 kHz，壓縮后的數(shù)據(jù)率為64 kb/s。在這些標(biāo)準(zhǔn)基礎(chǔ)還制定了許多話音數(shù)據(jù)壓縮標(biāo)準(zhǔn)，例如G.723，G.723.1，G.728，G.729和G.729.A等。
　　本章將重點(diǎn)介紹話音編碼的基本思想，而詳細(xì)計(jì)算則留給那些開(kāi)發(fā)和具體設(shè)計(jì)編譯碼器軟硬件的讀者去研究，并可從本章所列的參考文獻(xiàn)和站點(diǎn)中找到你滿意的文獻(xiàn)資料。

3.1 話音編碼概要

3.1.1 話音波形的特性

　　了解話音波形的基本特性對(duì)聲音數(shù)據(jù)的壓縮編碼、聲音的識(shí)別和文本-聲音的轉(zhuǎn)換等都有很重要的意義。
　　當(dāng)肺部中的受壓空氣沿著聲道通過(guò)聲門發(fā)出時(shí)就產(chǎn)生了話音。普通男人的聲道從聲門到嘴的平均長(zhǎng)度約為17厘米，這個(gè)事實(shí)反映在聲音信號(hào)中就相當(dāng)于在1 ms數(shù)量級(jí)內(nèi)的數(shù)據(jù)具有相關(guān)性，這種相關(guān)稱為短期相關(guān)(short-term correlation)。聲道也被認(rèn)為是一個(gè)濾波器，這個(gè)濾波器有許多共振峰，這些共振峰的頻率受隨時(shí)間變化的聲道形狀所控制，例如舌的移動(dòng)就會(huì)改變聲道的形狀。許多話音編碼器用一個(gè)短期濾波器(short term filter)來(lái)模擬聲道。但由于聲道形狀的變化比較慢，模擬濾波器的傳遞函數(shù)的修改不需要那么頻繁，典型值在20 ms左右。
　　壓縮空氣通過(guò)聲門激勵(lì)聲道濾波器，根據(jù)激勵(lì)方式不同，發(fā)出的話音分成三種類型：濁音(voiced sounds)，清音(unvoiced sounds)和爆破音(plosive sounds)。
　　1.濁音
　　濁音是一種稱為準(zhǔn)周期脈沖(quasi-periodic pulses)激勵(lì)所發(fā)出的音，這種準(zhǔn)周期脈沖是在聲門打開(kāi)然后關(guān)閉時(shí)中斷肺部到聲道的氣流所產(chǎn)生的脈沖。聲門打開(kāi)和關(guān)閉的速率呈現(xiàn)為音節(jié)(pitch)的大小，它的速率可通過(guò)改變聲道的形狀和空氣的壓力來(lái)調(diào)整。濁音表現(xiàn)出在音節(jié)上有高度的周期性，其值在2～20 ms之間，這個(gè)周期性稱為長(zhǎng)期周期性(long-term periodicity)。圖3-01表示了某一濁音段的波形，音節(jié)周期大約8 ms。這一濁音段的功率譜密度(power spectral density，PSD)如圖3-02所示。

圖3-01 濁音段的波形舉例

圖3-02 濁音段的功率普密度舉例

　　2. 清音
　　清音是由不穩(wěn)定氣流激勵(lì)所產(chǎn)生的，這種氣流是在聲門處在打開(kāi)狀態(tài)下強(qiáng)制空氣在聲道里高速收縮產(chǎn)生的，如圖3-03所示。這一清音段的功率譜密度PSD和圖3-04所示。

圖3-03 清音段的波形舉例

圖3-04 清音段的功率譜密度舉例

　　3. 爆破音
　　爆破音是在聲道關(guān)閉之后產(chǎn)生的壓縮空氣然后突然打開(kāi)聲道所發(fā)出的音。
　　某些音不能歸屬到上述三種音中的任何一種，例如在聲門振動(dòng)和聲道收縮同時(shí)出現(xiàn)的情況下產(chǎn)生的摩擦音，這種音稱為混合音。
　　雖然各種各樣的話音都有可能產(chǎn)生，但聲道的形狀和激勵(lì)方式的變化相對(duì)比較慢，因此話音在短時(shí)間周期(20 ms的數(shù)量級(jí))里可以被認(rèn)為是準(zhǔn)定態(tài)(quasi-stationary)的，也就是說(shuō)基本不變的。從圖3-01, -02, -03和-04中可以看到話音信號(hào)顯示出的高度周期性，這是由于聲門的準(zhǔn)周期性的振動(dòng)和聲道的諧振所引起的。話音編碼器就是企圖揭示這種周期性，目的是為了減少數(shù)據(jù)率而又盡可能不犧牲聲音的質(zhì)量。

3.1.2 三種話音編譯碼器

　　通常把已有的話音編譯碼器分成以下三種類型：波形編譯碼器(waveform codecs)，音源編譯碼器(source codecs)和混合編譯碼器(hybrid codecs)。一般來(lái)說(shuō)，波形編譯碼器的話音質(zhì)量高，但數(shù)據(jù)率也很高；音源編譯碼器的數(shù)據(jù)率很低，產(chǎn)生的合成話音的音質(zhì)有待提高；混合編譯碼器使用音源編譯碼技術(shù)和波形編譯碼技術(shù)，數(shù)據(jù)率和音質(zhì)介于它們之間。圖3-05表示了目前這三種編譯碼器的話音質(zhì)量和數(shù)據(jù)率的關(guān)系。

