CA2567162C - Procede de quantification d'un codeur de parole a tres bas debit - Google Patents
Procede de quantification d'un codeur de parole a tres bas debit Download PDFInfo
- Publication number
- CA2567162C CA2567162C CA2567162A CA2567162A CA2567162C CA 2567162 C CA2567162 C CA 2567162C CA 2567162 A CA2567162 A CA 2567162A CA 2567162 A CA2567162 A CA 2567162A CA 2567162 C CA2567162 C CA 2567162C
- Authority
- CA
- Canada
- Prior art keywords
- voicing
- frame
- pitch
- mode
- bits
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013139 quantization Methods 0.000 claims abstract description 41
- 239000013598 vector Substances 0.000 claims abstract description 34
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 7
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 6
- 230000003595 spectral effect Effects 0.000 claims description 15
- 238000011002 quantification Methods 0.000 claims description 10
- 238000011160 research Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000005284 excitation Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 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
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
- G10L19/087—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters using mixed excitation models, e.g. MELP, MBE, split band LPC or HVXC
-
- 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
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
- G10L19/09—Long term prediction, i.e. removing periodical redundancies, e.g. by using adaptive codebook or pitch predictor
-
- 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
- G10L2019/0001—Codebooks
- G10L2019/0004—Design or structure of the codebook
- G10L2019/0005—Multi-stage vector quantisation
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Procédé de codage et de décodage de la parole pour les communications vocales utilisant un vocodeur à très bas débit comportant une partie analyse pour le codage et la transmission des paramètres du signal de parole, tels que l'information de voisement par sous-bande, le pitch, les gains, les paramètres spectraux LSF et une partie synthèse pour la réception et le décodage des paramètres transmis et la reconstruction du signal de parole comportant au moins les étapes suivantes : regrouper les paramètres voisement, pitch, gains, coefficients LSF sur N trames consécutives pour former une super-trame, effectuer une quantification vectorielle de l'information de voisement au cours de chaque super-trame en élaborant une classification utilisant les informations sur l'enchaînement en termes de voisement existant sur 2 trames élémentaires consécutives, l'information de voisement permet en effet d'identifier des classes de sons pour lesquels l'allocation du débit et les dictionnaires associés seront optimisés, coder le pitch, les gains et les coefficients LSF en utilisant la classification obtenue précédemment.
Description
PROCEDE DE QUANTIFICATION D'UN CODEUR DE PAROLE A TRES
BAS DEBIT
L'invention concerne un procédé de codage de la parole. Elle s'applique notamment à la réalisation de vocodeurs à très bas débit, de l'ordre de 600 bits par seconde.
Elle est utilisée par exemple pour le codeur MELP, (codeur à
excitation mixte en anglo-saxon Mixed Excitation Linear Prediction), décrit par exemple dans l'une des références [1,2,3,4].
Le procédé est par exemple mis en oeuvre dans les communications par satellite, la téléphonie sur internet, les répondeurs statiques, les pageurs vocaux, etc.
L'objectif de ces vocodeurs est de reconstruire un signal qui soit le plus proche possible, au sens de la perception par l'oreille humaine, du signal de parole d'origine, en utilisant un débit binaire le plus faible possible.
Pour atteindre cet objectif, la plupart des vocodeurs utilisent un modèle totalement paramétré du signal de parole. Les paramètres utilisés concernent : le voisement qui décrit le caractère harmonique des sons voisés ou le caractère stochastique des sons non voisés, la fréquence fondamentale des sons voisés encore connue sous le vocable anglo-saxon PITCH , l'évolution temporelle de l'énergie ainsi que l'enveloppe spectrale du signal pour exciter et paramétrer les filtres de synthèse.
Dans le cas du codeur MELP, les paramètres spectraux utilisés sont les coefficients LSF (en anglo-saxon Line Spectral Frequencies) dérivés d'une analyse par prédiction linéaire, LPC codage prédictif linéaire (en anglo-saxon Linear Predictive Coding). L'analyse se fait pour un débit classique de 2400 bit/sec toutes les 22.5 ms.
Les informations supplémentaires extraites lors de la modélisation sont :
0 la fréquence fondamentale ou pitch, 0 les gains, CA
02567162 2006-11-18 .. .. . .
. . .
277000-6.1 EPc05733805 21. OZ 2006 o l'information de voisement en sous-bande, 0 les coefficients de Fourier calculés sur le signal résiduel après prédiction linéaire.
Le document de ULPU SINERVO et AL divulgue une méthode 5 permettant de quantifier les coefficients spectraux. Dans la méthode proposée, un quantificateur de matrice multi-trames est utilisé pour exploiter la corrélation entre les paramètres LSF des trames adjacentes.
Le document de STACHURSKI concerne une technique de codage pour des débits autour de 4 kbits/s. La technique de codage utilise 10 un modèle MELP dans lequel les coefficients complexes sont utilisés dans la synthèses de parole. Dans ce document on analyse l'importance des paramètres.
L'objet de la présente invention est, notamment, d'étendre le modèle MELP au débit de 600bits/sec. Les paramètres retenus sont par 15 exemple, le pitch, les coefficients spectraux LSF, les gains et le voisement.
Les trames sont regroupées par exemple en une super trame de 90 ms, c'est-à-dire 4 trames consécutives de 22.5 ms du schéma initial (schéma habituellement utilisé).
Un débit de 600 bits/sec est obtenu à partir d'une optimisation du 20 schéma de quantification des différents paramètres (pitch, coefficient LSF, gain, voisement).
L'invention concerne un procédé de codage et de décodage de la parole pour les communications , vocales utilisant un vocodeur à très bas 25 débit comportant une partie analyse pour le codage et la transmission des paramètres du signal de parole, tels que l'information de voisement par sous-bande, le pità h, les gains, les paramètres spectraux LSF et une partie synthèse pour la réception et le décodage des paramètres transmis et la reconstruction du signal de parole. H est caractérisé en ce qu'il comporte au 30 moins les étapes suivantes :
FEUILLE MODIFIÉE
BAS DEBIT
L'invention concerne un procédé de codage de la parole. Elle s'applique notamment à la réalisation de vocodeurs à très bas débit, de l'ordre de 600 bits par seconde.
Elle est utilisée par exemple pour le codeur MELP, (codeur à
excitation mixte en anglo-saxon Mixed Excitation Linear Prediction), décrit par exemple dans l'une des références [1,2,3,4].
Le procédé est par exemple mis en oeuvre dans les communications par satellite, la téléphonie sur internet, les répondeurs statiques, les pageurs vocaux, etc.
L'objectif de ces vocodeurs est de reconstruire un signal qui soit le plus proche possible, au sens de la perception par l'oreille humaine, du signal de parole d'origine, en utilisant un débit binaire le plus faible possible.
Pour atteindre cet objectif, la plupart des vocodeurs utilisent un modèle totalement paramétré du signal de parole. Les paramètres utilisés concernent : le voisement qui décrit le caractère harmonique des sons voisés ou le caractère stochastique des sons non voisés, la fréquence fondamentale des sons voisés encore connue sous le vocable anglo-saxon PITCH , l'évolution temporelle de l'énergie ainsi que l'enveloppe spectrale du signal pour exciter et paramétrer les filtres de synthèse.
Dans le cas du codeur MELP, les paramètres spectraux utilisés sont les coefficients LSF (en anglo-saxon Line Spectral Frequencies) dérivés d'une analyse par prédiction linéaire, LPC codage prédictif linéaire (en anglo-saxon Linear Predictive Coding). L'analyse se fait pour un débit classique de 2400 bit/sec toutes les 22.5 ms.
