ES2250197T3 - Codificador de voz armonico-lpc con estructura de supertrama. - Google Patents

Abstract

Un aparato (10) de compresión de voz, que comprende: una memoria (14) intermedia de supercuadro para recibir cuadros múltiples de datos (12) de voz; un módulo de análisis de codificador basado en cuadros, para analizar características de datos de voz dentro de cuadros contenidos en el supercuadro para producir un juego asociado de parámetros de datos de voz; y un codificador de supercuadro para recibir parámetros de datos de voz desde el módulo de análisis para un grupo de cuadros contenidos dentro del memoria intermedia (14) de supercuadro, para reducir mediante datos de análisis para el grupo de cuadros y para cuantificar y codificar los mencionados datos al interior y saliendo corriente de datos para la transmisión; caracterizado porque el mencionado codificador de supercuadro que comprende un suavizador (24) de tono en el cual cálculos de suavización de tono se basan en un clasificador de cuadro comienzo/desplazamiento.

Description

Codificador de voz armónico-LPC con estructura de supertrama.

Patentes y publicaciones antecedentes

Algunas veces se hace referencia a las siguientes patentes y publicaciones antecedentes empleando números dentro de corchetes (por ejemplo, [1]):

[1] Gersho, A. "ADVANCES IN SPEECH AND AUDIO COMPRESSION", Actas del IEEE, volumen 82, n.º 6, pp. 900-918, Junio 1994.

[2] McCree et al. "A 2.4 KBITS/S MELP CODER CADIDATE FOR THE NEW U.S. FEDERAL STANDARD", 1996 IEEE International Conference on Acoustics, Speech, and Signal Processing Conference Proceedings, Atlanta, GA (Cat. N.º 96CH35903), Volumen. 1, pp. 200-203, 7-10 Mayo 1996.

[3] Supplee, L.M. et al. "MELP: THE NEW FEDERAL STANDARD AT 2400 BPS", 1997 IEEE International Actas de la Conference on Acoustics, Speech and Signal processing (cat. N.º 97CB36052), Munich, Alemania, volumen 2, págs. 21-24, abril 1997.

[4] McCree, A.V. et al. "A MIXED EXCITATION LPC VOCODER MODEL FOR LOW BIT RATE SPEECH CODING", IEEE Transactions on Speech and Audio Processing, Volumen.3, n.º 4, págs. 242-250, julio 1995.

[5] Specification for the Analog to Digital Conversion of Voice by 2,400 bit/Second Mixed Excitation Linear Prediction FIPS, Borrador del estándar federal aleman, 28 de mayo de 1998.

[6] Patente de los Estados Unidos n.º 5.699.477.

[7] Gersho, A. et al., "VECTOR QUANTIZATION AND SIGNAL COMPRESSION", Dordrecht, Holanda: Kluwer Academic Publishers, 1992, xxii+732 págs.

[8] W.P. LeBlanc, et al., "EFFICIENT SEARCH AND DESIGN PROCEDURES FOR ROBUST MULTI-STAGE VQ OF LPC PARAMETERS FOR 4 KB/S SPEECH CODING" en IEEE transp. Speech & Audio Processing, volumen. 1, págs. 272-285, octubre 1993

[9] Mouy, B. M.; de la Noue, P. E., "VOICE TRANSMISSION AT A VERY LOW BIT RATE ON A NOISY CHANNEL: 800 BPS VOCODER WITH ERROR PROTECTION TO 1200 BPS", ICASSSP-92: 1992 IEEE International Conferernce Acoustics, Speech and Signal, San Francisco, CA, USA, 23-26 marzo 1992, Nueva York, NY, Estados Unidos: Ieee, 1992, volumen 2, págs. 149-152.

[10] Mouy, B.; De La Noue, P.; Goudezeune, G. "NATO STANAG 4479: A STANDARD FOR AN 800 BPS VOCODER AND CHANNEL CODING IN HF-ECCM SYSTEM", 1995 International Conference on Acoustics, Speech, and Signal Processing. Conference Proceedings, Detroit, MI, EE.UU., 9-12 mayo 1995; Nueva York, NY, EE.UU.: IEEE, 1995, volumen 1, págs. 480-483.

[11] Kemp, D.P.; Collura, J.S.; Tremain, T.E. "MULTI-FRAME CODING OF LPC PARAMETERS 600-800 BPS", ICASSP91, 1991 International Conference on Acoustics, Speech, and Signal Processing, Toronto, Ont., Canadá, 14-17 mayo 1991; Nueva York, NY, EE.UU., 1991, Volumen 1, págs. 609-612.

[12] Patente de los Estados Unidos n.º 5.255.339.

[13] Patente de los Estados Unidos n.º 4.815.134.

[14] Hardwick, J.C.; Lim, J.S., " A 4,8 KBPS MULTI-BAND EXCITATION SPEECH CODER", ICASSP 1998 International Conference on Acoustics, Speech, and Signal, Nueva York, NY, USA, 11-14 abril 1988, Nueva York, NY, USA: IEEE, 1988, VOL i, págs. 374-377.

[15] Nishiguchi, L., Iijima, K.; Matsumoto, J., "HARMONIC VECTOR EXCITATION CODING OF SPEECH AT 2,0 KBPS", 1997 IEEE Workshop on Speech Coding for Telecommunications Proceedings, Pocono Manor, PA, USA, 7-10 sept. 1997, Nueva York, USA: IEEE, 1997, págs.39-40.

[16] Nomura, T., Iwadare, M., Serizawa, M., Ozawa, K. "A BITRATE AND BANDWIDTH SCALABLE CELP CODER", ICASSP 1998 International Conference on Acoustics, Speech, and Signal, Seatle, WA, USA, 12-45 mayo 1998, volumen 1, págs. 341-344.

Esta invención se refiere genéricamente a comunicaciones digitales y, en particular, a procedimientos y aparatos paramétricos de codificación y decodificación de habla.

Para el propósito de definición, es de destacar que el término "vocoder" se usa frecuentemente para describir procedimientos de codificación de voz en los que se transmiten parámetros de voz en lugar de muestras digitalizadas de formas de onda. En la producción de muestras digitalizadas de formas de onda, una forma de onda entrante se muestrea periódicamente, y se digitaliza a una corriente de datos digitalizados de forma de onda que se pueden convertir de nuevo en una forma de onda analógica virtualmente idéntica a la forma de onda original. La codificación de voz usando parámetros de voz proporciona precisión suficiente para permitir la síntesis subsiguiente de una voz que es sustancialmente similar a la codificada. Observe que el uso de codificación de parámetro de voz no proporciona información suficiente para reproducir exactamente la forma de onda de voz, como es el caso con formas de onda digitalizadas; sin embargo, la voz se puede codificar a menor velocidad de datos de lo que se precisa con muestras de forma de onda.

En la comunidad de codificación de habla, el término "codificador" se usa a menudo para referirse a un sistema de codificación y decodificación de habla, aunque, a menudo, también se refiere a un codificador por sí mismo. Como se usa en la presente memoria, el término codificador se refiere, generalmente, a la operación de codificación de representar en un mapa una señal de habla para una señal comprimida de datos (la corriente de bits), y el término decodificador se refiere, genéricamente, a la operación de decodificación donde la señal de datos está representada en un mapa en una señal de habla reconstruida o sintetizada.

La compresión digital de habla (también denominada compresión de voz) está creciendo en importancia para modernos sistemas de comunicación. La necesidad de bajas velocidades de bits en el intervalo de 500 bps (bits por segundo) hasta 2 kbps (kilobits por segundo) para transmitir voz es deseable para una comunicación eficaz y segura a alta frecuencia (HF) y para otros canales de radio, para sistemas satelitarios de aviso por voz, para juegos multijugador en Internet y para numerosas de aplicaciones adicionales. La mayoría de los procedimientos de compresión (también denominados "procedimientos de codificación") para 2,4 kbps, o menos, se basan en vocoders paramétricos. La mayoría de vocoders contemporáneos de interés se basan en variaciones del clásico vocoder de codificación lineal predictiva (LPC, Linear Predictive Coding) y en potenciaciones de esta técnica, o se basan en procedimientos de codificación sinusoidal tales como codificadores armónicos y codificadores de excitación multibanda [1]. Recientemente se ha desarrollado una versión potenciada del vocoder LPC que se denomina MELP (Mixed Excitation Linear Prediction) [2, 5, 6]. La presente invención puede proporcionar niveles similares de calidad de voz a una menor velocidad de bit de la que se requiere en los procedimientos convencionales de codificación descritos en lo que
antecede.

El documento GB-2 324 689 A describe un concepto de cuantificación dual subcuadro de magnitudes espectrales para codificar y decodificar habla. Una señal de habla se digitaliza en muestras digitales de habla que, a continuación, se dividen en subcuadros. Dos subcuadros consecutivos de la secuencia de subcuadros se combinan en un bloque y sus parámetros espectrales de magnitud se cuantifican conjuntamente.

El documento US 5.668.925 A describe un codificador de habla de baja velocidad de datos con excitación mixta. Una señal de habla tiene sus características extraídas y codificadas. Las características incluyen frecuencias espectrales de línea (LSF), tono y fluctuaciones.

MUOY E ET AL: "NATO STANAG 4479: A STANDARD FOR AN 800 BPS VOCODER AND CHANNEL CODING IN HF-ECCM SYSTEM", 1995 International Conference on Acoustics, Speech, and Signal Processing. Conference Proceedings, Detroit, MI, EE.UU., 9-12 mayo 1995; Nueva York, NY, EE.UU.: IEEE, 1995, volumen 1, págs. 480-483 describe un codificador de voz para aplicaciones en sistemas de comunicaciones de muy baja velocidad de bits. Usa análisis y síntesis en el codificador LPC10e y presenta un proceso específico de cuantificación al mismo. Un esquema asociado de corrección de error aumenta la velocidad fuente de bit desde 800 hasta 2.400 bps.

El objetivo de la presente invención es proporcionar aparatos de compresión de voz y de decodificación de voz y sistemas mejorados para la transcodificación ascendente y la transcodificación descendente datos de voz basados en subcuadros y los correspondientes procedimientos al mismo.

Este objetivo se resuelve mediante el asunto de las reivindicaciones independientes.

Las reivindicaciones preferidas se definen por las reivindicaciones dependientes.

Esta invención se describe genéricamente en cuanto a su uso con MELP, puesto que la codificación MELP tiene ventajas sobre los procedimientos de codificación basados en cuadros. Sin embargo, la invención es aplicable a una variedad de codificadores, tales como codificadores [15] armónicos o codificadores [14] del tipo de excitación multibanda (MBE).

El codificador MELP observa el habla de entrada y, para cada cuadro de 22,5 ms, genera datos para transmitirlos a un decodificador. Estos datos constan de bits que representan frecuencias espectrales de línea (LSF) (que es una forma de parámetro de predicción lineal), magnitudes Fourier (a veces denominadas magnitudes "espectrales"), ganancias (2 por cuadro), tono y sonorización, y, adicionalmente, contiene un bit aperiodico de marca, bits de protección de error y bit de sincronización (sync). La figura 1 muestra la estructura de almacenamiento intermedio usada en un codificador convencional MELP de 2,4 kpbs. El codificador empleado con otros procedimientos de armónicos o de codificación MBE genera datos que representan muchos de los mismos parámetros, o similares, (típicamente estos son LSF, magnitudes espectrales, ganancia, tono y sonorización). El decodificador MELP recibe estos parámetros para cada cuadro y sintetiza un cuadro correspondiente de habla que aproxima el cuadro original.

Diferentes sistemas de comunicaciones requieren codificadores de habla con diferentes velocidades de bits. Por ejemplo, un canal de radio de alta frecuencia (HF) tiene capacidad severamente limitada y requiere corrección extensiva de error y una velocidad de bit de 1,2 kbps puede ser más adecuado para representar os parámetros de habla, mientras que un sistema seguro de comunicación telefónica de voz a menudo requiere una velocidad de bits de 2,4 kbps. En algunas aplicaciones es necesario interconectar diferentes sistemas de comunicaciones de forma que una señal de voz originalmente codificada para un sistema a una velocidad de bits se convierta, subsiguientemente, en una señal de voz codificada a otra velocidad de bits para otro sistema. Se hace referencia a esta conversión como "transcodificación" y se puede realizar mediante un "transcodificador" situado típicamente en una puerta entre dos sistemas de comunicaciones.

En términos generales, la presente invención toma una técnica existente de vocoder, tal como MELP, y sustancialmente reduce la velocidad de bits, típicamente en un factor de dos, mientras mantiene aproximadamente la misma calidad reproducida de voz. Se hace uso de las técnicas existentes de vocoder dentro de la invención, y se hace referencia a ellas como la codificación "línea base" o, alternativamente, codificación paramétrica "convencional" de voz.

