-
Hintergrund der Erfindung
-
I. Gebiet der Erfindung
-
Die
vorliegende Erfindung betrifft im Allgemeinen das Gebiet der Sprachverarbeitung
und insbesondere Verfahren und eine Vorrichtung zur Kompensierung
von Rahmenlöschungen
in Sprachcodierern mit variabler Rate.
-
II. Hintergrund
-
Eine Übertragung
von Sprache durch digitale Techniken ist weit verbreitet, insbesondere
bei Fern- und digitalen Funktelefonanwendungen. Dies wiederum hat
Interesse erzeugt an der Bestimmung der geringsten Menge an Information,
die über
einen Kanal gesendet werden kann, während die wahrgenommene Qualität der rekonstruierten
Sprache beibehalten wird. Wenn Sprache durch einfaches Abtasten und
Digitalisieren übertragen
wird, ist eine Datenrate im Bereich von 64 Kilobits pro Sekunde
(kbps – kilobits
per second) erforderlich, um eine Sprachqualität eines herkömmlichen
analogen Telefons zu erreichen. Jedoch kann durch die Verwendung
einer Sprachanalyse, gefolgt von der geeigneten Codierung, Übertragung
und Resynthese an dem Empfänger
eine signifikante Reduzierung der Datenrate erreicht werden.
-
Vorrichtungen
für die
Komprimierung von Sprache finden Verwendung in vielen Gebieten der Telekommunikation.
Ein beispielhaftes Gebiet ist die drahtlose Kommunikation. Das Gebiet
der drahtlosen Kommunikation hat viele Anwendungen, einschließlich zum
Beispiel schnurlose Telefone, Paging, drahtlose Teilnehmeranschlussleitungen,
drahtlose Telefonie, wie zellulare und PCS-Telefonsysteme, mobile Internetprotokoll(IP – internet
protocol)-Telefonie und Satellitenkommunikationssysteme. Eine besonders wichtige
Anwendung ist eine drahtlose Telefonie für mobile Teilnehmer.
-
Verschiedene über-die-Luft-Schnittstellen wurden
für drahtlose
Kommunikationssysteme entwickelt, einschließlich zum Beispiel FDMA (frequency division
multiple access), TDMA (time division multiple access) und CDMA
(code division multiple access). In Verbindung damit wurden verschiedene
inländische
und internationale Standards errichtet, einschließlich zum
Beispiel AMPS (Advanced Mobile Phone Service), GSM (Global System
for Mobile Communications) und IS-95 (Interim Standard 95). Ein
beispielhaftes drahtloses Telefonkommunikationssystem ist ein CDMA(code
division multiple access)-System. Der IS-95-Standard und seine Ableitungen,
IS-95A, ANSIJ-STD-008,
IS-956, vorgeschlagene Standards der dritten Generation IS-95C und
IS-2000, usw. (hier insgesamt als IS-95 bezeichnet), werden durch
die Telecommunication Industry Association (TIA) und andere weithin
bekannte Standard-Gremien veröffentlicht,
um die Verwendung einer CDMA-über-die-Luft-Schnittstelle
für zellulare oder
PCS-Telefonkommunikationssysteme zu spezifizieren. Beispielhafte
drahtlose Kommunikationssysteme, die im Wesentlichen gemäß der Verwendung des
IS-95-Standards konfiguriert sind, werden in den
U.S.-Patenten Nr. 5,103,459 und
4,901,307 beschrieben.
-
Vorrichtungen,
die Techniken einsetzen, um Sprache durch Extraktion von Parametern
zu komprimieren, die ein Modell einer menschlichen Spracherzeugung
betreffen, werden als Sprachcodierer bezeichnet. Ein Sprachcodierer
teilt das ankommende Sprachsignal in Zeitblöcke oder Analyserahmen. Sprachcodierer
weisen typischerweise einen Codierer und einen Decodierer auf. Der
Codierer analysiert den ankommenden Sprachrahmen, um bestimmte relevante
Parameter zu extrahieren, und quantisiert dann die Parameter in
binäre
Darstellungen, d.h. in einen Satz von Bits oder ein binäres Datenpaket.
Die Datenpakete werden über
den Kommunikationskanal an einen Empfänger und einen Decodierer übertragen.
Der Decodierer verarbeitet die Datenpakete, entquantisiert sie,
um die Parameter zu erzeugen, und resynthesiert die Sprachrahmen
unter Verwendung der entquantisierten Parameter.
-
Die
Funktion des Sprachcodierers ist, das digitalisierte Sprachsignal
in ein Signal mit geringer Bitrate zu komprimieren durch Entfernen
aller natürlichen
Redundanzen, die in der Sprache inhärent sind. Die digitale Komprimierung
wird erreicht durch Darstellen des Eingangssprachrahmens durch einen Satz
von Parametern und Einsetzen einer Quantisierung, um die Parameter
mit einem Satz von Bits darzustellen. Wenn der Eingangssprachrahmen
eine Anzahl von Bits Ni hat und das von
dem Sprachcodierer erzeugte Datenpaket eine Anzahl von Bits No hat, dann ist der von dem Sprachcodierer
erzielte Komprimierungsfaktor Cr = Ni/No. Die Aufgabe
ist, eine hohe Sprachqualität
der decodierten Sprache zu erhalten bei Erzielung des Ziel-Komprimierungsfaktors.
Die Leistung eines Sprachcodierers hängt davon ab, (1) wie gut das
Sprachmodell oder die oben beschriebene Kombination des Analyse-
und Syntheseprozesses arbeitet, und (2) wie gut der Parameterquantisierungsprozess
an der Zielbitrate von No Bits pro Rahmen
durchgeführt
wird. Das Ziel des Sprachmodells ist somit, die Essenz des Sprachsignals
oder die Ziel-Sprachqualität
mit einem kleinen Satz von Parametern für jeden Rahmen zu erfassen.
-
Vielleicht
am wichtigsten bei der Gestaltung eines Sprachcodierers ist die
Suche nach einem guten Satz von Parametern (einschließlich Vektoren), um
das Sprachsignal zu beschreiben. Ein guter Satz von Parametern erfordert
eine niedrige Systembandbreite für
die Rekonstruktion eines wahrnehmbar genauen Sprachsignals. Pitch
bzw. Tonhöhe,
Signalleistung, spektrale Hülle
(oder Formanten), Amplitudenspektren und Phasenspektren sind Beispiele
der Sprachcodierparameter.
-
Sprachcodierer
können
als Zeitbereichs- bzw. Zeitdomain-Codierer implementiert werden,
die versuchen, die Zeitbereichs-Sprachwellenform zu erfassen durch
Einsatz einer Verarbeitung mit hoher Zeitauflösung, um jeweils kleine Segmente
von Sprache (typischerweise 5 Millisekunden (ms) Teilrahmen) zu
codieren. Für
jeden Teilrahmen wird ein hochgenauer Repräsentant aus einem Codebuchraum
mittels verschiedener in der Technik bekannter Suchalgorithmen gefunden.
Alternativ können Sprachcodierer
als Frequenz bereichs- bzw. Frequenzdomain-Codierer implementiert
werden, die versuchen, das Kurzzeit-Sprachspektrum des Eingangssprachrahmens
mit einem Satz von Parametern zu erfassen (Analyse), und einen entsprechenden
Syntheseprozess einsetzen, um die Sprachwellenform aus den spektralen
Parametern wieder herzustellen. Der Parameter-Quantisierer erhält die Parameter,
indem er sie durch gespeicherte Darstellungen von Code-Vektoren
gemäß bekannten
Quantisierungstechniken darstellt, die von A. Gersho & R. M. Gray in „Vector
Quantization and Signal Compression" (1992) beschrieben werden.
-
Ein
weithin bekannter Zeitbereichs-Sprachcodierer ist der CELP(Code
Excited Linear Predictive)-Codierer, der von L. B. Rabiner & R.W. Schafer
in „Digital
Processing of Speech Signals",
396–453, (1978)
beschrieben wird. In einem CELP-Codierer werden die Kurzzeit-Korrelationen
oder Redundanzen in dem Sprachsignal durch eine LP(linear prediction)-Analyse
entfernt, welche die Koeffizienten eines Kurzzeit-Formant-Filters
findet. Ein Anwenden des Kurzzeit-Voraussage(prediction)-Filters
auf den Eingangssprachrahmen erzeugt ein LP-Restsignal, das weiter
mit Langzeit-Voraussage(bzw. Vorhersage)-Filter-Parametern und einem
nachfolgenden stochastischem Codebuch modelliert und quantisiert wird.
Somit teilt eine CELP-Codierung die Aufgabe einer Codierung der
Zeitbereichs-Sprachwellenform in die getrennten Aufgaben einer Codierung
der LP-Kurzzeit-Filter-Koeffizienten und einer Codierung des LP-Rests.
Eine Zeitbereichs-Codierung kann mit einer festen Rate (d.h. unter
Verwendung derselben Anzahl von Bits, N
o,
für jeden
Rahmen) oder mit einer variablen Rate (in der unterschiedliche Bitraten
für unterschiedliche
Typen von Rahmeninhalten verwendet werden) durchgeführt werden.
Codierer mit variabler Rate versuchen, nur die Menge von Bits zu
verwenden, die erforderlich ist, um die Codec-Parameter auf einem
Level zu codieren, der ausreichend ist, um eine Soll-Qualität zu erhalten.
Ein beispielhafter CELP-Codierer mit variabler Rate wird in dem
U.S.-Patent Nr. 5,414,796 beschrieben.
-
Zeitbereichs-Codierer,
wie der CELP-Codierer, stützen
sich typischerweise auf eine hohe Anzahl von Bits, No,
pro Rahmen, um die Genauigkeit der Zeitbereichs-Sprachwellenform
zu bewahren. Derartige Codierer liefern typischerweise eine exzellente Sprachqualität, vorausgesetzt,
die Anzahl von Bits, No, pro Rahmen ist
relativ groß (z.B.
