EP1192618B1 - Codage audio avec liftrage adaptif - Google Patents

Codage audio avec liftrage adaptif Download PDF

Info

Publication number
EP1192618B1
EP1192618B1 EP00949620A EP00949620A EP1192618B1 EP 1192618 B1 EP1192618 B1 EP 1192618B1 EP 00949620 A EP00949620 A EP 00949620A EP 00949620 A EP00949620 A EP 00949620A EP 1192618 B1 EP1192618 B1 EP 1192618B1
Authority
EP
European Patent Office
Prior art keywords
cepstral
module
audio signal
spectrum
frequency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
EP00949620A
Other languages
German (de)
English (en)
Other versions
EP1192618A1 (fr
Inventor
François CAPMAN
Carlo Murgia
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
Nortel Networks France SAS
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 Nortel Networks France SAS filed Critical Nortel Networks France SAS
Publication of EP1192618A1 publication Critical patent/EP1192618A1/fr
Application granted granted Critical
Publication of EP1192618B1 publication Critical patent/EP1192618B1/fr
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

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
    • G10L19/26—Pre-filtering or post-filtering
    • 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
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • 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 the field of signal coding. audio. It applies in particular, but not exclusively, to the coding of the speech, narrowband or wideband, in various rate ranges coding.
  • the main purpose of designing an audio codec is to provide good compromise between the flow rate transmitted by the encoder and the signal quality audio that the decoder is able to reconstruct from this stream.
  • the coder estimates a fundamental frequency of the signal, representing its pitch pitch
  • spectral analysis consists of determining parameters representing the harmonic structure of the signal at frequencies which are integer multiples of this fundamental frequency.
  • a modeling of the non-harmonic, or non-voiced component can also be performed in the spectral domain.
  • the parameters transmitted to the decoder represent typically the modulus of the spectrum of the voiced and unvoiced components. he is added information representing either voiced / unvoiced decisions relating to different portions of spectrum, i.e. information on the probability of signal voicing, allowing the decoder to determine in which portions of the spectrum it should use the voiced component or the unvoiced component.
  • coder families include coders of the MBE type (“Multi-Band Excitation”), or STC (“Sinusoidal” type encoders) Transform Coder ”).
  • MBE Multi-Band Excitation
  • STC Small Cellular Transform Coder
  • US-A-5,715,363 discloses a processor speech applying filtering in the domain cepstral (liftrage).
  • An object of the present invention is to allow, in a diagram of coding with analysis in the spectral domain, to improve the modeling of the signal spectrum module.
  • the invention thus proposes a method for coding an audio signal, in which we estimate a fundamental frequency of the audio signal, we determines a spectrum of the audio signal by a transform in the domain frequency of an audio signal frame, we transform in the domain cepstral a compressed upper envelope of the audio signal spectrum for get cepstral coefficients, and we include in a digital output stream quantification data of said cepstral coefficients.
  • the cepstral coefficients are transformed by liftrage in the cepstral domain before being quantified, we recalculate a value of the modulus of the spectrum of the audio signal at at least one multiple frequency of the fundamental frequency on the basis of cepstral coefficients transformed, and we adapt said lifter so as to minimize a modulus gap between the spectrum of the audio signal and at least one recalculated module value.
  • the invention also provides an audio coder comprising means for implementing a method as defined above.
  • the encoder and decoder described below are digital circuits which can, as is usual in the field of signal processing audio, be produced by programming a digital signal processor (DSP) or a specific application integrated circuit (ASIC).
  • DSP digital signal processor
  • ASIC application integrated circuit
  • the audio coder shown in FIG. 1 processes an input audio signal x which, in the nonlimiting example considered below, is a speech signal.
  • the signal x is available in digital form, for example at a sampling frequency F e of 8 kHz. It is for example delivered by an analog-digital converter processing the amplified output signal of a microphone.
  • the input signal x can also be formed from another version, analog or digital, coded or not, of the speech signal.
  • the encoder includes a module 1 which forms successive frames audio signal for the different treatments performed, and a multiplexer output 6 which delivers an output stream ⁇ containing games for each frame quantization parameters from which a decoder will be able to synthesize a decoded version of the audio signal.
  • Each frame 2 is composed of a number N of consecutive samples of the audio signal x.
  • N 256
  • the module 1 multiplies the samples of each frame 2 by a windowing function f A , preferably chosen for its good spectral properties.
  • the encoder in Figure 1 performs an analysis of the audio signal in the spectral range. It includes a module 3 which calculates the transform of Fast Fourier (TFR) of each signal frame.
  • TFR Fast Fourier
  • the TFR 3 module obtains the signal spectrum for each frame, the module and phase of which are respectively denoted
  • a fundamental frequency detector 4 estimates for each signal frame a value of the fundamental frequency F 0 .
  • the detector 4 can apply any known method of analysis of the speech signal of the frame to estimate the fundamental frequency F 0 , for example a method based on the autocorrelation function or the AMDF function, possibly preceded by a whitening module. by linear prediction.
  • the estimation can also be performed in the spectral domain or in the cepstral domain.
  • Another possibility is to evaluate the time intervals between the consecutive breaks in the speech signal attributable to closures of the glottis of the intervening speaker during the duration of the frame.
  • Well-known methods which can be used to detect such micro-ruptures are described in the following articles: M.
  • the estimated fundamental frequency F 0 is subject to quantization, for example scalar, by a module 5, which provides the output multiplexer 6 with an index iF for quantifying the fundamental frequency for each frame of the signal.
  • the coder uses cepstral parametric models to represent an upper envelope and a lower envelope of the spectrum of the audio signal.
  • the first step of the cepstral transformation consists in applying to the signal spectrum module a spectral compression function, which can be a logarithmic or root function.
  • ) in the case of logarithmic compression or LX (i)
  • the compressed LX spectrum of the audio signal is processed by a module 9 which extract of the spectral amplitudes associated with the harmonics of the signal corresponding to the multiples of the estimated fundamental frequency F0. These amplitudes are then interpolated by a module 10 in order to obtain a compressed upper envelope marked LX_sup.
  • spectral compression could equivalent to be performed after determining the associated amplitudes to harmonics. It could also be done after the interpolation, which would only change the form of the interpolation functions.
  • the module 9 for extracting the maxima takes account of the possible variation of the fundamental frequency on the analysis frame, of the errors that the detector 4 can make, as well as of the inaccuracies linked to the discrete nature of the frequency sampling.
  • the search for the amplitudes of the spectral peaks does not simply consist in taking the values LX (i) corresponding to the indexes i such that iF e / 2N is the frequency closest to a harmonic of frequency kF 0 (k ⁇ 1 ).
  • the spectral amplitude retained for a harmonic of order k is a local maximum of the spectrum module in the vicinity of the frequency kF 0 (this amplitude is obtained directly in compressed form when the spectral compression 8 is carried out before the extraction of the maxima 9 ).
  • FIGS. 4 and 5 show an example of the shape of the compressed spectrum LX, where it can be seen that the maximum amplitudes of the harmonic peaks do not necessarily coincide with the amplitudes corresponding to the integer multiples of the estimated fundamental frequency F 0 .
  • the sides of the peaks being quite steep, a small positioning error of the fundamental frequency F 0 , amplified by the harmonic index k, can strongly distort the estimated upper envelope of the spectrum and cause poor modeling of the formantic structure of the signal.
  • the interpolation is performed between points whose abscissa is the frequency corresponding to the maximum the amplitude of a spectral peak, and whose ordinate is this maximum, before or after compression.
  • the interpolation performed to calculate the upper envelope LX_sup is a simple linear interpolation.
  • Another form interpolation could be used (eg polynomial or spline).
  • the interpolation is carried out between points whose abscissa is a frequency kF 0 multiple of the fundamental frequency (in fact the closest frequency in the discrete spectrum) and whose ordinate is the maximum amplitude, before or after compression, of the spectrum in the vicinity of this multiple frequency.
  • the maximum amplitude search interval associated with a harmonic of rank k is centered on the index i of the frequency of the TFR closest to kF 0 , that is to say where ⁇ a ⁇ denotes the integer equal to or immediately less than the number a.
  • the width of this search interval depends on the sampling frequency F e , the size 2N of the TFR and the range of possible variation of the fundamental frequency. This width is typically of the order of ten frequencies with the examples of values previously considered. It can be made adjustable as a function of the value F 0 of the fundamental frequency and of the number k of the harmonic.
  • a non-linear distortion of the frequency scale is operated on the upper envelope compressed by a module 12 before the module 13 performs the inverse fast Fourier transform (TFRI) providing the cepstral coefficients cx_sup.
  • TFRI inverse fast Fourier transform
  • the non-linear distortion makes it possible to more effectively minimize the modeling error. It is for example performed according to a Mel or Bark type frequency scale. This distortion may possibly depend on the estimated fundamental frequency F 0 .
  • Figure 1 illustrates the case of the Mel scale. The relationship between the frequencies F of the linear spectrum, expressed in hertz, and the frequencies F 'of the Mel scale is as follows:
  • TFRI 13 module needs to calculate only a cepstral vector of NCS cepstral coefficients of orders 0 to NCS-1.
  • NCS can be equal to 16.
  • a post-filtering in the cepstral domain is applied by a module 15 to the compressed upper envelope LX_sup.
  • This post-liftrage corresponds to a manipulation of the cepstral coefficients cx_sup delivered by the module of TRFI 13, which corresponds approximately to a post-filtering of the harmonic part of the signal by a transfer function having the classical form:
  • a (z) is the transfer function of a linear prediction filter of the audio signal
  • ⁇ 1 and ⁇ 2 are coefficients between 0 and 1
  • ⁇ is a possibly zero pre-emphasis coefficient.
  • a normalization module 16 further modifies the cepstral coefficients by imposing the exact modeling constraint of a point on the initial spectrum, which is preferably the most energetic point among the spectral maxima extracted by the module 9 In practice, this normalization only modifies the value of the coefficient c p (0).
  • the normalization module 16 operates as follows: it recalculates a value of the synthesized spectrum at the frequency of the maximum indicated by the module 9, by Fourier transform of the truncated and post-liftral cepstral coefficients, taking into account the non-distortion frequency axis linear; it determines a normalization gain g N by the logarithmic difference between the value of the maximum provided by the module 9 and this recalculated value; and he adds the gain g N to the post-liftrated cepstral coefficient c p (0). This normalization can be seen as part of post-liftrage.
  • the post-liftralized and standardized cepstral coefficients are the subject of a quantification by a module 18 which transmits quantification indexes corresponding to the output multiplexer 6 of the encoder.
  • the module 18 can operate by vector quantization from cepstral vectors formed from post-liftred and normalized coefficients, denoted here cx [n] for the signal frame of rank n.
  • cx [n] 16 cepstral coefficients cx [n, 0], cx [n, 1], ..., cx [n, NCS-1] is distributed in four sub - cepstral vectors each containing four coefficients of consecutive orders.
  • the cepstral vector cx [n] can be processed by the means shown in FIG. 6, which are part of the quantization module 18.
  • cx p [n, i] (1- ⁇ (i)).
  • rcx [n] denotes a residual prediction vector for the frame of rank n whose components are respectively denoted rcx [n, 0], rcx [n, 1], ..., rcx [n, NCS-1]
  • ⁇ (i) denotes a prediction coefficient chosen to be representative of an assumed inter-frame correlation.
  • the numerator of the relation (10) is obtained by a subtractor 20, whose components of the output vector are divided by the quantities 2- ⁇ (i) at 21.
  • the residual vector rcx [n] is subdivided into four sub-vectors, corresponding to the subdivision into four cepstral sub-vectors.
  • the unit 22 proceeds to the vector quantization of each sub-vector of the residual vector rcx [n].
  • This quantification can consist, for each sub-vector srcx [n], in selecting from the dictionary the quantized sub-vector srcx_q [n] which minimizes the quadratic error ⁇ srcx [n] -srcx_q [n] ⁇ 2 .
  • the set icxs of the quantization indices icx, corresponding to the addresses in the dictionary or dictionaries of the residual quantized sub-vectors srcx_q [n] is supplied to the output multiplexer 6.
  • Unit 22 also delivers the values of the residual sub-vectors which form the vector rcx_q [n]. This is delayed by one frame in 23, and its components are multiplied by the coefficients ⁇ (i) at 24 for supply the vector to the negative input of subtractor 20. This last vector is on the other hand supplied to an adder 25, the other input of which receives a vector formed by the components of the quantized residue rcx_q [n] respectively multiplied by the quantities 1- ⁇ (i) at 26. The adder 25 thus delivers the quantified cepstral vector cx_q [n] that will recover the decoder.
  • the prediction coefficient ⁇ (i) can be optimized separately for each of the cepstral coefficients.
  • Quantification dictionaries can also be optimized separately for each four cepstral sub-vectors.
  • the adaptation module 29 controls the post-lifter 15 so as to minimize a modulus gap between the spectrum of the audio signal and the values of corresponding module calculated in 28.
  • This module deviation can be expressed by a sum of absolute values of differences in amplitudes, compressed or not, corresponding to one or more of the frequencies harmonics. This sum can be weighted according to the amplitudes spectral associated with these frequencies.
  • the modulus difference taken into account in the adaptation of the post-liftring would take into account all the harmonics of the spectrum.
  • the module 28 can resynthesize the spectral amplitudes only for one or more frequencies multiple of the fundamental frequency F 0 , selected on the basis of the size of the spectrum module in absolute value .
  • the adaptation module 29 can for example consider the three most intense spectral peaks in the calculation of the module deviation to be minimized.
  • the adaptation module 29 estimates a spectral masking curve of the audio signal using a model psychoacoustics, and the frequencies taken into account in the calculation of the deviation of modules to be minimized are selected based on the importance of the spectrum modulus relative to the masking curve (we can by example take the three frequencies for which the spectrum module more than the masking curve).
  • Different conventional methods can be used to calculate the masking curve from the audio signal. We can for example use the one developed by J.D. Johnston ("Transform Coding of Audio Signals Using Perceptual Noise Criteria ", IEEE Journal on Selected Area in Communications, Vol. 6, No. 2, February 1988).
  • the module 29 can use a filter identification model.
  • a simpler method consists in predefining a set of post-liftring parameter sets, that is to say a set of couples ⁇ 1 , ⁇ 2 in the case of a post-liftring according to relations (8), to carry out the operations incumbent on the modules 15, 16, 18 and 28 for each of these sets of parameters, and to retain that of the sets of parameters which leads to the minimum module deviation between the signal spectrum and the recalculated values.
  • the quantization indexes provided by the module 18 are then those which relate to the best set of parameters.
  • the coder determines coefficients cx_inf representing a compressed lower envelope LX_inf.
  • a module 30 extracts from the compressed spectrum LX spectral amplitudes associated with frequencies located in regions of the intermediate spectrum with respect to the frequencies multiple of the estimated fundamental frequency F 0 .
  • F 0 simply corresponds to the modulus of the spectrum for the frequency (k + 1/2) .F 0 located in the middle of the interval separating the two harmonics.
  • this amplitude could be an average of the spectrum modulus over a small range surrounding this frequency (k + 1/2) .F 0 .
  • a module 31 performs an interpolation, for example linear, of the spectral amplitudes associated with the frequencies located in the zones intermediaries to obtain the compressed lower envelope LX_inf.
  • the cepstral transformation applied to this lower envelope compressed LX_inf is performed according to a resulting frequency scale of a non-linear distortion applied by a module 32.
  • the TFRI module 33 calculates a cepstral vector of NCI cepstral coefficients cx_inf of orders 0 to NCI-1 representing the lower envelope.
  • the non-linear transformation of the frequency scale for the cepstral transformation of the lower envelope can be achieved towards a finer scale at high frequencies than at low frequencies, which advantageously makes it possible to model the non-voiced components of the signal at high frequencies.
  • cepstral coefficients cx_inf representing the lower envelope compressed are quantified by a module 34, which can operate the same so that the module 18 for quantifying cepstral coefficients representing the compressed upper envelope.
  • the vector thus formed is subjected to a vector quantization of prediction residue, performed by means identical to those shown in Figure 6 but without subdivision into sub-vectors.
  • the encoder shown in Figure 1 has no device particular for coding the phases of the spectrum to the harmonics of the audio signal.
  • it includes means 36-40 for coding a temporal information related to the phase of the non-harmonic component represented by the lower envelope.
  • a spectral decompression module 36 and a TFRI module 37 form a temporal estimate of the frame of the non-harmonic component.
  • the module 36 applies a reciprocal decompression function of the compression function applied by the module 8 (that is to say an exponential or a power 1 / ⁇ function) to the compressed lower envelope LX_inf produced by the module interpolation 31. This provides the modulus of the estimated frame of the non-harmonic component, the phase of which is taken to be equal to that ⁇ X of the spectrum of the signal X over the frame.
  • the inverse Fourier transform performed by the module 37 provides the estimated frame of the non-harmonic component.
  • Module 38 subdivides this estimated frame of the non-harmonic component in several time segments.
  • module 38 calculates the energy equal to the sum of the squares of the samples, and forms a vector E1 formed of eight positive real components equal to the eight calculated energies. Most of these eight energies, denoted EM, is also determined to be supplied, with the vector E1, to a normalization module 39. This divides each component of the vector E1 by EM, so that the normalized vector Emix is made up of eight components between 0 and 1. It is this vector normalized Emix, or weighting vector, which is subject to quantification by module 40. This can perform vector quantization with a dictionary determined during a prior learning. The index of iEm quantification is provided by module 40 to output multiplexer 6 of the encoder.
  • FIG. 7 shows an alternative embodiment of the means used by the coder of FIG. 1 to determine the vector Emix of energy weighting of the frame of the non-harmonic component.
  • the spectral decompression and TFRI modules 36, 37 operate like those which have the same references in FIG. 1.
  • a selection module 42 is added to determine the value of the spectrum module subjected to the inverse Fourier transform 37. On the based on the estimated fundamental frequency F 0 , the module 42 identifies harmonic regions and non-harmonic regions of the spectrum of the audio signal.
  • a frequency will be considered to belong to a harmonic region if it is in a frequency interval centered on a harmonic kF 0 and of width corresponding to a width of spectral line synthesized, and to a non-harmonic region otherwise.
  • the complex signal subjected to TFRI 37 is equal to the value of the spectrum, that is to say that its modulus and its phase correspond to the values
  • this complex signal has the same phase ⁇ X as the spectrum and a module given by the lower envelope after spectral decompression 36. This procedure according to Figure 7 provides more precise modeling of non-harmonic regions.
  • the decoder represented in FIG. 8 comprises an input demultiplexer 45 which extracts from the bit stream ⁇ , coming from an encoder according to FIG. 1, the indexes iF, icxs, icxi, iEm for quantifying the fundamental frequency F 0 , cepstral coefficients representing the compressed upper envelope, coefficients representing the compressed lower envelope, and the weighting vector Emix, and distributes them respectively to modules 46, 47, 48 and 49.
  • These modules 46-49 include quantization dictionaries similar to those of modules 5, 18, 34 and 40 of FIG. 1, in order to restore the values of the quantized parameters.
  • the modules 47 and 48 have dictionaries to form the quantized prediction residues rcx_q [n], and they deduce therefrom the quantized cepstral vectors cx_q [n] with elements identical to the elements 23-26 of FIG. 6. These quantified cepstral vectors cx_q [n] provide the cepstral coefficients cx_sup_q and cx_inf_q processed by the decoder.
  • a module 51 calculates the fast Fourier transform of the cepstral coefficients cx_sup for each signal frame.
  • the frequency scale of the resulting compressed spectrum is modified non-linearly by a module 52 applying the reciprocal non-linear transformation of that of module 12 of FIG. 1, and which provides the estimate LX_sup of the compressed upper envelope .
  • a spectral decompression of LX_sup operated by a module 53, provides the upper envelope X_sup comprising the estimated values of the module of the spectrum at frequencies multiple of the fundamental frequency F 0 .
  • the module 54 synthesizes the spectral estimate X v of the harmonic component of the audio signal, by a sum of spectral lines centered on the frequencies multiple of the fundamental frequency F 0 and whose amplitudes (in module) are those given by the envelope superior X_sup.
  • the decoder of figure 8 is capable of extracting information on this phase from the cepstral coefficients cx_sup_q representing the compressed upper envelope. This phase information is used to assign a phase ⁇ (k) to each of the spectral lines determined by the module 54 in the estimation of the harmonic component of the signal.
