王鑫?張健　張洋　王瑋

摘要：本文主要定義一種衛(wèi)星終端使用的基帶聲碼器軟核實現(xiàn)的設(shè)計，用于衛(wèi)星終端基帶集成語音編解碼軟核功能的設(shè)計與開發(fā)參考，提升衛(wèi)星基帶模組的高集成能力，為低功耗小型化手持衛(wèi)星終端開發(fā)提供幫助。針對衛(wèi)星通信系統(tǒng)常用的MELP語音編碼器，設(shè)計包括多速率話音編解碼器、話音激活檢測、抵抗誤碼傳輸?shù)能浡暣a器。為開發(fā)人員提供實現(xiàn)條件和技術(shù)原理指導(dǎo)。

關(guān)鍵詞：基帶聲碼器，多速率語音，話音激活，抵抗誤碼

一、引言

衛(wèi)星通信的話音，采用的混合激勵線性預(yù)測（MELP）語音壓縮編碼，通常具有2.4Kbps和4.8Kbps兩種話音編解碼方案。該壓縮編碼采用MELP算法，對重建的語音信號采用常見的多帶處理方式，并運(yùn)用線性預(yù)測譜來估計語音信號中的包絡(luò)。目前，這種編解碼方式廣泛應(yīng)用在國外的銥星、海事衛(wèi)星等提供話音服務(wù)的衛(wèi)星通信系統(tǒng)中，國內(nèi)也有按照這一標(biāo)準(zhǔn)建設(shè)的衛(wèi)星系統(tǒng)。衛(wèi)星鏈路的特點(diǎn)是功率受限和易受干擾，要求具備話音激活檢測和抵抗誤碼傳輸?shù)哪芰?。設(shè)計的多速率語音編碼器是一個單獨(dú)的綜合語音編解碼器，具備2.4Kbps和4.8Kbps兩種源編碼速率以及一種低速率背景噪聲編碼模式[1]。針對衛(wèi)星通信系統(tǒng)功率受限和不可靠傳輸?shù)奶攸c(diǎn)，設(shè)計了通過產(chǎn)生舒適噪聲進(jìn)行不連續(xù)傳輸?shù)脑捯艏せ顧z測方案，以及通過差錯隱藏來應(yīng)對丟包影響的抵抗誤碼傳輸方案?；贛ELP算法的軟聲碼器采用線性預(yù)測混合激勵模型，使用隨機(jī)噪聲信號來表示清音激勵，對濁音激勵采用諧波信號來表示。該軟聲碼器通過提取線譜頻率、基音周期、增益、清濁音信息和傅立葉幅度等五類參數(shù)，并使用軟件算法來實現(xiàn)話音編解碼方案。

二、軟聲碼器組成原理

基帶一般采用RTOS系統(tǒng)，對實時性要求較高，為了避免有效進(jìn)程進(jìn)入擁塞狀態(tài)，聲碼器嵌入在編碼和解碼兩個任務(wù)子線程中，因此需要為編解碼的軟實現(xiàn)準(zhǔn)備獨(dú)立的任務(wù)線程。多速率話音編解碼器包括2.4Kbps和4.8Kbps兩個速率，由于兩種速率在同一時刻不可能同時存在，因此編碼和解碼不需要為不同速率創(chuàng)建任務(wù)。另外，聲碼器的兩檔編解碼速率配置具有接近的編解碼效率和相似資源占用情況。話音激活檢測對于實現(xiàn)話音業(yè)務(wù)低功耗和降低衛(wèi)星功率占用至關(guān)重要，本設(shè)計定義了話音端點(diǎn)檢測（Voice Activity Detection，VAD）、舒適噪聲產(chǎn)生（Comfort Noise Generation，CNG）、靜音描述幀（Silence Descriptor frame，SID幀）。這些組成部分共同用于判斷話音是否存在、生成背景舒適噪聲，并在靜音時傳輸對應(yīng)的靜音描述幀，以實現(xiàn)低功耗傳輸和衛(wèi)星資源的有效利用。

