雷 紅，韓建文

（瓊州學(xué)院，海南 三亞 572022）

0 前言

人類與生俱來就擁有高水平的信號處理能力，可以對從外界接收到的各種信息進行加工處理，從而達到正確表達的目的。通過聽覺和視覺識別語音和圖像信號是人類接收信息的主要方式，而語音和圖像信號的處理也是人類智能的主要特點。現(xiàn)代信息技術(shù)快速發(fā)展，作為其三大基礎(chǔ)技術(shù)之一的信號處理技術(shù)日益受到眾多專家學(xué)者的重視。信號處理技術(shù)主要就是計算機技術(shù)，它是信息技術(shù)系統(tǒng)的大腦，沒有大腦對信號進行處理，就不可能形成反應(yīng)迅速、精確的信息控制系統(tǒng)。因此，國內(nèi)外的許多研究課題都熱衷于各種信號的處理技術(shù)，信號處理技術(shù)已經(jīng)在很多領(lǐng)域有了有效的利用，其自身也產(chǎn)生了許多分支，語音信號處理和圖像信號處理就是其中較為熱門的方面。本文就是對這兩者的幾個方面進行簡單的分析比較。

1 語音信號與圖像信號的基礎(chǔ)知識

1.1 語音信號基礎(chǔ)知識

人類的肺部排出的空氣產(chǎn)生氣流，激勵不同區(qū)域的聲道，經(jīng)由聲道、喉、嘴組成的發(fā)生器官產(chǎn)生語音，形成各種各樣的聲音。音素是組成語音的基本單位，語音規(guī)則控制著音素之間的排列方式，語音信號就是由音素及其之間的過渡組成的，是指攜帶著有關(guān)信息的語音聲波。語音信號分為電信號和光信號，分別是由“聲-電”轉(zhuǎn)換和“聲-光”轉(zhuǎn)換得到的。語音信號一般采用參數(shù)表示和波形表示來進行離散表示，參數(shù)表示是指在對語音進行采樣及量化后，對其進行更深層的處理從而得到該語音模型的各類參數(shù)，語音信號就用這些參數(shù)來表示，參數(shù)一般分為聲道參數(shù)和激勵參數(shù)兩大類。波形表示則相對簡單，就是經(jīng)過采樣和量化之后保存的模擬信號。

1.2 圖像信號基礎(chǔ)知識

圖像信號是指通過攝像管和它的相關(guān)電路將需要傳送的、明暗不同的圖像分解成的相對應(yīng)的強弱程度不同的電壓或電流。而在圖像信號傳送同時為了保證收發(fā)端同步以及只在掃描正程傳送圖像信號，必須加入由攝像機或同步機產(chǎn)生的行場消隱信號和同步信號。[1]行場消隱脈沖的作用是截止回掃時的電子束，行同步脈沖的作用是嚴格保證收發(fā)端同步掃描，這些脈沖信號和圖像分解成的電流或電壓一起組成系統(tǒng)需要處理的圖像信號。

2 語音信號與圖像信號的特征比較

語音和圖像各有其明顯的特征。首先，語音信號為時變信號，是非平穩(wěn)型的，但在極短的時間內(nèi)又具有平穩(wěn)的特點。語音能夠分為濁音和清音兩類，濁音的語音信號具有明顯的時域周期和共振峰結(jié)構(gòu)頻域，在低頻段有大部分能量集中，可以很容易使用濾波器提取，而清音沒有時域周期和頻域特征，與噪音很難區(qū)分。而圖像信號是二維信號，是反映光線強度的，信息量大，特征也明顯。無論是黑白二值圖像，還是彩色圖像或亮灰級灰度圖像，其頻譜都介于一定范圍內(nèi)，幅度通常為非負有限值。圖像信息的高頻部分是決定圖像細節(jié)和邊緣的內(nèi)容，低頻部分則是圖像形狀、亮度的決定區(qū)域。語音和圖像信號的異同點主要表現(xiàn)在：第一，來源與歸宿。圖像是世界上客觀景物轉(zhuǎn)換而來，語音則是人類發(fā)聲系統(tǒng)產(chǎn)生的，但它們都可以通過人工合成；語音由人類聽覺接收，圖像則由視覺，但都要經(jīng)過大腦處理。第二，維度。圖像是二維信號，語音則是一維的，但它們都可以用相應(yīng)的轉(zhuǎn)換域或頻率域表示。第三，信號帶寬。圖像信號帶寬可達到6.5MHz，語音信號帶寬只能介于10Hz-20kHz之間，兩者數(shù)字化后的數(shù)據(jù)量相差極大。第四，相關(guān)感覺機制。語音信號的產(chǎn)生接收涉及人的發(fā)音機制及聽覺機制，圖像信號只與視覺有關(guān)，但兩者都可以建立信源模型和信宿模型。第五，信號冗余類型。語音信號的主要冗余為樣本間相關(guān)性、濁音段周期性、有限聲道形狀變化速率、靜止系數(shù)、共振峰及不均勻的傳輸碼分布概率。圖像信號冗余主要來源于內(nèi)部相似性數(shù)據(jù)、內(nèi)部結(jié)構(gòu)特點、不均勻分布得代碼符號概率及自相似性的圖像結(jié)構(gòu)等等。

