DK174447B1 - Fremgangsmåde til overføring af et audiosignal - Google Patents

Description

i DK 174447 B1

Opfindelsen angår en fremgangsmåde til overføring af et audiosignal ifølge den indledende del af krav 1.

Fra den ikke forud offentliggjorte ansøgning EP-A

0 193 143 kendes en fremgangsmåde til overføring af et 5 audiosignal, ved hvilken det til et digitalt signal omsatte analoge signal før overføringen omsættes til et signal, der repræsenterer korttidsspektret, hvor hele frekvensbåndet opdeles i flere frekvensgrupper, signaldele i frekvensgrupperne ved kodningen af det signal, 10 der skal overføres, vægtes forskelligt med hensyn til deres repræsentationsnøjagtighed på basis af psykoaku-stiske lovmæssigheder, det kodede signal overføres og efter overføringen dekodes, tilbagetransformeres og igen msættes til et analogt signal.

15 I ansøgningen EP-A 0 193 143 beskrives en frem gangsmåde til overføring af et digitalt audiosignal, hvilken fremgangsmåde klarer sig med en lavere middel-bithastighed pr. s ampling værd i, uden at kvaliteten ved gengivelsen påvirkes mærkbart.

20 Opfindelsen ifølge ansøgningen EP-A 0 193 143 be står i det væsentlige i, at de transformerede beløbsværdier opdeles i frekvensgrupper ud fra det pågældende beløbsmaksimum over en tærskel, og de i det samme værdiområde liggende beløbsværdier overføres som samme værdi, 25 og at beløbsværdier under tærsklen sættes til nul.

Til grund for den foreliggende opfindelse ligger den opgave, ved en fremgangsmåde ifølge den indledende del af krav 1 at forbedre vægtningen af amplitudeværdier 1 frekvensværdier samt detekteringen af pludselige lyd-30 hændelser, og navnlig bedre at tage hensyn til psykoaku- stiske synspunkter ved overføringsprocessen.

Denne opgave løses med den i krav l eller 2 beskrevne opfindelse. Fordelagtige videreudviklinger af opfindelsen er angivet i underkravene.

2 DK 174447 B1

Den tærskel, under hvilken værdierne i en gruppe sættes til nul, lægges ikke fast ved -30dB under gruppe-maksimum, men skal adaptivt forskydes indtil -50dB. Dette er nødvendigt, hvis der i gruppen foreligger en ud-5 præget spids i værdiforløbet, fordi spektralværdierne herved over dette store dynamikområde har en tydelig lineær afhængighed. Hvis disse værdier sættes til nul, fremkommer der som følge af afhængigheden efter transformation og tilbagetransformation en modulerende for-10 styrrelse i tidssignalet, som godt kan mærkes.

Klassificeringskendemærke for konstateringen af en sådan situation er forholdet mellem spids- og middelværdi i en gruppe.

Til analyse af, om der foreligger et spring i 15 signalforløbet, bestemmes i underblokke (f.eks. 64 værdier) energien i signalet, som forinden er ført over et højpasfilter. Derved bliver et eventuelt spring stejlere og kan bedre detekteres.

Den deraf afledte hævning før springet kan som 20 hidtil ske bredbåndet, men der opnås en bedre virkning, hvis hævningen begynder frekvensselektivt. Den kan da begrænses til de energetisk mindre udprægede spektralområder, hvorved højere hævningsfaktorer er tilladt uden væsentlig ændring af korttidsspektrets forløb.

25 Ud over alle grupper lægges der en høretærskel, under hvilken spektralværdierne sættes til nul. Tærsklen forløber horisontalt i de første 23 grupper og tiltager med ca. 30dB indenfor de sidste tre grupper. Tærsklen som helhed forskydes således, at der i det nederste om-30 råde holdes en vis afstand (typisk 90dB) til den maksimale beløbsværdi. Ved forskydninger til mindre værdier defineres et stop for tærsklen, således at ikke absolut meget små værdier tilgodeses.

3 DK 174447 B1

Med denne tærskel skal dels den absolutte høret-ærskel, dels gruppeomspændende maskeringseffekter tilgodeses .

