DE69133458T2 - Verfahren zur Sprachquantisierung und Fehlerkorrektur - Google Patents

Verfahren zur Sprachquantisierung und Fehlerkorrektur Download PDF

Info

Publication number
DE69133458T2
DE69133458T2 DE69133458T DE69133458T DE69133458T2 DE 69133458 T2 DE69133458 T2 DE 69133458T2 DE 69133458 T DE69133458 T DE 69133458T DE 69133458 T DE69133458 T DE 69133458T DE 69133458 T2 DE69133458 T2 DE 69133458T2
Authority
DE
Germany
Prior art keywords
speech
bits
spectral
segment
spectral envelope
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
DE69133458T
Other languages
English (en)
Other versions
DE69133458D1 (de
Inventor
John C. Sudbury Hardwick
Jae S. Winchester Lim
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Digital Voice Systems Inc
Original Assignee
Digital Voice Systems Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Digital Voice Systems Inc filed Critical Digital Voice Systems Inc
Application granted granted Critical
Publication of DE69133458D1 publication Critical patent/DE69133458D1/de
Publication of DE69133458T2 publication Critical patent/DE69133458T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/032—Quantisation or dequantisation of spectral components
    • G10L19/038—Vector quantisation, e.g. TwinVQ audio
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/005—Correction of errors induced by the transmission channel, if related to the coding algorithm
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/087—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters using mixed excitation models, e.g. MELP, MBE, split band LPC or HVXC
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0316—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude
    • G10L21/0364—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude for improving intelligibility
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/35—Unequal or adaptive error protection, e.g. by providing a different level of protection according to significance of source information or by adapting the coding according to the change of transmission channel characteristics
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/10—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a multipulse excitation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L21/0232—Processing in the frequency domain