圖3-05 普通編譯碼器的音質(zhì)與數(shù)據(jù)率

　　1. 波形編譯碼器
　　波形編譯碼的想法是，不利用生成話音信號(hào)的任何知識(shí)而企圖產(chǎn)生一種重構(gòu)信號(hào)，它的波形與原始話音波形盡可能地一致。一般來(lái)說(shuō)，這種編譯碼器的復(fù)雜程度比較低，數(shù)據(jù)速率在16 kb/s以上，質(zhì)量相當(dāng)高。低于這個(gè)數(shù)據(jù)速率時(shí)，音質(zhì)急劇下降。
　　最簡(jiǎn)單的波形編碼是脈沖編碼調(diào)制(pulse code modulation，PCM)，它僅僅是對(duì)輸入信號(hào)進(jìn)行采樣和量化。典型的窄帶話音帶寬限制在4 kHz，采樣頻率是8 kHz。如果要獲得高一點(diǎn)的音質(zhì)，樣本精度要用12位，它的數(shù)據(jù)率就等于96 kb/s，這個(gè)數(shù)據(jù)率可以使用非線性量化來(lái)降低。例如，可以使用近似于對(duì)數(shù)的對(duì)數(shù)量化器(logarithmic quantizer)，使用它產(chǎn)生的樣本精度為8位，它的數(shù)據(jù)率為64 kb/s時(shí)，重構(gòu)的話音信號(hào)幾乎與原始的話音信號(hào)沒(méi)有什么差別。這種量化器在20世紀(jì)80年代就已經(jīng)標(biāo)準(zhǔn)化，而且直到今天還在廣泛使用。在北美的壓擴(kuò)(companding)標(biāo)準(zhǔn)是μ律(μ-law)，在歐洲的壓擴(kuò)標(biāo)準(zhǔn)是A律(A-law)。它們的優(yōu)點(diǎn)是編譯碼器簡(jiǎn)單，延遲時(shí)間短，音質(zhì)高。但不足之處是數(shù)據(jù)速率比較高，對(duì)傳輸通道的錯(cuò)誤比較敏感。
　　在話音編碼中，一種普遍使用的技術(shù)叫做預(yù)測(cè)技術(shù)，這種技術(shù)是企圖從過(guò)去的樣本來(lái)預(yù)測(cè)下一個(gè)樣本的值。這樣做的根據(jù)是認(rèn)為在話音樣本之間存在相關(guān)性。如果樣本的預(yù)測(cè)值與樣本的實(shí)際值比較接近，它們之間的差值幅度的變化就比原始話音樣本幅度值的變化小，因此量化這種差值信號(hào)時(shí)就可以用比較少的位數(shù)來(lái)表示差值。這就是差分脈沖編碼調(diào)制(differential pulse code modulation，DPCM)的基礎(chǔ)—對(duì)預(yù)測(cè)的樣本值與原始的樣本值之差進(jìn)行編碼。
　　這種編譯碼器對(duì)幅度急劇變化的輸入信號(hào)會(huì)產(chǎn)生比較大的噪聲，改進(jìn)的方法之一就是使用自適應(yīng)的預(yù)測(cè)器和量化器，這就產(chǎn)生了一種叫做自適應(yīng)差分脈沖編碼調(diào)制(adaptive differential PCM，ADPCM)。在20世紀(jì)80年代，國(guó)際電話與電報(bào)顧問(wèn)委員會(huì) (International Telephone and Telegraph Consultative Committee，CCITT)，現(xiàn)改為國(guó)際電信聯(lián)盟-遠(yuǎn)程通信標(biāo)準(zhǔn)部(International Telecommunications Union-Telecommunications Standards Section，ITU-TSS )，就制定了數(shù)據(jù)率為32 kb/s的ADPCM標(biāo)準(zhǔn)，它的音質(zhì)非常接近64 kb/s的PCM編譯碼器，隨后又制定了數(shù)據(jù)率為16，24和40 kb/s的ADPCM標(biāo)準(zhǔn)。
　　上述的所有波形編譯碼器完全是在時(shí)間域里開(kāi)發(fā)的，在時(shí)域里的編譯碼方法稱為時(shí)域法(time domain approach)。在開(kāi)發(fā)波形編譯碼器中，人們還使用了另一種方法，叫做頻域法(frequency domain approach)。例如，在子帶編碼(sub-band coding，SBC)中，輸入的話音信號(hào)被分成好幾個(gè)頻帶(即子帶)，變換到每個(gè)子帶中的話音信號(hào)都進(jìn)行獨(dú)立編碼，例如使用ADPCM編碼器編碼，在接收端，每個(gè)子帶中的信號(hào)單獨(dú)解碼之后重新組合，然后產(chǎn)生重構(gòu)話音信號(hào)。它的優(yōu)點(diǎn)是每個(gè)子帶中的噪聲信號(hào)僅僅與該子帶使用的編碼方法有關(guān)系。對(duì)聽(tīng)覺(jué)感知比較重要的子帶信號(hào)，編碼器可分配比較多的位數(shù)來(lái)表示它們，于是在這些頻率范圍里噪聲就比較低。對(duì)于其他的子帶，由于對(duì)聽(tīng)覺(jué)感知的重要性比較低，允許比較高的噪聲，于是編碼器就可以分配比較少的位數(shù)來(lái)表示這些信號(hào)。自適應(yīng)位分配的方案也可以考慮用來(lái)進(jìn)一步提高音質(zhì)。子帶編碼需要用濾波器把信號(hào)分成若干個(gè)子帶，這比使用簡(jiǎn)單的ADPCM編譯碼器復(fù)雜，而且還增加了更多的編碼時(shí)延。即使如此，與大多數(shù)混合編譯碼器相比，子帶編譯碼的復(fù)雜性和時(shí)延相對(duì)來(lái)說(shuō)還是比較低的。
　　另一種頻域波形編碼技術(shù)叫做自適應(yīng)變換編碼(adaptive transform coding，ATC)。這種方法使用快速變換(例如離散余弦變換)把話音信號(hào)分成許許多多的頻帶，用來(lái)表示每個(gè)變換系數(shù)的位數(shù)取決于話音譜的性質(zhì)，獲得的數(shù)據(jù)率可低到16 kb/s。
　　2. 音源編譯碼器
　　音源編譯碼的想法是企圖從話音波形信號(hào)中提取生成話音的參數(shù)，使用這些參數(shù)通過(guò)話音生成模型重構(gòu)出話音。針對(duì)話音的音源編譯碼器叫做聲碼器(vocoder)。在話音生成模型中，聲道被等效成一個(gè)隨時(shí)間變化的濾波器，叫做時(shí)變?yōu)V波器(time-varying filter)，它由白噪聲—無(wú)聲話音段激勵(lì)，或者由脈沖串——有聲話音段激勵(lì)。因此需要傳送給解碼器的信息就是濾波器的規(guī)格、發(fā)聲或者不發(fā)聲的標(biāo)志和有聲話音的音節(jié)周期，并且每隔10～20 ms更新一次。聲碼器的模型參數(shù)既可使用時(shí)域的方法也可以使用頻域的方法確定，這項(xiàng)任務(wù)由編碼器完成。
　　這種聲碼器的數(shù)據(jù)率在2.4 kb/s左右，產(chǎn)生的語(yǔ)音雖然可以聽(tīng)懂，但其質(zhì)量遠(yuǎn)遠(yuǎn)低于自然話音。增加數(shù)據(jù)率對(duì)提高合成話音的質(zhì)量無(wú)濟(jì)于事，這是因?yàn)槭艿皆捯羯赡Ｐ偷南拗啤１M管它的音質(zhì)比較低，但它的保密性能好，因此這種編譯碼器一直用在軍事上。
　　3. 混合編譯碼
　　混合編譯碼的想法是企圖填補(bǔ)波形編譯碼和音源編譯碼之間的間隔。波形編譯碼器雖然可提供高話音的質(zhì)量，但數(shù)據(jù)率低于16 kb/s的情況下，在技術(shù)上還沒(méi)有解決音質(zhì)的問(wèn)題；聲碼器的數(shù)據(jù)率雖然可降到2.4 kb/s甚至更低，但它的音質(zhì)根本不能與自然話音相提并論。為了得到音質(zhì)高而數(shù)據(jù)率又低的編譯碼器，歷史上出現(xiàn)過(guò)很多形式的混合編譯碼器，但最成功并且普遍使用的編譯碼器是時(shí)域合成-分析(analysis-by-synthesis，AbS)編譯碼器。這種編譯碼器使用的聲道線性預(yù)測(cè)濾波器模型與線性預(yù)測(cè)編碼(linear predictive coding，LPC)使用的模型相同，不使用兩個(gè)狀態(tài)(有聲/無(wú)聲)的模型來(lái)尋找濾波器的輸入激勵(lì)信號(hào)，而是企圖尋找這樣一種激勵(lì)信號(hào)，使用這種信號(hào)激勵(lì)產(chǎn)生的波形盡可能接近于原始話音的波形。AbS編譯碼器由Atal和Remde在1982年首次提出，并命名為多脈沖激勵(lì)(multi-pulse excited，MPE)編譯碼器，在此基礎(chǔ)上隨后出現(xiàn)的是等間隔脈沖激勵(lì)(regular-pulse excited，RPE)編譯碼器、碼激勵(lì)線性預(yù)測(cè)CELP(code excited linear predictive)編譯碼器和混合激勵(lì)線性預(yù)測(cè)(mixed excitation linear prediction，MELP)等編譯碼器。
　　AbS編譯碼器的一般結(jié)構(gòu)如圖3-06所示。

(a) 編碼器

(b) 譯碼器
圖3-06 AbS編譯碼器的結(jié)構(gòu)