Til bedre forståelse af opfindelsen forklares i 5 det efterfølgende et udførelseseksempel nærmere med henvisning til tegningen, hvor fig. 1 viser et tidsvindue, i hvilket der svinger et sinussignal, fig. 2 frekvensspektre for et vinduesbegrænset 10 sinussignal, fig. 3 det tidsmæssige forløb af fremgangsmåden, fig. 4 en forbearbejdning af signalet for et specielt signalindhold, fig. 5 et blokdiagram dertil, og 15 fig. 6 et frekvensspektrum med tærskler.

Pig. 1 viser en kurve 4 med et sinusformet forløb. Over denne kurve 4 er der lagt to tidsvinduer ti og t2. Tidsvinduet ti begynder i sinusformens nulpunkt 1 og ender i et andet nulpunkt 2 i sinus-20 formen. Nulpunkterne 1 og 2 er skæringspunkter mel-' lem sinusformen og abscissen, hvorhos abscissen angiver tiden t. Det andet tidsvindue t2 begynder i sinusformens nulpunkt men ender uden for et nulpunkt i punkt 3.

25 Ved transformationen af tidssignaler til et kort tidsspektret fremstillende signal opnås der forskellige kurver i frekvensspektret. Fig. 2 viser det frekvensspektrum, som hører til de to vinduebehandlede sinussignaler. For tidsvinduet ti fremkommer der kun én 30 frekvenslinie 5. For det sinussignal, som vinduebehandles over tidsvinduet t2, fremkommer der et frekvensspektrum med kurveforløbet 6, som har et maksimum ved frekvenslinien 5 og en aftagende kurveform med DK 174447 B1 4 flere frekvenslinier 7. I en frekvensgruppe kan der ved begrænsning og overføring af værdier, som kun ligger indenfor et dynamikområde på 30dB under maksimum ymax, som følge af den lineære afhængighed af spektralværdier-5 ne optræde modulerende forstyrrelser, som godt kan fornemmes. Derfor bliver dynamikområdet adaptivt forstørret til indtil 50dB. Klassificeringskendemærket for konstateringen af en sådan situation er forholdet mellem spidsværdien og den kvadratiske middelværdi i en frek-10 vensgruppe. Derved dannes forskellen mellem spidsværdi og middelværdi i en frekvensgruppe, og forskellen multipliceres med en faktor, i dette tilfælde 3. Produktet giver det nye dynamikområde. Hvis en spidsværdi ligger ved 60dB og den tilhørende middelværdi ved 45dB, er 15 forskellen 15dB. Forskellen 15dB multipliceres med faktoren 3, hvilket giver et nyt dynamikområde på 45dB, altså en adaptiv tilpasning mellem -30 og -50dB. Hvis der parallelt med fastlæggelsen af den tærskel, som fastlægger gruppedynamikken, konstateres, at forskellen 20 mellem maksimal og minimal beløbsværdi i en gruppe er mindre end 30dB, bliver det dynamikområde, der skal fremstilles, sat lig med denne forskel.

I fig. 3 bliver analogsignalet a(t), der fremstiller et audiosignal som f.eks. tale eller musik, i en 25 analog/digital-omsætter 11 omsat til et tilsvarende digitalt audiosignal. I trinnet 12 sker der ved hjælp af tidsmæssigt efter hinanden følgende og overlappende tidsvinduer en såkaldt vinduebehandling af dette signal.

Signalet bliver derved opdelt i tidsmæssigt på hinanden 30 følgende blokke, som hver har en varighed på ca. 20 ms, navnlig 23 ms, på en sådan måde, at en bloks signal i hvert enkelt tilfælde kan viderebearbejdes separat for sig selv. I trinnet 13 sker der en forbearbejdning af 5 DK 174447 B1 signalet, hvis betydning forklares senere. I trinnet 14 bliver et tidsvindues eller en bloks signal ved transformation omsat til et frekvensspektrum. På trinnet 14's udgang foreligger der altså under de tidsmæssigt 5 efter hinanden følgende blokke i hvert enkelt tilfælde et signal, som under varigheden af et tidsvindue eller en blok fremstiller signalets spektralkomposanter over hele frekvensbåndet. Trinnet 14 bevirker altså en omsætning af signalet fra tidsområdet til det spektret 10 fremstillende signal i frekvensområdet.

