EP0721180A1 - Procédé de codage de parole à analyse par synthèse - Google Patents

Procédé de codage de parole à analyse par synthèse Download PDF

Info

Publication number
EP0721180A1
EP0721180A1 EP96400028A EP96400028A EP0721180A1 EP 0721180 A1 EP0721180 A1 EP 0721180A1 EP 96400028 A EP96400028 A EP 96400028A EP 96400028 A EP96400028 A EP 96400028A EP 0721180 A1 EP0721180 A1 EP 0721180A1
Authority
EP
European Patent Office
Prior art keywords
excitation
bits
pulses
subframe
gains
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.)
Granted
Application number
EP96400028A
Other languages
German (de)
English (en)
Other versions
EP0721180B1 (fr
Inventor
William Navarro
Michel Mauc
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.)
Nortel Networks France SAS
Original Assignee
Matra Communication SA
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 Matra Communication SA filed Critical Matra Communication SA
Publication of EP0721180A1 publication Critical patent/EP0721180A1/fr
Application granted granted Critical
Publication of EP0721180B1 publication Critical patent/EP0721180B1/fr
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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

Definitions

  • the present invention relates to speech coding using synthetic analysis.
  • a linear prediction of the speech signal is carried out to obtain the coefficients of a short-term synthesis filter modeling the transfer function of the vocal tract. These coefficients are transmitted to the decoder, as well as parameters characterizing an excitation to be applied to the short-term synthesis filter.
  • further research is carried out on the longer-term correlations of the speech signal in order to characterize a long-term synthesis filter accounting for the pitch of the speech.
  • the excitation indeed has a predictable component which can be represented by the past excitation, delayed by TP samples of the speech signal and affected by a gain g p .
  • the remaining, unpredictable part of the excitation is called stochastic excitation.
  • CELP Code Excited Linear Prediction
  • MPLPC Multi-Pulse Linear Prediction Coding
  • the stochastic excitation comprises a certain number of pulses whose positions are sought by the coder.
  • CELP coders are preferred for low transmission rates, but they are more complex to implement than MPLPC coders.
  • An object of the present invention is to obtain a good compromise between the quality of coding and the complexity of looking for stochastic excitement while getting a good robustness to transmission errors.
  • the invention thus proposes a coding method using analysis by synthesis of a speech signal digitized in frames successive divided into sub-frames of lst samples, in which is analyzed for each frame by linear prediction to determine the coefficients of a short-term synthesis filter, and we determine for each subframe an excitation sequence which, subject to the filter short-term synthesis, produces a synthetic signal representative of the speech signal.
  • the excitation sequence involves a stochastic excitation constituted by several pulses whose respective positions are calculated in the subframe and associated gains respectively. We subdivide each subframe in ns segments, ns being at least a number equal to the number np of pulses by stochastic excitation.
  • the positions of the stochastic excitation pulses relative to a subframe are successively determined: we are looking for the first pulse at any position of the subframe, and the following positions excluding each segment to which an impulse belongs, the position was previously determined. Order numbers segments occupied by an excitation pulse stochastic are quantified separately from positions relative pulses in the occupied segments.
  • segmental search for impulses the advantage of allowing good robustness to errors of transmission thanks in particular to the fact that we quantify in a way separate the sequence numbers of the segments occupied by a pulse of stochastic excitation and positions relative pulses in the occupied segments.
  • This mode of seeking stochastic excitation is can be used advantageously even when not not implementing the segment research described above, and is also not applicable exclusively to coders MPLPC. It is particularly applicable to so-called VSELP coders where contributions to stochastic excitation are vectors chosen from a predetermined dictionary (see I. Gerson and M. Jasiuk: "Vector Sum Excited Linear Prediction (VSELP) Speech Coding at 8 kb / s ", Proc. Int. Conf. On Acoustics, Speech and Signal Processing, Albuquerque 1990, Vol. 1, pages 461-464).
  • a speech coder implementing the invention is applicable in various types of speech transmission and / or storage systems using a digital compression technique.
  • the speech coder 16 is part of a mobile radio station.
  • the speech signal S is a digital signal sampled at a frequency typically equal to 8 kHz.
  • the signal S comes from an analog-digital converter 18 receiving the amplified and filtered output signal from a microphone 20.
  • the converter 18 puts the speech signal S in the form of successive frames themselves subdivided into nst sub-frames lst samples.
  • the speech signal S can also be subjected to conventional shaping treatments such as Hamming filtering.
  • the speech coder 16 delivers a binary sequence with a significantly lower bit rate than that of the speech signal S, and addresses this sequence to a channel coder 22 whose function is to introduce redundancy bits into the signal in order to allow detection and / or a correction of any transmission errors.
  • the output signal from the channel encoder 22 is then modulated on a carrier frequency by the modulator 24, and the modulated signal is transmitted on the air interface.
  • the speech coder 16 is a coder with analysis by synthesis.
  • the encoder 16 determines on the one hand parameters characterizing a short-term synthesis filter modeling the vocal tract of the speaker, and on the other hand a sequence excitation which, applied to the short synthesis filter term, provides a synthetic signal constituting a estimation of the speech signal S according to a criterion of perceptual weighting.
  • the coefficients a i are determined by a module 26 for short-term linear prediction analysis of the speech signal S.
  • the a i are the linear prediction coefficients of the speech signal S.
  • the order q of the linear prediction is typically of the order of 10.
  • the methods applicable by module 26 for short-term linear prediction are well known in the field of speech coding.
  • Module 26, for example, implements the Durbin-Levinson algorithm (see J. Makhoul: "Linear Prediction: A tutorial review", Proc. IEEE, Vol.63, N ° 4, April 1975, p. 561-580 ).
  • the coefficients a i obtained are supplied to a module 28 which converts them into spectral line parameters (LSP).
  • the LSP parameters can be obtained by the conversion module 28 by the classical method of Chebyshev polynomials (see P. Kabal and RP Ramachandran: "The computation of line spectral frequencies using Chebyshev polynomials", IEEE Trans. ASSP, Vol.34, N ° 6, 1986, pages 1419-1426). These are quantization values of the LSP parameters, obtained by a quantization module 30, which are transmitted to the decoder so that the latter finds the coefficients a i of the short-term synthesis filter.
  • the non-quantified LSP parameters are supplied by the module 28 to a module 32 for calculating the coefficients of a perceptual weighting filter 34.
  • the coefficients of the perceptual weighting filter are calculated by the module 32 for each subframe after interpolation of the LSP parameters received from the module 28.
  • the perceptual weighting filter 34 receives the speech signal S and delivers a perceptually weighted SW signal which is analyzed by modules 36, 38, 40 for determine the excitation sequence.
  • the excitation sequence of the short-term filter consists of an excitation predictable by a long-term synthetic filter modeling the pitch of the speech, and an excitement unpredictable stochastic, or innovation sequence.
  • Module 36 performs long-term prediction (LTP) in open loop, i.e. it does not contribute directly to the minimization of the weighted error.
  • LTP long-term prediction
  • the weighting filter 34 intervenes in upstream of the open loop analysis module, but it could otherwise: module 36 could operate directly on the speech signal S or on the signal S cleared of its short-term correlations by a filter transfer function A (z).
  • modules 38 and 40 operate in a closed loop, i.e. they directly contribute to minimizing the error perceptually weighted.
  • Long-term prediction lag is determined in two steps.
  • the analysis module 36 Open loop LTP detects voiced frames from the speech signal and determines, for each voiced frame, a degree of voicing MV and a delay search interval long-term prediction.
  • the search interval is defined by a central value represented by its quantification index ZP and by a width in the field of quantification indexes, depending on the degree of voicing MV.
  • the module 30 operates the quantization of the LSP parameters which have previously been determined for this frame.
  • This quantization is for example vectorial, that is to say it consists in selecting, from one or more predetermined quantization tables, a set of quantized parameters LSP Q which has a minimum distance from the set of parameters LSP provided by the module 28.
  • the quantification tables differ according to the degree of voicing MV provided to the quantization module 30 by the open-loop analyzer 36.
  • a set of quantization tables for a degree of voicing MV is determined, during prior tests, so as to be statistically representative of frames having this degree MV. These sets are stored both in the coders and in the decoders implementing the invention.
  • the module 30 delivers the set of quantized parameters LSP Q as well as its index Q in the applicable quantification tables.
  • the speech coder 16 further comprises a module 42 for calculating the impulse response of the compound filter short-term synthesis filter and perceptual weighting.
  • This compound filter has the function transfer W (z) / A (z).
  • the module 42 takes for the filter of perceptual weighting W (z) that corresponding to LSP parameters interpolated but not quantified, i.e. the one whose coefficients were calculated by the module 32, and for the synthesis filter 1 / A (z) the corresponding one quantized and interpolated LSP parameters, i.e. the one that will be effectively reconstructed by the decoder.
  • the TP delay index is ZP + DP.
  • the gain g p is calculated by the stochastic analysis module 40.
  • the stochastic excitation determined for each subframe by the module 40 is of the multi-pulse type.
  • the positions and gains calculated by the analysis module 40 stochastics are quantified by a module 44.
  • a module 48 is thus provided in the encoder which receives the different parameters and which adds to some of them redundancy bits to detect and / or correct any transmission errors.
  • the degree of voicing MV coded on two bits being a critical parameter, we want it to reach the decoder with as few errors as possible. For this reason, redundancy bits are added to this parameter by module 48.
  • the channel encoder 22 is that used in the pan-European radiocommunication system with mobiles (GSM).
  • GSM pan-European radiocommunication system with mobiles
  • This channel encoder described in detail in GSM Recommendation 05.03, has been finalized for an RPE-LTP type 13 kbit / s speech coder which also produces 260 bits per 20 ms frame. The sensibility of each of the 260 bits was determined from tests listening.
  • the bits from the source encoder have been grouped into three categories. The first of these AI categories groups 50 bits which are convolutionally coded on the base of a generator polynomial giving a redundancy of a half with a constraint length equal to 5. Three bits parity are calculated and added to the 50 bits of the category AI before convolutional coding.
  • the second category (IB) has 132 bits which are protected at a rate of half a by the same polynomial as the previous category.
  • the third category (II) contains 78 unprotected bits. After application of convolutional code, bits (456 per frame) are subject to interlacing.
  • the scheduling module 46 of the new source coder implementing the invention distributes the bits in the three categories according to the subjective importance of these bits.
  • a mobile radio station capable of receiving the speech signal processed by the source encoder 16 is shown schematically in Figure 2.
  • the radio signal received is first processed by a demodulator 50 then by a channel 52 decoder which performs dual operations of those of modulator 24 and channel encoder 22.
  • the decoder channel 52 provides the speech decoder 54 with a sequence binary which, in the absence of transmission errors or when any errors have been corrected by the decoder channel 52, corresponds to the binary sequence delivered by the scheduling module 46 at the coder 16.
  • the decoder 54 includes a module 56 which receives this sequence binary and which identifies the parameters relating to the different frames and subframes.
  • the module 56 also performs some checks on the parameters received. In particular, module 56 examines the redundancy bits introduced by the encoder module 48, to detect and / or correct the errors affecting the parameters associated with these bits of redundancy.
  • a module 58 of the decoder receives the degree of voicing MV and the index of Q for quantizing the LSP parameters.
  • the module 58 finds the quantized LSP parameters in the tables corresponding to the value of MV, and, after interpolation, converts them into coefficients a i for the short-term synthesis filter 60.
  • a pulse generator 62 receives the positions p (n) of the np pulses of the stochastic excitation.
  • the generator 62 delivers pulses of unit amplitude which are each multiplied by 64 by the associated gain g (n).
  • the output of amplifier 64 is addressed to the long-term synthesis filter 66.
  • This filter 66 has an adaptive directory structure.
  • the output samples u of the filter 66 are stored in the adaptive directory 68 so as to be available for the subsequent subframes.
  • the delay TP relative to a sub-frame, calculated from the quantization indices ZP and DP, is supplied to the adaptive repertoire 68 to produce the signal u suitably delayed.
  • the amplifier 70 multiplies the signal thus delayed by the gain g p of long-term prediction.
  • the long-term filter 66 finally comprises an adder 72 which adds the outputs of amplifiers 64 and 70 to provide the excitation sequence u.
  • the excitation sequence is addressed to the short-term synthesis filter 60, and the resulting signal can also, in known manner, be subjected to a post-filter 74 whose coefficients depend on the synthesis parameters received, to form the signal of synthetic speech S '.
  • the output signal S 'of the decoder 54 is then converted into analog by the converter 76 before being amplified to control a loudspeaker 78.
  • the module 36 determines, for each sub-frame st, the entire delay K st which maximizes the open-loop estimation P st (k) of the long-term prediction gain on the sub-frame st, excluding the delays k for which the autocorrelation C st (k) is negative or smaller than a small fraction ⁇ of the energy R0 st of the subframe.
  • step 94 the degree of voicing MV of the current frame is taken equal to 0 in step 94, which in this case ends the operations performed by the module 36 on this frame. If on the contrary the threshold S0 is exceeded in step 92, the current frame is detected as voiced and the degree MV will be equal to 1, 2 or 3. The module 36 then calculates, for each subframe st, a list I st containing candidate delays to constitute the ZP center of the search interval for long-term prediction delays.
  • the module 36 determines the basic delay rbf in full resolution for the rest of the processing. This basic delay could be taken equal to the integer K st obtained in step 90. The fact of finding the basic delay in fractional resolution around K st however makes it possible to gain in precision.
  • Step 100 thus consists in finding, around the integer delay K st obtained in step 90, the fractional delay which maximizes the expression C st 2 / G st .
  • This search can be carried out at the maximum resolution of the fractional delays (1/6 in the example described here) even if the entire delay K st is not in the domain where this maximum resolution applies.
  • the autocorrelations C st (T) and the delayed energies G st (T) are obtained by interpolation from the values stored in step 90 for the whole delays.
  • the basic delay relating to a sub-frame could also be determined in fractional resolution from step 90 and taken into account in the first estimation of the overall prediction gain on the frame.
  • step 102 the address j in the list I st and the index m of the submultiple are initialized to 0 and 1, respectively.
  • a comparison 104 is made between the submultiple rbf / m and the minimum delay rmin. The submultiple rbf / m is to be examined if it is greater than rmin.
  • step 110 If P st (r i ) ⁇ SE st , the delay r i is not taken into account, and we go directly to step 110 of incrementing the index m before carrying out the comparison 104 again for the next submultiple. If test 108 shows that P st (r i ) ⁇ SE st , the delay r i is retained and step 112 is executed before incrementing the index m in step 110. In step 112, we stores the index i at the address j in the list I st , we give the value m to the integer m0 intended to be equal to the index of the smallest submultiple retained, then we increment by one unit l 'address j.
  • the examination of the sub-multiples of the basic delay is finished when the comparison 104 shows rbf / m ⁇ rmin.
  • We then examine the multiple delays of the smallest rbf / m0 of the submultiples previously selected according to the process illustrated in FIG. 5. This examination begins with an initialization 114 of the index n of the multiple: n 2.
  • a comparison 116 is made between the multiple n.rbf / m0 and the maximum delay rmax. If n.rbf / m0> rmax, test 118 is carried out to determine whether the index m0 of the smallest sub-multiple is an integer multiple of n.
