DE3621513C2 - Verfahren zur Übertragung eines Audiosignales - Google Patents

Description

Die Hauptanmeldung betrifft ein Verfahren zur Übertragung eines Audiosignals, bei dem das analoge Signal in ein digitales Signal umgewandelt, digital übertragen und wieder in ein analoges Si­ gnal umgesetzt wird.

Der Erfindung nach der Hauptanmeldung liegt die Aufgabe zugrun­ de, ein Verfahren zur Übertragung eines digitalen Audiosignals zu schaffen, das mit einer geringeren mittleren Bitrate pro Ab­ tastwert auskommt, ohne daß bei der Wiedergabe die Qualität merkbar beeinflußt wird.

Diese Aufgabe wird durch die Erfindung nach der Hauptanmeldung dadurch gelöst, daß ein analoges Audiosignal in ein digitales Signal umgewandelt, digital übertragen und wieder in ein analoges Signal umgesetzt wird, wobei vor der Übertragung das Signal in ein das Kurzzeitspektrum darstellendes Signal umgewan­ delt wird und Anteile dieses Signals auf Basis psychoakustischer Gesetzmäßigkeiten bei der Codierung des zu übertragenden digitalen Signals in ihrer Darstellungsgenauigkeit verschieden gewichtet werden, und wobei das gesamte Frequenzband des Spektrums in mehrere Frequenzgruppen unterteilt wird und jeweils die Werte der Amplitudenmaxima in einer Frequenzgruppe übertra­ gen werden.

DE-OS-3310480 beschreibt ein adaptives Transformations-Codier­ verfahren, bei dem die Berechnung der blockweise zu übertragen­ den Frequenz-Amplitudenwerte ganz oder teilweise in Festkomma- Rechnung mit beschränkter Wortlänge erfolgt, wobei die Rundungs­ fehler durch eine verteilte Verstärkungsregelung eliminiert wer­ den.

Es ist Aufgabe dieser Zusatzanmeldung, die Wichtung von Fre­ quenz-Amplitudenwerten zu verbessern, die Detektion von plötzli­ chen Schallereignissen zu verbessern und psychoakustische Ge­ sichtspunkte beim Übertragungsverfahren besser zu berücksichti­ gen.

Diese Aufgabe wird durch die im Anspruch 1 beschriebene Erfin­ dung gelöst. Vorteilhafte Weiterbildungen der Erfindung sind in den Unteransprüchen beschrieben.

Die Schwelle, unterhalb der in einer Gruppe die Werte zu Null gesetzt werden, wird nicht fest bei -30dB unterhalb des Gruppen­ maximums angesetzt, sondern muß adaptiv bis zu -50dB verschoben werden. Dies ist notwendig, wenn in der Gruppe eine ausgeprägte Spitze im Betragsverlauf vorliegt, da hier­ bei über diesen großen Dynamikbereich die Spektralwerte eine deutliche lineare Abhängigkeit aufweisen. Werden diese Werte zu Null gesetzt, so ergibt sich aufgrund der Abhängigkeit nach Transformation und Rücktransformation eine modulierende Störung im Zeitsignal, die gut wahrnehmbar ist.

Klassifizierungsmerkmal für das Erkennen einer solchen Situa­ tion ist das Verhältnis von Spitzen- zu Mittelwert innerhalb einer Gruppe.

Zur Analyse, ob ein Sprung im Signalverlauf vorliegt, wird in Unterblöcken (z. B. 64 Werte) die Energie des Signals er­ mittelt, das zuvor über einen Hochpaß geführt wird. Dadurch wird ein eventueller Sprung versteilt und kann besser detek­ tiert werden.

Die daraus abgeleitete Anhebung vor dem Sprung kann wie bis­ her breitbandig erfolgen, eine bessere Wirkung wird jedoch erzielt, wenn die Anhebung frequenzselektiv ansetzt. Sie kann dann auf die energetisch weniger ausgeprägten Spektral­ bereiche beschränkt werden, wodurch höhere Anhebungsfaktoren erlaubt sind, ohne dabei den Verlauf des Kurzzeitspektrums wesentlich zu verändern.

Über alle Gruppen hinweg wird eine Hörschwelle gelegt, unter­ halb der die Spektralwerte zu Null gesetzt werden. Die Schwelle verläuft dabei in den ersten 23 Gruppen horizontal und steigt innerhalb der letzten 3 Gruppen um ca. 30 dB an. Die Schwelle wird als Ganzes so verschoben, daß im unteren Bereich ein gewisser Abstand (Typ 90 dB) zum maximalen Be­ tragswert gehalten wird. Bei Verschiebungen zu kleineren Wer­ ten wird ein Anschlag für die Schwelle definiert, damit nicht absolut sehr kleine Werte berücksichtigt werden.