Les informations supplémentaires extraites lors de la modélisation sont :
0 la fréquence fondamentale ou pitch, 0 les gains, CA
02567162 2006-11-18 .. .. . .
. . .
277000-6.1 EPc05733805 21. OZ 2006 o l'information de voisement en sous-bande, 0 les coefficients de Fourier calculés sur le signal résiduel après prédiction linéaire.
Le document de ULPU SINERVO et AL divulgue une méthode 5 permettant de quantifier les coefficients spectraux. Dans la méthode proposée, un quantificateur de matrice multi-trames est utilisé pour exploiter la corrélation entre les paramètres LSF des trames adjacentes.
Le document de STACHURSKI concerne une technique de codage pour des débits autour de 4 kbits/s. La technique de codage utilise 10 un modèle MELP dans lequel les coefficients complexes sont utilisés dans la synthèses de parole. Dans ce document on analyse l'importance des paramètres.
L'objet de la présente invention est, notamment, d'étendre le modèle MELP au débit de 600bits/sec. Les paramètres retenus sont par 15 exemple, le pitch, les coefficients spectraux LSF, les gains et le voisement.
Les trames sont regroupées par exemple en une super trame de 90 ms, c'est-à-dire 4 trames consécutives de 22.5 ms du schéma initial (schéma habituellement utilisé).
Un débit de 600 bits/sec est obtenu à partir d'une optimisation du 20 schéma de quantification des différents paramètres (pitch, coefficient LSF, gain, voisement).
L'invention concerne un procédé de codage et de décodage de la parole pour les communications , vocales utilisant un vocodeur à très bas 25 débit comportant une partie analyse pour le codage et la transmission des paramètres du signal de parole, tels que l'information de voisement par sous-bande, le pità h, les gains, les paramètres spectraux LSF et une partie synthèse pour la réception et le décodage des paramètres transmis et la reconstruction du signal de parole. H est caractérisé en ce qu'il comporte au 30 moins les étapes suivantes :
FEUILLE MODIFIÉE
2.1.ï02./200Ã!
à
- , Ptlnted '27:/Q3s/2QQ&
PE$CPAIVID
E
................... .
.
= regrouper les paramètres voisement, pitch, gains, coefficients LSF sur N trames consécutives pour former une super-trame, = = effectuer une quantification vectorielle de l'information de voisement pour chaque super-trame en élaborant une classification utilisant les informations sur l'enchaînement en termes de voisement existant sur un sous-multiple de N trames élémentaires consécutives, l'information de voisement permet en effet d'identifier des classes de sons pour lesquels l'allocation du débit et les dictionnaires associés seront optimisés, FEUILLE MODIFIÉE-'21.ïe2Opel ,f
à
- , Ptlnted '27:/Q3s/2QQ&
PE$CPAIVID
E
................... .
.
= regrouper les paramètres voisement, pitch, gains, coefficients LSF sur N trames consécutives pour former une super-trame, = = effectuer une quantification vectorielle de l'information de voisement pour chaque super-trame en élaborant une classification utilisant les informations sur l'enchaînement en termes de voisement existant sur un sous-multiple de N trames élémentaires consécutives, l'information de voisement permet en effet d'identifier des classes de sons pour lesquels l'allocation du débit et les dictionnaires associés seront optimisés, FEUILLE MODIFIÉE-'21.ïe2Opel ,f
3 = coder le pitch, les gains et les coefficients LSF en utilisant la classification obtenue.
La classification est par exemple élaborée en utilisant les informations sur l'enchaînement en termes de voisement existant sur 2 trames élémentaires consécutives.
Le procédé selon l'invention permet avantageusement d'offrir un codage fiable pour des faibles débits.
Un aspect de l'invention concerne - un procédé, de codage et de décodage de la parole pour les communications vocales utilisant un vocodeur à très bas débit comportant une partie analyse pour le codage et la transmission de paramètres du signal de parole, tels que l'information de voisement par sous-bande, le pitch, les gains, les paramètres spectraux LSF
et une partie synthèse pour la réception et le décodage de paramètres transmis et la reconstruction du signal de parole comprenant exécuter le étapes suivantes sur un processeur audio :
regrouper les paramètres voisement, pitch, grains, coefficients LSF sur N trames consécutives pour former une super-trame, effectuer une quantification vectorielle de l'information de voisement pour chaque super-trame en élaborant une classification utilisant les informations sur l'enchaînement en termes de voisement existant sur un sous-multiple de N trames élémentaires consécutives, l'information de voisement permettant en effet d'identifier des classes de sons pour lesquels l'allocation du débit et les dictionnaires associés seront optimisés, la classification est effectuée sur des classes de voisement sur un horizon de 2 trames élémentaires, les classes sont au nombre de 6 et comportent :
une 1 ère classe comprenant deux trames consécutives non voisées (UU) ;
une 2ème classe comprenant une trame non voisée suivie d'une trame voisée (UV) ;
3a une 3ème classe comprenant une trame voisée suivie d'une trame non voisée (VU) ;
une 4ème classe comprenant deux trames consécutives voisée, avec un moins une trame de voisement faible, l'autre trame étant de voisement supérieur ou égal (VV4) ;
une elle classe comprenant deux trames consécutives voisées, avec au moins une trame de voisement moyen, l'autre trame étant de voisement supérieur ou égal (VV2) ; et une 6ème classe comprenant deux trames consécutives voisées, où chacune des trames est fortement voisée, et où seule la dernière sous-bande peut être non voisée (VV3) ;
coder le pitch, les gains et coefficients LSF en utilisant la classification obtenue.
Un autre aspect de l'invention concerne l'utilisation du procédé tel que décrit ciliessus avec un codeur de parole de type MELP à 600 bits/s.
D'autres caractéristiques et avantages de la présente invention apparaîtront mieux à la lecture de la description d'un exemple de réalisation donné à titre iliustratif, annexé des figures qui représentent :
O La figure 1 un schéma général du procédé selon l'invention pour la partie codeur, O La figure 2 le schéma fonctionnel de la quantification vectorielle de l'information de voisement, O Les figures 3 et 4 le schéma fonctionnel de la quantification vectorielle du pitch, O La figure 5 le schéma fonctionnel de la quantification vectorielle des paramètres spectraux (coefficients LSF), 0 La figure 6 le schéma fonctionnel de quantification vectorielle multi-étages, O La figure 7 le schéma fonctionnel de la quantification vectorielle des gains, 3b o La figure 8 un schéma appliqué à la partie décodeur.
L'exemple détaillé ci-après, à titre illustratif et nullement limitatif, concerne un codeur MELP adapté au débit de 600 bits/sec.
Le procédé selon l'invention porte notamment sur l'encodage des paramètres qui permettent de reproduire au mieux avec un minimum de débit toute la complexité du signal de parole. Les paramètres retenus sont par
La classification est par exemple élaborée en utilisant les informations sur l'enchaînement en termes de voisement existant sur 2 trames élémentaires consécutives.
Le procédé selon l'invention permet avantageusement d'offrir un codage fiable pour des faibles débits.