  • step 120 the delay n.rbf / m0 has already been examined when examining the sub-multiples of rbf, and we go directly to step 120 of incrementing the index n before carrying out again comparison 116 for the next multiple. If test 118 shows that m0 is not an integer multiple of n, the multiple n.rbf / m0 is to be examined. We then take for the integer i the value of the index of the quantized delay r i closest to n.rbf / m0 (step 122), then we compare, at 124, the estimated value of the prediction gain P st ( r i ) at the selection threshold SE st .
  • step 120 If P st (r i ) ⁇ SE st , the delay r i is not taken into account, and we go directly to step 120 of incrementing the index n. If the test 124 shows that P st (r i ) ⁇ SE st , the delay r i is retained and step 126 is executed before incrementing the index n in step 120. In step 126, we stores the index i at address j in the list I st , then the address j is incremented by one.
  • the list I st contains j candidate delay index. If we wish to limit the maximum length of the list I st to jmax for the following steps, we can take the length j st of this list equal to min (j, jmax) (step 128) and then, in step 130, order the list I st in the order of gains C st 2 (r Ist (j) ) / G st 2 (r Ist (j) ) decreasing for 0 ⁇ j ⁇ j st so as to keep only the j st delays providing the largest gain values.
  • the value of jmax is chosen according to the compromise sought between the efficiency of the search for LTP delays and the complexity of this search. Typical values of jmax range from 3 to 5.
  • the analysis module 36 calculates a quantity Ymax determining a second open-loop estimate of the prediction gain at long term over the entire frame, as well as indexes ZP, ZP0 and ZP1 in a phase 132, the progress of which is detailed in FIG. 6.
  • This phase 132 consists in testing search intervals of length N1 to determine which one maximizes a second estimate of the overall prediction gain on the frame. The intervals tested are those whose centers are the candidate delays contained in the list I st calculated during phase 101.
  • Phase 132 begins with a step 136 where the address j in the list I st is initialized to 0.
  • step 138 we check if the index I st (j) has already been encountered by testing a previous interval centered on I st' (j ') with st' ⁇ st and 0 ⁇ j ' ⁇ j st' , in order to d '' Avoid testing the same interval twice. If test 138 reveals that I st (j) already appeared in a list I st ' with st' ⁇ st, we directly increment the address j in step 140, then we compare it to the length j st of the list I st . If the comparison 142 shows that j ⁇ j st , we return to step 138 for the new value of the address j.
  • This value Ymax is for example initialized to 0 at the same time as the index st in step 96. If Y ⁇ Ymax, we go directly to step 140 for incrementing the index j. If the comparison 150 shows that Y> Ymax, step 152 is executed before incrementing the address j in step 140. At this step 152, the index ZP is taken equal to I st (j) and the indices ZP0 and ZP1 are respectively taken equal to the smallest and the largest of the indices i st ' determined in step 148.
  • the index st is incremented by one (step 154) then compared, in step 156, to the number nst of subframes per frame. If st ⁇ nst, we return to step 98 to perform the operations relating to the following sub-frame.
  • the index ZP denotes the center of the search interval that will be provided to the module 38 closed loop LTP analysis
  • ZP0 and ZP1 are index whose difference is representative of the dispersion of optimal delays per subframe in the interval centered on ZP.
  • Gp 20.log 10 (RO / RO-Ymax) .
  • Two other thresholds S1 and S2 are used. If Gp ⁇ S1, the degree of voicing MV is taken equal to 1 for the current frame.
  • Gp> S2 the dispersion of the optimal delays for the different sub-frames of the current frame is examined. If ZP1-ZP ⁇ N3 / 2 and ZP-ZP0 ⁇ N3 / 2, an interval of length N3 centered on ZP is sufficient to take into account all the optimal delays and the degree of voicing is taken equal to 3 (if Gp> S2) . Otherwise, if ZP1-ZP ⁇ N3 / 2 or ZP-ZPO> N3 / 2, the degree of voicing is taken equal to 2 (if Gp> S2).
  • ZP + DP index of TP delay ultimately determined may therefore in some cases be more small than 0 or larger than 255. This allows analysis LTP in closed mouth to also carry on some delays TP smaller than rmin or larger than rmax. We improve thus the subjective quality of the so-called voice reproduction pathological and non-vocal signals (vocal frequencies DTMF or signaling frequencies used by the network dial-up).
  • Reducing the delay search interval for very closely spaced frames reduces the complexity of the closed loop LTP analysis performed by the module 38 by reducing the number of convolutions y T (i) to be calculated according to formula (1).
  • Another possibility is to provide a parity bit for the delay TP and / or the gain g p , making it possible to detect possible errors affecting these parameters.
  • the first optimizations carried out in step 90 relative to the different sub-frames are replaced by a single optimization relating to the entire frame.
  • We then determine the basic delay in whole resolution K which maximizes X (k) C 2 (k) / G (k) for rmin ⁇ k ⁇ rmax.
  • P (K) 20.log 10 [R0 / [R0-X (K)]] .
  • rbf a single basic delay in fractional resolution rbf and the examination 101 of the sub-multiples and of the multiples is carried out only once and produces a single list I instead of nst lists I st .
  • Phase 132 is then performed only once for this list I, distinguishing the subframes only in steps 148, 150 and 152.
  • This variant embodiment has the advantage of reducing the complexity of the analysis in open loop.
  • nz basic delays K 1 ' , ..., K nz ' in full resolution.
  • the voiced / unvoiced decision (step 92) is taken on the basis of that of the basic delays K i ' which provides the greatest value for the first open-loop estimate of the long-term prediction gain.
  • the basic delays in fractional resolution are determined by the same process as in step 100, but only allowing the quantized delay values. Examination 101 of the submultiples and multiples is not carried out. For the phase 132 of calculating the second estimate of the prediction gain, the nz basic delays previously determined are taken as candidate delays. This second variant makes it possible to dispense with the systematic examination of the submultiples and of the multiples which are generally taken into account by virtue of the subdivision of the domain of possible delays.
  • phase 132 is modified in that, in the optimization steps 148, the index i st ' which maximizes C st' 2 (r i ) / G st ' (r i ) for I st (j) -N1 / 2 ⁇ i ⁇ I st (j) + N1 / 2 and 0 ⁇ i ⁇ N, and on the other hand, during the same maximization loop, the index k st ' which maximizes this same quantity over a reduced interval I st (j) -N3 / 2 ⁇ i ⁇ I st (j) + N3 / 2 and 0 ⁇ i ⁇ N.
  • Gp ' 20.log 10 [R0 / (R0-Ymax ')] .
  • the sub-frames for which the prediction gain is negative or negligible can be identified by consulting the nst pointers. If necessary, the module 38 is deactivated for the corresponding sub-frames. This does not affect the quality of the LTP analysis since the prediction gain corresponding to these subframes will be almost zero anyway.
  • Another aspect of the invention relates to the module 42 for calculating the impulse response of the weighted synthesis filter.
  • the closed loop LTP analysis module 38 needs this impulse response h over the duration of a subframe to calculate the convolutions y T (i) according to formula (1).
  • the stochastic analysis module 40 also needs it to calculate convolutions as will be seen below.
  • the operations performed by the module 42 are for example in accordance with the flowchart of FIG. 7.
  • the coefficients a k are those involved in the perceptual weighting filter, i.e. the linear prediction coefficients interpolated but not quantified, while in expression (3), the coefficients a k are those applied to the synthesis filter, i.e. the quantized and interpolated linear prediction coefficients.
  • the module 42 determines the smallest length L ⁇ such that the energy Eh (L ⁇ -1) of the response impulse truncated at L ⁇ samples or at least equal to a proportion ⁇ of its total energy Eh (pst-1) estimated on pst samples.
  • a typical value of ⁇ is 98%.
  • the number L ⁇ is initialized to pst in step 162 and decremented by one as 166 as Eh (L ⁇ -2)> ⁇ .Eh (pst-1) (test 164).
  • the length L ⁇ sought is obtained when the test 164 shows that Eh (L ⁇ -2) ⁇ ⁇ .Eh (pst-1).
  • a correcting term ⁇ (MV) is added to the value of L ⁇ which has been obtained (step 168).
  • This corrective term is preferably an increasing function of the degree of voicing.
  • ⁇ (0) - 5
  • ⁇ (3) + 7.
  • the truncation length Lh of the impulse response is taken equal to L ⁇ if L ⁇ ⁇ nst and to nst otherwise.
  • a third aspect of the invention relates to the module 40 of stochastic analysis used to model the unpredictable part of the excitement.
  • the stochastic excitation considered here is of the multi-pulse type.
  • the stochastic excitation relating to a subframe is represented by np pulses of positions p (n) and of amplitudes, or gains, g (n) (1 ⁇ n ⁇ np).
  • the gain g p of long-term prediction can also be calculated during the same process.
  • the excitation sequence relating to a sub-frame comprises nc contributions associated respectively with nc gains.
  • the contributions are lst sample vectors which, weighted by the associated and summed gains correspond to the excitation sequence of the short-term synthesis filter.
  • np vectors comprising only 0 except an impulse of amplitude 1.
  • the vectors F p (n) are simply constituted by the vector of the impulse response h shifted by p (n) samples. Truncating the impulse response as described above therefore makes it possible to significantly reduce the number of operations useful for calculating the scalar products involving these vectors F p (n) .
  • the gains g nc-1 (i) are the selected gains and the minimized quadratic error E is equal to the energy of the target vector e nc-1 .
  • the decomposition of Cholesky and the inversion of the matrix M n however require to carry out divisions and calculations of square roots which are operations demanding in terms of computation complexity.
  • the matrices L not R not .K not , R n , K n and L n -1 are each constructed by simply adding a line to the corresponding matrices of the previous iteration:
  • the module 40 proceeds to the calculation 184 of the line n of the matrices L, R and K involved in the decomposition of the matrix B, which makes it possible to complete the matrices L n , R n and K n defined above.
  • R (( not , k ) L (n, n) 1
  • the column index j is first initialized at 0, in step 186.
  • the integer k is also initialized to 0.
  • a comparison 190 is then made between the integers k and j. If k ⁇ j, we add the term L (n, k). R (j, k) to the variable tmp, then we increment the whole k by one unit (step 192) before re-performing the comparison 190.
  • a comparison 194 is made between the integers j and n. If j ⁇ n, the component R (n, j) is taken equal to tmp and the component L (n, j) to tmp.K (j) in step 196, then the column index j is incremented d 'a unit before returning to step 188 to calculate the following components.
  • the inversion 200 then begins with an initialization 202 of the column index j 'at n-1.
  • step 204 the term Linv (j ') is initialized to -L (n, j') and the integer k 'to j' + 1.
  • a comparison 206 is then carried out between the integers k ′ and n. If k ' ⁇ n, we subtract the term L (k', j '). Linv (k') to Linv (j '), then we increment the whole k' by one unit (step 208) before re-executing comparison 206.
  • the inversion 200 is followed by the calculation 214 of the reoptimized gains and of the target vector E for the following iteration.
  • the computation of the reoptimized gains is also very simplified by the decomposition retained for the matrix B.
  • K (( not ) and g not (i ') g n-1 (i ') + L -1 (n, i '). g not (not) for 0 ⁇ i ' ⁇ n.
  • the calculation 214 is detailed in FIG. 11.
  • x (( k ) b (n) serves as the initialization value for the variable tmq.
  • the index i is also initialized to 0.
  • the comparison 218 is then carried out between the integers i and n. If i ⁇ n, we add the term b (i). Linv (i) to the variable tmq and we increment i by one unit (step 220) before returning to the comparison 218.
  • This loop includes a comparison 224 between the integers i 'and n.
  • Step 226 the gain g (i') is recalculated in step 226 by adding Linv (i '). G (n) to its value calculated during the previous iteration n-1, then we subtract from target vector e the vector g (i '). F p (i') .
  • Step 226 also includes the incrementation of the index i 'before returning to the comparison 224.
  • Segmental pulse search significantly decreases the number of pulse positions to be evaluated during steps 182 of the search for stochastic excitation. It also allows efficient quantification of the positions found.
  • ns> np also has the advantage that good robustness to transmission errors can be obtained with regard to the positions of the pulses, by virtue of a separate quantification of the sequence numbers of the occupied segments and of the relative positions pulses in each occupied segment.
  • the possible binary words are stored in a quantification table in which the reading addresses are the quantization indexes received.
  • the order in this table, determined once for all, can be optimized so that an error of transmission affecting a bit of the index (the error case the more frequent, especially when interlacing is used work in the channel encoder 22) has, on average, minimal consequences according to a neighborhood criterion.
  • the neighborhood criterion is for example that a word of ns bits does not can be replaced only by words "neighbors", distant a Hamming distance at most equal to an np-2 ⁇ threshold, so as to keep all the pulses except ⁇ of them at valid positions in case of transmission error the single-bit index.
  • Other criteria would be usable in substitution or in addition, for example that two words are considered neighbors if the replacement of one by the other does not change the order of assignment of gains associated with pulses.
  • the order in the table word quantification can be determined from arithmetic considerations or, if this is insufficient, in simulating error scenarios on a computer (so exhaustive or by statistical sampling of the type Monte-Carlo according to the number of possible error cases).
  • the module scheduling 46 can put in the category of minimum protection, or in the unprotected category, a nx number of index bits which, if they are affected by a transmission error, give rise to a wrong word but checking the neighborhood criterion with a probability considered satisfactory, and put in a category more protected the other bits of the index. This way of proceed uses another word order in the quantification table.
  • This scheduling can also be optimized using simulations if you want maximize the number nx of the index bits assigned to the least protected category.
  • One possibility is to start by constituting a list of words of ns bits by counting in Gray code from 0 to 2 ns -1, and to obtain the ordered quantification table by deleting from this list the words having no weight of Hamming of np.
  • the table thus obtained is such that two consecutive words have a Hamming distance of np-2. If the indexes in this table have a binary representation in Gray code, any error on the least significant bit causes the index to vary by ⁇ 1 and therefore causes the replacement of the actual occupancy word by a neighboring word in the sense of the np-2 threshold on the Hamming distance, and an error on the i-th least significant bit also varies the index by ⁇ 1 with a probability of approximately 2 1-i .
  • nx By placing the nx least significant bits of the index in Gray code in an unprotected category, a possible transmission error affecting one of these bits leads to the replacement of the busy word by a neighboring word with a probability at least equal. to (1 + 1/2 + ... + 1/2 nx-1 ) / nx. This minimum probability decreases from 1 to (2 / nb) (1-1 / 2 nb ) for nx increasing from 1 to nb.
  • the errors affecting the nb-nx most significant bits of the index will most often be corrected thanks to the protection applied to them by the channel coder.
  • the value of nx is in this case chosen according to a compromise between robustness to errors (small values) and a reduced size of the protected categories (large values).
  • the possible binary words for represent the occupation of the segments are arranged in order growing in a search table.
  • An indexing table associates with each address the serial number, in the table of quantization stored at the decoder, of the binary word having this address in the lookup table.
  • the content of the table search and index table is given in the table III (in decimal values).
  • the quantification of the occupation word of the segments deduced from the np positions provided by the stochastic analysis module 40 is carried out in two stages by the quantization module 44.
  • a dichotomous search is first carried out in the search table to determine the address in this table of the word to be quantified.
  • the quantization index is then obtained at the address determined in the indexing table and then supplied to the bit scheduling module 46.
  • Address Search table Indexing table 0 3 0 1 5 1 2 6 5 3 9 2 4 10 4 5 12 3
  • the module 44 also performs the quantification of the gains calculated by the module 40.
  • the quantization bits of Gs are placed in a category protected by the channel 22 encoder, as well as most significant bits of the gain quantification indexes relative.
  • the relative gain quantization bits are ordered to allow assignment to impulses associated belonging to the segments localized by the word of occupation. Segmental research according to the invention also allows effective protection of positions relative pulses associated with the largest values gain.
  • the decoder 54 To reconstruct impulse contributions of excitation, the decoder 54 first locates the segments by means of the occupation word received; he then assigns the associated earnings; then he assigns the positions relative to pulses based on the order of importance of the gains.
  • the 13 kbit / s speech coder requires order 15 million comma instructions per second (Mips) fixed. So we typically do this by programming a commercial digital signal processor (DSP) as well as the decoder which requires only about 5 Mips.
  • DSP digital signal processor

