HU197135B - Method for transmitting sound signal - Google Patents

Description

A találmány tárgya eljárás hangjel átvitelére, amelynek során az analóg jelet digitális jellé átalakítjuk, digitális alakban átvisszük, majd ismét analógjellé alakítjuk, az analóg jelet az átvitel előtt rövididejű spektrumjellé alakítjuk, ezen spektrumjel részeit az átviendő digitális jel kódolása során eltérően súlyozzuk olymódon, hogy a nagy spektrumértékeket nagy pontossággal képezzük le, a nagy spektrumértékekkel szomszédos frekvenciájú spektrumértékeket vagy a kis spektrumértékeket kisebb pontossággal képezzük le. Ilyen eljárást ismertet a 35 06 912 számú DE—OS.

Ismeretes, hogy egy hangjel átvitelénél, például rádióátvitelnél, kábelátvitelnél, műholdátvitelnél és rögzítőkészülékeknél, az analóg hangjelet meghatározott felbontással (bit/letapogatási érték) digitális hangjellé alakítják, ebben az alakban átviszik, és a hangvisszaadáskor ismét analóg jellé alakítják. A digitális átvitel révén különösen a hangvisszaadáskor, nagyobb zaj távolságot lehet elérni.

Egy ilyen jelnek az átviteléhez szükséges sávszélességet lényegében az időegység alatt átviendő letapogatási értékek száma, valamint a felbontás mértéke (letapogatási értékenként! bit érték) határozza meg.

A gyakorlatban az átvitellel szemben az a követelmény, hogy a szükséges sávszélességet lehető kis értéken tartsák, annak érdekében, hogy lehető keskenysávú csatorna elegendő legyen, vagy hogy egy meglevő csatornán egyidejűleg lehető sok hangjelet lehessen átvinni. A szükséges sávszélességet lehet csökkenteni olymódon, hogy a letapogatási értékeket vagy a letapogatási értékekhez tartozó bitek számát csökkentik. Ezek az intézkedések azonban rendszerint a hangvisszaadás minőségének romlását vonják maguk után.

A letapogatási értékekhez tartozó közepes bitszámának a hangvisszaadáskor nem érzékelhető csökkentése a következő intézkedésekkel érhető el: a digitális hangjelet az időtartományba képezzük le, ilyniódon az analóg jel egyes letapogatási értékeit időben egymás után állítjuk elő, az időben egymás után következő metszeteket rövididejű spektrummá transzformáljuk, amelyek minden rövid időszakra, például 20 msec-ra, a jel spektrális komponenseit alkotják. A rövididejű spektrumban pszichoakusztikai felismerések alapján, a hallgató személy által nem érzékelhető általános komponenseket, vagyis, amelyek az átviteltechnikái szempontból közömbösek, könnyebben fe! lehet ismerni, mint az időtartományban. Ennélfogva ezeket a komponenseket a találmány szerint az átvitel során kisebb mértékben súlyozzuk, vagy teljesen elhagyjuk. Ezzel az intézkedéssel az átvitel során az átviendő bitek számának jelentős része elhagyható, fgy egy letapogatási értékez tartozó közepes bitszám jelentősen csökkenthető.

A spektrumban az ilyen közömbös komponensek például azok a komponensek, amelyek a spektrumban egy maximális amplitúdóhoz közel esnek, és ehhez a maximális amplitúdóhoz képest egy meghatározott amplitúdó-értéket nem haladnak meg. Az ilyen komponensek az átvitel során a hangvisszaadás minőségének észrevehető befolyásolása nélkül előnyösen elhagyhatók. Az ilyen komponensek ugyanis pszichoakusztikai törvényszerűségek alapján egy ún. fedési effektus következtében a hallgató személy által nem érzékelhetők. Az ilyen fedési effektus szempontjából jelentőséggel bír az egyes komponensek közötti időkülönbség, valamint egymáshoz képesti frekvencia- és amplitúdóhelyzetük.

