DE4345252B4

DE4345252B4 - Verfahren zur Wiedergabe von digitalisierten Audiodaten aus einem Halbleiterspeicher

Info

Publication number: DE4345252B4
Application number: DE4345252A
Authority: DE
Inventors: Kazuhiro Nagaokakyo Sugiyama; Yukari Nagaokakyo Ono; Yoshinobu Nagaokakyo Ishida
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1992-04-20
Filing date: 1993-04-19
Publication date: 2004-05-27
Anticipated expiration: 2013-04-20

Abstract

Verfahren zur Wiedergabe von in einem Speicher gespeicherten, digitalisierten Audiodaten mit einer gegenüber der Aufzeichnungsgeschwindigkeit erhöhten Wiedergabegeschwindigkeit, dadurch gekennzeichnet, dass die jeweils einem analogen Audiosignal entsprechenden Audiodaten in ein erstes hierarchisches Niveau, das ausreichend Daten für die Wiedergabe bei einem bestimmten Wiedergabegütepegel vorsieht und mindestens ein höheres hierarchisches Niveau, das zusätzliche Daten für einen höheren Wiedergabegütepegel vorsieht, aufgeteilt werden, wobei die unterschiedlichen hierarchischen Niveaus der Audiodaten in unterschiedlichen Adressabschnitten des Speichers aufgezeichnet werden, und nur ein oder mehrere ausgewählte hierarchische Niveaus der Audiodaten einschließlich mindestens des ersten hierarchischen Niveaus wiedergegeben werden.

Description

Die Erfindung bezieht sich auf ein Verfahren zur Wiedergabe von digitalisierten Audiodaten aus einem Halbleiterspeicher und eine Vorrichtung zur Durchführung des Verfahrens.
Halbleiterspeicher werden zur Aufzeichnung und Wiedergabe von Nachrichten oder anderen Arten von Audiosignalen in vielen Produkten und Systemen, wie Telefonapparaten, Spielzeugen und Adressenvorrichtungen verwendet. Da sie keine beweglichen Teile aufweisen, bieten Halbleiterspeicher im Vergleich mit magnetischen Bandaufzeichnungen die Vorteile der geringen Abmessungen, der niedrigen Energie, der langen Lebensdauer und der hohen Zuverlässigkeit, aber ein Halbleiterspeicher weist eine begrenzte Datenkapazität auf. Die üblichen Aüfzeichnungsverfahren geben eine feste maximale Grenze für die Länge der Auf zeichnungen vor, die häufig in Sekunden gemessen wird. Wenn ein Versuch gemacht wird, über die Grenze hinaus aufzuzeichnen, dann wird ein Teil der Aufzeichnung unwiederbringlich verloren gehen.

Aus der EP 0 059 832 A2 ist ein Verfahren zur Wiedergabe von digitalisierten, in Rahmen variabler Länge in einem Halbleiterspeicher gespeicherten Audiodaten bekannt. Zweck dieser Maßnahme ist eine wahlfreie Veränderung der Rahmengeschwindigkeit, um künstlich erzeugte Sprechsignale natürlich klingen zu lassen.

DE 35 18 737 beschreibt eine Sprachspeicheranordnung, die verschiedene Speicherbereiche aufweist, in denen jeweils eine unterschiedliche Sprachcodierung abgelegt ist. Bei der Informationsausgabe wird zunächst der Speicherbereich mit der die höchste Sprachqualität erzeugenden Codierung ausgelesen und dann die Speicherbereiche mit einer Codierung für eine mindere Spracgqualität aber geringerem Speicherbedarf angesteuert. Bei diesem Verfahren ist die abschnittsweise Wiedergabe unabhängig von der Wiedergabegeschwindigkeit.

Aus der US 46 58 424 ist ein Sprachsynthetisierer bekannt, bei dem eine variable Rahmengeschwindigkeit verwendet wird. Die variable Rahmengeschwindigkeit sieht eine natürlichere Sprechweise durch Verlangsamen oder Beschleunigen der Rahmengeschwindigkeit für eine spezielle Anwendung vor.

DE-AS 11 91 12 offenbart ein System zur Verkürzung oder Verlängerung von Audiosignalen, wobei die Periode eines Audiosignals, z.B. eines Sprachsignals, erfasst wird und in Abhängigkeit von der gewünschten Signaldauer einzelne Perioden des Grundtones des Sprachsignals eingefügt werden, um das Sprachsignal zu strecken, oder entfernt werden, um das Sprachsignal zu stauchen.

Der Erfindung liegt die Aufgabe zugrunde, ein in dem Halbleiterspeicher gespeichertes Audiosignal bei einer höheren Geschwindigkeit als der Aufzeichnungsgeschwindigkeit wiederzugeben.

Die Aufgabe wird erfindungsgemäß durch die Merkmale des Hauptanspruchs gelöst.

Ausführungsbeispiele der Erfindung sind in der Zeichnung dargestellt und werden in der nachfolgenden Beschreibung näher erläutert. Es zeigen:

1 ein Blockschaltbild einer Vorrichtung zur Aufzeichnung von Audiosignalen in einem Halbleiterspeicher und zur Wiedergabe der aufgezeichneten Signale,

2 ein Blockschaltbild des Bitzuordners nach 1,

3 eine Kennlinie, die die mittleren Energiepegel, die Verdeckung und die Schwelle der Hörbarkeit darstellt,

4 eine Kennlinie, die die mittleren Energiepegel und die zulässigen Rauschpegel darstellt,

5 ein Format eines Rahmens variabler Länge der kodierten Audiodaten,

6 eine Speichertabelle zur Erläuterung der Speicherung der kodierten Audiodaten,

7 ein Blockschaltbild einer Vorrichtung zur hierarchischen Aufzeichnung und Wiedergabe von Audiosignalen, die für eine Hochgeschwindigkeitswiedergabe geeignet ist,

8 eine Darstellung der hierarchischen Klassifikation von Audiosignaldaten,

9 Kennlinien zur Erläuterung des hierarchischen Klassifikationsschemas nach 8, 10 ein detaillierteres Blockschaltbild des hierarchischen Kodierers nach 7, wobei auch das Überschreiben von Daten dargestellt ist, und

11 ein Zeitdiagramm, das die Normalgeschwindigkeits- und die Doppelgeschwindigkeitswiedergabe erläutert.