  • the speech signal can be considered to be at minimum phase.
  • the minimum phase information can easily be deduced from a cepstral modeling. This minimum phase information is therefore calculated for each harmonic frequency.
  • the minimum phase assumption means that the energy of the synthesized signal is localized at the start of each period of the fundamental frequency F 0 .
  • module 56 deduces post-liftrated cepstral coefficients and smoothed the phase minimum assigned to each spectral line representing a harmonic peak of the spectrum.
  • the operations performed by the modules 56, 57 for smoothing and extracting the minimum phase are illustrated by the flowchart in FIG. 9.
  • the module 56 examines the variations of the cepstral coefficients to apply a lesser smoothing in the presence of sudden variations only in the presence of slow variations. For this, it performs the smoothing of cepstral coefficients by means of a forgetting factor ⁇ c chosen as a function of a comparison between a threshold d th and a distance d between two successive sets of post-liftrated cepstral coefficients.
  • the threshold d th is itself adapted as a function of the variations of the cepstral coefficients.
  • the first step 60 consists in calculating the distance d between the two successive vectors relating to frames n-1 and n. These vectors, noted here cxp [n-1] and cxp [n], correspond for each frame to all the NCS post-liftrated cepstral coefficients representing the upper envelope compressed.
  • the distance used can in particular be the Euclidean distance between the two vectors or a quadratic distance.
  • Two smoothings are first carried out, respectively by means of forgetting factors ⁇ min and ⁇ max , to determine a minimum distance d min and a maximum distance d max .
  • the forgetting factors ⁇ min and ⁇ max are themselves selected from two distinct values, respectively ⁇ min1 , ⁇ min2 and ⁇ max1 , ⁇ max2 between 0 and 1, the indices ⁇ min1 , ⁇ max1 each being substantially closer to 0 than the indices ⁇ min2 , ⁇ max2 . If d> d min (test 61), the forget factor ⁇ min is equal to ⁇ min1 (step 62); otherwise it is taken equal to ⁇ min2 (step 63). In step 64, the minimum distance d min is taken equal to ⁇ min .d min + (1- ⁇ min ) .d.
  • step 66 the forgetting factor ⁇ max is equal to ⁇ max1 (step 66); otherwise it is taken equal to ⁇ max2 (step 67).
  • step 68 the minimum distance d max is taken equal to ⁇ max .d max + (1- ⁇ max ) .d.
  • step 72 If the distance d between the two consecutive cepstral vectors is greater than the threshold d th (test 71), a value ⁇ c1 relatively close to 0 is adopted for the forget factor ⁇ c (step 72). In this case, the corresponding signal is considered to be of the non-stationary type, so that there is no need to keep a large memory of the previous cepstral coefficients. If d ⁇ d th , in step 73 we adopt for the forget factor ⁇ c a value ⁇ c2 less close to 0 in order to further smooth the cepstral coefficients.
  • the module 57 then calculates the minimum phases ⁇ (k) associated with the harmonics kF 0 .
  • the minimum phase for a harmonic of order k is given by: where cxl [n, m] denotes the smooth cepstral coefficient of order m for the frame n.
  • step 75 the harmonic index k is initialized to 1.
  • the phase ⁇ (k) and the cepstral index m are initialized respectively at 0 and 1 in step 76.
  • the module 57 adds to phase ⁇ (k) the quantity -2.cxl [n, m] .sin (2 ⁇ mk.F 0 / F e ).
  • the cepstral index m is incremented in step 78 and compared to NCS in step 79. Steps 77 and 78 are repeated as long as m ⁇ NCS.
  • m NCS
  • the calculation of the minimum phase is completed for the harmonic k, and the index k is incremented in step 80.
  • the calculation of minimum phases 76-79 is repeated for the following harmonic as long as kF 0 ⁇ F e / 2 (test 81).
  • the module 54 holds account of a constant phase over the width of each spectral line, equal to the minimum phase ⁇ (k) supplied for the corresponding harmonic k by the module 57.
  • the estimate X v of the harmonic component is synthesized by summing spectral lines positioned at the harmonic frequencies of the fundamental frequency F 0 .
  • the spectral lines can be positioned on the frequency axis with a resolution greater than the resolution of the Fourier transform. For that, one precalculates once and for all a reference spectral line according to the higher resolution. This calculation can consist of a Fourier transform of the analysis window f A with a transform size of 16384 points, providing a resolution of 0.5 Hz per point.
  • each harmonic line is then carried out by the module 54 by positioning the reference line at high resolution on the frequency axis, and by sub-sampling this reference spectral line to reduce to the resolution of 16.625 Hz of the Fourier transform on 512 points. This allows to precisely position the spectral line.
  • the TFR 85 module of the decoder of figure 8 receives the NCI quantified cepstral coefficients cx_inf_q of orders 0 to NCI-1, and it advantageously supplements them by NCS-NCI cepstral coefficients cx_sup_q of order NCI to NCS - 1 representing the upper envelope. Indeed, we can estimate first approximation as the rapid variations of the compressed lower envelope are well reproduced by those of the compressed upper envelope. In another embodiment, the TFR 85 module could only consider NCIs cepstral parameters cx_inf_q.
  • Module 86 converts frequency scale reciprocally of the conversion carried out by the module 32 of the coder, in order to restore the LX_inf estimate of the compressed lower envelope, submitted to the spectral decompression 87.
  • the decoder has of a lower envelope X_inf comprising the values of the spectrum module in the valleys between the harmonic peaks.
  • This envelope X_inf will modulate the spectrum of a noise frame whose phase is processed as a function of the quantized weighting vector Emix extracted by the module 49.
  • a generator 88 delivers a normalized noise frame whose 4 ms segments are weighted in a module 89 in accordance with the normalized components of the Emix vector provided by the module 49 for the current frame.
  • This noise is a high-pass filtered white noise to take account of the low level which in principle the unvoiced component has at low frequencies.
  • the Fourier transform of the resulting frame is calculated by the TFR module 91.
  • the spectral estimate X uv of the non-harmonic component is determined by the spectral synthesis module 92 which performs frequency-by-frequency weighting. This weighting consists in multiplying each complex spectral value supplied by the TFR module 91 by the value of the lower envelope X_inf obtained for the same frequency by the spectral decompression module 87.
  • the spectral estimates X v , X uv of the harmonic (voiced in the case of a speech signal) and non-harmonic (or non-voiced) components are combined by a mixing module 95 controlled by a module 96 for analyzing the degree of harmony (or voicing) of the signal.
  • the analysis module 96 comprises a unit 97 for estimating a degree of voicing W dependent on the frequency, from which four gains dependent on are calculated.
  • the frequency namely two gains g v , g uv controlling the relative importance of the harmonic and non-harmonic components in the synthesized signal, and two gains g v_ ⁇ , g uv_ ⁇ used to noise the phase of the harmonic component.
  • the degree of voicing W (i) is a continuously variable value between 0 and 1 determined for each frequency index i (0 ⁇ i ⁇ N) as a function of the upper envelope X_sup (i) and the lower envelope X_inf (i) obtained for this frequency i by the decompression modules 53, 87.
  • the threshold Vth (F 0 ) corresponds to the average dynamics calculated on a synthetic spectrum purely voiced at the fundamental frequency. It is advantageously chosen depending on the fundamental frequency F 0 .
  • the degree of voicing W (i) for a frequency other than the harmonic frequencies is obtained simply as being equal to that estimated for the nearest harmonic.
  • the gain g v (i), which depends on the frequency, is obtained by applying a non-linear function to the degree of voicing W (i) (block 98).
  • This non-linear function has for example the form represented in FIG. 11: the thresholds W1, W2 being such that 0 ⁇ W1 ⁇ W2 ⁇ 1.
  • phase ⁇ ' v of the mixed harmonic component is the result of a linear combination of the phases ⁇ v , ⁇ uv of the harmonic and non-harmonic components X v , X uv synthesized by the modules 54, 92.
  • the gains g v_ ⁇ , g uv_ ⁇ respectively applied to these phases are calculated from the degree of voicing W and also weighted according to the frequency index i, since the sound effects of the phase are only really useful beyond of a certain frequency.
  • a first gain g v1_ ⁇ is calculated by applying a non-linear function to the degree of voicing W (i), as shown diagrammatically by block 100 in FIG. 10.
  • This non-linear function can have the form represented in FIG. 12: the thresholds W3 and W4 being such that 0 ⁇ W3 ⁇ W4 ⁇ 1, and the minimum gain G1 being between 0 and 1.
  • a multiplier 101 multiplies for each index frequency i the gain g v1_ ⁇ by another gain g v2_ ⁇ depending only on the frequency index i, to form the gain g v_ ⁇ (i).
  • the gain g v2_ ⁇ (i) depends non-linearly on the frequency index i, for example as shown in Figure 13: the indices i1 and i2 being such that 0 ⁇ i1 ⁇ i2 ⁇ N, and the minimum gain G2 being between 0 and 1.
  • . exp [j ⁇ ' v (i)] + g uv (I). X uv (I) with ⁇ ' v (i) g v_ ⁇ (I). ⁇ v (i) + g uv_ ⁇ (I). ⁇ uv (I) where ⁇ v (i) denotes the argument of the complex number X v (i) supplied by the module 54 for the frequency of index i (block 104 of FIG.
  • ⁇ uv (i) denotes the argument of complex number X uv (i) supplied by the module 92 (block 105 of FIG. 10). This combination is carried out by the multipliers 106-110 and the adders 111-112 shown in FIG. 10.
  • the frames successively obtained in this way are finally processed by the time synthesis module 116 which forms the audio signal decoded x and.
  • the temporal synthesis module 116 performs a sum at overlapping of frames modified with respect to those successively evaluated at the output of module 115.
  • the modification can be seen in two steps illustrated respectively in FIGS. 14 and 15.
  • the first step (FIG. 14) consists in multiplying each frame 2 ′ delivered by the TFRI module 115 by a window 1 / f A opposite to the analysis window f A used by the module 1 of the coder.
  • the resulting 2 "frame samples are therefore weighted uniformly.
  • each sample of the decoded audio signal x and thus obtained is assigned a uniform overall weight, equal to A.
  • This overall weight comes from the contribution of a single frame if the sample has in this frame a rank i such that L ⁇ i ⁇ N - L, and comprises the summed contributions of two successive frames if 0 ⁇ i ⁇ L where N - L ⁇ i ⁇ N.
  • FIG. 16 shows the appearance of the compound window f C in the case where the analysis window f A is a Hamming window and the synthesis window f S has the form given by the relations (19) to (21) .
  • the encoder of the Figure 1 can increase the rate of training and analysis of the frames, so transmit more quantization parameters to the decoder.
  • a frame of N 256 samples (32 ms) is formed every 20 ms.
  • the notations cx_q [n-1] and cx_q [n] denote determined quantified cepstral vectors, for two successive frames of entire rank, by the quantization module 18 and / or by the quantization module 34. These vectors include for example four consecutive cepstral coefficients each. They could also understand more cepstral coefficients.
  • a module 120 performs an interpolation of these two vectors cepstraux cx_q [n-1] and cx_q [n], in order to estimate an intermediate value cx_i [n-1/2].
  • the interpolation performed by the module 120 can be a simple arithmetic mean of the vectors cx_q [n-1] and cx_q [n].
  • the module 120 could apply a more sophisticated interpolation formula, for example polynomial, also based on cepstral vectors obtained for frames prior to frame n-1.
  • the interpolation takes into account the relative position of each interpolated frame.
  • the coder calculates also the cepstral coefficients cx [n-1/2] relative to the half-integer row frame.
  • these cepstral coefficients are those provided by the TFRI module 13 after post-liftrage 15 (for example with the same post-lifter coefficients as for the previous frame n-1) and normalization 16.
  • the coefficients cepstraux cx [n-1/2] are those delivered by the TFRI 33 module.
  • a subtractor 121 forms the difference ecx [n-1/2] between the cepstral coefficients cx [n-1/2] calculated for the half-integer row frame and the coefficients cx_i [n-1/2] estimated by interpolation.
  • This difference is supplied to a quantization module 122 which addresses indexes of quantization icx [n-1/2] at the output multiplexer 6 of the encoder.
  • Module 122 works for example by vector quantization of interpolation errors ecx [n-1/2] successively determined for half-integer rank frames.
  • This quantification of the interpolation error can be carried out by the coder for each of the NCS + NCI cepstral coefficients used by the decoder, or only for some of them, typically those of orders the smallest.
  • the corresponding means of the decoder are illustrated in FIG. 19.
  • the decoder essentially functions as that described with reference to the Figure 8 to determine whole rank signal frames.
  • a module interpolation 124 identical to the module 120 of the coder estimates the coefficients intermediaries cx_i [n-1/2] from the quantized coefficients cx_q [n-1] and cx_q [n] provided by module 47 and / or module 48 from the icxs, icxi indexes extracts from the flow ⁇ .
  • a parameter extraction module 125 receives the index of quantization icx [n-1/2] from the input demultiplexer 45 of the decoder, and deduces the quantized interpolation error ecx_q [n-1/2] from the same quantization dictionary as that used by the module 122 of the coder.
  • a adder 126 sums the cepstral vectors cx_i [n-1/2] and ecx_q [n-1/2] in order to provide the cepstral coefficients cx [n-1/2] which will be used by the decoder (modules 51-57, 95, 96, 115 and / or modules 85-87, 92, 95, 96, 115) to form the interpolated frame of rank n-1/2.
  • the decoder can also interpolate the other parameters F 0 , Emix used to synthesize the signal frames.
  • the fundamental frequency F 0 can be interpolated linearly, either in the time domain, or (preferably) directly in the frequency domain.
  • the interpolation should be carried out after denormalization and of course taking account of the time offsets between frames.
  • the coder uses the cepstral vectors cx_q [n], cx_q [n-1], ..., cx_q [n-r] and cx_q [n-1/2] calculated for the last frames passed (r ⁇ 1) to identify an interpolator filter optimal which, when subject to the quantified cepstral vectors cx_q [n-r], ..., cx_q [n] relative to the frames of whole rank, delivers a cepstral vector interpolated cx_i [n-1/2] which has a minimum distance from the vector cx [n-1/2] calculated for the last frame of half-integer rank.
  • this interpolator filter 128 is present in the encoder, and a subtractor 129 subtracts its output cx_i [n-1/2] of the calculated cepstral vector cx [n-1/2].
  • a minimization module 130 determines the parameter set ⁇ P ⁇ of the interpolator filter 128, for which the ecx interpolation error [n-1/2] delivered by the subtractor 129 presents a minimum standard.
  • This set of parameters ⁇ P ⁇ is addressed to a module of quantization 131 which provides a corresponding quantization index iP to encoder output multiplexer 6.
  • the decoder From the iP quantification indices of the parameters ⁇ P ⁇ obtained in the bit stream ⁇ , the decoder reconstructs the interpolator filter 128 (at errors quantization), and processes the spectral vectors cx_q [n-r], ..., cx_q [n] in order to estimate the cepstral coefficients cx [n-1/2] used to synthesize the half-full row frames.
  • the decoder can use a method simple interpolation (without transmission of parameters from the encoder for half-integer rows), an interpolation method with tap taking into account a quantized interpolation error (according to FIGS. 17 and 18), or an interpolation method with an optimal interpolator filter (according to the figure 19) to evaluate half-full row frames in addition to row frames integer evaluated directly as explained with reference to Figures 8 to 13.
  • the time synthesis module 116 can then combine all of these frames evaluated to form the synthesized signal x and in the manner explained below with reference to Figures 14, 21 and 22.
  • the module 116 performs an overlap sum of modified frames with respect to those successively evaluated at the output of the module 115, and this modification can be seen in two stages, the first of which is identical to that previously described with reference to FIG. 14 (divide the samples of the frame 2 'by the analysis window f A ).
  • the synthesis window f ' S (i) increases progressively for i going from N / 2-M / p to N / 2. It is for example a raised sinusoid over the interval N / 2 - M / p ⁇ i ⁇ N / 2 + M / p.
  • the synthesis window f ′ S can be, over this interval, a Hamming window (as shown in FIG. 21) or a Hanning window.
  • FIG. 21 shows the successive 2 "frames repositioned in the time by module 116.
  • the hatching indicates the portions eliminated from the frames (summary window at 0).
  • property (25) ensures a uniform weighting of the samples of the synthesized signal.
  • FIG. 22 shows the shape of the compound window f ' C in the case where the windows f A and f' S are of the Hamming type.
  • Interpolated frames may be subject to reduced transmission coding parameters, as described above, but this is not mandatory.
  • This embodiment makes it possible to keep an interval M relatively large between two analysis frames, and therefore limit the throughput of transmission required, while limiting the discontinuities likely to appear due to the size of this interval compared to time scales typical of variations in audio signal parameters, including cepstral coefficients and the fundamental frequency.
  • Figures 23 to 25 show other embodiments of the means used to process the cepstral coefficients cx_sup delivered by the TFRI module 13 of FIG. 1, representing the upper envelope.
  • post-lifter 15 standardization 16, quantization 18 and calculation of the spectral amplitudes 28 are essentially identical to those previously described with reference to the Figure 1.
  • post-lifter 140 modules, smoothing. 141 and minimum phase extraction 142 are provided to process the coefficients post-liftrated and quantified cepstrals cx_sup_q delivered by the module quantization 18.
  • These 140-142 modules essentially operate like the corresponding modules 55-57 of the decoder of figure 8.
  • the adaptation module 144 performs a function similar to that of the module 29 in FIG. 1. But the adaptation is not carried out solely on the basis of the spectrum module.
  • the module 144 determines the best set of coefficients for the post-tifter 15 by minimizing the difference between the spectrum of the audio signal, in module
  • the modules of these latter complex values are given by the calculation module 28, and their phases correspond to the minimum phases ⁇ (k) supplied by the extraction module 142.
  • the module 144 can take into account any appropriate distance in the complex plane, for example the Euclidean distance.
  • the adaptation of the post-lifter 15 by the module 144 takes account of combined way of frequency aspects of the signal, reflected by the module of the spectrum, and temporal aspects, reflected by the phase of the spectrum.
  • the post-lifter 140 can also be adaptive, the adaptation carried out by the module 144 bearing jointly on the two post-lifters 15, 140.
  • the post-lifter 55 of the decoder (FIG. 8) is adapted, like the post-lifter 140, as a function of iLif parameters that the adaptation module 144 supplies to the multiplexer 6 so that it includes them in the digital stream ⁇ .
  • a few sets of coefficients ⁇ 1 , ⁇ 2 are provided for the post-lifter 140 and 55, and the module 144 performs an exhaustive test of these different sets of coefficients to retain the one which minimizes the difference in the complex plane.
  • the adaptation module 29 of the post-lifter 15 is identical to that of FIG. 1.
  • FIG. 24 shows a module 145 for estimating a masking curve allowing module 29 to select, for the minimization of the difference in module, the frequency or frequencies harmonics that extend more than the masking curve calculated on the base of the spectrum in module
  • the post-lifter 140 in FIG. 24 is adapted separately by a module 146 which minimizes the differences between the phase ⁇ X of the signal spectrum and the minimum phase ⁇ (k) calculated by the module 142 for one or more of the harmonics.
  • the harmonics selected for the calculation of the minimized phase difference can be chosen as a function of the masking curve estimated by the module 145.
  • the module 146 supplies the output multiplexer 6 of the coder with the iLif parameters which represent the optimal post-lifter 140, so that they are used in the post-filter 55 of the decoder.
  • the post-lifter 140 used in the calculation of the minimum phases is not adaptive.
  • the minimum phases ⁇ (k) calculated by the module 142 for the harmonics of the fundamental frequency are compared with the phases ⁇ X of the spectrum of the audio signal, and the phase difference is the subject of a quantification by a module 148.
  • the corresponding quantization indices i ⁇ are supplied by the module 148 to the output multiplexer 6 of the encoder.
  • a module 149 uses these quantization indices i ⁇ supplied by the demultiplexer 45 to obtain the values of the quantized phase differences, which an adder 150 adds to the minimum phases ⁇ (k) calculated by module 57 (the post-lifter 140 and 55 being identical). The phases provided by the adder 150 are then used by the module 54 which synthesizes the spectral lines of the harmonic component X v .
  • the peak (s) for which the phase difference is can be chosen according to the spectral energy represented by the upper envelope, which is available to the coder and the decoder, which allows the decoder to determine at which spectral line the deviations must be applied.
  • the phase differences can be the subject of a scalar, or vector quantization if they are grouped for several peaks.
  • the variation of the phase ⁇ X around the minimum phase ⁇ (k) over the width of a harmonic peak can be represented simply by the slope of a linear segment selected as being that which presents a minimum quadratic distance with the phase variation curve of the spectrum over the width of the line, and possibly by an offset at the origin.
  • slopes can be scaled, or vector if we group them for several peaks.
  • Quantification of phase variations on harmonic peaks may relate to all harmonic frequencies. Another possibility is to quantify several slopes each obtained by averaging the harmonic slopes on one or more sub-bands of the spectrum. This averaging can be weighted to take into account relative energies at different harmonic frequencies, represented by the envelope higher.
  • the module 148 can also model the phase variation on the width of a peak by a curve more complex than a linear segment, by example a spline, whose parameters are quantified to be transmitted to the decoder.
  • harmonic phase models representative of phase variations across the width of the peaks, observed on a corpus of reference signals. These models are stored in a dictionary memorized by modules 148 and 149.
  • the encoder module 148 determines the i ⁇ indexes corresponding to the addresses of models closest to phase variations in the vicinity harmonic peaks considered, and the decoder module 149 recovers these models for the synthesis of the phase of the harmonic component.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
  • Reduction Or Emphasis Of Bandwidth Of Signals (AREA)