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

On effectue, pour chaque trame du signal de parole, une analyse par prédiction linéaire pour déterminer les coefficients d'un filtre de synthèse à court terme. On détermine pour chaque sous-trame une séquence d'excitation qui, soumise au filtre de synthèse à court terme, produit un signal synthétique représentatif du signal de parole. La séquence d'excitation comporte une excitation stochastique constituée par plusieurs impulsions dont on calcule les positions respectives dans la sous-trame et des gains respectivement associés. On subdivise chaque sous-trame en ns segments, ns étant un nombre au moins égal au nombre d'impulsions par excitation stochastique, et pour chaque sous-trame, on recherche les positions des impulsions de l'excitation stochastique de façon à avoir au plus une impulsion par segment. <IMAGE>

Description

La présente invention concerne le codage de la parole utilisant l'analyse par synthèse.
La demanderesse a notamment décrit de tels codeurs de parole qu'elle a développés dans ses demandes de brevet européen 0 195 487, 0 347 307 et 0 469 997.
Dans un codeur de parole à analyse par synthèse, on effectue une prédiction linéaire du signal de parole pour obtenir les coefficients d'un filtre de synthèse à court terme modélisant la fonction de transfert du conduit vocal. Ces coefficients sont transmis au décodeur, ainsi que des paramètres caractérisant une excitation à appliquer au filtre de synthèse à court terme. Dans la plupart des codeurs actuels, on recherche en outre les corrélations à plus long terme du signal de parole pour caractériser un filtre de synthèse à long terme rendant compte de la hauteur tonale de la parole. Lorsque le signal est voisé, l' excitation comporte en effet une composante prédictible pouvant être représentée par l'excitation passée, retardée de TP échantillons du signal de parole et affectée d'un gain gp. Le filtre de synthèse à long terme, également reconstitué au décodeur, a alors une fonction de transfert de la forme 1/B(z) avec B(Z)=1-gp.z-TP . La partie restante, non prédictible, de l'excitation est appelée excitation stochastique. Dans les codeurs dits CELP ("Code Excited Linear Prediction"), l'excitation stochastique est constituée par un vecteur recherché dans un dictionnaire prédéterminé. Dans les codeurs dits MPLPC ("Multi-Pulse Linear Prediction Coding"), l'excitation stochastique comporte un certain nombre d'impulsions dont les positions sont recherchées par le codeur. En général, les codeurs CELP sont préférés pour les bas débits de transmission, mais ils sont plus complexes à mettre en oeuvre que les codeurs MPLPC.
Un but de la présente invention est d'obtenir un bon compromis entre la qualité du codage et la complexité de la recherche de l'excitation stochastique, tout en obtenant une bonne robustesse aux erreurs de transmission.
L'invention propose ainsi un procédé de codage à analyse par synthèse d'un signal de parole numérisé en trames successives divisées en sous-trames de lst échantillons, dans lequel on effectue pour chaque trame une analyse par prédiction linéaire pour déterminer les coefficients d'un filtre de synthèse à court terme, et on détermine pour chaque sous-trame une séquence d'excitation qui, soumise au filtre de synthèse à court terme, produit un signal synthétique représentatif du signal de parole. La séquence d'excitation comporte une excitation stochastique constituée par plusieurs impulsions dont on calcule les positions respectives dans la sous-trame et des gains respectivement associés. On subdivise chaque sous-trame en ns segments, ns étant un nombre au moins égal au nombre np d'impulsions par excitation stochastique. Les positions des impulsions de l'excitation stochastique relative à une sous-trame sont déterminées successivement : on cherche la première impulsion en une position quelconque de la sous-trame, et les positions suivantes en excluant chaque segment auquel appartient une impulsion dont la position a été précédemment déterminée. Les numéros d'ordre des segments occupés par une impulsion de l'excitation stochastique sont quantifiés de façon distincte des positions relatives des impulsions dans les segments occupés.
On diminue ainsi le nombre de positions d'impulsions à évaluer au cours de la recherche de l'excitation stochastique. La recherche de l'excitation multi-impulsionnelle est donc simplifiée. Cette simplification ne s'accompagne pas d'une diminution sensible de la qualité du codage comme dans les codeurs dits RPE-LPC où les impulsions sont régulièrement espacées.
La recherche segmentaire des impulsions a en outre l'avantage de permettre une bonne robustesse aux erreurs de transmission grâce notamment au fait qu'on quantifie de façon distincte les numéros d'ordre des segments occupés par une impulsion de l'excitation stochastique et les positions relatives des impulsions dans les segments occupés.
De préférence, on détermine pour chaque sous-trame une séquence d'excitation à nc contributions associées chacune à un gain respectif de façon que la séquence d'excitation soumise au filtre de synthèse à court terme produise un signal synthétique représentatif du signal de parole, les nc contributions comprenant au moins les np contributions impulsionnelles de l'excitation stochastique, les nc contributions de la séquence d'excitation et les gains associés étant déterminés par un processus itératif dans lequel l'itération n(0≦n<nc) comprend :
  • la détermination de la contribution n qui maximise la quantité (Fp.en-1 T)2/Fp.Fp T) où Fp désigne un vecteur ligne à lst composantes égales aux produits de convolution entre une valeur possible de la contribution n et la réponse impulsionnelle d'un filtre composé du filtre de synthèse à court terme et d'un filtre de pondération perceptuelle, et en-1 désigne un vecteur-cible déterminé lors de l'itération n-1 si n≧1 et e-1=X est un vecteur-cible initial ; et
  • le calcul de n+1 gains formant un vecteur ligne gn=(gn(0),...,gn(n)) en résolvant le système linéaire gn.Bn=bn , où Bn est une matrice symétrique à n+1 lignes et n+1 colonnes dont la composante Bn(i,j) (0≦i,j≦n) est égale au produit scalaire Fp(i).Fp(j) T où Fp(i) et Fp(j) désignent respectivement les vecteurs-ligne égaux aux produits de convolution entre les contributions i et j précédemment déterminées et la réponse impulsionnelle du filtre composé, et bn est un vecteur ligne à n+1 composantes bn(i) (0≦i≦n) respectivement égales aux produits scalaires entre les vecteurs Fp(i) et le vecteur-cible initial X,
    les nc gains associés aux nc contributions de la séquence d'excitation étant ceux calculés lors de l'itération nc-1. A chaque itération n (0≦n<nc), on calcule les lignes n de trois matrices L, R et K à nc lignes et nc colonnes telles que Bn = Ln.Rn T et Ln= Rn.Kn où Ln, Rn et Kn désignent des matrices à n+1 lignes et n+1 colonnes correspondant respectivement aux n+1 premières lignes et aux n+1 premières colonnes desdites matrices L, R et K, les matrices L et R étant triangulaires inférieures, la matrice K étant diagonale, et la matrice L n'ayant que des 1 sur sa diagonale principale, on calcule la ligne n de la matrice L-1 inverse de la matrice L, et on calcule les n+1 gains selon la relation gn=bn.Kn.(Ln -1)T.Ln -1 où Ln -1 désigne la matrice à n+1 lignes et n+1 colonnes correspondant respectivement aux N+1 premières lignes et aux n+1 premières colonnes de la matrice inverse L-1.
Ce mode de recherche de l' excitation stochastique est utilisable de manière avantageuse y compris lorsqu'on ne met pas en oeuvre la recherche segmentaire ci-dessus exposée, et n'est d'ailleurs pas applicable exclusivement aux codeurs MPLPC. Il est notamment applicable aux codeurs dits VSELP où les contributions à l'excitation stochastique sont des vecteurs choisis dans un dictionnaire prédéterminé (voir I. Gerson et M. Jasiuk : "Vector Sum Excited Linear Prediction (VSELP) Speech Coding at 8 kb/s", Proc. Int. Conf. on Acoustics, Speech and Signal Processing, Albuquerque 1990, Vol.1, pages 461-464).
D'autres particularités et avantages de l'invention apparaítront dans la description ci-après d'exemples de réalisation préférés, mais non limitatifs, en référence aux dessins annexés, dans lesquels :
  • la figure 1 est un schéma synoptique d'une station de radiocommunication incorporant un codeur de parole mettant en oeuvre l'invention ;
  • la figure 2 est un schéma synoptique d'une station de radiocommunication apte à recevoir un signal produit par celle de la figure 1 ;
  • les figures 3 à 6 sont des organigrammes illustrant un processus d'analyse LTP en boucle ouverte appliqué dans le codeur de parole de la figure 1 ;
  • la figure 7 est un organigramme illustrant un processus de détermination de la réponse impulsionnelle du filtre de synthèse pondéré appliqué dans le codeur de parole de la figure 1 ;
  • les figures 8 à 11 sont des organigrammes illustrant un processus de recherche de l'excitation stochastique appliqué dans le codeur de parole de la figure 1.
Un codeur de parole mettant en oeuvre l'invention est applicable dans divers types de systèmes de transmission et/ou de stockage de parole faisant appel à une technique de compression numérique. Dans l'exemple de la figure 1, le codeur de parole 16 fait partie d'une station mobile de radiocommunication. Le signal de parole S est un signal numérique échantillonné à une fréquence typiquement égale à 8kHz. Le signal S est issu d'un convertisseur analogique-numérique 18 recevant le signal de sortie amplifié et filtré d'un microphone 20. Le convertisseur 18 met le signal de parole S sous forme de trames successives elles-mêmes subdivisées en nst sous-trames de lst échantillons. Une trame de 20 ms comporte typiquement nst=4 sous-trames de lst=40 échantillons de 16 bits à 8kHz. En amont du codeur 16, le signal de parole S peut également être soumis à des traitements classiques de mise en forme tels qu'un filtrage de Hamming. Le codeur de parole 16 délivre une séquence binaire de débit sensiblement plus faible que celui du signal de parole S, et adresse cette séquence à un codeur canal 22 dont la fonction est d'introduire des bits de redondance dans le signal afin de permettre une détection et/ou une correction d'éventuelles erreurs de transmission. Le signal de sortie du codeur canal 22 est ensuite modulé sur une fréquence porteuse par le modulateur 24, et le signal modulé est émis sur l'interface air.
Le codeur de parole 16 est un codeur à analyse par synthèse. Le codeur 16 détermine d'une part des paramètres caractérisant un filtre de synthèse à court terme modélisant le conduit vocal du locuteur, et d'autre part une séquence d'excitation qui, appliquée au filtre de synthèse à court terme, fournit un signal synthétique constituant une estimation du signal de parole S selon un critère de pondération perceptuelle.
Le filtre de synthèse à court terme a une fonction de transfert de la forme 1/A(z), avec : A(z)=1- i=1 q ai .z -i    Les coefficients ai sont déterminés par un module 26 d'analyse par prédiction linéaire à court terme du signal de parole S. Les ai sont les coefficients de prédiction linéaire du signal de parole S. L'ordre q de la prédiction linéaire est typiquement de l'ordre de 10. Les méthodes applicables par le module 26 pour la prédiction linéaire à court terme sont bien connues dans le domaine du codage de la parole. Le module 26 met par exemple en oeuvre l'algorithme de Durbin-Levinson (voir J. Makhoul : "Linear Prediction : A tutorial review", Proc. IEEE, Vol.63, N°4, Avril 1975, p. 561-580). Les coefficients ai obtenus sont fournis à un module 28 qui les convertit en paramètres de raies spectrales (LSP). La représentation des coefficients de prédiction ai par des paramètres LSP est fréquemment utilisée dans des codeurs de parole à analyse par synthèse. Les paramètres LSP sont les q nombres cos(2πfi) rangés en ordre décroissant, les q fréquences de raies spectrales (LSF) normalisées fi(1≦i≦q) étant telles que les nombres complexes exp(2πjfi), avec i=1,3,...,q-1,q+1 et fq+1=0,5, soient les racines du polynôme Q(z) défini par Q(z)=A(z)+z-(q+1).A(z-1) et que les nombres complexes exp(2πjfi), avec i=0,2,4,...,q et f0=0, soient les racines du polynôme Q*(z) défini par Q*(z)=A(z)-z-(q+1).A(z-1).
Les paramètres LSP peuvent être obtenus par le module de conversion 28 par la méthode classique des polynômes de Chebyshev (voir P. Kabal et R.P. Ramachandran : "The computation of line spectral frequencies using Chebyshev polynomials", IEEE Trans. ASSP, Vol.34, N° 6, 1986, pages 1419-1426). Ce sont des valeurs de quantification des paramètres LSP, obtenues par un module de quantification 30, qui sont transmises au décodeur pour que celui-ci retrouve les coefficients ai du filtre de synthèse à court terme. Les coefficients ai peuvent être retrouvés simplement, étant donné que: Q(z)=(1+z -1) i=1,3,...,q-1 (1-2cos(2πfi )z -1+z -2) Q*(z)=(1-z -1) i=2,4,...,q (1-2cos(2πfi )z -1+z -2) et A(z) = [Q(z)+Q*(z)]/2    Pour éviter des variations brusques dans la fonction de transfert du filtre de synthèse à court terme, les paramètres LSP font l'objet d'une interpolation avant qu'on en déduise les coefficients de prédiction ai. Cette interpolation est effectuée sur les premières sous-trames de chaque trame du signal. Par exemple, si LSPt et LSPt-1 désignent respectivement un paramètre LSP calculé pour la trame t et pour la trame précédente t-1, on prend : LSPt(0)=0,5.LSPt-1+0,5.LSPt , LSPt(1)=0,25.LSPt-1+0,75.LSPt et LSPt(2)=...=LSTt(nst-1)=LSPt pour les sous-trames 0,1,2,...,nst-1 de la trame t. Les coefficients ai du filtre 1/A(z) sont alors déterminés, sous-trame par sous-trame à partir des paramètres LSP interpolés.
Les paramètres LSP non quantifiés sont fournis par le module 28 à un module 32 de calcul des coefficients d'un filtre de pondération perceptuelle 34. Le filtre de pondération perceptuelle 34 a de préférence une fonction de transfert de la forme W(z)=A(z/γ1)/A(z/γ2) où γ1 et γ2 sont des coefficients tels que γ1>γ2>0 (par exemple γ1=0,9 et γ2=0,6). Les coefficients du filtre de pondération perceptuelle sont calculés par le module 32 pour chaque sous-trame après interpolation des paramètres LSP reçus du module 28.
Le filtre de pondération perceptuelle 34 reçoit le signal de parole S et délivre un signal SW pondéré perceptuellement qui est analysé par des modules 36, 38, 40 pour déterminer la séquence d'excitation. La séquence d'excitation du filtre à court terme se compose d'une excitation prédictible par un filtre de synthèse à long terme modélisant la hauteur tonale (pitch) de la parole, et d'une excitation stochastique non prédictible, ou séquence d'innovation.
Le module 36 effectue une prédiction à long terme (LTP) en boucle ouverte, c'est-à-dire qu'il ne contribue pas directement à la minimisation de l'erreur pondérée. Dans le cas représenté, le filtre de pondération 34 intervient en amont du module d'analyse en boucle ouverte, mais il pourrait en être autrement : le module 36 pourrait opérer directement sur le signal de parole S ou encore sur le signal S débarrassé de ses corrélations à court terme par un filtre de fonction de transfert A(z). En revanche, les modules 38 et 40 fonctionnent en boucle fermée, c'est-à-dire qu'ils contribuent directement à la minimisation de l'erreur pondérée perceptuellement.
Le filtre de synthèse à long terme a une fonction de transfert de la forme 1/B(z) avec B(z)=1-gp.z-TP où gp désigne un gain de prédiction à long terme et TP désigne un retard de prédiction à long terme. Le retard de prédiction à long terme peut typiquement prendre N=256 valeurs comprises entre rmin et rmax échantillons. Une résolution fractionnaire est prévue pour les plus petites valeurs de retard de façon à éviter les écarts trop perceptibles en termes de fréquence de voisement. On utilise par exemple une résolution 1/6 entre rmin=21 et 33+5/6, une résolution 1/3 entre 34 et 47+2/3, une résolution 1/2 entre 48 et 88+1/2, et une résolution entière entre 89 et rmax=142. Chaque retard possible est ainsi quantifié par un index entier compris entre 0 et N-1=255.
Le retard de prédiction à long terme est déterminé en deux étapes. Dans la première étape, le module 36 d'analyse LTP en boucle ouverte détecte les trames voisées du signal de parole et détermine, pour chaque trame voisée, un degré de voisement MV et un intervalle de recherche du retard de prédiction à long terme. Le degré de voisement MV d'une trame voisée peut prendre trois valeurs : 1 pour les trames faiblement voisées, 2 pour les trames modérément voisées, et 3 pour les trames très voisées. Dans les notations utilisées ci-après, on prend un degré de voisement MV=0 pour les trames non voisées. L'intervalle de recherche est défini par une valeur centrale représentée par son index de quantification ZP et par une largeur dans le domaine des index de quantification, dépendant du degré de voisement MV. Pour les trames faiblement ou modérément voisées (MV=1 ou 2) la largeur de l'intervalle de recherche est de N1 index, c'est-à-dire que l'index du retard de prédiction à long terme sera recherché entre ZP-16 et ZP+15 si N1=32. Pour les trames très voisées (MV=3), la largeur de l'intervalle de recherche est de N3 index, c'est-à-dire que l'index du retard de prédiction à long terme sera recherché entre ZP-8 et ZP+7 si N3=16.
Une fois que le degré de voisement MV d'une trame a été déterminé par le module 36, le module 30 opère la quantification des paramètres LSP qui ont auparavant été déterminés pour cette trame. Cette quantification est par exemple vectorielle, c'est-à-dire qu'elle consiste à sélectionner, dans une ou plusieurs tables de quantification prédéterminées, un jeu de paramètres quantifiés LSPQ qui présente une distance minimale avec le jeu de paramètres LSP fourni par le module 28. De façon connue, les tables de quantification diffèrent suivant le degré de voisement MV fourni au module de quantification 30 par l'analyseur en boucle ouverte 36. Un ensemble de tables de quantification pour un degré de voisement MV est déterminé, lors d'essais préalables, de façon à être statistiquement représentatif de trames ayant ce degré MV. Ces ensembles sont stockés à la fois dans les codeurs et dans les décodeurs mettant en oeuvre l'invention. Le module 30 délivre le jeu de paramètres quantifiés LSPQ ainsi que son index Q dans les tables des quantification applicables.
Le codeur de parole 16 comprend en outre un module 42 de calcul de la réponse impulsionnelle du filtre composé du filtre de synthèse à court terme et du filtre de pondération perceptuelle. Ce filtre composé a pour fonction de transfert W(z)/A(z). Pour le calcul de sa réponse impulsionnelle h=(h(0), h(1), ..., h(lst-1)) sur la durée d'une sous-trame, le module 42 prend pour le filtre de pondération perceptuelle W(z) celui correspondant aux paramètres LSP interpolés mais non quantifiés, c'est-à-dire celui dont les coefficients ont été calculés par le module 32, et pour le filtre de synthèse 1/A(z) celui correspondant aux paramètres LSP quantifiés et interpolés, c'est-à-dire celui qui sera effectivement reconstitué par le décodeur.
