孫 王 楊永全 宮飛翔

基于Speex的音頻壓縮算法分析與優(yōu)化

孫 王 楊永全 宮飛翔

隨著移動(dòng)互聯(lián)網(wǎng)的深入普及，人們?cè)絹碓搅?xí)慣通過語音發(fā)送消息來代替文字輸入。因此，改善音頻壓縮質(zhì)量會(huì)提高語音的傳輸效率。本文提出了一種改進(jìn)了在無線網(wǎng)絡(luò)環(huán)境中speex音頻數(shù)據(jù)壓縮的方法，該方法先將原有的碼激勵(lì)線性預(yù)測(cè)編碼技術(shù)（CELP）中的感覺加權(quán)過濾器進(jìn)行了簡(jiǎn)化，再將語音編碼中基音搜索的計(jì)算復(fù)雜度進(jìn)行簡(jiǎn)化，并在基于XMPP協(xié)議的即時(shí)通訊系統(tǒng)中進(jìn)行實(shí)驗(yàn)驗(yàn)證。使得在高壓縮比的情況下降低CPU運(yùn)算復(fù)雜度，保證了音頻數(shù)據(jù)傳輸?shù)牡脱舆t性。

社交網(wǎng)絡(luò)成為目前互聯(lián)網(wǎng)上最為流行的溝通方式之一，互聯(lián)網(wǎng)提供了文字、圖片、語音、視頻等豐富多樣的媒介方式來滿足人們?nèi)粘５慕涣鳌０殡S著智能手機(jī)日益的普及，人們通過手機(jī)IM（Instant Message）交流的需求也日益擴(kuò)大，尤其是語音信息的交流，大大增加了人們的溝通效率。但通常IM協(xié)議中沒有對(duì)語音傳輸提供很好的支持，它們一般將音頻以文件的方式進(jìn)行傳輸，沒有考慮到無線網(wǎng)絡(luò)環(huán)境中流量的問題和移動(dòng)設(shè)備中系統(tǒng)資源的使用效率。除此之外，各移動(dòng)平臺(tái)設(shè)備的音頻格式也不盡相同，在不同平臺(tái)上的音頻轉(zhuǎn)碼會(huì)消耗更多系統(tǒng)資源。因此，需要實(shí)現(xiàn)一個(gè)高壓縮比和低資源消耗的音頻壓縮，以適應(yīng)無線網(wǎng)絡(luò)中語音通信的需求。

Speex是一種基于CELP編碼技術(shù)的開源算法，在網(wǎng)絡(luò)通話的應(yīng)用背景下而提出。該算法靈活多變，具有多采樣率、多碼率、高壓縮比等特性，非常適合在無線網(wǎng)絡(luò)環(huán)境中進(jìn)行語音傳輸。然而，早期CELP（碼激勵(lì)線性預(yù)測(cè)）編碼技術(shù)的運(yùn)算量比較大。為適應(yīng)其在移動(dòng)端上應(yīng)用，在簡(jiǎn)單介紹Speex的編碼原理后，從感覺加權(quán)過濾器和基音搜索中的互相關(guān)計(jì)算方法進(jìn)行簡(jiǎn)化和調(diào)整，使其在保持高壓縮比和前提下減少CPU占有率，提高編碼效率。

算法設(shè)計(jì)

Speex編碼原理

CELP全稱為碼激勵(lì)線性預(yù)測(cè)，是用碼本（信號(hào)集）作為激勵(lì)源，根據(jù)語音發(fā)音的特點(diǎn)，通過激勵(lì)源中濁音和清音的不同來創(chuàng)建碼本：自適應(yīng)碼本和隨機(jī)碼本。自適應(yīng)碼本中的碼矢量用來逼近語音的長(zhǎng)時(shí)周期性（基音）結(jié)構(gòu)。隨機(jī)碼本中的碼字用來逼近語音經(jīng)過短時(shí)、長(zhǎng)時(shí)預(yù)測(cè)后的殘差信號(hào)。編碼器中的分析濾波器用來計(jì)算兩個(gè)碼本的最優(yōu)碼矢，并預(yù)測(cè)最佳增益矢量后生成殘差激勵(lì)信號(hào)。圖1為語音分析與合成模型圖。

語音分析時(shí)，先緩存一幀的語音信號(hào)，然后對(duì)該信號(hào)進(jìn)行線性預(yù)測(cè)，確定一組LPA（線性預(yù)測(cè)）系數(shù)，接著利用已確定的LPA系數(shù)和分析濾波器A（z）來計(jì)算未量化的殘差信號(hào)。在實(shí)際分析中，為提高分析精度，每一幀都會(huì)被分成幾個(gè)子幀來確定基音預(yù)測(cè)參數(shù)，隨后用激勵(lì)碼本中的某矢量合成語音，最后計(jì)算合成語音與原始語音的最小均方誤差作為最佳矢量。

