Speex Codec VS recent CELP Codecs

 

      经过多年的验证，码激励线性预测模型（CELP，Code Excited Linear Prediction）是当下重建语音质量最好应用最流行的语音编解码模型之一。Speex编解码同其他CELP编解码器都是基于CELP模型的，那么CELP模型的主要思想是什么呢？

1、利用线性预测（LP，Linear Prediction）模型去对声道系统建模；

2、利用语音产生原理，通过一个自适应码书和一个固定码书作为LP 模型的输入；

3、在感知加权域，进行码书的闭环搜索，以找到最佳量化矢量使总体误差最小；

 

下图是一般的CELP解码框图：(由于图片上传功能暂时关闭，所以无法上传)

 

 

 

      Speex与当下的CELP Codecs 主要有三点不同：

 

1、自适应码书搜索：

     大多数CELP Codecs在自适应码书搜索过程中采用整数延时+分数延时搜索的算法，但Speex采用了一个三阶长时基音预测器，进行整数延时搜索算法。通常的整数延时自适应码书相当于是一个一阶长时基音预测器，但是它的基音周期精度是有限的，从而会影响最后合成语音的质量。为了提高精度主要有两种方法：一个是增加长时基音预测器的阶数；另一个是采用分数延时自适应码书。这样就比较清楚了，一般的CELP Codec采用第二种方法，尤其是低比特率语音编码，而Speex 采用了第一种方法，并对3个增益系数进行矢量量化。

 

2、固定码书增益的量化

     大多数CELP Codecs通过运动平均（MA，Moving Average）预测器来量化固定码书增益的量化，这样使得增益值保持平滑连续但是却引入了对过去帧的依赖。而Speex将固定码书增益编码成一个全局的激励增益值，同时也是对各个子帧增益的修正值。

 

3、固定码书的量化

     对固定码书的量化有很多种方法，如目前比较流行的代数码书搜索算法，在ITU G.729和G.723.1，以及AMR 都有用到，还有矢量和码书搜索算法，在美国TIA 的8kbps VSELP 语音编码器得以应用。为了避开这些专利的限制，Speex只能采用类似分裂式矢量量化的量化方法，即将每个子帧的激励信号再分成若干子矢量分别进行量化，显然这种方法的性能并不是最优的矢量量化方法，这样虽然可以搜索到局部最优矢量，但是组合起来就未必是全局最优了。这完全是为了应付专利的无奈。

 

 

（Speex学习...继续）

 

参考资料

1、Jean-Marc Valin  “Speex: A Free Codec For Free Speech”

2、鲍长春 《低比特率数字语音编码基础》

 

一家之言，欢迎讨论！