A modo de ejemplo, y como limitación, la presente invención comprende un vocoder de 1,2 kbps que tiene módulos de análisis similares a un codificador MELP de 2,4 kbps al cual está solapado un vocoder adicional de supercuadro. Se adopta un bloque o estructura "supercuadro" que comprende tres cuadros consecutivos dentro del vocoder supercuadro para cuantificar más eficazmente los parámetros que se han de transmitir para el vocoder de 1,2 kbps de la presente invención. Para simplificar la descripción, el supercuadro se escoge para codificar tres cuadros, ya que se ha encontrado que esta relación funciona bien. Es de destacar, sin embargo, que los procedimientos de la invención se pueden aplicar a supercuadros que comprendan cualquier número discreto de cuadros. En patentes y publicaciones previas [9], [10], [11], [13], se ha mencionado una estructura supercuadro. Dentro del estándar de codificación MELP, cada vez que se analiza un cuadro (por ejemplo, cada 22,5 ms), sus parámetros se codifican y transmiten. Sin embargo, en la presente invención cada cuadro de un supercuadro está concurrentemente disponible en una memoria intermedia, cada cuadro se analiza, y los parámetros de los tres cuadros dentro del supercuadro están simultáneamente disponibles para cuantificación. Aunque esto introduce retraso adicional de codificación, la correlación temporal que existe entre los parámetros de los tres cuadros se puede explotar eficazmente cuantificándolos juntos en lugar de por separado.

El tamaño de cuadro del codificador de 1,2 kbps de la presente invención es preferiblemente de 22,5 ms (o 180 muestras de habla) a una velocidad de muestreo de 8.000 muestras por segundo, que es la misma que en el codificador estándar MELP. Sin embargo, con el fin de evitar grandes errores de tono, la longitud del registro de anticipación está aumentada en la invención en 129 muestras. A este respecto, observe que el término "registro de anticipación" se refiere a la duración temporal del "futuro" segmento de habla más allá del límite actual de cuadro que debe estar disponible en la memoria intermedia para el procesado, necesario para codificar el cuadro actual. Un suavizador de tono también se usa en el codificador de 1,2 kbps de la presente invención, y el retraso algorítmico para el codificador de 1,2 kbps es de 103,75 ms. Los parámetros transmitidos para el codificador de 1,2 kbps son los mismos que para el codificador MELP de 2,4 kbps.

Dentro del estándar de codificación de MELP, la decisión de sonorización de banda baja o decisión insonorizado/sonorizado (decisión U/V) se encuentra para cada cuadro. Se dice que el cuadro está "sonorizado" cuando el valor de sonorización de banda baja es "1", e "insonorizado" cuando éste es "0". Esta condición de sonorización determina cual de las dos asignaciones diferentes de bit se usa para el cuadro. Sin embargo, en el codificador de 1,2 kbps de la presente invención, cada supercuadro se categoriza en uno de entre varios estados de codificación con una asignación diferente de bits para cada estado. La selección del estado se hace de acuerdo con el patrón U/V (insonorizado o sonorizado) del supercuadro. Si error de bit de canal lleva a una identificación incorrecta de estado por el decodificador, se producirá una grave degradación del habla sintetizada para este supercuadro. Por lo tanto, un aspecto de la presente invención comprende técnicas para reducir el efecto de falta de casación de estado entre codificador y decodificador debido a errores de canal, cuyas técnicas se han desarrollado e integrado en el decodificador.

En la presente invención, tres cuadros de habla están simultáneamente disponibles en una memoria intermedia y cada cuadro se analiza por separado mediante módulos convencionales de análisis MELP, generando valores de parámetro (sin cuantificar) para cada uno de los tres cuadros. Esos parámetros están disponibles colectivamente para el procesado y la cuantificación subsiguiente. El suavizador de tono observa tono y decisiones U/V para los tres cuadros y, además, realiza análisis adicional en los datos de habla de la memoria intermedia para extraer parámetros, necesarios para clasificar cada cuadro como uno de entre dos tipos [comienzo (onset) o desplazamiento (offset)] para usar en una operación de suavización de tono. El suavizador entonces, da como información de salida versiones modificadas (suavizadas) de las decisiones de tono, y estos valores de tono para el supercuadro son, entonces, cuantificados. El suavizador de sonorización de banda pasante observa las intensidades de sonorización de banda pasante para los tres cuadros, así como examina valores de energía directamente extraídos del habla en memoria intermedia y, a continuación, determina una frecuencia de corte para cada uno de los tres cuadros. Las intensidades de sonorización de banda pasante son parámetros generados por el codificador MELP para describir el grado de sonorización en cada una de cinco bandas de frecuencia del espectro de habla.

Las frecuencias de corte, definidas en lo que sigue, describen la evolución temporal de la anchura de banda de la parte sonorizada del espectro de habla. La frecuencia de corte para cada cuadro sonorizado en el supercuadro está codificado con 2 bits. Cada uno de los parámetros LSF, parámetro de fluctuaciones, y parámetros de magnitud de Fourier para el supercuadro se cuantifican. Se obtienen datos binarios a partir de cuantificadores para transmisión. No se describen, en aras de la sencillez, los bits de corrección de errores, bit de sincronización, bit de paridad y el multiplexado de los bits en una corriente de datos en serie para transmisión, todos los cuales son bien conocidos por aquellos expertos en la técnica. En el receptor, los bits de datos para los diversos parámetros se extraen, decodifican y aplican para invertir cuantificadores que recrean los valores de parámetro cuantificados a partir de los datos comprimidos. Un receptor incluye, típicamente, un módulo de sincronización que identifica el punto de partida de un supercuadro, y un medio para decodificar y demultiplexar corrección de errores. Los parámetros recuperados para cada cuadro se pueden aplicar a un sintetizador. Tras la decodificación, los cuadros sintetizados de habla se concatenan para formar la señal de salida de habla. El sintetizador puede ser un sintetizador convencional basado en cuadro, tal como un MELP, o puede estar dotado de un procedimiento alternativo como se describe en la presente memoria.

Un objetivo de la invención es introducir mayores eficacias de codificación y sacar partido a la correlación desde un cuadro de habla hasta otro, agrupando cuadros en supercuadros y realizando técnicas novedosas de cuantificación en los parámetros de supercuadro.

Otro objetivo de la invención es permitir que las funciones existentes de procesado de habla del codificador y descodificador de línea base sean retenidas, de tal forma que el codificador potenciado opere sobre los parámetros encontrados en la operación de codificador de línea base, conservando, de este modo, la riqueza de experimentación y los resultados del diseño ya obtenidos con codificadores y decodificadores de línea base mientras aún ofrece velocidades de bit muy reducidas.

Otro objetivo de la invención es proporcionar un mecanismo para transcodificar, en el cual una corriente de bits obtenida a partir del codificador potenciado se convierte (transcodifica) en una corriente de bits que será reconocida por el decodificador de línea base, mientras proporciona similarmente un modo de convertir la corriente de bits procedente de un codificador línea base en una corriente de bits que se puede reconocer mediante un decodificador potenciado. Esta característica de transcodificación es importante en aplicaciones donde el equipo terminal que implanta un codificador/decodificador línea base debe comunicarse con equipo terminal que implanta el codificador/decodificador potenciado.

Otro objetivo de la invención es proporcionar procedimientos para mejorar las características del codificador MELP por medio del cual nuevos procedimientos generan parámetros de tono y de sonorización.

Otro objetivo de la invención es proporcionar un nuevo proceso de decodificación que sustituya el proceso de decodificación MELP y reduzca sustancialmente complejidad mientras mantiene la calidad de voz sintetizada.

Otro objetivo de la invención es proporcionar un esquema de codificación de 1,2 kbps que de aproximadamente igual calidad codificador estándar MELP operando a 2,4 kbps.

Objetivos y ventajas adicionales de la invención surgirán en las partes siguientes de la especificación, en las cuales la descripción detallada es con la única finalidad de describir completamente realizaciones preferidas de la invención sin poner limitaciones a la misma.

La invención se comprenderá más completamente haciendo referencia a los siguientes dibujos que únicamente tienen finalidad ilustrativa:

La figura 1 es un diagrama de posiciones de datos usados dentro de la estructura de datos de entrada de memoria intermedia de habla de un codificador MELP convencional de 2,4 kbps. Las unidades mostradas indican muestras de habla.

La figura 2 es un diagrama de posiciones de datos usados dentro estructura de datos de entrada de memoria intermedia de habla del codificador de 1,2 kbps de la presente invención. Las unidades mostradas indican muestras de habla.

La figura 3A es un diagrama funcional de bloques del codificador de 1,2 kbps de la presente invención.

La figura 3B es un diagrama funcional de bloques del decodificador de 1,2 kbps de la presente invención.

La figura 4 es un diagrama de posiciones de datos dentro del codificador de 1,2 kbps de la presente invención mostrando posiciones de cálculo para calcular parámetros más suaves de tono dentro de la presente invención, donde las unidades mostradas indican muestras de habla.

La figura 5A es un diagrama funcional de bloques de una corriente de 1.200 bps convertida hacia arriba mediante un transcodificador a una corriente de 2.400 bps.

\newpage

La figura 5B es un diagrama funcional de bloques de una corriente de 2.400 bps convertida hacia abajo mediante un transcodificador a una corriente de 1.200 bps.

La figura 6 es un diagrama funcional de bloques de hardware dentro de un terminal de vocoder que emplea los principios de la invención de acuerdo con la presente invención.

Con fines ilustrativos, la presente invención se describirá haciendo referencia a las figuras 2 a 6. Se apreciará que el aparato puede variar en cuanto a configuración y detalles de las partes, y que el proceso puede variar en cuanto a las etapas y secuencias específicas, sin abandonar los conceptos básicos como se describe en la presente memoria.

1. Vista genérica del vocoder

El codificador de 1,2 kbps de la presente invención emplea módulos de análisis similares a los usados en codificador MELP convencional de 2,4 kbps, pero añade un bloque o codificador "supercuadro" que codifica tres cuadros consecutivos y cuantifica más eficazmente los parámetros transmitidos para proporcionar la sonorización de 1,2 kbps. Aquellos expertos en la técnica apreciará que, aunque la invención se describe haciendo referencia a usar tres cuadros por supercuadro, el procedimiento de la invención se puede aplicar, así mismo, a supercuadros que comprenden otros números enteros de cuadros. Además, aquellos expertos en la técnica también apreciarán que aunque la invención se describe en relación con el uso de MELP como el codificador de línea base, los procedimientos de la invención se pueden aplicar a otros vocoders armónicos. Dichos vocoders pueden tener un juego similar, pero no idéntico, de parámetros extraídos del análisis de un cuadro de voz, y el tamaño de cuadro y las velocidades de bits pueden ser diferentes de los utilizados en la descripción aquí presentada.

Se apreciará que cuando se analiza un cuadro dentro de un codificador MELP, (por ejemplo, cada 22,5 ms), los parámetros de voz se codifican para cada cuadro y, a continuación, se transmiten. Aún en la presente invención, datos procedentes de un grupo de cuadros, que forman un supercuadro, se recogen y procesan con los parámetros de los tres cuadros en el supercuadro que están simultáneamente disponibles para cuantificarse. Aunque esto introduce retraso adicional de codificación, la correlación temporal que existe entre los parámetros de los tres cuadros se puede sacar partido eficazmente cuantificándolos juntos en lugar de por separado.

El tamaño de cuadro empleado en la presente invención es preferiblemente de 22,5 ms (o de 180 muestras de habla) a una velocidad de muestreo de 8.000 muestras por segundo, que es la misma velocidad de muestra usada en el codificador MELP. La estructura de memoria intermedia de un MELP convencional de 2,4 kbps se muestra en la figura 1. La longitud de memoria intermedia de registro de anticipación se ha aumentado en la realización preferida en 129 muestras, a fin de reducir la ocurrencia de grandes errores de tono, aunque la invención se puede poner en práctica con diversos niveles de registro de anticipación.

Adicionalmente, se ha introducido un suavizador de tono para reducir, más aún, errores de tono. El retraso algorítmico para el codificador de 1,2 kbps descrito es de 103,75 ms. Los parámetros transmitidos para el codificador de 1,2 kbps son los mismos que para el codificador MELP de 2,4 kbps. La estructura de memoria intermedia de la presente invención se pueden ver en la figura 2.

