数字语音处理期末报告——音频信号编码与转换（MATLAB线性预测和抽样量化编码）

一．实验目的

实现发送端记录声音信号，经过有限带宽信道（假设无噪）后，在接收端恢复出声音信号并变换性别。

二．指标要求

1.发送端录音长度不短于 4 秒；
2.比特率限制为 64kbps（注意是 bit per second）；
3.变换后的声音尽量自然清晰。

三．实验步骤

1. 声源录音

通过Microsoft Word2019中的朗读功能进行播放男声和女声语句，同时进行录音分别得到音频信号fe.m4a和ma.m4a。

2. 对声源（男声）进行预处理

将输入的男声信号ma.m4a进行裁剪降采样，使得其与系统存放的女声序列fe.m4a在时域上基本保持一致，而后对序列进行降采样，原序列采样率为48kHz，通过等间距地抽取采样点的方法对原序列进行降采样，最终得到与处理后的结果为female.wav和male.wav。（在代码中对男女声音信号同时进行了预处理，附件中pre_process.m为预处理脚本）

3. 对经过预处理的声音信号进行变声处理

通过对预处理后的男声信号进行LPC分析，逐帧提取出其LPC系数A1(n)，并且得到激励源e1(n)，通过将男声的LPC系数与女声之激励源e2(n)合成得到变声处理以后的音频序列，输出音频synthesised_m2f.wav。（附件中synlpc.m为LPC分析提取系数和激励源的函数，synlpc2.m为合成音频函数）

4. 对经过变声以后的序列进行PCM编码

通过A律13折线法对变声处理后的音频信号进行编码，每个采样点编码为1byte（8bit：1位符号码，3位段落码，4位段内码），并将得到的编码存放于code.mat文件中。（PCMdecoding.m为编码函数）

5. 对接收到的比特序列进行PCM译码

加载code.mat文件，通过A律13折线法对接收到的编码序列进行译码得到传输新的音频序列，输出音频信号transmitted_m2f.wav。（PCMencoding.m为译码函数）

四．实验原理

1.LPC分析

（1）基本思想：

利用信号间相关性，用过去值预测现在或未来的值，即用过去若干个取样值的线性组合逼近一个取样值。在某种测度准则下，通过使实际的取样值与预测值之间的差别达最小，确定唯一的一组预测系数。LPC的基本原理和语音信号数字模型密切相关。

（2）语音信号的LPC分析

语音序列为缓变的随机序列，可近似用信号模型化方法分析。
信号模型化的思想建立的语音信号的产生模型。
将辐射、声道、声门激励的谱效应简化为时变数字滤波器，其稳态系统函数为：
$$H\left(z\right)=\frac{X\left(z\right)}{U\left(z\right)}=\frac{G}{1-{\sum }_{i=1}^p{a}_i{z}^{-i}}$$
语音信号x(n)被模型化为一个过程序列。浊音激励为准周期冲激序列，清音激励为白噪声序列。H(z)称为合成滤波器。模型参数：浊/清音判决、基音周期、增益常数G、数字滤波器参数a1,a2,…,ap。
求解滤波器参数和增益常数的过程称为语音信号的LPC分析。基本问题是从语音信号序列确定一组LPC系数。预测系数的估计须在一短段（帧）语音信号的范围内进行。
激励源问题：
清音：用模型合成语音时，产生的序列与和被分析序列有相同的谱包络特性。
浊音：激励源 u(n) 的谱是一组幅度相同的谐波线谱，与模型化中的信号源假设有所不同。但激励源 u(n) 的大部分时间的值非常小（零值），由于方均预测误差最小准则使预测误差e(n)逼近于u(n)，与u(n)能量很小这一事实并不矛盾。因此，为不使问题复杂化，认为模型适于清音、浊音。

2. PCM编译码

（1）抽样信号的量化原理

模拟信号抽样后变成在时间离散的信号后，必须经过量化才成为数字信号。模拟信号的量化分为均匀量化和非均匀量化两种。把输入模拟信号的取值域按等距离分割的量化称为均匀量化，每个量化区域的量化电平均取在各个区间的中点。
均匀量化的主要缺点是无论抽样值大小如何，量化噪声的均方根值都固定不变，因此，当信号m(t)较小时，则信号量化噪声功率比也很小。这样，对于弱信号时的量化信噪比就难以达到给定的要求。通常把满足信噪比要求的输入信号取值范围定义为动态范围，那么均匀量化时的信号动态范围将受到较大的限制。为了克服这个缺点，实际中往往采用非均匀量化的方法。
非均匀量化是分局信号的不同区间来确定量化间隔的。对于信号取值小的区间，其量化间隔Dv也小；反之量化间隔就大。非均匀量化与均匀量化相比，有两个突出的优点：首先，当输入量化器的信号具有非均匀分布的概率密度（实际中往往是这样）时，非均匀量化器的输出端可以得到较高的平均信号量噪比；其次，非均匀量化时，量化噪声功率的均方根值基本上与信号抽样值成比例，因此量化噪声对大、小信号的影响大致相同，即盖上了小信号时的信噪比。
非均匀量化在实际过程通常是将抽样值压缩后在进行均匀量化。现在广泛采用两种对数压缩，美国采用μ压缩律，我国和欧洲各国均采用A压缩律。本实验中PCM编码方式也是采用A压缩律。

（2）脉冲编码调制的基本原理

量化后的信号时取值离散的数字信号，下一步是将这个信号编码。通常把从模拟信号抽样、量化、编码变换成为二进制符号的基本过程，成为脉冲编码调制（Pulse Code Modulation,PCM）。
在13折线法中，无论输入信号是正是负，均采用8位折叠二进制码来表示输入信号的抽样量化值。其中，用第一位表示量化值的极性，其余七位（第二位至第八位）则表示抽样量化值的绝对大小。具体做法是：用第二至第四位表示段落码，它的8种可能状态来分别表示8个段落的起点电平。其它四位表示段内码，它的16种可能状态分别代表每一段落的16和均匀划分的量化级。这样处理的结果，使8个段落被划分成27=128个量化级。上述编码方法是把压缩、量化和编码合为一体的方法。

图 1 A律13折线法

五．实验结果

图 2 预处理后的女声和男声音谱图

图 3 女声信号、男声信号和合成信号时域图像

图 4 女声信号、男声信号和合成信号频域图像

由上图可见，合成后的信号无论是在时域还是在频域都更加接近女声信号，因此，男声信号变换为女声信号的要求实现。

图 5 PCM编解码前后音频信号的对比

由上图可见PCM编解码前后信号基本保持不变，少许不同是由于PCM编码自带的量化噪声造成，通过收听译码后的音频信号，信号质量良好噪音较小。

六．实验分析

通过计算编码前后的信噪比，为33.3874dB，说明该PCM编译码有较好的效果。经过计算总比特数为373120 bit，音频信号时长为5.83 s，比特率为64 kbps，满足题设要求，在此也很好理解，当采样率降为8kHz时，每秒有8000个采样点，每个采样点1byte（8bit），即为每秒64kbit。
存在的问题：在降采样时，男声信号质量变化较小，但是女声信号变化较大，在降采样以后有明显的的噪声，并且因此伴随着之后的合成音频和传输后音频都有明显的噪声。
经过分析得出的结论是女声信号有较多的高频分量，在用8kHz的采样率采样时会有比男声更多的混叠失真。
需要代码的同学点击这里。