隨著互聯(lián)網(wǎng)的迅速發(fā)展，人們對(duì)通過(guò)互聯(lián)網(wǎng)進(jìn)行實(shí)時(shí)語(yǔ)音、視頻傳輸?shù)囊笤桨l(fā)強(qiáng)烈，VOIP正是在這一應(yīng)用背景下誕生的一門新技術(shù)，它把數(shù)字語(yǔ)音編碼技術(shù)與分組交換網(wǎng)相結(jié)合，提供實(shí)時(shí)語(yǔ)音及其相關(guān)服務(wù)，該技術(shù)要求占用盡可能小的網(wǎng)絡(luò)帶寬并擁有良好的語(yǔ)音質(zhì)量。由于當(dāng)前網(wǎng)絡(luò)環(huán)境" title="網(wǎng)絡(luò)環(huán)境">網(wǎng)絡(luò)環(huán)境的特點(diǎn)，丟包現(xiàn)象不可避免，以往的低比特率編碼標(biāo)準(zhǔn)雖然可以解決帶寬問(wèn)題，但丟包時(shí)語(yǔ)音質(zhì)量不能保證。因而，需要新的語(yǔ)音編碼算法來(lái)滿足這一要求。
1 ILBC簡(jiǎn)介
　　ILBC是由Global IP Sound公司提出的一種專為包交換網(wǎng)絡(luò)通信設(shè)計(jì)的編解碼" title="編解碼">編解碼，優(yōu)于目前流行的G.729A、G.723.1，對(duì)丟包進(jìn)行了特殊處理，既使在丟包率相當(dāng)高的網(wǎng)絡(luò)環(huán)境下，仍可獲得非常清晰的語(yǔ)音效果。
　　ILBC是一種適用于窄帶網(wǎng)絡(luò)的編碼算法。根據(jù)網(wǎng)絡(luò)帶寬的不同，ILBC提供兩種編碼的格式，如表1。該算法使用了長(zhǎng)時(shí)的預(yù)測(cè)技術(shù)和幀獨(dú)立編碼方法，使其非常適合在存在丟包的網(wǎng)絡(luò)環(huán)境中傳播。

2 ILBC算法的原理
2.1 ILBC編碼
　　ILBC本質(zhì)上是一種基于幀的線性預(yù)測(cè)編碼方法，是對(duì)CELP(碼激勵(lì)線性預(yù)測(cè)編碼)的一種發(fā)展，其獨(dú)有的動(dòng)態(tài)碼本更新技術(shù)、語(yǔ)音加強(qiáng)算法和丟包掩蔽技術(shù)使其在VOIP中應(yīng)用時(shí)有更好的性能。對(duì)于每一個(gè)含有160/240(20ms/30ms) 樣點(diǎn)的輸入幀，ILBC算法將進(jìn)行以下主要操作：
　　(1) 把該幀分為4/6 個(gè)子幀,每子幀40個(gè)樣點(diǎn)。對(duì)30ms的幀，進(jìn)行兩組10階的LPC分析，得到相應(yīng)的LPC系數(shù)；對(duì)于20ms的幀，進(jìn)行一次10階LPC分析。
　　(2)每次分析得到的LPC系數(shù)將轉(zhuǎn)化為L(zhǎng)SF(線譜對(duì))參數(shù)，并對(duì)LSF系數(shù)進(jìn)行量化，內(nèi)插以得到各個(gè)子幀的LSF系數(shù)；隨后，由各子幀的LSF系數(shù)得到各子幀對(duì)應(yīng)的分析器，對(duì)各個(gè)子幀進(jìn)行線性預(yù)測(cè)，計(jì)算各子幀的殘差。
　　(3)從殘差中找到兩個(gè)能量最大的連續(xù)子幀，然后把能量值較小的首23/22個(gè)樣點(diǎn)(30ms/20ms)或尾23/22樣點(diǎn)從連續(xù)子幀中去除，剩余的57/58個(gè)被選定為本次處理的初始狀態(tài)。對(duì)于濁音語(yǔ)音，這樣的選取方式將至少包含一個(gè)基音脈沖。
　　(4)對(duì)初始狀態(tài)進(jìn)行基于DPCM的標(biāo)量量化，量化結(jié)果將作為編碼輸出的一部分。與此同時(shí)，初始狀態(tài)被存入碼本存儲(chǔ)區(qū)，以構(gòu)成動(dòng)態(tài)碼本的初始值，用于對(duì)本幀的剩余樣點(diǎn)進(jìn)行矢量量化" title="矢量量化">矢量量化。
　　(5)對(duì)于剩余的殘差，矢量量化將按下面順序進(jìn)行：(a)包含有初始狀態(tài)的兩個(gè)連續(xù)子幀中剩余的23/22個(gè)樣點(diǎn);(b) 時(shí)間軸上處于初始狀態(tài)之后的各個(gè)子幀; (c)時(shí)間軸上在初始狀態(tài)之前的各個(gè)子幀。對(duì)于此矢量量化，每次搜索碼本的范圍是動(dòng)態(tài)碼本，其中存儲(chǔ)了已經(jīng)被解碼的對(duì)象，并隨著最新的解碼結(jié)果，該動(dòng)態(tài)碼本被更新。
　　(6)對(duì)編碼結(jié)果進(jìn)行封包處理。
　　ILBC的編碼的框圖如圖1所示。

