Opus话音编解码器关键技术研究

梁 静，谢 佳，徐山峰，王兆伟

(中国电子科学研究院，北京 100041)

0 引 言

随着互联网的迅猛发展，VoIP技术得到越来越广泛的应用。话音编解码技术作为VoIP体系架构的核心之一，也在不断推陈出新。Opus[1]是一款由Xiph.Org、Mozilla、微软、Broadcom、Octasic和Google联合开发的有损音频压缩格式，特别适合互联网上的话音实时交互需求。2010年12月由IETF正式批准成为国际标准，版本号是RFC6716。Opus是由声码器SILK[2]和CELT融合发展而来，Opus编码后码率范围是6 kbps到510 kbp，具备静音检测功能，支持单声道和立体声，最多可支持255路声道的混音，成帧周期范围覆盖2.5 ms到120 ms，采样率范围是8 kHz到48 kHz，可以较好的兼容话音通话和多媒体立体声[3]。

1 Opus编解码器原理

Opus编解码器由两款编解码器融合而成：基于线性预测(LP)的SILK编解码器；基于改进的离散余弦变换(MDCT)[4]的CELT编解码器。Opus工作在以下三种模式：SILK模式；CELT模式；混合模式。其中SILK模式适用于宽带话音信号，CELT模式适用于音乐盒高码率话音信号，混合模式适用于SILK与CELT同时工作的超带宽与全带宽话音信号。图1展示了Opus的宏观架构。

图1 Opus架构图

CELT模式始终工作在48 kHz的采样率，而SILK模式可以在8 kHz，12 kHz或16 kHz采样率下工作。在混合模式下，两种模式可以进行无缝切换，交叉频率为8k Hz，当SILK的采样率为16 kHz时，CELT将会丢弃所有低于8 kHZ的频率[3]。

Opus编解码器融合了CELT和SILK两种编解码器，下面分别对CELT和SILK这两种编解码器的关键技术进行综述。

1.1 SILK编解码器

图2 SILK编码器结构图

SILK编码适合采样率不超过16 kHz采样率的低频信号，因此Opus编码中的所有低于16 kHz采样率的音频内容都由SILK编码。SILK编码器包含一系列组件，总结为4个部分：音频分析、预过滤、编码和输出。……