線性預(yù)測(cè)分析

線性預(yù)測(cè)是眾多編碼器的重要成分之一，核心思想是用過去若干個(gè)語音值加權(quán)線性組合來預(yù)測(cè)當(dāng)前時(shí)刻語音抽樣值。具體采用最小均方預(yù)測(cè)誤差逼近方法來實(shí)現(xiàn)，公式如下：

y［n］是x［n］的線性預(yù)測(cè)值，其誤差值為：

線性預(yù)測(cè)的目的是為了找到最佳的預(yù)測(cè)因子ai，使得均方誤差值最?。?/p>

其中R（m）是信號(hào)x［ n］的自動(dòng)調(diào)節(jié)系數(shù)，該值由公式5計(jì)算得出：

圖1　語音分析與合成模型圖

R（m）是通過Levinson-Durbin算法求出，該算法可以證明線性預(yù)測(cè)綜合濾波器1/A（z）總是穩(wěn)定的。以上公式的計(jì)算復(fù)雜度比較大，因此在實(shí)際應(yīng)用中使用略大于1的浮點(diǎn)數(shù)與R（0）相乘，相當(dāng)于在信號(hào)中添加微小的噪音來降低信號(hào)中的共振尖峰。

合成分析

合成分析法通過感知優(yōu)化閉環(huán)中的解碼信號(hào)來分析的。其目的是使原始語音和合成語音之間的誤差最小，而評(píng)判誤差則是利用信號(hào)中的余量信息來確定。余量信息是通過比較合成語音與原始語音所得，根據(jù)規(guī)定誤差范圍來動(dòng)態(tài)調(diào)整各個(gè)計(jì)算參數(shù)，從而保證兩者信號(hào)之間的誤差最小。

合成分析方式為閉環(huán)分析感知優(yōu)化，閉環(huán)分析是指利用系統(tǒng)輸出引用編碼參數(shù)來分析，而不將系統(tǒng)輸出引入編碼端則稱為開環(huán)分析。

感覺加權(quán)過濾

由于混合編碼的合成語音與原始語音在波形上沒有一一對(duì)應(yīng)，為了使語音信號(hào)的合成更符合人類主觀感受，因此在編碼中添加感覺加權(quán)濾波器，使合成的語音主觀上聽起來更加平滑。感覺加權(quán)濾波器的傳輸公式為：

算法優(yōu)化

語音編碼致力于降低傳輸所需要的信道帶寬和編解碼所需的系統(tǒng)資源，同時(shí)保持輸入語音的質(zhì)量。而為達(dá)到這一目的，在CELP編碼中應(yīng)盡可能的降低編碼復(fù)雜度或以較低的比特率進(jìn)行編碼。本文通過簡(jiǎn)化濾波器和自適應(yīng)編碼中基音搜索的運(yùn)算量來減少CPU占有率。

感覺加權(quán)濾波器的調(diào)整

Speex編碼器在語音編碼時(shí)加入了感覺加權(quán)濾波器，而在解碼器中加入了感知加強(qiáng)分析。為減少計(jì)算復(fù)雜度，將其中的感覺加權(quán)過濾分析進(jìn)行簡(jiǎn)化，以達(dá)到提高編碼速率。編碼語音合成用到感覺加權(quán)分析的有自適應(yīng)碼本、隨機(jī)碼本，自適應(yīng)碼本是對(duì)元音信號(hào)的優(yōu)化，隨機(jī)碼本是對(duì)清音和背景噪音信號(hào)的優(yōu)化。元音信號(hào)具有周期性，信號(hào)能量強(qiáng)特點(diǎn)，再加上移動(dòng)端語音輸入模式比較固定，加權(quán)后信號(hào)改變的幅度比較小，因此在這里可以不考慮對(duì)其進(jìn)行感覺加權(quán)分析。而清音信號(hào)沒有固定周期，信號(hào)較弱，因此保留該處的感覺加權(quán)過濾。

優(yōu)化前后流程對(duì)比如圖2所示，其中（a）圖為優(yōu)化前程序流程，（b）圖為優(yōu)化后程序流程，W（z）為感覺加權(quán)濾波器。通過語音質(zhì)量評(píng)估，自適應(yīng)碼本搜索在不通過感覺加權(quán)過濾器的情況下，合成語音的質(zhì)量沒有明顯差別。

簡(jiǎn)化自適應(yīng)碼本的運(yùn)算規(guī)則

簡(jiǎn)化的第二個(gè)思路為減少自適應(yīng)碼本中語音幀的樣點(diǎn)分析值，根據(jù)移動(dòng)客戶端語音輸入的環(huán)境，通過減少樣點(diǎn)值計(jì)算的復(fù)雜度來分析最終合成語音的質(zhì)量。