　　AbS編譯碼器把輸入話音信號(hào)分成許多幀(frames)，一般來(lái)說(shuō)，每幀的長(zhǎng)度為20 ms。合成濾波器的參數(shù)按幀計(jì)算，然后確定濾波器的激勵(lì)參數(shù)。從圖3-06(a)可以看到，AbS編碼器是一個(gè)負(fù)反饋系統(tǒng)，通過(guò)調(diào)節(jié)激勵(lì)信號(hào)u(n)可使話音輸入信號(hào)s(n)與重構(gòu)的話音信號(hào)之差為最小，也就是重構(gòu)的話音與實(shí)際的話音最接近。這就是說(shuō)，編碼器通過(guò)“合成”許多不同的近似值來(lái)“分析”輸入話音信號(hào)，這也是“合成-分析編碼器”名稱的來(lái)由。在表示每幀的合成濾波器的參數(shù)和激勵(lì)信號(hào)確定之后，編碼器就把它們存儲(chǔ)起來(lái)或者傳送到譯碼器。在譯碼器端，激勵(lì)信號(hào)饋送給合成濾波器，合成濾波器產(chǎn)生重構(gòu)的話音信號(hào)，如圖3-06(b)所示。
　　合成濾波器通常使用全極點(diǎn)(all pole)的短期(short-term)線性濾波器，它的函數(shù)如：
　　
其中
　　
　　是預(yù)測(cè)誤差濾波器，這個(gè)濾波器是按照這樣的原則確定的：當(dāng)原始話音段通過(guò)該濾波器時(shí)產(chǎn)生的殘留信號(hào)的能量最小。濾波器的極點(diǎn)數(shù)的典型值等于10。這個(gè)濾波器企圖去模擬由于聲道作用而引入的話音相關(guān)性。
　　合成濾波器也可以包含音節(jié)(pitch)濾波器，用來(lái)模擬話音中出現(xiàn)的長(zhǎng)期預(yù)測(cè)。MPE和RPE編譯碼器一般不使用音節(jié)濾波器，對(duì)于CELP編譯碼器，音節(jié)濾波器則顯得非常重要。
　　圖3-06中的“誤差加權(quán)”方框用來(lái)塑造誤差信號(hào)譜的形狀，目的是減少誤差信號(hào)的主觀響度。這樣做的想法是，在話音信號(hào)能量很高的頻段中，誤差信號(hào)至少有部分能夠被高能量的話音掩蔽掉。
　　AbS編譯碼器的性能與如何選擇激勵(lì)合成濾波器的波形u(n)有很大關(guān)系。從概念上說(shuō)，可把每一種可能的波形輸送給合成濾波器試試看，這種激勵(lì)信號(hào)將會(huì)產(chǎn)生什么樣的重構(gòu)話音信號(hào)，它和原始話音信號(hào)之間的誤差如何變化，然后選擇產(chǎn)生最小加權(quán)誤差的激勵(lì)信號(hào)，并把它作為譯碼器中的合成濾波器的驅(qū)動(dòng)信號(hào)。由于編碼器是一個(gè)閉環(huán)系統(tǒng)，因此可以獲得比較高的音質(zhì)而數(shù)據(jù)率又比較低。但由于可能的激勵(lì)信號(hào)的數(shù)目巨大，因此需要有某種方法來(lái)減少計(jì)算的復(fù)雜性而音質(zhì)又不會(huì)犧牲太大。
　　MPE，RPE和CELP編譯碼器之間的差別在于所使用的激勵(lì)信號(hào)的表示方法。在MPE中，對(duì)每幀話音所用的激勵(lì)信號(hào)u(n)是固定數(shù)目的脈沖，在一幀中脈沖的位置和幅度必須由編碼器來(lái)確定，這在理論上可以找到很好的值，但實(shí)際上不太可能，因?yàn)橛?jì)算太復(fù)雜。因此在實(shí)際上就使用次佳方法，一般來(lái)說(shuō)，每5 ms使用4個(gè)脈沖，在數(shù)據(jù)率為10 kb/s時(shí)可以獲得好的重構(gòu)話音。
　　像MPE那樣，RPE編譯碼器使用固定間隔的脈沖，于是編碼器就只需要確定第一個(gè)激勵(lì)脈沖的位置和所有其他脈沖的幅度，所需要的脈沖位置信息也就可以減少，而脈沖的數(shù)目則比MPE使用的數(shù)目多。數(shù)據(jù)率在10 kb/s左右時(shí)，每5 ms可使用10個(gè)脈沖，比MPE多6個(gè)，產(chǎn)生比MPE音質(zhì)高一些的重構(gòu)話音。然而RPE仍然顯得比較復(fù)雜，因此歐洲的GSM移動(dòng)電話系統(tǒng)使用了一個(gè)帶長(zhǎng)期預(yù)測(cè)的簡(jiǎn)化了的RPE編譯碼器，數(shù)據(jù)率為13 kb/s。
　　雖然MPE和RPE編譯碼器在10 kb/s左右的數(shù)據(jù)率下可提供好的音質(zhì)，但數(shù)據(jù)率低于10 kb/s情況下提供的音質(zhì)還不能接受，這是因?yàn)樗鼈冃枰峁┐罅坑嘘P(guān)激勵(lì)脈沖的位置和幅度信息。對(duì)要求音質(zhì)好而數(shù)據(jù)率又低于10 kb/s的編譯碼器，現(xiàn)在普遍使用的算法是1985年由Schroeder和Atal提出的CELP算法。與MPE和RPE的不同之處是，CELP使用的激勵(lì)信號(hào)是量化矢量。激勵(lì)信號(hào)由一個(gè)矢量量化大碼簿的表項(xiàng)給出，還有一個(gè)增益項(xiàng)用來(lái)擴(kuò)展它的功率。典型的碼簿索引有10位，就是有1024個(gè)表項(xiàng)的碼簿，增益用5位表示。因此激勵(lì)信號(hào)的位數(shù)可以減少到15位，這與GSM RPE編譯碼器中使用的47位相比減少了32位。
　　CELP最初使用的碼簿包含白高斯序列(white Gaussian sequences)，這是因?yàn)樽髁诉@樣的假設(shè)：長(zhǎng)期預(yù)測(cè)和短期預(yù)測(cè)能夠從話音信號(hào)中去除幾乎所有的冗余度，產(chǎn)生隨機(jī)的像噪聲那樣的殘留信號(hào)。試驗(yàn)也顯示出短期概率密度函數(shù)幾乎是高斯?fàn)畹?。Schroeder和Atal發(fā)現(xiàn)，對(duì)長(zhǎng)期和短期濾波器使用這樣的碼簿能夠產(chǎn)生高質(zhì)量的話音。然而，在合成-分析過(guò)程中要選擇使用哪一個(gè)碼簿表項(xiàng)，這就意味每一個(gè)激勵(lì)序列都要傳送給合成濾波器，看看重構(gòu)話音與原始話音的近似程度。這也就是說(shuō)原始CELP編譯碼器的計(jì)算量太大，難以實(shí)時(shí)執(zhí)行。從1985年開(kāi)始，在簡(jiǎn)化CELP的碼簿結(jié)構(gòu)方面做了大量的工作，使用數(shù)字信號(hào)處理(DSP)芯片提高執(zhí)行速度方面也取得了很大的進(jìn)展，因此現(xiàn)在在低成本的單片DSP上實(shí)時(shí)執(zhí)行CELP算法相對(duì)容易了，在CELP基礎(chǔ)上制定了好幾個(gè)重要的話音編碼標(biāo)準(zhǔn)，例如美國(guó)的“Department of Defence(DoD) 4.8 kb/s codec”標(biāo)準(zhǔn)和CCITT的“l(fā)ow-delay 16 kb/s codec”標(biāo)準(zhǔn)。
　　CELP編譯碼器在話音通信中取得了很大成功，話音的速率在4.8 kb/s～16 kb/s之間。近年來(lái)對(duì)運(yùn)行在4.8 kb/s以下的編譯碼器作了大量的研究工作，其目標(biāo)是開(kāi)發(fā)運(yùn)行在2.4 kb/s或者更低數(shù)據(jù)率下的編譯碼器。
　　通過(guò)對(duì)話音段進(jìn)行分類，例如分成濁音幀、清音幀和過(guò)渡幀，CELP編譯碼器的結(jié)構(gòu)可以進(jìn)一步得到改善，不同類型的話音段使用專門設(shè)計(jì)的編碼器進(jìn)行編碼。例如，對(duì)于濁音幀編碼器不使用長(zhǎng)期預(yù)測(cè)，而對(duì)于清音幀使用長(zhǎng)期預(yù)測(cè)就顯得特別重要。這種按話音類型設(shè)計(jì)的編譯碼器在數(shù)據(jù)率為2.4 kb/s下呈現(xiàn)的音質(zhì)已經(jīng)得到認(rèn)可。多帶激勵(lì)MBE(multi-band excitation)編譯碼器把頻域中的某些頻段看成是濁音頻段，其他頻段看成是清音頻段。它們傳送每幀的音節(jié)周期、頻譜的幅度和相位信息以及濁音/清音的判決。這種編譯碼器經(jīng)過(guò)改造以后也顯示出了它的潛力，在低數(shù)據(jù)率下可提供認(rèn)可的音質(zhì)。
　　在數(shù)據(jù)率為2.4 kb/s～64 kb/s的范圍里，部分編碼器的MOS分?jǐn)?shù)大致如表3-01所示。

3.2 脈沖編碼調(diào)制(PCM)

3.2.1 PCM的概念

　　脈沖編碼調(diào)制(pulse code modulation，PCM)是概念上最簡(jiǎn)單、理論上最完善的編碼系統(tǒng)，是最早研制成功、使用最為廣泛的編碼系統(tǒng)，但也是數(shù)據(jù)量最大的編碼系統(tǒng)。
　　PCM的編碼原理比較直觀和簡(jiǎn)單，它的原理框圖如圖3–07所示。在這個(gè)編碼框圖中，它的輸入是模擬聲音信號(hào)，它的輸出是PCM樣本。圖中的“防失真濾波器”是一個(gè)低通濾波器，用來(lái)濾除聲音頻帶以外的信號(hào)；“波形編碼器”可暫時(shí)理解為“采樣器”，“量化器”可理解為“量化階大小(step-size)”生成器或者稱為“量化間隔”生成器。

圖3-07 PCM編碼框圖

　　在第2章介紹聲音數(shù)字化的時(shí)候，談到聲音數(shù)字化有兩個(gè)步驟：第一步是采樣，就是每隔一段時(shí)間間隔讀一次聲音的幅度；第二步是量化，就是把采樣得到的聲音信號(hào)幅度轉(zhuǎn)換成數(shù)字值。但那時(shí)并沒(méi)有涉及如何進(jìn)行量化。量化有好幾種方法，但可歸納成兩類：一類稱為均勻量化，另一類稱為非均勻量化。采用的量化方法不同，量化后的數(shù)據(jù)量也就不同。因此，可以說(shuō)量化也是一種壓縮數(shù)據(jù)的方法。

