高清語音技術(shù)在手機和藍牙耳機中的實現(xiàn)

高清語音也被稱為寬帶語音，是一種能為蜂窩網(wǎng)絡、移動電話和無線耳機傳輸高清、自然語音質(zhì)量的音頻技術(shù)。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(zhì)量，減少了聽覺負擔。

通信產(chǎn)業(yè)鏈上的所有網(wǎng)絡和設備都需支持高清語音才能體現(xiàn)出該技術(shù)的優(yōu)點。到2011年6月為止，18個國家運營的20種蜂窩網(wǎng)絡，以及33家領(lǐng)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(wǎng)絡中已經(jīng)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(shù)，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(zhì)量結(jié)合在了一起。

高清語音的優(yōu)點同樣可以在現(xiàn)有網(wǎng)絡中體現(xiàn)出來。隨著窄帶網(wǎng)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(shù)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(zhì)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(nèi)(圖表1)，這一范圍通常被稱為窄帶語音。盡管現(xiàn)在的電話系統(tǒng)是數(shù)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(zhì)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(nèi)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(zhì)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(zhì)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(zhì)量差，5分為優(yōu)秀)。寬帶語音質(zhì)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(wǎng)絡運營商Orange在其網(wǎng)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(diào)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(diào)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(zhì)量更好，在嘈雜的環(huán)境中對話質(zhì)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(shù)的關(guān)鍵是在蜂窩網(wǎng)絡和手持電話中協(xié)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(xié)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(zhuǎn)換編碼。如果高清語音連接無法實現(xiàn)，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(zhuǎn)換為窄帶頻率，這實際上是在降低語音質(zhì)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(nèi)容，彌補在傳輸過程中損失的高頻和低頻語音內(nèi)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(chǎn)生語音的聲源過濾模型來估算和產(chǎn)生擴展頻率范圍內(nèi)的語音內(nèi)容。根據(jù)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(chǎn)生的。BWE算法根據(jù)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(shù)估算出其丟失的寬帶頻率內(nèi)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(wǎng)絡共存。