-
TECHNISCHES GEBIET DER
ERFINDUNG
-
Die
vorliegende Erfindung betrifft allgemein Verfahren zum Verbessern
einer Sprachqualität
in z.B. IP-Telefoniesystemen. Spezifischer betrifft die vorliegende
Erfindung ein Verfahren zum Verringern von Audioartefakten auf Grund
eines Überlaufs
oder Unterlaufs in einem Wiedergabepuffer.
-
Die
Erfindung betrifft auch eine Anordnung zum Ausführen des Verfahrens.
-
BESCHREIBUNG
DES VERWANDTEN SACHSTANDES
-
Wenn
Abtastfrequenzen, z.B. in einem Sprachcodiersystem, nicht gesteuert
werden, können
ein Unterlauf oder Überlauf
in dem Wiedergabepuffer auftreten, der ein Puffer ist, der Sprachabtastwerte
für eine
spätere
Wiedergabe speichert. Ein Unterlauf bedeutet, dass der Wiedergabepuffer
in ein Verhungern laufen wird, d.h. er wird nicht mehr irgendwelche
Abtastwerte aufweisen, um die Ausgabe wiederzugeben. Ein Überlauf
bedeutet, dass der Wiedergabepuffer mit Abtastwerten gefüllt werden wird,
und dass folgende Abtastwerte nicht gepuffert werden können und
folglich verloren gehen. Ein Unterlauf ist wahrscheinlich verbreiteter
als ein Überlauf,
da die Größe des Wiedergabepuffers
zunehmen kann, bis kein Speicher verblieben ist, wohingegen er nur
abnehmen kann, bis keine Abtastwerte vorhanden sind.
-
Gegenwärtig behandeln
die meisten Systeme das Problem nicht, dass sich die Abtastfrequenz beträchtlich
zwischen der Sende- und
der Empfangsseite unterscheiden kann. Eine mögliche Lösung, die in der EP-0680033
A2 vorgeschlagen ist, arbeitet auf Teilungsperioden. Ein Hinzufügen oder
Entfernen von Teilungsperioden in dem Sprachsignal erzielt eine unterschiedliche
Dauer eines Sprachsegments, ohne andere Sprachcharakteristika als
Geschwindigkeit zu beeinflussen. Die vorgeschlagene Lösung kann
als ein indirektes Abtastraten-Konversionsverfahren verwendet werden.
-
Eine
weitere Lösung
verwendet den Beginn von Talkspurts als eine Anzeige, den Wiedergabepuffer
auf einen spezifizierten Pegel zurückzusetzen. Der Abstand, in
Anzahl von Abtastwerten, zwischen zwei aufeinander folgenden Talkspurts
wird erhöht, wenn
die Empfangsseite schneller wiedergibt als die Sendeseite, und verringert,
wenn die Empfangsseite langsamer wiedergibt als die Sendeseite.
Bei IP-Telefonielösungen unter
Verwendung der IP/UDP/RTP-Protokolle (Internet Protocol/User Datagram
Protocol/Real Time Protocol) wird das Markierungs-Flag in dem RTP-Header
verwendet, um den Beginn eines Talkspurts zu identifizieren. Bei
dem Beginn eines Talkspurts wird der Wiedergabepuffer auf eine geeignete
Größe gesetzt.
-
Die
Lösung
gemäß der EP-0680033
A2, wo Teilungsperioden entfernt oder eingefügt werden, nimmt einen festen
Konversionsfaktor zwischen der Empfangs- und Sendeseite an. Deswegen
kann sie nicht in dynamischen Systemen verwendet werden, d. h. dort,
wo die Abtastfrequenzen variieren. Ferner löst sie nicht das Problem mit
Unterlauf- oder Überlaufsituationen,
sondern ist statt dessen auf ein Ändern der Wiedergaberate eines
Sprachsignals, das in einer komprimierten Form gespeichert ist,
für eine Wiedergabe,
später
und bei einer anderen Geschwindigkeit verglichen mit derjenigen,
wenn es gespeichert wurde, fokussiert.
-
Eine
Verwendung des Verfahrens eines Rücksetzens des Wiedergabepuffers
auf eine bestimmte Größe verursacht
Probleme, wenn sehr lange Talkspurts vorhanden sind, d. h. eine
Sendung von einem Sprecher zu mehreren Hörern. Da die Länge eines
Talkspurts nicht an dem Beginn des Talkspurts definiert ist, kann
die Größe zum Rücksetzen
entweder zu klein oder zu groß sein.