1.1 Asignación de bits

Al usar la codificación MELP, la decisión de sonorización de banda baja, o decisión U/V se encuentra para cada cuadro "sonorizado" cuando el valor de sonorización de banda baja es de 1, e insonorizado cuando éste es de 0. Sin embargo, en el codificador de 1,2 kbps de la presente invención cada supercuadro se categoriza en uno o varios estados de codificación que emplean diferentes esquemas de cuantificación. La selección de estado se realiza según el patrón U/V del supercuadro. Si un error de bit de canal lleva a una identificación incorrecta de estado por el decodificador, se producirá una degradación grave del habla sintetizada para este supercuadro. Por lo tanto, se han desarrollado e integrado técnicas para reducir el efecto de falta de casación de estado entre codificador y decodificador debido a errores de canal, cuyas técnicas se han desarrollado e integrado en el decodificador. Con fines de comparación, en la tabla 1 se muestran los esquemas de asignación de bit tanto para el codificador (MELP) de 2,4 kbps como para el codificador de 1,2 kbps.

La figura 3A es un diagrama general de bloques del esquema 10 de codificación de 1,2 kbps según la presente invención. El habla 12 de datos de entrada llena una memoria intermedia denominada una memoria 14 intermedia de supercuadro que comprende un supercuadro y almacena, además, las muestras históricas que precedieron la partida de los más antiguos de entre los tres cuadros y las muestras registro de anticipación que siguen al más reciente de los tres cuadros. El intervalo actual de muestras almacenadas en esta memoria intermedia para la realización preferida son como las mostradas en la figura 2. Los cuadros dentro de la memoria intermedia 14 de supercuadro se analizan por separado mediante módulos 16, 18, 20 convencionales de análisis MELP que generan un juego de valores 22 de parámetro sin cuantificar para cada uno de los cuadros dentro de la memoria intermedia 10 de supercuadro. Específicamente, un módulo 16 de análisis MELP opera en el primer (más antiguo) cuadro almacenado en la memoria intermedia de supercuadro, otro módulo 18 de análisis MELP opera en el segundo cuadro almacenado en la memoria intermedia, y otro módulo 20 de análisis MELP opera en el tercer (más reciente) cuadro almacenado en la memoria intermedia.

Cada bloque de análisis de MELP tiene acceso a un cuadro más anterior y a muestras futuras asociadas con este cuadro. Los parámetros generados por los módulos de análisis de MELP se recogen para formar el conjunto de parámetros sin cuantificar almacenados en la unidad 22 de memoria, que está disponible para subsiguiente procesado y cuantificación. El suavizador 24 de tono observa valores de tono para los cuadros dentro de la memoria intermedia 14 de supercuadro, conjuntamente con un juego de parámetros calculados por el bloque 26 de análisis de suavización y da como información de salida versiones modificadas de valores de tono cuando la información de salida está cuantificada 28. Un suavizador 30 de sonorización de banda pasante observa un valor medio de energía calculado mediante el módulo 32 de análisis de energía y éste también observa las intensidades de sonorización de banda pasante para los cuadros dentro de la memoria 14 intermedia de supercuadro y los modifica adecuadamente para una cuantificación subsiguiente por el cuantificador 32 de sonorización de banda pasante. Un cuantificador 34 LSP, cuantificador 36 Jitter, y cuantificador 38 de magnitudes de Fourier da cada uno como información de salida datos codificados. Los datos binarios codificados se obtienen de los cuantificadores para transmisión. No se muestran, por sencillez, la generación de bits de datos de corrección de errores, un bit de sincronización y multiplexado de los bits en una corriente de datos en serie para transmisión, que aquellos expertos en la técnica comprenderán fácilmente cómo
implantar.

En el decodificador 50, mostrado en la figura 3B, los bits de datos para los diversos parámetros están contenidos en el dato 52 de canal que entra en una decodificación y cuantificador 54 inverso, que extrae, decodifica y aplica cuantificadores inversos para recrear los valores cuantificados de parámetro a partir de datos comprimidos. No se muestran el módulo de sincronización (que identifica el punto de partida de un supercuadro) ni la decodificación y desmultiplexado de corrección de errores que aquellos expertos en la técnica comprenderán fácilmente cómo implantar. Los parámetros recuperados para cada cuadro se aplican, a continuación, a sintetizadores 56, 58, 60 convencionales MELP. Es de destacar que esta invención incluye un procedimiento alternativo de sintetizar habla para cada cuadro es completamente diferente del sintetizador MELP de la técnica anterior. Una vez decodificado, los cuadros 62, 64, 66 de habla sintetizada se concatenan para formar la señal 68 de salida de habla.

2. Análisis del habla 2.1 Visión general

La estructura básica del codificador se basa en el mismo módulo de análisis usado en el codificador MELP de 2,4 kbps salvo en que se añaden un nuevo suavizador de tono y suavizador de sonorización de banda pasante para aprovechar la estructura de supercuadro. El codificador extrae los parámetros de características a partir de tres cuadros sucesivos en un supercuadro usando el mismo algoritmo de análisis MELP, operando en cada cuadro, como se usaba en el codificador MELP de 2,4 kbps. Los parámetros de sonorización de tono y banda pasante se potencian mediante suavización. Esta potenciación es posible debido a la disponibilidad simultánea de tres cuadros contiguos y al registro de anticipación. Al operar de esta manera en el supercuadro, los parámetros para los tres cuadros están disponibles como datos de entrada para los módulos de cuantificación, permitiendo, de este modo, una cuantificación más eficaz de la que es posible cuando cada cuadro se cuantifica separada e independientemente.

2.2 Suavizador de tono

El suavizador de tono toma las estimaciones de tono del módulo de análisis de MELP para cada cuadro en el supercuadro y de un juego de parámetros del módulo 26 de análisis de suavización mostrado en la figura 3A. El módulo 26 de análisis de suavización calcula un juego de nuevos parámetros cada medio cuadro (11,25 ms) a partir de observación directa de las muestras de habla almacenadas en la memoria intermedia de supercuadro. Las nueve posiciones de cálculo en el supercuadro actual se ilustran en la figura 4. Cada posición de cálculo está en el centro de una ventana en la que se calculan los parámetros. Los parámetros calculados se aplican, entonces, como información adicional al suavizador de tono.

En el codificador de 1,2 kbps cada cuadro se clasifica en dos categorías, que comprenden cuadros onset o desplazamiento con el fin de guiar el proceso de suavización de tono. Los nuevos parámetros de características de forma de onda calculados mediante el módulo 26 de análisis de suavización y, a continuación, usados por el módulo 24 de suavizador de tono para la clasificación comienzo/desplazamiento, son como sigue:

Descripción	Abreviatura
Energía en dB	subEnergy
Velocidad de cruce con el eje cero	zeroCrosRate
Medida de pico de resonancia	peakiness
Máximo coeficiente de correlación de habla de entrada	corx
Máximo coeficiente de correlación de 500 Hz de habla filtrada de pasa baja	lowBandCorx
Energía de habla filtrada de pasa baja	lowBandEn
Energía de habla filtrada de pasa alta	highBandEn

\vskip1.000000\baselineskip

El habla de entrada se indica como x(n), n =..., 0, 1... donde x(0) corresponde a la muestra de habla que es de 45 muestras a la izquierda de la actual posición de cálculo, y n es 90 muestras que es la mitad del tamaño de muestra. Los parámetros se calculan como sigue:

(1) Energía:

\vskip1.000000\baselineskip

subEnergy = 10 log_{10} \left[\sum\limits^{N-1}_{n=0} x^{2} (n) \right]

\vskip1.000000\baselineskip

(2) Velocidad de cruce con el eje cero:

\vskip1.000000\baselineskip

zeroCrosRate = \sum\limits^{N-2}_{i=0} [x(i)\text{*} \ x(i+1) > 0?0:1]

\vskip1.000000\baselineskip

donde la expresión entre corchetes tiene un valor 1 cuando el producto x(i)*x(i+1) es negativo (es decir, cuando se produce un cruce con el eje cero) y en otro caso tiene valor cero.

(3) Medida del pico de resonancia en el dominio de habla:

\vskip1.000000\baselineskip

1

\vskip1.000000\baselineskip

La medida del pico de resonancia se define como en el codificador [5] MELP, sin embargo, aquí esta medida se calcula a partir de la propia señal de habla, mientras que en MELP se calcula a partir de la señal residual de predicción que se obtiene de la señal de habla.

(4) Máximo coeficiente de correlación en el intervalo de investigación de tono:

H(z) = 0\text{.}3069/(1-2\text{.}4552z^{-1} + 2\text{.}4552z^{-2} - 1\text{.}152z^{-3} + 0\text{.}2099z^{-4})

Primero, la señal de habla de entrada se pasa a través de un filtro de pasa baja con una frecuencia de corte de 800 Hz, donde:

La señal filtrada de pasa baja se pasa a través de un filtro inverso LPC de 2.º orden. La señal inversa filtrada se indica como s_{lv}(n). El componente DC se retira de s_{lv}(n) para obtener \overline{s}_{lv}(n). A continuación, la función de autocorrelación se calcula mediante:

r_{k} = \frac{\sum\limits^{M-1}_{n=0}\overline{s}_{lv} (n) \overline{s}_{lv} (n + k)}{\sqrt{\sum\limits^{M-1}_{n=0}\overline{s}_{lv} (n) \cdot\sum\limits^{M-1}_{n=0}\overline{s}^{2}{}_{lv} (n + k)}}

\hskip0.5cm

k = 20, ..., 150

donde M = 70. Las muestras se seleccionan usando una ventana deslizante escogida para alinear la posición actual de cálculo hasta el centro de la ventana de autocorrelación. El máximo parámetro corx del coeficiente de correlación es el máximo de la función r_{k}. El tono correspondiente es l.

(5) Máximo coeficiente de correlación del habla filtrada de pasa baja

100

En el estándar MELP, se usan cinco filtros en el análisis de sonorización de banda pasante. El primer filtro es realmente un filtro de pasa baja con banda pasante de 0-500 Hz. El mismo filtro se usa en habla de entrada para generar la señal s_{l}(n) filtrada de pasa baja. A continuación, la función de correlación definida en (4) se calcula sobre s_{l}(n). El intervalo de los índices está limitado por [max(20, l-5), min (150, l+5)]. El máximo de la función de correlación se indica como lowBandCorx.

(6) Energía de banda baja y energía de banda alta:

En el módulo de análisis de LPC, se calculan los 17 primeros coeficientes de autocorrelación r(n), n = 0...,17. La energía de banda baja y la energía de banda alta se obtienen filtrando los coeficientes de autocorrelación.

.lowBandEn = r(0)\cdot C_{1}(0) + 2\sum\limits^{16}_{n=1}r(n) \cdot C_{1}(n)

.highBandEn = r(0)\cdot C_{h}(0) + 2\sum\limits^{16}_{n=1}r(n)\cdot C_{h}(n)

Los C_{l}(n) y C_{h}(n) son los coeficientes para el filtro de pasa baja y el filtro de pasa alta. Los 16 coeficientes de filtro para cada filtro se escogen para una frecuencia de corte de 2 kHz y se obtienen con una técnica estándar de diseño de filtro FIR.

Los parámetros enumerados en lo que antecede se usan para tomar decisiones U/V bastas para cada semicuadro. La lógica de clasificación para tomar las decisiones de sonorización mostrada en lo que sigue, se realiza en el módulo 24 de suavizador de tono. El voiceEn y silenceEn son las energías medias de funcionamiento de cuadros de con voz y cuadros de silencio.

\vskip1.000000\baselineskip

2

3

4

A continuación, se usan las decisiones U/V para cada subcuadro, para clasificar los cuadros como comienzo u desplazamiento. Esta clasificación es interna al codificador y no se transmite. Para cada cuadro actual, primero se verifica la posibilidad de un desplazamiento. Un cuadro desplazamiento se selecciona si el cuadro actual de voz está seguido por una secuencia de cuadros sin voz, o la energía declina al menos 8 dB dentro de un cuadro o 12 dB dentro de un cuadro y medio. El tono de un cuadro desplazamiento no se suaviza.

Si el cuadro actual es el primer cuadro con voz, o la energía aumenta en al menos 8 dB dentro de un cuadro o 12 dB en un cuadro y medio, el cuadro actual se clasifica como un cuadro comienzo. Para los cuadros comienzo, un candidato de tono de registro de anticipación se estima a partir de uno de los máximos locales de la función de autocorrelación evaluada en la región de registro de anticipación. Primero, se seleccionan los 8 mayores máximos locales de la función de autocorrelación dados en lo que antecede. Los máximos se indican para la posición actual de cálculo como R^{(o)}(i), i = 0..., 7. Los máximos para las siguientes dos posiciones de cálculo son R^{(1)}(i), R^{(2)}(i). Se calcula una función de coste para cada posición de cálculo, y la función de coste para la posición actual de cálculo se usa para estimar el tono predicho. La función de coste para R^{(2)}(i) se calcula primero como:

C^{(2)}(i) = W[1 - R^{(2)}(i)]

donde W es una constante que es 100. Para cada máximo R^{(1)}(i), el tono correspondiente se indica como p^{(1)}(i). La función de coste C^{(1)}(i) se calcula como:

C^{(l)} (i) = W[1 - R^{(1)}(i)] + |p^{(1)}(i) - p^{(2)}(k_{i})| + C^{(2)}(k_{i})

El índice k_{i} se escoge como:

5

Si el intervalo l es un conjunto vacío en la ecuación de lo que antecede, entonces, usamos el intervalo l\in [0, 7]. La función de coste C^{(0)}(i) se calcula de una forma similar a C^{(1)}(i). El tono predicho se escoge como

p = arg max(C^{(0)}(i)) \hskip2cm i = 0, ..., 7 {}\hskip-4,2cm ^{p^{(0)}(i)}

El candidato de tono de registro de anticipación se selecciona como el tono actual, si la diferencia entre el tono original estimado y el tono de registro de anticipación es mayor que el 15%.

