音頻壓縮1 - 語(yǔ)音處理檢測(cè)技術(shù)端點(diǎn)檢測(cè)、降噪和壓縮詳解

　　感知編碼的基本規(guī)則就是，永遠(yuǎn)不需要對(duì)人耳聽(tīng)不到的信號(hào)進(jìn)行編碼，簡(jiǎn)單來(lái)說(shuō)就是，聽(tīng)不到的信號(hào)不需要編碼，這句廢話恰恰是語(yǔ)音壓縮研究的重點(diǎn)之一。廢話的另外一種含義就是非常容易理解的正確的話。言歸正傳，哪些東西聽(tīng)不見(jiàn)呢？功率低于可聽(tīng)度閾值的信號(hào)或者說(shuō)分量，被屏蔽的信號(hào)或者說(shuō)分量，這些人耳都聽(tīng)不見(jiàn)，都是上文提到的“冗余”。

　　以上是心里聲學(xué)的一些東西。要想很好的理解音頻壓縮，還需要理解一個(gè)更重要的概念：子帶。子帶（subband）是指這樣的一種頻率范圍，當(dāng)兩個(gè)音調(diào)的頻率位于一個(gè)子帶內(nèi)時(shí)，人就會(huì)把兩個(gè)音調(diào)聽(tīng)成一個(gè)。更一般的情況是，如果一個(gè)復(fù)雜信號(hào)的頻率分布位于一個(gè)子帶內(nèi)時(shí)，人耳的感覺(jué)是該信號(hào)等價(jià)于一個(gè)頻率位于該子帶中心頻率處的簡(jiǎn)單信號(hào)，這是子帶的核心內(nèi)涵。簡(jiǎn)單說(shuō)，子帶是指一個(gè)頻率范圍，頻譜位于這個(gè)范圍內(nèi)的信號(hào)可以用一個(gè)單一頻率的分量來(lái)代替。

　　一般等價(jià)的頻率取子帶的中心頻率，振幅取子帶內(nèi)個(gè)頻率分量振幅的加權(quán)和，更簡(jiǎn)單的方法則是將各頻率分量的振幅直接相加，作為等價(jià)信號(hào)的振幅，這樣一個(gè)范圍內(nèi)的頻率分量用一個(gè)分量就可以代替了。

　　設(shè)一個(gè)信號(hào)的頻譜頻率最低值為w0，最大值為w1。子帶編碼就是將w0-w1之間的頻率范圍劃分成若干子帶，然后每個(gè)子帶范圍內(nèi)的分量用一個(gè)等價(jià)的頻率分量來(lái)替換。這樣，一個(gè)具有復(fù)雜頻譜的信號(hào)可以等價(jià)為一個(gè)頻譜構(gòu)成灰常簡(jiǎn)單的信號(hào)——頻譜被大大簡(jiǎn)化了，需要存儲(chǔ)的東西就非常少了。

　　從以上過(guò)程不難知道，子帶如何劃分對(duì)壓縮后音頻的質(zhì)量影響很大（畢竟是近似等價(jià)）。子帶的劃分方法是子帶編碼的一個(gè)很重要的研究主題，大致可以分為等寬子帶編碼和變寬子帶編碼，見(jiàn)名知意，不解釋。

　　子帶劃分后子帶數(shù)量的不同導(dǎo)致了壓縮算法的不同等級(jí)。容易知道，碼率越低壓縮率越高時(shí)，子帶數(shù)量少，同時(shí)音質(zhì)較差。相反的情況也容易理解。

　　理解了子帶編碼，音頻壓縮就很容易理解了，一個(gè)信號(hào)經(jīng)過(guò)一組三角濾波器（等同于一組子帶）后，被精簡(jiǎn)為數(shù)量很少的頻率分量。然后考察這些頻率分量，能量或者說(shuō)振幅位于可聽(tīng)度閾值曲線之下的直接無(wú)視（刪除該分量，因?yàn)槁?tīng)不到）。再考察余下的兩兩相鄰的頻率分量，如果其中一個(gè)被旁邊的頻率屏蔽，也刪除掉。經(jīng)過(guò)以上的處理，一個(gè)復(fù)雜信號(hào)的頻譜所含有的頻率分量就很簡(jiǎn)單了，使用很少的數(shù)據(jù)就可以存儲(chǔ)或者傳輸這些信息。

　　解碼的時(shí)候使用傅里葉逆變換將上面得到的簡(jiǎn)單頻譜重構(gòu)到時(shí)域上，得到解碼后的語(yǔ)音。

　　以上就是音頻壓縮的簡(jiǎn)單原理，下面談?wù)勔纛l編解碼庫(kù)。

　　可以公開(kāi)獲取的音頻編解碼開(kāi)源庫(kù)很多，其特點(diǎn)和能力也有所不同，如下圖：

　　由圖中可以看到，AAC和MP3等走的是“高端路線”，用來(lái)對(duì)高采樣率的音樂(lè)進(jìn)行編碼，而AMR和SPEEX等走的是中低端路線，可以處理16K采樣率以下的語(yǔ)音信號(hào)，這對(duì)于語(yǔ)音合成、語(yǔ)音識(shí)別、聲紋識(shí)別等語(yǔ)音應(yīng)用足夠了。

　　科大訊飛語(yǔ)音云使用的是SPEEX系列，算法相關(guān)信息如下圖所示：

　　Speex編解碼庫(kù)壓縮率變換范圍較廣，壓縮等級(jí)可供選擇的范圍較寬，所以應(yīng)用在網(wǎng)絡(luò)狀況較為復(fù)雜的移動(dòng)終端應(yīng)用中甚為合適。

　　好了，以上就是本次課分享的全部?jī)?nèi)容。

　　小結(jié)：

　　音頻端點(diǎn)檢測(cè)、降噪和語(yǔ)音壓縮，很多人覺(jué)得神秘、難于理解和難以把握。但經(jīng)李老師娓娓道來(lái)，平時(shí)感覺(jué)高大上的語(yǔ)音處理技術(shù)也被講的深入淺出。原來(lái)，不需要很高深的理論功底也可以理解這些技術(shù)的關(guān)鍵：音頻端點(diǎn)檢測(cè)的關(guān)鍵是根據(jù)前面的靜音確定用來(lái)分辨靜音和有效語(yǔ)音的標(biāo)尺，降噪的關(guān)鍵是使用前面的一小段背景噪音提取出噪聲的頻譜，音頻壓縮方法之一是充分利用人類的心里聲學(xué)，劃分子帶，去除冗余等。

　　讓我們一起關(guān)注語(yǔ)音處理技術(shù)在以上幾個(gè)方面的最新發(fā)展吧。

　　演講嘉賓介紹

　　李洪亮，畢業(yè)于中國(guó)科學(xué)技術(shù)大學(xué)?？拼笥嶏w資深研發(fā)工程師，長(zhǎng)期從事語(yǔ)音引擎和語(yǔ)音類云計(jì)算相關(guān)開(kāi)發(fā)，科大訊飛語(yǔ)音云的締造者之一，主導(dǎo)研發(fā)的用于訊飛語(yǔ)音云平臺(tái)上的語(yǔ)音編解碼庫(kù)，日使用量超過(guò)二十億。主導(dǎo)語(yǔ)音類國(guó)家標(biāo)準(zhǔn)體系的建設(shè)，主導(dǎo)、參與多個(gè)語(yǔ)音類國(guó)家標(biāo)準(zhǔn)的制定。 他今天的分享將分為兩大部分，第一部分是端點(diǎn)檢測(cè)和降噪，第二部分是音頻壓縮。