隨著互聯網的迅速發展，人們對通過互聯網進行實時語音、視頻傳輸的要求越發強烈，VOIP正是在這一應用背景下誕生的一門新技術，它把數字語音編碼技術與分組交換網相結合，提供實時語音及其相關服務，該技術要求占用盡可能小的網絡帶寬并擁有良好的語音質量。由于當前網絡環境" title="網絡環境">網絡環境的特點，丟包現象不可避免，以往的低比特率編碼標準雖然可以解決帶寬問題，但丟包時語音質量不能保證。因而，需要新的語音編碼算法來滿足這一要求。
1 ILBC簡介
　　ILBC是由Global IP Sound公司提出的一種專為包交換網絡通信設計的編解碼" title="編解碼">編解碼，優于目前流行的G.729A、G.723.1，對丟包進行了特殊處理，既使在丟包率相當高的網絡環境下，仍可獲得非常清晰的語音效果。
　　ILBC是一種適用于窄帶網絡的編碼算法。根據網絡帶寬的不同，ILBC提供兩種編碼的格式，如表1。該算法使用了長時的預測技術和幀獨立編碼方法，使其非常適合在存在丟包的網絡環境中傳播。

2 ILBC算法的原理
2.1 ILBC編碼
　　ILBC本質上是一種基于幀的線性預測編碼方法，是對CELP(碼激勵線性預測編碼)的一種發展，其獨有的動態碼本更新技術、語音加強算法和丟包掩蔽技術使其在VOIP中應用時有更好的性能。對于每一個含有160/240(20ms/30ms) 樣點的輸入幀，ILBC算法將進行以下主要操作：
　　(1) 把該幀分為4/6 個子幀,每子幀40個樣點。對30ms的幀，進行兩組10階的LPC分析，得到相應的LPC系數；對于20ms的幀，進行一次10階LPC分析。
　　(2)每次分析得到的LPC系數將轉化為LSF(線譜對)參數，并對LSF系數進行量化，內插以得到各個子幀的LSF系數；隨后，由各子幀的LSF系數得到各子幀對應的分析器，對各個子幀進行線性預測，計算各子幀的殘差。
　　(3)從殘差中找到兩個能量最大的連續子幀，然后把能量值較小的首23/22個樣點(30ms/20ms)或尾23/22樣點從連續子幀中去除，剩余的57/58個被選定為本次處理的初始狀態。對于濁音語音，這樣的選取方式將至少包含一個基音脈沖。
　　(4)對初始狀態進行基于DPCM的標量量化，量化結果將作為編碼輸出的一部分。與此同時，初始狀態被存入碼本存儲區，以構成動態碼本的初始值，用于對本幀的剩余樣點進行矢量量化" title="矢量量化">矢量量化。
　　(5)對于剩余的殘差，矢量量化將按下面順序進行：(a)包含有初始狀態的兩個連續子幀中剩余的23/22個樣點;(b) 時間軸上處于初始狀態之后的各個子幀; (c)時間軸上在初始狀態之前的各個子幀。對于此矢量量化，每次搜索碼本的范圍是動態碼本，其中存儲了已經被解碼的對象，并隨著最新的解碼結果，該動態碼本被更新。
　　(6)對編碼結果進行封包處理。
　　ILBC的編碼的框圖如圖1所示。

2.2 ILBC解碼
　　ILBC是一種運用了分析合成方法的編解碼算法，解碼部分的運算量相對要小一些，使其在功能不強的客戶端的實時解碼成為可能。
　　解碼的主要過程如下:
　　(1)解包，參數提取。
　　(2)從得到的LSF參數進行內插，并轉化各個子幀的LPC系數，以便進行合成操作。
　　(3) 對初始狀態進行解碼，解碼結果一方面作為激勵信號" title="激勵信號">激勵信號暫存，另一方面存入碼本存儲區，以構成動態碼本的初始值。
　　(4) 對剩余的子幀部分，按照與編碼相同的次序進行殘差解碼，并用解碼結果更新動態碼本，重復(4)直到所有子幀完成譯碼。
　　(5) 對于解碼得到的殘差信號，進行語音增強的操作。該語音增強采用了條件限制的增強方法。
　　(6) 進行語音合成，形成解碼后的語音。
　　(7) 高通濾波，以消除合成后的低頻語音。
　　ILBC解碼的流程圖如圖2所示。

