音频编解码技术介绍

音频编解码技术培训目标•了解音频编解码的目的•熟悉音频编解码的各种标准•知道音频编解码的技术构成•关注音频编解码技术的发展语音编解码概述•(a)波形编码器；•(b)声码器；•(c)混合编码器•语音编码器类型语音编解码概述•(a)波形编码器不利用生成语音信号的任何知识来产生一种重构信号,波形编码器会尽可能重构出包括背景噪音在内的模拟波形。由于波形编码器作用于所有输入信号，因此会产生高质量的样值。特点是复杂度低,在数据速率16kb/s以上时,质量很好，例如，ITU-TG.711规范(PCM)用的比特率为64kbps。Timedomainapproach:PCM(pulsecodemodulation),DPCM,ADPCMFrequencydomainapproach:SBC(sub-bandcoding),ATC(adaptivetransformcoding)•语音编码器类型语音编解码概述•(b)声码器声码器(vocoder)也称为音源编译码器，它试图在话音波形信号中提取生成话音的参数,通过这些参数和话音生成模型重构出语音。线性预测编码(LPC)用来获取一时变数字滤波器的参数。这个滤波器用来模拟说话人的声道输出。声码器(vecoder)时变滤波器(time-varyingfilter)命令基本激励它的音质很低,增加数据率对提高音质基本无用,广泛用于军事保密通讯.•语音编码器类型语音编解码概述试图填补波形编码和音源编码的间隔:waveformcoding不能解决低于16kb/s下的音质问题，sourcecoding可压缩到2.4kb/s或更低,但音质不自然。时域合成-分析编码器(analysis-by-synthesis,ABS)。它和音源编码器的主要区别:不使用2个状态(有声/无声)的模型来寻找滤波器的输入激励信号,而是要寻找这样一种激励信号,使得这种信号产生的波形尽可能接近原始话音波形.•语音编码器类型(1)语音编解码概述•(c)混合编码器目前常用的语音编码器是混合编码器，它融合了波形编码器和声码器的长处。它的另一特点是它工作在非常低的比特率(4~16kbps)。混合编码器采用合成分析(AbS)技术。•(c.1)线性预测合成分析编码器:前向自适应LPAS编码器：8kbpsG.729编码器和6.3kbps与5.3kbpsG.723.1编码器后向自适应LPAS编码：16kbpsG.728低时延码激励线性预测•(c.2)参数语音编码器：2.4kbps混合激励线性预测编码•语音编码器类型(2)语音编解码概述•语音编码器的主要功能就是把用户语音的PCM(脉冲编码调制)样值编码成少量的比特(帧)。这种方法使得语音在链路产生误码、网络抖动和突发传输时具有鲁棒性(Robustness)。在接收端，语音帧先被解码为PCM语音样值，然后再转换成语音波形。•语音编解码目的语音编解码概述•帧大小:帧的大小表示语音流量的时间长度，也称为帧时延。帧是语音信号的分立部件，且每帧是根据语音样点更新的。本章所介绍的编解码器都是一次处理一帧。每帧信息放在各语音分组中，并传送给接收端。•处理时延:它表示在编解码器中对一帧语音做编码算法处理时所需的时间。它通常简单的计入帧时延。处理时延也称为算法时延。•前视时延:编码器为了对当前帧的编码提供帮助而检查下一帧的一定长度，此长度就称为前视时延。前视的想法是为了利用相邻语音帧之间的密切相关性。•帧长度:这个值表示经编码处理后的字节数(不包括帧头)。•语音编码器评价语音编解码概述•语音比特率:当编解码器的输入是标准脉冲编码调制的语音码流(比特率为64kbit/s)时，编解码器的输出速率。•DSPMIPS:此值是指支持特定编码器的DSP处理器的最低速度。•RAM需求:它描述了支持特定的编码过程所需要RAM的大小。•编码器工作所需的时间:是指编码器的缓存及处理时间，称为单向系统时延。其值=帧大小+处理时延+前视时延。显然，解码时延也非常重要。