抵抗誤碼傳輸是聲碼器性能提升的關(guān)鍵，本設(shè)計定義了清濁音判決（Voiced/Unvoiced V/UV）、自適應(yīng)譜增強(qiáng)（Adaptive Spectral Enhancement以及線性預(yù)測編碼（Linear Prediction Coding）[2]。這些組成部分用于改善信號質(zhì)量、提高抗干擾能力，并在受到誤碼傳輸?shù)那闆r下進(jìn)行差錯隱藏，從而降低傳輸誤碼對語音質(zhì)量的影響。

（一）諧波激勵線性預(yù)測

采用諧波激勵線性預(yù)測，改進(jìn)包括：清音成分采用隨機(jī)噪聲，濁音成分采用諧波激勵源，對激勵源采用多帶混合激勵模型，對聲道采用線性預(yù)測系數(shù)描述，實現(xiàn)一種基于線性預(yù)測編碼的語音編碼模型。

（二）話音端點(diǎn)檢測

話音端點(diǎn)檢測：確定的方法是通過將當(dāng)前輸入信號的幅度和頻譜特征與設(shè)定的幅度和頻譜特征相比較所得，實現(xiàn)將一小段語音信號分為“語音”或“背景噪聲”的方法。

（三）舒適噪聲

舒適噪聲產(chǎn)生：在接收中斷時，在接收端合成低幅度噪聲的方法。其目的是為了增加語音的聽覺感知質(zhì)量。合成噪聲具有當(dāng)前發(fā)送端背景噪聲的特點(diǎn)。以提供一種更加自然的聽覺體驗。

（四）話音幀

話音幀（Frame）：指將語音信號分割成連續(xù)的固定時長的數(shù)據(jù)段，用于聲碼器的編碼和解碼過程。幀數(shù)據(jù)由模型參數(shù)量化為比特流，并送給FEC進(jìn)行進(jìn)一步信道編碼。同時，話音幀也是聲碼器完成一次編碼或譯碼的基本單位，經(jīng)過編碼或譯碼后，輸出的結(jié)果是一段連續(xù)的重構(gòu)語音數(shù)據(jù)。

靜音描述幀（SID）：是一種特殊的幀，它不包含有效的話音數(shù)據(jù)，而只包含舒適噪聲數(shù)據(jù)的幀。與正常的話音幀不同，在SID幀中沒有話音或是音調(diào)數(shù)據(jù)。通常在語音通信系統(tǒng)中，SID幀被用于表示靜音或非語音段。

三、編解碼

（一）語音編碼

編碼器采用分幀處理的方法分析語音參數(shù)，按照8Khz的采樣，16Bits的位寬來估算，分析后設(shè)置幀長為20Ms（在8KHz的采樣率下每幀160個采樣點(diǎn)）[3]。編碼器參數(shù)分析框圖如圖1所示。

（二）語音解碼

對接收碼流進(jìn)行譯碼的過程。通過反量化過程，得到線性預(yù)測系數(shù)、基音周期、子帶清濁音判決、增益和傅立葉幅度參數(shù)等信息。當(dāng)沒有語音時，它就不被傳輸，這就導(dǎo)致了背景噪聲的不連續(xù)性，由于不連續(xù)接收切換的速率非常迅速，這種不連續(xù)會使收聽者感覺很不舒服，尤其在強(qiáng)背景噪聲情況下，這種感覺尤為明顯。最壞的情況就是語音難以理解。為了克服這個問題，舒適背景噪聲生成技術(shù)被提出[4]。

