CN1731718A - 针对ip网络语音数据包丢失的降噪方法及装置 - Google Patents

Abstract

本发明公开了一种针对IP网络语音数据包丢失的降噪方法，即在语音数据发送端取一段语音数据计算出最经济公约长度L，并以此长度划分语音片段；在对划分后的语音片段进行封包，并通过IP网络发送；在语音数据接收端则在接收的数据包有丢包现象时，当其中某个丢失的语音数据包的前后相邻的语音数据包均未丢失时，则根据所丢失的语音数据包前后相邻的语音数据包，生成一段能量波形线，用于修复该丢失的语音数据包。本发明同时还提供了一种应用该方法的语音发送装置和语音接收装置。因此本发明可以实现修复后的语音数据在播放时更加完整、平滑，大大降低了杂音或者静噪音的干扰，保证了语音数据的高质量的传输。

Description

针对IP网络语音数据包丢失的降噪方法及装置

技术领域

本发明涉及一种用于IP网络传输语音数据时的数据丢包后的修复降噪的方法，特别是一种针对IP网络语音数据包丢失的降噪方法；

本发明同时还涉及一种采用该方法的语音发送装置和语音接收装置。

技术背景

随着网络的普及，各种各样的网络数据通讯应用将人们在工作、生活中的距离拉得越来越近，其中的语音通讯系统更是势如破竹，大有取代传统的模拟电话的趋势。正是由于数字网络语音通讯系统在工作、生活中扮演着越来越重要的角色，大家对于其通话质量的要求也是越来越严格。

目前，绝大多数的网络语音通讯系统采用的是TCP/IP网络协议簇中的用户数据报协议(即UDP协议)封包、传输语音数据。这是由于采用UDP协议传输相对于TCP/IP网络协议簇中另一个常见的数据传输协议传输控制协议(即TCP协议)来说，具有无可比拟的先天优势。TCP协议中包含了专门的传递保证机制，当数据接收方收到发送方传来的信息时，会自动向发送方发出确认消息；发送方只有在接收到该确认消息之后才继续传送其它信息，否则将一直等待直到收到确认信息为止。然而UDP协议发送方不需要等待接收方的数据包确认消息，就可以继续传送其它的数据包，所以采用UDP协议发送数据会比TCP协议要迅速。

但是，UDP协议也有其明显的缺陷。相对于TCP协议，UDP协议并不能确保数据的发送和接收顺序。例如，发送方顺序发出了编号依此为1、2、3、4、5的数据包，在网络拥挤的情况下，接收方接收到的数据顺序就可能变成2、1、3、5、4了。另一方面，由于UDP协议并不提供数据传送的保证机制，因此，如果在从发送方到接收方的传递过程中出现数据报的丢失，协议本身并不能做出任何检测或提示。正是由于这些原因，人们通常把UDP协议称为不可靠的传输协议。

在采用UDP协议传输语音数据包时，其乱序和丢包问题也不可避免。解决乱序问题，相对来说比较容易，接收方只需要先对接收到的数据包进行一次排序，然后再将已经排序好的数据包进行拆包、播放即可。但是，对于语音数据包丢失问题，由于UDP协议没有提供数据传送的保证机制，所以业界至今也没有找到什么可行、有效的办法。在基于IP网络的语音通讯应用中，如果出现了语音数据包丢失，就不可避免地会引起异常的噪音。

目前人们一般采用静音技术来代替丢失的语音数据包。这种静音技术在一定程度上消除了令人难以忍受的杂音对语音通讯的干扰，但在语音通讯接收方处于数据包丢失率居高不下的情况时，频繁的静音仍然会让人明显地感觉到语音的中断和不连续，影响语音通讯的效果，这种情况称之为“静噪音”。

