專利名稱：一種用聲碼器收發(fā)數(shù)字信號(hào)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通訊技術(shù)領(lǐng)域，特別是涉及一種用聲碼器收發(fā)任意數(shù)字信號(hào)并通過語(yǔ)音信道傳送的方法。
背景技術(shù)：
人類的語(yǔ)音信號(hào)在現(xiàn)代電信網(wǎng)絡(luò)中經(jīng)數(shù)字化編碼后加以傳送。由于傳輸信道的帶寬限制以及語(yǔ)音通信的質(zhì)量指標(biāo)等因素，多種不同的編碼技術(shù)共存于現(xiàn)代電信網(wǎng)絡(luò)中。在固定公共電話網(wǎng)絡(luò)中，語(yǔ)音信號(hào)常以波形編碼的方式，采用脈沖編碼調(diào)制(PCM)或自適應(yīng)差分脈沖編碼調(diào)制(ADPCM)的編碼技術(shù)，經(jīng)數(shù)字化編碼后以64kbps(PCM)或32kbps(ADPCM)的碼率傳輸。然而，為實(shí)現(xiàn)更高的語(yǔ)音壓縮率，例如將語(yǔ)音信號(hào)壓縮至16kbps碼率以下，波形編碼技術(shù)已無(wú)能為力。在無(wú)線移動(dòng)電話網(wǎng)絡(luò)中，受限于可用信道帶寬，語(yǔ)音信號(hào)則以聲碼器編碼的方式，充分利用人類聲道的模型參數(shù)及發(fā)音機(jī)理，在保證一定聽覺語(yǔ)音質(zhì)量的前提下，被壓縮到16kbps碼率以下傳輸。如GSM網(wǎng)絡(luò)中全碼率模式下，語(yǔ)音信號(hào)經(jīng)RPE-LTP聲碼器編碼后，以13kbps碼率傳輸；GSM增強(qiáng)型全碼率的語(yǔ)音聲碼器與CDMA網(wǎng)絡(luò)中使用的EVRC聲碼器皆采取基于ACELP的技術(shù)，在幾乎不降低通話質(zhì)量的前提下，可將語(yǔ)音信號(hào)壓縮至8-13kbps的碼率進(jìn)行傳輸；而美國(guó)國(guó)防部(DoD)使用的CELP聲碼器可將語(yǔ)音信號(hào)壓縮至4.8kbps，仍保證不錯(cuò)的通話質(zhì)量。
高度依賴于信源特性的聲碼器技術(shù)雖然實(shí)現(xiàn)了對(duì)語(yǔ)音信號(hào)的高壓縮率編碼，但是聲碼器工作原理決定了對(duì)于非語(yǔ)音信號(hào)的壓縮編碼則無(wú)能為力。眾所周知，通過語(yǔ)音信道傳送任意數(shù)字信號(hào)的調(diào)制解調(diào)技術(shù)在使用波形編碼方式(PCM或ADPCM)的固定電話網(wǎng)絡(luò)已被廣泛使用。一般地，通過更改(調(diào)制)正弦連續(xù)波的某些特性，如頻率、幅度以及相位等，可代表變化的數(shù)字信息碼流。當(dāng)前普遍使用的公共固定電話網(wǎng)(POTS)的數(shù)據(jù)調(diào)制解調(diào)器可達(dá)到56Kbps的碼率。然而，這些數(shù)據(jù)調(diào)制解調(diào)技術(shù)生成的信號(hào)不再具有人類語(yǔ)音的特性，經(jīng)聲碼器編解碼作用后波形特性如幅度、頻率和相位等無(wú)法被保存，數(shù)字信號(hào)因而無(wú)法通過基于聲碼器技術(shù)的無(wú)線移動(dòng)通信網(wǎng)絡(luò)(如GSM、CDMA)的語(yǔ)音信道傳送。
盡管無(wú)線移動(dòng)通信網(wǎng)絡(luò)(如GSM、CDMA)提供了數(shù)據(jù)信道(如CSD/HSCSD，GPRS/EDGE，UMTS等)以解決對(duì)數(shù)字信號(hào)的基本傳輸問題，但一方面由于數(shù)據(jù)信道的高傳輸延遲(0.5秒～2秒)以及傳輸抖動(dòng)等無(wú)法滿足交互式實(shí)時(shí)信號(hào)對(duì)服務(wù)質(zhì)量的要求；另一方面，電信運(yùn)營(yíng)商提供數(shù)據(jù)信道服務(wù)的范圍遠(yuǎn)不如語(yǔ)音服務(wù)，且方式各異，因此跨運(yùn)營(yíng)商、跨網(wǎng)絡(luò)或跨國(guó)的使用數(shù)據(jù)信道服務(wù)存在諸多互通互聯(lián)的困難。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種用聲碼器收發(fā)數(shù)字信號(hào)的方法。
為實(shí)現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案一種用聲碼器收發(fā)數(shù)字信號(hào)的方法，其特征在于將欲傳輸?shù)脑磾?shù)字信號(hào)以參數(shù)映射的方式轉(zhuǎn)換為語(yǔ)音合成模型的關(guān)鍵語(yǔ)音特性參數(shù)，在發(fā)送端通過語(yǔ)音合成處理生成語(yǔ)音信號(hào)；合成的語(yǔ)音信號(hào)通過GSM或CDMA的聲碼器發(fā)送；在接收端通過語(yǔ)音分析處理提取關(guān)鍵語(yǔ)音特性參數(shù)，恢復(fù)為原始的數(shù)字信號(hào)。
