iLBC语音编解码器核心技术的研究

重点讨论了iLBC编解码器独立于帧的长期预测。独立于帧的长期预测是用来在编码语音没有遭受与传输丢失相关的多帧语音退化情况下,开发斜度标记相关的办法。然后介绍了iLBC,G.729A和G.723.1编解码器的平均主观得分MOS,并用信号为例说明基于独立于帧的长期预测编解码器和CELP编解码器之间的不同,最后用语音重构的例子说明二者语音质量间的差别。     

G.718宽带语音编解码器的DSP实现及优化

G.718是ITU-T最新提出的一种嵌入式可变速率宽带语音和音频编解码标准,该算法将语音信号进行分类编码,算法复杂度大大增加,但可以在窄带和宽带均达到极佳的语音质量.在分析其算法原理和关键技术的基础上,结合TMS320C55x系列DSP平台和G.718算法特点,提出了合理的汇编优化实现方案,在TMS320C5505EVM上完成了实时宽带语音编解码器.实验测试表明,G.718算法的语音质量优于同类型其他算法的宽带语音编解码器.     

一种新的低码率语音压缩编码方案

提出一种新的基于LPC（线性预测编码）的BSP（二项式正弦脉冲）语音压缩编码方案,即根据语音产生的原理,以BSP作为LPC激励源,并在此基础上构造了BSP语音编解码器。同时推导了BSP激励参数的求取和编码方法。实验结果表明,BSP编解码器由于求取BSP激励参数的计算量较小,因此处理速度快、时延小,同时编码速率在低至2.65kbit/s时,具有较高的合成语音质量。     

基于VoIP的ITU-T G系列语音压缩算法的研究

本文在简述了ITU-T G系列语音压缩算法以及专为窄带系统设计的高性能的iLBC语音压缩算法,并对各种算法处理的复杂度、处理延时大小、传输速率、CPU性能消耗、带宽占用、语音质量等多方面进行了比较之后,给出了各种算法目前的应用场景,分析了VoIP系统的发展方向,预测了各种算法的应用前景,最后,提出了一种新的VoIP语音压缩算法的选型方案。     

基于BF533的G．723．1算法设计及优化

实验实现了数字可视对讲系统的音频设计.采用美国模拟器件公司(ADI)Blackfin系列处理器BF533平台,给出了G.723.1语音编解码器的系统设计方案及移植关键技术.不但对C语言程序算法上进行了优化,还针对BF533硬件特性提出并实现了更有效的优化策略,如寄存器代替局部变量,使用硬件循环代替软件循环等,实时实现了ITU-T的G.723.1双码率编解码器算法.实验结果表明,G.723.1语音编解码器能够完全在BF533开发板上实时实现.     

宽带/窄带：谁将“带”领业界

虽然看似胜负已定,但是裁决宽带与窄带编解码器之间争论的最有效方式还是要视个案而定.对于VoIP业务的最终用户,宽带编解码器相对于窄带编解码器的优势一目了然:宽带编解码器可提供更高的语音质量.宽带语音编解码器还提供双倍的采样率,从而带来50～7000Hz的有效带通.而在标准窄带VOIP电话中,语音信号采样率仅为8000Hz.     

基于FPGA的32 Kbit/s CVSD语音编解码器的实现

介绍了连续可变斜率增量调制(CVSD)的基本原理,并提出了32Kbit/sCVSD语音编解码器的现场可编程门阵列(FPGA)实现方法,给出了影响CVSD性能的关键参数。该语音编解码器消耗硬件资源少,语音效果理想,适用于无线语音系统。     

Tensilica推出新AMRWB＋音频，语音编解码器

Tensilica日前为其Hi—Fi2音频处理器算法库新增AMRWB＋（自适应多速率宽带＋）音频／语音编解码器。AMRWB＋语音编解码通过增加对立体声信号和更高的采样率的支持,提供低比特率下更高的语音质量,改善现有的AMR宽带语音编解码器。     

基于ADPCM算法的语音录放系统优化设计与FPGA实现

介绍了自适应差分脉冲编码调制技术ADPCM的编解码原理和结构,利用硬件描述语言设计并仿真了IMA-ADPCM编解码器及相关电路,以完成语音的录放功能.通过优化编解码器的电路结构,使系统资源消耗减小了1/3.实验平台以Altera的FPGA开发板为基础,实现了语音的录放,语音回放效果达到预期目标.     

基于时频感知神经网络的语音频带扩展

为了进一步提高基于深度学习的语音频带扩展性能,提出了一种基于编解码器的神经网络结构,编码器对数据进行深度特征提取,解码器进行宽带语音重构,并在编解码器中间设计了局部敏感哈希自注意力层,用于增强模型对深度特征的有效选择。编解码器内部使用了时间卷积网络,有效提升了模型对语音时序数据上下文依赖关系的学习能力。为了促进模型朝更加准确的方向训练,还提出了一种时频感知损失函数,有利于模型在时域、频域以及感知域获取窄带语音到宽带语音的最优映射解。通过主观和客观实验结果表明,该方法优于传统方法和近几年基于深度神经网络的语音频带扩展方法。      

Steganalysis of transcoding steganography

Transcoding steganography (TranSteg) is a fairly new IP telephony steganographic method that functions by compressing overt (voice) data to make space for the steganogram by means of transcoding. It offers high steganographic bandwidth, retains good voice quality, and is generally harder to detect than other existing VoIP steganographic methods. In TranSteg, after the steganogram reaches the receiver, the hidden information is extracted, and the speech data is practically restored to what was originally sent. This is a huge advantage compared with other existing VoIP steganographic methods, where the hidden data can be extracted and removed, but the original data cannot be restored because it was previously erased due to a hidden data insertion process. In this paper, we address the issue of steganalysis of TranSteg. Various TranSteg scenarios and possibilities of warden(s) localization are analyzed with regards to the TranSteg detection. A novel steganalysis method based on Gaussian mixture models and mel-frequency cepstral coefficients was developed and tested for various overt/covert codec pairs in a single warden scenario with double transcoding. The proposed method allowed for efficient detection of some codec pairs (e.g., G.711/G.729), while some others remained more resistant to detection (e.g., iLBC/AMR).     

