EP1383109A1 - Procédé et dispositif d'encodage de la parole à bande élargie - Google Patents

Procédé et dispositif d'encodage de la parole à bande élargie Download PDF

Info

Publication number
EP1383109A1
EP1383109A1 EP02015918A EP02015918A EP1383109A1 EP 1383109 A1 EP1383109 A1 EP 1383109A1 EP 02015918 A EP02015918 A EP 02015918A EP 02015918 A EP02015918 A EP 02015918A EP 1383109 A1 EP1383109 A1 EP 1383109A1
Authority
EP
European Patent Office
Prior art keywords
filter
term
word
excitation
short
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.)
Withdrawn
Application number
EP02015918A
Other languages
German (de)
English (en)
Inventor
désignation de l'inventeur n'a pas encore été déposée La
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.)
STMicroelectronics NV
Original Assignee
STMicroelectronics NV
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 STMicroelectronics NV filed Critical STMicroelectronics NV
Priority to EP02015918A priority Critical patent/EP1383109A1/fr
Priority to EP20030291747 priority patent/EP1383111A2/fr
Priority to US10/622,021 priority patent/US7254534B2/en
Publication of EP1383109A1 publication Critical patent/EP1383109A1/fr
Withdrawn legal-status Critical Current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
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders

Definitions

  • the invention relates to speech encoding / decoding extended band, in particular but not limited to telephony mobile.
  • the bandwidth of the speech signal is between 50 and 7000 Hz.
  • Successive speech sequences sampled at one predetermined sampling frequency are processed in a coding device using a prediction linear excitation by coded sequences (ACELP: “algebraic-code-excited linear-prediction ”), well known to those skilled in the art, and described in particular in recommendation ITU-TG 729, version 3/96, titled “speech coding at 8 kbit / s by prediction linear with excitation by coded sequences with algebraic structure conjugate ”.
  • ACELP “algebraic-code-excited linear-prediction ”
  • the prediction coder CD of the ACELP type, is based on the linear predictive coding model with code excitation.
  • the coder operates on vocal superframes equivalent for example to 20 ms of signal and each comprising 320 samples.
  • the extraction of the linear prediction parameters i.e. the coefficients of the linear prediction filter also called short-term synthesis filter 1 / A (z), is carried out for each speech superframe.
  • each superframe is subdivided into 5 ms frames comprising 80 samples.
  • the voice signal is analyzed to extract the parameters of the CELP prediction model (that is to say, in particular, a long-term digital excitation word V i extracted from an adaptive coded directory DLT, also called “adaptive long-term dictionary", an associated long-term gain Ga, a short-term excitation word C j , extracted from an algebraic coded directory DCT, also known as “fixed coded directory” or “short dictionary algebraic term ", and an associated short-term gain Gc).
  • a long-term digital excitation word V i extracted from an adaptive coded directory DLT, also called “adaptive long-term dictionary", an associated long-term gain Ga
  • a short-term excitation word C j extracted from an algebraic coded directory DCT, also known as “fixed coded directory” or “short dictionary algebraic term ", and an associated short-term gain Gc).
  • these parameters are used, in a decoder, to retrieve the excitation and predictive filter parameters. We then reconstitutes speech by filtering this excitation flow in a short-term synthesis filter.
  • the short-term dictionary DCT is founded on an algebraic structure using a permutation model intertwined with Dirac pulses.
  • this coded directory which contains innovative excitations also called excitations algebraic or short-term, each vector contains a certain number of non-zero pulses, for example four, each of which can have amplitude +1 or -1 with predetermined positions.
  • the CD encoder processing means include functionally of the first MEXT1 extraction means intended to extract the word long-term excitement, and second MEXT2 extraction means intended to extract the word short-term excitement. Functionally, these means are made for example in software within a processor.
  • These extraction means include a predictive filter FP having a transfer function equal to 1 / A (z), as well as a filter FPP perceptual weighting with a transfer function W (z).
  • the perceptual weighting filter is applied to the signal to model the perception of the ear.
  • the extraction means include means MECM intended to perform a minimization of a square error average.
  • the linear prediction FP synthesis filter models the spectral envelope of the signal. Linear predictive analysis is performed all superframes, so as to determine the linear predictive filter coefficients. These are converted to spectral line pairs (LSP: “Line Spectrum Pairs”) and digitized by predictive vector quantization in two stages.
  • LSP Line Spectrum Pairs
  • Each 20 ms speech superframe is divided into four frames of 5 ms each containing 80 samples.
  • the settings Quantized LSPs are transmitted to the decoder once per superframe while long term and short term parameters are passed at each frame.
  • the coefficients of the linear prediction filter, quantified and not quantified, are used for the most recent frame of a super-frame, while the other three frames of the same super-frame use an interpolation of these coefficients.
  • Tonal delay open loop is estimated every two frames based on the perceptually weighted voice signal. Then, the following operations are repeated at each frame:
  • the long-term target signal X LT is calculated by filtering the sampled speech signal s (n) by the perceptual weighting filter FPP.
  • the impulse response of the weighted synthesis filter is calculated.
  • a closed loop tonal analysis using a minimization of the mean square error is then carried out in order to determine the long-term excitation word v i and the associated gain Ga, by means of the target signal and the impulse response, by searches around the value of the tone delay in open loop.
  • the long-term target signal is then updated by subtracting the filtered contribution y from the adaptive coded directory DLT and this new short-term target signal X ST is used when exploring the fixed coded directory DCT in order to determine the password.
  • short term excitation c j and the associated gain G c is used when exploring the fixed coded directory DCT in order to determine the password.
  • An object of the invention is to reduce the harmonic noise and the high frequency noise.
  • the invention also aims to suppress noise from "whistling" type tainting the voiced speech frames.
  • Another object of the invention is to independently control short-term and long-term distortions.
  • the invention therefore provides a speech encoding method with wide band, in which the speech is sampled so as to obtain successive voice frames each comprising a predetermined number of samples, and for each voice frame, we determines parameters of a linear prediction model at excitation by code, these parameters comprising a numeric word of long-term excitement extracted from an adaptive coded repertoire and a associated long-term gain, as well as a word of short-term excitement extract from an algebraic coded repertoire and short-term gain associated, and we update the adaptive coded directory from the word excerpt long term excitement and short term excitement word extract.
  • the invention here uses a "total correction" filter which combines a harmonic noise correction filter and a high frequency correction.
  • the invention thus improves the quality during voiced speech frames. Furthermore, the complexity of the encoder is reduced by merging the filter of harmonic correction and the high frequency correction filter.
  • the invention differs in particular from a solution described in an article by Kroon and Atal, entitled “Strategies for Improving the Performance of CELP Coders at Low Bit Rates ”, Proc., IEEE, Int. Conf. Acoustics, Speech, and Signal Processing, ICASSP'88, New York, USA, 1988, Pages 151-154, which offers filtering of adaptive dictionary made at the output of this dictionary and not not at the entrance according to the invention.
  • the prefiltering of the adaptive dictionary according to the invention presents in relation to the post-filtering of the article of Kroon and Atal, the advantage that filtering is taken into account when error minimization performed to choose excitation adaptive to the next frame. This is not the case for the solution of Kroon and Atal, since the proposed filtering takes place on the excitation chosen next. Also, to take into account the filtering in the minimization of the error, it would then be necessary to increase considerably complexity and filter out any excitement to be tested.
  • the summed word with a finite impulse response digital filter at linear phase having an order at least equal to 10.
  • the sampling frequency is 16 kHz
  • the invention also provides a control type solution gain, but totally different from that described in particular in the articles of Taniguchi and others and of Shoham.
  • the extraction of the short term excitation word comprises digital linear prediction filtering and the method includes an update of the state of the linear prediction filter with the word short-term excitation filtered by a filter whose coefficients depend on the value of the long-term gain, so that weaken the contribution of short-term excitement when the gain long-term excitement is above a predetermined threshold, for example equal to 1.
  • the solution according to the invention consists here to weaken the contribution of short-term excitement if the gain of long-term excitement is important.
