DE3784942T2 - Duplex-datenuebertragung. - Google Patents

Description

• Diese Erfindung betrifft Sprachkodieren, und insbesondere Systeme, bei denen ein Sprachsignal durch Zuführen der Ausgabe einer Anregungsquelle durch ein Synthesefilter erzeugt werden kann. Das Kodierproblem wird dann ein Problem eines Erzeugens, und zwar von einer eingegebenen Sprache, der notwendigen Anregung und der Filterparameter. LPC- (lineares prädiktives Kodieren; LPC-Methode der Sprachsynthese)-Parameter für das Filter können unter Verwendung wohlbekannter Techniken abgeleitet werden, und die vorliegende Erfindung betrifft eine Anregungsquelle.
• Systeme, bei denen eine gesprochene/nicht gesprochene Entscheidung über die eingegebene Sprache gemacht wird, um zwischen einer Rauschquelle und einer Quelle sich wiederholender Impulse zu schalten, neigen dazu, dem Sprachausgang eine unnatürliche Qualität zu geben, und es ist vorgeschlagen worden, eine einzige "Vielimpuls"-Anregungsquelle zu verwenden, bei der eine Folge von Impulsen erzeugt wird, wobei keine vorherigen Annahmen bezüglich der Natur der Folge gemacht sind. Es ist herausgefunden worden, daß bei diesem Verfahren nur einige wenige Impulse (sagen wir acht in einem Datenübertragungsblock von 10 ms) ausreichen, um vernünftige Ergebnisse zu erhalten. Siehe B S Atal und J R Remde: "A New Model of LPC Excitation for producing Naturalsounding Speech at Low Bit Rates", Proc., IEEE ICASSP, Paris, Seiten 614, 1982.
• Genauer ausgedrückt betrifft die vorliegende Erfindung einen Sprachkodierer mit einer Einrichtung zum Ableiten von Parametern eines Synthesefilters von einem eingegebenen Sprachsignal; einer Einrichtung zum Erzeugen einer kodierten Darstellung einer Anregung, die aus einer Vielzahl von Impulsen innerhalb eines Zeitrahmens besteht, der einer größeren Vielzahl von Sprachabtastungen entspricht, wobei die Einrichtung im Betrieb eingerichtet ist, die Amplituden und die Zeitgabe der Impulse auszuwählen, um die Differenz zwischen dem eingegebenen Sprachsignal und der Antwort des Filters auf die Anregung zu reduzieren, und zwar durch:
• Ableiten der Amplitude und der Zeitgabe eines ersten Impulses, der allein eine Anregung darstellt, die dazu neigt die Differenz zu reduzieren, und aufeinanderfolgendes Ableiten eines oder mehrerer weiterer Impulse, die in Kombination mit dem ersten und irgendwelchen dazwischenliegenden Impulsen eine Anregung darstellen, die dazu neigt, die Differenz zu reduzieren.
• Ein derartiger Kodierer ist in "Efficient Computation and Encoding of the Multipulse Excitation for LPC", M. Berouti et al, ICASSP' 84, IEEE International Conference on Acoustics, Speech and Signal Processing, 19. bis 21. März 1984, San Diego, CA, Bd. 1, Seiten 10.1.1-10.1.4, IEEE, New York, US, beschrieben.
• Gemäß der vorliegenden Erfindung enthält der Kodierer auch eine Einrichtung zum Vervielfachen der Impulsamplituden durch Faktoren, die nur von ihrer Position in der Ableitungsfolge abhängen, wobei die Faktoren für jeden Impuls nach dem ersten größer sind als der Faktor, der für den ersten Impuls benutzt wird, und größer als oder gleich dem Faktor (den Faktoren) ist (sind), der (die) für irgendwelche dazwischenliegende Impulse benutzt wird (werden), und einen rückwärtsadaptiven Quantisierer zum Quantisieren der Produkte.
• Einige Ausführungsbeispiele der Erfindung werden nun unter Bezugnahme auf die beigefügten Zeichnungsseiten beschrieben, wobei:
• Fig. 1 ein Blockdiagramm eines Ausführungsbeispiels des Sprachkodierers ist;
• Fig. 2 ein Blockdiagramm eines Dekodierers zur Verwendung mit dem Kodierer der Fig. 1 ist; und
• Fig. 3 ein Blockdiagramm eines zweiten Ausführungsbeispiels des Kodierers ist.
• Bei dem Kodierer der Fig. 1 werden eingegebene Sprachsignale in abgetasteter (vorzugsweise digitaler) Form bei einem Eingang 1 vom Prädiktor 2 verarbeitet, um eine Ausgabe zu erzeugen (z.B. in der Form eines Satzes von Filterkoeffizienten), der ein Synthesefilter mit einer Spektralantwort ähnlich jener der Sprachsignale definiert. Die Prädiktor- Analyse kann irgendeine von jenen sein, die bisher bei sogenannten LPC-(lineares prädiktives Kodieren)-Sprachkodierern benutzt werden. Wie es bei solchen Systemen üblich ist, wird die Analyse an Sprach-Datenübertragungsblöcken durchgeführt, in die die eingegebenen Abtastungen unterteilt sind. Typischerweise kann die Datenübertragungsblocklänge 20 ms betragen; damit wird ein Koeffizientensatz alle 20 ms erzeugt und über Leitungen 3 zu einem Ausgangsmultiplexer 4 zugeführt.