Dans la deuxième étape de la détermination du retard TP de prédiction à long terme, le module 38 d'analyse LTP en boucle fermée détermine le retard TP pour chaque sous-trame des trames voisées (MV=1, 2 ou 3). Ce retard TP est caractérisé par une valeur différentielle DP dans le domaine des index de quantification, codée sur 5 bits si MV=1 ou 2 (N1=32), et sur 4 bits si MV=3 (N3=16). L'index du retard TP vaut ZP+DP. De façon connue, l'analyse LTP en boucle fermée consiste à déterminer, dans l'intervalle de recherche des retards T de prédiction à long terme, le retard TP qui maximise, pour chaque sous-trame d'une trame voisée, la corrélation normalisée : i=0 lst-1 x(i).yT (i) 2 i=0 lst-1 [yT (i)]2 où x(i) désigne le signal de parole pondéré SW de la sous-trame auquel on a soustrait la mémoire du filtre de synthèse pondéré (c'est-à-dire la réponse à un signal nul, due à ses états initiaux, du filtre dont la réponse impulsionnelle h a été calculée par le module 42), et yT(i) désigne le produit de convolution : yT (i) = u(i-T)*h(i)= j=0 i u(j-T).h(i-j) u(j-T) désignant la composante prédictible de la séquence d'excitation retardée de T échantillons, estimée par la technique bien connue du répertoire adaptatif ("adaptive codebook"). Pour les retards T inférieurs à la longueur d'une sous-trame, les valeurs manquantes de u(j-T) peuvent être extrapolées à partir des valeurs antérieures. Les retards fractionnaires sont pris en compte en suréchantillonnant le signal u(j-T) dans le répertoire adaptatif. Un suréchantillonnage d'un facteur m est obtenu au moyen de filtres polyphasés interpolateurs.
Le gain gp de prédiction à long terme pourrait être déterminé par le module 38 pour chaque sous-trame, en appliquant la formule connue : gP = i=0 lst-1 x(i).yTP (i) i=0 lst-1 [yTP (i)]2 Toutefois, dans une version préférée de l'invention, le gain gp est calculé par le module d'analyse stochastique 40.
L'excitation stochastique déterminée pour chaque sous-trame par le module 40 est de type multi-impulsionnelle. Une séquence d'innovation de lst échantillons comprend np impulsions de positions p(n) et d'amplitude g(n). Autrement dit, les impulsions ont une amplitude de 1 et sont associées à des gains respectifs g(n). Etant donné que le retard LTP n'est pas déterminé pour les sous-trames des trames non voisées, on peut prendre un nombre d'impulsions supérieur pour l'excitation stochastique relative à ces sous-trames, par exemple np=5 si MV=1, 2 ou 3 et np=6 si MV=0. Les positions et les gains calculés par le module 40 d'analyse stochastique sont quantifiés par un module 44.
Un module d'ordonnancement des bits 46 reçoit les différents paramètres qui seront utiles au décodeur, et constitue la séquence binaire transmise au codeur canal 22. Ces paramètres sont :
  • l'index Q des paramètres LSP quantifiés pour chaque trame ;
  • le degré MV de voisement de chaque trame ;
  • l'index ZP du centre de l'intervalle de recherche des retards LTP pour chaque trame voisée ;
  • l'index différentiel DP du retard LTP pour chaque sous-trame d'une trame voisée, et le gain associé gp ;
  • les positions p(n) et les gains g(n) des impulsions de l'excitation stochastique pour chaque sous-trame.
Certains de ces paramètres peuvent avoir une importance particulière dans la qualité de restitution de la parole ou une sensibilité particulière aux erreurs de transmission. On prévoit ainsi dans le codeur un module 48 qui reçoit les différents paramètres et qui ajoute à certains d'entre eux des bits de redondance permettant de détecter et/ou de corriger d'éventuelles erreurs de transmission. Par exemple, le degré de voisement MV codé sur deux bits étant un paramètre critique, on souhaite qu'il parvienne au décodeur avec aussi peu d'erreurs que possible. Pour cette raison, des bits de redondance sont ajoutés à ce paramètre par le module 48. On peut par exemple ajouter un bit de parité aux deux bits codant MV et répéter une fois les trois bits ainsi obtenus. Cet exemple de redondance permet de détecter toutes les erreurs simples ou doubles et de corriger toutes les erreurs simples et 75% des erreurs doubles.
L'allocation du débit binaire par trame de 20 ms est par exemple celle indiquée dans le tableau I.
paramètres quantifiés MV=0 MV=1 ou 2 MV=3
LSP 34 34 34
MV + redondance 6 6 6
ZP - 8 8
DP - 20 16
gTP - 20 24
positions impulsions 80 72 72
gains impulsions 140 100 100
Total 260 260 260
Dans l'exemple considéré ici, le codeur canal 22 est celui utilisé dans le système paneuropéen de radiocommunication avec les mobiles (GSM). Ce codeur canal, décrit en détail dans la Recommandation GSM 05.03, a été mis au point pour un codeur de parole à 13 kbit/s de type RPE-LTP qui produit également 260 bits par trame de 20 ms. La sensibilité de chacun des 260 bits a été déterminée à partir de tests d'écoute. Les bits issus du codeur source ont été regroupés en trois catégories. La première de ces catégories IA regroupe 50 bits qui sont codés convolutionnellement sur la base d'un polynôme générateur donnant une redondance d'un demi avec une longueur de contrainte égale à 5. Trois bits de parité sont calculés et ajoutés aux 50 bits de la catégorie IA avant le codage convolutionnel. La seconde catégorie (IB) compte 132 bits qui sont protégés à un taux d'un demi par le même polynôme que la catégorie précédente. La troisième catégorie (II) contient 78 bits non protégés. Après application du code convolutionnel, les bits (456 par trame) sont soumis à un entrelacement. Le module d'ordonnancement 46 du nouveau codeur source mettant en oeuvre l'invention distribue les bits dans les trois catégories en fonction de l'importance subjective de ces bits.
Une station mobile de radiocommunication apte à recevoir le signal de parole traité par le codeur source 16 est représentée schématiquement sur la figure 2. Le signal radio reçu est d'abord traité par un démodulateur 50 puis par un décodeur canal 52 qui effectuent les opérations duales de celles du modulateur 24 et du codeur canal 22. Le décodeur canal 52 fournit au décodeur de parole 54 une séquence binaire qui, en l'absence d'erreurs de transmission ou lorsque les éventuelles erreurs ont été corrigées par le décodeur canal 52, correspond à la séquence binaire qu'a délivrée le module d'ordonnancement 46 au niveau du codeur 16. Le décodeur 54 comprend un module 56 qui reçoit cette séquence binaire et qui identifie les paramètres relatifs aux différentes trames et sous-trames. Le module 56 effectue en outre quelques contrôles sur les paramètres reçus. En particulier, le module 56 examine les bits de redondance introduits par le module 48 du codeur, pour détecter et/ou corriger les erreurs affectant les paramètres associés à ces bits de redondance.
Pour chaque trame de parole à synthétiser, un module 58 du décodeur reçoit le degré de voisement MV et l'index de Q de quantification des paramètres LSP. Le module 58 retrouve les paramètres LSP quantifiés dans les tables correspondant à la valeur de MV, et, après interpolation, les convertit en coefficients ai pour le filtre de synthèse à court terme 60. Pour chaque sous-trame de parole à synthétiser, un générateur d'impulsions 62 reçoit les positions p(n) des np impulsions de l'excitation stochastique. Le générateur 62 délivre des impulsions d'amplitude unitaire qui sont chacune multipliées en 64 par le gain associé g(n). La sortie de l'amplificateur 64 est adressée au filtre de synthèse à long terme 66. Ce filtre 66 a une structure à répertoire adaptatif. Les échantillons u de sortie du filtre 66 sont mémorisés dans le répertoire adaptatif 68 de façon à être disponibles pour les sous-trames ultérieures. Le retard TP relatif à une sous-trame, calculé à partir des index de quantification ZP et DP, est fourni au répertoire adaptatif 68 pour produire le signal u convenablement retardé. L'amplificateur 70 multiplie le signal ainsi retardé par le gain gp de prédiction à long terme. Le filtre à long terme 66 comprend enfin un additionneur 72 qui ajoute les sorties des amplificateurs 64 et 70 pour fournir la séquence d'excitation u. Lorsque l'ana-lyse LTP n'a pas été effectuée au codeur, par exemple si MV=0, un gain de prédiction gp nul est imposé à l'amplifi-cateur 70 pour les sous-trames correspondantes. La séquence d'excitation est adressée au filtre de synthèse à court terme 60, et le signal résultant peut encore, de façon connue, être soumis à un post-filtre 74 dont les coefficients dépendent des paramètres de synthèse reçus, pour former le signal de parole synthétique S'. Le signal de sortie S' du décodeur 54 est ensuite converti en analogique par le convertisseur 76 avant d'être amplifié pour commander un haut-parleur 78.
On va maintenant décrire, en référence au figures 3 à 6, le processus d'analyse LTP en boucle ouverte mis en oeuvre par le module 36 du codeur suivant un premier aspect de l'invention.
Dans une première étape 90, le module 36 calcule et mémorise, pour chaque sous-trame st=0,1,...,nst-1 de la trame courante, les autocorrélations Cst(k) et les énergies retardées Gst(k) du signal de parole pondéré SW pour les retards entiers k compris entre rmin et rmax : Cst (k)= i=st.lst (st+1).lst-1 SW(i).SW(i-k) Gst (k)= i=st.lst (st+1).lst-1 [SW(i-k)]2    Les énergies par sous-trame R0st sont également calculées : ROst = i=st.lst (st+1).lst-1 [SW(i)]2    A l'étape 90, le module 36 détermine en outre, pour chaque sous-trame st, le retard entier Kst qui maximise l'estimation en boucle ouverte Pst(k) du gain de prédiction à long terme sur la sous-trame st, en excluant les retards k pour lesquels l'autocorrélation Cst(k) est négative ou plus petite qu'une petite fraction ε de l'énergie R0st de la sous-trame. L'estimation Pst(k) exprimée en décibels s'écrit : Pst(k) = 20.log10[ROst/(ROst-Cst 2(k)/Gst(k))] Maximiser Pst(k) revient donc à maximiser l'expression Xst(k)=Cst 2(k)/Gst(k) comme indiqué sur la figure 6. Le retard entier Kst est le retard de base en résolution entière pour la sous-trame st. L'étape 90 est suivie par une comparaison 92 entre une première estimation en boucle ouverte du gain de prédiction global sur la trame courante et un seuil prédéterminé S0 typiquement compris entre 1 et 2 décibels (par exemple S0 =1,5 dB). La première estimation du gain de prédiction global est égale à : 20.log10 R0/[R0 - st=0 nst-1 Xst (Kst )] où R0 est l'énergie totale de la trame (R0 = R00+R01+...+ R0nst-1), et Xst(Kst)=Cst 2(Kst)/Gst(Kst) désigne le maximum déterminé à l'étape 90 relativement à la sous-trame st. Comme l'indique la figure 6, la comparaison 92 peut être effectuée sans avoir à calculer le logarithme.
Si la comparaison 92 montre une première estimation du gain de prédiction inférieure au seuil S0, on considère que le signal de parole contient trop peu de corrélations à long terme pour être voisé, et le degré de voisement MV de la trame courante est pris égal à 0 à l'étape 94, ce qui termine dans ce cas les opérations effectuées par le module 36 sur cette trame. Si au contraire le seuil S0 est dépassé à l'étape 92, la trame courante est détectée comme voisée et le degré MV sera égal à 1, 2 ou 3. Le module 36 calcule alors, pour chaque sous-trame st, une liste Ist contenant des retards candidats pour constituer le centre ZP de l'intervalle de recherche des retards de prédiction à long terme.
Les opérations effectuées par le module 36 pour chaque sous-trame st (st initialisé à 0 à l'étape 96) d'une trame voisée commencent par la détermination 98 d'un seuil de sélection SEst en décibels égal à une fraction déterminée β de l'estimation Pst(Kst) du gain de prédiction en décibels sur la sous-trame, maximisée à l'étape 90 (β=0,75 typiquement). Pour chaque sous-trame st d'une trame voisée, le module 36 détermine le retard de base rbf en résolution entière pour la suite du traitement. Ce retard de base pourrait être pris égal à l'entier Kst obtenu à l'étape 90. Le fait de rechercher le retard de base en résolution fractionnaire autour de Kst permet toutefois de gagner en précision. L'étape 100 consiste ainsi, à rechercher, autour du retard entier Kst obtenu à l'étape 90, le retard fractionnaire qui maximise l'expression Cst 2/Gst . Cette recherche peut être effectuée à la résolution maximale des retards fractionnaires (1/6 dans l'exemple décrit ici) même si le retard entier Kst n'est pas dans le domaine où cette résolution maximale s'applique. On détermine par exemple le nombre Δst qui maximise Cst 2(Kst+δ/6)/Gst(Kst+δ/6) pour -6<δ<+6, puis le retard de base rbf en résolution maximale est pris égal à Kst+ Δst/6. Pour les valeurs fractionnaires T du retard, les autocorrélations Cst(T) et les énergies retardées Gst(T) sont obtenues par interpolation à partir des valeurs mémorisées à l'étape 90 pour les retards entiers. Bien entendu, le retard de base relatif à une sous-trame pourrait également être déterminé en résolution fractionnaire dès l'étape 90 et pris en compte dans la première estimation du gain de prédiction global sur la trame.
Une fois que le retard de base rbf a été déterminé pour une sous-trame, on procède à un examen 101 des sous-multiples de ce retard afin de retenir ceux pour lesquels le gain de prédiction est relativement important (figure 4), puis des multiples du plus petit sous-multiple retenu (figure 5). A l'étape 102, l'adresse j dans la liste Ist et l'index m du sous-multiple sont initialisés à 0 et 1, respectivement. Une comparaison 104 est effectuée entre le sous-multiple rbf/m et le retard minimal rmin. Le sous-multiple rbf/m est à examiner s'il est supérieur à rmin. On prend alors pour l'entier i la valeur de l'index du retard quantifié ri le plus proche de rbf/m (étape 106), puis on compare, en 108, la valeur estimée du gain de prédiction Pst(ri) associée au retard quantifié ri pour la sous-trame considérée au seuil de sélection SEst calculé à l'étape 98 : Pst(ri) = 20.log10[ROst/[ROst- Cst 2(ri)/Gst(ri)]] avec, pour les retards fractionnaires une interpolation des valeurs Cst et Gst calculées à l'étape 90 pour les retards entiers. Si Pst(ri)<SEst, le retard ri n'est pas pris en considération, et on passe directement à l'étape 110 d'incrémentation de l'index m avant d'effectuer de nouveau la comparaison 104 pour le sous-multiple suivant. Si le test 108 montre que Pst(ri) ≧ SEst, le retard ri est retenu et on exécute l'étape 112 avant d'incrémenter l'index m à l'étape 110. A l'étape 112, on mémorise l'index i à l'adresse j dans la liste Ist, on donne la valeur m à l'entier m0 destiné à être égal à l'index du plus petit sous-multiple retenu, puis on incrémente d'une unité l'adresse j.
L'examen des sous-multiples du retard de base est terminé lorsque la comparaison 104 montre rbf/m < rmin. On examine alors les retards multiples du plus petit rbf/m0 des sous-multiples précédemment retenus suivant le processus illustré sur la figure 5. Cet examen commence par une initialisation 114 de l'index n du multiple : n=2. Une comparaison 116 est effectuée entre le multiple n.rbf/m0 et le retard maximal rmax. Si n.rbf/m0 > rmax, on effectue le test 118 pour déterminer si l'index m0 du plus petit sous-multiple est un multiple entier de n. Dans l'affirmative, le retard n.rbf/m0 a déjà été examiné lors de l'examen des sous-multiples de rbf, et on passe directement à l'étape 120 d'incrémentation de l'index n avant d'effectuer de nouveau la comparaison 116 pour le multiple suivant. Si le test 118 montre que m0 n'est pas un multiple entier de n, le multiple n.rbf/m0 est à examiner. On prend alors pour l'entier i la valeur de l'index du retard quantifié ri le plus proche de n.rbf/m0 (étape 122), puis on compare, en 124, la valeur estimée du gain de prédiction Pst(ri) au seuil de sélection SEst. Si Pst(ri)<SEst, le retard ri n'est pas pris en considération, et on passe directement à l'étape 120 d'incrémentation de l'index n. Si le test 124 montre que Pst(ri) ≧ SEst, le retard ri est retenu et on exécute l'étape 126 avant d'incrémenter l'index n à l'étape 120. A l'étape 126, on mémorise l'index i à l'adresse j dans la liste Ist, puis on incrémente d'une unité l'adresse j.
L'examen des multiples du plus petit sous-multiple est terminé lorsque la comparaison 116 montre que n.rbf/m0 > rmax. A ce moment, la liste Ist contient j index de retards candidats. Si on souhaite limiter à jmax la longueur maximale de la liste Ist pour les étapes suivantes, on peut prendre la longueur jst de cette liste égale à min(j,jmax) (étape 128) puis, à l'étape 130, ordonner la liste Ist dans l'ordre des gains Cst 2(rIst(j))/Gst 2(rIst(j)) décroissants pour 0≦j<jst de façon à ne conserver que les jst retards procurant les plus grandes valeurs de gain. La valeur de jmax est choisie en fonction du compromis visé entre l'efficacité de la recherche des retards LTP et la complexité de cette recherche. Des valeurs typiques de jmax vont de 3 à 5.
Une fois que les sous-multiples et les multiples ont été examinés et que la liste Ist a ainsi été obtenue (figure 3), le module d'analyse 36 calcule une quantité Ymax déterminant une seconde estimation en boucle ouverte du gain de prédiction à long terme sur l'ensemble de la trame, ainsi que des index ZP, ZP0 et ZP1 dans une phase 132 dont le déroulement est détaillé sur la figure 6. Cette phase 132 consiste à tester des intervalles de recherche de longueur N1 pour déterminer celui qui maximise une deuxième estimation du gain de prédiction global sur la trame. Les intervalles testés sont ceux dont les centres sont les retards candidats contenus dans la liste Ist calculée lors de la phase 101. La phase 132 commence par une étape 136 où l'adresse j dans la liste Ist est initialisée à 0. A l'étape 138, on vérifie si l'index Ist(j) a déjà été rencontré en testant un intervalle précédent centré sur Ist'(j') avec st'<st et 0≦j'<jst', afin d'éviter de tester deux fois le même intervalle. Si le test 138 révèle que Ist(j) figurait déjà dans une liste Ist' avec st'<st, on incrémente directement l'adresse j à l'étape 140, puis on la compare à la longueur jst de la liste Ist. Si la comparaison 142 montre que j<jst, on revient à l'étape 138 pour la nouvelle valeur de l'adresse j. Lorsque la comparaison 142 montre que j=jst, tous les intervalles relatifs à la liste Ist ont été testés, et la phase 132 est terminée. Lorsque le test 138 est négatif, on teste l'intervalle centré sur Ist(j) en commençant par l'étape 148 où on détermine, pour chaque sous-trame st', l'index ist, du retard optimal qui maximise sur cet intervalle l'estimation en boucle ouverte Pst(ri) du gain de prédiction à long terme, c'est-à-dire qui maximise la quantité Yst'(i)=Cst' 2(ri)/Gst'(ri) où ri désigne le retard quantifié d'index i pour Ist(j)-N1/2 ≦i<Ist(j)+N1/2 et 0≦i<N. Lors de la maximisation 148 relative à une sous-trame st', on écarte a priori les index i pour lesquels l'autocorrélation Cst'(ri) est négative, pour éviter de dégrader le codage. S'il se trouve que toutes les valeurs de i comprises dans l'intervalle testé [I(j)-N1/2, I(j)+N1/2[ donnent lieu à des autocorrélations Cst'(ri) négatives, on sélectionne l'index ist' pour lequel cette autocorrélation est la plus petite en valeur absolue. Ensuite, en 150, la quantité Y déterminant la deuxième estimation du gain de prédiction global pour l'intervalle centré sur Ist(j) est calculée selon : Y = st'=0 nst-1 Yst' (ist' ) puis comparée à Ymax, où Ymax représente la valeur à maximiser. Cette valeur Ymax est par exemple initialisée à 0 en même temps que l'index st à l'étape 96. Si Y≦Ymax, on passe directement à l'étape 140 d'incrémentation de l'index j. Si la comparaison 150 montre que Y>Ymax, on exécute l'étape 152 avant d'incrémenter l'adresse j à l'étape 140. A cette étape 152, l'index ZP est pris égal à Ist(j) et les index ZP0 et ZP1 sont respectivement pris égaux au plus petit et au plus grand des index ist' déterminés à l'étape 148.
