-
Gebiet der Erfindung
-
Die vorliegende Erfindung betrifft allgemein Audiocodiermethoden und insbesondere die wahrnehmungsbasierte Codierung von Audiosignalen, beispielsweise von Sprach- und Musiksignalen.
-
Hintergrund der Erfindung
-
Wahrnehmungs-Audiocodierer (PAC; Perceptual Audio Coders) versuchen, die Bitratenanforderung zur Speicherung oder Übertragung (oder von beiden) digitaler Audiodaten zu minimieren durch Anwenden hochentwickelter Hörmodelle und Signalverarbeitungsmethoden. Wahrnehmungs-Audiocodierer (PAC) sind beispielsweise beschrieben D. Sinha et al „The Perceptual Audio Coder“, Digital Audio, Section 42, 42-1 bis 42-18 (CRC Press1998), hier durch Bezugnahme inkorporiert. Bei nicht vorhandenden Kanalfehlern kann die PAC nahezu die Audioqualität einer Stereo-Kompakt-Disk (CD) bei einer Rate von etwa 128 kbps erreichen. Bei einer geringeren Rate von 96 kbps entspricht die erhaltene Qualität immer noch fast derjenigen einer Audio-CD für viele wichtige Typen von Audiomaterial.
-
Wahrnehmungs-Audiocodierer reduzieren die Informationsmenge, die benötigt wird, um ein Audiosignal darzustellen, indem die menschliche Wahrnehmung ausgenutzt und die wahrgenommene Verzerrung für eine gegebene Bitrate minimiert wird. Wahrnehmungs-Audiocodierer wenden zunächst eine Zeit-Frequenz-Umformung an, die zu einer kompakten Darstellung führt, gefolgt von einer Quantisierung der Spektralkoeffizienten. 1 ist ein schematisches Blockdiagramm eines herkömmlichen Wahrnehmungs-Audiocodierers 100. Wie in 1 gezeigt ist, enthält ein typischer Wahrnehmungs-Audiocodierer 100 eine Analysefilterbank 110, ein Wahrnehmungsmodell 120, einen Quantisier- und Codierblock 130 und einen Bitstrom-Codierer/Multiplexer 140.
-
Die Analysefilterbank 110 wandelt die Eingangsproben um in eine unterabgetastete Spektraldarstellung. Das Wahrnehmungsmodell 120 führt eine Abschätzung des maskierten Schwellenwerts des Signals durch. Für jeden Spektralkoeffizienten liefert der maskierte Schwellenwert einen maximalen Codierfehler, der in das Audiosignaleingeführt werden kann, so dass dieses immer noch eine für die Wahrnehmung transparente Signalqualität beibehält. Der Quantisier- und Codierblock 130 quantisiert und codiert die Vorfilter-Ausgangsproben gemäß der Präzision, die der maskierten Schwellenwertabschätzung entspricht. Damit wird das Quantisierungsrauschen durch das betreffende gesendete Signal verborgen. Schließlich werden die codierten Vorfilter-Ausgangsproben sowie zusätzliche Nebeninformationen in einen Bitstrom gepackt und dem Decodierer über einen Bitstrom-Codierer/Multiplexer zugeleitet.
-
2 ist ein schematisches Blockdiagramm eines konventionellen Wahrnehmungs-Audiodecodierers 200. Wie in 2 gezeigt ist, enthält der Wahrnehmungs-Audiodecodierer 200 einen Bitstrom-Decodierer/Demultiplexer 210, einen Decodier- und Invers-Quantisierblock 220 sowie eine SyntheseFilterbank 230. Der Bitstrom-Decodier/Demultiplexer 210 analysiert und decodiert den Bitstrom, was codierte Vorfilter-Ausgangsproben und Nebeninformation liefert. Der Decodier- und Invers-Quantisierblock 220 führt eine Decodierung und eine inverse Quantisierung der quantisierten Vorfilter-Ausgangsproben durch. Die Synthesen-Filterbank 230 transformiert die Vorfilter-Ausgangsproben zurück in den Zeitbereich.