Description

  • Diese Erfindung betrifft Verfahren zum Quantisieren von Sprache und zum Bewahren der Qualität von Sprache während der Anwesenheit von Bitfehlern.
  • Relevante Veröffentlichungen umfassen: J. L. Flanagan, Speech Analysis, Synthesis and Perception, Springer-Verlag 1972, S. 378–386 (erörtert einen Phasenvocoder – ein Frequenzbasis-Sprachanalyse-Synthese-System); Quatieri, et al., "Speech Transformations Based on a Sinusoidal Representation", IEEE TASSP, Band ASSP34, Nr. 6, Dez. 1986, S. 1449–1986 (erörtert ein Analyse-Synthese-Verfahren auf der Basis einer Sinusdarstellung); Griffin, "Multiband Excitation Vocoder", Ph. D. Thesis, M. I. T, 1987 (erörtert einen Mehrbandanregungs-Sprachcodierer mit 8000 bps); Griffin, et al., "A High Quality 9.6 kbps Speech Coding System", Proc. ICASSP 86, S. 125–128, Tokio, Japan, 13.–20. April 1986 (erörtert einen Mehrbandanregungs-Sprachcodierer mit 9600 bps); Griffin, et al., "A New Model-Based Speech Analysis/Synthesis System", Proc. ICASSP 85, S. 513–516, Tampa, FL., 26.–29. März 1985 (erörtert ein Mehrbandanregungs-Sprachmodell); Hardwick, "A 4.8 kbps Multi-Band Excitation Speech Coder", S. M. Thesis, M. I. T, Mai 1988 (erörtert einen Mehrbandanregungs-Sprachcodierer mit 4800 bps); McAulay et al., "Mid-Rate Coding Based on a Sinusoidal Representation of Speech", Proc. ICASSP 85, S. 945–948, Tampa, FL., 26.–29. März 1985 (erörtert eine Sprachcodierung auf der Basis einer Sinusdarstellung); Campbell et al., "The New 4800 bps Voice Coding Standard", Mil Speech Tech Conference, Nov. 1989 (erörtert eine Fehlerkorrektur in Sprachcodierern mit niedriger Rate); Campbell et al., "CELP Coding for Land Mobile Radio Applications", Proc. ICASSP 90, S. 465–468, Albequerque, NM. 3.–6. April 1990 (erörtert die Fehlerkorrektur in Sprachcodierern mit niedriger Rate); Levesque et al., Error Control Techniques for Digital Communication, Wiley, 1985, S. 157–170 (erörtert die Fehlerkorrektur im allgemeinen); Jayant et al., Digital Coding of Waveforms, Prentice-Hall, 1984 (erörtert die Quantisierung im allgemeinen); Makhoul, et al., "Vector Quantization in Speech Coding", Proc. IEEE, 1985, S. 1551–1588 (erörtert die Vektorquantisierung im allgemeinen); Jayant et al., "Adaptive Postfiltering of 16 kb/s-ADPCM Speech", Proc. ICASSP 86, S. 829–832, Tokio, Japan, 13.–20. April 1986 (erörtert die adaptive Nachfilterung von Sprache). Der Inhalt dieser Veröffentlichungen wird durch den Hinweis hierin aufgenommen.
  • Das Problem der Sprachcodierung (Komprimieren von Sprache in eine kleine Anzahl von Bits) weist eine große Anzahl von Anwendungen auf und hat folglich eine beträchtliche Aufmerksamkeit in der Literatur erlangt. Eine Klasse von Sprachcodierern (Vocodern), die ausgedehnt untersucht und in der Praxis verwendet wurden, basieren auf einem zugrundeliegenden Sprachmodell. Beispiele von dieser Klasse von Vocodern umfassen Vocoder mit linearer Vorhersage, homomorphe Vocoder und Kanalvocoder. In diesen Vocodern wird die Sprache auf Kurzzeitbasis als Reaktion eines linearen Systems, das durch eine periodische Impulsfolge für stimmhafte Töne oder statistisches Rauschen für stimmlose Töne angeregt wird, modellhaft dargestellt. Für diese Klasse von Vocodern wird die Sprache analysiert, indem zuerst die Sprache unter Verwendung eines Fensters wie z.B. eines Hamming-Fensters segmentiert wird. Dann werden für jedes Sprachsegment die Anregungsparameter und Systemparameter abgeschätzt und quantisiert. Die Anregungsparameter bestehen aus der Entscheidung stimmhaft/stimmlos und der Tonhöhenperiode. Die Systemparameter bestehen aus der Spektralhüllkurve oder der Impulsreaktion des Systems. Um Sprache zu rekonstruieren, werden die quantisierten Anregungsparameter verwendet, um ein Anregungssignal zu synthetisieren, das aus einer periodischen Impulsfolge in stimmhaften Bereichen oder statistischem Rauschen in stimmlosen Bereichen besteht. Dieses Anregungssignal wird dann unter Verwendung der quantisierten Systemparameter gefiltert.
  • Selbst wenn Vocoder auf der Basis dieses zugrundeliegenden Sprachmodells bei der Erzeugung von verständlicher Sprache ziemlich erfolgreich waren, waren sie bei der Erzeugung von Sprache mit hoher Qualität nicht erfolgreich. Folglich wurden sie für die Sprachcodierung mit hoher Qualität nicht umfangreich verwendet. Die schlechte Qualität der rekonstruierten Sprache liegt teilweise an der ungenauen Abschätzung der Modellparameter und teilweise an Begrenzungen im Sprachmodell.
  • Ein neues Sprachmodell, das als Mehrbandanregungs-(MBE)Sprachmodell bezeichnet wird, wurde von Griffin und Lim 1984 entwickelt. Sprachcodierer auf der Basis dieses neuen Sprachmodells wurden von Griffin und Lim 1986 entwickelt und von ihnen wurde gezeigt, daß sie in der Lage sind, Sprache mit hoher Qualität mit Raten oberhalb 8000 bps (Bits pro Sekunde) zu erzeugen. Die anschließende Arbeit von Hardwick und Lim erzeugte einen MBE-Sprachcodierer mit 4800 bps, der auch in der Lage war, Sprache mit hoher Qualität zu erzeugen. Dieser Sprachcodierer mit 4800 bps verwendete raffiniertere Quantisierungsverfahren, um eine ähnliche Qualität bei 4800 bps zu erzielen, die frühere MBE-Sprachcodierer bei 8000 bps erzielt hatten.
  • Der MBE-Sprachcodierer mit 4800 bps verwendete ein MBE-Analyse/Synthese-System, um die MBE-Sprachmodellparameter abzuschätzen und Sprache aus den abgeschätzten MBE-Sprachmodellparametern zu synthetisieren. Ein diskretes Sprachsignal, das mit s(n) bezeichnet wird, wird durch Abtasten eines analogen Sprachsignals erhalten. Dies wird typischerweise mit einer Abtastrate von 8 kHz durchgeführt, obwohl andere Abtastraten leicht durch eine problemlose Änderung der verschiedenen Systemparameter angepaßt werden können. Das System unterteilt das diskrete Sprachsignal in kleine überlappende Segmente oder Segmente durch Multiplizieren von s(n) mit einem Fenster w(n) (wie z.B. einem Hamming-Fenster oder einem Kaiser-Fenster), um ein Fenstersignal sw(n) zu erhalten. Jedes Sprachsegment wird dann analysiert, um einen Satz von MBE-Sprachmodellparametern zu erhalten, die dieses Segment charakterisieren. Die MBE-Sprachmodellparameter bestehen aus einer Grundfrequenz, die zur Tonhöhenperiode äquivalent ist, einem Satz von Entscheidungen stimmhaft/stimmlos, einem Satz von Spektralamplituden und wahlweise einem Satz von Spektralphasen. Diese Modellparameter werden dann unter Verwendung einer festen Anzahl von Bits für jedes Segment quantisiert. Die resultierenden Bits können dann verwendet werden, um das Sprachsignal zu rekonstruieren, indem zuerst die MBE-Modellparameter aus den Bits rekonstruiert werden und dann die Sprache aus den Modellparametern synthetisiert wird. Ein Blockdiagramm eines typischen MBE-Sprachcodierers ist in 1 gezeigt.
  • Der MBE-Sprachcodierer mit 4800 bps erforderte die Verwendung eines raffinierten Verfahrens, um die Spektralamplituden zu quantisieren. Für jedes Sprachsegment variierte die Anzahl von Bits, die verwendet werden konnten, um die Spektralamplituden zu quantisieren, zwischen 50 und 125 Bits. Außerdem variiert die Anzahl von Spektralamplituden für jedes Segment zwischen 9 und 60. Ein Quantisierungsverfahren wurde ausgedacht, das alle Spektralamplituden mit der Anzahl von Bits, die für jedes Segment zur Verfügung standen, effizient darstellen konnte. Obwohl dieses Spektralamplituden-Quantisierungsverfahren zur Verwendung in einem MBE-Sprachcodierer ausgelegt war, sind die Quantisierungsverfahren gleichermaßen in einer Anzahl von verschiedenen Sprachcodierverfahren nützlich, wie z.B. im Sinustransformationscodierer und im Oberwellencodierer. Für ein spezielles Sprachsegment bezeichnet L^ die Anzahl von Spektralamplituden in diesem Segment. Der Wert von L^ wird von der Grundfrequenz ω^0 gemäß der Beziehung
    Figure 00040001
    abgeleitet, wobei 0 ≤ β ≤ 1,0 die Sprachbandbreite relativ zur Hälfte der Abtastrate bestimmt. Die Funktion ⎣x⎦, auf die in Gleichung (1) Bezug genommen wird, ist gleich der größten ganzen Zahl, die kleiner als oder gleich x ist. Die L^ Spektralamplituden werden mit M^l für 1 ≤ l ≤ L^ bezeichnet, wobei M^l die Spektralamplitude mit der niedrigsten Frequenz ist und M^L die Spektralamplitude mit der höchsten Frequenz ist.
  • Die Spektralamplituden für das aktuelle Sprachsegment werden durch zuerst Berechnen eines Satzes von Vorhersageresten, die die Menge der Spektralamplituden angeben, die sich zwischen dem aktuellen Sprachsegment und dem vorherigen Sprachsegment geändert haben, quantisiert. Wenn L^0 die Anzahl von Spektralamplituden im aktuellen Sprachsegment bezeichnet und L^–1 die Anzahl von Spektralamplituden im vorherigen Sprachsegment bezeichnet, dann sind die Vorhersagereste T^l für 1 ≤ l ≤ L^0 gegeben durch:
    Figure 00050001
    wobei M l 0 die Spektralamplituden des aktuellen Sprachsegments bezeichnet und M l –1 die quantisierten Spektralamplituden des vorherigen Sprachsegments bezeichnet. Die Konstante γ ist typischerweise gleich 0,7, ein beliebiger Wert im Bereich von 0 ≤ γ ≤ 1 kann jedoch verwendet werden.
  • Die Vorhersagereste werden in Blöcke von K Elementen unterteilt, wobei der Wert von K typischerweise im Bereich von 4 ≤ K ≤ 12 liegt. Wenn L^ nicht gleichmäßig durch K teilbar ist, dann enthält der Block mit der höchsten Frequenz weniger als K Elemente. Dies ist in 2 für L^ = 34 und K = 8 gezeigt.
  • Jeder der Vorhersagerestblöcke wird dann unter Verwendung einer diskreten Cosinustransformation (DCT) transformiert, die definiert ist durch
  • Figure 00050002
  • Die Länge der Transformation für jeden Block J ist gleich der Anzahl von Elementen im Block. Daher werden alle bis auf den Block mit der höchsten Frequenz mit einer DCT mit der Länge K transformiert, während die Länge der DCT für den Block mit der höchsten Frequenz geringer als oder gleich K ist. Da die DCT eine invertierbare Transformation ist, legen die L^ DCT-Koeffizienten die Spektralamplituden-Vorhersagereste für das aktuelle Segment vollständig fest.
  • Die Gesamtzahl an Bits, die zum Quantisieren der Spektralamplituden zur Verfügung stehen, wird unter den DCT-Koeffizienten gemäß einer Bitzuweisungsregel aufgeteilt. Diese Regel versucht, den wahrnehmbar wichtigeren Niederfrequenzblöcken mehr Bits zu geben als den wahrnehmbar weniger wichtigen Hochfrequenzblöcken. Außerdem verteilt die Bitzuweisungsregel die Bits innerhalb eines Blocks an die DCT-Koeffizienten gemäß ihren relativen Langzeitvarianzen. Diese Methode gleicht die Bitzuweisung auf die Wahrnehmungseigenschaften von Sprache und auf die Quantisierungseigenschaften der DCT ab.
