移動(dòng)通信系統(tǒng)中的AMR語音編碼

張馨予

西安文理學(xué)院，陜西 西安 710065

0 引言

第三代移動(dòng)通信系統(tǒng)將支持語音、視頻和數(shù)據(jù)等多媒體業(yè)務(wù)，但語音業(yè)務(wù)仍然是3G的最基本的業(yè)務(wù)。語音編碼技術(shù)經(jīng)過幾十年的發(fā)展，已經(jīng)有很多種可以實(shí)現(xiàn)在4.8kbit/s甚至更低的速率上提供接近長(zhǎng)途語言質(zhì)量高效的語音編碼方法，為保證互通性，3GPP于1999年公布了WCDMA的語音編碼標(biāo)準(zhǔn)AMR聲碼器標(biāo)準(zhǔn)。它由多速率語音編碼器，含有話音激活檢測(cè)器（VAD）與舒適背景噪聲（SID）產(chǎn)生系統(tǒng)的源控速率方案（SCR）和能減小傳輸誤碼與包丟失對(duì)合成語音影響的消除錯(cuò)誤機(jī)制（ECU）3部分組成。其中，多速率語音編碼器是一個(gè)編碼速率和背景噪聲低速率編碼模式的一個(gè)整體語音編解碼器。它允許每一幀信號(hào)（20ms）的編碼速率可以不同，是AMR語音編碼標(biāo)準(zhǔn)的核心；其余幾部分則用語改善聲碼器的性能和提高網(wǎng)絡(luò)的用戶容量，是可選的組件。

1 AMR語音編碼器的速率選擇

多速率語音編碼器是一種單個(gè)集成的語音編碼器，它有8種固定的信源速率模式，從4.75kbit/s到12.2kbit/s。此外，還有低速率的噪聲編碼模式，此編碼器能夠根據(jù)命令在每20ms語音幀中改變它的速率。經(jīng)測(cè)試表明：從信噪比的角度來看，對(duì)沒有背景噪聲的純語音序列，AMR聲碼器的8種速率表現(xiàn)出相對(duì)接近的語音質(zhì)量；而對(duì)有背景噪聲的語音，8種速率的語音質(zhì)量有明顯區(qū)別。根據(jù)此時(shí)的語音質(zhì)量可以把8種速率分成高、中、低3類速率，高速率提供的語音質(zhì)量比低速率提供的語音質(zhì)量有很大提高；各類中不同速率提供較接近的語音質(zhì)量?？紤]到可能存在的應(yīng)用要求。也可以將中速率再細(xì)分為兩個(gè)子類，分別擁有7.95kps、7.40kps和 6.70kps、5.90kps。

在討論AMR聲碼器8種速率模式選擇的時(shí)候，沒有給出每種速率和某些參數(shù)值的一一對(duì)應(yīng)關(guān)系，也沒有給出相鄰速率切換的參數(shù)，因?yàn)檫@樣做沒有太大的意義。首先，從語音質(zhì)量上，將8種速率分為3類，各類內(nèi)提供較相近的語音質(zhì)量；其次，AMR聲碼器有8種速率并不是為了在信道變化的時(shí)候在相鄰速率之間，由高到低的切換。實(shí)際上，在信道迅速變化時(shí)，這種遍歷式的切換也是不現(xiàn)實(shí)的。

相反，給出了用于不同類別速率選擇的參數(shù)值，因?yàn)樵谡Z音含有噪聲的情況下（無線通信系統(tǒng)中的常見情況）各類速率提供的語音質(zhì)量有較大的不同。在實(shí)際操作中，可以選擇不同類之間的速率進(jìn)行切換，以適應(yīng)信道情況的變化。同時(shí)也可以根據(jù)不同的需要對(duì)每一類速率進(jìn)行內(nèi)部適當(dāng)選擇。

2 背景噪聲的處理

如果接收機(jī)在背景噪聲狀態(tài)下不輸出任何信號(hào)，則用戶可能認(rèn)為線路中斷，容易造成誤操作。研究表明當(dāng)用戶處在噪聲環(huán)境中時(shí)，間斷的語音使得可懂度急劇下降，嚴(yán)重時(shí)甚至造成不能進(jìn)行正常通話。移動(dòng)環(huán)境的噪聲并不是長(zhǎng)期平穩(wěn)的，但是相對(duì)語音來說，背景噪聲變化比較緩慢，前后幀參數(shù)間的差距較小，編碼器沒有必要每一幀都進(jìn)行參數(shù)估計(jì)、編碼，所以標(biāo)準(zhǔn)中采用非連續(xù)發(fā)送（DTX）的方法，但是解碼器連續(xù)產(chǎn)生背景噪聲。下面介紹編碼器和解碼器各自的處理方法。

2.1 編碼器的處理

編碼器要完成的是背景噪聲參數(shù)的估計(jì)和編碼。由于人耳聽覺只和信號(hào)的幅頻特性和信號(hào)幅度（能量）有關(guān)，所以只要估計(jì)出背景噪聲的頻譜包絡(luò)和能量就可以再生聽覺上很接近的噪聲。LSP可以很好地描述聽覺信號(hào)的譜包絡(luò)特性，所以AMR選取LSP和能量?jī)山M參數(shù)來表示背景噪聲的特性，然后用背景噪聲特有的方法對(duì)LSP和能量進(jìn)行量化，編碼成SID幀，傳送給信道。

