音頻信號聯(lián)合編碼的通用碼書研究

楊 超，黃雋逸，孫 云，徐向旭，趙瑞青

（1.海軍航空大學(xué)，山東煙臺264001；2.91604部隊，山東龍口265706；3.92635部隊，山東青島266041）

音頻壓縮已經(jīng)廣泛應(yīng)用于消費類及專業(yè)級的音頻產(chǎn)品中，如激光唱盤（CD）、迷你型光譜（MD）、數(shù)字多用光盤（DVD）、數(shù)字音頻廣播（DAB）以及分布在Internet上的運動圖像專家組（Motion Picture Experts Group、MPEG）第3層音頻編碼標(biāo)準(zhǔn)（MP3）等。隨著通信網(wǎng)絡(luò)的普及，音頻編碼又大量應(yīng)用在互聯(lián)網(wǎng)應(yīng)用、遠(yuǎn)程醫(yī)療和錄放系統(tǒng)中。在現(xiàn)代通信系統(tǒng)中，隨著帶寬和存儲容量需求的不斷增長[1-3]，音頻編碼研究也越來越受到重視，而集成電路和信號處理技術(shù)的發(fā)展，使得實現(xiàn)高效的信源編碼技術(shù)成為可能。目前聲音編碼技術(shù)分為3類：波形編碼、參數(shù)編碼以及混合編碼[4-5]。傳統(tǒng)的音頻編碼標(biāo)準(zhǔn)通過各種降低延時和碼率的技術(shù)，提高其對聲音的編碼效率[6-8]。當(dāng)前最新的低延時音頻編碼格式Opus對互聯(lián)網(wǎng)上的交互式聲音和音樂傳輸來說是最佳的選擇，同時也用于存儲和流媒體應(yīng)用。它的采樣率從8～48 kHz，它的碼率范圍為6～510 kb/s，算法時延在2.5～30 ms之間。一些新的音頻編碼算法也在不斷涌現(xiàn)，例如一種將預(yù)測編碼[9]、基于SOM自組織神經(jīng)網(wǎng)絡(luò)[10-14]的矢量編碼[15-17]及Huffman[18]編碼相結(jié)合的音頻編碼算法[19]（以下簡稱聯(lián)合編碼算法）。在保證聲音質(zhì)量的前提下，該編碼方法的碼率小于MEPG-1 Layer3[20]的最低的64 kb/s標(biāo)準(zhǔn)碼率，高維聯(lián)合編碼的碼率更小，最小碼率在音頻編碼格式Opus碼率的范圍內(nèi)，且接近Opus碼率的下限。但是，聯(lián)合編碼算法中，需要從每一段待編碼的聲音信號中用SOM的自組織神經(jīng)網(wǎng)絡(luò)提取相應(yīng)的專用碼書，為了進(jìn)一步減小聯(lián)合編碼算法的復(fù)雜度，本文提出在聯(lián)合編碼中，用通用碼書取代專用碼書的嘗試。

1 碼書長度為64的8維矢量聯(lián)合編碼算法

隨著聯(lián)合編碼算法中的碼書長度的增加，碼率會增加；隨著量化矢量維數(shù)的增加，碼率會下降。圖1是碼書長度為64的8維聯(lián)合編碼程序流程圖[21]。

圖1 碼書長度為64的8維聯(lián)合編碼程序流程圖Fig.1 Flow chart of 8 dimensional joint coding program with codebook length of 64

圖1是碼書長度為64的8維聯(lián)合編碼程序流程圖。首先，將1列聲音采樣信號按照順序轉(zhuǎn)換成8列，即將原序號為（8n+1）的數(shù)據(jù)組成為新的第i列，其中n取值為自然數(shù)，i取值為1～8的整數(shù)。每列信號分別按照線性預(yù)測編碼原理各自進(jìn)行預(yù)測，計算當(dāng)前的預(yù)測值和誤差值，共得到8個誤差值，將該8個誤差值組成一組8維矢量，進(jìn)行基于SOM自組織神經(jīng)網(wǎng)絡(luò)的碼書長度為64的8維矢量編碼；然后，進(jìn)行Human編碼；譯碼過程與編碼過程相反；最后，對譯碼數(shù)據(jù)用切比雪夫Ⅰ型濾波器濾波。

