ITU-T Recommendations

ITU-T G.722建议书描述了音频宽带（WB、50到7000 Hz）编码系统的特性，该系统可能会用于各种高质量的语音应用。这个编码系统采用比特率在64 kbit/s以内的分波段自适应差分脉冲编码调制（SB-ADPCM），自此该系统被认为是64 kbit/s（7 kHz）的音频编码，在使用的SB ADPCM技术中，频带被分为两个分波段（较高的和较低的分波段），对各个分波段中的信号采用ADPCM进行编码，该系统具有三种基本的运行模式，对应于7 kHz音频编码所采用的比特率：64、56 和48 kbit/s。后两种模式通过利用来自较低分波段的比特，在64 kbit/s范围内分别提供了8和16 kbit/s的辅助数据信道，勘误1包含在这个新版本中，以及一些附加的确定为ITU-T G.722建议书正文的排印错误。附件A提供了3个频率掩模，这些掩模能够用于简化大量生产的采用ITU-T G.722编解码器的设备的评估，使安装期间进行的检查更为简单，这里的掩模不是明确地打算取代该建议书的任何要求，而是打算提出对大产量的采用ITU-T G.722编解码器的设备进行验收测试的需求，它们关注的是采用SB-ADPCM的环路中信号总失真比的测量，因此，这些技术要求不是要取代ITU-T G.722算法的测试数字序列，而是为了确保只要在最初的模型中已经检查了这些序列，就可以保持使用这些编解码器的设备的质量。附件B描述了一种可伸缩的超宽带（SWB， 50 14 000 Hz）语音和音频编码算法，工作在64、80 和96 kbit/s。ITU-T G.722超宽带扩展编解码器与ITU-T G.722能够互操作，ITU-T G.722 SWB编码器输出的带宽为50 14 000 Hz，编码器工作帧长为5 ms，算法时延为12.3125 ms ，最坏情况下的复杂度为22.76 个WMOPS。编码器输入和解码器输出均以缺省值32 kHz.进行采样，适合于改进的ITU-T G.722 64 kbit/s核心的超宽带编码器产生一个两层结构的嵌入式比特流，与 80到 96 kbit/s两个可用的比特率相对应。适合于改进的ITU-T G.722 56 kbit/s核心的超宽带编码器产生一个单层结构的嵌入式比特流，对应于可用的比特率64 kbit/s 。该64 kbit/s模式也可升级为80 kbit/s 和96 kbit/s模式，比特流能够在解码器端或者被通信系统的任何部件截短，以便立即将比特率调整至期望的数值（96 kbit/s – 80 kbit/s – 64 kbit/s），而不需要带外信令。基本的算法包括3个主要部分：高频带增强，带宽扩展（BWE）和基于代数矢量量化（AVQ）的改进的离散余弦变换（MDCT）域中的变换编码，在这个修订的版本中，对附件B的文本向量进行了更新，从而使它们能够更加有助于检查实现的一致性。附件C描述了一个基于浮点运算的ITU-T G.722附件B的备选实现，当附件B提供了一个位精确、定点技术要求，以及可以从ITU-T获得定点C源代码时，可供选择的浮点实现对于配备了浮点处理器的平台是有用的，已发现这个可选的浮点运算与附件B在所有配置下均能完全互操作，包括交叉配置。附件D描述了宽带编解码器ITU-T G.722的立体声扩展及其超宽带扩展ITU-T G.722附件B，它最适合于以有限的附加比特率传输立体声信号，同时保持与两个编解码器的完全兼容，附件D工作在64到 128 kbit/s，具有4个比特率为80、 96、112和128 kbit/s 的超宽带立体声以及2个比特率为64 和80 kbit/s的宽带立体声。宽带立体声模式向下兼容传统的ITU-T G.722，同时超宽带模式提供了与单声道宽带ITU-T G.722和超宽带ITU-T G.722附件B的向下兼容，立体声编解码器工作帧长为5 ms，对于宽带立体声算法时延为13.625 ms，对于超宽带立体声算法时延为15.9375 ms。对于宽带和超宽带工作模式，编码器的输入和解码器的输出分别以16 kHz和32 kHz进行采样，基本的算法包括3个主要部分：编码器端的立体声参数分析和混音，解码器端的立体声合成。第一个立体声扩展层是一个8 kbit/s层，包含了基本的立体声参数、宽带声道间时间差/声道间相位差/声道间相干性和分波段声道间电平差。第二个立体声层也是一个8 kbit/s层，通过对低频分波段声道间相位差进行编码来提高立体形象。