-
Grundsätzlich wird die Informationsmenge, die zum Darstellen eines Audiosignals benötigt wird, mit Hilfe zweier bekannter Methoden reduziert, nämlich der Irrelevanzreduktion und der Redundanzbeseitigung. Methoden der Irrelevanzreduktion versuchen, solche Teile des Audiosignals zu beseitigen, die nach dem Codieren für die Wahrnehmung eines Zuhörers ohne Bedeutung sind. Dieses allgemeine Konzept ist z.B. in dem
US-Patent 5 341 457 mit dem Titel “Perceptual Coding of Audio Signals"von J. L. Hall und J. D. Johnston beschrieben, erteilt am 23. August 1994, hier durch Bezugnahme inkorporiert.
-
Derzeit verwenden die meisten Audiotransformations-Codierschemata, die mit der Analysefilterbank 110 zum Umwandeln der Eingangsproben in eine unterabgetastete Spektraldarstellung implementiert sind, eine einzige Spektralzerlegung sowohl für die Irrelevanzreduktion als auch die Redundanzreduktion. Die Redundanzreduktion wird erhalten durch dynamisches Steuern der Quantisierer in dem Quantisier- und Codierblock 130 für individuelle spektrale Komponenten gemäß den Wahrnehmungskriterien, die in dem psychoakkustischen Modell 120 enthalten sind. Dies führt zu einem vorübergehenden und spektralförmigen Quantisierungsfehler nach der inversen Transformation im Empfänger 200. Wie in 1 und 2 gezeigt ist, steuert das psychoakkustische Modell 120 die Quantisierer 130 für die Spektralkomponenten und den entsprechenden Dequantisierer 220 innerhalb des Decodierers 200. Damit muss die dynamische Quantisierer-Steuerinformation von dem Wahrnehmungs-Audiocodierer 100 als Teil der Nebeninformation zusätzlich zu den quantisierten Spektralkomponenten übertragen werden.
-
Die Redundanzreduktion basiert auf der Dekorrelationseigenschaft der Transformation. Bei Audiosignalen mit starker temporaler Korrelation führt diese Eigenschaft zu einer Konzentration der Signalenergie in einer relativ geringen Anzahl von Spektralkomponenten und verringert damit die zu übertragende Informationsmenge. Durch Anwenden geeigneter Codiermethoden, beispielsweise der adaptiven Huffmancodierung, führt dies zu einer äußerst effizienten Signaldarstellung.
-
Ein Problem bei Audiotransformations-Codierschemata ist die Auswahl der optimalen Transformationslänge. Die optimale Transformationslänge steht direkt in Beziehung zu der Frequenzauflösung. Für relativ stationäre Signale ist eine lange Transformation mit hoher Frequenzauflösung wünschenswert, so dass ein genaue Formung des Quantisierfehlerspektrums sowie eine starke Redundanzreduktion erreicht wird. Für Transienten in dem Audiosignal hat allerdings eine kürzere Transformation Vorteile aufgrund ihrer höheren temporalen Auflösung. Dies ist vornehmlich notwendig, um eine temporale Spreizung der Quantisierfehler zu vermeiden, die möglicherweise zu Echos in dem dekodierten Signal führen.
