基于CM70C01的語音壓縮編碼

2004年6月A版

摘  要：CM70C01是處理多種語音壓縮格式的混合信號處理芯片，由于編碼和解碼部分的標準不統(tǒng)一，使得部分語音壓縮文件與CM70C01不兼容。本文在深入了解CM70C01解碼和語音合成的基礎(chǔ)上，就LPC-10提出符合CM70C01的語音壓縮編碼方法。

關(guān)鍵詞：能量；音調(diào)；反射系數(shù)；語音壓縮

引言

　　CM70C01是中科微電子公司生產(chǎn)的混合信號處理芯片，集成8位MCU和語音合成電路，具有編程方便，能處理LPC-10、CELP、PCM、MELP等多種語音壓縮格式的能力和較優(yōu)的性價比，可以應(yīng)用在各種語音處理場合。但由于LPC-10、CELP和MELP等語音格式在編碼和解碼部分有多種不同的標準，而且這些標準之間并不兼容，因此用戶自行編制的語音數(shù)據(jù)并不一定能被CM70C01識別或處理。在熟知語音壓縮基本算法而又缺少語音開發(fā)板和相應(yīng)軟件的情況下，就可以用純軟件的方法來實現(xiàn)基于CM70C01的語音壓縮編碼。本文以LPC-10為例子，說明特征參數(shù)的提取、編碼的幀結(jié)構(gòu)以及CM70C01的解碼和編碼的實現(xiàn)。

特征參數(shù)的提取

　　語音具有樣點間的短時相關(guān)性和相鄰基因周期間的長時相關(guān)性，可以用一個全極點模型來描述一小段語音的生成模型。在利用線性預測方法對語音進行上述兩種相關(guān)性的去相關(guān)處理后，能夠得到預測的余量信號。根據(jù)余量信號和全極點模型的預測系數(shù)，就可以合成語音。這就是線性預測編碼。

　　線性預測編碼(LPC-10)是將線性預測理論運用到語音編碼領(lǐng)域的一個典型例子。在預測編碼過程中，以幀為單位來分析和提取語音信號的相關(guān)特征參數(shù)，這些特征參數(shù)有包括：全極點模型的預測參數(shù){ai}、能量增益(Energy)、音調(diào)(Pitch)、濁/清音標志(V/UV)。由特征參數(shù)來表述語音信號既可減小存儲空間，又可以低速率來進行傳輸。在接收端，根據(jù)幀的特征參數(shù)決定激勵源、基音塊和幀塊間的插值，最后通過格型濾波器來合成語音。

　　由于預測參數(shù)不適于直接量化，因為它的微小變化會造成極點位置很大的變化，所以一般采用在數(shù)學上與之完全等價的反射系數(shù)K1~K10代替預測參數(shù)進行量化編碼。反射系數(shù)的穩(wěn)定條件是|Ki|<1，這在量化時是容易保證的?？梢杂肅holeski UV分解法對LPC正則方程的系數(shù)矩陣求逆，得出反射系數(shù)。這種算法能夠比較準確的計算出共振峰的寬度，但由于篇幅關(guān)系，在這里不詳細敘述。

　　能量(語音波形的振幅)一般用如下公式計算：

　　式中Si為采樣取得的數(shù)字語音(一般還需經(jīng)過預加重處理，加強音譜中的高頻共振峰)，M為一幀的采樣點數(shù)。

　　音調(diào)即基音周期，用平均幅度差函數(shù)AMDF計算。數(shù)字語音經(jīng)過一個四階Butterworth低通濾波器后再經(jīng)過二階逆濾波，然后計算延遲時間為個樣點的AMDF，由AMDF的最小值確定周期。

　　t的取值可為20~156。假設(shè)數(shù)字語音的采樣頻率為8KHz，t為60時AMDF最小，則

　　濁/清音的標志是根據(jù)AMDF最大值與最小值之比和過零率，用動態(tài)規(guī)劃算法，在三幀范圍內(nèi)進行平滑和錯誤糾正而得出的。該標志有穩(wěn)定的清音、清音向濁音轉(zhuǎn)換、濁音向清音轉(zhuǎn)換和穩(wěn)定的濁音這四種狀態(tài)。

編碼的幀結(jié)構(gòu)

　　在LPC-10傳輸數(shù)據(jù)流中，以幀為單位對特征系數(shù)進行編碼。一般LPC-10數(shù)據(jù)按幀類型可劃分為濁音幀和清音幀，其比特分配如表1。

　　基因周期和濁/清音標志用7比特表示，能量用5比特表示。濁音幀有10個反射系數(shù)，而清音幀只有4個反射系數(shù)，但比濁音多用20比特作為誤差糾正。另外，每一幀數(shù)據(jù)當中還包含有1比特同步信號。

　　而在CM70C01默認的語音編碼格式中，除了濁音幀和清音幀，還細分出重復幀、靜音幀和停止幀。顧名思義，這三種類型的幀分別表示重復上一幀的反射系數(shù)、靜音和停止合成語音。它的比特分配表如表2。