AMR聲碼器把SID分為兩類：SID-FIRST和SID-UPDATE，其中SID-FIRST在語音幀（包括延長(zhǎng)時(shí)間）結(jié)束后，立即發(fā)送，幀中不包括任何的編碼信息,只在幀模式域填充相應(yīng)的值，它的作用是告知解碼器SID的起始時(shí)刻，同時(shí)編碼器計(jì)算緩沖區(qū)中特征參數(shù)（也即語音延長(zhǎng)幀的特征參數(shù)）的平均值作為背景噪聲段參數(shù)的初始值；SID-UPDATE則包含兩個(gè)參數(shù)（LSP和能量）信息量化，它每三幀發(fā)送一次。另外，如果語音幀發(fā)送的時(shí)間很短，則在該語音段結(jié)束后立即重復(fù)發(fā)送前一次SID-UPDATE幀，同時(shí)使用前一段的背景噪聲參數(shù)作為本段背景噪聲的參數(shù)估計(jì)的初始值，這是因?yàn)槿祟惖恼f話和信令音以及音樂信號(hào)都是有一定持續(xù)時(shí)間的，持續(xù)時(shí)間很短語音是由背景噪聲干擾造成的，如果把該段時(shí)間的參數(shù)作為背景噪聲參數(shù)估計(jì)的初始值，解碼器合成的背景噪聲在頻譜和能量上與實(shí)際背景噪聲的相差很大，主觀聽覺質(zhì)量差。

2.2 解碼器的處理

解碼器收到SID幀所需要進(jìn)行的操作就是根據(jù)背景再生參數(shù)構(gòu)造一個(gè)合成濾波器，用能量受控的白噪聲序列激勵(lì)濾波器得到連續(xù)的背景噪聲。由于SID-UPDATE幀中包含噪聲的所有參數(shù)，解碼器只需進(jìn)行解碼和合成就可以了，處理比較簡(jiǎn)單。SID-FIRST沒有傳送背景噪聲的參數(shù)，只是告知解碼器背景噪聲段已經(jīng)開始，后續(xù)的幀將是不連續(xù)的SID-UPDATE幀，所以第一個(gè)SID幀的參數(shù)是由保存在緩存區(qū)中的語音延長(zhǎng)幀的參數(shù)計(jì)算得到的，把它作為背景噪聲參數(shù)估計(jì)的初始值。這就是編碼器對(duì)于語音突發(fā)結(jié)束時(shí)對(duì)語音進(jìn)行延長(zhǎng)，繼續(xù)連續(xù)發(fā)送LSP參數(shù)的原因。對(duì)于SIDUPDATE幀，LSP和能量均通過解碼得到，但能量需根據(jù)語音變化的模型進(jìn)行調(diào)整以提高語音和背景噪聲相互切換時(shí)合成語音的主觀質(zhì)量。

3 AMR編碼器流程

AMR語音編碼器以CELP模型作為編碼模型，采用分析—合成方法量化激勵(lì)信號(hào)。編碼器對(duì)20ms的語音幀進(jìn)行編碼，對(duì)應(yīng)于160個(gè)語音樣本，采樣頻率為8kHz。在每160個(gè)樣本中，對(duì)語音信號(hào)進(jìn)行分析并抽取模型的參數(shù)（濾波器系數(shù)、自適應(yīng)和固定碼本索引和增益）。這些參數(shù)被編碼并傳送，在譯碼端，這些參數(shù)被譯碼并用來選擇合成濾波器的激勵(lì)信號(hào)。AMR編碼器功能包括9大部分：預(yù)處理；線性預(yù)測(cè)分析和量化；開環(huán)基因分析；沖擊響應(yīng)計(jì)算；目標(biāo)信號(hào)計(jì)算；自適應(yīng)碼本；代數(shù)碼本；自適應(yīng)和固定碼本增益的量化；存儲(chǔ)器更新。

AMR的特點(diǎn)是LSP采用矢量量化。為保持時(shí)變性，AMR用內(nèi)插重建每子幀所需的LSP參數(shù)。對(duì)12.2kb/s模式，線性預(yù)測(cè)分析執(zhí)行兩次，而對(duì)其它模式，每幀執(zhí)行一次。在12.2kb/s模式時(shí)，線性預(yù)測(cè)參數(shù)的兩個(gè)集被轉(zhuǎn)化為線譜對(duì)（LSP）并用38比特的分裂矩陣量化(SMQ)來聯(lián)合量化；對(duì)其它模式，線性預(yù)測(cè)參數(shù)的單個(gè)集被轉(zhuǎn)化成LSP并用分裂矢量量化(SVQ)來量化。語音幀被分為4個(gè)5ms的子幀，每個(gè)子幀包括40個(gè)樣本，每個(gè)子幀都傳送自適應(yīng)碼本和固定碼本參數(shù)，子幀根據(jù)需要可以用量化和非量化的參數(shù)或它們的內(nèi)插值形式。每個(gè)子幀（5.15kb/s和4.75kb/s模式是每幀）根據(jù)感知加權(quán)語音對(duì)開環(huán)基音延遲進(jìn)行估計(jì)。然后對(duì)每個(gè)子幀進(jìn)行以下的重復(fù)操作：