Wenn sie zu klein ist, wird ein Unterlauf auftreten, und wenn sie
zu groß ist,
wird eine unnötige
Verzögerung
eingeführt, womit
das Problem bestehen bleibt.
-
Die
EP 0743773 beschreibt eine
Anordnung, bei der mehrfache Sprachbitstrom-Rahmenpuffer zwischen
dem Controller und dem Sprachdecoder verwendet werden. Wann immer übermäßige oder fehlende
Sprachpakete erfasst werden, schaltet der Sprachdecoder auf einen
speziellen Korrekturmodus. Wenn zu viele vorhanden sind, werden
die gepufferten Rahmen schnell wiedergegeben, wenn zu wenige vorhanden
sind, werden die gepufferten Rahmen langsam wiedergegeben. Für die schnelle
Wiedergabe muss eine bestimmte Sprachinformation verworfen werden,
während
für die
langsame Wiedergabe eine bestimmte sprachähnliche Information synthetisiert
werden muss. Die Sprache kann in Unterrahmeneinheiten gehandhabt
werden, die Abtastwerte zu einer Zeit sein können. Niedrigenergie-, ruhige
oder nicht mit Sprache versehene Sprachrahmen, die auch eine Nicht-Periodizität anzeigen,
werden erfasst und verarbeitet. Außerdem wird das decodierte
Signal bei der Anregungsphase vor dem End-LPC-Synthesefilter verarbeitet,
was zu einem transparenten Wahrnehmungseffekt über die verarbeitete Sprachqualität führt. Zusätzlich sind
die Puffer derart vergrößert, dass
das Problem, das durch eine Controller-Asynchronität herbeigeführt wird,
beseitigt ist. Ferner halten die Puffer für eine Bulk-Verzögerung,
die durch ein Multiplexen von Daten- und Sprach-Übertragungen herbeigeführt wird,
die kleinste Anzahl von Sprachpaketen, die notwendig ist, um einen
Pufferunterlauf während
einer Datenpaketübertragung
zu verhindern, während
eine Sprachverzögerung
minimiert wird und eine Datenübertragungseffizienz
erhalten wird.
-
Das
allgemeine Problem mit gegenwärtig
bekannten Zugängen
besteht darin, dass sie statisch und unflexibel sind. Folglich sind
dynamische Lösungen
erforderlich.
-
ZUSAMMENFASSUNG
DER ERFINDUNG
-
Die
vorliegende Erfindung behandelt das Problem eines Verbesserns einer
Sprachqualität
in Systemen, wo sich die Abtastrate an einem Sendeendgerät von der
Wiedergaberate eines Empfangspuffers an einem Empfangsendgerät unterscheidet. Dies
ist bei der z.B. IP-Telefonie oft der Fall.
-
Wenn
Abtastfrequenzen nicht gesteuert werden, können ein Unterlauf oder ein Überlauf
in dem Wiedergabepuffer an der Empfangsseite auftreten, was hörbare Artefakte
in dem Sprachsignal verursacht. Um den Überlauf oder Unterlauf zu vermeiden, besteht
ein Bedarf nach einem dynamischen Halten des Wiedergabepuffers auf
einer durchschnittlichen Größe, d. h.
ein Steuern der Füllung
des Wiedergabepuffers.
-
Eine
Aufgabe der vorliegenden Erfindung besteht somit darin, ein Verfahren
zum Verringern von Audioartefakten in einem Sprachsignal auf Grund
eines Überlaufs
oder Unterlaufs in dem Wiedergabepuffer bereitzustellen.
-
Eine
weitere Aufgabe der Erfindung besteht darin, die Füllung des
Wiedergabepuffers zu steuern, um so nicht eine zusätzliche
Verzögerung
einzuführen.
-
Die
oben erwähnten
Aufgaben werden mittels einer dynamischen Abtastratenkonversion
von Sprachrahmen gelöst,
d.h. einem Konvertieren von Sprachrahmen, die N Abtastwerte umfassen,
um stattdessen entweder N + 1 oder N – 1 Abtastwerte zu umfassen.
Spezifischer arbeitet die Erfindung auf einem LPC-Residuum des Sprachrahmens,
und durch ein Addieren oder Entfernen eines Abtastwerts in dem LPC-Residuum
wird eine Abtastratenkonversion erreicht. Das LPC-Residuum ist der
Ausgang aus einem LPC-Filter, der ein linearer prädiktiver Codierungsfilter
ist, wobei jeder Abtastwert als eine lineare Kombination vorhergehender
Abtastwerte vorhergesagt wird.
