ITU-T G.728标准(2)

被用于样值索引小于m的所有以前的样值，如图A.4（b）。设在混合窗函数中有N个非递归样值，则信号样值su(m?1),su(m?2),?,su(m?N)全部被这个窗的非递归部分加权。从，样值左边的所有信号样值被这个窗的递归部分加权，su(m?N?1)开始（包括这个样值）有值b，?,?2,?,这里，0

在时刻m，混合窗函数wm(k)被定义为：

-[k-(m-N-1)], k≤m-N-1,?fm(k)=b??wm(k)=?gm(k)=-sin[c(k-m)], m-N≤k≤m-1 (A.3.1)

??0, k≥m窗加权信号是：

-[k-(m-N-1)] k≤m-N-1?su(k)fm(k)=su(k)b??sm(k)=sw(k)wm(k)=?su(k)gm(k)=-su(k)sin[c(k-m)], m-N≤k≤m-1

??0, k≥m(A.3.2)

非递归部分gm(k)的样值和递归部分fm(k)的起始段对不同的混合窗在附件A中被专门说明。对一个M阶LPC分析，我们需要计算M+1个自相关系数Rm(i), i?0,1,2,?,M，对当前自适应周期，第i个自相关系数能被表示为：

Rm(i)?k???m?N?1?smm?1m(k)sm(k?i)?rm(i)?m?N?1k?m?N?sm?1m(k)sm(k?i) (A.3.3)

这里， rm(i)?k????s(k)sm(k?i)?k????su(k)su(k?i)fm(k)fm(k?i) (A.3.4)

在方程（A.3.3）的右边，第一项rm(i)是Rm(i)的“递归部分”，而第二项是“非递归部分”，对于每个自适应周期都要计算非递归部分的有限和。另一方面，递归部分被递归计算。下面来说明怎样做。

假定我们对于当前的自适应周期已经计算和储存了所有的rm(i)，想要继续下一个自适应周期，它是从采样su(m?L)开始的。混合窗被右移L个采样，对下一个自适应周期，这个新的窗加权信号变成：

sm+L(k)=su(k)wm+L(k)L?su(k)fm+L(k)=su(k)fm(k)?, k≤m+L-N-1;?=?su(k)gm+L(k)=-su(k)sin[c(k-m-L)] m+L-N≤k≤m+L-1 ??0, k≥m+L (A.3.5) Rm?L(i)的递归部分被写作

244

m?L?N?1rm?L(i)? ? ?k???m?N?1k????sm?L(k)sm?L(k?i)m?L?N?1sm?L(k)sm?L(k?i) ?sm?L(k)sm?L(k?i)?k??m?NL(A.3.6)

m?N?1su(k)fm(k)??k???2Lm?L?N?1su(k?i)fm(k?i)?Lm?L?N?1?sm?L(k)sm?L(k?i)?k?m?N或 rm?L(i)??rm(i)?k?m?N?sm?L(k)sm?L(k?i) （A.3.7）

因此，rm?L(i)能从rm(i)方程（A.3.7）递归计算。这个新计算出的rm?L(i)送回存储器以为下一个自适应周期所使用。然后，自相关系数Rm?L(i)由下式计算：

m?L?1Rm?L(i)?rm?L(i)?m?Lk?m?L?N?s(k)sm?L(k?i) （A.3.8）

迄今，我们已以一般方法描述了混合窗的计算方法。对图A.4(a)中的模块36中的混合窗，参数值是M=10，L=20，N=30，

?=(0.5)1/40=0.982820598 （因为?2L=1/2）

用上边描述的混合窗方法计算了11个自相关系数R（i）后（i?0,1,?,10)，一个“白噪声”相关方法被应用，通过一个小量来增加能量R（0）：

R(0)?(257)R(0) (A.3.9)

256这样做有一个作用，即用白噪声来填充谱谷以便降低谱动态范围和缓和后续 Levinson-Durbin递推的不良条件。白噪声相关因子257/256对应于大约24dB的白噪声电平，这个电平低于平均语音能量。

其次，应用白噪声修正自相关系数，Levinson-Durbin递推模块37递归地计算了1～10阶预测器的系数。令第i阶预测器的第j个系数为aj，则递归方法可如下描述：

E(0)?R(0) （A.3.10）

R(i)?ki??(i)?aj?1i?1(i?1)jR(i?j) （A.3.11）

E(i?1)ai(i)?ki （A.3.12）

aj(i)?aj(i-1)(i-1) （A.3.13） ?ki ai-j, 1≤j≤i-1 2E(i)?(1?ki)E(i?1) （A.3.14）

方程（A.3.11）到（A.3.14）对i?1,2,?,10递归计算，最终的解可给出：

qi=ai(10),1≤i≤10 （A.3.15）

245

如果我们定义q0?1，则10阶“预测误差滤波器”（有时被称作“分析滤波器”）有如下的传递函数

~Q(z)??qiz （A.3.16）

i?010?i10?i相应地，10阶线性预测器用下列传递函数定义：

Q(z)???qiz （A.3.17）

i?1感觉加权滤波器系数计算（块38）根据下列方程来计算感觉加权滤波器系数：

W(z)?1-Q(z/?1), 0??2??1≤1 （A.3.18）

1-Q(z/?2)10i?ii?1Q(z/?1)???(qi?1)z （A.3.19） Q(z/?2)???(qi?2)z （A.3.20）

i?110i?i感觉加权滤波器是在方程（A.3.18）中用传递函数W（z）定义的一个10阶零–极滤波器。?1和?2的值分别是0.9和0.6。

参考图A.2，感觉加权滤波器调节器（块3）根据方程（A.3.17）至（A.3.20）周期地更新W（z）的系数，再把这些系数馈送到冲激响应矢量计算器（块12）和感觉加权滤波器（块4和块10）。