Mit dieser Schwelle soll zum einen die absolute Hörschwelle, zum anderen gruppenübergreifende Verdeckungseffekte berück­ sichtigt werden.

Zum besseren Verständnis der Erfindung wird nachstehend ein Ausführungsbeispiel anhand von Zeichnungen näher erläutert.

Es zeigen

Fig. 1 Zeitfenster, in denen ein Sinussignal schwingt,

Fig. 2 Frequenzspektren von einem gefensterten Sinussignal,

Fig. 3 den zeitlichen Ablauf des Verfahrens

Fig. 4 eine Vorverarbeitung des Signales für einen speziel­ len Signalinhalt,

Fig. 5 ein Blockschaltbild dazu und

Fig. 6 ein Frequenzspektrum mit Schwellen.

Fig. 1 zeigt eine Kurve 4 mit einem sinusförmigen Verlauf. Über diese Kurve 4 sind zwei Zeitfenster t1 und t2 gelegt. Das Zeitfenster t1 beginnt im Nullpunkt 1 des Sinus und en­ det in einem zweiten Nullpunkt 2 des Sinus. Die Nullpunkte 1 und 2 sind dabei die Schnittpunkte von Sinus und Abzisse, wobei über die Abzisse die Zeit t aufgetragen ist. Das zwei­ te Zeitfenster t2 beginnt im Nullpunkt des Sinus, endet aber außerhalb eines Nullpunktes im Punkt 3.

Bei der Transformation von Zeitsignalen in ein das Kurzzeit­ spektrum darstellendes Signal werden verschiedene Kurven in dem Frequenzspektrum erzielt. Fig. 2 zeigt das Frequenzspek­ trum, das zu den beiden gefensterten Sinussignalen gehört. Für das Zeitfenster t1 ergibt sich nur eine Frequenzlinie 5. Für das Sinussignal, das über das Zeitfenster t2 gefenstert wird, ergibt sich ein Frequenzspektrum mit dem Kurvenver­ lauf 6, das ein Maximum an der Frequenzlinie 5 und eine ab­ fallende Kurvenform mit mehreren Frequenzlinien 7 aufweist. In einer Frequenzgruppe können bei der Begrenzung und Über­ tragung von Werten, die nur innerhalb eines Dynamikbereiches von 30dB unterhalb des Maximums ymax liegen, durch die linea­ re Abhängigkeit der Spektralwerte modulierenden Störungen auftreten, die gut wahrnehmbar sind. Deshalb wird der Dyna­ mikbereich auf bis zu 50 dB adaptiv vergrößert. Das Klassifi­ zierungsmerkmal für das Erkennen einer solchen Situation ist das Verhältnis von Spitzen- zum quadratischen Mittelwert in­ nerhalb einer Frequenzgruppe. Dabei wird die Differenz von Spitzen- zum Mittelwert in einer Frequenzgruppe gebildet und die Differenz mit einem Faktor, in diesem Fall 3, multipli­ ziert. Das Produkt ergibt den neuen Dynamikbereich. Liegt ein Spitzenwert bei 60 dB und der zugehörige Mittelwert bei 45dB, so ist die Differenz 15dB. Die Differenz 15dB wird mit dem Faktor 3 multipliziert, das ergibt einen neuen Dynamikbe­ reich von 45dB, also eine adaptive Anpassung zwischen -30 und minus 50dB. Wird parallel zur Festlegung der Schwelle, die die Gruppendynamik festlegt, festgestellt, daß die Diffe­ renz zwischen maximalem und minimalem Betragswert in einer Gruppe kleiner als 30dB ist, so wird der darzustellende Dyna­ mikbereich gleich dieser Differenz gesetzt.

