第3章-数字声音编码

null多媒体技术 教程 人力资源管理pdf成真迷上我教程下载西门子数控教程protel99se入门教程fi6130z安装使用教程 第3章 数字声音编码多媒体技术教程 第3章 数字声音编码第3章 数字声音编码目录第3章 数字声音编码目录3.1 声音简介 3.1.1 声音是什么 3.1.2 声音的频率范围 3.2 声音信号数字化 3.2.1 从模拟过渡到数字 3.2.2 模拟信号与数字信号 3.2.3 声音信号数字化 3.2.4 声音质量与数据率 3.3 声音工具 3.3.1 Windows自带的声音工具 3.3.2 声音编辑工具Goldwave 3.3.3 声音编辑工具Adobe Audition 3.4声音质量的MOS评分 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 3.5 脉冲编码调制(PCM) 3.5.1 PCM的概念 3.5.2 均匀量化 3.5.3 非均匀量化 3.6 PCM在通信中的应用 3.6.1 频分多路复用 3.6.2 时分多路复用 3.6.3 数字通信线路的数据传输率3.7 增量调制与自适应增量调制 3.7.1 增量调制(DM) 3.7.2 自适应增量调制(ADM) 3.8 自适应差分脉冲编码调制 3.8.1 自适应脉冲编码调制(APCM)的概念 3.8.2 差分脉冲编码调制(DPCM)的概念 3.8.3 自适应差分脉冲编码调制(ADPCM) 3.8.4 G.726 ADPCM编译码器 3.9 G.722 SB-ADPCM编译码器 3.9.1 子带编码(SBC) 3.9.2 子带-自适应差分脉冲编码调制(SB-ADPCM) 3.10 GSM声音简介 3.11 话音编码标准摘要 3.11.1 编码算法的性能 3.11.2 话音编码标准 参考文献和站点 3.1 声音简介3.1 声音简介声音是什么 声音是听觉器官对声波的感知，而声波是通过空气或其他媒体传播的连续振动 声音的强弱体现在声波压力的大小上， 音调的高低体现在声音的频率上 1、复合信号: 声音信号由许多频率不同的信号组成 2、分量信号: 单一频率的信号 带宽，它用来描述组成复合信号的频率范围（声音信号的一个重要参数） 图3-1 声音是一种连续的波nullnullnull3.1 声音简介3.1 声音简介声音的频率 高保真声音(high-fidelity audio): 10 ~ 20 kHz 声音(audio): 20~ 20 kHz---音频信号 话音(speech): 300~3000/3400 Hz---话音信号 亚音/次音(subsonic): < 20 Hz 超声(ultrasonic): > 20 k Hz声音3要素：音调（频率）、音色、音量声音3要素：音调（频率）、音色、音量音量频率音色音调（频率）音调（频率）音调音调Audition 中生成—音调高音do—512hz低音do—256hz音色：不同的乐器有不同的共鸣腔，波的叠加就不一样音色：不同的乐器有不同的共鸣腔，波的叠加就不一样null 经过了调制，还是do，但是振幅之类的有变化记录声音的方式记录声音的方式记录声音的方式记录声音的方式声音的数字化声音的数字化 3.2 声音信号数字化 3.2 声音信号数字化3.2.1 从模拟过渡到数字 数字信号处理器(DSP)。 3.2.2 模拟信号与数字信号 在某些特定的时刻对这种模拟信号进行测量叫做采样(sampling) 时间和幅度都用离散的数字表示的信号就称为数字信号。 3.2.3 声音信号数字化　　 声音数字化实际上就是采样和量化。 连续时间的离散化 采样，每隔相等的一小段时间采样一次，这种采样称为均匀采样； 连续幅度的离散化 量化，把信号的强度划分成一小段一小段，如果幅度的划分是等间隔的，就称为线性量化，否则就称为非线性量化。 ①每秒钟需要采集多少个声音样本，也就是采样频率(fs)是多少 ②每个声音样本的位数(bit per sample，bps)应该是多少，也就是量化精度 　　 离散时间信号 nullnullnull采样null量化只能落在相应的点上null采样频率 奈奎斯特理论(Nyquist theory)指出：采样频率不应低于声音信号最高频率的两倍，这样就能把以数字表达的声音还原成原来的声音，这叫做无损数字化(lossless digitization) 用公式表示为 fs ≥2f 或者 Ts ≤ T/2 其中f为被采样信号的最高频率 null采样精度 每个声音样本的位数 样本位数越多，声音的质量越高，而需要的存储空间也越多；位数越少，声音的质量越低，需要的存储空间越少。 　　采样精度的另一种表示方法是信号噪声比-----SNR Vsignal表示信号电压，Vnoise表示噪声电压；SNR的单位为分贝(db) 　　 例：假设Vnoise＝1，采样精度为1位表示Vsignal＝21，信噪比SNR＝6分贝。 　 采样精度为8位表示Vsignal＝28，信噪比SNR＝6*8=48分贝log 2= lg 2=0.301 log 2 y=3.32× lg y3.2 声音信号数字化(续)3.2 声音信号数字化(续)声音质量和数据率—— 质量度量 数据率=采样频率×样本精度×声道数 （bit/s) 占用存储空间=数据率×声音时间 （bit) *电话使用m律编码，动态范围为13位，压缩后的样本精度为8位3.3 声音工具 3.3 声音工具 声音工具(audio tools)是用来录制、播放、编辑和 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 声音文件的软件，在音乐节目的后期制作、多媒体音效制作和视像配音等方面有重要作用 声音工具使用相当普遍，可供选择的声音工具相当多，它们的功能相差很大 笔者试用过多种声音工具，包括Windows自带的声音工具，Goldwave，Cool Edit 2000，Cool Edit Pro 2.0和Adobe Audition等，下面介绍其中的几种 3.3 声音工具(续1)3.3 声音工具(续1)3.3.1 Windows自带的声音工具 Windows操作系统自带两种声音工具 (1) 录音机：它的功能非常简单，只有录音、播放和简单的编辑功能，但对测试Windows环境下的声音系统是否正常工作非常有效。录音机在录制和播放声音时的界面如图3-3 (a)所示 (2) 媒体播放器(Windows Media Player)：主要用于播放声音和影视节目，没有编辑功能，播放音乐时的界面如图3-3 (b)所示 3.3 声音工具(续2)3.3 声音工具(续2)(a) Windows录音机的录放界面(b) Windows Media Player播放音乐时的界面图3-3 Windows自带的声音工具 3.3 声音工具(续3)3.3 声音工具(续3)3.3.2 声音编辑工具Goldwave Goldwave[5]是1993年首次对外发行的声音编辑软件，它将声音的编辑、播放、录制、分析和格式转换等功能集成在一起，2007年的版本是v5.2 Goldwave可支持多种声音文件格式、内含声音数据的影视文件格式及其格式之间的转换，包括AIF，AU，AVI，MAT，MOV，MP3，SDS，SMP，SND，VOC，VOX，WAV等。Goldwave内含丰富的声音特效处理功能，如回声、混响、淡入和淡出 Goldwave软件的界面如图3-4所示。右边是控制和显示界面，左边是主界面。主界面从上到下分成3大部分：最上面是菜单栏和命令按钮，中间是波形显示窗口，下面是声音文档属性栏 3.3 声音工具(续4)3.3 声音工具(续4)图3-4 Goldwave的用户界面3.3 声音工具(续5)3.3 声音工具(续5)3.3.3 声音编辑工具Adobe Audition Adobe Audition[6]是Adobe Systems公司于2003年5月从美国Syntrillium Software公司购买的多音轨的数字声音编辑器，原名为Cool Edit Pro 2.0，用户界面经过修改并添加功能后于同年8月以Adobe Audition的名称发行。 