最后，第三个立体声层是一个16 kbit/s层，在这最后一层中，会发送更大带宽的声道间相位差，从而进一步提高立体形象。比特流能够被解码器或者通信系统的任何部件截短，以便立即将比特率调整到期望的数值，包括宽带ITU-T G.722和超宽带ITU-T G.722附件B比特流，而不需要带外信令。该建议书的附录I和II分别提出了主体算法的联网情况和测试序列，在这个新的版本中，对附录II进行了更新以反映测试序列针对ITU-T G.722主体的重构。包丢失隐藏（PLC）算法也被称为帧消除隐藏算法，将传输损失隐藏在音频系统中，在该系统中，对输入信息进行编码和分组，经过网络发送，接收并在播放前进行解码。在大多数最近的标准语音编码器中均能找到PLC算法，最初设计的ITU-T G.722不具有这样一个特性，因此，附录III和IV为ITU-T G.722提供了两种PLC机制，经过检验，两个附录中的算法具有高质量性能以及可选的质量/复杂度的折衷，与没有PLC的ITU-T G.722解码器相比，最坏情况下的附加复杂度为2.8 个WMOPS、平均复杂度为2个 WMOPS，附录III中描述的ITU-T G.722 PLC算法提供了更好的语音质量，而ITU T G.722附录IV中规定的ITU-T G.722 PLC提供了更低的复杂度，几乎不会给主体ITU-T G.722解码增加复杂度（最坏情况下附加的复杂度为0.07个 WMOPS）。附录III中的算法实现ITU-T G.722解码器16 kHz输出域内的包丢失隐藏，周期性的波形外插用于填充丢失数据包的波形，根据丢失之前的信号特性与经过滤波的噪声相混合，外插的16 kHz信号通过QMF信号滤波器组，将分波段信号传送到部分的分波段ADPCM编码器以便更新分波段ADPCM解码器的状态，对于每次数据包丢失都要进行附加的处理，以便提供从外插波形到由接收到的数据包解码获得波形的平滑过渡，其中，分波段ADPCM解码器的状态与数据包丢失之后最先接收到数据包的相位一致，在为了平滑过渡将解码波形与外插波形进行叠加之前，解码波形是时间偏离的以便与外插的波形对齐。对于长时间的数据包丢失，算法会逐步减弱输出的声音，算法工作的固有帧长为10 ms，能够工作在10 ms倍数的任何分组长度或帧长。与使用相同帧长的常规ITU-T G.722解码相比，这样不会产生附加的时延。在附录IV中，解码器包括三个阶段：较低分波段解码、较高分波段解码和正交镜像滤波器（QMF）合成，在没有帧消除的情况下，解码器的结构和ITU-T G.722相同，除了较高和较低分波段的两个解码信号的存储以外。在有帧消除的情况下，通过坏帧指示（BFI）信令告知解码器，然后解码器对过去的低波段重构信号进行分析，采用线性预测编码（LPC）、基音同步周期重复和自适应消声外插丢失的信号，一旦接收到好帧，解码信号会与 外插的信号平滑转换。在较高的分波段，解码器采用自适应消声和高通后处理同步地重复以前的帧间距，在每次帧消除之后，均要对自适应差分脉冲编码调制（ADPCM）的状态进行更新。附录V定义了一种适合于采用[ITU-T G.722]附件B所定义的超宽带扩展的中端（MS）立体声的编码方案。通过将中端立体声编码引入到立体声终端，能够以非常低的复杂度获得与单声道设备的互操作。基本的编码方案如下：将左-右（LR）两个声道转换为中端立体声的两个声道，然后采用ITU-T G.722附件B对各个声道的信号独立进行编码；于是，在解码器端，对来自编码器的比特流的中端信道分别进行解码，然后将中端声道的解码信号反向变换为LR声道的信号，LR-MS变换及其逆变换均采用常规方式进行。在编码器端，LR-MS变换需要每个样本增加两次算术运算，在解码器中，MS-LR变换需要一个运算子。在STL2009（参见ITU-T G.191建议书）基本运算子实现中，总的变换复杂度约等于0.2个WMOPS，各个声道的编码算法与ITU-T G.722建议书附件B中的算法相同。附件B、C和D包含了采用ANSI C源代码提供的电子附件，该电子附件是这些附件的组成部分，也提供了作为附录III和IV组成部分的ANSI C源代码。注 — 在ITU-T G.191软件工具库的ITU-T G.722模块中可以找到ITU-T G.722正文中算法的ANSI-C 代码参考实现。在该建议书的正文中提供了用于ITU-T G.722算法一致性测试的测试序列，提供了测试向量以便有助于检查附件B、C和D以及附录III和IV运行的正确性。