  • Jeder DCT-Koeffizient wird unter Verwendung der Anzahl von Bits, die durch die Bitzuweisungsregel festgelegt wird, quantisiert. Typischerweise wird eine gleichmäßige Quantisierung verwendet, eine ungleichmäßige oder Vektorquantisierung kann jedoch auch verwendet werden. Die Schrittweite für jeden Quantisierer wird aus der Langzeitvarianz der DCT-Koeffizienten und aus der Anzahl von Bits, die zum Quantisieren jedes Koeffizienten verwendet werden, bestimmt. Tabelle 1 zeigt die typische Variation der Schrittweite als Funktion der Anzahl von Bits für eine Langzeitvarianz gleich σ2.
  • Sobald jeder DCT-Koeffizient unter Verwendung der Anzahl von Bits, die durch die Bitzuweisungsregel festgelegt wird, quantisiert wurde, kann die binäre Darstellung in Abhängigkeit von der Anwendung übertragen, gespeichert usw. werden.
  • Figure 00060001
  • Figure 00070001
    Tabelle 1: Schrittweite von gleichmäßigen Quantisierern
  • Die Spektralamplituden können aus der binären Darstellung rekonstruiert werden, indem zuerst die quantisierten DCT-Koeffizienten für jeden Block rekonstruiert werden, die inverse DCT an jedem Block durchgeführt wird und sie dann mit den quantisierten Spektralamplituden des vorherigen Segments unter Verwendung des Inversen von Gleichung (2) kombiniert werden. Die inverse DCT ist gegeben durch
    Figure 00070002
    wobei die Länge J für jeden Block so gewählt wird, daß sie die Anzahl von Elementen in diesem Block ist, α(j) gegeben ist durch
  • Figure 00070003
  • Ein potentielles Problem bei dem MBE-Sprachcodierer mit 4800 bps besteht darin, daß die wahrgenommene Qualität der rekonstruierten Sprache signifikant verringert sein kann, wenn Bitfehler zur binären Darstellung der MBE-Modellparameter hinzugefügt werden. Da Bitfehler in vielen Sprachcodiereranwendungen existieren, muß ein robuster Sprachcodierer Bitfehler korrigieren, erkennen und/oder tolerieren können. Ein Verfahren, das als sehr erfolgreich festgestellt wurde, besteht darin, Fehlerkorrekturcodes in der binären Darstellung der Modellparameter zu verwenden. Fehlerkorrekturcodes ermöglichen, daß seltene Bitfehler korrigiert werden, und sie ermöglichen, daß das System die Fehlerrate abschätzt. Die Abschätzung der Fehlerrate kann dann verwendet werden, um die Modellparameter adaptiv zu verarbeiten, um den Effekt von irgendwelchen restlichen Bitfehlern zu verringern. Typischerweise wird die Fehlerrate durch Zählen der Anzahl von durch die Fehlerkorrekturcodes im aktuellen Segment korrigierten (oder erkannten) Fehlern und dann Verwenden dieser Information, um die aktuelle Abschätzung der Fehlerrate zu aktualisieren, abgeschätzt. Wenn beispielsweise jedes Segment einen (23,12)-Golay-Code enthält, der diese Fehler aus den 23 Bits korrigieren kann, und εT die Anzahl von Fehlern (0–3) bezeichnet, die im aktuellen Segment korrigiert wurden, dann wird die aktuelle Abschätzung der Fehlerrate, εR, gemäß:
    Figure 00080001
    aktualisiert, wobei β eine Konstante im Bereich von 0 ≤ β ≤ 1 ist, die die Anpassungsfähigkeit von εR steuert.
  • Wenn Fehlerkorrekturcodes oder Fehlererkennungscodes verwendet werden, werden die Bits, die die Sprachmodellparameter darstellen, in einen anderen Satz von Bits umgewandelt, die gegen Bitfehler unempfindlicher sind. Die Verwendung von Fehlerkorrektur- oder -erkennungscodes erhöht typischerweise die Anzahl von Bits, die übertragen oder gespeichert werden müssen. Die Anzahl von zusätzlichen Bits, die übertragen werden müssen, steht gewöhnlich mit der Unempfindlichkeit des Fehlerkorrektur- oder -erkennungscodes in Beziehung. In den meisten Anwendungen ist es erwünscht, die Gesamtzahl an Bits, die übertragen oder gespeichert werden, zu minimieren. In diesem Fall müssen die Fehlerkorrektur- oder -erkennungscodes ausgewählt werden, um die Gesamtsystemleistung zu maximieren.
  • Ein weiteres Problem in dieser Klasse von Sprachcodiersystemen besteht darin, daß Begrenzungen in der Abschätzung der Sprachmodellparameter eine Qualitätsverschlechterung in der synthetisierten Sprache verursachen können. Die anschließende Quantisierung der Modellparameter induziert eine weitere Verschlechterung. Diese Verschlechterung kann die Form einer nachhallenden oder gedämpften Qualität für die synthetisierte Sprache annehmen. Außerdem kann Hintergrundrauschen oder andere Artefakte vorliegen, die in der Originalsprache nicht vorhanden waren. Diese Form der Verschlechterung tritt selbst dann auf, wenn keine Bitfehler in den Sprachdaten vorhanden sind, Bitfehler können jedoch dieses Problem schlimmer machen. Typischerweise versuchen Sprachcodiersysteme, die Parameterabschätzer und Parameterquantisierer zu optimieren, um diese Form der Verschlechterung zu minimieren. Andere Systeme versuchen, die Verschlechterungen durch Nachfilterung zu verringern. Bei der Nachfilterung wird die Ausgangssprache in der Zeitdomäne mit einem adaptiven Allpolfilter gefiltert, um die Formatspitzen zu schärfen. Dieses Verfahren ermöglicht keine Feinsteuerung über den Spektralverbesserungsprozeß und es ist rechenaufwendig und ineffizient für Frequenzdomänen-Sprachcodierer.
  • Die hierin beschriebene Erfindung gilt für viele verschiedene Sprachcodierverfahren, die umfassen, aber nicht begrenzt sind auf lineare vorhersagende Sprachcodierer, Kanalvocoder, homomorphe Vocoder, Sinustransformationscodierer, Mehrbandanregungs-Sprachcodierer und Sprachcodierer mit verbesserter Mehrbandanregung (IMBE). Für den Zweck des Beschreibens dieser Erfindung im einzelnen verwenden wir den IMBE-Sprachcodierer mit 6,4 kbps, der vor kurzem als Teil des INMARSAT-M-(International Marine Satellite Organization)Satellitenkommunikationssystems normiert wurde. Dieser Codierer verwendet ein unempfindliches Sprachmodell, das als Mehrbandanregungs-(MBE)Sprachmodell bezeichnet wird.
  • Effiziente Verfahren zum Quantisieren der MBE-Modellparameter wurden entwickelt. Diese Verfahren sind in der Lage, die Modellparameter mit theoretisch jeglicher Bitrate oberhalb 2 kbps zu quantisieren. Der IMBE-Sprachcodierer mit 6,4 kbps, der im INMARSAT-M-Satellitenkommunikationssystem verwendet wird, verwendet eine Datenblockrate von 50 Hz. Daher stehen 128 Bits pro Datenblock zur Verfügung. Von diesen 128 Bits sind 45 Bits zur Vorwärtsfehlerkorrektur reserviert. Die restlichen 83 Bits pro Datenblock werden verwendet, um die MBE-Modellparameter zu quantisieren, die aus einer Grundfrequenz ω^0, einem Satz von V/UV-Entscheidungen v^k für 1 ≤ k ≤ K^ und einem Satz von Spektralamplituden M^l für 1 ≤ l ≤ L^ bestehen. Die Werte von K^ und L^ variieren in Abhängigkeit von der Grundfrequenz jedes Datenblocks. Die 83 verfügbaren Bits werden unter den Modellparametern aufgeteilt, wie in Tabelle 2 gezeigt.
  • Figure 00100001
    Tabelle 2: Bitzuweisung unter Modellparametern
  • Die Grundfrequenz wird durch zuerst Umwandeln derselben in ihre äquivalente Tonhöhenperiode unter Verwendung von Gleichung (7) quantisiert.
  • Figure 00100002
  • Der Wert von P^0 ist typischerweise auf den Bereich 20 ≤ P^0 ≤ 120 eingeschränkt, wobei eine Abtastrate von 8 kHz angenommen wird. In dem IMBE-System mit 6,4 kbps wird dieser Parameter unter Verwendung von 8 Bits und einer Schrittweite von 0,5 gleichmäßig quantisiert. Dies entspricht einer Tonhöhengenauigkeit von einem halben Abtastwert.
  • Die K^ V/UV-Entscheidungen sind binäre Werte. Daher können sie unter Verwendung eines einzelnen Bits pro Entscheidung codiert werden. Das System mit 6,4 kbps verwendet ein Maximum von 12 Entscheidungen und die Breite jedes Frequenzbandes ist gleich 3 ω^0. Die Breite des höchsten Frequenzbandes wird so eingestellt, daß es Frequenzen bis zu 3,8 kHz umfaßt.
  • Die Spektralamplituden werden durch Bilden eines Satzes von Vorhersageresten quantisiert. Jeder Vorhersagerest ist die Differenz zwischen dem Logarithmus der Spektralamplitude für den aktuellen Datenblock und dem Logarithmus der Spektralamplitude, die dieselbe Frequenz im vorherigen Sprachdatenblock darstellt. Die Spektralamplituden-Vorhersagereste werden dann in sechs Blöcke unterteilt, die jeweils ungefähr dieselbe Anzahl von Vorhersageresten enthalten. Jeder der sechs Blöcke wird dann mit einer diskreten Cosinustransformation (DCT) transformiert und die DC-Koeffizienten von jedem der sechs Blöcke werden zu einem Vorhersagerestblock-Mittelwert-(PRBA)Vektor mit 6 Elementen kombiniert. Der Mittelwert wird vom PRBA-Vektor subtrahiert und unter Verwendung eines ungleichmäßigen Quantisierers mit 6 Bits quantisiert. Der PRBA-Vektor mit Mittelwert Null wird dann unter Verwendung eines Vektorquantisierers mit 10 Bits vektorquantisiert. Das PRBA-Codebuch mit 10 Bits wurde unter Verwendung eines Clusteralgorithmus mit k Mittelwerten an einem großen Trainingssatz entworfen, der aus PRBA-Vektoren mit Mittelwert Null aus einer Vielfalt von Sprachmaterial bestand. Die DCT-Koeffizienten höherer Ordnung, die nicht im PRBA-Vektor enthalten sind, werden mit skalaren gleichmäßigen Quantisierern unter Verwendung der 59 – K^ restlichen Bits quantisiert. Die Bitzuweisungs- und Quantisiererschrittweiten basieren auf den Langzeitvarianzen der DCT-Koeffizienten höherer Ordnung.
  • Es bestehen verschiedene Vorteile für dieses Quantisierungsverfahren. Erstens stellt es eine sehr gute Wiedergabetreue unter Verwendung einer kleinen Anzahl von Bits bereit und es behält diese Wiedergabetreue bei, wenn L^ über seinen Bereich variiert. Außerdem liegen die Rechenanforderungen dieser Methode durchaus innerhalb der Grenzen, die für eine Echtzeitimplementierung unter Verwendung eines einzelnen DSP wie z.B. des AT&T DSP32C erforderlich sind. Schließlich trennt dieses Quantisierungsverfahren die Spektralamplituden in einige Komponenten, wie z.B. den Mittelwert des PRBA-Vektors, die gegen Bitfehler empfindlich sind, und eine große Anzahl von anderen Komponenten, die gegen Bitfehler nicht sehr empfindlich sind. Eine Vorwärtsfehlerkorrektur kann dann in einer effizienten Weise verwendet werden, indem ein hoher Grad an Schutz für die wenigen empfindlichen Komponenten und ein geringerer Grad an Schutz für die restlichen Komponenten bereitgestellt wird. Dies wird im nächsten Abschnitt erörtert.
  • EP-A-0336658 offenbart ein Vektorquantisierungssystem für Sprachcodierung, einschließlich der Darstellung einer Spektralhüllkurve mit glatter Amplitude durch die Amplitudenreaktion eines Allpol- oder Pol-Nullstellen-Modells.
  • Das Dokument "Adaptive postfiltering applied to speech in noise" von Robert J Conway et al., 1990 IEEE, offenbart die Filterung von Sprache, die durch Rauschen verfälscht wird, um die Verständlichkeit (anstatt die Qualität) der Sprache zu verbessern. Die Filterung verwendet ein Pol-Nullstellen-Filter mit Polen, die bei den Formantenfrequenzen angeordnet sind, und mit Nullen, die in den Tälern zwischen den Formanten angeordnet sind, wodurch die Bereiche des Spektrums, die die für die Verständlichkeit am meisten entscheidende Information enthalten, verbessert werden.
