FI105623B - A method of encoding and decoding an analog signal which is sampled and which is inherently repetitive and a device for encoding and decoding utilizing this method - Google Patents
A method of encoding and decoding an analog signal which is sampled and which is inherently repetitive and a device for encoding and decoding utilizing this method Download PDFInfo
- Publication number
- FI105623B FI105623B FI914993A FI914993A FI105623B FI 105623 B FI105623 B FI 105623B FI 914993 A FI914993 A FI 914993A FI 914993 A FI914993 A FI 914993A FI 105623 B FI105623 B FI 105623B
- Authority
- FI
- Finland
- Prior art keywords
- values
- amplitudes
- signal
- received
- combined
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000003252 repetitive effect Effects 0.000 title description 2
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 230000007774 longterm Effects 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 230000007704 transition Effects 0.000 claims 1
- 238000001914 filtration Methods 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 abstract 2
- 230000006870 function Effects 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 150000001768 cations Chemical class 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Reduction Or Emphasis Of Bandwidth Of Signals (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
- Analogue/Digital Conversion (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
Description
1 1056231 105623
Menetelmä, jolla koodataan ja dekoodataan näytteistetty foistuvaisluonteinen analoginen signaali, ja laite, jolla koodataan ja dekoodataan menetelmää käyttäen 5 Keksintö liittyy menetelmään, jolla koodataan näyt teistetty toistuvaisluonteinen analoginen signaali, jossa näytteistetty signaali jaetaan peräkkäisiin segmentteihin, joista kukin sisältää ennalta määrätyn lukumäärän näytteitä; jossa segmenteille suoritetaan lyhyen aikavälin ennus-10 teanalyysi ja jossa analyysissä määritetyt kertoimet lähetetään ja syötetään myös lyhyen aikavälin ennustesuodatti-meen, jossa suoritetaan pitkän aikavälin ennusteanalyysi suodattimen lähdöstä saatavalle jäännössignaalille ja myös tässä analyysissä saatava informaatio lähetetään, ja jossa 15 · jäännössignaalissa oleva informaatio koodataan ja lähetetään.The invention relates to a method of encoding a sampled repetitive analog signal, wherein the sampled signal is divided into successive segments, each of which contains a predetermined number of samples; wherein the segments are subjected to short-term prediction-10 theanalysis and wherein the coefficients determined in the analysis are also transmitted and fed to a short-term prediction filter which performs a long-term prediction analysis of the filter output residual signal and also the information obtained in this analysis is transmitted and sent.
Keksintö liittyy myös menetelmään, jolla dekoodataan edellä kuvatulla tavalla koodattu signaali, jossa vastaanotettu pitkän aikavälin ennusteanalyysi-informaatio 2Ö sekä jäännössignaalista vastaanotettu muu informaatio yhdistetään ja yhdistetty signaali, yhdessä vastaanotettujen lyhyen aikavälin ennusteanalyysikertoimien kanssa, syötetään käänteiseen lyhyen aikavälin ennustesuodattimeen, jonka lähdöstä saadaan näytesarja, joka edustaa näytteis-25 tetyn analogisen signaalin rekonstruktiota.The invention also relates to a method for decoding a signal encoded as described above, combining the received long-term forecast analysis information with other information received from the residual signal and combining the combined signal, together with the received short-term forecast analysis coefficients, from an inverse short-term prediction filter represents the reconstruction of the sampled analog signal.
Keksintö liittyy myös laitteeseen, jolla koodataan ja dekoodataan edellä kuvatulla menetelmällä.The invention also relates to a device for encoding and decoding by the method described above.
Tiedetään, että analogiset signaalit, joiden luonne on voimakkaasti johdonmukainen, kuten esimerkiksi puhesig-30 naalit, voidaan tehokkaasti koodata näytteistyksen jälkeen suorittamalla peräkkäin joukko eri muunnoksia signaalin peräkkäisille segmenteille, joilla kullakin on tietty kestoaika. Eräs näistä tähän tarkoitukseen tunnetuista muunnoksista on lineaarinen ennustekoodaus (LPC), jonka selos-35 tusta varten voidaan viitata kirjaan "Digital Processing 2 . 105623 of Speech Signals", L.R Rabiner ja R. W. Schafer; Prentice Hall, New Jersey; kappale 8. Kuten mainittu, LPC:tä käytetään aina signaalisegmentteihin, joilla on tietty kestoaika, puhesignaalien tapauksessa esimerkiksi 20 ms, ja 5 sitä pidetään lyhyen aikavälin koodauksena. Lyhyen aikavälin koodauksen ohella on tunnettua myös pitkän aikavälin ennusteen (LTP) käyttö, jolloin saadan erittäin tehokas koodaus nämä kaksi tekniikkaa yhdistämällä. LTP:n periaate on kuvattu julkaisussa (Frequenz) (Frequency), voluumi 42, 10 nro 2 - 3, 1988; sivut 85 - 93; P. Vary et ai: "Sprach-codec fiir dass Europäische Funkfernsprechnetz" ("Speech coder/decoder for that European Radiotelephone Network"), kun taas LTP-periaatteen parannettu versio on kuvattu NL-patenttihakemuksessa 9 001 985.It is known that analog signals of a highly consistent nature, such as speech signals, for example, can be efficiently coded after sampling by performing a series of different transformations on consecutive segments of the signal, each having a specific duration. One of these known variants for this purpose is linear prediction coding (LPC), for which reference may be made to "Digital Processing 2, 105623 of Speech Signals," by L. R. Rabiner and R. W. Schafer; Prentice Hall, New Jersey; As mentioned, LPC is always used for signal segments having a certain duration, for example 20 ms in the case of speech signals, and is considered short-term encoding. In addition to short-term coding, it is also known to use long-term forecasting (LTP), whereby very efficient coding is obtained by combining the two techniques. The principle of LTP is described in (Frequenz) (Frequency), vol. 42, 10, no. 2-3, 1988; pages 85-93; P. Vary et al., "Sprach codec fiir dass Europäische Funkfernsprechnetz" (Speech coder / decoder for the European Radiotelephone Network), while an improved version of the LTP principle is described in NL patent application 9,001,985.