Si el cuadro actual no es ni comienzo u desplazamiento, se comprueba la variación de tono. Si se detecta un salto de tono, lo que significa que el tono desciende y, a continuación, aumenta, o que aumenta y, a continuación, desciende, el tono del cuadro actual se suaviza usando interpolación entre el tono del cuadro previo y el tono del cuadro siguiente. Para el último cuadro en el supercuadro, el tono del cuadro siguiente no está disponible, por lo que se usa un valor predicho de tono en lugar del valor de tono del cuadro siguiente. El suavizador de tono de lo que antecede detecta muchos de los grandes errores de tono que de otra forma ocurrirían y en pruebas formales subjetivas de calidad, el suavizador de tono está dotado de mejora significativa de calidad.

2.3 Suavizador de sonorización de banda pasante

En codificación MELP, el habla de entrada se filtra en cinco sub-bandas. Las intensidades de sonorización de banda pasante se calculan para cada una de estas sub-bandas con cada intensidad de sonorización normalizada a un valor entre 0 y 1. Estas intensidades se cuantifican subsiguientemente a ceros o unos para obtener decisiones de sonorización de banda pasante. La intensidad cuantificada de sonorización (0 a 500 Hz) de banda baja determina el carácter insonorizado o sonorizado (U/V) del cuadro. La información binaria de sonorización de las cuatro bandas restantes describe parcialmente el carácter armónico o no armónico del espectro de un cuadro y se puede representar mediante una palabra código de cuatro bits. En esta invención, se usa un suavizador de sonorización de banda pasante para describir de forma más compacta esta información para cada cuadro en un supercuadro y para suavizar la evolución temporal de esta información en cuadros. Primero se representa en un mapa la palabra código de cuatro bits (1 para sonorizado, 0 para insonorizado) para las cuatro bandas restantes de cada cuadro en una única frecuencia de corte con uno de los cuatro valores permitidos. Esta frecuencia de corte identifica, aproximadamente, el límite entre la región inferior del espectro que tiene un carácter sonorizado (o armónico) y la región más alta que tiene un carácter insonorizado. El suavizador modifica, entonces, las tres frecuencias de corte en el supercuadro para producir una evolución temporal más natural para el carácter espectral de los cuadros. Las palabras código de sonorización de cuatro dígitos para cada una de las decisiones de cuadro se representa en un mapa en cuatro palabra código usando un libro de código de 2 bits mostrado en la tabla 2. Las entradas del libro de código es equivalente a las cuatro frecuencias de corte: 500 Hz, 1.000 Hz, 2.000 Hz y 4.000 Hz que se corresponden respectivamente, con las columnas etiquetadas: 0000, 1000, 1100 y 1111 en el cuadro de representación de mapa dado en la tabla 2. Por ejemplo, cuando el patrón de sonorización de banda pasante para un cuadro sonorizado es 1001, este índice se representa en un mapa en 1000, que se corresponde con una frecuencia de corte de 1000 Hz.

\newpage

Para los dos primeros cuadros del supercuadro actual, la frecuencia de corte se suaviza de acuerdo con la información de sonorización de banda pasante del cuadro previo y del cuadro siguiente. La frecuencia de corte en el tercer cuadro no se cambia a la izquierda. La energía media de cuadros sonorizados se indica como VE. El valor de VE se actualiza en cada cuadro sonorizado para el cual los dos cuadros anteriores están sonorizados. La regla de actualización es:

VE_{new} = 10 \ log_{10}\lfloor0.9e^{VE_{old/10}} + 0.1e^{subEnergy/10}\rfloor

Para el cuadro i, la energía del cuadro actual se indica como en_{i}. Las intensidades de sonorización para las cinco bandas se indican como bp[k]_{i}, k = 1..., 5. las tres condiciones siguientes se considera que suavizan la frecuencia de corte f_{i}.

(1) Si las frecuencias de corte del cuadro previo y del cuadro siguiente están ambas por encima de 2.000 Hz, entonces, ejecutar el procedimiento siguiente:

If (f_{i}<2000 and ((en_{i}>VE- 5dB) or (bp[2]_{i-1}>0,5 and bp[3]_{i-1}>0,5)))

f_{i}=2000 Hz

elseif (f_{i}<1000)

f_{i}=1000Hz

(2) Si las frecuencias de corte del cuadro previo y del cuadro siguiente están ambas por encima de 1.000 Hz, entonces, ejecutar el procedimiento siguiente:

If (f_{i}<1000 and ((en_{i}>VE- 10dB) or (bp[2]_{i-1}>0,4 and bp[3]_{i-1}>0,5)))

f_{i}=1000 Hz

(3) Si las frecuencias de corte del cuadro previo y del cuadro siguiente están ambas por debajo de 1.000 Hz, entonces, ejecutar el procedimiento siguiente:

If (f_{i}<1000 and en_{i}>VE- 5dB and bp[3]_{i-1}>0,7)

f_{i}=2000 Hz

3. Cuantificación 3.1 Vista en general

Los parámetros transmitidos del codificador 1,2 kbps son los mismos que los del codificador MELP 2,4 kbps salvo en que en el codificador 1,2 kbps, los parámetros no se transmiten cuadro a cuadro sino que se envían de una vez para cada supercuadro. La asignación de bits se muestra en la tabla 1. Se diseñaron nuevos esquemas de cuantificación para aprovechar el gran tamaño de bloque (el supercuadro) usando interpolación y cuantificación por vector (VQ). Las propiedades estadísticas de habla sonorizada e insonorizada también se tienen en cuenta. El mismo libro de código de magnitud de Fourier del codificador MELP de 2,4 kbps se usa en el codificador de 1,2 kbps con el fin de ahorrar memoria y facilitar el diagnóstico.

3.2 Cuantificación del tono

Los parámetros de tono son aplicables únicamente para cuadros sonorizados. Diferentes esquemas de cuantificación de tono se usan para diferentes combinaciones U/V en los tres cuadros. El procedimiento detallado para cuantificar los valores de tono de un supercuadro se describe en la presente memoria para un patrón particular de sonorización. El procedimiento de cuantificación descrito en esta sección se usa en la cuantificación junta del patrón de sonorización, mientras el tono se describirá en la sección siguiente. Los esquemas de cuantificación de tono se resumen en la tabla 3. Dentro de aquellos supercuadros donde el patrón de sonorización contiene binen dos o tres cuadros sonorizados, los parámetros de tono están cuantificados por vector. Para patrones de sonorización que únicamente contienen un cuadro sonorizado, se aplica el cuantificador escalar especificado en el estándar MELP para el tono del cuadro sonorizado. Para el patrón de sonorización UUU, donde cada cuadro está insonorizado, no se necesitan bits para información de tono. Observe que U indica "Insonorizado" (Unvoiced) y V indica "sonorizado"
(Voiced).

Cada valor de tono, P, obtenido a partir del análisis de tono del estándar de 2,4 kbps se transforma en un valor logarítmico, p=log P, antes de la cuantificación. Para cada supercuadro, se construye un vector de tono con componentes iguales al valor del logaritmo del tono para cada cuadro sonorizado y un valor cero para cada cuadro insonorizado. Para patrones de sonorización con dos o tres cuadros sonorizados, el vector de tono se cuantifica usando un algoritmo de VQ (cuantificación por vector) con una nueva medida de distorsión que tiene en cuenta la evolución del tono. Este algoritmo incorpora diferenciales de tono en la investigación del libro código, lo que le posibilita considerar la evolución temporal del tono. Se usa [7] un diseño estándar de libro de código VQ. El algoritmo de codificación VQ incorpora diferenciales de tono en la investigación del libro de código, que le permite considerar la evolución temporal del tono en la selección de la entrada del libro código VQ. Esta característica está motivada por la importancia preceptual de trazar adecuadamente la trayectoria del tono. El algoritmo tiene tres etapas para obtener el mejor
índice:

Etapa 1: seleccionar los mejores candidatos M, usando la medida ponderada de la distancia euclídea al cuadrado:

6

\vskip1.000000\baselineskip

y p_{i} es el logaritmo sin cuantificar del tono, \overline{p}_{i} es el valor cuantificado del logaritmo el tono. La ecuación anterior indica que únicamente cuadros sonorizados se tienen en cuenta en la investigación del libro de código.

Etapa 2: calcular diferenciales de los valores sin cuantificar del logaritmo de tono usando:

Donde

\vskip1.000000\baselineskip

7

\vskip1.000000\baselineskip

para i = 1, 2, 3, donde po es el último valor del logaritmo del tono, del supercuadro anterior. Para los valores candidatos de logaritmo del tono seleccionados en la etapa 1, calcular diferenciales de los candidatos sustituyendo \Deltap_{i} y p_{i} por \Delta\hat{p}_{i} y \hat{p}_{i} , respectivamente en la ecuación (2), donde \hat{p}_{o} es la versión cuantificada de p_{o}..

Etapa 3: seleccionar el índice a partir de los mejores candidatos M que minimizan:

(3)d' = \sum\limits^{3}_{i=1}w_{i}|p_{i} - \hat{p}_{i}|^{2} + \delta \sum\limits^{3}_{i=1}|\Delta p_{i} - \Delta\hat{p}_{i}|^{2} = d + \delta\sum\limits^{3}_{i=1}|\Delta p_{i} - \Delta\hat{p}_{i}|^{2}

donde \delta es un parámetro para controlar la distribución de diferenciales de tono que está ajustado a 1.

Para supercuadros que contienen únicamente un cuadro sonorizado, se realiza la cuantificación escalar del tono. El valor de tono se cuantifica sobre una escala logarítmica con un cuantificador uniforme de 99 niveles que va de 20 hasta 160 muestras. El cuantificador es el mismo que en el estándar MELP de 2,4 kbps, donde los 99 niveles están representados en un mapa a una palabra código de tono de 7 bits y las palabras código 28 no empleadas con peso 1 ó 2 de Hamming se usan para proteger errores.

3.3 Cuantificación conjunta de paso y decisiones U/V

Las decisiones U/V y los parámetros de tono para cada supercuadro se cuantificación conjuntamente usando 12 bits. El esquema de cuantificación conjunta se resume en la tabla 4. Con otras palabras, el patrón de sonorización (uno de 8 posibles patrones) y el juego de tres valores de tono para el supercuadro forman los datos de entrada de un esquema de cuantificación conjunta cuya salida es una palabra de 12 bits. El codificador, subsiguientemente, representa en un mapa esta palabra de 12 bits por medio de una consulta a la tabla en un patrón particular de sonorización y un juego cuantificado de 3 valores de tono.

En este esquema, la asignación de 12 bits consta de 3 bits de modos (que representan 8 posibles combinaciones de decisiones U/V para los 3 cuadros en un supercuadro) y los 9 bits restantes para valores de tono. El esquema emplea seis libros de código de tono, cinco que tienen 9 bits (es decir, 512 entrada cada uno) y siendo uno el cuantificador escalar como se indica en la tabla 4; el libro código específico se determina de acuerdo con patrones de bits de la palabra código de 3 bits que presenta el patrón de sonorización cuantificado. Por lo tanto, el patrón de sonorización U/V se codifica primero en una palabra código de tres bits como se muestra en la tabla 4, el cual se usa, entonces, para seleccionar uno de los 6 libros código mostrados. El juego ordenado de tres valores de tono es cuantificado, entonces, por vector con el libro código seleccionado para generar una palabra código de 9 bits que identifica el juego cuantificado de 3 valores de tono. Observe que cuatro libros código se asignan a los supercuadros en el modo VVV (sonorizado-sonorizado-sonorizado), que significa que los vectores de tono en los supercuadros del tipo VVV están cada uno cuantificados por uno de entre las 2048 palabras código. Si el número de cuadros sonorizados en el supercuadro no es mayor de uno, la palabra código de tres bits se pone en 000 y la distinción entre diferentes modos se determina dentro del libro código de 9 bits. Observe que el último caso consta de los 4 modos UUU, VUU, UVU y UUV (donde U indica un cuadro insonorizado y V un cuadro sonorizado y los tres símbolos indican el estatus de sonorización del juego ordenado de tres cuadros en un supercuadro). En este caso los 9 bits disponibles son más que suficientes para representar la información de modo así como el valor de tono ya que hay 3 modos con 128 valores de tono y un modo sin valor de tono.

