?

完成了g723源代碼的分析,現(xiàn)作一些整理

1 信號高通濾波 Rem_Dc:

?

這個函數(shù)做高通濾波用的.將低頻噪聲濾除

濾波器的系統(tǒng)函數(shù)為

H(z)=(1-z^(-1)) / (1 - (127/128)*z^(-1))

將 單位圓上的值代入(即:cos(a)?+?sin(a)*i)

可以看出這個函數(shù)在π達到峰值,在 0 和 2π處是谷值,明顯是高通濾波

?

迭代公式如下

y[n] = x[n] - x[n-1] + (127/128) * y[n-1]

為了避免出現(xiàn)除法運算,所有的值都擴大了

?

x[n] - x[n - 1] 即為itu代碼中的fir部分

(127/128) * y[n-1] 即iir部分

?

我們來看看濾波代碼:

?? ? ? ? ? ?/* Do the Fir and scale by 2 */

?? ? ? ? ? ?Acc0 = L_mult( Dpnt[i], (Word16) 0x4000 ) ; //lsc 乘 128 * 128 * 2

?? ? ? ? ? ?Acc0 = L_mac ( Acc0, CodStat.HpfZdl, (Word16) 0xc000 ) ; //lsc 乘-128 * 128 * 2 + acc0 ? 0xc000是 -128 * 128的補碼

?? ? ? ? ? ?CodStat.HpfZdl = Dpnt[i] ; //lsc 完成濾波器零點部分運算 acc0 = 256 * 128 * x[n] - 256 * 128 * x[n-1]?

?

?? ? ? ? ? ?/* Do the Iir part */

?? ? ? ? ? ?Acc1 = L_mls( CodStat.HpfPdl, (Word16) 0x7f00 ) ; //lsc y[n-1] * (127 * 256 / 128 * 256) ?y[n - 1]在第一輪計算中已經(jīng)和x[n]處于一個數(shù)量級了

?? ? ? ? ? ?Acc0 = L_add( Acc0, Acc1 ) ; ?//lsc 完成零極點和,完成了整個濾波運算, 顯然,這里的運算結(jié)果擴大了 256 * 128倍

?? ? ? ? ? ?CodStat.HpfPdl = Acc0 ; ? //lsc 保存y[n] 至寄存器,形成下一步運算的y[n-1]

?? ? ? ? ? ?Dpnt[i] = round(Acc0) ; ? //lsc 取出運算結(jié)果的高16位

?

最終的結(jié)果是 輸入信號縮小了一半

?

從另一個分支也可以看出

?? ? ? Dpnt[i] = shr( Dpnt[i], (Word16) 1 ) ;

如果不做高通濾波,就直接把信號縮小一半

?

?

補充說明?

L_mult 計算兩個相乘，并將結(jié)擴大2倍

L_mac(var1, var2, var3) 令后兩個參數(shù)var2, var3相乘，并擴大兩倍,再與第一個參數(shù)var1相加,

為了使加法運算在同一個數(shù)量級 var1必須預(yù)先擴大2倍

L_mls(var1,var2) 完成var1 var2的乘法,運算是這么進行的,先計算var1低16與 var2的乘法,再計算var1高16與var2乘法結(jié)果

對低16的計算結(jié)果做一些舍棄,最終的結(jié)果是縮小至真實乘法值的2^(-15)

round 取出一個數(shù)的高16位

?

?

?

?

2 計算lpc系數(shù) Comp_Lpc

?

程序會保留之前幀的120個樣點,與當前幀的240個樣點,組合成一個新數(shù)組,lpc系統(tǒng)是針對這個數(shù)組進行計算的

lpc系數(shù)分四組運算,每組取180個樣點,組與組之間存在著120個樣點的交疊

?

