DK166933B1 - Fremgangsmaade til overfoering af et audiosignal - Google Patents

Description

DK 166933 B1

Ved overføring af et audiosignal, f.eks. ved radiotransmission, kabeloverføring, satellitstrækninger og optegnelsesapparater, er det fra WO 81/02234 og WO 83/03935 kendt at omsætte det analoge audiosignal til 5 et digitalt audiosignal med en bestemt opløsning (bit pr. aftastningsværdi), at overføre det i denne form og ved gengivelsen igen at omsætte signalet til et analogt signal. Som følge af den digitale overføring opnås navnlig ved gengivelsen et større signal/støj-forhold.

10 I henhold til WO 81/02234 skal signalet, inden det overføres, omdannes til et signal (A(f)), der repræsenterer korttidsspektret, og på basis af psykoakustiske betragtninger, dvs. menneskehørelsens fysiologiske egenskaber, foretages der ved kodning (septrumvægtningstrin 15 3 og datareduktionstrin B) vægtning af de analoge signaler, der skal overføres, forskelligt med hensyn til disse signalers repræsentationsnøjagtighed.

Den til overføring af et sådant signal nødvendige båndbredde er i det væsentlige bestemt ved antallet af 20 aftastningsværdier, der skal overføres pr. tidsenhed, samt ved opløsningen (bit pr. aftastningsværdi).

I praksis består den fordring, at holde den til overføringen nødvendige båndbredde så lille som muligt med henblik på at kunne nøjes med en smalbåndet kanal 25 eller med henblik på at kunne overføre så mange audio-signaler som muligt samtidigt over en forhåndenværende kanal. Den nødvendige båndbredde kan i og for sig formindskes ved en reduktion af aftastningsværdierne eller af antallet af bit pr. aftastningsværdi. Denne foran-30 staltning medfører imidlertid som regel en forringelse ved gengivelsen.

Opfindelsen har til opgave at tilvejebringe en fremgangsmåde til overføring af et digitalt audiosignal, som kan nøjes med en mindre middelbitrate pr. aftast-35 ningsværdi, uden at kvaliteten ved gengivelsen påvirkes mærkbart.

2 DK Ί 66933 B1

Denne opgave løses med den i krav 1 og i krav 19 angivne opfindelse. Fordelagtige videreudviklinger af opfindelsen er angivet i underkravene.

Opfindelsen beror på følgende erkendelser og 5 overvejelser. Det digitale audiosignal i tidsområdet, som således tidsmæssigt efter hinanden repræsenterer de enkelte aftastningsværdier af det analoge signal, bliver i tidsmæssigt efter hinanden følgende afsnit transformeret til et korttidsspektrum, som under korttiden, f.eks.

10 20 ms, repræsenterer signalets spektralkomposanter. I korttidsspektret kan komposanter, der ikke høres af lytteren, altså i informationsteknisk forstand er irrelevante, på grundlag af psykoakustiske erkendelser almindeligvis bedre findes end i tidsområdet. Derfor bliver 15 sådanne komposanter ifølge opfindelsen ved overføringen vægtet mindre eller helt udeladt. Som følge af denne foranstaltning kan en betragtelig del af de i og for sig nødvendige bit bortfalde ved overføringen, således at middelbitraten for et bestemt antal aftastningsværdier 20 kan formindskes betragteligt.

Sådanne irrelevante komposanter i spektret er f.eks. komposanter, som ikke overskrider en bestemt amplitude i forhold til en i spektret nærliggende maksimal amplitude. Fortrinsvis kan sådanne komposanter ude-25 lades ved overføringen uden mærkbar påvirkning af gengivelseskvaliteten. Sådanne komposanter bliver nemlig som følge af de psykoakustiske fænomener ikke bemærket af lytteren som følge af en såkaldt tilsløringseffekt. For en sådan tilsløringseffekt er den tidsmæssige belig-30 genhed mellem komposanterne samt deres indbyrdes frekvens- og amplitudeleje afgørende.

Da visse tidskonstanter er bestemmende for tilsløringseffekten, bliver signalet ved hjælp af tidsvinduer opdelt i tidsmæssigt efter hinanden følgende blokke 35 med en varighed af størrelsesordenen 20 ms, da tilsløringstærsklerne eller medlytningstærsklerne ikke aftager DK 166933 B1 3 væsentligt indenfor et sådant tidsrum. Signalet i en sådan blok bliver da transformeret til korttidsspektret og ved kodningen undersøgt med hensyn til irrelevante andele.