-
Wie allerdings in 1 gezeigt ist, machen herkömmliche Wahrnehmungs-Audiocodierer 100 typischerweise Gebrauch von einer einzelnen Spektralzerlegung sowohl für die Irrelevanzreduktion als auch die Redundanzreduktion. Damit müssen die spektrale/temporale Auflösung für die Redundanzreduktion und die Irrelevanzreduktion gleich sein. Während eine hohe Spektralauflösung ein hohes Maß an Redundanzreduktion liefert, führt die resultierende lange Transformationsfenstergröße zu Wortumbildungs-Artefakten, was die Irrelevanzreduktion beeinträchtigt. Es besteht folglich Bedarf an Verfahren und Vorrichtungen zum Codieren von Audiosignalen, die eine unabhängige Auswahl von Spektral- und Temporalauflösungen für die Redundanzreduktion und die Irrelevanzreduktion ermöglichen. Weiterhin besteht Bedarf an Verfahren und Vorrichtungen zum Codieren von Sprache sowie von Musiksignalen unter Verwendung eines psychoakkustischen Modells (eines Rauschformfilters) sowie einer Transformation.
-
Zusammenfassung der Erfindung
-
Die Erfindung stellt ein Verfahren zum Codieren eines Signals gemäß Anspruch 1 bereit. Die Erfindung stellt ferner ein Verfahren zum Codieren eines Signals gemäß Anspruch 6 bereit. Die Erfindung stellt auch einen Codierer gemäß Anspruch 13 bereit. Die Erfindung stellt ferner einen Codierer gemäß Anspruch 14 bereit.
-
Grundsätzlich wird ein Wahrnehmungs-Audiocodierer zum Codieren von Audiosignalen, beispielsweise Sprache oder Musik, mit unterschiedlichen spektralen und temporalen Auflösungen für die Redundanzreduktion und die Irrelevanzreduktion offenbart. Der hier offenbarte Wahrnehmungs-Audiocodierer separiert das psychoakkustische Modell (Irrelevanzreduktion) von der Redundanzreduktion bis zum möglichen Ausmaß. Das Audiosignal wird zunächst einer Spektralformung mit Hilfe eines Vorfilters unterzogen, welches von einem psychoakkustischen Modell gesteuert wird. Die Vorfilter-Ausgangsprobenwerden anschließend zum Minimieren des mittleren quadratischen Fehlers (MSE) über dem Spektrum quantisiert und codiert.
-
Gemäß einer beschriebenen Anordnung verwendet der offenbarte Wahrnehmungs-Audiocodierer fixe Quantisierstufengrößen, da die spektrale Formung mit Hilfe des Vorfilters vor der Quantisierung und Codierung ausgeführt wird. Damit braucht zu dem Decoder keine zusätzliche Quantisiersteuerinformation übertragen zu werden, was eine Einsparung an gesendeten Bits ermöglicht.
-
Das offenbarte Vorfilter und das dazugehörige Postfilter innerhalb des Wahrnehmungs-Audiodecodierers unterstützen die passende frequenzabhängige temporale und spektrale Auflösung für die Irrelevanzreduktion. Eine Filterstruktur, die auf einer Frequenzverzerrungsmethode basiert, ermöglicht den Filterentwurf basierend auf einer nicht linearen Frequenzskala.
-
Die Kennwerte des Vorfilters können angepasst werden an die maskierten Schwellenwerte (wie sie von dem psychoakkustischen Modell generiert werden), wobei mit bekannten Methoden aus der Sprachcodierung gearbeitet wird und lineare Vorhersagekoeffizienten (Linear-Vorhersage-Koeffizienten; Linear-Predicitive Coefficient) als Filterparameter dazu eingesetzt werden, die spektrale Füllkurve der Sprachsignale zu modellieren. In ähnlicher Weise können die Filterkoeffizienten in effizienter Weise unter Verwendung des Postfilters unter Einsatz bekannter Methoden aus der Sprachcodierer zu dem Decodiererübertragen werden, beispielsweise mit Hilfe einer Linienspektralpaare-Darstellung (Linienspektralpaare; Line Spectral Pairs), der temporalen Interpolation oder der vektralen Quantisierung.
-
Ein umfassenderes Verständnis der Erfindung sowie ein Verständnis weiterer Merkmale und Vorteile der vorliegenden Erfindung lassen sich durch Bezugnahme auf die folgende detaillierte Beschreibung und die Zeichnungen gewinnen.
