李德鵬，高永安

(1.杭州電子科技大學(xué)電子信息學(xué)院，杭州 310000;2.中國(guó)電子科技集團(tuán)50所，上海 200063)

頻譜利用率是當(dāng)前通信系統(tǒng)需要考慮的重要方面，而語音通信又是當(dāng)前通信最重要的應(yīng)用。所以在語音通信方面，用盡可能小的帶寬，傳輸高質(zhì)量的語音信號(hào)是實(shí)際應(yīng)用的要求。G.729 的出現(xiàn)滿足了這兩方面的要求。G.729 對(duì)8 kHz 采樣，16bit 線性PCM量化的輸入語音進(jìn)行編碼，是一種8 kbit/s 電話帶寬的語音編碼標(biāo)準(zhǔn)［1］。但是，算法實(shí)現(xiàn)的運(yùn)算量大，對(duì)硬件運(yùn)算速度要求高。G.729 語音編碼算法的運(yùn)算量主要集中在碼書搜索和LP 參數(shù)的運(yùn)算上［2］，本文對(duì)G.729 自適應(yīng)碼書搜索算法進(jìn)行研究并做出了改進(jìn)，在保證語音質(zhì)量的前提下，降低了運(yùn)算。

1 G.729 自適應(yīng)碼書搜索算法

1.1 開環(huán)基音搜索

為減小最佳自適應(yīng)碼書時(shí)延的搜索的復(fù)雜度，先由開環(huán)基音分析得到最佳開環(huán)基音時(shí)延Top，而后閉環(huán)搜索在時(shí)延Top范圍附近進(jìn)行。每10 ms 幀用加權(quán)語音信號(hào)xw(n)作一次開環(huán)基音估計(jì)。最佳開環(huán)基音由xw(n)信號(hào)的自相關(guān)函數(shù)決定:

將上式在3個(gè)范圍內(nèi)［20，39］，［40，79］，［80，143］進(jìn)行最大自相關(guān)函數(shù)搜索。保留最大的R(ti)(i=1，2，3)，然后通過式(2)計(jì)算歸一化。

在三個(gè)歸一化自相關(guān)值中，將較低范圍的時(shí)延值選為優(yōu)勝者。最佳開環(huán)時(shí)延Top可按照下面方法確定:

100 幀語音的開環(huán)基音估計(jì)如圖1(圖中Δt=Ah=0)所示。

圖1 100 幀語音G.729 的開環(huán)基音估計(jì)

1.2 閉環(huán)基音搜索

第2 子幀的搜索圍繞已選第1 子幀基音T1附近進(jìn)行，搜索邊界為tmin－2/3和tmax+2/3。這里，tmin和tmax是由T1按下列方法確定:

閉環(huán)基音通常使下式最大化來搜索

這里，x(n)是目標(biāo)信號(hào)，yk(n)是在時(shí)延k 的過去濾波激勵(lì)(過去的激勵(lì)與h(n)的卷積)。假如最佳整數(shù)時(shí)延小于85，為了確定T1和T2，必須圍繞最佳整數(shù)時(shí)延的分?jǐn)?shù)作測(cè)試。小數(shù)時(shí)延的搜索可以通過在小數(shù)－1/3，0，1/3 處進(jìn)行過去激勵(lì)插值，選擇使等式(3)最大的小數(shù)部分。

2 G.729A 自適應(yīng)碼書搜索算法

2.1 開環(huán)基音搜索

G.729A和G.729 一樣，也用10 ms 語音幀的CS-ACELP 算法。但在幾個(gè)算法上做了改進(jìn)，使得在算法復(fù)雜度上比G.729 有50%的降低，可以用10－12MIPS 的來DSP 來實(shí)現(xiàn)。主觀測(cè)試結(jié)果顯示G.729A和G.729 在大多數(shù)情況下沒有差別，但在有背景噪聲的情況下稍有惡化。同時(shí)，G.729A和G.729 相互兼容。用G.729A 編碼的語音可以用G.729 進(jìn)行解碼，反之亦然［4］。G729A 開環(huán)搜索采用偶樣點(diǎn)基音搜索算法，可以概括如下:

G.729A 同G.729 一樣也在［20，39］，［40，79］，［80，143］三個(gè)范圍內(nèi)進(jìn)行最大自相關(guān)函數(shù)搜索，但是對(duì)式(1)搜索進(jìn)行了簡(jiǎn)化:

其中，Dc=2為抽取因子。k 在［80，143］范圍內(nèi)取偶數(shù)時(shí)延進(jìn)行檢測(cè)，在得到的最大值處，再圍繞偶數(shù)時(shí)延進(jìn)行±1 檢測(cè)［4－5］。開環(huán)基音時(shí)延Top由使R(k)最大的k值決定。這使得開環(huán)基音搜索的運(yùn)算量減少了一半，因此也使得語音質(zhì)量稍有下降。100 幀語音的開環(huán)基音估計(jì)如圖2(圖2 中Δt=Ah=0)所示。

圖2 100 幀語音G.729A 的開環(huán)基音估計(jì)

2.2 閉環(huán)基音搜索

G.729A 自適應(yīng)碼書閉環(huán)搜索同G.729 相同，只是考慮式(3)的分子最大，來簡(jiǎn)化搜索。條件如下:

這里，xb(n)是目標(biāo)信號(hào)x(n)與加權(quán)綜合濾波器的脈沖響應(yīng)h(n)之間的卷積函數(shù)，uk是延遲k 的過去激勵(lì)。簡(jiǎn)化自適應(yīng)碼本搜索和G.729 相比音質(zhì)有所下降。這是由于，被選的1/3 處基音時(shí)延與G.729 偶有不同。

3 自適應(yīng)碼書算法的改進(jìn)

通過上面分析得出，自適應(yīng)碼書搜索的計(jì)算量主要集中在開環(huán)基音搜索階段，因?yàn)殚]環(huán)搜索是在開環(huán)基音搜索的小范圍內(nèi)進(jìn)行的，運(yùn)算量遠(yuǎn)小于開環(huán)搜索。開環(huán)基音由式(1)得到，要降低搜索量就要對(duì)式(1)進(jìn)行簡(jiǎn)化搜索。影響計(jì)算量的因素有兩個(gè)，一個(gè)是語音樣點(diǎn)n，一個(gè)是時(shí)延k。

首先，可以從G.729A 得到啟示，通過增大式(4)中抽取因子Dc的值，來減少自適應(yīng)碼書的搜索量。一般Dc可在［1，10］區(qū)間進(jìn)行整數(shù)抽取。這樣每個(gè)時(shí)延的相關(guān)性運(yùn)算可以成倍的降低，但也使語音質(zhì)量下降。

其次，對(duì)式(1)進(jìn)行分析，可以通過對(duì)時(shí)延樣值k進(jìn)行抽取，來降低搜索量。在整個(gè)時(shí)延間隔20≤k≤143 內(nèi)，對(duì)R(k)函數(shù)的計(jì)算中通過Dt來抽取k。公式可以表示為:

自然這一簡(jiǎn)化也降低了信號(hào)質(zhì)量。為了減小時(shí)延抽取對(duì)信號(hào)質(zhì)量的影響，可以考慮圍繞抽取得到的最佳時(shí)延估值，在間隔0≤Δt≤(Dt－1)內(nèi)搜索最終的最佳時(shí)延Top，這增加了R(k)的計(jì)算量，但也提高了信號(hào)質(zhì)量。

但是，如果最終的最佳時(shí)延Top遠(yuǎn)離它抽取得到的最佳時(shí)延估值時(shí)(即在間隔大于Dt時(shí))，將得不到最佳的Top值。對(duì)于這一問題，可以通過在k 的三個(gè)子區(qū)間內(nèi)分別選取Nt個(gè)抽取得到的最佳時(shí)延估值，然后圍繞這些延時(shí)估值在間隔0≤Δt≤(Dt－1)內(nèi)搜索最終的最佳時(shí)延Top。可以取1≤Nt≤3，假如Nt足夠大，就可以得到不低于G.729A 的語音信號(hào)。