Description

La présente invention concerne le domaine du codage des signaux audio. Elle s'applique en particulier, mais non exclusivement, au codage de la parole, en bande étroite ou en bande élargie, dans diverses gammes de débit de codage.
La conception d'un codec audio vise principalement à fournir un bon compromis entre le débit du flux transmis par le codeur et la qualité du signal audio que le décodeur est capable de reconstruire à partir de ce flux.
Dans cette optique, il a notamment été développé des familles de codeurs reposant sur une analyse du signal audio dans le domaine spectral : le codeur estime une fréquence fondamentale du signal, représentant sa hauteur tonale (« pitch »), et l'analyse spectrale consiste à déterminer des paramètres représentant la structure harmonique du signal aux fréquences qui sont des multiples entiers de cette fréquence fondamentale. Une modélisation de la composante non-harmonique, ou non-voisée, peut également être effectuée dans le domaine spectral. Les paramètres transmis au décodeur représentent typiquement le module du spectre des composantes voisées et non-voisées. Il s'y ajoute des informations représentant soit des décisions voisé/non-voisé relatives à différentes portions de spectre, soit des informations sur la probabilité de voisement du signal, permettant au décodeur de déterminer dans quelles portions du spectre il doit utiliser la composante voisée ou la composante non-voisée.
Ces familles de codeurs comprennent les codeurs du type MBE (« Multi-Band Excitation »), ou encore les codeurs de type STC (« Sinusoidal Transform Coder »). A titre de référence, on peut citer les brevets US 4 856 068, 4 885 790, 4 937 873, 5 054 072, 5 081 681, 5 195 166, 5 216 747, 5 226 084, 5 226 108, 5 247 579, 5 473 727, 5 517 511, 5 630 011, 5 630 012, 5 649 050, 5 651 093, 5 664 051, 5 664 052, 5 684 926, 5 701 390, 5 715 365, 5 749 065, 5 752 222, 5 765 127, 5 774 837 et 5 890 108.
En outre, US-A-5 715 363 divulgue un processeur de parole appliquant un filtrage dans le domaine cepstral (liftrage).
Un but de la présente invention est de permettre, dans un schéma de codage à analyse dans le domaine spectral, d'améliorer la modélisation du module du spectre du signal.
L'invention propose ainsi un procédé de codage d'un signal audio, dans lequel on estime une fréquence fondamentale du signal audio, on détermine un spectre du signal audio par une transformée dans le domaine fréquentiel d'une trame du signal audio, on transforme dans le domaine cepstral une enveloppe supérieure comprimée du spectre du signal audio pour obtenir des coefficients cepstraux, et on inclut dans un flux numérique de sortie des données de quantification desdits coefficients cepstraux.
Selon l'invention, les coefficients cepstraux sont transformés par liftrage dans le domaine cepstral avant d'être quantifiés, on recalcule une valeur du module du spectre du signal audio à au moins une fréquence multiple de la fréquence fondamentale sur la base des coefficients cepstraux transformés, et on adapte ledit liftrage de façon à minimiser un écart de module entre le spectre du signal audio et au moins une valeur de module recalculée.
Dans une variante du procédé reposant sur un principe analogue, avec une prise en compte des phases dans l'adaptation du liftrage, on retransforme les coefficients cepstraux quantifiés, liftrés et lissés dans le domaine cepstral. on calcule des phases minimales du signal audio à des fréquences multiples de la fréquence fondamentale sur la base des coefficients cepstraux retransformés, et on adapte le liftrage effectué avant la quantification de façon à minimiser un écart entre le spectre du signal audio et au moins une valeur complexe dont le module a une valeur recalculée pour une fréquence multiple de la fréquence fondamentale et dont la phase est donnée par la phase minimale calculée pour ladite fréquence multiple.
L'invention propose également un codeur audio comprenant des moyens pour la mise en oeuvre d'un procédé tel que défini ci-dessus.
D'autres particularités et avantages de la présente invention apparaítront dans la description ci-après d'exemples de réalisation non limitatifs, en référence aux dessins annexés, dans lesquels :
  • la figure 1 est un schéma synoptique d'un codeur audio selon l'invention;
  • les figures 2 et 3 sont des diagrammes illustrant la formation des trames de signal audio dans le codeur de la figure 1 ;
  • les figures 4 et 5 sont des graphiques montrant un exemple de spectre du signal audio et illustrant l'extraction des enveloppes supérieure et inférieure de ce spectre ;
  • la figure 6 est un schéma synoptique d'un exemple de moyens de quantification utilisables dans le codeur de la figure 1 ;
  • la figure 7 est un schéma synoptique de moyens utilisables pour extraire des paramètres se rapportant à la phase de la composante non-harmonique dans une variante du codeur de la figure 1 ;
  • la figure 8 est un schéma synoptique d'un décodeur audio correspondant au codeur de la figure 1 ;
  • la figure 9 est un organigramme d'un exemple de procédure de lissage de coefficients spectraux et d'extraction de phases minimales mise en oeuvre dans le décodeur de la figure 8 ;
  • la figure 10 est un schéma synoptique de modules d'analyse et de mixage spectral de composantes harmonique et non-harmonique du signal audio ;
  • les figures 11 à 13 sont des graphiques montrant des exemples de fonctions non-linéaires utilisables dans le module d'analyse de la figure 10;
  • les figures 14 et 15 sont des diagrammes illustrant une façon de procéder à la synthèse temporelle des trames de signal dans le décodeur de la figure 8 ;
  • les figures 16 et 17 sont des graphiques montrant des fonctions de fenêtrage utilisables dans la synthèse des trames suivant les figures 14 et 15 ;
  • les figures 18 et 19 sont des schémas synoptiques de moyens d'interpolation utilisables dans une variante de réalisation du codeur et du décodeur ;
  • la figure 20 est un schéma synoptique de moyens d'interpolation utilisables dans une autre variante de réalisation du codeur ;
  • les figures 21 et 22 sont des diagrammes illustrant une autre façon de procéder à la synthèse temporelle des trames de signal dans le décodeur de la figure 8, à l'aide d'une interpolation de paramètres ;
  • les figures 23 à 25 sont des schémas synoptiques de variantes de moyens de post-traitement des coefficients cepstraux représentant l'enveloppe supérieure du spectre du signal dans le codeur de la figure 1 ; et
  • la figure 26 est un schéma synoptique partiel d'un décodeur associé à un codeur selon la figure 25.
Le codeur et le décodeur décrits ci-après sont des circuits numériques qui peuvent, comme il est usuel dans le domaine du traitement des signaux audio, être réalisés par programmation d'un processeur de signal numérique (DSP) ou d'un circuit intégré d'application spécifique (ASIC).
Le codeur audio représenté sur la figure 1 traite un signal audio d'entrée x qui, dans l'exemple non-limitatif considéré ci-après, est un signal de parole. Le signal x est disponible sous forme numérique, par exemple à une fréquence d'échantillonnage Fe de 8 kHz. Il est par exemple délivré par un convertisseur analogique-numérique traitant le signal de sortie amplifié d'un microphone. Le signal d'entrée x peut également être formé à partir d'une autre version, analogique ou numérique, codée ou non, du signal de parole.
Le codeur comprend un module 1 qui forme des trames successives de signal audio pour les différents traitements effectués, et un multiplexeur de sortie 6 qui délivre un flux de sortie Φ contenant pour chaque trame des jeux de paramètres de quantification à partir desquels un décodeur sera capable de synthétiser une version décodée du signal audio.
La structure des trames est illustrée par les figures 2 et 3. Chaque trame 2 est composée d'un nombre N d'échantillons consécutifs du signal audio x. Les trames successives présentent des décalages temporels mutuels correspondant à M échantillons, de sorte que leur recouvrement est de L = N-M échantillons du signal. Dans l'exemple considéré, où N = 256, M = 160 et L = 96, la durée des trames 2 est de N/Fe = 32 ms, et une trame est formée toutes les M/Fe = 20 ms.
De façon classique, le module 1 multiplie les échantillons de chaque trame 2 par une fonction de fenêtrage fA, de préférence choisie pour ses bonnes propriétés spectrales. Les échantillons x(i) de la trame étant numérotés de i = 0 à i = N-1, la fenêtre d'analyse fA(i) peut ainsi être une fenêtre de Hamming, d'expression :
Figure 00040001
ou une fenêtre de Hanning d'expression :
Figure 00040002
ou encore une fenêtre de Kaiser, d'expression :
Figure 00040003
où α est un coefficient par exemple égal à 6, et I0(.) désigne la fonction de Bessel d'indice 0.
Le codeur de la figure 1 procède à une analyse du signal audio dans le domaine spectral. Il comporte un module 3 qui calcule la transformée de Fourier rapide (TFR) de chaque trame de signal. La trame de signal est mise en forme avant d'être soumise au module de TFR 3 : le module 1 lui adjoint N = 256 échantillons à zéro afin d'obtenir la résolution maximale de la transformée de Fourier, et il effectue d'autre part une permutation circulaire des 2N = 512 échantillons afin de compenser les effets de phase résultant de la fenêtre d'analyse. Cette modification de la trame est illustrée par la figure 3. La trame dont on calcule la transformée de Fourier rapide sur 2N = 512 points commence par les N/2 = 128 derniers échantillons pondérés de la trame, suivis par les N = 256 échantillons à zéro, et se termine par les N/2 = 128 premiers échantillons pondérés de la trame.
Le module de TFR 3 obtient le spectre du signal pour chaque trame, dont le module et la phase sont respectivement notés |X| et ϕX, ou |X(i)| et ϕX(i) pour les index de fréquence i = 0 à i = 2N-1 (grâce à la symétrie de la transformée de Fourier et des trames, on peut se limiter aux valeurs pour 0 ≤ i < N).
Un détecteur de fréquence fondamentale 4 estime pour chaque trame de signal une valeur de la fréquence fondamentale F0. Le détecteur 4 peut appliquer toute méthode connue d'analyse du signal de parole de la trame pour estimer la fréquence fondamentale F0, par exemple une méthode basée sur la fonction d'autocorrélation ou la fonction AMDF, éventuellement précédée d'un module de blanchiment par prédiction linéaire. L'estimation peut également être effectuée dans le domaine spectral ou dans le domaine cepstral. Une autre possibilité est d'évaluer les intervalles de temps entre les ruptures consécutives du signal de parole attribuables à des fermetures de la glotte du locuteur intervenant pendant la durée de la trame. Des méthodes bien connues utilisables pour détecter de telles micro-ruptures sont décrites dans les articles suivants : M. Basseville et al., « Sequential detection of abrupt changes in spectral characteristics of digital signals » (IEEE Trans. on Information Theory, 1983, Vol. IT-29, n° 5, pages 708-723) ; R. Andre-Obrecht, « A new statistical approach for the automatic segmentation of continuous speech signals » (IEEE Trans. on Acous., Speech and Sig. Proc., Vol. 36, N°1, janvier 1988); et C. MURGIA et al., « An algorithm for the estimation of glottal closure instants using the sequential detection of abrupt changes in speech signais» (Signal Processing VII, 1994, pages 1685-1688).
La fréquence fondamentale estimée F0 fait l'objet d'une quantification, par exemple scalaire, par un module 5, qui fournit au multiplexeur de sortie 6 un index iF de quantification de la fréquence fondamentale pour chaque trame du signal.
Le codeur utilise des modélisations paramétriques cepstrales pour représenter une enveloppe supérieure et une enveloppe inférieure du spectre du signal audio. La première étape de la transformation cepstrale consiste à appliquer au module du spectre du signal une fonction de compression spectrale, qui peut être une fonction logarithmique ou en racine. Le module 8 du codeur opère ainsi, pour chaque valeur X(i) du spectre du signal (0 ≤ i < N), la transformation suivante : LX(i) = Log(|X(i)|) dans le cas d'une compression logarithmique ou LX(i) = |X(i)|γ dans le cas d'une compression en racine, γ étant un exposant compris entre 0 et 1.
Le spectre comprimé LX du signal audio est traité par un module 9 qui extrait des amplitudes spectrales associées aux harmoniques du signal correspondant aux multiples de la fréquence fondamentale estimée F0. Ces amplitudes sont ensuite interpolées par un module 10 afin d'obtenir une enveloppe supérieure comprimée notée LX_sup.
Il est à noter que la compression spectrale pourrait de façon équivalente être effectuée après la détermination des amplitudes associées aux harmoniques. Elle pourrait également être effectuée après l'interpolation, ce qui ne ferait que modifier la forme des fonctions d'interpolation.
Le module 9 d'extraction des maxima tient compte de l'éventuelle variation de la fréquence fondamentale sur la trame d'analyse, des erreurs que peut commettre le détecteur 4, ainsi que des imprécisions liées au caractère discret de l'échantillonnage en fréquence. Pour cela, la recherche des amplitudes des pics spectraux ne consiste pas simplement à prendre les valeurs LX(i) correspondant aux index i tels que i.Fe/2N soit la fréquence la plus proche d'une harmonique de fréquence k.F0 (k ≥ 1). L'amplitude spectrale retenue pour une harmonique d'ordre k est un maximum local du module du spectre au voisinage de la fréquence k.F0 (cette amplitude est obtenue directement sous forme comprimée lorsque la compression spectrale 8 est effectuée avant l'extraction des maxima 9).
Les figures 4 et 5 montrent un exemple de forme du spectre comprimé LX, où on voit que les amplitudes maximales des pics harmoniques ne coïncident pas nécessairement avec les amplitudes correspondant aux multiples entiers de la fréquence fondamentale estimée F0. Les flancs des pics étant assez raides, une petite erreur de positionnement de la fréquence fondamentale F0, amplifiée par l'indice d'harmonique k, peut distordre fortement l'enveloppe supérieure estimée du spectre et provoquer une mauvaise modélisation de la structure formantique du signal. Par exemple, prendre directement l'amplitude spectrale pour la fréquence 3.F0 dans le cas des figures 4 et 5 produirait une erreur importante dans l'extraction de l'enveloppe supérieure au voisinage de l'harmonique d'ordre k = 3, alors qu'il s'agit d'une zone énergétiquement importante dans l'exemple dessiné. En effectuant l'interpolation à partir du véritable maximum, on évite ce genre d'erreur d'estimation de l'enveloppe supérieure.
Dans l'exemple représenté sur la figure 4, l'interpolation est effectuée entre des points dont l'abscisse est la fréquence correspondant au maximum de l'amplitude d'un pic spectral, et dont l'ordonnée est ce maximum, avant ou après compression.
L'interpolation effectuée pour calculer l'enveloppe supérieure LX_sup est une simple interpolation linéaire. Bien entendu une autre forme d'interpolation pourrait être utilisée (par exemple polynomiale ou spline).
Dans la variante préférée représentée sur la figure 5, l'interpolation est effectuée entre des points dont l'abscisse est une fréquence k.F0 multiple de la fréquence fondamentale (en fait la fréquence la plus proche dans le spectre discret) et dont l'ordonnée est l'amplitude maximale, avant ou après compression, du spectre au voisinage de cette fréquence multiple.
En comparant les figures 4 et 5, on peut voir que le mode d'extraction selon la figure 5, qui repositionne les pics sur les fréquences harmoniques, conduit à une meilleure précision sur l'amplitude des pics que le décodeur attribuera aux fréquences multiples de la fréquence fondamentale. Il peut se produire un léger déplacement en fréquence de la position de ces pics, ce qui n'est pas perceptuellement très important et n'est d'ailleurs pas évité non plus dans le cas de la figure 4. Dans le cas de la figure 4, les points d'ancrage pour l'interpolation sont confondus avec les sommets des pics harmoniques. Dans le cas de la figure 5, on impose que ces points d'ancrage se trouvent précisément aux fréquences multiples de la fréquence fondamentale, leurs amplitudes correspondant à celles des pics.
L'intervalle de recherche du maximum d'amplitude associé à une harmonique de rang k est centré sur l'index i de la fréquence de la TFR la plus proche de k.F0, c'est-à-dire
Figure 00080001
où └a┘ désigne l'entier égal ou immédiatement inférieur au nombre a. La largeur de cet intervalle de recherche dépend de la fréquence d'échantillonnage Fe, de la taille 2N de la TFR et de la gamme de variation possible de la fréquence fondamentale. Cette largeur est typiquement de l'ordre d'une dizaine de fréquences avec les exemples de valeurs précédemment considérés. On peut la rendre réglable en fonction de la valeur F0 de la fréquence fondamentale et du numéro k de l'harmonique.
Afin d'améliorer la résolution dans les basses fréquences et donc de représenter plus fidèlement les amplitudes des harmoniques dans cette zone, une distorsion non-linéaire de l'échelle des fréquences est opérée sur l'enveloppe supérieure comprimée par un module 12 avant que le module 13 effectue la transformée de Fourier rapide inverse (TFRI) fournissant les coefficients cepstraux cx_sup.
La distorsion non-linéaire permet de minimiser plus efficacement l'erreur de modélisation. Elle est par exemple effectuée selon une échelle de fréquences de type Mel ou Bark. Cette distorsion peut éventuellement dépendre de la fréquence fondamentale estimée F0. La figure 1 illustre le cas de l'échelle Mel. La relation entre les fréquences F du spectre linéaire, exprimées en hertz, et les fréquences F' de l'échelle Mel est la suivante :
Figure 00080002