-
Figurenliste
-
- 1 ist ein schematisches Blockdiagramm eines herkömmlichen Wahrnehmungs-Audiocodierers;
- 2 ist ein schematisches Blockdiagramm eines herkömmlichen Wahrnehmungs-Audiodecodierers entsprechend dem in 1 gezeigten Wahrnehmungs-Audiocodierer;
- 3 ist ein schematisches Blockdiagramm eines Wahrnehmungs-Audiocodierers gemäß der Erfindung mit entsprechendem Wahrnehmungs-Audiodecodierer;
- 4 zeigt einen nicht rekursiven Vorhersager der Ordnung P und den entsprechenden rekursiven Vorhersager;
- 5 veranschaulicht einen Allpassfilter erster Ordnung; und
- 6 ist ein schematisches Diagramm eines nicht rekursiven Filters und des entsprechenden rekursiven Filters mit einer Frequenzverzerrung gemäß einer Ausführungsform der Erfindung.
-
Detaillierte Beschreibung
-
3 ist ein schematisches Blockdiagramm eines Wahrnehmungs-Audiocodierers 300 gemäß der Erfindung mit dazugehörigem Wahrnehmungs-Audiodecodierer 350 zum Übertragen eines Audiosignals, beispielsweise Sprache oder Musik. Während die vorliegende Erfindung unter Zuhilfenahme von Audiosignalen veranschaulicht wird, sei angemerkt, dass die Erfindung auch auf die Codierung anderer Signale angewendet werden kann, beispielsweise für die zeitliche, die spektrale und die räumliche Empfindlichkeit des menschlichen Sehapparats, wie dies dem Fachmann durch die vorliegende Offenbarung verdeutlicht wird.
-
Gemäß einem Merkmal der vorliegenden Erfindung trennt der Wahrnehmungs-Audiocodierer 300 das psychoakkustische Modell (Irrelevanzreduktion) in größtmöglichem Ausmaß von der Redundanzreduktion. Damit führt der Wahrnehmungs-Audiocodierer 300 zunächst eine Spektralformung des Audiosignals unter Einsatz eines Vorfilters 310 durch, welches von einem psychoakkustischen Modell 315 gesteuert wird. Bezüglich einer detaillierten Diskussion geeigneter psychoakkustischer Modelle sei beispielsweise verwiesen auf D. Sinha et al.; „The Perceptual Audio Coder“, Digital Audio, Section 42, 42-1 bis 42-18 (CRC Press 1998), hier durch Bezugnahme inkorporiert. In ähnlicher Weise invertiert innerhalb des Wahrnehmungs-Audiodecodierers 350 ein von dem psychoakkustischen Modell 315 gesteuertes Nachfilter 318 den Effekt des Vorfilters 310. Wie in 3 gezeigt ist, muss die Filter-Steuerinformation innerhalb der Nebeninformation zusätzlich zu den quantisierten Proben übertragen werden.
-
Quantisierer/Codierer
-
Die Vorfilter-Ausgangsproben werden in der Stufe 320 quantisiert und codiert. Wie weiter unten diskutiert wird, erfolgt die Redundanzreduktion durch den Quantisierer/Codierer 320 und minimiert das mittlere Fehlerquadrat über dem Spektrum.
-
Da das Vorfilter 310 eine spektrale Formung vor dem Quantisieren und Codieren vornimmt, kann der Quantisierer/Codierer 320 feste Quantisierstufengrößen verwenden. Damit braucht eine zusätzliche QuantisierSteuerinformation, beispielsweiseindividuelle Skalenfaktoren für unterschiedliche Bereiche des Spektrums, nicht an den Wahrnehmungs-Audiodecodierer 350 übertragen zu werden.
