PL207103B1 - Sposób transmisji sygnałów dźwiękowych metodą priorytetowej transmisji pikselowej - Google Patents

Description

Opis wynalazku

Przedmiotem wynalazku jest sposób transmisji sygnałów dźwiękowych metodą priorytetowej transmisji pikselowej czyli metodą kompresji.

Znane są dotychczas różne sposoby skompresowanej transmisji sygnałów dźwiękowych, które stosuje się w zależności od potrzeb i zastosowań, np. takie jak:

- redukcja czę stotliwości próbkowania, np. 3 kHz zamiast 44 kHz,

- nieliniowa transmisja wartości próbkowania, np. przy transmisji ISDN,

- wykorzystywanie poprzednio zapamię tanych sekwencji dźwię kowych, np. MIDI lub synteza głosu,

- stosowanie modeli Markowa do korekty błędów transmisji.

Wspólną cechą znanych sposobów jest na ogół zadawalająca zrozumiałość mowy również przy niższych częstotliwościach próbkowania.

Uzyskuje się to w zasadzie dzięki uśrednianiu wartości. Niedogodnością tych znanych sposobów jest jednak to, że różne głosy pochodzące ze źródła mają podobne brzmienie w niskich tonacjach, tak, więc np. wahania głosu, które są rozpoznawalne podczas normalnej rozmowy, nie są transmitowane. Powoduje to wyraźne ograniczenie jakości w komunikacji.

Z niemieckich opisów patentowych DE 101 13 880.6 (PCT/DE02/00987) i DE 101 52 612.1 (PCT/DE02/00995) znany jest sposób kompresji i dekompresji danych obrazu i wideo przy wykorzystaniu priorytetowej transmisji pikselowej. W metodzie tej obrabia się np. dane obrazu lub wideo w postaci tablicy poszczególnych punktów obrazu (pikseli), przy czym każ dy piksel posiada pewną zmienną w czasie wartość piksela, zawierającą informację o kolorze i jaskrawości. W rozwiązaniu według znanych wynalazków wyznacza się dla każdego piksela lub grupy pikseli pewien priorytet i zapisuje każdy piksel odpowiednio do priorytetu w tablicy priorytetów. Tablica taka zawiera chwilowe wartości pikseli, posortowane według priorytetów. Piksele i wartości pikseli, wykorzystywane do obliczenia priorytetu, są transmitowane lub zapamiętywane. Piksel otrzymuje wysoki priorytet, jeżeli jego różnice do sąsiedniego piksela są bardzo duże. Chwilowo aktualne wartości pikseli do rekonstrukcji są przedstawiane na monitorze ekranowym. Piksele jeszcze nie transmitowane są obliczane w oparciu o piksele już przetransmitowane. Sposoby te moż na w zasadzie również zastosować do transmisji sygnałów dźwiękowych.

Celem wynalazku jest opracowanie takiego sposobu do transmisji sygnałów dźwiękowych, który będzie pracował możliwie bez strat, również przy niskich szerokościach pasma transmisji.

Zadanie to zrealizowano zgodnie z wynalazkiem przez opracowanie sposobu, który charakteryzuje się tym, że sygnał dźwiękowy rozkłada się na pewną ilość n części widma dźwięku. Rozłożony sygnał dźwiękowy zapamiętuje się w dwuwymiarowej tablicy o dużej ilości pól, przy czym częstotliwość i czas określają w tablicy położenie pola, w którym zapisuje się aktualną chwilowo wartość amplitudy. Z każdego kolejnego pola i z co najmniej dwóch sąsiadujących pól tablicy tworzy się grupy, dla których wyznacza się odpowiedni priorytet. Priorytet grupy jest tym wyższy, im większe są amplitudy wartości grup i/lub większe różnice amplitud wartości w jednej grupie i/lub im bliższa jest grupa do aktualnego czasu. Grupy transmituje się do odbiornika w kolejności ich priorytetów.

Sposób według wynalazku oparty jest na zasadach Shannona. Wynika z nich, że sygnały mogą być transmitowane bez strat przy podwójnej częstotliwości próbkowania. Oznacza to, że dźwięk może być rozłożony na poszczególne drgania sinusoidalne o różnej amplitudzie i częstotliwości. Zatem istnieje również możliwość odtworzenia sygnałów dźwiękowych bez strat poprzez transmisję poszczególnych części widma dźwięku, łącznie z amplitudami i fazami. Wykorzystuje się przy tym zwłaszcza fakt, że najczęściej występujące źródła dźwięku, np. instrumenty muzyczne i głos ludzki, składają się elementów rezonujących, których częstotliwość rezonansowa nie zmienia się w ogóle lub zmienia się bardzo powoli.

Sposób transmisji sygnałów dźwiękowych metodą priorytetowej transmisji pikselowej według wynalazku opisany jest przykładem.

