NO300708B1 - Fremgangsmåte ved overföring og mottaker for mottaking av et lydsignal - Google Patents

Description

Oppfinnelsen angår en fremgangsmåte ved overføring av et lydsignal i overensstemmelse med innledningen til patentkrav 1. Videre angår oppfinnelsen en mottaker for mottaking av et lydsignal i overensstemmelse med innledningen til patentkrav 10.

Fra den ikke-førpubliserte europeiske patentsøknad EP-A-0 193 143 er det kjent en fremgangsmåte ved overføring av et lydsignal, ved hvilken det analoge signal omformes til et digitalt signal, før overføringen omformes til et signal som fremstiller korttidsspektret, idet det totale frekvensbånd oppdeles i flere frekvensgrupper, signalandeler i frekvensgruppene i sin fremstillingsnøyaktighet vektlegges forskjellig på basis av psykoakustiske lovmessigheter ved kodingen av det signal som skal overføres, og det kodede signal overføres og etter overføringen dekodes, tilbaketransformeres og på nytt omformes til et analogt signal.

I den nevnte europeiske patentsøknad beskrives en fremgangsmåte for overføring av et digitalt lydsignal ved hvilken man kan klare seg med en lavere midlere bithastighet pr. samplingsverdi uten at kvaliteten påvirkes merkbart ved gjengivelsen. Oppfinnelsen ifølge denne søknad består i det vesentlige i at de transformerte beløpsverdier i frekvensgrupper fra det respektive beløpsmaksimum over en terskel oppdeles i verdiområder og de i det samme verdiområde liggende beløpsverdier overføres som lik verdi, og at beløpsverdier under terskelen settes lik null.

Formålet med den foreliggende oppfinnelsen er - ved en fremgangsmåte ifølge innledningen til patentkrav 1 - å forbedre både vektleggingen av amplitudeverdier i frekvensverdier og deteksjonen av plutselige lydtildragelser, og bedre å ta hensyn til spesielle psykoakustiske synspunkter ved overføringsmetoden.

Ovennevnte formål oppnås ifølge oppfinnelsen med den fremgangsmåte som er angitt i henholdsvis krav 1 og krav 2. Formålet oppnås også med den mottaker som er angitt i krav 10. Fordelaktige utførelser av oppfinnelsen er angitt i de uselvstendige krav.

Den terskel under hvilken verdiene i en frekvensgruppe settes lik null, ansettes ikke fast ved -30 dB under gruppemaksimumet, men kan forskyves adaptivt helt til -50 dB. Dette er nødvendig når det i gruppen foreligger en utpreget spiss i beløpsforløpet, da spektralverdiene herved over dette store dynamikkområde oppviser en tydelig lineær avhengighet. Dersom disse verdier settes lik null, fremkommer det på grunn av avhengigheten etter transformasjon og tilbaketransformasjon en modulerende forstyrrelse i tidssignalet som er godt merkbar.

Klassifiseringskjennetegn for erkjennelsen av en sådan situasjon er forholdet mellom spissverdi og middelverdi innenfor en frekvensgruppe.

For å analysere om det foreligger et sprang i signal-forløpet, blir energien i signalet, som på forhånd er ført via et høypassledd, fastslått i underblokker (f.eks. 64 verdier). Derved gjøres et eventuelt sprang steilere og kan detekteres bedre.

Den derav avledede skjerpning eller hevning foran spranget kan liksom tidligere skje bredbåndet, men en bedre virkning blir imidlertid oppnådd når hevningen setter inn frekvensselektivt. Den kan da begrenses til de energetisk mindre utpregede spektralområder, slik at høyere hevningsfaktorer er tillatt uten derved å endre korttidsspektrets forløp vesentlig.

Over alle grupper legges en høreterskel under hvilken spektralverdiene settes lik null. Terskelen forløper derved horisontalt i de første 23 grupper og stiger med ca. 30 dB innenfor de siste tre grupper. Terskelen blir som helhet forskjøvet på en slik måte at det i det nedre område holdes en viss avstand (type 90 dB) til den maksimale beløpsverdi. Ved forskyvninger mot mindre verdier defineres et anslag for terskelen, for at ikke absolutt meget små verdier skal tas i betraktning.

Med denne terskel skal det for det første tas hensyn til den absolutte høreterskel, og for det andre skal det tas hensyn til gruppeovergripende maskeringseffekter.