8 kbps oder höher).
Bei niedrigen Bitraten (4 kbps und darunter) jedoch scheitern Zeitbereichs-Codierer
aufgrund der begrenzten Anzahl von verfügbaren Bits, eine hohe Qualität und robuste
Leistung aufrechtzuerhalten. Bei niedrigen Bitraten beschneidet
(clips) der begrenzte Codebuchraum die Wellenformübereinstimmungs-Fähigkeit von herkömmlichen
Zeitbereichs-Codierern, die so erfolgreich in kommerziellen Anwendungen
mit höherer
Rate eingesetzt werden. Somit leiden trotz Verbesserungen mit der
Zeit viele CELP-Codiersysteme, die bei niedrigen Bitraten arbeiten,
an einer wahrnehmbar signifikanten Verzerrung, die typischerweise
als Rauschen charakterisiert wird.
-
Momentan
gibt es einen Anstieg eines Forschungsinteresses und eine hohe kommerzielle
Notwendigkeit, einen hochwertigen Sprachcodierer zu entwickeln,
der bei mittleren bis geringen Bitraten arbeitet (d.h. in dem Bereich
von 2.4 bis 4 kbps und darunter). Die Anwendungsgebiete umfassen
ein drahtloses Fernsprechwesen, Satellitenkommunikation, Internettelephonie,
verschiedene Multimedia- und Sprach-Streaming-Anwendungen, Voice-Mail
und andere Sprachspeichersysteme. Die treibenden Kräfte sind
die Notwendigkeit einer hohen Kapazität und die Nachfrage nach robuster
Leistung in Paketverlustsituationen. Verschiedene Sprachcodier-Standardisierungsversuche
der letzten Zeit sind eine weitere direkte Antriebskraft, die Forschung
und Entwicklung von Sprachcodieralgorithmen niedriger Rate antreiben.
Ein Sprachcodierer mit niedriger Rate ergibt mehr Kanäle oder
Benutzer pro zulässiger
Anwendungsbandbreite und ein Sprachcodierer niedriger Rate verbunden
mit einer zusätzlichen Schicht
einer geeigneten Kanalcodierung kann für das gesamte Bit-Budget von
Codierer-Spezifikationen geeignet sein und eine robuste Leistung
unter Kanalfehlerbedingungen liefern.
-
Eine
effektive Technik, um Sprache effizient mit geringen Bitraten zu
codieren, ist eine Multimodecodierung. Eine beispielhafte Multimodecodiertechnik
wird in dem
U.S.-Patent Nr. 6,691,084 mit
dem Titel „Variable
Rate Speech Coding" beschrieben,
angemeldet am 21. Dezember 1998. Herkömmliche Multimodecodierer wenden
unterschiedliche Modi oder Codier-Decodier-Algorithmen auf unterschiedliche Typen
von Eingangssprachrahmen an. Jeder Modus oder Codier-Decodier-Prozess
ist spezifisch, um einen bestimmten Typ von Sprachsegment, wie zum
Beispiel stimmhafte (voiced) Sprache, stimmlose (unvoiced) Sprache, Übergangssprache
(zum Beispiel zwischen stimmhaft und stimmlos) und Hintergrundrauschen
(Stille oder keine Sprache), optimal auf die wirksamste Weise darzustellen.
Ein externer Steuer(open loop)modus-Entscheidungsmechanismus untersucht
den Eingangssprachrahmen und entscheidet, welcher Modus auf den
Rahmen anzuwenden ist. Die Steuermodus-Entscheidung wird typischerweise
durchgeführt
durch Extrahieren einer Anzahl von Parametern aus dem Eingangsrahmen, Evaluieren
der Parameter in Bezug auf bestimmte zeitliche und spektrale Charakteristiken
und Basieren einer Modusentscheidung auf die Evaluierung.
-
Codiersysteme,
die mit Raten in dem Bereich von 2.4 kbps arbeiten, sind im Allgemeinen
parametrisch. Das heißt,
derartige Codiersysteme arbeiten durch Übertragung von Parametern,
welche die Pitch-Periode und die spektrale Hülle (oder Formanten) des Sprachsignals
in regelmäßigen Intervallen beschreiben.
Das LP-Vocoder-System veranschaulicht diese so genannten parametrischen
Codierer.
-
LP-Vocoder
modellieren ein stimmhaftes Sprachsignal mit einem einzelnen Puls
pro Pitch-Periode. Diese grundlegende Technik kann erweitert werden,
um unter anderem eine Übertragungsinformation über die
spektrale Hülle
zu umfassen. Obwohl LP-Vocoder im Allgemeinen eine vernünftige Leistung
bieten, können
sie eine wahrnehmbar signifikante Verzerrung einführen, typischerweise
als Brummen bzw. Summen (buzz) charakterisiert.
-
In
den letzten Jahren sind Codierer entstanden, die Hybriden aus sowohl
Wellenformcodierern als auch parametrischen Codierern sind. Das
Prototyp-Wellenform-Interpolations(PWI – prototype waveform
interpolation)-Sprachcodiersystem
veranschaulicht diese so genannten hybriden Codierer. Das PWI-Codiersystem
kann auch als ein PPP(prototype pitch period)-Sprachcodierer bekannt sein. Ein PWI-Codiersystem
liefert ein effizientes Verfahren zur Codierung von stimmhafter
Sprache. Das grundlegende Konzept von PWI liegt darin, einen repräsentativen
Pitch-Zyklus (die Prototyp-Wellenform)
in festen Intervallen zu extrahieren, seine Beschreibung zu übertragen
und das Sprachsignal durch eine Interpolation zwischen den Prototyp-Wellenformen
zu rekonstruieren. Das PWI-Verfahren kann entweder auf dem LP-Rest-Signal
oder auf dem Sprachsignal arbeiten. Ein beispielhafter PWI- oder
PPP-Sprachcodierer wird in dem
U.S.-Patent
Nr. 6,456,964 mit dem Titel „Periodic Speech Coding" beschrieben, das am
21. Dezember 1998 angemeldet wurde. Andere PWI- oder PPP-Sprachcodierer
werden in dem
U.S.-Patent Nr.
5,884,253 , und in W. Bastiaan Kleijn & Wolfgang Granzow in „Methods
for Waveform Interpolation in Speech Coding" in 1 Digital Signal Processing, 215–230 (1991)
beschrieben.
-
In
den meisten herkömmlichen
Sprachcodierern werden die Parameter eines gegebenen Pitch-Prototyps
oder eines gegebenen Rahmens von dem Codierer jeweils individuell
quantisiert und übertragen.
Zusätzlich
wird ein Differenzwert für
jeden Parameter übertragen.
Der Differenzwert spezifiziert die Differenz zwischen dem Parameterwert
für den aktuellen
Rahmen oder Prototyp und dem Parameterwert für den vorhergehenden Rahmen
oder Prototyp.
EP 0,731,448 (AT & T Corp.) offenbart
ein Sprachcodiersystem, in dem verschiedene Sprachparameterwerte
sowie ein Sprachparameter-Delta übertragen
werden, wobei das Sprachparameter-Delta eine Änderung der Pitch-Verzögerung von einem
aktuellen Rahmen zu einem unmittelbar vorhergehenden Rahmen darstellt.
Jedoch erfordert ein Quantisieren der Parameterwerte und der Differenzwerte
eine Verwendung von Bits (und somit Bandbreite). In einem Sprachcodierer
mit niedriger Bitrate ist es vorteilhaft, die geringste Anzahl von
Bits zu übertragen,
die möglicht
ist, um eine zufrie denstellende Sprachqualität aufrecht zu erhalten. Aus
diesem Grund werden in herkömmlichen
Sprachcodierern mit niedriger Bitrate nur die absoluten Parameterwerte
quantisiert und übertragen.
Es wäre
wünschenswert,
die Anzahl der übertragenen
Bits zu verringern, ohne den Informationswert zu verringern. Demgemäß wird ein
Quantisierungsschema, das die Differenz zwischen einer gewichteten
Summe der Parameterwerte für
frühere
Rahmen und dem Parameterwert für
den aktuellen Rahmen quantisiert, in
EP 1279167 B1 mit dem Titel „Method
and Apparatus for Predictively Quantizing Voiced Speech" beschrieben, das
der Anmelderin der vorliegenden Erfindung erteilt wurde.
-
Sprachcodierer
erfahren eine Rahmenlöschung
oder einen Paketverlust aufgrund schlechter Kanalbedingungen. Eine
Lösung,
die in herkömmlichen
Sprachcodieren verwendet wurde, war, dass der Decodierer einfach
den vorhergehenden Rahmen wiederholt, wenn eine Rahmenlöschung empfangen
wurde. Eine Verbesserung wurde beobachtet bei der Verwendung eines
adaptiven Codebuchs, das dynamisch den Rahmen anpasst, der unmittelbar
auf eine Rahmenlöschung
folgt. Eine weitere Verbesserung, der verbesserte Codierer mit variabler Rate
(EVRC – enhanced
variable rate coder), wird in dem Telecommunication Industry Association
Interim Standard EIA/TIA IS-127
standardisiert. Der EVRC-Codierer ist auf einen korrekt empfangenen, niedrig-prädiktiv codierten
Rahmen angewiesen, um in dem Codiererspeicher den Rahmen zu verändern, der
nicht empfangen wurde, und dadurch die Qualität des korrekt empfangenen Rahmens
zu verbessern.