Mivel a fedési effektus szempontjából bizonyos időállandók meghatározók, ajelet egy „időablakkal” (window) időben egymás után következő, 20 msec nagyságrendbe eső időtartamú blokkokba osztjuk, mivel ilyen időtartományokon belül a fedési küszöbök vagy együtthallási küszöbök nem maradnak el jelentősen. Minden egyes ilyen blokknak a jelét rövididejű spektrummá transzformáljuk, és a kódolásnál a közömbös részek szempontjából ajelet megvizsgáljuk.

A hallóérzék frekvenciasávokat képez, ún. csoportokat, amelyek a fedési effektus szempontj ából lényeges szerepet játszanak. A frekvenciacsoportok felosztása és a fedést effektus ismert, amelyet részletesen ismertet az E. Zwicker, Psychoakustik, SpringerVerlag, Berlin, Heídelberg, New York, 1982. című mű46. oldalától. Mindenegyes ilyen frekvenciacsoportot a kódolásnál egyenként kiértékelünk, és a közömbös komponensek szempontjából megviszgáljuk. Ennek során a frekvencia-felbontás olyan finom, hogy a legkeskenyebb frekvenciacsoportban mintegy 100 Hz szélességet még érzékelünk. A jelnek az időtartományból a frekvenciatartományba történő átalakításához előnyösen Fourier transzformációt, például egy ún. gyors-Fourier transzformációt alkalmazunk.

A találmány elé célul tűztük ki az amplitúdó-értékeknek a frekvencia-értékekben történő súlyozásának továbbjavítását, a hirtelen hangváltozások érzékelésének javítását, és a pszichoakusztikai szempontoknak az átviteli eljárásnál történő jobb figyelembevételét.

A kitűzött feladatot a bevezetőben körülírt eljárással a találmány szerint úgy értük el, hogy a frekvenciaspektrumban eltolható küszöböket állítunk elő, amely alatt a spektrumértékeket kisebb pontossággal képezzük le, vagy ü-vá teszük. és/vagy a spektrumértékeket frekvenciaszelektíven kiemeljük.

Egy előnyös foganatosítást mód szerint a küszöböt, amely alatt egy frekvenciacsoportban az értékeket nullává tesszük, adaptív módon toljuk el. Ezt az eltolást lehetséges módon —30 és —50 dB között végezzük.

Az analóg jelet az eljárás során időablakokkal blokkokba osztjuk, és az alsó frekvenciatartományt kiszűtjük.

Előnyösen a frekvenciaspektrumot frekvenciacsoportokra osztjuk, és minden egyes csoporthoz egy hallásküszöböt rendelünk. A hallásküszöböt célszerűen egy maximumhoz (X_m„) egy előre meghatározott távolságra határozzuk meg. A hallásküszöböt előnyösen csak egy ütközőig toljuk el. Az ütköző egy abszolút maximumhoz (Χ^,ι) képest mintegy —128 dB távolságra állítjuk be.

Az a küszöb tehát, amely alatt egy csoportban az értékeket nullává tesszük, nem lesz a csoportmaximum alatt —30 dB értéken rögzítve, hanem azt adaptív módon —50 dB-ig cl kell tolni. Ez akkor szükséges, ha a csoportban egy kifejezett csúcsérték van jelen, mivel ekkor ebben a nagy dinamika-tartományban a spektrumértékek egyértelmű lineáris függősé-23

197 135 get mutatnak. Amennyiben ezeket az értékeket nullává tesszük, úgy a transzformáció és visszatranszformáció függvénye alapján az időjelben moduláló 2avar jelenik meg, amely jól észrevehető.

Egy ilyen állapotnak a felismerésére alkalmas osztályozási jellemző az egy csoporton belüli csúcsközépérték arány.

Annak analizálására, hogy a jelben egy ugrás megjclent~e, a jel energiáját alblokkokban (például 64 értéken) vizsgáljuk, amelyet előzőleg egy felülátere'sztőn vezettünk keresztül. Ezáltal egy esetleges ugrást meredekebbé teszünk, és így jobban érzékelhető.