For bedre forståelse av oppfinnelsen skal et utførel-seseksempel beskrives nærmere i det følgende under henvisning til tegningene, der fig. 1 viser et tidsvindu i hvilket et sinussignal svinger, fig. 2 viser frekvensspektra til en vindusavgrenset sinussignal, fig. 3 illustrerer fremgangsmåtens tidsforløp, fig. 4 viser en forbehandling av signalet for et spesielt signalinn-hold, fig. 5 viser et blokkskjema for forbehandlingen, og fig.

6 viser et frekvensspektrum med terskler.

Fig. 1 viser en kurve 4 med et sinusformet forløp. Over denne kurve 4 er det lagt to tidsvinduer ti og t2. Tidsvinduet ti begynner i sinuskurvens nullpunkt 1 og slutter i et andre nullpunkt 2 av sinuskurven. Nullpunktene 1 og 2 er her skjærings-punktene mellom sinuskurven og abscissen, hvorved tiden t er avsatt langs abscissen. Det andre tidsvindu t2 begynner i sinuskurvens nullpunkt, men ender imidlertid utenfor et nullpunkt i punktet 3.

Ved transformasjonen av tidssignaler til et signal som fremstiller korttidsspektret, oppnås forskjellige kurver i frekvensspektret. Fig. 2 viser det frekvensspektrum som tilhører de to vindusavgrensede sinussignaler. For tidsvinduet ti fremkommer det bare én frekvenslinje 5. For det sinussignal som vindusavgrenses over tidsvinduet t2, fremkommer det et f rek-vensspektrum med kurveforløpet 6 som oppviser et maksimum ved frekvenslinjen 5 og en fallende kurveform med flere frekvenslin-jer 7. I en frekvensgruppe kan det ved begrensningen og over-føringen av verdier som bare ligger innenfor et dynamikkområde på 30 dB under maksimumet ymax, på grunn av spektralverdienes lineære avhengighet opptre modulerende forstyrrelser som er godt merkbare. Derfor blir dynamikkområdet adaptivt forøket opptil 50 dB. Klassifiseringskjennetegnet for erkjennelse av en sådan situasjon er forholdet mellom spissverdi og kvadratisk middelverdi innenfor en frekvensgruppe. Derved dannes differensen mellom spissverdi og middelverdi i en frekvensgruppe, og differensen multipliseres med en faktor, i dette tilfelle 3. Produktet gir det nye dynamikkområde. Dersom en spissverdi ligger ved 60 dB og den tilhørende middelverdi ved 45 dB, er differensen 15 dB. Differensen 15 dB multipliseres med faktoren 3, og dette gir et nytt dynamikkområde på 45 dB, altså en adaptiv tilpasning mellom -30 og-50 dB. Dersom det parallelt med bestemmelsen av terskelen, som bestemmer gruppedynamikken, konstateres at differensen mellom maksimal og minimal beløpsverdi er i en gruppe som er mindre enn 30 dB, settes det dynamikkområde som skal fremstilles, lik denne differanse.

På fig. 3 blir analogsignalet a(t), som fremstiller et lydsignal, som f.eks. tale eller musikk, i analog/digital-omformeren 11 omformet til et tilsvarende, digitalt lydsignal. I trinnet 12 skjer det en såkalt vindusoppdeling av dette signal ved hjelp av i tid på hverandre følgende og overlappende tidsvinduer. Signalet blir derved oppdelt i suksessive blokker med en respektiv varighet på ca. 20 ms, særlig 23 ms, på en slik måte at det respektive signal av en blokk kan bearbeides videre atskilt for seg selv. I trinnet 13 skjer en signalforbehandling hvis betydning skal forklares senere. I trinnet 14 blir det respektive, digitale signal av et tidsvindu eller en blokk ved hjelp av en transformasjon omformet til et frekvensspektrum. På utgangen av trinnet 14 er det altså under de i tid på hverandre følgende blokker til stede et respektivt signal som under varigheten av et tidsvindu eller en blokk fremstiller signalets spektralkomponenter over hele frekvensbåndet. Trinnet 14 bevirker altså omforming av signalet fra tidsområdet til det spektrumfremstillende signal i frekvensområdet.

Signalet fra trinnet 14 ankommer til koderen 15. Her skjer en koding ifølge psykoakustiske kriterier. Dette betyr at spektralkomponenter som ved gjengivelsen særlig på grunn av maskeringseffekter allikevel ikke legges merke til, ved kodingen vektlegges mindre eller sløyfes. En sådan behandling av korttidsspektret er mulig, f.eks. ved hjelp av en datamaskin.