  • this is the contribution of undiminished short-term excitement which is stored in the adaptive dictionary for updating. So the reduction occurs only on exit. Preserving the magnitude of the short-term contribution to be stored is important, since the richness of the adaptive dictionary is thus preserved for the lowest frequencies.
  • the gain correction must also be applied when reconstructing the signal at the decoder.
  • This filter can be of order 0 or of higher or equal order to 1. In the latter case, the filter of order greater than or equal to 1 can be finite impulse response.
  • the first coefficient B0 of the filter is equal to 1 / (1 + ⁇ . min (Ga, 1))
  • the second coefficient B1 of the filter is equal to ⁇ .min (Ga, 1) / (1 + ⁇ .min (Ga, 1))
  • ⁇ is a real number with a lower absolute value at 1
  • Ga is the long-term gain
  • min (Ga, 1) designates the minimum value between Ga and 1.
  • the denominator of the transfer function of the first formantic weighting filter is equal to the numerator of the second formantic weighting filter.
  • the use of two filters of weighting different formant allows to control regardless of short-term and long-term distortions.
  • the short-term weighting filter is cascaded to the filter of long-term weighting.
  • tying the denominator of the long-term weighting filter in the numerator of the short-term weighting allows these two to be controlled separately filters and also allows a clear simplification when these two filters are cascaded.
  • the first extraction means include a digital prediction filter linear
  • the device comprises second updating means capable of updating the state of the linear prediction filter with short term excitation word filtered by a filter whose coefficient (s) depend on the value long-term gain, so as to weaken the contribution of short-term excitement when gaining long-term excitement is above a predetermined threshold.
  • the first extraction means include a first filter perceptual weighting including a first weighting filter formantic, by the fact that the second means of extraction include the first perceptual weighting filter cascaded to a second perceptual weighting filter comprising a second formantic weighting filter, and by the fact that the denominator of the transfer function of the first filter of formantic weighting is equal to the numerator of the second filter formantic weighting.
  • the invention also relates to a terminal of a system wireless communication, such as a mobile phone cell, incorporating a device as defined above.
  • the encoding device, or encoder, CD differs from that of the prior art as illustrated in FIG. 1 by the fact that the MAJ means of DLT adaptive long-term dictionary update feature a total correction filter FLCT connected between the output of a SM summer and DLT dictionary entry.
  • the two inputs of the summator SM respectively receive the product of the extracted word of long-term excitation v; by the associated long-term gain Ga, and the product of the extracted short-term excitation word c j by the associated gain Gc.
  • This FLCT total correction filter is a low pass filter generally having a cutoff frequency greater than quarter of the sampling frequency and less than half of it.
  • This filter is in the example described a digital filter with linear phase finite impulse response with order at less than 10.
  • a cutoff frequency of preferably will be used of the order of 6 kHz and a filter of order 20, which achieves a good trade-off between memory complexity and signal quality reconstituted vocal.
  • Harmonic noise is introduced by the contribution of long-term excitement and by repeating samples for values of the fundamental period (pitch) less than the length of a speech frame, here of 5 ms. This noise is also present for values of the fundamental period greater than the size of a frame. It is also linked to adaptive gain, extracts a single times per speech frame.
  • the total correction filter according to the invention therefore achieves the double harmonic correction and high correction function frequency. This allows an improvement in quality during voiced speech frames.
  • this filter i.e. at the input of the adaptive dictionary, allows filtering to be taken into account minimization of the error made to choose the excitation adaptive of the following speech frame.
  • the coder CD further comprises second updating means MAJ2 able to update the state of the linear prediction filter FP and the state of the filter perceptual weighting FPP with the short-term excitation word C j filtered by a filter which is represented here schematically by a gain Gc '.
  • This filter can be of order 0 and its gain Gc 'is less than the gain Gc.
  • this filter can be of finite impulse response and of order greater than or equal to 1, with for example a filter of finite impulse response of order 1.
  • the coefficients of this first order filter depend on the value long-term gain Ga, so as to weaken the contribution of short-term excitement when gaining long-term excitement Ga is greater than a predetermined threshold, for example equal to 1.
  • the transfer function of this filter is equal to B0 + B1 z -1 .
  • the first coefficient of the filter B0 can be determined by the formula (I) below. 1 / (1 + 0.98 min (Ga, 1)) while the second coefficient of filter B1 can be determined by formula (II) below. 0.98 min (Ga, 1) / (1 + 0.98 min (Ga, 1))
  • the attenuation occurs only on the signal preserving the magnitude of the short contribution term to store keeps the richness of the dictionary adaptive for the lowest frequencies.
  • the variant embodiment illustrated in FIG. 3 allows, in addition to the benefits of the total correction filter, to eliminate hissing noise on speech frames voiced.
  • the FPP perceptual weighting filter uses the masking properties of the human ear compared to the spectral envelope of the speech signal, whose shape is a function resonances of the vocal tract. This filter allows you to assign more importance of the error appearing in the spectral valleys by compared to formic peaks.
  • the same FPP perceptual weighting filter is used for short-term research and for long-term research.
  • the transfer function W (z) of this FPP filter is given by the formula (III) below.
  • W ( z ) AT ( z / ⁇ 1 ) AT ( z / ⁇ 2 ) in which 1 / A (z) is the transfer function of the predictive filter FP and ⁇ 1 and ⁇ 2 are the perceptual weighting coefficients, the two coefficients being positive or zero and less than or equal to 1 with the coefficient ⁇ 2 less than or equal to the coefficient ⁇ 1.
  • the perceptual weighting filter consists of a formantic weighting filter and a weighting of the slope of the spectral envelope of the signal (tilt).
  • FIG. 4 Such an embodiment is illustrated in FIG. 4, in which, compared to Figure 3, the unique FPP filter was replaced by a first formantic weighting filter FPP1 for long-term research, cascaded with a second filter of FPP2 formant weighting for short-term research.
  • the filters appearing in the long-term research loop should also appear in the short-term research loop.
  • the transfer function W 1 (z) of the formantic weighting filter FPP1 is given by formula (IV) below.
  • W 1 ( z ) AT ( z / ⁇ 11 ) AT ( z / ⁇ 12 ) while the transfer function W 2 (z) of the formantic weighting filter FPP2 is given by the formula (V) below.
  • W 2 ( z ) AT ( z / ⁇ 21 ) AT ( z / ⁇ 22 )
  • the coefficient ⁇ 12 is equal to the coefficient ⁇ 21 . This allows a clear simplification when cascading these two filters.
  • the filter equivalent to the cascade of these two filters has a transfer function given by the formula (VI) below.
  • the synthesis filter FP (having the transfer function 1 / A (z)) followed by the long-term weighting filter FPP1 and the weighting filter FPP2 is then equivalent to the filter whose transfer function is given by formula (VII) below. 1 AT ( z / ⁇ 22 )
  • FIG. 5 Such an embodiment is illustrated in FIG. 5, where one see that the use of the two form filters is taken into account combination with the use of the total correction filter.
  • the invention advantageously applies to telephony mobile, and in particular to all remote terminals belonging to a wireless communication system.
  • Such a terminal for example a TP mobile telephone, such as that illustrated in FIG. 6, conventionally comprises a antenna connected via a DUP duplexer to a chain reception CHR and a CHT transmission chain.
  • a baseband processor BB is connected to the chain respectively of reception CHR and to the chain of transmission CHT by via analog digital ADCs and analog digital DACs.
  • the processor BB performs processing in baseband, including DCN channel decoding, followed by DCS source decoding.
  • the processor For transmission, the processor performs source coding CCS followed by CCN channel coding.
  • the mobile phone incorporates an encoder according to the invention, it is incorporated within the coding means of CCS source, while the decoder is incorporated within the means DCS source decoding.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

On échantillonne la parole de façon à obtenir des trames vocales successives comportant chacune un nombre prédéterminé d'échantillons. A chaque trame vocale on détermine des paramètres d'un modèle de prédiction linéaire à excitation par code, ces paramètres comportant un mot numérique d'excitation à long terme vi extrait d'un répertoire codé adaptatif DLT et un gain à long terme associé Ga, ainsi qu'un mot d'excitation à court terme cj extrait d'un répertoire codé algébrique DCT et un gain à court terme associé Gc. On somme SM le produit du mot extrait d'excitation à long terme par le gain à long terme associé, avec le produit du mot extrait d'excitation à court terme par le gain à court terme associé, on filtre le mot numérique sommé dans un filtre passe-bas FLCT ayant une fréquence de coupure supérieure au quart de la fréquence d'échantillonnage et inférieure à la moitié de celle-ci, et on met à jour le répertoire codé adaptatif avec le mot filtré.