語音編解碼功能通過軟核集成在基帶模塊中，除了完成語音編解碼任務(wù)外，還具備了不連續(xù)傳輸、話音激活檢測、舒適噪聲、幀替代和靜默處理等一整套處理功能。話音激活是在衛(wèi)星通信方面必需的要求，它能夠降低載荷資源占用和提高用戶話音接入量，同時還能減少終端話音過程的發(fā)送占空比，顯著降低終端業(yè)務(wù)功耗。這個功能在手持小型化終端中特別實用。

四、處理流程和支持特性

（一）混合激勵

混合激勵算法框圖如下圖所示。對接收碼流進(jìn)行譯碼，并通過反量化得到線性預(yù)測系數(shù)、基音周期、子帶清濁音判決、增益和傅立葉幅度參數(shù)。用這些參數(shù)來合成語音。

在一段正常的電話通話中，講話者互相轉(zhuǎn)換，因此，平均意義上，每個傳遞的方向?qū)⒓s占據(jù)50%的時間。本算法采用諧波信號和噪聲信號混合形成激勵信號，去激勵合成濾波器得到合成語音。

（二）軟核聲碼器處理過程

經(jīng)隔直濾波和采樣之后，從原始語音輸入信號獲取目標(biāo)信號。在解碼過程中，首先對經(jīng)過編碼的幀數(shù)據(jù)接收、存儲、解包和排序，然后輸入到事先設(shè)計好的解碼端。解碼端采用混合激勵線性預(yù)測編碼算法，根據(jù)話音激活信號檢測和自身抗干擾要求，通過混合激勵信號的生成、自適應(yīng)譜增強(qiáng)、線性預(yù)測合成等多項技術(shù)重構(gòu)語音信號。在接收到非正常語音幀時，在接收端產(chǎn)生舒適噪聲，以避免產(chǎn)生雜音和尖銳的噪聲，在發(fā)送端，增加了話音激活檢測單元和背景噪聲評估單元，以便將特性參數(shù)傳遞至接收端，實現(xiàn)不連續(xù)傳輸操作。在規(guī)定的區(qū)間內(nèi)，通過靜音指示幀將舒適噪聲信息傳遞至接收端。解碼端的譯碼原理框圖如圖4所示。

輸入信號首先經(jīng)過預(yù)處理。對采樣后的語音信號通過一個截止頻率為60Hz的高通濾波器進(jìn)行處理，以去除直流成分和50Hz的工頻干擾。并進(jìn)行高頻提升[3]，經(jīng)過處理后的所得信號將作為后面處理的輸入信號。對所有合成的參數(shù)做基音同步內(nèi)插處理。線性預(yù)測分析每幀進(jìn)行一次，分析窗長為200個樣點(diǎn)，采用漢明窗[4]。分析窗的中點(diǎn)位于當(dāng)前幀的中心位置，通過分析得到10個線性預(yù)測系數(shù)。

解碼端參數(shù)插值也用線譜頻率參數(shù)進(jìn)行，然后再轉(zhuǎn)化成預(yù)測系數(shù)，構(gòu)成合成濾波器，用于語音合成。線性預(yù)測分析和合成濾波器都采用10階線性濾波器。解碼器通過從上述處理過數(shù)據(jù)中恢復(fù)出所有幀的參數(shù)，并判斷此幀是否為比較安靜的語音幀，如果是靜音幀或者較為安靜的語音幀，則增加對接觸的兩個子幀增益進(jìn)行噪聲衰減，同時改變噪聲估計的值[4]。由于聲道與聲門激勵互相作用，這會產(chǎn)生基音分析的倍頻或者半頻錯誤。因此，在計算基音估計函數(shù)之前，應(yīng)盡量使譜幅度平坦化。所有這些處理都是通過軟件算法實現(xiàn)的。