W rozwiązaniu według wynalazku najpierw odbiera się dźwięk, przetwarza się go na sygnały elektryczne i rozkłada na części widma dźwięku. Może się to odbywać albo przy wykorzystaniu szybkiej transformaty Fouriera (FFT) albo za pomocą n pojedynczych filtrów częstotliwości. Jeżeli stosuje się n pojedynczych filtrów częstotliwości, to każdy filtr wydziela tylko jedną częstotliwość lub wąskie pasmo częstotliwości (podobnie jak włoski w ludzkim uchu). W ten sposób otrzymuje się dla każdej chwili częstotliwość i wartość amplitudy dla tej częstotliwości. Wartość n może przy tym, zależnie od

PL 207 103 B1 własności terminalu, przybierać różne wartości. Im większe jest n, tym lepiej może być reprodukowany sygnał dźwiękowy. Parametr n może wobec tego być wykorzystany do skalowania jakości transmisji dźwięków.

Wartości amplitudy zapamiętuje się czasowo w polach dwuwymiarowej tablicy, przy czym pierwszy wymiar tablicy określa czas, a drugi wymiar częstotliwość. Tym samym częstotliwość próbkowania jest jednoznacznie określona chwilową wartością amplitudy i fazą i może być zapamiętana w przyporządkowanym oknie tablicy jako liczba urojona. Sygnał mowy jest przedstawiany w tablicy wobec tego w trzech wymiarach (parametrach) dźwiękowych. Czasu, np. w milisekundach (ms), postrzeganego percepcyjnie jako czasu trwania i stanowiącego pierwszy wymiar tablicy. Częstotliwości w hercach (Hz) postrzeganej percepcyjnie jako wysokości dźwięku i stanowiącej drugi wymiar tablicy. Energii (lub intensywność) sygnału postrzeganej percepcyjnie jako głośności dźwięku lub intensywności, zapamiętywanej w odpowiednim polu tablicy jako wartości liczbowej.

W porównaniu ze znanymi rozwiązaniami, w tym rozwiązaniu częstotliwość dźwięku odpowiada np. wysokości obrazu, czas odpowiada np. szerokości obrazu i amplituda sygnału dźwiękowego (intensywność) odpowiada wartości koloru.

Podobnie jak w metodzie wyznaczania priorytetów dla grup pikseli przy kodowaniu obrazów, w rozwiązaniu według wynalazku tworzy się z sąsiadujących wartości grupy i wyznacza się dla nich priorytety. Każde traktowane indywidualnie pole tworzy, z co najmniej jednym, korzystniej jednak w kilkoma sąsiadującymi polami, grupę. Grupy składają się z wartości pozycyjnej, definiowanej przez czas i częstotliwość, z wartości amplitudy dla danej pozycji i wartości amplitud sąsiadujących wartości zgodnie z wcześniej ustaloną postacią. Wysoki priorytet otrzymują przy tym zwłaszcza takie grupy, które są bliskie aktualnego czasu i/lub ich wartości amplitud różnią się mocno w ramach grupy. Wartości grup pikseli są sortowane malejąco i w tej kolejności są zapamiętywane lub transmitowane.

Szerokość tablicy (oś czasu) posiada przeważnie tylko jeden ograniczony przedział (np. 5 sekund), tzn., że przetwarzane są zawsze tylko fragmenty sygnału o długości np. 5 sekund. Po tym czasie (np. 5 sekund) tablica jest wypełniana wartościami następnego fragmentu sygnału.

Odpowiednio do opisanych powyżej parametrów wyznaczania priorytetów (amplituda, pozycja bliska aktualnego czasu i różnice amplitud do sąsiadujących wartości) wartości poszczególnych grup są odbierane w odbiorniku.

W odbiorniku grupy są ponownie wpisywane do odpowiedniej tablicy. W znany sposób można ponownie odtworzyć w odbiorniku z przetransmitowanych grup trójwymiarowy obraz widmowy sygnału. Im więcej grup się odbiera, tym dokładniejsza jest rekonstrukcja. Jeszcze nie przetransmitowane wartości tablicy są obliczane metodą interpolacji z już przetransmitowanych. Na podstawie tak utworzonej tablicy, w odbiorniku następuje generowanie odpowiedniego sygnału akustycznego, który następnie jest przetwarzany w dźwięk. Do syntezy sygnału akustycznego można wykorzystać np. n generatorów częstotliwości, których sygnały są sumowane i tworzą sygnał wyjściowy. Dzięki takiej równoległej strukturze n generatorów uzyskuje się bardzo dobrą możliwość skalowania. Poza tym, dzięki równoległemu przetwarzaniu, istnieje możliwość drastycznego zredukowania częstotliwości próbkowania, co z kolei zmniejsza zużycie energii w przenośnych aparatach końcowych i zapewnia znacznie dłuższe czasy odtwarzania. Do przetwarzania równoległego mogą być wykorzystane np. proste układy FPGA lub ASIC.

