DE3102822C2

DE3102822C2 - Verfahren zur frequenzbandkomprimierten Sprachübertragung

Info

Publication number: DE3102822C2
Application number: DE19813102822
Authority: DE
Inventors: Jürgen Prof. Dr. 6090 Rüsselsheim Kühlwetter; Rüdiger Dr. 8013 Haar Reiss
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 1981-01-28
Filing date: 1981-01-28
Publication date: 1984-02-16
Also published as: DE3102822A1

Abstract

Vorliegende Erfindung betrifft ein Verfahren zur frequenzbandkomprimierten Sprachübertragung unter Verwendung eines Vocoders, bei dem sendeseitig das Sprachband in eine größere Anzahl von mit einer niederfrequenten Abtastfrequenz abgetasteten Teilbändern unterteilt wird und pro Abtastperiode für jedes Teilband ein Spektralwert a ↓i in codierter Form zur Übertragung auf die Empfangsseite ermittelt wird. Es ist vorgeschlagen, die Spektralwerte jeder Abtastperiode, abgesehen von dem maximalen Spektralwert Max (a ↓i) auf diesen maximalen Spektralwert zu normieren und die so normierten Spektralwerte a ↓i zusammen mit dem maximalen Spektralwert einschließlich dessen Kanalnummer (Locus) in einem Block zu übertragen.

Description

einer Abtastperiode zusammen mit der Kanalnummer (Locus) des maximalen Spektralwertes für ihre Übertragung zu einem Bitrahmen vereinigt werden. 2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß bei der Codierung der auf ihren Maximalwert norjnierten Spektralwerte

von einer logarithmischen Quantisierung Gebrauch gemacht wird (logarithmische Relativwertquantisierung).

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß zur Bestimmung des maximalen Spektralwertes (Max (a,)) die einzelnen Spektralwerte (a,) in einer Reihenfolge nach steigenden Frequenzen der zugehörigen Teilbänder (Kanäle) hin überprüft werden und daß bei Feststellung von mehr als einem maximalen Spektralwert der 1. maximale Spektralwert herangezogen wird.

4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß bei der Normierung der codierten Spektralwerte (a) auf ihren maximalen Spektralwert (Max(a)) zur Einsparung eines Bits davon ausgegangen wird, daß der größte auf diese Weise normierte Spektralwert

4) gebildet wird, wobei die Bildung der 2"-Vielfachen eine n-malige Linksverschiebung des /-ten Spektralwertes in dem Schieberegister bedeutet, deren Anzahl η in einem Zähler (ZH) registriert wird, daß ferner die Linksverschiebung so lange fortgesetzt wird, bis die Differenz im Vergleicher kleiner oder gleich Null ist und daß in diesem Fall durch den Zählerstand des Zählers die normierten, cciierten Spektralwerte (ä~i) in einem dafür vorgesehenen Speicher (SNS) abgespeichert werden.

6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß die Anzahl der Linksverschiebungen im Schieberegister (SCH) höchstens π=4 beträgt.

Max

( q

\Μαχ(α,)

den Wert 0,5 nicht übersteigt.

5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß zur Normierung der codierten Spektralv erte (a) sämtliche Spektralwerte mit Ausnahme des maximalen Spektralwertes (Max (H₁)) nacheinander in ein Schieberegister (SCH) übernommen werden, daß in einem Vergleicher (VGL) die Differenz zwischen dem maximalen Spektralwert und dem 2"-Vielfachen des /-ten Spektralwertes (Max(a,)-2ⁿ ■ a„ mit n= I, 2. 3.

Die Erfindung betrifft ein Verfahren zur frequenzbandkomprimierten Sprachübertragung unter Verwendung eines Kanalvocoders, mit einem sendeseitigen Analyseteil und empfangsseitigen Syntheseteil, bei dem sendeseitig das Sprachband in eine größere Anzahl von Teilbändern (Kanäle) unterteilt wird, bei dem ferner im Rhythmus einer niederfrequenten Abtastfrequenz pro Abtastperiode für jedes Teilband ein den auf eine Abtastperiode bezogenen Energieinhait darstellender Spektralwert in codierter Form ermittelt wird und bei dem die codierten Spektralwerte alier Teilbänder einer Abtastperiode im Zeitmultiplex mit einer der Abtastpenode entsprechenden Rahmenperiode zur Empfangsseite übertragen werden.