A la fin de la phase 132 relative à une sous-trame st, l'index st est incrémenté d'une unité (étape 154) puis comparé, à l'étape 156, au nombre nst de sous-trames par trame. Si st<nst, on revient à l'étape 98 pour effectuer les opérations relatives à la sous-trame suivante. Lorsque la comparaison 156 montre que st=nst, l'index ZP désigne le centre de l'intervalle de recherche qui sera fourni au module 38 d'analyse LTP en boucle fermée, et ZP0 et ZP1 sont des index dont l'écart est représentatif de la dispersion des retards optimaux par sous-trame dans l'intervalle centré sur ZP.
A l'étape 158, le module 36 détermine le degré de voisement MV, sur la base de la seconde estimation en boucle ouverte du gain exprimée en décibels : Gp=20.log10(RO/RO-Ymax). On fait appel à deux autres seuils S1 et S2. Si Gp≦S1, le degré de voisement MV est pris égal à 1 pour la trame courante. Le seuil S1 est typiquement compris entre 3 et 5 dB ; par exemple S1=4 dB. Si S1<Gp<S2, le degré de voisement MV est pris égal à 2 pour la trame courante. Le seuil S2 est typiquement compris entre 5 et 8 dB ; par exemple S2=7 dB. Si Gp>S2, on examine la dispersion des retards optimaux pour les différentes sous-trames de la trame courante. Si ZP1-ZP<N3/2 et ZP-ZP0≦N3/2, un intervalle de longueur N3 centré sur ZP suffit à prendre en compte tous les retards optimaux et le degré de voisement est pris égal à 3 (si Gp>S2). Sinon, si ZP1-ZP≧N3/2 ou ZP-ZPO>N3/2, le degré de voisement est pris égal à 2 (si Gp>S2).
L'index ZP du centre de l'intervalle de recherche du retard de prédiction pour une trame voisée peut être compris entre 0 et N-1=255, et l'index différentiel DP déterminé pour le module 38 peut aller de -16 à +15 si MV=1 ou 2, et de -8 à +7 si MV=3 (cas N1=32, N3=16). L'index ZP+DP du retard TP finalement déterminé peut donc dans certains cas être plus petit que 0 ou plus grand que 255. Ceci permet à l'analyse LTP en bouche fermée de porter également sur quelques retards TP plus petits que rmin ou plus grands que rmax. On améliore ainsi la qualité subjective de la restitution des voix dites pathologiques et des signaux non vocaux (fréquences vocales DTMF ou fréquences de signalisation utilisées par le réseau téléphonique commuté). Une autre possibilité est de prendre pour l'intervalle de recherche les 32 premiers ou derniers index de quantification des retards si ZP<16 ou ZP>240 avec MV=1 ou 2, et les 16 premiers ou derniers index si ZP<8 ou ZP>248 avec MV=3.
Le fait de réduire l'intervalle de recherche des retards pour les trames très voisées (typiquement 16 valeurs pour MV=3 au lieu de 32 pour MV=1 ou 2) permet de diminuer la complexité de l'analyse LTP en boucle fermée effectuée par le module 38 en réduisant le nombre de convolutions yT(i) à calculer suivant la formule (1). Un autre avantage est qu'un bit de codage de l'index différentiel DP est économisé. Le débit de sortie étant constant, ce bit peut être réalloué au codage d'autres paramètres. On peut en particulier allouer ce bit supplémentaire à la quantification du gain de prédiction à long terme gp calculé par le module 40. En effet, une meilleure précision sur le gain gp grâce à un bit de quantification supplémentaire est appréciable car ce paramètre est perceptuellement important pour les sous-trames très voisées (MV=3). Une autre possibilité est de prévoir un bit de parité pour le retard TP et/ou le gain gp, permettant de détecter d'éventuelles erreurs affectant ces paramètres.
Il est possible d'apporter quelques modifications au processus d'analyse LTP en boucle ouverte décrit ci-dessus en référence aux figures 3 à 6.
Suivant une première variante de ce processus, les premières optimisations effectuées à l'étape 90 relativement aux différentes sous-trames sont remplacées par une seule optimisation portant sur l'ensemble de la trame. Outre les paramètres Cst(k) et Gst(k) calculés pour chaque sous-trame st, on calcule également les autocorrélations C(k) et les énergies retardées G(k) pour l'ensemble de la trame : C(k) = st=0 nst-1 Cst (k) G(k) = st=0 nst-1 Gst (k)    On détermine alors le retard de base en résolution entière K qui maximise X(k)=C2(k)/G(k) pour rmin ≦ k ≦ rmax. La première estimation du gain comparée à S0 à l'étape 92 est alors P(K)=20.log10[R0/[R0-X(K)]]. On détermine ensuite, autour de K, un seul retard de base en résolution fractionnaire rbf et l'examen 101 des sous-multiples et des multiples est effectué une seule fois et produit une seule liste I au lieu de nst listes Ist. La phase 132 est ensuite effectuée une seule fois pour cette liste I, en ne distinguant les sous-trames qu'aux étapes 148, 150 et 152. Cette variante de réalisation a pour avantage de réduire la complexité de l'analyse en boucle ouverte.
Suivant une seconde variante du processus d'analyse LTP en boucle ouverte, le domaine [rmin, rmax] des retards possibles est subdivisé en nz sous-intervalles ayant par exemple la même longueur (nz=3 typiquement), et les premières optimisations effectuées à l'étape 90 relativement aux différentes sous-trames sont remplacées par nz optimisations dans les différents sous-intervalles portant chacune sur l'ensemble de la trame. On obtient ainsi nz retards de base K1 ',...,Knz ' en résolution entière. La décision voisé/non voisé (étape 92) est prise sur la base de celui des retards de base Ki ' qui procure la plus grande valeur pour la première estimation en boucle ouverte du gain de prédiction à long terme. Ensuite, si la trame est voisée, on détermine les retards de base en résolution fractionnaire par le même processus qu'à l'étape 100, mais en autorisant seulement les valeurs de retard quantifiées. L'examen 101 des sous-multiples et des multiples n'est pas effectué. Pour la phase 132 de calcul de la seconde estimation du gain de prédiction, on prend comme retards candidats les nz retards de base précédemment déterminés. Cette seconde variante permet de se dispenser de l'examen systématique des sous-multiples et des multiples qui sont en général pris en considération grâce à la subdivision du domaine des retards possibles.
Suivant une troisième variante du processus d'analyse LTP en boucle ouverte, la phase 132 est modifiée en ce que, aux étapes d'optimisation 148, on détermine d'une part l'index ist' qui maximise Cst' 2(ri)/Gst'(ri) pour Ist(j)-N1/2≦i<Ist(j)+N1/2 et 0≦i<N, et d'autre part, au cours de la même boucle de maximisation, l'index kst' qui maximise cette même quantité sur un intervalle réduit Ist(j)-N3/2≦i<Ist(j)+N3/2 et 0≦i<N. L'étape 152 est également modifiée : on ne mémorise plus les index ZP0 et ZP1, mais une quantité Ymax' définie de la même manière que Ymax mais en référence à l'intervalle de longueur réduite : Y max ' = st'=0 nst-1 Yst' (kst' )    Dans cette troisième variante, la détermination 158 du mode de voisement conduit à sélectionner plus souvent le degré de voisement MV=3. On prend également en compte, en plus du gain Gp précédemment décrit, une troisième estimation en boucle ouverte du gain LTP, correspondant à Ymax' : Gp'=20.log10[R0/(R0-Ymax')]. Le degré de voisement est MV=1 si Gp≦S1, MV=3 si Gp'>S2 et MV=2 si aucune de ces deux conditions n'est vérifiée. En augmentant ainsi la proportion de trames de degré MV=3, on réduit la complexité moyenne de l'analyse en boucle fermée et on améliore la robustesse aux erreurs de transmission.
Une quatrième variante du processus d'analyse LTP en boucle ouverte concerne surtout les trames faiblement voisées (MV=1). Ces trames correspondent souvent à un début ou à une fin d'une zone de voisement. Fréquemment, ces trames peuvent comporter de une à trois sous-trames pour lesquelles le coefficient de gain du filtre de synthèse à long terme est nul voire négatif. Il est proposé de ne pas effectuer l'analyse LTP en boucle fermée pour les sous-trames en question, afin de réduire la complexité moyenne du codage. Ceci peut être réalisé en mémorisant à l'étape 152 de la figure 6 nst pointeurs indiquant pour chaque sous-trame st' si l'autocorrélation Cst' correspondant au retard d'index ist' est négative ou encore très petite. Une fois que tous les intervalles référencés dans les listes Ist, les sous-trames pour lesquelles le gain de prédiction est négatif ou négligeable peuvent être identifiées en consultant les nst pointeurs. Le cas échéant le module 38 est désactivé pour les sous-trames correspondantes. Ceci n'affecte pas la qualité de l'analyse LTP puisque le gain de prédiction correspondant à ces sous-trames sera de toutes façons quasiment nul.
Un autre aspect de l'invention concerne le module 42 de calcul de la réponse impulsionnelle du filtre de synthèse pondéré. Le module 38 d'analyse LTP en boucle fermée a besoin de cette réponse impulsionnelle h sur la durée d'une sous-trame pour calculer les convolutions yT(i) selon la formule (1). Le module 40 d'analyse stochastique en a également besoin pour calculer des convolutions comme on le verra plus loin. Le fait d'avoir à calculer des convolutions avec une réponse h s'étendant sur la durée d'une sous-trame (lst=40 typiquement) implique une relative complexité du codage, qu'il serait souhaitable de réduire notamment pour augmenter l'autonomie de la station mobile. Dans certains cas il a été proposé de tronquer la réponse impulsionnelle à une longueur inférieure à la longueur d'une sous-trame (par exemple à 20 échantillons), mais ceci peut dégrader la qualité du codage. On propose selon l'invention de tronquer la réponse impulsionnelle h en tenant compte d'une part de la distribution énergétique de cette réponse et d'autre part du degré de voisement MV de la trame considérée, déterminé par le module 36 d'analyse LTP en boucle ouverte.
Les opérations effectuées par le module 42 sont par exemple conformes à l'organigramme de la figure 7. La réponse impulsionnelle est d'abord calculée à l'étape 160 sur une longueur pst supérieure à la longueur d'une sous-trame et suffisamment grande pour qu'on soit assuré de prendre en compte toute l'énergie de la réponse impulsionnelle (par exemple pst=60 pour nst=4 et lst=40 si la prédiction linéaire à court terme est d'ordre q=10). A l'étape 160, on calcule également les énergies tronquées de la réponse impulsionnelle : Eh(i) = k=0 i [h(i)]2    Les composantes h(i) de la réponse impulsionnelle et les énergies tronquées Eh(i) peuvent être obtenues en filtrant une impulsion unitaire au moyen d'un filtre de fonction de transfert W(z)/A(z) d'états initiaux nuls, ou encore par récurrence : f(i) = δ(i) + k=1 q ak [γ2 k .f(i-k) - γ1 k .δ(i-k)] h(i) = f(i) + k=1 q ak .h(i-k) Eh(i) = Eh(i-1) + [h(i)]2 pour 0<i<pst, avec f(i)=h(i)=0 pour i<0, δ(0)=f(0)=h(0)=Eh(0)=1, et δ(i)=0 pour i≠0. Dans l'expression (2), les coefficients ak sont ceux intervenant dans le filtre de pondération perceptuelle, c'est-à-dire les coefficients de prédiction linéaire interpolés mais non quantifiés, tandis que dans l'expression (3), les coefficients ak sont ceux appliqués au filtre de synthèse, c'est-à-dire les coefficients de prédiction linéaire quantifiés et interpolés.
Ensuite le module 42 détermine la plus petite longueur Lα telle que l'énergie Eh(Lα-1) de la réponse impulsionnelle tronquée à Lα échantillons soit au moins égale à une proportion α de son énergie totale Eh(pst-1) estimée sur pst échantillons. Une valeur typique de α est 98%. Le nombre Lα est initialisé à pst à l'étape 162 et décrémenté d'une unité en 166 tant que Eh(Lα-2)>α.Eh(pst-1) (test 164). La longueur Lα cherchée est obtenue lorsque le test 164 montre que Eh(Lα-2)≦α.Eh(pst-1).
Pour tenir compte du degré de voisement MV, un terme correcteur Δ(MV) est ajouté à la valeur de Lα qui a été obtenue (étape 168). Ce terme correcteur est de préférence une fonction croissante du degré de voisement. On peut par exemple prendre Δ(0)=-5, Δ(1)=0, Δ(2)=+5 et Δ(3)=+7. De cette façon, la réponse impulsionnelle h sera déterminée de façon d'autant plus précise que le voisement de la parole est important. La longueur de troncature Lh de la réponse impulsionnelle est prise égale à Lα si Lα≦nst et à nst sinon. Les échantillons restants de la réponse impulsionnelle (h(i)=0 avec i≧Lh) peuvent être annulés.
Avec la troncature de la réponse impulsionnelle, le calcul (1) des convolutions yT(i) par le module 38 d'analyse LTP en boucle fermée est modifié de la façon suivante : yT (i)= j=max(0,i-Lh+1) i u(j-T).h(i-j)    L'obtention de ces convolutions, qui représente une part importante des calculs effectués, nécessite donc sensiblement moins de multiplications, d'additions et d'adressages dans le répertoire adaptatif lorsque la réponse impulsionnelle est tronquée. La troncature dynamique de la réponse impulsionnelle faisant intervenir le degré de voisement MV permet d'obtenir une telle réduction de complexité sans affecter la qualité du codage. Les mêmes considérations s'appliquent pour les calculs de convolutions effectués par le module 40 d'analyse stochastique. Ces avantages sont particulièrement appréciables lorsque le filtre de pondération perceptuelle a une fonction de transfert de la forme W(z)=A(z/γ1)/A(z/γ2) avec 0<γ2<γ1<1 qui donne lieu à des réponses impulsionnelles généralement plus longues que celles de la forme W(z)=A(z)/A(z/γ) plus communément employées dans les codeurs à analyse par synthèse.
Un troisième aspect de l'invention concerne le module 40 d'analyse stochastique servant à modéliser la partie non prédictible de l'excitation.
L' excitation stochastique considérée ici est de type multi-impulsionnelle. L'excitation stochastique relative à une sous-trame est représentée par np impulsions de positions p(n) et d'amplitudes, ou gains, g(n) (1≦n≦np). Le gain gp de prédiction à long terme peut également être calculé au cours du même processus. De façon générale, on peut considérer que la séquence d'excitation relative à une sous-trame comporte nc contributions associées respectivement à nc gains. Les contributions sont des vecteurs lst échantillons qui, pondérés par les gains associés et sommés correspondent à la séquence d'excitation du filtre de synthèse à court terme. Une des contributions peut être prédictible, ou plusieurs dans le cas d'un filtre de synthèse à long terme à plusieurs prises ("multi-tap pitch synthesis filter"). Les autres contributions sont dans le cas présent np vecteurs ne comportant que des 0 sauf une impulsion d'amplitude 1. On a donc nc=np si MV=0, et nc=np+1 si MV=1, 2 ou 3.
L'analyse multi-impulsionnelle incluant le calcul du gain gp=g(0) consiste, de façon connue, à trouver pour chaque sous-trame des positions p(n) (1≦n≦np) et des gains g(n) (0≦n≦np) qui minimisent l'erreur quadratique pondérée perceptuellement E entre le signal de parole et le signal synthétisé, donnée par : E = X- n=0 nc-1 g(n).Fp (n) les gains étant solution du système linéaire g.B=b.
Dans les notations ci-dessus :
  • X désigne un vecteur-cible initial composé des lst échantillons du signal de parole pondéré SW sans mémoire : X=(x(0),x(1),...,x(lst-1)), les x(i) ayant été calculés comme indiqué précédemment lors de l'analyse LTP en boucle fermée ;
  • g désigne le vecteur ligne composé des np+1 gains : g=(g(0)=gP, g(1),...,g(np)) ;
  • les vecteurs-ligne Fp(n) (0≦n<nc) sont des contributions pondérées ayant pour composantes i (0≦i<lst) les produits de convolution entre la contribution n à la séquence d'excitation et la réponse impulsionnelle h du filtre de synthèse pondéré ;
  • b désigne le vecteur ligne composé des nc produits scalaires entre le vecteur X et les vecteurs ligne Fp(n);
  • B désigne une matrice symétrique à nc lignes et nc colonnes dont le terme Bi,j=Fp(i).Fp(j) T (0≦i,j<nc) est égal au produit scalaire entre les vecteurs Fp(i) et Fp(j) précédemment définis ;
  • (.)T désigne la transposition matricielle.
Pour les impulsions de l'excitation stochastique (1≦n≦np=nc-1) les vecteurs Fp(n) sont simplement constitués par le vecteur de la réponse impulsionnelle h décalée de p(n) échantillons. Le fait de tronquer la réponse impulsionnelle comme décrit précédemment permet donc de réduire sensiblement le nombre d'opérations utiles au calcul des produits scalaires faisant intervenir ces vecteurs Fp(n). Pour la contribution prédictible de l'excitation, le vecteur Fp(0)=YTP a pour composantes Fp(0)(i) (0≦i<lst) les convolutions yTP(i) que le module 38 a calculées suivant la formule (1) ou (1') pour le retard de prédiction à long terme sélectionné TP. Si MV=0, la contribution n=0 est également de type impulsionnelle et la position p(0) est à calculer.
Minimiser l'erreur quadratique E définie ci-dessus revient à trouver l'ensemble des positions p(n) qui maximisent la corrélation normalisée b.B-1.bT puis à calculer les gains selon g=b.B-1 .
Mais une recherche exhaustive des positions d'impulsion nécessiterait un volume de calculs excessif. Pour atténuer ce problème, l'approche multi-impulsionnelle applique en général une procédure sous-optimale consistant à calculer successivement les gains et/ou les positions d'impulsion pour chaque contribution. Pour chaque contribution n (0≦n<nc), on détermine d'abord la position p(n) qui maximise la corrélation normalisée (Fp.en-1 T) 2/(Fp.Fp T), on recalcule les gains gn(0) à gn(n) selon gn=bn.Bn -1 , où gn=(gn(0),...,gn(n)), bn=(b(0),...,b(n)) et Bn={Bi,j}0≦i,j≦n , puis on calcule pour l'itération suivante le vecteur-cible en égal au vecteur-cible initial X auquel on retranche les contributions 0 à n du signal synthétique pondéré multipliées par leurs gains respectifs : en = X - i=0 n gn (i).Fp (i)    A l'issue de la dernière itération nc-1, les gains gnc-1(i) sont les gains sélectionnés et l'erreur quadratique minimisée E est égal à l'énergie du vecteur-cible enc-1.
La méthode ci-dessus donne des résultats satisfaisants, mais elle nécessite l'inversion d'une matrice Bn à chaque itération. Dans leur article "Amplitude Optimization and Pitch Prediction in Multipulse Coders" (IEEE Trans. on Acoustics, Speech, and Signal Processing, Vol.37, N° 3, Mars 1989, pages 317-327), S. Singhal et B.S. Atal ont proposé de simplifier le problème de l'inversion des matrices Bn en utilisant la décomposition de Cholesky : Bn=Mn.Mn T où Mn est une matrice triangulaire inférieure. Cette décomposition est possible parce que Bn est une matrice symétrique à valeurs propres positives. L'avantage de cette approche est que l'inversion d'une matrice triangulaire est relativement peu complexe, Bn -1 pouvant être obtenue par Bn -1=(Mn -1)T.Mn -1 .
La décomposition de Cholesky et l'inversion de la matrice Mn nécessitent toutefois d'effectuer des divisions et des calculs de racines carrées qui sont des opérations exigentes en termes de complexité de calcul. L'invention propose de simplifier considérablement la mise en oeuvre de l'optimisation en modifiant la décomposition des matrices Bn de la façon suivante : Bn = Ln.Rn T = Ln.(Ln.Kn -1)T où Kn est une matrice diagonale et Ln est une matrice triangulaire inférieure n'ayant que des 1 sur sa diagonale principale (soit Ln=Mn.Kn 1/2 avec les notations précédentes). Compte-tenu de la structure de la matrice Bn, les matrices Ln=Rn.Kn , Rn, Kn et Ln -1 sont construites chacune par simple adjonction d'une ligne aux matrices correspondantes de l'itération précédente :
   Dans ces conditions, la décomposition de Bn, l'inversion de Ln, l'obtention de Bn -1=Kn .(Ln -1)T.Ln -1 et le recalcul des gains ne nécessitent qu'une seule division par itération et aucun calcul de racine carrée.
