音频编码的历史（3）
宽带语音：主要应用于会议电视，相当于调幅广播的质量
1988年CCITT制定了G.722 标准：SB-ADPCM 1996 年 左 右 ， 美 国 PictureTel 公 司 提 出 PTC － PictureTel Transform Coder 1999 年 9 月 发 布 ： “ ITU-T G.722.1 proposed for decision: 7 kHz Audio - Coding At 24 And 32kbit/s For Hands Free Operation In Systems With Low Frame Loss。”
混合编码器（80年代） 利用线性预测、VQ、A-B-S、感觉加权、后滤波等技术。 多脉冲激励线性预测（MPELP 1982 Atal、Remde） 规则脉冲激励线性预测（RPELP 1985 Deprettere、Kroon） 码本激励线性预测（CELP 1985 Manfred、Schroeder、Atal） 8~16kb/s高质量。话音质量高、编码速率低，但算法复杂。

音频编码的历史（4）
音频(Audio)：主要应用于娱乐与鉴赏，对于重建信号的音 质有很高的要求，目前采用比特率较高的波形编码技术进 行压缩。可以直接在时域进行，也可以转到频域或其他变 换域进行。 1982年激光唱盘 (CD: Compact Disk)上市。MD：MiniDisk ， 日 本 索 尼 公 司 采 用 ATRAC － Adaptive Transform Acoustic Coder压缩技术。 1987数字音频磁带录音 (DAT: Digital Audio Tape) 问 世。 DAB (Digital Audio Broadcasting) 源于欧洲。
压缩的必要性
类型 电话语音 宽带语音 调频广播 CD 光盘 DAB/DAT
带宽 KHZ 0.2~3.4 0.05~7 0.02~15 0.01~20 0.01~20
采样率 比特/样点 KHZ 8 12 16 14 32 16 44.1 16 48 16
比特率 kb/s 96 224 512 705.6 768
音频编码性能评价（1）
1) 编码速率（KBPS、KB/S） 信号带宽：可懂度、自然度、透明度。 200~3400HZ、50~7000HZ、20~15000Hz、10~20000HZ。 采样速率：8KHZ、16KHZ、32KHZ、44.1/48KHZ…。 编码位数R（b/ps） 总速率I（kb/s） 影响重建质量、存储容量、传输带宽 2) 重建语音质量 客观评价： 信噪比 分段信噪比 （一般15DB以上较好，20DB以上相当好）
音频编码的历史（2）
参数编码 波形编码通道声码器（39年，Dudly，二次大战保密电话） LPC声码器（67年，Atal、Schroeder） 同态声码器（69年，Oppenheim） 共振峰声码器（71年，Rabiner、Schafer、Elanagan） MBE声码器（88年，Griffin、Lim） 波形插值（91年，W.B. Kleijn） 2.4kb/s、1.2kb/s、较好；600~800b/s可懂。编码速率低，但自然度差。
音频编码历史（1）
语音 ：主要应用于数字电话
波形编码 PCM原理（37年，法Alec Reeres） 电子管PCM（46年，Bell实验室） 晶体管PCM（62年，市话扩容，64kb/s） 单片IC PCM（70年代，微波、卫星、光纤） 增量编码原理（46年，法De Loraine） 自适应增量 CVSD（60年代末，军用，32、16kb/s） Continuously Variable Slope Delta Modulator 连续变化斜率增量调制器 其他编码（70年代，ADPCM、SubBand、ATC、APC等） 在16kb/s以上得到较好的话音质量，话音质量好，但编码速率高。
现有标准（3）
语音编码标准 采样 名称 率 KHz G.711 G.726 G.728 G.729 G.723 G.723 G.722 US1015 替 1015 US1016 GSM IS-54 JDC INMAR SAT IS-95 IS-127-1 8 8 1~8 1.2、4.8、 9.6 QCELP EVRC 95 98 ~3.7 93 8 KB/S 8 8 8 8 8 8 16 8 8 8 8 8 8 8 64 16~40 16 8 5.3 6.3 48~64 2.4 2.4 4.8 13 8 6.7 4.15 PCM ADPCM LD-CELP CS-ACELP ACELP MP-MLQ SB-ADPCM LPC-10 MELP CELP RPE-LT VSELP VSELP IMBE 72 84-88 92 95 95 95 88 82 97 89 88 89 90 91 4.3 4.1 4.1 4.1 3.8 4.0 3.7~4.1 2.5 优于 3.0 3.7 3.7 3.5 3.4 90 DOD 94 1016 95 94 94 32 KB/S 编码速率 KB/S 编码制式 年代 MOS DRT 备注
