采用ITU-T標(biāo)準(zhǔn)的商用音頻壓縮編碼系統(tǒng)研究

□文/聶銘瑋肖倩

采用ITU-T標(biāo)準(zhǔn)的商用音頻壓縮編碼系統(tǒng)研究

□文/聶銘瑋1肖倩2

聲音信號(hào)的存儲(chǔ)與傳輸，從模擬信號(hào)到數(shù)字信號(hào)經(jīng)歷了一個(gè)革命性的發(fā)展。隨著多媒體處理技術(shù)的發(fā)展，數(shù)字音頻壓縮編碼技術(shù)得到了廣泛應(yīng)用。從1972年開(kāi)始ITU-T為音頻信號(hào)壓縮編碼制定的一系列標(biāo)準(zhǔn)，成為當(dāng)前移動(dòng)通訊、數(shù)字衛(wèi)星系統(tǒng)、網(wǎng)絡(luò)廣播等領(lǐng)域廣泛采用的音頻壓縮編碼技術(shù)和標(biāo)準(zhǔn)。

聲音信號(hào)；音頻壓縮編碼；ITU-T標(biāo)準(zhǔn)

一、引言

聲音是一種能量波。數(shù)字音頻編碼是把連續(xù)變化的波形信號(hào)轉(zhuǎn)化為離散的數(shù)字信號(hào)的過(guò)程。我們通常采用PCM編碼方式進(jìn)行轉(zhuǎn)化。

PCM也稱(chēng)為脈沖代碼調(diào)制編碼。脈沖調(diào)制就是把一個(gè)時(shí)間連續(xù)，取值連續(xù)的模擬信號(hào)變換成時(shí)間離散，取值離散的數(shù)字信號(hào)后在信道中傳輸。脈沖編碼調(diào)制就是對(duì)模擬信號(hào)先抽樣，再對(duì)樣值幅度量化、編碼的過(guò)程。

在計(jì)算機(jī)應(yīng)用中，能夠達(dá)到最高保真水平的就是PCM編碼，被廣泛用于素材保存及音樂(lè)欣賞，CD、DVD以及我們常見(jiàn)的WAV文件中均有應(yīng)用。因此，規(guī)定PCM為無(wú)損編碼。

（一）音頻數(shù)據(jù)壓縮比。音頻編碼的作用：一是采用一定的格式來(lái)記錄數(shù)字?jǐn)?shù)據(jù)；二是采用一定的算法來(lái)壓縮數(shù)字?jǐn)?shù)據(jù)以減少存貯空間和提高傳輸效率。壓縮編碼的基本指標(biāo)之一就是壓縮比，它通常小于1。壓縮越多，信息丟失越多、信號(hào)還原后失真越大。

音頻數(shù)據(jù)壓縮比=壓縮后的音頻數(shù)據(jù)量/壓縮前的音頻數(shù)據(jù)量

（二）音頻壓縮的主要分類(lèi)。一般來(lái)講，根據(jù)壓縮后的音頻能否完全重構(gòu)出原始聲音可以將音頻壓縮技術(shù)分為無(wú)損壓縮及有損壓縮兩大類(lèi)；而按照壓縮方案的不同，又可將其劃分為時(shí)域壓縮、變換壓縮、子帶壓縮以及多種技術(shù)相互融合的混合壓縮，等等。各種不同的壓縮技術(shù)，其算法的復(fù)雜程度（包括時(shí)間復(fù)雜度和空間復(fù)雜度）、音頻質(zhì)量、算法效率（即壓縮比例）以及編解碼延時(shí)等都有很大的不同。

多媒體音頻信號(hào)大致可分為三類(lèi)：電話質(zhì)量的語(yǔ)音信號(hào)、調(diào)幅廣播質(zhì)量的音頻信號(hào)和高保真立體聲音頻。ITU-T標(biāo)準(zhǔn)是當(dāng)前商用音頻編碼系統(tǒng)主要的三大標(biāo)準(zhǔn)之一。

二、ITU-T標(biāo)準(zhǔn)簡(jiǎn)介

ITU-T（國(guó)際電信聯(lián)盟遠(yuǎn)程通信標(biāo)準(zhǔn)化組原CCITT）旗下的G系列標(biāo)準(zhǔn)已成為電話質(zhì)量的語(yǔ)音信號(hào)、調(diào)幅廣播質(zhì)量的音頻信號(hào)壓縮編碼的國(guó)際標(biāo)準(zhǔn)。

ITU-T最初定義的音頻編碼算法建議標(biāo)準(zhǔn)包括G.711、G.721、G.722、G.723等。1995年之后，ITU-T批準(zhǔn)了新的語(yǔ)音壓縮標(biāo)準(zhǔn)G.728，G.729等。表1給出了ITU-T標(biāo)準(zhǔn)主要算法的比較。（表1）