Das erfindungsgemäße Verfahren soll im folgenden unter Bezugnahme auf die Zeichnungen beschrieben werden.
Zuerst wird ein Verfahren zum Aufzeichnen von Audiodaten in Rahmen mit variabler Länge beschrieben. Dieses Verfahren ermöglicht, daß die Audiodaten in verschiedenen nützlichen Hochgeschwindigkeitsdaten wiedergegeben werden können.
Entsprechend 1 wird ein Audiosignal dem Eingangsanschluß 1 zugeführt, durch einen Audioverstärker 2 auf ein geeignetes Niveau verstärkt und von einem Analog/Digitalwandler 3 in digitale Audiodaten 4 umgewandelt. Die digitalen Audiodaten 4 werden einem Umsetzprozessor 5 zugeführt und in Frequenzkoeffizienten 6 umgesetzt. Die Frequenzkoeffizienten 6 werden einem Bitzuordner 7 zugeführt, der Zuordnungsinformationen 8 berechnet. Die Frequenzkoeffizienten 6 und die Bitzuordnungsinformationen 8 werden beide an einen Quantisierer 9 geliefert, der quantisierte Frequenzkoeffizienten 10 erzeugt. Die Bit-Zuordnungsinformationen 8 und die quantisierten Frequenzkoeffizienten 10 werden an einen Formatierer 11 gesandt, der sie in Ausgangsdaten formatiert. Die Bitzuordnungsinformationen 8 werden gleichfalls an einen Rahmenlängen-Berechner 12 gesandt, der die Rahmenlängen berechnet. Auf der Basis der berechneten Rahmenlängen erzeugt ein Generator 13 für Schreibadressen Adressen, bei denen die Ausgangsdaten von dem Formatierer 11 in einen Halbleiterspeicher 14 geschrieben werden.
Um das Audiosignal wiederzugeben, werden die Bitzuordnungsinformationen 15 aus dem Halbleiterspeicher 14 in einen anderen Rahmenlängenberechner 16 gelesen, der einen Puffer zum Speichern der Bitzuordnungsinformationen 15 aufweist. Auf der Basis der von dem Rahmenlängenberechner 16 berechneten Rahmenlängen erzeugt ein Generator 17 für Leseadressen Adressen, bei denen quantisierte Frequenzkoeffizienten 18 aus dem Halbleiterspeicher 14 in einen inversen Umsetzprozessor 19 gelesen werden, der gleichfalls die Bitzuordnungsinformationen von dem Rahmenlängenberechner 16 empfängt. Der inverse Umsetzprozessor 19 wandelt die quantisierten Frequenzkoeffizienten 18 in digita lisierte Audiodaten um, die einem Digital/Analogwandler 20 zugeführt werden und in ein analoges Signal umgewandelt werden. Das analoge Signal wird von einem Audioverstärker 21 verstärkt und am Ausgangsanschluß 22 ausgegeben.
Der Umsetzprozessor 5, Bitzuordner 7, Quantisierer 9, Formatierer 11, Rahmenlängenberechner 12 und Generator 13 für Schreibadressen bilden einen Kodierer 23. Der Rahmenlängenberechner 16, der Generator 17 für Leseadressen und der inverse Umsetzprozessor 19 bilden einen Dekodierer 24. Der Kodierer 23 und der Dekodierer 24 können unter Verwendung eines Digitalsignalprozessors implementiert werden, der zur Durchführung der notwendigen Transformationen, Zuordnungen und anderen Berechnungen programmiert ist. Alternativ können die einzelnen Elemente des Kodierers 23 und des Dekodierers 24 als getrennte Prozessorelemente implementiert werden, die speziell an die Durchführung ihrer individuellen Funktionen angepaßt sind. Es ist auch möglich, daß der Kodierer 23 und der Dekodierer 24 durch Programme implementiert werden, die auf einem Universalmikroprozessor oder anderen Prozessoren laufen, wobei jedes der Elemente des Kodierers 23 und des Dekodierers 24 einem individuellen Programmodul entspricht. Digitalsignalprozessoren und Mikroprozessoren sind allgemein bekannt und die Programmierungsverfahren zur Durchführung der in 1 dargestellten Funktionen sind für den Fachmann offensichtlich, so daß eine Beschreibung von Hardware- und Software-Details ausgelassen wird. Die Erfindung ist nicht auf irgendeine besondere Implementierung des Systems nach 1 begrenzt.
Die Betriebsweise des Kodierers 23 und des Dekodierers 24 wird im folgenden genauer beschrieben.
Die digitalisierten, von dem Umsetzprozessor 5 empfangenen Audiodaten 4 umfassen digitalisierte Abtastproben des Audiosignals, die jeweils in Blöcken mit einer festen Anzahl von Abtastproben gruppiert sind. Daher stellen alle Blöcke gleiche Zeitabschnitte oder Zeiträume dar. Der Umsetzprozessor 5 führt eine Zeitbereichs-Frequenzbereichstransformation wie eine diskrete Cosinustransformation im Hinblick auf jeden Block durch, wodurch die Abtastdaten im Block in einen Satz von Frequenzkoeffizienten 6 umgewandelt werden.
Der Bitzuordner 7 umfaßt entsprechend 2 einen Subband- oder Teilband-Energieberechner 25, einen Berechner 26 für zulässiges Rauschen und einen Bitzuordnungsberechner 27. Der Subband-Energieberechner 25 teilt die Frequenzkoeffizienten 6 in eine Vielzahl von Frequenzsubbändern und berechnet die mittlere Energie in jedem Subband aus den Werten der Frequenzkoeffizienten in diesen Subband. Der Berechner 26 für das zulässige Rauschen berechnet auf der Basis dieser mittleren Energien einen zulässigen Rauschpegel für jedes Subband, wobei solche Faktoren wie die menschliche Hörschwelle und Verdeckungseffekte von benachbarten Subbändern in Betracht gezogen werden. Der Bitzuordnungsberechner 27 subtrahiert den zulässigen Rauschpegel in jedem Subband von der mittleren Energie in diesem Subband und ordnet eine Anzahl von Bits entsprechend der Differenz zu.
