多帶激勵(lì)語(yǔ)音編碼的實(shí)現(xiàn)

0 引言

語(yǔ)音作為人類(lèi)交流信息的主要手段之一，在通信系統(tǒng)中占據(jù)重要的地位。隨著數(shù)字通信技術(shù)的發(fā)展和多樣化商業(yè)應(yīng)用的需求，語(yǔ)音信號(hào)處理成了數(shù)字通信中最重要、最基本的組成之一。雖然現(xiàn)在已經(jīng)有光纖通信等大容量通信手段，但是，在移動(dòng)通信、衛(wèi)星通信、軍事通信中，節(jié)省帶寬仍然非常重要。傳統(tǒng)的PCM等占用大量信道帶寬的語(yǔ)音編碼技術(shù)，已遠(yuǎn)遠(yuǎn)不能滿(mǎn)足現(xiàn)代數(shù)字通信的需要。歐美、日本等國(guó)一直在努力通過(guò)降低語(yǔ)音編碼速率來(lái)擴(kuò)大通信系統(tǒng)的容量。在我國(guó)，對(duì)低速率語(yǔ)音編碼技術(shù)也有迫切的需要，如保密通信、短波信道、水聲信道等對(duì)碼率要求嚴(yán)格的應(yīng)用場(chǎng)合。但現(xiàn)有語(yǔ)音編碼的國(guó)際標(biāo)準(zhǔn)傳輸速率都較高(一般在8 Kb／s以上)，而現(xiàn)有的一些低速率語(yǔ)音編碼方案的話(huà)音質(zhì)量又不盡人意。因此，如何有效地降低編碼速率將一直是重要的研究課題。多帶激勵(lì)語(yǔ)音聲碼器(MultiBand Excited，MBE)在2.4～4.8 Kb／s速率上能合成出音質(zhì)比傳統(tǒng)聲碼器好得多的語(yǔ)音，而且具有較好的自然度和容忍環(huán)境噪聲的能力，是目前這一速率范圍內(nèi)比較理想的參數(shù)編碼方案。

1 MBE編碼(語(yǔ)音分析)

1.1 MBE模型

美國(guó)MIT大學(xué)林肯實(shí)驗(yàn)室1988年提出了多帶激勵(lì)(MBE)語(yǔ)音編碼方案。

MBE語(yǔ)音模型如圖1所示，把激勵(lì)頻譜分成許多互不交迭的頻帶，對(duì)每一頻帶分別進(jìn)行二元清、濁音判決，這就是多帶激勵(lì)的由來(lái)。這樣就允許特定語(yǔ)音幀的激勵(lì)信號(hào)可以是周期能量(濁音)和噪聲能量(清音)的混合，在一定程度上增加了模擬激勵(lì)的自由度，因而使MBE語(yǔ)音模型能產(chǎn)生高質(zhì)量的語(yǔ)音，而且使MBE語(yǔ)音模型有更強(qiáng)的抗背景噪聲能力。

1.2參數(shù)提取算法

MBE語(yǔ)音模型主要參數(shù)包括：基音周期；各諧波帶清濁音判決信息；各諧波對(duì)應(yīng)譜包絡(luò)幅度。

按照MBE算法原理圖(圖2)，參數(shù)提取算法的實(shí)現(xiàn)分為如下四個(gè)步驟：

(1)基音周期粗估

基音周期的粗估采用在時(shí)域內(nèi)進(jìn)行的方法。因?yàn)閷?shí)際計(jì)算中證明，頻域中計(jì)算量特別大，并不好用。為解決這一問(wèn)題，本文采用時(shí)域自相關(guān)函數(shù)來(lái)估計(jì)基音周期的方法，這個(gè)方法的計(jì)算量比頻域法少得多，但只能在基音周期的整數(shù)點(diǎn)值上進(jìn)行。MBE算法就是對(duì)每一幀語(yǔ)音信號(hào)，在基音周期預(yù)估值范圍內(nèi)(一般在P=20～147之間)，計(jì)算誤差函數(shù)Ep(P)，使誤差函數(shù)最小的頻率值P就是基音估計(jì)的粗估值P1。誤差函數(shù)：

(2)基音周期細(xì)搜索

基音周期的細(xì)搜索采用在頻域內(nèi)進(jìn)行的方法，可以進(jìn)一步在頻域范圍內(nèi)進(jìn)行非整數(shù)基音周期的估計(jì)，從而提高基音周期估計(jì)的精度。即在粗估基音P1鄰域內(nèi)進(jìn)行細(xì)搜索，確定更精確的基音周期候選值Pt：P1-9／8，P1-7／8，…，P1+7／8，P1+9／8。通過(guò)上述算法，可以得到真正基音周期P0。

(3)諧波帶清濁音判決(U／V判決)

研究證明，清音帶與濁音帶不會(huì)頻繁交替，而是保持著一定的連續(xù)性，這樣在編碼速率較低時(shí)，可以將相鄰的幾個(gè)諧波頻帶劃分在一起，共同進(jìn)行清濁音判決。本文將相鄰的3個(gè)諧頻帶劃分在一起，整個(gè)頻帶采用最多分成12個(gè)帶的方法進(jìn)行清濁判決。判決閾值采用自適應(yīng)值，如果擬合誤差小于閾值，判為濁音，否則判為清音。

(4)譜幅度估計(jì)

確定U／V后，就可以對(duì)各諧波的包絡(luò)幅度做最后的確定：

2 MBE解碼(語(yǔ)音合成)

多帶激勵(lì)模型語(yǔ)音合成的方法大體分為兩類(lèi)，即頻域合成法與時(shí)域合成法。頻域合成法先用收到的參數(shù)構(gòu)成重建語(yǔ)音譜，然后利用傅里葉反變換得到時(shí)域序列，相當(dāng)于分析過(guò)程的逆過(guò)程。這種方法比較直接，但不能保證合成語(yǔ)音基音周期的平滑變化，特別當(dāng)幀長(zhǎng)比較長(zhǎng)的時(shí)候會(huì)產(chǎn)生基音周期跳變，使合成語(yǔ)音不自然。時(shí)域合成法能利用插值實(shí)現(xiàn)幀與幀之間基音周期平滑過(guò)渡，合成出更自然的語(yǔ)音。因此在實(shí)際的MBE算法中都采用這種方法。如圖3所示，濁音Sv(n)與清音SU(n)是分開(kāi)合成的，最后將他們相加，形成完整的合成語(yǔ)音SR(n)。

來(lái)源：維庫(kù)開(kāi)發(fā)網(wǎng)