Skype SILK codec overview

最近简单看了一下Skype SILK codec 算法, 基本原理和流程大体明白了, 以后有时间再仔细研究一下细节,今天就简单说说. SILK Codec是一个语音和音频编解码算法, 对于音频带宽、网络带宽和算法复杂度都具有很好的弹性。支持4种采样率：8KHz、12KHz、16KHz、24KHz；三种复杂度：低、中、高。编码码率在 6~40kbps（不同采样率具有不同的码率范围）以及还支持VAD、DTX、FEC等模块，感觉还是比较全面。最重要的一点是提供了定点C代码，非常有利于向ARM、DSP移植和优化。

顺便附上原理流程图

看过SILK Codec 代码，总觉得他是iLBC和Speex混合拼出来的，当然没有这么简单，整体采用Source-filter经典模型，即对语音产生系统建模为基础，经过两级滤波，第一级长时预测滤波器（LTP），去除浊音语音中的周期成分，当然对于清音就不需要这一步了；第二步进行短时滤波（LPC），去除近样点之间的冗余信息，这里采用伯格（Burg）算法计算得到LPC系数（一般CELP Codec都采用自相关算法计算LPC），然后采用多级矢量量化的方法（一般CELP Codec都采用分裂式矢量量化方法）；经过这两级滤波就可以得到激励信号，一般CELP Codec往往采用固定码书+自适应码书分别量化的方法，它们分别近似激励信号中的近周期成分和类噪声成分（这个模型简直太经典了,所以CELP可以在8Kbps以上保持非常好的音质，在进一步对固定码书的不同量化方法又引出了不同Celp的命名和变体，不能再说了否则就成介绍CELP了），这里SILK也不同于iLBC，但是却很相似也是在子帧中找到能量最大的点，然后进行增益量化和归一化，对归一化后的信号采用距离编码（Range encode），这个距离编码是无损压缩算法，性能和原理类似算术编码，用它主要是出于避开专利的原因。另外，对于VAD、DTX、FEC以及对于噪声的抑制也很不错，变码率的编码方式与Speex比较相似。

好了，今天先到这里，明天还要上班呢，以后再对细节仔细研究。