語音CODEC,什么是語音CODEC

語音CODEC,什么是語音CODEC

語音編碼器的功能： 語音編碼器的主要功能就是把用戶語音的PCM（脈沖編碼調(diào)制）樣值編碼成少量的比特（幀）。這種方法使得語音在連路產(chǎn)生誤碼、網(wǎng)絡抖動和突發(fā)傳輸時具有健壯性（Robustness）。在接收端，語音幀先被誤碼為PCM語音樣值，然后再轉(zhuǎn)換成語音波形。

語音編碼器的分類： 語音編碼器分為三種類形：（a）波形編器；（b）聲碼器；（c）混合編碼器。波形編碼器會盡可能構(gòu)出包括背景噪單在內(nèi)的模擬波形。由于波形編碼器作用于所有輸入信號，因此會產(chǎn)生高質(zhì)量的樣值。然而，波形編碼器工作在高比特率。例如：ITU-G.711規(guī)范（PCM）用的比特率為64Kbps。 聲碼器（vocoder）不會再生原始波形。這組編碼器會提取一組參數(shù)，這組參數(shù)被送到接收端，用來導出語音產(chǎn)生模形。線性預測編碼（LPC）用來獲取一時變數(shù)字濾波器的參數(shù)。這個濾波器用來模擬說話人的聲道輸出[WEST96]。在電話系統(tǒng)中使用聲碼器，語音質(zhì)量不夠好。在VOIP中常用的語音編碼器是混合編碼器，它融入了波形編碼器和聲器的長處，它的另一特點是它工作在非常低的比特率（4-6Kbps）?；旌暇幋a器采用合成分析（AbS）。

為了說明問題，考慮人的聲道產(chǎn)生的一個語音模式：當人說話產(chǎn)生語音信號時就會發(fā)出濁音（如音素pa、da等）和清音（如音素sh、th）。激勵信號就是由輸入的語音信號導出的，其方法是使合成語音與輸入語音的差別非常小。LPC的用法、激勵的產(chǎn)生以及對合成分析（AbS）系統(tǒng)的誤差檢查均如圖4-1所示。 長話質(zhì)量編碼器在比特率高于8Kbps時容易實現(xiàn)，如圖4-2所示。長話質(zhì)量的語音平均意見得分（MOS）必須在分或許分以上。傳統(tǒng)的PCN語音在比特率小于32 Kbps，語音質(zhì)量會嚴重惡化，在這里就不討論PCN了?；旌暇幋a和聲碼器在比特率相當?shù)偷腗OS上的得分是可接受的。在現(xiàn)階段，大多數(shù)基于VOIP的編碼器的工作范圍在5.2~8kbps。研究表明，標準的編碼器在比特率為4 Kbps時能提供可接受的NOS得分，一些分用系統(tǒng)在4.8 Kbps的MOS上的得分為3.8。 矢量量化和碼激勵線性預測 一種較好的方法就是用預測存儲的最優(yōu)參數(shù)（碼元矢量）的碼本對輸入語音信號的表示矢量進行編碼，這種技術(shù)稱為矢量量化（VQ，vector quantization）。 將VQ和AbS技術(shù)結(jié)合在一起會進一步提高編碼性能。AbS VQ是技術(shù)構(gòu)成CELP的基礎(chǔ)。VQ和AbS VQ的主要區(qū)別在于進行矢量量化碼簿搜索時采用的量化失真測量定義的不同[WONG96]。