2.4Kbps位元率語音編碼技術

Abstract

廣為人知的F.S.1016CELP4.8Kbps技術不僅能產生低位元率的語音壓縮，而且能保持 高音質的合成語音。然而，因為通訊頻道容量和貯存量被限制，所以在現今以較低位 元率（低於4.8Kbps）來表示語音訊號是重要的。傳統的線性預估編碼vocoder（LPC vocoder）能夠在2.4Kbps產生可理解的語音，但是它們時常產生不自然的聲音，如嗡 嗡聲、砰砰聲、與音調雜音。這些問題起源於每個音框用週期性脈衝列（periodic pulse train），僅以一個位元來決定有聲或無聲，和不正確的增益評估。在這論文 提出改良型LPC vocoder，它是基於傳統LPC vocoder結構，在這個編碼器，為了產生 更自然的合成語音，我們將使用非週期性脈衝（aperiodic pulse），四分之一音框 之有聲╱無聲的決策（quarter voiced/unvoiced decision），和基於包絡形狀（ envelope shape）的增益評估。非週期性脈衝能減少在LPC頻譜的尖峭端點所導致不 自然聲音，四分之一音框之有聲╱無聲的決策是把語音訊號的音框區分成四個次音框 ，再對每個次音框來決定有聲或無聲，增益評估是仗用一個閉迴路分析合成法技術來 執行，它使原始語音訊號的包絡形狀能與合成語音訊號的包絡形狀一致，來獲得更乾 淨、更平滑的語音輸出。雖然改良型LPC vocoder的性能是可接受的，但仍然有雜音 。因此，我們使用適應性後處理濾波器（adaptive postfilter）來改善合成語音的 聽覺品質。此外，我們使用格子狀向量量化（lattice vector quantization）技術 的特性（儘可能使用較少位元而染減少語音品質），來量化線頻譜對（linear spectrum pair）參數，這格子狀向量量化僅需要較少記憶體和低複雜度的計算量。 平均意見分數（mean opinion score）指出改良型LPC vocoder所實現的音質優於現 存LPC-10版本。