上述的用聲碼器收發(fā)數(shù)字信號(hào)的方法，它具體包括有以下步驟(1)對(duì)欲傳送的源數(shù)字信號(hào)分幀處理，每一幀數(shù)字信號(hào)用于合成短時(shí)語(yǔ)音信號(hào)，將每一幀繼續(xù)細(xì)分為長(zhǎng)度不等的子幀，所述子幀的數(shù)量至少為三個(gè)；(2)將所述子幀對(duì)應(yīng)生成線譜頻率系數(shù)(LSP)索引、廣義激勵(lì)向量參數(shù)索引以及廣義激勵(lì)參數(shù)增益索引；(3)將第(2)步中生成的索引值分別在線譜頻率系數(shù)參數(shù)表、廣義激勵(lì)向量參數(shù)表以及廣義激勵(lì)增益參數(shù)表中進(jìn)行查表依次生成線譜頻率系數(shù)參數(shù)、廣義激勵(lì)向量參數(shù)以及廣義激勵(lì)增益參數(shù)；(4)將第(3)步中生成的參數(shù)按CELP聲碼器的原理合成為語(yǔ)音信號(hào)；(5)將合成的語(yǔ)音信號(hào)通過CDMA或GSM聲碼器發(fā)送；(6)接收端接收到合成的語(yǔ)音信號(hào)后，對(duì)其進(jìn)行語(yǔ)音分析，提取出線譜頻率系數(shù)參數(shù)、廣義激勵(lì)向量參數(shù)以及廣義激勵(lì)增益參數(shù)；(7)將第(6)步中分析出的參數(shù)在各自對(duì)應(yīng)的參數(shù)表線譜頻率系數(shù)參數(shù)表、激勵(lì)向量參數(shù)表以及激勵(lì)增益參數(shù)表中進(jìn)行查表逆向生成線譜頻率系數(shù)索引、廣義激勵(lì)參數(shù)索引以及廣義激勵(lì)參數(shù)增益索引；(8)將第(7)步中生成的索引值分別逆向還原為子幀，并將子幀重新組合為一幀，還原為最初的數(shù)字信號(hào)。所述第(1)步中，將數(shù)字信號(hào)碼流分幀處理，每一幀數(shù)字信號(hào)碼流用于產(chǎn)生10-30毫秒的短時(shí)語(yǔ)音信號(hào)。所述第(4)步中，將廣義激勵(lì)向量參數(shù)和廣義激勵(lì)增益參數(shù)首先通過激勵(lì)信號(hào)發(fā)生器合成為激勵(lì)信號(hào)，并將線譜頻率系數(shù)參數(shù)經(jīng)逆矢量量化后生成一線性預(yù)測(cè)系數(shù)，最后將該線性預(yù)測(cè)系數(shù)以及激勵(lì)信號(hào)發(fā)生器合成出的激勵(lì)信號(hào)一起輸入到線性預(yù)測(cè)語(yǔ)音合成濾波器合成為語(yǔ)音信號(hào)。
上述的用聲碼器收發(fā)數(shù)字信號(hào)的方法，具體包括有以下步驟(1)對(duì)欲傳送的源數(shù)字信號(hào)分幀處理，每一幀數(shù)字信號(hào)用于合成短時(shí)語(yǔ)音信號(hào)，將幀長(zhǎng)為N位的一幀繼續(xù)細(xì)分為長(zhǎng)度不等的四個(gè)子幀，分別為X比特、Y比特、Z比特和G比特的碼流，形成四個(gè)子幀；(2)X比特碼流映射生成線譜頻率系數(shù)參數(shù)索引值，Y比特碼流映射生成基音參數(shù)索引值，Z比特碼流映射生成激勵(lì)向量參數(shù)索引值；G比特碼流映射生成激勵(lì)增益參數(shù)索引值；(3)將第(2)步中生成的索引值分別在線譜頻率系數(shù)參數(shù)表、基音參數(shù)表、激勵(lì)向量參數(shù)表以及激勵(lì)增益參數(shù)表中查表得到真正的向量參數(shù)線譜頻率系數(shù)參數(shù)、基音參數(shù)、激勵(lì)向量參數(shù)以及激勵(lì)增益參數(shù)；(4)將第(3)步中生成的參數(shù)按CELP聲碼器的原理合成為語(yǔ)音信號(hào)；(5)將合成的語(yǔ)音信號(hào)通過CDMA或GSM聲碼器發(fā)送；(6)接收端接收到合成的語(yǔ)音信號(hào)后，對(duì)其進(jìn)行語(yǔ)音分析，提取出線譜頻率系數(shù)參數(shù)、基音參數(shù)、激勵(lì)向量參數(shù)以及激勵(lì)增益參數(shù)；(7)將第(6)步中提取出的參數(shù)分別在對(duì)應(yīng)的線譜頻率系數(shù)參數(shù)表、基音參數(shù)表、激勵(lì)向量參數(shù)表以及激勵(lì)增益參數(shù)表中進(jìn)行查表逆向生成線譜頻率系數(shù)參數(shù)索引、基音參數(shù)索引、激勵(lì)向量參數(shù)索引以及激勵(lì)增益參數(shù)索引；(8)將第(7)步中生成的索引值分別逆向還原為子幀，并將子幀重新組合為一幀，還原為最初的數(shù)字信號(hào)。所述第(1)步中，將數(shù)字信號(hào)碼流分幀處理，每一幀數(shù)字信號(hào)碼流用于產(chǎn)生10-30毫秒的短時(shí)語(yǔ)音信號(hào)。所述第(4)步中，將對(duì)應(yīng)X比特碼流的線譜頻率系數(shù)參數(shù)量化向量參數(shù)經(jīng)分割矢量量化的逆操作及轉(zhuǎn)換得到線性預(yù)測(cè)系數(shù)參數(shù)，用于線性預(yù)測(cè)語(yǔ)音合成濾波器；將對(duì)應(yīng)Y比特碼流的基音參數(shù)向量，經(jīng)基音合成處理生成基音激勵(lì)信號(hào)；將對(duì)應(yīng)Z比特碼的激勵(lì)向量參數(shù)，以及對(duì)應(yīng)G比特碼流的激勵(lì)增益參數(shù)，輸入到激勵(lì)信號(hào)合成模塊，生成激勵(lì)信號(hào)；此激勵(lì)信號(hào)以及基音激勵(lì)信號(hào)作用于描述聲道特性的線性預(yù)測(cè)語(yǔ)音合成濾波器，產(chǎn)生人工合成的語(yǔ)音信號(hào)。