Signalet fra trinnet 14 når frem til en koder 15. Her sker der en kodning efter psykoakustiske synspunkter. Det betyder, at spektralkomposanter, der ved gengivelsen navnlig som følge af tilsløringseffekter al-15 ligevel ikke mærkes, vægtes mindre eller udelades ved kodningen. En sådan bearbejdning af korttidsspektret er f.eks. mulig ved hjælp af en datamat.

Det således kodede signal når over en sender 16 frem til en informationskanal 17. Som følge af den op-20 nåede reduktion af middelbithastigheden kan denne informationskanal dimensioneres tilsvarende smalbåndet. Efter informationskanalen 17 følger en modtager 18, der i det væsentlige udfører de i forhold til senderen inverse funktioner. Signalet når først frem til en dekoder 19, 25 som bevirker afkodning svarende til koderen 15. I trinnet 20 bliver det således udvundne, spektrumfremstillende signal i frekvensområdet igen omsat til et digitalt signal i tidsområdet. I trinnet 21 bliver signalet igen sammensat til et kontinuerligt digitalt 30 enhedssignal, og bearbejdningen i trinnet 13 tilgodeses. Derefter bliver signalet tilført digital/analog-om-sætteren 22. Omsætteren 22 leverer igen analogsignalet b(t). Dette signal er ikke identisk med signalet 6 DK 174447 B1 a(t), fordi spektralkomposanteu ved kodningen i koderen 15 er vægtet forskelligt eller undertrykket. Forskellen mellem analogsignalerne b(t) og a(t) er imidlertid sådan, at den ikke bemærkes af lytteren ved gengivelsen.

5 I signalet elimineres altså blot irrelevant information, som ikke kan høres af lytteren, med henblik på at reducere den nødvendige bithastighed ved overføringen over informationskanalen 17, specielt reduceres afgørelsesindholdet. Over signalvejen 23 meddeler forbearbejd-10 ningstrinnet 13 senderen 16, om en forbearbejdning har fundet sted. Hvis det er tilfældet, bliver en biinformation indføjet hhv. multiplekset ind i det kodede signal, som modtageren 18 konstatere og meddeler tilpasningstrinnet 21 over signalvejen 24. Foran ana-15 log/digital-omsætteren 11 er der indføjet et lavpas-filter til opfyldelse af aftastningstheoremet. Efter digital/analog-omsætteren 22 findes der et andet lav-pasfilter som rekonstruktionslavpasfilter.

Fig. 4 viser forbearbejdningen af en pludselig 20 lydhændelse 29, som forekommer indenfor et tidsvindue tl-t7 til tidspunktet t9. En sådan lydhændelse kan f.eks. være et slag på en triangel. Den beskrevne forbearbejdning sker i fig. 3 i trinnet 13. Foran lydhændelsen 29 ligger der en forsvingning mellem t8 og 25 t9, der imidlertid ikke er hørbar som følge af en fortilsløring. Ved omsætningen til frekvensspektret i trinnet 14 i fig. 3 opstår der i hvert enkelt tilfælde et signal i frekvensområdet, som angiver spektralfordelin-gen i vinduet tl-t7. Da spektralliniers tilknytning 30 til enkelte tidspunkter indenfor et tidsvindue ikke længere foreligger i dette signal, blev hændelsen 29 fordelt over hele tidsvinduet tl-t7, altså på sin vis tværet ud. Derved kan der indtræde en hørbar forfalskning.

7 DK 174447 B1

Til undgåelse af denne stadig mulige fejl er et tidsvindue tl-t7 eller blok opdelt i 32 underblokke.

De enkelte underblokkes amplituder bestemmes. Så snart der forekommer et amplitudespring mellem to underblokke 5 på mere end en forudgivet grænse, i fig. 4 betinget af hændelsen 29, udløses en yderligere foranstaltning.

