语音编码原理

语音编码最基本的方法是对语音信号采样，直接进行模数转换。但是，如果不再进一步处理，会导致编码量很大。例如，用8kHz采样，12bit进行量化，一秒钟的语音就需要96kb。这个传输量太大，需要进行压缩。

为什么可以进行压缩？因为数据（每一次采样）存在相关性。假设所有数据都相同，用两个数就可以表示这段语音，一个是每个采样的值，一个是采样的次数；假设数据构成了一条直线，即数据和时间成正比，用3个数就可以表示，起始点，长度，斜率（或者差分）。等等，只要语音信号不是随机出现的，就可以进行压缩（严格说，随机出现的也可以压缩，只要知道了分布函数）。

语音信号在时频的冗余：

1，语音的幅度非均匀，大量的低信号电平，对人的听觉影响甚微

2，相邻语音信号的相关性很强。比如当前信号为1，则左右两个的信号集中在0.8和1.2之间。根据当前信号可以很好预测下一个信号而不需要存储下一个信号。

3，浊音有很强的周期性。本周期语音段的波形和下一个周期语音段的波形非常相近，只需要存储本周期语音段即可。

4，语音间隙。很多时候是一方在说，另一方在听，检测出不发音的一方，可以不传递信号。

语音信号在频域的冗余：

1，非均匀的功率谱密度，高频的功率很低，这对应于时域里相邻信号变化很小。

2，语音信号特有的短时功率谱密度，某些频率上出现峰值，某些功率上出现谷值。

人的听觉特征：

1，人耳的掩蔽效应。声音是由不同频率的声波组成，如果某一个频率的声波很强，人耳就很难听到相邻频度的声音。

2，人耳对不同频率的声音敏感度不同。对一些频段，即使强度很大，人耳仍然听不到，而对于另外一些频段，即便微小的声音，人耳也可以感应到。

3，人耳对语音相位变化不敏感。