本發(fā)明由于采取以上設(shè)計(jì)，其具有以下優(yōu)點(diǎn)1、本發(fā)明提出的方法以一種與電信網(wǎng)絡(luò)交換及傳輸設(shè)備無(wú)關(guān)的方式，透明地通過模擬或數(shù)字語(yǔ)音信道高質(zhì)量地傳送一定碼率的任意數(shù)字信號(hào)，傳輸延遲及抖動(dòng)遠(yuǎn)低于通過數(shù)據(jù)信道的方式，保證交互式實(shí)時(shí)信息收發(fā)的服務(wù)質(zhì)量。
2、本發(fā)明由于只需使用運(yùn)營(yíng)商的語(yǔ)音服務(wù)，互通互聯(lián)得到保障，使用范圍大大拓寬，用戶可在世界上任何有語(yǔ)音服務(wù)的地方保證服務(wù)質(zhì)量地傳送一定碼率的任意數(shù)字信號(hào)。
3、本發(fā)明可以應(yīng)用于無(wú)線移動(dòng)終端(GSM、CDMA手機(jī)，衛(wèi)星電話等)，固定電話以及計(jì)算機(jī)設(shè)備中，可實(shí)現(xiàn)多種特殊及增值服務(wù)功能(1)提高“一鍵通(PTTPush-to-Talk)”無(wú)線組群通話增值服務(wù)的語(yǔ)音傳輸質(zhì)量，并使該服務(wù)不再依賴于無(wú)線數(shù)據(jù)信道，實(shí)現(xiàn)PTT服務(wù)的獨(dú)立運(yùn)營(yíng)；(2)為通過無(wú)線移動(dòng)網(wǎng)絡(luò)語(yǔ)音信道實(shí)現(xiàn)保密語(yǔ)音及數(shù)據(jù)通信提供關(guān)鍵技術(shù)支持由于語(yǔ)音信號(hào)經(jīng)高度數(shù)字化加密處理后呈現(xiàn)高度的隨機(jī)性，已不具有任何語(yǔ)音特性，此技術(shù)與裝置將使用戶在有固話網(wǎng)絡(luò)(POTS)及GSM/CDMA移動(dòng)網(wǎng)絡(luò)覆蓋的世界任何地方，進(jìn)行與現(xiàn)有網(wǎng)絡(luò)交換及傳輸設(shè)備無(wú)關(guān)的保密語(yǔ)音及數(shù)據(jù)通訊。
4、本發(fā)明的第(2)、第(3)步中，將每一子幀的數(shù)字信號(hào)碼流映射為相應(yīng)的參數(shù)索引值而非參數(shù)本身，提供了預(yù)先選取用于合成語(yǔ)音的關(guān)鍵參數(shù)的靈活性在參數(shù)的全部取值空間中選取部分相互差別大，易于提取的參數(shù)值納入相應(yīng)的參數(shù)代碼表，對(duì)應(yīng)于由子幀的數(shù)字信號(hào)碼流映射而來的索引值；這樣，以降低傳輸碼率為代價(jià)保證了相近的輸入數(shù)字信號(hào)產(chǎn)生區(qū)別足夠大的模擬連續(xù)波語(yǔ)音信號(hào)，以利于接收端的語(yǔ)音分析處理得到正確的結(jié)果，有效降低誤碼率。


圖1為本發(fā)明的結(jié)構(gòu)方框示意圖。
圖2為本發(fā)明一種實(shí)施方式的結(jié)構(gòu)方框示意圖。
具體實(shí)施例方式
聲碼器是一種以人類聲道參數(shù)模型與發(fā)音機(jī)理為基礎(chǔ)的高壓縮率語(yǔ)音編碼技術(shù)，廣泛應(yīng)用于無(wú)線移動(dòng)通信(GSM及CDMA)、衛(wèi)星通信等網(wǎng)絡(luò)系統(tǒng)中，在保證一定聽覺質(zhì)量的前提下，以低碼率實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)的編碼收發(fā)。然而，工作原理決定了聲碼器對(duì)不具有語(yǔ)音特性的信號(hào)無(wú)法實(shí)現(xiàn)有效編碼及收發(fā)。本發(fā)明提出一種將數(shù)字信號(hào)通過語(yǔ)音聲碼器進(jìn)行收發(fā)的技術(shù)，無(wú)需使用數(shù)據(jù)信道即可實(shí)現(xiàn)對(duì)任意數(shù)字信號(hào)低時(shí)延、少抖動(dòng)的高質(zhì)量傳輸。此技術(shù)可應(yīng)用于無(wú)線移動(dòng)及固定通信終端設(shè)備中，以一種與網(wǎng)絡(luò)交換與傳輸設(shè)備無(wú)關(guān)的方式，通過模擬或數(shù)字語(yǔ)音信道傳送任意數(shù)字信號(hào)。
如圖1所示，為本發(fā)明所提供的一種用聲碼器收發(fā)數(shù)字信號(hào)的方法，參考CELP聲碼器原理，將欲傳輸?shù)脑磾?shù)字信號(hào)以參數(shù)映射的方式轉(zhuǎn)換為語(yǔ)音合成模型的關(guān)鍵語(yǔ)音特性參數(shù)，在發(fā)送端通過語(yǔ)音合成處理生成語(yǔ)音信號(hào)；合成的語(yǔ)音信號(hào)可通過GSM、CDMA以及其它語(yǔ)音信道傳輸；在接收端通過語(yǔ)音分析處理提取關(guān)鍵語(yǔ)音特性參數(shù)，恢復(fù)原始數(shù)字信號(hào)，實(shí)現(xiàn)對(duì)任意數(shù)字信號(hào)的發(fā)送與接收。
