語(yǔ)音信號(hào)處理及其在IP網(wǎng)絡(luò)電話中的應(yīng)用

《語(yǔ)音信號(hào)處理及其在IP網(wǎng)絡(luò)電話中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、語(yǔ)音信號(hào)處理及其在IP網(wǎng)絡(luò)電話屮的應(yīng)用作者：徐止偉湯靜引言從技術(shù)角度講，語(yǔ)音信號(hào)處理是信息高速公路、多媒體技術(shù)、辦公自動(dòng)化、現(xiàn)代通信及智能系統(tǒng)等新興領(lǐng)域應(yīng)用的核心技術(shù)之一。用數(shù)字化的方法進(jìn)行語(yǔ)音的傳送、存儲(chǔ)、識(shí)別、合成、增強(qiáng)等是整個(gè)數(shù)字化通信網(wǎng)中最重要、最基本的組成部分之一。作為語(yǔ)咅信號(hào)處理最重要應(yīng)用之一的IP網(wǎng)絡(luò)電話，由于具有價(jià)格低廉，可以靈活地提供各種增值業(yè)務(wù)，有利于企業(yè)建立高效綜合服務(wù)內(nèi)部網(wǎng)，有利于運(yùn)營(yíng)商開拓新的市場(chǎng)，有助于和新技術(shù)的融合以及促進(jìn)網(wǎng)絡(luò)技術(shù)發(fā)展等許多獨(dú)特的應(yīng)用優(yōu)勢(shì)而在近年里得到迅猛發(fā)展。IP網(wǎng)絡(luò)電話屮的語(yǔ)音處理主要需

2、解決兩個(gè)問題，一是在保證一定話音質(zhì)量的前提下盡可能降低編碼比特率，二是在IP網(wǎng)絡(luò)環(huán)境下保證一定的通話質(zhì)量。前者主要是語(yǔ)音編碼技術(shù)，包括靜音檢測(cè)；后者包括分組丟失補(bǔ)償和回波抵消技術(shù)。在語(yǔ)咅編碼方面，如何在屮低速率上獲得高質(zhì)量的語(yǔ)音且算法復(fù)雜度較小，一直是研究的主要口標(biāo)。70年代屮期，特別是80年代以來(lái)，語(yǔ)音編碼技術(shù)有了突破性進(jìn)展，提出如多脈沖激勵(lì)等一些有效的算法，產(chǎn)生了新-?代的聲碼器，在16kbit/s以下速率上能夠得到高質(zhì)量的語(yǔ)音。計(jì)算機(jī)和集成電路技術(shù)的發(fā)展，推動(dòng)了語(yǔ)音信號(hào)處理的實(shí)用化。目前有很多專用語(yǔ)音處理芯片，這些芯片與微處理器或

3、微型計(jì)算機(jī)相結(jié)合可以組成各種復(fù)朵的語(yǔ)音處理系統(tǒng)。語(yǔ)音信號(hào)的基本特點(diǎn)及其產(chǎn)生模型1.語(yǔ)音信號(hào)的特點(diǎn)語(yǔ)咅是由一連串的音所組成，它是組成語(yǔ)言的聲音。語(yǔ)音具有稱為聲學(xué)特征的物理性質(zhì)。語(yǔ)咅屮各個(gè)咅的排列由一些規(guī)則所控制。形成文章的基礎(chǔ)是單詞，各單詞由音節(jié)組成，咅節(jié)又由咅素組成。音素分為兩類：元音和輔音。重音、語(yǔ)調(diào)和聲調(diào)也是構(gòu)成語(yǔ)音學(xué)的一部分。聲道（由咽、口腔和鼻腔組成）是一個(gè)分布參數(shù)系統(tǒng)，它有許多自然諧振頻率（在這些頻率上其傳遞函數(shù)具有極大值），所以聲道是一諧振腔，它放大某一頻率而衰減其他頻率分量。諧振頻率由每一瞬間的聲道外形決定。講話吋，舌和唇

