GSM系统语音编码器综述
信号处理内核的发展促进了GSM系统语音编解码器的增强。目前更为密集的分析加合成方法已用于在常见的EFR 及AMR语音编码器中,以在容量有限且容易出错的空中接口上提供最高质量的语音传输。
以当前对高速分组数据传输的关注程度,人们很容易忘记GSM数字电信系统的最初主要目的是传输语音。总的感觉是整个系统的复杂性与传输链路的管理有关,但也有很大部分与麦克风捕捉到的音频压缩与解压缩复杂性有关。
为满足这一主要目的的需求,必须以足够高的采样及分辨率来捕获语音,以清楚地再现原始声音,并用一种可在比特率有限及容易出错的无线传输信道上保持音频高保真度的方式来压缩语音。
这一需求很具体,其目的是传输语音,故载荷的频率范围及声音质量均为已知。人类听觉系统的工作方式允许编码器在手机耳机上产生出类似自然声音的听觉效果。GSM系统中所使用的语音编码器的主要原理是对人类音域的数学建模,从而产生出一种用于传输语音的有效压缩方法。术语“声码器”或“语音编码器”专门用来描述这些专门执行语音压缩的系统。
GSM系统对用于传输语音的信道具有一组固定的物理要求。首先,它具有最大22.8kbps的原始数据速率;其次,帧可以被“偷窃”以及用于信令,且语音编码系统对这种情况必须很稳健,尽管存在对可偷窃语音帧的频率及时序的一定限制。
信道容量与编码
GSM物理层是FDMA与TDMA的组合。无线信道在整个GSM频段被分成相隔200kHz的多个信道,这些FDMA信道又被分成8个时隙。GSM物理信道被定义为单个“绝对无线频率信道号”(ARFCN)上的单个时隙--故每一频率均可包含有8个独立物理信道。
“猝发”是指GSM系统中的无线传输量,且包含以周期577(s发送的114位原始信息。由于语音流量信道传输的多帧结构,故每26次猝发最多有24次可包含语音数据(其余2次猝发用于空闲周期或传输信令信息)。因此合计能给出22.8kbps的原始信道容量。
原始信道容量是完美传输条件下的最大用户数据(编码语音)吞吐量。在真实世界中,无线传输并不稳健而且需要为数据增加保护。
增加冗余信息后,GSM系统中的全速率语音信道用于编码语音的容量为13kbps。
语音编解码器
如果以8 kHz采样率及13位精度来对出自GSM蜂窝手机麦克风的音频数据进行采样,则可得到104kbps的源数据速率。GSM系统中有四种编解码器,分别执行：全速率、增强型全速率(EFR)、自适应多速率(AMR)及半速率语音压缩。表1给出了一些声码器的参数比较。
全速率
全速率语音编解码器是改良的线性预测编码器(LPC),它将人类声域建模成一系列不同宽度的圆柱体。通过迫使空气通过这些柱体,即可产生语音。LPC编码器用一组联立方程来进行建模。
标准LPC编码器不能提供电话系统所需的话音质量(虽能听清语句,但很难或不可能分辨出说话的人)。GSM系统中采用两种技术来提高LPC编码器的质量,即：长期预测(LTP)与规则脉冲激励(RPE),而全速率编解码器就被称为RPE-LTP线性预测编码器。
输入至RPE-LTP编码器的数据为包括160个采样值的20ms语音,每一个采样值都拥有13位精度。数据首先通过预加重滤波器来提高信号的高频分量,以获得更好的传输效率。滤波器一般还消除信号上的任何偏移以简化进一步的计算。
正如前面所提到的,语音产生模型可看成是空气通过一组不同大小的圆柱体。短期分析级采用自动相关来计算与模型所用的8个圆柱体有关的8个反射系数,同时采用一种称为Schur递归的技术来有效地求解所得到的方程组。参数被变换成可以更少的位数来进行更佳量化的LAR(log-area ratio)。这些是传输流的前8个参数。
然后再将编码后的LAR解码成系数,并用来对输入采样值进行滤波。解码LAR的原因是为了确保编码器使用解码器上的相同信息来进行滤波。这一级上的其余采样值用于编解码器的LTP级。