Adobe Audition 2.0是2007年的软件版本，其直观的和操作方便的用户界面见图3-5 Adobe Audition 2.0是专业级的声音工具，集成了录音、混音、分析、编辑等和包括原版盘制作(mastering)在内的多种功能。与Goldwave一样，Adobe Audition可支持多种声音文件格式、影视文件内含的声音格式及其格式之间的转换，包括AIF，AU，AVI，MAT，MOV，MP3，SDS，SMP，SND，VOC，VOX，WAV等 3.3 声音工具(续6)3.3 声音工具(续6)图3-5 Adobe Audition的用户界面3.4 声音质量的MOS评分标准3.4 声音质量的MOS评分标准声音质量的衡量方法 声音带宽法 等级由高到低依次是DAT、CD、FM、AM和数字电话 客观质量度量 用信噪比(SNR)表示，详细计算请参看林福宗和陆达编写的《多媒体与CD-ROM》，1995.3清华大学出版社出版声音客观质量的度量主要用信噪比（SNR) 人能感知的信号0—120db3.4 声音质量的MOS评分标准(续)3.4 声音质量的MOS评分标准(续)主观质量度量(mean opinion score)MOS 度量方法类似于电视节目中的歌手比赛，由评委对每个歌手的表现进行评分，然后求出平均值 有时同时采取两种方法评估，有时以主观质量度量为主 表3-2 声音质量MOS评分标准3.5 脉冲编码调制(PCM)3.5 脉冲编码调制(PCM)脉冲编码调制(PCM)的概念 PCM是pulse code modulation的缩写 概念上最简单、理论上最完善、最早研制成功、使用最为广泛、数据量最大的编码系统量化方法不同，量化后的数据量也就不同。 量化也是一种压缩数据的方法。 采样 量化 均匀量化 非均匀量化null量化的方法 1、均匀量化 采用相等的量化间隔/等分尺度量采样得到的信号幅度，也称为线性量化。量化后的样本值Y和原始值X的差E=Y-X称为量化误差或量化噪声2、非均匀量化 大的输入信号采用大的量化间隔，小的输入信号采用小的量化间隔 可在满足精度要求的情况下用较少的位数来表示 声音数据还原时，采用相同的规则 采样输入信号幅度和量化输出数据之间定义了两种对应关系 μ律压扩算法 A律压扩算法null(G.711)话音频率脉冲编码调制 m 律压扩 m 律压扩(对数PCM)主要用在北美和日本等地区的数字电话通信中，按下面的式子确定量化输入和输出的关系： x为输入信号幅度，规格化成-1≤x≤1 ; sgn(x)为x的极性； m 最大量化间隔和最小量化间隔之比，取100 ≤ m ≤ 500 计算时，用m ＝255， A律压扩 A律压扩主要用在欧洲和中国大陆等地区的数字电话通信中，按下面的式子确定量化输入和输出的关系 0 ≤ |x| ≤ 1/A 计算时，A＝87.56 话音编码（补充）话音编码（补充） G.711标准(普通电话标准):单声道、8位/样本、采样频率为8 kHz的话音数据流。使用μ率和A率压缩算法，信号带宽为3.4 kHz，压缩后的数据率为64 kb/s； G.721使用ADPCM压缩算法，信号带宽为3.4 kHz，压缩后的数据率为32 kb/s； G.722使用ADPCM压缩算法，信号带宽为7 kHz，压缩后的数据率为64 kb/s。 话音编码概要（补充）话音编码概要（补充）1 话音波形的特性 浊音、清音、爆破音、混合音 话音在短时间周期(20 ms的数量级)里可以被认为是准定态的，也就是说基本不变的。 2 三种话音编译码器 null1. 波形编译码器 原理:不利用生成话音信号的任何知识而企图产生一种重构信号，它的波形与原始话音波形尽可能地一致。 数据速率在16 kb/s以上，质量相当高。 产生的样本精度为8位，它的数据率为64 kb/s时，重构的话音信号几乎与原始的话音信号没有什么差别。 PCM---DPCM—ADPCM—SBADPCM 2. 