具體來講，該方法包括有以下步驟(1)對(duì)欲傳送的源數(shù)字信號(hào)分幀處理，每幀用于生成長(zhǎng)度為10-30毫秒的短時(shí)語(yǔ)音信號(hào)，根據(jù)語(yǔ)音合成模型的參數(shù)及合成機(jī)理，繼續(xù)將一幀細(xì)分為長(zhǎng)度不等的子幀；由于每一子幀將以參數(shù)映射的方式產(chǎn)生語(yǔ)音合成模型的關(guān)鍵參數(shù)值，所以子幀的數(shù)量及長(zhǎng)度(以比特位為單位)取決于用于合成語(yǔ)音信號(hào)而使用的模型參數(shù)種類及每一參數(shù)表中包含的表項(xiàng)數(shù)目，比如，線譜頻率系數(shù)(LSP)、廣義激勵(lì)參數(shù)、以及廣義激勵(lì)參數(shù)增益，這三類參數(shù)為各種基于CELP技術(shù)的語(yǔ)音合成模型所常用，故所述子幀的數(shù)量一般至少為三個(gè)，以對(duì)應(yīng)上述三種關(guān)鍵參數(shù)；(2)所述子幀以查表的方式實(shí)現(xiàn)參數(shù)映射即預(yù)先將一定數(shù)量的關(guān)鍵參數(shù)存入?yún)?shù)表，將所述子幀分別對(duì)應(yīng)成為各參數(shù)表的索引值，如線譜頻率系數(shù)(LSP)參數(shù)表索引值、廣義激勵(lì)向量表索引值以及廣義激勵(lì)參數(shù)增益表索引值；(3)將第(2)步中生成的索引值分別在線譜頻率系數(shù)(LSP)參數(shù)表、廣義激勵(lì)向量表以及廣義激勵(lì)參數(shù)增益表中進(jìn)行查表依次生成線譜頻率系數(shù)(LSP)參數(shù)、廣義激勵(lì)向量參數(shù)以及廣義激勵(lì)增益參數(shù)；(4)將第(3)步中生成的參數(shù)按照CELP技術(shù)的機(jī)理合成為語(yǔ)音信號(hào)；(5)將合成的語(yǔ)音信號(hào)通過聲碼器(如GSM或CDMA語(yǔ)音聲碼器)或其它語(yǔ)音信道發(fā)送；(6)接收端接收到合成的語(yǔ)音信號(hào)后，對(duì)其進(jìn)行語(yǔ)音分析，提取出線譜頻率系數(shù)(LSP)參數(shù)、廣義激勵(lì)向量參數(shù)以及廣義激勵(lì)增益參數(shù)；(7)將第(6)步中分析出的參數(shù)在各自對(duì)應(yīng)的參數(shù)表線譜頻率系數(shù)(LSP)參數(shù)表、廣義激勵(lì)向量參數(shù)表以及廣義激勵(lì)增益參數(shù)表中進(jìn)行查表逆向生成線譜頻率系數(shù)(LSP)索引、廣義激勵(lì)參數(shù)索引以及廣義激勵(lì)參數(shù)增益索引；(8)將第(7)步中生成的索引值分別逆向還原為子幀，并將子幀重新組合為一幀，還原為最初的數(shù)字信號(hào)。
上述的第(4)步中，將廣義激勵(lì)向量參數(shù)和廣義激勵(lì)增益參數(shù)首先通過激勵(lì)信號(hào)發(fā)生器合成為激勵(lì)信號(hào)，并將線譜頻率系數(shù)(LSP)參數(shù)經(jīng)逆矢量量化后生成線性預(yù)測(cè)系數(shù)，最后將該線性預(yù)測(cè)系數(shù)以及激勵(lì)信號(hào)發(fā)生器合成的激勵(lì)信號(hào)一起輸入到線性預(yù)測(cè)(LPC)語(yǔ)音合成濾波器合成為語(yǔ)音信號(hào)。區(qū)別于通常的語(yǔ)音合成處理，此處所述的語(yǔ)音合成操作只注重于突出表述該信號(hào)所攜帶的特性參數(shù)，而信號(hào)本身不必?fù)碛腥魏握Z(yǔ)言意義。
此外，上述的第(1)步中，之所以將每一幀數(shù)字信號(hào)碼流用于產(chǎn)生10-30毫秒的短時(shí)語(yǔ)音信號(hào)，主要是考慮完整包括語(yǔ)音的基音頻率信息(要求大于10毫秒)并保證語(yǔ)音信號(hào)的統(tǒng)計(jì)穩(wěn)定性(要求小于30毫秒)，以確保在接收端線性預(yù)測(cè)濾波器可有效描述信號(hào)的短時(shí)自相關(guān)性，即有效描述語(yǔ)音發(fā)音的聲道模型；以及，基音分析濾波器正確提取基音參數(shù)；上述的廣義激勵(lì)參數(shù)通常以兩種形態(tài)存在一為具有基音周期特性的脈沖串信號(hào)，用于合成濁音語(yǔ)音信號(hào)；另一種為隨機(jī)信號(hào)(如高斯隨機(jī)信號(hào)等)，用于合成清音語(yǔ)音信號(hào)；廣義激勵(lì)參數(shù)增益相應(yīng)地包括用于調(diào)節(jié)脈沖串信號(hào)激勵(lì)以及隨機(jī)信號(hào)激勵(lì)的增益參數(shù)。為了提高傳輸碼率，可使用增加子幀的數(shù)量方法以達(dá)到增加幀長(zhǎng)(以比特位為單位)的目的，如將基音頻率特性參數(shù)(包含表達(dá)基音頻率信息的基音延遲參數(shù)以及基音增益參數(shù))作為獨(dú)立的語(yǔ)音特性參數(shù)加以映射，用于合成語(yǔ)音時(shí)，可使用更多的子幀數(shù)量，相應(yīng)地，激勵(lì)參數(shù)可僅包含隨機(jī)信號(hào)(如高斯隨機(jī)信號(hào)等)激勵(lì)。因此，本發(fā)明在具體實(shí)施的時(shí)候，還可以考慮引入基音頻率參數(shù)(延遲與增益)作為獨(dú)立的激勵(lì)信號(hào)用于合成語(yǔ)音，這樣，可以將一幀細(xì)分為長(zhǎng)度不等的四個(gè)子幀，如圖2所示，在發(fā)送端，幀長(zhǎng)為N位的一幀數(shù)字碼流被分為長(zhǎng)度分別為X比特、Y比特、Z比特和G比特的碼流，形成四個(gè)子幀；X比特碼流通過線譜頻率系數(shù)參數(shù)(LSP)映射生成線譜頻率系數(shù)參數(shù)(LSP)索引值；Y比特碼流通過基音參數(shù)(基音延遲和基音增益)映射生成基音參數(shù)索引值(基音延遲索引和基音增益索引)、Z比特碼流通過激勵(lì)向量參數(shù)映射生成激勵(lì)向量參數(shù)索引值；G比特碼流通過激勵(lì)增益參數(shù)映射生成激勵(lì)增益參數(shù)索引值；依據(jù)各索引值在相應(yīng)的線譜頻率系數(shù)參數(shù)表、基音參數(shù)表、激勵(lì)向量參數(shù)表以及激勵(lì)增益參數(shù)表中查表得到真正的向量參數(shù)，即線譜頻率系數(shù)參數(shù)(LSP)、基音參數(shù)(基音延遲和基音增益)、激勵(lì)向量參數(shù)以及激勵(lì)增益參數(shù)；進(jìn)一步，將對(duì)應(yīng)X比特碼流的LSP量化向量參數(shù)經(jīng)分割矢量量化(Split