L'analyse stochastique relative à une sous-trame d'une trame voisée (MV=1,2 ou 3) peut dès lors se dérouler comme indiqué sur les figures 8 à 11. Pour calculer le gain de prédiction à long terme, l'index de contribution n est initialisé à 0 à l'étape 180 et le vecteur Fp(0) est pris égal à la contribution à long terme YTP fournie par le module 38. Si n>0, l'itération n commence par la détermination 182 de la position p(n) de l'impulsion n qui maximise la quantité : (Fp .eT )2/(Fp .Fp T ) = k=p min(Lh+p,lst)-1 h(k-p).e(k) k=p min(Lh+p,lst)-1 h(k-p.h(k-p) où e=(e(0),...,e(lst-1)) est un vecteur-cible calculé lors de l'itération précédente. Différentes contraintes peuvent être apportées au domaine de maximisation de la quantité ci-dessus inclus dans l'intervalle [0,lst[. L'invention utilise de préférence une recherche segmentaire dans laquelle la sous-trame d'excitation est subdivisée en ns segments de même longueur (par exemple ns=10 pour lst=40). Pour la première impulsion (n=1), la maximisation de (Fp.eT)2/(Fp.Fp T) est effectuée sur l'ensemble des positions possibles p dans la sous-trame. A l'itération n>1, la maximisation est effectuée à l'étape 182 sur l'ensemble des positions possibles à l'exclusion des segments dans lesquels ont été respectivement trouvées les positions p(1),...,p(n-1) des impulsions lors des itérations précédentes.
Dans le cas où la trame courante a été détectée comme non voisée, la contribution n=0 est également constituée par une impulsion de position p(0). L'étape 180 comprend alors seulement l'initialisation n=0, et elle est suivie par une étape de maximisation identique à l'étape 182 pour trouver p(0), avec e=e-1=X comme valeur initiale du vecteur-cible.
On remarque que lorsque la contribution n=0 est prédictible (MV=1, 2 ou 3), le module 38 d'analyse LTP en boucle fermée a effectué une opération de nature semblable à la maximisation 182, puisqu'il a déterminé la contribution à long terme, caractérisée par le retard TP, en maximisant la quantité (YT.eT)2/(YT.YT T) dans l'intervalle de recherche des retards T, avec e=e-1=X comme valeur initiale du vecteur-cible. On peut également, lorsque l'énergie de la contribution LTP est très faible, ignorer cette contribution dans le processus de recalcul des gains.
Après l'étape 180 ou 182, le module 40 procède au calcul 184 de la ligne n des matrices L, R et K intervenant dans la décomposition de la matrice B, ce qui permet de compléter les matrices Ln, Rn et Kn définies ci-dessus. La décomposition de la matrice B permet d'écrire : B(n,j) = R(n,j) + k=0 j-1 L(n,k).R(j,k) pour la composante située à la ligne n et à la colonne j. On peut donc écrire, pour j croissant de 0 à n-1 : R(n,j) = B(n,j) + k=0 j-1 L(n,k).R(j,k) L(n,j) = R(n,j).K(j) et, pour j=n : K(n)=1/R(n,n)=1/ B(n,n) - k=0 n-1 L(n,k).R(n,k) L(n,n) = 1
   Ces relations sont exploitées dans le calcul 184 détaillé sur la figure 9. L'index de colonne j est d'abord initialisé à 0, à l'étape 186. Pour l'index de colonne j, la variable tmp est d'abord initialisée à la valeur de la composante B(n,j), soit : tmp = Fp(n).Fp(j) T = k=max(p(n),p(j)) min(Lh+p(n),Lh+p(j),lst)-1 h(k-p(n)).h(k-p(j))    A l'étape 188, l'entier k est en outre initialisé à 0. On effectue alors une comparaison 190 entre les entiers k et j. Si k<j, on ajoute le terme L(n,k).R(j,k) à la variable tmp, puis on incrémente d'une unité l'entier k (étape 192) avant de réexécuter la comparaison 190. Quand la comparaison 190 montre que k=j, on effectue une comparaison 194 entre les entiers j et n. Si j<n, la composante R(n,j) est prise égale à tmp et la composante L(n,j) à tmp.K(j) à l'étape 196, puis l'index de colonne j est incrémenté d'une unité avant qu'on revienne à l'étape 188 pour calculer les composantes suivantes. Quand la comparaison 194 montre que j=n, la composante K(n) de la ligne n de la matrice K est calculée, ce qui termine le calcul 184 relatif à la ligne n. K(n) est pris égal à 1/tmp si tmp≠0 (étape 198) et à 0 sinon. On constate que le calcul 184 ne requiert qu'au plus une division 198, pour obtenir K(n). En outre, une éventuelle singularité de la matrice Bn n'entraíne pas d'instabilités puisqu'on évite les divisions par 0.
En référence à la figure 8, le calcul 184 des lignes n de L, R et K est suivi par l'inversion 200 de la matrice Ln constituée des lignes et des colonnes 0 à n de la matrice L. Le fait que L soit triangulaire avec des 1 sur sa diagonale principale en simplifie grandement l'inversion comme le montre la figure 10. On peut en effet écrire : L -1(n,j')= -L(n,j') - k'=j'+1 n L -1(k',j').L(n,k') = -L(n,j') - k'=j'+1 n L(k',j').L -1(n,k') pour 0≦j'<n et L-1(n,n)=1, c'est-à-dire que l'inversion peut être faite sans avoir à opérer une division. En outre, comme les composantes de la ligne n de L-1 suffisent à recalculer les gains, l'utilisation de la relation (5) permet de faire l'inversion sans avoir à mémoriser toute la matrice L-1, mais seulement un vecteur Linv=(Linv(0),...,Linv(n-1)) avec Linv(j')=L-1(n,j'). L'inversion 200 commence alors par une initialisation 202 de l'index de colonne j' à n-1. A l'étape 204, le terme Linv(j') est initialisé à -L(n,j') et l'entier k' à j'+1. On effectue ensuite une comparaison 206 entre les entiers k' et n. Si k'<n, on retranche le terme L(k',j').Linv(k') à Linv(j'), puis on incrémente d'une unité l'entier k' (étape 208) avant de réexécuter la comparaison 206. Quand la comparaison 206 montre que k'=n, on compare j' à 0 (test 210). Si j'>0, on décrémente l'entier j' d'une unité (étape 212) et on revient à l'étape 204 pour calculer la composante suivante. L'inversion 200 est terminée lorsque le test 210 montre que j'=0.
En référence à la figure 8 l'inversion 200 est suivie par le calcul 214 des gains réoptimisés et du vecteur-cible E pour l'itération suivante. Le calcul des gains réoptimisés est également très simplifié par la décomposition retenue pour la matrice B. On peut en effet calculer le vecteur gn=(gn(0),...,gn(n)) solution de gn.Bn=bn selon : gn (n) = b(n) + i=0 n-1 b(i).L -1(n,i) .K(n) et gn(i')=gn-1(i')+L-1(n,i').gn(n) pour 0≦i'<n. Le calcul 214 est détaillé sur la figure 11. On calcule d'abord la composante b(n) du vecteur b : b(n)=Fp (n).XT = k=p(n) min(Lh+p(n),lst)-1 h(k-p(n)).x(k) b(n) sert de valeur d'initialisation pour la variable tmq. A l'étape 216, on initialise également l'index i à 0. On effectue ensuite la comparaison 218 entre les entiers i et n. Si i<n, on ajoute le terme b(i). Linv(i) à la variable tmq et on incrémente i d'une unité (étape 220) avant de revenir à la comparaison 218. Quand la comparaison 218 montre que i=n, on calcule le gain relatif à la contribution n selon g(n)=tmq.K(n), et on initialise la boucle de calcul des autres gains et du vecteur-cible (étape 222) en prenant e=X-g(n).Fp(n) et i'=0. Cette boucle comprend une comparaison 224 entre les entiers i' et n. Si i'<n, le gain g(i') est recalculé à l'étape 226 en ajoutant Linv(i').g(n) à sa valeur calculée lors de l'itération précédente n-1, puis on retranche au vecteur-cible e le vecteur g(i').Fp(i'). L'étape 226 comprend également l'incrémentation de l'index i' avant de revenir à la comparaison 224. Le calcul 214 des gains et du vecteur-cible est terminé lorsque la comparaison 224 montre que i'=n. On voit que les gains ont pu être mis à jour en ne faisant appel qu'à la ligne n de la matrice inverse Ln -1 .
Le calcul 214 est suivi par une incrémentation 228 de l'index n de la contribution, puis par une comparaison 230 entre l'index n et le nombre de contributions nc. Si n<nc, on revient à l'étape 182 pour l'itération suivante. L'optimisation des positions et des gains est terminée lorsque n=nc au test 230.
La recherche segmentaire des impulsions diminue sensiblement le nombre de positions d'impulsion à évaluer au cours des étapes 182 de la recherche de l'excitation stochastique. Elle permet en outre une quantification efficace des positions trouvées. Dans le cas typique où la sous-trame de lst=40 échantillons est divisée en ns=10 segments de ls=4 échantillons, l'ensemble des positions d'impulsion possibles peut prendre ns!.lsnp/[np!(ns-np)!]=258 048 valeurs si np=5 (MV=1, 2 ou 3) ou 860 160 si np=6(MV=0), au lieu de lst!/[np!(lst-np)!]=658 008 valeurs si np=5 ou 3 838 380 si np=6 dans le cas où on impose seulement que deux impulsions ne puissent pas avoir la même position. En d'autres termes, on peut quantifier les positions sur 18 bits au lieu de 20 bits si np=5, et sur 20 bits au lieu de 22 si np=6.
Le cas particulier où le nombre de segments par sous-trame est égal au nombre d'impulsions par excitation stochastique (ns=np) conduit à la plus grande simplicité de la recherche de l'excitation stochastique, ainsi qu'au plus faible débit binaire (si lst=40 et np=5, il y a 85=32768 ensembles de positions possibles, quantifiables sur 15 bits seulement au lieu de 18 si ns=10). Mais en réduisant à ce point le nombre de séquences d'innovation possibles, on peut appauvrir la qualité du codage. Pour un nombre d'impulsions donné, le nombre des segments peut être optimisé selon un compromis visé entre la qualité du codage et sa simplicité de mise en oeuvre (ainsi que le débit requis).
Le cas où ns>np présente en outre l'avantage qu'on peut obtenir une bonne robustesse aux erreurs de transmission en ce qui concerne les positions des impulsions, grâce à une quantification séparée des numéros d'ordre des segments occupés et des positions relatives des impulsions dans chaque segment occupé. Pour une impulsion n, le numéro d'ordre sn du segment et la position relative prn sont respectivement le quotient et le reste de la division euclidienne de p(n) par la longueur ls d'un segment : p(n)=sn.ls+prn (0≦sn<ns, 0≦prn<ls). Les positions relatives sont chacune quantifiées séparément sur 2 bits, si ls=4. En cas d'erreur de transmission affectant l'un de ces bits, l'impulsion correspondante ne sera que peu déplacée, et l'impact perceptuel de l'erreur sera limité. Les numéros d'ordre des segments occupés sont repérés par un mot binaire de ns=10 bits valant chacun 1 pour les segments occupés et 0 pour les segments dans lesquels l'excitation stochastique n'a pas d'impulsion. Les mots binaires possibles sont ceux ayant un poids de Hamming de np; ils sont au nombre de ns!/[np!(ns-np)!]=252 si np=5, ou 210 si np=6. Ce mot est quantifiable par un index de nb bits avec 2nb-1<ns!/[np!(ns-np)!]≦2nb, soit nb=8 dans l'exemple considéré. Si, par exemple, l'analyse stochastique a fourni np=5 impulsions de positions 4, 12, 21, 34, 38, les positions relatives quantifiées scalairement sont 0,0,1,2,2 et le mot binaire représentant les segments occupés est 0101010011, ou 339 en traduction décimale.
Au niveau du décodeur, les mots binaires possibles sont stockés dans une table de quantification dans laquelle les adresses de lecture sont les index de quantification reçus. L'ordre dans cette table, déterminé une fois pour toutes, peut être optimisé de façon qu'une erreur de transmission affectant un bit de l'index (le cas d'erreur le plus fréquent, surtout lorsqu'un entrelacement est mis en oeuvre dans le codeur canal 22) ait, en moyenne, des conséquences minimales suivant un critère de voisinage. Le critère de voisinage est par exemple qu'un mot de ns bits ne puisse être remplacé que par des mots "voisins", éloignés d'une distance de Hamming au plus égale à un seuil np-2δ, de façon à conserver toutes les impulsions sauf δ d'entre elles à des positions valides en cas d'erreur de transmission de l'index portant sur un seul bit. D'autres critères seraient utilisables en substitution ou en complément, par exemple que deux mots soient considérés comme voisins si le remplacement de l'un par l'autre ne modifie pas l'ordre d'affectation des gains associés aux impulsions.
A des fins d'illustration, on peut considérer le cas simplifié où ns=4 et np=2, soit 6 mots binaires possibles quantifiables sur nb=3 bits. Dans ce cas, on peut vérifier que la table de quantification présentée au tableau II permet de conserver np-1=1 impulsion bien positionnée pour toute erreur affectant un bit de l'index transmis. Il y a 4 cas d'erreur (sur un total de 18), pour lesquels on reçoit un index de quantification qu'on sait être erroné (6 au lieu de 2 ou 4 ; 7 au lieu de 3 ou 5), mais le décodeur peut alors prendre des mesures limitant la distorsion, par exemple répéter la séquence d'innovation relative à la sous-trame précédente ou encore affecter des mots binaires acceptables aux index "impossibles" (par exemple 1001 ou 1010 pour l'index 6 et 1100 ou 0110 pour l'index 7 conduisent encore à np-1=1 impulsion bien positionnée en cas de réception de 6 ou 7 avec une erreur binaire).
index de quantification mot d'occupation des segments
décimal binaire naturel binaire naturel décimal
0 000 0011 3
1 001 0101 5
2 010 1001 9
3 011 1100 12
4 100 1010 10
5 101 0110 6
(6) (110) (1001 ou 1010) (9 ou 10)
(7) (111) (1100 ou 0110) (12 ou 6)
Dans le cas général, l'ordre dans la table de quantification des mots peut être déterminé à partir de considérations arithmétiques ou, si cela est insuffisant, en simulant sur ordinateur les scénarios d'erreurs (de façon exhaustive ou par un échantillonnage statistique de type Monte-Carlo suivant le nombre de cas d'erreurs possibles).
Pour sécuriser la transmission de l'index de quantification des segments occupés, on peut en outre tirer parti des différentes catégories de protection offertes par le codeur canal 22, notamment Si le critère de voisinage ne peut être vérifié de façon satisfaisante pour tous les cas d'erreurs possibles affectant un bit de l'index. Le module d'ordonnancement 46 peut ainsi mettre dans la catégorie de protection minimale, ou dans la catégorie non protégée, un certain nombre nx des bits de l'index qui, s'ils sont affectés par une erreur de transmission, donnent lieu à un mot erroné mais vérifiant le critère de voisinage avec une probabilité jugée satisfaisante, et mettre dans une catégorie plus protégée les autres bits de l'index. Cette façon de procéder fait appel à un autre ordonnancement des mots dans la table de quantification. Cet ordonnancement peut également être optimisé au moyen de simulations si on souhaite maximiser le nombre nx des bits de l'index affectés à la catégorie la moins protégée.
Une possibilité est de commencer par constituer une liste de mots de ns bits par comptage en code de Gray de 0 à 2ns-1, et d'obtenir la table de quantification ordonnée en supprimant de cette liste les mots n'ayant pas un poids de Hamming de np. La table ainsi obtenue est telle que deux mots consécutifs ont une distance de Hamming de np-2. Si les index dans cette table ont une représentation binaire en code de Gray, toute erreur sur le bit de poids le plus faible fait varier l'index de ±1 et entraíne donc le remplacement du mot d'occupation effectif par un mot voisin au sens du seuil np-2 sur la distance de Hamming, et une erreur sur le i-ième bit de poids le plus faible fait aussi varier l'index de ±1 avec une probabilité d'environ 21-i. En plaçant les nx bits de poids faible de l'index en code de Gray dans une catégorie non protégée, une éventuelle erreur de transmission affectant un de ces bits conduit au remplacement du mot d'occupation par un mot voisin avec une probabilité au moins égale à (1+1/2+...+1/2nx-1)/nx. Cette probabilité minimale décroít de 1 à (2/nb)(1-1/2nb) pour nx croissant de 1 à nb. Les erreurs affectant les nb-nx bits de poids fort de l'index seront le plus souvent corrigées grâce à la protection que leur applique le codeur canal. La valeur de nx est dans ce cas choisie selon un compromis entre la robustesse aux erreurs (petites valeurs) et un encombrement réduit des catégories protégées (grandes valeurs).
Au niveau du codeur, les mots binaires possibles pour représenter l'occupation des segments sont rangés en ordre croissant dans une table de recherche. Une table d'indexage associe à chaque adresse le numéro d'ordre, dans la table de quantification stockée au décodeur, du mot binaire ayant cette adresse dans la table de recherche. Dans l'exemple simplifié évoqué ci-dessus, le contenu de la table de recherche et de la table d'indexage est donné dans le tableau III (en valeurs décimales).
La quantification du mot d'occupation des segments déduit des np positions fournies par le module d'analyse stochastique 40 est effectuée en deux étapes par le module de quantification 44. Une recherche dichotomique est d'abord effectuée dans la table de recherche pour déterminer l'adresse dans cette table du mot à quantifier. L'index de quantification est ensuite obtenu à l'adresse déterminée dans la table d'indexage puis fourni au module 46 d'ordonnancement des bits.
Adresse Table de recherche Table d'indexage
0 3 0
1 5 1
2 6 5
3 9 2
4 10 4
5 12 3
Le module 44 effectue en outre la quantification des gains calculés par le module 40. Le gain gTP est par exemple quantifié dans l'intervalle [0;1,6], sur 5 bits si MV=1 ou 2 et sur 6 bits si MV=3 pour tenir compte de la plus grande importance perceptuelle de ce paramètre pour les trames très voisées. Pour le codage des gains associés aux impulsions de l'excitation stochastique, on quantifie sur 5 bits la plus grande valeur absolue Gs des gains g(1),...,g(np), en prenant par exemple 32 valeurs de quantification en progression géométrique dans l'intervalle [0;32767], et on quantifie chacun des gains relatifs g(1)/Gs,...,g(np)/Gs dans l'intervalle [-1;+1], sur 4 bits si MV=1, 2 ou 3, ou sur 5 bits Si MV=0.
Les bits de quantification de Gs sont placés dans une catégorie protégée par le codeur canal 22, de même que les bits de poids fort des index de quantification des gains relatifs. Les bits de quantification des gains relatifs sont ordonnés de façon à permettre leur affectation aux impulsions associées appartenant aux segments localisés par le mot d'occupation. La recherche segmentaire selon l'invention permet en outre de protéger de manière efficace les positions relatives des impulsions associées aux plus grandes valeurs de gain.
Dans le cas où np=5 et ls=4, dix bits par sous-trame sont nécessaires pour quantifier les positions relatives des impulsions dans les segments. On considère le cas où 5 de ces 10 bits sont placés dans une catégorie peu ou pas protégée (II) et où les 5 autres sont placés dans une catégorie plus protégée (IB). La distribution la plus naturelle est de placer le bit de poids fort de chaque position relative dans la catégorie protégée IB, de sorte que les éventuelles erreurs de transmission affectent plutôt les bits de poids fort et ne provoquent donc qu'un décalage d'un échantillon pour l'impulsion correspondante. Il est toutefois judicieux, pour la quantification des positions relatives, de considérer les impulsions dans l'ordre décroissant des valeurs absolues des gains associés et de placer dans la catégorie IB les deux bits de quantification de chacune des deux premières positions relatives ainsi que le bit de poids fort de la troisième. De cette façon, les positions des impulsions sont protégées préférentiellement lorsqu'elles sont associées à des gains importants, ce qui améliore la qualité moyenne particulièrement pour les sous-trames les plus voisées.
Pour reconstituer les contributions impulsionnelles de l'excitation, le décodeur 54 localise d'abord les segments au moyen du mot d'occupation reçu ; il attribue ensuite les gains associés ; puis il attribue les positions relatives aux impulsions sur la base de l'ordre d'importance des gains.
On comprendra que les différents aspects de l'invention décrits ci-dessus procurent chacun des améliorations propres, et qu'il est donc envisageable de les mettre en oeuvre indépendamment les uns des autres. Leur combinaison permet de réaliser un codeur de performances particulièrement intéressantes.
Dans l'exemple de réalisation décrit dans ce qui précède, le codeur de parole à 13 kbits/s requiert de l'ordre de 15 millions d'instructions par seconde (Mips) en virgule fixe. On le réalisera donc typiquement en programmant un processeur de signal numérique (DSP) du commerce, de même que le décodeur qui ne requiert que de l'ordre de 5 Mips.