5 Hørelsen danner frekvensbånd, såkaldte grupper, som spiller en væsentlig rolle ved tilsløringseffekten. Opdelingen i frekvensbånd og tilsløringen kendes og er beskrevet på side 46 ff i E. Zwicher, Psychoakustik, Springer-Verlag, Berlin Heidelberg New York 1982. Hver 10 af disse frekvensgrupper bliver ved kodningen udnyttet enkeltvis og undersøgt for irrelevante komposanter. Frekvens opløsningen er så fin, at også den smalleste frekvensgruppe med en bredde på ca. 100 Hz omfattes. Til omsætning af signalet fra tidsområdet til frekvensområ-15 det anvendes fortrinsvis en Fourier-transformation, f.eks. en Fast Fourier-Transformation.

Yderligere væsentlige træk og fordele ved løsningen ifølge opfindelsen fremgår af det udførelseseksempel, der i det følgende forklares med henvisning til 20 tegningen, hvor fig. 1 viser det tidsmæssige forløb af fremgangsmåden ifølge opfindelsen, fig. 2 vindue-behandlingen af signalet til opnåelse af de på hinanden følgende blokke, 25 fig. 3 amplitudekarakteristikker, der anvendes ved vindue-behandlingen, fig. 4 opdelingen af korttidsspektrets frekvensbånd i enkelte frekvensområder og amplitudeudnyttelsen af komposanterne, 30 fig. 5 en yderligere behandling af signalet for et specielt signalindhold, og fig. 6 et alternativ til overføring af finere amplitudeinddelinger.

I fig. 1 bliver analogsignalet a(t), som udgør 35 et audiosignal som f.eks. tale eller musik, i en ana-log/digital-omsætter 1 omsat til et tilsvarende digi- DK 166933 B1 4 talt audiosignal. I trinnet 2 sker der ved hjælp af tidsmæssigt efter hinanden følgende og overlappende tidsvinduer en såkaldt vindue-behandling af dette signal. Signalet bliver derved opdelt i tidsmæssigt efter 5 hinanden følgende blokke hver med en varighed på 20 ms på en sådan måde, at signalet i hver blok kan.viderebe-arbejdes separat for sig selv. I trinnet 3 sker der en forbearbejdning af signalet, hvis betydning forklares senere. I trinnet 4 bliver det digitale signal i et 1 o tidsvindue eller i en blok ved en transformation omsat til et frekvensspektrum. På trinnet 4's udgang ligger der altså under de tidsmæssigt på hinanden følgende blokke i hvert enkelt tilfælde et signal, som for varigheden af et tidsvindue eller en blok repræsenterer 15 signalets spektralkomposanter over hele frekvensbåndet. Trinnet 4 bevirker altså omsætning af signalet i tidsområdet til det spektret repræsenterende signal i frekvensområdet.

Signalet fra trinnet 4 når frem til koderen 5.

20 Her sker der en kodning efter psykoakustiske synspunkter. Det betyder, at spektralkomponsanter, der ved gengivelsen navnlig som følge af tilsløringseffekter alligevel ikke bemærkes, vægtes ringere eller udelades ved kodningen. En sådan bearbejdning af korttidsspektret er 25 f.eks. mulig ved hjælp af en datamaskine.

Det således kodede signal når over en sender 6 frem til informationskanalen 7. Som følge af den opnåede reduktion af middelbitraten kan denne informationskanal være dimensioneret tilsvarende smalbåndet.