  • Gemäß der vorliegenden Erfindung umfaßt ein Verfahren zum Verbessern von Sprache das Aufteilen des Sprachsignals in Segmente, das Bestimmen von Frequenzdomänendarstellungen eines Segments, um eine Spektralhüllkurve des Segments bereitzustellen, das Erzeugen einer geglätteten Spektralhüllkurve des Segments, das Erzeugen einer verbesserten Spektralhüllkurve durch Vergrößern einiger Frequenzbereiche der Spektralhüllkurve, für die die Spektralhüllkurve eine größere Amplitude aufweist als die geglättete, und das Verkleinern einiger Frequenzbereiche, für die die Spektralhüllkurve eine geringere Amplitude aufweist als die geglättete Hüllkurve, und das Synthetisieren von Sprache aus der verbesserten Spektralhüllkurve.
  • Weitere Merkmale und Vorteile der Erfindung sind aus der folgenden Beschreibung von bevorzugten Ausführungsbeispielen und aus den Ansprüchen ersichtlich.
  • Kurzbeschreibung der Zeichnungen
  • 1–2 sind Diagramme, die Sprachcodierverfahren des Standes der Technik zeigen.
  • 3 ist ein Ablaufplan, der ein bevorzugtes Ausführungsbeispiel der Erfindung zeigt, bei dem die Spektralamplituden-Vorhersage jegliche Änderung der Grundfrequenz berücksichtigt.
  • 4 ist ein Ablaufplan, der ein bevorzugtes Ausführungsbeispiel der Erfindung zeigt, bei dem die Spektralamplituden in eine feste Anzahl von Blöcken unterteilt werden.
  • 5 ist ein Ablaufplan, der ein bevorzugtes Ausführungsbeispiel der Erfindung zeigt, bei dem ein Vorhersagerestblock-Mittelwertvektor gebildet wird.
  • 6 ist ein Ablaufplan, der ein bevorzugtes Ausführungsbeispiel der Erfindung zeigt, bei dem der Vorhersagerestblock-Mittelwertvektor vektorquantisiert wird.
  • 7 ist ein Ablaufplan, der ein bevorzugtes Ausführungsbeispiel der Erfindung zeigt, bei dem der Vorhersagerestblock-Mittelwertvektor mit einer DCT und einer Skalarquantisierung quantisiert wird.
  • 8 ist ein Ablaufplan, der ein bevorzugtes Ausführungsbeispiel des erfindungsgemäßen Codierers zeigt, wobei verschiedene Fehlerkorrekturcodes für verschiedene Modellparameterbits verwendet werden.
  • 9 ist ein Ablaufplan, der ein bevorzugtes Ausführungsbeispiel des erfindungsgemäßen Decodierers zeigt, wobei verschiedene Fehlerkorrekturcodes für verschiedene Modellparameterbits verwendet werden.
  • 10 ist ein Ablaufplan, der ein bevorzugtes Ausführungsbeispiel der Erfindung zeigt, wobei eine Verbesserung der Frequenzdomänen-Spektralhüllkurvenparameter dargestellt ist.
  • Beschreibung der bevorzugten Ausführungsbeispiele der Erfindung
  • Im Stand der Technik wurden die Spektralamplituden-Vorhersagereste unter Verwendung von Gleichung (2) gebildet. Dieses Verfahren berücksichtigt keine Veränderung der Grundfrequenz zwischen dem vorherigen Segment und dem aktuellen Segment. Um die Änderung der Grundfrequenz zu berücksichtigen, wurde ein neues Verfahren entwickelt, das zunächst die Spektralamplituden des vorherigen Segments interpoliert. Dies wird typischerweise unter Verwendung einer linearen Interpolation durchgeführt, es könnten jedoch auch verschiedene andere Interpolationsformen verwendet werden. Dann werden die interpolierten Spektralamplituden des vorherigen Segments bei den Frequenzpunkten, die den Vielfachen der Grundfrequenz des aktuellen Segments entsprechen, erneut abgetastet. Diese Kombination einer Interpolation und erneuten Abtastung erzeugt einen Satz von vorhergesagten Spektralamplituden, die hinsichtlich jeglicher Änderung der Grundfrequenz zwischen den Segmenten korrigiert wurden.
  • Typischerweise wird ein Bruchteil des Logarithmus mit der Basis Zwei der vorhergesagten Spektralamplituden von dem Logarithmus mit der Basis Zwei der Spektralamplituden des aktuellen Segments subtrahiert. Wenn eine lineare Interpolation verwendet wird, um die vorhergesagten Spektralamplituden zu berechnen, dann kann dies mathematisch ausgedrückt werden als:
    Figure 00140001
    wobei δl durch
    Figure 00150001
    gegeben ist, wobei γ eine Konstante ist, die 0 ≤ γ ≤ 1 unterliegt. Typischerweise gilt γ = 0,7, es können jedoch auch andere Werte für γ verwendet werden. Beispielsweise könnte γ von Segment zu Segment adaptiv verändert werden, um die Leistung zu verbessern. Die Parameter ω^ 0 / 0 und ω^ –1 / 0 in Gleichung (9) beziehen sich auf die Grundfrequenz des aktuellen Segments bzw. des vorherigen Segments. In dem Fall, in dem die zwei Grundfrequenzen gleich sind, ist das neue Verfahren identisch zum alten Verfahren. In anderen Fällen erzeugt das neue Verfahren einen Vorhersagerest mit niedrigerer Varianz als das alte Verfahren. Dies ermöglicht, daß die Vorhersagereste für eine gegebene Anzahl von Bits mit einer geringeren Verzerrung quantisiert werden.
  • In einem weiteren Aspekt der Erfindung wurde ein neues Verfahren entwickelt, um die Spektralamplituden-Vorhersagereste in Blöcke aufzuteilen. Bei dem alten Verfahren wurden die L^ Vorhersagereste aus dem aktuellen Segment in Blöcke von K Elementen aufgeteilt, wobei K = 8 ein typischer Wert ist. Unter Verwendung dieses Verfahrens wurde festgestellt, daß die Eigenschaften jedes Blocks für große und kleine Werte von L^ signifikant unterschiedlich sind. Dies verringerte die Quantisierungseffizienz, wodurch die Verzerrung der Spektralamplituden erhöht wurde. Um die Eigenschaften jedes Blocks gleichmäßiger zu machen, wurde ein neues Verfahren ausgedacht, das die L^ Vorhersagereste in eine feste Anzahl von Blöcken aufteilt. Die Länge jedes Blocks wird derart gewählt, daß alle Blöcke innerhalb eines Segments nahezu dieselbe Länge aufweisen und die Summe der Längen aller Blöcke innerhalb eines Segments gleich L^ ist. Typischerweise wird die Gesamtzahl der Vorhersagereste in 6 Blöcke aufgeteilt, wobei die Länge jedes Blocks gleich
    Figure 00150002
    ist. Wenn L^ nicht gleichmäßig durch 6 teilbar ist, dann wird die Länge von einem oder mehreren Blöcken mit höherer Frequenz um Eins erhöht, so daß alle Spektralamplituden in einem der sechs Blöcke enthalten sind. Dieses neue Verfahren ist in 4 für den Fall gezeigt, in dem 6 Blöcke verwendet werden und L^ = 34. Bei diesem neuen Verfahren ist der ungefähre Prozentsatz der in jedem Block enthaltenen Vorhersagereste von L^ unabhängig. Dies verringert die Variation der Eigenschaften jedes Blocks und es ermöglicht eine effizientere Quantisierung der Vorhersagereste.
  • Die Quantisierung der Vorhersagereste kann durch Bilden eines Vorhersagerestblock-Mittelwert-(PRBA)Vektors weiter verbessert werden. Die Länge des PRBA-Vektors ist gleich der Anzahl von Blöcken im aktuellen Segment. Die Elemente dieses Vektors entsprechen dem Mittelwert der Vorhersagereste innerhalb jedes Blocks. Da der erste DCT-Koeffizient gleich dem Mittelwert (oder DC-Wert) ist, kann der PRBA-Vektor aus dem ersten DCT-Koeffizienten aus jedem Block gebildet werden. Dies ist in 5 für den Fall gezeigt, in dem 6 Blöcke im aktuellen Segment vorliegen und L^ = 34 ist. Dieser Prozeß kann durch Bilden von zusätzlichen Vektoren aus dem zweiten (oder dritten, vierten usw.) DCT-Koeffizienten aus jedem Block verallgemeinert werden.
  • Die Elemente des PRBA-Vektors sind stark korreliert. Daher kann eine Anzahl von Verfahren verwendet werden, um die Quantisierung der Spektralamplituden zu verbessern. Ein Verfahren, das verwendet werden kann, um eine sehr geringe Verzerrung mit einer kleinen Anzahl von Bits zu erzielen, ist die Vektorquantisierung. Bei diesem Verfahren wird ein Codebuch konstruiert, das eine Anzahl von typischen PRBA-Vektoren enthält. Der PRBA-Vektor aus dem aktuellen Segment wird mit jedem der Codebuch-Vektoren verglichen, und derjenige mit dem geringsten Fehler wird als quantisierter PRBA-Vektor gewählt. Der Codebuchindex des gewählten Vektors wird verwendet, um die binäre Darstellung des PRBA-Vektors zu bilden. Es wurde ein Verfahren zur Durchführung der Vektorquantisierung des PRBA-Vektors entwickelt, das die Reihe eines ungleichmäßigen Quantisierers mit 6 Bits für den Mittelwert des Vektors und einen Vektorquantisierer mit 10 Bits für die restliche Information verwendet. Dieses Verfahren ist in 6 für den Fall gezeigt, in dem der PRBA-Vektor immer 6 Elemente enthält. Typische Werte für die Quantisierer mit 6 Bits und 10 Bits sind im beigefügten Anhang angegeben.
  • Ein alternatives Verfahren zur Quantisierung des PRBA-Vektors wurde ebenfalls entwickelt. Dieses Verfahren erfordert weniger Berechnung und Speicherung als das Verfahren der Vektorquantisierung. Bei diesem Verfahren wird der PRBA-Vektor zuerst mit einer DCT, wie in Gleichung (3) definiert, transformiert. Die Länge der DCT ist gleich der Anzahl von Elementen im PRBA-Vektor. Die DCT-Koeffizienten werden dann in einer Weise ähnlich der im Stand der Technik erörterten quantisiert. Zuerst wird eine Bitzuweisungsregel verwendet, um die Gesamtzahl der zur Quantisierung des PRBA-Vektors verwendeten Bits unter den DCT-Koeffizienten zu verteilen. Eine Skalarquantisierung (entweder gleichmäßig oder ungleichmäßig) wird dann verwendet, um jeden DCT-Koeffizienten unter Verwendung der durch die Bitzuweisungsregel festgelegten Anzahl an Bits zu quantisieren. Dies ist in 7 für den Fall gezeigt, in dem der PRBA-Vektor immer 6 Elemente enthält.
  • Verschiedene andere Verfahren können verwendet werden, um den PRBA-Vektor effizient zu quantisieren. Beispielsweise könnten andere Transformationen, wie z.B. die diskrete Fouriertransformation, die schnelle Fouriertransformation, die Karhunen-Louve-Transformation, anstelle der DCT verwendet werden. Außerdem kann die Vektorquantisierung mit der DCT oder einer anderen Transformation kombiniert werden. Die aus diesem Aspekt der Erfindung gewonnenen Verbesserungen können mit einer breiten Vielfalt von Quantisierungsverfahren verwendet werden.
  • In einem weiteren Aspekt wurde ein neues Verfahren zum Verringern der wahrnehmbaren Wirkung von Bitfehlern entwickelt. Fehlerkorrekturcodes werden wie im Stand der Technik verwendet, um seltene Bitfehler zu korrigieren und eine Abschätzung der Fehlerrate εR vorzusehen. Das neue Verfahren verwendet die Abschätzung der Fehlerrate, um die Entscheidungen stimmhaft/stimmlos zu glätten, um die wahrgenommene Wirkung von irgendwelchen restlichen Bitfehlern zu verringern. Dies wird durch zunächst Vergleichen der Fehlerrate mit einer Schwelle, welche die Rate bedeutet, bei der die Verzerrung von unkorrekten Bitfehlern in den Entscheidungen stimmhaft/stimmlos signifikant ist, durchgeführt. Der exakte Wert dieser Schwelle hängt von der Menge an Fehlerkorrektur ab, die auf die Entscheidungen stimmhaft/stimmlos angewendet wird, aber ein Schwellenwert von 0,003 ist typisch, wenn wenig Fehlerkorrektur angewendet wurde. Wenn die abgeschätzte Fehlerrate εR unter dieser Schwelle liegt, dann werden die Entscheidungen stimmhaft/stimmlos nicht gestört. Wenn εR über dieser Schwelle liegt, dann wird jede Spektralamplitude, für die die Gleichung (10) erfüllt ist, als stimmhaft deklariert.
  • Figure 00180001
