[发明专利]语音编码方法、语音解码方法及装置

说明书

本发明公开一种语音编码/解码方法及装置，其中，所述语音信号编码方法包括：预先确定用于语音信号编码的固定步进值；计算当前时刻的语音信号与前一时刻的预测语音信号之间的差值；基于所述固定步进值对所述差值进行编码以得到编码结果。本发明实施例中，采用固定步进值，能够减小原始语音信号的非线性变化，从而在后续进行前端信号处理(例如，回声消除、波束成形)时，不会存在放大非线性变化而影响处理结果，从而避免了对后端语音识别的影响。

技术领域

本发明涉及语音信号处理技术领域，尤其涉及一种语音编码方法及装置和语音编码方法及装置。

背景技术

现有音频编解码技术可分为两类。一类是无损压缩，例如，FLAC、APE等；另一类是有损压缩，例如opus、ogg、mp3等压缩技术。

无损压缩是最理想的状态，对信号处理没有任何影响，但是此类算法计算复杂度高并不适用于目前低功耗的需求，减小了CPU的可选择性，同时压缩比较小，通常不到2:1；市面常用的有损压缩达不到信号处理的要求，通常计算量也较大。

对于无损压缩，其固有的算法复杂度导致了其不适用于语音识别这种实时的信号处理。对于有损压缩，信号处理中的回声消除、波束成形等均采用自适应线性滤波，而此类有损压缩通常会引入一些非线性变化，这类变化会在信号处理中放大导致信号处理结果较差，对于后端的语音识别产生较大的影响。

前端信号处理对原始数据非常依赖，中间发生非线性变化会引起信号处理的异常。而市面上其他公司针对一些硬件处理能力不足的情况通常采用的方式是升级自己的硬件配置来保证送给前端信号处理的数据稳定性。目前市面上尚未有低消耗的应用于前端信号处理的编解码算法。

发明内容

发明人在实现本发明的过程中起初考虑ogg格式的speex编解码算法，因为单纯的语音进行编解码后做唤醒和语音识别，总体性能降低很少，基本可用。但是对原始语音信号做完编解码之后再做前端信号处理之后则信号失真严重，做语音唤醒和语音识别的性能也大幅下降。

最开始使用过ADPCM算法，而且ADPCM算法较DPCM有其优劣，ADPCM编码为自适应差分编码技术，较DPCM的优势是其有自适应的能力。它可以自适应改变前面所讲的步进值，对于小的差值使用小的步进值，对于大的差值使用大的步进值。发明人在实现本发明的过程中发现，该方法在大部分情况下都有较好的性能，但是遇到一些信号突变的情况会导致信号产生大量的非线性变化，例如，信号传输中有丢帧的情况。

通过低损失压缩编码方式DPCM将音频进行压缩，DPCM压缩可以保证极低的音频损失，造成极小的频谱失真，通过大量测试集验证对语音的唤醒和识别造成的影响可以忽略。而且，该算法的计算复杂度极低，现有技术中，例如，cortex-m4系列的CPU占用率都不超过10％。另外，DPCM压缩比达到2-4倍，基本达到大多数的传输需求。

DPCM的原理就是利用信号采样点之间的关联性，即每个采样点与相邻的采样点之间的差别很小，因此，就可以利用该特性进行压缩。总体来说，就是先存储第一个采样点的数值，再存储每个采样点与前一个采样点之间的差值，作为压缩的数据。这样的话，就可以利用第一个采样点，加上差值，求出第二个采样点，然后再加差值…一直持续下去，就可以求出所有采样点的数值了，也就完成了语音还原。而且，由于每个采样点之间相差很小，因此，差值也不会很大，所以就可以利用较少的比特数来存储压缩的数据了，这样也就实现了压缩。

本发明实施例提供一种语音编解码方法及装置，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种语音编码方法，包括：

预先确定用于语音信号编码的固定步进值；

计算当前时刻的语音信号与前一时刻的预测语音信号之间的差值；

基于所述固定步进值对所述差值进行编码以得到编码结果。