连续可变斜率增量调制（CVSD）浅析

Posted 2022-12-23 NiceBT

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了连续可变斜率增量调制（CVSD）浅析相关的知识，希望对你有一定的参考价值。

本文首先简单介绍了CVSD，然后简单说明了CVSD示例代码，最后给出了一个CVSD应用的实例。

1. CVSD简介

我们看到，所有的有线的或无线的语音通信都已经或者即将数字化。语音通过数字化进行传输或存储比传统的模拟方法有明显的优势。在数字通信或存储系统里，信息以二进制数的形式传送——接收方只需要确定接收信号是0是1即可完全恢复出原信息。在数字语音系统中，信息就是语音。衡量数字语音编码算法性能的参数是精确量化语音信号、并在传送后解码器还原语音的能力。换句话说，原始模拟语音信号必须能够在接收端被精确还原。然而，没有压缩量化的语音所占用带宽比原始模拟信号大许多。在无线或有线电信应用中，语音占用300—3300Hz的带宽。如果带内模拟信号经过抽样速率为奈奎斯特速率的线性模数转换，例如8kHz，进行8bit的256阶量化，得到的数据比特率是64kbps。没有引入编解码，得到的数字信号的带宽接近原始信号的20倍。

语音编码领域的工程师已经研究出许多减少编码后语音信号带宽的编解码方法。早期的算法试图利用人耳的动态适应性来进行编码。人耳对语音信号有或多或少的敏感性—人耳可以听到声压0dB到120dB的声音，人耳听觉动态范围约40dB。换句话说，我们很难听到摇滚音乐会上人们的细语。有一些语音编码算法利用了这种现象，使用较长码字对出现几率小的幅度范围的信号进行编码，而用较短码字对常见幅度范围的信号编码。这就是常用的非均匀量化。非均匀量化被用在PSTN网络中时，被称为律脉冲编码调制。一个更加复杂的方法是利用临近采样值之间的强相关性，只对样值的差值做编码。在相同的信号质量要求下，这种差值信号所需要的量化电平少了许多，因此降低了对带宽的要求。利用这种技术的算法都属于差分编码(DPCM)这一类。进一步的带宽节省可以通过更加复杂的算法实现。例如，结合自适应量化的DPCM是最常用的编码算法——ADPCM。

DeltaM(DM)和连续可变斜率增量调制(CVSD)都是差分波形量化技术。它们都采用了两级量化(1bit)。CVSD是带有自适应量化器的基本DM。对DM量化器使用自适应技术可以连续调整量化步长。通过调整量化步长，编码器可以高准确度地展现出小幅度信号，而不用牺牲大信号性能。

CVSD适用于同时对语音质量和安全性有要求的场合。MIL-STD-188-113 和Federal Standard 1023都是使用CVSD的例子。

1.1 差分量化

差分量化是一种当前样值与当前预测值之差作为下一时刻量化输入的编码方式。这种量化优势在于信号差量的动态范围要比不经过处理的输入信号动态范围小。因此，在相同SNR输出情况下需要较少的量化等级。或者，在相同的量化等级内，差量信号充分使用可用带宽编码可以得到更好的信号质量。

图5框图表示了一个差分量化系统。用时域上的离散信号 $x(n)$ 表示原信号 $x(t)$ 。注意到解码器在编码器的反馈回路里。因此，解码器是编码器的逆过程。标记为 $Q$ 的模块把差分信号 $d(n)$ 转换成二进制形式，以适合传输。模块 $Q^-1$ 并没有进行逆过程。事实上，从 $d(n)$ 到 $c(n)$ 的转化再到 $d_pd(n)$ 是差分编码非理想的一个很重要的因素。尽管如此，这个系统的基础研究可以假设不存在 $Q$ 和 $Q^-1$ 而被简化。有了这个假设，编码器传导函数的 $z$ 域表示为：