-
Unter
Verwendung des vorgeschlagenen Abtastraten-Konversionsverfahrens kann der Wiedergabepuffer
von z.B. einem IP-Telefonieendgerät kontinuierlich mit nur kleinen
Audioartefakten gesteuert werden. Da das Verfahren auf einer Abtastwert-zu-Abtastwert-Grundlage
arbeitet, kann der Wiedergabepuffer auf einem Minimum gehalten werden,
und somit wird keine zusätzliche
Verzögerung eingeführt. Die
Lösung
weist auch eine sehr geringe Komplexität auf, insbesondere dann, wenn
das LPC-Residuum bereits verfügbar
ist, was in z.B. einem Sprachdecoder der Fall ist.
-
Der
Ausdruck "umfasst/umfassend" wird, wenn er in
dieser Beschreibung verwendet wird, dazu herangezogen, das Vorhandensein
dargelegter Merkmale, Ganzzahlen, Schritte oder Komponenten zu spezifizieren,
schließt
aber nicht das Vorhandensein oder die Hinzufügung eines oder mehrerer Merkmale,
Ganzzahlen, Schritte, Komponenten oder Gruppen davon aus.
-
Obwohl
die Erfindung oben stehend zusammengefasst worden ist, definieren
das Verfahren und die Anordnung gemäß der angehängten unabhängigen Ansprüche 1 und
9 den Umfang der Erfindung. Verschiedene Ausführungsformen sind weiter in
den abhängigen
Ansprüchen
2–8 und
10–16
definiert.
-
BESCHREIBUNG
DER ZEICHNUNGEN
-
In
den Zeichnungen zeigen:
-
1 einen
Sender und einen Empfänger, auf
welchen das Verfahren der Erfindung angewandt werden kann;
-
2 ein
Sprachsignal in dem Zeitbereich;
-
3 ein
LPC-Residuum eines Sprachsignals in dem Zeitbereich;
-
4 vier
Module des Abtastraten-Konversionsverfahrens gemäß der Erfindung;
-
5A einen
Analyse-durch-Synthese-Sprachcodierer mit LTP-Filter;
-
5B einen
Analyse-durch-Synthese-Sprachcodierer mit einem adaptiven Codebuch;
-
5C–5F unterschiedliche
Implementierungen der LPC-Residuumsextraktion
in Abhängigkeit
von der Verwirklichung des Sprachcodierers;
-
5G–5J vier
Arten eines Platzierens der Abtastratenkonversion innerhalb der
Rückkopplungsschleife
des Sprachdecoders;
-
6 wie
eine Information über
Teilungspulse zu verwenden ist, um Abtastwerte mit einer niedrigen
Energie zu finden;
-
7 eine
LPC-Vorgeschichte-Erweiterung; und
-
8 ein
Kopieren der Vorgeschichte des LPC-Residuums.
-
DETAILLIERTE
BESCHREIBUNG
-
Die
vorliegende Erfindung beschreibt unter Bezugnahme auf 1 ein
Verfahren zum Verbessern einer Sprachqualität in einem Kommunikationssystem,
umfassend eine erste Endgeräteeinheit TRX1,
die Sprachsignale sendet, die eine erste Abtastfrequenz F1 aufweisen, und eine zweite Endgeräteeinheit
TRX2, die die Sprachsignale empfängt,
sie in einem Wiedergabepuffer 100 mit der ersten Frequenz
F1 puffert und sie aus dem Wiedergabepuffer mit
einer zweiten Frequenz F2 wiedergibt. Wenn
die Pufferfrequenz F1 größer als die Wiedergabefrequenz
F2 ist, wird der Wiedergabepuffer schließlich mit
Abtastwerten gefüllt
werden, und nachfolgende Abtastwerte werden zu verwerfen sein. Wenn
die Pufferfrequenz F1 niedriger als die
Wiedergabefrequenz F2 ist, wird der Puffer
in eine Verhungerung laufen, d. h. er wird nicht mehr jedwede Abtastwerte aufweisen,
um sie an dem Ausgang wiederzugeben. Diese beiden Probleme werden
als Überlauf
bzw. Unterlauf bezeichnet und verursachen hörbare Artefakte, wie Knall-
und Knack-Töne
in dem Sprachsignal.
-
Die
obigen Probleme mit Unterlauf und Überlauf werden durch Verwendung
einer dynamischen Abtastratenkonversion auf der Grundlage eines
Modifizierens des LPC-Residuums des Sprachsignals gelöst, und
werden weiter unter Bezugnahme auf die 2–8 beschrieben
werden.