3.4 感觉加权滤波器

在图A.2中，当前输入语音矢量s(n)通过感觉加权滤波器（块4），成为加权的语音矢量v(n)。注意，除了在预置期间，滤波器存储值（即内部状态变量，或被保留在滤波器延迟单元的值）在任何时间不应再置为0。换句话说，感觉加权滤波器（块10）的存储器将需要下面描述的特殊处理。

3.4.1 非语音操作

对调制解调器信号或其它非语音信号，CCITT测试结果表明，最好不用感觉加权滤波器，这等于置 W（z）=1。如果在方程（A.3.18）中，?1和?2被设为0，就很容易地得到了这个结果。在语音方式下这些变量的标称值是0.9和0.6。

3.5 综合滤波器

在图A.2中，有两个具有同样系数的综合滤波器（块9和块22），这两个滤波器被后向综合滤波器调节器（块23）更新。每一个综合滤波器是一个50阶全极点滤波器，该全极点滤波器由一个在反馈支路中具有50阶LPC预测器的反馈环组成。综合滤波器的传递函数是

246

F（z）=1/[1-P（z）]，这里的P（z）是50阶LPC预测器的传递函数。

如果已获得加权语音矢量v(n)，则用综合滤波器（块9）和感觉加权滤波器（块10）产生一个零输入响应矢量r(n)。为做到这一点，我们首先打开开关5，即把它指向节点6。这意味着从节点7到综合滤波器9的信号将是零。然后我们让综合滤波器9和感觉加权滤波器10构成5个采样（1个矢量）的“环”。这意指我们继续对五个采样信号和节点7的零信号进行操作。加权滤波器10的输出结果就是期望的零输入响应矢量r(n)。

3.6 VQ目标矢量计算

这个块从加权的语音矢量v(n)减去零输入响应矢量r(n)，以获得VQ码书搜索目标矢量x(n)，即x(n)?v(n)?r(n)。

3.7 反向自适应综合滤波器

这个调节器23调整综合滤波器9和22的系数。它把量化的（合成的）语音做为输入，产生一组综合滤波器系数做为输出。它的操作类似于感觉加权滤波器调节器3。

这个调节器的流程说明示于图A.5，混合窗模块49和Levinson-Durbin递推模块50的操作除下列三点与图A.4(a)中模块36和37的计算部分不同外，其余完全相同：

a． 现在的输入信号是量化（合成）语音，而不是未量化（原始）输入语音； b． 预测器阶数是50而不是10；

c． 混合窗参数不同：N=35，?=(3/4)1/40=0.992833749

注意：更新周期仍然是L=20，白噪声相关因子仍然是257/256=1.00390625。

量化语音2349混合窗50Levinson-Durbin递推计算51带宽扩展模块综 合滤波器系数图A.5 综合滤波器系数更新

?(z)表示50阶LPC预测器的传递函数，则它有形式 令P?i?(z)???a?iz (A.3.21) Pi?150?i是预测器系数。 这里a为改善信道对误差的鲁棒性，把这些系数作微小的改动，以便LPC谱的峰值宽度稍微增

?i，一组新的ai根据大。带宽扩张模块51按下列方法执行带宽扩张。已给LPC预测器系数a下式得到：

247

?i, i=1,2,?,50 (A.3.22) ai=?ia这里 ??253?0.98828125 (A.3.23) 256这样，通过一个?的因子，就能把综合滤波器的所有极点快速地向原点移动。因为这些极点离开了单位圆，频域响应的峰就被加宽了。

这样的带宽扩张以后，变化了的LPC预测器的传递函数为：

P(z)???aiz (A.3.24)

i?150?i接着，改变的系数被传送到综合滤波器9和22，这些系数也被传送到冲激响应矢量计算器12。

综合滤波器9和22有传递函数为：

F(z)?1 (A.3.25) 1?P(z)类似于感觉加权滤波器，综合滤波器9和22也是每4个矢量更新一次，更新也发生在每4个矢量自适应周期的第三个语音矢量，但是，更新正是建立在一个自适应周期的量化语音矢量基础上，或者说，更新发生前引进了两个矢量的延迟。这是因为Levinson-Durbin递推模块50和能量表计算器15（后边介绍）在计算上过于集中。结果，虽然以前量化语音的自相关在每4个矢量周期的第一个矢量是有效的，但计算可能要求不只一个矢量的时间，因此，为保持一个矢量的基本缓冲体积（为使编码延迟短），和维持实时操作，在滤波器更新中，一个2-矢量延迟被引进，以利于实时实现。

248