Die Operation des Subband-Energieberechners 25 und des Berechners 26 für das zulässige Rauschen ist in den Kennlinien nach 3 und 4 dargestellt. In beiden Figuren stellt die horizontale Achse die Frequenzachse dar, wobei die Frequenzsubbänder durch die Symbole S1, S2,..., S10 angezeigt werden. Der Schalleistungspegel wird auf der vertikalen Achse in Dezibel angegeben. Die vertikalen Linien über jedem Frequenzbandsymbol stellen den mittleren Schalleistungspegel dar, der äquivalent zu dem mittleren Energiepegel in diesem Frequenzsubband ist.
In 3 stellen die von jeder vertikalen Linie schräg abwärts gehende Linie den Verdeckungseffekt auf benachbarte Frequenzsubbänder dar. Die gestrichelte Linie stellt die menschliche Hörschwelle dar. Rauschen ist zulässig, wenn es unterhalb dieser Schwelle ist oder wenn es durch Audiosignalkomponenten in benachbarten Frequenzsubbändern verdeckt ist. Der zulässige Rauschpegel wird daher durch die maximale Einhüllende der geneigten und gestrichelten Linien gegeben. Der zulässige Rauschpegel in jedem Subband wird durch eine kurze horizontale Linie in 4 angegeben.
Die Bitzuordnungsinformationen 8 für jeden Rahmen umfassen einen Wert für jedes Frequenzsubband, der die Anzahl der für die Kodierung der Frequenzkoeffizienten in diesem Subband verwendeten Bits spezifiziert. Der Quantisierer 9 begrenzt die von dem Umsetzprozessor 5 erhaltenen Frequenzkoeffizienten 6 auf die spezifizierte Anzahl von Bits, wodurch die quantisierten Frequenzkoeffizienten 10 erzeugt werden.
Die Bitzuordnungsinformationen 8 selbst weisen eine feste Länge auf. Die Gesamtbitlänge der quantisierten Frequenzkomponenten hängt von den Eigenschaften des Audosignals ab und ist stark verändertlich. Der Formatierer 11 formatiert die Bitzuordnungsinformationen 8 und die quantisierten Frequenzkoeffizienten 10, wie in 5 gezeigt wird, um einen Rahmen mit einem Teil fester Länge, in dem die Bitzuordnungsinformationen 8 aufgenommen sind, und einen Teil variabler Länge zu erzeugen, indem die quantisierten Frequenzkoeffizienten 10 aufgenommen sind.
Der Rahmenlängenberechner 12 berechnet aus den Bitzuordnungsinformationen in jedem Rahmen die Rahmenlänge, und der Generator 13 für die Schreibadressen berechnet die Adressen, bei denen der Rahmen in dem Halbleiterspeicher 14 gespeichert werden sollte. Der Halbleiterspeicher ist willkürlich adressierbar, so daß es nicht nötig ist, jeden Rahmen in einem einzigen Bereich von abhängigen Adressen zu speichern. Beispielsweise können die Bitzuordnungsinformationen 8 in einem Bereich des Halbleiterspeichers 14 und die quantisierten Frequenzkoeffizienten 10 in einem anderen Bereich gespeichert werden.
6 zeigt ein Beispiel dieses Speicherschemas. Bitzuordnungsinformationen werden in den Adressen null bis neunhundertneunundneunzig gespeichert, quantisierte Frequenzkoeffizienten sind in den Adressen tausend und höhere Adressen gespeichert. Die Bitzuordnungsinformationen für jeden Rahmen sind in einem Zwanzig-Bitblock gespeichert. Die Nummern innerhalb dieser Blöcke stellen die gesamte Bitlänge der quantisierten Frequenzkoeffizienten in einem Rahmen dar, wie aus den in dem Block gespeicherten Bitzuordnungsinformationen berechnet wird. Die umkreisten Zahlen in dem Frequenzkoeffizientendatenbereich sind Rahmenzahlen.
Das in den 1 bis 6 dargestellte System zeichnet leistungsfähig Audiodaten mit einem konstanten wahrnehmbaren Wiedergabegütepegel auf. Bei der Aufzeichnung beispielsweise einer gesprochenen Nachricht erhalten Rahmen, in denen der Sprecher mit einer lauten Stimme mit stark markierten Frequenzcharakteristiken spricht, hohe Bitzuordnungen. Rahmen, in denen der Sprecher ruhiger oder in einem gleichmäßigen Ton spricht, erhalten verringerte Bitzuordnungen, da diese Rahmen weniger Audioinformationen enthalten und mit weniger Bits genauso genau reproduziert werden können. Rahmen, in denen der Sprecher still ist, erhalten Bitzuordnungen von null. Durch Verringern der Bitzuordnungen für Rahmen mit geringem Informationsinhalt kann das neue Verfahren merkbar die Aufzeichnungszeit im Vergleich mit üblichen Verfahren vergrößern.
Im folgenden wird die Operation des Dekoders 24 unter Bezugnahme auf die 1 bis 6 beschrieben.