VQ)的逆操作及轉(zhuǎn)換得到線性預(yù)測(cè)(LPC)系數(shù)參數(shù)，用于線性預(yù)測(cè)(LPC)語(yǔ)音合成濾波器；將對(duì)應(yīng)Y比特碼流的基音參數(shù)向量(基音延遲/增益)，經(jīng)基音合成處理生成基音激勵(lì)信號(hào)；將對(duì)應(yīng)Z比特碼的激勵(lì)向量參數(shù)，以及對(duì)應(yīng)G比特碼流的激勵(lì)增益參數(shù)，輸入到激勵(lì)信號(hào)發(fā)生器，生成激勵(lì)信號(hào)；此激勵(lì)信號(hào)以及基音激勵(lì)信號(hào)作用于描述聲道特性的線性預(yù)測(cè)(LPC)語(yǔ)音合成濾波器，產(chǎn)生人工合成的語(yǔ)音信號(hào)進(jìn)行傳輸。
此語(yǔ)音信號(hào)時(shí)域長(zhǎng)度一般取為10毫秒至30毫秒之間。如小于10毫秒時(shí)，無(wú)法完整恢復(fù)基音頻率信息；而大于30毫秒時(shí)，語(yǔ)音信號(hào)的統(tǒng)計(jì)穩(wěn)定性將不再存在，因而線性預(yù)測(cè)模型不再有效。通常，每一幀數(shù)字信號(hào)可用于合成20毫秒(對(duì)應(yīng)于ACELP，QCELP等)或30毫秒(對(duì)應(yīng)于FS1016 DoD CELP)的語(yǔ)音信號(hào)。當(dāng)以T表示合成語(yǔ)音信號(hào)的長(zhǎng)度時(shí)，理論上可傳送的數(shù)字信號(hào)碼率R可表示為R＝(N/T*1000)bps。
在信號(hào)的接收端進(jìn)行的語(yǔ)音分析處理為上述語(yǔ)音合成的逆向操作，即在最小均方差意義下分析接收信號(hào)，提取線性預(yù)測(cè)濾波器的系數(shù)，激勵(lì)向量參數(shù)，激勵(lì)增益參數(shù)以及基音參數(shù)。具體地，輸入語(yǔ)音信號(hào)被首先輸入到線性預(yù)測(cè)(LPC)分析模塊，以20毫秒或30毫秒(對(duì)應(yīng)于發(fā)送端的設(shè)置)為取樣窗口，做自相關(guān)運(yùn)算，利用Levinson-Durbin算法得到LPC濾波器的系數(shù)；LPC濾波器的系數(shù)經(jīng)切比雪夫多項(xiàng)式(Chebyshev Polynomial)運(yùn)算轉(zhuǎn)換為頻域的LSP系數(shù)，經(jīng)分割矢量量化(Split VQ)算法得到量化的線譜頻率系數(shù)(LSP)參數(shù)；對(duì)輸入語(yǔ)音信號(hào)的基音分析由基音分析模塊完成基音分析的方法既可使用運(yùn)算量較大的閉環(huán)搜索模型(closed-loop)，也可使用簡(jiǎn)化的開環(huán)搜索模型(open-loop)。當(dāng)使用開環(huán)搜索模型(open-loop)時(shí)，輸入語(yǔ)音信號(hào)經(jīng)線性預(yù)測(cè)(LPC)語(yǔ)音合成濾波器處理后的殘差信號(hào)潰入基音分析模塊的基音預(yù)測(cè)濾波器，生成基音殘差信號(hào)；在此基音殘差信號(hào)最小均方差意義下，計(jì)算得到基音預(yù)測(cè)濾波器的兩個(gè)重要參數(shù)的最優(yōu)預(yù)測(cè)值，即基音延遲與基音增益；激勵(lì)信號(hào)的確定則通過對(duì)激勵(lì)參數(shù)表(codebook)的搜索匹配得到激勵(lì)信號(hào)(由激勵(lì)向量與激勵(lì)增益合成)通過線性預(yù)測(cè)濾波器與基音合成濾波器合成的語(yǔ)音信號(hào)與輸入語(yǔ)音信號(hào)形成殘差信號(hào)，在此殘差信號(hào)最小均方差意義下，匹配得到最優(yōu)激勵(lì)信號(hào)，此激勵(lì)信號(hào)可由激勵(lì)向量與激勵(lì)增益參數(shù)表示；而激勵(lì)向量與激勵(lì)增益參數(shù)在各自參數(shù)表中對(duì)應(yīng)的索引值即為部分源數(shù)字信號(hào)；同樣之前經(jīng)線性預(yù)測(cè)語(yǔ)音分析以及基音分析得到的參數(shù)則對(duì)應(yīng)各自的參數(shù)編碼表分別得到LSP參數(shù)索引值和基音參數(shù)索引值。所述各索引值引按一定順序經(jīng)子幀匯聚處理后，得到每幀N位的輸出數(shù)字碼流。