Afin de limiter le débit de transmission, une troncature des coefficients cepstraux cx_sup est effectuée. Le module de TFRI 13 a besoin de calculer seulement un vecteur cepstral de NCS coefficients cepstraux d'ordres 0 à NCS-1. A titre d'exemple, NCS peut être égal à 16.
Un post-filtrage dans le domaine cepstral, appelé post-liftrage, est appliqué par un module 15 à l'enveloppe supérieure comprimée LX_sup. Ce post-liftrage correspond à une manipulation des coefficients cepstraux cx_sup délivrés par le module de TRFI 13, qui correspond approximativement à un post-filtrage de la partie harmonique du signal par une fonction de transfert ayant la forme classique :
Figure 00090001
où A(z) est la fonction de transfert d'un filtre de prédiction linéaire du signal audio, γ1 et γ2 sont des coefficients compris entre 0 et 1, et µ est un coefficient de préaccentuation éventuellement nul. La relation entre le coefficient post-liftré d'ordre i, noté cp(i), et le coefficient cepstral correspondant c(i) = cx_sup(i) délivré par le module 13 est alors :
Figure 00090002
Le coefficient de préaccentuation optionnel µ peut être contrôlé en posant comme contrainte de préserver la valeur du coefficient cepstral cx_sup(1) relatif à la pente. En effet, la valeur c(1 ) = cx_sup(1) d'un bruit blanc filtré par le filtre de préaccentuation correspond au coefficient de préaccentuation. On peut ainsi choisir ce dernier de la façon suivante : µ = (γ2-γ1).c(1).
Après le post-liftre 15, un module de normalisation 16 modifie encore les coefficients cepstraux en imposant la contrainte de modélisation exacte d'un point du spectre initial, qui est de préférence le point le plus énergétique parmi les maxima spectraux extraits par le module 9. En pratique, cette normalisation modifie seulement la valeur du coefficient cp(0).
Le module de normalisation 16 fonctionne de la façon suivante : il recalcule une valeur du spectre synthétisé à la fréquence du maximum indiqué par le module 9, par transformée de Fourier des coefficients cepstraux tronqués et post-liftrés, en tenant compte de la distorsion non-linéaire de l'axe des fréquences ; il détermine un gain de normalisation gN par la différence logarithmique entre la valeur du maximum fournie par le module 9 et cette valeur recalculée ; et il ajoute le gain gN au coefficient cepstral post-liftré cp(0). Cette normalisation peut être vue comme faisant partie du post-liftrage.
Les coefficients cepstraux post-liftrés et normalisés font l'objet d'une quantification par un module 18 qui transmet des index de quantification correspondants icxs au multiplexeur de sortie 6 du codeur.
Le module 18 peut fonctionner par quantification vectorielle à partir de vecteurs cepstraux formés de coefficients post-liftrés et normalisés, notés ici cx[n] pour la trame de signal de rang n. A titre d'exemple, le vecteur cepstral cx[n] de NCS = 16 coefficients cepstraux cx[n,0], cx[n,1], ..., cx[n,NCS-1] est distribué en quatre sous-vecteurs cepstraux contenant chacun quatre coefficients d'ordres consécutifs. Le vecteur cepstral cx[n] peut être traité par les moyens représentés sur la figure 6, faisant partie du module de quantification 18. Ces moyens mettent en oeuvre, pour chaque composante cx[n,i], un prédicteur de la forme : cxp[n,i] = (1- α(i)).rcx[n, i] + α(i).rcx[n-1, i] où rcx[n] désigne un vecteur résiduel de prédiction pour la trame de rang n dont les composantes sont respectivement notées rcx[n,0], rcx[n,1], ..., rcx[n,NCS-1], et α(i) désigne un coefficient de prédiction choisi pour être représentatif d'une corrélation inter-trame supposée. Après quantification des résidus, ce vecteur résiduel est défini par : rcx[n,i] = cx[n,i]-α(i).rcx_q[n-1,i] 2-α(i) où rcx_q[n-1] désigne le vecteur résiduel quantifié pour la trame de rang n-1, dont les composantes sont respectivement notées rcx_q[n,0], rcx_q[n,1], ..., rcx_q[n,NCS-1].
Le numérateur de la relation (10) est obtenu par un soustracteur 20, dont les composantes du vecteur de sortie sont divisées par les quantités 2-α(i) en 21. Aux fins de la quantification, le vecteur résiduel rcx[n] est subdivisé en quatre sous-vecteurs, correspondant à la subdivision en quatre sous-vecteurs cepstraux. Sur la base d'un dictionnaire obtenu par apprentissage préalable, l'unité 22 procède à la quantification vectorielle de chaque sous-vecteur du vecteur résiduel rcx[n]. Cette quantification peut consister, pour chaque sous-vecteur srcx[n], à sélectionner dans le dictionnaire le sous-vecteur quantifié srcx_q[n] qui minimise l'erreur quadratique ∥srcx[n]-srcx_q[n]∥2. L'ensemble icxs des index de quantification icx, correspondant aux adresses dans le ou les dictionnaires des sous-vecteurs résiduels quantifiés srcx_q[n], est fourni au multiplexeur de sortie 6.
L'unité 22 délivre également les valeurs des sous-vecteurs résiduels quantifiés, qui forment le vecteur rcx_q[n]. Celui-ci est retardé d'une trame en 23, et ses composantes sont multipliées par les coefficients α(i) en 24 pour fournir le vecteur à l'entrée négative du soustracteur 20. Ce dernier vecteur est d'autre part fourni à un additionneur 25, dont l'autre entrée reçoit un vecteur formé par les composantes du résidu quantifié rcx_q[n] respectivement multipliées par les quantités 1-α(i) en 26. L'additionneur 25 délivre ainsi le vecteur cepstral quantifié cx_q[n] que récupérera le décodeur.
Le coefficient de prédiction α(i) peut être optimisé séparément pour chacun des coefficients cepstraux. Les dictionnaires de quantification peuvent aussi être optimisés séparément pour chacun quatre sous-vecteurs cepstraux. D'autre part, il est possible, de façon connue en soi, de normaliser les vecteurs cepstraux avant d'appliquer le schéma de prédiction/quantification, à partir de la variance des cepstres.
Il est à noter que le schéma ci-dessus de quantification des coefficients cepstraux peut n'être appliqué que pour certaines seulement des trames. Par exemple, on peut prévoir un second mode de quantification ainsi qu'un processus de sélection de celui des deux modes qui minimise un critère de moindres carrés avec les coefficients cepstraux à quantifier, et transmettre avec les index de quantification de la trame un bit indiquant lequel des deux modes a été sélectionné.
Les coefficients cepstraux quantifiés cx_sup_q = cx_q[n] fournis par l'additionneur 25 sont adressés à un module 28 qui recalcule les amplitudes spectrales associées à une ou plusieurs des harmoniques de la fréquence fondamentale F0 (figure 1). Ces amplitudes spectrales sont par exemple calculées sous forme comprimée, en appliquant la transformée de Fourier aux coefficients cepstraux quantifiés en tenant compte de la distorsion non-linéaire de l'échelle des fréquences utilisée dans la transformation cepstrale. Les amplitudes ainsi recalculées sont fournies à un module d'adaptation 29 qui les compare à des amplitudes de maxima déterminées par le module d'extraction 9.
Le module d'adaptation 29 contrôle le post-liftre 15 de façon à minimiser un écart de module entre le spectre du signal audio et les valeurs de module correspondantes calculées en 28. Cet écart de module peut être exprimé par une somme de valeurs absolues de différences d'amplitudes, comprimées ou non, correspondant à une ou plusieurs des fréquences harmoniques. Cette somme peut être pondérée en fonction des amplitudes spectrales associées à ces fréquences.
De façon optimale, l'écart de module pris en compte dans l'adaptation du post-liftrage tiendrait compte de toutes les harmoniques du spectre. Cependant, afin de réduire la complexité de l'optimisation, le module 28 peut ne resynthétiser les amplitudes spectrales que pour une ou plusieurs fréquences multiples de la fréquence fondamentale F0, sélectionnées sur la base de l'importance du module du spectre en valeur absolue. Le module d'adaptation 29 peut par exemple considérer les trois pics spectraux les plus intenses dans le calcul de l'écart de module à minimiser.
Dans une autre réalisation, le module d'adaptation 29 estime une courbe de masquage spectral du signal audio au moyen d'un modèle psychoacoustique, et les fréquences prises en compte dans le calcul de l'écart de module à minimiser sont sélectionnées sur la base de l'importance du module du spectre relativement à la courbe de masquage (on peut par exemple prendre les trois fréquences pour lesquelles le module du spectre dépasse le plus de la courbe de masquage). Différentes méthodes classiques sont utilisables pour calculer la courbe de masquage à partir du signal audio. On peut par exemple utiliser celle développée par J.D. Johnston (« Transform Coding of Audio Signals Using Perceptual Noise Criteria », IEEE Journal on Selected Area in Communications, Vol. 6, No. 2, février 1988).
Pour réaliser l'adaptation du post-liftrage, le module 29 peut utiliser un modèle d'identification de filtre. Une méthode plus simple consiste à prédéfinir un ensemble de jeux de paramètres de post-liftrage, c'est-à-dire un ensemble de couples γ1, γ2 dans le cas d'un post-liftrage selon les relations (8), à effectuer les opérations incombant aux modules 15, 16, 18 et 28 pour chacun de ces jeux de paramètres, et à retenir celui des jeux de paramètres qui conduit à l'écart de module minimal entre le spectre du signal et les valeurs recalculées. Les index de quantification fournis par le module 18 sont alors ceux qui se rapportent au meilleur jeu de paramètres.
Par un processus analogue à celui de l'extraction des coefficients cx_sup représentant l'enveloppe supérieure comprimée LX_sup du spectre du signal, le codeur détermine des coefficients cx_inf représentant une enveloppe inférieure comprimée LX_inf. Un module 30 extrait du spectre comprimé LX des amplitudes spectrales associées à des fréquences situées dans des zones du spectre intermédiaires par rapport aux fréquences multiples de la fréquence fondamentale estimée F0.
Dans l'exemple illustré par les figures 4 et 5, chaque amplitude associée à une fréquence située dans une zone intermédiaire entre deux harmoniques successives k.F0 et (k+1).F0 correspond simplement au module du spectre pour la fréquence (k+1/2).F0 située au milieu de l'intervalle séparant les deux harmoniques. Dans une autre réalisation, cette amplitude pourrait être une moyenne du module du spectre sur une petite plage entourant cette fréquence (k+1/2).F0.
Un module 31 procède à une interpolation, par exemple linéaire, des amplitudes spectrales associées aux fréquences situées dans les zones intermédiaires pour obtenir l'enveloppe inférieure comprimée LX_inf.
La transformation cepstrale appliquée à cette enveloppe inférieure comprimée LX_inf est effectuée suivant une échelle de fréquences résultant d'une distorsion non-linéaire appliquée par un module 32. Le module de TFRI 33 calcule un vecteur cepstral de NCI coefficients cepstraux cx_inf d'ordres 0 à NCI-1 représentant l'enveloppe inférieure. NCI est un nombre qui peut être sensiblement plus petit que NCS, par exemple NCI = 4.
La transformation non-linéaire de l'échelle des fréquences pour la transformation cepstrale de l'enveloppe inférieure peut être réalisée vers une échelle plus fine aux hautes fréquences qu'aux basses fréquences, ce qui permet avantageusement de bien modéliser les composantes non-voisées du signal aux hautes fréquences. Toutefois, pour assurer une homogénéité de représentation entre l'enveloppe supérieure et l'enveloppe inférieure, on pourra préférer adopter dans le module 32 la même échelle que dans le module 12 (Mel dans l'exemple considéré).
Les coefficients cepstraux cx_inf représentant l'enveloppe inférieure comprimée sont quantifiés par un module 34, qui peut fonctionner de la même manière que le module 18 de quantification des coefficients cepstraux représentant l'enveloppe supérieure comprimée. Dans le cas considéré, où on se limite à NCI = 4 coefficients cepstraux pour l'enveloppe inférieure, le vecteur ainsi formé est soumis à une quantification vectorielle de résidu de prédiction, effectuée par des moyens identiques à ceux représentés sur la figure 6 mais sans subdivision en sous-vecteurs. L'index de quantification icx = icxi déterminé par le quantificateur vectoriel 22 pour chaque trame relativement aux coefficients cx_inf est fourni au multiplexeur de sortie 6 du codeur.
Le codeur représenté sur la figure 1 ne comporte aucun dispositif particulier pour coder les phases du spectre aux harmoniques du signal audio.
En revanche, il comporte des moyens 36-40 pour coder une information temporelle liée à la phase de la composante non-harmonique représentée par l'enveloppe inférieure.
Un module 36 de décompression spectrale et un module 37 de TFRI forment une estimation temporelle de la trame de la composante non-harmonique. Le module 36 applique une fonction de décompression réciproque de la fonction de compression appliquée par le module 8 (c'est-à-dire une exponentielle ou une fonction puissance 1/γ) à l'enveloppe inférieure comprimée LX_inf produite par le module d'interpolation 31. Ceci fournit le module de la trame estimée de la composante non-harmonique, dont la phase est prise égale à celle ϕX du spectre du signal X sur la trame. La transformée de Fourier inverse effectuée par le module 37 fournit la trame estimée de la composante non-harmonique.
Le module 38 subdivise cette trame estimée de la composante non-harmonique en plusieurs segments temporels. La trame délivrée par le module 37 se composant de 2N = 512 échantillons pondérés comme illustré par la figure 3, le module 38 considère seulement les N/2 = 128 premiers échantillons et les N/2 = 128 derniers échantillons, et les subdivise par exemple en huit segments de 32 échantillons consécutifs représentant chacun 4 ms de signal.
Pour chaque segment, le module 38 calcule l'énergie égale à la somme des carrés des échantillons, et forme un vecteur E1 formé de huit composantes réelles positives égales aux huit énergies calculées. La plus grande de ces huit énergies, notée EM, est également déterminée pour être fournie, avec le vecteur E1, à un module de normalisation 39. Celui-ci divise chaque composante du vecteur E1 par EM, de sorte que le vecteur normalisé Emix est formé de huit composantes comprises entre 0 et 1. C'est ce vecteur normalisé Emix, ou vecteur de pondération, qui est soumis à la quantification par le module 40. Celui-ci peut opérer une quantification vectorielle avec un dictionnaire déterminé lors d'un apprentissage préalable. L'index de quantification iEm est fourni par le module 40 au multiplexeur de sortie 6 du codeur.
La figure 7 montre une variante de réalisation des moyens employés par le codeur de la figure 1 pour déterminer le vecteur Emix de pondération énergétique de la trame de la composante non-harmonique. Les modules 36, 37 de décompression spectrale et de TFRI fonctionnent comme ceux qui portent les mêmes références sur la figure 1. Un module de sélection 42 est ajouté pour déterminer la valeur du module du spectre soumis à la transformée de Fourier inverse 37. Sur la base de la fréquence fondamentale estimée F0, le module 42 identifie des régions harmoniques et des régions non-harmoniques du spectre du signal audio. Par exemple, une fréquence sera considérée comme appartenant à une région harmonique si elle se trouve dans un intervalle de fréquences centré sur une harmonique k.F0 et de largeur correspondant à une largeur de raie spectrale synthétisée, et à une région non-harmonique sinon. Dans les régions non-harmoniques, le signal complexe soumis à la TFRI 37 est égal à la valeur du spectre, c'est-à-dire que son module et sa phase correspondent aux valeurs |X| et ϕX fournies par le module de TFR 3. Dans les régions harmoniques, ce signal complexe a la même phase ϕX que le spectre et un module donné par l'enveloppe inférieure après décompression spectrale 36. Cette façon de procéder selon la figure 7 procure une modélisation plus précise des régions non-harmoniques.
Le décodeur représenté sur la figure 8 comprend un démultiplexeur d'entrée 45 qui extrait du flux binaire Φ, issu d'un codeur selon la figure 1, les index iF, icxs, icxi, iEm de quantification de la fréquence fondamentale F0, des coefficients cepstraux représentant l'enveloppe supérieure comprimée, des coefficients représentants l'enveloppe inférieure comprimée, et du vecteur de pondération Emix, et les distribue respectivement à des modules 46, 47, 48 et 49. Ces modules 46-49 comportent des dictionnaires de quantification semblables à ceux des modules 5, 18, 34 et 40 de la figure 1, afin de restituer les valeurs des paramètres quantifiés. Les modules 47 et 48 ont des dictionnaires pour former les résidus de prédiction quantifiés rcx_q[n], et ils en déduisent les vecteurs cepstraux quantifiés cx_q[n] avec des éléments identiques aux éléments 23-26 de la figure 6. Ces vecteurs cepstraux quantifiés cx_q[n] fournissent les coefficients cepstraux cx_sup_q et cx_inf_q traités par le décodeur.
Un module 51 calcule la transformée de Fourier rapide des coefficients cepstraux cx_sup pour chaque trame de signal. L'échelle des fréquences du spectre comprimé qui en résulte est modifiée non-linéairement par un module 52 appliquant la transformation non-linéaire réciproque de celle du module 12 de la figure 1, et qui fournit l'estimation LX_sup de l'enveloppe supérieure comprimée. Une décompression spectrale de LX_sup, opérée par un module 53, fournit l'enveloppe supérieure X_sup comportant les valeurs estimées du module du spectre aux fréquences multiples de la fréquence fondamentale F0. Le module 54 synthétise l'estimation spectrale Xv de la composante harmonique du signal audio, par une somme de raies spectrales centrées sur les fréquences multiples de la fréquence fondamentale F0 et dont les amplitudes (en module) sont celles données par l'enveloppe supérieure X_sup.