3.4 Bit de paridad

Para mejorar la solidez en la transmisión de errores, se calcula y transmite un bit de verificación de paridad para los tres bits de modo (representando patrones de sonorización) en el supercuadro, como se define en lo que antecede en la sección 3.3

3.5 Cuantificación LSF

La asignación de bit para cuantificar las frecuencias espectrales de línea (LSF) se muestra en la tabla 5, con los vectores originales LSF para los tres cuadros indicados por l_{1} l_{2}, l_{3}. Para los modos UUU, UUV, UVU y VUU, los vectores LSF de cuadros insonorizados se cuantifican usando un libro código de 9 bits, mientras el vector LSF del cuadro sonorizado se cuantifica con un cuantificador VQ (MSVQ) multietapa de 24 bies basado en el enfoque descrito en [8].

Los vectores LSF para los otros patrones U/V se codifican usando el siguiente esquema de interpolación progresiva-regresiva. Ese sistema funciona como sigue: el vector LSF cuantificado del cuadro previo se indica por \hat{\mathit{l}}_{p}. Primero los LSF del último cuadro en el supercuadro actual, l_{3} se cuantifica directamente a l_{3} usando el libro código de 9 bis para cuadros insonorizados o el MSVQ de 24 bits para cuadros sonorizados. Valores predichos de l_{1} y l_{2} se obtienen, entonces, interpolando \hat{\mathit{l}}_{p} y \hat{\mathit{l}}_{3} usando las ecuaciones siguientes:

\tilde{l}_{1}(j) = a_{1}(j)\cdot\hat{l}_{p}(n) + [1 - a_{1}(j)]\cdot\hat{l}_{3}(j)

\hskip2,3cm

(4)\tilde{l}_{2}(j) = a_{2}(j)\cdot\hat{l}_{p}(n) + [1 - a_{2}(j)]\cdot\hat{l}_{3}(j)

\hskip0.5cm

j = 1, ..., 10

Donde a_{1}(j) y a_{2}(j) son los coeficientes de interpolación

El diseño de los libros códigos MSVQ (cuantificación del vector multietapa) sigue el procedimiento explicado en [8].

Los coeficientes se almacenan en un libro código y los mejores coeficientes se seleccionan minimizando la medida de distorsión:

(5)E = \sum\limits^{10}_{j=1}w_{1}(j)|l_{1}(j) - \tilde{l}_{1}(j)|^{2} + \sum\limits^{10}_{j=1}w_{2}(j)|l_{2}(j) - \tilde{l}_{2}(j)|^{2}

Donde los coeficientes w_{i}(j) son los mismos que en el estándar MELP de 2,4 kbps. Tras obtener los coeficientes de mejor interpolación, el vector residual LSF para los cuadros 1 y 2 se calculan mediante:

r_{1}(j) = l_{1}(j) - \tilde{l}_{1}(j)

\hskip2,3cm

(6)r_{2}(j) = l_{2}(j) - \tilde{l}_{2}(j)

\hskip0.5cm

j = 1, ..., 10

El vector residual de 20 dimensiones R = [r_{1}(1), r_{1}(2), ..., r_{1}(10), r_{2}(2), ..., r_{2}(10)]

Se cuantifica, entonces, usando la cuantificación ponderada de vector de multietapa.

\newpage

3.6 Procedimiento para designar el libro código de interpolación

Los coeficientes de interpolación se obtuvieron como sigue. Los coeficientes de interpolación óptimos para cada supercuadro se calcularon minimizando el error cuadrático medio ponderado entre l_{1} y l_{2} y de l_{i1} y l_{i2} se que se puede demostrar se traduce en:

a_{1}(j) = \frac{w_{1}(j)[\tilde{l}_{3}(j) - l_{1}(j)]\cdot[\tilde{l}_{3}(j) - \tilde{l}_{p}(j)]}{w_{1}(j)[\tilde{l}_{3}(j) - \tilde{l}_{p}(j)]^{2}}

\hskip2,3cm

(7)a_{2}(j) = \frac{w_{2}(j)[\tilde{l}_{3}(j) - l_{2}(j)]\cdot[\tilde{l}_{3}(j) - \tilde{l}_{p}(j)]}{w_{2}(j)[\tilde{l}_{3}(j) - \tilde{l}_{p}(j)]^{2}}

\hskip0.5cm

j = 1, ..., 10

Cada entrada de la base de datos de formación para el diseño del libro código emplea el vector de 40 dimensiones (\tilde{\mathit{l}}_{p}, l_{1}, l_{2}, l_{3}) y el procedimiento de formación descrito en lo que sigue.

La base de datos se indica como L = {(\tilde{\mathit{l}}_{p,n}, l_{1,n}, l_{2,n}, \tilde{\mathit{l}}_{3,n}), n = 0, 2, ..., N-1},

donde

(\tilde{l}_{p,n}, l_{1,n}, l_{2,n}, l_{3,n}) = [\tilde{l}_{p,n}(1), ..., \tilde{l}_{p,n}(10), l_{1,n}(1), ..., l_{1,n}(10), l_{1,n}(1), ..., l_{1,n}(10), \tilde{l}_{3,n}(1), ..., \tilde{l}_{3,n}(10)]

es un vector de 40 dimensiones. El libro código de salida de datos es, C = {(a_{1,m}, a_{a,m}), m = 0, ..., M - 1} donde es un vector de 20 dimensiones.

3.6.1 Dos procedimientos principales de formación del libro código se describen en lo que sigue. Dado el libro código, C = {(a_{1,m}, a_{2,m}), m = 0, ..., M' - 1}

cada entrada de la base de datos L_{n} = (\tilde{\mathit{l}}_{p,n}, l_{1,n}, l_{2,n}, \tilde{\mathit{l}}_{3n})

está asociada con un centroide particular. La ecuación de lo que sigue se usa para calcular la función error entre la entrada (vector de entrada) y cada centroide en el libro código. La entrada L_{n} está asociada con el centroide que da el menor error. Esta etapa define una partición en los vectores de entrada.

\varepsilon_{m} = \sum\limits^{10}_{j=1}w_{1}(j)\{l_{1,n}(j) - [a_{1,m}(j)\tilde{l}_{p,n}(j) + (1 - a_{1,m}(j)\tilde{l}_{3,n}(j))]\}^{2} +

(8)\sum\limits^{10}_{j=1}w_{2}(j)\{l_{2,n}(j) - [a_{2,m}(j)\tilde{l}_{p,n}(j) + (1 - a_{2,m}(j)\tilde{l}_{3,n}(j))]\}^{2}

3.6.2 Dada una partición particular, el libro código se actualiza. Suponga N' entrada de daba de datos están asociados con el centroide, entonces, el centroide se actualiza usando la ecuación siguiente:

(9)a_{1,m}(j) = \frac{\sum\limits^{N'-1}_{n=0}w_{1,n}(j)[\tilde{l}_{3,n}(j) - l_{1,n}(j)]\cdot[\tilde{l}_{3,n}(j) - \tilde{l}_{p,n}(j)]}{\sum\limits^{N'- 1}_{n=0}w_{1,n}(j)[\tilde{l}_{3,n}(j) - \tilde{l}_{p,n}(j)]^{2}}

a_{2,m}(j) = \frac{\sum\limits^{N'-1}_{n=0}w_{2,n}(j)[\tilde{l}_{3,n}(j) - l_{2,n}(j)]\cdot[\tilde{l}_{3,n}(j) - \tilde{l}_{p,n}(j)]}{\sum\limits^{N'- 1}_{n=0}w_{2,n}(j)[\tilde{l}_{3,n}(j) - \tilde{l}_{p,n}(j)]^{2}}

El libro código de coeficientes de interpolación se forma y prueba para varios tamaños de libro código. Un libro código con 16 entradas se encontró ser muy eficiente. El procedimiento de lo que antecede se comprenderá fácilmente por ingenieros familiares con los conceptos generales de cuantificación de vector y diseño de libro código como se describe en [7].

\newpage

3.7 Cuantificación de ganancia

En el codificador de 1,2 kbps, se calcularos dos parámetros de ganancia por cuadro, con 6 ganancias por supercuadro. Los 6 parámetros de ganancia están cuantificados por vector usando un cuantificador de vector de 10 bits con un criterio MSE definió en el dominio logarítmico.

3.8. Cuantificación de sonorización de banda pasante

La información de sonorización para la menor banda a partir del total de 5 bandas se determina desde la decisión U/V. Las decisiones de sonorización de las 4 bandas restante se emplean para cuadros sonorizados. las decisiones de sonorización binarias (1 para sonorizado y 0 para insonorizado) de las 4 bandas se cuantifican usando el libro código de 2bits mostrados en la tabla 2. Este procedimiento se traduce en que se usen dos bits para sonorización en cada cuadro sonorizado. La asignación de bit requerida en diferentes modos de codificación para cuantificación sonorización de banda pasante se muestra en la tabla 6.

3.9 Cuantificación de magnitudes de Fourier

El vector magnitud de Fourier se calcula únicamente para cuadros sonorizados. El procedimiento de cuantificación para magnitudes de Fourier se resume en la tabla 7. Los vectores de magnitud de Fourier para los tres cuadros en un supercuadro se indican como f_{i}, i= 1,2, 3. Indicado por magnitud de Fourier es el vector músculo del último cuadro en el supercuadro previo, \tilde{f}_{i} indica el vector cuantificado f_{i} y Q(.) indica la función cuantificadores para el vector magnitud de Fourier al usar el mismo libro código de 8 bits como se usa dentro del estándar MELP. Los vectores magnitud de Fourier cuantificados para los tres cuadros en un supercuadro se obtienen como se muestra en la tabla 7.

3.10 Cuantificación de marca aperiódica

El codificador de 1,2 kbps usa un 1 bit por supercuadro para la cuantificación de la marca aperiódica. En el estándar MELP de 2,4 kbps, la marca aperiódica requiere un bit por cuadro, lo que es tres bits por supercuadro. La compresión a un bit por supercuadro se obtiene usando el procedimiento de cuantificación mostrado en la tabla 8. En la tabla, "J" y "-" indican respectivamente los estados de marca aperiódica de juego y de no juego.

3.11 Protección de errores 3.11.1 Modo protección

Junto al bit de paridad, se aplican técnicas adicionales de protección en modo error a supercuadros empleando bits de repuesto que están disponible en todos los supercuadros, salvo en los supercuadros en el modo VVV. El codificador 1,2 kbps utiliza dos bits para la cuantificación de la sonorización de banda pasante para cada cuadro sonorizado. De aquí que, en supercuadros que tienen un cuadro insonorizado, dos bits de sonorización de banda pasante son de repuesto y se pueden usar para modo protección. En supercuadros que tiene dos cuadros insonorizados, cuatro bits se pueden usar para modo protección. Además, 4 bits de cuantificación LSF se usan para modo protección en los modos UUU y VVU. La tabla 9 muestra cómo se usan estos bits en modo protección s. El modo protección implica protección del estado de codificación, que se describió en la sección 1.1

3.11.2 Correcciones de errores progresiva para supercuadro UUU

En el modo UUU, lo 8 primeros MSB del índice de ganancia se dividen en dos grupos de 4 bits y cada grupo está protegido por el código Hamming (8,4). Los 2 bits restantes del índice de ganancia están protegidos por el código Hamming (7,4). Observe que el código Hamming (7,4) corrige sencillos errores de bit, mientras que el código (8,4) corrige sencillos errores de bit y además, detecta dobles errores de bit. Los bits LSF para cada cuadro en los supercuadros UUU están protegidos por una verificación cíclica redundante (CRC) con un código CRC (13,9) que detecta errores de bit sencillos y dobles.

4. Decodificador 4.1 Desagrupación de bit y corrección de error

Dentro del decodificador, los bits recibidos se desagrupan del canal y se montan en palabras código de parámetro. Como los procedimientos de decodificación para la mayoría de los parámetros depende del modo (el patrón U/V), los 12 bits asignados al tono y a las decisiones U/V se decodifican primero. Para el patrón 000 de bits, en el libro código de tres bits, la palabra código de 9 bits especifica uno de los modos UUU, UUV, UVU y VUU. Si el código del libro código de 9 bits es todo ceros, o tiene un juego de bit, se usa el modo UUU. Si el código tiene dos juegos de bits, o se especifica un índice no empleado por un tono, se indica un borrado de cuadro.