Det således kodede signal ankommer via senderen 16 til kommunikasjonskanalen 17. Ved hjelp av den oppnådde reduksjon av den midlere bithastighet kan denne kommunikasjonskanal dimensjo-neres tilsvarende smalbåndet. Etter kommunikasjonskanalen 17 følger mottakeren 18 som i det vesentlige utfører de i forhold til senderen inverse funksjoner. Signalet ankommer først til en dekoder 19 som bevirker dekoding i overensstemmelse med koderen 15. I trinnet 20 blir det således frembrakte, spektrumfremstillende signal i frekvensområdet på nytt omformet til et digitalt signal i tidsområdet. I trinnet 21 blir signalet på nytt sammensatt til et enhetlig, kontinuerlig, digitalt signal og forbehandlingen i trinnet 13 tatt i betraktning. Deretter tilføres signalet til digital/analog-omformeren 22. Omformeren 22 avgir på nytt analogsignalet b(t). Dette signal er ikke identisk med signalet a(t) på grunn av spektralkomponenter ble forskjellig vektlagt eller undertrykket ved kodingen i koderen 15. Forskjellen mellom analogsignalene b(t) og a(t) er imidlertid slik at den ved gjengivelsen ikke merkes av tilhøreren. I signalet fjernes altså utelukkende irrelevant, for tilhøreren ikke-hørbar informasjon for å redusere den nødvendige bithastighet ved overføringen over kommunikasjonskanalen 17, og spesielt reduseres avgjørelsesinnholdet. På signalbanen 23 meddeler forbehandlingstrinnet 13 senderen 16 om en forbehandling har funnet sted. Dersom dette er tilfelle, innføyes hhv. multiplekses en bi-informasjon i det kodede signal som mottakeren 18 gjenkjenner og meddeler tilpasningstrinnet 21 via signalbanen 24. Foran analog/digital-omformeren 11 er det innsatt et lavpassfilter for oppfyllelse av samplingsteoremet. Etter digital/analog-omformeren 22 er det anordnet et andre lavpassfilter som rekonstruksjons-lavpassledd.

Fig. 4 viser forbehandlingen av en plutselig lydtildragelse 29 som opptrer innenfor et tidsvindu tl-t7 ved tidspunktet t9. En sådan lydtildragelse kan eksempelvis være et triangelanslag. Den beskrevne forbehandling skjer på fig. 3 i trinnet 13. Forut for lydtildragelsen 29 forekommer også et "forhåndssving" mellom t8 og t9, men dette er på grunn av en forhåndsmaskering ikke hørbart. Ved omformingen til frekvensspektret i trinnet 14 på fig. 3 oppstår det i frekvensområdet et signal som angir spektralfordelingen i vinduet tl-t7. Da tilordningen av spektrallinjer til særskilte tidspunk-ter innenfor et tidsvindu ikke lenger er gitt ved dette signal, ville tildragelsen 29 bli middelverdifordelt, altså kvasi-utsmurt, over hele tidsvinduet tl-t7. Derved kan en hørbar forfalskning inntre.

For unngåelse av denne ennå tenkbare feil er et tidsvindu tl-t7 eller også en blokk oppdelt i 32 underblokker. Amplituden av de enkelte underblokker bestemmes. Så snart det opptrer et amplitudesprang mellom to underblokker på mer enn en forutbestemt grense, på fig. 4 betinget av tildragelsen 29, utløses en ytterligere foranstaltning. Den forutbestemte grense er av størrelsesorden 20 dB. Foranstaltningen består i at signalet før amplitudespranget ved hjelp av en kompandermetode heves i amplitude på sendesiden og på mottakersiden igjen senkes tilsvarende. Derved reduseres de nevnte feil på grunn av utsmøringen av den korttidige tildragelse over hele tidsvinduet. Fig. 4D og 4E viser virkemåten av et kompandersystem. Foran et signalsprang blir et signal ved forbehandlingen i en ekspander forsterket med en første forsterkningsfaktor VI, i dette tilfelle 5. På mottakersiden blir denne forbehandling i en kompressor i tilpasningen 21 gjort tilbakegående med en andre forsterkningsfaktor V2, i dette tilfelle 1/5. Den totale forsterkning for signalet beløper seg hele tiden til "1":

Etter et signalsprang har forsterkningsfaktorene frem til det neste sprang verdien 1 både i ekspanderen og i kompres-soren. I overgangene mellom forsterkningsfaktorene 1 og 5 ligger et rettlinjet eller krumt forløp over et tidsrom mellom en halv eller en hel underblokk, men imidlertid fortrinnsvis over tidsvarigheten av en underblokk. Formålet er utnyttelse av ørets forhåndsmaskeringseffekt (under 1 ms).