Vocoder der einleitend genannten Art sind bekannt, wie z. B. aus dem Buch von Flanagan, J. L: »Speech Analysis Synthesis and Perception: Kommunikation und

J5 Kybernetik in Einzeldarstellungen 3«, Springer-Verlag, zweite Auflage, 1972, hervorgeht. Mit derartigen Vocodern ist die Übertragung von gut verständlicher Sprache bei einem stark reduzierter. Datenfluß von z. B. 2400 Bit/s gegenüber dem in ciei kommerziellen

•»ο Puls-Code-Modulationstechnik üblichen Datenfluß von 64 000 Bit/s möglich. Die hierzu erforderliche Aufteilung des Sprachbandes im Frequenzbereich von 300 Hz bis 3400 Hz in einzelne Teilbänder (Kanäle) wird durch hierfür geeignete Bandfilter realisiert. Die Lage der

■»5 Mittenfrequenzen dieser Bandfilter sollten dabei dem logarithmischen Hörempfinden des menschlichen Gehörs angepaßt sein. In der Regel wird bei der Unterteilung des jprachbandes von 14 Teilbändern Gebrauch gemacht, maximal sind 18 Teilbänder sinnvoll.

ίο Geht man von 14 Teilbändern aus. so erhält man pro Abtastperiode entsprechend 14 Spektralwerte, die neben der Frequenz der Grundschwingung (Sprachgrundfrequenz) übertragen werden. Jeder Spektralwert wird aus dem auf eine Abtastperiode bezogenen

v> Energieinhalt eines Teilbandes durch Integration gewonnen.

Bezüglich der Codierung ist es bisher üblich, jeden Spektralwert mittels einer testen logarithmischen Absolutwert-Quantisierungskennlinie in eine mehrstelli-

bo ge. in der Regel 3-stellige Binäfzahl umzusetzen. Diese Ar* der isolierten Umsetzung jedes einzelnen Spektralwertes führt bei 14 Teilbändern (Kanälen) bzw. bei 14 Spektralwerten pro Abtastperiode zu einer erforderlichen Datenmenge von 3x14 = 42 Bit. Daneben wird

<" auch eine zu grobe Glättung des Spektrums aller Spektralwerte erzwungen, so daß die im kritischen Frequenzbereich von 300 Hz bis etwa 2000 Hz auftretende dominante Formantstruktur zerstört wird. Dies

wirkt sich nachteilig sowohl auf die Verständlichkeit als auch auf die Natürlichkeit der Sprache aus.

Der Erfindung liegt die Aufgabe zugrunde, die bei dem Verfahren der einleitend genannten Art auftretenden Nachteile zu beseitigen, insbesondere die Qualität der im Syntheseteil empfangenen Sprache zu verbessern, ohne dabei eine Erhöhung der erforderlichen Datenmenge in Kauf nehmen zu müssen.

Diese Aufgabe v.-ird erfindungsgemäß dadurch gelöst, daß von den Spektralwerten jeder Abtastperiode zunächst der maximale Spektralwert ermittelt wird und hiermit die übrigen Abtastwerte normiert werden, daß anschließend der maximale Spektralwert und die normierten übrigen Abtastwerte einer Abtastperiode zusammen mit der Kanalnummer (Locus) des maximalen Spektralwertes für ihre Übertragung zu einem Bitrahmen vereinigt werden.

In einer weiteren Ausbildung der Erfindung ist vorgesehen, bei der Codierung der auf ihren Maximalwert normierten Spektralwerte von einer logarithmischen Quantisierung Gebrauch zu machen (logarithmische Relativwertquantisierung).

Die mit der Erfindung erzielten Vorteile bestehen insbesondere in der benötigten geringeren Datenmenge für die Codierung, in dem stark erweiterten Dynamikbereich und vor allem in einer deutlichen Verbesserung der Natürlichkeit der Sprache und dem damit verbundenen angenehmeren Hörempfinden. Die Erhöhung des Dynamikbereiches und die Verbesserung der Natürlichkeit der Sprache wurden von Testpersonen, die besondere Erfahrung im Umgang mit Vocodern haben, voneinander unabhängig in Hörversuchen übereinstimmend festgestellt.