-
2 zeigt
ein typisches Segment eines Sprachsignals in dem Zeitbereich. Dieses
Sprachsignal zeigt eine Kurzzeitkorrelation, die dem Stimmtrakt entspricht,
und eine Langzeitkorrelation, die den Stimmbändern entspricht. Die Kurzzeitkorrelation kann
unter Verwendung eines LPC-Filters vorhergesagt werden, und die
Langzeitkorrelation kann unter Verwendung eines LTP-Filters vorhergesagt
werden. LPC bedeutet lineares prädiktives
Codieren und LTP bedeutet Langzeitprädiktion. Linear in diesem Fall impliziert,
dass die Prädiktion
eine lineare Kombination vorangehender Abtastwerte des Sprachsignals ist.
üblicherweise bezeichnet als:
Indem
ein Sprachrahmen durch das LPC-Filter H(z) zugespeist wird, wird
das LPC-Residuum gefunden. Das LPC-Residuum, das in
3 gezeigt
ist, enthält Teilungspulse
P, die durch Stimmbänder
erzeugt werden. Der Abstand L zwischen zwei Teilungspulsen P wird
als Zeitabstand bezeichnet. Die Zeitpulse P sind auch vorhersagbar,
und da sie die Langzeitkorrelation des Sprachsignals darstellen,
werden sie durch einen LTP-Filter vorhergesagt, der durch den Abstand L
zwischen den Teilungspulsen P und die Verstärkung b eines Teilungspulses
P gegeben ist. Der LTP-Filter wird üblicherweise bezeichnet als:
F(z) = b·z–L
-
Wenn
das LPC-Residuum durch das Inverse des LTP-Filters F(z) gespeist
wird, wird ein LTP-Residuum geschaffen. In dem LTP-Residuum ist die Langzeitkorrelation
in dem LPC-Residuum entfernt, was dem LTP-Residuum eine rauschähnliche
Erscheinung gibt.
-
Die
Lösung
gemäß der Erfindung
modifiziert das LPC-Residuum, das in 3 gezeigt
ist, auf einer Abtastwert-zu-Abtastwert-Grundlage.
Das heißt, ein
LPC-Residuumsblock, der N Abtastwerte umfasst, wird in einen LPC-Residuumsblock
konvertiert, der entweder N + 1 oder N – 1 Abtastwerte umfasst. Das
LPC-Residuum enthält
weniger Information und weniger Energie verglichen mit dem Sprachsignal, aber
die Teilungspulse P sind noch einfach zu lokalisieren. Wenn das
LPC-Residuum modifiziert wird, sollten Abtastwerte, die nahe einem
Teilungspuls P sind, vermieden werden, weil diese Abtastwerte mehr
Information enthalten und somit einen großen Einfluss auf die Sprachsynthese
aufweisen. Das LTP-Residuum ist nicht so geeignet wie das LPC-Residuum,
um für
eine Modifikation verwendet zu werden, da die Teilungspuls-Positionen P nicht
mehr verfügbar
sind. Folglich ist das LPC-Residuum
besser für
eine Modifikation verglichen sowohl mit dem Sprachsignal als auch
dem LTP-Residuum geeignet, da die Teilungspulse P auf einfache Weise
in dem LPC-Residuum lokalisiert sind.
-
Die
vorgeschlagene Abtastratenkonversion besteht aus vier Modulen, die
in 4 gezeigt sind:
- 1) Ein Abtastratencontroller-(SRC)-Modul 400, das
berechnet, ob ein Abtastwert hinzugefügt oder entfernt werden sollte;
- 2) LPC-Residuumsextraktions-(LRE)-Module 410 werden
verwendet, um das LPC-Residuum rLPC zu erhalten;
- 3) Abtastraten-Konversionsverfahren-(RCM)-Module 420 finden
die Position, wo Abtastwerte hinzuzufügen oder zu entfernen sind,
und wie die Einfügung
und Löschung
durchzuführen
ist, d. h. der LPC-Residuumsblock rLPC,
der N Abtastwerte umfasst, in einen modifizierten LPC-Residuumsblock r'LPC zu
konvertieren ist, der N + 1 oder N – 1 Abtastwerte umfasst; und
- 4) ein Sprachsynthetisierermodul (SSM) 430, um die
Sprache zu reproduzieren.
-
Die
Idee hinter der Erfindung besteht darin, dass es möglich ist,
die Wiedergaberate des Wiedergabepuffers 440 zu ändern, indem
Abtastwerte in dem LPC-Residuum rLPC entfernt
oder hinzugefügt werden.