Tras decodificar el patrón U/V, la información del modo resultante se comprueba usando el bit de paridad y los bits de protección de modo. Si se detecta un error, se realiza un algoritmo de corrección de modo. El algoritmo intenta conectar el modo error usando los bits de paridad y los bits de modo protección. En el caso de que se detecte un error incorregible se aplican diferentes procedimientos de decodificación para cada par de acuerdo con los patrones del modo error. Además, si se encuentra un error de paridad, se ajusta una marca se suavización de par. Los procedimientos de corrección se describen en la Tabla 10.

En el modo UUU, suponiendo que no se hubieran detectado errores en el modo información, dos (8, 4) códigos Hamming representan los parámetros de ganancia se decodifican para corregir sencillos errores de bit y detectar errores dobles. Si se detecta un error incorregible, se indica un cuadro de borrado. En caso contrario el código Hamming (7,4) para ganancia y los códigos CRC (13,9) (verificación cíclica de la redundancia) se decodifican para corregir sencillos errores y detectar errores sencillos y dobles, respectivamente. Se encuentra un error en los códigos CRC (13,9), los LSF incorrectos se sustituyen repitiendo LSF previos o interpolando entre el correcto LSF vecino.

Si se detecta un cuadro de borrado en el supercuadro actual por el decodificador Hamming, o se señala directamente un borrado desde el canal, se implanta un mecanismo de repetición de cuadro. Todos los parámetros del supercuadro actual se sustituyen con los parámetros desde el último cuadro del supercuadro previo.

Para un supercuadro en el cual no se detecta un borrado, los parámetros restantes se decodifican. Si es necesario la suavización, el par post suavización se obtiene por:

\hskip6,5cm x = 0.5\hat{x} + 0.5x' \hskip6,5cm (10)

donde \hat{x} x y x' representan el par decodificado del cuadro actual y el par correspondientes del cuadro previo, respectivamente.

4.2 Decodificación de tono

La decodificación de tono se realiza como se muestra en la tabla 4. Para cuadros insonorizados, el valor de tono se establece en 50 muestras.

4.3 Decodificación LSF

Los LSF están decodificados como se describe en la sección 4.4 y Tabla 5. Se comprueba el orden ascendente de los LSF y la separación mínima.

4.4 Decodificación de ganancia

El índice de ganancia se usa para recuperar una palabra código que contiene seis parámetros de ganancia del libro código de 9 bits de ganancia VQ de 10 Bits.

4.5 Decodificación de sonorización de banda pasante

En los cuadros insonorizados, todas a las intensidades sonorización de banda pasante se ponen a cero. En los cuadros sonorizados, Vbp1 se pone a 1 y los patrones de sonorización restantes se decodifican como se muestra en la tabla 2.

4.6 Decodificación de magnitudes de Fourier

Las magnitudes de Fourier de cuadros insonorizados se ponen igual a 1. Para el último cuadro sonorizado del supercuadro actual, las magnitudes de Fourier se decodifican directamente. Las magnitudes de Fourier de otros cuadros sonorizados se generan por repetición de interpolación lineal como se muestra en la tabla 7.

4.7 Decodificación de marca aperiódica

Las marcas aperiódicas se obtienen de la nueva marca como se muestra en la tabla 8, las fluctuaciones se establecen en el 25% si la marca aperiódica es 1, y en caso contrario se ponen al 0%.

4.8 Síntesis MELP

La estructura básica del decodificador es la misma que en el estándar MELP salvo en que un nuevo procedimiento de síntesis de armónicos se introduce para generar la señal de excitación para caracterizada porque ciclo de tono. En el algoritmo MELP de 2,4 kbps original, la excitación mixta se genera como la suma del pulso filtrado y excitaciones de ruido. La excitación de pulso se calcula usando una transformada de Fourier discreta inversa (DFT) de un período de un tono en longitud y la excitación de ruido se genera en el dominio de tiempos. En el nuevo al de síntesis de armónicos, la excitación mixta se genera completamente en el dominio de frecuencias y, entonces, una operación de transformada de Fourier discreta inversa se realiza para convertirla en el dominio de tiempos. Esto evita la necesidad de filtrado de banda pasante del pulso y excitaciones de ruido, reduciendo de este modo la complejidad del decodificador.

En el nuevo procedimiento de síntesis de armónicos, la excitación en el dominio de frecuencias se genera para cada ciclo de tono basada en la frecuencia de corte y en el vector de magnitud de Fourier A_{l}, l=1, 2..., L. La frecuencia de corte se obtiene a partir de los parámetros sonorización de banda pasante como se describió previamente y, entonces, se interpola para cada ciclo de tono. Las magnitudes de Fourier se interpolan del mismo modo que en el estándar MELP.

Con la longitud de tono indicado como N, la frecuencia fundamental correspondientes de describe mediante: f_{o} = 2\pi/N . La longitud del vector magnitud de Fourier se da, entonces, por: L=N/2. Dos frecuencias de transición F_{H} y F_{L} se determinan a partir de la frecuencia de corte F empleando un algoritmo obtenido empíricamente, como sigue:

8

Estas frecuencias de transición son equivalentes a dos índices VH y VL componentes de frecuencia. Un modelo sonorizados se usa para todas las muestras de frecuencia por debajo de VL, un modelo mixto se usa para las muestras de frecuencia entre VL y VH, o un modelo insonorizado se usa para mueras de frecuencia por encima de VH. Para definir el modo mixto, un factor g de ganancia se selecciona con el valor dependiendo de la frecuencia de corte (a mayor frecuencia de corte F, menor factor de ganancia).

9

magnitud y la fase datos componentes de frecuencia de la excitación se determina como sigue:

10

11

Donde l es un índice que identifica una componente particular de frecuencia del intervalo de frecuencia IDFT y \phi_{o} es una constante seleccionada a fin de evitar un pulso de tono en el límite del ciclo de tono. La fase \phi_{RND}(l) es un número distribuido aleatoriamente entre -2\pi y 2\pi independientemente generado para cada valor de l.

Con otras palabras, el espectro de la señal de excitación mixta en cada período de tono está modelizado al considerar tres regiones del espectro, como se determina por la frecuencia de corte, que determina un intervalo de transición desde F_{L} hasta F_{H}. En la región baja, de 0 a F_{L}, las magnitudes de Fourier determinan directamente el espectro. En la región alta, por encima de F_{H}, la magnitud de Fourier están escaladas hacia abajo en el factor g de ganancia. En la región de transición desde F_{L} hasta F_{H}, las magnitud de Fourier están escaladas por un factor de ponderación que cae linealmente desde la unidad hasta g a lo largo de la región de transición. Una fase de que aumenta linealmente se usa para la región inferior, y fases aleatorias se usan para la región alta. En la región de transición, la fase es la suma de la fase lineal y de una fase ponderada aleatoria con el peso aumentando linealmente desde 0 hasta 1 a lo largo por toda la región de transición. Las muestras de frecuencia de la excitación mixta son, entonces, cubiertas en el dominio de tiempos usando una transformada de Fourier discreta inversa.

5. Transcodificador 5.1 Conceptos

En algunas aplicaciones, es importante permitir la interoperación entre dos diferentes esquemas de codificación de habla. En particular, es útil permitir la interoperabilidad entre codificador MELP a 2.400 bps y un codificador de supercuadro de 1.200 bps. La operación general de un transcodificador se ilustra en los diagramas de bloque de las figuras 5A y 5B. En el transcodificador 70 de conversión hacia arriba de la figura 5A, se introduce 72 habla a un vocoder 74 de 1.200 bps cuya salida es una corriente de bits codificada a 1.200 bps 76 que ese convierte por el "transcodificador ascendente" 78 en una corriente 80 de bits a 2.400 bps en una forma permitiendo que sea decodificada por un decodificador 82 MELP de 2.400 bps, que da como salida habla 84 sintetizada. Recíprocamente, en el transcodificador 90 de conversión descendente de la figura 3B, habla se introduce 92 a un codificador 94 1,2 kbps MELP de 2.400 bps, cuyas salidas a corriente 96 de bits conjunto de asiento 2.400 bps en un "Transcodificador descendente" 98, que convierte la corriente de datos paramétricos en una corriente 1000 de bits a 1200 bps que se puede descodificar por el decodificador 102 de 1.200 bps, que da como salida habla 104 sintetizada. En comunicación sonora completamente duplexada (con vías) tanto el transcodificador ascendente como el transcodificador descendente necesitan mejorar su interoperabilidad.

Un modo sencillo de implantar un transcodificador ascendente es decodificar la corriente de bits de 1.200 bps para obtener una representación digital en bruto de la señal recuperada de habla que se vuelve a recodificar con un codificador de 2.400 bps. Análogamente, un procedimiento sencillo para implantar un transcodificador descendente es decodificar la corriente de bits de 2.400 bps con un decodificador de .2400 bps para obtener una representación digital en bruto de la señal de habla recuperada que recodifica, entonces, con un codificador 1200 bps. Este enfoque para implantar transcodificadores ascendentes y descendentes, se corresponde con lo que se denomina codificación "tandem" y tiene las ventajas de que la calidad de voz está sustancialmente degradada y la complejidad del transcodificador es innecesariamente alta. La eficacia del transcodificador se mejora con el siguiente procedimiento para transcodificador que reduce la complejidad mientras evita mucha calidad de degradación asociada con la codificación en tandem.

5.2 Transcodificador descendente

En el transcodificador descendente, tras la sincronización y la corrección de error de canal, se realiza la decodificación, los bits que representa cada par se extraen separadamente a partir de la corriente de bits para cada una de tres cuadros consecutivos (que constituyen un supercuadro) y el juego de información de parámetro se guarda en un mediante de par. Cada juego de parámetros consta de unos valores de un parámetro dato para los tres cuadros consecutivos. Los mismos procedimientos utilizados para cuantificar los parámetros supercuadro se aplican aquí a cada juego de parámetro para registrarlos en la corriente de bits de baja velocidad. Por ejemplo, el tono y la insonorizado para cada uno de los 3 supercuadros en un supercuadro se aplica al tono al esquema de cuantificación U/V descrito en la sección 3.2. En este caso, el juego de parámetro consta de 3 valores de tono cada uno representado con 7 bits y 3 decisiones U/V dada autorizada una por 1 bit, dando un total de 24 bis.

Esto se extrae de la corriente de bits de 2.400 bps y la operación de registrado convierte éste en 12 bits para representar el paso y la sonorización para el supercuadro. De este modo, el transcodificador descendente no debe realizar las funciones de análisis MELP y únicamente realiza la cuantificación necesaria para el supercuadro. Observe que el bit de comprobación de paridad, el bit de sincronización, y los bits de corrección de error se deben regenerar como parte de la operación de transcodificación descendente.

5.3 Trans-codificación ascendente

En el caso de un transcodificador la corriente de bits de entrada de 1.2000 bps contiene parámetros cuantificados para cada supercuadro. Tras la sincronización y decodificación de corrección de errores, el trsanscodificador ascendente extrae los bits que representan cada par para el supercuadro que se representan en un mapa (registran) en un gran número de bits que especifica por separado los valores correspondientes de este parámetro para cada uno de los tres cuadros en el supercuadro actual. El procedimiento que realiza esta representación en un mapa, que es el parámetro dependiente, se describe en lo que sigue. Una vez que todos los parámetros de un cuadro del supercuadro se han determinado, se genera la secuencia de bits que representan tres cuadros de habla. A partir de a secuencia de datos, se genera
la corriente de bits, tras la inserción del bit de sincronización, bit de paridad y codificación de corrección de error.

Lo que sigue es una descripción del enfoque general para representar en mapa (decodificación) los bits de parámetro en bits de parámetro separado para cada uno de los tres cuadros. Las tablas de cuantificación y libros código usan el decodificador de 1200 bps para cada parámetro como se describió previamente. La operación de decodificación toma una palabra binaria que representa uno o más parámetros y da como información de salida un valor para cada parámetro, por ejemplo, un valor LSF particular o valor tono como se almacena en un libro código. Los valores de parámetro están recuantificados, es decir, aplicados como entrada a una nueva operación de cuantificación empleando las tablas de cuantificación del codificador MELP de 2.400 bps. Esta cuantificación lleva a una nueva palabra binaria que repre-
senta los valores de parámetro en una forma adecuada para decodificarse por el decodificador MELP de 2.400 bps.

Como un ejemplo para ilustrar el uso de recuantificación, a partir de la corriente de bits de 1.200 bps, los bits que contienen información de tono y de sonorización, para un supercuadro particular son extraídos de codificados en 3 decisiones U/V de sonorización y 3 valores de tono para los 3 cuadros en el supercuadro; las tres decisiones de sonorización son binarias y son utilizables directamente como los bits de sonorización para la corriente de bits de MELP de 2.400 bps (un bit para cada 3 cuadros). Los 3 valores de paso se recuantifican aplicando cada uno al cuantificador escalar de tono MELP obteniendo una palabra de 7 bits para cada valor de paso. Numerosas alternativas de implantación de recuantificación de tono que siguen el parámetro inventivo descrito se pueden diseñar por una persona experta en la técnica.