Ein Ausführungsbeispiel der Erfindung ist in der Zeichnung dargestellt und wird im folgenden näher beschrieben. Es zeigt

Fig. 1 Blockschaltbild zur Bildung des Bitrahmens mit Normierung der Spektralwerte auf ihren Maximalwert gemäß der Erfindung,

Fig.2 Kennllnienfeld zur Maximalwert-gesteuerten Quantisierung für den Fall der Codierung gemäß der Erfindung,

Fig.3 Kennlinienfeld zur Maximalwert-gesteuerten Quantisierung für den Fall der Decodierung gemäß der Erfindung.

In dem Blockschaltbild nach F i g. 1 gelangen die Spektralv/erte a, einer Abtastperiode zu dem Speicher 51. Bei 14 Teilbändern bzw. Kanälen erhält man entsprechend 14 Spektralwerte a, pro Abtastperiode. Jeder Spektralwert a, ist dauei z. B. mit 7 Bit quantisiert, was in der F i g. 1 durch einen Schrägstrich mit entsprechender Ziffer angedeutet ist. Die mit ST gekennzeichneten Pfeile stellen Steuerungssignale dar, die hier nicht weiter interessieren. Während sich zum Anfangszeitpunkt /=f, alle 14 Spektralwerte a, in dem Speicher 51 befinden, sind die anderen Speicher SM, SL SNS. S 2 sowie der Zähler ZH und das Schieberegister SCH auf Null zurückgesetzt

Zunächst wird in einem ersten Schritt f=i2 der maximale Spektralwert Max (a,) der einzelnen Spektralwerte a, in dem dafür vorgesehenen Baustein MAX bestimmt. Dabei werden die einzelnen Spektralwerte a, in einer Reihenfolge nach steigenden Frequenzen der zugehörigen Teilbänder bzw. Kanäle hin überprüft. Treten mehrere maximale Spektralwerte Max (a) auf, so wird der 1. maximale Spektralwert, d.h. der Maximalwert im frequenzr, .edrigsten Kanal herangezogen. Der auf diese Art gefundene maximale Spektralwert Max (a,) wird in dem dafür vorgesehenen Speicher SM abgespeichert Daneben wird die Kanalnummer (Locus) dieses maximalen Spektralwertes Max(a) in dem Baustein LOC festgehalten und in den Speicher SL übertragen. Der Locus ist mit 4 Bit quantisiert und gibt die Adresse des maximalen Spektralwertes Max (a,) in dem Speicher 51 an.

Nachdem der maximale Spektralwc-rt Max(aj) und dessen Kanalnummer (Locus) bestimmt sind, werden in

in einem nächsten Schritt /=i3 die Spektralwerte a, mit Ausnahme des maximalen Spektralwertes Max (a) nacheinander in das Schieberegister SCH übernommen. Dem Schieberegister SCH ist der Vergleicher VGL nachgeschaltet, die zusammen mit dem Zähler ZH und

π dem Speicher SNS die eigentliche Normierung der Spektralwerte a, bewirken. Bei der Normierung der Spektralwerte a, auf ihren maximalen Spektralwert Max(a) wird zur Einsparung eines Bits davon ausgegangen, daß der größte auf diese Weise normierte

>o Spektralwert Max

VMki

j den Wert 0,5 nicht übersteigt.

Daher wird in dem Vergleicher VGL auch nicht der maximale Spektralwert Max (a,) mit dem einfachen /-ten Spektralwert a„ sondern zunächst mit dem ersten geradzahligen Vielfachen 2" - a, für .T=I verglichen.

in Dabei bedeutet die Bildung des ersten geradzahligen Vielfachen eine Linksverschiebung des /-ten Spektralwertes a, in dem Schieberegister SCH um eine Stelle und eine Erhöhung des Zählerstandes im Zähler ZHum eine Einheit