Un aspect de l'invention concerne - un procédé, de codage et de décodage de la parole pour les communications vocales utilisant un vocodeur à très bas débit comportant une partie analyse pour le codage et la transmission de paramètres du signal de parole, tels que l'information de voisement par sous-bande, le pitch, les gains, les paramètres spectraux LSF
et une partie synthèse pour la réception et le décodage de paramètres transmis et la reconstruction du signal de parole comprenant exécuter le étapes suivantes sur un processeur audio :
regrouper les paramètres voisement, pitch, grains, coefficients LSF sur N trames consécutives pour former une super-trame, effectuer une quantification vectorielle de l'information de voisement pour chaque super-trame en élaborant une classification utilisant les informations sur l'enchaînement en termes de voisement existant sur un sous-multiple de N trames élémentaires consécutives, l'information de voisement permettant en effet d'identifier des classes de sons pour lesquels l'allocation du débit et les dictionnaires associés seront optimisés, la classification est effectuée sur des classes de voisement sur un horizon de 2 trames élémentaires, les classes sont au nombre de 6 et comportent :
une 1 ère classe comprenant deux trames consécutives non voisées (UU) ;
une 2ème classe comprenant une trame non voisée suivie d'une trame voisée (UV) ;
3a une 3ème classe comprenant une trame voisée suivie d'une trame non voisée (VU) ;
une 4ème classe comprenant deux trames consécutives voisée, avec un moins une trame de voisement faible, l'autre trame étant de voisement supérieur ou égal (VV4) ;
une elle classe comprenant deux trames consécutives voisées, avec au moins une trame de voisement moyen, l'autre trame étant de voisement supérieur ou égal (VV2) ; et une 6ème classe comprenant deux trames consécutives voisées, où chacune des trames est fortement voisée, et où seule la dernière sous-bande peut être non voisée (VV3) ;
coder le pitch, les gains et coefficients LSF en utilisant la classification obtenue.
Un autre aspect de l'invention concerne l'utilisation du procédé tel que décrit ciliessus avec un codeur de parole de type MELP à 600 bits/s.
D'autres caractéristiques et avantages de la présente invention apparaîtront mieux à la lecture de la description d'un exemple de réalisation donné à titre iliustratif, annexé des figures qui représentent :
O La figure 1 un schéma général du procédé selon l'invention pour la partie codeur, O La figure 2 le schéma fonctionnel de la quantification vectorielle de l'information de voisement, O Les figures 3 et 4 le schéma fonctionnel de la quantification vectorielle du pitch, O La figure 5 le schéma fonctionnel de la quantification vectorielle des paramètres spectraux (coefficients LSF), 0 La figure 6 le schéma fonctionnel de quantification vectorielle multi-étages, O La figure 7 le schéma fonctionnel de la quantification vectorielle des gains, 3b o La figure 8 un schéma appliqué à la partie décodeur.
L'exemple détaillé ci-après, à titre illustratif et nullement limitatif, concerne un codeur MELP adapté au débit de 600 bits/sec.
Le procédé selon l'invention porte notamment sur l'encodage des paramètres qui permettent de reproduire au mieux avec un minimum de débit toute la complexité du signal de parole. Les paramètres retenus sont par
4 exemple : le pitch, les coefficients spectraux LSF, les gains et le voisement.
Le procédé fait notamment appel à une procédure de quantification vectorielle avec classification.
La figure 1 schématise globalement les différentes mises en oeuvre au niveau d'un codeur de la parole. Le procédé selon l'invention se déroule en 7 étapes principales.
Etape d'analyse du signal de parole L'étape 1 analyse le signal au moyen d'un algorithme de type MELP connu de l'Homme du métier. Dans le modèle MELP, une décision de voisement est prise pour chaque trame de 22.5 ms et pour 5 sous-bandes de fréquences prédéfinies.
Etape de regroupement des paramètres Pour l'étape 2, le procédé regroupe les paramètres sélectionnés :
voisement, pitch, gains et coefficients LSF sur N trames consécutives de 22.5 ms pour former une supertrame de 90 ms. La valeur N=4 est choisie par exemple pour former un compromis entre la réduction possible du débit binaire et le retard introduit par le procédé de quantification (compatible avec les techniques d'entrelacement et de codage correcteur d'erreurs actuelles).
Etape de quantification de l'information de voisement ¨ détaillée à la figure 2 A l'horizon d'une supertrame, l'information de voisement est donc représentée par une matrice à composantes binaires (0: non voisé ; 1 :
voisé) de taille (5*4), 5 sous-bandes MELP, 4 trames.
Le procédé utilise une procédure de quantification vectorielle sur n bits, avec par exemple n=5. La distance utilisée est une distance euclidienne pondérée afin de favoriser les bandes situées en basses fréquences. On utilise par exemple comme vecteur de pondération [1.0 ; 1.0 ; 0.7 ; 0.4 ;
0.1].
L'information de voisement quantifiée permet d'identifier des classes de sons pour lesquels l'allocation du débit et les dictionnaires associés seront optimisés. Cette information de voisement est ensuite mise en uvre pour la quantification vectorielle des paramètres spectraux et des gains avec pré-classification.
Le procédé peut comporter une étape d'application de contraintes.
Lors de la phase d'apprentissage, le procédé fait par exemple appel aux 4
Le procédé fait notamment appel à une procédure de quantification vectorielle avec classification.
La figure 1 schématise globalement les différentes mises en oeuvre au niveau d'un codeur de la parole. Le procédé selon l'invention se déroule en 7 étapes principales.
Etape d'analyse du signal de parole L'étape 1 analyse le signal au moyen d'un algorithme de type MELP connu de l'Homme du métier. Dans le modèle MELP, une décision de voisement est prise pour chaque trame de 22.5 ms et pour 5 sous-bandes de fréquences prédéfinies.
Etape de regroupement des paramètres Pour l'étape 2, le procédé regroupe les paramètres sélectionnés :
voisement, pitch, gains et coefficients LSF sur N trames consécutives de 22.5 ms pour former une supertrame de 90 ms. La valeur N=4 est choisie par exemple pour former un compromis entre la réduction possible du débit binaire et le retard introduit par le procédé de quantification (compatible avec les techniques d'entrelacement et de codage correcteur d'erreurs actuelles).
Etape de quantification de l'information de voisement ¨ détaillée à la figure 2 A l'horizon d'une supertrame, l'information de voisement est donc représentée par une matrice à composantes binaires (0: non voisé ; 1 :
voisé) de taille (5*4), 5 sous-bandes MELP, 4 trames.
Le procédé utilise une procédure de quantification vectorielle sur n bits, avec par exemple n=5. La distance utilisée est une distance euclidienne pondérée afin de favoriser les bandes situées en basses fréquences. On utilise par exemple comme vecteur de pondération [1.0 ; 1.0 ; 0.7 ; 0.4 ;
0.1].
L'information de voisement quantifiée permet d'identifier des classes de sons pour lesquels l'allocation du débit et les dictionnaires associés seront optimisés. Cette information de voisement est ensuite mise en uvre pour la quantification vectorielle des paramètres spectraux et des gains avec pré-classification.
Le procédé peut comporter une étape d'application de contraintes.
Lors de la phase d'apprentissage, le procédé fait par exemple appel aux 4
5 vecteurs suivants [0,0,0,0,0], [1,0,0,0,0], [1,1,1,0,0], [1,1,1,1,1]
indiquant le voisement de la bande basse vers la bande haute. Chaque colonne de la matrice de voisement , associée au voisement d'une des 4 trames constitutant la supertrame, est comparée à chacun de ces 4 vecteurs, et remplacée par le vecteur le plus proche pour l'apprentissage du dictionnaire.
Lors du codage, on applique la même contrainte (choix des 4 vecteurs précédents) et on réalise la quantification vectorielle QV en appliquant le dictionnaire trouvé précédemment. On obtient ainsi les indices de voisement.