Wenn die Audiodaten reproduziert werden, werden die Bitzuordnungsinformationen 15 aus dem Halbleiterspeicher 14 ausgelesen und in dem Bitzuordnungsinformationspuffer im Rahmenlängenberechner 16 gespeichert. Aus diesen Informationen berechnet der Rahmenlängenberechner 16 die Länge der quantisierten Frequenzkoeffizienten in jedem Rahmen, d.h. er berechnet die Rahmenlängenwerte, die in 6 angegeben sind. Aus diesen Werten berechnet der Leseadressengenerator 17 die Startadresse der quantisierten Frequenzkoeffizienten in jedem Rahmen, beispielsweise durch Addie ren von tausend zu der Summe der Längen der vorhergehenden Rahmen. Der Leseadressengenerator 17 sendet an den Halbleiterspeicher 14 diese Startadresse, die von Adressen der restlichen quantisierten Frequenzkoeffizienten in diesem Rahmen gefolgt wird, wodurch der Halbleiterspeicher 14 die quantisierten Frequenzkoeffizienten 14 an den inversen Umsetzprozessor 19 ausgibt. Unter Verwendung der in dem Bitzuordnungsinformationspuffer in dem Rahmenlängenberechner 16 gespeicherten Bitzuordnungsinformationen führt der inverse Umsetzprozessor 19 eine Frequenzbereichs/Zeitbereichstransformation, wie eine inverse diskrete Cosinustransformation durch, um die quantisierten Frequenzkoeffizienten 18 in digitalisierte Audioabtastdaten umzuwandeln.
Ein Ziel der Erfindung liegt darin, das Audiosignal mit höherer Geschwindigkeit als der Aufzeichnungsgeschwindigkeit zu reproduzieren. Mit der Vorrichtung nach den 1 bis 6 kann dies durch Überspringen von Rahmen, wie im folgenden beschrieben, durchgeführt werden.
In einem Modus wird jeder N-te Rahmen gelesen, wobei N eine positive ganze Zahl ist. Wenn N gleich eins ist, werden alle Rahmen des Audiosignals bei normaler Geschwindigkeit reproduziert. Wenn N größer als eins ist, werden Rahmen übersprungen und das reproduzierte Signal wird schneller gemacht. Um beispielsweise das reproduzierte Signal um den Faktor 5 schneller zu machen, kann der Dekoder 24 die quantisierten Frequenzkoeffizienten 10 für jeden fünften Rahmen, d.h. Rahmen eins, sechs, elf und die anderen Rahmen mit den durch doppelte Kreise in 6 umgebenen Rahmennummern lesen und dekodieren. Dies ermöglicht, daß beispielsweise eine Sprachnachricht schneller gemacht wird, ohne ihre Frequenzkomponenten zu ändern, so als ob der Sprecher sehr schnell aber in normaler Tonhöhe spricht. Dieses Verfahren hängt von der Eigenschaft ab, daß alle Rahmen gleiche Zeitabschnitte darstellen.
Bei einem anderen Hochgeschwindigkeitsmodus überspringt der Dekoder 24 alle Rahmen, die kürzer als eine gewisse Länge sind. Diese Rahmen umfassen stille oder lautlose Rahmen, in denen alle Koeffizienten der Frequenzkoeffizienten 6 unterhalb der Hörschwelle liegen und in denen alle Bitzuordnungen null sind. Sie schließen auch Rahmen mit nur Umgebungsgeräuschen ein, in denen der mittlere Energiepegel in allen Frequenzsubbändern gering ist und alle Bitzuordnungen sehr klein sind. Dieser Modus ist extrem nützlich zum Abspielen einer Aufzeichnung einer Versammlung oder einer Konversation, da er nur diese Rahmen auswählt, in denen die Teilnehmer gerade sprechen. Dieser Hochgeschwindigkeitsmodus kann implementiert werden, indem der Leseadressengenerator 17 in 1 nur Adressen erzeugt, wenn die Rahmenlängen mindestens einen bestimmten minimalen Wert aufweist. Dieses Verfahren hängt nicht von der Eigenschaft ab, daß alle Rahmen gleiche Zeitabschnitte darstellen.
Neben der Ermöglichung dieser Hochgeschwindigkeitswiedergabemoden ermöglicht die Aufzeichnung mit variabler Rahmenlänge, daß der Raum in dem Halbleiterspeicher wirksam ausgenutzt wird.
In der 7 weist ein modifiziertes System anstelle des Kodierers 23 einen hierarchischen Kodierer 30 und anstelle des Dekodierers 24 einen hierarchischen De kodierer 31 auf. Ein Adressenschalter 45 liefert Adressen von entweder einem Schreibadressengenerator 46 oder einem Leseadressengenerator 47 an den Halbleiterspeicher 14. Ein Selektor 48 teilt dem hierarchischen Dekodierer 31 mit, wieviel hierarchische Niveaus zu dekodieren sind auf der Basis eines von einem Taktteiler 49 empfangenen Signals. Der Taktteiler 49 teilt das Taktsignal von einem Taktgenerator 35, wodurch die Wiedergabegeschwindigkeit gesteuert wird. Der Taktteiler 49 selbst wird durch einen Geschwindigkeitsschalter 50 gesteuert, der einen Aufwärtsschalter zur Erhöhung der Geschwindigkeit und einen Abwärtsschalter zum Verringern der Geschwindigkeit umfaßt. Der Taktteiler 49 liefert Ausgangstaktsignale an den hierarchischen Dekodierer 31 und den Digital/Analogwandler 20, wodurch die Geschwindigkeit gesteuert wird, bei der der hierarchische Dekodierer digitalisierte Audiodaten ausgibt und der Digital/-Analogwandler 20 die digitalen Audiodaten in analoge Signale umwandelt. Der Taktgenerator 35 liefert auch Taktsignale an den hierarchischen Dekodierer 31 und an andere Elemente in 7 für die Verwendung von Rechenkreisen in diesen Elementen.
8 zeigt schematisch das hierarchische Aufzeichnungsverfahren. Das ursprüngliche Eingangssignal kann zuerst in drei Komponenten zerlegt werden: eine nicht hörbare Komponente, die unterhalb der Hörschwelle liegt; eine Verdeckungskomponente, die Frequenzen umfaßt, die durch stärkere Frequenzen in benachbarten Subbändern verdeckt werden; und eine hörbare Komponente. Dieses ist im wesentlichen das gleiche Schema, das in den 3 und 4 dargestellt wurde, wie vorher wird nur die hörbare Komponente aufgezeichnet.