Ist die im Vergleicher VGL gebildete Differenz Max(a,)-2 ■ a, kleiner oder gleich Null, so wird in diesem Fall durch den Zählerstand des Zählers ZH der normierte und mit zwei Bit quantisierte Spektralwert % in dem dafür vorgesehenen Speicher SNS abgespeichert. Ist hingegen die in dem Vergleicher VGL gebildrte Differenz Max(a,)-2 ■ a, größer als Null, so wird der /-te Spektralwert a, in dem Schieberegister SCH um eine weitere Stelle nach links verschoben und der Zählerstand in dem Zähler ZH nochmals um eine Einheit erhöht. Dies bedeutet, daß in dem Vergleicher VGi. nun der maximale Spektralwert Max (al) mit dem zweiten geradzahligen Vielfachen des /-ten Spektralwertes 4 · a, durch Differenzbildung vergleichen wird. Ist die Differenz Max (al)- 4 · a, größer als Null, so wird eine weitere Linksverschiebung im Schieberegister SCH vorgenommen, die im Zähler ZH registriert wird. In dem Vergleicher VGL wird nun die Differenz MaJf (ajji - 8 · a, gebildet usw. Dieser Vorgang wird so lange wiederholt, bis die in dem Vergleicher VGL stehende Differenz kleiner oder gleich Null ist und somit der normierte Spektralwert 3/gefunden ist. Dabei geht die Anzahl der Linksverschiebungen im Schieberegister SCH nicht über η = 4 hinaus.

Der beschriebene "organg wiederholt sich für alle 13 Spektralwerte a„ so daß zum Zeitpunkt t=U alle 13 normierten, codierten Spektralwerte ai in dem Speicher SNS abgespeichert sind. Die auf ihren maximalen Spektralwert Max(a) normierten Spektralwerte a, gelangen zusammen mit dem maximalen Spektralwert Max(a) einschließlich dessen Kanalnummer (Locus) zu dem Gesamtspeicher 52, wo sie ausgangsseitig einen Bitrahmen bilden.
Wie der F i g. 1 zu entnehmen ist, kann der maximale

Spektralwert Max (a,) durch den Baustein QM von der 7-Bit-Quantisierung in eine 6-Bit-Linearquantisierung oder in eine 5-Bit-Nichtlinearquantisierung umgewandelt werden. Die Kanalnummer (Locus) ist mit 4 Bit und jeder normierte Spektralwert ai mit 2 Bit quantisiert. Somit setzt sich bei 14 Teilbändern (Kanälen) die erforderliche Datenmenge aus den 6 Bit für den maximalen Spektralwert Max (a), den 4 Bit für die Kanalnummer (Locus) des maximalen Spektralwertes Max (a) und 2x13 Bit für die 13 normierten Spektralwerte a", zusammen, was (6 + 4) + 2 · 13 = 36 Bit ergibt.

Eine Übersicht über die erforderliche Detenmenge in Abhängigkeit von der verwendeten Anzahl der Kanäle bei der auf den maximalen Spcktralwcrt Max(a,) normierten logarithmischen Relativwertquantisierung gemäß der Erfindung ist der nachfolgenden Tabelle 1 zu entnehmen. Zum Vergleich weist die Tabelle 1 in einer zusätzlichen Spalte die erforderliche Datenmenge bei der bisher üblichen logarithmischen Absolutwertquantisierung auf.

Tabelle 1

Erforderliche Datenmenge bei logarithmischer Relativwertquantisierung und logarithmischer Absolutwertquantisierung

Anzahl der Teilbänder

(Kanäle)

Relativwertquantisierung

normierter Spektralwert S", 2 bit

Locus 4 bit

maximaler Spektralwert Max (α,)

6 bit 5 bit

Äbsoiuiweriquantisierung

Spektralwert o/ 3 bit

6 + 4 + 2 X 6 = 22 bit

6 + 4 + 2 X 7 = 24 bit
6 + 4 + 2 x 8 = 26 bit

5+4+ 2X 6 = 21 bit

+ 4 + 2 X 7 = 23 bit
+ 4 + 2 x 8 = 25 bit

7X3 =21 bit

8 X 3 = 24 bit

9 x 3 = 27 bit

6 + 4 + 2 X 13 = 36 bit

+ 4 + 2 X 13 = 35 bit

14 x 3 = 42 bit

Der Tabelle ist zu entnehmen, daß sich die Datenmenge bei der bisher üblichen Absolutwertquantisierung aus der einfachen Multiplikation der Anzahl der Kanäle mit der 3-Bit-Quantisierung jedes Spektralwertes a, ergibt. Bei der Relativwertquantisierung gemäß der Erfindung erhält man zwei verschiedene Werte für die erforderliche Datenmenge, da der maximale Spektralwert Max (a,) sowohl mit 6 Bit als auch mit 5 Bit quantisiert wurde. Bei n-Kanälen ergibt sich hier die erforderliche Datenmenge aus der Summe der Quantisierung des ma.imalen Spektralwertes Max(a), des Locus und der n— 1 normierten Spektralwerte ai.