15 Keksinnön päämääränä on menetelmä, jolla lähetetään hyvin tehokkaasti, t.s. pienellä lukumäärällä bittejä sekunnissa, ihmiskorvalle oleellinen informaatio jäännössig-naalista, joka on jäljellä STP-periaatteen soveltamisen jälkeen, ilman, että kuulijan kokeman vastaanottopuolella 20 olevalla dekooderilla rekonstruoidun puheen laatu heikke-nee.The object of the invention is a method of transmitting very efficiently, i.e. with a small number of bits per second, information relevant to the human ear from the residual signal remaining after applying the STP principle without impairing the quality of speech reconstructed by the decoder on the reception side 20 experienced by the listener.
Tätä varten keksinnön mukainen koodausmenetelmä on tunnettu siitä, että jäännössignaali muunnetaan taajuusalueelle, siitä, että ainakin osa taajuuskomponenttien, 25 jotka saatiin taajuusalueelle muunnettessa, amplitudeista yhdistetään siten, että näihin yhdistettyihin amplitudei-hin liittyvät taajuudet sijaitsevat tasaisin välimatkoin Barkin asteikolla, ja siitä, että lähetetään signaali, joka edustaa yhdistettyjä amplitudeja.For this purpose, the coding method according to the invention is characterized in that the residual signal is converted into a frequency domain by combining at least a portion of the amplitudes of the frequency components obtained by conversion into the frequency domain such that the frequencies associated with these combined amplitudes are spaced a signal representing the combined amplitudes.
30 Keksinnön mukainen dekoodausmenetelmä on tunnettu *, siitä, että alkuperäiset taajuusalueella olevat amplitudit rekonstruoidaan vastaanotetuista yhdistetyistä amplitudi-arvoista, siitä, että informaatiota, joka lähetettiin pitkän aikavälin ennusteen tuloksena, käytetään laskettaessa 35 näihin amplitudeihin liittyviä vaihearvoja, ja siitä, että 3 105623 lasketut vaihearvot yhdessä niihin liittyvien amplitudien kanssa muunnetaan aika-alueelle.The decoding method according to the invention is characterized in that the original amplitudes in the frequency band are reconstructed from the received combined amplitude values, that the information transmitted as a result of a long-term prediction is used to calculate the phase values associated with these amplitudes, and together with the associated amplitudes are converted into a time domain.
Esillä olevan keksinnön mukaan jäännössignaali koodataan havaittavuuspohjalta, mikä tarkoittaa, että lähete-5 tään ainoastaan informaatio, joka on oleellista dekoodatussa vastaanotetussa signaalissa olevien, ihmiskorvin havaittavien erojen kannalta.According to the present invention, the residual signal is encoded on a detectable basis, which means that only information that is relevant to detectable differences in the human ear in the decoded received signal is transmitted.
Ensiksikin tätä tarkoitusta varten käytetään hyväksi sitä tunnettua tosiasiaa, että ihmiskorva ei ole herkkä 10 absoluuttisille vaihearvoille vaan ainoastaan vaihesuh-teille, joten' periaatteessa ei ole välttämätöntä lähettää jäännössginaalin vaiheinformaatiota koodattavaksi, edellyttäen, että on mahdollista rekonstruoida alkuperäiset vaihesuhteet vastaanottavassa päässä.First, the known fact that the human ear is not sensitive to absolute phase values but only to phase relationships is utilized for this purpose, so it is in principle not necessary to transmit the residual ginal phase information for coding provided it is possible to reconstruct the original phase relationships at the receiving end.
