的語音壓縮技術(shù)指的是對(duì)原始語音數(shù)字音頻信號(hào)流(PCM編碼) 運(yùn)用適當(dāng)?shù)臄?shù)字信號(hào)處理技術(shù),在不損失有用信息量,或所引入損失可忽略的條件下,壓縮信號(hào)編碼速率,也稱為壓縮編碼。以生成適合傳輸?shù)臄?shù)字信號(hào)流,提高傳輸效率。對(duì)語音編碼技術(shù)中語音質(zhì)量的評(píng)價(jià)主要分為兩類,客觀評(píng)定方法和主觀評(píng)定方法。其中客觀評(píng)定方法用客觀測(cè)量的手段來評(píng)價(jià)語音編碼的質(zhì)量,其特點(diǎn)是計(jì)算簡(jiǎn)單,但不能反映人對(duì)語音質(zhì)量的感覺。主觀評(píng)定方法符合人類聽話時(shí)對(duì)語音質(zhì)量的感覺,因而得到廣泛應(yīng)用。最主要的主觀評(píng)定方法是主觀評(píng)定等(Subjective Opinion Scale) ,或稱平均評(píng)定得分(MOS Mean Opinion Score) 。MOS 得分采用五級(jí)評(píng)分標(biāo)準(zhǔn),下表給出主觀評(píng)定等級(jí)的質(zhì)量等級(jí)、分?jǐn)?shù)和相應(yīng)的收聽注意力等級(jí)。
在互聯(lián)網(wǎng)中傳輸語音主要通過兩個(gè)部分進(jìn)行語音質(zhì)量的保證
(1)
分析聲學(xué)回聲的產(chǎn)生的機(jī)理，可以知道：聲學(xué)回聲的控制方法是改善揚(yáng)聲器的周圍環(huán)境，盡量減少揚(yáng)聲器播放聲音的反射。例如，可以在周圍的墻壁上附加一層吸音材料，或增加一層襯墊以增加散射，理想的周圍環(huán)境是其回響時(shí)間或RT-60（聲音衰減60dB所需要的時(shí)間）在300ms~600ms之間。因?yàn)檫@樣的環(huán)境一方面可以控制反射，又可以不會(huì)使講話者感到不適。改善環(huán)境可以有效地抑制間接聲學(xué)回聲，但對(duì)直接聲學(xué)回聲卻無能為力。
回聲抑制器回聲抑制器是使用較早的一種回聲控制方法?；芈曇种破魇且环N非線性的回聲消除。它通過簡(jiǎn)單的比較器將接收到準(zhǔn)備由揚(yáng)聲器播放的聲音與當(dāng)前話筒拾取的聲音的電平進(jìn)行比較。如果前者高于某個(gè)閾值，那么就允許傳至揚(yáng)聲器，而且話筒被關(guān)閉，以阻止它拾取揚(yáng)聲器播放的聲音而引起遠(yuǎn)端回聲。如果話筒拾取的聲音電平高于某全閾值，揚(yáng)聲器被禁止，以達(dá)到消除回聲的目的。由于回聲抑制是一種非線性的回聲控制方法，會(huì)引起揚(yáng)聲器播放的不連續(xù)。影響回聲消除的效果，隨著高性能的回聲消除器的出現(xiàn)，回聲抑制器已很少人使用了。
聲學(xué)回聲消除器聲學(xué)回聲消除的另一方法是使用聲學(xué)回聲消除器（AEC：AcousticEcho Chancellor）,AEC是對(duì)揚(yáng)聲器信號(hào)與由它產(chǎn)生的多路徑回聲的相關(guān)性為基礎(chǔ)，建立遠(yuǎn)端信號(hào)的語音模型，利用它對(duì)回聲進(jìn)行估計(jì)，并不斷地修改濾波器的系數(shù)，使得估計(jì)值更加逼近真實(shí)的回聲。然后，將回聲估計(jì)值從話筒的輸入信號(hào)中減去，從而達(dá)到消除回聲的目的，AEC還將話筒的輸入與揚(yáng)聲器過去的值相比較，從而消除延長(zhǎng)延遲的多次反射的聲學(xué)回聲。根椐存儲(chǔ)器存放的過去的揚(yáng)聲器的輸出值的多少，AEC可以消除各種延遲的回聲。