-
Das
SRC-Modul 400 entscheidet, ob Abtastwerte in dem LPC-Residuum rLPC hinzugefügt oder entfernt werden. Dies
wird auf der Grundlage von zumindest einem der folgenden Parameter
durchgeführt;
den Abtastfrequenzen der Sende-TRX1 und Empfangs-Endgeräteeinheiten
TRX2, einer Information über
das Sprachsignal, z.B. ein Sprachaktivitäts-Detektorsignal, einem Status
des Wiedergabepuffers oder einem Indikator bei dem Beginn eines Talkspurts.
Diese Eingänge
sind in der Figur als SRC-Eingänge
bezeichnet. Auf der Grundlage einer Funktion eines oder mehrerer
dieser Parameter bildet der SRC 400 eine Entscheidung darüber, wann ein
Abtastwert in das LPC-Residuum rLPC einzufügen oder
aus diesem zu entfernen ist, und wahlweise, welches RCM 420 zu
verwenden ist. Da eine digitale Verarbeitung der Sprachsignale üblicherweise
auf einer Rahmen-zu-Rahmen-Grundlage durchgeführt wird, besteht die Entscheidung
darüber,
wann Abtastwerte zu entfernen oder hinzuzufügen sind, grundsätzlich darin,
zu entscheiden, innerhalb welchem LPC-Residuums-rLPC-Rahmen
das RCM 420 einen Abtastwert einfügen oder entfernen sollte.
-
Es
sind grundsätzlich
drei Verfahren zum Erhalten des LPC-Residuums rLPC vorhanden,
das als Eingang in die RCM's 420 benötigt wird.
Die Verfahren hängen
von der Implementierung des Sprachcodierers ab und werden unter
Bezugnahme auf die 5A–5F beschrieben
werden. Die LRE-Lösung
beeinflusst auch direkt die SSM-Lösung, was unten offensichtlich
werden wird.
-
In 5A ist
ein Analyse-durch-Synthese-Sprachcodierer 500 mit einem
LTP-Filter 540 gezeigt. Dies ist ein Hybridcodierer, wobei
der Stimmtrakt mit einem LPC-Filter 550 beschrieben ist,
und die Stimmbänder
mit einem LTP-Filter 540 beschrieben sind, während das
LTP-Residuum r ^LTP(n) mit einem Satz von mehr
oder weniger stochastischen Codebuchvektoren aus dem festen Codebuch 530 wellenform-verglichen
wird. Das Eingangssignal S ist im Rahmen 510 mit einer
typischen Länge
von 10–30 ms
geteilt. Für
jeden Rahmen wird ein LPC-Filter 550 über eine LPC-Analyse 520 berechnet,
und das LPC-Filter 550 ist in einer geschlossenen Schleife enthalten,
um die Parameter des LTP-Filters 540 zu finden. Der Sprachdecoder 580 ist
in dem Codierer enthalten und besteht aus dem festen Codebuch 530,
dessen Ausgang r ^LTP(n) mit dem LTP-Filter 540 verbunden
ist, dessen Ausgang r ^LPC(n) mit dem LPC-Filter 550 verbunden
ist, das eine Abschätzung ss ^(n)
des ursprünglichen
Sprachsignals s(n) erzeugt. Jedes abgeschätzte Signal ss ^(n) wird mit dem
ursprünglichen
Sprachsignal s(n) verglichen, und ein Differenzsignal e(n) wird
berechnet. Das Differenzsignal e(n) wird dann gewichtet 560,
um ein wahrgenommenes gewichtetes Fehlermaß ew(n)
zu berechnen. Der Satz von Parametern, der das kleinste wahrgenommene
gewichtete Fehlermaß ew(n) ergibt, wird zu der Empfangsseite 570 übertragen.
-
Wie
in 5C ersehen werden kann, ist das LPC-Residuum r ^LPC(n) der Ausgang von dem LTP-Filter 540.
Die SRC/RCM-Module 545 können somit direkt mit diesem
Ausgang verbunden und in den Sprachcodierer integriert werden. Das
LRE besteht aus dem festen Codebuch 530 und dem Langzeitprädiktor 540 und
das SSM besteht aus einem LPC-Filter 550, somit sind das
LRE-Modul und das SSM-Modul natürliche
Teile des Sprachdecoders.
-
Wenn
der Sprachcodierer andererseits ein Analyse-durch-Synthese-Sprachcodierer
ist, wo das LTP-Filter 540 in ein adaptives Codebuch 590 getauscht
ist, wie in 5B gezeigt, wird das LPC-Residuum
aus der r ^LPC(n) aus der Summe des adaptiven und
festen Codebuchs 590 und 530 ausgegeben. Sämtliche
anderen Elemente weisen die gleiche Funktion wie in 5A auf,
die den Analyse-durch-Synthese-Sprachcodierer mit einem LPT-Filter 500 zeigt.