Description

L'invention concerne l'encodage/décodage de la parole à bande élargie, notamment mais non limitativement pour la téléphonie mobile.
En bande élargie, la bande passante du signal de parole est comprise entre 50 et 7000 Hz.
Des séquences de parole successives échantillonnées à une fréquence d'échantillonnage prédéterminée, par exemple 16 kHz, sont traitées dans un dispositif de codage utilisant une prédiction linéaire à excitation par séquences codées (ACELP : « algebraic-code-excited linear-prediction »), bien connu de l'homme du métier, et décrit notamment dans la recommandation ITU-TG 729, version 3/96, intitulée « codage de la parole à 8 kbits/s par prédiction linéaire avec excitation par séquences codées à structure algébrique conjuguée ».
On va maintenant rappeler brièvement, en se référant à la figure 1, les principales caractéristiques et fonctionnalités d'un tel codeur, l'homme du métier pouvant se référer à toutes fins utiles, pour plus de détails, à la recommandation G 729 précitée.
Le codeur de prédiction CD, du type ACELP, est fondé sur le modèle de codage prédictif linéaire à excitation par code. Le codeur opère sur des super-trames vocales équivalentes par exemple à 20 ms de signal et comportant chacune 320 échantillons. L'extraction des paramètres de prédiction linéaire, c'est-à-dire les coefficients du filtre de prédiction linéaire également appelé filtre de synthèse à court-terme 1/A(z), est effectuée pour chaque super-trame de parole. Par contre, chaque super-trame est subdivisée en trames de 5 ms comprenant 80 échantillons. Toutes les trames, le signal vocal est analysé pour en extraire les paramètres du modèle de prédiction CELP (c'est-à-dire, notamment, un mot numérique d'excitation à long terme Vi extrait d'un répertoire codé adaptatif DLT, également dénommé « dictionnaire à long terme adaptatif », un gain à long terme associé Ga, un mot d'excitation à court terme Cj, extrait d'un répertoire codé algébrique DCT, également dénommé « répertoire codé fixe » ou « dictionnaire à court terme algébrique », et un gain à court terme associé Gc).
Ces paramètres sont ensuite codés et transmis.
A la réception, ces paramètres servent, dans un décodeur, à récupérer les paramètres d'excitation et du filtre prédictif. On reconstitue alors la parole en filtrant ce flux d'excitation dans un filtre de synthèse à court terme.
Alors que le dictionnaire adaptatif DLT contient des mots nunériques représentatifs de délais tonaux représentatifs d'excitations passées, le dictionnaire à court terme DCT est fondé sur une structure algébrique utilisant un modèle de permutation entrelacée d'impulsions de Dirac. Dans ce répertoire codé, qui contient des excitations innovatrices également appelées excitations algébriques ou à court-terme, chaque vecteur contient un certain nombre d'impulsions non nulles, par exemple quatre, dont chacune peut avoir l'amplitude +1 ou -1 avec des positions prédéterminées.
Les moyens de traitement du codeur CD comportent fonctionnellement des premiers moyens d'extraction MEXT1 destinés à extraire le mot d'excitation à long terme, et des deuxièmes moyens d'extraction MEXT2 destinés à extraire le mot d'excitation à court terme. Fonctionnellement, ces moyens sont réalisés par exemple de façon logicielle au sein d'un processeur.
Ces moyens d'extraction comportent un filtre prédictif FP ayant une fonction de transfert égale à 1/A(z), ainsi qu'un filtre de pondération perceptuel FPP ayant une fonction de transfert W(z). Le filtre de pondération perceptuelle est appliqué au signal pour modéliser la perception de l'oreille.
Par ailleurs, les moyens d'extraction comportent des moyens MECM destinés à effectuer une minimisation d'une erreur carrée moyenne.
Le filtre de synthèse FP de la prédiction linéaire modélise l'enveloppe spectrale du signal. L'analyse prédictive linéaire est effectuée toutes les super-trames, de façon à déterminer les coefficients de filtrage prédictif linéaire. Ceux-ci sont convertis en paires de lignes spectrales (LSP : « Line Spectrum Pairs ») et numérisés par quantification vectorielle prédictive en deux étapes.
Chaque super-trame de parole de 20 ms est divisée en quatre trames de 5 ms chacune contenant 80 échantillons. Les paramètres LSP quantifiés sont transmis au décodeur une fois par super-trame alors que les paramètres à long terme et à court terme sont transmis à chaque trame.
Les coefficients du filtre de prédiction linéaire, quantifiés et non quantifiés, sont utilisés pour la trame la plus récente d'une super-trame, tandis que les trois autres trames de la même super-trame utilisent une interpolation de ces coefficients. Le délai tonal en boucle ouverte est estimé toutes les deux trames sur la base du signal vocal pondéré perceptuellement. Puis, les opérations suivantes sont répétées à chaque trame :
Le signal cible à long terme XLT est calculé en filtrant le signal de parole échantillonné s(n) par le filtre de pondération perceptuelle FPP.
On soustrait ensuite du signal vocal pondéré la réponse à entrée nulle du filtre de synthèse pondéré FP, FPP, de façon à obtenir un nouveau signal cible long terme.
La réponse impulsionnelle du filtre de synthèse pondéré est calculé.
Une analyse tonale en boucle fermée utilisant une minimisation de l'erreur carrée moyenne, est ensuite effectuée afin de déterminer le mot d'excitation à long terme vi et le gain associé Ga, au moyen du signal cible et de la réponse impulsionnelle, par recherche autour de la valeur du délai tonal en boucle ouverte.
Le signal cible long terme est ensuite mis à jour par soustraction de la contribution filtrée y du répertoire codé adaptatif DLT et ce nouveau signal cible court terme XST est utilisé lors de l'exploration du répertoire codé fixe DCT afin de déterminer le mot d'excitation court terme cj et le gain Gc associé. Là encore, cette recherche en boucle fermée s'effectue par une minimisation de l'erreur carrée moyenne.
Finalement, le dictionnaire à long terme adaptatif DLT ainsi que les mémoires des filtres FP et FPP, sont mis à jour au moyen des mots d'excitation long terme et court terme ainsi déterminés.
La qualité d'un algorithme CELP dépend fortement de la richesse du dictionnaire d'excitation algébrique DCT. Si l'efficacité d'un tel algorithme est incontestable pour les signaux à bande passante étroite (300-3400 Hz), des problèmes surviennent pour des signaux à bande élargie.
Les inventeurs ont en effet observé que même avec un dictionnaire algébrique très riche, l'algorithme d'encodage de la parole produit deux types de problèmes :
  • 1) une qualité globale de parole reconstruite totalement insuffisante (la parole reconstruite manque de présence, le niveau d'énergie est très variable, le timbre de la voix est méconnaissable, ...),
  • 2) un signal reconstruit corrompu par trois sortes de bruits :
    • un bruit harmonique en haute fréquence (comb-like noise),
    • un fort bruit à haute fréquence, tel un bruit de quantification,
    • un bruit en basse fréquence (rumbling noise), tel qu'un balai de paille frappé à intervalles réguliers sur le sol.
    • Il a alors été observé qu'une amélioration de la qualité globale de la parole pouvait être obtenue par une élimination partielle ou totale de ces bruits.
    Un but de l'invention est de réduire le bruit harmonique et le bruit haute fréquence.
