雖然現(xiàn)在已經(jīng)有光纖通信等大容量通信手段，但是，在移動(dòng)通信、衛(wèi)星通信、軍事通信中，節(jié)省帶寬仍然非常重要。傳統(tǒng)的PCM等占用大量信道帶寬的語(yǔ)音編碼技術(shù)，已遠(yuǎn)遠(yuǎn)不能滿(mǎn)足現(xiàn)代數(shù)字通信的需要。歐美、日本等國(guó)一直在努力通過(guò)降低語(yǔ)音編碼速率來(lái)擴(kuò)大通信系統(tǒng)的容量。在我國(guó)，對(duì)低速率語(yǔ)音編碼技術(shù)也有迫切的需要，如保密通信、短波信道、水聲信道等對(duì)碼率要求嚴(yán)格的應(yīng)用場(chǎng)合。但現(xiàn)有語(yǔ)音編碼的國(guó)際標(biāo)準(zhǔn)傳輸速率都較高（一般在8 Kb／s以上），而現(xiàn)有的一些低速率語(yǔ)音編碼方案的話(huà)音質(zhì)量又不盡人意。因此，如何有效地降低編碼速率將一直是重要的研究課題。多帶激勵(lì)語(yǔ)音聲碼器（MultiBand Excited，MBE）在2.4～4.8 Kb／s速率上能合成出音質(zhì)比傳統(tǒng)聲碼器好得多的語(yǔ)音，而且具有較好的自然度和容忍環(huán)境噪聲的能力，是目前這一速率范圍內(nèi)比較理想的參數(shù)編碼方案。

1 MBE編碼（語(yǔ)音分析）

1.1 MBE模型

美國(guó)MIT大學(xué)林肯實(shí)驗(yàn)室1988年提出了多帶激勵(lì)（MBE）語(yǔ)音編碼方案。

MBE語(yǔ)音模型如圖1所示，把激勵(lì)頻譜分成許多互不交迭的頻帶，對(duì)每一頻帶分別進(jìn)行二元清、濁音判決，這就是多帶激勵(lì)的由來(lái)。這樣就允許特定語(yǔ)音幀的激勵(lì)信號(hào)可以是周期能量（濁音）和噪聲能量（清音）的混合，在一定程度上增加了模擬激勵(lì)的自由度，因而使MBE語(yǔ)音模型能產(chǎn)生高質(zhì)量的語(yǔ)音，而且使MBE語(yǔ)音模型有更強(qiáng)的抗背景噪聲能力。

1.2參數(shù)提取算法

MBE語(yǔ)音模型主要參數(shù)包括：基音周期；各諧波帶清濁音判決信息；各諧波對(duì)應(yīng)譜包絡(luò)幅度。

按照MBE算法原理圖（圖2），參數(shù)提取算法的實(shí)現(xiàn)分為如下四個(gè)步驟：

（1）基音周期粗估

基音周期的粗估采用在時(shí)域內(nèi)進(jìn)行的方法。因?yàn)閷?shí)際計(jì)算中證明，頻域中計(jì)算量特別大，并不好用。為解決這一問(wèn)題，本文采用時(shí)域自相關(guān)函數(shù)來(lái)估計(jì)基音周期的方法，這個(gè)方法的計(jì)算量比頻域法少得多，但只能在基音周期的整數(shù)點(diǎn)值上進(jìn)行。MBE算法就是對(duì)每一幀語(yǔ)音信號(hào)，在基音周期預(yù)估值范圍內(nèi)（一般在P=20～147之間），計(jì)算誤差函數(shù)Ep（P），使誤差函數(shù)最小的頻率值P就是基音估計(jì)的粗估值P1。誤差函數(shù)：

（2）基音周期細(xì)搜索

基音周期的細(xì)搜索采用在頻域內(nèi)進(jìn)行的方法，可以進(jìn)一步在頻域范圍內(nèi)進(jìn)行非整數(shù)基音周期的估計(jì)，從而提高基音周期估計(jì)的精度。即在粗估基音P1鄰域內(nèi)進(jìn)行細(xì)搜索，確定更精確的基音周期候選值Pt：P1-9／8，P1-7／8，…，P1+7／8，P1+9／8。通過(guò)上述算法，可以得到真正基音周期P0。