Forbehandlingen 13 er vist på fig. 5. Blokken 30 prøver om et signal mellom to av de 32 underblokker stiger med en forutbestemt grense. Så lenge stigningen mellom to blokker ligger under den forutbestemte grense (20 dB), koples signalet fra inngangen 35 direkte via en tidsforsinkelse 36 og omkopleren 33 til utgangen 34. Dersom det mellom to underblokker foreligger et signalsprang på 20 dB, koples signalet fra inngangen 35 via en ekspander 32 og via omkopleren 33 til utgangen 34. Høypassleddet 31 gjør et eventuelt sprang i signalet steilere for at spranget skal bli bedre detektert av blokken 30. Deretter blir signalet foran amplitudespranget via ekspanderen 32 på sendersiden hevet i amplitude og på mottakersiden på nytt senket tilsvarende. Derved blir feil på grunn av en utsmøring av den korttidige tildragelse over hele tidsvinduet redusert. Prøveblokken 30 arbeider stadig, også mens signalet koples fra inngangen 35 direkte via omkopleren 33 til utgangen 34. Tidsforsinkelsen 36 utjevner tidsforskjeller som ekspanderen 32 og prøveblokken 30 forårsaker. Prøveblokken 30 meddeler ekspanderen 32 tidspunktet for et sprang hhv. overskridelsen av en grense. Denne meddelelse er en informasjon om underblokkens nummer. Ekspanderen 32 beregner selvstendig en passende forsterkningsfaktor.

Fig. 6 viser et koordinatsystem på hvis abscisse kurveforløpet 41 for et frekvensspektrum er opptegnet over en frekvens f. Kurveforløpet 41 oppviser et maksimum xmax. Et absolutt maksimum xmaxl tilsvarer et nivå A på null decibel. I en regnemaskin svarer det til disse null decibel en absolutt størrelse på 2expl5 som dessuten forsterkes ytterligere med en forsterkningsfaktor på 1024. Det blir da totalt regnet med en absolutt størrelse på 2exp25. Størrelsene tilsvarer en elektrisk spenning. Over hele frekvensforløpet legges en høreterskel 42 under hvilken spektralverdiene settes lik null, dvs. ikke tas i betraktning. Denne terskel 42 forløper i de første 23 frekvensgrupper parallelt med abscissen og stiger innenfor de siste tre grupper med ca. 30 dB, idet stigningen skjer fra 10 kHz. I forhold til (det foranderlige) maksimumet xmax oppviser terskelen 42 foran et første stigningspunkt, i det følgende kalt knekkpunkt, alltid en avstand på 90 dB. Dette betyr at denne terskel alltid legges i avhengighet av maksimumet xmax. Terskelen 42 kan riktignok ikke synke under en minimal verdi 43, i det følgende kalt anslag. Dette anslag 43 ligger ved -128 dB i forhold til det absolutte maksimum. Det første knekkpunkt legges med fordel ved 10 kHz og et andre knekkpunkt ved 12 kHz. Mellom disse to knekkpunkter stiger terskelen 42 først med 10 dB. Fra det andre knekkpunkt, altså i området mellom 12 og 22 kHz, oppviser terskelen 42 en stigning på 90 dB. Frekvensgruppene og en inndeling av et frekvensspektrum er forklart f.eks. i "Psychoakustik" av E. Zwicker, som utkom på Springer forlag, Berlin Heidelberg New York, 1982.

Claims (11)

1. Fremgangsmåte ved overføring av et lydsignal, ved hvilken det analoge signal omformes til et digitalt signal, overføres digitalt og omformes tilbake til et analogt signal, idet lydsignalet før overføringen omformes til et signal som fremstiller korttidsspektret, idet det totale frekvensbånd oppdeles i flere frekvensgrupper, signaldeler i frekvensgruppene

i sin fremstillingsnøyaktighet vektlegges forskjellig på basis av psykoakustiske lovmessigheter ved kodingen av det signal som skal overføres, og det kodede signal overføres og etter over-føringen dekodes, tilbaketransformeres og på nytt omformes til et analogt signal, idet en terskel tilordnes til hver frekvensgruppe og absolutte sampelverdier under terskelen settes lik null, KARAKTERISERT VED at tersklene generelt forskyves under hensyntagen til en absolutt høreterskel og maskeringseffekter som dekker mer enn én gruppe, slik at det i tilfelle av signal-nivåoverganger kan skje en ytterligere frekvensselektiv hevning av de absolutte sampelverdier.