Opisany sposób według wynalazku nie jest ograniczony tylko do sygnałów dźwiękowych. Sposób ten może być również efektywnie wykorzystywany zwłaszcza tam, gdzie stosuje się większą ilość czujników (czujników dźwięku, czujników światła, czujników dotykowych, itp.) do ciągłych pomiarów sygnałów, które następnie przedstawia się w postaci tablicy (n-tego rzędu).

Dzięki zastosowaniu wynalazku uzyskuje się następujące korzyści. Sposób transmisji sygnałów dźwiękowych według wynalazku, w odróżnieniu od dotychczas znanych systemów, charakteryzuje się dużą elastycznością w zastosowaniach, przy bardzo wysokim współczynniku kompresji. Dzięki zastosowaniu tablic zasilanych z różnych źródeł, otrzymuje się automatycznie synchronizację tych źródeł. Taką synchronizację, w stosowanych zazwyczaj sposobach, można zapewnić tylko za pomocą specjalnych protokółów lub zabiegów, zwłaszcza przy odległych transmisjach, np. przy połączeniach satelitarnych, gdzie dźwięk i obraz są transmitowane przez różne kanały. W takich przypadkach często zauważa się wadliwą synchronizację ruchu ust w stosunku do mowy. Takie zjawisko można usunąć przez zastosowanie sposobu według wynalazku.

Ponieważ taka sama zasada priorytetowej transmisji grup pikseli może być stosowana zarówno dla mowy, obrazu i transmisji wideo, to przy implementacjach można wykorzystać silny efekt synerge4

PL 207 103 B1 tyczny. Ponadto sposób ten umożliwia niezwykle prostą synchronizację pomiędzy mową i obrazem. Umożliwia on również swobodne skalowanie rozdzielczości obrazu i dźwięku.

Nowy sposób transmisji dźwięku zapewnia w przypadku mowy naturalne odtwarzanie, ponieważ typowe dla każdego człowieka części widma dźwięku (grupy) są transmitowane z najwyższym priorytetem i dzięki temu mowa jest odtwarzana bez strat.

Claims (7)

1. Zastrzeżenia patentowe

   1. Sposób transmisji sygnałów dźwiękowych metodą priorytetowej transmisji pikselowej pomiędzy nadajnikiem i co najmniej jednym odbiornikiem, znamienny tym, że sygnał dźwiękowy rozkłada się na pewną ilość n części widma dźwięku, że rozłożony sygnał dźwiękowy zapamiętuje się w dwuwymiarowej tablicy o dużej ilości pól, przy czym częstotliwość i czas określają położenie pola w tablicy, natomiast amplitudę zapisuje się w polu jako chwilową wartość, że tworzy się grupy z poszczególnych pól i co najmniej z dwóch sąsiadujących pól tablicy, że wyznacza się dla poszczególnych grup priorytet, przy czym priorytet grupy jest tym wyższy, im większe są amplitudy wartości grup i/lub większe różnice amplitud wartości w jednej grupie i/lub im bliższa jest grupa do aktualnego czasu, oraz że grupy transmituje się do odbiornika w kolejności ich priorytetów.
2. 2. Sposób według zastrz. 1, znamienny tym, że z całego sygnału dźwiękowego tworzy się plik dźwiękowy, który się przetwarza i transmituje w całości.
3. 3. Sposób według zastrz. 1, znamienny tym, że w danej chwili się przetwarza i transmituje tylko jeden fragment sygnału dźwiękowego.
4. 4. Sposób według zaostrz. 1 albo 2, albo 3, znamienny tym, że sygnał dźwiękowy jest rozkładany na części widma dźwięku za pomocą szybkiej transformaty Fouriera (FFT).
5. 5. Sposób według zastrz. 1 albo 2, albo 3, znamienny tym, że sygnał dźwiękowy jest rozkładany na części widma dźwięku za pomocą ilości n filtrów częstotliwości.
6. 6. Sposób według zastrz. 1 albo 2, albo 3, albo 4, albo 5, znamienny tym, że w odbiorniku przyporządkowuje się grupy transmitowane według ich priorytetu do odpowiedniej tablicy, przy czym wartości tablicy jeszcze nie transmitowane są obliczane metodą interpolacji z wartości już dysponowanych.
7. 7. Sposób według zastrz. 1 albo 2, albo 3, albo 4, albo 5, albo 6, znamienny tym, że w odbiorniku z istniejących i obliczonych wartości generowany jest sygnał elektryczny, który jest przetwarzany następnie na sygnał dźwiękowy.