（2）丟包補(bǔ)償
語音實(shí)時(shí)傳輸中的丟包恢復(fù)技術(shù)按照連接關(guān)系可以劃分為兩個(gè)大類：基于發(fā)送端的修復(fù)和基于接收端的修復(fù)。
一、基于發(fā)送端的修復(fù)技術(shù)
基于發(fā)送端的丟包恢復(fù)由發(fā)送端發(fā)起，并需要發(fā)送端和接收端協(xié)同進(jìn)行。
1、增加冗余度
的方法，是讓每個(gè)數(shù)據(jù)包除了自身數(shù)據(jù)之外還包含前k個(gè)包的數(shù)據(jù)備份。為了盡量降低冗余度，當(dāng)前分組所包含的前k個(gè)分組的冗余數(shù)據(jù)可以用一個(gè)碼率更低的編碼器產(chǎn)生。增加數(shù)據(jù)的冗余度可以提高系統(tǒng)的容錯(cuò)能力，但是同時(shí)增加了帶寬。這種方式與語音編碼方式無關(guān)，只是在分組時(shí)針對(duì)這些語音數(shù)據(jù)作了冗余數(shù)據(jù)備份。
2、分類處理
為了在收端更好地采用波形替換技術(shù)，發(fā)端可以根據(jù)語音信號(hào)的特性分類處理，具體做法是對(duì)于濁音信號(hào)先估算其基音周期L，然后把兩段長(zhǎng)度為L(zhǎng)的波形封裝到一個(gè)分組內(nèi)。對(duì)于非濁音信號(hào)(包括清音、噪聲和)則全部封裝到一個(gè)分組內(nèi)。即用小數(shù)據(jù)包傳送濁音信號(hào)，用大數(shù)據(jù)包傳送其它信號(hào)。這種方式與語音編碼方式有關(guān)，主要對(duì)語音的內(nèi)容分類，區(qū)分有用信息和無用信息，然后對(duì)這些信息分別編碼，分組采用自適應(yīng)策略；一旦分組丟失，接收端可根據(jù)收到的分組來推測(cè)丟失的分組所含信號(hào)的類型并采取相應(yīng)的策略。
3、前向糾錯(cuò)
信道編碼用前向糾錯(cuò)(FEC)碼來恢復(fù)在傳輸中發(fā)生差錯(cuò)的比特，現(xiàn)在人們把FEC應(yīng)用到語音分組傳輸中來恢復(fù)丟失的數(shù)據(jù)分組，有多種FEC碼可用于此目的。的是奇偶校驗(yàn)碼，其基本原理是為每k個(gè)信息分組加入一個(gè)奇偶校驗(yàn)分組，奇偶校驗(yàn)分組的數(shù)據(jù)由k個(gè)信息分組的相應(yīng)比特的校驗(yàn)比特組成。這種方式與具體的語音編碼方式無關(guān)，主要在分組時(shí)增加對(duì)分組的校驗(yàn)位信息。
4、交織
當(dāng)語音信號(hào)發(fā)生大段的突發(fā)缺失，各種差錯(cuò)掩蓋方法的效果就會(huì)大大降低，許多方法甚至無法工作，而突發(fā)的連續(xù)丟包是在Intemet上遇到的典型現(xiàn)象。為了限度地發(fā)揮這些差錯(cuò)掩蓋技術(shù)，可以采用交織技術(shù)打亂數(shù)據(jù)的發(fā)送順序，把大段的突發(fā)連續(xù)語音丟失轉(zhuǎn)化為隨機(jī)的小段丟失。這種方式與具體的語音編碼方式無關(guān)，也與分組的編碼方式無關(guān)，主要是對(duì)編碼后的數(shù)據(jù)重新組織，但采用交織方法會(huì)給系統(tǒng)帶來很大的時(shí)延。
5、優(yōu)先級(jí)設(shè)置