Die hörbare Komponente wird weiterhin in vier hierarchische Niveaus aufgeteilt, die durch die umkreisten Zahlen von eins bis vier angezeigt werden. Die höchste Wiedergabegüte wird durch Wiedergabe aller vier hierarchischer Niveaus erhalten. Eine etwas geringere Wiedergabegüte wird durch Wiedergabe von nur den ersten drei hierarchischen Niveaus erhalten. Eine noch geringere Wiedergabegüte wird durch Wiedergabe nur der ersten zwei hierarchischen Niveaus erhalten. Eine noch geringere, aber noch erkennbare Wiedergabegüte wird durch Wiedergabe nur des ersten hierarchischen Niveaus erhalten, das durch die umkreiste Zahl eins angezeigt wird.
9 zeigt die vier hierarchischen Niveaus in einer Kennlinie der Frequenz-Schalldruckpegel-Ebene, wobei die Frequenz auf der horizontalen Achse und der Schalldruckpegel auf der vertikalen Achse liegt. Die Hörschwellenkurve und die Verdeckungskurve sind entsprechend 3 definiert, wobei die Form der Verdeckungskurve abhängig von den Signaleigenschaften variiert. Das erste hierarchische Niveau umfaßt Signalkomponenten, die oberhalb dieser Kurven innerhalb der gekrümmten Linie, die bei f₁ endet, angeordnet sind. Somit umfaßt das erste hierarchische Niveau Komponenten, die eine Schalldruckpegelgrenze überschreitet, die mit steigender Frequenz steigt und bei der Frequenz f₁ im wesentlichen unendlich wird. In einer nichttechnischen Sprache gesagt, umfaßt das erste hierarchische Niveau laute Töne niedriger Höhe.
Das zweite hierarchische Niveau umfaßt Komponenten, die zwischen den bei f₁ und bei f₂ endenden gekrümmten Kurven liegen, wobei Komponenten ausgeschlossen werden, die nicht hörbar oder verdeckt sind. Das dritte hierarchische Niveau umfaßt Komponenten, die zwischen den bei f₂ und f₃ endenden gekrümmten Kurven liegen, wobei gleichfalls nicht hörbare oder maskierte Komponenten ausgeschlossen sind. Das vierte hierarchische Niveau umfaßt Komponenten, die zwischen den bei f₃ und f₄ endenden gekrümmten Linien liegen, wobei wiederum die nichthörbaren oder verdeckten Komponenten ausgeschlossen sind. Im Vergleich mit dem ersten hierarchischen Niveau umfassen diese anderen hierarchischen Niveaus fortschreitend weichere Töne und fortschreitend höhere Töne.
Die Erfindung ist selbstverständlich nicht auf vier hierarchische Niveaus begrenzt, die Anzahl der Niveaus kann entweder mehr oder weniger als vier sein.
10 zeigt einen möglichen Aufbau des hierarchischen Kodierers 30 aus 7 und stellt das Aufzeichnungsschema dar. Der hierarchische Kodierer 30 umfaßt ein Subband-Zerlegungsfilter 36, einen Kantroller 37 für die Blockabmessung, eine Mehrzahl von Orthogonaltransformationsprozessoren 38, einen Frequenzgruppierer 39, einen hierarchischen Quantisierer 40, einen Bitzuordner 41, einen Maßstabsfaktorgenerator 42 und einen Formatierer 43.
Das Subbandzerlegungsfilter 36 ist das digitale Äquivalent zu einem analogen Filter: es teilt die ankommenden digitalisierten Audiodaten in eine Vielzahl von Frequenzsubbändern, wobei es die Zeitbereichsdaten in jedem Subband erzeugt. Der Kontroller 37 für die Blockabmessung analysiert die Variationen in diesen Subbändern und wählt eine geeignete Blockabmessung aus, wobei die Blockabmessung mit steigender Abweichung abnimmt. Die Blöcke der Audiodaten der ausgewählten Abmessung werden in die Orthogonaltransformationsprozessoren 38 gegeben. Die Blockabmessung ist für jeden Orthogonaltransformationsprozessor 38 gleich, aber sie variiert von Zeit zu Zeit abhängig von dem Inhalt des Audiosignals.
Jeder Orthogonaltransformationsprozessor 38 führt eine modifizierte diskrete Cosinustransformation (MDCT) mit seinen Eingangsdaten durch, wodurch die Signalkomponenten in einem Subband von dem Zeitbereich in den Frequenzbereich transformiert wird. Die von jedem Orthogonaltransformationsprozessor 38 ausgegebenen Frequenzkoeffizienten werden an den Frequenzgruppierer 39 geliefert.
Die modifizierte diskrete Cosinustransformation gehört zu der Klasse der orthogonalen Zeitbereichs-Frequenzbereichstransformationen, aber die Erfindung ist nicht auf diese Transformation oder auf die Klasse von Transformationen beschränkt. Andere Zeitbereichs-Frequenzbereichstransformationen können an jeder Stelle verwendet werden.
Unter Ausnutzung des Vorteils des Prinzips des kritischen Bandes der menschlischen Hörpsychologie reduziert der Frequenzgruppierer 39 die von dem Orthogonaltransformationsprozessor 38 erhaltene Koeffizientendatenmenge durch Gruppieren der Koeffizientendaten und Kombinieren der gruppierten Koeffizienten in einzelne Werte. Die Anzahl der so in einen einzigen Wert gruppierten Koeffizienten erhöht sich in höheren Frequenzsubbändern, in denen das menschliche Gehör weniger scharf ist. Der Frequenzgruppierer 39 liefert die resultierenden gruppierten Frequenzkoeffizienten an den hierarchischen Quantisierer 40, den Bitzuordner 41 und den Maßstabsfaktorgenerator 42.