音源编译码器 原理:从话音波形信号中提取生成话音的参数，使用这些参数通过话音生成模型重构出话音。 针对话音的音源编译码器叫做声码器。时变滤波器传送给解码器的信息就是滤波器的规格、发声或者不发声的标志和有声话音的音节周期，并且每隔10～20 ms更新一次。 数据率在2.4 kb/s左右 音质比较低，保密性能好 null3. 混合编译码 原理:寻找这样一种激励信号，使用这种信号激励产生的波形尽可能接近于原始话音的波形。AbS编译码器把输入话音信号分成许多帧(frames)，一般来说，每帧的长度为20 ms。合成滤波器的参数按帧计算，然后确定滤波器的激励参数。 编译码器是时域合成-分析(analysis-by-synthesis，AbS)编译码器。3.6 PCM在通信中的应用3.6 PCM在通信中的应用1. 频分多路复用 (FDM)---模拟载波通信的主要手段 把传输信道的频带分成好几个窄带，每个窄带传送一路信号。每个窄带间有240hz的隔离保护带 2. 时分多路复用(TDM)----数字通信的主要手段 把传输信道按时间来分割，为每个用户指定一个时间间隔，每个间隔里传输信号的一部分。 24路制和30路制 话音信号 采样频率f＝8000 Hz 采样周期＝125 m s 这个时间称为1帧(frame)。null24路制的重要参数如下： 每秒钟传送8000帧，每帧125 m s。 12帧组成1复帧(用于同步)。 每帧由24个时间片(信道)和1位同步位组成。 每个信道每次传送8位代码，1帧有24 × 8 ＋1＝193位(位)。 数据传输率R＝8000×193＝1544 kb/s。 T1北美(数字网络等级) 每一个话路的数据传输率＝8000×8=64 kb/s。 30路制的重要参数如下： 每秒钟传送8000帧，每帧125 m s。 16帧组成1复帧(用于同步)。 每帧由32个时间片(信道)组成。 每个信道每次传送8位代码。 数据传输率：R＝8000×32×8＝2048 kb/s。 E1欧洲(数字网络等级) 每一个话路的数据传输率＝8000×8=64 kb/s。 3.6 PCM在通信中的应用(续)3.6 PCM在通信中的应用(续)线路利用率 使用时分多路复用技术时，由于当信道无数据传输时仍给那个信道分配时间槽，因此线路利用率较低 为解决这个问题，开发了统计时分多路复用技术(statistical time division multiplexing, STDM)。STDM是按照每个传输信道的传输需要来分配时间间隔的时分多路复用技术，可提高传输线路的效率 3.6 PCM在通信中的应用(续)3.6 PCM在通信中的应用(续)数字通信线路的数据传输率 为反映PCM信号复用的复杂程度，通常用“群(group)”这个术语来表示，也称为数字网络的等级 传输容量由一次群(基群)的30路(或24路)，增加到二次群的120路(或96路)，三次群的480路(或384路)，…… 图3-7表示二次复用的示意图。图中的N表示话路数，无论N＝30还是N＝24，每个信道的数据率都是64 kb/s，经过一次复用后的数据率就变成2048 kb/s(N＝30)或1544 kb/s(N＝24) 在数字通信中 在北美，具有1544 kb/s数据率的线路叫做“T1远距离数字通信线路”，提供这种数据率的服务级别称为T1等级 在欧洲，具有2048 kb/s数据率的线路叫做“E1远距离数字通信线路”，提供这种数据率的服务级别称为E1等级 T1/E1，T2/E2，T3/E3，T4/E4和T5/E5的数据传输率见表3-33.6 PCM在通信中的应用(续)3.6 PCM在通信中的应用(续)时分多路复用示意图图3-7 二次复用示意图 3.6 PCM在通信中的应用(续5)3.6 PCM在通信中的应用(续5)T1/E1，T2/E2，T3/E3，T4/E4和T5/E5的数据传输率注：在ITU的文件中，数据率用kb/s和Mb/s做单位，因此该表没有用kbps和Mbps做单位 3.7 增量调制与自适应增量调制3.7 增量调制与自适应增量调制增量调制 也称△调制(DM)，它是一种预测编码技术，是PCM编码的一种变形。 