G.729A语音编解码算法C与MATLAB混合仿真平台

资 源 简 介

本项目是一个基于ITU-T G.729A标准的语音编码与解码全流程仿真平台。G.729A作为一种共轭结构代数码本激励线性预测（CS-ACELP）声音压缩算法，广泛应用于VoIP和数字蜂窝网络中，能在8kbps的低比特率下提供高质量的语音服务。本程序采用C语言与MATLAB混合编程的架构实现，旨在结合C语言在底层核心算法（如LPC分析、基音搜索、码本搜索）上的高执行效率以及MATLAB在数据可视化、流程控制和算法验证方面的便捷性。项目中包含了完整的编码器（Encoder）和解码器（Decoder）模块，编码器能够将输入的PCM语音信号经预处理、线性预测分析、感知加权、开环与闭环基音分析后压缩为比特流；解码器则利用激励生成和合成滤波器技术将比特流还原为合成语音。此外，项目特别附带了标准的输入语音矢量数据，用户可以直接利用这些测试数据运行仿真，验证算法的比特精确度，评估合成语音的质量（如波形匹配度），并深入理解CS-ACELP算法的内部运作机制。该系统适用于语音信号处理算法的研究、低带宽通信系统原型开发以及DSP算法移植前的定点化验证。

详 情 说 明

G.729A语音编解码仿真系统

项目简介

本项目是一个基于ITU-T G.729A标准的语音编码与解码全流程仿真平台。G.729A属于共轭结构代数码本激励线性预测（CS-ACELP）算法，能在8kbps的低比特率下提供高质量的语音服务。

本仿真程序使用MATLAB编写，详细展示了语音信号处理的核心流程。虽然完整项目背景涉及C与MATLAB混合编程，但当前的MATLAB实现主要侧重于算法逻辑验证、波形分析以及核心模块（如LPC、基音搜索、合成滤波）的演示。系统包含一个完整的"编码-解码"闭环链路，并内建了信号生成功能，无需外部语音文件即可运行测试。

功能特性

• CS-ACELP核心算法仿真：实现了线性预测分析、LSP转换、开环与闭环基音搜索、代数码本搜索等核心步骤。
• 合成语音生成：不依赖外部文件，代码内部自动生成一段带有基音变化的模拟元音信号（脉冲串激励 + 共振峰滤波），用于验证算法对时变信号的跟踪能力。
• 帧与子帧处理架构：严格遵循G.729标准时序，采用10ms（80采样点）帧长和5ms（40采样点）子帧长的处理结构。
• 完整的编解码链路：模拟了从模拟信号 -> 编码参数提取 -> 参数结构体传输 -> 解码重建 -> 语音合成的全过程。
• 可视化分析：提供原始语音与合成语音的时域波形对比、误差信号分析以及语谱图对比，自动计算并输出信噪比（SNR）。

系统要求

• MATLAB R2016a 或更高版本
• Signal Processing Toolbox（信号处理工具箱）

使用方法

1. 确保MATLAB环境已安装并配置好信号处理工具箱。
2. 直接运行主脚本。
3. 程序将自动执行以下步骤：

* 生成2秒长的测试语音信号。 * 逐帧进行G.729A编码处理。 * 逐帧利用编码参数进行解码合成。 * 在控制台输出输入信号信息及最终的信噪比（SNR）。 * 弹出一个包含三个子图的窗口，展示波形对比和语谱图分析结果。

详细实现功能说明

本节详细描述代码实际执行的逻辑流程，分为信号生成、编码器、解码器及辅助模块四个部分。

1. 信号生成与初始化

程序首先定义了8000Hz的采样率，并生成了一段模拟语音。

• 基音模拟：构建了一个从120Hz线性下降到100Hz的基音轨迹。
• 激励源：利用正弦波相位生成脉冲串，模拟声带振动。
• 声道模拟：使用一个全极点滤波器（共振峰滤波器）对激励源进行滤波，产生具有元音特征的语音波形。
• 归一化：将生成信号幅度归一化到0.9，防止处理过程中的溢出。

2. 编码器 (Encoder) 实现逻辑

编码器按帧（80样点）处理信号，具体流程如下：

• 预处理 (Pre-processing)

使用高通滤波器去除信号中的低频干扰或直流分量，这里简化为去直流滤波器实现。

• LPC分析 (Linear Prediction Analysis)

* 对预处理后的信号加Hamming窗。 * 计算自相关函数，并使用Levinson-Durbin递归算法求解LPC系数（10阶）。 * 应用带宽扩展（Lag windowing模拟），利用因子 gamma_bw 平滑LPC谱。

• LSP转换 (LSP Conversion)

将LPC系数转换为线谱对（LSP）频率，实际上使用了线谱频率（LSF）表示。*注意：本代码直接传输未量化的LSF值，省略了标准中的矢量量化（VQ）步骤。*

• 感知加权 (Perceptual Weighting)

构建感知加权滤波器 $W(z)$，对信号进行滤波以突出共振峰区域，利用人耳掩蔽效应优化量化噪声分布。

• 子帧处理 (Subframe Processing) - 每帧包含2个子帧

* 开环基音搜索：在感知加权信号上进行粗略的自相关搜索，确定基音周期的大致范围。 * 闭环基音搜索 (自适应码本)：在开环基音值附近进行精细搜索，计算最佳分数基音延迟和基音增益，并对增益进行限幅（0到1.2之间）。 * 固定码本搜索 (代数码本)：计算目标向量（去除了自适应码本贡献后的残差），通过简化的搜索算法寻找残差中绝对值最大的4个脉冲位置，并不使用标准中复杂的深度优先树搜索。 * 参数打包：将LSF、基音周期、基音增益、固定码本脉冲和固定码本增益存入模拟的数据流结构体中。

3. 解码器 (Decoder) 实现逻辑

解码器利用编码阶段生成的参数结构体恢复语音：

• 参数恢复

从数据流中读取LSF参数，并将其转换回LPC多项式系数。为简化流程，LPC系数在整帧内保持不变，未实现子帧间的插值。

• 激励构建

* 利用历史激励缓冲区和解码得到的基音周期，重建自适应码本向量。 * 结合固定码本矢量（脉冲位置）与增益，计算当前子帧的总激励信号。 * 更新解码端的激励历史缓冲区。

• 合成滤波 (Synthesis Filter)

利用恢复的LPC系数构建合成滤波器 $1/A(z)$，将总激励信号通过滤波器还原为语音波形。

• 后处理 (Post Processing)

代码实现了一个简单的一阶去加重滤波器 [1 -0.7]，用于提升合成语音的主观听感，去除了标准中复杂的长时/短时后滤波。

4. 核心算法函数说明

代码内部通过内嵌函数实现了模块化封装：

• pre_process：执行预处理高通滤波，维护滤波器状态。
• perc_weight：实现感知加权滤波，公式为 $A(z/gamma_1) / A(z/gamma_2)$。
• levinson (MATLAB内置)：用于求解Yule-Walker方程，获得线性预测系数。
• pitch_ol_search：开环基音搜索实现，通过遍历20到140的延迟范围寻找自相关最大值。
• pitch_cl_search：闭环基音搜索实现，在局部范围内利用最小二乘法同时确定最佳延迟和增益，并构建自适应码本向量。
• find_fixed_code：简化的代数码本搜索，寻找残差信号中能量最大的4个点作为脉冲位置，并计算对应的最佳增益。
• synthesis_filter：全极点合成滤波器，核心还原模块。