ShAcf_sf[k] = Vec_Norm( Vect, (Word16) LpcFrame ) ;

這段代碼對信號進行歸一化處理,即找出絕對值最大的輸入信號,將其歸一化,即計算該輸入信號移到"最大"值所需要

左移次數(shù)n,然后將180個樣點進行左移n-3,完成了歸一化,該函數(shù)同時返回 n-3,(實際上是保留了"3空位",可能是為了防上后繼計算出現(xiàn)溢出)

?

可以看到itu使用了海明窗對信號進行截取,

窗函數(shù)的作用:截取信號,并盡量不影響信號的頻域特性,所以窗函數(shù)的頻域特性,應(yīng)該是主瓣窄,并且旁瓣低,由于

同時滿足兩者有沖突,比如頻域上是個沖激(這是最理想的,不會改變信號的任何頻域特性),但在時域則為無窮個點,這種窗顯然沒有任何實際意義

于是數(shù)學(xué)家們設(shè)計了一些窗函數(shù),分別適用于某種特定應(yīng)用場合,海明窗是其中的一個

?

itu中的海明窗是放大了2^15的,對應(yīng)的乘法則縮小2^(-15),所以加窗過程沒有數(shù)值做任何放大

加窗代碼如下

?? ? ? ?/* Apply the Hamming window */ //對信號加一個海明窗

?? ? ? ?for ( i = 0 ; i < LpcFrame ; i ++ )

?? ? ? ? ? ?Vect[i] = mult_r(Vect[i], HammingWindowTable[i]) ;

?

然后計算零時自相關(guān),即能量,根據(jù)柯西定理,也可以知道,零時自相關(guān)是所有自相關(guān)里絕對值最大的

代碼如下

?? ? ? ?/* Compute the zeroth-order coefficient (energy) */ //lsc 零時自相關(guān),即能量

?? ? ? ?Acc1 = (Word32) 0 ;

?? ? ? ?for ( i = 0 ; i < LpcFrame ; i ++ ) {

?? ? ? ? ? ?Acc0 = L_mult( Vect[i], Vect[i] ) ;

?? ? ? ? ? ?Acc0 = L_shr( Acc0, (Word16) 1 ) ;

?? ? ? ? ? ?Acc1 = L_add( Acc1, Acc0 ) ;

?? ? ? ?}

可以看出,計算結(jié)果沒有做任何放大,能量還會加1/1024噪聲能量

?

然后將能量歸一化

?? ? ? ?/* Normalize the energy */ ?//acc1,能量歸一化,即左移至頂,需要多少次乘2

?? ? ? ?Exp = norm_l( Acc1 ) ;

?? ? ? ?Acc1 = L_shl( Acc1, Exp ) ;//能量歸一化

取出歸一化后能量的高16位

?? ? ? ?curAcf[0] = round( Acc1 ) ; //取出能量的高16位

如果能量的高16位為零(即能量為零),所有的自相關(guān)都認為是零

?

計算10個自相關(guān)系數(shù),用于萊文森-德賓遞推公式使用,代碼片段如下:

?? ? ? ? ? ?for ( i = 1 ; i <= LpcOrder ; i ++ ) {

?? ? ? ? ? ? ? ?Acc1 = (Word32) 0 ;

?? ? ? ? ? ? ? ?for ( j = i ; j < LpcFrame ; j ++ ) {

?? ? ? ? ? ? ? ? ? ?Acc0 = L_mult( Vect[j], Vect[j-i] ) ;

?? ? ? ? ? ? ? ? ? ?Acc0 = L_shr( Acc0, (Word16) 1 ) ;

?? ? ? ? ? ? ? ? ? ?Acc1 = L_add( Acc1, Acc0 ) ;//lsc 計算自相關(guān),沒有任何放大

?? ? ? ? ? ? ? ?}

?? ? ? ? ? ? ? ?Acc0 = L_shl( Acc1, Exp ) ;/* lsc 已經(jīng)歸一化 */

?? ? ? ? ? ? ? ?Acc0 = L_mls( Acc0, BinomialWindowTable[i-1] ) ;/* 一個二項式窗函數(shù) 為何要加??? --- 加窗后的值應(yīng)該沒有做改變的 */

?? ? ? ? ? ? ? ?curAcf[i] = round(Acc0) ;//lsc 取出高16位

?? ? ? ? ? ?}

?? ? ? ? ? ?/* Save Acf scaling factor */

?