15 Tämän lisäksi esillä oleva keksintö käyttää hyväksi jo jonkin aikaa tunnettua havaintoa, että ihmisen kuulo toimii itseasiassa ketjuna, joka muodostuu joukosta suodattimia, joilla on vierekkäiset taajuuskaistat mutta eri kaistanleveydet, niin kutsutut kriittiset kaistat eli Bar-20 kin kaistat, tälläisten kriittisten kaistojen kaistanleveyden ollessa paljon pienempiä matalilla taajuuksilla kuin korkeilla taajuuksilla. Taajuusasteikkoa, joka on muodostettu tämän havainnon mukaan, kutsutaan lineaariseksi Barkin asteikoksi. Barkin asteikon lisäselostusta var-25 ten viitataan artikkeliin B. Scharf ja S. Buus, "Stimulus, Physiology, Thresholds", kirjassa L. Kaufman,K.R. Boff ja J.P. Thomas, toimittajat, Handbook of Perception and Human Performance, luku 14, sivut 1 - 43, Wiley, New York, 1986.In addition, the present invention takes advantage of the notion, which has been known for some time, that human hearing actually functions as a chain of filters having adjacent frequency bands but different bandwidths, so-called critical bands, or Bar-20 bands, with such critical bands having a bandwidth. much smaller at low frequencies than at high frequencies. The frequency scale formed by this observation is called the linear Bark scale. For further discussion of the Bark scale, reference is made to B. Scharf and S. Buus, "Stimulus, Physiology, Thresholds," in L. Kaufman, K.R. Boff and J.P. Thomas, editors, Handbook of Perception and Human Performance, Chapter 14, pages 1-43, Wiley, New York, 1986.
Todetaan lisäksi, että periaate, jossa puhekoo-30 dauksella lähetettävä jäännössignaali muunnetaan taajuusalueelle ja sitten lähetetään tämän muunnoksen jälkeen käytettävissä oleva informaatio, on esitetty jo aikaisemmin Tässä voidaan viitata esimerkiksi paperiin, jonka nimi on "Fourier Transform Vector Quantisation for Speech 35 Coding", P. Chang et el., IEEE Transactions on Communi- 105623 cations, Voi. COM 35, nro 10, sivut 1059 - 1068. Tämän julkaisun mukaan kuitenkin muunnoksen jälkeen käytetään vektorikvantisointia, eikä mainita puhtaasti amplitudi-informaation lähettämistä.It is further noted that the principle of converting a residual signal to be transmitted by voice coding into a frequency domain and then transmitting the information available after this conversion has already been described herein. For example, reference may be made to a paper entitled "Fourier Transform Vector Quantization for Speech 35 Coding" Chang et al., IEEE Transactions on Communi- 105623 cations, Vol. COM 35, No. 10, pages 1059-10668. However, according to this publication, vector quantization is used after the transformation, and no mention is made of purely amplitude information.
5 Keksintö selostetaan yksityiskohtaisemmin jäljempnä esimerkki toteutuksen pohjalta viitaten piirrokseen, jossa: Kuvio la on lohkokaavio keksinnön mukaisen laitteen koodausyksikön esimerkkitoteutuksesta.The invention will be described in more detail below with reference to the drawing, with reference to the drawing, in which: Figure 1a is a block diagram of an exemplary embodiment of a coding unit of the device according to the invention.
Kuvio Ib on lohkokaavio keksinnön mukaisen laitteen 10 dekoodausyksikön esimerkkitoteutuksesta.Fig. Ib is a block diagram of an exemplary embodiment of a decoding unit of the apparatus 10 of the invention.
Mikrofonin 1 antaman analogiaslgnaalin kaistanleveyttä rajoitetaan alipäästösuodattimella 2 ja se muunnetaan analogia/digitaalimuuntimessa 3 sarjaksi amplitudi-ja aikadiskreettejä näytteitä, jotka edustavat analogia-15 signaalia. Muuntimen 3 lähtösignaali syötetään lyhyen aikavälin analyysiyksikön 4 tuloon ja lyhyen aikavälin en-nustesuodattimen 5 tuloon. Nämä kaksi yksikköä huolehtivat edellä mainitusta lyhyen aikavälin ennusteesta (STP) esimerkiksi 160 näytteen segmenteille ja analyysiyksikkö 4 20 antaa lähtösignaalin lyhyen aikavälin ennistesuodatinker- toimina, jotka kvantisoidaan, koodataan ja lähetetään kuviossa Ib esitettyyn dekooderiyksikköön. Suodattimen 5 ja yksikön 4 rakenne ja toiminta ovat puhekoodauksen alaa tunteville hyvin tunnettuja, eivätkä ne ole sen tärkeämpiä 25 esillä olevan keksinnön oleellisten osien kannalta, joten lisäselostus voidaan sivuuttaa.The bandwidth of the analog signal provided by the microphone 1 is limited by the low pass filter 2 and converted in the analog / digital converter 3 into a series of amplitude and time discrete samples representing the analog 15 signal. The output signal of the converter 3 is supplied to the input of the short-term analysis unit 4 and the input of the short-term prediction filter 5. These two units take care of the above-mentioned short-term prediction (STP) for, for example, 160 sample segments, and the analysis unit 4 20 outputs an output signal as short-term reset filter coefficients which are quantized, coded and transmitted to the decoder unit shown in FIG. The structure and function of the filter 5 and the unit 4 are well known to those skilled in the art of speech coding and are not critical to the essential parts of the present invention, so that further disclosure may be omitted.