A rajzokon az

1. ábra egy időablakot mutat, amelyben egy szinuszjelet látunk, a

2. ábra egy időablakban levő szinuszos jel frekvenciaspektrumát mutatja, a

3. ábra az eljárás időbeni lefolyását mutatja, a

4. ábrán a jel előfeldolgozását ábrázoltuk egy különleges jeltartalomhoz, az

5. ábra az eljárás foganatosítására szolgáló kapcsolás tömb vázlata, és a

6. ábra a frekvenciaspektrumot mutatja a küszöbökkel.

Az 1. ábrán látható 4 görbének szinuszos lefolyása van. Ezen a 4 görbén két ti és t2 időablak van. A ti időablak a szinuszjel 1 nullpontjában kezdődik, és egy második 2 nullpontjában végződik. Az 1 és 2 nullpontok a szinuszjel metszéspontjai a vízszintes tengelyen, amely vízszintes tengelyre a t időt vittük fel. A második t2 időablak a szinusz 1 nullpontjában kezdődik, azonban egy nullponton kívüli 3 pontban végződik.

Az időjeleknek a rövididejű spektrumot ábrázoló jellé történő transzformálása során a frekvenciaspektrumban különböző görbéket kapunk. A 2. ábra azt a frenvenciaspektrumot mutatja, amely mindkét ti és t2 időablakban levő szinuszjelhez tartozik. A ti időablakhoz csak egyetlen 5 frekvenciavonal adódik. Λ t2 időablakban levő szinuszjel olyan frekvenciaspektrumot ad, amelynek 6 burkológörbéje van, amelynek maximuma az 5 frekvenciavonalnál van, és ettől kezdve a 6 burkológörbe eső jellegű, amelyhez több 7 frekvenciavonal tartozik. Egy frekvenciacsoporton belül az átvitelt olyan értékekre korlátozva, amely az y max maximum alatt 30 dB-es dinamikatartományon belül van, a spektrumértékek lineáris függése által moduláló zavarok lépnek fel, amelyek jól észlelhetők. Ezért a dinamika-tartományt adaptív módon 50 dB-ig megnöveljük. Egy ilyen helyzetnek a felismerésére alkalmas osztályozási jellemző a csúcsértéknek a négyzetes középértékhez tartozó viszonyszám egy frekvenciacsoporton belül. Ehhez képezzük egy frekvenciacsoporton belül a csúcsérték és középérték közötti különbséget, és ezt a különbséget egy tényezővel —- ebben az esetben hárommal — megszorozzuk. A kapott szorzat az új dinamika-tartomány. Ha például a csúcsérték 60 dB értékű, és az ehhez tartozó középérték 45 dB-en van, akkor a különbség 15 dB. A 15 dB különbséget egy hármas tényezővel megszorozzuk, amely az új dinamika-tartományra 45 dB-t ad, vagyis a dinamika-tartományt adaptív módon illesztettük —30 és —50 dB között. A csoportdinamika küszöbének meghatározásával párhuzamosan meghatározzuk azt is, hogy amennyiben a maximális és minimális érték közötti különbség egy csoporton belül kisebb mint 30 dB, úgy a dinamikatartományt ezzel a különbséggel tesszük egyenlővé.

A 3. ábrán látható módon az a (t) analóg jelet — amely egy hangjel, amint például beszéd vagy zene — egy 11 analóg-digitál átalakítóban megfelelő digitális hangjellé alakítjuk át, A 12 fokozatban történik ennek a jelnek az időben egymás után következő, és egymást átlapoló időablakokban történő úgynevezett „ablakozás”. Ekkor a jelet időben egymás után következő blokkokba osztjuk fel, amelyek időtartama mintegy 20 msec, előnyösen 23 msec. Ilymódon az egyes blokkokon belüli jelek egymástól elválasztva a továbbiakban feldolgozliatók. Λ 13 fokozatban a jel előfeídolgozása történik, amelynek jelentőségét a későbbiekben még ismertetjük. A 14 fokozatban az 1 időablaknak vagy egy blokknak a digitális jelét a frekvenciaspektrumba transzformáljuk át. A 14 fokozat kimenetén tehát az időben egymás után következő blokkok alatt egy olyan jel jelenik meg, amely az időablak vagy blokk időtartamára a jelnek a teljes frekvenciasávban levő spektruin-konijxmenseit képviseli. A 14 fokozat tehát a jelet az időtartományból a frekvenciatartományon, belüli spektrumot ábrázoló jellé teszi át.