30 Efter informationskanalen 7 følger en modtager 8, der i det væsentlige udfører funktioner, som er inverse i forhold til senderens funktioner. Signalet når derpå frem til en dekoder 9, som bevirker en afkodning modsvarende kodeenheden 5. I trinnet 10 bliver det så-35 ledes udvundne, spektret repræsenterende signal i frekvensområdet igen omsat til et digitalt signal i tidsom- DK 166933 Bl 5 rådet. I trinnet 11 bliver signalet igen sammensat til et samlet kontinuerligt digitalt signal, og der tages hensyn til forbearbejdingen i trinnet 3. Derefter bliver signalet tilført digital/analog-omsætteren 12. Om-5 sætteren 12 leverer analogsignalet b(t). Dette signal er ikke identisk med signalet a(t)*, fordi spek-tralkomposanter ved kodningen i kodeenheden 5 blev vægtet forskelligt eller undertrykket. Forskellen mellem analogsignalerne b(t) og a(t) er imidlertid således, at 10 den ved gengivelsen ikke bemærkes af lytteren. I signalet fjernes altså kun irrelevant, for lytteren ikke hørbar information, med henblik på at reducere den nødvendige bitrate ved overføringen over informationskanalen 7, specielt formindskes afgørelsesindholdet.

15 Fig. 2A-C viser vinduesbehandlingen af signalet i trinnet 2. Signalet a(t) udnyttes med et tidsvindue med amplitudekarakteristikken WA fra tl-t7, dvs. signalværdierne i signalet a(t) i fig. 2A multipliceres med værdierne af karakteristikken WA i fig. 2B. Karak-20 teristikken har fra tl-t2 et over en kvart periode sinusformet og fra t6-t7 et over en kvart periode cosi-nusformet forløb og derimellem fra t2-t6 den konstante værdi 1. Det kontinuerlige forløb fra tl-t2 og · t6-t7 er nødvendigt, fordi det ved en sådan opdeling i 25 tidsmæssigt på hinanden følgende blokke, den såkaldte vinduesbehandling, gælder, at et spring mellem 0 og en endelig værdi ved en Fourier-transformation ville frembringe et meget bredt frekvensspektrum. Ved multiplikationen af signalet a(t) med karakteristikken WA op-3 0 står signalet A i fig. 2C, som således i tidsrummene tl-t2 og t6-t7 er forvrænget i sin amplitude. Denne vinduesbehandling, dvs. tidsselektive udnyttelse, der i fig. 1 sker i trinnet 2, fremstilles i fig. 2A-C på grundlag af analoge signaler. I virkeligheden er signa-35 let a(t) og WA digitale signaler, således at det fra tl-t7 i hvert enkelt tilfælde er digitale signalværdier, der multipliceres med hinanden.

DK 166933 B1 6

Det respektive signal i et tidsvindue tl-t7, dvs. i en blok, bliver ifølge fig. 1 i trinnet 4 omsat til korttidsspektret. Fig. 2D viser forløbet af amplituden som funktion af frekvensen f og fig. 2E forløbet 5 af fasen som funktion af frekvensen f for et sådant signal. På modtagersiden sker det i figurerne 2A-E viste forløb i omvendt rækkefølge. Amplituden og fasen modtages som digitale signaler, og de omsættes ved hjælp af en invers Fast Fourier-Transformation og en digital/ana-10 log-omsætning igen til et analogt signal b(t).

Fig. 3 viser amplitudekarakteristikkerne for de på hinanden følgende tidsvinduer på sendesiden og på modtagesiden. Tidsvinduerne på sendesiden i trinnet 2 har forløbet WA (A=analyse) som vist i fig. 3A. tl-t2 15 og t6-t7 er overlapningstidsrum, i hvilke to tidsvinduer er virksomme. Et tidsvindue strækker sig over 1024 aftastningsværdier, hvorhos overlapningen andrager ca.

64 aftastningsværdier, dvs. 6,25% af tidsvinduets varighed. Den i fig. 3A viste amplitudekarakteristik gæl-20 der på samme måde for modtagesiden og realiseres i trinnet 11 (WS = Window Synthese). I tidsrummet t2-t6 gennemløber signalet uden amplitudepåvirkning, altså med faktoren 1, den i fig. 1 viste strækning. En af tastningsværdi under overlapningstidsrummet tl-t2 bliver 25 først i trinnet 2 multipliceret med sinus. Da den samme kurve på modtagesiden er virksom i trinnet 11, bliver denne aftastningsværdi totalt multipliceret med sin2 (x), hvilket ville betyde en svækkelse af denne af-tastningsværdi's amplitude med faktoren sin2 (x). I 30 tidsrummet tl-t2 er imidlertid yderligere den aftagende, cosinusformede flanke af det forudgående tidsvindue virksom, således at den samme aftastningsværdi som følge af den kosinusformede flanke totalt multipliceres med cos2 (x). Som følge af de to signalers lineære overlej -35 ring og den matematiske relation DK 166933 B1 7 sin2 (x) + cos2 (x) =1 fremkommer således også under overlapningstidsrummene den konstante amplitudefaktor 1. Dette er i fig. 3B 5 vist ved den øvre vandrette linie i overlapningstidsrummene tl-t2 og t6-t7. Totalt resulterer altså til stadighed for signalet amplitude-overføringsværdien 1, således at der ikke sker nogen amplitudeforfalskning af signalet.