Bien que le flux numérique d'entrée Φ ne comporte pas d'informations spécifiques sur la phase du spectre du signal aux harmoniques de la fréquence fondamentale, le décodeur de la figure 8 est capable d'extraire de l'information sur cette phase à partir des coefficients cepstraux cx_sup_q représentant l'enveloppe supérieure comprimée. Cette information de phase est utilisée pour affecter une phase ϕ(k) à chacune des raies spectrales déterminées par le module 54 dans l'estimation de la composante harmonique du signal.
En première approximation, le signal de parole peut être considéré comme étant à phase minimale. D'autre part, il est connu que l'information de phase minimale peut se déduire facilement d'une modélisation cepstrale. Cette information de phase minimale est donc calculée pour chaque fréquence harmonique. L'hypothèse de phase minimale signifie que l'énergie du signal synthétisé est localisée au début de chaque période de la fréquence fondamentale F0.
Pour être plus proche d'un signal de parole réel, on introduit un peu de dispersion au moyen d'un post-liftrage spécifique des cepstres lors de la synthèse de la phase. Avec ce post-liftrage, effectué par le module 55 de la figure 8, il est possible d'accentuer les résonances formantiques de l'enveloppe et donc de contrôler la dispersion des phases. Ce post-liftrage est par exemple de la forme (8).
Pour limiter les ruptures de phase, il est préférable de lisser les coefficients cepstraux post-liftrés, ce qui est effectué par le module 56. Le module 57 déduit des coefficients cepstraux post-liftrés et lissés la phase minimale affectée à chaque raie spectrale représentant un pic harmonique du spectre.
Les opérations effectuées par les modules 56, 57 de lissage et d'extraction de la phase minimale sont illustrées par l'organigramme de la figure 9. Le module 56 examine les variations des coefficients cepstraux pour appliquer un lissage moins important en présence de variations brusques qu'en présence de variations lentes. Pour cela, il effectue le lissage des coefficients cepstraux au moyen d'un facteur d'oubli λc choisi en fonction d'une comparaison entre un seuil dth et une distance d entre deux jeux successifs de coefficients cepstraux post-liftrés. Le seuil dth est lui-même adapté en fonction des variations des coefficients cepstraux.
La première étape 60 consiste à calculer la distance d entre les deux vecteurs successifs relatifs aux trames n-1 et n. Ces vecteurs, notés ici cxp[n-1] et cxp[n], correspondent pour chaque trame à l'ensemble des NCS coefficients cepstraux post-liftrés représentant l'enveloppe supérieure comprimée. La distance utilisée peut notamment être la distance euclidienne entre les deux vecteurs ou encore une distance quadratique.
Deux lissages sont d'abord effectués, respectivement au moyen de facteurs d'oubli λmin et λmax, pour déterminer une distance minimale dmin et une distance maximale dmax. Le seuil dth est ensuite déterminé à l'étape 70 comme étant situé entre les distances minimale et maximale dmin, dmax: dth = β.dmax + (1-β).dmin, le coefficient β étant par exemple égal à 0,5.
Dans l'exemple représenté, les facteurs d'oubli λmin et λmax sont eux-mêmes sélectionnés parmi deux valeurs distinctes, respectivement λmin1, λmin2 et λmax1, λmax2 comprises entre 0 et 1, les indices λmin1, λmax1 étant chacun sensiblement plus près de 0 que les indices λmin2, λmax2. Si d > dmin (test 61), le facteur d'oubli λmin est égal à λmin1 (étape 62); sinon il est pris égal à λmin2 (étape 63). A l'étape 64, la distance minimale dmin est prise égale à λmin.dmin + (1-λmin).d. Si d > dmax (test 65), le facteur d'oubli λmax est égal à λmax1 (étape 66) ; sinon il est pris égal à λmax2 (étape 67). A l'étape 68, la distance minimale dmax est prise égale à λmax.dmax + (1-λmax).d.
Si la distance d entre les deux vecteurs cepstraux consécutifs est plus grande que le seuil dth (test 71), on adopte pour le facteur d'oubli λc une valeur λc1 relativement proche de 0 (étape 72). On considère dans ce cas que le signal correspondant est de type non stationnaire, de sorte qu'il n'y a pas lieu de conserver une grande mémoire des coefficients cepstraux antérieurs. Si d ≤ dth, on adopte à l'étape 73 pour le facteur d'oubli λc une valeur λc2 moins proche de 0 afin de lisser davantage les coefficients cepstraux. Le lissage est effectué à l'étape 74, où le vecteur cxl[n] de coefficients lissés pour la trame courante n est déterminé par : cxl[n] = λc.cxl[n-1]+(1-λc)cxp[n]
Le module 57 calcule ensuite les phases minimales ϕ(k) associées aux harmoniques k.F0. De façon connue, la phase minimale pour une harmonique d'ordre k est donnée par :
Figure 00180001
où cxl[n,m] ésigne le coefficient cepstral lissé d'ordre m pour la trame n.
A l'étape 75, l'index d'harmonique k est initialisé à 1. Pour initialiser le calcul de la phase minimale affectée à l'harmonique k, la phase ϕ(k) et l'index cepstral m sont initialisés respectivement à 0 et 1 à l'étape 76. A l'étape 77, le module 57 ajoute à la phase ϕ(k) la quantité -2.cxl[n,m].sin(2πmk.F0/Fe). L'index cepstral m est incrémenté à l'étape 78 et comparé à NCS à l'étape 79. Les étapes 77 et 78 sont répétées tant que m < NCS. Quand m = NCS, le calcul de la phase minimale est terminé pour l'harmonique k, et l'index k est incrémenté à l'étape 80. Le calcul de phases minimales 76-79 est renouvelé pour l'harmonique suivante tant que k.F0 < Fe/2 (test 81).
Dans l'exemple de réalisation selon la figure 8, le module 54 tient compte d'une phase constante sur la largeur de chaque raie spectrale, égale à la phase minimale ϕ(k) fournie pour l'harmonique correspondante k par le module 57.
L'estimation Xv de la composante harmonique est synthétisée par sommation de raies spectrales positionnées aux fréquences harmoniques de la fréquence fondamentale F0. Lors de cette synthèse, on peut positionner les raies spectrales sur l'axe des fréquences avec une résolution supérieure à la résolution de la transformée de Fourier. Pour cela, on précalcule une fois pour toutes une raie spectrale de référence selon la résolution supérieure. Ce calcul peut consister en une transformée de Fourier de la fenêtre d'analyse fA avec une taille de transformée de 16384 points, procurant une résolution de 0,5 Hz par point. La synthèse de chaque raie harmonique est alors effectuée par le module 54 en positionnant sur l'axe des fréquences la raie de référence à haute résolution, et en sous-échantillonnant cette raie spectrale de référence pour se ramener à la résolution de 16,625 Hz de la transformée de Fourier sur 512 points. Ceci permet de positionner avec précision la raie spectrale.
Pour la détermination de l'enveloppe inférieure, le module de TFR 85 du décodeur de la figure 8 reçoit les NCI coefficients cepstraux quantifiés cx_inf_q d'ordres 0 à NCI-1, et il les complète avantageusement par les NCS-NCI coefficients cepstraux cx_sup_q d'ordre NCI à NCS - 1 représentant l'enveloppe supérieure. En effet, on peut estimer en première approximation que les variations rapides de l'enveloppe inférieure comprimée sont bien reproduites par celles de l'enveloppe supérieure comprimée. Dans une autre réalisation, le module de TFR 85 pourrait ne considérer que les NCI paramètres cepstraux cx_inf_q.
Le module 86 convertit l'échelle de fréquences de manière réciproque de la conversion opérée par le module 32 du codeur, afin de restituer l'estimation LX_inf de l'enveloppe inférieure comprimée, soumise au module de décompression spectrale 87. En sortie du module 87, le décodeur dispose d'une enveloppe inférieure X_inf comportant les valeurs du module du spectre dans les vallées situées entre les pics harmoniques.
Cette enveloppe X_inf va moduler le spectre d'une trame de bruit dont la phase est traitée en fonction du vecteur de pondération quantifié Emix extrait par le module 49. Un générateur 88 délivre une trame de bruit normalisé dont les segments de 4 ms sont pondérés dans un module 89 conformément aux composantes normalisées du vecteur Emix fourni par le module 49 pour la trame courante. Ce bruit est un bruit blanc filtré passe-haut pour tenir compte du faible niveau qu'a en principe la composante non-voisée aux basses fréquences. A partir du bruit pondéré en énergie, le module 90 forme des trames de 2N = 512 échantillons en appliquant la fenêtre d'analyse fA, l'insertion de 256 échantillons à zéro et la permutation circulaire pour la compensation de phase conformément à ce qui a été expliqué en référence à la figure 3. La transformée de Fourier de la trame résultante est calculée par le module TFR 91.
L'estimation spectrale Xuv de la composante non-harmonique est déterminée par le module de synthèse spectrale 92 qui effectue une pondération fréquence par fréquence. Cette pondération consiste à multiplier chaque valeur spectrale complexe fournie par le module de TFR 91 par la valeur de l'enveloppe inférieure X_inf obtenue pour la même fréquence par le module de décompression spectrale 87.
Les estimations spectrales Xv, Xuv des composantes harmonique (voisée dans le cas d'un signal de parole) et non-harmonique (ou non-voisée) sont combinées par un module de mixage 95 contrôlé par un module 96 d'analyse du degré d'harmonicité (ou de voisement) du signal.
L'organisation de ces modules 95, 96 est illustrée par la figure 10. Le module d'analyse 96 comporte une unité 97 d'estimation d'un degré de voisement W dépendant de la fréquence, à partir duquel sont calculés quatre gains dépendant de la fréquence, à savoir deux gains gv, guv contrôlant l'importance relative des composantes harmonique et non-harmonique dans le signal synthétisé, et deux gains gv_ϕ, guv_ϕ utilisés pour bruiter la phase de la composante harmonique.
Le degré de voisement W(i) est une valeur à variation continue comprise entre 0 et 1 déterminée pour chaque index de fréquence i (0 ≤ i < N) en fonction de l'enveloppe supérieure X_sup(i) et de l'enveloppe inférieure X_inf(i) obtenues pour cette fréquence i par les modules de décompression 53, 87. Le degré de voisement W(i) est estimé par l'unité 97 pour chaque index de fréquence i correspondant à une harmonique de la fréquence fondamentale F0, à savoir
Figure 00200001
pour k = 1,2,..., par une fonction croissante du rapport entre l'enveloppe supérieure X_sup et l'enveloppe inférieure X_inf à cette fréquence, par exemple selon la formule :
Figure 00200002
Le seuil Vth(F0) correspond à la dynamique moyenne calculée sur un spectre synthétique purement voisé à la fréquence fondamentale. Il est avantageusement choisi dépendant de la fréquence fondamentale F0.
Le degré de voisement W(i) pour une fréquence autre que les fréquences harmoniques est obtenu simplement comme étant égal à celui estimé pour l'harmonique la plus proche.
Le gain gv(i), qui dépend de la fréquence, est obtenu en appliquant une fonction non-linéaire au degré de voisement W(i) (bloc 98). Cette fonction non-linéaire a par exemple la forme représentée sur la figure 11 :
Figure 00210001
les seuils W1, W2 étant tels que 0<W1 < W2 < 1. Le gain guv peut être calculé de manière semblable au gain gv (la somme des deux gains gv, guv étant constante, par exemple égale à 1), ou déduit simplement de celui-ci par la relation guv(i) = 1 - gv(i), comme schématisé par le soustracteur 99 sur la figure 10.
Il est intéressant de pouvoir bruiter la phase de la composante harmonique du signal à une fréquence donnée si l'analyse du degré de voisement montre que le signal est plutôt de type non-harmonique à cette fréquence. Pour cela, la phase ϕ'v de la composante harmonique mixée est le résultat d'une combinaison linéaire des phases ϕv, ϕuv des composantes harmonique et non-harmonique Xv, Xuv synthétisées par les modules 54, 92. Les gains gv_ϕ, guv_ϕ respectivement appliqués à ces phases sont calculés à partir du degré de voisement W et pondérés également en fonction de l'index de fréquence i, étant donné que le bruitage de la phase n'est véritablement utile qu'au-delà d'une certaine fréquence.
Un premier gain gv1_ϕ est calculé en appliquant une fonction non-linéaire au degré de voisement W(i), comme schématisé par le bloc 100 sur la figure 10. Cette fonction non-linéaire peut avoir la forme représentée sur la figure 12 :
Figure 00210002
les seuils W3 et W4 étant tels que 0 < W3 < W4 < 1, et le gain minimal G1 étant compris entre 0 et 1.
Un multiplieur 101 multiplie pour chaque fréquence d'index i le gain gv1_ϕ par un autre gain gv2_ϕ dépendant seulement de l'index de fréquence i, pour former le gain gv_ϕ(i). Le gain gv2_ϕ(i) dépend non-linéairement de l'index de fréquence i, par exemple comme indiqué sur la figure 13 :
Figure 00220001
les index i1 et i2 étant tels que 0 < i1 < i2 ≤ N, et le gain minimal G2 étant compris entre 0 et 1. Le gain guv_ϕ(i) peut être calculé simplement comme étant égal à 1 - gv_ϕ(i) = 1 - gv1_ϕ(i).gv2_ϕ(i) (soustracteur 102 de la figure 10).
Le spectre complexe Y du signal synthétisé est produit par le module de mixage 95, qui réalise la relation de mixage suivante, pour 0 ≤ i < N : Y(i) = gv(i).|Xv(i)|. exp[jϕ'v(i)] + guv(i). Xuv(i) avec ϕ'v(i) = gv_ϕ(i). ϕv(i) + guv_ϕ(i). ϕuv(i) où ϕv(i) désigne l'argument du nombre complexe Xv(i) fourni par le module 54 pour la fréquence d'index i (bloc 104 de la figure 10), et ϕuv(i) désigne l'argument du nombre complexe Xuv(i) fourni par le module 92 (bloc 105 de la figure 10). Cette combinaison est réalisée par les multiplieurs 106-110 et les additionneurs 111-112 représentés sur la figure 10.
Le spectre mixé Y(i) pour 0 ≤ i < 2N (avec Y(2N-1-i) =Y(i)) est ensuite transformé dans le domaine temporel par le module de TFRI 115 (figure 8). On ne retient que les N/2 = 128 premiers et les N/2 = 128 derniers échantillons de la trame de 2N = 512 échantillons produite par le module 115, et on applique la permutation circulaire inverse de celle illustrée par la figure 3 pour obtenir la trame synthétisée de N = 256 échantillons pondérés par la fenêtre d'analyse fA.
Les trames successivement obtenues de cette manière sont finalement traitées par le module de synthèse temporelle 116 qui forme le signal audio décodé x and.
Le module de synthèse temporelle 116 effectue une somme à recouvrement de trames modifiées par rapport à celles successivement évaluées en sortie du module 115. La modification peut être vue en deux étapes illustrées respectivement par les figures 14 et 15.
La première étape (figure 14) consiste à multiplier chaque trame 2' délivrée par le module de TFRI 115 par une fenêtre 1/fA inverse de la fenêtre d'analyse fA employée par le module 1 du codeur. Les échantillons de la trame 2" qui en résultent sont donc pondérés uniformément.
La seconde étape (figure 15) consiste à multiplier les échantillons de cette trame 2" par une fenêtre de synthèse fS vérifiant les propriétés suivantes : fS(N-L+i) + fS(i) = A   pour 0 ≤ i < L fS(i) = A   pour L ≤ i < N-L où A désigne une constante positive arbitraire, par exemple A = 1. La fenêtre de synthèse fS(i) croít progressivement de 0 à A pour i allant de 0 à L. C'est par exemple une demi-sinusoïde surélevée : fS(i) = A2 .(1-cos[(i+1/2)π/L])   pour 0 ≤ i < L
Après avoir repondéré chaque trame 2" par la fenêtre de synthèse fS, le module 116 positionne les trames successives avec leurs décalages temporels de M = 160 échantillons et leurs recouvrements temporels de L = 96 échantillons, puis il effectue la somme des trames ainsi positionnées dans le temps. Du fait des propriétés (19) et (20) de la fenêtre de synthèse fS, chaque échantillon du signal audio décodé x and ainsi obtenu est affecté d'un poids global uniforme, égal à A. Ce poids global provient de la contribution d'une trame unique si l'échantillon a dans cette trame un rang i tel que L ≤ i < N - L, et comporte les contributions sommées de deux trames successives si 0 ≤ i < L où N - L ≤ i < N.
On peut ainsi effectuer la synthèse temporelle de façon simple même si, comme dans le cas considéré, le recouvrement L entre deux trames successives est plus petit que la moitié de la taille N de ces trames.
Les deux étapes exposées ci-dessus pour la modification des trames de signal peuvent être fusionnées en une seule étape. Il suffit de précalculer une fenêtre composée fC(i) = fS(i)/fA(i), et de multiplier simplement les trames 2' de N = 256 échantillons délivrées par le module 115 par la fenêtre composée fC avant d'effectuer la sommation à recouvrement.
La figure 16 montre l'allure de la fenêtre composée fC dans le cas où la fenêtre d'analyse fA est une fenêtre de Hamming et la fenêtre de synthèse fS a la forme donnée par les relations (19) à (21).
D'autres formes de la fenêtre de synthèse fS vérifiant les relations (19) et (20) peuvent être employées. Dans la variante de la figure 17, c'est une fonction affine par morceaux définie par : fS(i) = A.i/L   pour 0 ≤ i < L
Afin d'améliorer la qualité de codage du signal audio, le codeur de la figure 1 peut augmenter la cadence de formation et d'analyse des trames, afin de transmettre davantage de paramètres de quantification au décodeur. Dans la structure de trame représentée sur la figure 2, une trame de N = 256 échantillons (32 ms) est formée toutes les 20 ms. Ces trames de 256 échantillons pourraient être formées à une cadence supérieure, par exemple de 10 ms, deux trames successives ayant alors un décalage de M/2 = 80 échantillons et un recouvrement de 176 échantillons.
Dans ces conditions, on peut transmettre les jeux complets de paramètres de quantification iF, icxs, icxi, iEm pour seulement un sous-ensemble des trames, et transmettre pour les autres trames des paramètres permettant d'effectuer une interpolation adéquate au niveau du décodeur. Dans l'exemple envisagé ci-dessus, le sous-ensemble pour lequel des jeux de paramètres complets sont transmis peut être constitué par les trames de rang entier n, dont la périodicité est de M/Fe = 20 ms, et les trames pour lesquelles une interpolation est effectuée peuvent être celles de rang demi-entier n + 1/2 qui sont décalées de 10 ms par rapport aux trames du sous-ensemble.