Dans le cas du modèle MELP, l'information de voisement faisant partie des paramètres à transmettre, l'information de classification est donc disponible au niveau du décodeur sans surcoût en terme de débit.
En fonction de l'information de voisement quantifiée, des dictionnaires sont optimisés. Pour cela le procédé définit par exemple 6 classes de voisement sur un horizon de 2 trames élémentaires. La classification est par exemple déterminée en utilisant les informations sur l'enchaînement en termes de voisement existant sur un sous-multiple de N
trames élémentaires consécutives, par exemple sur 2 trames élémentaires consécutives.
Chaque super trame est donc représentée sur 2 classes de voisement. Les 6 classes de voisement ainsi définies sont par exemple :
Classe Caractéristiques de la classe 1 ere classe UU Deux trames consécutives non voisées 2eme classe UV Une trame non voisée suivie d'une trame voisée 3"e classe VU Une trame voisée suivie d'une trame non voisée 4eme classe VVi Deux trames consécutives voisées, avec au moins une
indiquant le voisement de la bande basse vers la bande haute. Chaque colonne de la matrice de voisement , associée au voisement d'une des 4 trames constitutant la supertrame, est comparée à chacun de ces 4 vecteurs, et remplacée par le vecteur le plus proche pour l'apprentissage du dictionnaire.
Lors du codage, on applique la même contrainte (choix des 4 vecteurs précédents) et on réalise la quantification vectorielle QV en appliquant le dictionnaire trouvé précédemment. On obtient ainsi les indices de voisement.
Dans le cas du modèle MELP, l'information de voisement faisant partie des paramètres à transmettre, l'information de classification est donc disponible au niveau du décodeur sans surcoût en terme de débit.
En fonction de l'information de voisement quantifiée, des dictionnaires sont optimisés. Pour cela le procédé définit par exemple 6 classes de voisement sur un horizon de 2 trames élémentaires. La classification est par exemple déterminée en utilisant les informations sur l'enchaînement en termes de voisement existant sur un sous-multiple de N
trames élémentaires consécutives, par exemple sur 2 trames élémentaires consécutives.
Chaque super trame est donc représentée sur 2 classes de voisement. Les 6 classes de voisement ainsi définies sont par exemple :
Classe Caractéristiques de la classe 1 ere classe UU Deux trames consécutives non voisées 2eme classe UV Une trame non voisée suivie d'une trame voisée 3"e classe VU Une trame voisée suivie d'une trame non voisée 4eme classe VVi Deux trames consécutives voisées, avec au moins une
6 trame de voisement faible (1,0,0,0,0), l'autre trame étant de voisement supérieur ou égal 5eme classe VV2 Deux trames consécutives voisées, avec au moins une trame de voisement moyen (1,1,1,0,0), l'autre trame étant de voisement supérieur ou égal 6eme classe VV3 Deux trames consécutives voisées, où chacune des trames est fortement voisée, c'est-à-dire où seule la dernière sous-bande peut être non voisée (1,1,1,1,x) Un dictionnaire est optimisé pour chaque niveau de voisement.
Les dictionnaires obtenus sont estimés dans ce cas sur un horizon de 2 trames élémentaires.
Les vecteurs obtenus sont donc de taille 20=210 coefficients LSF, selon l'ordre de l'analyse par prédiction linéaire dans le modèle MELP
initial.
Etape de définition des modes de quantification détaillée à la figure 1 A partir des ces différentes classes de quantification, le procédé
définit 6 modes de quantification déterminés selon l'enchaînement des classes de voisement :
=
Mode Enchaînement des classes 1E'r mode Classes non voisées (UU) 2eme mode Classe non voisée (UU) et classe mixte (UV, VU) 3' mode Classes mixtes (UV, VU) 4" mode Classes voisées (VV) et classes non voisées (UU) 56me mode Classes voisées (VV) et classes mixtes (UV, VU) 6' mode Classes voisées (VV) La table 1 regroupe les différents modes de quantification en fonction de la classe de voisement et la table 2 l'information de voisement pour chacun des 6 modes de quantification.
Les dictionnaires obtenus sont estimés dans ce cas sur un horizon de 2 trames élémentaires.
Les vecteurs obtenus sont donc de taille 20=210 coefficients LSF, selon l'ordre de l'analyse par prédiction linéaire dans le modèle MELP
initial.
Etape de définition des modes de quantification détaillée à la figure 1 A partir des ces différentes classes de quantification, le procédé
définit 6 modes de quantification déterminés selon l'enchaînement des classes de voisement :
=
Mode Enchaînement des classes 1E'r mode Classes non voisées (UU) 2eme mode Classe non voisée (UU) et classe mixte (UV, VU) 3' mode Classes mixtes (UV, VU) 4" mode Classes voisées (VV) et classes non voisées (UU) 56me mode Classes voisées (VV) et classes mixtes (UV, VU) 6' mode Classes voisées (VV) La table 1 regroupe les différents modes de quantification en fonction de la classe de voisement et la table 2 l'information de voisement pour chacun des 6 modes de quantification.
7 Classe 1 : UU Classe 2: UV Classe 3: VU Classe 4,5,6:
VV
Classe 1 : UU 1 2 2 4 Classe 2 : UV 2 3 3 5 Classe 3 : VU 2 3 3 5 Classe 4,5,6 : VV 4 5 5 6 Table 1 Information de voisement Mode 1 (UUIUU) Mode 2 (UUIUV), (UUIVU), (UVIUU), (VUIUU) Mode 3 (UVIUV), (UVIVU), (VUIUV), (VUIVU) Mode 4 (VVIUU), (UUIVV) Mode 5 (VVIUV), (VVIVU), (UVIVV), (VUIVV) Mode 6 (VVIVV) Table 2 Afin de limiter la taille des dictionnaires et de réduire la complexité
de recherche, le procédé met en oeuvre une méthode de quantification de type multi-étages, telle que la méthode MSV,Q (en anglo-saxon Multi Stage Vector Quantisation) connue de l'Homme du métier.
Dans l'exemple donné, une supertrame est constituée de 4 la vecteurs de 10 coefficients LSF et la quantification vectorielle est appliquée pour chaque regroupement de 2 trames élémentaires (2 sous-vecteurs de 20 coefficients).
Il y a donc au moins 2 quantifications vectorielles multiétages dont les dictionnaires sont déduits de la classification (table 1).
Etape de quantification du pitch figures 3 et 4 Le pitch est quantifié de façon différente selon le mode.
0 Dans le cas du mode 1 (non voisé, nombre de trames voisées égal à
0), aucune information de pitch n'est transmise.
VV
Classe 1 : UU 1 2 2 4 Classe 2 : UV 2 3 3 5 Classe 3 : VU 2 3 3 5 Classe 4,5,6 : VV 4 5 5 6 Table 1 Information de voisement Mode 1 (UUIUU) Mode 2 (UUIUV), (UUIVU), (UVIUU), (VUIUU) Mode 3 (UVIUV), (UVIVU), (VUIUV), (VUIVU) Mode 4 (VVIUU), (UUIVV) Mode 5 (VVIUV), (VVIVU), (UVIVV), (VUIVV) Mode 6 (VVIVV) Table 2 Afin de limiter la taille des dictionnaires et de réduire la complexité
de recherche, le procédé met en oeuvre une méthode de quantification de type multi-étages, telle que la méthode MSV,Q (en anglo-saxon Multi Stage Vector Quantisation) connue de l'Homme du métier.