?? ? ? ? ? ?ShAcf_sf[k] = add(Exp, shl(ShAcf_sf[k], 1));

?? ? ? ? ? ?//lsc歸一化的時候,本身移動了ShAcf_sf[k],而自相關(guān)為歸一化后的信號相乘,意味著

?? ? ? ? ? ?//得到的結(jié)果本身已經(jīng)擴了2^(ShAcf_sf[k]*2),歸一化又移動了Exp,自然要更新相應(yīng)的ShAcf_sf[k] = ShAcf_sf[k] * 2 + Exp

?

?

?

Durbin --- 萊文森-德賓遞推算法,求出10個lpc系數(shù)

呼叫時傳入的參數(shù)

?? ? ? ?Durbin( &UnqLpc[k*LpcOrder], &curAcf[1], curAcf[0], &Pk2 );

第一個參數(shù)不解釋了,將記錄Durbin函數(shù)計算得到的10個lpc系數(shù)

&curAcf[1] 為自相關(guān)系數(shù)組,用于萊文森-德賓遞推,curAcf[0]為零時自相關(guān),即能量,做為

遞推時分母的第一個因子,Durbin函數(shù)的返回值,為殘差信號的能量 &Pk2記錄部分相關(guān)系數(shù)k(該參數(shù)似乎是在生成舒適噪音時才使用的)

?

?

萊文森-德賓遞推公式證明:

?

首先從lpc系數(shù)的求解開始說吧

?

我們假定 s[n]是輸入的語音信號

s`[n]是10階預(yù)測信號

s`[n] = a10 * s[n - 10] + a9 * s[n - 9] + ... + a1 * s[n - 1]

?

我們?nèi)`[n] 與 s[n] 方差最小值

?

(s[n] - s`[n])^2 ? ^2表示平方

然后對每個 a[i]求偏導(dǎo)，自然就得到了一個10元一次方程組,表示

?

10

Σa[i] * R(|k-i|) = R(k) ?k = 1,2,...,10 ?R(k)表示輸入信號的自相關(guān) --- ?方程組1

i=1

?

即萊文森-德賓遞推公式就是一種適合于計算機實現(xiàn)的解這個10元一次方程組的算法

?

?

下面提到內(nèi)積和正交的概念

A(z) B(z)分別表示前向預(yù)測與后向預(yù)測的逆濾波器的系統(tǒng)函數(shù)

則它們關(guān)于輸入s[n]的內(nèi)積這么定義

?10 11 ? ? ? ? ??

?Σ Σ a[i]*b[k] R(|i-k|) ? R(n)同樣表示輸入信號s[n]的自相關(guān)函數(shù)

i=1 k=1

?

記作 <A(z),B(z)>

如果內(nèi)積為零，則被稱之為正交

?

這里可以立即得出這么一個結(jié)論

?

<A(z), z^(-l)>一定為零,這個參見方程組1?

也就是說A(z)與z^(-l) l=1,2,...10正交時,A(z)是該階次下最優(yōu)估計的逆濾波器

?

開始遞推,首先從零開始,零階時,啥都沒有

最優(yōu)的逆濾波器自然就是

A0(z)=1

B0(z)=z^-1

?

構(gòu)造出遞推公式

A[i](z) = A[i-1](z) + ki * B[i - 1](z)

B[i](z) = z^-1{ B[i - 1](z) + ki * A[i-1](z) } ? ? ? ? ?----- 等式2

?

其中 ki = -{ <A[i-1](z),B[i - 1](z)> } / { B[i - 1](z), B[i - 1](z) } ?---- 等式1

?