  • Obwohl Gleichung (10) einen Schwellenwert von 0,003 annimmt, kann dieses Verfahren leicht modifiziert werden, um andere Schwellenwerte anzunehmen. Der Parameter SE ist ein Maß für die lokale mittlere Energie, die in den Spektralamplituden enthalten ist. Dieser Parameter wird typischerweise bei jedem Segment gemäß:
    Figure 00180002
    aktualisiert, wobei R0 durch
    Figure 00180003
    gegeben ist.
  • Der Anfangswert von SE wird auf einen willkürlichen Anfangswert im Bereich von 0 ≤ SE ≤ 10000,0 gesetzt. Der Zweck dieses Parameters besteht darin, die Abhängigkeit von Gleichung (10) vom mittleren Signalpegel zu verringern. Dies gewährleistet, daß das neue Verfahren für Signale mit niedrigem Pegel ebenso gut funktioniert wie für Signale mit hohem Pegel.
  • Die speziellen Formen der Gleichungen (10), (11) und (12) und die innerhalb von diesen enthaltenen Konstanten können leicht modifiziert werden, während die wesentlichen Bestandteile des neuen Verfahrens beibehalten werden. Die Hauptbestandteile dieses neuen Verfahrens sind zunächst die Verwendung einer Abschätzung der Fehlerrate, um festzustellen, ob die Entscheidungen stimmhaft/stimmlos geglättet werden müssen. Wenn eine Glättung erforderlich ist, werden die Entscheidungen stimmhaft/stimmlos gestört, so daß alle Spektralamplituden mit hoher Energie als stimmhaft deklariert werden. Dies beseitigt jegliche hochenergetischen Übergänge von stimmhaft zu stimmlos oder stimmlos zu stimmhaft zwischen den Segmenten, und es verbessert folglich die wahrgenommene Qualität der rekonstruierten Sprache in Gegenwart von Bitfehlern.
  • In unserer Erfindung teilen wir die quantisierten Sprachmodellparameterbits gemäß ihrer Empfindlichkeit gegen Bitfehler in drei oder mehr verschiedene Gruppen auf und dann verwenden wir verschiedene Fehlerkorrektur- oder -erkennungscodes für jede Gruppe. Typischerweise wird die Gruppe von Datenbits, die als am empfindlichsten gegen Bitfehler bestimmt wird, unter Verwendung von sehr wirksamen Fehlerkorrekturcodes geschützt. Weniger wirksame Fehlerkorrektur- oder -erkennungscodes, die weniger zusätzliche Bits erfordern, werden verwendet, um die weniger empfindlichen Datenbits zu schützen. Dieses neue Verfahren ermöglicht, daß die Menge an Fehlerkorrektur oder -erkennung, die jeder Gruppe gegeben wird, auf ihre Empfindlichkeit gegen Bitfehler abgestimmt wird. Verglichen mit dem Stand der Technik besitzt dieses Verfahren den Vorteil, daß die durch Bitfehler verursachte Verschlechterung verringert wird und die Anzahl der für eine Vorwärtsfehlerkorrektur erforderlichen Bits ebenfalls verringert wird.
  • Die spezielle Wahl der Fehlerkorrektur- oder -erkennungscodes, die verwendet wird, hängt von der Bitfehlerstatistik des Übertragungs- oder Speichermediums und der gewünschten Bitrate ab. Die empfindlichste Gruppe von Bits wird typischerweise mit einem wirksamen Fehlerkorrekturcode, wie z.B. einem Hamming-Code, einem BCH-Code, einem Golay-Code oder einem Reed-Solomon-Code, geschützt. Weniger empfindliche Gruppen von Datenbits können diese Codes oder einen Fehlererkennungscode verwenden. Schließlich können die am wenigsten empfindlichen Gruppen Fehlerkorrektur- oder -erkennungscodes verwenden oder sie können keine Form einer Fehlerkorrektur oder -erkennung verwenden. Die Erfindung wird hierin unter Verwendung einer speziellen Wahl von Fehlerkorrektur und -erkennungscodes beschrieben, die sich für einen IMBE-Sprachcodierer für Satellitenübertragungen mit 6,4 kbps gut eignete.
  • Bei dem IMBE-Sprachcodierer mit 6,4 kbps, der für das INMARSAT-M-Satellitenkommunikationssystem normiert wurde, werden die 45 Bits pro Datenblock, die für eine Vorwärtsfehlerkorrektur reserviert sind, unter [23,12]-Golay-Codes, welche bis zu 3 Fehler korrigieren können, [15,11]-Hamming-Codes, die einzelne Fehler und Paritätsbits korrigieren können, aufgeteilt. Die sechs höchstwertigen Bits von der Grundfrequenz und die drei höchstwertigen Bits vom Mittelwert des PRBA-Vektors werden zuerst mit drei Paritätskontrollbits kombiniert und dann in einem [23,12]-Golay-Code codiert. Ein zweiter Golay-Code wird verwendet, um die drei höchstwertigen Bis von dem PRBA-Vektor und die neun empfindlichsten Bits von den DCT-Koeffizienten höherer Ordnung zu codieren. Alle restlichen Bits außer den sieben am wenigsten empfindlichen Bits werden dann in fünf [15,11]-Hamming-Codes codiert. Die sieben niedrigstwertigen Bits werden nicht mit Fehlerkorrekturcodes geschützt.
  • Vor der Übertragung werden die 128 Bits, die ein spezielles Sprachsegment darstellen, derart verschachtelt, daß mindestens fünf Bits irgendwelche zwei Bits von demselben Codewort trennen. Dieses Merkmal verteilt die Wirkung von Kurzbündelfehlern über mehrere verschiedene Codeworte, wodurch die Wahrscheinlichkeit, daß die Fehler korrigiert werden können, erhöht wird.
  • Am Decodierer werden die empfangenen Bits durch Golay- und Hamming-Decodierer geleitet, die versuchen, jegliche Bitfehler aus den Datenbits zu entfernen. Die drei Paritätskontrollbits werden geprüft, und wenn keine unkorrigierbaren Bitfehler erkannt werden, dann werden die empfangenen Bits verwendet, um die MBE-Modellparameter für den aktuellen Datenblock zu rekonstruieren. Ansonsten, wenn ein unkorrigierbarer Bitfehler erkannt wird, dann werden die empfangenen Bits für den aktuellen Datenblock ignoriert und die Modellparameter aus dem vorherigen Datenblock werden für den aktuellen Datenblock wiederholt.
  • Es wurde festgestellt, daß die Verwendung von Datenblockwiederholungen die wahrnehmbare Qualität der Sprache verbessert, wenn Bitfehler vorliegen. Die Erfindung untersucht jeden Datenblock von empfangenen Bits und stellt fest, ob der aktuelle Datenblock wahrscheinlich eine große Anzahl von unkorrigierbaren Bitfehlern enthält. Ein Verfahren, das zur Erkennung von unkorrigierbaren Bitfehlern verwendet wird, besteht darin, zusätzliche Paritätsbits zu prüfen, die in die Daten eingefügt werden. Die Erfindung stellt auch fest, ob ein großes Bündel von Bitfehlern angetroffen wurde, durch Vergleichen der Anzahl von korrigierbaren Bitfehlern mit der lokalen Abschätzung der Fehlerrate. Wenn die Anzahl von korrigierbaren Bitfehlern wesentlich größer ist als die lokale Abschätzung der Fehlerrate, dann wird eine Datenblockwiederholung durchgeführt. Außerdem prüft die Erfindung jeden Datenblock auf ungültige Bitsequenzen (d.h. Gruppen von Bits, die der Codierer niemals überträgt). Wenn eine ungültige Bitsequenz erkannt wird, wird eine Datenblockwiederholung durchgeführt.
  • Die Golay- und Hamming-Decodierer stellen auch eine Information über die Anzahl der korrigierbaren Bitfehler in den Daten bereit. Diese Information wird vom Decodierer verwendet, um die Bitfehlerrate abzuschätzen. Die Abschätzung der Bitfehlerrate wird verwendet, um adaptive Glättungsvorrichtungen zu steuern, die die wahrgenommene Sprachqualität in Gegenwart von unkorrigierbaren Bitfehlern erhöhen. Außerdem kann die Abschätzung der Fehlerrate zur Durchführung von Datenblockwiederholungen in schlechten Fehlerumgebungen verwendet werden.
  • Dieser Aspekt der Erfindung kann mit einer Weichentscheidungscodierung verwendet werden, um die Leistung weiter zu verbessern. Die Weichentscheidungsdecodierung verwendet eine zusätzliche Information über die Wahrscheinlichkeit für jedes Bit, daß es fehlerhaft ist, um die Fehlerkorrektur- und -erkennungsfähigkeiten von vielen verschiedenen Codes zu verbessern. Da diese zusätzliche Information häufig von einem Demodulator in einem digitalen Übertragungssystem erhältlich ist, kann sie eine verbesserte Unempfindlichkeit für Bitfehler bereitstellen, ohne zusätzliche Bits zum Fehlerschutz zu erfordern.
  • Die Erfindung verwendet ein neues Verfahren zur Frequenzdomänenparameter-Verbesserung, das die Qualität der synthetisierten Sprache verbessert. Die Erfindung findet zunächst die wahrnehmbar wichtigen Bereiche des Sprachspektrums auf. Die Erfindung erhöht dann die Amplitude der wahrnehmbar wichtigen Frequenzbereiche relativ zu anderen Frequenzbereichen. Das bevorzugte Verfahren zur Durchführung der Frequenzdomänenparameter-Verbesserung besteht darin, die Spektralhüllkurve zu glätten, um die allgemeine Form des Spektrums abzuschätzen. Das Spektrum kann durch Anpassen eines Modells niedriger Ordnung, wie z.B. eines Allpolmodells, eines Cepstral-Modells oder eines Polynommodells, an die Spektralhüllkurve geglättet werden. Die geglättete Spektralhüllkurve wird dann mit der ungeglätteten Spektralhüllkurve verglichen und wahrnehmbar wichtige Spektralbereiche werden als Bereiche identifiziert, in denen die ungeglättete Spektralhüllkurve eine größere Energie aufweist als die geglättete Spektralhüllkurve. Ebenso werden Bereiche, in denen die ungeglättete Spektralhüllkurve weniger Energie aufweist als die geglättete Spektralhüllkurve, als wahrnehmbar weniger wichtig identifiziert. Die Parameterverbesserung wird durch Erhöhen der Amplitude von wahrnehmbar wichtigen Frequenzbereichen und Senken der Amplitude von wahrnehmbar weniger wichtigen Frequenzbereichen durchgeführt. Dieses neue Verbesserungsverfahren erhöht die Sprachqualität durch Beseitigen oder Verringern von vielen der Artefakte, die während der Abschätzung und Quantisierung der Sprachparameter eingeführt werden. Außerdem verbessert dieses neue Verfahren die Sprachverständlichkeit durch Schärfen der wahrnehmbar wichtigen Sprachformanten.
  • Beim IMBE-Sprachdecodierer wird ein Allpolmodell erster Ordnung für jeden Datenblock an die Spektralhüllkurve angepaßt. Dies wird durch Abschätzen der Korrelationsparameter R0 und R1 aus den decodierten Modellparametern gemäß den folgenden Gleichungen durchgeführt,
    Figure 00230001
    wobei M ^l für 1 ≤ l ≤ L ^ die decodierten Spektralamplituden für den aktuellen Datenblock sind und ω ^0 die decodierte Grundfrequenz für den aktuellen Datenblock ist. Die Korrelationsparameter R0 und R1 können zur Abschätzung eines Allpolmodells erster Ordnung verwendet werden. Dieses Modell wird bei den Frequenzen ausgewertet, die den Spektralamplituden für den aktuellen Datenblock entsprechen (d.h. k·ω ^0 für 1 ≤ l ≤ L ^), und zur Erzeugung eines Satzes von Gewichten Wl gemäß der folgenden Formel verwendet.
  • Figure 00230002
  • Diese Gewichte geben das Verhältnis des geglätteten Allpolspektrums zu den IMBE-Spektralamplituden an. Sie werden dann verwendet, um das Ausmaß der Parameterverbesserung, die auf jede Spektralamplitude angewendet wird, individuell zu steuern. Diese Beziehung wird in der folgenden Gleichung ausgedrückt,
    Figure 00240001
    wobei M l für 1 ≤ l ≤ L ^ die verbesserten Spektralamplituden für den aktuellen Datenblock sind.
  • Die verbesserten Spektralamplituden werden dann zur Durchführung der Sprachsynthese verwendet. Die Verwendung der verbesserten Modellparameter verbessert die Sprachqualität relativ zur Synthese aus den nicht verbesserten Modellparametern.