10 Fig. 4 viser amplitudeforløbet af spektrallinier ne i et korttids-frekvensspektrum, som det ligger på udgangen, af trinnet 4 i fig. 1. Det totale frekvensbånd i korttids-spektret fl-fl5 er opdelt i et stort antal frekvensgrupper fl-f2, f2-f4, f4-fl2, fl2-fl4 og 15 fl4-fl5. I de enkelte frekvensgrupper bliver spektrallinierne undersøgt og vægtet efter psykoakustiske synspunkter. Kun de dominante amplitudeværdier overføres, og irrelevante amplitudeværdier vægtes mindre eller undertrykkes. Hele frekvensbåndets absolutte maksimum 15 20 overføres først som absolut værdi med 12-16 bit. De øvrige frekvensgruppers maksima 14, 16, 17, 18 overføres med en nøjagtighed på 8 bit, nemlig i deres relative beliggenhed i forhold til det absolutte maksimum 15. De øvrige frekvensværdier 20-26 i frekvensgruppen f4-fl2 25 sættes for deres vedkommende i relation til maksimalværdien 16, dvs.' deres afvigelse fra maksimalværdien 16 overføres. Hertil er amplitudeområdet udgående fra maksimum 16 opdelt i tre områder Al, A2, A3 ' med hver 10 dB og et område A4 for resten. Hver især i et amp-30 litudeområde liggende signalværdier 16, 20, 21 hhv.

22, 23 hhv. 24 hhv. 25, 26 overføres som en samlet værdi. Der skelnes altså ikke mellem værdierne 16, 20, 21 hhv. 22, 23 hhv. 25, 26. Amplitudeværdierne 25, 26 ved frekvenserne flO, fil, som underskrider værdien på 35 30 dB under maksimum 16, sættes til- 0. Fasen af værdierne 25, 26 overføres ikke. Disse spektralkomposanter DK 166933 B1 8 ville som følge af deres nære beliggenhed ved værdien 16 og deres ringe amplitude som følge af tilsløringseffekten alligevel ikke kunne fornemmes. .1 praksis bliver hele frekvensbåndet fl-fl5 opdelt i 26 frekvens-5 grupper, hvoraf fig. 4 af hensyn til overskueligheden kun viser 5. Som følge af opdelingen i amplitudeområderne Al, A2, A3, A4 forslår til overføringen af amp litudeværdierne 20-26 i relation til maksimum 16 ialt to bit. For hver overførte amplitudeværdi, som lig-10 ger i områderne Al-A3, overføres to bit for den tilhørende faseværdi.

Som følge af den grove kvantisering af amplitude-og faseværdierne med to bit foretages der allerede en betydelig reduktion af den til overføringen nødvendige 15 datamængde. Som følge af bortfaldet af komposanter, nemlig af faseværdierne for amplitudeværdierne 25,26 i frekvensgruppen f4-fl2, spares der ved overføringen imidlertid yderligere bit. Disse bit, som er blevet fri, kan anvendes til overføring af en finere amplitudeind-20 deling i områderne Al-A3. Hertil opdeles eksempelvis hvert område Al-A3 i to områder på hver 5 dB. Derved bliver der til hver frekvensværdi 20-24 knyttet en bit, som indikerer, om amplitudeværdien, f.eks. 20,21, ligger indenfor de første 5 dB eller de næste 5 dB under 25 maksimum 16. Tilknytningen af disse bit sker på grundlag af en tabel 28, som frembringes på sendersiden og kan rekonstrueres på modtagersiden. Dertil lægges over hele det i fig. 4 viste frekvensspektrums forløb et raster 27 med en inddeling i trin på 6 dB. Amplitudevær-30 dierne 20,24 bliver altså tilknyttet dette raster. Tabellen 28 tilordner hver amplitudeværdi 20,24 en bestemt beliggenhed i forhold til maksimum 16. Tabellen 28 begynder med den laveste frekvensværdi og indikerer på grundlag af linien beliggenheden i hvert en-35 kelt tilfælde i forhold til det tilsvarende frekvensområdes maksimum.