A New Segment Quantization Using Lempel–Ziv Algorithm and Its Application to Quantization of Line Spectral Frequencies

A new segment quantization method using the Lempel-Ziv algorithm is proposed, and it is applied to quantize line spectral frequency parameters in speech codec. The proposed segment quantizer can save four bits per frame, compared with the ITU-T G.729 speech codec (18 bits/frame), without degradation of subjective or objective speech quality     

基于NS的自适应多速率网络语音通信的性能分析

目前,几乎所有的语音电话系统（VoIP）都采用固定速率传输,这使得网络丢包,特别是连续丢包无法避免,因此导致了严重的语音质量下降.针对这一问题,给出了一种新的抗分组丢失的网络语音通信系统,并用网络仿真软件NS（network simulator）对该系统进行了性能分析,仿真实验证明,所提出的网络语音通信系统在网络丢包、平均延迟和主观听觉方面明显优于传统的IP语音电话系统.     

基于SIC8008的VoIP原型系统中iLBC的应用研究

随着三网融合的发展,使用于广电网络的数字高清电视机顶盒所具有的功能越来越丰富。SIC8008是重庆四联微电子有限公司设计的一款高清解码芯片,主要为有线电视、卫星、地面和IP电视机顶盒提供高清解决方案,同时支持VoIP等其它交互功能。本文在基于SIC8008芯片并借助Mediastreamer2最终实现VoIP原型系统编码模块开发的过程中,对iLBC编码算法在应用中进行了研究与优化。文中重点介绍了iLBC编解码原理,讨论了在此原型系统中的应用情况,通过对iLBC编码模块的改进与优化,证明了语音压缩时能有效降低CPU的占用率,并保证了语音解码后的可懂度。     

多带激励MBE谱幅度估计与参数编解码方案研究

随着多带激励MBE模型的成功运用,MBE语音编解码算法也日新月易。介绍了多带激励MBE谱幅度参数和V/U判决参数的提取,阐述了参数的编解码方案,对谱幅度量化时,先作离散余弦变换(DCT),然后进行了矢量量化(VQ);最后介绍了语音信号的合成,通过实验验证了合成语音与原始语音在频率和幅度上几乎一致,说明该方法在合成语音的质量上比较理想。     

APC-AB codec modules operating at 16 and 8 kbit/s

High-quality speech codec modules operating at 16 and 8 kb/s have been developed using an adaptive predictive coding with adaptive bit allocation (APC-AB) scheme. An optimized APC-AB algorithm is studied that reduces processing complexity while maintaining speech quality. The coding algorithm is implemented in two digital signal processors (DSPs). The DSP chips, a framing LSI circuit, a PCM codec, and some peripheral ICs are integrated in each of two compact packages, i.e. codec modules, operating at 16 or 8 kb/s. The codec module size is as small as 80 mm×50 mm×12 mm, and its typical power consumption is 500 mW using 2-μm CMOS LSI technology. At 16 kb/s this APC-AB codec achieves high speech quality, close to that of a 7-bit μ-law PCM. The codec modules are expected to be used for various applications such as customer premises multiplexers for digital leased lines, digital mobile radio, and stored-and-forward-message systems (voice-mail systems)     

基于Mediastreamer2的IP电话语音信箱功能的设计与实现

Mediastreamer2是一个处理语音流与视频流的模块,主要用于IP电话的编解码与RTP包的收发。为了提高IP电话在应用中的网络抗抖动能力并降低其运算复杂度,本文基于Mediastreamer2的基本原理,对其进行了修改,使原来作为插件的iLBC语音编码成为首选的编码方案,然后利用接口函数设计代码框架,最终实现IP...     

The adaptive multirate wideband speech codec: system characteristics, quality advances, and deployment strategies

Wideband speech is the major differentiation and attraction of third-generation network services in both the circuit and packet switched domain. Increased audio bandwidth introduces a significant leap in perceived quality of service compared to currently utilized narrowband telephony in second-generation mobile communications and the PSTN. The adaptive multirate wideband (AMR-WB) speech codec is the service enabler for improved user experience. It is an established 3GPP and ITU-T wideband speech codec standard and represents the state-of-the-art in speech quality as well as robustness in error prone radio channels. It is also the first codec algorithm standardized for wideband speech for mobile communications.     

下一代网络话音编码标准研究

在话音和音频编码中,代表数字话音或音频信号的位数尽可能地少,但要保持一个合理的可识别质量水平。这主要通过从信号中去除冗余和非相干信息来实现。本文给出了下一代网络中话音编码标准的分类方法,并详细分析了波形编解码、参量编解码和混合编解码标准的目标与原理,最后研究了话音编码标准的应用环境。