A 14 fokozatról a jel a 15 kódolóba kerül. A kódolás itt psziehoakuszt lkai szempontokból történik. Ez azt jelenti, hogy azokat a spektrumkoniponensekeí amelyek különösen a fedési effektus következtében a visszaadáskor nem észlelhetők, a kódolásnál kisebb mértékben súlyozzuk, vagy elhagyjuk. A rövididejű spektrumnak ez a feldolgozása például számítógép segítségével történhet.

Az ilymódon kódolt jel a 16 adón keresztül a 17 át viteli csatornára kerül. A közepes bitszám csökkenése következtében ez az átviteli csatorna megfelelően kisebb sávszélességűre méretezhető. A 17 átviteli csatornát a 18 vevő követi, amely lényegében az adó oldalonelvégzett műveletek fordítottját végzi el. A jel először egy 19 dckódolóba kerül, amely a 15 kódolónak megfelelően a dekódolást elvégzi. A 20 fokozatban az ilymódon visszaállított, spektrumot ábrázoló jelet az időtartományon belüli digitális jelű frekvenciatartományba állítjuk vissza. A 21 fokozatban a jelet ismét egy egységes, folyamatos digitális jellé állítjuk össze, és ennek során figyelembe vesszük a 13 fokozat előfeldolgozását. Ezután a jelet egy 22 digitálanalóg átalakítóra vezetjük. A 22 digitál-analóg átalakító ezután ismét előállítja a b (t) analóg jelet. Ez a j el az a (t) analóg jellel nem azonos, mivel a 15 kódoló a kódolás folyamán a spektrumkomponenseket különböző mértékben súlyozta, vagy elnyomta. A b (t) és az a (t) analóg jelek közötti különbség azonban olyan, hogy azt a megfigyelő személy nem veszi észre. A jelben tehát csupán közömbös, a hallgató számára hallhatatlan információt hagytunk el annak érdekében, hogy a 17 átviteli csatornán történő átvitel során a szükséges bitszámot csökkenthessük, nevezetesen: csökkentettük a döntéstartalmat. A 23 jelúton keresztül közli az előfeldolgozó 13 fokozat a 16 adóval, hogy történt-e előíeldolgozás. Ebben az esetben ugyanis a kódolt jelhez egy mellékinformációt fűzünk hozzá, amelyet a 18 vevő felismer, és közli a 24 jelúton keresztül az illesztő 21 fokozattal. All analógligitál átalakító előtt a letapogatási elv biztosítására egy aluláteresztő van beiktatva. A 22 digitál-analóg átalakító után egy második aluláteresztó van, ami a jel visszaállítását biztosítja.

A 4. ábra egy hirtelen 29 hangbeütés előíeldolgozását mulatja, amely a 11—17 időablakon belül lép fel a t9 időpontban. Egy ilyen hangjelenség lehet például egy háromszög-beütés. Az előfeldolgozás a 3. ábra szerinti 13 fokozatban történik. A 29 hangbeütést még egy előlengés előzi meg a t8 és t9 időpontok között, amely azonban egy előtakarás miatt nem hallható. A frekvenciaspektrumba történő átalakítás során, amely a 3. ábra szerinti 14 fokozatban jön létre, egy olyan jel keletkezik a frekvencia-tartományban, amely a 11—17 ablakon belüli spektrumeloszlást adja. Mivel ennél a jelnél egy időablakon belüli egyes időpontokhoz tartozó spektrumvonalak hozzáadása már nem lehetséges, a 29 hangbeütés a teljes ti—17 időablakon belül lenne vizsgálva; vagyis mintegy elkenve. Ezáltal egy hallható torzulás tud fellépni.