实际上，解码时延大约是编码时延的一半。•语音编码器评价（续）音频编解码标准•语音编解码标准•其它音频编解码标准•DTMFTransmittersandReceivers标准•回声消除相关标准音频编解码标准•语音编解码标准•其它音频编解码标准•DTMFTransmittersandReceivers标准•回声消除相关标准音频编解码标准语音编解码标准•ITU-TRecommendationG.711•ITU-TRecommendationG.723.1&AnnexA•ITU-TRecommendationG.728&AnnexG•ITU-TRecommendationG.729&AnnexAB音频编解码标准•语音编解码标准参数对照音频编解码标准Bitrates时延ms支持静音压缩编码类型G.71164kbit/s0.125是(AppendixII)PCMG.723.15.3&6.3kbit/s37.5是(AnnexA)ACELP&MP-MLQG.72816kbit/s0.625否LD-CELPG.7298kbit/s15是(AnnexB)CSA-CELP•音频编解码标准各参数对照PCM（PulseCodeModulation）模拟信号低通防失真滤波器波形编码器PCM样本量化器采样:均匀采样量化:均匀量化,非均匀量化(大信号采用大间隔,小信号小间隔)音频编码技术PCM在通信中主要用于时分多路复用和频分多路复用.语音压缩—ADPCM•自适应差分脉码调制–波形编码方案–自适应：自动压扩–差分：仅对样本之间的变化编码–每个样本的速率与比特：•32Kbps=8Kbpsx4bits/sample•24Kbps=8Kbpsx3bits/sample•16Kbps=8Kbpsx2bits/sampleCELP:码激励线性预估•进入编码器的信号从8比特PCM转换成16比特线性PCM样本•编码器使用电码本。电码本用反馈信息对语音波形不断地分析，“学习”和预估•白噪声生成器“激励”编码器•数字结果（参数）被传送到远端码器进行语音波形的合成和生成CS-ACELP:共轭结构代数码激励线性预估•使用DSP•80个16比特线性PCM数据样本帧（10M）进入10个8比特码字•增加一个“向前”的5毫秒•噪音降低和音调合成过滤增加到处理要求中•8Kbps的数据速率LD-CELP:低延迟码激励线性预估•与CSA-CELP相似，但LD－CELP使用较小的电码本，并以16Kbps操作使延迟减小到2－5毫秒（无“向前”）•从8-kHz输入语音的每五个样本中产生10比特的码字•四个10比特的码字被称为一个“子帧”，它大约需要2.5毫秒进行编码•两个“子帧”结合到一个5毫秒的码组中进行传输DMandADM(AdaptiveDeltaModulation)SBC(Sub-BandCoding)andSB-ADPCMLPC(LinearPredictiveCoding)音频编码技术其它语音编码类型音频编解码标准•语音编解码标准•其它音频编解码标准•DTMFTransmittersandReceivers标准•回声消除相关标准当前国际上主流的新一代视音频编解码软件技术标准是国际运动图像专家组于1999年公布的MPEG－4技术标准，将逐渐取代现有的MPEG－1（VCD）、MPEG－2（DVD）标准。MPEG－4主要为了实现在有线、移动网络上传输互动的视音频内容，目前世界主要公司的编解码软件都支持MPEG－4标准。虽然微软等几个公司在发展自己的技术和标准，但都脱不开MPEG－4标准底层的基础专利技术。MPEG－4等编解码技术的革命，极大地扩展了数字多媒体的应用市场。音频编码技术音频编解码标准其它音频编解码标准MPEG中音频编码标准(1)•编码器的输入和解码器的输出与现存的PCM标准兼容•ISO/IEC11172-3（MPEG1音频）的采样率为32kHz，44.1kHz和48kHz。根据应用需要，可以使用不同层次的编码系统。–LayerⅠ包括将数字音频变成32个子带的基本映射。