具體實(shí)施例(1)對(duì)欲傳輸?shù)脑磾?shù)字信號(hào)分幀，每幀長(zhǎng)度為66比特位，用于合成長(zhǎng)度為30毫秒的語(yǔ)音信號(hào)；每幀繼續(xù)細(xì)分為四個(gè)子幀子幀1長(zhǎng)度為16比特位，子幀2長(zhǎng)度為24比特位，子幀3長(zhǎng)度為16比特位，子幀4長(zhǎng)度為10比特位；各子幀將分別以參數(shù)映射的方式產(chǎn)生語(yǔ)音合成模型的關(guān)鍵參數(shù)值。(2)長(zhǎng)度為16比特位的子幀1作為索引值檢索一含有65536個(gè)表項(xiàng)的線譜頻率系數(shù)(LSP)參數(shù)表，每表項(xiàng)為一個(gè)34比特的線譜頻率系數(shù)(LSP)量化矢量；長(zhǎng)度為24比特位的子幀2，其高14位作為索引值檢索一含有16384個(gè)表項(xiàng)的基音延遲參數(shù)表，每表項(xiàng)為一個(gè)28比特的基因延遲參數(shù)，而其低10位則作為索引值檢索一含有1024個(gè)表項(xiàng)的基音增益參數(shù)表，每表項(xiàng)為一個(gè)20比特的基因增益參數(shù)；長(zhǎng)度為16比特位的子幀3為索引值檢索一含有65536個(gè)表項(xiàng)的激勵(lì)向量參數(shù)表，每表項(xiàng)為一個(gè)36比特的激勵(lì)向量參數(shù)；長(zhǎng)度為10比特位的子幀4作為索引值檢索一含有1024個(gè)表項(xiàng)的激勵(lì)增益參數(shù)表，每表項(xiàng)為一個(gè)20比特的激勵(lì)增益參數(shù)；(3)將第(2)步中生成的索引值分別在線譜頻率系數(shù)(LSP)參數(shù)表、基音參數(shù)表，激勵(lì)向量表以及激勵(lì)參數(shù)增益表中進(jìn)行查表生成線譜頻率系數(shù)(LSP)參數(shù)、基音參數(shù)(延遲與增益)、激勵(lì)向量參數(shù)以及激勵(lì)增益參數(shù)；(4)將第(3)步中生成的參數(shù)按照CELP技術(shù)的機(jī)理合成為語(yǔ)音信號(hào)激勵(lì)向量經(jīng)激勵(lì)增益參數(shù)調(diào)節(jié)后形成的激勵(lì)信號(hào)與基音參數(shù)向量(基音延遲/增益)經(jīng)基音合成處理生成的基音激勵(lì)信號(hào)潰入線性預(yù)測(cè)(LPC)語(yǔ)音合成濾波單元，所述線性預(yù)測(cè)(LPC)濾波器的系數(shù)參數(shù)由線譜頻率系數(shù)(LSP)量化矢量經(jīng)逆矢量量化轉(zhuǎn)化得到；(5)將合成的語(yǔ)音信號(hào)通過聲碼器(如GSM或CDMA語(yǔ)音聲碼器)發(fā)送；(6)接收端接收到合成的語(yǔ)音信號(hào)后，對(duì)其進(jìn)行語(yǔ)音分析，提取出線譜頻率系數(shù)(LSP)參數(shù)、基音參數(shù)、激勵(lì)向量參數(shù)以及激勵(lì)增益參數(shù)首先，輸入語(yǔ)音信號(hào)被輸入到線性預(yù)測(cè)(LPC)分析模塊，以30毫秒(對(duì)應(yīng)于發(fā)送端的設(shè)置)為取樣窗口，做自相關(guān)運(yùn)算，利用Levinson-Durbin算法得到LPC濾波器的系數(shù)；此LPC濾波器的系數(shù)經(jīng)切比雪夫多項(xiàng)式(Chebyshev Polynomial)運(yùn)算轉(zhuǎn)換為頻域的LSP系數(shù)，經(jīng)分割矢量量化(Split VQ)算法得到量化的線譜頻率系數(shù)(LSP)參數(shù)，長(zhǎng)度為34比特；對(duì)輸入語(yǔ)音信號(hào)的基音分析由基音分析模塊完成，基音分析的方法使用開環(huán)搜索模型(open-loop)輸入語(yǔ)音信號(hào)經(jīng)線性預(yù)測(cè)(LPC)濾波器處理后的殘差信號(hào)潰入基音分析模塊的基音預(yù)測(cè)濾波器，生成基音殘差信號(hào)；在此基音殘差信號(hào)最小均方差意義下，計(jì)算得到基音預(yù)測(cè)濾波器的兩個(gè)重要參數(shù)的最優(yōu)預(yù)測(cè)值28比特位的基音延遲與20比特位的基音增益；激勵(lì)信號(hào)的確定則通過對(duì)激勵(lì)參數(shù)表(codebook)的搜索匹配得到激勵(lì)信號(hào)(由激勵(lì)向量與激勵(lì)增益合成)通過線性預(yù)測(cè)濾波器與基音合成濾波器合成的語(yǔ)音信號(hào)與輸入語(yǔ)音信號(hào)形成殘差信號(hào)，在此殘差信號(hào)最小均方差意義下，匹配得到最優(yōu)激勵(lì)信號(hào)，此激勵(lì)信號(hào)可用36比特位的激勵(lì)向量與20比特位的激勵(lì)增益參數(shù)表示；(7)將第(6)步中提取出的參數(shù)分別在對(duì)應(yīng)的參數(shù)表線譜頻率系數(shù)(LSP)參數(shù)表(含有65536個(gè)34比特位的量化LSP參數(shù)表項(xiàng))、基音參數(shù)表(含有16384個(gè)28比特位的基音延遲參數(shù)表項(xiàng)，以及1024個(gè)20比特位的基音增益參數(shù)表項(xiàng))，激勵(lì)向量表(含有65536個(gè)36比特位的激勵(lì)向量參數(shù)表項(xiàng))以及激勵(lì)參數(shù)增益表(含有1025個(gè)20比特位的激勵(lì)增益參數(shù)表項(xiàng))中進(jìn)行查表逆向生成線譜頻率系數(shù)(LSP)參數(shù)索引、基音參數(shù)索引、激勵(lì)向量參數(shù)索引以及激勵(lì)增益參數(shù)索引；(8)將第(7)步中生成的索引值分別逆向還原為子幀，并將子幀重新組合為一幀，還原為源數(shù)字信號(hào)的一幀，長(zhǎng)度為66比特。因此本實(shí)施實(shí)例中可達(dá)到的傳輸碼率為R＝66/30*1000＝2200比特/秒。