    L'invention a également pour but de supprimer le bruit de type « sifflement » entachant les trames de parole voisée.
    L'invention a encore pour but de contrôler indépendamment les distorsions à court terme et à long terme.
    L'invention propose donc un procédé d'encodage de la parole à bande élargie, dans lequel on échantillonne la parole de façon à obtenir des trames vocales successives comportant chacune un nombre prédéterminé d'échantillons, et à chaque trame vocale, on détermine des paramètres d'un modèle de prédiction linéaire à excitation par code, ces paramètres comportant un mot numérique d'excitation à long terme extrait d'un répertoire codé adaptatif et un gain à long terme associé, ainsi qu'un mot d'excitation à court terme extrait d'un répertoire codé algébrique et un gain à court terme associé, et on met à jour le répertoire codé adaptatif à partir du mot d'excitation à long terme extrait et du mot d'excitation à court terme extrait.
    Selon une caractéristique générale de l'invention, on somme le produit du mot extrait d'excitation à long terme par le gain à long terme associé, avec le produit du mot extrait d'excitation à court terme par le gain à court terme associé, on filtre le mot numérique sommé dans un filtre passe-bas ayant une fréquence de coupure supérieure au quart de la fréquence d'échantillonnage et inférieure à la moitié de celle-ci, et on met à jour le répertoire codé adaptatif avec le mot filtré.
    L'invention utilise ici un filtre « de correction totale » qui combine un filtre de correction du bruit harmonique et un filtre de correction haute fréquence.
    L'invention permet ainsi une amélioration de la qualité durant les trames de parole voisées. Par ailleurs, la complexité de l'encodeur est réduite en fusionnant en un seul filtre le filtre de correction harmonique et le filtre de correction haute fréquence.
    L'invention se distingue notamment d'une solution décrite dans un article de Kroon et Atal, intitulé « Strategies for Improving the Performance of CELP Coders at Low Bit Rates », Proc., IEEE, Int. Conf. Acoustics, Speech, and Signal Processing, ICASSP'88, New York, USA, 1988, Pages 151-154, qui propose un filtrage du dictionnaire adaptatif effectué à la sortie de ce dictionnaire et non pas à l'entrée conformément à l'invention.
    Ainsi, le préfiltrage du dictionnaire adaptatif selon l'invention présente par rapport au post-filtrage de l'article de Kroon et Atal, l'avantage que le filtrage est pris en compte lors de la minimisation de l'erreur effectuée pour choisir l'excitation adaptative à la trame suivante. Ce n'est pas le cas pour la solution de Kroon et Atal, puisque le filtrage proposé a lieu sur l'excitation choisie suivante. Aussi, pour tenir compte du filtrage dans la minimisation de l'erreur, il faudrait alors augmenter considérablement la complexité et filtrer toute excitation à tester.
    Selon un mode de mise en oeuvre préférentielle, on filtre le mot sommé avec un filtre numérique à réponse impulsionnelle finie à phase linéaire ayant un ordre au moins égal à 10. Par exemple, lorsque la fréquence d'échantillonnage est de 16 kHz, on peut choisir un filtre d'ordre 20 ayant une fréquence de coupure de l'ordre de 6 kHz.
    Bien que la qualité de la parole soit ainsi améliorée, les trames de parole voisées semblent encore corrompues par un bruit de type « sifflement ». Ce bruit de nature haute fréquence provient de l'excitation à court terme qui introduit des artéfacts indésirables. Deux types de solutions pour résoudre ce problème ont déjà été proposés dans la littérature. Un premier type de solution, décrit par exemple
       dans l'article de Gerson et Jasiuk, intitulé « Techniques for Improving the Performance of CELP-Type Speech Coders », IEEE, Journal on Selected Areas In Communications, Vol. 10, N°5, Juin 1992, pages 858-865, ou bien
       dans l'article de Miki et autres, intitulé « A Pitch Synchronous Innovation CELP (PSI-CELP) Coder for 2-4 kbit/s », Proc. IEEE Int. Conf. Acoustics, Speech, and Signal Processing, ICASSP'94, Adelaïde, South Australia, 1994, Vol. II, pages 113-116,
       propose de rendre la contribution à court terme périodique.
    Un autre type de solution, décrit par exemple
       dans l'article de Taniguchi Johnson et Ohta, intitulé « Pitch Sharpening for Perceptually Improved CELP, and the Sparse-Delta Codebook for Reduced Computation », Proc. IEEE Int. Conf. Acoustics, Speech, and Signal Processing, ICASSP'91, Toronto, Canada, 1991, pages 241-244, ou
       dans l'article de Shoham, intitulé « Constrained-Stochastic Excitation Coding of Speech At 4,8 kb/s », Advances in Speech Coding, B.S. Atal, V. Cuperman, and A. Gersho, Eds., Dordrecht, The Netherlands, Kluwer, 1991, pages 339-348,
       propose un contrôle de façon adaptative du gain à court terme.
    L'invention propose également une solution du type contrôle de gain, mais totalement différente de celle décrite notamment dans les articles de Taniguchi et autres et de Shoham.
    Plus précisément, selon un mode de mise en oeuvre de l'invention, l'extraction du mot d'excitation à court terme comporte un filtrage numérique de prédiction linéaire et le procédé comporte une mise à jour de l'état du filtre de prédiction linéaire avec le mot d'excitation à court terme filtré par un filtre dont le ou les coefficients dépendent de la valeur du gain à long terme, de façon à affaiblir la contribution de l'excitation à court terme lorsque le gain de l'excitation à long terme est supérieur à un seuil prédéterminé, par exemple égal à 1.
    En d'autres termes, la solution selon l'invention consiste ici à affaiblir la contribution de l'excitation à court terme si le gain de l'excitation à long terme est important. Cependant, c'est la contribution de l'excitation à court terme non affaiblie qui est stockée dans le dictionnaire adaptatif pour sa mise à jour. Ainsi, la réduction intervient seulement sur la sortie. Le fait de préserver l'amplitude de la contribution à court terme à stocker est important, puisque la richesse du dictionnaire adaptatif est ainsi conservée pour les plus basses fréquences.
    Bien entendu, la correction du gain doit également être appliquée lors de la reconstruction du signal au niveau du décodeur.
    Ce filtre peut être d'ordre 0 ou bien d'ordre supérieur ou égal à 1. Dans ce dernier cas, le filtre d'ordre supérieur ou égal à 1 peut être à réponse impulsionnelle finie.
    Selon un mode de mise en oeuvre de l'invention, dans lequel filtre est d'ordre 1 et sa fonction de transfert égale à B0+B1 z-1, le premier coefficient B0 du filtre est égal à 1/(1+β.min(Ga,1)), et le deuxième coefficient B1 du filtre est égal à β.min(Ga,1)/(1+β.min(Ga,1)), où β est un nombre réel de valeur absolue inférieure à 1, Ga est le gain à long terme et min(Ga,1) désigne la valeur minimale entre Ga et 1.
    Selon une autre variante de l'invention, qui peut être prise en combinaison ou bien indépendamment de la variante précédente, on effectue l'extraction du mot d'excitation à long terme en utilisant un premier filtre de pondération perceptuelle comportant un premier filtre de pondération formantique, et on effectue l'extraction du mot d'excitation à court terme en utilisant le premier filtre de pondération perceptuelle cascadé à un deuxième filtre de pondération perceptuelle comportant un deuxième filtre de pondération formantique. Le dénominateur de la fonction de transfert du premier filtre de pondération formantique est égal au numérateur du deuxième filtre de pondération formantique.