将数据格式化成块的固定分段。决定自适应位分配的心理声学模型。利用块压扩和格式化的量化器。理论上，层Ⅰ编码/解码的最少延时约为19ms。–LayerⅡ提供了为分配，缩放因子和抽样的附加编码。使用了不同的帧格式。这层理论上的最小编码/解码延时约为35ms。–LayerⅢ采用混合带通滤波器来提高频率分辨率。它增加了差值量化（非均匀）、自适应分段和量化值的熵编码。这层理论上的最小编码/解码延时为59ms。联合立体声编码作为一个附加特征，能够加入到任何一层中。音频编码技术音频编解码标准其它音频编解码标准杜比数字音频技术(1)AC-3编码和解码AC-3音频编码标准的起源是DOLBYAC-1。AC-1应用的编码技术是自适应增量调制（ADM），它把20kHz的宽带立体声音频信号编码成512kbps的数据流。AC-1曾在电视和调频广播上得到广泛应用。1990年DOLBY实验室推出了立体声编码标准AC-2，它采用类似MDCT的重叠窗口的快速傅立叶变换（FFT）编码技术，其数据率在256kbps以下。AC-2被应用在PC声卡和综合业务数字网等方面。1992年DOLBY实验室在AC-2的基础上，有开发了DOLBYAC-3的数字音频编码技术。AC-3提供了五个声道的从20Hz的全通带频响，即正前方的左（L）、中（C）和右（R），后边的两个独立的环绕声通道左后（LS）和右后（RS）。AC-3同时还提供了一个100Hz以下的超低音声道供用户选用，以弥补低音之不足。因为此声道仅为辅助而已，故定为0.1声道。所以AC-3被称为5.1声道。AC-3将这6个声道进行数字编码，并将它们压缩成一个通道，而它的比特率仅是320kbps。音频编码技术音频编解码标准其它音频编解码标准杜比数字音频技术(2)•杜比E是一种专业音频编码技术，用于辅助广播和其它一些两声道设备传输多声道的音频信息。杜比E可以通过一对AES/EBU或者一对数字VTR音轨，给后期制作和发行提供多达8个声道的广播级质量的音频信息。另外，杜比E的优点还在于经过它编码的信息可以被编辑、解码、编码再解码，经过多次编解码转换而没有可察觉的音质降低。•MLPLossless是一个真正的“无损”编码系统，DVD-Audio中采用的压缩技术，可对PCM数据进行完美地复制，不同于“有损”的感性编码的杜比数字技术。MLPLossless有效地将磁盘空间扩充了一倍，而没有影响高解析度的PCM音质，从而使DVD-Audio光盘可以同时携带同一节目的立体声和多声道版本。所有DVD-Audio播放机必须具备MLPLossless解码功能。音频编码技术音频编解码标准其它音频编解码标准杜比数字音频技术(3)•高级音频编码（AAC）是一种高质量感性音频编码技术，应用于广播和网络音乐下载。AAC的编码效率优于MP3，以更低的比特率提供更高质量的音频信号。这项技术是由四个工业界的领导者（AT&T，杜比实验室，FraunhoferIIS以及索尼公司）共同开发，将其标准化为一个ISO/IEC的规范。作为MP3的继任者，AAC现在已经获得了越来越多软硬件生产商的支持。音频编码技术音频编解码标准其它音频编解码标准音频编解码技术•回声抵消EC•混音•背景噪声抑制ANS•静音压缩•自动增益控制AGC•唇音同步•包丢失隐藏PLC音频编解码技术•混音混音就是把两个以上的声音（文件形式或码流形式）混合为一个。目前，混音主要有硬件合成和软件叠加这两种方法。为了防止混音后的溢出问题，一般采用的算法是累加取平均值，这种方法会产生声强失真现象。加权叠加的算法可以有效解决这个问题，加权系数的优化成为这个算法的关键。在多方会议时，混音还有一个策略的问题。音频编解码技术•回声消除AEC(adaptiveechocanceller)是对扬声器信号与由它产生的多路径回声的相关性为基础，建立远端信号的语音模型，利用它对回声进行估计，并不断地修改滤波器的系数，使得估计值更加逼近真实的回声。然后，将回声估计值从