應用EFR編碼技術改善MOS語音效果分析

連正川

（中國聯通福建分公司 福州 361000）

1 概述

GSM系統是數字移動通信系統，因此話音信號需進行數字化處理，即把話音模擬信號轉換成數字信號后再進行傳輸，包括了采樣、量化、編碼三個過程。語音編碼技術通常分為三類：波形編碼、參量編碼（聲源編碼）和混合編碼。

波形編碼直接對模擬語音取樣、量化、編碼，主要以脈沖編碼調制（PCM）和增量調制（AM）為代表。波形編碼速率一般在16～64kbit/s之間。它可提供很好的話音質量，但編碼速率較高，一般應用在信號帶寬要求不高的通信中，如有線通信。數碼率在64～32kbit/s之間音質優良，當數碼率低于32kbit/s的時候音質明顯降低，16kbit/s時音質非常差。

參量編碼又稱聲源編碼，是以發音模型作基礎，從模擬話音提取各個特征參量并進行量化編碼，可實現低速率語音編碼，達到2～4.8kbit/s。但話音質量只能達到中等。

混合編碼：是將波形編碼和參量編碼結合起來，既有波形編碼的高質量優點又有參量編碼的低速率優點。其壓縮比達到4～16kbit/s。

GSM規范規定載頻間隔是200kHz。 每個200kHz信道又被分成8個時隙，每時隙最大傳輸22.8kbit/s的原始信道容量。由于無線傳輸并不可靠，需要為數據增加保護。因此要在規定的帶寬內，實現較好的話音質量，必須大大降低每個話音信道編碼的比特率，這就需要采用低速率話音編碼技術來實現。GSM語音編碼主要采用混合編碼方式。為了滿足GSM系統的窄帶通信模式，GSM目前主要采用四種話音編碼技術，即：速率為13kbit/s的全速率（FR）編碼技術、速率為12.2kbit/s的增強型全速率（EFR）編碼技術、自適應多速率(AMR)以及速率為5.6kbit/s的半速率（HR）編碼技術。

本文主要重點介紹GSM的增強型全速率（EFR）編碼技術和全速率（FR）編碼技術兩種，并通過實際應用中，對兩者在改善用戶語音通話效果的不同情況進行分析。

2 某地市開通EFR前后MOS評估效果比較

2.1 DT測試MOS評估對比

福建某地市島內區域全網開通EFR編碼技術。開通后對相關撥測人員進行調查，普遍反映通話聲音比開通前更清晰，保真度明顯更好，通話效果接近CDMA網絡。采用鼎利公司MOS語音評估測試設備，以該地市BSC65覆蓋區域為DT測試范圍，對FR條件下和EFR條件下的MOS語音評估值進行DT測試對比，具體測試情況如圖1～4所示。

從統計結果看，開通EFR后，MOS值在4以上比例明顯比在FR條件下要高得多，在EFR條件下DT測試網絡MOS語音評估平均值達到3.53，比FR條件下測試得到的MOS平均值3.08提高了0.45；具體結果如表1。

圖1 在FR條件下MOS評估測試軌跡圖

圖2 開通EFR后MOS評估測試軌跡圖

圖3 在FR條件下MOS評估柱狀圖

2.2 CQT測試MOS評估對比

本次CQT測試選定了省網優中心辦公樓、聯通機房、火炬工商銀行三個地方進行定點CQT測試，采用鼎利MOS語音評估設備在FR和EFR條件下分別進行多次語音呼叫，最終得出兩種不同條件下的MOS評估結果。開通EFR技術后CQT測試MOS平均值達到3.97，比FR條件下的MOS平均值3.38提高了0.59，測試結果如表2所示。

圖4 開通EFR后MOS評估柱狀圖

表1 開通EFR前后BSC65覆蓋區域MOS評估統計情況

表2 開通EFR前后定點CQT測試MOS評估對比

2.3 實驗結論

從上面DT測試和CQT測試均表明，在相同無線環境下，采用EFR編碼技術得到的MOS語音評估值要比采用FR編碼技術要高，與實際用戶反映相吻合，因此開通EFR編碼技術對改善用戶主觀感受意義重大。

