高清語音技術及其在手機和藍牙耳機中的實現

高清語音也被稱為寬帶語音，是一種能為蜂窩網絡、移動電話和無線耳機傳輸高清、自然語音質量的音頻技術。與傳統(tǒng)的窄帶電話相比，高清語音很大程度上提高了語音質量，減少了聽覺負擔。

通信產業(yè)鏈上的所有網絡和設備都需支持高清語音才能體現出該技術的優(yōu)點。到2011年6月為止，18個國家運營的20種蜂窩網絡，以及33家領先的手機品牌都已支持高清語音。通過部署自適應多速率寬帶(AMR-WB)語音編碼，GSM, WCDMA(UMTS)和LTE蜂窩網絡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，無線藍牙耳機也開始支持高清語音，將免提通話與高語音質量結合在了一起。

高清語音的優(yōu)點同樣可以在現有網絡中體現出來。隨著窄帶網絡和設備向高清語音過渡，一種名為帶寬擴展(BWE)的語音處理技術可以用來在接收終端設備上模擬類似于高清語音的通話質量，為不支持高清語音的設備提供了一個折中的解決方案。

從窄帶到高清語音

傳統(tǒng)電話系統(tǒng)的帶寬被限制在大約300Hz到3.4kHz的音頻頻率范圍內(圖表1)，這一范圍通常被稱為窄帶語音。盡管現在的電話系統(tǒng)是數字式的，但其還是傳承了與傳統(tǒng)模擬系統(tǒng)相同的帶寬。從語音質量的角度來看，窄帶語音缺乏自然語音保真度，常常被形容為單薄和模糊不清。盡管如此，窄帶頻率范圍內完整語句的語音辨別度大概是99%。

圖1：窄帶和寬帶語音的帶寬特點

高清語音在采樣頻率為16kHz時音頻帶寬大約為50Hz至7kHz，因此與窄帶語音相比具有更清晰的語音信號。雖然寬帶語音并沒有顯著提高語音清晰度，但是窄帶范圍之外的3.4kHz至7kHz提高了單詞中的摩擦音(例如f、s和th) 的識別度。寬帶語音能夠提供更加自然真實的語音，在主觀音頻質量方面比窄帶語音有了顯著的提高。高清語音擴展出的50Hz至300Hz的低頻降低了窄帶語音尖細的特點，而擴展出的高頻則提高了發(fā)音清晰度。

在主觀語音質量聽力測試中，寬帶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分為質量差，5分為優(yōu)秀)。寬帶語音質量的提高減少了聽力負擔和聽者的疲勞，特別是當聽者處于嘈雜的環(huán)境下。移動網絡運營商Orange在其網站上提供了一個音頻樣本作為高清語音優(yōu)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用戶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，兼容高清語音將是他們未來購買手機時的一個選擇標準；
* 76%的測試者愿意更換手機以獲得高清語音功能。

此外，2006年愛立信和T-Mobile進行的用戶試用調查也證實了高清語音的優(yōu)點。在150個抽樣用戶中，超過70%的人認為使用了高清語音手機后通話質量更好，在嘈雜的環(huán)境中對話質量有所提高。

使用高清語音需要語音通信系統(tǒng)中的所有環(huán)節(jié)都支持寬帶語音頻率范圍。采用高清語音技術的關鍵是在蜂窩網絡和手持電話中協同部署AMR-WB編解碼。做為一種寬帶語音編碼，AMR-WB的有效音頻帶寬是窄帶編碼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。如果高清語音連接無法實現，系統(tǒng)就會取而代之使用窄帶AMR-NB編碼。

擴展語音帶寬

可以預計，在引入高清語音的過程中，通信系統(tǒng)中的某些環(huán)節(jié)會因無法支持而將語音轉換為窄帶頻率，這實際上是在降低語音質量，增加聽力負擔。人工帶寬擴展(BWE)通過在通信系統(tǒng)的終端環(huán)節(jié)為窄帶語音信號加入人工生成的語音內容，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(yōu)勢拓展到了窄帶和過渡的混合帶寬的語音通信系統(tǒng)中。

BWE算法使用產生語音的聲源過濾模型來估算和產生擴展頻率范圍內的語音內容。根據該模型，語音是由一個聲源(例如聲帶)再加上一個模擬聲道的模型產生的。BWE算法根據窄帶語音估算出一個寬帶聲源模型，然后利用該模型的參數估算出其丟失的寬帶頻率內容。在實際應用中，BWE獨立于源編碼和發(fā)送路徑處理過程的，因此它可以與傳統(tǒng)的窄帶和混合帶寬的電話網絡共存。

BWE主要應用于藍牙耳機和免提設備。在這些設備的接收終端上，窄帶CVSD編碼語音信號首先進行解碼，然后經過BWE的處理產生給受話方的擴展帶寬語音信號。BWE也可以應用在高清語音電話網絡上，將語音信號擴展到帶寬為14kHz的超寬帶(SWB)頻率范圍。

高清語音和音效增強

將高清語音和音效增強處理方法(如噪聲抑制(NS)，回聲消除(AEC) )結合在一起可以改善在噪聲環(huán)境下的語音清晰度，并可以提高整體通話質量。噪聲抑制技術能夠分析摻雜了噪音的對話，并清除噪音，增加語音辨別度。噪聲抑制算法通過大量頻點估算出噪聲功率譜密度，然后將噪聲從對話出抽取出來。與窄帶的處理相比，寬帶噪聲抑制在計算噪聲頻譜時包含了更多的頻點數據來壓縮擴展頻率范圍內的噪聲。除噪聲抑制外，回聲消除處理方法能消除發(fā)話者和麥克風之間的聲音耦合所產生的回音信號。回聲消除的工作原理是從麥克風接收到的信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帶語音中的自適應過濾系數。