本發(fā)明由于采取以上設(shè)計(jì)，其具有以下特點(diǎn)1、本發(fā)明提出的方法以一種與電信網(wǎng)絡(luò)交換及傳輸設(shè)備無(wú)關(guān)的方式，透明地通過模擬或數(shù)字語(yǔ)音信道高質(zhì)量地傳送一定碼率的任意數(shù)字信號(hào)，傳輸延遲及抖動(dòng)遠(yuǎn)低于通過數(shù)據(jù)信道的方式，保證交互式實(shí)時(shí)信息收發(fā)的服務(wù)質(zhì)量。
2、本發(fā)明由于只需使用運(yùn)營(yíng)商的語(yǔ)音服務(wù)，互通互聯(lián)得到保障，使用范圍大大拓寬，用戶可在世界上任何有語(yǔ)音服務(wù)的地方保證服務(wù)質(zhì)量地傳送一定碼率的任意數(shù)字信號(hào)。
3、本發(fā)明可以應(yīng)用于無(wú)線移動(dòng)終端(GSM、CDMA手機(jī)，衛(wèi)星電話等)，固定電話以及計(jì)算機(jī)設(shè)備中，可實(shí)現(xiàn)多種特殊及增值服務(wù)功能(1)提高“一鍵通(PTTPush-to-Talk)”無(wú)線組群通話增值服務(wù)的語(yǔ)音傳輸質(zhì)量，并使該服務(wù)不再依賴于無(wú)線數(shù)據(jù)信道，實(shí)現(xiàn)PTT服務(wù)的獨(dú)立運(yùn)營(yíng)；(2)為通過無(wú)線移動(dòng)網(wǎng)絡(luò)語(yǔ)音信道實(shí)現(xiàn)保密語(yǔ)音及數(shù)據(jù)通信提供關(guān)鍵技術(shù)支持由于語(yǔ)音信號(hào)經(jīng)高度數(shù)字化加密處理后呈現(xiàn)高度的隨機(jī)性，已不具有任何語(yǔ)音特性，此技術(shù)與裝置將使用戶在有固話網(wǎng)絡(luò)(POTS)及GSM/CDMA移動(dòng)網(wǎng)絡(luò)覆蓋的世界任何地方，進(jìn)行與現(xiàn)有網(wǎng)絡(luò)交換及傳輸設(shè)備無(wú)關(guān)的保密語(yǔ)音及數(shù)據(jù)通訊。
4、本發(fā)明的第(2)、第(3)步中，將每一子幀的數(shù)字信號(hào)碼流映射為相應(yīng)的參數(shù)索引值而非參數(shù)本身，提供了預(yù)先選取用于合成語(yǔ)音的關(guān)鍵參數(shù)的靈活性在參數(shù)的全部取值空間中選取部分相互差別大，易于提取的參數(shù)值納入相應(yīng)的參數(shù)代碼表，對(duì)應(yīng)于由子幀的數(shù)字信號(hào)碼流映射而來的索引值；這樣，以降低傳輸碼率為代價(jià)保證了相近的輸入數(shù)字信號(hào)產(chǎn)生區(qū)別足夠大的模擬連續(xù)波語(yǔ)音信號(hào)，以利于接收端的語(yǔ)音分析處理得到正確的結(jié)果，有效降低誤碼率。
權(quán)利要求
1.一種用聲碼器收發(fā)數(shù)字信號(hào)的方法，其特征在于將欲傳輸?shù)脑磾?shù)字信號(hào)以參數(shù)映射的方式轉(zhuǎn)換為語(yǔ)音合成模型的關(guān)鍵語(yǔ)音特性參數(shù)，在發(fā)送端通過語(yǔ)音合成處理生成語(yǔ)音信號(hào)；合成的語(yǔ)音信號(hào)通過GSM或CDMA的聲碼器發(fā)送；在接收端通過語(yǔ)音分析處理提取關(guān)鍵語(yǔ)音特性參數(shù)，恢復(fù)為原始的數(shù)字信號(hào)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于所述用聲碼器收發(fā)數(shù)字信號(hào)的方法，它具體包括有以下步驟(1)對(duì)欲傳送的源數(shù)字信號(hào)分幀處理，每一幀數(shù)字信號(hào)用于合成短時(shí)語(yǔ)音信號(hào)，將每一幀繼續(xù)細(xì)分為長(zhǎng)度不等的子幀，所述子幀的數(shù)量至少為三個(gè)；(2)將所述子幀對(duì)應(yīng)生成線譜頻率系數(shù)(LSP)索引、廣義激勵(lì)向量參數(shù)索引以及廣義激勵(lì)參數(shù)增益索引；(3)將第(2)步中生成的索引值分別在線譜頻率系數(shù)參數(shù)表、廣義激勵(lì)向量參數(shù)表以及廣義激勵(lì)增益參數(shù)表中進(jìn)行查表依次生成線譜頻率系數(shù)參數(shù)、廣義激勵(lì)向量參數(shù)以及廣義激勵(lì)增益參數(shù)；(4)將第(3)步中生成的參數(shù)按CELP聲碼器的原理合成為語(yǔ)音信號(hào)；(5)將合成的語(yǔ)音信號(hào)通過CDMA或GSM聲碼器發(fā)送；(6)接收端接收到合成的語(yǔ)音信號(hào)后，對(duì)其進(jìn)行語(yǔ)音分析，提取出線譜頻率系數(shù)參數(shù)、廣義激勵(lì)向量參數(shù)以及廣義激勵(lì)增益參數(shù)；(7)將第(6)步中分析出的參數(shù)在各自對(duì)應(yīng)的參數(shù)表線譜頻率系數(shù)參數(shù)表、激勵(lì)向量參數(shù)表以及激勵(lì)增益參數(shù)表中進(jìn)行查表逆向生成線譜頻率系數(shù)索引、廣義激勵(lì)參數(shù)索引以及廣義激勵(lì)參數(shù)增益索引；(8)將第(7)步中生成的索引值分別逆向還原為子幀，并將子幀重新組合為一幀，還原為最初的數(shù)字信號(hào)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于所述第(1)步中，將數(shù)字信號(hào)碼流分幀處理，每一幀數(shù)字信號(hào)碼流用于產(chǎn)生10-30毫秒的短時(shí)語(yǔ)音信號(hào)。
