音频学习之-g711

什么是g711

g711是一种由国际电信联盟制定的一套语音压缩标准，主要用于电话语音通信，而人声最大频率一般在3.4kHz，所以只要以8k的采样频率对人声进行采样，就可以保证完全还原原始声音。

g711的起压缩率为1：2，即把16位 数据压缩成8位，所以g711相比pcm数据，数据量会小一半

g711的内容是将一个13bit或14bit的样本编码成一个8bit的样本。

g711的分类

g711标准主要分两种压缩方法：a-law和mu-law

G711的内容是将14bit(uLaw)或者13bit(aLaw)采样的PCM数据编码成8bit的数据流，播放的时候在将此8bit的数据还原成14bit或者13bit进行播放，不同于MPEG这种对于整体或者一段数据进行考虑再进行编解码的做法，G711是波形编解码算法，就是一个sample对应一个编码，所以压缩比固定为：

8/14 = 57%  (uLaw)

8/13 = 62%  (aLaw)

G.711就是语音模拟信号的一种非线性量化， bitrate 是64kbps. 详细的资料可以在ITU 上下到相关的spec，下面主要列出一些性能参数：

G.711（PCM方式）

• 采样率：8kHz（其他采样率的g711都是非标准的，实际开发需要确认是否支持除8k外的采样率）

• 信息量：64kbps／channel

• 理论延迟：0.125msec

• 品质：MOS值4.10 

算法原理

A-law的公式如下，一般采用A=87.6

画出图来则是如下图，用x表示输入的采样值，F(x)表示通过A-law变换后的采样值，y是对F(x)进行量化后的采样值。

由此可见在输入的x为高值的时候，F(x)的变化是缓慢的，有较大范围的x对应的F(x)最终被量化为同一个y，精度较低。相反在低声强区域，也就是x为低值的时候，F(x)的变化很剧烈，有较少的不同x对应的F(x)被量化为同一个y。意思就是说在声音比较小的区域，精度较高，便于区分，而声音比较大的区域，精度不是那么高。

对应解码公式(即上面函数的反函数)：

G711A（A-LAW）压缩十三折线法

g711a输入的是13位（S16的高13位），这种格式是经过特别设计的，便于数字设备进行快速运算。

1、取符号位并取反得到s

2、获取强度位eee，获取方法如图所示

3、获取高位样本位wxyz

4、组合为seeewxyz，将seeewxyz逢偶数为取补数，编码完毕

A-law如下表计算，第一列是采样点，共13bit，最高位为符号位。对于前两行，折线斜率均为1/2，跟负半段的相应区域位于同一段折线上，对于3到8行，斜率分别是1/4到1/128，共6段折线，加上负半段对应的6段折线，总共13段折线，这就是所谓的A-law十三段折线法。

示例：

输入pcm数据为1234，二进制对应为（0000 0100 1101 0010）

      二进制变换下排列组合方式（0 00001 0011 010010）

    1、获取符号位最高位为0，取反，s=1

    2、获取强度位00001，查表，编码制应该是eee=011

 

    3、获取高位样本wxyz=0011

    4、组合为10110011，逢偶数位取反为11100110，得到E62+23

u-law也叫g711u,使用在北美和日本，输入的是14位，编码算法就是查表，计算出：基础值+平均偏移值 没啥复杂算法，就是基础值+平均偏移值，

μ-law的公式如下，μ取值一般为255

相应的μ-law的计算方法如下表

 

示例：

输入pcm数据为1234

    1、取得范围值，查表得 +2014 to +991 in 16 intervals of 64

    2、得到基础值为0xA0

    3、得到间隔数为64

    4、得到区间基本值2014

    5、当前值1234和区间基本值差异2014-1234=780

    6、偏移值=780/间隔数=780/64，取整得到12

    7、输出为0xA0+12=0xAC

和A-law画在同一个坐标轴中就能发现A-law在低强度信号下，精度要稍微高一些。

以上是两种算法的连续条件下的计算公式，实际应用中，我们确实可以用浮点数计算的方式把F(x)结果计算出来，然后进行量化，但是这样一来计算量会比较大，实际上对于A-law（A=87.6时），是采用13折线近似的方式来计算的，而μ-law（μ=255时）则是15段折线近似的方式。