-
Ein
Problem mit dem EVRC-Codierer ist jedoch, dass Diskontinuitäten zwischen
einer Rahmenlöschung
und einem nachfolgenden angepassten guten Rahmen entstehen können. Zum
Beispiel können Pitch-Pulse
zu nahe oder zu weit auseinander platziert werden im Vergleich zu
ihren relativen Positionen in dem Fall, dass keine Rahmenlöschung stattgefunden
hat. Derartige Diskontinuitäten
können
einen hörbaren
Klick verursachen.
-
Im
Allgemeinen arbeiten Sprachcodierer, die eine niedrige Vorhersagbarkeit
umfassen (wie die in dem obigen Abschnitt beschriebenen), besser
unter Rahmenlöschungsbedingungen.
Jedoch erfordern, wie diskutiert, derartige Sprachcodierer relativ
höhere
Bitraten. Im Gegensatz kann ein hoch-prädiktiver Sprachcodierer
eine gute Qualität
einer synthetisierten Sprachausgabe erzielen (insbesondere für eine stark
periodische Sprache, wie stimmhafte Sprache), arbeitet aber schlechter
unter Rahmenlöschungsbedingungen.
Es wäre
wünschenswert,
die Qualitäten beider
Typen von Sprachcodierern zu kombinieren. Es wäre weiter vorteilhaft, ein
Verfahren zum Glätten von
Diskontinuitäten
zwischen Rahmenlöschungen und
nachfolgenden veränderten
guten Rahmen vorzusehen. Somit gibt es eine Notwendigkeit für ein Rahmenlöschungskompensationsverfahren,
das eine prädiktive
Codierer-Leistung in dem Fall von Rahmenlöschungen verbessert und Diskontinuitäten zwischen
Rahmenlöschungen
und nachfolgenden guten Rahmen glättet.
-
ZUSAMMENFASSUNG DER ERFINDUNG
-
Die
vorliegende Erfindung betrifft ein Rahmenlöschungskompensationsverfahren,
das eine prädiktive
Codierer-Leistung in dem Fall von Rahmenlöschungen verbessert und Diskontinuitäten zwischen
Rahmenlöschungen
und nachfolgenden guten Rahmen glättet. Demgemäß wird in
einem Aspekt der Erfindung ein Verfahren zum Kompensieren für eine Rahmenlöschung in
einem Sprachcodierer vorgesehen. Das Verfahren umfasst vorteilhafterweise
ein Entquantisieren eines Pitch- bzw. Tonhöhenverzögerungswerts und eines ersten
Delta-Werts für einen
aktuellen Rahmen, der verarbeitet wird, nachdem ein gelöschter Rahmen
deklariert bzw. festgestellt wurde, wobei der erste Delta-Wert gleich
zu der Differenz zwischen dem Pitch-Verzögerungswert
für den
aktuellen Rahmen und einem Pitch-Verzögerungswert
für einen
Rahmen ist, der dem aktuellen Rahmen unmittelbar vorausgeht; Empfangen
eines quantisierten zweiten Delta-Werts für zumindest einen Rahmen vor
dem aktuellen Rahmen und nach der Rahmenlöschung, ohne einen quantisierten Pitch-Verzögerungswert
für den
zumin dest einen Rahmen zu empfangen; Entquantisieren des zweiten Delta-Werts
für zumindest
einen Rahmen vor dem aktuellen Rahmen und nach der Rahmenlöschung, wobei
der zweite Delta-Wert gleich zu der Differenz zwischen einem Pitch-Verzögerungswert
für den
zumindest einen Rahmen und einem Pitch-Verzögerungswert für einen
Rahmen ist, der unmittelbar dem zumindest einem Rahmen vorausgeht;
Subtrahieren des ersten Delta-Werts von dem Pitch-Verzögerungswert
für den
aktuellen Rahmen, um einen Pitch-Verzögerungswert
für den
zumindest einen Rahmen vor dem aktuellen Rahmen zu erzeugen; und
Subtrahieren des zweiten Delta-Werts von dem erzeugten Pitch-Verzögerungswert
für den
zumindest einen Rahmen vor dem aktuellen Rahmen, um einen Pitch-Verzögerungswert
für den
gelöschten Rahmen
zu erzeugen.
-
In
einem anderen Aspekt der Erfindung ist ein Sprachcodierer vorgesehen,
der zum Kompensieren für
eine Rahmenlöschung
konfiguriert ist. Der Sprachcodierer umfasst vorteilhafterweise
erste Mittel zum Entquantisieren eines Pitch-Verzögerungswerts
und eines ersten Delta-Werts für
einen aktuellen Rahmen, der verarbeitet wird, nachdem ein gelöschter Rahmen
deklariert bzw. festgestellt wurde, wobei der erste Delta-Wert gleich
zu der Differenz zwischen dem Pitch-Verzögerungswert für den aktuellen
Rahmen und einem Pitch-Verzögerungswert
für einen
Rahmen ist, der dem aktuellen Rahmen unmittelbar vorausgeht; Mittel
zum Empfangen eines quantisierten zweiten Delta-Werts für zumindest
einen Rahmen vor dem aktuellen Rahmen und nach der Rahmenlöschung,
ohne einen quantisierten Pitch-Verzögerungswert
für den
zumindest einen Rahmen zu empfangen; Mittel zum Entquantisieren des
zweiten Delta-Werts für
den zumindest einen Rahmen vor dem aktuellen Rahmen und nach der Rahmenlöschung,
wobei der Delta-Wert gleich zu der Differenz zwischen einem Pitch-Verzögerungswert für den zumindest
einen Rahmen und einem Pitch-Verzögerungswert
für einen
Rahmen ist, der unmittelbar dem zumindest einem Rahmen vorausgeht;
Mittel zum Subtrahieren des ersten Delta-Werts von dem Pitch-Verzögerungswert
für den
aktuellen Rahmen, um einen Pitch-Verzögerungswert
für den zumindest
einen Rahmen vor dem aktuellen Rahmen zu erzeugen; und Mittel zum
Subtrahieren des zweiten Delta-Werts von dem erzeugten Pitch-Verzögerungswert
für den
zumindest einen Rahmen vor dem aktuellen Rahmen, um einen Pitch-Verzögerungswert
für den
gelöschten
Rahmen zu erzeugen.
-
In
einem bevorzugten Ausführungsbeispiel der
Erfindung ist eine Teilnehmereinheit vorgesehen, welche die Merkmale
des oben beschriebenen Sprachcodierers enthält. In diesem Ausführungsbeispiel
ist das erste Mittel zum Entquantisieren des Pitch-Verzögerungswerts
und des ersten Delta-Werts
für den
aktuellen Rahmen, der verarbeitet wird, nachdem ein gelöschter Rahmen
deklariert wurde, ein erster Sprachcodierer; das zweite Mittel zum
Entquantisieren des zweiten Delta-Werts für den zumindest einen Rahmen
vor dem aktuellen Rahmen und nach der Rahmenlöschung ist ein zweiter Sprachcodierer;
und das Mittel zum Subtrahieren ist ein Steuerungsprozessor, der
mit dem ersten und zweiten Sprachcodierer verbunden ist.
-
In
einem anderen Aspekt der Erfindung ist ein Infrastrukturelement
vorgesehen, das zum Kompensieren für eine Rahmenlöschung konfiguriert
ist. Das Infrastrukturelement umfasst vorteilhafterweise einen Prozessor;
und ein Speichermedium, das mit dem Prozessor verbunden ist und
einen Satz von Anweisungen enthält,
der durch den Prozessor ausführbar
ist, um das oben dargelegte Verfahren durchzuführen.
-
KURZE BESCHREIBUNG DER ZEICHNUNGEN
-
1 ist
ein Blockdiagramm eines drahtlosen Telefonsystems.
-
2 ist
ein Blockdiagramm eines Kommunikationskanals, der an jedem Ende
von Sprachcodierern terminiert wird.
-
3 ist
ein Blockdiagramm eines Sprachcodierers.
-
4 ist
ein Blockdiagramm eines Sprachdecodierers.
-
5 ist
ein Blockdiagramm eines Sprachcodierers, einschließlich Codierer/Sender-
und Decodierer/Empfänger-Teile.
-
6 ist
ein Graph einer Signalamplitude über
der Zeit für
ein Segment einer stimmhaften Sprache.
-
7 zeigt
ein erstes Rahmenlöschungsverarbeitungsschema,
das in dem Decodierer/Empfänger-Teil
des Sprachcodierers von 5 verwendet werden kann.
-
8 zeigt
ein zweites Rahmenlöschungsverarbeitungsschema,
das für
einen Sprachcodierer mit variabler Rate zugeschnitten ist, das in
dem Decodierer/Empfänger-Teil
des Sprachcodierers von 5 verwendet werden kann.
-
9 zeichnet
eine Signalamplitude über der
Zeit für
verschiedene Linearprädiktiv(LP – linear predictive)-Rest-Wellenformen,
um ein Rahmenlöschungsverarbeitungsschema
darzustellen, das verwendet werden kann, um einen Übergang
zwischen einem beschädigten
Rahmen und einem guten Rahmen zu glätten.
-
10 zeichnet
eine Signalamplitude über der
Zeit für
verschiedene LP-Rest-Wellenformen,
um die Vorteile des in 9 dargestellten Rahmenlöschungsverarbeitungsschemas
darzustellen.
-
11 zeichnet
eine Signalamplitude über der
Zeit für
verschiedene Wellenformen, um eine Pitch-Periode-Prototyp- oder
Wellenform-Interpolations-Codier-Technik
darzustellen.
-
12 ist
ein Blockdiagramm eines Prozessors, der mit einem Speichermittel
verbunden ist.