    Ainsi, selon cette variante, l'utilisation de deux filtres de pondération formantique différents permet de contrôler indépendamment les distorsions à court terme et à long terme. Le filtre de pondération à court terme est cascadé au filtre de pondération à long terme. En outre, le fait de lier le dénominateur du filtre de pondération à long terme au numérateur du filtre de pondération à court terme permet de contrôler séparément ces deux filtres et permet en outre une nette simplification lorsque ces deux filtres sont cascadés.
    Bien entendu, lorsque cette variante est utilisée en combinaison avec la variante de contrôle de gain, il est prévu une mise à jour de l'état des deux filtres de pondération perceptuelle avec le mot d'excitation à court terme filtré par le filtre d'ordre supérieur ou égal à 1.
    L'invention a également pour objet un dispositif d'encodage de la parole à bande élargie, comportant
    • des moyens d'échantillonnage aptes à échantillonner la parole de façon à obtenir des trames vocales successives comportant chacune un nombre prédéterminé d'échantillons,
    • des moyens de traitement aptes à chaque trame vocale, à déterminer des paramètres d'un modèle de prédiction linéaire à excitation par code, ces moyens de traitement comportant des premiers moyens d'extraction aptes à extraire un mot numérique d'excitation à long terme d'un répertoire codé adaptatif et à calculer un gain à long terme associé, et des deuxièmes moyens d'extraction aptes à extraire un mot d'excitation à court terme d'un répertoire codé algébrique et à calculer un gain à court terme associé, et
    • des premiers moyens de mise à jour aptes à mettre à jour le répertoire codé adaptatif à partir du mot d'excitation à long terme extrait et du mot d'excitation à court terme extrait. Selon une caractéristique générale de l'invention, les premiers moyens de mise à jour comportent
    • des premiers moyens de calcul aptes à sommer le produit du mot extrait d'excitation à long terme par le gain à long terme associé, avec le produit du mot extrait d'excitation à court terme par le gain à court terme associé, de façon à délivrer un mot numérique sommé, et
    • un filtre passe-bas ayant une fréquence de coupure supérieure au quart de la fréquence d'échantillonnage et inférieure à la moitié de celle-ci, et connecté entre la sortie des premiers moyens de calcul et le répertoire codé adaptatif de façon à mettre à jour ce répertoire adaptatif avec le mot filtré.
    Selon un mode de réalisation de l'invention, les premiers moyens d'extraction comportent un filtre numérique de prédiction linéaire, et par le fait que le dispositif comporte des deuxièmes moyens de mise à jour aptes à effectuer une mise à jour de l'état du filtre de prédiction linéaire avec le mot d'excitation à court terme filtré par un filtre dont le ou les coefficients dépendent de la valeur du gain à long terme, de façon à affaiblir la contribution de l'excitation à court terme lorsque le gain de l'excitation à long terme est supérieur à un seuil prédéterminé.
    Selon un autre mode de réalisation de l'invention, les premiers moyens d'extraction comprennent un premier filtre de pondération perceptuelle comportant un premier filtre de pondération formantique, par le fait que les deuxièmes moyens d'extraction comprennent le premier filtre de pondération perceptuelle cascadé à un deuxième filtre de pondération perceptuelle comportant un deuxième filtre de pondération formantique, et par le fait que le dénominateur de la fonction de transfert du premier filtre de pondération formantique est égal au numérateur du deuxième filtre de pondération formantique.
    L'invention a également pour objet un terminal d'un système de communication sans fil, par exemple un téléphone mobile cellulaire, incorporant un dispositif tel que défini ci-avant.
    D'autres avantages et caractéristiques de l'invention apparaítront à l'examen de la description détaillée de modes de réalisation et de mise en oeuvre, nullement limitatifs, et des dessins annexés, sur lesquels :
    • la figure 1, déjà décrite, illustre schématiquement un dispositif d'encodage de la parole, selon l'art antérieur ;
    • la figure 2 illustre schématiquement un premier mode de réalisation d'un dispositif d'encodage, selon l'invention ;
    • la figure 3 illustre schématiquement un deuxième mode de réalisation d'un dispositif d'encodage, selon l'invention, et la figure 3a illustre schématiquement un mode de réalisation d'un décodeur correspondant ;
    • la figure 4 illustre schématiquement un troisième mode de réalisation d'un dispositif d'encodage, selon l'invention ;
    • la figure 5 illustre schématiquement un quatrième mode de réalisation d'un dispositif d'encodage, selon l'invention ; et
    • la figure 6 illustre schématiquement l'architecture interne d'un téléphone mobile cellulaire incorporant un dispositif de codage, selon l'invention.
    Le dispositif d'encodage, ou codeur, CD, selon l'invention, tel qu'illustré sur la figure 2, se distingue de celui de l'art antérieur comme illustré sur la figure 1 par le fait que les moyens MAJ de mise à jour du dictionnaire à long terme adaptatifs DLT comportent un filtre de correction totale FLCT connecté entre la sortie d'un sommateur SM et l'entrée du dictionnaire DLT.
    Les deux entrées du sommateur SM reçoivent respectivement le produit du mot extrait d'excitation à long terme v; par le gain à long terme associé Ga, et le produit du mot extrait d'excitation à court terme cj par le gain associé Gc.
    Ce filtre de correction totale FLCT est un filtre passe-bas ayant d'une façon générale une fréquence de coupure supérieure au quart de la fréquence d'échantillonnage et inférieure à la moitié de celle-ci.
    Ce filtre est dans l'exemple décrit un filtre numérique à réponse impulsionnelle finie à phase linéaire ayant un ordre au moins égal à 10.
    Plus précisément, lorsque la fréquence d'échantillonnage est de 16 kHz, on utilisera de préférence une fréquence de coupure de l'ordre de 6 kHz et un filtre d'ordre 20, ce qui réalise un bon compromis entre la complexité de la mémoire et la qualité du signal vocal reconstitué.
    Le bruit harmonique est introduit par la contribution de l'excitation à long terme et par la répétition d'échantillons pour des valeurs de la période fondamentale (pitch) inférieures à la longueur d'une trame de parole, ici de 5 ms. Ce bruit est également présent pour des valeurs de la période fondamentale supérieures à la taille d'une trame. Il est en outre lié au gain adaptatif, extrait une seule fois par trame de parole.
    L'utilisation d'un filtrage passe-bas de la contribution à long terme est une solution pour réduire le bruit harmonique.
    Par ailleurs, le bruit à haute fréquence est introduit par des anciennes contributions à haute fréquence du dictionnaire à court terme, présentes dans le dictionnaire adaptatif.
    Pour éliminer ce bruit haute fréquence, on peut éliminer les composantes résiduelles à haute fréquence du dictionnaire adaptatif, en utilisant un filtre de correction, et ceci avant de remettre à jour le dictionnaire.
