對(duì)語(yǔ)音進(jìn)行編碼的目的是為了將語(yǔ)音數(shù)字化并利用人的發(fā)聲過(guò)程中存在的冗余度和人的聽(tīng)覺(jué)特性來(lái)降低編碼率。

1.1編碼的重要性編碼、傳輸、存儲(chǔ)和譯碼是語(yǔ)音數(shù)字傳輸和數(shù)字存儲(chǔ)的必要過(guò)程。隨著語(yǔ)音通信技術(shù)的發(fā)展，壓縮語(yǔ)音信號(hào)的傳輸帶寬，增加信道的傳輸速率，一直是人們追求的目標(biāo)。語(yǔ)音編碼在實(shí)現(xiàn)這一目標(biāo)的過(guò)程中擔(dān)當(dāng)重要的角色。語(yǔ)音編碼就是使表達(dá)語(yǔ)音信號(hào)的比特?cái)?shù)目最小。

1.2編碼速率用比特/秒(b/s或bps)來(lái)度量，用I表示，I=R·fs,R代表每個(gè)語(yǔ)音采樣值編碼所需的比特?cái)?shù);fs是采樣頻率。當(dāng)fs=8kHz，每個(gè)采樣值用8比特位來(lái)編碼，則編碼速率為64kb/s。

語(yǔ)音編碼就是對(duì)模擬的語(yǔ)音信號(hào)進(jìn)行編碼，將模擬信號(hào)轉(zhuǎn)化成數(shù)字信號(hào)，從而降低傳輸碼率并進(jìn)行數(shù)字傳輸，語(yǔ)音編碼的基本方法可分為波形編碼、參量編碼(音源編碼)和混合編碼，波形編碼是將時(shí)域的模擬話音的波形信號(hào)經(jīng)過(guò)取樣、量化、編碼而形成的數(shù)字話音信號(hào)，參量編碼是基于人類語(yǔ)言的發(fā)音機(jī)理，找出表征語(yǔ)音的特征參量，對(duì)特征參量進(jìn)行編碼，混合編譯碼是結(jié)合波形編譯碼和參量編譯碼之間的優(yōu)點(diǎn)。波形編譯碼器雖然可提供高話音的質(zhì)量，但數(shù)據(jù)率低于16kb/s的情況下，在技術(shù)上還沒(méi)有解決音質(zhì)的問(wèn)題。

2.1波形編碼基本原理是在時(shí)間軸上對(duì)模擬話音信號(hào)按照一定的速率來(lái)抽樣，然后將幅度樣本分層量化，并使用代碼來(lái)表示。在接收端將收到的數(shù)字序列經(jīng)過(guò)解碼恢復(fù)到原模擬信號(hào)，保持原始語(yǔ)音的波形形狀。話音質(zhì)量高，編碼速率高。如PCM編碼類(a率或u率PCM、ADPCM、ADM)，編碼速率為64-16kb/s，語(yǔ)音質(zhì)量好。波形編碼的目的在于盡可能精確地再現(xiàn)原來(lái)的語(yǔ)音波形，并以波形的保真度即自然度為其質(zhì)量的主要度量指標(biāo)，但波形編碼所需的碼速率較高。

2.2參數(shù)編碼根據(jù)語(yǔ)音信號(hào)產(chǎn)生的數(shù)學(xué)模型，通過(guò)對(duì)語(yǔ)音信號(hào)特征參數(shù)的提取后進(jìn)行編碼(將特征參數(shù)變換成數(shù)字代碼進(jìn)行傳輸)。在接收端將特征參數(shù)，結(jié)合數(shù)學(xué)模型，恢復(fù)語(yǔ)音，力圖使重建語(yǔ)音保持盡可能高的可懂度，重建語(yǔ)音信號(hào)的波形同原始語(yǔ)音信號(hào)的波形可能會(huì)有相當(dāng)大的區(qū)別。如線性預(yù)測(cè)(LPC)編碼類。編碼速率低，2.4-1.2kb/s，自然度低，對(duì)環(huán)境噪聲敏感。這種語(yǔ)音編碼的主要質(zhì)量指標(biāo)是可懂度，參量編碼可以將語(yǔ)音編碼以后的速率壓得很低。

2.3混合編碼(Hybridcoding)將波形編碼與參數(shù)編碼相結(jié)合，在2.4-1.2kb/s速率上能夠得到高質(zhì)量的合成語(yǔ)音。混合編碼把波形編碼的高質(zhì)量和參量編碼的高效性融為一體，在參量編碼的基礎(chǔ)上附加一定的波形編碼特征，實(shí)現(xiàn)在可懂度的基礎(chǔ)上適當(dāng)?shù)馗纳谱匀欢鹊哪康摹Ｓ糜谝苿?dòng)通信中的語(yǔ)音編碼一般都是混合編碼。選擇混合編碼時(shí)，要使比特率、質(zhì)量、復(fù)雜度和處理時(shí)延這4個(gè)參量及其關(guān)系達(dá)到綜合最佳化。

2.4語(yǔ)音編碼的極限速率語(yǔ)音中最基本的元素是音素，大約有128～256個(gè)，如果按通常的說(shuō)話速度，每秒平均發(fā)出10個(gè)音素，則信息率為：I=[log2(256)10]bps=80bps把發(fā)音看成是以語(yǔ)音速率來(lái)傳送，則語(yǔ)音編碼的極限速率為80bps,從數(shù)字化標(biāo)準(zhǔn)的編碼速率64kbps，到極限速率80bps，之間的距離，對(duì)于理論研究和實(shí)踐有著極大的吸引力。

語(yǔ)音質(zhì)量是衡量語(yǔ)音編碼算法優(yōu)劣的關(guān)鍵性能之一。語(yǔ)音質(zhì)量通常分為四類：(1)廣播級(jí):寬帶(0-7000Hz)高質(zhì)量的語(yǔ)音，感覺(jué)不出噪聲存在(2)網(wǎng)絡(luò)或電話級(jí)：200Hz-3200Hz,信噪比大于30db。(3)通信級(jí):完全可以聽(tīng)懂，但和長(zhǎng)途電話相比，有明顯失真。(4)合成級(jí)：80%-90%可懂度，音質(zhì)較差，聽(tīng)起來(lái)像機(jī)器講話，失去了講話者的個(gè)人特征。語(yǔ)音質(zhì)量有主觀和客觀兩種評(píng)價(jià)方法

3.1主觀評(píng)價(jià)方法評(píng)價(jià)指標(biāo)：清晰度或可懂度、音質(zhì)。前者是指語(yǔ)音是否容易聽(tīng)清楚;后者指語(yǔ)音聽(tīng)起來(lái)有多自然。(1)可懂度評(píng)價(jià)DRT：DiagnosticRhymerTest(2)音質(zhì)評(píng)價(jià)：MOS：MeanOpinionScore平均意見(jiàn)得分DAM：DiagnosticAcceptabilityMeasure判斷滿意度得分。MOS得分為五級(jí):優(yōu)、良、可、差和壞。滿分為5分，相當(dāng)調(diào)頻廣播質(zhì)量;4分以上是長(zhǎng)途電話網(wǎng)標(biāo)準(zhǔn);3.5分為通信標(biāo)準(zhǔn);3.0分仍有較好的可懂度，保持自然度;2.5分只維持可懂度，是戰(zhàn)術(shù)通信標(biāo)準(zhǔn)。