-
Die Quantisierer/Codiererstufe 320 kann von bekannten Codiermethoden Gebrauch machen, beispielsweise dem adaptiven Huffmancode. Wenn ein Transformations-Codierschema von dem Quantisierer/Codierer 320 auf das vorgefilterte Signal angewendet wird, lassen sich die spektrale und die zeitliche Auflösung zur Erzielung einer maximalen Codierverstärkung unter dem Kriterium des mittleren Fehlerquadrats voll optimieren. Wie unten diskutiert wird, erfolgt die Wahrnehmungs-Rauschformung durch das Nachfilter 380. Unter der Annahme, dass die durch die Quantisierung eingeführten Verzerrungen additives weißes Rauschen sind, wird die zeitliche und spektrale Struktur des Rauschens am Ausgang des Dekodierers 350 vollständig durch die Kennwerte des Nachfilters 380 bestimmt. Es sei angemerkt, dass die Quantisier-/Codier-Stufe 320 eine Filterbank wie z.B. die Analysefilterbank 110 nach 1 enthalten kann. In ähnlicher Weise kann die Decodier-/Dequantisier-Stufe 360 eine Filterbank enthalten, so z.B. die Synthesefilterbank 230 nach 2.
-
Auf psychoakkustischem Modell basierendes Vorfilter/Nachfilter
-
Eine Implementierung des Vorfilters 310 und des Nachfilters 380 wird weiter unten im Abschnitt mit dem Titel „Aufbau des Vorfilters und des Nachfilters“ diskutiert. Wie unten ausgeführt ist, ist es vorteilhaft, wenn die Struktur des Vorfilters 310 und des Nachfilters 380 auch die passende frequenzabhängige zeitliche und spektrale Auflösung besitzt. Deshalb wird eine auf der Frequenzverzerrungsmethode basierende Filterstruktur verwendet, die einen Filterentwurf im nicht-linearen Frequenzmaßstab ermöglicht.
-
Zur Anwendung der Frequenzverzerrungsmethode („Frequency Warping“) müssen die maskierten Schwellenwerte folgendermaßen in eine passende nicht-lineare (d.h. verzerrte oder verzogene) Frequenzskala transformiert werden. Im Allgemeinen lautet die zur Gewinnung der Filterkoeffizienten g geeignete Prozedur:
- - Die Anwendung des psychoakkustischen Modells liefert einen maskierten Schwellenwert als Leistung (Dichte) über der Frequenz.
- - Eine nicht-lineare Transformation der Frequenzskala gemäß der Frequenzverzerrung liefert, wie unten diskutiert wird, einen transformierten maskierten Schwellenwert.
- - Die Anwendung von Linear-Vorhersage-Koeffizienten-Analyse-/Modellmethoden liefert Linear-Vorhersage-Koeffizienten-Filterkoeffizienten h, die sich mit Hilfe einer Transformation in Gitterkoeffizienten oder Linienspektralpaare quantisieren und kodieren lassen.
- - Zur Verwendung in der 6 gezeigten verzerrten Filterstruktur müssen die Linear-Vorhersage-Koeffizienten-Filterkoeffizienten h in Filterkoeffizienten g umgewandelt werden.
-
Die Kennwerte des Filters 310 lassen sich an die maskierten Schwellenwerte (die von dem psychoakkustischen Modell 315 generiert werden) mit Hilfe aus der Sprachcodierung bekannter Methoden adaptieren, wobei zum Modellieren der spektralen Hüllkurve des Sprachsignals Linear-Vorhersage-Koeffizienten-Filterparameter verwendet werden. Bei herkömmlichen-Sprachcodiermethoden werden Linear-Vorhersage-Koeffizienten-Filterparameter üblicherweise derart erzeugt, dass die spektrale Hüllkurve des Analysefilter-Ausgangssignals maximal flach ist. Anders ausgedrückt: der Amplitudengang des Linear-Vorhersage-Koeffizienten-Analysefilters ist eine Approximation der Inversen der Eingangsspektralhüllkurve. Die Originalhüllkurve des Eingangsspektrums wird in den Decodierer von dem Linear-Vorhersage-Koeffizienten-Synthesefilter rekonstruiert. Deshalb muss dessen Amplitudengang eine Approximation der Eingangs-Spektralhüllkurvesein. Bezüglich einer detaillierteren Diskussion dieser herkömmlichen Sprachcodiermethoden sei z.B. verwiesen auf W. B. Kleijn und K. K. Paliwal „an Introduction to SpeechCoding“ in Speech Coding and Synthesis, Amsterdam: Elsevier (1995), hier durch Bezugnahme inkorporiert.
