高清語音技術(WBS)及其在手機和藍芽耳機中的實現

標籤：uid   十分   計算   完成   進階   藍芽耳機   發送   配置   blog   

高清語音也被稱為寬頻語音，是一種能為蜂窩網路、行動電話和無線耳機傳輸高清、自然語音品質的音頻技術。與傳統的窄帶電話相比，高清語音很大程度上提高了語音品質，減少了聽覺負擔。

通訊產業鏈上的所有網路和裝置都需支援高清語音才能體現出該技術的優點。到2011年6月為止，18個國家運營的20種蜂窩網路，以及33家領先的手機品牌都已支援高清語音。通過部署自適應多速率寬頻(AMR-WB)語音編碼，GSM, WCDMA(UMTS)和LTE蜂窩網路中已經引入了高清語音。此外， 通過使用改良的子帶編碼(mSBC)語音編解碼技術，無線藍芽耳機也開始支援高清語音，將免提通話與高語音品質結合在了一起。

高清語音的優點同樣可以在現有網路中體現出來。隨著窄帶網路和裝置向高清語音過渡，一種名為頻寬擴充(BWE)的語音處理技術可以用來在接收終端裝置上類比類似於高清語音的通話品質，為不支援高清語音的裝置提供了一個折中的解決方案。

從窄帶到高清語音

傳統電話系統的頻寬被限制在大約300Hz到3.4kHz的音頻頻率範圍內(圖表1)，這一範圍通常被稱為窄帶語音。儘管現在的電話系統是數字式的，但其還是傳承了與傳統類比系統相同的頻寬。從語音品質的角度來看，窄帶語音缺乏自然語音逼真度，常常被形容為單薄和模糊不清。儘管如此，窄帶頻率範圍內完整語句的語音辨別度大概是99%。

高清語音在採樣頻率為16kHz時音頻頻寬大約為50Hz至7kHz，因此與窄帶語音相比具有更清晰的語音訊號。雖然寬頻語音並沒有顯著提高語音清晰度，但是窄帶範圍之外的3.4kHz至7kHz提高了單詞中的摩擦音(例如f、s和th) 的識別度。寬頻語音能夠提供更加自然真實的語音，在主觀音頻品質方面比窄帶語音有了顯著的提高。高清語音擴充出的50Hz至300Hz的低頻降低了窄帶語音尖細的特點，而擴充出的高頻則提高了發音清晰度。

在主觀語音品質聽力測試中，寬頻語音在平均意見得分(MOS)中得到4.5分，而窄帶語音則為3.2分(1分為品質差，5分為優秀)。寬頻語音品質的提高減少了聽力負擔和聽者的疲勞，特別是當聽者處於嘈雜的環境下。移動網路電訊廠商Orange在其網站上提供了一個音頻樣本作為高清語音優點的例證。2010年6月Orange公司所做的另一項調查進一步向終端使用者證明了高清語音的價值：

* 96%的客戶對高清語音通話表示滿意；

* 86%的測試者表示，相容高清語音將是他們未來購買手機時的一個選擇標準；

* 76%的測試者願意更換手機以獲得高清語音功能。

此外，2006年愛立信和T-Mobile進行的使用者試用調查也證實了高清語音的優點。在150個抽樣使用者中，超過70%的人認為使用了高清語音手機後通話品質更好，在嘈雜的環境中對話品質有所提高。

使用高清語音需要語音通訊系統中的所有環節都支援寬頻語音頻率範圍。採用高清語音技術的關鍵是在蜂窩網路和手持電話中協同部署AMR-WB編解碼。作為一種寬頻語音編碼，AMR-WB的有效音頻頻寬是窄帶編碼AMR-NB的兩倍。要完成一個高清語音通話，基站和手持電話之間協同傳輸以AMR-WB編碼的語音，在這一過程中沒有進行語音修改或從終端到終端的轉換編碼。如果高清語音連線無法實現，系統就會取而代之使用窄帶AMR-NB編碼。

擴充語音頻寬

可以預計，在引入高清語音的過程中，通訊系統中的某些環節會因無法支援而將語音轉換為窄帶頻率，這實際上是在降低語音品質，增加聽力負擔。人工頻寬擴充(BWE)通過在通訊系統的終端環節為窄帶語音訊號加入人工產生的語音內容，彌補在傳輸過程中損失的高頻和低頻語音內容。通過這種方法，BWE將高清語音的優勢拓展到了窄帶和過渡的混合頻寬的語音通訊系統中。