现有标准（2）
宽带语音 名称 G.722 G.722.1 采样频率 KHZ 编码速率 KB/S 16 16 64、56、48 24、32 编码方式 SB-ADPCM MLT 年代 1988 1999 MOS 分 4.1 4.0 3.7
MLT：Modulated Lapped Transform The algorithm is based on transform technology, using a modulated lapped transform (MLT). It operates on 20 ms frames (320 samples) of audio. Because the transform window (basis function length) is 640 samples and a 50% (320 samples) overlap is used between frames, the effective look-ahead buffer size is 20ms. Hence the total algorithmic delay of 40ms is the sum of the frame size plus look-ahead. All other delays are due to computational and network transmission delays.
现有标准（4）
LPC-10 ： Government Standard Linear Predictive Coding Algorithm: LPC-10 MELP：Mixed Excited Linear Predictive Coding CELP：Codebook Excited Linear Predictive Coding ACELP：Algebraic Cocebook Excitation LPC QCELP：Qualcom Cocebook Excitation LPC EVRC：Enhanced Variable Rate Codec LD-CELP：Low Delay-CELP CS-ACELP：Conjugate-Structure Algebraic CELP VSELP：Vector Sum Excitation LPC RPE-LT：Long Time Predictive Regular-Pulse Excitation LPC MPLPC：Multi-Pulse Excitation LPC MP-MLQ：Multipulse Maximum Likelihood Quantization MBE：Multi-Band Excitation Speech Coder CVSD：Continuously Variable Slope Delta Modulator SB-ADPCM ： Sub-Band Adaptive Differential Pulse Code Modulation PTC：PictureTel Transform Coder AC-3： Digital Audio Compression Standard， 美国 Dolby AC-2； 公司
音频压缩依据
1) 冗余度 时域样点之间相关（短时、长时） 频域谱的非平坦性（谱包络、谱离散） 统计特性 （去除可恢复） 2) 人耳听觉特性 人耳分辨能力 人耳对不同频段声音的敏感程度不同，通常对低频比对高频更敏感 人耳对语音信号的相位不敏感 人耳掩蔽效应 Masking Effect … 对人耳听不到或感知极不灵敏的声音分量都不妨视为冗余。 可利用听觉心理特性…感觉加权、量化、去除多余分量、后滤波、… （不可恢复）
现有标准（1）
宽带音频 名称 编码方式 MOS 分 Layer1 SB-DBA 4.7 Layer2 SB-DBA 4.6 layer3 SB-DBA-MDCT 3.7 SB：Sub-Band DBA：Dynamic Bit Allocation ISO/MPEG 2（1993） ：将采用率扩充到 16、22.05、24KHZ，带宽分别 为 7.5、10.3、11.25KHz。 ISO/MPEGI（1991） 采样频率 KHZ 编码速率 KB/S 48 180+12 48 120+8 48 60+4
音频编码性能评价（3）
3) 编解码延时（ms） 公众网（25ms）、点对点、广播、存储 回声控制或回声抵消 正常通话秩序 与重建质量关系 4) 算法复杂度 硬件、成本 浮点、定点 MIPS、RAM、ROM 5) 其他 抗随机误码和突发误码能力 抗丢包和丢帧能力 对不同信号编码能力 级联或转接能力
音频信号分类、特性及应用
分类 频率范围 动态范围 Hz 200-3400 50-7000 48dB 84dB 采样频 率 kHz 8 16 质量 要求 清晰度 清晰度 主要应用