-
In ähnlicher Weise sollten die Amplitudengänge des psychoakkustischen Nachfilters 380 und des Vorfilters 310 dem maskierten Schwellenwert bzw. dem Inversen davon entsprechen. Aufgrund dieser Ähnlichkeit lassen sich bekannte Linear-Vorhersage-Koeffizienten-Analysemethoden anwenden, wie sie hier modifiziert sind. Insbesondere werden die bekannten Linear-Vorhersage-Koeffizienten-Analysemethoden derart modifiziert, dass die maskierten Schwellenwerte anstelle der Kurzzeit-Spektren verwendet werden. Darüber hinaus muss für das Vorfilter 310 und das Nachfilter 380 nicht nur die Form der Spektralhüllkurve berücksichtigt werden, sondern in das Modell muss auch der durchschnittliche Pegel Eingang finden. Erreicht werden kann dies durch einen Verstärkungsfaktor in dem Nachfilter 380, welcher den durchschnittlichen maskierten Schwellenwert repräsentiert, außerdem dessen inverser Wert innerhalb des Vorfilters 310.
-
In ähnlicher Weise können die Filterkoeffizienten mit Hilfe gut eingeführter Methoden aus der Sprachcodierung effizient übermittelt werden, beispielsweise mittels Linienspektralpaare-Darstellung (Linienspektralpaare = Line Spectral Pairs), zeitliche Interpolation oder Vektorquantisierung. Bezüglich einer detaillierteren Diskussion derartiger Sprachcodiermethoden sei beispielsweise verwiesen auf F. K. Soong und B.-H. Juang, „Line Spectrum Pair (Linienspektralpaare) and Speech Data Compression“, in Proc. ICASSP (1984), hier durch Bezugnahme inkorporiert.
-
Ein bedeutender Vorteil des Vorfilterkonzepts gemäß der Erfindung gegenüber den üblichen Transformations-Audiocodiermethoden ist die größere Flexibilität in der zeitlichen und spektralen Adaption an die Form des maskierten Schwellenwerts. Deshalb sollten die Eigenschaften des menschlichen Gehörs bei der Auswahl der Filterstrukturen berücksichtigt werden. Bezüglich einer detaillierten Diskussion der Eigenschaften der Maskiereffekte sei z.B. verwiesen auf
M. R. Schroeder et al. „Optimizing Digital Speech Coders By Exploiting Masking Properties Of The Human Ear", Journal of the Acoust. Soc., Am., V 66, 1647-1652 (Dezember 1979); und
J. H. Hall „Auditory Psychophysics for Coding Applications", The Digital Signal Processing Handbook",(V. Madisetti and D. B. Williams, Hrsg.), 39-1; 39-22, CRC Press, IEEE Press, 1998, hier durch Bezugnahme inkorporiert.
-
Grundsätzlich ist das zeitliche Verhalten gekennzeichnet durch eine relative kurze Anstiegszeit noch vor dem Entstehen eines Maskiertons (Maske) und einem längeren Abklingen nach dem Ausschalten. Das tatsächliche Ausmaß des Maskiereffekts hängt auch ab von der Maskiererfrequenz, die zu einer Erhöhung der zeitlichen Auflösung bei höherer Frequenz führt.