Dans l'exemple donné, une supertrame est constituée de 4 la vecteurs de 10 coefficients LSF et la quantification vectorielle est appliquée pour chaque regroupement de 2 trames élémentaires (2 sous-vecteurs de 20 coefficients).
Il y a donc au moins 2 quantifications vectorielles multiétages dont les dictionnaires sont déduits de la classification (table 1).
Etape de quantification du pitch figures 3 et 4 Le pitch est quantifié de façon différente selon le mode.
0 Dans le cas du mode 1 (non voisé, nombre de trames voisées égal à
0), aucune information de pitch n'est transmise.
8 0 Dans le cas du mode 2, une seule trame est considérée comme voisée et identifiée par l'information de voisement. Le pitch est alors représenté sur 6 bits (quantification scalaire de la période de pitch après compression logarithmique).
o Dans les autres modes :
O 5 bits sont utilisés pour transmettre une valeur de pitch (quantification scalaire de la période de pitch après compression logarithmique), O 2 bits sont utilisés pour positionner la valeur de pitch sur une lo des 4 trames O 1 bit est utilisé pour caractériser le profil d'évolution.
La figure 4 schématise le profil d'évolution du pitch. La valeur de pitch transmise, sa position et le profil d'évolution sont déterminés en minimisant un critère des moindres carrés sur la trajectoire de pitch estimée à l'analyse. Les trajectoires considérées sont obtenues par exemple par interpolation linéaire entre la dernière valeur de pitch de la super trame précédente et la valeur de pitch qui sera transmise. Si la valeur de pitch transmise n'est pas positionnée sur la dernière trame, l'indicateur du profil d'évolution permet de compléter la trajectoiré 'soit en maintenant la valeur atteinte, soit en retournant vers la valeur de pitch initiale (la dernière valeur de pitch de la super trame précédente). L'ensemble des positions sont considérées, ainsi que toutes les valeurs de pitch comprises entre la valeur de pitch quantifiée immédiatement inférieure au pitch minimal estimé sur la super trame et la valeur de pitch quantifiée immédiatement supérieure au pitch maximal estimé sur la super trame.
Etape de quantification des paramètres spectraux, des coefficients LSF
détaillée aux figures 5, 6 La table 3 donne l'allocation du débit pour les paramètres spectraux pour chacun des modes de quantification. La répartition du débit pour chaque étage est donnée entre parenthèses.
o Dans les autres modes :
O 5 bits sont utilisés pour transmettre une valeur de pitch (quantification scalaire de la période de pitch après compression logarithmique), O 2 bits sont utilisés pour positionner la valeur de pitch sur une lo des 4 trames O 1 bit est utilisé pour caractériser le profil d'évolution.
La figure 4 schématise le profil d'évolution du pitch. La valeur de pitch transmise, sa position et le profil d'évolution sont déterminés en minimisant un critère des moindres carrés sur la trajectoire de pitch estimée à l'analyse. Les trajectoires considérées sont obtenues par exemple par interpolation linéaire entre la dernière valeur de pitch de la super trame précédente et la valeur de pitch qui sera transmise. Si la valeur de pitch transmise n'est pas positionnée sur la dernière trame, l'indicateur du profil d'évolution permet de compléter la trajectoiré 'soit en maintenant la valeur atteinte, soit en retournant vers la valeur de pitch initiale (la dernière valeur de pitch de la super trame précédente). L'ensemble des positions sont considérées, ainsi que toutes les valeurs de pitch comprises entre la valeur de pitch quantifiée immédiatement inférieure au pitch minimal estimé sur la super trame et la valeur de pitch quantifiée immédiatement supérieure au pitch maximal estimé sur la super trame.
Etape de quantification des paramètres spectraux, des coefficients LSF
détaillée aux figures 5, 6 La table 3 donne l'allocation du débit pour les paramètres spectraux pour chacun des modes de quantification. La répartition du débit pour chaque étage est donnée entre parenthèses.
9 Mode de quantification Allocation du débit (MSVQ) Mode 1 (6,4,4,4) + (6,4,4,4) =36 bits Mode 2 (6,4,4) + (7,5,4) = 30 bits Mode 3 (6,5,4) + (6,5,4) = 30 bits Mode 4 (6,4,4) + (7,5,4) = 30 bits Mode 5 (6,5,4) + (6,5,4) = 30 bits Mode 6 (7,5,4) + (7,5,4) = 32 bits Table 3 Dans chacun des 6 modes, le débit est alloué prioritairement à la classe de voisement supérieur, la notion de voisement supérieur correspondant à un nombre de sous-bandes voisées supérieur ou égal.
Par exemple, dans le mode 4, les deux trames consécutives non voisées seront représentées à partir du dictionnaire (6, 4, 4) tandis que les deux trames consécutives voisées seront représentées par le dictionnaire (7, 5, 4). Dans le mode 2 les deux trames consécutives mixtes sont représentées par le dictionnaire (7,5,4) et les deux trames consécutives non voisées par le dictionnaire (6,4,4).
La table 4 regroupe la taille mémoire associée aux dictionnaires.
Classe Mode MSVQ type Nombre de vecteurs Taille mémoire UU Mode 1 MSVQ (6,4,4,4) (64+16+16+16) 2240 mots UU Modes 2,4 MSVQ (6,4,4) Inclus dans (6,4,4,4) 0 UV Mode 2 MSVQ (7,5,4) (128+32+16) 3520 mots UV Mode 3,5 MSVQ (6,5,4) (64 +32 +16) 2240 mots VU Mode 2 MSVQ (7,5,4) (128+32+16) 3520 mots VU Mode 3,5 MSVQ (6,5,4) (64 +32 +16) - 2240 mots VV Mode 4,6 MSVQ (7,5,4) (128+32+16) * 3 10560 mots VV Mode 5 MSVQ (6,5,4) (64 + 32 +16) * 3 6720 mots TOTAL =31040 mots Table 4 Etape de quantification du paramètre gains détaillée à la figure 7 Un vecteur de m gains avec m=8 est par exemple calculé pour chaque supertrame (2 gains par trame de 22.5 ms, schéma utilisé
habituellement pour le MELP). m peut prendre n'importe quelle valeur, et est 5 utilisé pour limiter la complexité de la recherche du meilleur vecteur dans le dictionnaire.
Le procédé utilise une quantification vectorielle avec pré-classification. La table 5 regroupe les débits et la taille mémoire associée aux dictionnaires.
Le procédé calcule les gains, puis il regroupe les gains sur lo N trames, avec N= 4 dans cet exemple. Il utilise ensuite la quantification vectorielle et le mode de classification prédéfini (à partir de l'information de voisement) pour obtenir les indices associés aux gains. Les indices étant ensuite transmis vers la partie décodeur du système.
Mode Allocation du MSVQ type Nombre de vecteurs Taille mémoire débit MSVQNQ
Modes 1,2 (7,6) = 13 bits MSVQ (7,6) (128+64) 1536 mots Modes 3,4,5 (6,5) = 11 bits MSVQ (6,5) (64+32) 768 mots Mode 6 (9) = 9 bits VQ (9) 512 4096 mots TOTAL = 6400 mots Table 5 L'abrégé VQ correspond à la quantification vectorielle et MSVQ la méthode de quantification vectorielle multiétages.
Evaluation du débit La table 6 regroupe l'allocation du débit pour la réalisation du codeur de parole de type MELP à 600 bit/sec une super trame de 54 bits (90ms).