• Wie die Filterdarstellung erzeugt der Kodierer auch eine Darstellung einer Anregung, die bei dem Dekodierer zu erzeugen ist, um das Synthesefilter anzutreiben, um eine Annäherung an die ursprüngliche Sprache zu erzeugen. Der Kodierer der Fig. 1 hat eine Vielimpuls-Ableitungseinheit 5, die die Amplituden (am Ausgang 6) und Positionen (am Ausgang 7) der Impulse in einem "Vielimpuls"-Anregungs-Datenübertragungsblock von den eingegebenen Sprachabtastungen und den LPC-Koeffizienten ableitet, wie es oben erwähnt ist. Während die Größe des typischen Unterblocks (d.h. ein Teil des LPC-Datenübertragungsblocks) 10 ms mit acht Impulsen verwendet werden kann, verwendet das Ausführungsbeispiel der Fig. 1 eine Unterblock-Dauer von 4 ms, und zwar mit drei Impulsen. Dies wird bevorzugt, da es eine geringere Verzögerung in den Kodierungsprozeß einbringt. Die Aufgabe der Viel-Impuls-Ableitung ist es, die Impulspositionen und -amplituden zu finden, die den Fehler zwischen der dekodierten synthetischen Sprache und der ursprünglichen Sprache minimieren.
• Wenn angenommen wird, daß ein Unterblock aus n Sprachabtastungen besteht, stellt dies n eingegebene Sprachabtastungen s&sub0;..sn-1 und n zusammengesetzte Abtastungen s'&sub0;..s'n-1 dar, die als Vektoren s, s' angesehen werden können. Die Anregung besteht aus Amplitudenimpulsen am, denen, wie es angenommen wird, erlaubt wird, bei irgendwelchen der möglichen Zeitpunkte innerhalb des Datenübertragungsblocks aufzutreten, aber es gibt nur eine begrenzte Anzahl von ihnen (sagen wir k). Somit kann die Anregung als n-dimensionaler Vektor a mit Komponenten a&sub0;...an-1 ausgedrückt werden, aber nur k von ihnen sind nicht Null. Die Aufgabe ist es, die zwei k Unbekannten (k Amplituden, k Impulspositionen) zu finden, die den Fehler minimieren:
• e² = (s - s')² (1)
• Der Berechnungsaufwand, der erforderlich ist, dies durchzuführen, ist bemerkenswert, und das von Atal und Remde vorgeschlagene Verfahren war wie folgt:
• (1) Finden der Amplitude und der Position von einem Impuls, und zwar allein, um einen minimalen Fehler zu ergeben.
• (2) Finden der Amplitude und der Position eines zweiten Impulses, der, in Kombination mit diesem ersten Impuls, einen minimalen Fehler ergibt; die Positionen und Amplituden des Impulses (der Impulse), der (die) zuvor gefunden wurde(n), werden während dieser Stufe festgehalten.
• (3) Wiederholung für weitere Impulse.
• Dieses Verfahren wird in der Ableitungseinheit 5 der Fig. 1 angewandt; daß die früher abgeleiteten Impulse bei den späteren Ableitungen in einem Unterblock in Betracht gezogen werden, wird in Fig. 1 durch Rückkopplungspfade 8, 9 angezeigt. Man beachte, daß sich die Folge, in der die Impulse abgeleitet werden, nicht auf ihre tatsächliche Position in dem Unterblock bezieht.
• Die Impulsamplituden ai werden über einen rückwärtsadaptiven Quantisierer 10 geführt, wie es unten beschrieben ist. Zuerst werden sie jedoch (in einem Multiplizierer 11) mit einem statistischen Faktor fi multipliziert. In der Praxis ist herausgefunden worden, daß der erste abzuleitende Impuls im allgemeinen der größte ist, und daß nachfolgend abgeleitete Impulse dazu neigen, fortschreitend kleiner zu sein, zumindest für die ersten wenigen Impulse. Obwohl die Impulsgrößen sich verändern, zeigt eine statistische Analyse an Übungsfolgen, daß dies durchschnittlich so ist, und der Multiplizierer wird derart mit Faktoren versorgt, daß die Impulsamplituden bei dem Multipliziererausgang im Durchschnitt dazu neigen, die gleichen zu sein, ungeachtet welcher Impuls es in der Ableitungsfolge ist. Für den hier betrachteten Fall von drei Impulsen sind die verwendeten Faktoren:
• erster abzuleitender Impuls f&sub0; = 1
• zweiter abzuleitender Impuls f&sub1; = 8/5
• dritter abzuleitender Impuls f&sub2; = 8/3
• (Dem vierten bis sechsten Impuls können, wenn sie vorhanden sind, die Faktoren 8/3, 8/3 und 4 gegeben werden). Die Aufgabe dieses Schritts ist es, die adaptive Quantisierung effizienter zu machen und zu ermöglichen, daß entweder das Quantisierungsrauschen oder die Anzahl von Bits, die zum Kodieren der Amplitude benutzt werden, (oder beides) reduziert wird.
• Wo größere Anzahlen von Impulsen benötigt werden, können geeignete Faktoren durch eine Analyse von Abtastfolgen der Sprache abgeleitet werden, um die Durchschnittsgrößen der Impulse verglichen mit jener des ersten abgeleiteten Impulses zu finden. Der Multiplikationsfaktor ist dann das Reziproke von diesem. Eine einfache (wenn auch nicht optimale) Näherung für eine derartige Situation ist es, einen Faktor von eins für den ersten abgeleiteten Impuls zu benutzen, und zwei für den Rest.