2. Fremgangsmåte ved overføring av et lydsignal, ved hvilken det analoge signal omformes til et digitalt signal, overføres digitalt og omformes tilbake til et analogt signal, idet lydsignalet før overføringen omformes til et signal som fremstiller korttidsspektret, idet det totale frekvensbånd oppdeles i flere frekvensgrupper, signaldeler i frekvensgruppene i sin fremstillingsnøyaktighet vektlegges forskjellig på basis av psykoakustiske lovmessigheter ved kodingen av det signal som skal overføres, og det kodede signal overføres og etter over-føringen dekodes, tilbaketransformeres og på nytt omformes til et analogt signal, idet en terskel tilordnes til hver frekvensgruppe og absolutte sampelverdier under terskelen settes lik null, KARAKTERISERT VED at tersklene forskyves avhengig av forholdet mellom spissverdien og middelverdien innenfor en frekvensgruppe.

3. Fremgangsmåte ifølge krav 1 eller 2, KARAKTERISERT VED at den terskel under hvilken verdiene settes lik null i en frekvensgruppe, forskyves adaptivt (fig. 2).

4. Fremgangsmåte ifølge ett av de foregående krav, KARAKTERISERT VED at terskelen forskyves mellom -30 og -50 dB.

5. Fremgangsmåte ifølge krav 1 eller 2, KARAKTERISERT VED at det digitale lydsignal føres gjennom et høypassfilter (31) før en signalnivåovergang kontrolleres.

6. Fremgangsmåte ifølge krav 1 eller 2, KARAKTERISERT VED at en høreterskel (42) legges over alle frekvensgrupper.

7. Fremgangsmåte ifølge krav 6, KARAKTERISERT VED at høreterskelen (42) inntar en forutbestemt avstand fra et maksimum (xmax).

8. Fremgangsmåte ifølge krav 7, KARAKTERISERT VED at høreterskelen (42) er forskyvbar bare frem til et anslag (43).

9. Fremgangsmåte ifølge krav 8, KARAKTERISERT VED at anslaget (43) oppviser en avstand på ca. -128 dB fra et absolutt maksimum (xmaxl).

10. Mottaker for mottaking av et lydsignal som omformes til et digitalt signal ved benyttelse av en analog/digital-omformer (11), hvilket signal overføres digitalt og etter mottaking omformes tilbake til et analogt signal ved benyttelse av en digital/analog-omformer (22), hvor lydsignalets totale frekvensbånd oppdeles i et antall frekvensgrupper, og deler av signaler i frekvensgruppene vektlegges forskjellig i sin fremstillingsnøyaktighet ved kodingen av det signal som skal overføres, ved benyttelse av en koder (15) som er basert på psykoakustiske lover, hvor en terskel tilordnes til hver frekvensgruppe og absolutte sampelverdier under terskelen settes lik null, og hvor en i mottakeren (18) inngående dekoder (19) utfører dekoding svarende til en koder (15) på sendersiden, og det dekodede signal tilføres til D/A-omformeren (22), KARAKTERISERT VED at tersklene i koderen (15) generelt forskyves for å ta hensyn til en absolutt høreterskel og maskeringseffekter som dekker mer enn én gruppe, slik at det i tilfelle av signal-nivåoverganger kan skje en ytterligere frekvensselektiv hevning av de absolutte sampelverdier, og irrelevante deler av lydsignalet (h(t)) fjernes fullstendig eller delvis eller reduseres vesentlig.

11. Mottaker ifølge krav 10, KARAKTERISERT VED at den gjenkjenner hvorvidt en ytterligere informasjon, som rapporterer om forbehandling har funnet sted, er blitt innført i eller multiplekset inn i det kodede signal, at det mottatte lydsignal sammensettes til et ensartet digitalt signal i et tilpas-ningstrinn (21), og at tilpasningstrinnet (21) tar hensyn til forbehandlingen av lydsignalet ved hjelp av koderen.