　　如果采用相等的量化間隔對(duì)采樣得到的信號(hào)作量化，那么這種量化稱為均勻量化。均勻量化就是采用相同的“等分尺”來(lái)度量采樣得到的幅度，也稱為線性量化，如圖3-08所示。量化后的樣本值Y和原始值X的差E=Y-X稱為量化誤差或量化噪聲。

圖3-08 均勻量化

　　用這種方法量化輸入信號(hào)時(shí)，無(wú)論對(duì)大的輸入信號(hào)還是小的輸入信號(hào)一律都采用相同的量化間隔。為了適應(yīng)幅度大的輸入信號(hào)，同時(shí)又要滿足精度要求，就需要增加樣本的位數(shù)。但是，對(duì)話音信號(hào)來(lái)說(shuō)，大信號(hào)出現(xiàn)的機(jī)會(huì)并不多，增加的樣本位數(shù)就沒(méi)有充分利用。為了克服這個(gè)不足，就出現(xiàn)了非均勻量化的方法，這種方法也叫做非線性量化。

　　非線性量化的基本想法是，對(duì)輸入信號(hào)進(jìn)行量化時(shí)，大的輸入信號(hào)采用大的量化間隔，小的輸入信號(hào)采用小的量化間隔，如圖3-09所示。這樣就可以在滿足精度要求的情況下用較少的位數(shù)來(lái)表示。聲音數(shù)據(jù)還原時(shí)，采用相同的規(guī)則。
　　在非線性量化中，采樣輸入信號(hào)幅度和量化輸出數(shù)據(jù)之間定義了兩種對(duì)應(yīng)關(guān)系，一種稱為 m 律壓擴(kuò)(companding)算法，另一種稱為A律壓擴(kuò)算法。

圖3-09 非均勻量化

　　m 律(m -Law)壓擴(kuò)(G.711)主要用在北美和日本等地區(qū)的數(shù)字電話通信中，按下面的式子確定量化輸入和輸出的關(guān)系：
　　
式中：x為輸入信號(hào)幅度，規(guī)格化成-1≤x≤1 ;
　　sgn(x)為x的極性；
　　m 為確定壓縮量的參數(shù)，它反映最大量化間隔和最小量化間隔之比，取100 ￡ m ￡ 500。
　　由于m 律壓擴(kuò)的輸入和輸出關(guān)系是對(duì)數(shù)關(guān)系，所以這種編碼又稱為對(duì)數(shù)PCM。具體計(jì)算時(shí)，用m＝255，把對(duì)數(shù)曲線變成8條折線以簡(jiǎn)化計(jì)算過(guò)程。詳細(xì)計(jì)算請(qǐng)看參考文獻(xiàn)[17]。

　　A律(A-Law)壓擴(kuò)(G.711)主要用在歐洲和中國(guó)大陸等地區(qū)的數(shù)字電話通信中，按下面的式子確定量化輸入和輸出的關(guān)系：
　　 　　　　0 ￡ |x| ￡ 1/A
　　 　　1/A < |x| ￡ 1
　　式中：x為輸入信號(hào)幅度，規(guī)格化成 -1 ￡ x ￡ 1;
　　sgn(x)為x的極性；
　　A為確定壓縮量的參數(shù)，它反映最大量化間隔和最小量化間隔之比。
　　A律壓擴(kuò)的前一部分是線性的，其余部分與m 律壓擴(kuò)相同。具體計(jì)算時(shí)，A＝87.56，為簡(jiǎn)化計(jì)算，同樣把對(duì)數(shù)曲線部分變成折線。詳細(xì)計(jì)算請(qǐng)看參考文獻(xiàn)[17]。
　　對(duì)于采樣頻率為8 kHz，樣本精度為13位、14位或者16位的輸入信號(hào)，使用m 律壓擴(kuò)編碼或者使用A律壓擴(kuò)編碼，經(jīng)過(guò)PCM編碼器之后每個(gè)樣本的精度為8位，輸出的數(shù)據(jù)率為64 kb/s。這個(gè)數(shù)據(jù)就是CCITT推薦的G.711標(biāo)準(zhǔn)：話音頻率脈沖編碼調(diào)制(Pulse Code Modulation (PCM) of Voice Frequences)。

3.3 PCM在通信中的應(yīng)用

　　PCM編碼早期主要用于話音通信中的多路復(fù)用。一般來(lái)說(shuō)，在電信網(wǎng)中傳輸媒體費(fèi)用約占總成本的65%，設(shè)備費(fèi)用約占成本的35%，因此提高線路利用率是一個(gè)重要課題。提高線路利用率通常用下面兩種方法：
　　1. 頻分多路復(fù)用 (frequency-division multiplexing，F(xiàn)DM)
　　這種方法是把傳輸信道的頻帶分成好幾個(gè)窄帶，每個(gè)窄帶傳送一路信號(hào)。例如，一個(gè)信道的頻帶為1400 Hz，把這個(gè)信道分成4個(gè)子信道(subchannels)：820～990 Hz, 1230～1400 Hz, 1640～1810 Hz和2050～2220 Hz，相鄰子信道間相距240 Hz，用于確保子信道之間不相互干擾。每對(duì)用戶僅占用其中的一個(gè)子信道。這是模擬載波通信的主要手段。
　　2. 時(shí)分多路復(fù)用(time-division multiplexing，TDM)
　　這種方法是把傳輸信道按時(shí)間來(lái)分割，為每個(gè)用戶指定一個(gè)時(shí)間間隔，每個(gè)間隔里傳輸信號(hào)的一部分，這樣就可以使許多用戶同時(shí)使用一條傳輸線路。這是數(shù)字通信的主要手段。例如，話音信號(hào)的采樣頻率f＝8000 Hz，它的采樣周期＝125 m s，這個(gè)時(shí)間稱為1幀(frame)。在這個(gè)時(shí)間里可容納的話路數(shù)有兩種規(guī)格：24路制和30路制。圖3-10表示了24路制的結(jié)構(gòu)。

圖3-10 24路PCM的幀結(jié)構(gòu)

　　24路制的重要參數(shù)如下：

　　　●每秒鐘傳送8000幀，每幀125 m s。
　　　●12幀組成1復(fù)幀(用于同步)。
　　　●每幀由24個(gè)時(shí)間片(信道)和1位同步位組成。
　　　●每個(gè)信道每次傳送8位代碼，1幀有24 × 8 ＋1＝193位(位)。
　　　●數(shù)據(jù)傳輸率R＝8000×193＝1544 kb/s。
　　　●每一個(gè)話路的數(shù)據(jù)傳輸率＝8000×8=64 kb/s。
　　30路制的重要參數(shù)如下：
　　　●每秒鐘傳送8000幀，每幀125 ms。
　　　●16幀組成1復(fù)幀(用于同步)。
　　　●每幀由32個(gè)時(shí)間片(信道)組成。
　　　●每個(gè)信道每次傳送8位代碼。
　　　●數(shù)據(jù)傳輸率：R＝8000×32×8＝2048 kb/s。
　　　●每一個(gè)話路的數(shù)據(jù)傳輸率＝8000×8=64 kb/s。
　　時(shí)分多路復(fù)用(TDM)技術(shù)已廣泛用在數(shù)字電話網(wǎng)中，為反映PCM信號(hào)復(fù)用的復(fù)雜程度，通常用“群(group)”這個(gè)術(shù)語(yǔ)來(lái)表示，也稱為數(shù)字網(wǎng)絡(luò)的等級(jí)。PCM通信方式發(fā)展很快，傳輸容量已由一次群(基群)的30路(或24路)，增加到二次群的120路(或96路)，三次群的480路(或384路)，……。圖3-11表示二次復(fù)用的示意圖。圖中的N表示話路數(shù)，無(wú)論N＝30還是N＝24，每個(gè)信道的數(shù)據(jù)率都是64 kb/s，經(jīng)過(guò)一次復(fù)用后的數(shù)據(jù)率就變成2048 kb/s(N＝30)或者1544 kb/s(N＝24)。在數(shù)字通信中，具有這種數(shù)據(jù)率的線路在北美叫做T1遠(yuǎn)距離數(shù)字通信線，提供這種數(shù)據(jù)率服務(wù)的級(jí)別稱為T1等級(jí)，在歐洲叫做E1遠(yuǎn)距離數(shù)字通信線和E1等級(jí)。T1/E1，T2/E2，T3/E3，T4/E4和T5/E5的數(shù)據(jù)率如表3-02所示。請(qǐng)注意，上述基本概念都是在多媒體通信中經(jīng)常用到的。

