本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：针对北斗短报文等窄带卫星通信单次传输容量受限与多模态数据传输需求之间的矛盾，提出一种融合传统参数化建模与轻量级神经网络重建的超低码率语音压缩算法，编码端采用线性预测编码参数化建模提取声道特征，通过残差矢量量化实现极低码率压缩；在解码端利用轻量级ConvNeXt神经网络完成语音重建。结合面向窄带卫星信道的智能分片与可靠传输机制，实现语音数据在窄带高时延信道下的可靠投递与有序重组，传输中有效保持语音可懂度和感知质量。该方案为窄带卫星多模态通信提供可行技术路径，拓展北斗短报文在应急通信、智慧海洋等场景的应用边界。
关键字：窄带卫星通信；北斗短报文；低码率语音压缩；混合式语音编解码
doi：10.12045/j.issn.1007-3043.2026.07.006
概述
在窄带卫星通信研究中，信道带宽的刚性约束与数据传输的可靠性保障始终是核心挑战，而富媒体信息在广域覆盖场景下的高效递送需求，则进一步放大了这一技术张力的复杂性。我国北斗短报文系统兼具窄带卫星低功耗、广覆盖的物理层特性，聚焦应急通信［1］、电力物联网［2］、海洋渔业［3］、林草畜牧、环境监测［4］等垂直行业［5］，提供通导一体化双向短消息服务。随着应用场景从结构化文本向压缩语音、轻量化图片延伸，受限信道下多源异构数据的高效处理与可靠投递面临新的挑战［6］。
语音通信的核心瓶颈在于极低信道速率与语音可懂度要求之间的矛盾，北斗短报文单次传输容量有限，须将语音压缩至极低码率，同时保持自然度和可懂度［7］。
低码率语音编码是实现窄带卫星通信中语音业务传输的关键技术。近年来，国内外学者围绕极低码率下的语音质量与编码效率展开了大量研究。针对北斗短报文等窄带专用信道，敖振等人基于正弦激励线性预测（SELP），提取线性预测系数、基音周期、清浊音等参数，研发了600 bit/s SELP 声码器，实现了语音编码与定位信息同传［8］；Liang Yutu 等人基于混合激励线性预测（MELP），采用矢量量化压缩参数，并加入解码端后处理增强，在1.2 kbit/s 低码率下实现了语音重建，通过对LPC、基音周期、增益等多个参数联合量化，在极低码率下尽可能保留关键语音特征，为后续更先进的混合编码奠定了重要的技术基础［9］。传统参数编码方法（如LPC、SELP）在2.4 kbit/s 以下码率时［10］，合成语音自然度与抗噪性不足，且其通用性、重建自然度及对传输环境的鲁棒性在实际应用中面临诸多挑战。为突破这一瓶颈，混合式神经编解码器成为主流方向。Zheng Y Q 等人将传统参数编码器的粗量化比特流与神经声码器结合，在1.1 kbit/s 下实现了优于3 kbit/s传统编码器的重建质量［11］；Zhen K等人设计了可扩展的CNN 自编码框架，支持单一模型灵活切换多种码率［12］。与此同时，端到端神经编解码器在极低码率下展现出巨大潜力，如Liu 等人利用大规模Trans⁃former与有限标量量化，在400~700 bit/s下获得了顶尖质量［13］，但其模型规模大、计算资源要求高，难以在星载或终端侧直接部署。
综合来看，传统语音编码方法在计算复杂度方面具有优势，但在低码率条件下会导致语音质量下降［14］；而基于深度学习的神经语音编解码方法虽能显著提升语音的自然度和流畅度，但模型规模和计算量大，难以直接部署于资源受限平台［15］。现有研究在超低码率与低复杂度、高可懂度、自然度及鲁棒性之间仍存在权衡困境。对于窄带卫星非实时语音通信，须在保证语音编码压缩效率的前提下，提升低码率语音重建质量，同时控制模型规模和计算复杂度［16］。
为此，本文提出一种融合传统参数化建模与轻量级神经网络重建的低码率语音压缩算法，结合轻量化调度与智能重组机制，实现窄带卫星信道下语音数据的高可靠传输与精准还原，为北斗短报文在应急通信等场景中的应用提供可行的技术路径。