1）濾波器的初始狀態(tài)用LP殘留和激勵(lì)之間的誤差來修正的加權(quán)合成濾波器來計(jì)算目標(biāo)信號(hào)；

2）計(jì)算加權(quán)合成濾波器的沖激響應(yīng)；

3）用目標(biāo)信號(hào)和沖激響應(yīng)通過在開環(huán)基因延時(shí)周圍進(jìn)行搜索來進(jìn)行閉環(huán)基音分析；

4）通過移去自適應(yīng)碼本的貢獻(xiàn)來修正目標(biāo)信號(hào)，新的目標(biāo)信號(hào)用在固定碼本搜索；

5）自適應(yīng)和固定碼本的增益被量化成4—5bit或矢量量化成6—7bit；

6）最后，濾波器的存儲(chǔ)器狀態(tài)被更新以便發(fā)現(xiàn)下個(gè)子幀的目標(biāo)信號(hào)。

4 AMR解碼器流程

AMR解碼器的處理和一般的解碼器相同。解碼器包括以下部分：發(fā)送參數(shù)譯碼（LP參數(shù)、自適應(yīng)碼本矢量、自適應(yīng)碼本增益、固定碼本矢量、固定碼本增益），合成重建語音。重建的語音還要經(jīng)過后處理和信號(hào)放大。解碼器具有其獨(dú)特的重構(gòu)隨機(jī)激勵(lì)矢量的相位彌散處理。由于7.95，6.70，5.90，5.15，4.75kb/s模式中隨機(jī)激勵(lì)碼矢量中非零樣點(diǎn)非常少，如果隨機(jī)激勵(lì)碼矢量在整個(gè)激勵(lì)信號(hào)中所占分量比較大，則合成語音自然度差、機(jī)器聲比較明顯，為了消除這種情況的影響，聲碼器對(duì)隨機(jī)激勵(lì)矢量的脈沖進(jìn)行了相位彌散處理（抗稀疏處理）。其步驟為：

1）根據(jù)當(dāng)前分幀子適應(yīng)碼矢量的增益選取相位彌散處理程度；

2）根據(jù)隨機(jī)激勵(lì)碼矢量的增益修正相位彌散處理程度；

3）相位彌散處理：首先根據(jù)模式和相位彌散處理程度選取相應(yīng)的濾波器，然后隨機(jī)激勵(lì)碼矢量和濾波器進(jìn)行循環(huán)卷積。

5 結(jié)論

通過對(duì)AMR研究，可以較清楚地看到以下幾個(gè)特點(diǎn)：

1）AMR有八種固定的信源速率模式，從12.2kb/s到4.75kb/s。另外還有低速率的背景噪聲編碼模式：1.8kb/s。

2）AMR是以更智能的方式解決信源編碼和信道編碼的速率分配問題。實(shí)際的語音速率取決于信道質(zhì)量，是信道質(zhì)量的函數(shù)。

3）AMR參數(shù)包括LP參數(shù)、自適應(yīng)碼本矢量、自適應(yīng)碼本增益、固定碼本矢量、固定碼本增益。AMR中不同模式下參數(shù)更新的速率相同，而不同模式下核心幀的比特?cái)?shù)不同，其它部分比特?cái)?shù)均相同。

4）AMR中專門設(shè)有靜音幀并在發(fā)送端和接收端都以一定的格式處理背景噪聲，使得對(duì)靜音的處理更加優(yōu)化，從而使合成語音在主觀聽覺上的質(zhì)量更好。

5）AMR中利用噪聲的短時(shí)平穩(wěn)性采用非連續(xù)傳輸技術(shù)，噪聲參數(shù)每三幀傳輸一次，降低了系統(tǒng)的自干擾，同時(shí)增加了系統(tǒng)容量。

[1]祁玉生，等.現(xiàn)代移動(dòng)通信系統(tǒng)[M].北京：人民郵電出版社，1999.

[2]楊留青，等.數(shù)字移動(dòng)通信系統(tǒng)[M].北京：人民郵電出版社，1995.

[3]趙力.語音信號(hào)處理[M].北京：機(jī)械工業(yè)出版社，2003.

[4]胡航.語音信號(hào)處理[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2000.

[5]竺南直，等.碼分多址（CDMA）移動(dòng)通信系統(tǒng)[M].北京：電子工業(yè)出版社，1999.

[6]邱玲，等.第三代移動(dòng)通信技術(shù)[M].北京：人民郵電出版社，2001.

[7]鄔國(guó)揚(yáng).數(shù)字蜂窩網(wǎng)[M].西安：西安電子科學(xué)技術(shù)大學(xué)出版社，2000.

[8]易克初，等.語音信號(hào)處理[M].北京：國(guó)防工業(yè)出版社，2000.