圖3-11 二次復(fù)用示意圖

表3-02 多次復(fù)用的數(shù)據(jù)傳輸率

3.4 增量調(diào)制與自適應(yīng)增量調(diào)制

　　由于DM編碼的簡(jiǎn)單性，它已成為數(shù)字通信和壓縮存儲(chǔ)的一種重要方法，很多人對(duì)最早在1946年發(fā)明的DM系統(tǒng)做了大量的改進(jìn)和提高工作。后來(lái)的自適應(yīng)增量調(diào)制ADM系統(tǒng)采用十分簡(jiǎn)單的算法就能實(shí)現(xiàn)32 kb/s～48 kb/s的數(shù)據(jù)率，而且可提供高質(zhì)量的重構(gòu)話音，它的MOS評(píng)分可達(dá)到4.3分左右。

　　增量調(diào)制也稱△調(diào)制(delta modulation，DM)，它是一種預(yù)測(cè)編碼技術(shù)，是PCM編碼的一種變形。PCM是對(duì)每個(gè)采樣信號(hào)的整個(gè)幅度進(jìn)行量化編碼，因此它具有對(duì)任意波形進(jìn)行編碼的能力；DM是對(duì)實(shí)際的采樣信號(hào)與預(yù)測(cè)的采樣信號(hào)之差的極性進(jìn)行編碼，將極性變成“0”和“1”這兩種可能的取值之一。如果實(shí)際的采樣信號(hào)與預(yù)測(cè)的采樣信號(hào)之差的極性為“正”，則用“1”表示；相反則用“0”表示，或者相反。由于DM編碼只須用1位對(duì)話音信號(hào)進(jìn)行編碼，所以DM編碼系統(tǒng)又稱為“1位系統(tǒng)”。
　　DM波形編碼的原理如圖3-12所示。縱坐標(biāo)表示“模擬信號(hào)輸入幅度”，橫坐標(biāo)表示“編碼輸出”。用i表示采樣點(diǎn)的位置，x[i]表示在i點(diǎn)的編碼輸出。輸入信號(hào)的實(shí)際值用y_i表示，輸入信號(hào)的預(yù)測(cè)值用y[i+1]=y[i]±Δ表示。假設(shè)采用均勻量化，量化階的大小為Δ，在開(kāi)始位置的輸入信號(hào)y₀=0，預(yù)測(cè)值y[0]=0，編碼輸出x[0]=1。
　　現(xiàn)在讓我們看幾個(gè)采樣點(diǎn)的輸出。在采樣點(diǎn)i=1處，預(yù)測(cè)值y[1]=Δ，由于實(shí)際輸入信號(hào)大于預(yù)測(cè)值，因此x[1]=1；… ；在采樣點(diǎn)i=4處，預(yù)測(cè)值x[4] =4Δ，同樣由于實(shí)際輸入信號(hào)大于預(yù)測(cè)值，因此x[4]=1；其他情況依此類推。
　　從圖3-12中可以看到，在開(kāi)始階段增量調(diào)制器的輸出不能保持跟蹤輸入信號(hào)的快速變化，這種現(xiàn)象就稱為增量調(diào)制器的“斜率過(guò)載”(slope overload)。一般來(lái)說(shuō)，當(dāng)輸入信號(hào)的變化速度超過(guò)反饋回路輸出信號(hào)的最大變化速度時(shí)，就會(huì)出現(xiàn)斜率過(guò)載。之所以會(huì)出現(xiàn)這種現(xiàn)象，主要是反饋回路輸出信號(hào)的最大變化速率受到量化階大小的限制，因?yàn)榱炕A的大小是固定的。
　　從圖3-12中還可以看到，在輸入信號(hào)緩慢變化部分，即輸入信號(hào)與預(yù)測(cè)信號(hào)的差值接近零的區(qū)域，增量調(diào)制器的輸出出現(xiàn)隨機(jī)交變的“0”和“1”。這種現(xiàn)象稱為增量調(diào)制器的粒狀噪聲(granular noise)，這種噪聲是不可能消除的。

圖3-12 DM波形編碼示意圖

　　在輸入信號(hào)變化快的區(qū)域，斜率過(guò)載是關(guān)心的焦點(diǎn)，而在輸入信號(hào)變化慢的區(qū)域，關(guān)心的焦點(diǎn)是粒狀噪聲。為了盡可能避免出現(xiàn)斜率過(guò)載，就要加大量化階Δ，但這樣做又會(huì)加大粒狀噪聲；相反，如果要減小粒狀噪聲，就要減小量化階Δ，這又會(huì)使斜率過(guò)載更加嚴(yán)重。這就促進(jìn)了對(duì)自適應(yīng)增量調(diào)制(adaptive delta modulation，ADM)的研究。

　　為了使增量調(diào)制器的量化階Δ能自適應(yīng)，也就是根據(jù)輸入信號(hào)斜率的變化自動(dòng)調(diào)整量化階Δ的大小，以使斜率過(guò)載和粒狀噪聲都減到最小，許多研究人員研究了各種各樣的方法，而且?guī)缀跛械姆椒ɑ旧隙际窃跈z測(cè)到斜率過(guò)載時(shí)開(kāi)始增大量化階Δ，而在輸入信號(hào)的斜率減小時(shí)降低量化階Δ。
　　例如，宋(Song)在1971描述的自適應(yīng)增量調(diào)制技術(shù)中提出：假定增量調(diào)制器的輸出為1和0，每當(dāng)輸出不變時(shí)量化階增大50%，使預(yù)測(cè)器的輸出跟上輸入信號(hào)；每當(dāng)輸出值改變時(shí)，量化階減小50%，使粒狀噪聲減到最小，這種自適應(yīng)方法使斜率過(guò)載和粒狀噪聲同時(shí)減到最小。
　　又如，使用較多的另一種自適應(yīng)增量調(diào)制器是由格林弗基斯(Greefkes)1970提出的，稱為連續(xù)可變斜率增量調(diào)制(continuously variable slope delta modulation，CVSD)。它的基本方法是：如果連續(xù)可變斜率增量調(diào)制器(continuously variable slope delta modulator，CVSD)的輸出連續(xù)出現(xiàn)三個(gè)相同的值，量化階就加上一個(gè)大的增量，反之，就加一個(gè)小的增量。
　　為了適應(yīng)數(shù)字通信快速增長(zhǎng)的需要，Motorola公司于80年代初期就已經(jīng)開(kāi)發(fā)了實(shí)現(xiàn)CVSD算法的集成電路芯片。如MC3417/MC3517和MC3418/MC3518，前者采用3位算法，后者采用4位算法。MC3417/MC3517用于一般的數(shù)字通信，MC3418/MC3518用于數(shù)字電話。MC3417/MC3418用于民用，MC3517/MC3518用于軍用。

3.5 自適應(yīng)差分脈沖編碼調(diào)制

　　G.711使用A律或μ律PCM方法對(duì)采樣率為8 kHz的聲音數(shù)據(jù)進(jìn)行壓縮，壓縮后的數(shù)據(jù)率為64 kb/s。為了提高充分利用線路資源，而又不希望明顯降低傳送話音信號(hào)的質(zhì)量，就要對(duì)它作進(jìn)一步壓縮，方法之一就是采用ADPCM。

　　自適應(yīng)脈沖編碼調(diào)制(adaptive pulse code modulation，APCM)是根據(jù)輸入信號(hào)幅度大小來(lái)改變量化階大小的一種波形編碼技術(shù)。這種自適應(yīng)可以是瞬時(shí)自適應(yīng)，即量化階的大小每隔幾個(gè)樣本就改變，也可以是音節(jié)自適應(yīng)，即量化階的大小在較長(zhǎng)時(shí)間周期里發(fā)生變化。
　　改變量化階大小的方法有兩種：一種稱為前向自適應(yīng)(forward adaptation)，另一種稱為后向自適應(yīng)(backward adaptation)。前者是根據(jù)未量化的樣本值的均方根值來(lái)估算輸入信號(hào)的電平，以此來(lái)確定量化階的大小，并對(duì)其電平進(jìn)行編碼作為邊信息(side information)傳送到接收端。后者是從量化器剛輸出的過(guò)去樣本中來(lái)提取量化階信息。由于后向自適應(yīng)能在發(fā)收兩端自動(dòng)生成量化階，所以它不需要傳送邊信息。前向自適應(yīng)和后向自適應(yīng)APCM的基本概念，如圖3-13所示。圖中的s(k)是發(fā)送端編碼器的輸入信號(hào)，s_r(k)是接收端譯碼器輸出的信號(hào)。