Der hierarchische Quantisierer 40 trennt die von dem Frequenzgruppierer 39 erhaltenen Koeffizienten in die vier hierarchischen Niveaus. Es wird wieder auf 9 Bezug genommen, und ein Rechenschema beginnt mit dem Auswählen aller oberhalb und links der bei f_n endenden Kurve (n = 1, 2, 3 oder 4) und oberhalb der die Hörschwelle und den Verdeckungspegel darstellenden Kurve angeordneten Daten für das n-te hierarchische Niveau, dann werden die oberhalb und links von der bei f_n-1 endenden Kurve und oberhalb der die Hörschwelle und den Verdeckungspegel darstellenden Kurve angeordneten Daten subtrahiert. Die ausgewählten Daten werden für das erste hierarchische Niveau so verwendet wie sie sind, ohne Subtraktion.
Der Bitzuordner 41 in 10 führt die gleiche Funktion aus wie der Bitzuordner 7 in 1, er ordnet unterschiedliche Bitanzahlen unterschiedlichen Subbändern zu entsprechend dem Ausgangssignal der gruppierten Frequenzkoeffizienten von dem Frequenzgruppierer 39. Der Maßstabsgenerator 42 ordnet Maßstabsfaktoren zu, so daß die Daten in der Gleit-Form gespeichert werden können, wodurch kleine Werte ohne den Verlust von signifikanten Bits gespeichert werden können. Der Formatierer 43 skaliert und begrenzt die hierarchischen Daten von dem hierarchischen Quantisierer 40 entsprechend der Anzahl der von dem Bitzuordner 41 zugeordneten Bits und der von dem Maßstabsfaktor 42 vorgesehenen Maßstabsfaktoren, formatiert die Daten und liefert als Ausgangsdaten vier hierarchische Niveaus von Frequenzdaten zusammen mit der Blockabmessunginformation, der Bitzuordnungsinforma tion und der Maßstabsfaktorinformation, wodurch ein Datenrahmen erzeugt wird.
Wenn zusätzliche Audiodaten empfangen werden, wiederholt sich der vorbeschriebene Prozeß und die so erzeugten Datenrahmen werden, wie im Konzept rechts in 10 gezeigt wird, gespeichert. Ausgehend von der ursprünglichen Adresse werden zuerst die vier hierarchischen Datenniveaus des ersten Rahmens gespeichert und so weiter. Der Speicheradressengenerator 46 in 7 erzeugt die notwendigen Speicheradressen und überwacht ebenfalls die Adressen.
Während der Wiedergabe kann der Anwender die Aufwärts-Abwärtsschalter in dem Geschwindigkeitsschalter 50 verwenden, um die Wiedergabegeschwindigkeit zu steuern. Der Taktteiler 49 reagiert durch Verändern des Taktfrequenzteilungsverhältnisses. Der Selektor 48 für das hierarchische Niveau überwacht dieses Frequenzteilungsverhältnis.
Der hierarchische Dekodierer 31 umfaßt beispielsweise einen digitalen Signalprozessor, der so programmiert ist, daß er zu den in dem hierarchischen Kodierer 30 Operationen inverse Operationen durchführt. Wenn die Aufzeichnung und Wiedergabe bei der gleichen Geschwindigkeit durchgeführt werden, kann der hierarchische Dekodierer 31 diese Operationen schnell genug durchführen, um alle vier hierarchischen Niveaus zu dekodieren, aber wenn die Wiedergabegeschwindigkeit erhöht wird, wird ein Punkt erreicht, bei dem der hierarchische Dekodierer 31 nicht mehr mitkommt.
Der Selektor 48 für das hierarchische Niveau berechnet aus dem Frequenzteilungsverhältnis des Takttei lers 49 die maximale Anzahl der hierarchischen Niveaus, die der hierarchische Dekodierer 31 bei der aktuellen Wiedergabegeschwindigkeit dekodieren kann und informiert den hierarchischen Dekodierer 31, damit dieser nur diese Anzahl von Niveaus dekodiert. In ähnlicher Weise wird der Leseradressengenerator 47 durch den Taktteiler 49 von dem Frequenzteilungsverhältnis benachrichtigt, der Speicheradressen nur für Daten auf den geeigneten hierarchischen Niveaus erzeugt.
11 stellt das neue Wiedergabeschema für den Fall der Normalgeschwindigkeit und der Doppelgeschwindigkeitswiedergabe dar. Bei normaler Geschwindigkeit gibt der hierarchische Dekodierer 31 einen Rahmen der Audiodaten aus, während er die vier hierarchischen Niveaus des nächsten Rahmens liest und dekodiert. Bei der doppelten Geschwindigkeit werden die Rahmen des hierarchischen Dekoders 31 zweimal so schnell ausgegeben und der hierarchische Dekodierer 31 hätte nicht mehr die Zeit, die vier hierarchischen Niveaus in der zur Ausgabe eines Rahmens benötigten Zeit zu dekodieren. Somit instruiert der Taktteiler 49 den hierarchischen Dekodierer 31 dahingehend, nur zwei hierarchische Niveaus zu dekodieren, wie unten in der Zeichnung dargestellt ist.
Der Hochgeschwindigkeitswiedergabemodus nach den 7 und 11 verschiebt die Frequenzkomponenten des Ausgangssignals. Beispielsweise wird ein 5 kHz Frequenzkomponente des originalen Signals eine 10 kHz Komponente, wenn es bei der doppelten Geschwindigkeit zurückgespielt wird, eine 10 kHz Komponente wird eine 20 kHz Komponente. Bei 10 kHz ist die Schwelle der Hörbarkeit so hoch, daß im wesentli chen alle Frequenzen über 10 kHz normalerweise außerhalb des Hörbereichs liegen.
Viele der Daten in dem dritten und vierten hierarchischen Niveau betreffen Hochfrequenzkomponenten, die außerhalb des Hörbereichs verschoben sind. Diese hierarchischen Niveaus können daher mit geringem Verlust an Wiedergabegüte weggelassen werden. Das Verfahren nach 11 ist somit sehr gut für diese Art der Hochgeschwindigkeitswiedergabe geeignet. Darüber hinaus ermöglicht es eine Hochgeschwindigkeitswiedergabe, die mit einer Prozessor-Hardware für die Standardgeschwindigkeit realisiert werden kann und nicht die kostenaufwendigere Hochgeschwindigkeits-Hardware benötigt.

