多媒体计算机技术-4.pptVIP

多媒体计算机技术 第四讲 数字语音处理技术 数字音频压缩技术 三维音效 语音识别 自然语言理解 语音合成 数字音频压缩技术 音频压缩技术指的是对原始数字音频信号流（PCM编码）运用适当的数字信号处理技术，在不损失有用信息量，或所引入损失可忽略的条件下，降低（压缩）其码率，也称为压缩编码。 它必须具有相应的逆变换，称为解压缩或解码。 音频信号在通过一个编解码系统后可能引入大量的噪声和一定的失真。 数字音频压缩技术 音频压缩算法的分类 时域压缩算法 子带编码 MP3音频压缩编码 音频压缩算法的分类 一般来讲，可以将音频压缩技术分为无损（lossless）压缩及有损（lossy）压缩两大类，而按照压缩方案的不同，又可将其划分为时域压缩、变换压缩、子带压缩，以及多种技术相互融合的混合压缩等等。 时域压缩（或称为波形编码） 子带压缩技术 变换压缩技术 数字音频压缩技术 ?音频压缩算法的分类 时域压缩算法 子带编码 MP3音频压缩编码 时域压缩算法 时域压缩技术一般多用于语音压缩、低码率应用（源信号带宽小）的场合。时域压缩技术主要包括PCM、ADPCM、LPC、CELP，以及在这些技术上发展起来的块压扩技术。 脉冲编码调制(PCM) 增量调制 连续可变斜率增量调制（CVSD） 自适应差分脉冲编码调制?（ADPCM） 数字电路倍增设备—自适应差分脉冲编码调制 时域压缩算法 嵌入式自适应差分脉冲编码调制（E-ADPCM?） 线性预测编码（LPC） 残差激励线性预测编码（RELP） 码激励线性预测编码（CELP） 低时延码激励线性预测编码（LD-CELP） 矢量和激励线性预测编码（VSELP?） 代数码本激励线性预测编码(ACELP?) 共扼结构—代数码激励线性预测编码（CS-ACELP） 规则脉冲激励—长时预测—线性预测编码（RPE-LTP-LPC） 脉冲编码调制 声音数字化有两个步骤：第一步是采样，就是每隔一段时间间隔读一次声音的幅度；第二步是量化，就是把采样得到的声音信号幅度转换成数字值。 非线性量化 非线性量化的基本想法是，对输入信号进行量化时，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。 在非线性量化中，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，一种称为m律压(缩)扩(展)算法，另一种称为A律压(缩)扩(展)算法。 m律压(缩)扩(展)算法 m律压扩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： 式中：x为输入信号幅度，规格化成-1? x ?1; sgn(x)为x的极性；m为确定压缩量的参数，它反映最大量化间隔和最小量化间隔之比，取100?m?500。 A律压(缩)扩(展)算法 A律(A-Law)压扩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： 式中：x为输入信号幅度，规格化成-1?x?1，sgn(x)为x的极性；A为确定压缩量的参数，它反映最大量化间隔和最小量化间隔之比。 增量调制 增量调制DM(Delta Modulation)是一种预测编码技术。 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。 由于DM编码只须用1比特对信号进行编码，所以DM编码系统又称为“1比特系统”。 DM波形编码的原理图 其中x[i]表示在i点的编码输出， yi表示输入信号的实际值， y[i]表示输入信号的预测值。假设采用均匀量化，量化阶的大小为△，在开始位置的输入信号y0=0，预测值y[0]=0，编码输出x[0]＝1 增量调制的缺点 一是会出现斜率过载，即增量调制器的输出不能保持跟踪输入信号的快速变化 二是会产生粒状噪声。反馈回路输出信号的最大变化速率受到量化阶大小的限制，因为量化阶的大小是固定的。 解决方法：自适应增量调制。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。 自适应差分脉冲编码调制 ADPCM编码的方法是对输入样值进行自适应预测，然后对预测误差进行量化编码。它是一种预测编码的方法。 所谓预测编码，是指编码的对象不是原始信号的采样量化值，而是对当前采样值与预测值（根据前若干个采样值采用一定的预测方法产生的输入信号）的差值进行编码。如果采用的预测方法足够准确（差值将接近于零），可以预见，这种编码方法比直接对样本值进行编码可以采用较少的比特数。 CCITT的32kbit/s语音