Den forudgivne grænse ligger i størrelsesordenen 20dB. Foranstaltningen består i, at signalets amplitude før amplitudespringet hæves ved hjælp af en kompandermetode 10 på sendesiden og igen sænkes tilsvarende på modtagersiden. Derved bliver de nævnte fejl formindsket som følge af udtværingen af den kortvarige hændelse over hele tidvinduet. Figurerne 4D og 4E viser virkemåden af et kompandersystem. Før et signalspring bliver et signal 15 ved forbearbejdning i en ekspander forstærket med en forstærkningsfaktor vi, i dette tilfælde 5. På modtagersiden bliver denne genophævet i en kompressor i tilpasningen 21 med en anden forstærkningsfaktor V2, i dette tilfælde 1/5. Den totale forstærkning af signa-20 let andrager hele tiden ”1". 1 tot = VI x V2 = 1 25

Efter et signalspring andrager forstærkningsfaktorerne frem til det næste spring både i ekspanderen og i kompressoren værdien 1. I overgangene mellem forstærkningsfaktorerne 1 og 5 foreligger der et ret-30 liniet eller krummet forløb over et tidsrum mellem en halv eller en hel underblok, fortrinsvis imidlertid over en underbloks tidsvarighed. Målet er udnyttelse af ørets fortilsløringseffekt (under lms).

8 DK 174447 B1

Forbearbejdningen 13 er vist i fig. 5. Blokken 30 undersøger, om et signal mellem to af de 32 underblokke tiltager med en forudgivet grænseværdi. Sålænge stigningen mellem to blokke ligger under den forudgivne 5 grænse (20dB), bliver signalet fra indgangen 35 koblet direkte over en tidsforsinkelse 36 og en omskifter 33 til udgangen 34. Hvis der mellem to underblokke foreligger et signalspring på 20dB, bliver signalet fra indgangen 35 koblet over en ekspander 32 og over om-10 skifteren 33 til udgangen 34. Et højpasfilter 31 gør et eventuelt spring i signalet mere stejlt, således at springet bedre detekteres af blokken 30. Derpå bliver signalets amplitude før amplitudespringet hævet ved hjælp af ekspanderen 32 på sendersiden og igen sænket 15 tilsvarende på modtagersiden. Derved bliver fejl formindsket ved en udtværing af den kortvarige hændelse over hele tidsvinduet. Kontrolblokken 30 arbejder vedvarende, også mens signalet fra indgangen 35 er koblet direkte over omskifteren 33 til udgangen 34.

20 Tidsforsinkelsen 36 udligner tidsforskelle, som ekspanderen 32 og kontrolblokken 30 forårsager. Kontrolblokken 30 meddeler ekspanderen 32 tidspunktet for et spring hhv. overskridelsen af en grænse. Denne meddelelse er en information om underblokkens nummer.

25 Ekspanderen 32 beregner selvstændigt en egnet forstærkningsfaktor .

Fig. 6 viser et koordinatsystem, på hvis abscisse kurveforløbet 41 for et frekvensspektrum er optegnet som funktion af en frekvens f. Kurveforløbet 41 har 30 et maksimum xmax. Et absolut maksimum xmaxl svarer til et niveau A på nul dB. i en datamat svarer til disse nul dB en absolut størrelse på 215, der yderligere forstærkes med en forstærkningsfaktor på 1024. Der- 9 DK 174447 B1 efter regnes der totalt med en absolut størrelse på 225. Størrelserne svarer til en elektrisk spænding. Over hele frekvensforløbet lægges en høretærskel 42, under hvilken spektralværdierne sættes til nul, dvs. ikke tilgode-5 ses. Denne tærskel 42 forløber i de første 2 3 frekvensgrupper parallelt med abscissen og tiltager indenfor de sidste tre grupper med ca. 30 dB, hvorhos stigningen sker fra 10kHz. Tærsklen 42 har i forhold til det (variable) maksimum xmax før et første stigningspunkt, 10 der i det følgende betegnes knækpunkt, altid en afstand på 90dB. Det vil sige, at denne tærskel altid lægges i afhængighed af maksimum xmax. Tærsklen 42 kan imidlertid ikke aftage under en miminalværdi 43, der i det følgende betegnes stop. Dette stop 43 ligger ved 15 -128dB i forhold til det absolutte maksimum. Fordelagtigt lægges det første knækpunkt ved 10kHz og et andet knækpunkt ved 12kHz. Mellem disse to knækpunkter tiltager tærsklen 42 først med lOdB. Efter det andet knækpunkt, altså i området mellem 12 og 22kHz, udviser 20 tærsklen 42 en stigning på 90dB. Frekvensgrupperne og en inddeling af et frekvens spektrum er eksempelvis forklaret i "Psychoakustik" af E. Zwicker, udgivet af Springer Verlag, Berlin Heidelberg New York 1982.