優(yōu)先級(jí)設(shè)置方法是指發(fā)端依據(jù)某個(gè)準(zhǔn)則為不同的語音分組設(shè)置不同的優(yōu)先級(jí)，如依據(jù)語音的能量、與前一個(gè)分組的相似度、語音信號(hào)的平穩(wěn)特性或者當(dāng)前分組能否用前一個(gè)分組較好地預(yù)測(cè)等。當(dāng)網(wǎng)絡(luò)發(fā)生阻塞時(shí)，網(wǎng)絡(luò)保留高優(yōu)先級(jí)的分組，丟棄低優(yōu)先級(jí)的分組。這種方式與語音的編碼方式有關(guān)，因?yàn)樾枰私庹Z音信息的優(yōu)先級(jí)，這種技術(shù)需要網(wǎng)絡(luò)支持并按優(yōu)先級(jí)傳輸分組，否則無法實(shí)現(xiàn)。
二、基于接收端的修復(fù)技術(shù)
基于收端的修復(fù)技術(shù)不需要發(fā)端的參與，本質(zhì)上是對(duì)接收到的數(shù)據(jù)通過一系列的方法來估計(jì)丟失的數(shù)據(jù)，并根據(jù)人的生理特點(diǎn)進(jìn)行優(yōu)化，基本上是一種被動(dòng)的修補(bǔ)，通常比較容易實(shí)現(xiàn)且不增加帶寬需求。
1、插入方式
插人是指用固定的波形來缺口，這種固定的波形與缺口處的實(shí)際波形是不相關(guān)的。這類技術(shù)包括接合、和噪聲替代等方法。接合技術(shù)是的方法，它會(huì)擾亂系統(tǒng)的定時(shí)關(guān)系，對(duì)聽覺效果的改善也不大。替代的適用范圍非常有限，當(dāng)數(shù)據(jù)包的丟失頻率很低(小于2%)且缺口寬度小于4 ms時(shí)，這種方法比較有效；當(dāng)缺口寬度達(dá)40 ms時(shí)，其效果會(huì)讓人無法接受。與替代相比，噪聲替代可給人帶來更好的主觀聽覺感受，同時(shí)能改善語音信號(hào)的可分辨性。當(dāng)采用背景噪聲而不是的時(shí)候，人腦能下意識(shí)地用正確的聲音來修補(bǔ)語音信號(hào)中丟失的部分。插人方式與語音編碼無關(guān)，也與分組的編碼無關(guān)，只是對(duì)解碼后丟失的語音進(jìn)行處理。
2、插值
與插人技術(shù)相比，插值技術(shù)對(duì)缺口處的實(shí)際波形做了估計(jì)，并試圖用與其相似的波形來修補(bǔ)波形缺口，這使得處理得到的聲音能給人帶來相對(duì)更好的主觀感受。目前屬于插值方法的有波形替代和時(shí)域修正兩種技術(shù)。
（1）波形替代
其原理是在缺口前面(或后面)的波形中尋找出和缺口處波形相似的一段信號(hào)并對(duì)其加工用來缺口。執(zhí)行一般由兩個(gè)步驟構(gòu)成，步是儲(chǔ)存重建的信號(hào)波形，第二步是對(duì)所存儲(chǔ)的波形進(jìn)行分析，從中提取一段波形并加以改造用來替代缺口處原有的波形。這類技術(shù)常用重復(fù)、模式匹配、基音波形復(fù)制三種實(shí)現(xiàn)方式?；舨ㄐ螐?fù)制是通過峰值檢測(cè)來計(jì)算基音周期T并判斷語音信號(hào)是清音還是濁音。對(duì)于清音，它簡(jiǎn)單地采用重復(fù)技術(shù)來波形缺口；對(duì)于濁音，它用缺口位置之前長(zhǎng)度為T的一段波形通過重復(fù)來波形缺口。其，但是實(shí)現(xiàn)較復(fù)雜。模式匹配從存儲(chǔ)的缺口左側(cè)的重建波形中按某種匹配原則進(jìn)行搜索，找到一段匹配波
形，對(duì)它進(jìn)行必要的修飾之后用來重建波形的缺口。它也可以同時(shí)從缺口兩側(cè)的重建波形中各找出一段匹配波形，對(duì)它們進(jìn)行加權(quán)合并，用來缺口。雙側(cè)搜索比單側(cè)搜索的聽覺效果好，但是它的代價(jià)是引入了很長(zhǎng)的時(shí)延。其效果次于基音復(fù)制方式，但實(shí)現(xiàn)較簡(jiǎn)單。重復(fù)方式用缺口前面最近的波彤來替代缺口處的實(shí)際波形。效果最差，但實(shí)現(xiàn)簡(jiǎn)單。波形替代技術(shù)可使得缺口的波形與其前后的波形間的過渡比較平滑，但在缺口邊界，波形的相位存在突變。這種方式對(duì)解碼后的語音信息的修補(bǔ)，與具體的語音編碼和分組編碼無關(guān)。