（三）軟核聲碼器支持特性

1.不連續(xù)傳輸

在一段正常的電話通話中，講話者會互相轉(zhuǎn)換，因此，平均意義上每個傳遞的方向?qū)⒓s占據(jù)50%的時間。不連續(xù)傳輸是一種能夠使得語音編碼器以比正常編碼更低的比特率編碼背景噪聲的操作模式。模式能夠以比正常編碼更低的比特率編碼背景噪聲。衛(wèi)星空口無線網(wǎng)絡(luò)將自適應(yīng)改變其傳輸方案以便充分利用這種變化的比特率，這可能是為了達(dá)到以下兩個目的：延長衛(wèi)星通信用戶終端的電池壽命，或者在一個操作時間內(nèi)使用小容量電池；降低平均需要的比特率，使得在降低負(fù)載的情況下能夠更有效地傳輸，從而提高衛(wèi)星通信系統(tǒng)的容量，緩解衛(wèi)星載荷功率受限的問題。

2.話音激活檢測

在通話過程中，話音是隨時觸發(fā)的過程。語音編碼器中的話音激活檢測是其中的一部分，它接收輸入語音本身以及一些編碼器生成的參數(shù)。通過使用這些信息來判決語音編碼器輸入幀是否包含語音信號，并輸出一個標(biāo)志指示當(dāng)前幀是否為語音。

3.舒適噪聲產(chǎn)生

在通話過程的靜默狀態(tài)下，當(dāng)不存在語音信號時，解碼器的合成操作與接收到正常語音幀不同。通過接收到的非語音參數(shù)來合成人工噪聲，這稱之為舒適噪聲再生。通過軟件算法合成的人工噪聲，使得在通話過程中的沉默與聲音之間的過渡更加平滑，不會顯得突兀。

4.丟失幀的替代與隱藏

衛(wèi)星信道的特殊性，丟包、誤碼和錯幀是隨時發(fā)生的情況，在接收端，由于傳遞錯誤或者幀遺失，語音幀可能會丟失。為了隱藏孤立丟失幀的影響，基于前一個接收幀預(yù)測到的一個幀會被用來代替丟失的幀。當(dāng)有多個連續(xù)幀丟失時，就會進(jìn)行消除操作以便向接收端用戶指示傳遞受到中斷。

五、結(jié)束語

衛(wèi)星移動通信終端正在朝著小型化、芯片化的方向發(fā)展，低功耗和高處理效率是衛(wèi)星基帶芯片的迫切需求。目前，衛(wèi)星移動通信的終端廠家越來越多，基帶芯片對外接口的完備程度越來越高，標(biāo)準(zhǔn)化的設(shè)計和更高的集成度直接影響終端開發(fā)者的效率和終端產(chǎn)品的競爭力。本文提出了一種適用的衛(wèi)星移動通信基帶軟聲碼器設(shè)計，將符合衛(wèi)星通信特點(diǎn)的聲碼器處理，通過軟核的方式集成于基帶處理中。該方案具有用戶應(yīng)用靈活、集成度高、實現(xiàn)成本低等特點(diǎn)，對衛(wèi)星通信專用聲碼器和集成處理研究具有一定的推動作用。

參? 考? 文? 獻(xiàn)

[1] 肖玉娟，趙利. 基于MELP的變速率分類型語音編碼算法[J]. 電聲技術(shù)，2013，37（2）：54-57.

[2] European Telecommunication Standards Institute.3GPP TS 26.092 version 11.0.0，Adaptive Multi-Rate（AMR）speech codec; Comfort noise aspects （Release 11）[S]. European： ETSI，2012

[3]李強(qiáng)，高齊峰，席海峰.基于E-Model的VoIP語音質(zhì)量測量的研究[J].重慶郵電大學(xué)學(xué)報（自然科學(xué)版），2010，22（6）：724-728.

[4]李強(qiáng)，謝虹恩. 改進(jìn)的基于MELP的非連續(xù)傳輸語音編碼算法[J]. 重慶郵電大學(xué)學(xué)報（自然科學(xué)版），2014，26（5）：636-641.

王鑫（1984.03-），男，漢族，山東萊州，碩士，高級工程師，研究方向：衛(wèi)星通信方向。