Una alteración específica se puede crear haciendo pasa recuantifcación de tono cuando únicamente un único cuadro del supercuadro está sonorizado, puesto que en este caso el valor de tono para el cuadro sonorizado ya está especificado en forma cuantificada consistente con el formato del vocoder MELP. Análogamente, para las magnitudes de Fourier, la recuantificación no es necesaria para el último cuadro de un supercuadro puesto que ya se ha cuantificado escalar en el formato MELP. Sin embargo, las magnitudes de Fourier intercaladas para los otros dos cuadros del supercuadro necesitan ser recuantificadas por el esquema de cuantificación MELP. Las fluctuaciones, o marca aperiódica, se obtiene sencillamente por consulta en la tabla usando las últimas dos columnas de la tabla 8.

6. Hardware terminal del vocoder digital

La figura 6 muestra un terminal de vocoder digital que contiene un codificador y decodificador que opera de acuerdo con los procedimientos y aparatos de codificación de voz de forma que invención. El micrófono MIC 112 es un transductor de habla de entrada que proporciona una señal 114 analógica de salida que se muestrea y digitaliza por un convertidor (A/D) 116 Analógico a Digital. El habla 118 muestreada y digitalizada resultante se procesa digitalmente y se comprime dentro de un chip 120 DSP/controlador, por las operaciones de codificación de voz realizado en el bloque 122 de Código, que se implanta en programa informático dentro el DSP/controlador, de acuerdo con la invención.

El procesador 120 de señal digital(DSP) está ejemplificado por el circuito integrado Texas Instruments TMC320
C5416, que contiene memoria de acceso aleatorio (RAM) que proporciona suficiente espacio de memoria intermedia para almacenar datos de habla y datos intermedios y parámetros; el circuito DSP también contiene memoria sólo de lectura (ROM) para contener las instrucciones de programa, como se describió previamente, para implantar operaciones
de vocoder. Un DSP es muy adecuado para realizar operaciones de vocoder descritas en esta invención. La corriente de bits resultante a partir de la operación 124 de codificación es una corriente de bits de baja velocidad, corriente de datos Tx. Los datos 124 Tx entran en una Unidad 126 de Interfaz de canal a ser transmitido sobre un canal 128.

En el lado de recepción, datos procedentes de un canal 128 se introducen en una Unidad Interfaz de canal 126 que da como salida una corriente 130 de bits Rx. Los datos 130 Rx se aplican a un juego de operaciones de decodificación de voz, dentro del bloque de decodificación: las operaciones se han descrito previamente. El habla 134 resultante muestreada y digitalizada, se aplica a un convertidor (A/D) 136 Digital a Analógico. Las salidas D/A 138 reconstruyeron habla 138 analógica. El habla 138 analógica reconstruida se aplica a un locutor 140, o a otro transductor de audio que reproduce el sonido reconstruido.

La figura 6 es una representación de una configuración de hardware sobre el cual los principios de la invención se pueden poner en práctica. Los principios de la invención se pueden poner en práctica de diversas formas de implantación vocoder que pueden soportar las funciones de procesado descritas en la presente memoria para los datos de habla de codificación y decodificación. Específicamente lo siguiente son algunos pocos de las muchas variaciones incluidas dentro del ámbito de la implantación de la invención:

(a) Usando unidades de interfaz de canal que contengan un módem de datos de banda ancha para usar cuando el recorrido de transmisión es una línea convencional de teléfono.

(b) Usando señales digitales encriptadas para transmitir y descritas para recibirse vía un dispositivo adecuado de encriptado para proporcionar transmisión segura. En este caso a la unidad de encriptado también puede estar contenida en la unidad e interfaz de canal.

(c) Usando una unidad de canal de interfaz que contiene un modulador de radio frecuencia y un demodulador para la transmisión de señal inalámbrica por ondas de radio para casos en los que el canal de transmisión es un enlace de radio inalámbrica.

(d) Usando una unidad de interfaz de canal que contiene equipo de multiplexado y demultiplexado para compartir canal de transmisión con múltiples canales de voz y/o de datos. En este caso se conectarían múltiples señales de Tx y Rx a la unidad de interfaz de canal.

(e) Emplear componentes discretos, o una mezcla de elementos discretos y elementos de procesado, para sustituir las operaciones de procesado de instrucciones del DSP/controlador. Ejemplos que se podrían emplear incluyen conjuntos ordenados de puertas programables (PGA). Es de destacar que la invención se puede reducir completamente en la práctica en hardware, sin la necesidad de un elemento de procesado.

El hardware para soportar los principios de la invención únicamente necesitan soportar las operaciones de datos descritas. Sin embargo, uso de un DSP/chips de procesador son la mayoría de los circuitos más comunes para implantar codificadores de habla o vocoders en el estado actual de la técnica.

Aunque la descripción de lo que antecede contiene muchas especificaciones, estas no se deberían construir como limitativas del ámbito de la invención sino que simplemente proporcionan ilustraciones de algunas de las realizaciones actualmente preferidas de esta invención. De este modo, el ámbito de esta invención debería estar determinado por las reivindicaciones anejadas y sus equivalentes legales.

TABLA 1 Asignación de bits tanto para los Esquemas de codificación de 1,2 kbps como 1,2 kbps

Parámetros	Bits para cuantificar los tres cuadros (540 muestras)
	2,4 kbps	2,4 kbps	1,2 kbps	1,2 kbps	1,2 kbps	1,2 kbps	1,2 kbps
	sonorizado	insonorizado	estado 1	estado 2	estado 3	estado 4	estado 5
Tono \textamp decisiones U/V globales	7*3	7*3	12	12	12	12	12
Paridad	0	0	1	1	1	1	1
LSF	25*3	25*3	42	42	39	42	27
Ganancia	8*3	8*3	10	10	10	10	10
Sonorización de banda pasante	4*3	0	6	4	4	2	0
Magnitudes de Fourier	8*3	0	8	8	8	8	0
Fluctuaciones	1*3	0	1	1	1	1	0
Sincronización	1*3	1*3	1	1	1	1	1
Protección de errores	0	13*3	0	2	5	4	30
Total	162	162	81	81	81	81	81
* Observación:
1,2 kbps estado 1: todos los cuadros están sonorizados.
1,2 kbps estado 2: uno de los dos primeros cuadros está insonorizado; el resto de cuadros están sonorizados.
1,2 kbps estado 3: los cuadros 1º y 2.º están sonorizados. El 3.er cuadro está insonorizado.
1,2 kbps estado 4: uno de lo que sigue tres cuadros está sonorizado, los otros dos cuadros están insonorizados.
1,2 kbps estado 5: Los tres cuadros están insonorizados.

\vskip1.000000\baselineskip

TABLA 2 Representación en mapas de los índices de sonorización de banda pasante

Palabra código	0000	1000	1100	1111
	0000	1000	1100	0111
	0001	1001		1011
	0010	1010		1101
	0011			1110
	0100			1111
	0101
	0110
Frecuencia de corte	500 Hz	1.000 Hz	2.000 Hz	4.000 Hz

TABLA 3 Esquemas de cuantificación de tono

101

\vskip1.000000\baselineskip

\vskip1.000000\baselineskip

\vskip1.000000\baselineskip

TABLA 4 Esquema de cuantificación de unión de paso y decisiones de sonorización

102

TABLA 5 Asignación de bits para cuantificación LSF según decisiones U/V

Patrón de U/V	LSF f_{1}	LSF f_{2}	LSF f_{3}	Interpolación	Residual de	Total
					l_{1} y l_{2}
UUU	9	9	9	0	0	27
VUU	8+6+5+5	9	9	0	0	42
UVU	9	8+6+5+5	9	0	0	42
UUV
UVV	0	0	8+6+5+5	4	8+6	42
VUV
VVV	0	0	9	4	8+6+5+5	39

\vskip1.000000\baselineskip

\vskip1.000000\baselineskip

TABLA 6 Asignación de bits para cuantificación sonorización de banda pasante

Patrón de decisiones U/V	VVV	VVU, VUV, UVV	VUU, UVU, UUV	UUU
Bits para información de	6	4	2	0
sonorización de banda
pasante

\vskip1.000000\baselineskip

\vskip1.000000\baselineskip

TABLA 7 Cuantificación del vector de magnitud de Fourier

Patrón de U/V para el supercuadro actual	Decisión U/V para el último cuadro del supercuadro previo
	U	V
UUU	N/A
VUU
UVU
UUV
UVV
VUV
VVU
VVV

TABLA 8 Cuantificación de marca aperiódica usando 1 bit

Patrón de U/V	Procedimiento de cuantificación	Patrones de cuantificación
		Nueva marca = 0	Nueva marca = 1
UUU	N/A	JJJ	JJJ
UUV	Si el cuadro sonorizado tiene marca aperiódica,	JJ-	JJJ
	configurar nueva marca
UVU		J-J	JJJ
VUU		-JJ	JJJ
UVV	Si el segundo cuadro sonorizado tiene marca	J- -	JJJ
	aperiódica, configurar nueva marca
VVU		- -J	JJJ
VUV	N/A	-J-	JJJ
VVV	Si >1 cuadro tiene marca aperiódica, configurar	- - -	JJJ
	nueva marca

\vskip1.000000\baselineskip

\vskip1.000000\baselineskip

TABLA 9 Esquemas de presentación de modo

Patrón U/V	Libro de código de 3-b de	Patrón de bit de	Patrón de bit de	Patrón de bit de LSF
	cuantificación para tono	sonorización 1 de	sonorización 2 de
	y decisiones U/V	banda pasante	banda pasante
UUU	000	00	00	0000
UUV		00	01	-
UVU		00	10	-
VUU		00	11	-
VVU	001	01	-	0101
VUV	010	10	-	-
UVV	100	11	-	-
VVV	011, 101, 110, 111	-	-	-

TABLA 10 Esquemas de decodificación de parámetro si se detecta un modo error

103

Claims (23)

1. Un aparato (10) de compresión de voz, que comprende:

una memoria (14) intermedia de supercuadro para recibir cuadros múltiples de datos (12) de voz;

un módulo de análisis de codificador basado en cuadros, para analizar características de datos de voz dentro de cuadros contenidos en el supercuadro para producir un juego asociado de parámetros de datos de voz; y

un codificador de supercuadro para recibir parámetros de datos de voz desde el módulo de análisis para un grupo de cuadros contenidos dentro del memoria intermedia (14) de supercuadro, para reducir mediante datos de análisis para el grupo de cuadros y para cuantificar y codificar los mencionados datos al interior y saliendo corriente de datos para la transmisión;

caracterizado porque

el mencionado codificador de supercuadro que comprende un suavizador (24) de tono en el cual cálculos de suavización de tono se basan en un clasificador de cuadro comienzo/desplazamiento.

2. Un aparato (10) de compresión de voz como se cita en la reivindicación 1, en el cual el módulo de análisis es capaz de recibir parámetros de datos de voz seleccionados de entre el grupo de codificadores de voz consistente en codificadores predictivos de línea, codificadores de predicción lineal de excitación mixta, codificadores armónicos, y codificadores de excitación multibanda.

3. Un aparato (10) de compresión de voz como se cita en la reivindicación 1, en el cual el mencionado codificador de supercuadro incluye al menos dos módulos de procesado paramétrico seleccionado de entre el grupo de módulos paramétricos de procesado que constan de suavizadores (24) de tono, suavizadores (30) de sonorización de banda pasante, cuantificadores (34) predictivos lineales, cuantificadores (36) de fluctuación y cuantificadores (38) de magnitud de Fourier.

4. Un aparato (12) de compresión de voz como se cita en una de las reivindicaciones 1 a 3, en el cual el mencionado codificador de supercuadro incluye cuantificador (28) de vector en el cual los valores de tono dentro de un supercuadro están cuantificados por vector con una medida de la distorsión del mencionado cuantificador (28) por vector siendo responsable de los errores de tono.

5. Un aparato (10) de compresión de voz como se cita en una cualquiera de las reivindicaciones 1 a 3, en el cual el mencionado codificador de supercuadro incluye cuantificador (28) de vector en el cual los valores de tono dentro de un supercuadro están cuantificados por vector con una medida de la distorsión del mencionado cuantificador (28) por vector siendo responsable de los errores diferenciales de tono, así como los errores de tono.