將上面修改方案通過恰當(dāng)?shù)穆?lián)合，能夠更大程度的減少開環(huán)搜索的量?？紤]上面所提到的所有修正的貢獻(xiàn)，開環(huán)階段所需的M 乘和A 加［5］為

圖3 取Dc=5，Dt=4，Δt=2，Nt=1 時(shí)，100 幀語音的開環(huán)基音估計(jì)

取Dc=5，Dt=4，Δt=2，Nt=1 對(duì)G.729 的開環(huán)基音搜索算法進(jìn)行改進(jìn)，閉環(huán)搜索采用G.729A 的方案，對(duì)得到的編碼語音進(jìn)行主觀聽覺測(cè)試，同G.729A 編碼語音相比沒有差別。在上述取值改進(jìn)搜索的條件下得到語音同原始語音及G.729A 的波形對(duì)比如下。

圖4 語音同原始語音及G.729A 的波形對(duì)比

4 結(jié)果分析

在不同取值下改進(jìn)開環(huán)基音搜索，對(duì)得到的語音進(jìn)行主觀聽覺測(cè)試得到的測(cè)試結(jié)果如表1。

表1 不同抽取值時(shí)音質(zhì)與計(jì)算量

通過上述的表對(duì)比可知，對(duì)開環(huán)基音搜索算法改進(jìn)，大大降低了搜索計(jì)算量，而語音質(zhì)量基本沒有改變。主觀測(cè)試表明在無誤碼條件下編碼語音質(zhì)量不低于32 kb/s 自適應(yīng)差分脈沖編碼調(diào)制［6－8］。

5 結(jié)論

通過對(duì)G.729 自適應(yīng)碼書搜索算法的分析，得出自適應(yīng)碼書搜索的計(jì)算量主要集中在開環(huán)基音搜索階段。通過對(duì)開環(huán)搜索算法的研究和改進(jìn)，降低了搜索復(fù)雜度，所得語音質(zhì)量不低于G.729A，而計(jì)算量大大降低，降低了硬件資源的消耗，更利于實(shí)時(shí)實(shí)現(xiàn)。

［1］ITU-T Recommendation G.729，Coding of Speech at 8kb/s Using Conjugate-Structure Algebraic-Code-Ex-cited Linear-Prediction(CSACELP)［S］.1996，3.

［2］權(quán)元文.G.729 語音壓縮編碼算法的分析及DSP 實(shí)現(xiàn)［D］:［碩士論文］.西安:通信與信息系統(tǒng)，2005.

［3］趙曉群.數(shù)字語音編碼［M］.北京:機(jī)械工業(yè)出版社，2007.

［4］Salami R，Laflamme C，Bessette B，et al.Description of IUT-T RECommendation G.729 ANNEX A:Reduced Complexity 8 kb/s CSACELP CODEC［C］//IEEE Xplore，1997:775－778.

［5］許麗紅，闞海鷹，余小清，等.G.729 CS-ACELP 語音編碼算法的優(yōu)化及其實(shí)現(xiàn)［J］.上海大學(xué)學(xué)報(bào)，2001，2，7(1):13－17.

［6］Thiago de M Prego，Sergio L Netto.Efficient Search in the Adaptive Codebook for ITU-T G.729 Codec［J］.IEEE Signal Processing Letters，2009，16(10):881－884.

［7］Akitoshi Kataoka，Takehiro Moriya，Shinji Hayashi.An 8-kb/s Conjugate Structure CELP Speech Coder［J］.IEEE Transactions on Speech and Audio Processing，1996，11(4):401－411.

［8］Salamir，Laflammec，Adoul J P，et al.Design and Description of CS-ACELP:A Toll Quality 8 kb/s Speech Coder［J］.IEEE Trans on Speech and Audio Processing，1998，6(2):153－158.