（3）諧波帶清濁音判決（U／V判決）

研究證明，清音帶與濁音帶不會(huì)頻繁交替，而是保持著一定的連續(xù)性，這樣在編碼速率較低時(shí)，可以將相鄰的幾個(gè)諧波頻帶劃分在一起，共同進(jìn)行清濁音判決。本文將相鄰的3個(gè)諧頻帶劃分在一起，整個(gè)頻帶采用最多分成12個(gè)帶的方法進(jìn)行清濁判決。判決閾值采用自適應(yīng)值，如果擬合誤差小于閾值，判為濁音，否則判為清音。

（4）譜幅度估計(jì)

確定U／V后，就可以對(duì)各諧波的包絡(luò)幅度做最后的確定：

2 MBE解碼（語(yǔ)音合成）

多帶激勵(lì)模型語(yǔ)音合成的方法大體分為兩類(lèi)，即頻域合成法與時(shí)域合成法。頻域合成法先用收到的參數(shù)構(gòu)成重建語(yǔ)音譜，然后利用傅里葉反變換得到時(shí)域序列，相當(dāng)于分析過(guò)程的逆過(guò)程。這種方法比較直接，但不能保證合成語(yǔ)音基音周期的平滑變化，特別當(dāng)幀長(zhǎng)比較長(zhǎng)的時(shí)候會(huì)產(chǎn)生基音周期跳變，使合成語(yǔ)音不自然。時(shí)域合成法能利用插值實(shí)現(xiàn)幀與幀之間基音周期平滑過(guò)渡，合成出更自然的語(yǔ)音。因此在實(shí)際的MBE算法中都采用這種方法。如圖3所示，濁音Sv（n）與清音SU（n）是分開(kāi)合成的，最后將他們相加，形成完整的合成語(yǔ)音SR（n）。

本文對(duì)于濁音部分的語(yǔ)音采用時(shí)域合成法，因?yàn)樵摲椒衫貌逯祵?shí)現(xiàn)幀與幀之間基音周期的平滑過(guò)渡，合成出更自然的語(yǔ)音。而對(duì)于清音部分的語(yǔ)音，采用頻域短時(shí)傅里葉變換法合成，因?yàn)閹?a href="http://m.xsypw.cn/tags/濾波器/" target="_blank">濾波器在頻域中易于實(shí)現(xiàn)，用FFT實(shí)現(xiàn)，計(jì)算復(fù)雜度更低。

3靜音檢測(cè)

3.1概念

研究表明，人們?cè)陔娫?huà)交流時(shí)，單向通話(huà)的時(shí)間通常只占總的通信時(shí)間的40％或更少，其他約60％的時(shí)間為聆聽(tīng)對(duì)方講話(huà)和通信中靜默期。靜默期的參數(shù)（背景噪聲參數(shù)）比較簡(jiǎn)單，用很少的比特?cái)?shù)即可表示。如果能準(zhǔn)確地判斷出語(yǔ)音／靜音幀，在靜音期間，只發(fā)送很少的比特?cái)?shù)，從理論上來(lái)看，語(yǔ)音編碼率應(yīng)該可以降低50％左右。

靜音檢測(cè)，又稱(chēng)端點(diǎn)檢測(cè)（Voice Activation Detection，VAD），其目的是從聲音信號(hào)流里識(shí)別長(zhǎng)時(shí)間的靜音期（背景噪聲），使得在不降低業(yè)務(wù)質(zhì)量的情況下達(dá)到節(jié)省帶寬資源的作用。

3.2算法

本文采用了“基于熵的VAD檢測(cè)法”。熵VAD檢測(cè)方法是通過(guò)對(duì)信號(hào)幅值分布概率的統(tǒng)計(jì)取對(duì)數(shù)，以得到熵值。如果語(yǔ)音的幅值的絕對(duì)值在1.0左右變化，則不能統(tǒng)計(jì)出所期望的概率。為了便于統(tǒng)計(jì)計(jì)算，因此在處理16位的語(yǔ)音文件時(shí)，不能將其歸一化處理，而是通過(guò)預(yù)處理，使其幅度值分布在［-50，+50］之間。計(jì)算前10～20幀信號(hào)的熵值的平均值，乘以某個(gè)倍數(shù)作為閾值。然后將每一幀的熵值與閾值比較，大于閾值，則VAD=1，否則置0。當(dāng)VAD=1，暫時(shí)記為語(yǔ)音的開(kāi)始點(diǎn)，如果向后連續(xù)幾幀都判為1，則該點(diǎn)為起始點(diǎn)，否則重新向后搜索。結(jié)束點(diǎn)的搜索方法與開(kāi)始點(diǎn)相同，只不過(guò)是向前搜索而已。