現(xiàn)在只需要證 A[i](z) 與 z^-i正交即可 (當然B[i](z)也要與z^-i,兩個證明的過程差不多)

將A[i](z) = A[i-1](z) + ki * B[i - 1](z)代入 <A[i](z), z^-i>

我們立該得到

<A[i-i](z), z^-i> + ki<B[i - 1](z), z^-i> = 0;

求出滿足這個條件的ki就是了

<A[i-i](z), z^-i> 實際上與 <A[i-i](z), B[i-1](z)>是相等的,為什么呢？

因為A[i-1](z)是最優(yōu)估計，那它一定與 z^-l (l=1,2,...,i-i)正交,而 B[i-i](z)的最高階系數(shù)是1...

同理<B[i - 1](z), z^-i> 與<B[i-i](z), B[i-1](z)>也是相等的...

自然ki就是等式1的那種形式,

?

萊文森-德賓遞推公式至此證明完畢

?

ki遞推公式化簡

?? ? ? ? ? ? ? ? ? ? ?i-1

分子可以化簡為 R[i] + Σ a(m-1)[n] * R(|l-i|) 這個可以用<A[i-i](z), z^-i> 直接推導(dǎo)出

?? ? ? ? ? ? ? ? ? ? ?l=1

?

分母可以化簡為 (1-k(l)^2)*(1-k(l-1)^2) ... (1-k(1)^2)*R(0)

這是由于 <z^-1 * F(z), z^-1 * G(z)> = <F(z), G(z)> = <F(1/z), G(1/z)> 由內(nèi)積的定理可以直接證出

用 <B[i](z), B[i](z)> ?等式2進行代換,再進行相應(yīng)的合并同類項處理,就可以得到化簡后的分子

?

遞推過程中,相應(yīng)的更新每一輪的自相關(guān)系數(shù):

a(i+1)(j) = ai(j) + k ai(m-j)?

這個是從 A(i+1)(z) = Ai(z) + k Bi(z),推出的

我們可以證明 Bi(z) 的系數(shù) 與 Ai(z)的系數(shù)時"相反"的, 即把 Ai(z)的系數(shù)逆序排序其實就是Bi(z)的系數(shù)

?

?

Durbin函數(shù)代碼如下:

?

Word16 ?Durbin( Word16 *Lpc, Word16 *Corr, Word16 Err, Word16 *Pk2 )

{

?? ?int ? i,j ? ;

?

?? ?Word16 ? Temp[LpcOrder] ;

?? ?Word16 ? Pk ;

?

?? ?Word32 ? Acc0,Acc1,Acc2 ;

?

?/*

??* Initialize the LPC vector

??*/

?? ?for ( i = 0 ; i < LpcOrder ; i ++ )

?? ? ? ?Lpc[i] = (Word16) 0 ;

?

?/*

??* Do the recursion. ?At the ith step, the algorithm computes the

??* (i+1)th - order MMSE linear prediction filter.

??*/

?? ?for ( i = 0 ; i < LpcOrder ; i ++ ) {

?

/*

?* Compute the partial correlation (parcor) coefficient

?*/

?

?? ? ? ?/* Start parcor computation */

?? ? ? ?Acc0 = L_deposit_h( Corr[i] ) ;/* 將值擴至32位,對應(yīng)遞推中的R(m)值 */

?? ? ? ?Acc0 = L_shr( Acc0, (Word16) 2 ) ;/* 右移2位,縮小4倍,因為L_msu擴了2 ??? */

?? ? ? ?for ( j = 0 ; j < i ; j ++ )

?? ? ? ? ? ?Acc0 = L_msu( Acc0, Lpc[j], Corr[i-j-1] ) ;/* 即ai * R(|i-m|),acc0就是k的分子 */

?? ? ? ?Acc0 = L_shl( Acc0, (Word16) 2 ) ;

?

?? ? ? ?/* Save sign */

?? ? ? ?Acc1 = Acc0 ;

?? ? ? ?Acc0 = L_abs( Acc0 ) ;

?