Annak érdekében, hogy ezt a lehetséges hibát elkerüljük, a ti—17 időablakot vagy blokkot harminckét aiblokk ráosztjuk fel. Az egyes alblokkokamplitúdiót megvizsgáljuk. Mihelyst két aiblokk között egy akkora amplitúdó ugrás lép fel, amely nagyobb mint az előre meghatározott határ, akkor a 4. ábrán láthatóan a 29 hangbeütés következtében egy járulékos intézkedés jön létre. Az előre meghatározott határ 20 dB nagyságrendben van. Az intézkedés abból áll, hogy az amplitúdó ugrás előttijei amplitúdóját az adóoldalon egy kompandálási eljárás révén megnöveljük, majd a vételi oldalon megfelelően ismét lecsökkent) ük. Ezáltal a rövididejű 29 hangbeütésnek a teljes időablakon belüli — már említett — „elkenését” lecsökkentjük. A 4D és 4E ábrák mutatják be a kompandáló rendszer hatását. Egy jelugrás előtt az elöfeldolgozó 13 fokozatban egy expander a jelet egy VI erősítési tényezővel —jelen esetben öttel — felerősíti. A vevőoldalon ez a jel egy illesztő 21 fokozatban levő kompresszorban egy második V2 erősítési tényezővel — ebben az esetben 1/5-tel — vissza lesz állítva. A jel teljes erősítése az egész idő alatt egységnyi lesz.

V teljes «=» V1XV2 = 1.

Egy jelugrás után a következő jelugrásig az erősítési tényező mind az expanderben, mind a kompresszorban egységnyi. Az egységnyi és öt értékű erősítési tényező közötti átmenet egyenes vagy görbe mentén változhat egy fél vagy egy teljes aiblokk ideje alatt, előnyösen azonban egy aiblokk. időtartama alatt. A cél mindenesetre a fül előfedési effektusának kihasználása (1 msec alatt).

A13 fokozatban történő előfeldolgozás az 5. ábrán követhető nyomon. A vizsgáló 30 egység azt vizsgálja, hogy a harminckét aiblokk között van-e olyan két aiblokk, amely között a jel egy meghatározott határt átlép. Egészen addig, amíg két blokk között az emelkedés egy meghatározott határ (20 dB) alatt marad, addig a 35 bemenetről érkező jel közvetlenül a 36 késleltetőn és a 33 átkapcsolón keresztül a 34 kimenetre jut. Amennyiben két aiblokk között a jelugrás a 20 dB-t meghaladja, akkor a 35 bemenetről jövő jel egy 32 expanderen és a 33 átkapcsolón keresztüljut a 34 kimenetre. A 31 felüláteresztő egy esetleges jelugrást meredekebbé tesz annak érdekében, hogy az ug4 rás a vizsgáló 30 egységben jobban érzékelhető legyen. Ekkor az amplitúdó ugrás előttijeiét a 32 expander az adóoldalon amplitúdójában megnöveli, és ennek megfelelően a vevőoldalon ismét viszszacsökkenti. Ezáltal a rövididejű eseményeknek a teljes időablakon keresztüli elkenése által okozott hiba csökkenthető. A vizsgáló 30 egység tovább működik akkor is, amikor a jel a 35 bemenetről közvetlenül a 33 átkapcsolón át a 34 kimenetre kerül. A 36 késleltető, a 32 expander és a vizsgáló 30 egység által létrehozott időkülönbséget kiegyenlíti. A vizsgáló 30 egység a 32 expanderrel közli egy ugrásnak, illetve a határ átlépésének az időpontját. Ez a közlés az aiblokk számának információja. A 32 expander a megfelelő erősítési tényezőt önmaga számítja ki.

A 6. ábrán egy koordinátarendszer látható, amelynek a vízszintes tengelyére az f frekvencia van felvive, és amelyen egy frekvenciaspektrum 41 burkológörbéje van ábrázolva. A41 burkológörbének x max maximuma van. Egy abszolút x rnax-1 maximum felel egy nulla dB-es A szintnek. Ez a nulla decibel egy számítóegységben megfelel 2¹⁵ értéknek, amelyhez még egy járulékos 1024 értékű erősítést tényező Ls járul. Együttesen tehát az abszolút nagyság 2²⁵ lesz. Ez az érték megfelel egy villamos feszültségnek.