In Fig. 3 wird das Analog-Signal a(t), das ein Audiosignal wie z. B. Sprache oder Musik darstellt, in dem Analog/Digital- Wandler 11 in ein entsprechendes digitales Audiosignal umge­ wandelt. In der Stufe 12 erfolgt durch zeitlich aufeinander­ folgende und überlappende Zeitfenster eine sogenannte Fen­ sterung dieses Signales. Das Signal wird dabei in zeitlich aufeinanderfolgende Blöcke mit je einer Dauer von ca. 20ms, insbesondere 23ms, aufgeteilt, derart, daß jeweils das Si­ gnal eines Blockes für sich getrennt weiter bearbeitet wer­ den kann. In der Stufe 13 erfolgt eine Vorverarbeitung des Signales, deren Bedeutung später erläutert wird. In der Stufe 14 wird jeweils das digitale Signal eines Zeitfensters oder eines Blockes durch eine Transformation in ein Frequenz- Spektrum umgesetzt. Am Ausgang der Stufe 14 steht also wäh­ rend der zeitlich aufeinander folgenden Blöcke jeweils ein Signal, das für die Dauer eines Zeitfensters oder Blockes die Spektralkomponenten des Signals über das gesamte Fre­ quenzband darstellt. Die Stufe 14 bewirkt also die Umsetzung des Signals vom Zeitbereich in das das Spektrum darstellende Signal im Frequenzbereich.

Das Signal von der Stufe 14 gelangt zum Coder 15. Hier er­ folgt eine Codierung nach psychoakustischen Gesichtspunkten. Das bedeutet, daß Spektralkomponenten, die bei der Wiederga­ be insbesondere aufgrund von Verdeckungseffekten ohnehin nicht wahrgenommen werden, bei der Codierung geringer ge­ wichtet oder weggelassen werden. Eine derartige Verarbeitung des Kurzzeit-Spektrums ist möglich z. B. mit Hilfe eines Rech­ ners.

Das derart codierte Signal gelangt über den Sender 16 zum Nachrichtenkanal 17. Durch die erzielte Verringerung der mittleren Bitrate kann dieser Nachrichtenkanal entsprechend schmalbandig bemessen werden. Auf den Nachrichtenkanal 17 folgt der Empfänger 18, der im wesentlichen die zum Sender inversen Funktionen ausführt. Das Signal gelangt zunächst zu einem Decoder 19, der entsprechend dem Coder 15 die Decodie­ rung bewirkt. In der Stufe 20 wird das so gewonnene, das Spek­ trum-darstellende Signal im Frequenzbereich wieder in ein digitales Signal im Zeitbereich umgesetzt. In der Stufe 21 wird das Signal wieder zu einem einheitlichen kontinuierli­ chen digitalen Signal zusammengesetzt und die Vorverarbei­ tung der Stufe 13 berücksichtigt. Dann wird das Signal dem Digital/Analog-Wandler 22 zugeführt. Der Wandler 22 liefert wieder das Analogsignal b(t). Dieses Signal ist mit dem Si­ gnal a(t) nicht identisch, weil im Coder 15 bei der Codie­ rung Spektral-Komponenten unterschiedlich gewichtet oder un­ terdrückt wurden. Der Unterschied zwischen den Analogsignale­ n b(t) und a(t) ist aber so, daß er bei der Wiedergabe vom Hörer nicht bemerkt wird. In dem Signal wird also lediglich Irrelevanz, für den Hörer unhörbare Information, beseitigt, um die notwendige Bitrate bei der Übertragung über den Nach­ richtenkanal 17 zu verringern, speziell wird der Entschei­ dungsgehalt verringert. Auf dem Signalpfad 23 teilt die Vor­ verarbeitungsstufe 13 dem Sender 16 mit, ob eine Vorverarbei­ tung stattgefunden hat. Ist das der Fall, so wird eine Neben­ information in das codierte Signal eingefügt bzw. gemul­ tiplext, das der Empfänger 18 erkennt und der Anpassungsstu­ fe 21 über den Signalpfad 24 mitteilt. Vor dem Analog-Digi­ tal Wandler 11 ist ein Tiefpaß zur Erfüllung des Abtasttheo­ rems eingefügt. Nach dem Digital-Analog Wandler 22 ist ein zweiter Tiefpaß als Rekonstruktionstiefpaß angeordnet.

Fig. 4 zeigt die Vorverarbeitung eines plötzlichen Schaller­ eignisses 29, das innerhalb eines Zeitfensters t1-t7 im Zeitpunkt t9 auftritt. Ein solches Schallereignis kann z. B. ein Triangelanschlag sein. Die beschriebene Vorverarbeitung erfolgt in Fig. 3 in der Stufe 13. Dem Schallereignis 29 geht noch ein Vorschwinger zwischen t8 und t9 voraus, der aber durch eine Vorverdeckung nicht hörbar ist. Bei der Um­ wandlung in das Frequenzspektrum in der Stufe 14 in Fig. 3 entsteht jeweils ein Signal im Frequenzbereich, das die Spek­ tralverteilung im Fenster t1-t7 angibt. Da bei diesem Si­ gnal die Zuordnung von Spektrallinien zu einzelnen Zeitpunk­ ten innerhalb eines Zeitfensters nicht mehr gegeben ist, wür­ de das Ereignis 29 über das gesamte Zeitfenster t1-t7 gemittelt, also quasi verschmiert. Dadurch kann eine hörbare Verfälschung eintreten.