4、連續(xù)運(yùn)動(dòng)，使聲道常常改變外型和尺寸，隨即改變諧振頻率。這些諧振頻率稱為共振峰頻率，簡(jiǎn)稱為共振峰，它是聲道的重要聲學(xué)特征。1.語(yǔ)音信號(hào)的數(shù)字模型(1)激勵(lì)模型(發(fā)聲模型)發(fā)濁音吋，整個(gè)激勵(lì)模型可表示為：發(fā)清音吋，聲道可模擬成隨機(jī)白噪聲。(2)聲管模型(聲道模型一)最簡(jiǎn)單的聲道模型是將其視為rti多個(gè)不同截面積的管子串聯(lián)而成的系統(tǒng)，在語(yǔ)音信號(hào)的某一“短吋”期間，聲道可表示為形狀穩(wěn)定的管道。每個(gè)管子可看作為一個(gè)四端網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)具有反射系數(shù)，這吋聲道可rti—組截面積或一組反射系數(shù)來(lái)表示。(3)共振峰模型(聲道模型二)將聲道視為一個(gè)諧振腔，共

5、振峰就是這個(gè)腔體的諧振頻率?？梢越⑷N實(shí)用模型：級(jí)聯(lián)型、并聯(lián)型和混合型。(4)輻射模型(終端模型)口唇的輻射效應(yīng)可表示為R(z)=RO(l-z-l)。由上所述，完整的語(yǔ)音信號(hào)數(shù)字模型可以用三個(gè)子模型：激勵(lì)模型、聲道模型和輻射模型的串聯(lián)來(lái)表示。其轉(zhuǎn)移函數(shù)為H(z)=U(z)V(z)R(z)這里，U(z)是激勵(lì)信號(hào)，V(z)是聲道傳遞函數(shù)。R(z)如上式所示。語(yǔ)音信號(hào)的分析根據(jù)所分析的參數(shù)不同，語(yǔ)音信號(hào)分析可分為吋域、頻域、倒譜域等方法。吋域分析具有簡(jiǎn)單、運(yùn)算小、物理意義明確等優(yōu)點(diǎn)；但更為有效的分析多是圍繞頻域進(jìn)行的。另一方面,按照語(yǔ)咅學(xué)

6、觀點(diǎn)，可將語(yǔ)音分析分為模型分析法和非模型分析法兩種。貫穿于語(yǔ)音分析全過程的是“短吋分析技術(shù)”。相應(yīng)于不同的分析方法，也就有不同的語(yǔ)音編碼方法和標(biāo)準(zhǔn)。語(yǔ)音編碼標(biāo)準(zhǔn)±IITU-T制定的IP電話使用的語(yǔ)音編碼標(biāo)準(zhǔn)如下表所示：(1)G.711G.711是電話網(wǎng)中廣為使用的64kbit/sPCM編碼，屬波形編碼。目前TP網(wǎng)絡(luò)電話一般采用5?16kbit/s比特率的中低速率編碼器，但一般都支持G.711PCM編碼。雖然波形編碼理論上只要預(yù)測(cè)階數(shù)足夠高、量化誤差足夠小，重建信號(hào)將收斂于原信號(hào)，而參數(shù)編碼無(wú)論怎樣都不能使重建信號(hào)將收斂于原信號(hào)；但是參數(shù)

7、編碼的一個(gè)重耍優(yōu)勢(shì)是可以有效降低編碼比特率，從而得到越來(lái)越廣泛的應(yīng)用。下面的標(biāo)準(zhǔn)都是參數(shù)編碼。(2)G.728G.728比特率為16kbit/s,對(duì)具有背景噪聲的信號(hào)或音樂具有很好的健壯性，抗隨機(jī)比特差錯(cuò)能力優(yōu)TG.711,可通過所有的網(wǎng)絡(luò)信號(hào)音，還能通過2.4kbit/s的低比特率modem信號(hào)。(3)G.723.1G.723.1為雙速率語(yǔ)音編碼器，其屮6.3kbit/s比特率采用多脈沖LPC編碼，對(duì)于一般的語(yǔ)音信號(hào)，其語(yǔ)音質(zhì)量相當(dāng)于G.721,但對(duì)于童聲、音樂和具噪聲背景的語(yǔ)音輸入，其質(zhì)量不如ADPCMo5.3kbit/s比特率采用

8、多脈沖碼木激勵(lì)，定義該速率的口的是增加系統(tǒng)設(shè)計(jì)的靈活性。如用于低速率通道吋，可為視頻編碼器留擊一些比特空間；可為復(fù)用系統(tǒng)提供lkbit/s的“虛信道”以傳遞附加信息。(4)G.729和G.729AG.729