由此可以看到，如果不能有效地解决IP网络中数据包丢引起的通话质量问题，语音通讯的瓶颈将无法突破。

发明内容

本发明的目的是：针对现有技术的不足，提供一种可噪音低，语音通讯质量高的针对IP网络语音数据包丢失的降噪方法及采用这种方法的装置。

为了解决上述技术问题，本发明所采取的技术方案是：一种针对IP网络语音数据包丢失的降噪方法，包括如下步骤：

步骤一、在语音数据发送端采集语音数据，并取其中的一段具有多个能量波峰的语音数据计算出最经济公约长度L；

步骤二、根据所获得的最经济公约长度L划分语音片段，使语音片段的能量曲线变化接近于一元函数图像；

步骤三、对划分后的语音片段进行封包，并通过IP网络发送；

步骤四、在语音数据接收端接收语音数据包，并检测所接收的语音数据包是否有丢失；

步骤五、如果所接收的语音数据包丢失了，且当其中某个丢失的语音数据包的前后相邻的语音数据包均未丢失时，则根据所丢失的语音数据包前后相邻的语音数据包，生成一段具有一元函数图像特性的能量波形线，用于修复该丢失的语音数据包。

所述最经济公约长度L的计算方法可以是根据公式：L＝Min[L(n)]/m，∑n[L(n)]/L≈N计算获得，其中，L(n)为所取的一段语音数据中的第n个能量波峰的波形长度，m为精度阀值，n、N为自然数。

所述的根据所丢失的语音数据包前后相邻的语音数据包，生成一段具有一元函数图像特性的能量波形线，用于修复该丢失的语音数据包的方法可以是：采用收敛回归预测算法计算生成所述的具有一元函数图像特性的能量波形线。

还可以包括步骤七、如果所接收的语音数据包丢失了，且当有大于或等于2个连续的语音数据包丢失时，则采用静音数据填补的方法修复所述的丢失的语音数据包。

所述精度阀值m的取值范围可以为4～12。

一种采用所述针对IP网络语音数据包丢失的降噪方法的语音发送装置，包括：语音数据采集器，用于采集语音数据；

计算器，用于根据通过语音数据采集器采集的一段具有多个能量波峰的语音数据计算出最经济公约长度L；

语音数据发送器，用于接收来自计算器的最经济公约长度L值，并根据所述最经济公约长度L划分语音片段，使语音片段的能量曲线变化接近于一元函数图像，并将划分后的语音片段进行封包，通过IP网络发送。

所述计算器可以是根据公式：L＝Min[L(n)]/m，∑n[L(n)]/L≈N计算获得最经济公约长度L，其中，L(n)为所取的一段语音数据中的第n个能量波峰的波形长度，m为精度阀值，N为整数，n为自然数。

一种与所述的语音发送装置配套使用的语音接收装置，包括：语音数据接收器，带有语音数据缓存区，用于通过IP网络接收语音数据，并按照一定顺序存入语音数据缓存区内；

语音数据检测器，用于检测所述语音数据接收器所接收的语音数据包中是否有丢失；

语音数据修复器，用于接收语音数据检测器发出语音数据丢失的状态信息，且当某个丢失的语音数据包的前后相邻的语音数据包均未丢失时，则根据所丢失的语音数据包前后相邻的语音数据包，生成一段具有一元函数图像特性的能量波形线，填充到对应的语音数据缓存区内，用于修复该丢失的语音数据包。

所述语音数据修复器可以是采用收敛回归预测算法计算生成所述的具有一元函数图像特性的能量波形线。

所述语音数据修复器还可以接收语音数据检测器发出语音数据丢失的状态信息，且当有大于或等于2个连续的语音数据包丢失时，将静音数据填补到对应的语音数据缓存器内，以修复所述的丢失的语音数据包。

在上述技术方案中，本发明通过以最经济公约长度L划分语音片段，使语音片段的能量曲线的变化接近于一元函数，从而在修复丢失的语音数据包时，能够根据与其前后相邻的语音数据包的能量曲线，获得与丢失的语音数据包的能量曲线的频率、能量等方面的属性相当接近的能量曲线，将获得的能量曲线增补到接收的语音数据包序列中，即可达到降低噪声、修复还原的目的。因此相对于现有技术，本发明可以实现修复后的语音数据在播放时更加完整、平滑，大大降低了杂音或者静噪音的干扰，保证了语音数据的高质量的传输。

