張馨予

西安文理學(xué)院，陜西 西安 710065

0 引言

第三代移動通信系統(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合成語音影響的消除錯誤機(jī)制（ECU）3部分組成。其中，多速率語音編碼器是一個編碼速率和背景噪聲低速率編碼模式的一個整體語音編解碼器。它允許每一幀信號（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)測試表明：從信噪比的角度來看，對沒有背景噪聲的純語音序列，AMR聲碼器的8種速率表現(xiàn)出相對接近的語音質(zhì)量；而對有背景噪聲的語音，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候，沒有給出每種速率和某些參數(shù)值的一一對應(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，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。同時也可以根據(jù)不同的需要對每一類速率進(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，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，間斷的語音使得可懂度急劇下降，嚴(yán)重時甚至造成不能進(jìn)行正常通話。移動環(huán)境的噪聲并不是長期平穩(wěn)的，但是相對語音來說，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、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)的估計和編碼。由于人耳聽覺只和信號的幅頻特性和信號幅度（能量）有關(guān)，所以只要估計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的譜包絡(luò)特性，所以AMR選取LSP和能量兩組參數(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（包括延長時間）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的起始時刻，同時編碼器計算緩沖區(qū)中特征參數(shù)（也即語音延長幀的特征參數(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)估計的初始值，這是因?yàn)槿祟惖恼f話和信令音以及音樂信號都是有一定持續(xù)時間的，持續(xù)時間很短語音是由背景噪聲干擾造成的，如果把該段時間的參數(shù)作為背景噪聲參數(shù)估計的初始值，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)造一個合成濾波器，用能量受控的白噪聲序列激勵濾波器得到連續(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SID幀的參數(shù)是由保存在緩存區(qū)中的語音延長幀的參數(shù)計算得到的，把它作為背景噪聲參數(shù)估計的初始值。這就是編碼器對于語音突發(fā)結(jié)束時對語音進(jìn)行延長，繼續(xù)連續(xù)發(fā)送LSP參數(shù)的原因。對于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—合成方法量化激勵信號。編碼器對20ms的語音幀進(jìn)行編碼，對應(yīng)于160個語音樣本，采樣頻率為8kHz。在每160個樣本中，對語音信號進(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信號。AMR編碼器功能包括9大部分：預(yù)處理；線性預(yù)測分析和量化；開環(huán)基因分析；沖擊響應(yīng)計算；目標(biāo)信號計算；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；存儲器更新。

AMR的特點(diǎn)是LSP采用矢量量化。為保持時變性，AMR用內(nèi)插重建每子幀所需的LSP參數(shù)。對12.2kb/s模式，線性預(yù)測分析執(zhí)行兩次，而對其它模式，每幀執(zhí)行一次。在12.2kb/s模式時，線性預(yù)測參數(shù)的兩個集被轉(zhuǎn)化為線譜對（LSP）并用38比特的分裂矩陣量化(SMQ)來聯(lián)合量化；對其它模式，線性預(yù)測參數(shù)的單個集被轉(zhuǎn)化成LSP并用分裂矢量量化(SVQ)來量化。語音幀被分為4個5ms的子幀，每個子幀包括40個樣本，每個子幀都傳送自適應(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)語音對開環(huán)基音延遲進(jìn)行估計。然后對每個子幀進(jìn)行以下的重復(fù)操作：

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

2）計算加權(quán)合成濾波器的沖激響應(yīng)；

3）用目標(biāo)信號和沖激響應(yīng)通過在開環(huán)基因延時周圍進(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，新的目標(biāo)信號用在固定碼本搜索；

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，濾波器的存儲器狀態(tài)被更新以便發(fā)現(xiàn)下個子幀的目標(biāo)信號。

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)過后處理和信號放大。解碼器具有其獨(dú)特的重構(gòu)隨機(jī)激勵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)激勵碼矢量中非零樣點(diǎn)非常少，如果隨機(jī)激勵碼矢量在整個激勵信號中所占分量比較大，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，聲碼器對隨機(jī)激勵矢量的脈沖進(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)激勵碼矢量和濾波器進(jìn)行循環(huán)卷積。

5 結(jié)論

通過對AMR研究，可以較清楚地看到以下幾個特點(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數(shù)不同，其它部分比特數(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，同時增加了系統(tǒng)容量。

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

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

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

[4]胡航.語音信號處理[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.第三代移動通信技術(shù)[M].北京：人民郵電出版社，2001.

[7]鄔國揚(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.語音信號處理[M].北京：國防工業(yè)出版社，2000.