Claims (4)

  1. Verfahren zum Verbessern von Sprache, wobei ein Sprachsignal in Segmente aufgeteilt wird und wobei Frequenzdomänendarstellungen eines Segments bestimmt werden, um eine Spektralhüllkurve des Segments bereitzustellen, dadurch gekennzeichnet, daß eine geglättete Spektralhüllkurve des Segments durch Glätten der Spektralhüllkurve erzeugt wird und eine verbesserte Spektralhüllkurve durch Vergrößern einiger Frequenzbereiche der Spektralhüllkurve, für die die Spektralhüllkurve eine größere Amplitude aufweist als die geglättete [Hüllkurve], und Verkleinern einiger Frequenzbereiche, für die die Spektralhüllkurve eine geringere Amplitude aufweist als die geglättete Hüllkurve, erzeugt wird, und daß Sprache aus der verbesserten Spektralhüllkurve synthetisiert wird.
  2. Verfahren nach Anspruch 1, wobei die Frequenzdomänendarstellung der Spektralhüllkurve der Satz von Spektralamplitudenparametern des Sprachcodierers mit Mehrbandanregung (MBE) oder des verbesserten Mehrband-(IMBE)Sprachcodierers ist.
  3. Verfahren nach Anspruch 1 oder 2, wobei die geglättete Spektralhüllkurve durch Abschätzen eines Modells niedriger Ordnung aus der Spektralhüllkurve erzeugt wird.
  4. Verfahren nach Anspruch 3, wobei das Modell niedriger Ordnung ein Allpolmodell ist.
DE69133458T 1990-12-05 1991-12-04 Verfahren zur Sprachquantisierung und Fehlerkorrektur Expired - Lifetime DE69133458T2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US624878 1984-06-27
US07/624,878 US5226084A (en) 1990-12-05 1990-12-05 Methods for speech quantization and error correction

