語音信號處理及其在IP網(wǎng)絡電話中的應用
引言
從技術角度講,語音信號處理是信息高速公路、多媒體技術、辦公自動化、現(xiàn)代通信及智能系統(tǒng)等新興領域應用的核心技術之一。用數(shù)字化的方法進行語音的傳送、存儲、識別、合成、增強等是整個數(shù)字化通信網(wǎng)中最重要、最基本的組成部分之一。
作為語音信號處理最重要應用之一的IP網(wǎng)絡電話,由于具有價格低廉,可以靈活地提供各種增值業(yè)務,有利于企業(yè)建立高效綜合服務內(nèi)部網(wǎng),有利于運營商開拓新的市場,有助于和新技術的融合以及促進網(wǎng)絡技術發(fā)展等許多獨特的應用優(yōu)勢而在近年里得到迅猛發(fā)展。 IP網(wǎng)絡電話中的語音處理主要需解決兩個問題,一是在保證一定話音質(zhì)量的前提下盡可能降低編碼比特率,二是在IP網(wǎng)絡環(huán)境下保證一定的通話質(zhì)量。前者主要是語音編碼技術,包括靜音檢測;后者包括分組丟失補償和回波抵消技術。
在語音編碼方面,如何在中低速率上獲得高質(zhì)量的語音且算法復雜度較小,一直是研究的主要目標。70年代中期,特別是80年代以來,語音編碼技術有了突破性進展,提出如多脈沖激勵等一些有效的算法,產(chǎn)生了新一代的聲碼器,在16kbit/s以下速率上能夠得到高質(zhì)量的語音。
計算機和集成電路技術的發(fā)展,推動了語音信號處理的實用化。目前有很多專用語音處理芯片,這些芯片與微處理器或微型計算機相結合可以組成各種復雜的語音處理系統(tǒng)。
語音信號的基本特點及其產(chǎn)生模型
1. 語音信號的特點
語音是由一連串的音所組成,它是組成語言的聲音。語音具有稱為聲學特征的物理性質(zhì)。語音中各個音的排列由一些規(guī)則所控制。形成文章的基礎是單詞,各單詞由音節(jié)組成,音節(jié)又由音素組成。音素分為兩類：元音和輔音。重音、語調(diào)和聲調(diào)也是構成語音學的一部分。
聲道（由咽、口腔和鼻腔組成）是一個分布參數(shù)系統(tǒng),它有許多自然諧振頻率（在這些頻率上其傳遞函數(shù)具有極大值）,所以聲道是一諧振腔,它放大某一頻率而衰減其他頻率分量。諧振頻率由每一瞬間的聲道外形決定。講話時,舌和唇連續(xù)運動,使聲道常常改變外型和尺寸,隨即改變諧振頻率。這些諧振頻率稱為共振峰頻率,簡稱為共振峰,它是聲道的重要聲學特征。
2. 語音信號的數(shù)字模型
（1）激勵模型（發(fā)聲模型）
發(fā)濁音時,整個激勵模型可表示為：
發(fā)清音時,聲道可模擬成隨機白噪聲。
（2）聲管模型（聲道模型一）
最簡單的聲道模型是將其視為由多個不同截面積的管子串聯(lián)而成的系統(tǒng),在語音信號的某一“短時”期間,聲道可表示為形狀穩(wěn)定的管道。每個管子可看作為一個四端網(wǎng)絡,這個網(wǎng)絡具有反射系數(shù),這時聲道可由一組截面積或一組反射系數(shù)來表示。
（3）共振峰模型（聲道模型二）
將聲道視為一個諧振腔,共振峰就是這個腔體的諧振頻率�？梢越⑷N實用模型：級聯(lián)型、并聯(lián)型和混合型。
（4）輻射模型（終端模型）
口唇的輻射效應可表示為R(z)=R0(1-z-1)。
由上所述,完整的語音信號數(shù)字模型可以用三個子模型：激勵模型、聲道模型和輻射模型的串聯(lián)來表示。其轉(zhuǎn)移函數(shù)為
H(z)=U(z)V(z)R(z)
這里,U(z)是激勵信號,V(z)是聲道傳遞函數(shù)。R(z)如上式所示。
語音信號的分析