Mode Voisement LSF Pitch Gain 1 (54 bits) 5 bits (6,4,4,4) + (6,4,4,4) 0 (7,6) 32 bits 13 bits 2 (54 bits) 5 bits (6,4,4) + (7,5,4) 6 bits (7,6) 30 bits 13 bits 3 (54 bits) 5 bits (6,5,4) + (6,5,4) 8 bits (6,5) 30 bits 11 bits 4 (54 bits) 5 bits (6,4,4) + (7,5,4) 8 bits (6,5) 30 bits 11 bits (54 bits) 5 bits (6,5,4) + (6,5,4) 8 bits (6,5) 30 bits 11 bits 6 (54 bits) 5 bits (7,5,4) + (7,5,4) 8 bits 9 bits 32 bits =
Table 6 La figure 8 représente le schéma au niveau de la partie décodage du vocodeur. L'indice de voisement transmis par la partie codeur est utilisé
5 pour générer les modes de quantification. Les indices de voisement, de quantification du pitch, des gains et des paramètres spectraux LSF transmis par la partie codeur sont dé-quantifiés en utilisant les modes de quantification obtenus. Les différentes étapes sont effectuées selon un schéma semblable à celui décrit pour la partie codeur du système. Les différents paramètres dé-quantifiés sont ensuite regroupés avant d'être transmis à la partie synthèse du décodeur pour restituer le signal de parole.
Références :
1 - A Mixed Excitation LPC Vocoder Model for Low Bit Rate Speech Coding , A.V. McCree, T.P. Barnwell III, IEEE Transactions on Speech and Audio Processing, Vol. 3, n 4, pp 242-250, July 1995.
2 - A 2.4 kbits/s MELP Coder Candidate for the New US Federal Standard , A.V. McCree, K. Truong, E.B. George, T.P. Barnwell III, Viswanathan V., Proceedings of IEEE ICASSP, pp 200-203, 1996.
3 - MELP : The New Federal Standard at 2400 BPS , L.Supplee, R. Cohn, J. Collura, A.V. McCree, Proceedings of IEEE ICASSP, pp 1591-1594, 1997.
4 - The 1200 and 2400 bit/s NATO Interoperable Narrow Band Voice Coder , NATO STANAG n 4591.
Par exemple, dans le mode 4, les deux trames consécutives non voisées seront représentées à partir du dictionnaire (6, 4, 4) tandis que les deux trames consécutives voisées seront représentées par le dictionnaire (7, 5, 4). Dans le mode 2 les deux trames consécutives mixtes sont représentées par le dictionnaire (7,5,4) et les deux trames consécutives non voisées par le dictionnaire (6,4,4).
La table 4 regroupe la taille mémoire associée aux dictionnaires.
Classe Mode MSVQ type Nombre de vecteurs Taille mémoire UU Mode 1 MSVQ (6,4,4,4) (64+16+16+16) 2240 mots UU Modes 2,4 MSVQ (6,4,4) Inclus dans (6,4,4,4) 0 UV Mode 2 MSVQ (7,5,4) (128+32+16) 3520 mots UV Mode 3,5 MSVQ (6,5,4) (64 +32 +16) 2240 mots VU Mode 2 MSVQ (7,5,4) (128+32+16) 3520 mots VU Mode 3,5 MSVQ (6,5,4) (64 +32 +16) - 2240 mots VV Mode 4,6 MSVQ (7,5,4) (128+32+16) * 3 10560 mots VV Mode 5 MSVQ (6,5,4) (64 + 32 +16) * 3 6720 mots TOTAL =31040 mots Table 4 Etape de quantification du paramètre gains détaillée à la figure 7 Un vecteur de m gains avec m=8 est par exemple calculé pour chaque supertrame (2 gains par trame de 22.5 ms, schéma utilisé
habituellement pour le MELP). m peut prendre n'importe quelle valeur, et est 5 utilisé pour limiter la complexité de la recherche du meilleur vecteur dans le dictionnaire.
Le procédé utilise une quantification vectorielle avec pré-classification. La table 5 regroupe les débits et la taille mémoire associée aux dictionnaires.
Le procédé calcule les gains, puis il regroupe les gains sur lo N trames, avec N= 4 dans cet exemple. Il utilise ensuite la quantification vectorielle et le mode de classification prédéfini (à partir de l'information de voisement) pour obtenir les indices associés aux gains. Les indices étant ensuite transmis vers la partie décodeur du système.
Mode Allocation du MSVQ type Nombre de vecteurs Taille mémoire débit MSVQNQ
Modes 1,2 (7,6) = 13 bits MSVQ (7,6) (128+64) 1536 mots Modes 3,4,5 (6,5) = 11 bits MSVQ (6,5) (64+32) 768 mots Mode 6 (9) = 9 bits VQ (9) 512 4096 mots TOTAL = 6400 mots Table 5 L'abrégé VQ correspond à la quantification vectorielle et MSVQ la méthode de quantification vectorielle multiétages.
Evaluation du débit La table 6 regroupe l'allocation du débit pour la réalisation du codeur de parole de type MELP à 600 bit/sec une super trame de 54 bits (90ms).
Mode Voisement LSF Pitch Gain 1 (54 bits) 5 bits (6,4,4,4) + (6,4,4,4) 0 (7,6) 32 bits 13 bits 2 (54 bits) 5 bits (6,4,4) + (7,5,4) 6 bits (7,6) 30 bits 13 bits 3 (54 bits) 5 bits (6,5,4) + (6,5,4) 8 bits (6,5) 30 bits 11 bits 4 (54 bits) 5 bits (6,4,4) + (7,5,4) 8 bits (6,5) 30 bits 11 bits (54 bits) 5 bits (6,5,4) + (6,5,4) 8 bits (6,5) 30 bits 11 bits 6 (54 bits) 5 bits (7,5,4) + (7,5,4) 8 bits 9 bits 32 bits =
Table 6 La figure 8 représente le schéma au niveau de la partie décodage du vocodeur. L'indice de voisement transmis par la partie codeur est utilisé
5 pour générer les modes de quantification. Les indices de voisement, de quantification du pitch, des gains et des paramètres spectraux LSF transmis par la partie codeur sont dé-quantifiés en utilisant les modes de quantification obtenus. Les différentes étapes sont effectuées selon un schéma semblable à celui décrit pour la partie codeur du système. Les différents paramètres dé-quantifiés sont ensuite regroupés avant d'être transmis à la partie synthèse du décodeur pour restituer le signal de parole.
Références :
1 - A Mixed Excitation LPC Vocoder Model for Low Bit Rate Speech Coding , A.V. McCree, T.P. Barnwell III, IEEE Transactions on Speech and Audio Processing, Vol. 3, n 4, pp 242-250, July 1995.
2 - A 2.4 kbits/s MELP Coder Candidate for the New US Federal Standard , A.V. McCree, K. Truong, E.B. George, T.P. Barnwell III, Viswanathan V., Proceedings of IEEE ICASSP, pp 200-203, 1996.
3 - MELP : The New Federal Standard at 2400 BPS , L.Supplee, R. Cohn, J. Collura, A.V. McCree, Proceedings of IEEE ICASSP, pp 1591-1594, 1997.
4 - The 1200 and 2400 bit/s NATO Interoperable Narrow Band Voice Coder , NATO STANAG n 4591.
