14、语音通信中的CELP技术及其优化方案

语音通信中的CELP技术及其优化方案

1. 引言

在语音通信领域，如何高效地对语音信号进行量化编码，同时平衡语音质量、计算复杂度和处理延迟，一直是研究的重点。码激励线性预测（CELP）方法作为一种重要的语音编码技术，在这方面有着广泛的应用和深入的研究。本文将详细介绍CELP技术的基本原理，以及为了优化其性能而提出的几种改进方案。

2. CELP基本原理与参数量化

CELP方法的核心在于码本，它是该方法的关键区分因素。在进行语音编码时，原始的线性预测编码（LPC）、长时预测（LTP）和增益参数都需要进行量化处理。通常，LPC参数在编码器输出之前会被转换为线谱对（LSP）。实际上，除了码本索引外，所有参数都会被量化并在过程中进行某种转换。

编码器在码本搜索循环中包含了解码过程，需要注意的是，编码器这部分使用的实际参数是已经量化再反量化后的参数。这是因为如果编码器使用未量化的参数，可能会找到与使用量化 - 反量化参数时不同的候选激励向量。而解码器输出的实际语音只能访问量化 - 反量化后的参数，所以编码器必须使用相同的值来确保生成尽可能好的语音。

3. CELP码本

每个码本由多个码字组成，这些码字在编码器中作为候选向量使用。编码器会依次检查每个候选向量，并选择能产生最佳匹配语音帧的候选向量。对于一个典型的系统，以20毫秒的帧分析语音，采样率为8kHz，候选向量需要包含8000 × 0.02 = 160个样本。通常，音高分析和表示在5毫秒长的子帧中进行，每帧有四个子帧，因此LTP参数的变化频率是LPC参数的四倍，但处理结构基本保持不变。

在原始的CELP技术中，每个码本中的候选向量由随机数生成算法生成