A teljes frekvenciamenethez egy 42 hallásküszöb van hozzárendelve, amely alatti spektrumértékeket nullává tesszük, vagyis figyelmen kívül hagyjuk. Ez a 42 hallásküszöb az első huszonhárom frekvenciacsoporton keresztül a vízszintes tengellyel párhuzamosan fut, és az utolsó három csoportban mintegy 30 dB-t emelkedik, amely emelkedés 10 kHz-től kezdődik. Az első emelkedési pont, vagyis a töréspont előtt a 42 hallásküszöb az x max maximum (változtatható) értékhez képest mindig 90 dB távolságra van, ami azt jelenti, hogy a 42 hallásküszöb mindig az x max maximum függvénye. A hallásküszöb azonban egy minimális érték alá, amit 43 ütközőnek nevezünk, nem csökkenthető. Ez a 43 ütköző az abszolút maximumhoz képest —128 dB-en van. Az első töréspont előnyösen 10 kHz-en van, és egy második töréspont 12 kllz-re esik. Ezen két töréspont között a 42 hallásküszöb először 10 dB-lel emelkedik. A második törésponttól kezdődően, vagyis a 12 kHz és 22 kHz közötti tartományban a 42 hallásküszöb emelkedése 90 dB. A frekvenciacsoportok és a frekvenciaspektrum beosztása részletesebben megismerhető E. Zwícker „Psychoakustik” című művéből, amely 1982-ben jelent mcgaSpringer-Verlag, Berlin, Heidelberg, New York kiadásában.

Szabadalmi igénypontok

Claims (8)

1. Eljárás hangjel átvitelére, amelynek során az analógjeiet digitális jellé átalakítjuk, digitális alakban át visszük, majd ismét analóg jellé alakítjuk, az analóg jelet az átvitel előtt rövididejű spektrumjellé alakítjuk, ezen spektrumjel részeit az átviendő digitális jel kódolása során eltérően súlyozzuk olymódon, hogy a nagy spektrumértékeket nagy pontossággal képezzük le, a nagy spektruméi lékekkel szomszédos frekvenciájú spektrumértékeket vagy a kis spektrumértékeket kisebb pontossággal képezzük le, azzal jelle-47

197 13F mezve, hogy a frekvenciaspektrumban eltolható küszöböket állítunk elő, amely alatt a spektrumértékeket kisebb pontossággal képezzük le, vagy nullává tesszük, és/vagy a spektrumértékeket frekvenciaszelcktfven kiemeljük.

2. Az 1. igénypont szerinti eljárás, azzaljellemezve, hogy a küszöböt, amely alatt egy frekvenciacsoportban az értékeket nullává tesszük, adaptív módon toljuk el.

3. A 2. igénypont szerinti eljárás, azzaljellemezve, hogy a küszöböt —30 és —50 dB között toljuk el.

4. Az 1. igénypont szerinti eljárás, azzaljellemezve, hogy az analóg jelet időablakokkal blokkokba osztjuk, és az alsó frekvenciatartományt kiszűrjük.

5. Az 1. igénypont szerinti eljárás, azzaljellemezve, hogy a frekvenciaspektrumot frekvenciacsoportokra osztjuk, és minden csoporthoz egy hallásküszöböt rendelünk.

6. Az 5. igénypont szerinti eljárás, azzaljelicmez ve, hogy a hallásküszöböt egy maximumhoz (X_mtx) egy előre meghatározott távolságra határozzuk meg.

7. A 6. igénypont szerinti eljárás, azzaljellemezve, hogy a haliásküszöböt csak egy ütközőig toljuk el.

8. A 7. igénypont szerinti eljárás, azzal jellemezve, hogy az ütköző egy abszolút maximumhoz képest —128 dB távolságra van.

6 db rajz