2 通用碼書的聯(lián)合編碼算法的實驗結(jié)果與分析

通用碼書較專用碼書實時性強。圖1的聯(lián)合編碼算法中，碼書是以錄入的聲音信號為基礎(chǔ)，通過神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練后得到的一個能將該錄入的聲音進(jìn)行預(yù)測編碼時的平均失真降為最小的包含64個碼矢量的碼書，在其他條件不變的條件下，它使錄入的聲音的譯碼恢復(fù)聲音質(zhì)量達(dá)到最好，其缺點是，隨著圖1中錄入的聲音的不同，相應(yīng)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練后得到的碼書不同，每一個聲音編碼，都需要進(jìn)行一次神經(jīng)網(wǎng)絡(luò)訓(xùn)練，也因此稱為專用碼書。所謂專用碼書，就是只適合參與訓(xùn)練的那一段特定音頻樣本的碼書。與此對應(yīng)，所謂通用碼書，就是適合普遍的不同音頻信號的碼書，使用通用碼書編碼，對不同的聲音可以使用同一個碼書，省去了神經(jīng)網(wǎng)絡(luò)訓(xùn)練碼書的時間，從而可減少了編碼時間，提高編碼的實時性。

研究通用碼書的聯(lián)合編碼算法時，需要從更廣泛的具有代表性的音頻信號中提取神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，并計算譯碼結(jié)果，根據(jù)譯碼聲音質(zhì)量，得到通用碼本的可行性。

本文從日常生活中常出現(xiàn)的聲音信號，作為提取通用碼書的樣本信號；試驗證明，專用碼書條件下，碼書長度為64的8維聯(lián)合編碼具有接近算法最小極限的碼率。因此，本文選擇了碼書長度為64的8維聯(lián)合編碼作為通用碼書的研究模式。具體方法是，將音頻標(biāo)準(zhǔn)庫里的“雷聲”、“警報”、“音樂”“心跳”、“鳥鳴”和“古箏”6個樣本，6段聲音信號接續(xù)組合成一段較長的聲音信號，作為圖1中的“錄入聲音數(shù)據(jù)”，按圖1的流程得到一組8維誤差數(shù)據(jù)，并以此為樣本進(jìn)行基于自組織神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得到的結(jié)果即為通用碼書。為了研究通用碼本的性能，從標(biāo)準(zhǔn)音頻庫選取“水滴”和“提示音”2個聲音段作為研究樣本，分別對他們進(jìn)行專用碼書和通用碼書條件下的聯(lián)合編碼。

表1是通用碼書和專用碼書研究結(jié)果。其中，碼書建立源的”從3段聲音信號提取碼書”和”從6段聲音信號提取碼書”分別指從將音頻標(biāo)準(zhǔn)庫里的“雷聲”、“警報”、“音樂”聲音信號中提取碼書和從音頻標(biāo)準(zhǔn)庫里的“雷聲”、“警報”、“音樂”“心跳”、“鳥鳴”和“古箏”6個樣本提取碼書。

表1 通用碼書和專用碼書條件下的聯(lián)合編碼研究結(jié)果Tab.1 Research results of joint coding under universal codebook and special codebook