　　能量用4比特表示：全0時為靜音幀，沒有音調(diào)和反射系數(shù)；全1時為停止幀，相當于結(jié)束標志，只會出現(xiàn)在語音數(shù)據(jù)末尾。重復標志(Repeat)為1時，該幀為重復幀，表示它的反射系數(shù)與上一幀的相同。音調(diào)用7比特表示，全0時表示該幀為清音幀。所有的幀都沒有誤差糾正和同步信號。

CM70C01的解碼和編碼

　　在對比幀結(jié)構(gòu)的不同之后，再進一步了解特征參數(shù)在CM70C01解碼、合成語音過程中的作用。CM70C01取得一幀的數(shù)據(jù)后，按下列步驟進行處理

　　各參數(shù)根據(jù)自身的解碼表進行解碼，而根據(jù)解碼表可以近似的推算出編碼表。一般語音信號量化采用的是非均勻量化，采用最佳非均勻量化時，最佳分層電平應(yīng)取兩個相鄰量化電平的中點。

　　xk為分層電平，即量化區(qū)間的上限值；yk為量化電平；L為量化電平數(shù)。落在區(qū)間jk={xk<x≤xk+1}的值x量化后用yk表示。量化電平與解碼表是一一對應(yīng)的，如果解碼表碼子對應(yīng)的解碼值就是量化電平，那么在已知量化電平的條件下，就可以推算出各個量化區(qū)間的分層電平，從而得出量化編碼表。

　　解碼后的參數(shù)都為十六進制數(shù)，并且要與下一幀的參數(shù)進行插補。音調(diào)的插補公式：

　　P=(Pcurrent-Pnew)Timer+Pnew

　　Pcurrent為上一幀的周期值，Pnew為當前幀的周期值，Timer為定時器的值。其他參數(shù)的插補方法同上。特征參數(shù)在插補后，能量和反射系數(shù)直接送到CM70C01選通聲道相應(yīng)的參數(shù)寄存器，而音調(diào)在乘以二后送入音調(diào)寄存器。

　　在語音合成中，濁/清音標志決定了采用的激勵信號。如果是清音，則以隨機數(shù)(白噪聲)為激勵源；如果是濁音，則用一周期性沖激信號通過全通濾波器來產(chǎn)生激勵源。能量決定了合成語音的增益，也就是音量大小。反射系數(shù)直接確定了格型濾波器的參數(shù)。決定音調(diào)的除了音調(diào)寄存器(Pitch Register，PR)還有音調(diào)周期計數(shù)器(Pitch Period Counter，PPC)。

　　假設(shè)合成器的取樣頻率是8K，在音調(diào)寄存器PR用TASYN指令加載后，每次取樣音調(diào)周期計數(shù)器PPC減20h，當PPC小于0時，用音調(diào)寄存器PR中的值重新裝入PPC。當PPC中的值減到小于200h或加載值小于200h時，微處理器可以做到，并決定何時執(zhí)行插補。當音調(diào)周期計數(shù)器PPC減到140h~000h之間時，激勵函數(shù)加到LPC濾波器的輸入端。如果解碼后音調(diào)的值為7C0h，PR的值則為F80h，實際周期和頻率

　　當音調(diào)為133.33Hz即t為60(十進制數(shù)，十六進制時為3Ch)時，對應(yīng)的解碼值為，對應(yīng)的量化碼子可查詢解碼表得到。

　　根據(jù)上述參數(shù)的作用可知，能量和反射系數(shù)在解碼后直接用于語音合成，所以可根據(jù)解碼表直接推算出量化編碼表；而基因周期經(jīng)過一些簡單的計算也能由解碼表算出量化編碼表。經(jīng)過提取特征參數(shù)，推算量化編碼表等一系列準備工作后，現(xiàn)在可以按照CM70C01幀的結(jié)構(gòu)對特征參數(shù)進行量化編碼。其步驟如下：

　　對于本文的例子LPC-10來說，在編碼后有時還需要用戶根據(jù)經(jīng)驗修改反射系數(shù)，那么只需在量化編碼過程中加入一個表格窗口，用于顯示和修改量化編碼數(shù)據(jù)，就能完全替代語音開發(fā)板及其軟件獨立進行語音壓縮編碼。對于CELP、MELP這些語音壓縮格式，不需要提供表格窗口來修改編碼數(shù)據(jù)。

結(jié)語

　　綜上所述，用純軟件的方法來實現(xiàn)基于CM70C01的LPC-10編碼是可行的。對于那些缺少相應(yīng)語音開發(fā)板和相關(guān)軟件支持而又希望使用CM70C01的用戶來說，本文提供的方法能夠較好的解決語音壓縮編碼的問題。如果要使用CM70C01支持的其他幾種語音壓縮格式，如CELP、MELP等，由于其編碼的原理與LPC-10類似，根據(jù)本文所提供的解決方法，可以實現(xiàn)基于CM70C01的語音壓縮編碼。■

參考文獻：

1. 楊行峻、遲惠生等，‘語音信號數(shù)字處理’，第二版，電子工業(yè)出版社，1998

2. L.R.拉賓那、R.W.謝弗 ，‘語音數(shù)字信號處理’，科學出版社，1982

3. 彭崇梅、李全圣，‘對線性預測語音解壓縮方法的探討’，電子產(chǎn)品世界，2001年4B期