Wie aus 5D ersehen werden kann, ist
das LPC-Residuum r ^LPC(n) die Summe des Ausgangs
aus dem adaptiven und festen Codebuch 590 und 530.
Die SRC/RCM-Module 545 können somit wieder direkt mit
diesem Ausgang verbunden und in den Sprachcodierer integriert werden,
wie in 5D gezeigt. Die LRE besteht
aus dem adaptiven und dem festen Codebuch 590 und 530,
und das SSM besteht aus einem LPC-Filter 550, womit das LRE-Modul
und das SSM-Modul wiederum natürliche Teile
des Sprachdecoders sind.
-
Wenn
der Sprachcodierer eine bestimmte Art einer Rückwärtsadaption aufweist, ist es
nicht machbar, Änderungen
in dem LPC-Residuum auszuführen,
da dies den Adaptionsprozess auf eine schädliche Weise beeinflussen würde. In 5E ist gezeigt, wie
die Parameter ss ^(n) von dem LPC-Filter 550 in diesen Fällen einem
inversen LPC-Filter 525 zugeführt werden können, das
nach dem Sprachdecoder platziert ist. Nachdem die Abtastratenkonversion
in den SRC/RCM-Modulen 540 ausgeführt worden ist, wird eine LPC-Filterung 550 durchgeführt, um
das Sprachsignal zu reproduzieren. Das LRE-Modul besteht aus dem
inversen LPC-Filter 525, und das SSM-Modul besteht aus
dem LPC-Filter 550.
-
In 5F ist
gezeigt, wie es möglich
ist, ein LPC-Residuum r ^LPC(n) durch eine
vollständige LPC-Analyse
zu erzeugen. Der Ausgang ss ^(n) aus dem Sprachdecoder wird sowohl
einem LPC-Analyseblock 520 als
auch einem inversen LPC-Filter 525 zugeführt. Nachdem
die Abtastratenkonversion in den SRC/RCM-Modulen 545 ausgeführt worden
ist, wird eine LPC-Filterung 550 durchgeführt, um
das Sprachsignal zu reproduzieren. Die LRE besteht in diesem Fall
aus der LPC-Analyse 520 bzw. dem inversen LPC-Filter 525,
und das SSM-Modul besteht aus dem LPC-Filter 550. Ein Durchführen einer LPC-Analyse
wird als für
eine Durchschnittsfachperson bekannt angesehen und wird deswegen
nicht weiter diskutiert.
-
Unter
Bezugnahme wiederum auf 4 sei angenommen, dass das SRC-Modul 400 entschieden
hat, dass ein Abtastwert in dem LPC-Residuum rLPC hinzuzufügen oder
zu entfernen ist, und dass das LRE-Modul 410 ein LPC-Residuum
rLPC erzeugt hat. Das RCM-Modul 420 muss
dann die exakte Position in dem LPC-Residuum rLPC finden,
wo ein Abtastwert hinzuzufügen
oder zu entfernen ist, und das Hinzufügen bzw. Entfernen durchführen. Es
sind vier unterschiedliche Verfahren vorhanden, damit das RCM-Modul 420 den
Einfügungs-
oder Löschungspunkt
findet.
-
Das
erste und einfachste Verfahren entfernt einen Abtastwert willkürlich oder
fügt diesen
hinzu, wann immer dies notwendig wird. Wenn die Abtastratendifferenz
zwischen den Endgeräten
klein ist, wird dies nur zu geringen Artefakten führen, da
das Hinzufügen
oder Entfernen sehr selten durchgeführt wird.
-
Durch
ein Einfügen
oder Entfernen von Abtastwerten an Positionen, wo das LPC-Residuum niedrig
ist, wird die Synthese weniger beeinflusst werden. Dies liegt an
der Tatsache, dass Segmente nahe der Teilungspulse dann vermieden
werden. Um diese Segmente einer niedrigen Energie zu finden, können entweder
ein Gleitfensterverfahren oder eine einfacherere Blockenergieanalyse
verwendet werden.
-
Das
zweite Verfahren, das als das Gleitfenster-Energieverfahren bezeichnet wird, berechnet
einen gewichteten Energiewert für
jeden Abtastwert in dem LPC-Residuum. Dies wird durch ein Multiplizieren
von k Abtastwerten, die einen Abtastwert umgeben, mit einer Fensterfunktion
einer Größe k (k<<N) ausgeführt, wobei N gleich die Anzahl
von Abtastwerten in dem LPC-Residuum ist. Jeder Abtastwert wird dann
quadriert, und die Summe der resultierenden k Werte wird berechnet.
