G．729语音编码算法研究及基于DSP的实现

摘要：对G．729语音编解码算法的原理进行了简要分析，并提出了一种基于DSP芯片TMS320VC5510的语音编解码算法的实现方法。针对算法特征及体系结构的特点，提出了一些有效的优化措施。实验结果表明，运算复杂度大大降低，且在语音的编解码压缩过程中具有很好的重建效果。

关键词：TMS320VC5510；语音编解码；G．729算法；优化

1 G．729算法介绍

由于G．729的算法复杂度较高，ITU提出了G．729的简化版本G．729A，作为G．729的附录Annex A。后来为了进一步提高压缩率，增加了G．729B，即G．729 AnnexB。在G．729B中，主要使用了VAD和CNG技术，使得语音通信中的静音部分进一步压缩。

1．1 G．729A

1．1．1 G．729A编码器

G．729A编码器的框图如图1所示。G．729A编码器由预处理、线性预测分析和量化内插、知觉加权、基音分析、脉冲响应的计算、目标信号的计算、自适应码本搜索、同定码本结构和搜索、增益量化以及参数编码等模块组成。

模拟语音信号经过话路带通滤波和8 kHz采样之后，量化成16位的PCM信号进入编码器，然后根据预处理后的输入信号进行线性预测分析，得到线性预测系数，即线性预测编码LPC(Linear Prediction Code)信息，利用该系数即可构造合成滤波器。激励信号经合成滤波器后生成重构信号，与输入信号相减后得到残差信号。该残差信号经误差加权滤波器处理，根据听觉感受改变频谱，反馈到控制回路，根据使加权残差信号均方差最小的原则确定激励信号及其增益。误差加权滤波器也是根据预测分析所得的LPC信息构造的。

基音分析模块通过自相关分析推得基音周期，据此信息搜素自适应码本，确定最佳自适应码本矢量，得到语音中具有准周期特性的激励；然后再搜素固定码本，根据最小化加权均方差(Mcan Square Error，MSE)的准则确定最佳固定码本矢量，得到语音模型的随机激励信号；最后再确定两个码本矢量的增益Gc和Gp，采用具有共匀框结构的两级码书进行矢量量化。上述过程确定的线性预测编码信息、自适应码本矢量、固定码本矢量和矢量增益构成完整的G．729声码器编码器参数。所有这些参数均以码本索引的形式发往接收端。

1．1．2 G．729A解码器

G．729A解码器结构框图如图2所示。首先从接收到码流中提取参数序号，解码这些序号得10 ms语音帧对应的编码参数。这些参数是线谱对LSP参数、两个分数基音延时、两个固定码本矢量与两组自适应和固定码本增益、每子帧LSP参数被内插并转换为LP(Linear Prediction)滤波器系数，然后以每5 ms子帧为单位合成语音，合成步骤如下：

①自适码本应和固定码本分别乘以各自的增益加起来构成激励。

②激励LP合成滤波器重构语音。

③重构语音信号经过后置处理，包括长时后置滤波、短时合成滤波和高通滤波。最后输出语音信号。

1．2 G．729B

G．729B是对G．729A的进一步优化，其最主要的机制是静音压缩。静音压缩主要涉及两个机制：VAD(Voice Activity Detection)和CNG(Comfort Noise Generation)。VAD主要是用于编码器，用来决定当前帧是否静音；而CNG则主要用于解码器，产生让人耳感觉舒服的噪声。

1．2．1 VAD机制

VAD算法每隔10 ms做一次判决。首先，VAD会从输入帧中提取参数，这些参数包括全带能量、低频带能量、过零率和某个频域参数。在静音段，这些参数的长时平均值随着背景噪声的性质而发生改变。每进来一帧，就要计算当前帧的参数与其长时平均值的差。根据这些差值参数，VAD可以得到初始的判决结果，最后对初始结果进行平滑，得到最终的判决结果。

1．2．2 CNG机制

舒适噪声是用伪白噪声激励内插后的LPC滤波器产生的，就跟解码器对解码后的激励进行滤波产生活动话音一样。激励水平和LPC滤波器是从前一个SID信息中获取的。子帧内插LPC滤波器是用SID的LSP参数作为当前的LSP，然后和前一帧的LSP作内插得到的，与活动帧一样。伪白噪声ex(n)是由跟活动话音同样类型的激励cx1(n)和高斯白噪声激励ex2(n)相加而产生的。G．729激励ex1(n)是由一个小增益的自适应激励和ACELP固定激励组成的，这改善了活动和非活动话音帧之间的跳变。白噪声ex2(n)的引入是为了产生一个更接近于白噪声的信号。在非活动话音期间，因为编码端和解码端需要保持同步，所以激励在两边都要产生。

