音頻信號聯合編碼的通用碼書研究

楊 超，黃雋逸，孫 云，徐向旭，趙瑞青

（1.海軍航空大學，山東煙臺264001；2.91604部隊，山東龍口265706；3.92635部隊，山東青島266041）

音頻壓縮已經廣泛應用于消費類及專業級的音頻產品中，如激光唱盤（CD）、迷你型光譜（MD）、數字多用光盤（DVD）、數字音頻廣播（DAB）以及分布在Internet上的運動圖像專家組（Motion Picture Experts Group、MPEG）第3層音頻編碼標準（MP3）等。隨著通信網絡的普及，音頻編碼又大量應用在互聯網應用、遠程醫療和錄放系統中。在現代通信系統中，隨著帶寬和存儲容量需求的不斷增長[1-3]，音頻編碼研究也越來越受到重視，而集成電路和信號處理技術的發展，使得實現高效的信源編碼技術成為可能。目前聲音編碼技術分為3類：波形編碼、參數編碼以及混合編碼[4-5]。傳統的音頻編碼標準通過各種降低延時和碼率的技術，提高其對聲音的編碼效率[6-8]。當前最新的低延時音頻編碼格式Opus對互聯網上的交互式聲音和音樂傳輸來說是最佳的選擇，同時也用于存儲和流媒體應用。它的采樣率從8～48 kHz，它的碼率范圍為6～510 kb/s，算法時延在2.5～30 ms之間。一些新的音頻編碼算法也在不斷涌現，例如一種將預測編碼[9]、基于SOM自組織神經網絡[10-14]的矢量編碼[15-17]及Huffman[18]編碼相結合的音頻編碼算法[19]（以下簡稱聯合編碼算法）。在保證聲音質量的前提下，該編碼方法的碼率小于MEPG-1 Layer3[20]的最低的64 kb/s標準碼率，高維聯合編碼的碼率更小，最小碼率在音頻編碼格式Opus碼率的范圍內，且接近Opus碼率的下限。但是，聯合編碼算法中，需要從每一段待編碼的聲音信號中用SOM的自組織神經網絡提取相應的專用碼書，為了進一步減小聯合編碼算法的復雜度，本文提出在聯合編碼中，用通用碼書取代專用碼書的嘗試。

1 碼書長度為64的8維矢量聯合編碼算法

隨著聯合編碼算法中的碼書長度的增加，碼率會增加；隨著量化矢量維數的增加，碼率會下降。圖1是碼書長度為64的8維聯合編碼程序流程圖[21]。

圖1 碼書長度為64的8維聯合編碼程序流程圖Fig.1 Flow chart of 8 dimensional joint coding program with codebook length of 64

圖1是碼書長度為64的8維聯合編碼程序流程圖。首先，將1列聲音采樣信號按照順序轉換成8列，即將原序號為（8n+1）的數據組成為新的第i列，其中n取值為自然數，i取值為1～8的整數。每列信號分別按照線性預測編碼原理各自進行預測，計算當前的預測值和誤差值，共得到8個誤差值，將該8個誤差值組成一組8維矢量，進行基于SOM自組織神經網絡的碼書長度為64的8維矢量編碼；然后，進行Human編碼；譯碼過程與編碼過程相反；最后，對譯碼數據用切比雪夫Ⅰ型濾波器濾波。

2 通用碼書的聯合編碼算法的實驗結果與分析

通用碼書較專用碼書實時性強。圖1的聯合編碼算法中，碼書是以錄入的聲音信號為基礎，通過神經網絡進行訓練后得到的一個能將該錄入的聲音進行預測編碼時的平均失真降為最小的包含64個碼矢量的碼書，在其他條件不變的條件下，它使錄入的聲音的譯碼恢復聲音質量達到最好，其缺點是，隨著圖1中錄入的聲音的不同，相應的神經網絡訓練后得到的碼書不同，每一個聲音編碼，都需要進行一次神經網絡訓練，也因此稱為專用碼書。所謂專用碼書，就是只適合參與訓練的那一段特定音頻樣本的碼書。與此對應，所謂通用碼書，就是適合普遍的不同音頻信號的碼書，使用通用碼書編碼，對不同的聲音可以使用同一個碼書，省去了神經網絡訓練碼書的時間，從而可減少了編碼時間，提高編碼的實時性。

研究通用碼書的聯合編碼算法時，需要從更廣泛的具有代表性的音頻信號中提取神經網絡訓練樣本，并計算譯碼結果，根據譯碼聲音質量，得到通用碼本的可行性。

本文從日常生活中常出現的聲音信號，作為提取通用碼書的樣本信號；試驗證明，專用碼書條件下，碼書長度為64的8維聯合編碼具有接近算法最小極限的碼率。因此，本文選擇了碼書長度為64的8維聯合編碼作為通用碼書的研究模式。具體方法是，將音頻標準庫里的“雷聲”、“警報”、“音樂”“心跳”、“鳥鳴”和“古箏”6個樣本，6段聲音信號接續組合成一段較長的聲音信號，作為圖1中的“錄入聲音數據”，按圖1的流程得到一組8維誤差數據，并以此為樣本進行基于自組織神經網絡的訓練，得到的結果即為通用碼書。為了研究通用碼本的性能，從標準音頻庫選取“水滴”和“提示音”2個聲音段作為研究樣本，分別對他們進行專用碼書和通用碼書條件下的聯合編碼。

