一、語音可壓縮編碼的原因

語音信號可以進(jìn)行壓縮編碼的基本依據(jù)包括兩個方面的原因：一方面是語音信號本身存在很大的冗余度，這是語音可壓縮編碼的外因；另一方面是由于人耳的聽覺感知機理，這是語音可壓縮編碼的內(nèi)因。

1、外因：語音信號本身存在很大的冗余度

根據(jù)統(tǒng)計分析，語音信號中存在著多種冗余度，可以分別從時域和頻域來進(jìn)行描述。

1）語音信號存在時域冗余度

語音信號時域冗余度主要表現(xiàn)在：幅度非均勻分布、語音信號樣本間的相關(guān)性很強、濁音語音段具有準(zhǔn)周期性和存在靜止系數(shù)（語音間隙）等5個方面。這5個方面的具體釋義匯總于下表1-1中。

表1-1：語音信號時域冗余度表現(xiàn)的5個方面

2）語音信號存在頻域冗余度

（1）非均勻的長時功率譜密度。在相當(dāng)長的時間段內(nèi)進(jìn)行統(tǒng)計平均，可得到長時功率譜密度，它呈現(xiàn)出強烈的非平坦性。這種非平坦性表現(xiàn)為功率譜的低頻能量較高、高頻能量較低，這恰好對應(yīng)于時域上相鄰樣本間的相關(guān)性。這就意味著沒有充分利用給定的語音頻段，或者說存在著固定的冗余度。

（2）語音特有的短時功率譜密度。語音信號的短時功率譜在某些頻率上出現(xiàn)峰值，在另一些頻率上出現(xiàn)谷值。而這些峰值頻率，也就是能量較大的頻率，通常稱為共振峰(Formant)頻率。此頻率不止一個，最主要的是前3個，由它們決定了不同的語音特征。另外，整個短時譜也是隨著頻率增加而遞減。更重要的是，整個功率譜的細(xì)節(jié)以基音頻率為基礎(chǔ)，形成了高次諧波結(jié)構(gòu)。

2、內(nèi)因：人耳的聽覺感知機理

語音信號可以進(jìn)行壓縮編碼的第二個依據(jù)是利用人類聽覺的某些特點，即人耳的聽覺感知機理。人的聽覺生理和心理特性對于語音感知的影響主要表現(xiàn)在以下3個方面。

1）人類聽覺系統(tǒng)(HAS)具有掩蔽效應(yīng)(ME)。HAS特性曲線隨不同聲音壓、不同頻率聲音的影響而變化形成了所謂的掩蔽曲線（掩蔽閾），它大致表現(xiàn)為聲級越高的一個單音對其周圍頻率聲音的掩蔽作用越強。通俗地講，掩蔽曲線反映了人耳的掩蔽效應(yīng)，即一個強音能抑制一個同時存在的弱音而導(dǎo)致人耳聽不到或不敏感這個弱音。對人耳聽不到或極不敏感的聲音分量可以看做是冗余。語音壓縮編碼本質(zhì)上就是設(shè)法去掉這些冗余度，從而達(dá)到壓縮比特率的目的。

2）人耳對不同頻段聲音的敏感程度不同。由于濁音的周期和共振峰主要集中在低頻段，因此人耳對低頻端比較敏感，而對高頻端不太敏感，即較強的低頻音能妨礙同時存在的高頻音。

3）人耳對語音信號的相位變化不敏感。人耳能做短時的頻率分析，對語音信號的周期性很敏感，但對語音信號的相位感知卻很遲鈍。因此人耳聽不到或感知很不靈敏的聲音相位分量可以被當(dāng)作冗余信號。

二、語音編碼的極限速率

由于語音信號本身存在很大的冗余度和人耳的聽覺感知機理，全語音進(jìn)行壓縮編碼成為了可能，即只對語音信號主觀上非常重要的屬性進(jìn)行編碼，并把它們進(jìn)行存儲或者進(jìn)行傳輸。這樣，即使在低比特率的情況下也能保持合成語音的高質(zhì)量。

那么，究竟把比特率降低到何種地步而又不會使合成語音發(fā)生明顯的失真（不自然）呢？也就是說，語音信號壓縮編碼的潛力究竟有多大，其極限速率為多少？

在回答這個問題之前，首先來簡單了解一下音素的概念。音素是人類發(fā)音的最基本單位，它跟聲音的聯(lián)系最直接，屬于聽覺符號。比如說，英語f、1、m、n和s這5個字母都含有一個共同的音素[e]。又比如說，漢語‘爸’、‘媽’和‘他’這3個漢字都含有一個共同的音素[a]。

下面我們就分別從語音和語言的角度來分析語音編碼的極限速率。

從語音的角度來看，語音中最基本的單位是音素，世界上語音的音素一般約為128~256個，如果按通常的說話速度，每秒平均發(fā)出10個音素。則根據(jù)信息論的觀點，此時的信息率為

V = log₂（256）¹⁰ = 80 (b/s)

從語言的角度來看，把發(fā)音看成是以語音的速率來發(fā)報文。對英語來講，每一個字母用7b編碼，每分鐘發(fā)125個英語單字可以認(rèn)為達(dá)到了通信語音速率。如果每個單字平均由7個字母組成，則此時的信息率為

V = 7×7×（125/60）≈100 (b/s)

因此，一般可以認(rèn)為語音編碼的極限速率為80b/s~100b/s。當(dāng)然，這時只能傳送句子的內(nèi)容，至于講話者的音質(zhì)、音調(diào)等重要信息已全部丟失。但是，從標(biāo)準(zhǔn)的語音編碼速率(64Kb/s)到語音編碼的極限速率(80b/s~100b/s)之間存在著很大的跨距（約640倍），這對于理論研究和實踐制作有著很大的吸引力。

欲進(jìn)一步了解語音編碼知識的請進(jìn)入：語音編碼分類；ITU-T語音編碼標(biāo)準(zhǔn)介紹；語音信號的特征