g729源码分析-1-lpc分析
g729编码分析了大部分,编码总体框架和g723有些类似.
均是基于lpc分析的码本激励编码.
g729提供了更低的编码延迟(10ms)
g729的第一步Pre_Process照样是高通滤波,滤除低频噪声.
Coder_ld8k 为编码主体函数
Autocorr 第一步,计算自相关,根据lpc预测阶数10,从R(0)算到R(10),(类似g723)
Lag_window 第二步,对信号进行加窗处理(类似g723)
Levinson 第三步,莱文森德宾算法,计算出10个lpc系数(类似g723)
Az_lsp 第四步,lpc系数转成lsp系数,与723的搜索方式略有不同
这里采用契比雪夫多项式,来逼近多项式的值
这个函数这一步,仍然是构造出lsp多项式的系数,总共有两个多项式,
这里重新列举一下lsp多项式的定义:
(可以从笔者之前的文章g723源码分析中了解A(z)以及lsp,以及为什么要转成lsp系数
http://blog.csdn.net/lsccsl/article/details/6399431)
P1(z) = P(z)/(1 + z^(-1))
Q1(z) = Q(z)/(1 - z^(-1))
这个在g729的Az_lsp函数注释里可以看到,大约在350左右的一段注释
大约366行到392行的这个for循环
for (i = 0; i< NC; i++)
{
Overflow = 0;
t0 = L_mult(a[i+1], 16384); /* x = (a[i+1] + a[M-i]) >> 1 */
t0 = L_mac(t0, a[M-i], 16384); /* -> From Q12 to Q11 */
x = extract_h(t0);
......
就是在求相应的P1(z)与Q1(z)这个多项式的系数
在接下来的一个while循环,就是利用契比雪夫多项式展开来逼近多项式的值
xlow = grid[0];
ylow = (*pChebps)(xlow, coef, NC);
j = 0;
while ( (nf < M) && (j < GRID_POINTS) )
{
j =add(j,1);
xhigh = xlow;
yhigh = ylow;
.......
沿着单位圆(grid),依次利用契比雪夫多项式展来,来求P1(z)与Q1(z)的取值,判断是否有过零
现象发生
每两个相邻的grid之间,如果出现过零,还做更精细化的搜索(4次),此时直接用直线代替曲线,来搜索
相应的根.
大约在441行,实现更精细的搜索
/* divide 4 times the interval */
//lsc 这里 x从表里取出的cos值,y是通过切比雪比多项式法估出,每个区间要搜索四次,求出相应的cos值
for (i = 0; i < 4; i++)
{
xmid = add( shr(xlow, 1) , shr(xhigh, 1)); /* xmid = (xlow + xhigh)/2 */
ymid = (*pChebps)(xmid,coef,NC);
.....
Az_lsp函数最后,会判断搜索出来的根有几个,如果个数不足,仍然沿用旧的lsp系数
求出lsp系数后
接下来是量化lsp系数Qua_lsp
代码片段如下:
void Qua_lsp(
Word16 lsp[], /* (i) Q15 : Unquantized LSP */
Word16 lsp_q[], /* (o) Q15 : Quantized LSP */
Word16 ana[] /* (o) : indexes */
)
{
Word16 lsf[M], lsf_q[M]; /* domain 0.0<= lsf <PI in Q13 */
//cos值转换成角度
/* Convert LSPs to LSFs */
Lsp_lsf2(lsp, lsf, M);
//量化lsp
Lsp_qua_cs(lsf, lsf_q, ana );
//lsf再转换成lsp
/* Convert LSFs to LSPs */
Lsf_lsp2(lsf_q, lsp_q, M);
return;
}
然后是lsp插值,再转换成lpc系数,这些与g723极其相似,不详细分析了
代码片段如下:
//lsc lsp_old, lsp_new按比率插值 lsf_int是插值后的 lsf_new是lsp_new转化得到的 A_t是插值后转化得到的系数
Int_lpc(lsp_old, lsp_new, lsf_int, lsf_new, A_t);
Int_qlpc(lsp_old_q, lsp_new_q, Aq_t);//lsc 量化后的lsp转成Az系数
到这一步,完成了lpc分析
接下来就是共振锋感知加权,基音周期搜索,激励编码等.笔者将在下一章节做这些分析
林绍川
2012.4.11于杭州
均是基于lpc分析的码本激励编码.
g729提供了更低的编码延迟(10ms)
g729的第一步Pre_Process照样是高通滤波,滤除低频噪声.