在自適應(yīng)碼本的基音周期搜索中，這種傳統(tǒng)的運(yùn)算方法可用公式7表示：

圖2　調(diào)整前后的編碼圖

可以看出傳統(tǒng)的自適應(yīng)碼本搜索算法中，基音周期的搜索需通過127次頻率帶寬對(duì)比，每次對(duì)比還需要分析40個(gè)樣點(diǎn)，在社交網(wǎng)絡(luò)的語音傳輸中，這種運(yùn)算量過于復(fù)雜，尤其是在移動(dòng)端。為了降低運(yùn)算復(fù)雜度，在原先的算法基礎(chǔ)上，采取一種簡(jiǎn)單的搜索算法。其算法可以用公式8表示：

從簡(jiǎn)化后的公式可以看出，樣點(diǎn)數(shù)由原來的40減少到現(xiàn)在的10個(gè)，當(dāng)n=0時(shí)，xa（0），xb（0）分別表示樣點(diǎn)值的最大值和最小值，從最值兩邊再取兩個(gè)相鄰點(diǎn)來保證運(yùn)算的預(yù)測(cè)值相差不大。因?yàn)樵谧赃m應(yīng)碼本中，語音信號(hào)的能量比較大，其頻率分布與基音周期值近似相等，在解碼時(shí)，其近似運(yùn)算結(jié)果所解析的語音質(zhì)量可以滿足大部分移動(dòng)網(wǎng)絡(luò)的要求。與公式7相比，其運(yùn)算量有明顯降低。

結(jié)果測(cè)試

本次測(cè)試將從語音質(zhì)量評(píng)估和CPU占有率兩方面來判斷speex算法優(yōu)化效果。測(cè)試的樣本會(huì)在三種噪音環(huán)境下產(chǎn)生，其中語音質(zhì)量評(píng)估采用ITU的P.862來評(píng)分，評(píng)分值為MOS（平均主觀評(píng)分），MOS值的區(qū)間為0-5.0，音質(zhì)越好，評(píng)分越高。語音波形圖則借助Adobe Audition軟件，語音內(nèi)容為“今天是農(nóng)歷初八”。

圖3　安靜環(huán)境下波形對(duì)比

圖4　低噪環(huán)境下波形對(duì)比

圖5　高噪聲環(huán)境下波形對(duì)比

圖6 安靜環(huán)境下波形放大對(duì)比

圖3至圖5分別為安靜、低噪和高噪聲三種環(huán)境下語音波形對(duì)比圖，第一條波形圖為優(yōu)化前的speex算法波形圖，第二條為優(yōu)化后的波形圖?？梢钥闯?，兩條波形圖大體一致，背景環(huán)境越安靜，波形越一致。噪聲越大，對(duì)自適應(yīng)碼本中元音發(fā)音的干擾更加強(qiáng)烈，即計(jì)算所得的偏差度越大。

圖6為是將圖3中波形信號(hào)放大32倍后的波形對(duì)比圖，圖中第一條波形為原始語音波形，隨后分別是算法優(yōu)化前和優(yōu)化后的波形。從第二、第三條波形中可以看出，speex算法所產(chǎn)生的語音質(zhì)量較好，音質(zhì)比較平滑。對(duì)比后兩條波形圖可以觀察到未優(yōu)化的波形更為細(xì)膩，而優(yōu)化后的波形雖不如前者細(xì)致，但總體上保持音質(zhì)與前者一致，音質(zhì)的實(shí)際效果也沒有發(fā)生明顯差別。這主要是算法簡(jiǎn)化過程中減少幀的采樣分析所致，基音搜索從默認(rèn)的40個(gè)減少到10個(gè)。

實(shí)際上，語音的編碼是在編碼復(fù)雜度和語音質(zhì)量之間尋找平衡，不同的應(yīng)用需求會(huì)在此兩者上尋找不同的平衡點(diǎn)。表1為speex算法優(yōu)化前后音質(zhì)與復(fù)雜度的對(duì)比。從表格中可以看出噪聲越大，算法復(fù)雜度越高，這是因?yàn)閟peex編碼過程中有噪聲預(yù)處理階段，該過程會(huì)增加編碼的復(fù)雜度。在安靜環(huán)境下，MOS值相差0.05，高噪聲中MOS值相差0.15，表明MOS的差值也會(huì)隨著噪聲的增加而增大。

表1　Speex優(yōu)化前后語音質(zhì)量和復(fù)雜度對(duì)比

優(yōu)化后算法的MOS值與原算法的差幅約為0.1，占總分值的2％。而計(jì)算復(fù)雜度卻有8％的提高?？梢钥闯?，優(yōu)化后的speex算法具有實(shí)用性。

總結(jié)

在不影響語音質(zhì)量的前提下，通過對(duì)speex壓縮算法中感覺加權(quán)過濾器和基音搜索過程中采樣值分析的簡(jiǎn)化，來降低編碼復(fù)雜度，提升了系統(tǒng)的整體性能。

本文優(yōu)化的speex算法適合低噪環(huán)境，但在高噪聲環(huán)境下語音質(zhì)量下降幅度比較大。在今后的研究學(xué)習(xí)中，會(huì)將改善speex解碼器中感知加強(qiáng)部分來改善噪音的分辨。

10.3969/j.issn.1001-8972.2015.10.017