DK 166933 B1 9

Hvis der står yderligere ledige bit til rådighed, foretages der en opdeling af 5 dB-områderne i 2,5 dB-om-råder. Opdelingen kan fortsættes vilkårligt. Besparelsen af bit og anvendelsen af disse bit til en forfining af 5 opløsningen betegnes som adaptiv kvantisering.

Fig. 5 viser forbearbejdningen af et pludseligt lydfænomen 29, som optræder indenfor et tidsvindue tl-t7 til tidspunktet t9. Et sådant lydfænomen kan f.eks. være et triangelanslag. Den beskrevne forbear-10 bejdning sker i fig. 1 i trinnet 3. Forud for lydfænomenet 29 ligger der en forsvingning mellem t8 og t9, der imidlertid ikke er hørbar som følge af en fortilsløring. Ved omsætningen til frekvensspektret i trinnet 4 i fig. 1 opstår der i hvert enkelt tilfælde et signal i 15 frekvensområdet, som angiver spektralfordelingen i vinduet ti-t7. Da tilknytningen af spektrallinier til enkelte tidspunkter inden for et tidsvindue ikke længere findes i dette signal, ville fænomenet 29 blive ud-jævnet over hele tidsvinduet tl-t7 altså på sin vis 20 blive udtværet. Derved kan der indtræde en hørbar forfalskning.

Til undgåelse af denne stadig mulige fejl er et tidsvindue tl-t7 eller blok opdelt i 32 underblokke. Amplituderne i de enkelte underblokke bestemmes. Så 25 snart der optræder et amplitudespring mellem to underblokke på mere end 20 dB, i fig. 5 betinget ved fænomenet 29, udløses en yderligere foranstaltning. Denne består i, at signalets amplitude før amplitudespringet hæves på sendesiden ved hjælp af en kompandermetode og 30 på modtagersiden igen sænkes tilsvarende. Derved formindskes de nævnte fejl som følge af udtværingen af det kortvarige fænomen over hele tidsvinduet.

Fig. 6 viser et alternativ til overføring af finere amplitudeinddelinger. Et gitter 40 lægges over 35 frekvensspektret. Denne tabels øverste grænse slutter med det absolutte maksimum 15. Gitteret 40 har mak-

Claims (20)

30 PATENTKRAV

1. Fremgangsmåde til overføring af et audiosig-nal, ved hvilken det analoge signal omdannes til et digitalt signal og forud for overføringen omsættes til et signal, der repræsenterer korttidsspektret, og det sam-35 lede frekvensbånd deles op i frekvensgrupper og signal-komposanter i frekvensgrupperne vægtes forskeligt, med DK 166933 B1 11 hensyn til deres repræsentationsnøjagtighed, på basis af psykoakustiske regler ved kodningen af det signal, der skal overføres, og hvor det kodede signal overføres, dekodes, tilbagetransformeres og igen omsættes til et ana-5 logt signal, kendetegnet ved, at værdien af det absolutte maksimum af det samlede frekvensbånd, som absolut størrelse for maksimaerne af de øvrige frekvensgrupper af den respektive værde, der er transformeret til grupper ud fra det pågældende maksimum op over en 10 tærskelværdi, deles op i værdiområder, og at de størrelser, som befinder sig i det samme værdiområde, overføres som ens værdi, og de størrelser, som ligger under tærskelværdien sættes til nul, og frie, hidtil til overføringen ikke nødvendige bit udnyttes til finere opdeling 15 af værdiområderne.

2. Fremgangsmåde ifølge krav l, kendetegnet ved, at omsætningen sker ved en Fourier-transfor-mation (FT).

3. Fremgangsmåde ifølge krav 2, kendeteg- 20. e t ved, at transformationen er en Fast Fourier- Transformation (FFT).

4. Fremgangsmåde ifølge krav 1, kendetegnet ved, at korttiden ligger i størrelsesordenen 20 ms.

5. Fremgangsmåde ifølge krav 1, kendeteg net ved, at andele af signalet ved kodningen vægtes mindre eller undertrykkes.

6. Fremgangsmåde ifølge krav 1, kendetegnet ved, at andele af signalet med aftagende ampli- 30 tude vægtes ringere.

7. Fremgangsmåde ifølge krav 1, kendetegnet ved, at andele af signalet under en bestemt amplitude undertrykkes ved kodningen (25, 26 i fig. 4).