Coder_ld8k 为编码主体函数
Autocorr 第一步,计算自相关,根据lpc预测阶数10,从R(0)算到R(10),(类似g723)
Lag_window 第二步,对信号进行加窗处理(类似g723)
Levinson 第三步,莱文森德宾算法,计算出10个lpc系数(类似g723)
Az_lsp 第四步,lpc系数转成lsp系数,与723的搜索方式略有不同
这里采用契比雪夫多项式,来逼近多项式的值
这个函数这一步,仍然是构造出lsp多项式的系数,总共有两个多项式,
这里重新列举一下lsp多项式的定义:
(可以从笔者之前的文章g723源码分析中了解A(z)以及lsp,以及为什么要转成lsp系数
http://blog.csdn.net/lsccsl/article/details/6399431)
P1(z) = P(z)/(1 + z^(-1))
Q1(z) = Q(z)/(1 - z^(-1))
这个在g729的Az_lsp函数注释里可以看到,大约在350左右的一段注释
大约366行到392行的这个for循环
for (i = 0; i< NC; i++)
{
Overflow = 0;
t0 = L_mult(a[i+1], 16384); /* x = (a[i+1] + a[M-i]) >> 1 */
t0 = L_mac(t0, a[M-i], 16384); /* -> From Q12 to Q11 */
x = extract_h(t0);
......
就是在求相应的P1(z)与Q1(z)这个多项式的系数
在接下来的一个while循环,就是利用契比雪夫多项式展开来逼近多项式的值
xlow = grid[0];
ylow = (*pChebps)(xlow, coef, NC);
j = 0;
while ( (nf < M) && (j < GRID_POINTS) )
{
j =add(j,1);
xhigh = xlow;
yhigh = ylow;
.......
沿着单位圆(grid),依次利用契比雪夫多项式展来,来求P1(z)与Q1(z)的取值,判断是否有过零
现象发生
每两个相邻的grid之间,如果出现过零,还做更精细化的搜索(4次),此时直接用直线代替曲线,来搜索
相应的根.
大约在441行,实现更精细的搜索
/* divide 4 times the interval */
//lsc 这里 x从表里取出的cos值,y是通过切比雪比多项式法估出,每个区间要搜索四次,求出相应的cos值
for (i = 0; i < 4; i++)
{
xmid = add( shr(xlow, 1) , shr(xhigh, 1)); /* xmid = (xlow + xhigh)/2 */
ymid = (*pChebps)(xmid,coef,NC);
.....
Az_lsp函数最后,会判断搜索出来的根有几个,如果个数不足,仍然沿用旧的lsp系数
求出lsp系数后
接下来是量化lsp系数Qua_lsp
代码片段如下:
void Qua_lsp(
Word16 lsp[], /* (i) Q15 : Unquantized LSP */
Word16 lsp_q[], /* (o) Q15 : Quantized LSP */
Word16 ana[] /* (o) : indexes */
)
{
Word16 lsf[M], lsf_q[M]; /* domain 0.0<= lsf <PI in Q13 */
//cos值转换成角度
/* Convert LSPs to LSFs */
Lsp_lsf2(lsp, lsf, M);
//量化lsp
Lsp_qua_cs(lsf, lsf_q, ana );
//lsf再转换成lsp
/* Convert LSFs to LSPs */
Lsf_lsp2(lsf_q, lsp_q, M);
return;
}
然后是lsp插值,再转换成lpc系数,这些与g723极其相似,不详细分析了
代码片段如下:
//lsc lsp_old, lsp_new按比率插值 lsf_int是插值后的 lsf_new是lsp_new转化得到的 A_t是插值后转化得到的系数
Int_lpc(lsp_old, lsp_new, lsf_int, lsf_new, A_t);
Int_qlpc(lsp_old_q, lsp_new_q, Aq_t);//lsc 量化后的lsp转成Az系数
到这一步,完成了lpc分析
接下来就是共振锋感知加权,基音周期搜索,激励编码等.笔者将在下一章节做这些分析
林绍川
2012.4.11于杭州