表1是通用碼書和專用碼書研究結果。其中，碼書建立源的”從3段聲音信號提取碼書”和”從6段聲音信號提取碼書”分別指從將音頻標準庫里的“雷聲”、“警報”、“音樂”聲音信號中提取碼書和從音頻標準庫里的“雷聲”、“警報”、“音樂”“心跳”、“鳥鳴”和“古箏”6個樣本提取碼書。

表1 通用碼書和專用碼書條件下的聯合編碼研究結果Tab.1 Research results of joint coding under universal codebook and special codebook

專業碼書是分別從對應的“水滴”和“提示音”信號提取碼書。

信噪比定義如下：

式（1）中：原始信號的功率為Ps；聲音的噪聲功率Pnx、y分別代表音頻編碼算法的輸入信號和輸出信號；N代表音頻的樣點數。

壓縮率的計算公式為：

式（2）中：α為壓縮率；r0為編碼后表示聲音信號的二進制碼總位數；ri為原始聲音信號的二進制碼總位數。

碼率β的計算公式為：

式（3）中：μ為采樣率；η為平均碼長。

信噪比的計算如式（1）所示。

譯碼端數字低通濾波器的通帶截止頻率設為4 kHz，阻帶截止頻率設為6 kHz，通帶波紋設為0.3dB，阻帶衰減設為10dB。采樣率為22 050 Hz。

從表1可見，聲音信號“水滴”在專用碼書條件下的聯合編碼的譯碼MOS值為2.5、譯碼端信噪比為6.2361，略高于聲音信號“水滴”在通用碼書條件下的聯合編碼的譯碼MOS值2.1和2.3，和譯碼端信噪比6.1168和6.2132。聲音信號“提示音”在專用碼書條件下的聯合編碼的譯碼MOS值為2.6、譯碼端信噪比為8.8207，略高于聲音信號“提示音”的通用碼書條件下的聯合編碼的譯碼MOS值2.3和2.4，和譯碼端信噪比8.5931和8.7134。他們的碼率均為13.230 kb/s。由此可見，當聯合編碼的碼書長度為64，矢量碼本維數為8時，通用碼本較專用碼本條件下得到的譯碼聲音質量略差，但二者都達到“差”等級，即可以聽懂內容，但音色較原始信號略差。從表1可見，聲音信號“提示音”也可以得到相同的結論。

圖2是聲音信號“水滴”的專用碼書和通用碼書條件下的聯合編碼計算結果。由圖2可見，譯碼聲音信號圖2 e）和圖2 f）的時域中的包絡和圖2 a）中原始聲音信號的包絡基本一致，所以譯碼聲音信號內容沒有變化。由圖2 c）和圖2 d）可見，專用碼書和通用碼書條件下的聯合編碼譯碼信號的頻譜較圖2 b）原始信號的頻譜在大于6 kHz的高頻部分的分量小（圖中的縱坐標|F(f)|表示頻譜幅值），在小于8 kHz的低頻部分的分量基本相等，由于人耳對大于6 kHz的高頻分量不敏感，所以聽到的譯碼聲音較原始聲音內容不變，但音色略差。

圖3是聲音信號“提示音”在專用碼書和通用碼書條件下的聯合編碼計算結果。用和圖2相同的方法分析圖3，得到和圖2相同的結論。

圖2 聲音信號“水滴”在專用碼書和通用碼書條件下的聯合編碼計算結果Fig.2 Results of joint coding of sound signal“droplet”under special codebook and general codebook conditions

圖3 聲音信號“提示音”在專用碼書和通用碼書條件下的聯合編碼計算結果Fig.3 Results of joint coding of sound signal“warning sound”under special codebook and general codebook conditions

3 結論

當前，最新的低延時音頻編碼格式Opus對于互聯網上的交互式聲音和音樂傳輸來說是最佳的選擇，同時也用于存儲和流媒體應用。它的采樣率從8～48 kHz，它的碼率范圍為 6～510 kb/s，算法時延在2.5～30 ms之間。碼書長度為64、量化矢量為8維的通用碼書條件下的聯合編碼，其采樣率為22.05Hz，碼率達到13.230 kb/s，采樣率和碼率都在Opus編碼可取的參數范圍內，但是，算法較Opus簡單，所以實時性較好，更適合于音頻實時通信。因此，通用碼本的聯合編碼算法將會有廣泛的應用前景。