STP-suodatettu signaali syötetään pitkän aikavälin ennuste (LTP) analyysiyksikköön 6. Tässä analyysiyksikössä LTP-analyysiä sovelletaan kahdesti 160 näytteen segment-30 tiin tavalla, joka on kuvattu esimerkiksi NL-patenttihake-.. muksessa 9 001 985. Tälläisessä LTP-analyysissä koodatta valle signaalisegmentille tehdään aina haku tietyn hakustrategian mukaan hakien signaalisegmenttiä, joka on niin samanlainen kuin mahdollista mainittua segmenttiä edeltä-35 väliä, tietyn pituisella signaalijaksolla, ja lähetetään • · 5 105623 koodatussa muodossa signaali, joka edustaa näytteiden D määrää, jotka sijaitsevat löydetyn segmentin alkamishetken ja koodattavan segmentin alkamishetken välissä.The STP filtered signal is supplied to the Long Term Prediction (LTP) Analysis Unit 6. In this analysis unit, LTP analysis is applied twice to 160 sample segments in the manner described, for example, in U.S. Patent Application No. 9,001,985. a signal segment is always searched according to a particular search strategy for a signal segment as similar as possible to said segment-35 slots over a signal period of a certain length, and transmitting • · 5 105623 encoded signals representing the number of samples D located at the start of the detected segment and between the start of the segment.
STP-suodatinyksikön 5 lähtöä kutsutaan jäännössig-5 naaliksi ja, keksinnön mukaan, tämä jäännössignaali lähetetään koodatussa muodossa sillä tavoin, että lähetetään ainoastaan informaatio, joka on havaittavuuden kannalta oleellista. Tätä varten jäännössignaalin 160 näytteen segmentit jaetaan kahdeksaan 30 näytteen apusegmenttiin piilo rissä 7. Tämä tehdään jakamalla ensin saatu segmentti kahdeksaan 20 näytteen apusegmenttiin ja täydentämällä nämä sitten johtoreunalla kymmenellä näytteellä edellisestä apusegmentistä. Tämä merkitsee, että kunkin segmentin 10 viimeisintä näytettä täytyy tallettaa, jotta ne voisivat 15 täydentää seuraavan segmentin ensimmäisen apusegmentin. Sitten kukin 30 näytteen apusegmentti kerrotaan piirissä 8 ikkunafunktiolla, kuten esimerkiksi kosinifunktio. Ikkuna-funktio valitaan siten, että kullekin apusegementtien li-mittäisissä osissa olevalle näytteelle kahden kertojateki-20 jän neliöitten summa on yksi. Syy miksi näin on neliöille oltava on, että ikkunafunktiolla kertominen tapahtuu sekä koodausyksikössä että ja kuviossa Ib esitetyssä dekoodaus-yksikössä. Ikkunoidulle apusegmentille suoritetaan diskreetti Fourier-muunnos (DFT) piirissä 19, jolloin saadaan 25 16 erilaista taajuuskomponenttia kullekin apusegmentille.The output of the STP filter unit 5 is called a residual signal, and according to the invention, this residual signal is transmitted in encoded form such that only information relevant to detectability is transmitted. For this purpose, the 160 sample segments of the residual signal are divided into eight 30 sample auxiliary segments in the concealer 7. This is done by dividing the first obtained segment into eight 20 sample auxiliary segments and then topping them with ten samples from the previous auxiliary segment. This means that the last 10 samples of each segment must be stored in order to complete the first auxiliary segment of the next segment. Each auxiliary segment of the 30 samples is then multiplied in the circuit by a window function, such as a cosine function. The window function is selected such that for each sample in the overlapping portions of the auxiliary segments, the sum of the squares of the two multiplication factors is one. The reason why this must be so for the squares is because the multiplication by the window function takes place both in the encoding unit and in the decoding unit shown in Figure Ib. The windowed auxiliary segment is subjected to a discrete Fourier transform (DFT) in circuit 19 to obtain 25 16 different frequency components for each auxiliary segment.
* « Näistä 16 taajuuskomponentista, numeroitu 0 - 15, komponenttien 1-13 amplitudit lasketaan piirissä 10. Komponentit 0, 14 ja 15 voidaan sivuuttaa, koska ne sijaitsevat puhevälitykseen valitun kaistan 300 - 3400 Hz ulkopuolel-30 la. Jos kyseessä on suurempi tai pienempi taajuuskaista, ' .. tarkasteltavien amplitudikomponenttien määrää voidaan sää- • * tää vastaavasti. Lähtien mainituista 13 komponentista, neljä niin kutsuttua Barkin amplitudikomponenttia lasketaan piirissä 11. Nämä amplitudit liittyvät taajuuksiin, 35 jotka sijaitsevat tasaisin välimatkoin lineaarisella * «t 6 105623Of these 16 frequency components, numbered 0 to 15, the amplitudes of components 1 to 13 are calculated in circuit 10. Components 0, 14, and 15 can be ignored because they are located outside the selected band 300 to 3400 Hz. In the case of a higher or lower frequency band, the amount of amplitude components to be considered may be adjusted accordingly. Starting from said 13 components, the four so-called Bark amplitude components are calculated in circuit 11. These amplitudes relate to frequencies 35 spaced evenly on a linear * «t 6 105623
Barkin asteikolla. Barkin amplitudikomponentit Βα - B4 voidaan laskea esimerkiksi seuraavalla tavalla DFT-amplitu-deista Aj - A13: 5 Bi - Ai + a2 b2 “ -iyj A j + + Λζ 10 -____ BJ m λΊ Al + A7 * Ae + A9 b4 - -yJA10 + A11 + Ä12 * Ä13 15On the Bark scale. The Bark amplitude components Βα - B4 can be calculated, for example, from the DFT amplitudes Δa - A13: 5 Bi - Ai + a2 b2 "-iyj A j + + Λζ 10 -____ BJ m λΊ Al + A7 * Ae + A9 b4 - - yJA10 + A11 + Ä12 * Ä13 15
Haluttaessa vahvistustekijä 6 lasketaan skaalaus-tekijänä piirissä 12 neljästä Barkin amplitudikomponen-tista: 20 S - Jb[ > B\ > Bj' * b|If desired, the gain factor 6 is calculated as a scaling factor in circuit 12 of the four Bark amplitude components: 20 S - Jb [> B \> Bj '* b |
Skaalausarvon G käytöllä on etuna, että skaalatut amplitudit voidan koodata tehokkaammin. G:n arvo kvanti-soidaan piirissä 13 ja lähetetään sitten dekoodausyksik-25 köön. Jos skaalaustekijä G on laskettu, jokainen Barkin komponentti jaetaan kvantisoidulla vahvistustekijällä G piirissä 14. Tämän jakolaskun lopputulos kvantisoidaan piirissä 15, koodataan ja lähetetään myös dekooda.usyksik-köön.The use of a scaling value G has the advantage that the scaled amplitudes can be coded more efficiently. The value of G is quantized in circuit 13 and then transmitted to the decoding unit 25. If the scaling factor G is calculated, each Bark component is divided by the quantized gain factor G in the circuit 14. The result of this division is quantized in the circuit 15, encoded and also sent to the decode unit.