Dans la réalisation illustrée par la figure 18, les notations cx_q [n-1] et cx_q[n] désignent des vecteurs cepstraux quantifiés déterminés, pour deux trames successives de rang entier, par le module de quantification 18 et/ou par le module de quantification 34. Ces vecteurs comprennent par exemple quatre coefficients cepstraux consécutifs chacun. Ils pourraient également comprendre davantage de coefficients cepstraux.
Un module 120 effectue une interpolation de ces deux vecteurs cepstraux cx_q[n-1] et cx_q[n], afin d'estimer une valeur intermédiaire cx_i[n-1/2]. L'interpolation effectuée par le module 120 peut être une simple moyenne arithmétique des vecteurs cx_q[n-1] et cx_q[n]. En variante, le module 120 pourrait appliquer une formule d'interpolation plus sophistiquée, par exemple polynomiale, en se fondant également sur les vecteurs cepstraux obtenus pour des trames antérieures à la trame n-1. D'autre part, si plus d'une trame interpolée est intercalée entre deux trames consécutives de rang entier, l'interpolation tient compte de la position relative de chaque trame interpolée.
A l'aide des moyens précédemment décrits, le codeur calcule également les coefficients cepstraux cx[n-1/2] relatifs à la trame de rang demi-entier. Dans le cas de l'enveloppe supérieure, ces coefficients cepstraux sont ceux fournis par le module de TFRI 13 après post-liftrage 15 (par exemple avec les mêmes coefficients de post-liftrage que pour la trame précédente n-1) et normalisation 16. Dans le cas de l'enveloppe inférieure, les coefficients cepstraux cx[n-1/2] sont ceux délivrés par le module de TFRI 33.
Un soustracteur 121 forme la différence ecx[n-1/2] entre les coefficients cepstraux cx[n-1/2] calculés pour la trame de rang demi-entier et les coefficients cx_i[n-1/2] estimés par interpolation. Cette différence est fournie à un module de quantification 122 qui adresse des index de quantification icx[n-1/2] au multiplexeur de sortie 6 du codeur. Le module 122 fonctionne par exemple par quantification vectorielle des erreurs d'interpolation ecx[n-1/2] successivement déterminées pour les trames de rang demi-entier.
Cette quantification de l'erreur d'interpolation peut être effectuée par le codeur pour chacun des NCS + NCI coefficients cepstraux utilisés par le décodeur, ou seulement pour certains d'entre eux, typiquement ceux d'ordres les plus petits.
Les moyens correspondants du décodeur sont illustrés par la figure 19. Le décodeur fonctionne essentiellement comme celui décrit en référence à la figure 8 pour déterminer les trames de signal de rang entier. Un module d'interpolation 124 identique au module 120 du codeur estime les coefficients intermédiaires cx_i[n-1/2] à partir des coefficients quantifiés cx_q[n-1] et cx_q[n] fournis par le module 47 et/ou le module 48 à partir des index icxs, icxi extraits du flux Φ. Un module d'extraction de paramètres 125 reçoit l'index de quantification icx[n-1/2] depuis le démultiplexeur d'entrée 45 du décodeur, et en déduit l'erreur d'interpolation quantifiée ecx_q[n-1/2] à partir du même dictionnaire de quantification que celui utilisé par le module 122 du codeur. Un additionneur 126 fait la somme des vecteurs cepstraux cx_i[n-1/2] et ecx_q[n-1/2] afin de fournir les coefficients cepstraux cx[n-1/2] qui seront utilisés par le décodeur (modules 51-57, 95, 96, 115 et/ou modules 85-87, 92, 95, 96, 115) pour former la trame interpolée de rang n-1/2.
Si certains seulement des coefficients cepstraux ont fait l'objet d'une quantification d'erreur d'interpolation, les autres sont déterminés par le décodeur par une interpolation simple, sans correction.
Le décodeur peut également interpoler les autres paramètres F0, Emix utilisés pour synthétiser les trames de signal. La fréquence fondamentale F0 peut être interpolée linéairement, soit dans le domaine temporel, soit (de préférence) directement dans le domaine fréquentiel. Pour l'interpolation éventuelle du vecteur de pondération énergétique Emix, il convient d'effectuer l'interpolation après dénormalisation et en tenant compte bien entendu des décalages temporels entre trames.
Il est à noter qu'il est particulièrement avantageux, pour interpoler la représentation des enveloppes spectrales, d'effectuer cette interpolation dans le domaine cepstral. Contrairement à une interpolation effectuée sur d'autres paramètres, tels que les coefficients LSP (« Line Spectrum Pairs »), l'interpolation linéaire des coefficients cepstraux correspond à l'interpolation linéaire des amplitudes spectrales comprimées.
Dans la variante représentée sur la figure 20, le codeur utilise les vecteurs cepstraux cx_q[n], cx_q[n-1], ..., cx_q[n-r] et cx_q[n-1/2] calculés pour les dernières trames passées (r ≥ 1) pour identifier un filtre interpolateur optimal qui, lorsqu'on lui soumet les vecteurs cepstraux quantifiés cx_q[n-r], ..., cx_q[n] relatifs aux trames de rang entier, délivre un vecteur cepstral interpolé cx_i[n-1/2] qui présente une distance minimale avec le vecteur cx[n-1/2] calculé pour la dernière trame de rang demi-entier.
Dans l'exemple représenté sur la figure 20, ce filtre interpolateur 128 est présent dans le codeur, et un soustracteur 129 retranche sa sortie cx_i[n-1/2] du vecteur cepstral calculé cx[n-1/2]. Un module de minimisation 130 détermine le jeu de paramètres {P} du filtre interpolateur 128, pour lequel l'erreur d'interpolation ecx[n-1/2] délivrée par le soustracteur 129 présente une norme minimale. Ce jeu de paramètres {P} est adressé à un module de quantification 131 qui fournit un index de quantification correspondant iP au multiplexeur de sortie 6 du codeur.
En fonction du débit alloué dans le flux Φ aux index de quantification des paramètres {P} définissant le filtre interpolateur optimal 128, on pourra adopter une quantification plus ou moins fine de ces paramètres, ou une forme plus ou moins élaborée du filtre interpolateur, ou encore prévoir plusieurs filtres interpolateurs quantifiés de manière distincte pour différents vecteurs de coefficients cepstraux.
Dans une réalisation simple, le filtre interpolateur 128 est linéaire, avec r = 1 : cx_i[n-1/2] = p.cx_q[n-1] + (1-p).cx_q[n] et le jeu de paramètres {P} se limite au coefficient p compris entre 0 et 1.
A partir des index iP de quantification des paramètres {P} obtenus dans le flux binaire ϕ, le décodeur reconstruit le filtre interpolateur 128 (aux erreurs de quantification près), et traite les vecteurs spectraux cx_q[n-r], ..., cx_q[n] afin d'estimer les coefficients cepstraux cx[n-1/2] utilisés pour synthétiser les trames de rang demi-entier.
De façon générale, le décodeur peut utiliser une méthode d'interpolation simple (sans transmission de paramètres de la part du codeur pour les trames de rang demi-entier), une méthode d'interpolation avec prise en compte d'une erreur d'interpolation quantifiée (selon les figures 17 et 18), ou une méthode d'interpolation avec un filtre interpolateur optimal (selon la figure 19) pour évaluer les trames de rang demi-entier en plus des trames de rang entier évaluées directement comme expliqué en référence aux figures 8 à 13. Le module 116 de synthèse temporelle peut alors combiner l'ensemble de ces trames évaluées pour former le signal synthétisé x and de la manière expliquée ci-après en référence aux figures 14, 21 et 22.
Comme dans la méthode de synthèse temporelle précédemment décrite, le module 116 effectue une somme à recouvrement de trames modifiées par rapport à celles successivement évaluées en sortie du module 115, et cette modification peut être vue en deux étapes dont la première est identique à celle précédemment décrite en référence à la figure 14 (diviser les échantillons de la trame 2' par la fenêtre d'analyse fA).
La seconde étape (figure 21) consiste à multiplier les échantillons de la trame renormalisée 2" par une fenêtre de synthèse f'S vérifiant les propriétés suivantes : f'S(i) = 0   pour 0 ≤ i < N/2 - M/p et N/2 + M/p ≤ i <N f'S(i) + f'S(i+M/p) = A   pour N/2 - M/p ≤ i < N/2 où A désigne une constante positive arbitraire, par exemple A = 1, et p est l'entier tel que le décalage temporel entre les trames successives (calculées directement et interpolées) soit de M/p échantillons, soit p = 2 dans l'exemple décrit. La fenêtre de synthèse f'S(i) croít progressivement pour i allant de N/2-M/p à N/2. C'est par exemple une sinusoïde surélevée sur l'intervalle N/2 - M/p ≤ i < N/2 + M/p. En particulier, la fenêtre de synthèse f'S peut être, sur cet intervalle, une fenêtre de Hamming (comme représenté sur la figure 21) ou une fenêtre de Hanning.
La figure 21 montre les trames successives 2" repositionnées dans le temps par le module 116. Les hachures indiquent les portions éliminées des trames (fenêtre de synthèse à 0). On voit qu'en effectuant la somme à recouvrement des échantillons des trames successives, la propriété (25) assure une pondération homogène des échantillons du signal synthétisé.
Comme dans la méthode de synthèse illustrée par les figures 14 et 15, la procédure de pondération des trames obtenues par transformée de Fourier inverse des spectres Y peut être effectuée en une seule étape, avec une fenêtre composée f'C(i) = f'S(i)/fA (i). La figure 22 montre la forme de la fenêtre composée f'C dans le cas où les fenêtres fA et f'S sont de type Hamming.
Comme la méthode de synthèse temporelle illustrée par les figures 14 à 17, celle illustrée par les figures 14, 21 et 22 permet de prendre en compte un recouvrement L entre deux trames d'analyse (pour lesquelles l'analyse est effectuée de façon complète) plus petit que la moitié que la taille N de ces trames. De façon générale, cette dernière méthode est applicable lorsque les trames d'analyse successives présentent des décalages temporels mutuels M de plus de N/2 échantillons (même éventuellement de plus de N échantillons si un très bas débit est requis), l'interpolation conduisant à un ensemble de trames dont les décalages temporels mutuels sont de moins de N/2 échantillons.
Les trames interpolées peuvent faire l'objet d'une transmission réduite de paramètres de codage, comme décrit précédemment, mais cela n'est pas obligatoire. Ce mode de réalisation permet de conserver un intervalle M relativement grand entre deux trames d'analyse, et donc de limiter le débit de transmission requis, tout en limitant les discontinuités susceptibles d'apparaítre en raison de la taille de cet intervalle par rapport aux échelles de temps typiques des variations des paramètres du signal audio, notamment les coefficients cepstraux et la fréquence fondamentale.
Les figures 23 à 25 montrent d'autres formes de réalisation des moyens employés pour traiter les coefficients cepstraux cx_sup délivrés par le module de TFRI 13 de la figure 1, représentant l'enveloppe supérieure.
Dans les trois cas, les modules de post-liftrage 15, de normalisation 16, de quantification 18 et de calcul des amplitudes spectrales 28 sont essentiellement identiques à ceux précédemment décrits en référence à la figure 1. En outre, des modules de post-liftrage 140, de lissage. 141 et d'extraction de phase minimale 142 sont prévus pour traiter les coefficients cepstraux post-liftrés et quantifiés cx_sup_q délivrés par le module de quantification 18. Ces modules 140-142 fonctionnement essentiellement comme les modules correspondants 55-57 du décodeur de la figure 8.
Dans la forme de réalisation montrée sur la figure 23, le module d'adaptation 144 accomplit une fonction semblable à celle du module 29 de la figure 1. Mais l'adaptation n'est pas réalisée sur la seule base du module du spectre. Le module 144 détermine le meilleur jeu de coefficients pour le post-tiftre 15 en minimisant l'écart entre le spectre du signal audio, en module |X| et en phase ϕX, et des valeurs complexes recalculées pour une ou plusieurs des harmoniques de la fréquence fondamentale. Les modules de ces dernières valeurs complexes sont données par le module de calcul 28, et leurs phases correspondent aux phases minimales ϕ(k) fournies par le module d'extraction 142. Pour réaliser l'adaptation, le module 144 peut prendre en compte toute distance appropriée dans le plan complexe, par exemple la distance euclidienne.
Ainsi, l'adaptation du post-liftre 15 par le module 144 tient compte de façon combinée d'aspects fréquentiels du signal, reflétés par le module du spectre, et des aspects temporels, reflétés par la phase du spectre.
Comme représenté en pointillés sur la figure 23, le post-liftre 140 peut également être adaptatif, l'adaptation effectuée par le module 144 portant conjointement sur les deux post-liftres 15, 140. Dans ce cas, le post-liftre 55 du décodeur (figure 8) est adapté, comme le post-liftre 140, en fonction de paramètres iLif que le module d'adaptation 144 fournit au multiplexeur 6 pour qu'il les inclue dans le flux numérique Φ. Typiquement, quelques jeux de coefficients γ1, γ2 sont prévus pour les post-liftres 140 et 55, et le module 144 procède à un test exhaustif de ces différents jeux de coefficients pour retenir celui qui minimise l'écart dans le plan complexe.
Dans l'exemple représenté sur la figure 24, le module d'adaptation 29 du post-liftre 15 est identique à celui de la figure 1. La figure 24 montre un module 145 d'estimation d'une courbe de masquage permettant au module 29 de sélectionner, pour la minimisation de l'écart en module, la ou les fréquences harmoniques qui dépassent le plus de la courbe de masquage calculée sur la base du spectre en module |X|, comme décrit précédemment.
Le post-liftre 140 de la figure 24 est adapté séparément parun module 146 qui réalise la minimisation des écarts entre la phase ϕX du spectre du signal et la phase minimale ϕ(k) calculée par le module 142 pour une ou plusieurs des harmoniques. Là aussi, les harmoniques sélectionnées pour le calcul de l'écart de phase minimisé peuvent l'être en fonction de la courbe de masquage estimée par le module 145. Le module 146 fournit au multiplexeur de sortie 6 du codeur les paramètres iLif qui représentent le post-liftre optimal 140, pour qu'ils soient utilisés dans le post-filtre 55 du décodeur.
Dans l'exemple illustré par la figure 25, le post-liftre 140 servant dans le calcul des phases minimales n'est pas adaptatif. Les phases minimales ϕ(k) calculées par le module 142 pour les harmoniques de la fréquence fondamentale sont comparées aux phases ϕX du spectre du signal audio, et l'écart de phase fait l'objet d'une quantification par un module 148. Les index de quantification correspondants iΔϕ sont fournis par le module 148 au multiplexeur de sortie 6 du codeur.
Dans un décodeur (figure 26) correspondant à un codeur selon la figure 25, un module 149 exploite ces index de quantification iΔϕ fournis par le démultiplexeur 45 pour obtenir les valeurs des écarts de phase quantifiés, qu'un additionneur 150 ajoute aux phases minimales ϕ(k) calculées par le module 57 (les post-liftres 140 et 55 étant identiques). Les phases fournies par l'additionneur 150 sont ensuite utilisées par le module 54 qui synthétise les raies spectrales de la composante harmonique Xv.
L'écart de phase quantifié par le module 148, et que les modules 149 et 150 du décodeur utilisent pour corriger les phases minimales ϕ(k), peut être de deux natures :
  • il peut représenter, pour chaque fréquence d'index i correspondant à une harmonique d'ordre k de la fréquence fondamentale F0 la différence entre la phase ϕX(i) du spectre du signal à la fréquence i et la phase minimale ϕ(k) calculée par le module 142 pour l'harmonique k ;
  • alternativement ou cumulativement, cet écart de phase peut représenter la variation de la phase ϕX du spectre sur la largeur d'un ou plusieurs pics spectraux correspondant à des harmoniques du signal, cette variation étant relative à la phase minimale ϕ(k) affectée aux pics en question.
Dans les deux cas, le ou les pics pour lesquels l'écart de phase est quantifié peuvent être choisis en fonction de l'énergie spectrale représentée par l'enveloppe supérieure, qui est disponible au codeur et au décodeur, ce qui permet au décodeur de déterminer à quelle raie spectrale les écarts doivent être appliqués.
Dans le premier cas, les écarts de phase peuvent faire l'objet d'une quantification scalaire, ou vectorielle si on les regroupe pour plusieurs pics.
Dans le second cas, la variation de la phase ϕX autour de la phase minimale ϕ(k) sur la largeur d'un pic harmonique (déterminée par la largeur de la raie de référence utilisée par le module 54), peut être représentée simplement par la pente d'un segment linéaire sélectionné comme étant celui qui présente une distance quadratique minimale avec la courbe de variation de phase du spectre sur la largeur de la raie, et éventuellement par un décalage à l'origine.
Ces pentes peuvent faire l'objet d'une quantification scalaire, ou vectorielle si on les regroupe pour plusieurs pics.
La quantification des variations de phase sur les pics harmoniques peut porter sur l'ensemble des fréquences harmoniques. Une autre possibilité est de quantifier plusieurs pentes obtenues chacune par moyennage des pentes aux harmoniques sur une ou plusieurs sous-bandes du spectre. Ce moyennage peut être pondéré pour prendre en compte les énergies relatives aux différentes fréquences harmoniques, représentées par l'enveloppe supérieure.
Le module 148 peut également modéliser la variation de phase sur la largeur d'un pic par une courbe plus complexe qu'un segment linéaire, par exemple un spline, dont les paramètres sont quantifiés pour être transmis au décodeur.
Une autre possibilité est d'effectuer un apprentissage préalable de modèles de phase aux harmoniques, représentatifs des variations de la phase sur la largeur des pics, observées sur un corpus de signaux de référence. Ces modèles sont rangés dans un dictionnaire mémorisé par les modules 148 et 149. Le module 148 du codeur détermine les index iΔϕ correspondant aux adresses des modèles les plus proches des variations de phase au voisinage des pics harmoniques considérés, et le module 149 du décodeur récupère ces modèles pour la synthèse de la phase de la composante harmonique.