    Le filtre de correction totale selon l'invention réalise donc la double fonction de correction harmonique et de correction haute fréquence. Ceci permet une amélioration de la qualité durant les trames de parole voisées.
    En outre, l'emplacement de ce filtre, c'est-à-dire en entrée du dictionnaire adaptatif, permet de prendre en compte le filtrage lors de la minimisation de l'erreur effectuée pour choisir l'excitation adaptative de la trame de parole suivante.
    Dans le mode de réalisation illustré sur la figure 3, le codeur CD comporte en outre des deuxièmes moyens de mise à jour MAJ2 aptes à effectuer une mise à jour de l'état du filtre de prédiction linéaire FP et de l'état du filtre de pondération perceptuelle FPP avec le mot d'excitation à court terme Cj filtré par un filtre que l'on a représenté ici schématiquement par un gain Gc'. Ce filtre peut être d'ordre 0 et son gain Gc' est inférieur au gain Gc. En variante, ce filtre peut être à réponse impulsionnelle finie et d'ordre supérieur ou égal à 1, avec pour cas particulier un filtre à réponse impulsionnelle finie d'ordre 1.
    Les coefficients de ce filtre d'ordre 1 dépendent de la valeur du gain à long terme Ga, de façon à affaiblir la contribution de l'excitation à court terme lorsque le gain de l'excitation à long terme Ga est supérieur à un seuil prédéterminé, par exemple égal à 1.
    La fonction de transfert de ce filtre est égale à B0+B1 z-1. A titre d'exemple, le premier coefficient du filtre B0 peut être déterminé par la formule (I) ci-dessous. 1/(1+0,98 min (Ga, 1)) tandis que le deuxième coefficient du filtre B1 peut être déterminé par la formule (II) ci-dessous. 0,98 min (Ga, 1) / (1 + 0,98 min (Ga, 1))
    Par contre c'est bien la contribution à court terme non affaiblie (gain Gc) qui est stockée dans le dictionnaire adaptatif DLT pour sa mise à jour.
    Ainsi, l'affaiblissement intervient uniquement sur le signal de sortie et le fait de préserver l'amplitude de la contribution à court terme à stocker permet de conserver la richesse du dictionnaire adaptatif pour les plus basses fréquences.
    Naturellement, la correction du gain Gc doit être également appliquée pour la mise à jour de l'état des mémoires des filtres dans le décodeur DCD, comme illustré schématiquement sur la figure 3a.
    La variante de réalisation illustrée sur la figure 3 permet, outre les avantages apportés par le filtre de correction totale, d'éliminer le bruit de type sifflement sur les trames de parole voisées.
    Le filtre de pondération perceptuelle FPP exploite les propriétés de masquage de l'oreille humaine par rapport à l'enveloppe spectrale du signal de parole, dont la forme est fonction des résonances du conduit vocal. Ce filtre permet d'attribuer plus d'importance à l'erreur apparaissant dans les vallées spectrales par rapport aux pics formantiques.
    Dans les variantes illustrées sur les figures 2 et 3, le même filtre de pondération perceptuelle FPP est utilisé pour la recherche à court terme et pour celle à long terme. La fonction de transfert W(z) de ce filtre FPP est donnée par la formule (III) ci-dessous. W(z) = A(z/γ1) A(z/γ2) dans laquelle 1/A(z) est la fonction de transfert du filtre prédictif FP et γ1 et γ2 sont les coefficients de pondération perceptuelle, les deux coefficients étant positifs ou nuls et inférieurs ou égaux à 1 avec le coefficient γ2 inférieur ou égal au coefficient γ1.
    D'une façon générale, le filtre de pondération perceptuelle est constitué d'un filtre de pondération formantique et d'un filtre de pondération de la pente de l'enveloppe spectrale du signal (tilt).
    Dans le cas présent, on supposera que le filtre de pondération perceptuelle est uniquement formé du filtre de pondération formantique dont la fonction de transfert est donnée par la formule (III) ci-dessus.
    Or, la nature spectrale de la contribution à long terme est différente de celle de la contribution à court terme. Par conséquent, il est avantageux d'utiliser deux filtres de pondération formantique différents, permettant de contrôler indépendamment les distorsions à court terme et à long terme.
    Un tel mode de réalisation est illustré sur la figure 4, dans laquelle, par rapport à la figure 3, le filtre unique FPP a été remplacé par un premier filtre de pondération formantique FPP1 pour la recherche à long terme, cascadé avec un deuxième filtre de pondération formantique FPP2 pour la recherche à court terme.
    Puisque le filtre de pondération à court terme FPP2 est cascadé au filtre de pondération à long terme, les filtres apparaissant dans la boucle de recherche long terme doivent aussi apparaítre dans la boucle de recherche court terme.
    La fonction de transfert W1(z) du filtre de pondération formantique FPP1 est donnée par la formule (IV) ci-dessous. W 1(z) = A(z/γ11) A(z/γ12) tandis que la fonction de transfert W2(z) du filtre de pondération formantique FPP2 est donnée par la formule (V) ci-dessous. W 2(z) = A(z/γ21) A(z/γ22)
    Par ailleurs, le coefficient γ12 est égal au coefficient γ21. Ceci permet une nette simplification lorsqu'on cascade ces deux filtres. Ainsi, le filtre équivalent à la cascade de ces deux filtres a une fonction de transfert donnée par la formule (VI) ci-dessous. A(z/γ11) A(z/γ12)
    Par ailleurs, si l'on utilise la valeur 1 pour le coefficient γ11, alors le filtre de synthèse FP (ayant la fonction de transfert 1/A(z)) suivi du filtre de pondération à long terme FPP1 et du filtre de pondération FPP2 équivaut alors au filtre dont la fonction de transfert est donnée par la formule (VII) ci-dessous. 1 A(z/γ22)
    Ce qui réduit encore considérablement la complexité de l'algorithme d'extraction des excitations.
    A titre indicatif, on peut par exemple utiliser pour les coefficients γ11, γ21 = γ12 et γ22, les valeurs respectives 1 ; 0,1 et 0,9.
    Bien entendu, la variante prévoyant l'utilisation de deux filtres formantiques différents peut être utilisée indépendamment de celle prévoyant l'affaiblissement du gain Gc.
    Un tel mode de réalisation est illustré sur la figure 5, où l'on voit que l'utilisation des deux filtres formantiques est prise en combinaison avec l'utilisation du filtre de correction totale.
    L'invention s'applique avantageusement à la téléphonie mobile, et en particulier à tous terminaux distants appartenant à un système de communication sans fil.
    Un tel terminal, par exemple un téléphone mobile TP, tel que celui illustré sur la figure 6, comporte de façon classique une antenne reliée par l'intermédiaire d'un duplexeur DUP à une chaíne de réception CHR et à une chaíne de transmission CHT. Un processeur en bande de base BB est relié respectivement à la chaíne de réception CHR et à la chaíne de transmission CHT par l'intermédiaire de convertisseurs analogiques numériques CAN et numériques analogiques CNA.
    Classiquement, le processeur BB effectue des traitements en bande de base, et notamment un décodage de canal DCN, suivi d'un décodage de source DCS.
    Pour l'émission, le processeur effectue un codage de source CCS suivi d'un codage de canal CCN.
    Lorsque le téléphone mobile incorpore un codeur selon l'invention, celui-ci est incorporé au sein des moyens de codage de source CCS, tandis que le décodeur est incorporé au sein des moyens de décodage de source DCS.