2.3 ILBC的比特流定義
　　對于20 ms的幀，共使用了304個比特來表示編碼后的語音信號，被封裝在38個字節中；對于30ms的幀，共使用了400個比特，封裝在50個字節中。在封裝的過程中，按照數據對傳輸誤差的敏感程度不同，這些比特被分成三類，第一類代表了最敏感的數據^[3]。表2 列出了ILBC編碼的比特流分配情況。

3 ILBC的關鍵技術
　　與以往的低比特率語音編解碼算法相比，ILBC除了采用經典的線性預測分析法、LPC系數到LSF系數相互轉換、分裂矢量量化LSF參數和多級形狀-增益量化^[4]殘差外，主要有下面特殊的方法。
　　(1) 基于初始狀態的動態碼本的選取和更新。
　　ILBC利用了基于初始狀態的動態碼本的更新方法，把最新的解碼結果加入碼本，以取代較老的碼矢。通過這種算法，可以較為方便地生成碼本，同時也提供了很好的碼本預測能力。
　　(2) 幀間獨立的長時預測方法，在此基礎上的PLC(丟包掩蔽)技術。
　　經典的CELP方法是利用以往的激勵信號來對自適應碼本進行更新的，這樣的方法在分組交換網中有下面問題：
　　①如果過去的信號丟失或在傳輸過程中被污染，解碼用的碼本就會與編碼時不同，將導致解碼語音質量變差；
　　②在語音建立階段，解碼端的自適應碼本并不能很好地描述基音周期，導致解碼語音建立時間加長。
　　ILBC采用了基于初始狀態的解碼方法，初始碼本是從初始狀態中得到的，通常都會包含至少一個基音脈沖，因而建立時間較快；同時，從初始狀態出發，既有時間上前向的預測，也有向后的預測，因而體現了長時預測的概念，配合PLC技術，即使出現丟幀，解碼語音質量也不會有明顯下降。
　　PLC技術的基本原則是：解碼端若收到正確的幀，則計算出的LPC系數和激勵碼本被存儲; 若丟幀，則使用上一個正確幀中的激勵信號，利用基音同步重復的方法得到本幀解碼信號。
　　(3) 利用有條件限制的優化算法^[3]加強殘差語音。
　　該算法的主要思想是對要加強的殘差語音塊，尋找其前3個塊和后3個塊，用這6個塊的線性組合逼近當前待加強的塊。計算待加強塊和逼近塊的均方誤差。若誤差足夠小，就把逼近塊作為加強塊；否則，加強塊為待加強塊和逼近塊的線性組合。

4 實驗結果與性能評測
　　圖3是Dynstat公司在具有丟包情況的網絡環境下對ILBC、G729.A、G723.1幾種算法進行測試后的MOS(平均意見得分)對比圖，可以看出ILBC編碼的語音質量整體高于其余兩種編碼，尤其是當丟包率較高時，MOS得分遠高于另外兩種編碼。
　　為了對ILBC在丟幀時仍有良好語音質量做出解釋，進行了以下實驗:
　　(1)在短時間內對有丟包時的解碼片斷做分析，如圖4所示。實驗得出，僅有一幀丟失時，語音的損壞基本上不會被聽者察覺，當出現連續兩幀以上丟失時，才會被察覺。在文獻^[2]中有ILBC與G.729.A的丟幀對比。

　　(2)初始狀態編碼是ILBC中的關鍵步驟，應用了標量編碼的方式。為使編碼更有效，實現時，先用一個全通濾波器將殘差的動態范圍壓縮，解碼時再通過逆濾波恢復。圖5是對某一幀語音的殘差分析的結果，經過多幀測試發現，該技術使殘差的動態范圍減小了約1/3。
　　由于實時傳輸的需要，算法的時間復雜度成為實際系統實現時重要的考慮因素，在PC機(Celeron 2.7G, 512M內存)上對用ANSI-C實現的ILBC浮點算法^[1]進行運算量統計，可以得到表3的結果，可以得到①解碼的復雜度較小，是一種非對稱的編碼方案；②編碼部分碼本搜索占用了最長的時間，成為算法優化時要考慮的關鍵部分。

?