4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于所述第(4)步中，將廣義激勵(lì)向量參數(shù)和廣義激勵(lì)增益參數(shù)首先通過激勵(lì)信號(hào)發(fā)生器合成為激勵(lì)信號(hào)，并將線譜頻率系數(shù)參數(shù)經(jīng)逆矢量量化后生成一線性預(yù)測(cè)系數(shù)，最后將該線性預(yù)測(cè)系數(shù)以及激勵(lì)信號(hào)發(fā)生器合成出的激勵(lì)信號(hào)一起輸入到線性預(yù)測(cè)語(yǔ)音合成濾波器合成為語(yǔ)音信號(hào)。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于所述用聲碼器收發(fā)數(shù)字信號(hào)的方法，它具體包括有以下步驟(1)對(duì)欲傳送的源數(shù)字信號(hào)分幀處理，每一幀數(shù)字信號(hào)用于合成短時(shí)語(yǔ)音信號(hào)，將幀長(zhǎng)為N位的一幀繼續(xù)細(xì)分為長(zhǎng)度不等的四個(gè)子幀，分別為X比特、Y比特、Z比特和G比特的碼流，形成四個(gè)子幀；(2)X比特碼流映射生成線譜頻率系數(shù)參數(shù)索引值，Y比特碼流映射生成基音參數(shù)索引值，Z比特碼流映射生成激勵(lì)向量參數(shù)索引值；G比特碼流映射生成激勵(lì)增益參數(shù)索引值；(3)將第(2)步中生成的索引值分別在線譜頻率系數(shù)參數(shù)表、基音參數(shù)表、激勵(lì)向量參數(shù)表以及激勵(lì)增益參數(shù)表中查表得到真正的向量參數(shù)線譜頻率系數(shù)參數(shù)、基音參數(shù)、激勵(lì)向量參數(shù)以及激勵(lì)增益參數(shù)；(4)將第(3)步中生成的參數(shù)按CELP聲碼器的原理合成為語(yǔ)音信號(hào)；(5)將合成的語(yǔ)音信號(hào)通過CDMA或GSM聲碼器發(fā)送；(6)接收端接收到合成的語(yǔ)音信號(hào)后，對(duì)其進(jìn)行語(yǔ)音分析，提取出線譜頻率系數(shù)參數(shù)、基音參數(shù)、激勵(lì)向量參數(shù)以及激勵(lì)增益參數(shù)；(7)將第(6)步中提取出的參數(shù)分別在對(duì)應(yīng)的線譜頻率系數(shù)參數(shù)表、基音參數(shù)表、激勵(lì)向量參數(shù)表以及激勵(lì)增益參數(shù)表中進(jìn)行查表逆向生成線譜頻率系數(shù)參數(shù)索引、基音參數(shù)索引、激勵(lì)向量參數(shù)索引以及激勵(lì)增益參數(shù)索引；(8)將第(7)步中生成的索引值分別逆向還原為子幀，并將子幀重新組合為一幀，還原為最初的數(shù)字信號(hào)。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于所述第(1)步中，將數(shù)字信號(hào)碼流分幀處理，每一幀數(shù)字信號(hào)碼流用于產(chǎn)生10-30毫秒的短時(shí)語(yǔ)音信號(hào)。
7.根據(jù)權(quán)利要求5或6所述的方法，其特征在于所述第(4)步中，將對(duì)應(yīng)X比特碼流的線譜頻率系數(shù)參數(shù)量化向量參數(shù)經(jīng)分割矢量量化的逆操作及轉(zhuǎn)換得到線性預(yù)測(cè)系數(shù)參數(shù)，用于線性預(yù)測(cè)語(yǔ)音合成濾波器；將對(duì)應(yīng)Y比特碼流的基音參數(shù)向量，經(jīng)基音合成處理生成基音激勵(lì)信號(hào)；將對(duì)應(yīng)Z比特碼的激勵(lì)向量參數(shù)，以及對(duì)應(yīng)G比特碼流的激勵(lì)增益參數(shù)，輸入到激勵(lì)信號(hào)合成模塊，生成激勵(lì)信號(hào)；此激勵(lì)信號(hào)以及基音激勵(lì)信號(hào)作用于描述聲道特性的線性預(yù)測(cè)語(yǔ)音合成濾波器，產(chǎn)生人工合成的語(yǔ)音信號(hào)。
全文摘要
本發(fā)明公開了一種用聲碼器收發(fā)數(shù)字信號(hào)的方法，將欲傳輸?shù)脑磾?shù)字信號(hào)以參數(shù)映射的方式轉(zhuǎn)換為語(yǔ)音合成模型的關(guān)鍵語(yǔ)音特性參數(shù)，在發(fā)送端通過語(yǔ)音合成處理生成語(yǔ)音信號(hào)；合成的語(yǔ)音信號(hào)通過GSM或CDMA的聲碼器發(fā)送；在接收端通過語(yǔ)音分析處理提取關(guān)鍵語(yǔ)音特性參數(shù)，恢復(fù)為原始的數(shù)字信號(hào)。本發(fā)明提出的方法以一種與電信網(wǎng)絡(luò)交換及傳輸設(shè)備無(wú)關(guān)的方式，通過模擬或數(shù)字語(yǔ)音信道高質(zhì)量地傳送一定碼率的任意數(shù)字信號(hào)，傳輸延遲及抖動(dòng)遠(yuǎn)低于通過數(shù)據(jù)信道的方式，保證交互式實(shí)時(shí)信息收發(fā)的服務(wù)質(zhì)量。
文檔編號(hào)G10L19/00GK1964244SQ20051011772
公開日2007年5月16日 申請(qǐng)日期2005年11月8日 優(yōu)先權(quán)日2005年11月8日
發(fā)明者吳倩, 林伯瀚, 林 源, 范莉 申請(qǐng)人:廈門致晟科技有限公司