8. Fremgangsmåde ifølge krav 1, kendeteg-35 n e t ved, at andele af signalet vægtes mindre eller undertrykkes i afhængighed af deres amplitude og deres DK 166933 B1 12 frekvensafstand til spektralkomposanter, der skal tilsløres og har større amplitude.

9. Fremgangsmåde ifølge krav 1, kendetegne t ved, at signalet ved hjælp af tidsvinduer (tl-t7) 5 opdeles i tidsmæssigt efter hinanden følgende blokke, som hver omsættes til en korttidsspektret repræsenterende signalfølge.

10. Fremgangsmåde ifølge krav 9, kendetegnet ved, at tidsvinduerne overlapper hinanden 10 tidsmæssigt.

11. Fremgangsmåde ifølge krav 10, kendetegnet ved, at overlapningstiden (tl-t2; t6-t7) ligger i størrelsesordenen 5-8%, f.eks. 6,25% af varigheden af et tidsvindue.

12. Fremgangsmåde ifølge krav 9, kende tegnet ved, at tidsvinduernes amplitudekarakteristik (WA, WS) er ens på sende- og modtagesiden. (Fig. 3).

13. Fremgangsmåde ifølge krav 9, kende- 20 tegnet ved, at blokkenes amplitudekarakteristik (WA, WS) under overlapningstiden (tl-t2; t6-t7) har et kontinuerligt tiltagende hhv. aftagende forløb.

14. Fremgangsmåde ifølge krav 12 og/eller 13, kendetegnet ved, at amplitudekarakteristik- 25 kernes (WA, WS) forløb under overlapningstiden er dimensioneret således, at summen af produkterne af amplitudekarakteristikkerne (WA, WS) over sende- og modtagesiden = 1 under denne tid.

15. Fremgangsmåde ifølge krav 14, kende- 30 tegnet ved, at den aftagende flanke af amplitudekarakteristikken ved enden af et tidsvindue har et cosi-nusformet forløb, og at den tiltagende flanke af karakteristikken ved begyndelsen af et tidsvindue har et sinusformet forløb.

16. Fremgangsmåde ifølge krav 1, kende tegnet ved, at værdierne af en frekvensgruppes amplitudemaksima (14, 15, 16, 17, 18) overføres (fig. 4). DK 166933 B1 13

17. Fremgangsmåde ifølge krav 9, kende tegnet ved, at en blok i hvert enkelt tilfælde opdeles i flere (32) underblokke og at der, hver gang der fra en underblok til den næste optræder et amplitude- 5 spring over en bestemt værdi (20 dB), bevirkes en forøgelse af amplitudeværdierne i de tidsmæssigt forudgående underblokke til overføringen med et kompander-system (fig. 5).

18. Fremgangsmåde ifølge krav 2, kende- 10. e g n e t ved, at spektret fremstilles efter værdi og fase.

19. Fremgangsmåde til overføring af et audiosig-nal, ved hvilken det analoge signal omdannes til et digitalt signal og forud for overføringen omsættes til et 15 signal, der repræsenterer korttidsspektret, og det samlede frekvensbånd deles op i frekvensgrupper og signal-komposanter i frekvensgrupperne vægtes forskeligt, med hensyn til deres repræsentationsnøjagtighed, på basis af psykoakustiske regler ved kodningen af det signal, der 20 skal overføres, og hvor det kodede signal overføres, dekodes, tilbagetransformeres og igen omsættes til et analogt signal, kendetegnet ved, at de transformerede værdier, ud fra det pågældende værdimaksimum op over en tærskelværdi, deles op i værdiområder, og de i 25 det samme værdiområde beliggende værdier overføres som ens værdi, og de værdier, der ligger under tærskelværdien, sættes til nul.

20 Fremgangsmåde ifølge krav 19, kendetegnet ved, at opdelingen af værdiområderne afhæn-30 ger af antallet af frie, tilgængelige bit.