語音加密通信中類語音調制解調算法研究*

范 超，袁 瓊，孫 瑩，李曉峰

（1.北京電子科技學院，北京 100070；2.中安網脈（北京）技術股份有限公司，北京 100070)

0 引 言

隨著公共交換網絡（Public Switched Telephone Network，PSTN）網IP化和三網融合工程的推進，傳統的電話通信網已經逐步由原有的電路交換向IP包交換網絡轉變，導致原有的一些通信保密技術逐漸無法適應當前的通信網絡，尤其對電話加密技術提出了重大挑戰。

現有的電話加密設備，大多采用基帶編碼加密結合高頻調制方式傳輸加密信號，即必須通過調制解調器建立載波通信后，方可傳輸加密信息。這種方式不符合IP包交換網絡設備的電氣特性和通信特性，因此通信失敗率極高。由于IP包交換網絡不再像電路交換那樣為通信雙方建立電路連接，而是采用解析封裝和轉發方式，因此信號的連續性被大大降低，且異構網絡的數據封裝格式也各有所異，單一的載波信號很難通過異構網絡正常通信，因此傳統的加密方式在異構網絡中部署，必須在網絡邊界部署編碼轉換設備，這無疑增加了部署的難度和成本，使得電話加密通信更加困難。

針對上述問題，國內一直研究利用非加密語音業務通道傳輸信息的方法，其主要問題是如何保證經過聲碼器編解碼后能基本還原語音數據[1]。但是，其核心技術如具有加密功能的類語音調制解調算法研究還不成熟，具有很大的研究空間。

本文通過研究聲碼器信道模型幅頻特性，分析抗聲碼器傳輸調制解調特性，提出基于正交頻分復 用（Orthogonal Frequency Division Multiplexing，OFDM）技術的類語音調制解調方法。該方法將加密后的語音數據調制成具有語音特征的類語音信號，使其通過聲碼器壓縮/解壓處理過程，得到較小的誤碼率，并在接收端解調回加密數據，實現數據還原。

1 系統描述

聲碼器的工作是基于人的聲音特征的，經過加密處理后的數據具有隨機性，不滿足語音編解所需要的語音特征，易被聲碼器中的語音活動檢測（Voice Activity Detection，VAD）機制認為是噪音而被過濾掉[2]。所以加密處理后的具有隨機化的數據想要在語音信道中進行傳輸，必須將其調制成具有語音功能的類語音信號，同時，接收端要將接收到的數據解調回加密數據，這就要求必須采用調制解調技術。

調制解調技術是將數字信號變換成另一種形式，以適應信道傳輸。一般是改變正弦波信號，用載波的典型特征（包括振幅、頻率和相位）承載數字數據。語音編解碼的主要目的是減少表示語音所需的比特，同時保持合格的語音質量[3]。這種方法在得到類似輸入語音的合成語音的同時，抽樣波形卻可能明顯不同，這使得調制解調器輸出的承載數據的特征發生畸變。因此，大部分調制解調器不能直接在使用語音編解碼的信道上工作，需要重新設計一種調制解調方案。

圖1是基于OFDM的類語音調制解調傳輸原理框圖，輸入數據經過基于OFDM的類語音調制技術調制到類語音載波上，形成可以在語音信道中傳輸的類語音信號，然后通過聲碼器進行傳輸；接收端將類語音信號進行解調，還原得到原始數據；由于聲碼器多為壓縮編解碼，類語音信號通過聲碼器后會出現誤碼情況，故通過卷積糾錯減少輸出數據的誤碼情況，實現更好的抗聲碼器壓縮傳輸效果。

圖1 基于OFDM的類語音調制解調傳輸原理框圖

2 參數配置

設計使用基于OFDM的類語音調制解調技術進行加密語音數據傳輸時，需要考慮多種因素，首先是調制后的語音幀格式。因為經過調制后的語音信號經過信道并在接收端進行重新對齊和解調，因此幀結構的設計至關重要重要。其次，需要考慮單個子載波調制方式的選擇，OFDM對于各路子載波的調制參數主要包括幅度和相位，不同的參數調節會影響到生成信號的信號以及解調的準確性。本文中采用了QPSK的方法進行實驗，并對通過全球移動通信系統（Global System For Mobile Communications，GSM）全速率聲碼器的信號進行了解調、映射。最后是載波數量和位置的選擇，載波數量及位置會影響生成信號的頻率范圍，通過對GSM全速率聲碼器進行頻譜特性分析得知，GSM全速率聲碼器可以等效為一個帶通濾波器，其通過的頻率范圍為0.1～1.5 kHz，超過該頻率范圍的信號經過聲碼器后畸變嚴重。