• Der adaptive Quantisierer 9 ist ein drei-Bit-Jayant-Quantisierer und hat einen optimalen nicht linearen Max-Quantisierer 12 mit der folgenden Charakteristik: Tabelle 1 EINGABEBEREICH AUSGABE AUSGABECODE
• Der Ausgabecode stellt einfach die Werte der drei Ausgangsbits dar; die Zahl vor dem "/" ist das Vorzeichenbit und die Zahl 1.....4, die folgt, bezeichnet die binäre Zahl 0....11.
• Eine Skalierungseinheit 13 bietet einen Skalierfaktor für einen Dividierer 14 bei dem Quantisierereingang. Der Skalieriaktor S (anfangs eins) wird dadurch verändert, daß, abhängig von der Quantisierer-Codewort-Ausgabe für einen gegebenen Impulsamplitudenwert, der Skalenfaktor S von seinem Stromwert auf einen neuen Wert erhöht oder erniedrigt wird, um für die nächste Impulsamplitude benutzt zu werden.
• Sk = Sk-1. mk-1
• wobei m gegeben ist durch: Tabelle 2 AUSGABECODE
• Man beachte, daß diese Faktoren unterschiedlich von jenen sind, die von Jayant vorgeschlagen sind; man beachte auch, daß der Skalierfaktor am Ende eines Unterblocks oder eines Datenübertragungsblocks nicht zurückgesetzt wird.
• Ein zusätzliches Merkmal, das verwendet werden kann zur Beschleunigung einer Anpassung ist, daß, wenn zwei aufeinanderfolgende Ausgabecodes den Wert 4 haben, dann das zweite Auftreten in einem Erhöhen des Skalierfaktors um einen Faktor von 2,25 (d.h. zwei Erhöhungen von 1,5) resultiert. Dies wird in einem Datenübertragungsblock 1 durch eine Verzögerung 15 und einen 4,4-Detektor 16 dargestellt.
• Der Ausgangsmultiplexer empfängt die quantisierten Amplituden von dem Quantisierer 10 und die Positionsinformation von der Ableitungseinheit 5, wie auch die LPC-Koeffizienten und kombiniert diese in eine einzige Ausgabe 17.
• Ein Dekodierer ist in Fig. 2 gezeigt, wo ein Demultiplexer 24 die Koeffizienten, Amplituden und Positionsinformation trennt und die Koeffizienten zuführt, um ein Synthesefilter 30 auf den neuesten Stand zu bringen. Die Impulsamplitudencodeworte werden über einen "inversen Quantisierer" 22 geführt, der die Nichtlinearität entfernt, die durch den Quantisierer 12 eingefügt wurde - d.h. er wandelt die empfangenen Codeworte in die Werte um, die in der mittleren Spalte der Tabelle 1 angegeben sind. Der Skalierungsfaktor S wird von den Amplitudencodeworten durch Einheiten 23, 25, 26 erhalten, die in jeder Hinsicht identisch zu den Einheiten 13, 15, 16 der Fig. 1 sind, und der inverse Quantisiererausgang wird mit S in einem Multiplizierer 31 multipliziert. Die Faktoren fi werden dann an einen Dividierer 32 angelegt, dessen Ausgang die ursprünglichen Amplituden darstellt (aber mit einem Quantisierungsfehler) und er wird zusammen mit der Impulspositionsinformation zu einem Anregungsgenerator 33 geführt.
• Der Ausgang des Anregungsgenerators 33 wird durch das Filter 30 gefiltert, um eine dekodierte Sprache an einem Ausgang 34 zu erzeugen.
• Es ist schon erwähnt worden, daß die Vielimpuls-Ableitungseinheit bei den späteren Impulsableitungen die Wirkung der früher abgeleiteten Impulse über die Rückkopplungspfade 8, 9 in Betracht zieht. Es wird vorgezogen, die tatsächliche Wirkung dieser Impulse bei dem Dekodierer in Betracht zu ziehen, und daher ist die Quantisierung vorzugsweise in dieser Schleife enthalten. Somit werden bei dem abgeänderten in Fig. 3 gezeigten Kodierer die Impulsamplituden von dem Ausgang über einen lokalen Dekodierer 40 zurückgeführt, der einen inversen Quantisierer 22', einen Multiplizierer 31' und einen Dividierer 32' aufweist. Der Skalierfaktor kann natürlich von dem Quantisierer 10 erhalten werden. Der Dekodierer in Fig. 2 kann wieder mit diesem Kodierer benutzt werden.
• Einige Vielimpuls-Kodierarten, die eine aufeinanderfolgende Impulsableitung enthalten, enthalten Reoptimierungsschritte. Dies ist so, weil die früher abgeleiteten Impulse ohne Bezug auf die Natur jener später abgeleiteten abgeleitet werden, und die Ergebnisse können durch Zufügen einer Korrektur zu den Amplituden und/oder Positionen der Impulse verbessert werden. Siehe beispielsweise unsere UK-Patentanmeldungen mit den Nr. 8608031 (Patent Nr. 2173679B) und 8720604 (Patent Nr. 52195220B).
• In dem Fall der Fig. 1 kann irgendeine dieser Techniken wie in der Vergangenheit angewendet werden. In dem Fall der Fig. 2 kann eine Positions-Reoptimierung benutzt werden, wenn es gewünscht wird. Jedoch kann in Fig. 3, wo eine Quantisierung eines Impulses i in einer Schleife ausgeführt wird, bevor ein Impuls i+1 abgeleitet wird, eine weitere Einstellung des Impulses i dann nicht möglich sein, ohne die Quantisierungsverarbeitung ernsthaft zu beeinträchtigen.