BWE演算法使用產生語音的聲源過濾模型來估算和產生擴充頻率範圍內的語音內容。根據該模型，語音是由一個聲源(例如聲帶)再加上一個類比聲道的模型產生的。BWE演算法根據窄帶語音估算出一個寬頻聲源模型，然後利用該模型的參數估算出其丟失的寬頻頻率內容。在實際應用中，BWE獨立於源編碼和發送路徑處理過程的，因此它可以與傳統的窄帶和混合頻寬的電話網路共存。

BWE主要應用於藍芽耳機和免提裝置。在這些裝置的接收終端上，窄帶CVSD編碼語音訊號首先進行解碼，然後經過BWE的處理產生給受話方的擴充頻寬語音訊號。BWE也可以應用在高清語音電話網路上，將語音訊號擴充到頻寬為14kHz的超寬頻(SWB)頻率範圍。

高清語音和音效增強

將高清語音和音效增強處理方法(如雜訊抑制(NS)，回聲消除(AEC) )結合在一起可以改善在雜訊環境下的語音清晰度，並可以提高整體通話品質。雜訊抑制技術能夠分析摻雜了噪音的對話，並清除噪音，增加語音辨別度。 雜訊抑制演算法通過大量頻點估算出雜訊功率譜密度，然後將雜訊從對話出抽取出來。與窄帶的處理相比，寬頻雜訊抑制在計算雜訊頻譜時包含了更多的頻點資料來壓縮擴充頻率範圍內的雜訊。除雜訊抑制外，回聲消除處理方法能消除發話者和麥克風之間的聲音耦合所產生的迴音訊號。回聲消除的工作原理是從麥克風接收到的訊號中分離出一個經過過濾和延遲的副本。回聲消除技術能夠計算出寬頻語音中的自適應過濾係數。

藍芽耳機中的高清語音

由於當前藍芽耳機已經成為免提移動通話的流行配置，因此它們能夠相容高清語音是十分重要的。這一功能已經通過藍芽mSBC語音轉碼器變為現實。

藍芽進階音頻分發模型(A2DP)規定使用子帶編碼(SBC)為強制音頻編解碼系統，以保證手持電話和耳機間的互通性。SBC是一種低複雜度的編解碼技術，壓縮比率適中，支援16kHz, 32kHz, 44.1kHz和48kHz的採樣率，也因此成為藍芽高清語音的當然之選。對於16kHz的寬頻語音而言，SBC能以64kbps資料速率對其進行4:1的壓縮。但是，當SBC編碼幀通過藍芽傳輸時，它可能與底層藍芽資料包不相匹配。因此，mSBC編解碼技術被開發用於匹配SBC和藍芽資料包，並於2011年5月被定義為Bluetooth Hands-Free Profile 1.6中的強制編解碼方式。

在編解碼效能方面，mSBC可與ITU-T G.722相媲美，這一寬頻語音編解碼系統通常被用來作為新編解碼系統的品質評判參考。一般來說，mSBC在無差錯語音訊號方面的客觀音頻品質得分比G.722更高。mSBC編碼系統也在多重編碼/解碼通道方面保持了比G.722更高的平均語音品質水平。

小結

與傳統窄帶語音傳輸相比，高清語音提供了十分優秀的語音品質，減少了在嘈雜環境中的聽力負擔。在聽力測試和使用者試用中，高清語音都表現出了顯著優勢。可以通過在蜂窩網路和手持電話中部署AMR-WB語音編解碼系統、在藍芽耳機中部署mSBC語音編解碼系統來實現高清語音。此外，手持電話和耳機中採用雜訊抑制和迴音消除等語音處理演算法能夠使高清語音體驗更佳。隨著網路電訊廠商和裝置生產商逐漸將高清語音引入消費市場，藍芽耳機上的頻寬擴充處理方法能夠將高清語音的優點帶給窄帶和混合頻寬的蜂窩網路使用者。 

附錄：

窄帶與寬頻音訊特徵如下：

CVSD: pcm: 8kHz, 16 bits, 1 channel.

          compression ratio: 16 (controller encoding)

          insert ratio: 8

          pcm data rate= 16kB/s =8K*16/8

          CVSD data rate=8kB/s =16kB/s* 8/16

           air data: CVSD

mSBC: pcm 16kHz, 16 bits, 1 channel.

          compression ratio: 4 (host encoding: 240->60)

          pcm data rate= 32kB/s

          mSBC data rate=8kB/s = 32kB/s / 4

           air data: transparent data (mSBC)

 

參考文檔：

1 http://blog.chinaunix.net/xmlrpc.php?r=blog/article&uid=21411227&id=5748646 

高清語音技術(WBS)及其在手機和藍芽耳機中的實現