2.2 ILBC解碼
　　ILBC是一種運(yùn)用了分析合成方法的編解碼算法，解碼部分的運(yùn)算量相對(duì)要小一些，使其在功能不強(qiáng)的客戶端的實(shí)時(shí)解碼成為可能。
　　解碼的主要過(guò)程如下:
　　(1)解包，參數(shù)提取。
　　(2)從得到的LSF參數(shù)進(jìn)行內(nèi)插，并轉(zhuǎn)化各個(gè)子幀的LPC系數(shù)，以便進(jìn)行合成操作。
　　(3) 對(duì)初始狀態(tài)進(jìn)行解碼，解碼結(jié)果一方面作為激勵(lì)信號(hào)" title="激勵(lì)信號(hào)">激勵(lì)信號(hào)暫存，另一方面存入碼本存儲(chǔ)區(qū)，以構(gòu)成動(dòng)態(tài)碼本的初始值。
　　(4) 對(duì)剩余的子幀部分，按照與編碼相同的次序進(jìn)行殘差解碼，并用解碼結(jié)果更新動(dòng)態(tài)碼本，重復(fù)(4)直到所有子幀完成譯碼。
　　(5) 對(duì)于解碼得到的殘差信號(hào)，進(jìn)行語(yǔ)音增強(qiáng)的操作。該語(yǔ)音增強(qiáng)采用了條件限制的增強(qiáng)方法。
　　(6) 進(jìn)行語(yǔ)音合成，形成解碼后的語(yǔ)音。
　　(7) 高通濾波，以消除合成后的低頻語(yǔ)音。
　　ILBC解碼的流程圖如圖2所示。

2.3 ILBC的比特流定義
　　對(duì)于20 ms的幀，共使用了304個(gè)比特來(lái)表示編碼后的語(yǔ)音信號(hào)，被封裝在38個(gè)字節(jié)中；對(duì)于30ms的幀，共使用了400個(gè)比特，封裝在50個(gè)字節(jié)中。在封裝的過(guò)程中，按照數(shù)據(jù)對(duì)傳輸誤差的敏感程度不同，這些比特被分成三類，第一類代表了最敏感的數(shù)據(jù)^[3]。表2 列出了ILBC編碼的比特流分配情況。