30 Jos skaalausarvoa ei käytetä, piirit 12, 13 ja 14 . voidaan jättää pois ja Barkin amplitudikoponenteille las- • ketut neljä arvoa voidaan lähettää välittömästi piirissä 15 tapahtuneen kvantisoinnin jälkeen.30 If no scaling value is used, circuits 12, 13 and 14. can be omitted and the four values calculated for Bark amplitude components can be transmitted immediately after quantization in circuit 15.
Dekoodausyksikön piirissä 16 tapahtuneen dekoodauk-35 sen jälkeen neljä skaalattua Barkin amplitudikomponenttia kerrotaan kertojassa 18 vahvistustekijällä G , joka on 7 105623 dekoodattu piirissä 17, minkä tuloksena saadaan rekonstu-roidut Barkin amplitudikomponentit Bx - B4 . Tämä ei tietenkään päde, jos skaalaustekijää ei käytetä koodausyksi-kössä. Piirissä 19 taajuusalueella olevat amplitudit Äx -5 ÄX3 (tasaisin välimatkoin Hz-asteikolla) lasketaan seuraa-vien kaavojen avulla: ** - 77 10 h - Ä4 - *5 - % V 3After the decoding unit 35 in the decoding unit 16, the four scaled Bark amplitude components are multiplied by the multiplier 18 by a gain factor G of 7 105623 decoded by the circuit 17, resulting in the reconstructed Bark amplitude components Bx-B4. Of course, this does not apply if the scaling factor is not used in the coding unit. The amplitudes Äx -5 ÄX3 (at even intervals on the Hz scale) in the frequency range 19 of the circuit are calculated using the following formulas: ** - 77 10 h - Ä4 - * 5 -% V 3
Ag = Ä7 - Äg - Ä9 - ^Ag = Ä7 - Äg - Ä9 - ^
15 · S15 · S
Ä10 ” Än “ Ä12 - Äi3 -Ä10 "Än" Ä12 - Ä3 -
Jotta voitaisiin muuntaa kooderissa tarkastellut 13 taajuuskomponenttia takaisin aika-alueelle käänteisen 20 DFT:n (IDFT) avulla IDFT-piirissä, tarvitaan amplitudit Ja vaiheet.In order to convert the 13 frequency components considered in the encoder back to the time domain by inverse 20 DFT (IDFT) in the IDFT circuit, amplitudes and steps are required.
Vaiheet määritetään seuraavalla tavalla piirissä 23 dekoodatun ja näytevälistä D muodostuvan LTP-informaation avulla.The steps are determined in the following way by means of LTP information decoded in circuit 23 and consisting of sample slot D.
25 120 viimeisintä rekonstruoidun STP-jäännöksen näy tettä, kuten ne, jotka ovat läsnä jäljempänä yksityiskohtaisemmin käsiteltävän piirin 22 lähdössä, talletetaan kussakin tapauksessa. Piirissä 24 määritetään apusegment-ti, joka sijaitsee D:n näytteen päässä menneisyydessä kä-30 sillä olevaan apusegmenttiin nähden ja tämä apusegmentti , : kerrotaan piirissä 25 samalla ikkunafunktiolla, jota käy- • tettiin koooderiyksikön piirissä 8. DFT:tä sovelletaan t sitten apusegmenttiin piirissä 26, minkä jälkeen 13 tar kastellun komponentin vaiheet voidaan laskea piirissä 27. 35 Tällä tavoin määritettyjen vaiheiden ja jo laskettujen ; » · 1 v β 105623 amplitudien avulla suoritetaan IDFT-piirissä 20, amplitudien Ä0, Ä14, Ä15, ja Ä16, asettuessa nollaksi.The last 120 samples of the reconstructed STP residue, such as those present at the output of the circuit 22 discussed below in more detail, are stored in each case. Circuit 24 defines an auxiliary segment located at the end of a sample of D relative to the current auxiliary segment, and this auxiliary segment: multiplied in circuit 25 by the same window function used in the • encoder unit circuit 8. The DFT is then applied to the auxiliary segment in the circuit 26, after which the phases of the 13 components considered can be calculated in circuit 27. 35 The steps thus determined and those already calculated; »· 1 v β 105623 amplitudes are performed in the IDFT circuit 20, with amplitudes Ä0, Ä14, Ä15, and Ä16 set to zero.