附图说明

附图1为现有技术中接收语音数据包前语音数据缓冲区的原理框图；

附图2为现有技术中接收语音数据包后语音数据缓冲区的原理框图；

附图3为现有技术中采用静音技术修复后的语音数据缓冲区的原理框图；

附图4为一段语音数据的语音线性能量波形图谱；(其中以虚线划分语音片段)

附图5为本发明针对IP网络语音数据包丢失的降噪方法的流程图；

附图6为本发明所提供的装置的结构原理方框图；

附图7为本发明修复后的语音数据缓冲区的原理框图。

具体实施方式

下面将结合说明书附图及具体实施例对本发明作进一步详细说明。

为了能更清楚的说明本发明，首先将参考附图1、2、3详细说明现有技术中对于语音数据包丢包时修复的方法和装置的原理。

在基于IP网络的语音通讯应用中，语音数据采集器采集到语音数据，语音数据发送器采用UDP协议对语音数据按序封包，并按序列号码顺序发送。

而通常在接收端的语音数据接收器中配置有一段大小相同、地址连续的缓冲区数组，如图1所示。语音数据接收器在接收到语音数据包之后，会依照数据包中的序列号码顺序放入缓冲区数组中，以达到对语音数据包排序的目的。

如果在UDP数据传输过程中出现了数据包丢失，例如按照图2所示，接收方只收到了位于数组1、2、3、5位置的语音数据包，那么在播放指针读到位于数组4位置的数据缓冲区时，声音就会从语音突然变成随机的杂音。根据业界的测试结果发现，当UDP数据包丢失率超过5％时，会让人感觉到语音交流的不连续，当丢失率超过20％时，会严重影响到语音通讯的效果。

为了解决UDP数据包丢失引起的随机杂音对语音通讯的干扰问题，业界多是采用以静音数据填补丢失的语音数据的办法。如图3所示，当播放指针读到位于数组4位置的数据缓冲区之前某个位置时，如果位置4的语音数据包仍然没有到达，语音数据检测器就认为该数据包已经丢失，于是语音数据修复器以静音数据填充该缓冲区，这样的话，在整个语音播放过程中，只会不时出现短暂的静音，不会产生杂音。因此也就可以大大的改善语音通讯质量。

如前面在技术背景中所述，这种静音技术依然存在较大的缺陷，不能获得高质量的语音通讯。

本技术方案的核心思路是依据所丢失的语音数据包前后的语音数据属性，模拟、修复出一段数据，来代替被丢失的语音数据包，以达到整个语音数据流完整的目的。

从图4可以看到一段不规则的语音线性能量波形图谱。如果以理想的最经济公约长度将语音数据划分成若干小片段，则大多数片段都呈现出能量曲线的规则变化。也就是说，如果能够找到一个最经济公约长度来划分语音片段，那么原本不规则的语音线性能量波形图谱就可以被看成是一系列具有规则特性的语音线性能量波形图谱。

那么什么是最经济公约长度呢？公约长度越小，语音片段的能量曲线变化越接近于一元函数图像，但是带来的问题则是系统对于语音片段的封包、拆包的开销也呈现反倍数增加。公约长度越大，系统对于语音片段的封包、拆包的开销就越小，但是语音片段的能量曲线变化就越加呈现出多元函数图像的特性，为预测、修复带来不便。于是针对特定语种，找到一个公约长度，使被划分的语音片段能量曲线的变化既接近于简单的一元函数图像，又最大程度地降低系统对于语音片段的封包、拆包的开销，这个长度就被称为最经济公约长度。

最经济公约长度可以按照以下公式得到：

设L(n)为第n个能量波峰的波形长度，则

最经济公约长度L＝Min[L(n)]/m，且∑n[L(n)]/L≈N

其中：m为精度阀值，取值范围一般在4到12之间，取值越大，精度越高，但系统开销也越大；N为自然数。

最经济公约长度用以在语音数据发送方划分、封装UDP语音数据包。接收方从而可以根据丢失的语音数据包前后相邻的数据包的特性，来预测计算出该丢失的语音数据包的能量波形曲线，并使该能量波形曲线的频率、能量等参数最大程度的接近于原丢失的语音数据包，而达到还原修复的目的。