專業(yè)碼書是分別從對應(yīng)的“水滴”和“提示音”信號提取碼書。

信噪比定義如下：

式（1）中：原始信號的功率為Ps；聲音的噪聲功率Pnx、y分別代表音頻編碼算法的輸入信號和輸出信號；N代表音頻的樣點數(shù)。

壓縮率的計算公式為：

式（2）中：α為壓縮率；r0為編碼后表示聲音信號的二進(jìn)制碼總位數(shù)；ri為原始聲音信號的二進(jìn)制碼總位數(shù)。

碼率β的計算公式為：

式（3）中：μ為采樣率；η為平均碼長。

信噪比的計算如式（1）所示。

譯碼端數(shù)字低通濾波器的通帶截止頻率設(shè)為4 kHz，阻帶截止頻率設(shè)為6 kHz，通帶波紋設(shè)為0.3dB，阻帶衰減設(shè)為10dB。采樣率為22 050 Hz。

從表1可見，聲音信號“水滴”在專用碼書條件下的聯(lián)合編碼的譯碼MOS值為2.5、譯碼端信噪比為6.2361，略高于聲音信號“水滴”在通用碼書條件下的聯(lián)合編碼的譯碼MOS值2.1和2.3，和譯碼端信噪比6.1168和6.2132。聲音信號“提示音”在專用碼書條件下的聯(lián)合編碼的譯碼MOS值為2.6、譯碼端信噪比為8.8207，略高于聲音信號“提示音”的通用碼書條件下的聯(lián)合編碼的譯碼MOS值2.3和2.4，和譯碼端信噪比8.5931和8.7134。他們的碼率均為13.230 kb/s。由此可見，當(dāng)聯(lián)合編碼的碼書長度為64，矢量碼本維數(shù)為8時，通用碼本較專用碼本條件下得到的譯碼聲音質(zhì)量略差，但二者都達(dá)到“差”等級，即可以聽懂內(nèi)容，但音色較原始信號略差。從表1可見，聲音信號“提示音”也可以得到相同的結(jié)論。

圖2是聲音信號“水滴”的專用碼書和通用碼書條件下的聯(lián)合編碼計算結(jié)果。由圖2可見，譯碼聲音信號圖2 e）和圖2 f）的時域中的包絡(luò)和圖2 a）中原始聲音信號的包絡(luò)基本一致，所以譯碼聲音信號內(nèi)容沒有變化。由圖2 c）和圖2 d）可見，專用碼書和通用碼書條件下的聯(lián)合編碼譯碼信號的頻譜較圖2 b）原始信號的頻譜在大于6 kHz的高頻部分的分量小（圖中的縱坐標(biāo)|F(f)|表示頻譜幅值），在小于8 kHz的低頻部分的分量基本相等，由于人耳對大于6 kHz的高頻分量不敏感，所以聽到的譯碼聲音較原始聲音內(nèi)容不變，但音色略差。

圖3是聲音信號“提示音”在專用碼書和通用碼書條件下的聯(lián)合編碼計算結(jié)果。用和圖2相同的方法分析圖3，得到和圖2相同的結(jié)論。

圖2 聲音信號“水滴”在專用碼書和通用碼書條件下的聯(lián)合編碼計算結(jié)果Fig.2 Results of joint coding of sound signal“droplet”under special codebook and general codebook conditions

圖3 聲音信號“提示音”在專用碼書和通用碼書條件下的聯(lián)合編碼計算結(jié)果Fig.3 Results of joint coding of sound signal“warning sound”under special codebook and general codebook conditions

3 結(jié)論

當(dāng)前，最新的低延時音頻編碼格式Opus對于互聯(lián)網(wǎng)上的交互式聲音和音樂傳輸來說是最佳的選擇，同時也用于存儲和流媒體應(yīng)用。它的采樣率從8～48 kHz，它的碼率范圍為 6～510 kb/s，算法時延在2.5～30 ms之間。碼書長度為64、量化矢量為8維的通用碼書條件下的聯(lián)合編碼，其采樣率為22.05Hz，碼率達(dá)到13.230 kb/s，采樣率和碼率都在Opus編碼可取的參數(shù)范圍內(nèi)，但是，算法較Opus簡單，所以實時性較好，更適合于音頻實時通信。因此，通用碼本的聯(lián)合編碼算法將會有廣泛的應(yīng)用前景。