（2）時(shí)域修正
這種技術(shù)采用缺口兩側(cè)的波形向缺口方向延展的方式來缺口。該方法計(jì)算量很大，但是由于它能夠避免邊界的相位不連續(xù)現(xiàn)象，聽覺效果優(yōu)于波形替代法。該種方法也同樣也是一種對(duì)解碼后的語音信號(hào)進(jìn)行處理的技術(shù)，與具體的語音編碼和分組編碼無關(guān)。
無論是基于發(fā)送端還是基于接收端的修復(fù)技術(shù)，針對(duì)丟包恢復(fù)的要求，上述這些技術(shù)在設(shè)計(jì)時(shí)，一般的出發(fā)點(diǎn)有：
①針對(duì)語音本身。考慮的方面主要是分析和區(qū)分語音本身的不同內(nèi)容，如：濁音，噪音，背景音等，對(duì)這些內(nèi)容分別編碼傳輸。
②針對(duì)分組。通過對(duì)分組增加冗余信息和校驗(yàn)信息來獲取容錯(cuò)能力，但會(huì)引起帶寬的增加；
③針對(duì)比特位。這里主要指交織技術(shù)，它是對(duì)編碼結(jié)果的再處理；
④針對(duì)語音復(fù)原后的信號(hào)?；谑斩说募夹g(shù)都采用這種原理來設(shè)計(jì)；
各種技術(shù)只在語音、分組、傳輸和語音復(fù)原階段采取了措施，而通常在發(fā)端采取的措施比在收端采取的措施有效，或者說發(fā)端采取的措施將直接影響收端對(duì)數(shù)據(jù)復(fù)原的效果，因此為了丟包后數(shù)據(jù)的復(fù)原效果，應(yīng)重點(diǎn)在發(fā)端采取措施，使收端在不增加帶寬的情況下，當(dāng)丟包情況發(fā)生時(shí)，盡量減少對(duì)數(shù)據(jù)的影響。一般來說，采用基于發(fā)端修復(fù)的效果比基于收端的技術(shù)好，但是技術(shù)復(fù)雜，一般會(huì)增加網(wǎng)絡(luò)的帶寬和傳輸延遲，收端的技術(shù)簡(jiǎn)單，取得的效果更適于人的聽覺生理特點(diǎn)。若能夠綜合考慮發(fā)端和收端過程中的不同階段的特點(diǎn)，既能取得好的修復(fù)效果，又能用簡(jiǎn)單的方式實(shí)現(xiàn)，將是今后丟包恢復(fù)技術(shù)研究的一個(gè)重要方向。
(3)抖動(dòng)抑制
Internet的實(shí)質(zhì)是分組交換網(wǎng)絡(luò),IP分組是存儲(chǔ)、轉(zhuǎn)發(fā)的最小單元。因此,同一信源的分組可能經(jīng)過不同的路由傳輸?shù)浇邮斩?分組到達(dá)接收端的時(shí)延也不同。這種分組傳輸時(shí)延的不同被稱為時(shí)延抖動(dòng)。時(shí)延抖動(dòng)的存在引起收端解碼后的語音信號(hào)出現(xiàn)間斷,造成語音失真,所以必須進(jìn)行時(shí)延抖動(dòng)的吸收補(bǔ)償。與分組網(wǎng)傳輸數(shù)據(jù)相比,電路交換則是由于預(yù)先分配了信道資源,通信子網(wǎng)以流的方式對(duì)待數(shù)據(jù),即各幀數(shù)據(jù)從A端到達(dá)B端的時(shí)間相等,這樣也就不存在抖動(dòng)的問題。在設(shè)計(jì)語音抖動(dòng)處理方案時(shí)，可以做如下考慮：采用智能緩沖平滑的方法,即讓接收端對(duì)抖動(dòng)程度做出預(yù)測(cè),并把接收到的信元存放在緩沖器中，采用適當(dāng)長(zhǎng)度的抗抖動(dòng)緩存，吸收延時(shí)后再輸出。
網(wǎng)站客服