Claims (9)

1. Fremgangsmåde til overføring af et audiosignal, ved hvilken det analoge signal omsættes til et digitalt signal, overføres digitalt og igen omsættes til et 5 analogt signal, hvor audiosignalet før overføringen omsættes til et signal, der repræsenterer korttidsspektret, hvor hele frekvensbåndet opdeles i flere frekvensgrupper, signaldele i frekvensgrupperne ved kodningen af det signal, der skal overføres, vægtes 10 forskelligt med hensyn til deres repræsentationsnøj -agtighed på basis af psykoakustiske lovmæssigheder, det kodede signal overføres og efter overføringen dekodes, tilbagetransformeres og igen omsættes til et analogt signal, og hvor hver frekvensgruppe er tilknyttet en 15 tærskel og beløbsværdier under tærsklen sættes til nul, kendetegnet ved, at tærsklerne forskydes under hensyntagen til en absolut høretærskel og maskeringseffekter, der omfatter flere grupper, og/eller, at der sker en frekvensselektiv hævning af beløbsværdi-20 erne.

2. Fremgangsmåde til overføring af et audiosignal, ved hvilken det analoge signal omsættes til et digitalt signal, overføres digitalt og igen omsættes til et analogt signal, hvor audiosignalet før overføringen 25 omsættes til et signal, der repræsenterer korttidsspektret, hvor hele frekvensbåndet opdeles i flere frekvensgrupper, signaldele i frekvensgrupperne ved kodningen af det signal, der skal overføres, vægtes forskelligt med hensyn til deres repræsentationsnøj -30 agtighed på basis af psykoakustiske lovmæssigheder, det kodede signal overføres og efter overføringen dekodes, tilbagetransformeres og igen omsættes til et analogt signal, og hvor hver frekvensgruppe er tilknyttet en tærskel og beløbsværdier under tærsklen sættes til nul, 35 kendetegnet ved, at tærsklerne forskydes DK 174447 B1 indenfor en frekvensgruppe afhængigt af forholdet mellem spids- og middelværdi og/eller, at der sker en frekvensselektiv hævning af beløbsværdierne.

3. Fremgangsmåde ifølge krav 1 lier 2, k e n -5 detegnet ved, at den tærskel, under hvilken beløbsværdierne i en frekvensgruppe sættes til nul, forskydes adaptivt (fig.2).

4. Fremgangsmåde ifølge et af de foregående krav, kendetegnet ved, at tærsklen forskydes 10 mellem -30 og -50 dB.

5. Fremgangsmåde ifølge krav 1 eller 2, kendetegnet ved, at et signal ved en forbearbejdning (13) foran en kontrolblok (30) er ført over et højpasfilter.

6. Fremgangsmåde ifølge krav 1 eller 2, ken detegnet ved, at der over alle grupper er lagt en høretærskel (42).

7. Fremgangsmåde ifølge krav 6, kendetegnet ved, at høretærsklen (42) indtager en forudgivet 20 afstand fra et maksimum (xmax)

8. Fremgangsmåde ifølge krav 7, kendetegnet ved, at høretærsklen (42) kun kan forskydes frem til et stop (43).

9. Fremgangsmåde ifølge krav 8, kendeteg-25 n e t ved, at stoppet (43) har en afstand på ca. -128 dB fra et absolut maksimum (xmaxl).