由于GSM全速率聲碼器采用的編碼方式為RPE-LTP，其對語音信號的處理是8K采樣，分幀處理，每20 ms為一幀，因此，本文中生成的語音幀長度也以20 ms為單位，子載波間隔為50 Hz。由于信號可以通過的頻率范圍為0.1～1.5 kHz，即子載波的最高頻率為1.5 kHz，并且每個正交相移鍵控（Quadrature Phase Shift Keying，QPSK）子載波能承載2 bit的信息，因此我們可以得到最高調制速率（即子載波頻率上限）在3 000 bit左右。子載波數量乘以子載波的間隔即為子載波的最高上限，因此，在最高調制速率3 000 bit下，子載波數量最多 為30。

上述分析只是限制了最高子載波數和最高調制速率的大致范圍，本文使用的子載波數量為24，這些子載波成為有效子載波，為了能使用快速傅里葉變換（Fast Fourier Transformation，FFT），對映射后的數據，還需要通過補零的方式將其擴展成2的次冪數量，補零的子載波稱之為虛擬子載波[4]。具體的參數設計和載波分配方式如表1和圖2所示。

表1 參數選擇

圖2 QPSK方式下子載波選擇和分配

分配時，根據快速傅里葉逆變換（Inverse Fast Fourier Transform，IFFT）的性質，為了得到實信號方便進行傳輸，在完成比特的映射之后還需在后面填補其共軛對稱部分，從而使經過IFFT生成的信號為實信號。在實際傳輸語音幀是需要在數據前加入循環前綴和幀頭，循環前綴是將數據的最后一部分添加到數據前段，從而使接收端即使存在延時的情況下[5]，仍然可以取得完整的周期數據。在有效數據前添加幀頭的目的是為了為符號同步留下足夠的空間。在8 kHz的采樣率下，20 ms長的一幀數據點數為160，本文使用的幀結構如圖3所示。

圖3 QPSK調制下的幀結構

3 實驗結果分析

為了方便考慮，本次仿真實驗省略了導頻的插入，此外，在輸入端使用隨機二進制數（加密后的數據具有隨機性）作為傳輸數據。調制后得到的語音波形和頻譜圖如圖4和圖5所示。從圖5中可以看出，該信號的頻率范圍在0.1～1.5 kHz之間，基本滿足通過GSM聲碼器的頻譜要求。

圖4 類語音調制得到的語音信號波形

圖5 類語音調制得到的語音信號頻譜圖

將調制信號經過聲碼器信道進行傳輸，得到的接收端信號如圖6所示。

圖6 接收端語音信號波形

首先通過對調制語音信號和接收端語音信號的時域波形進行直接觀察，可以發現總體上波形具有很高的相似性，可見信號在傳輸后保持了完整性，沒有被VAD機制所過濾，保證數據不被丟失。將得到的數據經過判決映射表示成比特的形式得到比特流，與原始的隨機二進制數進行對比并計算得到誤碼率。經計算，QPSK下的平均誤碼率為0.5%，之后采用卷積碼進行糾錯，誤碼率為0。

通過不斷測試，得到不同調制速率下的誤碼率情況，統計得到圖7所示的誤碼率波形圖。

圖7 不同調制速率下誤碼率

從圖7可以看到，隨著調制速率的提高，誤碼率也在提高。調制速率低于2 700 bit時，可以通過卷積碼進行糾正，最終得到誤碼率為0。這由于調制速率的提高是通過增加有效子載波的個數來實現，而子載波個數增加后，會占用更多的頻帶資源，當最高頻率超出GSM聲碼器的最高頻率時，誤碼率會急劇上升。因此不能同時得到高調制速率和低誤碼率。

4 結 語

實驗結果表明，本文提出的類語音調制解調算法具有很好的抗聲碼器壓縮性能，能保證調制語音信號通過聲碼器后保持較高的調制速率和低誤碼率。但是本實驗是在理想環境下進行的仿真，在實際信道中情況會更加復雜，有待進一步研究。