语音信号处理及其在IP网络电话中的应用
引言
从技术角度讲,语音信号处理是信息高速公路、多媒体技术、办公自动化、现代通信及智能系统等新兴领域应用的核心技术之一。用数字化的方法进行语音的传送、存储、识别、合成、增强等是整个数字化通信网中最重要、最基本的组成部分之一。
作为语音信号处理最重要应用之一的IP网络电话,由于具有价格低廉,可以灵活地提供各种增值业务,有利于企业建立高效综合服务内部网,有利于运营商开拓新的市场,有助于和新技术的融合以及促进网络技术发展等许多独特的应用优势而在近年里得到迅猛发展。 IP网络电话中的语音处理主要需解决两个问题,一是在保证一定话音质量的前提下尽可能降低编码比特率,二是在IP网络环境下保证一定的通话质量。前者主要是语音编码技术,包括静音检测;后者包括分组丢失补偿和回波抵消技术。
在语音编码方面,如何在中低速率上获得高质量的语音且算法复杂度较小,一直是研究的主要目标。70年代中期,特别是80年代以来,语音编码技术有了突破性进展,提出如多脉冲激励等一些有效的算法,产生了新一代的声码器,在16kbit/s以下速率上能够得到高质量的语音。
计算机和集成电路技术的发展,推动了语音信号处理的实用化。目前有很多专用语音处理芯片,这些芯片与微处理器或微型计算机相结合可以组成各种复杂的语音处理系统。
语音信号的基本特点及其产生模型
1. 语音信号的特点
语音是由一连串的音所组成,它是组成语言的声音。语音具有称为声学特征的物理性质。语音中各个音的排列由一些规则所控制。形成文章的基础是单词,各单词由音节组成,音节又由音素组成。音素分为两类：元音和辅音。重音、语调和声调也是构成语音学的一部分。
声道（由咽、口腔和鼻腔组成）是一个分布参数系统,它有许多自然谐振频率（在这些频率上其传递函数具有极大值）,所以声道是一谐振腔,它放大某一频率而衰减其他频率分量。谐振频率由每一瞬间的声道外形决定。讲话时,舌和唇连续运动,使声道常常改变外型和尺寸,随即改变谐振频率。这些谐振频率称为共振峰频率,简称为共振峰,它是声道的重要声学特征。
2. 语音信号的数字模型
（1）激励模型（发声模型）
发浊音时,整个激励模型可表示为：
发清音时,声道可模拟成随机白噪声。
（2）声管模型（声道模型一）
最简单的声道模型是将其视为由多个不同截面积的管子串联而成的系统,在语音信号的某一“短时”期间,声道可表示为形状稳定的管道。每个管子可看作为一个四端网络,这个网络具有反射系数,这时声道可由一组截面积或一组反射系数来表示。
（3）共振峰模型（声道模型二）
将声道视为一个谐振腔,共振峰就是这个腔体的谐振频率。可以建立三种实用模型：级联型、并联型和混合型。
（4）辐射模型（终端模型）
口唇的辐射效应可表示为R(z)=R0(1-z-1)。
由上所述,完整的语音信号数字模型可以用三个子模型：激励模型、声道模型和辐射模型的串联来表示。其转移函数为
H(z)=U(z)V(z)R(z)
这里,U(z)是激励信号,V(z)是声道传递函数。R(z)如上式所示。
语音信号的分析