(a) 前向自適應(yīng)

(b) 后向自適應(yīng)
圖3-13 APCM方塊圖

3.5.2 差分脈沖編碼調(diào)制(DPCM)的概念

　　差分脈沖編碼調(diào)制DPCM(differential pulse code modulation)是利用樣本與樣本之間存在的信息冗余度來(lái)進(jìn)行編碼的一種數(shù)據(jù)壓縮技術(shù)。差分脈沖編碼調(diào)制的思想是，根據(jù)過(guò)去的樣本去估算(estimate)下一個(gè)樣本信號(hào)的幅度大小，這個(gè)值稱為預(yù)測(cè)值，然后對(duì)實(shí)際信號(hào)值與預(yù)測(cè)值之差進(jìn)行量化編碼，從而就減少了表示每個(gè)樣本信號(hào)的位數(shù)。它與脈沖編碼調(diào)制(PCM)不同的是，PCM是直接對(duì)采樣信號(hào)進(jìn)行量化編碼，而DPCM是對(duì)實(shí)際信號(hào)值與預(yù)測(cè)值之差進(jìn)行量化編碼，存儲(chǔ)或者傳送的是差值而不是幅度絕對(duì)值，這就降低了傳送或存儲(chǔ)的數(shù)據(jù)量。此外，它還能適應(yīng)大范圍變化的輸入信號(hào)。
　　差分脈沖編碼調(diào)制的概念示于圖3-14。圖中，差分信號(hào)d(k)是離散輸入信號(hào)s(k)和預(yù)測(cè)器輸出的估算值s_e(k-1)之差。注意，s_e(k-1)是對(duì)s(k)的預(yù)測(cè)值，而不是過(guò)去樣本的實(shí)際值。DPCM系統(tǒng)實(shí)際上就是對(duì)這個(gè)差值d(k)進(jìn)行量化編碼，用來(lái)補(bǔ)償過(guò)去編碼中產(chǎn)生的量化誤差。DPCM系統(tǒng)是一個(gè)負(fù)反饋系統(tǒng)，采用這種結(jié)構(gòu)可以避免量化誤差的積累。重構(gòu)信號(hào)s_r(k)是由逆量化器產(chǎn)生的量化差分信號(hào)d_q(k)，與對(duì)過(guò)去樣本信號(hào)的估算值s_e(k-1)求和得到。它們的和，即s_r(k)作為預(yù)測(cè)器確定下一個(gè)信號(hào)估算值的輸入信號(hào)。由于在發(fā)送端和接收s_e(k-1)端都使用相同的逆量化器和預(yù)測(cè)器，所以接收端的重構(gòu)信號(hào)s_r(k)可從傳送信號(hào)I(k)獲得。

圖3-14 DPCM方塊圖

3.5.3 自適應(yīng)差分脈沖編碼調(diào)制(ADPCM)

　　ADPCM(adaptive difference pulse code modulation)綜合了APCM的自適應(yīng)特性和DPCM系統(tǒng)的差分特性，是一種性能比較好的波形編碼。它的核心想法是：①利用自適應(yīng)的思想改變量化階的大小，即使用小的量化階(step-size)去編碼小的差值，使用大的量化階去編碼大的差值,②使用過(guò)去的樣本值估算下一個(gè)輸入樣本的預(yù)測(cè)值，使實(shí)際樣本值和預(yù)測(cè)值之間的差值總是最小。它的編碼簡(jiǎn)化框圖如圖3-15所示。
　　接收端的譯碼器使用與發(fā)送端相同的算法，利用傳送來(lái)的信號(hào)來(lái)確定量化器和逆量化器中的量化階大小，并且用它來(lái)預(yù)測(cè)下一個(gè)接收信號(hào)的預(yù)測(cè)值。

圖3-15 ADPCM方塊圖

　　ADPCM是利用樣本與樣本之間的高度相關(guān)性和量化階自適應(yīng)來(lái)壓縮數(shù)據(jù)的一種波形編碼技術(shù)，CCITT為此制定了G.721推薦標(biāo)準(zhǔn)，這個(gè)標(biāo)準(zhǔn)叫做32 kb/s自適應(yīng)差分脈沖編碼調(diào)制——32 kb/s Adaptive Differential Pulse Code Modulation[7]。在此基礎(chǔ)上還制定了G.721的擴(kuò)充推薦標(biāo)準(zhǔn)，即G.723 —— Extension of Recommendation G.721 Adaptive Differential Pulse Code Modulation to 24 and 40 kb/s for Digital Circuit Multiplication Equipment Application，使用該標(biāo)準(zhǔn)的編碼器的數(shù)據(jù)率可降低到40 kb/s和24 kb/s。
　　CCITT推薦的G.721 ADPCM標(biāo)準(zhǔn)是一個(gè)代碼轉(zhuǎn)換系統(tǒng)。它使用ADPCM轉(zhuǎn)換技術(shù)，實(shí)現(xiàn)64 kb/s A律或μ律PCM速率和32 kb/s速率之間的相互轉(zhuǎn)換。G.721 ADPCM的簡(jiǎn)化框圖如圖3-16所示。

(a) ADPCM編碼器

(b) ADPCM譯碼器
圖3-16 G.721 ADPCM簡(jiǎn)化框圖

  在圖3-16(a)所示的編碼器中，A律或μ律PCM輸入信號(hào)轉(zhuǎn)換成均勻的PCM。差分信號(hào)等于均勻的PCM輸入信號(hào)與預(yù)測(cè)信號(hào)之差?！白赃m應(yīng)量化器”用4位二進(jìn)制數(shù)表示差分信號(hào)，但只用其中的15個(gè)數(shù)(即15個(gè)量級(jí))來(lái)表示差分信號(hào)，這是為防止出現(xiàn)全“0”信號(hào)?！澳孀赃m應(yīng)量化器”從這4位相同的代碼中產(chǎn)生量化差分信號(hào)。預(yù)測(cè)信號(hào)和這個(gè)量化差分信號(hào)相加產(chǎn)生重構(gòu)信號(hào)。“自適應(yīng)預(yù)測(cè)器”根據(jù)重構(gòu)信號(hào)和量化差分信號(hào)產(chǎn)生輸入信號(hào)的預(yù)測(cè)信號(hào)，這樣就構(gòu)成了一個(gè)負(fù)反饋回路。
　　G.721 ADPCM編譯碼器的輸入信號(hào)是G.711 PCM代碼，采樣率是8 kHz，每個(gè)代碼用8位表示，因此它的數(shù)據(jù)率為64 kb/s。而G.721 ADPCM的輸出代碼是“自適應(yīng)量化器”的輸出，該輸出是用4位表示的差分信號(hào)，它的采樣率仍然是8 kHz，它的數(shù)據(jù)率為32 kb/s，這樣就獲得了2∶1的數(shù)據(jù)壓縮。
　　在圖3-16(b)所示的譯碼器中，譯碼器的部分結(jié)構(gòu)與編碼器負(fù)反饋回路部分相同。此外，還包含有均勻PCM到A律或μ律PCM的轉(zhuǎn)換部分，以及同步編碼調(diào)整(synchronous coding adjustment)部分。設(shè)置同步(串行)編碼調(diào)整的目的是為防止在同步串行編碼期間出現(xiàn)的累積信號(hào)失真。

3.6 G.722 SB-ADPCM編譯碼器

　　為了適應(yīng)可視電話會(huì)議日益增長(zhǎng)的迫切需要，1988年CCITT為此制定了G.722推薦標(biāo)準(zhǔn)，叫做“數(shù)據(jù)率為64 kb/s的7 kHz聲音信號(hào)編碼——7 kHz Audio-coding with 64 kb/s”[8][9]。這個(gè)標(biāo)準(zhǔn)把話音信號(hào)的質(zhì)量由電話質(zhì)量提高到AM無(wú)線電廣播質(zhì)量，而其數(shù)據(jù)傳輸率仍保持為64 kb/s。
　　寬帶話音是指帶寬在50～7000 Hz的話音，這種話音在可懂度和自然度方面都比帶寬為300～3400的話音有明顯的提高，也更容易識(shí)別對(duì)方的說(shuō)話人。

