G.729 — 低码率语音之王
概述
G.729 是 ITU-T 于 1996 年发布的低码率语音编码标准，采用 CS-ACELP**（Conjugate-Structure Algebraic Code-Excited Linear Prediction）算法，在仅 **8 kbps 的码率下实现了接近 G.711 的语音质量（MOS ≈ 3.9）。
G.729 曾是 VoIP 领域最流行的低码率编码器，广泛用于 IP 电话、语音网关和企业通信系统。
属性 |
值 |
|---|---|
标准 |
ITU-T G.729 (1996) |
采样率 |
8 kHz |
码率 |
8 kbps（G.729a 同） |
帧长 |
10 ms（80 samples） |
前瞻 |
5 ms |
算法延迟 |
15 ms（帧长 + 前瞻） |
频率范围 |
300 - 3400 Hz |
MOS |
~3.9 |
复杂度 |
20 MIPS（G.729），10 MIPS（G.729a） |
专利 |
2017 年核心专利过期 |
CS-ACELP 编码原理
G.729 属于 **CELP**（Code-Excited Linear Prediction）家族。CELP 的核心思想：用一个激励信号通过线性预测滤波器来合成语音。
flowchart TD
A[输入 10ms 帧<br/>80 samples] --> B[LP 分析<br/>10 阶]
B --> C[LP → LSP 转换<br/>并量化]
C --> D[子帧处理<br/>2 × 5ms]
D --> E[自适应码本搜索<br/>基音延迟 + 增益]
E --> F[固定码本搜索<br/>代数码本 + 增益]
F --> G[比特打包<br/>80 bits/帧]
每 10ms 帧编码为 80 bits，分配如下：
参数 |
比特数 |
说明 |
|---|---|---|
LSP（线性频谱对） |
18 |
频谱包络，MA 预测 + 分裂 VQ |
自适应码本延迟（子帧 1） |
8 |
整数 + 1/3 分数精度 |
自适应码本延迟（子帧 2） |
5 |
差分编码 |
自适应码本增益（×2） |
2 × 1 |
3bit 联合量化（含固定码本增益） |
固定码本索引（×2） |
2 × 13 |
代数码本，4 个脉冲 |
码本增益（×2） |
2 × 4 |
联合量化 |
合计 |
80 |
8 kbps |
线性预测分析
G.729 使用 10 阶 LP 分析（对应 10 个 LSP 参数），通过 Levinson-Durbin 算法求解：
计算自相关函数（带 Hamming 窗 + 带宽扩展）
Levinson-Durbin 递推求 LP 系数
LP 系数转换为 LSP（Line Spectral Pairs），便于量化和插值
LSP 用 MA 预测 + 分裂矢量量化（Split VQ）编码
自适应码本（基音预测）
自适应码本实现**长时预测**（基音周期预测）：
搜索范围：20-143 samples（对应基音频率 56-400 Hz）
子帧 1：开环搜索确定整数延迟，闭环搜索 1/3 分数精度
子帧 2：在子帧 1 延迟附近 ±5 范围搜索
代数码本（固定码本）
G.729 的固定码本采用**代数结构**——这是"CS-ACELP"名称的由来：
40 个位置（5ms 子帧）分为 4 个轨道
每个轨道放置 1 个脉冲（±1）
4 个脉冲的位置和符号用 13 bit 编码
共轭结构：利用对称性减少搜索复杂度
G.729 变体
变体 |
码率 |
复杂度 |
质量 |
说明 |
|---|---|---|---|---|
G.729 |
8 kbps |
20 MIPS |
MOS 3.9 |
原始版本 |
G.729a |
8 kbps |
10 MIPS |
MOS 3.7 |
简化版，降低复杂度 |
G.729b |
8/0 kbps |
20 MIPS |
同 G.729 |
增加 VAD/DTX/CNG |
G.729ab |
8/0 kbps |
10 MIPS |
同 G.729a |
G.729a + VAD/DTX/CNG |
G.729.1 |
8-32 kbps |
更高 |
更好 |
可伸缩宽带扩展 |
G.729a 是最常用的变体，它简化了码本搜索算法，复杂度减半，质量略有下降但在实际使用中差异不大。
G.729b 的 VAD/DTX
G.729b 增加了静音检测和不连续传输：
VAD：基于全带能量、低频能量、过零率和 LSF 距离的四维判决
SID 帧：静音期间每 8 帧发送一个 15 bit 的 SID（Silence Insertion Descriptor）帧
CNG：接收端根据 SID 帧生成舒适噪声
带宽节省：典型通话中约 50-60%
RTP 打包
a=rtpmap:18 G729/8000
a=fmtp:18 annexb=yes
RTP payload type = 18
每帧 10 bytes（80 bits），通常 2 帧/包（20ms）= 20 bytes payload
SID 帧 = 2 bytes
annexb=yes表示支持 VAD/DTX
G.729 vs Opus 低码率对比
特性 |
G.729a |
Opus @ 8 kbps |
|---|---|---|
码率 |
8 kbps |
8 kbps |
采样率 |
8 kHz |
8 kHz（NB 模式） |
MOS |
3.7 |
3.5-3.8 |
帧长 |
10 ms |
20 ms（默认） |
算法延迟 |
15 ms |
25 ms |
FEC |
无 |
内置 |
自适应码率 |
无 |
6-510 kbps |
专利 |
2017 年过期 |
免费 |
在 8 kbps 窄带场景下，G.729a 和 Opus 质量接近。但 Opus 的优势在于内置 FEC 和自适应码率——在有丢包的网络中，Opus 的实际表现通常更好。
在 WebRTC 中的位置
WebRTC 规范没有要求支持 G.729，主流浏览器也不内置 G.729 解码器。但在以下场景仍然重要：
SIP 中继：许多运营商的 SIP trunk 仍以 G.729 为主
语音网关：PSTN/VoIP 网关需要 G.729 转码
嵌入式设备：低带宽 IoT 语音通信
FreeSWITCH/Asterisk：通过 mod_bcg729 等模块支持
小结
G.729 用 8 kbps 实现了接近 toll quality 的语音，是 CELP 编码家族的经典之作。理解它的 LP 分析、自适应码本和代数码本搜索，是理解现代语音编码器（包括 Opus 的 SILK 模式和 AMR）的基础。
虽然在 WebRTC 时代 Opus 已经取代了 G.729 的大部分应用场景，但在 VoIP 互通和低带宽场景中，G.729 仍然是重要的编码选项。