Claims (16)

  1. Procédé de codage d'un signal audio, dans lequel on estime une fréquence fondamentale (F0) du signal audio, on détermine un spectre du signal audio par une transformée dans le domaine fréquentiel d'une trame du signal audio, on transforme dans le domaine cepstral une enveloppe supérieure comprimée (LX_sup) du spectre du signal audio pour obtenir des coefficients cepstraux (cx_sup), et on inclut dans un flux numérique de sortie (Φ) des données de quantification desdits coefficients cepstraux, dans lequel en outre les coefficients cepstraux sont transformés par filtrage dans le domaine cepstral, appelé liftrage, avant d'être quantifiés, où l'on recalcule une valeur du module du spectre du signal audio à au moins une fréquence multiple de la fréquence fondamentale sur la base des coefficients cepstraux transformés, et on adapte ledit liftrage de façon à minimiser un écart de module entre le spectre du signal audio et au moins une valeur de module recalculée.
  2. Procédé de codage d'un signal audio, dans lequel on estime une fréquence fondamentale (F0) du signal audio, on détermine un spectre du signal audio par une transformée dans le domaine fréquentiel d'une trame du signal audio, on transforme dans le domaine cepstral une enveloppe supérieure comprimée (LX_sup) du spectre du signal audio pour obtenir des coefficients cepstraux (cx_sup), et on inclut dans un flux numérique de sortie (Φ) des données de quantification desdits coefficients cepstraux, dans lequel en outre les coefficients cepstraux sont transformés par filtrage dans le domaine cepstra, appelé liftrage, avant d'être quantifiés, où l'on recalcule une valeur du module du spectre du signal audio à au moins une fréquence multiple de la fréquence fondamentale sur la base des coefficients cepstraux transformés, on retransforme les coefficients cepstraux quantiftés, liftrés et lissés dans le domaine cepstral, on calcule des phases minimales (ϕ(k)) du signal audio à des fréquences multiples de la fréquence fondamentale sur la base des coefficients cepstraux retransformés (cxl[n]), et on adapte le liftrage effectué avant la quantification de façon à minimiser un écart entre le spectre du signal audio et au moins une valeur complexe dont le module a une valeur recalculée pour une fréquence multiple de la fréquence fondamentale et dont la phase est donnée par la phase minimale calculée pour ladite fréquence multiple.
  3. Procédé selon la revendication 2, dans lequel les liftrages effectués avant et après la quantification sont adaptés conjointement de façon à minimiser ledit écart, et dans lequel on inclut dans les données de codage de la composante harmonique des paramètres (iLif) représentatifs du liftrage adapté effectué après la quantification.
  4. Procédé selon l'une quelconque des revendications 1 à 3, dans lequel on détermine l'enveloppe supérieure comprimée (LX_sup) du spectre du signal audio par interpolation d'amplitudes spectrales associées à des fréquences multiples de la fréquence fondamentale, avec application d'une fonction de compression spectrale.
  5. Procédé selon l'une quelconque des revendications 1 à 4, dans lequel la valeur du module du spectre du signal audio est recalculée sur la base des coefficients cepstraux transformés et quantifiés (cx_sup_q).
  6. Procédé selon l'une quelconque des revendications 1 à 5, dans lequel l'écart minimisé pour l'adaptation du liftrage se rapporte à au moins une fréquence multiple de la fréquence fondamentale (F0), sélectionnée sur la base de l'importance du module du spectre en valeur absolue.
  7. Procédé selon l'une quelconque des revendications 1 à 5, dans lequel on estime une courbe de masquage spectral du signal audio au moyen d'un modèle psycho-acoustique, et l'écart minimisé pour l'adaptation du liftrage se rapporte à au moins une fréquence multiple de la fréquence fondamentale (F0), sélectionnée sur la base de l'importance du module du spectre relativement à la courbe de masquage.
  8. Procédé selon l'une quelconque des revendications 1 à 7, dans lequel la quantification des coefficients cepstraux (cx_sup) porte sur un résidu de prédiction pour chacun des coefficients cepstraux.
  9. Procédé selon la revendication 8, dans lequel le résidu de prédiction pour un coefficient cepstral est de la forme (cx[n,i] - α(i).rcx_q[n-1,i])/[2-α(i)], où cx[n,i] désigne une valeur courante dudit coefficient cepstral, rcx_q[n-1,i] désigne une valeur précédente du résidu de prédiction quantifié, et α(i) désigne un coefficient de prédiction.
  10. Procédé selon la revendication 8 ou 9, dans lequel on emploie des prédicteurs différents pour déterminer les résidus de prédiction pour au moins deux des coefficients cepstraux.
  11. Procédé selon l'une quelconque des revendications 1 à 10, dans lequel les coefficients cepstraux (cx_sup) sont répartis en plusieurs sous-vecteurs cepstraux quantifiés séparément par une quantification vectorielle portant sur un résidu de prédiction des coefficients cepstraux.
  12. Procédé selon l'une quelconque des revendications 1 à 11, dans lequel on normalise les coefficients cepstraux (cx_sup) avant la quantification, en modifiant le coefficient cepstral d'ordre 0 de telle sorte que l'amplitude spectrale associée à une fréquence multiple de la fréquence fondamentale (F0) soit représentée de manière exacte par les coefficients cepstraux normalisés.
  13. Procédé selon l'une quelconque des revendications 1 à 12, dans lequel le liftrage effectué avant la quantification est de la forme cp(i) = [1 + γ2 i-γ1 i].c(i) - (µi/i), où cp(i) et c(i) désignent le coefficient cepstral d'ordre i>0 respectivement avant et après liftrage, γ1 et γ2 sont des coefficients compris entre 0 et 1, et µ est un coefficient de préaccentuation.
  14. Procédé selon la revendication 13, dans lequel µ = (γ2 - γ1).c(1).
  15. Procédé selon l'une quelconque des revendications 1 à 14, dans lequel la transformation dans le domaine cepstral de l'enveloppe supérieure comprimée (LX_sup) est effectuée suivant une échelle de fréquences non-linéaire.
  16. Codeur audio, comprenant des moyens agencés pour exécuter un procédé selon l'une quelconque des revendications 1 à 15.
EP00949620A 1999-07-05 2000-07-04 Codage audio avec liftrage adaptif Expired - Lifetime EP1192618B1 (fr)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR9908637A FR2796193B1 (fr) 1999-07-05 1999-07-05 Procede et dispositif de codage audio
FR9908637 1999-07-05
PCT/FR2000/001905 WO2001003117A1 (fr) 1999-07-05 2000-07-04 Codage audio avec liftrage adaptif