-
Bei stationären Einzeltonmaskierern ist die spektrale Form des maskierten Schwellenwerts um die Maskiererfrequenz gespreizt, wobei ein größerer Anteil in Richtung höherer Frequenzen als in Richtung niedrigerer Frequenzen vorhanden ist. Beide Steigungen hängen in starkem Maße ab von der Maskierfrequenz, welche zu einer Abnahme der Frequenzauflösung bei höherer Maskiererfrequenz führt. Allerdings sind auf der nicht-linearen „Bark-Skala“ die Formen der maskierten Schwellenwerte nahezu frequenzunabhängig. Diese Bark-Skala deckt den Frequenzbereich Null „0“ bis 20 kHz mit 24 Einheiten (Bark) ab.
-
Während diese Kennwerte durch das psychoakkustische Modell 315 approximiert wurden, ist es von Vorteil, wenn die Struktur des Vorfilters 310 und des Nachfilters 380 auch die passende frequenzabhängige zeitliche und spektrale Auflösung unterstützt. Daher basiert, wie oben angedeutet, die ausgewählte Filterstruktur, die weiter unten noch beschrieben wird, auf einer Frequenzverzerrungstechnik, die die Möglichkeit bietet, das Filter auf einer nicht-linearen Frequenzskala zu entwerfen.
-
Struktur des Vorfilters und des Nachfilters
-
Das Vorfilter 310 und das Nachfilter 380 müssen die Form des maskierten Schwellenwerts in dem Decodierer 350 und dessen inverse Form in dem Codierer 300 modellieren. Die am weitesten verbreiteten Formen von Vorhersagern (Prediktoren) verwenden in dem Codierer 300 ein Minimalphasen-nicht-rekursiv-Filter (FIR-Filter = nicht rekursives Filter), was zu einem rekursiven Filter (einem rekursiven Filter) in dem Decodierer führt. 4 veranschaulicht einen nicht-rekursiven-Vorhersager 400 der Ordnung P und den entsprechenden rekursiven-Vorhersager 450. Der in 4 gezeigte Aufbau kann relativ einfach zeitlich variierend ausgebildet werden, da die aktuellen Koeffizienten in beiden Filtern gleich sind und sich daher synchron modifizieren lassen.
-
Zum Modellieren maskierter Schwellenwerte ist eine Darstellung mit der Möglichkeit erwünscht, unteren Frequenzen größere Details zu verleihen. Um eine solche ungleiche Auflösung über dem Frequenzbereich zu erreichen, kann in wirksamer Weise eine Frequenzverzerrungsmethode eingesetzt werden, die beispielsweise beschrieben ist in H. C. Strube, „Linear Prediction of a Warped Frequency Scale", J. Of the Acoust. Sock. Am. Vol. 68, 1071-1076 (1980), hier durch Bezugnahme inkorporiert. Diese Methode ist äußerst effizient in dem Sinne, dass eine Approximationsgenauigkeit für eine gegebene Filterordnung erreicht wird, die in enger Beziehung steht zu der erforderlichen Menge an Nebeninformation für die Adaption.
-
Im Allgemeinen basiert die Frequenzverzerrungsmethode auf dem Prinzip, welches auf dem Gebiet des Filterentwurfs aus Methoden ähnlich der Tiefpass-Tiefpass-Transformation oder der Tiefpass-Bandpass-Transformation bekannt ist. In einem diskreten Zeitsystem lässt sich eine äquivalente Transformation dadurch implementieren, dass jede Verzögerungseinheit durch einen Allpass ersetzt wird. Eine Frequenzskala, die die Nichtlinearität der Skala im „kritischen Band“ wiederspiegelt, ist die am besten geeignete. Vergleiche M. R. Schroeder et al. „Optimizing Digital Speech Codes By Exploiting Masking Properties Of the Human Ear", Journal of the Acoust. Soc. Am., v. 66, 1647.1652 (Dez. 1979)und U. K. Laine at al. „Warped Linear Prediction (WLP) in Speech and Audio Processing" IEEE Int. Conf. Acoustics, Speech, Signal Processing, III-349-III-352 (1994), jeweils hier durch Bezugnahme inkorporiert.