　　子帶編碼(subband coding，SBC)的基本思想是：使用一組帶通濾波器(band-pass filter，BPF)把輸入音頻信號(hào)的頻帶分成若干個(gè)連續(xù)的頻段，每個(gè)頻段稱為子帶。對(duì)每個(gè)子帶中的音頻信號(hào)采用單獨(dú)的編碼方案去編碼。在信道上傳送時(shí)，將每個(gè)子帶的代碼復(fù)合起來(lái)。在接收端譯碼時(shí)，將每個(gè)子帶的代碼單獨(dú)譯碼，然后把它們組合起來(lái)，還原成原來(lái)的音頻信號(hào)。子帶編碼的方塊圖如圖3-17所示，圖中的編碼/譯碼器，可以采用ADPCM，APCM，PCM等。

圖3-17 子帶編碼方塊圖

　　采用對(duì)每個(gè)子帶分別編碼的好處有二個(gè)。第一，對(duì)每個(gè)子帶信號(hào)分別進(jìn)行自適應(yīng)控制，量化階(quantization step)的大小可以按照每個(gè)子帶的能量電平加以調(diào)節(jié)。具有較高能量電平的子帶用大的量化階去量化，以減少總的量化噪聲。第二，可根據(jù)每個(gè)子帶信號(hào)在感覺(jué)上的重要性，對(duì)每個(gè)子帶分配不同的位數(shù)，用來(lái)表示每個(gè)樣本值。例如，在低頻子帶中，為了保護(hù)音調(diào)和共振峰的結(jié)構(gòu)，就要求用較小的量化階、較多的量化級(jí)數(shù)，即分配較多的位數(shù)來(lái)表示樣本值。而話音中的摩擦音和類似噪聲的聲音，通常出現(xiàn)在高頻子帶中，對(duì)它分配較少的位數(shù)。
　　音頻頻帶的分割可以用樹(shù)型結(jié)構(gòu)的式樣進(jìn)行劃分。首先把整個(gè)音頻信號(hào)帶寬分成兩個(gè)相等帶寬的子帶：高頻子帶和低頻子帶。然后對(duì)這兩個(gè)子帶用同樣的方法劃分，形成4個(gè)子帶。這個(gè)過(guò)程可按需要重復(fù)下去，以產(chǎn)生2^K個(gè)子帶，K為分割的次數(shù)。用這種辦法可以產(chǎn)生等帶寬的子帶，也可以生成不等帶寬的子帶。例如，對(duì)帶寬為4000 Hz的音頻信號(hào)，當(dāng)K=3時(shí)，可分為8個(gè)相等帶寬的子帶，每個(gè)子帶的帶寬為500 Hz。也可生成5個(gè)不等帶寬的子帶，分別為［0,500),［500,1000)，[1000,2000),［2000,3000)和［3000，4000］。
　　把音頻信號(hào)分割成相鄰的子帶分量之后，用2倍于子帶帶寬的采樣頻率對(duì)子帶信號(hào)進(jìn)行采樣，就可以用它的樣本值重構(gòu)出原來(lái)的子帶信號(hào)。例如，把4000 Hz帶寬分成4個(gè)等帶寬子帶時(shí)，子帶帶寬為1000 Hz，采樣頻率可用2000 Hz，它的總采樣率仍然X是8000 Hz。
　　由于分割頻帶所用的濾波器不是理想的濾波器，經(jīng)過(guò)分帶、編碼、譯碼后合成的輸出音頻信號(hào)會(huì)有混迭效應(yīng)。據(jù)有關(guān)資料的分析，采用正交鏡象濾波器(quandrature mirror filter，QMF)來(lái)劃分頻帶，混迭效應(yīng)在最后合成時(shí)可以抵消。
　　圖3-18表示用QMF分割頻帶的子帶編譯碼簡(jiǎn)化框圖。圖中表示用QMF把全帶音頻信號(hào)分割成兩個(gè)等帶寬子帶的情況。h_H(n)和h_L(n)分別表示高通濾波器和低通濾波器，它們組成一對(duì)正交鏡象濾波器。這兩個(gè)濾波器也叫做分析濾波器。圖3-18(b)是QMF簡(jiǎn)化的幅頻特性。

(a) QMF分割頻道方框圖

(b) QMF幅頻特性簡(jiǎn)化圖

圖3-18 采用QMF的子帶編譯碼簡(jiǎn)化框圖

　　子帶編碼器SBC愈來(lái)愈受到重視。在中等速率的編碼系統(tǒng)中，SBC的動(dòng)態(tài)范圍寬、音質(zhì)高、成本低。使用子帶編碼技術(shù)的編譯碼器已開(kāi)始用于話音存儲(chǔ)轉(zhuǎn)發(fā)(voice store-and-forward)和話音郵件，采用2個(gè)子帶和ADPCM的編碼系統(tǒng)也已由CCITT作為G.722標(biāo)準(zhǔn)向全世界推薦使用。

　　采樣率為8 kHz、8位/樣本、數(shù)據(jù)率為64 kb/s的G.711標(biāo)準(zhǔn)是CCITT為話音信號(hào)頻率為300～3400 Hz制定的編譯碼標(biāo)準(zhǔn)，這屬于窄帶音頻信號(hào)編碼。現(xiàn)代的話音編碼技術(shù)已經(jīng)可以減少數(shù)據(jù)率，而又不致于顯著降低音質(zhì)。CCITT推薦的8 kHz采樣率、4位/樣本、32 kb/s的G.721標(biāo)準(zhǔn)，以及G.721的擴(kuò)充標(biāo)準(zhǔn)G.723，都說(shuō)明了話音壓縮編碼技術(shù)的進(jìn)展。
　　G.722是CCITT推薦的音頻信號(hào)(audio)編碼譯碼標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)是描述音頻信號(hào)帶寬為7 kHz、數(shù)據(jù)率為64 kb/s的編譯碼原理、算法和計(jì)算細(xì)節(jié)。G.722的主要目標(biāo)是保持64 kb/s的數(shù)據(jù)率，而音頻信號(hào)的質(zhì)量要明顯高于G.711的質(zhì)量。G.722標(biāo)準(zhǔn)把音頻信號(hào)采樣頻率由8 kHz提高到16 kHz，是G.711 PCM采樣率的2倍，因而要被編碼的信號(hào)頻率由原來(lái)的3.4 kHz擴(kuò)展到7 kHz。這就使音頻信號(hào)的質(zhì)量有很大改善，由數(shù)字電話的話音質(zhì)量提高到調(diào)幅(AM)無(wú)線電廣播的質(zhì)量。對(duì)話音信號(hào)質(zhì)量來(lái)說(shuō)，提高采樣率并無(wú)多大改善，但對(duì)音樂(lè)一類信號(hào)來(lái)說(shuō)，其質(zhì)量卻有很大提高。圖3-19對(duì)窄帶話音和寬帶音頻信道作了比較。G.722編碼標(biāo)準(zhǔn)在音頻信號(hào)的低頻端把截止頻率擴(kuò)展到50 Hz，其目的是為進(jìn)一步改善音頻信號(hào)的自然度。

圖3-19 窄帶和寬帶音頻信道頻率特性

　　在端對(duì)端(end-to-end)的數(shù)字連接應(yīng)用中，加到電話網(wǎng)上的回音(echo)音源并不十分強(qiáng)。然而，當(dāng)把現(xiàn)存窄帶通信鏈路和寬帶會(huì)議系統(tǒng)相互連接時(shí)，這種連接就可能引入比較強(qiáng)的回音源。如果寬帶信號(hào)端對(duì)端的延遲不加限制，回音控制就可能變得很困難。為了簡(jiǎn)化回音控制，G.722編譯碼器引入的延遲時(shí)間限制在4 ms以內(nèi)。
　　在某些應(yīng)用場(chǎng)合中，也許希望從64 kb/s信道中讓出一部分信道用來(lái)傳送其它的數(shù)據(jù)。因此，G.722定了三種音頻信號(hào)傳送方式，如表3-03所示。北美洲的信息限制音頻信號(hào)速率為56 kb/s，因此有8 kb/s的數(shù)據(jù)率用來(lái)傳送附加數(shù)據(jù)。

　　G.722編譯碼系統(tǒng)采用子帶自適應(yīng)差分脈沖編碼調(diào)制(sub-band adaptive differential pulse code modulation，SB-ADPCM)技術(shù)。在這個(gè)系統(tǒng)中，用正交鏡象濾波器(QMF)把頻帶分割成兩個(gè)等帶寬的子帶，分別是高頻子帶和低頻子帶。在每個(gè)子帶中的信號(hào)都用ADPCM進(jìn)行編碼。圖3-20是QMF的頻率響應(yīng)曲線，圖3-21表示G.722的簡(jiǎn)化框圖。低頻帶寬略大于常規(guī)的電話話音帶寬。對(duì)高子帶分配2位表示每個(gè)樣本值，而低子帶分配6位。因?yàn)?4 kb/s的G.722標(biāo)準(zhǔn)主要還是針對(duì)寬帶話音，其次才是音樂(lè)。