首先，我们定义目标激励增益Gt为当前帧t合成激励必须要达到的平均能量的平方根。Gt是用下面的平滑公式计算得到的，其中GSID是解码后的SID增益。

每帧的80个样本分成两个长度为40个样本的子帧。对于每一个子帧，CNG激励样本是用下面的算法合成的：

①从间隔[40，103]中随机选择一个基音延迟。

②根据G．729 ACELP码结构随机选择网格、脉冲符号和位置来构建子帧的固定码本矢量。

③计算单位增益的自适应激励信号，记作ea(n)，n=0～39；选择的子帧固定激励被记作ef(n)，n=0～39。

④与活动帧一样，伪白噪声ex(n)是由跟活动话音同样类型的激励ex1(n)和高斯白噪声激励ex2(n)相加而产生的。G．729激励ex1(n)是由一个小增益的自适应激励和ACELP固定激励组成的，这改善了活动和非活动话音帧之间的跳变。高斯白噪声ex2(n)的引入是为了产生一个更接近于白噪声的信号。在非活动话音期间，因为编码端和解码端需要保持同步，所以激励在两边都要产生。

即：

1．3 G．729A+B比特流结构

G．729A的比特流结构如表1所列。

由于G．729B引入了VAD和CNG，与G．729A相比码流结构增加了SID(Silence Insettion Descrtptor)，其中带有静音的信息。SID的码流结构如表2所列。

2 基于DSP的系统实现方案

2．1 硬件平台设计

TMS320VC5510是一款16位定点数字信号处理器，具有较高的操作灵活性和运行速度；同等条件下其内核的功耗仅为54系列DSP的1／3，而且具有更高的代码执行效率，其指令也与54系列的相互兼容，可以很方便地进行代码的移植，它的最高数字信号的处理能力为200 MIPS，能够很好地满足本平台对运算的要求。本系统基于多片DSP处理器，实现多路话音的G．729(以下将G．729A+B简称为G．729)编解码，同时DSP通过HPI接口与上位机进行通信，并接受上位机的控制，DSP的PCM数据由FPGA进行协调，比特流数据的收发可以由FPGA进行协调或由HPI接口进行操作。整个系统的硬件平台如图3所示。

本设计首先将上位机来的IP包进行解包，再进行G．729编码到PCM编码的转换，得到的PCM信号送往FPGA内的TDM交换矩阵做时隙交换或实现会议功能，再将需要输出的PCM信号作编码转换，封装成IP包后发往上位机。

2．2 系统软件设计

本设计中McBSP0口接收数据处理，主要进行话音编码，并将编码比特流从HPI接口送出，HPI接口接收数据处理，主要进行话音解码，并将解码后的PCM数据从McBSP0口送出。软件系统为了保证McBSP0和HPI接口接收数据的正常处理，还需实现一些辅助功能模块包括：系统初始化模块、支持系统在线配置的模块以及系统收发数据的同步检测模块。系统软件流程如图4所示。

2．2．1 编码过程

G．729编码器的流程如图5所示。首先，编码器会初始化，主要是初始化各缓冲区；然后编码器对输入的原始语音信号进行预处理，包括高通滤波和幅度减半。其中，高通滤波的截止频率为140 Hz，它是一个二阶的零极点滤波器，目的是要去除输入信号中的低频十扰。对输入信号进行预处理以后，编码器开始编码，这是通过调用汇编函数Coder_ld8a实现的；编码产生的参数使用函数prm2bits转化为比特流，送到信道里传输。

2．2．2 解码过程

G．729解码器流程如图6所示。与编码器类似，解码器首先要进行初始化，特别是初始化缓冲区；接着解码器从输入码流中提取参数；由于码流在信道的传输过程中可能发牛错误，所以从码流中提取得到参数后应该进行奇偶校验，以确定参数是正确的；通过了奇偶校验后，解码器正式开始解码，这是通过调用汇编函数Decod_ld8a实现的；解码重建语音信号后，还应该进行后滤波和后处理。其中，后处理起高通滤波和幅度翻倍的作用。

3 系统编解码算法性能测试

编解码算法性能包括两方面：运算量和存储要求。要达到高性能，不仅要运算量低，而且存储器使用也要少。表3和表4分别列出了编解码器的运算量和存储器使用情况。

为了验证编解码器是否正确，采用了如下测试程序进行验证：

结语

本设计中基于TMS320VC5510的语音编解码系统整体运算量为45 MIPS，传输速率8 kb／s，压缩比为16／1，合成语音的质量主观评价分MOS分达4．0。此系统工作稳定可靠，有较高的实用价值。