Weiterhin ist der Tabelle zu entnehmen, daß mit einer Anzahl von mindestens 8 Kanälen die erforderliche Datenmenge bei der auf den maximalen Spektralwert Max (a,) normierten logarithmischen Relativwertquantisiening kleiner ist als bei der logarithmischen Absolutwertquantisierung.

Die Fig.2 und 3 zeigen das Kennlinienfeld zur maximalwertgesteuerten Quantisierung. -

Anhand von Fig.2 wird der Fall der sendeseitigen Codierung der Spektralwerte a,· erläutert. Hierzu wird z. B. angenommen, daß der maximale Spektralwert Max (a.) den Wert 58 hat:

Dieser Wert ist an der Abszisse in F i g. 2 eingetragen. Für alle Spektralwerte a, mit 29 < 3,^58 (schaffiener Bereich A) ergibt sich damit ein normierter, codierter Spektralwert (Dualzahl)
57=01

Die übrigen normierten, codierten Spektralwerte a, mit ihren zugehörigen Bereichen sind der nachfolgen-5 den Tabelle 2 zu entnehmen.

Tabelle 2

Zuordnung zwischen Spektralwertwerten α, und normierten, codierten Spektralwerten 2, (Codierung

MuJf (α,) = 58

Spektralwert α,-

60

Normierter,
codierter
Spektralwert 5}

Bereich

29 <	58	01
14 <	29	10
7<	14	11
0<	7	00

A B C D

Fi g. 3 verdeutlicht die empfangsseitige Decodierung der normierten, codierten Spektralwerte ai. Mit dem maximalen Spektralwert

7

erhalt man die decodierten Spektralwerte a„ indem man Geraden E, F. G. H auf die Abszisse lotet, so daß man die die Kennlinie für Max(a,)=*58 in Pfeilrichtung durch- Werte E', F'. C. H' erhält. Die Decodierung ist der läuft und die Schnittpunkte dieser Kennlinie mit den nachstehenden Tabelle 3 zu entnehmen.

Tabelle 3

Zuordnung zwischen normierten, codierten Spektralwerten ο, und decodierten Spektralwerten a_f (Decodierung)

Normierter,	Spektralwert a.	Kennzeichnung
codierter		in Fig. 3
Spektralwert a.
01	29	ε
10	14	F
11	7	G
nn	3	W * *

Bei den Fig. 2 und 3 ist jeweils zu beuchten, daß im über den Wert 58 hinaus aus /eichentechnischen Codierungsbercich 01 für die maximalen Spektralwerte Gründen nicht sämtliche Kennlinien eingetragen sind.

Hierzu 3 Blatt Zeichnungen

Claims

Patentansprüche:

1. Verfahren zur frequenzbandkomprimierten Sprachübertragung unter Verwendung eines Kanalvocoders, mit einem sendeseitigen Analyseteil und empfangsseitigen Syntheseteil, bei dem sendeseitig das Sprachband in eine größere Anzahl von Teilbändern (Kanäle) unterteilt wird, bei dem ferner im Rhythmus einer niederfrequenten Abtastfrequenz pro Abtastperiode für jedes Teilband ein den auf eine Abtastperiode bezogenen Energieinhalt darstellender Spektralwert in codierter Form ermittelt wird und bei dem die codierten Spektralwerte aller Teilbänder einer Abtastperiode im Zeitmultiplex mit einer der Abtastperiode entsprechenden Rahmenperiode zur Empfangsseite übertragen werden, dadurch gekennzeichnet, daß von den Spektralwerten (a,) jeder Abtastperiode zunächst ii:r maximale Spektralwert (Max(a,)) ermittelt wird und hiermit die übrigen Abtastwerte normiert werden, daß anschließend der maximale Spektralwert und die normierten übrigen Abtastwerte