Claims (5)

1. Sprachkodierer, der aufweist:

eine Einrichtung (2) zum Ableiten von Parametern eines Synthesefilters von einem eingegebenen Sprachsignal;

eine Einrichtung (5) zum Erzeugen einer kodierten Darstellung einer Anregung, die aus einer Vielzahl von Impulsen innerhalb eines Zeitrahmens besteht, der einer größeren Vielzahl von Sprachabtastungen entspricht, wobei die Einrichtung im Betrieb eingerichtet ist, um die Amplituden und die Zeitgabe der Impulse auszuwählen, um die Differenz zwischen dem eingegebenen Sprachsignal und der Antwort des Filters auf die Anregung zu reduzieren, und zwar durch:

Ableiten der Amplitude und der Zeitgabe eines ersten Impulses, der allein eine Anregung darstellt, die dazu neigt, die Differenz zu reduzieren, und aufeinanderfolgendes Ableiten eines oder mehrerer weiterer Impulse, die in Kombination mit dem ersten und irgendwelchen dazwischenliegenden Impulsen eine Anregung darstellen, die dazu neigt, die Differenz zu reduzieren;

gekennzeichnet durch

eine Einrichtung (11) zum Vervielfachen der Impulsamplituden durch Faktoren (fi), die nur von ihrer Position in der Ableitungsfolge abhängen, wobei die Faktoren für jeden Impuls nach dem ersten größer sind als der Faktor; der für den ersten Impuls benutzt wird, und größer als oder gleich dem Faktor (den Faktoren) ist (sind), der (die) für irgendwelche dazwischenliegenden Impulse benutzt wird (werden), und einen rückwärts adaptiven Quantisierer (10) zum Quantisieren der Produkte.

2. Sprachkodierer nach Anspruch 1, wobei der Faktor eine Einheit für den ersten Impuls ist.

3. Sprachkodierer nach Anspruch 1 oder 2, wobei zumindest drei Impulse abgeleitet werden.

4. Sprachkodierer nach Anspruch 3, wobei die Faktoren für die ersten drei Impulse in einer Reihenfolge der Ableitung im wesentlichen 1, 8/5 und 8/3 sind.

5. Sprachkodierer nach einem der vorangehenden Ansprüche, wobei die Ableitungseinrichtung (5) beim Ableiten des (der) weiteren Impulses (Impulse) eingerichtet sind, die Werte der Amplituden des ersten und irgendwelcher dazwischenliegender Impulse zu verwenden, die von dem Quantisiererausgang über einen lokalen Dekodierer (40) erhalten werden.