Publications (2)

Publication Number Publication Date
DE69133458D1 DE69133458D1 (de) 2005-06-09
DE69133458T2 true DE69133458T2 (de) 2006-02-23

Family

ID=24503712

Family Applications (3)

Application Number Title Priority Date Filing Date
DE69132013T Expired - Lifetime DE69132013T2 (de) 1990-12-05 1991-12-04 Verfahren für sprachquantisierung und fehlerkorrektur
DE69133058T Expired - Lifetime DE69133058T2 (de) 1990-12-05 1991-12-04 Verfahren zur Kodierung von Sprachsignalen
DE69133458T Expired - Lifetime DE69133458T2 (de) 1990-12-05 1991-12-04 Verfahren zur Sprachquantisierung und Fehlerkorrektur

Family Applications Before (2)

Application Number Title Priority Date Filing Date
DE69132013T Expired - Lifetime DE69132013T2 (de) 1990-12-05 1991-12-04 Verfahren für sprachquantisierung und fehlerkorrektur
DE69133058T Expired - Lifetime DE69133058T2 (de) 1990-12-05 1991-12-04 Verfahren zur Kodierung von Sprachsignalen

Country Status (7)

Country Link
US (1) US5226084A (de)
EP (3) EP0560931B1 (de)
JP (1) JP3467270B2 (de)
AU (1) AU657508B2 (de)
CA (1) CA2096425C (de)
DE (3) DE69132013T2 (de)
WO (1) WO1992010830A1 (de)

Families Citing this family (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5247579A (en) * 1990-12-05 1993-09-21 Digital Voice Systems, Inc. Methods for speech transmission
US5630011A (en) * 1990-12-05 1997-05-13 Digital Voice Systems, Inc. Quantization of harmonic amplitudes representing speech
US5765127A (en) * 1992-03-18 1998-06-09 Sony Corp High efficiency encoding method
ES2078834B1 (es) * 1992-10-30 1997-04-16 Alcatel Standard Electrica Metodo de segmentacion de cadenas de palabras en la fase de entrenamiento de un reconocedor de palabras conectadas.
US5517511A (en) * 1992-11-30 1996-05-14 Digital Voice Systems, Inc. Digital transmission of acoustic signals over a noisy communication channel
JP2746033B2 (ja) * 1992-12-24 1998-04-28 日本電気株式会社 音声復号化装置
CN1038089C (zh) * 1993-05-31 1998-04-15 索尼公司 信号编码或译码装置及信号编码或译码方法
DE69428030T2 (de) * 1993-06-30 2002-05-29 Sony Corp Digitales signalkodierungsgerät, dazugehöriges dekodiergerät und aufzeichnungsträger
TW327223B (en) * 1993-09-28 1998-02-21 Sony Co Ltd Methods and apparatus for encoding an input signal broken into frequency components, methods and apparatus for decoding such encoded signal
US5715365A (en) * 1994-04-04 1998-02-03 Digital Voice Systems, Inc. Estimation of excitation parameters
US5787387A (en) * 1994-07-11 1998-07-28 Voxware, Inc. Harmonic adaptive speech coding method and system
JP3528258B2 (ja) * 1994-08-23 2004-05-17 ソニー株式会社 符号化音声信号の復号化方法及び装置
JP3557662B2 (ja) * 1994-08-30 2004-08-25 ソニー株式会社 音声符号化方法及び音声復号化方法、並びに音声符号化装置及び音声復号化装置
AU696092B2 (en) * 1995-01-12 1998-09-03 Digital Voice Systems, Inc. Estimation of excitation parameters
US5754974A (en) * 1995-02-22 1998-05-19 Digital Voice Systems, Inc Spectral magnitude representation for multi-band excitation speech coders
US5701390A (en) * 1995-02-22 1997-12-23 Digital Voice Systems, Inc. Synthesis of MBE-based coded speech using regenerated phase information
US5774837A (en) * 1995-09-13 1998-06-30 Voxware, Inc. Speech coding system and method using voicing probability determination
AT403969B (de) * 1995-12-04 1998-07-27 Ericsson Schrack Aktiengesells Verfahren zur kompression eines analogen signals
WO1997027578A1 (en) * 1996-01-26 1997-07-31 Motorola Inc. Very low bit rate time domain speech analyzer for voice messaging
US6035007A (en) * 1996-03-12 2000-03-07 Ericsson Inc. Effective bypass of error control decoder in a digital radio system
KR100438801B1 (ko) * 1996-10-30 2004-07-16 삼성전자주식회사 랜덤에러에견고한부호화및복호화장치
KR100389898B1 (ko) * 1996-10-31 2003-10-17 삼성전자주식회사 음성부호화에 있어서 선스펙트럼쌍 계수의 양자화 방법
US5968199A (en) * 1996-12-18 1999-10-19 Ericsson Inc. High performance error control decoder
US5839098A (en) 1996-12-19 1998-11-17 Lucent Technologies Inc. Speech coder methods and systems
KR100437900B1 (ko) * 1996-12-24 2004-09-04 엘지전자 주식회사 음성코덱의음성데이터복원방법
JPH10233692A (ja) * 1997-01-16 1998-09-02 Sony Corp オーディオ信号符号化装置および符号化方法並びにオーディオ信号復号装置および復号方法
US6161089A (en) * 1997-03-14 2000-12-12 Digital Voice Systems, Inc. Multi-subframe quantization of spectral parameters
US6131084A (en) * 1997-03-14 2000-10-10 Digital Voice Systems, Inc. Dual subframe quantization of spectral magnitudes
FR2768545B1 (fr) * 1997-09-18 2000-07-13 Matra Communication Procede de conditionnement d'un signal de parole numerique
US6199037B1 (en) 1997-12-04 2001-03-06 Digital Voice Systems, Inc. Joint quantization of speech subframe voicing metrics and fundamental frequencies
KR19990065424A (ko) * 1998-01-13 1999-08-05 윤종용 저지연 다중밴드 여기 보코더를 위한 피치 결정방식
FR2796194B1 (fr) * 1999-07-05 2002-05-03 Matra Nortel Communications Procedes et dispositifs d'analyse et de synthese audio
JP4449108B2 (ja) 1999-08-05 2010-04-14 パナソニック株式会社 音声復号装置
KR100474833B1 (ko) * 1999-11-17 2005-03-08 삼성전자주식회사 예측 및 멜-스케일 이진 벡터를 이용한 가변 차원스펙트럼 진폭 양자화 방법 및 그 장치
US6377916B1 (en) 1999-11-29 2002-04-23 Digital Voice Systems, Inc. Multiband harmonic transform coder
DE60113034T2 (de) * 2000-06-20 2006-06-14 Koninkl Philips Electronics Nv Sinusoidale kodierung
US6735563B1 (en) * 2000-07-13 2004-05-11 Qualcomm, Inc. Method and apparatus for constructing voice templates for a speaker-independent voice recognition system
US6732071B2 (en) * 2001-09-27 2004-05-04 Intel Corporation Method, apparatus, and system for efficient rate control in audio encoding
US7027980B2 (en) * 2002-03-28 2006-04-11 Motorola, Inc. Method for modeling speech harmonic magnitudes
CA2388439A1 (en) 2002-05-31 2003-11-30 Voiceage Corporation A method and device for efficient frame erasure concealment in linear predictive based speech codecs
US7970606B2 (en) * 2002-11-13 2011-06-28 Digital Voice Systems, Inc. Interoperable vocoder
US7634399B2 (en) * 2003-01-30 2009-12-15 Digital Voice Systems, Inc. Voice transcoder
US8359197B2 (en) * 2003-04-01 2013-01-22 Digital Voice Systems, Inc. Half-rate vocoder
TWI275074B (en) * 2004-04-12 2007-03-01 Vivotek Inc Method for analyzing energy consistency to process data
US8825482B2 (en) * 2005-09-15 2014-09-02 Sony Computer Entertainment Inc. Audio, video, simulation, and user interface paradigms
US7643561B2 (en) * 2005-10-05 2010-01-05 Lg Electronics Inc. Signal processing using pilot based coding
US8068569B2 (en) 2005-10-05 2011-11-29 Lg Electronics, Inc. Method and apparatus for signal processing and encoding and decoding
KR100857121B1 (ko) * 2005-10-05 2008-09-05 엘지전자 주식회사 신호 처리 방법 및 이의 장치, 그리고 인코딩 및 디코딩방법 및 이의 장치
AU2006300102B2 (en) * 2005-10-13 2010-09-16 Lg Electronics Inc. Method and apparatus for signal processing
US8194754B2 (en) 2005-10-13 2012-06-05 Lg Electronics Inc. Method for processing a signal and apparatus for processing a signal
WO2007043844A1 (en) 2005-10-13 2007-04-19 Lg Electronics Inc. Method and apparatus for processing a signal
US7590523B2 (en) * 2006-03-20 2009-09-15 Mindspeed Technologies, Inc. Speech post-processing using MDCT coefficients
JP4769673B2 (ja) * 2006-09-20 2011-09-07 富士通株式会社 オーディオ信号補間方法及びオーディオ信号補間装置
US8036886B2 (en) * 2006-12-22 2011-10-11 Digital Voice Systems, Inc. Estimation of pulsed speech model parameters
JP2008281552A (ja) * 2007-04-09 2008-11-20 Seiko Epson Corp 初回測位出力位置演算決定方法、プログラム、記憶媒体、測位装置及び電子機器
CN101221765B (zh) * 2008-01-29 2011-02-02 北京理工大学 一种基于语音前向包络预测的差错隐藏方法
DE102010041435A1 (de) * 2010-09-27 2012-03-29 Siemens Medical Instruments Pte. Ltd. Verfahren zum Rekonstruieren eines Sprachsignals und Hörvorrichtung
US9948920B2 (en) 2015-02-27 2018-04-17 Qualcomm Incorporated Systems and methods for error correction in structured light
US10068338B2 (en) 2015-03-12 2018-09-04 Qualcomm Incorporated Active sensing spatial resolution improvement through multiple receivers and code reuse
US9530215B2 (en) 2015-03-20 2016-12-27 Qualcomm Incorporated Systems and methods for enhanced depth map retrieval for moving objects using active sensing technology
US9635339B2 (en) 2015-08-14 2017-04-25 Qualcomm Incorporated Memory-efficient coded light error correction
US9846943B2 (en) 2015-08-31 2017-12-19 Qualcomm Incorporated Code domain power control for structured light
US11270714B2 (en) 2020-01-08 2022-03-08 Digital Voice Systems, Inc. Speech coding using time-varying interpolation