Piirin 20 lähdössä on nyt saatavilla 30 näytettä pitkän apusegmentin rekonstruktio, mutta jota on myös mo-5 difioitu kooderiyksikössä suoritetulla ikkunafunktiolla.At the output of the circuit 20, reconstruction of a 30-sample long auxiliary segment is now available, but also modified by the window function performed in the encoder unit.
Rekonstruoitu apusegmentti kerrotaan sen vuoksi jälleen ikkunafunktiolla piirissä 21. Nyt toistamiseen ikkunafunktiolla kerrottavan apusegmentin kymmenen ensimmäistä näytettä, ja toistamiseen ikkunafunktiolla kerrottavan, tätä 10 tarkoitusta varten talletettujen, edellisen apusegmentin kymmenen viimeistä näytettä summataan piirissä 22. Tämän seurauksena saatavien kymmenen näytteen kertojatekijöiden summa on yksi.Therefore, the reconstructed auxiliary segment is multiplied again by the window function in circuit 21. Now, the first ten samples of the auxiliary multiplied by the window function, and the last ten samples of the previous auxiliary multiplied by the window function for this purpose are summed by the multiplier of
Tämän apusegmentin kymmenen viimeistä näytettä tal-15 letetaan. Kaksikymmentä ensimmäistä näytettä muodostavat osan STP-jäännöksen segmentin rekonstruktiosta. Kun kahdeksan apusegemnttiä on rekonstruoitu ja yhdistetty, saadaan täysin rekonstruoitu STP:n segmentti, ja tämä sijai-tesee kymmenen näytettä jäljessä segmentin suhteen, jolle 20 STP-analyysi on suoritettu koodausyksikössä.The last ten samples of this auxiliary segment are stored. The first twenty samples form part of the reconstruction of the STP residue segment. When the eight auxiliary segments are reconstructed and combined, a fully reconstructed segment of the STP is obtained and this places ten samples behind the segment subjected to the 20 STP analysis in the coding unit.
Käänteinen STP-suodatus suoritetaan tälle segmentille suodatinpiirissä 28 tavalla, joka sinänsä on tunnettu, vastaanotettujen STP-kertoimien avulla, käyttäen edellisen segmentin suodatinkertoimia kymmenelle ensimmäiselle 25 näytteelle.Reverse STP filtering is performed on this segment in the filter circuit 28 in a manner known per se by the received STP coefficients, using the filter coefficients of the previous segment for the first ten samples.
Suodattimen 28 lähtösignaali muunnetaan digitaa-li/analogia-muuntimessa 29 analogiasignaaliksi, joka syötetään alipäästösuodattimen 30 kautta kaiuttimeen 31, joka antaa korkealaatuisen toiston mikrofoniin 1 syötetystä 30 puhesignaalista, koska on ollut mahdollista lähettää pu- ·. hesignaali koodatussa muodossa pienellä bittimäärällä kek- • % sinnön mukaisten toimenpiteiden ansiosta.The output signal of the filter 28 is converted in the digital / analog converter 29 into an analog signal which is fed through a low pass filter 30 to a speaker 31 which provides high quality reproduction of the 30 speech signals input to the microphone 1, since it has been possible to transmit. signal in encoded form with a small number of bits due to the procedures of the invention.
Haluttaessa voidaan piirien 23 ja 24 väliin sijoit- » taa piiri 23', joka ensiksi kohdistaa dekooderin vastaan-35 ottamaan arvoon D joukon toimenpiteitä, jotta saataisiin 9 105623 D:n optimiarvo puhesignaalin rekonstruointiin. Nämä voivat olla kolme peräkkäistä toimenpidettä.If desired, a circuit 23 'may be disposed between the circuits 23 and 24, which first adjusts the value D received by the decoder to 35 to obtain an optimal value of 9 105623 D for the reconstruction of the speech signal. These can be three consecutive steps.
1) Jos vastaanotettujen arvojen D sarjassa on suuntaus, esillä oleva vastaanotettu arvo D, mikäli se on 5 suuntauksen ulkopuolella tietyllä marginaalilla, korvataan arvolla, joka pysyy suuntauksen sisällä. Algoritmit, joilla määritetään suuntaus peräkkäisten arvojen sarjassa ja joilla määritetään korvausarvo suuntauksen ulkopuolelle joutuville arvoille, ovat sinänsä hyvin tunnettuja alaa 10 tunteville.1) If there is a trend in a set of received values, D, the present received value D, if it is out of 5 with a certain margin, is replaced by a value that remains within the trend. Algorithms that determine the trend in a series of consecutive values and determine the substitution value for values outside the trend are well known per se to those skilled in the art.