Claims (10)

  1. Procédé de codage à analyse par synthèse d'un signal de parole numérisé en trames successives divisées en sous-trames de lst échantillons, dans lequel on effectue pour chaque trame une analyse par prédiction linéaire pour déterminer les coefficients d'un filtre de synthèse à court terme (60), et on détermine pour chaque sous-trame une séquence d'excitation qui, soumise au filtre de synthèse à court terme, produit un signal synthétique représentatif du signal de parole, la séquence d'excitation comportant une excitation stochastique constituée par plusieurs impulsions dont on calcule les positions respectives (p(n)) dans la sous-trame et des gains (g(n)) respectivement associés, les positions (p(n)) des impulsions de l'excitation stochastique relative à une sous-trame étant déterminées successivement, caractérisé en ce qu'on subdivise chaque sous-trame en ns segments, ns étant un nombre au moins égal au nombre np d'impulsions par excitation stochastique, en ce qu'on cherche la première impulsion en une position quelconque de la sous-trame, et les positions suivantes en excluant chaque segment auquel appartient une impulsion dont la position a été précédemment déterminée, et en ce qu'on quantifie de façon distincte les numéros d'ordre des segments occupés par une impulsion de l'excitation stochastique et les positions relatives des impulsions dans les segments occupés.
  2. Procédé selon la revendication 1, caractérisé en ce que l'occupation des segments est représentée par un mot de ns bits dans lequel les bits à 1 sont ceux ayant le même numéro d'ordre que les segments occupés, les mots d'occupation possibles étant ordonnés dans une table de quantification indexée par des index de nb bits, avec 2nb-1<ns!/[np!(ns-np)!]≦2nb, de façon telle que deux mots dont les index respectifs en représentation binaire diffèrent par un seul bit soient voisins suivant un critère prédéterminé, et en ce qu'on émet pour chaque sous-trame l'index dans la table de quantification du mot d'occupation correspondant aux np impulsions de l'excitation stochastique.
  3. Procédé selon la revendication 1, caractérisé en ce que l'occupation des segments est représentée par un mot de ns bits dans lequel les bits à 1 sont ceux ayant le même numéro d'ordre que les segments occupés, les mots d'occupation possibles étant ordonnés dans une table de quantification indexée par des index de nb bits, avec 2nb-1<ns!/[np!(ns-np)!]≦2nb, de façon telle que deux mots dont les index respectifs en représentation binaire diffèrent par un seul bit faisant partie de nx bits de rangs déterminés soient voisins suivant un critère prédéterminé, et en ce qu'on émet pour chaque sous-trame l'index dans la table de quantification du mot d'occupation correspondant aux np impulsions de l'excitation stochastique, en protégeant sélectivement vis-à-vis des erreurs de transmission les nb-nx bits de l'index autres que lesdits nx bits de rangs déterminés.
  4. Procédé selon la revendication 2 ou 3, caractérisé en ce qu'on effectue une analyse en boucle ouverte du signal de parole pour détecter les trames voisées du signal, en ce qu'on prévoit pour les sous-trames des trames voisées un premier nombre d'impulsions par excitation stochastique et une première table de quantification des mots d'occupation des segments, et en ce qu'on prévoit pour les sous-trames des trames non voisées un second nombre d'impulsion par excitation stochastique et une seconde table de quantification des mots d'occupation des segments.
  5. Procédé selon l'une quelconque des revendications 1 à 4, caractérisé en ce que les bits de quantification des positions relatives des np impulsions sont répartis, entre un premier groupe protégé vis-à-vis des erreurs de transmission et un second groupe moins protégé, en fonction de l'importance des gains associés aux impulsions.
  6. Procédé selon la revendication 5, caractérisé en ce qu'au moins une impulsion ayant un gain relatif important en valeur absolue a davantage de bits de quantification de sa position relative dans ledit premier groupe que des impulsions ayant un gain relatif plus faible en valeur absolue.
  7. Procédé selon l'une quelconque des revendications 1 à 6, caractérisé en ce qu'on détermine pour chaque sous-trame une séquence d'excitation à nc contributions associées chacune à un gain respectifs (gp, g(n)) de façon que la séquence d'excitation soumise au filtre de synthèse à court terme produise un signal synthétique représentatif du signal de parole, les nc contributions comprenant au moins les np contributions impulsionnelles de l'excitation stochastique, en ce que les nc contributions de la séquence d'excitation et les gains associés sont déterminés par un processus itératif dans lequel l'itération n(0≦n<nc) comprend :
    la détermination de la contribution n qui maximise la quantité (Fp.en-1 T)2/(Fp.Fp T) où Fp désigne un vecteur ligne à lst composantes égales aux produits de convolution entre une valeur possible de la contribution n et la réponse impulsionnelle d'un filtre composé du filtre de synthèse à court terme et d'un filtre de pondération perceptuelle, et en-1 désigne un vecteur-cible déterminé lors de l'itération n-1 si n≧1 et e-1=X est un vecteur-cible initial ; et
    le calcul de n+1 gains formant un vecteur ligne gn=(gn(0),...,gn(n)) en résolvant le système linéaire gn.Bn=bn où Bn, est une matrice symétrique à n+1 lignes et n+1 colonnes dont la composante Bn(i,j) (0≦i,j≦n) est égale au produit scalaire Fp(i).Fp(j) T où Fp(i) et Fp(j) désignent respectivement les vecteurs-lignes égaux aux produits de convolution entre les contributions i et j précédemment déterminées et la réponse impulsionnelle du filtre compose, et bn est un vecteur ligne à n+1 composantes bn(i) (0≦i≦n) respectivement égales aux produits scalaires entre les vecteurs Fp(i) et le vecteur-cible initial X, les nc gains associés aux nc contributions de la séquence d'excitation étant ceux calculés lors de l'itération nc-1,
       et en ce qu'à chaque itération n (0≦n<nc), on calcule les lignes n de trois matrices L, R et K à nc lignes et nc colonnes telles que Bn = Ln.Rn T et Ln= Rn.Kn ou Ln, Rn et Kn désignent des matrices à n+1 lignes et n+1 colonnes correspondant respectivement aux n+1 premières lignes et aux n+1 premières colonnes desdites matrices L, R et K, les matrices L et R étant triangulaires inférieures, la matrice K étant diagonale, et la matrice L n'ayant que des 1 sur sa diagonale principale, on calcule la ligne n de la matrice L-1 inverse de la matrice L, et on calcule les n+1 gains selon la relation gn=bn.Kn.(Ln -1)T.Ln -1 ou Ln -1 désigne la matrice à n+1 lignes et n+1 colonnes correspondant respectivement aux n+1 premières lignes et aux n+1 premières colonnes de la matrice inverse L-1.
  8. Procédé selon la revendication 7, caractérisé en ce qu'à chaque itération n (0≦n<nc), on calcule successivement les termes R(n,j) et L(n,j) respectivement situés à la ligne n et à la colonne j des matrices R et L pour j croissant de 0 à n-1, selon : R(n,j) = B(n,j) - k=0 j-1 L(n,k).R(j,k) L(n,j) = R(n,j).K(j) puis on calcule le terme K(n) situé à la ligne n et à la colonne n de la matrice K selon : K(n)=1/ B(n,n) - k=0 n-1 L(n,k).R(n,k) ou K(n)=0 si B(n,n) - k=0 n-1 L(n,k).R(n,k)=0.
  9. Procédé selon la revendication 8, caractérisé en ce qu'à chaque itération n (0≦n<nc), on calcule successivement les termes L-1(n,j') respectivement situés à la ligne n et aux colonnes j' de la matrice inverse L-1 pour j' décroissant de n-1 à 0 selon L -1(n,j')= -L(n,j') - k'=j'+1 n L -1(k',j').L(n,k') ou L -1(n,j')= -L(n,j') - k'=j'+1 n L(k',j').L -1(n,k')
  10. Procédé selon la revendication 9, caractérisé en ce qu'à chaque itération n (0≦n<nc), on calcule le gain gn(n) associé à la contribution n selon : gn (n) = b(n) + i=0 n-1 b(i).L -1(n,i) .K(n) puis on recalcule les gains associés aux contributions i' pour i' compris entre 0 et n-1 selon : gn(i') = gn-1(i') + L-1(n,i').gn(n)
EP96400028A 1995-01-06 1996-01-05 Procédé de codage de parole à analyse par synthèse Expired - Lifetime EP0721180B1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR9500124A FR2729244B1 (fr) 1995-01-06 1995-01-06 Procede de codage de parole a analyse par synthese
FR9500124 1995-01-06