表1 G.7XX算法比較

三、ITU-T G系列主要標(biāo)準(zhǔn)的發(fā)展及應(yīng)用

（一）G.726標(biāo)準(zhǔn)。G.726是ITU-T1990年在G.721和G.723標(biāo)準(zhǔn)的基礎(chǔ)上提出的關(guān)于把64kbps非線性PCM信號(hào)轉(zhuǎn)換為40kbps、32kbps、24kbps、16kbps的ADPCM信號(hào)的標(biāo)準(zhǔn)。G.726標(biāo)準(zhǔn)算法簡(jiǎn)單，語(yǔ)音質(zhì)量高，多次轉(zhuǎn)換后語(yǔ)音質(zhì)量有保證，能夠在低比特率上達(dá)到網(wǎng)絡(luò)等級(jí)的話音質(zhì)量。

G.726最為常用的方式是32kbit/s，但由于其只是G.711速率的一半，所以就將網(wǎng)絡(luò)的可利用空間增加了一倍。在這些通道中，24kbps和16kbps的通道被用于數(shù)字電路倍增設(shè)備（DCME）中的語(yǔ)音傳輸，而40kbps通道則被用于DCME中的數(shù)據(jù)解調(diào)信號(hào)（尤其是4800kbps或更高的調(diào)制解調(diào)器）。

（二）G.727標(biāo)準(zhǔn)。ITU-T于1990年通過(guò)了鑲嵌式ADPCM標(biāo)準(zhǔn)G.727。其碼率為16～40kbit/s，G.727定義了當(dāng)原信號(hào)是脈沖率為64kbit/s脈沖編碼調(diào)制信號(hào)（從在G.711中具體規(guī)定的語(yǔ)音頻率模擬信號(hào)轉(zhuǎn)變而來(lái)）。

（三）G.728標(biāo)準(zhǔn)。為了進(jìn)一步降低語(yǔ)音壓縮的碼率，1991年ITU-T制定了G.728標(biāo)準(zhǔn)，使用基于短延時(shí)碼本激勵(lì)線性預(yù)測(cè)（LDCELP）算法，通過(guò)對(duì)語(yǔ)音信號(hào)的分析，提取CELP模型的參數(shù)，在解碼端，這些參數(shù)用于恢復(fù)激勵(lì)信號(hào)和綜合濾波器的參數(shù)。其碼率為16kbit/s，其質(zhì)量與32kbit/s的G.721標(biāo)準(zhǔn)相當(dāng)。

CELP是一個(gè)閉環(huán)線性預(yù)測(cè)系統(tǒng)，它利用輸入語(yǔ)音信號(hào)確定最佳參數(shù)，然后根據(jù)最小誤差準(zhǔn)則從碼本中找出最佳激勵(lì)碼矢量。CELP具有較強(qiáng)的抗干擾能力，在4-16Kb的傳輸速率下能夠得到較高質(zhì)量的語(yǔ)音信號(hào)。

G.728標(biāo)準(zhǔn)的語(yǔ)音編碼的主要特點(diǎn)有：算法時(shí)延短，僅為0.625ms；編碼時(shí)延小于2ms；傳輸比特率為16kbit/s；MOS值為4.173，達(dá)到了長(zhǎng)途通信質(zhì)量。

我們選用G.728標(biāo)準(zhǔn)的語(yǔ)音編碼算法作為IP電話的編碼算法。

（四）G.723.1標(biāo)準(zhǔn)。隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和多媒體通信業(yè)務(wù)的飛速增長(zhǎng)，ITU-T對(duì)8kbit/s以下的高質(zhì)量語(yǔ)音編碼方案給予了極大關(guān)注。由ITU-T的第15小組（SG15）1995年提出的G.723.1標(biāo)準(zhǔn)是極低速率多媒體通信標(biāo)準(zhǔn)系列H.324中的有關(guān)語(yǔ)音編碼的一個(gè)標(biāo)準(zhǔn)。

G.723.1編碼器采用了線性預(yù)測(cè)分析合成的技術(shù)，對(duì)8kHz取樣的16bit精度的PCM數(shù)字音頻進(jìn)行處理，以盡量減少實(shí)際語(yǔ)音與合成語(yǔ)音之間經(jīng)聽(tīng)覺(jué)加權(quán)后的差分信號(hào)的能量為準(zhǔn)則來(lái)進(jìn)行編碼的。在G.723.1標(biāo)準(zhǔn)中提供了兩種可選速率，分別為5.27kbit/s和6.3kbit/s。和同樣速率的其他語(yǔ)音編碼器相比，這兩種編碼器都具有較高的語(yǔ)音質(zhì)量，較低的編碼時(shí)延（30～40ms）。高速率提供更好的重建語(yǔ)音質(zhì)量，低速率的算法計(jì)算量低，給系統(tǒng)設(shè)計(jì)者提供了更多的靈活性。兩種速率的編解碼器都具有較高的語(yǔ)音質(zhì)量和較低的延時(shí)，允許在相鄰幀（30ms）的邊界轉(zhuǎn)換速率，在無(wú)聲幀進(jìn)行噪聲填充，實(shí)現(xiàn)了可變速率的不間斷傳輸。