圖3-20 QMF濾波器的頻率響應(yīng)特性

圖3-21 7 kHz音頻信號(hào)64 kb/s數(shù)據(jù)率的編譯碼方塊圖

3.7 線性預(yù)測(cè)編碼(LPC)的概念

　　線性預(yù)測(cè)編碼(linear predictive coding，LPC)是一種非常重要的編碼方法。從原理上講，LPC是通過(guò)分析話音波形來(lái)產(chǎn)生聲道激勵(lì)和轉(zhuǎn)移函數(shù)的參數(shù)，對(duì)聲音波形的編碼實(shí)際就轉(zhuǎn)化為對(duì)這些參數(shù)的編碼，這就使聲音的數(shù)據(jù)量大大減少。在接收端使用LPC分析得到的參數(shù)，通過(guò)話音合成器重構(gòu)話音。合成器實(shí)際上是一個(gè)離散的隨時(shí)間變化的時(shí)變線性濾波器，它代表人的話音生成系統(tǒng)模型。時(shí)變線性濾波器既當(dāng)作預(yù)測(cè)器使用，又當(dāng)作合成器使用。分析話音波形時(shí)，主要是當(dāng)作預(yù)測(cè)器使用，合成話音時(shí)當(dāng)作話音生成模型使用。隨著話音波形的變化，周期性地使模型的參數(shù)和激勵(lì)條件適合新的要求。
　　線性預(yù)測(cè)器是使用過(guò)去的P個(gè)樣本值來(lái)預(yù)測(cè)現(xiàn)時(shí)刻的采樣值x(n)。如圖3-22所示，預(yù)測(cè)值可以用過(guò)去P個(gè)樣本值的線性組合來(lái)表示：
　　x_pre(n) ＝ -[a₁x(n-1)+a₂x(n-2)+……+a_px(n-p)] ＝
　　為方便起見(jiàn)，式中采用了負(fù)號(hào)。殘差誤差(residual error)即線性預(yù)測(cè)誤差為
　　　e(n)＝x(n)-x_pre(n) ＝
　　這是一個(gè)線性差分方程。
　　在給定的時(shí)間范圍里，如[n₀,n₁]，使e(n)的平方和即β＝[e(n)]²為最小，這樣可使預(yù)測(cè)得到的樣本值更精確。通過(guò)求解偏微分方程，可找到系數(shù)a_i的值。如果把發(fā)音器官等效成濾波器，這些系數(shù)值就可以理解成濾波器的系數(shù)。這些參數(shù)不再是聲音波形本身的值，而是發(fā)音器官的激勵(lì)參數(shù)。在接收端重構(gòu)的話音也不再具體復(fù)現(xiàn)真實(shí)話音的波形，而是合成的聲音。

圖3-22 預(yù)測(cè)概念

3.8 GSM編譯碼器簡(jiǎn)介

　　除了ADPCM算法已經(jīng)得到普遍應(yīng)用之外，還有一種使用較普遍的波形聲音壓縮算法叫做GSM算法。GSM是Global System for Mobile communications的縮寫，可譯成全球數(shù)字移動(dòng)通信系統(tǒng)。GSM算法是1992年柏林技術(shù)大學(xué)(Technical University Of Berlin)根據(jù)GSM協(xié)議開(kāi)發(fā)的，這個(gè)協(xié)議是歐洲最流行的數(shù)字蜂窩電話通信協(xié)議。
　　GSM的輸入是幀(frame)數(shù)據(jù)，一幀(20毫秒)由采樣頻率為8 kHz的帶符號(hào)的160個(gè)樣本組成，每個(gè)樣本為13位或者16位的線性PCM(linear PCM)碼。GSM編碼器可把一幀(160×16位)的數(shù)據(jù)壓縮成260位的GSM幀，壓縮后的數(shù)據(jù)率為1625字節(jié)，相當(dāng)于13 kb/s。由于260位不是8位的整數(shù)倍，因此編碼器輸出的GSM幀為264位的線性PCM碼。采樣頻率為8 kHz、每個(gè)樣本為16位的未壓縮的話音數(shù)據(jù)率為128 kb/s，使用GSM壓縮后的數(shù)據(jù)率為：
　　　　(264位×8000樣本/秒)/160樣本=13.2 千位/秒
　　GSM的壓縮比：128:13.2 = 9.7，近似于10:1。

練習(xí)與思考題

1. 用自己的語(yǔ)言說(shuō)出下面3種話音編譯碼器的基本想法。
   ① 波形編譯碼器，②音源編譯碼器，③混合編譯碼器
2. 列出你所知道的話音編譯碼器的主要指標(biāo)(至少2個(gè))。
3. 試說(shuō)混合編譯碼器的發(fā)展過(guò)程。
4. 什么叫做均勻量化？什么叫做非均勻量化？
5. 什么叫做m 律壓擴(kuò)？什么叫做A律壓擴(kuò)？
6. G.711標(biāo)準(zhǔn)定義的輸出數(shù)據(jù)率是多少？T1的數(shù)據(jù)率是多少？T2的數(shù)據(jù)率是多少？
7. 下圖是DM編碼器的原理圖，如果你已經(jīng)學(xué)過(guò)模擬電路和數(shù)字電路技術(shù)基礎(chǔ)，請(qǐng)分析該電路是如何完成增量調(diào)制編碼的。

DM編碼器原理圖

8. 自適應(yīng)脈沖編碼調(diào)制(APCM)的基本思想是什么？
9. 差分脈沖編碼調(diào)制(DPCM)的基本思想是什么？
10. 自適應(yīng)差分脈沖編碼調(diào)制(ADPCM)的兩個(gè)基本思想是什么？

參考文獻(xiàn)和站點(diǎn)

• Jason Woodard. Speech Coding.
  http://www-mobile.ecs./jason/speech_codecs/ (瀏覽日期：1999年1月30日)
• Esin Darici Haritaoglu. Wideband Speech and Audio Coding.
  http://www.umiacs./～desin/Speech1/new.html (瀏覽日期：1999年1月30日)
• 美國(guó)普渡大學(xué)課程：http://shay.ecn./～ee649/ (瀏覽日期：1999年2月4日)
• 通信器件：http://www./public/nf/TelecomTables-1.html (瀏覽日期：1999年2月4日)
• Thomas J. Lynch, Ph.D.. Data Compression Techniques and Application. Van Nostrand Reinhold Company，1985
• Thomas W. Parsons. Voice and Speech Processing. McGraw-Hill Book Company. 1986
• Sadaoki Furui. Digital Speech Processing, Synthesis, and Recognition. Marcel Dekker, INC.，1989
• CCITT. Recommendation G.711, Pulse Code Modulation (PCM) of Voice Frequences, Blue Book, Vol.III, Fascicle III.4. 1988
• CCITT. Recommendation G.721, 32 kb/s Adaptive Differential Pulse Code Modulation(ADPCM), Blue Book, Vol.III, Fascicle III.4. 1988
• CCITT. Recommendation G.722, 7 kHz Audio Coding With 64 kb/s, Blue Book, Vol.III, Fascicle III.4. 1988
• Paul Mermelstein, G.722, A New CCITT Coding Standard for Digital Transmission of Wideband Audio Signal. IEEE Communications Magazine，Vol.26, No.1，January 1988
• CCITT. Recommendation G.723, Extensions of Recommendation G.721 ADPCM to 24 and 40 kb/s for DCME Application, Blue Book, Vol.III, Fascicle Ⅲ.4. 1988
• CCITT. Recommendation, G.725, System Aspects for the use of the 7 kHz Audio codec with 64 kb/s, Blue Book, VolⅢ， Fascicle Ⅲ.4. 1988
• CCITT. Study Group XV, Recommendation H.221 Frame Structure for a 64 to 1920 kb/s channel in Audiovisual Teleservices, Revised. 1990
• J.Reimer, M.McMahan and M.Arjmand. 32 kb/s ADPCM with the TMS32010. Texas Instruments, 1986
• Song, C., Garodnic, J., and Schilling, D.C.. A Variable&#0;&#0;Step-size Robust Delta Modulator. IEEE Trans. on Comm.Tech，Vol. COM-19, No.6，December 1971，pp1033～1044
• 林福宗, 陸 達(dá) 編著. 多媒體與CD-ROM. 北京：清華大學(xué)出版社，1995.3，171-193
• GSM技術(shù)介紹(瀏覽日期1999年1月)：
  ① http://www./～murti/mqp/2_2.html
  ② http://www./～murti/mqp/contents.html
  ③ http://www./wcdma/wcdma/sub_tech/brochures/umts.htm