-
Detaillierte Beschreibung
der bevorzugten Ausführungsbeispiele
-
Die
im Folgenden hier beschriebenen beispielhaften Ausführungsbeispiele
befinden sich in einem drahtlosen Telefonkommunikationssystem, das konfiguriert
ist, eine CDMA-über-die-Luft-Schnittstelle
einzusetzen. Dennoch ist für
Fachleute offensichtlich, dass ein Verfahren und eine Vorrichtung
zum prädiktiven
Codieren von stimmhafter Sprache, die Merkmale der vorliegenden
Erfindung einsetzen, sich in jedem von verschiedenen Kommunikationssystemen
befinden können,
die einen weiten Bereich von Technologien einsetzen, die Fachleuten
bekannt sind.
-
Wie
in 1 dargestellt wird, umfasst ein drahtloses CDMA-Telefonsystem
im Allgemeinen eine Vielzahl von mobilen Teilnehmereinheiten 10, eine
Vielzahl von Basisstationen (BS – base stations) 12,
Basisstation-Steuereinrichtungen
(BSCs – base station
controllers) 14 und eine mobile Vermittlungsstelle (MSC – mobile
switching center) 16. Die MSC 16 ist konfiguriert,
eine Schnittstelle mit einem herkömmlichen öffentlichen Telefonnetz (PSTN – public switch
telephone network) 18 zu haben. Die MSC 16 ist
auch konfiguriert, mit den BSCs 14 verbunden zu sein. Die
BSCs 14 sind mit den Basisstationen 12 über Backhaul-Leitungen
verbunden. Die Backhaul-Leitungen
können
konfiguriert sein, jede von mehreren bekannten Schnittstellen zu
unterstützen, einschließlich zum
Beispiel E1/T1, ATM, IP, PPP, Frame Relay, HDSL, ADSL oder xDSL.
Es sollte angemerkt werden, dass es mehr als zwei BSCs 14 in dem
System geben kann. Jede Basisstation 12 umfasst vorteilhafterweise
zumindest einen Sektor (nicht gezeigt), wobei jeder Sektor eine
omnidirektionale Antenne oder eine Antenne aufweist, die in eine bestimmte
Richtung radial weg von der Basisstation 12 gerichtet ist.
Alternativ kann jeder Sektor zwei Antennen für einen Diversity-Empfang aufweisen.
Jede Basisstation 12 kann vorteilhafterweise gestaltet sein,
eine Vielzahl von Frequenzzuteilungen zu unterstützen. Die Schnittstelle eines
Sektors und einer Frequenzzuteilung kann als ein CDMA-Kanal bezeichnet
werden. Die Basisstationen 12 können auch als Basisstation-Transceiver-Teilsysteme (BTSs – base station
transceiver subsystems) 12 bekannt sein.
-
Alternativ
kann „Basisstation" in der Industrie verwendet
werden, um kollektiv eine BSC 14 und ein oder mehrere BTSs 12 zu
bezeichnen. Die BTSs 12 können auch als „Zellenstandorte" 12 bezeichnet werden.
Alternativ können
individuelle Sektoren eines bestimmten BTS 12 als Zellenstandorte
bezeichnet werden. Die mobilen Teilnehmereinheiten 10 sind typischerweise
zellulare oder PCS-Telefone 10. Das System ist vorteilhafterweise
konfiguriert zur Verwendung gemäß dem IS-95-Standard.
-
Während eines
typischen Betriebs des zellularen Telefonsystems empfangen die Basisstationen 12 Sätze von
Rückwärtsverbindungssignalen
von Sätzen
von mobilen Einheiten 10. Die mobilen Einheiten 10 führen Telefonanrufe
oder eine andere Kommunikation durch. Jedes von einer gegebenen Basisstation 12 empfangene
Rückwärtsverbindungssignal
wird in dieser Basisstation 12 verarbeitet. Die resultierenden
Daten werden an die BSCs 14 weitergeleitet. Die BSCs 14 sehen
eine Anrufressourcenzuteilung und eine Mobilitätsverwaltungsfunktionalität vor, einschließlich der
Instrumentation von weichen Übergaben
bzw. Handovers (soff handoffs) zwischen den Basisstationen 12.
Die BSCs 14 leiten auch die empfangenen Daten an die MSC 16,
die zusätzliche
Routing-Dienste zur Verbindung mit dem PSTN 18 vorsieht. Ähnlich ist
das PSTN 18 mit der MSC 16 verbunden und die MSC 16 ist
mit den BSCs 14 verbunden, die wiederum die Basisstationen 12 steuern,
um Sätze
von Vorwärtsverbindungssignalen an
Sätze von
mobilen Einheiten 10 zu übertragen. Es sollte für Fachleute
offensichtlich sein, dass die Teilnehmereinheiten 10 in
alternativen Ausführungsbeispielen
feste Einheiten sein können.
-
In 2 empfängt ein
erster Codierer 100 digitalisierte Sprachabtastwerte s(n)
und codiert die Abtastwerte s(n) zur Übertragung auf einem Übertragungsmittel 102 oder
einem Kommunikationskanal 102 an einen ersten Decodierer 104.
Der Decodierer 104 decodiert die codierten Sprachabtastwerte
und synthetisiert ein Ausgabesprachsignal sSYNTH(n).
Zur Übertragung
in die entgegengesetzte Richtung codiert ein zweiter Codierer 106 digitalisierte
Sprachabtastwerte s(n), die auf einem Kommunikationskanal 108 übertragen werden.
Ein zweiter Decodierer 110 empfängt und decodiert die codierten
Sprachabtastwerte und erzeugt ein synthetisiertes Ausgabesprachsignal
sSYNTH(n).
-
Die
Sprachabtastwerte s(n) stellen Sprachsignale dar, die gemäß verschiedenen
in dem Stand der Technik bekannten Verfahren digitalisiert und quantisiert
wurden, z.B. Pulscode-Modulation (PCM – pulse code modulation), kompandiertes μ-Gesetz (μ-law) oder
A-Gesetz (A-law). Wie in der Technik bekannt ist, werden die Sprachabtastwerte
s(n) in Rahmen von Eingangsdaten organisiert, wobei jeder Rahmen
eine vorgegebene Anzahl von digitalisierten Sprachabtastwerten s(n)
aufweist. In einem beispielhaften Ausführungsbeispiel wird eine Abtastrate
von 8 kHz eingesetzt, wobei jeder 20-ms-Rahmen 160 Abtastwerte aufweist.
In den im Folgenden beschriebenen Ausführungsbeispielen kann die Rate
einer Datenübertragung
vorteilhafterweise auf einer Rahmen-zu-Rahmen-Basis von voller Rate
zu (halber Rate zu viertel Rate zu achtel Rate) variiert werden. Ein
Variieren der Datenübertragungsrate
ist vorteilhaft, da niedrigere Bitraten selektiv für Rahmen
eingesetzt werden können,
die relativ wenig Sprachinformation enthalten. Wie für Fachleute
offensichtlich ist, können
andere Abtastraten und/oder Rahmengrößen verwendet werden. Auch
kann in den im Folgenden beschriebenen Ausführungsbeispielen der Sprach-Codierungs(oder
Codier)-Modus auf einer Rahmen-zu-Rahmen-Basis als Reaktion auf
die Sprachinformation oder Energie des Rahmens variiert werden.
-
Der
erste Codierer
100 und der zweite Decodierer
110 bilden
zusammen einen ersten Sprachcodierer (Codierer/Decodierer) oder
Sprachcodec. Der Sprachcodierer kann in jeder Kommunikationsvorrichtung
zur Übertragung
von Sprachsignalen verwendet werden, einschließlich zum Beispiel die Teilnehmereinheiten,
BTSs oder BSCs, die oben unter Bezugnahme auf
1 beschrieben
werden. Ähnlich bilden
der zweite Codierer
106 und der erste Decodierer
104 zusammen
einen zweiten Sprachcodierer. Es ist Fachleuten bekannt, dass Sprachcodierer
implementiert werden können
mit einem digitalen Signalprozessor (DSP – digital signal processor),
einem anwendungs spezifischen Schaltkreis (ASIC – application-specific integrated
circuit), einer diskreten Gatter-Logik, einer Firmware oder einem
herkömmlichen programmierbaren
Softwaremodul und einem Mikroprozessor. Das Softwaremodul kann sich
in einem RAM-Speicher, einem Flash-Speicher, Registern oder jeder
anderen in der Technik bekannten Form eines Speichermittels befinden.
Alternativ kann jeder herkömmliche
Prozessor, jede Steuereinrichtung oder Zustandsmaschine für den Mikroprozessor
eingesetzt werden. Beispielhafte ASICs, die spezifisch für eine Sprachcodierung
gestaltet sind, werden in dem
U.S.-Patent
Nr. 5,727,123 und dem
U.S.-Patent Nr.
5,784,532 mit dem Titel „VOCODER ASIC", angemeldet am 16.
Februar 1994, beschrieben.
-
In
3 umfasst
ein Codierer
200, der in einem Sprachcodierer verwendet
werden kann, ein Modus-Entscheidungs-Modul
202, ein Pitch-Schätz-Modul
204,
ein LP-Analyse-Modul
206, einen LP-Analyse-Filter
208,
ein LP-Quantisierungs-Modul
210 und
ein Rest-Quantisierungs-Modul
212. Eingangssprachrahmen
s(n) werden an das Modus-Entscheidungs-Modul
202, das Pitch-Schätz-Modul
204,
das LP-Analyse-Modul
206 und den LP-Analyse-Filter
208 geliefert.
Das Modus-Entscheidungs-Modul
202 erzeugt einen Modusindex
I
M und einen Modus M basierend auf der Periodizität, der Energie,
des Rauschabstands (SNR – signal-to-noise
ratio) oder einer Nulldurchgangsrate, unter anderen Merkmalen, jedes
Eingangssprachrahmens s(n). Verschiedene Verfahren einer Klassifizierung
von Sprachrahmen gemäß einer
Periodizität werden
in dem
U.S.-Patent Nr. 5,911,128 beschrieben,
das der Anmelderin der vorliegenden Erfindung erteilt wurde und
durch Bezugnahme hier vollständig aufgenommen
ist. Derartige Verfahren sind auch in den „Telecommunication Industry
Association Industry Interim Standards" TIA/EIA IS-127 und TIA/EIA IS-733 enthalten.