該編碼建議在有限的復(fù)雜度下最優(yōu)化地表示語(yǔ)音信號(hào)，采用線性預(yù)測(cè)的合成分析法分幀處理。高碼率（6.3kb/s）激勵(lì)信號(hào)采用多脈沖極大似然量化（MP-MLQ），低碼率（5.3kb/s）激勵(lì)信號(hào)采用代數(shù)碼本激勵(lì)線性預(yù)測(cè)（ACELP）。每幀30ms，另加7.5ms的前視，算法總延遲37.5m。

（五）G.729標(biāo)準(zhǔn)。G.729標(biāo)準(zhǔn)是國(guó)際電聯(lián)電信標(biāo)準(zhǔn)部門(mén)第十五研究組（ITU-TSG15）在（1993～1996）期間在語(yǔ)音編碼方面取得的最大標(biāo)準(zhǔn)化成果。

G.729協(xié)議定義了8kbit/s碼率的共扼結(jié)構(gòu)代數(shù)碼本激勵(lì)線性預(yù)測(cè)（CS-ACELP）語(yǔ)音編解碼算法。模擬信號(hào)經(jīng)過(guò)電話帶寬濾波，以8kHz采樣，再轉(zhuǎn)換為16bit PCM碼，送入編碼器編碼，輸出比特流參數(shù)，解碼器對(duì)比特流參數(shù)解碼，以同樣方式轉(zhuǎn)換為模擬信號(hào)。其他格式的信號(hào)都要預(yù)先化為16bit PCM碼，解碼后再轉(zhuǎn)換回來(lái)。

CS-ACELP編碼器建立在碼本激勵(lì)模型的基礎(chǔ)上，8kHz采樣信號(hào)每10ms為一幀（含80個(gè)樣本），按幀計(jì)算CELP模型參數(shù)（LP系數(shù)、碼本增益、基音和碼本索引），將參數(shù)編碼傳送。解碼器將接收到的參數(shù)解碼，得到激勵(lì)和合成濾波器參數(shù)。激勵(lì)信號(hào)經(jīng)過(guò)短時(shí)合成濾波器濾波得重構(gòu)語(yǔ)音信號(hào)，短時(shí)合成濾波器為10階LP濾波器。長(zhǎng)時(shí)濾波器為自適應(yīng)碼本濾波器。重構(gòu)語(yǔ)音還需經(jīng)過(guò)若干個(gè)后濾波處理步驟。

G.729標(biāo)準(zhǔn)主要應(yīng)用有：個(gè)人移動(dòng)通信、低C/N數(shù)字衛(wèi)星系統(tǒng)（包括陸地移動(dòng)衛(wèi)星通信、海事衛(wèi)星通信、一般航空衛(wèi)星通信等）、高質(zhì)量數(shù)字移動(dòng)無(wú)線通信DOME、存儲(chǔ)/檢索以及分組語(yǔ)音和數(shù)字租用信道等。

四、小結(jié)

音頻壓縮編碼技術(shù)的研究是目前國(guó)際上的信號(hào)壓縮領(lǐng)域的一大研究熱點(diǎn)。研究者一直在尋求能夠在保證音頻質(zhì)量的前提下盡可能的降低音頻信號(hào)碼率的技術(shù)。本文對(duì)數(shù)字音頻壓縮編碼的相關(guān)理論和技術(shù)參數(shù)做了簡(jiǎn)要介紹。分析并研究了ITU-T國(guó)際標(biāo)準(zhǔn)在當(dāng)前數(shù)字廣播、網(wǎng)絡(luò)、移動(dòng)通訊等領(lǐng)域的應(yīng)用。

（作者單位：1.北華航天工業(yè)學(xué)院；2.河北金融學(xué)院）

[1]房建，左濤等.數(shù)字音頻壓縮編碼技術(shù)及其應(yīng)用.信息技術(shù)，2004.

[2]ISO/IEC11172.Coding of moving pictures and Associated audio for digital storage media at up to about 1.5Mbit/s. Information Technology，1993.

[3]http：//www.itu.int/publications.

[4]Robert A，Wannamarker，Edward R J.Audio Eng.Soc.July/August，1997.45.

029

A