Zur Vermeidung dieses noch denkbaren Fehlers ist ein Zeitfen­ ster t1-t7 oder auch Block in 32 Unterblöcke aufgeteilt. Die Amplituden der einzelnen Unterblöcke werden ermittelt. Sobald ein Amplitudensprung zwischen zwei Unterblöcken von mehr als einem vorgegebenen Limit auftritt, in Fig. 4 be­ dingt durch das Ereignis 29, wird eine zusätzliche Maßnahme ausgelöst. Das vorgegebene Limit liegt in der Größenordnung von 20dB. Die Maßnahme besteht darin, daß das Signal vor dem Amplitudensprung durch ein Kompanderverfahren auf der Sende­ seite in der Amplitude angehoben und auf der Empfängerseite wieder entsprechend abgesenkt wird. Dadurch werden die ge­ nannten Fehler durch die Verschmierung des kurzzeitigen Er­ eignisses über das ganze Zeitfenster verringert. Die Fig. 4D und 4E zeigen die Wirkungsweise eines Kompandersy­ stems. Vor einem Signalsprung wird in der Vorverarbeitung in einem Expander ein Signal mit dem einen Verstärkungsfaktor V1, in diesem Fall 5, verstärkt. Auf der Empfängerseite wird diese in einem Kompressor in der Anpassung 21 mit einem zwei­ ten Verstärkungsfaktor V2, in diesem Fall 1/5, rückgängig gemacht. Die Gesamtverstärkung für das Signal beträgt die gesamte Zeit "1".

V Ges = V1 _* V2 = 1

Nach einem Signalsprung betragen die Verstärkungsfaktoren bis zum nächsten Sprung sowohl im Expander als auch im Kom­ pressor den Wert 1. In den Übergängen zwischen den Verstär­ kungsfaktoren 1 und 5 liegt ein geradliniger oder gekrümm­ ter Verlauf über einen Zeitraum zwischen einem halben oder einen gesamten Unterblock, vorzugsweise jedoch über die Zeit­ dauer eines Unterblockes. Ziel ist die Ausnutzung des Vorver­ deckungseffektes des Ohres (unter 1ms).

Die Vorverarbeitung 13 wird in der Fig. 5 gezeigt. Der Block 30 prüft, ob ein Signal zwischen zwei der 32 Unterblöc­ ken um ein vorgegebenes Limit ansteigt. So lange der Anstieg zwischen zwei Blöcken unterhalb des vorgegebenen Limits (20dB) liegt, wird das Signal vom Eingang 35 direkt über ei­ ne Zeitverzögerung 36 und den Umschalter 33 auf den Aus­ gang 34 geschaltet. Liegt ein Signalsprung zwischen zwei Un­ terblöcken um 20dB vor, so wird das Signal vom Eingang 35 über einen Expander 32 und über den Umschalter 33 auf den Ausgang 34 geschaltet. Der Hochpaß 31 versteilt einen eventu­ ellen Sprung im Signal, damit der Sprung von dem Block 30 besser detektiert wird. Dann wird das Signal vor dem Amplitu­ densprung durch den Expander 32 auf der Senderseite in der Amplitude angehoben und auf der Empfängerseite entsprechend wieder abgesenkt. Dadurch werden Fehler durch eine Verschmie­ rung des kurzzeitigen Ereignisses über das ganze Zeitfenster verringert. Der Prüfblock 30 arbeitet fortwährend, auch wäh­ rend das Signal vom Eingang 35 direkt über den Umschalter 33 auf den Ausgang 34 geschaltet ist. Die Zeitverzögerung 36 gleicht Zeitunterschiede aus, die der Expander 32 und der Prüfblock 30 verursachen. Der Prüfblock 30 teilt dem Expan­ der 32 den Zeitpunkt eines Sprunges bzw. das Überschreiten eines Limits mit. Diese Mitteilung ist eine Information über die Nummer des Unterblockes. Der Expander 32 berechnet selbstständig einen geeigneten Verstärkungsfaktor.