Ein beispielhaftes Modus-Entscheidungs-Schema wird auch in dem oben
erwähnten
U.S.-Patent Nr. 6,691,084 beschrieben.
-
Das
Pitch-Schätz-Modul 204 erzeugt
einen Pitch-Index Ip und einen Verzögerungs(lag)wert
P0 basierend auf jedem Eingangssprachrahmen
s(n). Das LP-Analyse-Modul 206 führt eine Lineare-Prädiktions-Analyse
auf jedem Eingangssprachrahmen s(n) durch, um einen LP-Parameter α zu erzeugen. Der
LP-Parameter α wird
an das LP-Quantisierungs-Modul 210 geliefert. Das LP-Quantisierungs-Modul 210 empfängt auch
den Modus M, wodurch es den Quantisierungsprozess auf eine Modus-abhängige Weise
durchführt.
Das LP-Quantisierungs-Modul 210 erzeugt einen LP-Index
ILP und einen quantisierten LP-Parameter α ^.
Der LP-Analyse-Filter 208 empfängt den quantisierten LP-Parameter α ^ zusätzlich zu
dem Eingangssprachrahmen s(n). Der LP-Analyse-Filter 208 erzeugt
ein LP-Rest-Signal R[n], das den Fehler zwischen den Eingangssprachrahmen
s(n) und der rekonstruierten Sprache basierend auf den quantisierten
LP-Parametern α ^ darstellt. Der LP-Rest
R[n], der Modus M und der quantisierte LP-Parameter α ^ werden an das Rest-Quantisierungs-Modul 212 geliefert.
Basierend auf diesen Werten erzeugt das Rest-Quantisierungs-Modul 212 einen
Rest-Index IR und ein quantisiertes Rest-Signal R ^[n].
-
In
4 umfasst
ein Decodierer
300, der in einem Sprachcodierer verwendet
werden kann, ein LP-Parameter-Decodierungs-Modul
302, ein Rest-Decodierungs-Modul
304,
ein Modus-Decodierungs-Modul
306 und einen LP-Synthese-Filter
308. Das
Modus-Decodierungs-Modul
306 empfängt und decodiert einen Modus-Index
I
M, aus dem es einen Modus M erzeugt. Das
LP-Parameter-Decodierungs-Modul
302 empfängt den
Modus M und einen LP-Index I
LP. Das LP-Parameter-Decodierungs-Modul
302 decodiert
die empfangenen Werte, um einen quantisierten LP-Parameter α ^ zu erzeugen.
Das Rest-Decodierungs-Modul
304 empfängt einen Rest-Index I
R, einen Pitch-Index I
P und
den Modus-Index I
M. Das Rest-Decodierungs-Modul
304 decodiert die
empfangenen Werte, um ein quantisiertes Rest-Signal R ^[n] zu erzeugen.
Das quantisierte Rest-Signal R ^[n] und der quantisierte LP-Parameter
werden
an den LP-Synthese-Filter
308 geliefert, der daraus ein
decodiertes Sprachsignal ŝ[n]
synthetisiert.
-
Betrieb
und Implementierung der verschiedenen Module des Codierers
200 von
3 und
des Decodierers
300 von
4 sind in
der Technik bekannt und werden in dem oben erwähnten
U.S.-Patent Nr. 5,414,796 und von
L. B. Rabiner & R.
W. Schafer in „Digital
Processing of Speech Signals", 396–453, (1978)
beschrieben.
-
In
einem Ausführungsbeispiel
kommuniziert ein Multimode-Sprachcodierer 400 mit einem
Multimode-Sprachdecodierer 402 über einen Kommunikationskanal
oder ein Übertragungsmedium 404.
Der Kommunikationskanal 404 ist vorteilhafterweise eine HF-Schnittstelle,
die gemäß dem IS-95-Standard konfiguriert
ist. Es dürfte
für Fachleute
offensichtlich sein, dass der Codierer 400 einen zugehörigen Decodierer
hat (nicht gezeigt). Der Codierer 400 und sein zugehöriger Decodierer
bilden zusammen einen ersten Sprachcodierer. Es dürfte für Fachleute
ebenfalls offensichtlich sein, dass der Decodierer 402 einen zugehörigen Codierer
hat (nicht gezeigt). Der Decodierer 402 und sein zugehöriger Codierer
bilden zusammen einen zweiten Sprachcodierer. Der erste und der
zweite Sprachcodierer können
vorteilhafterweise als Teil von ersten und zweiten DSPs implementiert
werden und können
sich zum Beispiel in einer Teilnehmereinheit und einer Basisstation
in einem PCS oder zellularen Telefonsystem oder in einer Teilnehmereinheit
und einem Gateway in einem Satellitensystem befinden.
-
Der
Codierer 400 umfasst einen Parameter-Kalkulator 406,
ein Modus-Klassifikations-Modul 408,
eine Vielzahl von Codierungs-Modi 410 und ein Paketformatierungs-Modul 412.
Die Anzahl der Codierungs-Modi 410 wird als n gezeigt,
was, wie Fachleute verstehen werden, jede sinnvolle Anzahl von Codierungs-Modi 410 bedeuten
kann. Zur Einfachheit werden nur drei Codierungs-Modi 410 gezeigt, wobei
eine gepunktete Linie die Existenz anderer Codierungs-Modi 410 anzeigt.
Der Decodierer 402 umfasst ein Paket-Disassembler- und Paketverlusterfassungs-Modul 414,
eine Vielzahl von Decodierungs-Modi 416, einen Löschungs-Decodierer 418 und
einen Post-Filter
oder Sprach-Synthesizer 420. Die Anzahl der Decodierungs-Modi 416 wird
als n gezeigt, was, wie Fachleute verstehen werden, jede sinnvolle
An zahl von Deodierungs-Modi 416 bedeuten kann. Zur Einfachheit
werden nur drei Decodierungs-Modi 416 gezeigt, wobei eine
gepunktete Linie die Existenz anderer Decodierungs-Modi 416 anzeigt.
-
Ein
Sprachsignal s(n) wird an den Parameter-Kalkulator
406 geliefert.
Das Sprachsignal wird in Blöcke
von Abtastwerte, als Rahmen bezeichnet, geteilt. Der Wert n gibt
die Rahmennummer an. In einem alternativen Ausführungsbeispiel wird ein Linear-Prädiktions(LP – linear
prediction)-Rest-Fehler-Signal
statt des Sprachsignals verwendet. Der LP-Rest wird von Sprachcodierern
verwendet, wie zum Beispiel dem CELP-Codierer. Eine Berechnung des LP-Rests
wird vorteilhafterweise durchgeführt
durch Liefern des Sprachsignals an einen inversen LP-Filter (nicht
gezeigt). Die Transfer-Funktion des inversen LP-Filters A(z) wird
gemäß der folgenden
Gleichung berechnet:
A(z) = 1 – a1z–1 – a2z–2 – ... – apz–p wobei die Koeffizienten
a
1 Filter-Taps mit vordefinierten Werten
sind, die gemäß bekannten
Verfahren gewählt
werden, wie in dem oben angeführten
U.S.-Patent Nr. 5,414,796 und
dem
U.S.-Patent Nr. 6,456,964 beschrieben.
Die Anzahl p gibt die Anzahl von vorhergehenden Abtastwerten an,
die der inverse LP-Filter für
Vorhersagezwecke verwendet. In einem bestimmten Ausführungsbeispiel
ist p auf zehn gesetzt.
-
Der
Parameter-Kalkulator
406 leitet verschiedene Parameter
basierend auf dem aktuellen Rahmen ab. In einem Ausführungsbeispiel
umfassen diese Parameter zumindest eines der Folgenden: LPC(linear
predictive coding)-Filter-Koeffizienten, LSP(linear
spectral pair)-Koeffizienten, normalisierte Autokorrelationsfunktionen
(NACFs – normalized
autocorrelation functions), offener Regelkreis-Verzögerung,
Nulldurchgangsraten, Bandenergien und das Formant-Rest-Signal. Eine
Berechnung von LPC-Koeffizienten, LSP-Koeffizienten, offener Regelkreis-Verzögerung,
Bandenergien und des Formant-Rest-Signals wird detailliert in dem
oben angeführten
U.S.-Patent Nr. 5,414,796 beschrieben.
Eine Berechnung der NACFs und Nulldurchgangsra ten wird detailliert
in dem oben angeführten
U.S.-Patent Nr. 5,911,128 beschrieben.
-
Der
Parameter-Kalkulator 406 ist mit dem Modus-Klassifikations-Modul 408 verbunden.
Der Parameter-Kalkulator 406 liefert die Parameter an das
Modus-Klassifikations-Modul 408. Das Modus-Klassifikations-Modul 408 ist
verbunden, um dynamisch zwischen den Codierungs-Modi 410 auf
einer Rahmen-zu-Rahmen-Basis umzuschalten, um den geeignetsten Codierungs-Modus 410 für den aktuellen
Rahmen zu wählen.
Das Modus-Klassifikations-Modul 408 wählt einen
bestimmten Codierungs-Modus 410 für den aktuellen Rahmen durch Vergleichen
der Parameter mit vordefinierten Schwellen- und/oder Obergrenzen-Werten. Basierend
auf dem Energieinhalt des Rahmens klassifiziert das Modus-Klassifikations-Modul 408 den
Rahmen als keine Sprache oder inaktive Sprache (z.B. Stille, Hintergrundrauschen
oder Pausen zwischen Wörtern)
oder Sprache. Basierend auf der Periodizität des Rahmens klassifiziert
das Modus-Klassifikations-Modul 408 dann Sprachrahmen als
einen bestimmten Typ von Sprache, zum Beispiel stimmhaft, stimmlos
oder transient.