-
Grundsätzlich gilt, dass die Verwendung eines Allpassfilters 500 erster Ordnung gemäß 5 eine ausreichende Appproximationsgenauigkeit ergibt. Allerdings ist die direkte Substitution des Allpassfilters 500 erster Ordnung in das nicht-rekursive-Element 400 nach 4 nur für das Vorfilter 310 möglich. Da das Allpassfilter 500 erster Ordnung einen direkten Weg ohne Verzögerung zwischen seinem Eingang und seinem Ausgang besitzt, würde das Einsetzen des Allpassfilters 500 erster Ordnung in die Rückkopplungsstruktur des rekursiven Filters 450 nach 4 zu einer Schleife mit einer Null betragenden Verzögerung führen, deshalb ist eine Modifikation der Filterstruktur erforderlich. Um eine synchrone Adaption der Filterkoeffizienten im Codierer und im Decodierer zu ermöglichen, sollten beide Systeme in der im Folgenden beschriebenen Weise modifiziert werden.
-
Um das Problem der Null betragenden Verzögerung zu überwinden, werden die Verzögerungseinheiten der ursprünglichen Struktur (
4) ersetzt durch rekursive Filter erster Ordnung, die ausschließlich den Rückkopplungsteil des Allpassfilters
500 erster Ordnung enthalten, beschrieben in H. W. Strube, hier durch Bezugnahme auf das oben gesagte inkorporiert.
6 ist ein schematisches Diagramm eines nicht-rekursiven-Filters 600 und eines rekursiven Filters 650, die eine Frequenzverzerrung gemäß einer Ausführungsform der Erfindung aufweisen. Die Koeffizienten des Filters
600 müssen modifiziert werden, um die gleiche Frequenz wie eine Struktur mit Allpasseinheiten zu erhalten. Die Koeffizienten gk (0 [k [P) werden aus den ursprünglichen Linearvorhersage-Filterkoeffizienten durch folgende Transformation gewonnen.
-
Die Verwendung eines Allpasses erster Ordnung in dem nicht-rekursiven-Filter 600 führt zu folgender Abbildung der Frequenzskala:
-
Die Ableitung dieser Funktion lautet:
und gibt an, ob die Frequenzantwort des resultierenden Filters
600 komprimiert (µ > 1) oder gestreckt (µ < 1) erscheint. Der Verzerrungskoeffizient a sollte abhängig von der Abtastfrequenz ausgebildet werden. Bei 32 kHz beispielsweise ist ein Vezerrungskoeffizient mit dem Wert von 0,5 eine gute Wahl für die Vorfilteranwendung.
-
Es sei angemerkt, dass das Vorfilterverfahren gemäß der Erfindung auch für Audiodatei-Speicheranwendungen nützlich ist. Bei einer Audiodatei-Speicheranwendung lässt sich das Ausgangssignal des Vorfilters 310 direkt mit Hilfe eines fixen Quanitisierers quantisieren, und die resultierenden ganzzahligen Werte lassen sich mit Hilfe von verlustlosen Codiermethoden kodieren. Diese können aus Standard-Dateikompressionsmethoden oder Methode, die in hohem Maße optimiert sind zur verlustfreien Codierung von Audiosignalen, bestehen. Diese Vorgehensweise ermöglicht die Anwendbarkeit von Methoden, die bislang nur für die verlustfreie Kompression in Richtung einer Wahrnehmungs-Audiocodierung geeignet waren.
-
Es versteht sich, dass die hier dargestellten und beschriebenen Ausführungsformen und Abwandlungen lediglich beispielhaft sind für die Prinzipien der Erfindung, und dass verschiedene Abwandlungen vom Fachmann implementierbar sind, ohne vom Schutzumfang der Erfindung abzuweichen.