3 FR與EFR編碼技術介紹

3.1 全速率（FR）編碼技術

FR即速率為13kbit/s的全速率（FR）編碼技術，全稱為線性預測編碼-長期預測編碼-規則脈沖激勵編碼器（LPC-LTP-RPE編碼器），編碼器原理圖如圖5所示。主要通過兩種技術來提高LPC 編碼器的質量，即長時預測LTP（Long Term Prediction）與規則脈沖激勵RPE（Regular Pulse Excitation）。LPC+LTP為聲碼器，RPE為波形編碼器，再通過復用器混合完成模擬話音信號的數字編碼，每話音信道的編碼速率為13kbit/s。它是一種混合編碼技術，集成了波形編碼與聲源編碼兩項技術之長，可以獲得達到4.0左右QoS的語音通信質量(國際電聯規定語音通信質量QoS滿分為5)。聲碼器將話音信號分成20ms的聲碼塊，分析這一時間段內所對應的濾波器的參數，并提取此時的脈沖串頻率，輸出其激勵脈沖序列。相關的話音段是十分相似的，LTP將當前段與前一段進行比較，相應的差值被低通濾波后進行波形編碼。其中LPC十LTP參數：3.6 kbit/s；RPE參數：9.4kbit/s；因此，話音編碼器的輸出比特速率是13kbit/s。

圖5 LPC-LTP-RPE編碼器原理示意圖

3.2 增強型全速率（EFR）編碼技術

圖6 CELP編碼器原理示意圖

EFR聲碼器是一種代數碼激勵線性預測(ACELP)編碼器，是碼激勵線性預測（CELP）編碼中的一種。它計算更加密集，能在輸出端得到更為精確的結果。CELP語音編碼算法采用線性預測提取聲道參數，用一個包含許多典型的激勵矢量的碼本作為激勵參數，每次編碼時都在這個碼本中搜索一個最佳的激勵矢量，這個激勵矢量的編碼值就是這個序列的碼本中的序號。編碼器的基本原理框圖如圖6所示。

與LPC模型類似，CELP模型中也有激勵信號和聲道濾波器，但它的激勵信號不再是LPC模型中的二元激勵信號。在目前常用的CELP模型中，激勵信號來自兩個方面：長時基音預測器（又稱自適應碼本）和隨機碼本。自適應碼本被用來描述語音信號的周期性（基音信息）。固定的隨機碼本則被用來逼近語音信號經過短時和長時預測后的線性預測余量信號。從自適應碼本和隨機碼本中搜索出的最佳激勵矢量乘以各自的最佳增益后相加，便可得到激勵e(n)。它一方面被用來更新自適應碼本，另一方面則被輸入到合成濾波器H(z)以得到合成語音^s(n)。^s(n)與原始語音s(n)的誤差通過感覺加權濾波器W(z)后可得到感覺加權誤差信號e(n)。使e(n)均方誤差為最小的激勵矢量就是最佳激勵矢量。

為了提高重建話音的自然度，編碼端增加一組預測濾波器，采用閉環LPC結構，由特征參數激勵得到預測信號，將此信號與原信號s(n)相減得到殘差信號e(n)。如果把此信號與有關參數一并編碼傳送，在解碼端進行誤差修正可有效改善語音質量，但此時將降低編碼效率。如果能對一定時間內殘差信號可能出現的各種樣值的組合按一定規則排列構成一個碼本，編碼時從本地碼本中搜索出一組最接近的殘差信號，然后對該組殘差信號對應的地址編碼并傳送，解碼端也設置一個同樣的碼本，按照接收到的地址取出相應的殘差信號加到濾波器上完成話音重建，則顯然可以大大減少傳輸比特數，提高編碼效率。這就是CELP編碼的基本原理。對CELP編碼來說碼本很關鍵，碼本編得好，就可以在低碼率下獲得較好的語音質量。

EFR聲碼器的12.2kbit/s輸出等于每幀244bit。但是其所編碼語音是通過擁有260位容量的常規GSM全速率空中信道來傳輸，其余16bit被填以CRC以及重復一些用于冗余的最重要編解碼器參數，因此也提高了抗誤碼能力。

4 推廣

與FR相比，采用EFR增強型全速率可以更好的改善用戶主觀通話感受，這在福建某地市具體實踐得到驗證。另一方面，EFR增強型全速率需要網絡服務商開通此項網絡功能，手機終端也要支持EFR功能才能配合實現。在福建某地市開通EFR后，通過網管統計全網有94.57%的用戶采用EFR編碼方式，僅2.30%用戶使用FR方式，其余3.13%用戶因為話務負荷原因占用HR信道。這表明目前市場上絕大部分的手機終端均已支持EFR編碼方式，因此開通EFR可以達到改善全網用戶感受的預期，值得進一步推廣應用。

[1]李昌立，吳善培編著. 數字語音－語音編碼實用教程. 北京：人民郵電出版社，2004年

[2]GSM Phase2+，GSM 0610-Full Rate Speech Transcoding

[3]GSM Phase2+， GSM 0660-Enhanced Full Rate (EFR)Speech Transcoding

[4]陳潤潔，鐘子發，王紅軍. GSM數字移動通信系統語音信源編解碼技術.電訊技術，2004年