Claims (13)
1. Procédé de codage et de décodage de la parole pour les communications vocales utilisant un vocodeur à très bas débit comportant une partie analyse pour le codage et la transmission de paramètres du signal de parole, tels que l'information de voisement par sous-bande, le pitch, les gains, les paramètres spectraux LSF et une partie synthèse pour la réception et le décodage de paramètres transmis et la reconstruction du signal de parole comprenant exécuter le étapes suivantes sur un processeur audio :
regrouper les paramètres voisement, pitch, gains, coefficients LSF sur N
trames consécutives pour former une super-trame, effectuer une quantification vectorielle de l'information de voisement pour chaque super-trame en élaborant une classification utilisant les informations sur l'enchaînement en termes de voisement existant sur un sous-multiple de N
trames élémentaires consécutives, l'information de voisement permettant en effet d'identifier des classes de sons pour lesquels l'allocation du débit et les dictionnaires associés seront optimisés, la classification est effectuée sur des classes de voisement sur un horizon de 2 trames élémentaires, les classes sont au nombre de 6 et comportent :
une 1ère classe comprenant deux trames consécutives non voisées (UU) ;
une 2ème classe comprenant une trame non voisée suivie d'une trame voisée (UV) ;
une 3ème classe comprenant une trame voisée suivie d'une trame non voisée (VU) ;
une 4ème classe comprenant deux trames consécutives voisée, avec un moins une trame de voisement faible, l'autre trame étant de voisement supérieur ou égal (VV4) ;
une 5ème classe comprenant deux trames consécutives voisées, avec au moins une trame de voisement moyen, l'autre trame étant de voisement supérieur ou égal (VV2) ; et une 6ème classe comprenant deux trames consécutives voisées, où
chacune des trames est fortement voisée, et où seule la dernière sous-bande peut être non voisée (VV3) ;
coder le pitch, les gains et coefficients LSF en utilisant la classification obtenue.
regrouper les paramètres voisement, pitch, gains, coefficients LSF sur N
trames consécutives pour former une super-trame, effectuer une quantification vectorielle de l'information de voisement pour chaque super-trame en élaborant une classification utilisant les informations sur l'enchaînement en termes de voisement existant sur un sous-multiple de N
trames élémentaires consécutives, l'information de voisement permettant en effet d'identifier des classes de sons pour lesquels l'allocation du débit et les dictionnaires associés seront optimisés, la classification est effectuée sur des classes de voisement sur un horizon de 2 trames élémentaires, les classes sont au nombre de 6 et comportent :
une 1ère classe comprenant deux trames consécutives non voisées (UU) ;
une 2ème classe comprenant une trame non voisée suivie d'une trame voisée (UV) ;
une 3ème classe comprenant une trame voisée suivie d'une trame non voisée (VU) ;
une 4ème classe comprenant deux trames consécutives voisée, avec un moins une trame de voisement faible, l'autre trame étant de voisement supérieur ou égal (VV4) ;
une 5ème classe comprenant deux trames consécutives voisées, avec au moins une trame de voisement moyen, l'autre trame étant de voisement supérieur ou égal (VV2) ; et une 6ème classe comprenant deux trames consécutives voisées, où
chacune des trames est fortement voisée, et où seule la dernière sous-bande peut être non voisée (VV3) ;
coder le pitch, les gains et coefficients LSF en utilisant la classification obtenue.
2. Procédé selon la revendication 1, dans lequel il utilise une méthode de quantification de type multi-étages pour limiter la taille de dictionnaires et réduire la complexité de recherche.
3. Procédé selon la revendication 1 ou 2, dans lequel pour quantifier les paramètres spectraux LSF, le débit est alloué prioritairement à la classe de voisement supérieur.
4. Procédé selon l'une quelconque des revendications 1 à 3, dans lequel pour quantifier le paramètre gain, un vecteur d'au moins 8 gains est calculé
pour chaque supertrame.
pour chaque supertrame.
5. Procédé selon la revendication 4, dans lequel les modes et les débits d'allocation (MSVQNQ) sont comme il suit :
modes 1 et 2 ont 13 bits alloués comme (7,6) ;
modes 3 - 5 ont 13 bits alloués comme (6,5) ; et mode 6 a 9 bits alloués comme (9).
modes 1 et 2 ont 13 bits alloués comme (7,6) ;
modes 3 - 5 ont 13 bits alloués comme (6,5) ; et mode 6 a 9 bits alloués comme (9).
6. Procédé selon l'une quelconque des revendications 1 à 5, dans lequel pour la quantification du pitch, il comporte au moins les étapes suivantes :
si toutes les trames sont non voisées, aucune information de pitch n'est transmise, si une trame est voisée, sa position est identifiée par l'information de voisement et sa valeur est codée, si le nombre de trames voisées est supérieur ou égal à 2, une valeur de pitch est transmise, on positionne la valeur de pitch sur une des N trames, on caractérise le profile d'évolution.
si toutes les trames sont non voisées, aucune information de pitch n'est transmise, si une trame est voisée, sa position est identifiée par l'information de voisement et sa valeur est codée, si le nombre de trames voisées est supérieur ou égal à 2, une valeur de pitch est transmise, on positionne la valeur de pitch sur une des N trames, on caractérise le profile d'évolution.
7. Procédé selon la revendication 6, dans lequel l'on détermine la valeur de pitch transmise, sa position et le profil d'évolution en utilisant un critère des moindres carrés sur la trajectoire de pitch estimée à l'analyse.
8. Procédé selon la revendication 7, dans lequel on détermine les trajectoires par interpolation linéaire entre la dernière valeur de pitch de la super trame précédente et la valeur de pitch qui sera transmise, si la valeur de pitch transmise n'est pas positionnée sur la dernière trame, alors on complète la trajectoire en maintenant la valeur atteinte ou bien en retournant vers la dernière valeur de pitch de la super trame précédente.
9. Procédé selon la revendication 1, dans lequel il définit 6 modes de quantification selon l'enchaînement de classes de voisement.
10. Procédé selon la revendication 9, dans lequel il utilise une méthode de quantification de type multi-étages pour limiter la taille de dictionnaires et réduire la complexité de recherche.
11. Procédé selon la revendication 9, dans lequel N=4 et les modes de quantification comportent six modes comprenant :
mode 1 défini comme (UU¦UU) ;
mode 2 défini comme (UU¦UV), (UU¦VU), (UV¦UU), (VU¦UU) ;
mode 3 défini comme (UV¦UV), (UV¦VU), (VU¦UV), (VU¦VU) ;
mode 4 défini comme (VV¦UU), (UU¦VV) ;
mode 5 défini comme (VV¦UV), (VV¦VU), (UV¦VV), (VU¦VV) ; et mode 6 défini comme (VV¦VV).
mode 1 défini comme (UU¦UU) ;
mode 2 défini comme (UU¦UV), (UU¦VU), (UV¦UU), (VU¦UU) ;
mode 3 défini comme (UV¦UV), (UV¦VU), (VU¦UV), (VU¦VU) ;
mode 4 défini comme (VV¦UU), (UU¦VV) ;
mode 5 défini comme (VV¦UV), (VV¦VU), (UV¦VV), (VU¦VV) ; et mode 6 défini comme (VV¦VV).
12. Procédé selon la revendication 11, dans lequel une quantification vectorielle multi-étages (MSVQ) du débit pour chacun des modes de quantification comporte :
un mode de quantification 1 qui alloue 36 bits comme (6,4,4,4) +
(6,4,4,4) ;
un mode de quantification 2 qui alloue 30 bits comme (6,4,4) + (7,5,4) ;
un mode de quantification 3 qui alloue 30 bits comme (6,5,4) + (6,5,4) ;
un mode de quantification 4 qui alloue 30 bits comme (6,4,4) + (7,5,4) ;
un mode de quantification 5 qui alloue 30 bits comme (6,5,4) + (6,5,4) ; et un mode de quantification 6 qui alloue 32 bits comme (7,5,4) + (7,5,4).
un mode de quantification 1 qui alloue 36 bits comme (6,4,4,4) +
(6,4,4,4) ;
un mode de quantification 2 qui alloue 30 bits comme (6,4,4) + (7,5,4) ;
un mode de quantification 3 qui alloue 30 bits comme (6,5,4) + (6,5,4) ;
un mode de quantification 4 qui alloue 30 bits comme (6,4,4) + (7,5,4) ;
un mode de quantification 5 qui alloue 30 bits comme (6,5,4) + (6,5,4) ; et un mode de quantification 6 qui alloue 32 bits comme (7,5,4) + (7,5,4).