    Claims (18)

    1. Procédé d'encodage de la parole à bande élargie, dans lequel on échantillonne la parole de façon à obtenir des trames vocales successives comportant chacune un nombre prédéterminé d'échantillons, et à chaque trame vocale on détermine des paramètres d'un modèle de prédiction linéaire à excitation par code, ces paramètres comportant un mot numérique d'excitation à long terme (v;) extrait d'un répertoire codé adaptatif (DLT) et un gain à long terme associé (Ga), ainsi qu'un mot d'excitation à court terme (cj) extrait d'un répertoire codé algébrique (DCT) et un gain à court terme associé (Gc), et on met à jour le répertoire codé adaptatif à partir du mot d'excitation à long terme extrait et du mot d'excitation à court terme extrait, caractérisé par le fait qu'on somme (SM) le produit du mot extrait d'excitation à long terme par le gain à long terme associé, avec le produit du mot extrait d'excitation à court terme par le gain à court terme associé, on filtre le mot numérique sommé dans un filtre passe-bas (FLCT) ayant une fréquence de coupure supérieure au quart de la fréquence d'échantillonnage et inférieure à la moitié de celle-ci, et on met à jour le répertoire codé adaptatif avec le mot filtré.
    2. Procédé selon la revendication 1, caractérisé par le fait qu'on filtre le mot sommé avec un filtre numérique (FLCT) à réponse impulsionnelle finie à phase linéaire ayant un ordre au moins égal à 10.
    3. Procédé selon la revendication 2, caractérisé par le fait que la fréquence d'échantillonnage est de 16 kHz, et par le fait que le filtre (FLCT) est un filtre d'ordre 20 ayant une fréquence de coupure de l'ordre de 6 kHz.
    4. Procédé selon l'une des revendications précédentes, caractérisé par le fait que l'extraction du mot d'excitation à court terme comporte un filtrage numérique de prédiction linéaire (FP), et par le fait que le procédé comporte une mise à jour de l'état du filtre de prédiction linéaire avec le mot d'excitation à court terme filtré par un filtre (Gc') dont le ou les coefficients dépendent de la valeur du gain à long terme, de façon à affaiblir la contribution de l'excitation à court terme lorsque le gain de l'excitation à long terme est supérieur à un seuil prédéterminé.
    5. Procédé selon la revendication 4, caractérisé par le fait que le seuil prédéterminé est égal à 1.
    6. Procédé selon la revendication 5, caractérisé par le fait que le filtre est d'ordre 1 et a une fonction de transfert égale à B0+B1 z-1, et par le fait que le premier coefficient du filtre B0 est égal à 1/(1+β.min(Ga,1)), et le deuxième coefficient du filtre B1 est égal à β.min(Ga,1)/(1+β.min(Ga,1)), où β est un nombre réel de valeur absolue inférieure à 1, Ga est le gain à long terme et min(Ga,1) désigne la valeur minimale entre Ga et 1.
    7. Procédé selon l'une des revendications précédentes, caractérisé par le fait qu'on effectue l'extraction du mot d'excitation à long terme en utilisant un premier filtre de pondération perceptuelle (FPP1) comportant un premier filtre de pondération formantique, par le fait qu'on effectue l'extraction du mot d'excitation à court terme en utilisant le premier filtre de pondération perceptuelle (FPP1) cascadé à un deuxième filtre de pondération perceptuelle (FPP2) comportant un deuxième filtre de pondération formantique, et par le fait que le dénominateur de la fonction de transfert du premier filtre de pondération formantique est égal au numérateur du deuxième filtre de pondération formantique.
    8. Procédé selon la revendication 7 prise en combinaison avec l'une des revendications 4 à 6, caractérisé par le fait qu'il comporte une mise à jour de l'état des deux filtres de pondération perceptuelle avec le mot d'excitation à court terme filtré par ledit filtre d'ordre 1.
    9. Dispositif d'encodage de la parole à bande élargie, comportant
      des moyens d'échantillonnage aptes à échantillonner la parole de façon à obtenir des trames vocales successives comportant chacune un nombre prédéterminé d'échantillons,
      des moyens de traitement aptes à chaque trame vocale, à déterminer des paramètres d'un modèle de prédiction linéaire à excitation par code, ces moyens de traitement comportant des premiers moyens d'extraction (MEXT1) aptes à extraire un mot numérique d'excitation à long terme d'un répertoire codé adaptatif et à calculer un gain à long terme associé, et des deuxièmes moyens d'extraction (MEXT2) aptes à extraire un mot d'excitation à court terme d'un répertoire codé algébrique et à calculer un gain à court terme associé, et
      des premiers moyens de mise à jour (MAJ) aptes à mettre à jour le répertoire codé adaptatif à partir du mot d'excitation à long terme extrait et du mot d'excitation à court terme extrait, caractérisé par le fait que les premiers moyens de mise à jour comportent
      des premiers moyens de calcul (SM) aptes à sommer le produit du mot extrait d'excitation à long terme par le gain à long terme associé, avec le produit du mot extrait d'excitation à court terme par le gain à court terme associé, de façon à délivrer un mot numérique sommé, et
      un filtre passe-bas (FLCT) ayant une fréquence de coupure supérieure au quart de la fréquence d'échantillonnage et inférieure à la moitié de celle-ci, et connecté entre la sortie des premiers moyens de calcul et le répertoire codé adaptatif de façon à mettre à jour ce répertoire adaptatif avec le mot filtré.
    10. Dispositif selon la revendication 9, caractérisé par le fait que le filtre passe-bas (FLCT) est un filtre numérique à réponse impulsionnelle finie à phase linéaire ayant un ordre au moins égal à 10.
    11. Dispositif selon la revendication 10, caractérisé par le fait que la fréquence d'échantillonnage est de 16 kHz, et par le fait que le filtre est un filtre d'ordre 20 ayant une fréquence de coupure de l'ordre de 6 kHz.
    12. Dispositif selon l'une des revendications 9 à 11, caractérisé par le fait que les premiers moyens d'extraction comportent un filtre numérique de prédiction linéaire (FP), et par le fait que le dispositif comporte des deuxièmes moyens de mise à jour (MAJ2) aptes à effectuer une mise à jour de l'état du filtre de prédiction linéaire avec le mot d'excitation à court terme filtré (Gc') par un filtre dont les coefficients dépendent de la valeur du gain à long terme, de façon à affaiblir la contribution de l'excitation à court terme lorsque le gain de l'excitation à long terme est supérieur à un seuil prédéterminé.
    13. Dispositif selon la revendication 12, caractérisé par le fait que le seuil prédéterminé est égal à 1.
    14. Dispositif selon la revendication 13, caractérisé par le fait que le filtre est un filtre d'ordre 1 et a une fonction de transfert égale à B0+B1 z-1, et par le fait que le premier coefficient B0 du filtre est égal à 1/(1+β.min(Ga,1)), et le deuxième coefficient B1 du filtre est égal à β.min(Ga,1)/(1+β.min(Ga,1)), où β est un nombre réel de valeur absolue inférieure à 1, Ga est le gain à long terme et min(Ga,1) désigne la valeur minimale entre Ga et 1.
    15. Dispositif selon l'une des revendications 9 à 14, caractérisé par le fait que les premiers moyens d'extraction comprennent un premier filtre de pondération perceptuelle (FPP1) comportant un premier filtre de pondération formantique, par le fait que les deuxièmes moyens d'extraction comprennent le premier filtre de pondération perceptuelle cascadé à un deuxième filtre de pondération perceptuelle (FPP2) comportant un deuxième filtre de pondération formantique, et par le fait que le dénominateur de la fonction de transfert du premier filtre de pondération formantique est égal au numérateur du deuxième filtre de pondération formantique.
    16. Dispositif selon la revendication 15 prise en combinaison avec l'une des revendications 12 à 14, caractérisé par le fait que les deuxièmes moyens de mise à jour sont aptes à effectuer une mise à jour de l'état des deux filtres de pondération perceptuelle avec le mot d'excitation à court terme filtré par ledit filtre d'ordre 1.
    17. Terminal d'un système de communication sans fil, caractérisé par le fait qu'il incorpore un dispositif selon l'une des revendications 9 à 16.
    18. Terminal selon la revendication 17, caractérisé par le fait qu'il forme un téléphone mobile cellulaire.
    EP02015918A 2002-07-17 2002-07-17 Procédé et dispositif d'encodage de la parole à bande élargie Withdrawn EP1383109A1 (fr)