Publications (2)

Publication Number Publication Date
EP1192618A1 EP1192618A1 (fr) 2002-04-03
EP1192618B1 true EP1192618B1 (fr) 2004-09-22

Family

ID=9547706

Family Applications (1)

Application Number Title Priority Date Filing Date
EP00949620A Expired - Lifetime EP1192618B1 (fr) 1999-07-05 2000-07-04 Codage audio avec liftrage adaptif

Country Status (6)

Country Link
EP (1) EP1192618B1 (fr)
AT (1) ATE277402T1 (fr)
AU (1) AU6291900A (fr)
DE (1) DE60014084D1 (fr)
FR (1) FR2796193B1 (fr)
WO (1) WO2001003117A1 (fr)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03136100A (ja) * 1989-10-20 1991-06-10 Canon Inc 音声処理方法及び装置

Also Published As

Publication number Publication date
ATE277402T1 (de) 2004-10-15
AU6291900A (en) 2001-01-22
FR2796193A1 (fr) 2001-01-12
FR2796193B1 (fr) 2001-10-05
EP1192618A1 (fr) 2002-04-03
DE60014084D1 (de) 2004-10-28
WO2001003117A1 (fr) 2001-01-11

Similar Documents

Publication Publication Date Title
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
EP1593116B1 (fr) Procédé pour le traitement numérique différencié de la voix et de la musique, le filtrage de bruit, la création d&#39;effets spéciaux et dispositif pour la mise en oeuvre dudit procédé
EP1692689B1 (fr) Procede de codage multiple optimise
EP1994531A2 (fr) Codage/decodage perfectionnes d&#39;un signal audionumerique, en technique celp
FR2596936A1 (fr) Systeme de transmission d&#39;un signal vocal
EP0801790A1 (fr) Procede de codage de parole a analyse par synthese
EP0428445B1 (fr) Procédé et dispositif de codage de filtres prédicteurs de vocodeurs très bas débit
FR2784218A1 (fr) Procede de codage de la parole a bas debit
FR2670313A1 (fr) Procede et dispositif pour l&#39;evaluation de la periodicite et du voisement du signal de parole dans les vocodeurs a tres bas debit.
EP1192619B1 (fr) Codage et decodage audio par interpolation
WO2023165946A1 (fr) Codage et décodage optimisé d&#39;un signal audio utilisant un auto-encodeur à base de réseau de neurones
EP1192618B1 (fr) Codage audio avec liftrage adaptif
EP1192621B1 (fr) Codage audio avec composants harmoniques
WO2001003121A1 (fr) Codage et decodage audio avec composants harmoniques et phase minimale
EP1194923B1 (fr) Procedes et dispositifs d&#39;analyse et de synthese audio
WO2001003119A1 (fr) Codage et decodage audio incluant des composantes non harmoniques du signal
FR2773653A1 (fr) Dispositifs de codage/decodage de donnees, et supports d&#39;enregistrement memorisant un programme de codage/decodage de donnees au moyen d&#39;un filtre de ponderation frequentielle
FR2739482A1 (fr) Procede et dispositif pour l&#39;evaluation du voisement du signal de parole par sous bandes dans des vocodeurs
FR2980620A1 (fr) Traitement d&#39;amelioration de la qualite des signaux audiofrequences decodes
WO2002029786A1 (fr) Procede et dispositif de codage segmental d&#39;un signal audio
WO2013135997A1 (fr) Modification des caractéristiques spectrales d&#39;un filtre de prédiction linéaire d&#39;un signal audionumérique représenté par ses coefficients lsf ou isf
EP0454552A2 (fr) ProcédÀ© et dispositif de codage bas débit de la parole
FR2737360A1 (fr) Procedes de codage et de decodage de signaux audiofrequence, codeur et decodeur pour la mise en oeuvre de tels procedes

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

17P Request for examination filed

Effective date: 20020103

AK Designated contracting states

Kind code of ref document: A1

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

AX Request for extension of the european patent

Free format text: AL;LT;LV;MK;RO;SI

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

Owner name: NORTEL NETWORKS FRANCE

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

RBV Designated contracting states (corrected)

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

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

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 CY DE DK ES FI FR 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: NL

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: 20040922

Ref country code: IT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT;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: 20040922

Ref country code: IE

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: 20040922

Ref country code: FI

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: 20040922

Ref country code: AT

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: 20040922

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

Free format text: FRENCH

REF Corresponds to:

Ref document number: 60014084

Country of ref document: DE

Date of ref document: 20041028

Kind code of ref document: P

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 FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20041222

Ref country code: GR

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: 20041222

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: 20041222

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 FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20041223

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

Ref country code: ES

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: 20050102

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

Effective date: 20041230

LTIE Lt: invalidation of european patent or patent extension

Effective date: 20040922

NLV1 Nl: lapsed or annulled due to failure to fulfill the requirements of art. 29p and 29m of the patents act
REG Reference to a national code

Ref country code: IE

Ref legal event code: FD4D

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

Ref country code: GB

Payment date: 20050614

Year of fee payment: 6

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: 20050704

Ref country code: CY

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: 20050704

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

Ref country code: FR

Payment date: 20050706

Year of fee payment: 6

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: MC

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

Effective date: 20050731

Ref country code: LI

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

Effective date: 20050731

Ref country code: CH

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

Effective date: 20050731

Ref country code: BE

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

Effective date: 20050731

26N No opposition filed

Effective date: 20050623

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

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: 20060704

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

Effective date: 20060704

REG Reference to a national code

Ref country code: FR

Ref legal event code: ST

Effective date: 20070330

BERE Be: lapsed

Owner name: *NORTEL NETWORKS FRANCE

Effective date: 20050731

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 NON-PAYMENT OF DUE FEES

Effective date: 20050222

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

Ref country code: FR

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

Effective date: 20060731