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3982070A (en) * 1974-06-05 1976-09-21 Bell Telephone Laboratories, Incorporated Phase vocoder speech synthesis system
US3975587A (en) * 1974-09-13 1976-08-17 International Telephone And Telegraph Corporation Digital vocoder
US3995116A (en) * 1974-11-18 1976-11-30 Bell Telephone Laboratories, Incorporated Emphasis controlled speech synthesizer
US4276647A (en) * 1979-08-02 1981-06-30 Xerox Corporation High speed Hamming code circuit and method for the correction of error bursts
US4454609A (en) * 1981-10-05 1984-06-12 Signatron, Inc. Speech intelligibility enhancement
AU570439B2 (en) * 1983-03-28 1988-03-17 Compression Labs, Inc. A combined intraframe and interframe transform coding system
US4885790A (en) * 1985-03-18 1989-12-05 Massachusetts Institute Of Technology Processing of acoustic waveforms
US4856068A (en) * 1985-03-18 1989-08-08 Massachusetts Institute Of Technology Audio pre-processing methods and apparatus
JPS61252596A (ja) * 1985-05-02 1986-11-10 株式会社日立製作所 文字音声通信方式及び装置
US4720861A (en) * 1985-12-24 1988-01-19 Itt Defense Communications A Division Of Itt Corporation Digital speech coding circuit
US4797926A (en) * 1986-09-11 1989-01-10 American Telephone And Telegraph Company, At&T Bell Laboratories Digital speech vocoder
FR2616993B1 (fr) * 1987-06-16 1989-11-24 Radiotechnique Ind & Comm Procede et dispositif de correction d'erreurs dans les donnees numeriques d'un signal de television
US5023910A (en) * 1988-04-08 1991-06-11 At&T Bell Laboratories Vector quantization in a harmonic speech coding arrangement
JPH02203400A (ja) * 1989-02-01 1990-08-13 Japan Radio Co Ltd 音声符号化方法
US5823910A (en) * 1995-11-23 1998-10-20 Hyundai Motor Company Transmission including planetary gear sets

Also Published As

Publication number Publication date
AU9147091A (en) 1992-07-08
EP1211669A3 (de) 2003-02-05
DE69133058T2 (de) 2002-10-31
CA2096425C (en) 2005-03-22
DE69133458D1 (de) 2005-06-09
DE69133058D1 (de) 2002-08-08
EP0893791A2 (de) 1999-01-27
EP0893791B1 (de) 2002-07-03
EP0560931B1 (de) 2000-03-01
EP1211669A2 (de) 2002-06-05
CA2096425A1 (en) 1992-06-06
DE69132013D1 (de) 2000-04-06
EP0560931A4 (de) 1995-07-26
AU657508B2 (en) 1995-03-16
EP0893791A3 (de) 1999-05-19
JP3467270B2 (ja) 2003-11-17
WO1992010830A1 (en) 1992-06-25
DE69132013T2 (de) 2000-11-02
EP0560931A1 (de) 1993-09-22
EP1211669B1 (de) 2005-05-04
US5226084A (en) 1993-07-06
JPH06507252A (ja) 1994-08-11

Similar Documents

Publication Publication Date Title
DE69133458T2 (de) Verfahren zur Sprachquantisierung und Fehlerkorrektur
DE60006271T2 (de) Celp sprachkodierung mit variabler bitrate mittels phonetischer klassifizierung
DE602004003610T2 (de) Halbrätiger Vocoder
DE60121405T2 (de) Transkodierer zur Vermeidung einer Kaskadenkodierung von Sprachsignalen
EP2022043B1 (de) Informationssignalcodierung
DE69815650T2 (de) Sprachkodierer
DE60316396T2 (de) Interoperable Sprachkodierung
DE69915400T2 (de) Vorrichtung zur Kodierung und Dekodierung von Audiosignalen
DE69926821T2 (de) Verfahren zur signalgesteuerten Schaltung zwischen verschiedenen Audiokodierungssystemen
DE69815242T2 (de) Verfahren zur Quantisierung der LPC Parameter mittels geschalteter prädiktiver Quantisierung
DE69910240T2 (de) Vorrichtung und verfahren zur wiederherstellung des hochfrequenzanteils eines überabgetasteten synthetisierten breitbandsignals
DE69724126T2 (de) Audiosignalkodier- und dekodierverfahren und audiosignalkodierer und -dekodierer
DE60120766T2 (de) Indizieren von impulspositionen und vorzeichen in algebraischen codebüchern zur codierung von breitbandsignalen
DE69531642T2 (de) Synthese eines Anregungssignals bei Ausfall von Datenrahmen oder Verlust von Datenpaketen
DE69634179T2 (de) Verfahren und Vorrichtung zur Sprachkodierung und -dekodierung
DE60024123T2 (de) Lpc-harmonischer sprachkodierer mit überrahmenformat
EP1979901B1 (de) Verfahren und anordnungen zur audiosignalkodierung
US5247579A (en) Methods for speech transmission
DE19647298C2 (de) Kodiersystem
DE60011051T2 (de) Celp-transkodierung
DE60012760T2 (de) Multimodaler sprachkodierer
DE69916321T2 (de) Kodierung eines verbesserungsmerkmals zur leistungsverbesserung in der kodierung von kommunikationssignalen
DE60133757T2 (de) Verfahren und vorrichtung zur kodierung von stimmloser sprache
DE602004006211T2 (de) Verfahren zur Maskierung von Paketverlusten und/oder Rahmenausfall in einem Kommunikationssystem
DE60026660T2 (de) Fehlererkennung und Fehlerverdeckung für kodierte Sprachdaten

Legal Events

Date Code Title Description
8327 Change in the person/name/address of the patent owner

Owner name: DIGITAL VOICE SYSTEMS, INC., WESTFORD, MASS., US

8364 No opposition during term of opposition