?? ? ? ?/* Finish parcor computation */

?? ? ? ?Acc2 = L_deposit_h( Err ) ;

?? ? ? ?if ( Acc0 >= Acc2 ) {

?? ? ? ? ? ?*Pk2 = 32767;

?? ? ? ? ? ?break ;

?? ? ? ?}

?

?? ? ? ?Pk = div_l( Acc0, Err ) ;/* lsc k的分子除分母 得出k pk就是k */

?

?? ? ? ?if ( Acc1 >= 0 )

?? ? ? ? ? ?Pk = negate(Pk) ;//lsc 負負得正,正負得負

?

?/*

??* Sine detector

??*/

?? ? ? ?if ( i == 1 ) *Pk2 = Pk;

?

?/*

??* Compute the ith LPC coefficient

??*/

?? ? ? ?Acc0 = L_deposit_h( negate(Pk) ) ;

?? ? ? ?Acc0 = L_shr( Acc0, (Word16) 2 ) ;

?? ? ? ?Lpc[i] = round( Acc0 ) ;/* a[m]=k */

?

?/*

??* Update the prediction error

??*/ //lsc 這段一比較繞,為了節(jié)省計算量itu使用了一些技巧,讀者需要注意

?? ? ? ?Acc1 = L_mls( Acc1, Pk ) ;//lsc (-分子原值) * k 得出的是 -k^2 * Err ? k * Err = 分子

?? ? ? ?Acc1 = L_add( Acc1, Acc2 ) ;//lsc Err(Acc2) + ???

?? ? ? ?Err = round( Acc1 ) ;/* lsc 更新了k分母 */

?

?

?/*

??* Compute the remaining LPC coefficients

??*/

?? ? ? ?for ( j = 0 ; j < i ; j ++ )

?? ? ? ? ? ?Temp[j] = Lpc[j] ;

?

?? ? ? ?for ( j = 0 ; j < i ; j ++ ) { /* lsc 更新lpc系數(shù) anew(i) = ai + ka(m-i), 這個是由A(i+1)(z) = Ai(z) + kBi(z) */

?? ? ? ? ? ?Acc0 = L_deposit_h( Lpc[j] ) ;

?? ? ? ? ? ?Acc0 = L_mac( Acc0, Pk, Temp[i-j-1] ) ;

?? ? ? ? ? ?Lpc[j] = round( Acc0 ) ;

?? ? ? ?}

?? ?}

?

?? ?return Err ;//lsc 返回的是最后一個分母,即殘差信號的能量,這個返回值被用于計算cng時的增益估計

}

?

?

ok 到這里已完成了10 lpc系數(shù)計算了,

由于一個lpc系數(shù)的誤差,會影響信號的每個頻段(這一點由A(z)的形式很容易想出)

畢竟 A(z) = P1 * Z^(-10) + P2 * z^(-9) + ....

這個系統(tǒng)函數(shù)不是以因式分解形式給出的,必然有些問題

我們必須把它轉(zhuǎn)化為因式分解的形式,然后對其求根,而每個根的誤差只會影響某頻域的能量,這樣

就適合進行矢量量化了

?

于是構(gòu)造了lsf系數(shù),它實際是A(z)的變形,并且能把所有的根者限定的單位圓上,這樣求lsf系數(shù)就可以

簡單地沿著單位圓進行暴力搜索.(解一元10次方程是很復(fù)雜的,所以itu將求根過程簡化了)

?

至此,已經(jīng)分析完了g723的整個lpc求解過程,

筆者將在后繼章節(jié)中講述 lpc轉(zhuǎn)成lsf的過程,

?

完成了聲道系數(shù)求解,剩下的就是激勵編碼了,這些筆者均會在后繼章節(jié)中進行詳細分析

?

?

未完待繼...

?

版權(quán)木有,筆者不對本文轉(zhuǎn)載產(chǎn)生的任何后果負責(如耳麥炸裂,顯示器花屏等)

?

?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 林紹川

?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 2011-04-15 于杭州

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的g723源码详细分析(-)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。