Claims

Verfahren zur Wiedergabe von in einem Speicher gespeicherten, digitalisierten Audiodaten mit einer gegenüber der Aufzeichnungsgeschwindigkeit erhöhten Wiedergabegeschwindigkeit, dadurch gekennzeichnet, dass die jeweils einem analogen Audiosignal entsprechenden Audiodaten in ein erstes hierarchisches Niveau, das ausreichend Daten für die Wiedergabe bei einem bestimmten Wiedergabegütepegel vorsieht und mindestens ein höheres hierarchisches Niveau, das zusätzliche Daten für einen höheren Wiedergabegütepegel vorsieht, aufgeteilt werden, wobei die unterschiedlichen hierarchischen Niveaus der Audiodaten in unterschiedlichen Adressabschnitten des Speichers aufgezeichnet werden, und nur ein oder mehrere ausgewählte hierarchische Niveaus der Audiodaten einschließlich mindestens des ersten hierarchischen Niveaus wiedergegeben werden.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Audiodaten in Rahmen variabler Länge aufgezeichnet werden und für die Wiedergabe solche Rahmen, die mindestens eine gewisse minimale Länge aufweisen, ausgewählt und die in den so ausgewählten Rahmen gespeicherten Daten in ein analoges Signal umgewandelt werden.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Audiodaten in Rahmen variabler Länge aufgezeichnet werden, wobei die Rahmen eine variable Datenmenge enthalten, aber aufeinanderfolgende Zeitabschnitte gleicher Dauer darstellen, und daß für die Wiedergabe jeder N-te Rahmen, wobei N eine ganze Zahl größer als 1 ist, ausgewählt wird und die in in solcher Weise ausgewählten Rahmen gespeicherten Daten in ein analoges Signal umgewandelt werden.
Verfahren nach Anspruch 2 oder 3, dadurch gekennzeichnet, daß Bit-Zuordnungsinformationen aufgezeichnet werden, um die Längen und Adressen der Rahmen zu bestimmen.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Audiodaten für die Aufzeichnung in unterschiedliche hierarchische Niveaus kodiert werden, wobei ein niedrigstes hierarchisches Niveau ausreichend Daten vorsieht, um das Audiosignal mit einem gewissen Grad an Wiedergabegüte zu reproduzieren und wobei aufeinanderfolgende höhere hierarchische Niveaus zusätzliche Daten für aufeinanderfolgende größere Wiedergabegüte vorsehen, und daß für die Wiedergabe folgende Schritte durchgeführt werden: (r1) Erzeugen eines Taktsignals bei einer gewissen Geschwindigkeit, (r2) Auswählen eines gewissen hierarchischen Niveaus entsprechend der Geschwindigkeit des Taktsignals, (r3) Dekodieren der Daten des hierarchischen Niveaus bis zu und einschließlich dem gewissen hierarchischen Niveau, und (r4) Umwandeln der in Schritt (r3) dekodierten Daten in ein analoges Signal mit einer durch das Taktsignal gesteuerten Geschwindigkeit.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß das hierarchische Niveau im Schritt (r2) ao ausgewählt wird, daß so viel hierarchische Niveaus wie möglich in den Zeitbedingungen dekodiert werden, die durch die Geschwindigkeit des Taktsignals gegeben sind.
Vorrichtung zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 4, gekennzeichnet durch einen Analog/Digitalwandler (3) zum Umwandeln von Rahmen des Audiosignals zur Erzeugung von ersten digitalisierten Audiodaten (4), einen Transformationsprozessor (5), der die ersten digitalisierten Audiodaten (4) empfängt zum Umwandeln der digitalisierten ersten Audiodaten (4) in Frequenzkoeffizienten (6), einen Bit-Zuordner (7), der die Frequenzkoeffizienten (6) empfängt, zur Zuordnung von Bitanzahlen zu Subbändern, wodurch Bit-Zuordnungsinformationen (8) erzeugt werden, einen Quantisierer (9), der Frequenzkoeffizienten (6) empfängt, zum Begrenzen der Frequenzkoeffizienten (6) entsprechend der Bit-Zuordnungsinformationen (8), wodurch Rahmen variabler Länge von quantisierten Frequenzkoeffizienten (10) erzeugt werden, einen Formatierer (11), der mit dem Quantisierer (9) und dem Bit-Zuordner (7) verbunden ist, zum Speichern der quantisierten Frequenzkoeffizienten (10) und der Bit-Zuordnungsinformationen (8) in einem Halbleiterspeicher (14), und einen Dekodierer (24) zum Auswählen von Rahmen variabler Länge aus dem Halbleiterspeicher (14) und zum Dekodieren der so ausgewählten Rahmen unterschiedlicher Länge zur Erzeugung von zweiten digitalisierten Audiodaten, und einen Digital/Analogwandler (20), der die zweiten digitalisierten Audiodaten von dem Dekodierer (24) empfängt, um die zweiten digitalisierten Audiodaten in ein Audiosignal umzuwandeln.
Vorrichtung nach Anspruch 7, dadurch gekennzeichnet, daß der Dekodierer (24) jeden N-ten Rahmen variabler Länge auswählt und dekodiert, wobei N eine positive ganze Zahl ist.
Vorrichtung nach Anspruch 7, dadurch gekennzeichnet, daß der Dekodierer (24) Rahmen variabler Länge auswählt und dekodiert, die mindestens eine bestimmte minimale Länge aufweisen.