6. Un aparato (10) de compresión de voz como se cita en una cualquiera de las reivindicaciones 1 a 3, en el cual el mencionado codificador de supercuadro incluye cuantificador de parámetros de predicción lineal, en el cual la cuantificación se realiza con una interpolación, basada en libro código, de parámetros de predicción lineal que emplea coeficientes de interpolación diferente para cada parámetro de predicción lineal, y en el cual el mencionado cuantificador opera en modo de ciclo cerrado para minimizar el error total sobre un número de cuadros.

7. Un aparato (10) de compresión de voz como se cita en la reivindicación reivindicaciones 6, en el cual el mencionado cuantificador es capaz de realizar una cuantificación, LSF, de frecuencia espectral de línea, usando la mencionada interpolación basada en libro código.

8. Un aparato (10) de compresión de voz como se cita en la reivindicación reivindicaciones 7, en el cual el mencionado libro código se crea por medio de una base de datos de formación operada sobre un procedimiento de formación basado en centroide.

9. Un aparato (10) de compresión de voz como se cita en la reivindicación reivindicaciones 1, en el cual el mencionado suavizador (24) de tono se adapta, además, para calcular la trayectoria de tono usando una pluralidad de decisiones de sonorización.

10. Un aparato (10) de compresión de voz como se cita en la reivindicación 9, en el cual el mencionado suavizador de tono clasifica cuadros en cuadros comienzo y desplazamiento sobre al menos cuatro parámetros de característica de forma de onda seleccionados de entre el grupo de parámetros de característica de forma de onda consistente en energía, velocidad de cruce con el eje cero, pico de resonancia, coeficiente de correlación máxima de velocidad de entrada, coeficiente de correlación máximo de 500 Hz de habla filtrado de pasa baja, energía de habla filtrada de pasa baja y energía de habla filtrada de pasa alta.

11. Un aparato (10) de compresión de voz como se cita en una cualquiera de las reivindicaciones 1 a 10, en el cual el mencionado módulo de análisis de codificador basado en cuadro usa una Predicción Lineal de excitación mixta, MELP, algoritmo de análisis, y el mencionado codificador de supercuadro incluye un suavizador (30) de sonorización de banda pasante para representar en mapas decisiones de sonorización multibanda para cada cuadro en una frecuencia de corte sencilla para este cuadro, en el cual la mencionada frecuencia de corte tiene un valor de una lista predeterminada de valores permitidos.

12. Un aparato (10) de compresión de voz como se cita en la reivindicación 11, en el cual el mencionado suavizador (30) de sonorización de banda pasante realiza suavización modificando la frecuencia de corte de un cuadro como una función de las frecuencias de corte de cuadros de la vecindad y la energía media de cuadro.

13. Un aparato (10) de compresión de voz como se cita en la reivindicación 1, que comprende además, medios para comprimir bits de marca aperiodico para cada cuadro en un supercuadro en un único bit por supercuadro, que bit se crea basado en la distribución de cuadros sonorizados e insonorizados dentro del supercuadro.

14. Un aparato (10) de compresión de voz como se cita en la reivindicación 1, en el cual el mencionado codificador de supercuadro incluye una pluralidad de cuantificadores (28, 32, 34, 36, 38) para codificar los datos paramétricos en un juego de bits, en el cual al menos uno de los mencionados cuantificadores emplea cuantificación por vector para representar coeficientes de interpolación.

15. Un aparato (10) de compresión de voz como se cita en la reivindicación 1, en el cual un supercuadro se categoriza en uno de entre una pluralidad de estados de codificación basados en la combinación de cuadros sonorizados e insonorizados dentro del supercuadro, y en el cual cada uno de los mencionados estados de codificación está asociado con una asignación de bit diferente a usarse con el supercuadro.

16. Un aparato (10) de compresión de voz como se cita en la reivindicación 1, en el mencionado módulo de análisis de codificador basado en cuadros usa un algoritmo de análisis, MELP, de Predicción Lineal de Excitación Mixta, y el mencionado suavizador (24) de tono está adaptada para determinar el tono y decisiones de U/V para cada cuadro del supercuadro y extrae parámetro necesarios para la clasificación de cuadro en cuadros comienzo y desplazamiento, el mencionado codificador del supercuadro que comprende, además:

un suavizador (30) de sonorización de banda pasante para determinar intensidades de sonorización de banda pasante para los cuadros dentro del supercuadro y para determinar frecuencias de corte para cada cuadro, y

un cuantificador de parámetro y codificador para cuantificar y parámetros de sonorización de codificación recibidos a partir del módulo de análisis, el mencionado suavizador (24) de tono, y el mencionado suavizador (30) de sonorización de banda pasante en un juego de bits y codificar los mencionados bits en una corriente digital de bits saliente para transmisión.

17. Un aparato (10) de compresión de voz como se cita en una cualquiera de las reivindicaciones 1 a 16, que comprende, además:

un decodificador (54) de supercuadro para recibir y decodificar una corriente digital de bits codificada con datos de voz de supercuadro en parámetros cuantificados basados en cuadros; y

un sintetizador decodificador basado en cuadro para recibir los parámetros cuantificado para cada cuadro (62, 64, 66) y decodificar los parámetros cuantificados en una salida (68) de voz sintetizada, en su interior

el mencionado aparato (10) de compresión de voz, el mencionado decodificador (54) de supercuadro y el mencionado sintetizador decodificador basado en cuadro se comprimen en un aparato (110) vocoder.

18. Un aparato (50) decodificador de voz, que comprende:

un decodificador (54) de supercuadro para recibir y decodificar una corriente entrante digital de bits como una serie de supercuadros y de codificar cuantificación inversa los mencionados supercuadros en parámetros de voz de basados en cuadros; y

un decodificador basado en cuadro para recibir los mencionados parámetros cuantificados de voz de basados en cuadros y combinar los modos parámetros cuantificados de voz basados en cuadro en una señal sintetizada de salida de voz;

caracterizado porque

el mencionado decodificador basado en cuadro estando adaptado para decodificar la corriente paramétrica de datos codificada de voz a partir del decodificador (54) del mencionado supercuadro en una señal de voz de audio al realizar:

almacenamiento en memoria intermedia la corriente de datos de voz paramétrica recibido que tiene una pluralidad de periodos de tono y localizar el mencionado datos de cuadro en memoria intermedia en una memoria intermedia;

\newpage

construir un espectro estimado de excitación dentro de cada período de tono al romper el espectro de frecuencia en regiones basadas en frecuencia de corte, en el cual la mencionada construcción comprende:

calcular la magnitud de Fourier para cada región, en elemento cual las magnitudes de Fourier calculadas resultantes para al menos una de las mencionadas regiones es entonces escalado por un factor de ganancia calculada para esta región,

calcular la fase dentro de cada región, en el cual la fase resultante para al menos uno de las mencionadas regiones se han modificado por usar una fase ponderada aleatoria, y

convertir la mencionada magnitud de Fourier y el mencionado fase dentro de cada región hasta una representación de dominio de tiempos por el cálculo de una transformada de Fourier discreta inversa; y

generar una señal (68) de voz analógica a partir de la mencionada representación en el dominio de tiempos.

19. Un aparato (50) de decodificador de voz como se cita en una reivindicación 18, en el cual las mencionadas regiones a través de las cuales el espectro de frecuencia se rompe en comprender:

una región inferior en el cual las magnitudes de Fourier determinan directamente el espectro;

una región de transición en la cual magnitudes de Fourier están escaladas por un factor de ponderación de reducción que cae de la unidad hasta un valor positivo no cero que depende de la frecuencia de corte del cuadro de actual; y

una región superior en el cual magnitudes de Fourier se escalan por un factor de ponderación que depende de la frecuencia de corte del cuadro actual.

20. Un sistema (70) que comprende el aparato (10; 74) de compresión de voz como se cita en cualesquiera de las reivindicaciones 1 a 16, y un aparato (78) transcodificador ascendente, del aparato (78) transcodificador ascendente que se adaptan para recibir una corriente (76) de datos de voz codificada de supercuadro a partir del mencionado aparato (10; 74) de compresión de voz y para convertir la corriente (76) de datos de voz codificada del supercuadro, hasta una corriente (80) de datos de voz codificada basada en cuadro, comprendiendo el mencionado aparato (78) transcodificador ascendente:

una memoria intermedia supercuadro para recoger datos de supercuadro y extraer bits que representan parámetros de supercuadro;

un decodificador para cuantificación inversa los bits para cada juego de parámetros supercuadro en un juego de valores de parámetros cuantificado para cada cuadro del supercuadro; y

un codificador basado en cuadro para cuantificar los parámetros de voz para cada uno de los cuadros que subyacen, representando en un mapa los mencionados parámetros de voz cuantificado en datos basados en cuadro, y produciendo una corriente (80) de datos de voz basado en cuadro.

21. Un sistema (90) que comprende el aparato (50;102) decodificador de voz como se cita en las reivindicaciones 18 ó 19, y un aparato (98) transcodificador descendente, que está adaptado para recibir una corriente (96) de datos de voz codificada basada en cuadro y convertirla en una corriente (100) de datos de voz codificada basada en supercuadro y decodificable por el mencionado aparato (50; 102) decodificador de voz; comprendiendo el aparato (98) transcodificador descendente:

una memoria intermedia de supercuadro para coleccionar un número de cuadros de datos de voz paramétricos y extraer bits que representan parámetros de voz basados en cuadro;

un decodificador para cuantificación inversa los bits para cada cuadro de parámetros en los valores cuantificados de parámetros para cada cuadro; y

un codificador de supercuadro para recoger los mencionados parámetros cuantificados basados en f para el grupo de cuadros dentro del supercuadro, produciendo un grupo de datos paramétricos de voz y cuantificar y codificar los mencionados datos de parámetros de voz en una corriente (100) digital saliente de bits.

22. Un procedimiento de codificación de voz (vocoder) para codificar voz digitalizada en datos paramétricos de voz que comprende las etapas de:

cargar múltiples cuadros de voz digitalizada en una memoria intermedia supercuadro;

voz digitalizada de codificación dentro de cada cuadro de la memoria intermedia de supercuadro usando un algoritmo de análisis, MELP, de Predicción Lineal de excitación mixta mediante análisis paramétrico para producir datos paramétricos de voz basados en cuadro;

clasificar cuadro como cuadros comienzo y cuadros offete calculando paso y parámetros U/V dentro de cada cuadro del supercuadro y usando la mencionada clasificación para realizar suavizado de habla;

determinar una frecuencia de corte para caracterizada porque cuadro dentro del supercuadro calculando un par de intensidad de sonorización de banda pasante para los cuadros dentro de la memoria intermedia de supercuadro;

recoger un juego de parámetros de supercuadro a partir del análisis paramétrico, clasificación de cuadro y etapas de la determinación de la frecuencia de corte para el grupo de cuadros dentro del supercuadro;

cuantificación de los cuadros supercuadro en valores discretos representados por un juego reducido de bits de datos que forman datos de parámetro de supercuadro cuantificados; y

codificar datos de par de supercuadro cuantificados en una corriente de datos de datos de voz paramétrica basaos en supercuadro que contiene, sustancialmente, información de equivalente de os datos de voz paramétricos basados en cuadro, aun a una velocidad menor de bits por segundo de voz codificada.

23. Un procedimiento de codificación de voz (vocoder) para producir voz digitalizada a partir de datos de voz paramétrica basado en supercuadro, que comprende las etapas de:

recibir datos de voz paramétrica basada en supercuadro en una memoria intermedia supercuadro, decodificar y cuantificación a la inversa los datos de voz dentro de una memoria intermedia supercuadro para recrear un juego de valores de parámetro de voz basado en cuadro; y

decodificar los parámetros de voz basado en cuadro con un sintetizador de voz basado en cuadro que decodifica los parámetros de voz basados en cuadro para producir una salida de voz digitalizada;

caracterizado porque

dicha etapa de decodificar de parámetros de voz basados en cuadro, comprende:

escribir en la memoria intermedia la corriente de datos de voz paramétricos recibido teniendo una pluralidad de periodos de tono y cargar los mencionados datos de cuadro escritos en la mencionada memoria intermedia;

construir un espectro estimado de excitación dentro de cada período de tono dividiendo el espectro de frecuencias en regiones basada en frecuencia de corte, en el cual la mencionada construcción comprende:

calcular la magnitud de Fourier para cada región, en elemento cual las magnitudes de Fourier calculadas resultantes para al menos una de las mencionadas regiones es entonces escalado por un factor de ganancia calculada para esta región,

calcular la fase dentro de cada región, en el cual la fase resultante para al menos uno de las mencionadas regiones se han modificado por usar una fase ponderada aleatoria, y

convertir la mencionada magnitud de Fourier y el mencionado fase dentro de cada región hasta una representación de dominio de tiempos por el cálculo de una transformada de Fourier discreta inversa; y

generar una señal (68) de voz analógica a partir de la mencionada representación en el dominio de tiempos.