-
Stimmhafte
Sprache ist Sprache, die einen relativ hohen Grad an Periodizität zeigt.
Ein Segment von stimmhafter Sprache wird in dem Graph von 6 gezeigt.
Wie dargestellt ist die Pitch-Periode eine Komponente eines Sprachrahmens,
die vorteilhafterweise verwendet werden kann, um die Inhalte des
Rahmens zu analysieren und zu rekonstruieren. Stimmlose Sprache
weist typischerweise Konsonanten-Töne auf. Transiente Sprachrahmen
sind typischerweise Übergänge zwischen
stimmhafter und stimmloser Sprache. Rahmen, die weder als stimmhafte
noch stimmlose Sprache klassifiziert werden, werden als transiente
Sprache klassifiziert. Es sollte für Fachleute offensichtlich
sein, dass jedes geeignete Klassifikationsschema eingesetzt werden
kann.
-
Eine
Klassifizierung der Sprachrahmen ist vorteilhaft, da verschiedene
Codierungs-Modi
410 verwendet werden können, um unterschiedliche Typen von
Sprache zu codieren, was zu einer effizienteren Verwendung von Bandbreite
in einem gemeinsam benutzten Kanal führt, wie dem Kommunikationskanal
404.
Da zum Beispiel eine stimmhafte Sprache periodisch ist und somit
gut vorhersagbar, kann ein hoch-prädiktiver Codierungs-Modus
410 mit geringer
Bitrate eingesetzt werden, um stimmhafte Sprache zu codieren. Klassifikations-Module,
wie das Klassifikations-Modul
408, werden detailliert in dem
oben angeführten
U.S.-Patent Nr. 6,691,084 und
in dem
U.S.-Patent Nr. 6,640,209 mit
dem Titel „CLOSED-LOOP
MULTIMODE MIXED-DOMAIN LINEAR PREDICTION (MDLP) SPEECH CODER", angemeldet am 26.
Februar 1999, beschrieben.
-
Das
Modus-Klassifikations-Modul 408 wählt einen Codierungs-Modus 410 für den aktuellen
Rahmen basierend auf der Klassifikation des Rahmens. Die verschiedenen
Codierungs-Modi 410 sind parallel verbunden. Einer oder
mehrere der Codierungs-Modi 410 können zu jeder Zeit betriebsfähig sein.
Dennoch arbeitet vorteilhafterweise nur ein Codierungs-Modus 410 zu
jeder Zeit und wird gemäß der Klassifikation
des aktuellen Rahmens gewählt.
-
Die
unterschiedlichen Codierungs-Modi 410 arbeiten vorteilhafterweise
gemäß unterschiedlicher Codierungs-Bitraten,
unterschiedlicher Codierungsschemen oder unterschiedlicher Kombinationen
von Codierungs-Bitrate und Codierungsschema. Die verschiedenen verwendeten
Codierungsraten können volle
Rate, halbe Rate, viertel Rate und/oder achtel Rate sein. Die verschiedenen
verwendeten Codierungsschemen können
eine CELP-Codierung, PPP(prototype
pitch periode)-Codierung (oder Wellenform-Interpolations(WI – waveform interpolation)-Codierung)
und/oder NELP(noise excited linear prediction)-Codierung sein. Somit
kann zum Beispiel ein bestimmter Codierungs-Modus 410 ein
CELP mit voller Rate sein, ein anderer Codierungs-Modus 410 kann
ein CELP mit halber Rate sein, ein anderer Codierungs-Modus 410 kann
ein PPP mit viertel Rate sein und ein anderer Codierungs-Modus 410 kann ein
NELP sein.
-
Gemäß einem
CELP-Codierungs-Modus
410 wird ein linear prädiktives
Stimmtrakt-Modell mit einer quantisierten Version des LP-Rest-Signals
angeregt. Die quantisierten Parameter für den gesamten vorherigen Rahmen
werden verwendet, um den aktuellen Rahmen zu rekonstruieren. Der
CELP-Codierungs-Modus
410 liefert
somit eine relativ genaue Reproduktion von Sprache, aber auf Kosten
einer relativ hohen Codierungs-Bitrate. Der CELP-Codierungs-Modus
410 kann vorteilhafterweise
verwendet werden, um Rahmen zu codieren, die als transiente Sprache
klassifiziert sind. Ein beispielhafter CELP-Sprachcodierer mit variabler
Rate wird detailliert in dem oben angeführten
U.S.-Patent Nr. 5,414,796 beschrieben.
-
Gemäß einem
NELP-Codierungs-Modus
410 wird ein gefiltertes pseudozufälliges Rauschsignal
verwendet, um den Sprachrahmen zu modellieren. Der NELP-Codierungs-Modus
410 ist
eine relativ einfache Technik, die eine niedrige Bitrate erzielt.
Der NELP-Codierungs-Modus
410 kann vorteilhafterweise verwendet
werden, um Rahmen zu codieren, die als stimmlose Sprache klassifiziert
sind. Ein beispielhafter NELP-Codierungsmodus wird detailliert in
dem oben angeführten
U.S.-Patent Nr. 6,456,964 beschrieben.
-
Gemäß einem
PPP-Codierungs-Modus
410 wird nur ein Teilsatz der Pitchperioden
in jedem Rahmen codiert. Die verbleibenden Perioden des Sprachsignals
werden rekonstruiert durch eine Interpolation zwischen diesen Prototyp-Perioden.
In einer Zeitbereichs-Implementierung von PPP-Codierung wird ein
erster Satz von Parametern berechnet, der beschriebt, wie eine vorherige
Prototyp-Periode zu modifizieren ist, um die aktuelle Prototyp-Periode
zu approximieren. Ein oder mehrere Codevektoren werden ausgewählt, die,
wenn summiert, die Differenz zwischen der aktuellen Prototyp-Periode
und der modifizierten vorherigen Prototyp-Periode approximieren.
Ein zweiter Satz von Parametern beschreibt diese gewählten Codevektoren.
In einer Frequenzbereichs-Implementierung der PPP-Codierung wird
ein Satz von Parametern berechnet, um Amplitude und Phasenspektra
des Prototyps zu beschreiben. Dies kann durchgeführt werden entweder in einem
absoluten Sinn oder prädiktiv.
Ein Verfahren zum prädiktiven
Quantisieren der Amplitu de und Phasenspektra eines Prototyps (oder
eines gesamten Rahmens) wird in der oben angeführten verwandten Anmeldung beschrieben,
die hiermit angemeldet wird, mit dem Titel „METHOD AND APPARATUS FOR
PREDICTIVELY QUANTIZING VOICED SPEECH". Gemäß jeder Implementierung der
PPP-Codierung synthetisiert der Decodierer ein Ausgabesprachsignal
durch Rekonstruieren eines aktuellen Prototyps basierend auf dem
ersten und zweiten Satz von Parametern. Das Sprachsignal wird dann über den
Bereich zwischen der aktuellen rekonstruierten Prototyp-Periode und
einer vorherigen rekonstruierten Prototyp-Periode interpoliert.
Der Prototyp ist somit ein Teil des aktuellen Rahmens, der linear
interpoliert wird mit Prototypen von vorherigen Rahmen, die in dem
Rahmen ähnlich
positioniert sind, um das Sprachsignal oder das LP-Restsignal an
dem Decodierer zu rekonstruieren (d.h. eine vergangene Prototyp-Periode
wird verwendet als Prädiktor
der aktuellen Prototyp-Periode). Ein beispielhafter PPP-Sprachcodierer wird
detailliert in dem oben angeführten
U.S.-Patent Nr. 6,456,964 beschrieben.
-
Ein
Codieren der Prototyp-Periode statt des gesamten Sprachrahmens reduziert
die erforderliche Codierungsbitrate. Als stimmhafte Sprache klassifizierte
Rahmen können
vorteilhafterweise mit einem PPP-Codierungs-Modus 410 codiert
werden. Wie in 6 dargestellt, enthält stimmhafte
Sprache langsam zeitvariierende periodische Komponenten, die vorteilhafterweise
durch den PPP-Codierungs-Modus 410 ausgenutzt werden. Durch
Ausnutzen der Periodizität
der stimmhaften Sprache kann der PPP-Codierungs-Modus 410 eine
niedrigere Bitrate als der CELP-Codierungs-Modus 410 erzielen.
-
Der
gewählte
Codierungs-Modus 410 ist mit dem Paket-Formatierungs-Modul 412 verbunden. Der
gewählte
Codierungs-Modus 410 codiert oder quantisiert den aktuellen
Rahmen und liefert die quantisierten Rahmenparameter an das Paket-Formatierungs-Modul 412.
Das Paket-Formatierungs-Modul 412 assembliert
vorteilhafterweise die quantisierte Information in Pakete zur Übertragung über den
Kommunikationskanal 404. In einem Ausführungsbeispiel ist das Paket-Formatierungs-Modul 412 konfiguriert,
eine Feh lerkorrekturcodierung vorzusehen und das Paket gemäß dem IS-95-Standard zu formatieren.
Das Paket wird an einen Sender (nicht gezeigt) geliefert, in analoges
Format konvertiert, moduliert und über den Kommunikationskanal 404 an
einen Empfänger
(ebenfalls nicht gezeigt) übertragen,
der das Paket empfängt,
demoduliert und digitalisiert und das Paket an den Decodierer 402 liefert.
-
In
dem Decodierer 402 empfängt
das Paket-Disassembler- und Paketverlusterfassungs-Modul 414 das
Paket von dem Empfänger.