13.
Utilisation du procédé défini par l'une quelconque des revendications 1 à
12 avec un codeur de parole de type MELP à 600 bits/s.
Utilisation du procédé défini par l'une quelconque des revendications 1 à
12 avec un codeur de parole de type MELP à 600 bits/s.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0404105A FR2869151B1 (fr) | 2004-04-19 | 2004-04-19 | Procede de quantification d'un codeur de parole a tres bas debit |
| FR04/04105 | 2004-04-19 | ||
| PCT/EP2005/051661 WO2005114653A1 (fr) | 2004-04-19 | 2005-04-14 | Procede de quantification d'un codeur de parole a tres bas debit |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CA2567162A1 CA2567162A1 (fr) | 2005-12-01 |
| CA2567162C true CA2567162C (fr) | 2013-07-23 |
Family
ID=34945858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CA2567162A Expired - Fee Related CA2567162C (fr) | 2004-04-19 | 2005-04-14 | Procede de quantification d'un codeur de parole a tres bas debit |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US7716045B2 (fr) |
| EP (1) | EP1756806B1 (fr) |
| AT (1) | ATE453909T1 (fr) |
| CA (1) | CA2567162C (fr) |
| DE (1) | DE602005018637D1 (fr) |
| ES (1) | ES2338801T3 (fr) |
| FR (1) | FR2869151B1 (fr) |
| PL (1) | PL1756806T3 (fr) |
| WO (1) | WO2005114653A1 (fr) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008092473A1 (fr) * | 2007-01-31 | 2008-08-07 | Telecom Italia S.P.A. | Procédé et système personnalisables de reconnaissance d'émotions |
| PT2313887T (pt) * | 2008-07-10 | 2017-11-14 | Voiceage Corp | Dispositivo e método de quantificação de filtro de lpc de taxa de bits variável e quantificação inversa |
| CN114333862B (zh) * | 2021-11-10 | 2024-05-03 | 腾讯科技（深圳）有限公司 | 音频编码方法、解码方法、装置、设备、存储介质及产品 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995010760A2 (fr) * | 1993-10-08 | 1995-04-20 | Comsat Corporation | Codeurs vocaux a bas debit binaire ameliores et procedes pour leur utilisation |
| US6263307B1 (en) * | 1995-04-19 | 2001-07-17 | Texas Instruments Incorporated | Adaptive weiner filtering using line spectral frequencies |
| US5774837A (en) * | 1995-09-13 | 1998-06-30 | Voxware, Inc. | Speech coding system and method using voicing probability determination |
| US5806027A (en) * | 1996-09-19 | 1998-09-08 | Texas Instruments Incorporated | Variable framerate parameter encoding |
| US6081776A (en) * | 1998-07-13 | 2000-06-27 | Lockheed Martin Corp. | Speech coding system and method including adaptive finite impulse response filter |
| US6377915B1 (en) * | 1999-03-17 | 2002-04-23 | Yrp Advanced Mobile Communication Systems Research Laboratories Co., Ltd. | Speech decoding using mix ratio table |
| US7315815B1 (en) * | 1999-09-22 | 2008-01-01 | Microsoft Corporation | LPC-harmonic vocoder with superframe structure |
| US6475145B1 (en) * | 2000-05-17 | 2002-11-05 | Baymar, Inc. | Method and apparatus for detection of acid reflux |
-
2004
- 2004-04-19 FR FR0404105A patent/FR2869151B1/fr not_active Expired - Fee Related
-
2005
- 2005-04-14 AT AT05733605T patent/ATE453909T1/de not_active IP Right Cessation
- 2005-04-14 WO PCT/EP2005/051661 patent/WO2005114653A1/fr active Application Filing
- 2005-04-14 EP EP05733605A patent/EP1756806B1/fr active Active
- 2005-04-14 ES ES05733605T patent/ES2338801T3/es active Active
- 2005-04-14 US US11/578,663 patent/US7716045B2/en not_active Expired - Fee Related
- 2005-04-14 PL PL05733605T patent/PL1756806T3/pl unknown
- 2005-04-14 CA CA2567162A patent/CA2567162C/fr not_active Expired - Fee Related
- 2005-04-14 DE DE602005018637T patent/DE602005018637D1/de active Active
Also Published As
| Publication number | Publication date |
|---|---|
| DE602005018637D1 (de) | 2010-02-11 |
| WO2005114653A1 (fr) | 2005-12-01 |
| US7716045B2 (en) | 2010-05-11 |
| FR2869151B1 (fr) | 2007-01-26 |
| EP1756806A1 (fr) | 2007-02-28 |
| PL1756806T3 (pl) | 2010-06-30 |
| CA2567162A1 (fr) | 2005-12-01 |
| FR2869151A1 (fr) | 2005-10-21 |
| EP1756806B1 (fr) | 2009-12-30 |
| US20070219789A1 (en) | 2007-09-20 |
| ATE453909T1 (de) | 2010-01-15 |
| ES2338801T3 (es) | 2010-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| USRE49363E1 (en) | Variable bit rate LPC filter quantizing and inverse quantizing device and method | |
| EP1222659B1 (fr) | Vocodeur harmonique a codage predictif lineaire (lpc) avec structure a supertrame | |
| CN101180676B (zh) | 用于谱包络表示的向量量化的方法和设备 | |
| US6260009B1 (en) | CELP-based to CELP-based vocoder packet translation | |
| US8396717B2 (en) | Speech encoding apparatus and speech encoding method | |
| US7003454B2 (en) | Method and system for line spectral frequency vector quantization in speech codec | |
| EP3869508B1 (fr) | Détermination d'une fonction de pondération ayant une faible complexité pour quantification de coefficients de codage prédictif linéaire | |
| EP0878790A1 (fr) | Système de codage de la parole et méthode | |
| JP4270866B2 (ja) | 非音声のスピーチの高性能の低ビット速度コード化方法および装置 | |
| US8386267B2 (en) | Stereo signal encoding device, stereo signal decoding device and methods for them | |
| EP0842509B1 (fr) | Procede et equipement de generation et de codage de racines carrees de spectres de raies | |
| EP4293666A2 (fr) | Procédé et appareil de codage de signal ainsi que procédé et appareil de décodage de signal | |
| US6889185B1 (en) | Quantization of linear prediction coefficients using perceptual weighting | |
| EP1597721B1 (fr) | Transcodage 600 bps a prediction lineaire avec excitation mixte (melp) | |
| CA2567162C (fr) | Procede de quantification d'un codeur de parole a tres bas debit | |
| US20100049508A1 (en) | Audio encoding device and audio encoding method | |
| KR0155798B1 (ko) | 음성신호 부호화 및 복호화 방법 | |
| KR20060064694A (ko) | 디지털 음성 코더들에서의 고조파 잡음 가중 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EEER | Examination request | ||
| MKLA | Lapsed |
Effective date: 20180416 |