Das Fenster wird um eine Position verschoben und die Prozedur wird
wiederholt. Die Position, wo Abtastwerte einzufügen oder zu entfernen sind,
ist durch den Abtastwert mit dem niedrigsten gewichteten Energiewert
gegeben.
-
Das
dritte Verfahren, eine Blockenergieanalyse, ist eine einfacherere
Lösung
zum Auffinden des Einfügungs-
oder Löschungspunkts.
Das LPC-Residuum wird einfach in Blöcke gleicher Länge geteilt, und
ein beliebiger Abtastwert wird in dem Block mit der niedrigsten
Energie entfernt oder hinzugefügt.
-
Das
vierte Verfahren, wie es in 6 veranschaulicht
ist, verwendet eine Kenntnis über
die Position P eines Teilungspulses und des Zeitabstands L zwischen
zwei Teilungspulsen. Mit der Kenntnis darüber ist es möglich, eine
Position P' zu berechnen, die
eine niedrige Energie aufweist, und wo es deswegen geeignet ist,
einen Abtastwert hinzuzufügen
oder zu entfernen. Die neue Position P' kann ausgedrückt werden als P' = P + k·L, wobei
die Konstante k so gewählt
ist, dass P' gewählt ist,
irgendwo in der Mitte zwischen den beiden Teilungspulsen zu liegen,
womit Positionen mit einer hohen Energie vermieden werden. Ein typischer
Wert von k ist in dem Bereich von 0,5 bis 0,8.
-
Wenn
das RCM-Modul 420 die Position berechnet hat, wo ein Abtastwert
hinzuzufügen
oder zu entfernen ist, muss bestimmt werden, wie die Einfügung oder
Löschung
durchzuführen
ist. Es sind drei Verfahren zum Einfügen oder zur Löschung in
Abhängigkeit
von dem Typ des LRE-Moduls, das verwendet wird, vorhanden.
-
Bei
dem ersten Verfahren werden entweder Nullen hinzugefügt oder
Abtastwerte mit kleinen Amplituden werden entfernt. Dieses Verfahren
kann für die
gesamte LRE-Lösung,
die oben beschrieben ist, verwendet werden, siehe 5C–5F.
Es sei darauf hingewiesen, dass in den 5C und 5D die
SRC/RCM-Module vor dem Synthesefilter SSM, aber nach der Rückkopplung
des LPC-Residuums in den LTP-Filter 540 bzw. das adaptive
Codebuch 590 platziert sind.
-
Bei
dem zweiten Verfahren wird eine Einfügung durch ein Hinzufügen von
Nullen und ein Interpolieren umgebender Abtastwerte ausgeführt. Eine Löschung wird
durch ein Entfernen von Abtastwerten und vorzugsweise ein Glätten umgebender
Abtastwerte durchgeführt.
Dieses Verfahren kann auch für sämtliche
der LRE-Lösungen,
die oben beschrieben sind, verwendet werden, siehe 5C–5F.
Es sei darauf hingewiesen, dass in der 5C und
FD die SRC/RCM-Module vor dem Synthesefilter SSM, aber nach der
Rückkopplung
des LPC-Residuums in das LTP-Filter 540 bzw. das adaptive
Codebuch 590 platziert sind.
-
Bei
dem dritten Verfahren sind die SRC/RCM-Module 545 innerhalb
der Rückkopplungsschleife
des Sprachdecoders platziert, siehe 5G–5J,
anstelle nach der Rückkopplungsschleife
wie bei den vorhergehenden Verfahren.
-
Ein
Platzieren der SRC/RCM-Module innerhalb der Rückkopplungsschleife verwendet
reale LPC-Residuums-Abtastwerte
für die
Abtasteratenkonversion, indem die Anzahl von Komponenten in dem
LPC-Residuum geändert
wird. Die Implementierung unterscheidet sich in Abhängigkeit
davon, ob es ein Analyse-durch-Synthese-Sprachcodierer mit einem
LTP-Filter, der
in 5A gezeigt ist, oder ein Analyse-durch-Synthese-Sprachcodierer
mit einem adaptiven Codebuch, der in 5B gezeigt
ist, der verwendet wird.