2) Kolme väliarvoa (I3, I2, ja I3) lasketaan kahden peräkkäisen arvon D (D: ja D2), joita on mahdollisesti säädetty mainitunlaisella algoritmilla, välillä interpoloi-malla. Tämä tehdään esimerkiksi seuräavalla tavalla: 15 *2) The three intermediate values (I3, I2, and I3) are calculated by interpolating between two consecutive values D (D: and D2), possibly adjusted by such an algorithm. This is done, for example, in the following way: 15 *
Ix - 0,75 * D2 + 0,25 * D2 12 - 0,5 .* Dx + 0,5 * D2 13 = 0,25 * D2 + 0,75 * D2 20 Interpolointi suoritetaan, koska ero D määritetään koodausyksikössä kahdesti per segmentti. Ilman interpolointia suoritettaisiin neljän peräkkäisen apusegmentin dekoodaus samalla D:n arvolla. Jos signaalissa ei ole pe-russäännöllisyyttä, neljän apusegmentin aikana saataisiin 1' 25 näin ollen·väärin perustein säännöllisyyttä. Tästä ongel masta päästään interpoloimalla.Ix - 0.75 * D2 + 0.25 * D2 12 - 0.5. * Dx + 0.5 * D2 13 = 0.25 * D2 + 0.75 * D2 20 Interpolation is performed because the difference D is determined twice in the coding unit per segment. Without interpolation, four consecutive auxiliary segments would be decoded with the same D value. If there is no basic regularity in the signal, then 1 '25 would be obtained over the four auxiliary segments, thus: · wrongly regularizing. This problem is overcome by interpolation.
Jos perussäännönisyyttä esiintyy puhesignaalissa, signaalissa oleva toistoväli vaihtelee yleensä hitaasti. Interpoloinnin vuoksi arvon D vaihtelulla on nyt pehmeä 30 luonne dekooderissa.If a fundamental regularity occurs in a speech signal, the repetition interval in the signal will generally vary slowly. Due to interpolation, the variation of value D now has a soft 30 character in the decoder.
' ·· 3) Kun arvot D on tasattu laskemalla tarvittaessa korvausarvo ja interpoloinnin jälkeen, laskettu väli D vastaa niin hyvin kuin mahdollista signaalissa olevaa todellista toistoväliä. Jos mainittu väli D on kuitenkin 35 pienempi kuin 30, D kerrotaan kokonaisluvulla, joka väli- 105623 taan siten, että lopputulos on vähintäänkin 30. Tämä on välttämätöntä, sillä kaikki apusegmentin näytteet, joiden etäisyys on vähemmän kuin 30 esillä olevasta segmentistä, ovat vielä rekonstruoimatta, joten niitä ei sen vuoksi 5 voida käyttää vaiheiden laskemiseen.'·· 3) When the values of D have been equalized by calculating, if necessary, the substitution value and after interpolation, the calculated interval D corresponds as closely as possible to the actual repetition interval of the signal. However, if said interval D is 35 less than 30, D is multiplied by an integer 105623 such that the final result is at least 30. This is necessary because all samples in the auxiliary segment less than 30 from the present segment have not yet been reconstructed. , so they cannot therefore be used to calculate the steps.
Syy, että välit D, jotka ovat pienempiä kuin 30, lähetetään siitä huolimatta, on että jos signaalissa oleva perussäännöllisyys kattaa 30:tä pienemmän lukumäärän, tämä estää dekoodatun välin D saamasta arvoja, jotka ovat kes-10 kenään erisuuria todellisen toistovälin monikertoja. Tämän seurauksena tasausalgoritmilla olisi vähemmän mahdollisuuksia suuntauksen toteamiseksi.The reason that slots D smaller than 30 are transmitted nonetheless is that if the basic regularity in the signal covers a number less than 30, this prevents the decoded slot D from obtaining values that are multiple of the true repetition interval of any magnitude. As a result, the smoothing algorithm would have less chance of detecting the trend.