Vorrichtung nach Anspruch 7, dadurch gekennzeichnet, daß der Bit-Zuordner (7) umfaßt: einen Subbandenergieberechner (25) zum Berechnen eines mittleren Energiepegels in jedem der Subbändern, einen Berechner (26) zum Berechnen eines zulässigen Rauschpegels in jedem der Subbänder, und einen Bit-Zuordnungsrechner (27) zum Vergleichen des mittleren Energiepegels mit dem zulässigen Rauschpegel und Zuordnen einer Anzahl von Bits entsprechend dem Unterschied zwischen ihnen.
Vorrichtung nach Anspruch 7, dadurch gekennzeichnet, daß ein Rahmenlängenberechner, der Bit-Zuordnungsinformationen (8) zur Berechnung der Rahmenlänge daraus empfängt, und ein Schreibspeicheradressengenerator (13) vorgesehen sind, der mit dem Rahmenlängenberechner (12) verbunden ist und Speicheradressen entsprechend der Rahmenlänge erzeugt.
Vorrichtung zur Durchführung des Verfahrens nach Anspruch 4, gekennzeichnet durch einen Analog/Digitalwandler (3) zum Umwandeln des Audiosignals in erste digitalisierte Audiodaten (4), einen hierarchischen Kodierer (30) zum Kodieren der ersten digitalisierten Audiodaten (4) zur Erzeugung einer Vielzahl von Daten in aufeinanderfolgenden hierarchischen Niveaus mit einem niedrigsten hierarchischen Niveau, das zur Wiedergabe eines Audiosignals mit verringerter Wiedergabegüte geeignet ist, und mit mindestens einem anderen hierarchischen Niveau von Daten, wobei jedes aufeinanderfolgend höhere Niveau zusätzliche Daten für aufeinanderfolgend höhere Wiedergabegüte aufweist, und zum Schreiben der Daten der hierarchischen Niveaus in einen Halbleiterspeicher (14), einen Speicheradressengenerator (33), der mit dem hierarchischen Kodierer (30) verbunden ist und Speicheradressen erzeugt, einen hierarchischen Dekodierer (31), der mit dem Halbleiterspeicher (14) verbunden ist, zum Lesen der hierarchischen Niveaus von Daten und zum Dekodieren der so gelesenen Daten, um zweite digitalisierte Audiodaten zu erzeugen, und einen Digital/Analogwandler (20), der die zweiten digitalisierten Audiodaten von dem hierarchischen Dekodierer (31) empfängt, um die zweiten digitalisierten Audiodaten in ein Audiosignal umzuwandeln.
Vorrichtung nach Anspruch 12, dadurch gekennzeichnet, daß der hierarchische Kodierer (30) umfaßt: ein Subbandanalysefilter (36) zum Filtern der ersten digitalisierten Audiodaten (4) und zur Erzeugung einer Vielzahl von Subbändern von digitalisierten Audiodaten, eine Mehrzahl von Transformationsprozessoren (38) zum Umwandeln der Subbänder von digitalisierten Audiodaten in Frequenzkoeffizienten, einen Frequenzgruppierer (39) zum Aufteilen der Frequenzkoeffizienten in Gruppen und zum Kombinieren der Frequenzkoeffizienten in jeder Gruppe in einen einzigen Wert, einen Bit-Zuordner (41), der mit dem Frequenzgruppierer (39) verbunden ist, zum Zuordnen einer Anzahl von Bits zu jedem Subband, wodurch Bit-Zuordnungsinformationen erzeugt werden, einen hierarchischen Quantisierer (40), der von dem Frequenzgruppierer (39) ausgegebene Werte empfängt und die Werte in hierarchische Niveaus klassifiziert, und einen Formatierer (43), der mit dem hierarchischen Quantisierer (40) und dem Bit-Zuordner (41) verbunden ist, zum Aufzeichnen der Werte der hierarchischen Niveaus und der Bit-Zuordnungsinformationen in den Halbleiterspeicher (14).
Vorrichtung nach Anspruch 13, dadurch gekennzeichnet, daß ein Blockgrößenkontroller (37) vorgesehen ist, der mit dem Subbandanalysefilter (36) verbunden ist und die Größe der durch die Vielzahl von Transformationsprozessoren (38) umgewandelten Datenblöcke spezifiziert.
Vorrichtung nach Anspruch 13, dadurch gekennzeichnet, daß ein mit dem Frequenzgruppierer (39) und dem Formatierer (43) verbundener Maßstabsfaktorgenerator (42) vorgesehen ist zur Erzeugung von Maßstabsfaktoren derart, daß die von dem hierarchischen Quantisierer (40) ausgegebenen Werte ohne den Verlust von signifikanten Bits gespeichert werden können.
Vorrichtung nach Anspruch 12, weiterhin gekennzeichnet durch: einen Taktgenerator (35) zum Erzeugen von Taktsignalen, einen Taktteiler (49), der mit dem Taktgenerator (35) verbunden ist, und der die Taktsignale entsprechend einem auswählbaren Teilungsverhältnis teilt und die geteilten Taktsignale dem Digital/Analogwandler liefert, einen Geschwindigkeitsschalter (50), der mit dem Taktteiler (49) zur Auswahl des Teilungsverhältnisses verbunden ist, und einen Selektor (48) für das hierarchische Niveau, der mit dem Taktteiler (49) verbunden ist, und ein hierarchisches Niveau entsprechend dem Teilungsverhältnis auswählt und darüber den hierarchischen Dekoder (34) benachrichtigt, wodurch der hierarchische Dekoder (34) nur die Daten der hierarchischen Niveaus bis zu dem durch den Selektor (48) ausgewählten hierarchischen Niveau dekodiert.
Vorrichtung nach Anspruch 16, dadurch gekennzeichnet, daß der Selektor (48) für das hierarchische Niveau ein hierarchisches Niveau entsprechend einer Verarbeitungsgeschwindigkeit des hierarchischen Dekodierers (34) und dem Teilungsverhältnis auswählt.