Fig. 6 zeigt ein Koordinatensystem, auf dessen Abzisse über eine Frequenz f der Kurvenverlauf 41 eines Frequenzspektrums aufgetragen ist. Der Kurvenverlauf 41 weist ein Maximum xmax auf. Ein absolutes Maximum xmax1 entspricht einem Pegel A von null Dezibel. In einem Rechner entspricht diesen null Dezibel eine absolute Größe von 2 Exponent (exp) 15, die zu­ sätzlich noch mit einem Verstärkungsfaktor von 1024 ver­ stärkt wird. Dann wird insgesamt mit einer absoluten Größe von 2 exp 25 gerechnet. Die Größen entsprechen einer elektri­ schen Spannung. Über den gesamten Frequenzverlauf wird eine Hörschwelle 42 gelegt, unterhalb der die Spektralwerte zu null gesetzt werden, d. h. nicht berücksichtigt werden. Diese Schwelle 42 verläuft in den ersten 23 Frequenzgruppen paral­ lel zur Abzisse und steigt innerhalb der letzten 3 Gruppen um ca. 30dB an, wobei der Anstieg ab 10kHz erfolgt. Die Schwelle 42 weist gegenüber dem (veränderbaren) Maximum xmax vor einem ersten Anstiegspunkt, im folgenden Knickpunkt ge­ nannt, immer einen Abstand von 90dB auf. D.h. diese Schwelle wird immer in Abhängigkeit des Maximums xmax gelegt. Die Schwelle 42 kann allerdings nicht unter einen Minimalwert 43, im folgenden Anschlag genannt, absinken. Dieser Anschlag 43 liegt bei -128dB zum absoluten Maximum. Vorteilhaft wird der erste Knickpunkt bei 10kHz und ein zweiter Knickpunkt bei 12kHz gelegt. Zwischen diesen beiden Knickpunkten steigt die Schwelle 42 zunächst um 10dB an. Ab dem zweiten Knick­ punkt, also in dem Bereich zwischen 12 und 22 kHz weist die Schwelle 42 eine Steigung von 90 dB auf. Die Frequenzgruppen und eine Einteilung eines Frequenzspektrums ist erläutert z. B. in "Psychoakustik" von E. Zwicker, erschienen im Sprin­ ger Verlag, Berlin Heidelberg New York 1982.

Claims (6)

1. Verfahren zur Übertragung eines Audiosignals, z. B. bei der Rundfunkübertragung, Kabelübertragung, in Satelliten-Strecken und Aufzeichnungsgeräten, bei dem das analoge Signal in ein digitales Signal umgewandelt, digital übertragen und wieder in ein analoges Signal umgesetzt wird, wobei das Signal vor der Übertragung in ein das Kurzzeitspektrum darstellendes Si­ gnal umgewandelt (14) wird, von dem bei der Codierung (15) Anteile auf der Basis psycho-akustischer Gesetzmäßigkeiten in ihrer Darstellungsgenauigkeit verschieden gewichtet werden und wobei das gesamte Frequenzband des Spektrums in mehrere Frequenzgruppen unterteilt wird und darin Amplituden-Maxima (ymax) ausgewertet werden, dadurch gekennzeichnet, daß inner­ halb der Frequenzgruppen Amplitudenwerte unterhalb einer adaptiv verschobenen Schwelle zu Null gesetzt werden und/oder frequenzselektiv in ihrer Amplitude angehoben werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Schwelle zwischen -30dB und -50dB verschoben wird.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß über alle Gruppen hinweg eine zweite Hörschwelle (42) gelegt ist und das Maximum (xmax) innerhalb des Frequenzbands ermit­ telt wird und Amplitudenwerte unterhalb der zweiten, adaptiv verschobenen (Fig. 6) und von dem Maximum (xmax) abhängigen Schwelle (42), zu null gesetzt werden.

4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß die zweite Schwelle (42) nur bis zu einem Anschlag (43) verscho­ ben wird.

5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, daß der Anschlag (43) einen Abstand von etwa -128dB von einem absolu­ ten Maximum (xmax1) aufweist.

6. Verfahren nach einem oder mehreren der Ansprüche 1 bis 5, da­ durch gekennzeichnet, daß zur Berücksichtigung von plötzli­ chen Pegelsprüngen das dem Kurzzeitspektrum zugrundeliegende Zeitfenster in Unterblöcke (Fig. 4B, 4C) eingeteilt ist, wobei das zu prüfende Signal vor dem entsprechenden Prüfblock (30) über einen Hochpaß (31) geführt und zwischen benachbar­ ten Unterblöcken geprüft wird.