silk encoder

  Skype SILK codec overview 收藏

      最近簡單看了一下Skype SILK codec 算法, 基本原理和流程大體明白了, 以後有時間再仔細研究一下細節,今天就簡單說說. SILK Codec是一個語音和音頻編解碼算法, 對於音頻帶寬、網絡帶寬和算法複雜度都具有很好的彈性。支持4種採樣率：8KHz、12KHz、16KHz、24KHz；三種複雜度：低、中、高。編碼碼率在 6~40kbps（不同採樣率具有不同的碼率範圍）以及還支持VAD、DTX、FEC等模塊，感覺還是比較全面。最重要的一點是提供了定點C代碼，非常有利於向ARM、DSP移植和優化。

順便附上原理流程圖

看過SILK Codec 代碼，總覺得他是iLBC和Speex混合拼出來的，當然沒有這麼簡單，整體採用Source-filter經典模型，即對語音產生系統建模爲基礎，經過兩級濾波，第一級長時預測濾波器（LTP），去除濁音語音中的週期成分，當然對於清音就不需要這一步了；第二步進行短時濾波（LPC），去除近樣點之間的冗餘信息，這裏採用伯格（Burg）算法計算得到LPC係數（一般CELP Codec都採用自相關算法計算LPC），然後採用多級矢量量化的方法（一般CELP Codec都採用分裂式矢量量化方法）；經過這兩級濾波就可以得到激勵信號，一般CELP Codec往往採用固定碼書+自適應碼書分別量化的方法，它們分別近似激勵信號中的近週期成分和類噪聲成分（這個模型簡直太經典了,所以CELP可以在8Kbps以上保持非常好的音質，在進一步對固定碼書的不同量化方法又引出了不同Celp的命名和變體，不能再說了否則就成介紹CELP了），這裏SILK也不同於iLBC，但是卻很相似也是在子幀中找到能量最大的點，然後進行增益量化和歸一化，對歸一化後的信號採用距離編碼（Range encode），這個距離編碼是無損壓縮算法，性能和原理類似算術編碼，用它主要是出於避開專利的原因。另外，對於VAD、DTX、FEC以及對於噪聲的抑制也很不錯，變碼率的編碼方式與Speex比較相似。

      好了，今天先到這裏，明天還要上班呢，以後再對細節仔細研究。