4仿真試驗(yàn)

4.1算法實(shí)現(xiàn)的整體流程圖

前面已經(jīng)詳細(xì)說(shuō)明了語(yǔ)音幀的編解碼過(guò)程與算法，對(duì)于加入靜音檢測(cè)模塊的整體算法流程圖（圖4），現(xiàn)在簡(jiǎn)單說(shuō)明本文采用的靜音幀的編解碼方法：

（1）靜音幀編碼

當(dāng)VAD檢測(cè)結(jié)果為0時(shí)，為降低編碼率，靜音幀只發(fā)送該靜音幀的幅度均。

（2）靜音幀的解碼

在解碼端，若VAD判決為0時(shí)，即當(dāng)前幀為靜音幀，則生成一均值為0，方差為1的類(lèi)似白噪聲的隨機(jī)序列u（n），再與編碼端發(fā)送的靜音幀的幅度均值相乘得到自適應(yīng)的白噪聲序列。

4.2試驗(yàn)結(jié)果

原始語(yǔ)音與合成語(yǔ)音時(shí)域波形圖比較，如圖5所示。原始語(yǔ)音與合成語(yǔ)音頻譜圖比較，如圖6所示。

4.3結(jié)果分析

仿真結(jié)果表明，基于VAD檢測(cè)的MBE模型聲碼器對(duì)于語(yǔ)音信號(hào)可以很好地區(qū)分出語(yǔ)音幀和靜音幀。同時(shí)，采用VAD檢測(cè)算法后，對(duì)于被檢測(cè)出的語(yǔ)音幀執(zhí)行MBE編解碼處理，靜音幀只傳送幀幅度均值，有效地降低了語(yǔ)音編碼速率，對(duì)于正常語(yǔ)速的通話(huà)，本文的編碼率可以在原來(lái)的基礎(chǔ)上減少50％左右。從聽(tīng)覺(jué)效果上來(lái)看，采用VAD檢測(cè)的MBE算法的合成語(yǔ)音與未采用VAD檢測(cè)的一般MBE算法的合成語(yǔ)音幾乎沒(méi)有區(qū)別，兩種方法有較好的主觀聽(tīng)覺(jué)效果和可懂度。

5結(jié)語(yǔ)

（1）合成波形失真

從仿真試驗(yàn)結(jié)果的波形圖中可以看出，合成語(yǔ)音波形相對(duì)于原始語(yǔ)音波形有一些失真，這與信號(hào)處理前的高通濾波器和基音周期粗估前的低通濾波器的設(shè)計(jì)有關(guān)。因?yàn)楦咄V波器可使輸入信號(hào)抗工頻（50～60 Hz）干擾，低通濾波器可減少高頻共振峰和外來(lái)高頻噪聲對(duì)基音周期提取的影響。因此，濾波器的設(shè)計(jì)在MBE編碼中至關(guān)重要，這也就是下步工作中首要解決的問(wèn)題。

（2）基音粗估后加入基音平滑模塊，提高基音準(zhǔn)確度、平滑語(yǔ)音

由于噪聲的干擾，造成基音周期粗估值的錯(cuò)鎖（通常是1／2倍頻或1／3倍頻），而基音細(xì)搜索只在基音粗估值的附近進(jìn)行，這就使得基音頻率以及幀之間有很大跳變，合成語(yǔ)音有停頓感。因此，在基音粗估后加入基音平滑模塊，有利于提取基音頻率較高時(shí)的基音周期，又不至于影響提取基音周期頻率較低時(shí)的基音周期；它既能保證基音周期的正確估計(jì)，又能保證基音演變的平滑性，最終得到音質(zhì)好的合成語(yǔ)音。