3 ILBC的關(guān)鍵技術(shù)
　　與以往的低比特率語(yǔ)音編解碼算法相比，ILBC除了采用經(jīng)典的線性預(yù)測(cè)分析法、LPC系數(shù)到LSF系數(shù)相互轉(zhuǎn)換、分裂矢量量化LSF參數(shù)和多級(jí)形狀-增益量化^[4]殘差外，主要有下面特殊的方法。
　　(1) 基于初始狀態(tài)的動(dòng)態(tài)碼本的選取和更新。
　　ILBC利用了基于初始狀態(tài)的動(dòng)態(tài)碼本的更新方法，把最新的解碼結(jié)果加入碼本，以取代較老的碼矢。通過(guò)這種算法，可以較為方便地生成碼本，同時(shí)也提供了很好的碼本預(yù)測(cè)能力。
　　(2) 幀間獨(dú)立的長(zhǎng)時(shí)預(yù)測(cè)方法，在此基礎(chǔ)上的PLC(丟包掩蔽)技術(shù)。
　　經(jīng)典的CELP方法是利用以往的激勵(lì)信號(hào)來(lái)對(duì)自適應(yīng)碼本進(jìn)行更新的，這樣的方法在分組交換網(wǎng)中有下面問(wèn)題：
　?、偃绻^(guò)去的信號(hào)丟失或在傳輸過(guò)程中被污染，解碼用的碼本就會(huì)與編碼時(shí)不同，將導(dǎo)致解碼語(yǔ)音質(zhì)量變差；
　?、谠谡Z(yǔ)音建立階段，解碼端的自適應(yīng)碼本并不能很好地描述基音周期，導(dǎo)致解碼語(yǔ)音建立時(shí)間加長(zhǎng)。
　　ILBC采用了基于初始狀態(tài)的解碼方法，初始碼本是從初始狀態(tài)中得到的，通常都會(huì)包含至少一個(gè)基音脈沖，因而建立時(shí)間較快；同時(shí)，從初始狀態(tài)出發(fā)，既有時(shí)間上前向的預(yù)測(cè)，也有向后的預(yù)測(cè)，因而體現(xiàn)了長(zhǎng)時(shí)預(yù)測(cè)的概念，配合PLC技術(shù)，即使出現(xiàn)丟幀，解碼語(yǔ)音質(zhì)量也不會(huì)有明顯下降。
　　PLC技術(shù)的基本原則是：解碼端若收到正確的幀，則計(jì)算出的LPC系數(shù)和激勵(lì)碼本被存儲(chǔ); 若丟幀，則使用上一個(gè)正確幀中的激勵(lì)信號(hào)，利用基音同步重復(fù)的方法得到本幀解碼信號(hào)。
　　(3) 利用有條件限制的優(yōu)化算法^[3]加強(qiáng)殘差語(yǔ)音。
　　該算法的主要思想是對(duì)要加強(qiáng)的殘差語(yǔ)音塊，尋找其前3個(gè)塊和后3個(gè)塊，用這6個(gè)塊的線性組合逼近當(dāng)前待加強(qiáng)的塊。計(jì)算待加強(qiáng)塊和逼近塊的均方誤差。若誤差足夠小，就把逼近塊作為加強(qiáng)塊；否則，加強(qiáng)塊為待加強(qiáng)塊和逼近塊的線性組合。

4 實(shí)驗(yàn)結(jié)果與性能評(píng)測(cè)
　　圖3是Dynstat公司在具有丟包情況的網(wǎng)絡(luò)環(huán)境下對(duì)ILBC、G729.A、G723.1幾種算法進(jìn)行測(cè)試后的MOS(平均意見得分)對(duì)比圖，可以看出ILBC編碼的語(yǔ)音質(zhì)量整體高于其余兩種編碼，尤其是當(dāng)丟包率較高時(shí)，MOS得分遠(yuǎn)高于另外兩種編碼。
　　為了對(duì)ILBC在丟幀時(shí)仍有良好語(yǔ)音質(zhì)量做出解釋，進(jìn)行了以下實(shí)驗(yàn):
　　(1)在短時(shí)間內(nèi)對(duì)有丟包時(shí)的解碼片斷做分析，如圖4所示。實(shí)驗(yàn)得出，僅有一幀丟失時(shí)，語(yǔ)音的損壞基本上不會(huì)被聽者察覺，當(dāng)出現(xiàn)連續(xù)兩幀以上丟失時(shí)，才會(huì)被察覺。在文獻(xiàn)^[2]中有ILBC與G.729.A的丟幀對(duì)比。

　　(2)初始狀態(tài)編碼是ILBC中的關(guān)鍵步驟，應(yīng)用了標(biāo)量編碼的方式。為使編碼更有效，實(shí)現(xiàn)時(shí)，先用一個(gè)全通濾波器將殘差的動(dòng)態(tài)范圍壓縮，解碼時(shí)再通過(guò)逆濾波恢復(fù)。圖5是對(duì)某一幀語(yǔ)音的殘差分析的結(jié)果，經(jīng)過(guò)多幀測(cè)試發(fā)現(xiàn)，該技術(shù)使殘差的動(dòng)態(tài)范圍減小了約1/3。
　　由于實(shí)時(shí)傳輸?shù)男枰?，算法的時(shí)間復(fù)雜度成為實(shí)際系統(tǒng)實(shí)現(xiàn)時(shí)重要的考慮因素，在PC機(jī)(Celeron 2.7G, 512M內(nèi)存)上對(duì)用ANSI-C實(shí)現(xiàn)的ILBC浮點(diǎn)算法^[1]進(jìn)行運(yùn)算量統(tǒng)計(jì)，可以得到表3的結(jié)果，可以得到①解碼的復(fù)雜度較小，是一種非對(duì)稱的編碼方案；②編碼部分碼本搜索占用了最長(zhǎng)的時(shí)間，成為算法優(yōu)化時(shí)要考慮的關(guān)鍵部分。

?