3 語音信號處理與圖像信號處理的比較

作為使用得最為頻繁的兩種信息形式，圖像和語音比起圖表、數(shù)據(jù)、文本等信息更加生動形象，內(nèi)容頁更為豐富。語音和圖像具有明顯的差別，它們的編碼、加密一般是分開進行的。

3.1 語音信號和圖像信號編碼的比較

一般說來，語音編碼即是語音壓縮處理，語音編碼分為三種，即參數(shù)編碼、波形編碼及混合編碼。[2]參數(shù)編碼，其壓縮信號的方法是借助人類發(fā)音系統(tǒng)特性來實現(xiàn)的，就是建立一個語音信號特定聲學(xué)模型，提取和編碼模型的各種參數(shù)，盡可能使重建語音信號的可懂度和自然度達到最高水平。波形編碼，它的壓縮處理方式比較簡單，就是把語音信號看作波形信號進行處理，要盡可能保持重建語音與原語音在波形形狀上保持一致?；旌暇幋a顧名思義，即是將上述兩種編碼方式結(jié)合在一起，在使用波形編碼的同時使用參數(shù)編碼，擁有波形編碼的高質(zhì)量和參數(shù)編碼的高速率雙重優(yōu)點。而圖像編碼經(jīng)過幾十年的發(fā)展，涌現(xiàn)了很多的編碼技術(shù)種類，如PCM、矢量編碼、運動補償?shù)腄PCMDCT混合編碼、分行編碼、區(qū)域基編碼、知識基編碼以及物理基編碼等等，其中前三種編碼方式是屬于波形編碼范疇的，而分行編碼與參數(shù)編碼類似，而后面三種編碼方法則屬于新型的編碼技術(shù)了。語音編碼和圖像編碼有許多通用編碼技術(shù)，如變換編碼、子帶編碼、預(yù)測編碼等等，兩者的編碼方式都可以大致分為模型基編碼、波形基編碼和混合編碼三類，且兩者編碼環(huán)節(jié)都是從預(yù)處理到核心編碼模塊，再到熵編碼，過程大致相同。

3.2 語音信號和圖像信號加密的比較

網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)的快速發(fā)展，加速了數(shù)字圖像在政治、軍事、經(jīng)濟等眾多領(lǐng)域的發(fā)展，促使圖像數(shù)據(jù)安全成為信息安全的重點課題。許多用于加密圖像的專門方法不斷被提出，以加密圖像信號中有無圖像壓縮來分類，圖像加密可以分為有圖像壓縮的加密、無圖像壓縮的加密和壓縮圖像的部分加密三種方法。[3]圖像信號可以利用置亂圖像的相位譜、置亂圖像編碼數(shù)據(jù)等技術(shù)進行加密。語音信號加密的方法在很早之前就有研究，在通信中具有極其重要的作用。根據(jù)不同的語音信號處理方式，加密方法分為數(shù)字語音加密及模擬語音加密兩種，加密技術(shù)有時域置亂、頻域置亂、二維置亂、振幅置亂技術(shù)。圖像信號與語音信號的加密方法在模式上有很多區(qū)別，比如置亂內(nèi)容不同，置亂模式不同，但很多技術(shù)在加密圖像信號和語音信號上是通用的，比如盲源分離技術(shù)、小波變換技術(shù)，信號加密的基本原理也相通，都是利用置亂及遮掩等手段實現(xiàn)的。

4 結(jié)語

總之，人類的信息處理模式具有十分重要的研究價值，如果可以從大腦計算的理論和方法上突破，研究其處理信息的機理，就可以實現(xiàn)計算機模擬人類大腦的功能。而圖像和語音的信號處理技術(shù)，即是這項研究的重點所在，對它們的處理模式和處理方法等進行比較，旨在找出這兩者的異同點，從而更有針對性地對其進行研究發(fā)展，通過各種處理系統(tǒng)的合理設(shè)計，使這兩者的處理途徑和處理模式有效地配合，開發(fā)出統(tǒng)一進行語音信號和圖像信號處理的系統(tǒng)。這將大大促進人工智能系統(tǒng)的發(fā)展，拓展計算機應(yīng)用范圍，具有非常大的研究價值。

[1]張杰，龍子夜.語音信號處理中基頻提取算法綜述[J].電子科技大學(xué)學(xué)報.2010（S1）：13-14

[2]許麗群，馬馳，王睿杰.時頻分析在語音信號處理中的應(yīng)用[J].科學(xué)技術(shù)與工程.2011（21）：35-36

[3]唐玲，程建.小波變換在語音信號處理上的應(yīng)用[J].四川理工學(xué)院學(xué)報（自然科學(xué)版）.2012（01）：7-8

[4]劉金亨.基于小波變換的遙感圖像處理研究[J].重慶大學(xué) .2011（03）：56-57

[5]杜廣超，楊凱，王勝濤.語音編碼和圖像編碼比較研究[J].兵工自動化 .2008（07）：28-29