Publications (2)

Publication Number Publication Date
EP0721180A1 true EP0721180A1 (fr) 1996-07-10
EP0721180B1 EP0721180B1 (fr) 1999-08-18

Family

ID=9474923

Family Applications (2)

Application Number Title Priority Date Filing Date
EP96901009A Expired - Lifetime EP0801789B1 (fr) 1995-01-06 1996-01-03 Procede de codage de parole a analyse par synthese
EP96400028A Expired - Lifetime EP0721180B1 (fr) 1995-01-06 1996-01-05 Procédé de codage de parole à analyse par synthèse

Family Applications Before (1)

Application Number Title Priority Date Filing Date
EP96901009A Expired - Lifetime EP0801789B1 (fr) 1995-01-06 1996-01-03 Procede de codage de parole a analyse par synthese

Country Status (8)

Country Link
US (1) US5899968A (fr)
EP (2) EP0801789B1 (fr)
CN (1) CN1134761C (fr)
AT (2) ATE174147T1 (fr)
AU (1) AU4490296A (fr)
DE (2) DE69601068T2 (fr)
FR (1) FR2729244B1 (fr)
WO (1) WO1996021219A1 (fr)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI955266A (fi) * 1995-11-02 1997-05-03 Nokia Telecommunications Oy Menetelmä ja laitteisto viestien välittämiseksi tietoliikennejärjestelmässä
JP3134817B2 (ja) * 1997-07-11 2001-02-13 日本電気株式会社 音声符号化復号装置
KR100510399B1 (ko) * 1998-02-17 2005-08-30 모토로라 인코포레이티드 고정 코드북내의 최적 벡터의 고속 결정 방법 및 장치
US6810377B1 (en) * 1998-06-19 2004-10-26 Comsat Corporation Lost frame recovery techniques for parametric, LPC-based speech coding systems
US6453289B1 (en) 1998-07-24 2002-09-17 Hughes Electronics Corporation Method of noise reduction for speech codecs
US6493665B1 (en) * 1998-08-24 2002-12-10 Conexant Systems, Inc. Speech classification and parameter weighting used in codebook search
US6823303B1 (en) * 1998-08-24 2004-11-23 Conexant Systems, Inc. Speech encoder using voice activity detection in coding noise
US6480822B2 (en) * 1998-08-24 2002-11-12 Conexant Systems, Inc. Low complexity random codebook structure
US6192335B1 (en) * 1998-09-01 2001-02-20 Telefonaktieboiaget Lm Ericsson (Publ) Adaptive combining of multi-mode coding for voiced speech and noise-like signals
JP3372908B2 (ja) * 1999-09-17 2003-02-04 エヌイーシーマイクロシステム株式会社 マルチパルス探索処理方法と音声符号化装置
JP4367808B2 (ja) * 1999-12-03 2009-11-18 富士通株式会社 音声データ圧縮・解凍装置及び方法
US6850884B2 (en) * 2000-09-15 2005-02-01 Mindspeed Technologies, Inc. Selection of coding parameters based on spectral content of a speech signal
US6842733B1 (en) 2000-09-15 2005-01-11 Mindspeed Technologies, Inc. Signal processing system for filtering spectral content of a signal for speech coding
US7047188B2 (en) * 2002-11-08 2006-05-16 Motorola, Inc. Method and apparatus for improvement coding of the subframe gain in a speech coding system
CN101320565B (zh) * 2007-06-08 2011-05-11 华为技术有限公司 感知加权滤波方法及感知加权滤波器
US9626982B2 (en) * 2011-02-15 2017-04-18 Voiceage Corporation Device and method for quantizing the gains of the adaptive and fixed contributions of the excitation in a CELP codec
CA2833874C (fr) 2011-04-21 2019-11-05 Ho-Sang Sung Procede de quantification de coefficients de codage predictif lineaire, procede de codage de son, procede de dequantification de coefficients de codage predictif lineaire, procede de decodage de son et support d'enregistrement
CN103620675B (zh) 2011-04-21 2015-12-23 三星电子株式会社 对线性预测编码系数进行量化的设备、声音编码设备、对线性预测编码系数进行反量化的设备、声音解码设备及其电子装置
US9208134B2 (en) * 2012-01-10 2015-12-08 King Abdulaziz City For Science And Technology Methods and systems for tokenizing multilingual textual documents

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0137532A2 (fr) * 1983-08-26 1985-04-17 Koninklijke Philips Electronics N.V. Codeur à prédiction linéaire pour signal vocal avec excitation par impulsions multiples
EP0307122A1 (fr) * 1987-08-28 1989-03-15 BRITISH TELECOMMUNICATIONS public limited company Codage de la parole
EP0324283A1 (fr) * 1988-01-05 1989-07-19 BRITISH TELECOMMUNICATIONS public limited company Codage de la parole
EP0397628A1 (fr) * 1989-05-11 1990-11-14 Telefonaktiebolaget L M Ericsson Procédé pour le positionnement des impulsions d'excitation dans un codeur à prédiction linéaire pour signal vocal
EP0570171A1 (fr) * 1992-05-11 1993-11-18 Nokia Mobile Phones Ltd. Codage numérique de signaux du langage

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA1223365A (fr) * 1984-02-02 1987-06-23 Shigeru Ono Methode et appareil de codage de paroles
NL8500843A (nl) * 1985-03-22 1986-10-16 Koninkl Philips Electronics Nv Multipuls-excitatie lineair-predictieve spraakcoder.
US4831624A (en) * 1987-06-04 1989-05-16 Motorola, Inc. Error detection method for sub-band coding
US4802171A (en) * 1987-06-04 1989-01-31 Motorola, Inc. Method for error correction in digitally encoded speech
US5060269A (en) * 1989-05-18 1991-10-22 General Electric Company Hybrid switched multi-pulse/stochastic speech coding technique
US5097508A (en) * 1989-08-31 1992-03-17 Codex Corporation Digital speech coder having improved long term lag parameter determination
JP3268360B2 (ja) * 1989-09-01 2002-03-25 モトローラ・インコーポレイテッド 改良されたロングターム予測器を有するデジタル音声コーダ
EP0570362B1 (fr) * 1989-10-17 1999-03-17 Motorola, Inc. Decodeur de parole numerisee utilisant un postfiltre a distorsion spectrale reduite
US5073940A (en) * 1989-11-24 1991-12-17 General Electric Company Method for protecting multi-pulse coders from fading and random pattern bit errors
US5097507A (en) * 1989-12-22 1992-03-17 General Electric Company Fading bit error protection for digital cellular multi-pulse speech coder
US5265219A (en) * 1990-06-07 1993-11-23 Motorola, Inc. Speech encoder using a soft interpolation decision for spectral parameters
FI98104C (fi) * 1991-05-20 1997-04-10 Nokia Mobile Phones Ltd Menetelmä herätevektorin generoimiseksi ja digitaalinen puhekooderi
EP0556354B1 (fr) * 1991-09-05 2001-10-31 Motorola, Inc. Protection d'erreur pour des codeurs de voix multimodes
US5253269A (en) * 1991-09-05 1993-10-12 Motorola, Inc. Delta-coded lag information for use in a speech coder
TW224191B (fr) * 1992-01-28 1994-05-21 Qualcomm Inc
US5495555A (en) * 1992-06-01 1996-02-27 Hughes Aircraft Company High quality low bit rate celp-based speech codec
US5317595A (en) * 1992-06-30 1994-05-31 Nokia Mobile Phones Ltd. Rapidly adaptable channel equalizer
IT1264766B1 (it) * 1993-04-09 1996-10-04 Sip Codificatore della voce utilizzante tecniche di analisi con un'eccitazione a impulsi.

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0137532A2 (fr) * 1983-08-26 1985-04-17 Koninklijke Philips Electronics N.V. Codeur à prédiction linéaire pour signal vocal avec excitation par impulsions multiples
EP0307122A1 (fr) * 1987-08-28 1989-03-15 BRITISH TELECOMMUNICATIONS public limited company Codage de la parole
EP0324283A1 (fr) * 1988-01-05 1989-07-19 BRITISH TELECOMMUNICATIONS public limited company Codage de la parole
EP0397628A1 (fr) * 1989-05-11 1990-11-14 Telefonaktiebolaget L M Ericsson Procédé pour le positionnement des impulsions d'excitation dans un codeur à prédiction linéaire pour signal vocal
EP0570171A1 (fr) * 1992-05-11 1993-11-18 Nokia Mobile Phones Ltd. Codage numérique de signaux du langage

Also Published As

Publication number Publication date
ATE183600T1 (de) 1999-09-15
CN1173940A (zh) 1998-02-18
DE69601068D1 (de) 1999-01-14
ATE174147T1 (de) 1998-12-15
AU4490296A (en) 1996-07-24
EP0801789B1 (fr) 1998-12-02
WO1996021219A1 (fr) 1996-07-11
DE69603755T2 (de) 2000-07-06
EP0721180B1 (fr) 1999-08-18
FR2729244A1 (fr) 1996-07-12
FR2729244B1 (fr) 1997-03-28
DE69601068T2 (de) 1999-07-15
EP0801789A1 (fr) 1997-10-22
US5899968A (en) 1999-05-04
DE69603755D1 (de) 1999-09-23
CN1134761C (zh) 2004-01-14

Similar Documents

Publication Publication Date Title
EP0801790B1 (fr) Procede de codage de parole a analyse par synthese
EP0801788B1 (fr) Procede de codage de parole a analyse par synthese
EP0721180B1 (fr) Procédé de codage de parole à analyse par synthèse
EP0782128B1 (fr) Procédé d&#39;analyse par prédiction linéaire d&#39;un signal audiofréquence, et procédés de codage et de décodage d&#39;un signal audiofréquence en comportant application
EP1994531B1 (fr) Codage ou decodage perfectionnes d&#39;un signal audionumerique, en technique celp
FR2734389A1 (fr) Procede d&#39;adaptation du niveau de masquage du bruit dans un codeur de parole a analyse par synthese utilisant un filtre de ponderation perceptuelle a court terme
US20100241425A1 (en) Method and Device for Coding Transition Frames in Speech Signals
EP2080194B1 (fr) Attenuation du survoisement, notamment pour la generation d&#39;une excitation aupres d&#39;un decodeur, en absence d&#39;information
EP0490740A1 (fr) Procédé et dispositif pour l&#39;évaluation de la périodicité et du voisement du signal de parole dans les vocodeurs à très bas débit.
EP0616315A1 (fr) Dispositif de codage et de décodage numérique de la parole, procédé d&#39;exploration d&#39;un dictionnaire pseudo-logarithmique de délais LTP, et procédé d&#39;analyse LTP
EP1192619B1 (fr) Codage et decodage audio par interpolation
WO2002029786A1 (fr) Procede et dispositif de codage segmental d&#39;un signal audio
EP1194923B1 (fr) Procedes et dispositifs d&#39;analyse et de synthese audio
EP1192618B1 (fr) Codage audio avec liftrage adaptif
EP1192621B1 (fr) Codage audio avec composants harmoniques
Jung et al. Efficient implementation of ITU-T G. 723.1 speech coder for multichannel voice transmission and storage
Tan et al. Real-time Implementation of MELP Vocoder
EP1190414A1 (fr) Codage et decodage audio avec composantes harmoniques et phase minimale
JP2001100799A (ja) 音声符号化装置、音声符号化方法および音声符号化アルゴリズムを記録したコンピュータ読み取り可能な記録媒体
EP1192620A1 (fr) Codage et decodage audio incluant des composantes non harmoniques du signal
FR2980620A1 (fr) Traitement d&#39;amelioration de la qualite des signaux audiofrequences decodes

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH DE DK ES GB GR IE IT LI LU MC NL PT SE

17P Request for examination filed

Effective date: 19960715

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: MATRA NORTEL COMMUNICATIONS

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

17Q First examination report despatched

Effective date: 19981201

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): AT BE CH DE DK ES GB GR IE IT LI LU MC NL PT SE

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GR

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 19990818

Ref country code: ES

Free format text: THE PATENT HAS BEEN ANNULLED BY A DECISION OF A NATIONAL AUTHORITY

Effective date: 19990818

REF Corresponds to:

Ref document number: 183600

Country of ref document: AT

Date of ref document: 19990915

Kind code of ref document: T

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

ITF It: translation for a ep patent filed
REF Corresponds to:

Ref document number: 69603755

Country of ref document: DE

Date of ref document: 19990923

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

Free format text: FRENCH

REG Reference to a national code

Ref country code: CH

Ref legal event code: NV

Representative=s name: KELLER & PARTNER PATENTANWAELTE AG

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: PT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 19991118

Ref country code: DK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 19991118

GBT Gb: translation of ep patent filed (gb section 77(6)(a)/1977)

Effective date: 19991108

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: LU

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20000105

Ref country code: AT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20000105

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: MC

Free format text: THE PATENT HAS BEEN ANNULLED BY A DECISION OF A NATIONAL AUTHORITY

Effective date: 20000131

Ref country code: LI

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20000131

Ref country code: CH

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20000131

Ref country code: BE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20000131

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20000621

REG Reference to a national code

Ref country code: IE

Ref legal event code: FD4D

BERE Be: lapsed

Owner name: MATRA NORTEL COMMUNICATIONS

Effective date: 20000131

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: NL

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20000801

26N No opposition filed
REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

NLV4 Nl: lapsed or anulled due to non-payment of the annual fee

Effective date: 20000801

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: SE

Payment date: 20001218

Year of fee payment: 6

REG Reference to a national code

Ref country code: GB

Ref legal event code: IF02

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20020106

EUG Se: european patent has lapsed

Ref document number: 96400028.5

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20040130

Year of fee payment: 9

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 20041210

Year of fee payment: 10

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES;WARNING: LAPSES OF ITALIAN PATENTS WITH EFFECTIVE DATE BEFORE 2007 MAY HAVE OCCURRED AT ANY TIME BEFORE 2007. THE CORRECT EFFECTIVE DATE MAY BE DIFFERENT FROM THE ONE RECORDED.

Effective date: 20050105

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20050802

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20060105

GBPC Gb: european patent ceased through non-payment of renewal fee

Effective date: 20060105