Das Paket-Disassembler-
und Paketverlusterfassungs-Modul 414 ist verbunden, um
dynamisch zwischen den Decodierungs-Modi 416 auf einer
Paket-zu-Paket-Basis
umzuschalten. Die Anzahl von Decodierungs-Modi 416 ist
dieselbe wie die Anzahl von Codierungs-Modi 410 und wie
für Fachleute
offensichtlich sein dürfte,
gehört
jeder nummerierte Codierungs-Modus 410 zu einem jeweiligen ähnlich nummerierten
Decodierungs-Modus 416, der konfiguriert ist, dieselbe
Codierungsbitrate und das Codierungsschema einzusetzen.
-
Wenn
das Paket-Disassembler- und Paketverlusterfassungs-Modul 414 das
Paket erfasst, wird das Paket disassembliert und an den entsprechenden
Decodierungs-Modus 416 geliefert. Wenn das Paket-Disassembler-
und Paketverlusterfassungs-Modul 414 kein Paket erfasst,
wird ein Paketverlust erklärt
und der Löschungs-Decodierer 418 führt vorteilhafterweise
eine Rahmenlöschungsverarbeitung
durch, wie im Folgenden detailliert beschrieben wird.
-
Das
parallele Array der Decodierungs-Modi
416 und der Löschungs-Decodierer
418 sind
mit dem Post-Filter
420 verbunden. Der entsprechende Decodierungs-Modus
416 decodiert
oder entquantisiert das Paket und liefert die Information an den
Post-Filter
420. Der Post-Filter
420 rekonstruiert
oder synthetisiert den Sprachrahmen und gibt die synthetisierten Sprachrahmen ŝ(n) aus.
Beispielhafte Decodierungs-Modi und Post-Filter werden detailliert
in dem oben erwähnten
U.S.-Patent Nr. 5,414,796 und
dem
U.S.-Patent Nr. 6,456,964 beschrieben.
-
In
einem Ausführungsbeispiel
werden die quantisierten Parameter selbst nicht übertragen. Stattdessen werden
Codebuch-Indizes übertragen, die
Adressen in verschiedenen Verweistabellen (LUTs – look-up tables) (nicht gezeigt)
in dem Decodierer 402 spezifizieren. Der Decodierer 402 empfängt die
Codebuch-Indizes und durchsucht die verschiedenen Codebuch-LUTs
nach geeigneten Parameterwerten. Demgemäß können Codebuch-Indizes für Parameter,
wie zum Beispiel Pitchverzögerung, adaptive
Codebuchverstärkung
und LSP, übertragen werden
und drei zugehörige
Codebuch-LUTs werden von dem Decodierer 402 durchsucht.
-
Gemäß dem CELP-Codierungs-Modus 410 werden
Pitch-Verzögerung,
Amplitude, Phase und LSP-Parameter übertragen. Die LSP-Codebuch-Indizes werden übertragen,
da das LP-Restsignal an dem Decodierer 402 zu synthetisieren
ist. Zusätzlich wird
die Differenz zwischen dem Pitchverzögerungswert für den aktuellen
Rahmen und dem Pitchverzögerungswert
für den
vorherigen Rahmen übertragen.
-
Gemäß einem
herkömmlichen
PPP-Codierungs-Modus, in dem das Sprachsignal an dem Decodierer
zu synthetisieren ist, wird nur die Pitch-Verzögerung,
Amplitude und die Phasenparameter übertragen. Die niedrigere Bitrate,
die von herkömmlichen PPP-Sprachcodierungs-Techniken
eingesetzt wird, erlaubt keine Übertragung
von sowohl einer absoluten Pitch-Verzögerungs-Information
als auch relativen Pitch-Verzögerungs-Differenzwerten.
-
Gemäß einem
Ausführungsbeispiel
werden stark periodische Rahmen, wie stimmhafte Sprachrahmen, mit
einem PPP-Codierungs-Modus
410 mit niedriger Bitrate übertragen,
der die Differenz zwischen dem Pitchverzögerungswert für den aktuellen Rahmen
und dem Pitchverzögerungswert
für den vorherigen
Rahmen zur Übertragung
quantisiert und nicht den Pitchverzögerungswert für den aktuellen Rahmen
zur Übertragung
quantisiert. Da stimmhafte Rahmen eine stark periodische Eigenschaft
haben, ermöglicht
eine Übertragung
des Differenzwerts im Gegensatz zu dem absoluten Pitchverzögerungswert,
dass eine niedrigere Codierungsbitrate erzielt wird. In einem Ausführungsbeispiel
wird diese Quantisierung derart generalisiert, dass eine gewichtete Summe
der Parameterwerte für
vorherige Rahmen berechnet wird, wobei die Summe der Gewichtungen eins
ist und die gewichtetet Summe von dem Parameterwert für den aktuellen
Rahmen subtrahiert wird. Die Differenz wird dann quantisiert. Diese
Technik wird detailliert in dem oben angeführten
EP 1279167 B1 mit dem Titel „METHOD
AND APPARATUS FOR PREDICTIVELY QUANTIZING VOICED SPEECH" beschrieben.
-
Gemäß einem
Ausführungsbeispiel
codiert ein Codiersystem mit variabler Rate unterschiedliche Typen
von Sprache, wie durch einen Steuerungsprozessor bestimmt, mit unterschiedlichen
Codierern oder Codierungs-Modi, gesteuert durch den Prozessor oder
Modus-Klassifizierer. Die Codierer modifizieren das Rest-Signal
des aktuellen Rahmens (oder alternativ des Sprachsignals) gemäß einer Pitch-Kontur,
wie von dem Pitchverzögerungswert
für den
vorherigen Rahmen L–1 und dem Pitchverzögerungswert
für den
aktuellen Rahmen L spezifiziert. Ein Steuerungsprozessor für die Decodierer
folgt derselben Pitch-Kontur, um einen adaptiven Codebuch-Beitrag
{P(n)} aus einem Pitch-Speicher für den quantisierten Rest oder
Sprache für
den aktuellen Rahmen zu rekonstruieren.
-
Wenn
der vorherige Pitchverzögerungswert L–1 verloren
ist, können
die Decodierer die korrekte Pitch-Kontur nicht rekonstruieren. Dies
verursacht, dass der adaptive Codebuch-Beitrag {P(n)} verzerrt ist.
Darauf erleidet die synthetisierte Sprache eine schwerwiegende Verschlechterung,
obwohl kein Paket für
den aktuellen Rahmen verloren ist. Als eine Lösung setzen einige herkömmliche
Codierer ein Schema ein, um sowohl L als auch die Differenz zwischen
L und L–1 zu
codieren. Diese Differenz oder Delta-Pitch-Wert kann durch Δ bezeichnet
werden, wobei Δ =
L – L–1 dem
Zweck der Wiederherstellung von L–1 dient,
wenn L–1 in
dem vorherigen Rahmen verloren ist.
-
Das
momentan beschriebene Ausführungsbeispiel
kann auf vorteilhafteste Weise in einem Codiersystem mit variabler
Rate verwendet werden. Insbesondere codiert ein erster Codierer
(oder Codierungs-Modus), durch C bezeichnet, den Pitchverzögerungswert
L des aktuellen Rahmens und den Delta-Pitchverzögerungswert Δ, wie oben
beschrieben. Ein zweiter Codierer (oder Codierungs-Modus), durch
Q bezeichnet, codiert den Delta-Pitchverzögerungswert Δ, codiert
aber nicht notwendigerweise den Pitchverzögerungswert L. Dies ermöglicht dem zweiten
Codierer Q, die zusätzlichen
Bits zu verwenden, um andere Parameter zu codieren, oder die Bits überhaupt
zu sparen (d.h. als ein Codierer mit niedriger Bitrate zu funktionieren).
Der erste Codierer C kann vorteilhafterweise ein Codierer sein,
der verwendet wird, um relativ nicht-periodische Sprache zu codieren,
wie zum Beispiel ein CELP-Codierer mit voller Rate. Der zweite Codierer
Q kann vorteilhafterweise ein Codierer sein, der verwendet wird,
um stark periodische Sprache (zum Beispiel stimmhafte Sprache) zu
codieren, wie zum Beispiel ein PPP-Codierer mit viertel Rate.
-
Wie
in dem Beispiel von 7 dargestellt, wird, wenn das
Paket des vorherigen Rahmens, Rahmen n-1, verloren ist, der Pitch-Speicher-Beitrag {P–2(n)}
nach der Decodierung des Rahmens, der vor dem vorherigen Rahmen
empfangen wurde, Rahmen n-2, in dem Codiererspeicher (nicht gezeigt)
gespeichert. Der Pitchverzögerungswert
für Rahmen n-2,
L–2,
wird ebenfalls in dem Codiererspeicher gespeichert. Wenn der aktuelle
Rahmen, Rahmen n, durch den Codierer C codiert wird, kann der Rahmen n
als C-Rahmen bezeichnet werden. Der Codierer C kann den vorherigen
Pitchverzögerungswert
L–1 aus dem
Delta-Pitch-Wert Δ unter
Verwendung der Gleichung L–1 = L – Δ wiederherstellen.
Somit kann eine korrekte Pitch-Kontur mit den Werten L–1 und
L–2 rekonstruiert
werden. Der adaptive Codebuch-Beitrag für den Rahmen n-1 kann repariert
werden unter Voraussetzung der richtigen Pitch-Kontur und wird nachfolgend
verwendet, um den adaptiven Codebuch-Beitrag für den Rahmen n zu erzeugen.
Für Fachleute
ist offensichtlich, dass ein derartiges Schema in einigen herkömmlichen
Codierern, wie dem EVRC-Codierer, verwendet wird.
