VoIP中语音压缩编码技术的研究与性能分析

2.1.2　G.729协议
　　
G.729协议是一个能在8 kbit/s速率上实现高质量语音编码的建议，也是H.323协议中有关音频编码的标准[2]。在IP电话网关中，G.729协议被用来实现实时语音编码处理。G.729协议采用的是CS-ACELP即共轭结构算术码激励线性预测的算法。CS- ACELP以CELP编码模型为基础，它把语音分成帧，每帧10 ms，也就是80个采样点。对于每一帧语音，编码器从中分析出CELP模型参数，其中包括线性预测系数，自适应码本和随机码本的索引值和增益。然后把这些参数传送到解码端，解码器利用这些参数构成激励源和合成滤波器，从而重现原始语音。
　　
编码过程是首先将速率为64 kbit/s的PCM语音信号转化成均匀量化的PCM信号，通过高通滤波器后，把输入语 音信号的每80个样点组成一个帧，也就是10 ms的帧长。对于每个帧用线性预测法求得LP滤波器系数，为了适于矢量量化，把预测系数转化为LSP。利用合成-分析方法，使原始语音和合成语音之间的误差最小，来获得最佳激励信号。激励信号的量化是通过两个码本来实现的，即自适应码本和随机码本。自适应码本反映的是长时预测结果，也就是基音预测结果。随机码本反映的是经过长时预测和短时预测后的残留信号。
　　
2.2　性能分析与比较
　　
语音编码的主要问题是怎样在编码质量、编码速率、算法复杂度以及抗误码性能、编解码时延等方面求得最佳。这几个因素相互联系，密切相关。下面就这些方面对G.729与G.723.1系统进行分析与比较，并给出了实验的结果[3]。
　　
2.2.1　编码质量
　　
编码质量是衡量语音编码优劣的关键性能之一，对它的评价通常有客观评价与主观评价两种。信噪比是衡量语音编码质量的客观标准。其计算可采用长时信噪比和短时信噪比两种准则。由于在语音信号中小能量占信号能量的比率较小，而恰恰小信号对主观听音效果又有比较大的影响，因此长时信噪比不能反应小能量量化的质量，在语音信号处理中经常采用短时信噪比。设每段有M个语音样点，则第m段的分段信噪比定义为

　　
　　
其中分式的分子分母分别表示M个语音样点的总能量和量化噪声的总能量。如果输入语音共有N段，则平均分段信噪比为

　　
　　
此次试验分别对男声、女声、童声以及混声进行了测试，它们得到的信噪比（尤其是时域信噪比）并不很高，然而经过主观评价即MOS（mean opinion score）分评价，它们的听音质量还相对较高，其结果如表1所示，由此说明了基于参数编码与波形编码的语音编码器的不同。

表1　ITU-T语音编码标准的比较

项目 G.729 G.723.1 G.729 annex A
比特率/（kbit/s） 8 5.3/6.3 8
帧大小/ms 10 30 10
头开销/ms 5 1.5 5
MOS 4 3.7 4
出台时间 1995年 1995年 1996年

　　
2.2.2　编码速率
　　
就目前而言，与ITU-T的其他编码标准相比，G.723.1的码速是最低的。它的码率为5.3/6.3 kbit/s，在编码码率方面拥有优势。G.729语音编码速率为8 kbit/s，在编码速率方面仅次于G.723.1，因而它们都较好地解决了通信过程中带宽不足的矛盾，有良好的应用前景。
　　
2.2.3　编解码复杂度
　　
编解码的复杂度与语音编码的质量有密切的关系，在同样的码率下，采用复杂的算法将获得更好的语音质量。表2给出了G.729与G.723.1在硬件实现上所需的资源。G.729在时延方面较G.723.1有优势；在复杂度方面，G.723.1相对G.729较优，但是G.729 annex A却有更大的优势。

表2　G.723.1，G.729与G.729annex A的比较

项目 G.723.1 G.729 G.729 annex A
比特率/（kbit/s） 5.3/6.4 8.0 8.0
帧长/ms 30 10 10
头开销/ms 7.5 5 5
整个编码时延/ms 37.5 15 15
指令/（百万条/s） 16 20 10.5
RAM/byte 2 200 3 000 2 000

2.2.4　抗误码性能

　　
抗误码性能是衡量语音编码质量的因素之一。测试表明，当随机误差为0.1%，G.729编码系统的性能与32 kbit/s G726 ADPCM相当，当误码率为10%，人耳虽能感觉到语音质量的下降，但仍能听懂语音含义；G.723.1抗误码性能与G.729基本相当。
　　
2.2.5　编解码时延
　　
增加算法的复杂度可以提高语音的编码质量。但往往也带来编解码的时延，在实时语音通信中对通话质量有很大影响。对于G.729系统而言由于码率为8kbit/s，每帧80个样点，因此帧大小为10 ms，再加上头开销5ms，整个系统的编解码时延为15ms，大大低于G.723.1的37.5 ms的时延（帧大小为30ms，再加上头开销7.5 ms）。因此在编解码时延方面G.729较G.723.1为优。
　　
3、结论
　　
混合编码中把激励模型和语音的时域波形结合到一起，从而改善了合成语音的质量。以上两种语音压缩编码算法的主要区别在于激励模型的不同。
　　
虽然IP电话目前正处于蒸蒸日上的阶段。但它也存在这样或那样一些不尽如人意的方面。如何提高IP分组语音通信的质量，或者更一般地说，如何在IP网络上实现包括实时通信业务在内的综合业务通信，这正是我们需要进一步研究的。