    Priority Applications (3)

    Application Number Priority Date Filing Date Title
    EP02015918A EP1383109A1 (fr) 2002-07-17 2002-07-17 Procédé et dispositif d'encodage de la parole à bande élargie
    EP20030291747 EP1383111A2 (fr) 2002-07-17 2003-07-15 Procédé et dispositif d'encodage de la parole à bande élargie
    US10/622,021 US7254534B2 (en) 2002-07-17 2003-07-17 Method and device for encoding wideband speech

    Applications Claiming Priority (1)

    Application Number Priority Date Filing Date Title
    EP02015918A EP1383109A1 (fr) 2002-07-17 2002-07-17 Procédé et dispositif d'encodage de la parole à bande élargie

    Publications (1)

    Publication Number Publication Date
    EP1383109A1 true EP1383109A1 (fr) 2004-01-21

    Family

    ID=29762636

    Family Applications (1)

    Application Number Title Priority Date Filing Date
    EP02015918A Withdrawn EP1383109A1 (fr) 2002-07-17 2002-07-17 Procédé et dispositif d'encodage de la parole à bande élargie

    Country Status (2)

    Country Link
    US (1) US7254534B2 (fr)
    EP (1) EP1383109A1 (fr)

    Families Citing this family (6)

    * Cited by examiner, † Cited by third party
    Publication number Priority date Publication date Assignee Title
    US9947340B2 (en) * 2008-12-10 2018-04-17 Skype Regeneration of wideband speech
    CN103928029B (zh) 2013-01-11 2017-02-08 华为技术有限公司 音频信号编码和解码方法、音频信号编码和解码装置
    PT3136384T (pt) 2014-04-25 2019-04-22 Ntt Docomo Inc Dispositivo de conversão do coeficiente de previsão linear e método de conversão do coeficiente de previsão linear
    CN107452391B (zh) * 2014-04-29 2020-08-25 华为技术有限公司 音频编码方法及相关装置
    US9959364B2 (en) * 2014-05-22 2018-05-01 Oath Inc. Content recommendations
    CN106502799A (zh) * 2016-12-30 2017-03-15 南京大学 一种基于长短时记忆网络的主机负载预测方法

    Citations (1)

    * Cited by examiner, † Cited by third party
    Publication number Priority date Publication date Assignee Title
    EP0751494A1 (fr) * 1994-12-21 1997-01-02 Sony Corporation Systeme de codage du son

    Family Cites Families (9)

    * Cited by examiner, † Cited by third party
    Publication number Priority date Publication date Assignee Title
    US3391763A (en) 1967-02-14 1968-07-09 Kelsey Hayes Co Brake disk
    DE2257176C3 (de) 1972-11-22 1979-03-15 Dr.Ing.H.C. F. Porsche Ag, 7000 Stuttgart Doppehvandige Scheibenbremse für Kraftfahrzeuge
    EP0512853B1 (fr) 1991-05-10 1996-08-21 KIRIU MACHINE MFG. Co., Ltd. Disque de rotor du type ventilé
    FR2729245B1 (fr) * 1995-01-06 1997-04-11 Lamblin Claude Procede de codage de parole a prediction lineaire et excitation par codes algebriques
    US5664055A (en) * 1995-06-07 1997-09-02 Lucent Technologies Inc. CS-ACELP speech compression system with adaptive pitch prediction filter gain based on a measure of periodicity
    FR2742568B1 (fr) * 1995-12-15 1998-02-13 Catherine Quinquis Procede d'analyse par prediction lineaire d'un signal audiofrequence, et procedes de codage et de decodage d'un signal audiofrequence en comportant application
    US6104992A (en) * 1998-08-24 2000-08-15 Conexant Systems, Inc. Adaptive gain reduction to produce fixed codebook target signal
    US6260669B1 (en) 1999-07-30 2001-07-17 Hayes Lemmerz International, Inc. Brake rotor with airflow director
    US6604070B1 (en) * 1999-09-22 2003-08-05 Conexant Systems, Inc. System of encoding and decoding speech signals

    Patent Citations (1)

    * Cited by examiner, † Cited by third party
    Publication number Priority date Publication date Assignee Title
    EP0751494A1 (fr) * 1994-12-21 1997-01-02 Sony Corporation Systeme de codage du son

    Non-Patent Citations (2)

    * Cited by examiner, † Cited by third party
    Title
    KROON P ET AL: "Strategies for improving the performance of CELP coders at low bit rates (speech analysis)", ICASSP 88: 1988 INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING (CAT. NO.88CH2561-9), NEW YORK, NY, USA, 11-14 APRIL 1988, 1988, New York, NY, USA, IEEE, USA, pages 151 - 154 vol.1, XP010073075 *
    TANIGUCHI T ET AL: "Pitch sharpening for perceptually improved CELP, and the sparse-delta codebook for reduced computation", SPEECH PROCESSING 2, VLSI, UNDERWATER SIGNAL PROCESSING. TORONTO, MAY 14 - 17, 1991, INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH & SIGNAL PROCESSING. ICASSP, NEW YORK, IEEE, US, vol. 2 CONF. 16, 14 April 1991 (1991-04-14), pages 241 - 244, XP010043867, ISBN: 0-7803-0003-3 *

    Also Published As

    Publication number Publication date
    US7254534B2 (en) 2007-08-07
    US20050075867A1 (en) 2005-04-07

    Similar Documents

    Publication Publication Date Title
    EP0608174B1 (fr) Systeme de codage-décodage prédictif d'un signal numérique de parole par transformée adaptative à codes imbriqués
    EP0782128B1 (fr) Procédé d'analyse par prédiction linéaire d'un signal audiofréquence, et procédés de codage et de décodage d'un signal audiofréquence en comportant application
    EP0749626B1 (fr) Procede de codage de parole a prediction lineaire et excitation par codes algebriques
    EP2002428B1 (fr) Procede de discrimination et d'attenuation fiabilisees des echos d'un signal numerique dans un decodeur et dispositif correspondant
    EP1320087B1 (fr) Synthèse d'un signal d'excitation utilisé dans un générateur de bruit de confort
    FR2596936A1 (fr) Systeme de transmission d'un signal vocal
    EP1125283B1 (fr) Procede de quantification des parametres d'un codeur de parole
    EP1267325B1 (fr) Procede pour detecter l'activite vocale dans un signal, et codeur de signal vocal comportant un dispositif pour la mise en oeuvre de ce procede
    EP0428445B1 (fr) Procédé et dispositif de codage de filtres prédicteurs de vocodeurs très bas débit
    EP2005424A2 (fr) Procede de post-traitement d'un signal dans un decodeur audio
    EP1383109A1 (fr) Procédé et dispositif d'encodage de la parole à bande élargie
    EP2652735B1 (fr) Codage perfectionne d'un etage d'amelioration dans un codeur hierarchique
    FR2702590A1 (fr) Dispositif de codage et de décodage numériques de la parole, procédé d'exploration d'un dictionnaire pseudo-logarithmique de délais LTP, et procédé d'analyse LTP.
    EP1383111A2 (fr) Procédé et dispositif d'encodage de la parole à bande élargie
    EP1383110A1 (fr) Procédé et dispositif d'encodage de la parole à bande élargie, permettant en particulier une amélioration de la qualité des trames de parole voisée
    FR2783651A1 (fr) Dispositif et procede de filtrage d'un signal de parole, recepteur et systeme de communications telephonique
    EP1383112A2 (fr) Procédé et dispositif d'encodage de la parole à bande élargie, permettant en particulier une amélioration de la qualité des trames de parole voisée
    EP1383113A1 (fr) Procédé et dispositif d'encodage de la parole à bande élargie capable de contrôler indépendamment les distorsions à court terme et à long terme
    EP1388846A2 (fr) Procédé et dispositif d'encodage de la parole à bande élargie capable de contrôler indépendamment les distorsions à court terme et à long terme
    EP1192618B1 (fr) Codage audio avec liftrage adaptif
    EP1192621B1 (fr) Codage audio avec composants harmoniques
    FR2980620A1 (fr) Traitement d'amelioration de la qualite des signaux audiofrequences decodes
    WO2001003121A1 (fr) Codage et decodage audio avec composants harmoniques et phase minimale
    FR2773653A1 (fr) Dispositifs de codage/decodage de donnees, et supports d'enregistrement memorisant un programme de codage/decodage de donnees au moyen d'un filtre de ponderation frequentielle
    FR2739482A1 (fr) Procede et dispositif pour l'evaluation du voisement du signal de parole par sous bandes dans des vocodeurs

    Legal Events

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

    Free format text: ORIGINAL CODE: 0009012

    AK Designated contracting states

    Kind code of ref document: A1

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

    AX Request for extension of the european patent

    Extension state: AL LT LV MK RO SI

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

    Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

    18D Application deemed to be withdrawn

    Effective date: 20031119