-
Gemäß einem
Ausführungsbeispiel
wird eine Rahmenlöschungsleistung
in einem Sprachcodiersystem mit variabler Rate unter Verwendung
der oben beschriebenen zwei Typen von Codierern (Codierer C und
Codierer Q) verbessert, wie im Folgenden beschrieben wird. Wie in
dem Beispiel von 8 dargestellt wird, kann ein
Codiersystem mit variabler Rate ausgebildet sein, sowohl den Codierer
C als auch den Codierer Q zu verwenden. Der aktuelle Rahmen, Rahmen
n, ist ein C-Rahmen und sein Paket ist nicht verloren. Der vorherige
Rahmen, Rahmen n-1, ist ein Q-Rahmen. Das Paket für den Rahmen,
der dem Q-Rahmen vorausgeht, (d.h. das Paket für den Rahmen n-2) war verloren.
-
Bei
der Rahmenlöschungs-Verarbeitung
für den
Rahmen n-2 wird der Pitch-Speicher-Beitrag {P–3(n)}
nach der Decodierung des Rahmens n-3 in dem Codiererspeicher (nicht
gezeigt) gespeichert. Der Pitchverzögerungswert für den Rahmen
n-3, L–3, wird
ebenfalls in dem Codiererspeicher gespeichert. Der Pitchverzögerungswert
für den
Rahmen n-1, L–1, kann
durch Verwendung des Delta-Pitchverzögerungswerts Δ (der gleich
zu L – L–1 ist)
in dem C-Rahmen-Paket
gemäß der Gleichung
L–1 =
L – Δ wiederhergestellt
werden. Der Rahmen n-1 ist ein Q-Rahmen mit einem zugehörigen eigenen
codierten Delta-Pitchverzögerungswert Δ–1,
gleich L–1 – L–2.
Somit kann der Pitchverzögerungswert
für den
Löschungsrahmen,
Rahmen n-2, L–2,
gemäß der Gleichung
L–2 =
L–1 – Δ–1 wiederhergestellt
werden. Mit den korrekten Pitchverzögerungswerten für den Rahmen
n-2 und den Rahmen n-1 können
Pitch-Konturen für diese
Rahmen vorteilhafterweise rekonstruiert werden und der adaptive
Codebuch-Beitrag kann demgemäß repariert
werden. Somit hat der C-Rahmen den verbesserten Pitch-Speicher,
der erforderlich ist, um den adaptiven Codebuch-Beitrag für sein quantisiertes LP-Rest-Signal
(oder Sprachsignal) zu berechnen. Dieses Verfahren kann einfach
erweitert werden, um die Existenz mehrerer Q-Rahmen zwischen dem
Löschungs- Rahmen und dem C-Rahmen
zu ermöglichen,
wie für
Fachleute offensichtlich sein dürfte.
-
Wie
graphisch in der 9 gezeigt, rekonstruiert, wenn
ein Rahmen gelöscht
wird, der Löschungs-Decodierer
(zum Beispiel das Element 418 von 5) den quantisierten
LP-Rest (oder das Sprachsignal) ohne die exakte Information des
Rahmens. Wenn die Pitch-Kontur und der Pitch-Speicher des gelöschten Rahmens
gemäß dem oben
beschriebenen Verfahren zur Rekonstruktion des quantisierten LP-Rests
(oder des Sprachsignals) des aktuellen Rahmens wiederhergestellt
wurden, ist der resultierende quantisierte LP-Rest (oder das Sprachsignal)
unterschiedlich zu dem, wenn der beschädigte Pitch-Speicher verwendet
worden wäre.
Eine derartige Änderung
des Codierer-Pitch-Speichers resultiert in einer Diskontinuität der quantisierten
Reste (oder Sprachsignale) über
Rahmen. Somit ist oft ein Übergangston
oder Klick in herkömmlichen
Sprachcodierern zu hören,
wie dem EVRC-Codierer.
-
Gemäß einem
Ausführungsbeispiel
werden Pitch-Perioden-Prototypen aus dem beschädigten Pitch-Speicher vor einer
Reparatur extrahiert. Der LP-Rest
(oder das Sprachsignal) für
den aktuellen Rahmen wird ebenfalls extrahiert gemäß einem
normalen Entquantisierungsprozess. Der quantisierte LP-Rest (oder Sprachsignal)
für den
aktuellen Rahmen wird dann rekonstruiert gemäß einem Wellenform-Interpolations(WI – waveform
interpolation)-Verfahren.
In einem bestimmten Ausführungsbeispiel
arbeitet das WI-Verfahren
gemäß dem oben
beschriebenen PPP-Codiermodus. Dieses Verfahren dient vorteilhafterweise
dazu, die oben beschriebene Diskontinuität zu glätten und weiter die Rahmenlöschungsleistung
des Sprachcodierers zu verbessern. Ein derartiges WI-Schema kann
verwendet werden, wenn der Pitch-Speicher repariert wird aufgrund
einer Löschungsverarbeitung,
unabhängig
der verwendeten Techniken, um die Reparatur durchzuführen (einschließlich, aber
nicht darauf begrenzt, zum Beispiel die Techniken, die hier oben
beschrieben wurden).
-
Die
Graphen von 10 zeigen die Erscheinungsdifferenz
zwischen einem LP-Rest-Signal, das gemäß herkömmlichen Techniken angepasst
wurde, das einen hörbaren
Klick erzeugt, und einem LP-Rest-Signal, das nachfolgend geglättet wurde
gemäß dem oben
beschriebenen WI-Glättungsschema. Die
Graphen von 11 zeigen die Prinzipien einer PPP-
oder WI-Codiertechnik.
-
Somit
wurde ein neues und verbessertes Rahmen-Löschungs-Kompensationsverfahren in einem Sprachcodierer
mit variabler Rate beschrieben. Für Fachleute ist offensichtlich,
dass die Daten, Anweisungen, Befehle, Information, Signale, Bits,
Symbole und Chips, die in der obigen Beschreibung angeführt werden,
vorteilhafterweise durch Spannungen, Ströme, elektromagnetische Wellen,
magnetische Felder oder Partikel, optische Felder oder Partikel
oder jeder Kombination daraus dargestellt werden. Für Fachleute
ist weiter offensichtlich, dass die verschiedenen illustrativen
logischen Blöcke,
Module, Schaltungen und Algorithmusschritte, die in Verbindung mit
den hier offenbarten Ausführungsbeispielen
beschrieben werden, als elektronische Hardware, Computersoftware
oder Kombinationen aus beiden implementiert werden können. Die
verschiedenen illustrativen Komponenten, Blöcke, Module, Schaltungen und
Schritte wurden im Allgemeinen hinsichtlich ihrer Funktionalität beschrieben.
Ob die Funktionalität
als Hardware oder Software implementiert wird, hängt von der bestimmten Anwendung
und Gestaltungsbeschränkungen
ab, die dem Gesamtsystem auferlegt sind. Fachleute erkennen die
Austauschbarkeit von Hardware und Software unter diesen Umständen und
wie die beschriebene Funktionalität für jede bestimmte Anwendung
am besten zu implementieren ist. Als Beispiele können die verschiedenen illustrativen
Blöcke,
Module, Schaltungen und Algorithmusschritte, die in Verbindung mit
den hier offenbarten Ausführungsbeispielen
beschrieben werden, mit einem digitalen Signalprozessor (DSP – digital
signal processor), einem anwendungsspezifischen Schaltkreis (ASIC – application-specific
integrated circuit), einem FPLA (field programmable gate array)
oder einer anderen programmierbaren logischen Vorrichtung, einer
diskreten Gatter- oder Transistor-Logik, diskreten Hardware- Komponenten, wie z.B.
Register und FIFO, einem Prozessor, der einen Satz von Firmware-Anweisungen
ausgeführt,
jedem herkömmlichen
programmierbaren Softwaremodul und einem Prozessor oder jeder Kombination
daraus, die ausgebildet ist, die hier beschriebenen Funktionen durchzuführen, implementiert
oder durchgeführt
werden. Der Prozessor kann vorteilhafterweise ein Mikroprozessor
sein, aber als Alternative kann der Prozessor jeder herkömmliche
Prozessor, jede Steuereinrichtung, Mikrosteuereinrichtung oder Zustandsmaschine
sein. Das Softwaremodul kann sich in einem RAM-Speicher, einem Flash-Speicher, einem
ROM-Speicher, einem EPROM-Speicher,
einem EEPROM-Speicher, Registern, einer Festplatte, einer auswechselbare
Platte, einer CD-ROM oder jeder anderen in der Technik bekannten
Form eines Speichermediums befinden. Wie in der 12 dargestellt
wird, wird ein beispielhafter Prozessor 500 vorteilhafterweise
mit einem Speichermedium 502 verbunden, um Information
aus dem Speichermedium 502 zu lesen und Information in
das Speichermedium 502 zu schreiben. Alternativ kann das
Speichermedium 502 integral zu dem Prozessor 500 sein.
Der Prozessor 500 und das Speichermedium 502 können sich
in einem ASIC (nicht gezeigt) befinden. Der ASIC kann sich in einem
Telefon (nicht gezeigt) befinden. Alternativ können sich der Prozessor 500 und das
Speichermedium 502 in einem Telefon befinden. Der Prozessor 500 kann
als eine Kombination aus einem DSP und einem Mikroprozessor implementiert werden
oder als zwei Mikroprozessoren in Verbindung mit einem DSP-Kern,
usw.
-
Bevorzugte
Ausführungsbeispiele
der vorliegenden Erfindung wurden somit gezeigt und beschrieben.
Es ist für
Fachleute jedoch offensichtlich, dass verschiedene Änderungen
der hier offenbarten Ausführungsbeispiele
gemacht werden können, ohne
von dem Umfang der Erfindung abzuweichen. Somit soll die vorliegende
Erfindung nicht eingeschränkt
sein, außer
gemäß den folgenden
Ansprüchen.