DM是对实际的采样信号与预测的采样信号之差的极性进行编码，将极性变成“0”和“1”这两种可能的取值之一。 如果实际的采样信号与预测的采样信号之差的极性为“正”，则用“1”表示；相反则用“0”表示，或者相反。又称为“1位系统” 比较：PCM是对每个采样信号的整个幅度进行量化编码滞后调制过程3.7 增量调制与自适应增量调制(续)3.7 增量调制与自适应增量调制(续)自适应增量调制(ADM) 斜率过载：增量调制器的输出不能保持跟踪输入信号的快速变化 粒状噪声：输入信号与预测信号的差值接近零的区域，增量调制器的输出出现随机交变的“0”和“1”。这种现象称为增量调制器的粒状噪声 为了使增量调制器的量化阶Δ能自适应，也就是根据输入信号斜率的变化自动调整量化阶Δ的大小，以使斜率过载和粒状噪声都减到最小，许多研究人员研究了各种各样的方法，而且几乎所有的方法基本上都是在检测到斜率过载时开始增大量化阶Δ，而在输入信号的斜率减小时降低量化阶Δ 例如，宋(Song)在1971描述的ADM技术中提出：每当输出不变时量化阶增大50%；每当输出值改变时，量化阶减小50% 又如，由格林弗基斯(Greefkes)在1970年提出的连续可变斜率增量调制(CVSD)的基本方法是：如果连续可变斜率增量调制器的输出连续出现三个相同值时，量化阶加一个大的增量，反之，就加一个小的增量。3.8 自适应差分脉冲编码调制3.8 自适应差分脉冲编码调制3.8.1 自适应脉冲编码调制(APCM)的概念 对PCM调制的信号进行再压缩 APCM是什么 根据输入信号幅度大小来改变量化阶大小的一种波形编码技术 自适应 瞬时自适应，即量化阶的大小每隔几个样本就改变 音节自适应，即量化阶的大小在较长时间里发生变化3.8 自适应差分脉冲编码调制(续1)3.8 自适应差分脉冲编码调制(续1)改变量化阶大小的方法 1、前向自适应：根据未量化的样本值的均方根值来估算输入信号的电平，以此来确定量化阶的大小，并对其电平进行编码作为边信息传送到接收端 (a)前向自适应 图3-9 APCM方块图 2、后向自适应：从量化器刚输出的过去样本中提取量化阶信息。由于后向自适应能在发收两端自动生成量化阶，所以它不需要传送边信息。(b)后向自适应 图3-9 APCM方块图 3.8 自适应差分脉冲编码调制(续3)3.8 自适应差分脉冲编码调制(续3)3.8.2 差分脉冲编码调制(DPCM) 利用样本与样本之间存在的信息冗余度来进行编码的一种数据压缩技术。根据过去的样本去估算下一个样本信号的幅度大小，这个值称为预测值，然后对实际信号值与预测值之差进行量化编码，从而就减少了表示每个样本信号的位数。还能适应大范围变化的输入信号。 PCM是直接对采样信号进行量化编码，而DPCM是对实际信号值与预 测值之差进行量化编码，存储或者传送的是差值而不是幅度绝对值，这就降低了传送或存储的数据量。3.8 自适应差分脉冲编码调制(续)3.8 自适应差分脉冲编码调制(续)3.8.3 自适应差分脉冲编码调制(ADPCM) 综合了APCM的自适应特性和DPCM系统的差分特性 它的核心想法是： 利用自适应的思想改变量化阶的大小，即使用小的量化阶去编码小的差值，使用大的量化阶去编码大的差值 使用过去的样本值估算下一个输入样本的预测值，使实际样本值和预测值之间的差值总是最小G.721 自适应量化器，用4位表示差分信号， 信号带宽3.4khz，采样频率8khz，数据率32kb/s3.9 G.722 SB-ADPCM编译码器3.9 G.722 SB-ADPCM编译码器G.722推荐标准 50～7000 Hz的话音称为宽带话音 1988年CCITT制定的，称为“数据率为64 kb/s的7 kHz声音信号编码(7 kHz Audio-coding with 64 kb/s)”[9][10] 该标准把话音信号的质量由电话质量提高到AM无线电广播质量，而其数据传输率仍保持为64 kb/s 在可懂度和自然度方面都比带宽为300～3400 Hz的话音有明显提高，也更容易识别对方的说话人 采用的技术 子带编码(SBC) 自适应差分脉冲调制(ADPCM)编码3.9 G.722 SB-ADPCM编译码器(续1)3.9 G.722 SB-ADPCM编译码器(续1)子带编码(sub-band coding，SBC) 用一组带通滤波器(band-pass filter，BPF)把输入声音信号的频带分成若干个连续的频段，每个频段称为子带。