-
Für den Sprachdecoder
mit dem LTP-Filter, siehe 5A, können die
SRC/RCM-Module 545 innerhalb der Rückkopplungsschleife auf zwei
unterschiedliche Arten platziert werden, entweder innerhalb der
LTP-Rückkopplungsschleife,
wie in 5G gezeigt, oder an dem Ausgang
aus dem festen Codebuch 530, wie in 5H gezeigt.
Für den
Sprachdecoder mit dem adaptiven Codebuch, siehe 5B, können die
SRC/RCM auch auf zwei unterschiedliche Arten platziert werden, d.
h. entweder vor, 5J, oder nach, 5I,
der Summation der Ausgänge
aus dem adaptiven und dem festen Codebuch.
-
Die Änderungen
an dem LPC-Residuum bestehen aus einem Entfernen oder Hinzufügen von Abtastwerten
genau wie vorher, aber da die SRC/RCM-Module 545 innerhalb
der LTP-Rückkopplungsschleife
platziert sind, müssen
bestimmte Modifikationen ausgeführt
werden. Das Erweitern oder Kürzen
eines Segments kann auf drei Arten entweder an den jeweiligen Enden
des Segments oder irgendwo in der Mitte des Segments durchgeführt werden. 7 zeigt
den Fall, wo das LPC-Residuum
durch ein Kopieren zweier überlappender
Segmente, Segment 1 und Segment 2, von der Vorgeschichte des LPC-Residuums erweitert
wird, um das längere LPC-Residuum
zu schaffen. Der normale Fall, wenn keine Einfügung oder Löschung benötigt wird, wäre es, N
Abtastwerte zu kopieren. Ein Kürzen
des LPC-Residuums wird durch ein Kopieren zweier Segmente erreicht,
die eine Lücke
dazwischen aufweisen, anstatt dass sie sich überlappen. Wie zuvor ist es
wichtig, dass ein Teilungspuls nicht gedoppelt oder entfernt wird,
da dies wahrnehmbare Artefakte einführen würde. Somit sollte eine Analyse
durchgeführt
werden, um zu evaluieren, ob Segmente hinzuzufügen oder zu entfernen sind.
Diese Analyse wird vorzugsweise unter Verwendung der gleichen Verfahren
wie oben diskutiert hinsichtlich dessen ausgeführt, wie die Position aufzufinden
ist, wo ein Abtastwert in dem RCM-Modul hinzuzufügen oder zu entfernen ist.
-
Für sämtliche
Implementierungen außer dann,
wenn die SRC/RCM-Module 545 zwischen dem
festen Codebuch und dem LTP-Filter 540 platziert sind,
muss die Vorgeschichte des LPC-Residuums auch modifiziert werden.
Der Zeitabstand L wird für
den spezifischen Teil der Vorgeschichte, wo ein Abtastwert eingefügt oder
gelöscht
wird, erhöht
oder verringert werden. Somit bedarf die Startposition des Segments,
das von der Vorgeschichte des LPC-Residuums, ein Zeiger 1 oder ein
Zeiger 2 in 8, kopiert werden wird, einer
Modifikation. Wenn das zu kopierende Segment neuer ist, d. h. der
Fall des Zeigers 1, besteht kein Bedarf, die Startposition zu modifizieren.
Wenn jedoch das zu kopierende Segment älter ist, d. h. der Fall des
Zeigers 2, dann sollte der Zeiger in Abhängigkeit davon, ob ein Abtastwert
eingefügt
oder gelöscht
wird, erhöht
oder verringert werden. Dies muss für nachfolgende Unterrahmen
und Rahmen verwaltet werden, solange die Modifikation innerhalb
der Vorgeschichte des LPC-Residuums
ist.
-
Wenn
SRC/RCM-Module vor der Summation der Ausgänge von dem adaptiven und dem
festen Codebuch platziert sind, wie in 5J gezeigt,
muss die Länge
des festen Codebuchs auch geändert
werden. Dies wird durch ein Addieren eines Abtastwerts, vorzugsweise
eines Null-Abtastwerts, in dem Ausgang aus dem festen Codebuch oder
durch ein Entfernen einer der Komponenten ausgeführt. Die Einfügung und
Löschung in
dem festen Codebuch sollte mit der Einfügung und Löschung in dem adaptiven Codebuch
synchronisiert sein.
-
Indem
die Erfindung somit beschrieben ist, wird es offensichtlich sein,
dass dieselbe auf viele Arten variiert werden kann. Derartige Variationen
sind nicht als eine Abweichung von dem Umfang der Erfindung anzusehen,
und es ist beabsichtigt, dass sämtliche
derartige Modifikationen, wie sie Fachleuten offensichtlich sind,
in dem Umfang der folgenden Ansprüche enthalten sind.