« *«*
Claims (8)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NL9002308A NL9002308A (en) | 1990-10-23 | 1990-10-23 | METHOD FOR CODING AND DECODING A SAMPLED ANALOGUE SIGNAL WITH A REPEATING CHARACTER AND AN APPARATUS FOR CODING AND DECODING ACCORDING TO THIS METHOD |
NL9002308 | 1990-10-23 |
Publications (3)
Publication Number | Publication Date |
---|---|
FI914993A0 FI914993A0 (en) | 1991-10-23 |
FI914993A FI914993A (en) | 1992-04-24 |
FI105623B true FI105623B (en) | 2000-09-15 |
Family
ID=19857866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FI914993A FI105623B (en) | 1990-10-23 | 1991-10-23 | A method of encoding and decoding an analog signal which is sampled and which is inherently repetitive and a device for encoding and decoding utilizing this method |
Country Status (11)
Country | Link |
---|---|
EP (1) | EP0482699B1 (en) |
JP (1) | JP2958726B2 (en) |
AT (1) | ATE157188T1 (en) |
CA (1) | CA2053133C (en) |
DE (1) | DE69127339T2 (en) |
DK (1) | DK0482699T3 (en) |
ES (1) | ES2106051T3 (en) |
FI (1) | FI105623B (en) |
NL (1) | NL9002308A (en) |
NO (1) | NO305188B1 (en) |
PT (1) | PT99294A (en) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07261797A (en) * | 1994-03-18 | 1995-10-13 | Mitsubishi Electric Corp | Signal encoding device and signal decoding device |
JPH09127995A (en) * | 1995-10-26 | 1997-05-16 | Sony Corp | Signal decoding method and signal decoder |
JP2000165251A (en) * | 1998-11-27 | 2000-06-16 | Matsushita Electric Ind Co Ltd | Audio signal coding device and microphone realizing the same |
FI116992B (en) | 1999-07-05 | 2006-04-28 | Nokia Corp | Methods, systems, and devices for enhancing audio coding and transmission |
EP1113432B1 (en) * | 1999-12-24 | 2011-03-30 | International Business Machines Corporation | Method and system for detecting identical digital data |
CN114519996B (en) * | 2022-04-20 | 2022-07-08 | 北京远鉴信息技术有限公司 | Method, device and equipment for determining voice synthesis type and storage medium |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5650398A (en) * | 1979-10-01 | 1981-05-07 | Hitachi Ltd | Sound synthesizer |
US4742550A (en) * | 1984-09-17 | 1988-05-03 | Motorola, Inc. | 4800 BPS interoperable relp system |
JP2892462B2 (en) * | 1990-08-27 | 1999-05-17 | 沖電気工業株式会社 | Code-excited linear predictive encoder |
-
1990
- 1990-10-23 NL NL9002308A patent/NL9002308A/en not_active Application Discontinuation
-
1991
- 1991-10-10 CA CA002053133A patent/CA2053133C/en not_active Expired - Lifetime
- 1991-10-16 ES ES91202675T patent/ES2106051T3/en not_active Expired - Lifetime
- 1991-10-16 EP EP91202675A patent/EP0482699B1/en not_active Expired - Lifetime
- 1991-10-16 DK DK91202675.4T patent/DK0482699T3/en active
- 1991-10-16 DE DE69127339T patent/DE69127339T2/en not_active Expired - Lifetime
- 1991-10-16 AT AT91202675T patent/ATE157188T1/en not_active IP Right Cessation
- 1991-10-17 JP JP3332967A patent/JP2958726B2/en not_active Expired - Lifetime
- 1991-10-18 NO NO914105A patent/NO305188B1/en not_active IP Right Cessation
- 1991-10-22 PT PT99294A patent/PT99294A/en not_active Application Discontinuation
- 1991-10-23 FI FI914993A patent/FI105623B/en not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
JPH05268098A (en) | 1993-10-15 |
NO914105D0 (en) | 1991-10-18 |
NL9002308A (en) | 1992-05-18 |
EP0482699B1 (en) | 1997-08-20 |
JP2958726B2 (en) | 1999-10-06 |
FI914993A0 (en) | 1991-10-23 |
DE69127339D1 (en) | 1997-09-25 |
ES2106051T3 (en) | 1997-11-01 |
CA2053133C (en) | 1996-05-21 |
EP0482699A3 (en) | 1992-08-19 |
DK0482699T3 (en) | 1998-03-30 |
NO914105L (en) | 1992-04-24 |
NO305188B1 (en) | 1999-04-12 |
CA2053133A1 (en) | 1992-04-24 |
PT99294A (en) | 1994-01-31 |
ATE157188T1 (en) | 1997-09-15 |
DE69127339T2 (en) | 1998-01-29 |
FI914993A (en) | 1992-04-24 |
EP0482699A2 (en) | 1992-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FI84538C (en) | FOERFARANDE FOER TRANSMISSION AV DIGITALISKA AUDIOSIGNALER. | |
FI119459B (en) | A transmission system implementing different coding principles | |
US5115240A (en) | Method and apparatus for encoding voice signals divided into a plurality of frequency bands | |
FI112979B (en) | Highly efficient encoder for digital data | |
US6526376B1 (en) | Split band linear prediction vocoder with pitch extraction | |
Crochiere et al. | Digital coding of speech in sub‐bands | |
FI116992B (en) | Methods, systems, and devices for enhancing audio coding and transmission | |
US5089818A (en) | Method of transmitting or storing sound signals in digital form through predictive and adaptive coding and installation therefore | |
JPS6326947B2 (en) | ||
JPS6161305B2 (en) | ||
EP1073038B1 (en) | Subband audio coding system | |
JPS5921039B2 (en) | Adaptive predictive coding method | |
JPH04127747A (en) | Variable rate encoding system | |
FI103443B (en) | Method of transmitting a signal | |
US3471648A (en) | Vocoder utilizing companding to reduce background noise caused by quantizing errors | |
FI105623B (en) | A method of encoding and decoding an analog signal which is sampled and which is inherently repetitive and a device for encoding and decoding utilizing this method | |
FI105621B (en) | Method and apparatus for processing analog signal | |
CA2016042C (en) | System for coding wide-bank audio signals | |
SE527669C2 (en) | Improved error masking in the frequency domain | |
US5504832A (en) | Reduction of phase information in coding of speech | |
JP4287545B2 (en) | Subband coding method | |
JPS5912499A (en) | Voice encoder | |
CA2464251C (en) | Method and apparatus for spectrom analysis | |
US5588089A (en) | Bark amplitude component coder for a sampled analog signal and decoder for the coded signal | |
AU751077B2 (en) | Audio coder utilising repeated transmission of packet portion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MA | Patent expired |