对每个子带中的声音信号采用单独的编码 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 去编码 在信道上传送时，将每个子带的代码复合在一起；在接收端译码时，将每个子带的代码单独译码，然后把它们组合起来，还原成原来的声音信号 好处有两个 可对每个子带信号分别进行自适应控制，量化阶的大小可按照每个子带的能量电平加以调节。具有较高能量电平的子带用大的量化阶去量化，以减少总的量化噪声 可根据每个子带信号在感觉上的重要性，对每个子带分配不同的位数，用来表示每个样本值。3.9 G.722 SB-ADPCM编译码器(续2)3.9 G.722 SB-ADPCM编译码器(续2)例如，在低频子带中，为了保护音调就要求用较小的量化阶、较多的量化级数，即分配较多的位数来表示样本值。而话音中的摩擦音和类似噪声的声音，通常出现在高频子带中，对它分配较少的位数 SBC的方块图如图3-13所示，图中的编码/译码器可以采用ADPCM，APCM或PCM图3-13 子带编码方块图 3.9 G.722 SB-ADPCM编译码器(续3)3.9 G.722 SB-ADPCM编译码器(续3)声音频带的分割 可用树型结构的式样进行划分 首先把整个声音信号带宽分成两个相等带宽的子带：高频子带和低频子带 然后对这两个子带用同样的方法划分，形成4个子带 这个过程可按需要重复下去，以产生2k个子带，K为分割的次数 用这种办法可以产生等带宽的子带，也可以生成不等带宽的子带 例如，对带宽为4000 Hz的声音信号，当K=3时，可分为8个相等带宽的子带，每个子带的带宽为500 Hz；也可生成5个不等带宽的子带，分别为［0,500),［500,1000)，[1000,2000),［2000,3000)和［3000，4000］ 采用正交镜像滤波器(quadrature mirror filter，QMF)来划分频带 3.9 G.722 SB-ADPCM编译码器(续4)3.9 G.722 SB-ADPCM编译码器(续4)SB-ADPCM编译码器方框图 图3-17 7 kHz声音信号64 kb/s数据率的编译码方块图3.10 GSM编译码器简介3.10 GSM编译码器简介GSM编译码器简介 GSM是Global System for Mobile communications的缩写，可译成全球数字移动通信系统 GSM算法是1992年柏林技术大学(Technical University Of Berlin)根据GSM协议开发的，这个协议是欧洲最流行的数字蜂窝电话通信协议。 除了ADPCM算法已经得到普遍应用之外，还有一种使用较普遍的波形声音压缩算法叫做GSM算法，使用这种算法的编码器称为GSM编码器3.10 GSM编译码器简介(续)3.10 GSM编译码器简介(续)GSM的性能 GSM的输入：数据分成帧(frame)，一帧(20毫秒)由带符号的160个样本组成，每个样本为13位或16位的线性PCM(linear PCM)码 使用的采样频率为8 kHz时，如果每个样本为16位，那么未压缩的话音数据率为128 kb/s GSM的输出： 一帧(160×16位)的数据压缩成260位的GSM帧，相当于13 kb/s。由于260位不是8位的整数倍，因此编码器输出的GSM帧为264位的线性PCM码 使用GSM压缩后的数据率为： (264位×8000样本/秒)/160样本=13.2 千位/秒 GSM的压缩比：128:13.2 = 9.7，近似于10:1