因此，参考附图5，本发明提供了一种针对IP网络语音数据包丢失的降噪方法，包括如下步骤：

步骤一)在语音数据发送端采集语音数据，并取其中的一段具有多个能量波峰的语音数据计算出最经济公约长度L；

如取所采集的语音数据的最前面10秒长度的语音数据作为计算L的基础数据。所述最经济公约长度L的计算方法是根据前述公式：L＝Min[L(n)]/m，∑n[L(n)]/L≈N计算获得。

步骤二)根据所获得最经济公约长度L划分语音片段，使语音片段的能量曲线变化接近于一元函数图像；

步骤三)对划分后的语音片段按序进行封包，并通过IP网络发送；

步骤四)在语音数据接收端接收语音数据包，并检测所接收的语音数据包是否有丢失；

步骤五)如果所接收的语音数据包丢失了，则判断丢失的语音数据包是否为连续的2个或2个以上；

步骤六)当其中某个丢失的语音数据包的前后相邻的语音数据包均未丢失时，则根据所丢失的语音数据包前后相邻的语音数据包，采用数学算法中常用的收敛回归预测算法生成一段具有一元函数图像特性的能量波形线，用于修复该丢失的语音数据包，完成后进入步骤九；

步骤七)当有大于或等于2个连续的语音数据包丢失时，则采用现有技术中常用的静音数据填补的方法修复所述的丢失的语音数据包，完成后进入步骤九；

步骤八)如果所接收的语音数据包没有丢失，则进入步骤九；

步骤九)语音数据包接收并修复完成，可进行播放。

参考附图6，本发明同时提供一种采用所述针对IP网络语音数据包丢失的降噪方法的语音发送装置A，包括：

语音数据采集器A0，用于采集语音数据；

计算器A1，用于根据通过语音数据采集器A0采集的一段具有多个能量波峰的语音数据计算出最经济公约长度L；

语音数据发送器A2，用于接收来自计算器A1的最经济公约长度L值，并根据所述最经济公约长度L划分语音片段，使语音片段的能量曲线变化接近于一元函数图像，并将划分后的语音片段进行封包，通过IP网络发送。

所述计算器A1是根据前述公式：L＝Min[L(n)]/m，∑n[L(n)]/L≈N计算获得最经济公约长度L。

本发明同时还提供一种与所述语音发送装置A配套使用的语音接收装置B，包括：语音数据接收器B0，带有语音数据缓存区，用于通过IP网络接收语音数据，并按照一定顺序存入语音数据缓存区内；

语音数据检测器B1，用于检测所述语音数据接收器B0所接收的语音数据包中是否有丢失；

语音数据修复器B2，用于接收语音数据检测器B1发出语音数据丢失的状态信息，且当某个丢失的语音数据包的前后相邻的语音数据包均未丢失时，则根据所丢失的语音数据包前后相邻的语音数据包，生成一段具有一元函数图像特性的能量波形线，填充到对应的语音数据缓存区内，用于修复该丢失的语音数据包。而当有大于或等于2个连续的语音数据包丢失时，将静音数据填补到对应的语音数据缓存器内，以修复所述的丢失的语音数据包。

所述语音数据修复器B2根据被丢失数据包前后的语音数据，可以利用类似于收敛回归预测这样的算法，采取对其前后语音数据增益/衰减的手段，在被丢失数据包前后的语音数据缓冲区之间生成一段具有一元函数图像特性的能量波形曲线。由于被修复的语音数据在频率、能量等方面的属性方面保持不变或接近原本的数值，因此在大多数情况下，被丢失的语音数据都可以被恢复回来。于是整个语音缓冲区数组(如图7所示)里的语音数据在播放的时候将会更加完整、平滑，不会出现大量的杂音或者静噪音的干扰。

在根据被丢失数据包前后的语音数据恢复被丢失的数据时，如果有超过2个连续的UDP语音数据包丢失，收敛回归预测算法的命中率将会变低。但是由于在接收方出现连续的UDP语音数据包丢失的概率很低，因此本技术方案可以解决大多数因为数据包丢失引起的杂音或者静噪音干扰问题。

Claims (10)

