采用ITU-T標(biāo)準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

聲音信號的存儲與傳輸，從模擬信號到數(shù)字信號經(jīng)歷了一個革命性的發(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年開始ITU-T為音頻信號壓縮編碼制定的一系列標(biāo)準，成為當(dāng)前移動通訊、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。

聲音信號；音頻壓縮編碼；ITU-T標(biāo)準

一、引言

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

PCM也稱為脈沖代碼調(diào)制編碼。脈沖調(diào)制就是把一個時間連續(xù)，取值連續(xù)的模擬信號變換成時間離散，取值離散的數(shù)字信號后在信道中傳輸。脈沖編碼調(diào)制就是對模擬信號先抽樣，再對樣值幅度量化、編碼的過程。

在計算機應(yīng)用中，能夠達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欣賞，CD、DVD以及我們常見的WAV文件中均有應(yīng)用。因此，規(guī)定PCM為無損編碼。

（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記錄數(shù)字數(shù)據(jù)；二是采用一定的算法來壓縮數(shù)字數(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。一般來講，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)分為無損壓縮及有損壓縮兩大類；而按照壓縮方案的不同，又可將其劃分為時域壓縮、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）以及編解碼延時等都有很大的不同。

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

二、ITU-T標(biāo)準簡介

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

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

表1 G.7XX算法比較

三、ITU-T G系列主要標(biāo)準的發(fā)展及應(yīng)用

（一）G.726標(biāo)準。G.726是ITU-T1990年在G.721和G.723標(biāo)準的基礎(chǔ)上提出的關(guān)于把64kbps非線性PCM信號轉(zhuǎn)換為40kbps、32kbps、24kbps、16kbps的ADPCM信號的標(biāo)準。G.726標(biāo)準算法簡單，語音質(zhì)量高，多次轉(zhuǎn)換后語音質(zhì)量有保證，能夠在低比特率上達到網(wǎng)絡(luò)等級的話音質(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）中的語音傳輸，而40kbps通道則被用于DCME中的數(shù)據(jù)解調(diào)信號（尤其是4800kbps或更高的調(diào)制解調(diào)器）。

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

（三）G.728標(biāo)準。為了進一步降低語音壓縮的碼率，1991年ITU-T制定了G.728標(biāo)準，使用基于短延時碼本激勵線性預(yù)測（LDCELP）算法，通過對語音信號的分析，提取CELP模型的參數(shù)，在解碼端，這些參數(shù)用于恢復(fù)激勵信號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)準相當(dāng)。

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

G.728標(biāo)準的語音編碼的主要特點有：算法時延短，僅為0.625ms；編碼時延小于2ms；傳輸比特率為16kbit/s；MOS值為4.173，達到了長途通信質(zhì)量。

我們選用G.728標(biāo)準的語音編碼算法作為IP電話的編碼算法。

（四）G.723.1標(biāo)準。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，ITU-T對8kbit/s以下的高質(zhì)量語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)準是極低速率多媒體通信標(biāo)準系列H.324中的有關(guān)語音編碼的一個標(biāo)準。

G.723.1編碼器采用了線性預(yù)測分析合成的技術(shù)，對8kHz取樣的16bit精度的PCM數(shù)字音頻進行處理，以盡量減少實際語音與合成語音之間經(jīng)聽覺加權(quán)后的差分信號的能量為準則來進行編碼的。在G.723.1標(biāo)準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音編碼器相比，這兩種編碼器都具有較高的語音質(zhì)量，較低的編碼時延（30～40ms）。高速率提供更好的重建語音質(zhì)量，低速率的算法計算量低，給系統(tǒng)設(shè)計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音質(zhì)量和較低的延時，允許在相鄰幀（30ms）的邊界轉(zhuǎn)換速率，在無聲幀進行噪聲填充，實現(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)化地表示語音信號，采用線性預(yù)測的合成分析法分幀處理。高碼率（6.3kb/s）激勵信號采用多脈沖極大似然量化（MP-MLQ），低碼率（5.3kb/s）激勵信號采用代數(shù)碼本激勵線性預(yù)測（ACELP）。每幀30ms，另加7.5ms的前視，算法總延遲37.5m。

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

G.729協(xié)議定義了8kbit/s碼率的共扼結(jié)構(gòu)代數(shù)碼本激勵線性預(yù)測（CS-ACELP）語音編解碼算法。模擬信號經(jīng)過電話帶寬濾波，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)，解碼器對比特流參數(shù)解碼，以同樣方式轉(zhuǎn)換為模擬信號。其他格式的信號都要預(yù)先化為16bit PCM碼，解碼后再轉(zhuǎn)換回來。

CS-ACELP編碼器建立在碼本激勵模型的基礎(chǔ)上，8kHz采樣信號每10ms為一幀（含80個樣本），按幀計算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，得到激勵和合成濾波器參數(shù)。激勵信號經(jīng)過短時合成濾波器濾波得重構(gòu)語音信號，短時合成濾波器為10階LP濾波器。長時濾波器為自適應(yīng)碼本濾波器。重構(gòu)語音還需經(jīng)過若干個后濾波處理步驟。

G.729標(biāo)準主要應(yīng)用有：個人移動通信、低C/N數(shù)字衛(wèi)星系統(tǒng)（包括陸地移動衛(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)字移動無線通信DOME、存儲/檢索以及分組語音和數(shù)字租用信道等。

四、小結(jié)

音頻壓縮編碼技術(shù)的研究是目前國際上的信號壓縮領(lǐng)域的一大研究熱點。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碼率的技術(shù)。本文對數(shù)字音頻壓縮編碼的相關(guān)理論和技術(shù)參數(shù)做了簡要介紹。分析并研究了ITU-T國際標(biāo)準在當(dāng)前數(shù)字廣播、網(wǎng)絡(luò)、移動通訊等領(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