1、一种针对IP网络语音数据包丢失的降噪方法，包括如下步骤：

步骤一、在语音数据发送端采集语音数据，并取其中的一段具有多个能量波峰的语音数据计算出最经济公约长度L；

步骤二、根据所获得的最经济公约长度L划分语音片段，使语音片段的能量曲线变化接近于一元函数图像；

步骤三、对划分后的语音片段进行封包，并通过IP网络发送；

步骤四、在语音数据接收端接收语音数据包，并检测所接收的语音数据包是否有丢失；

步骤五、如果所接收的语音数据包丢失了，且当其中某个丢失的语音数据包的前后相邻的语音数据包均未丢失时，则根据所丢失的语音数据包前后相邻的语音数据包，生成一段具有一元函数图像特性的能量波形线，用于修复该丢失的语音数据包。

2、如权利要求1所述针对IP网络语音数据包丢失的降噪方法，其特征在于：所述最经济公约长度L的计算方法是根据公式：L＝Min[L(n)]/m，∑n[L(n)]/L≈N计算获得，其中，L(n)为所取的一段语音数据中的第n个能量波峰的波形长度，m为精度阀值，n、N为自然数。

3、如权利要求1所述针对IP网络语音数据包丢失的降噪方法，其特征在于：所述的根据所丢失的语音数据包前后相邻的语音数据包，生成一段具有一元函数图像特性的能量波形线，用于修复该丢失的语音数据包的方法是：采用收敛回归预测算法计算生成所述的具有一元函数图像特性的能量波形线。

4、如权利要求1、2或3所述针对IP网络语音数据包丢失的降噪方法，其特征在于：还包括步骤七、如果所接收的语音数据包丢失了，且当有大于或等于2个连续的语音数据包丢失时，则采用静音数据填补的方法修复所述的丢失的语音数据包。

5、如权利要求4所述针对IP网络语音数据包丢失的降噪方法，其特征在于：所述精度阀值m的取值范围为4～12。

6、一种采用权利要求1所述针对IP网络语音数据包丢失的降噪方法的语音发送装置，包括：语音数据采集器，用于采集语音数据；其特征在于：还包括：

计算器，用于根据通过语音数据采集器采集的一段具有多个能量波峰的语音数据计算出最经济公约长度L；

语音数据发送器，用于接收来自计算器的最经济公约长度L值，并根据所述最经济公约长度L划分语音片段，使语音片段的能量曲线变化接近于一元函数图像，并将划分后的语音片段进行封包，通过IP网络发送。

7、如权利要求6所述针对IP网络语音数据包丢失的降噪装置，其特征在于：所述计算器是根据公式：L＝Min[L(n)]/m，∑n[L(n)]/L≈N计算获得最经济公约长度L，其中，L(n)为所取的一段语音数据中的第n个能量波峰的波形长度，m为精度阀值，n、N为自然数。

8、一种与如权利要求6所述的语音发送装置配套使用的语音接收装置，包括：语音数据接收器，带有语音数据缓存区，用于通过IP网络接收语音数据，并按照一定顺序存入语音数据缓存区内；

语音数据检测器，用于检测所述语音数据接收器所接收的语音数据包中是否有丢失；

其特征在于：还包括语音数据修复器，用于接收语音数据检测器发出语音数据丢失的状态信息，且当某个丢失的语音数据包的前后相邻的语音数据包均未丢失时，则根据所丢失的语音数据包前后相邻的语音数据包，生成一段具有一元函数图像特性的能量波形线，填充到对应的语音数据缓存区内，用于修复该丢失的语音数据包。

9、如权利要求8所述针对IP网络语音数据包丢失的降噪装置，其特征在于：所述语音数据修复器是采用收敛回归预测算法计算生成所述的具有一元函数图像特性的能量波形线。

10、如权利要求9所述针对IP网络语音数据包的降噪装置，其特征在于：所述语音数据修复器还接收语音数据检测器发出语音数据丢失的状态信息，且当有大于或等于2个连续的语音数据包丢失时，将静音数据填补到对应的语音数据缓存器内，以修复所述的丢失的语音数据包。

Images