PT1579426E - Processo para a transmissão de sinais áudio de acordo com o processo de transmissão de pixéis por ordem de prioridade dos mesmos - Google Patents

Description

PE1579426 1

DESCRIÇÃO

"PROCESSO PARA A TRANSMISSÃO DE SINAIS ÁUDIO DE ACORDO COM O PROCESSO DE TRANSMISSÃO DE PIXÉIS POR ORDEM DE PRIORIDADE DOS MESMOS" 0 invento diz respeito a um processo para a transmissão de sinais áudio de acordo com o processo de transmissão de pixéis por ordem de prioridade dos mesmos em conformidade com o conceito genérico da reivindicação 1. À data dispõe-se de uma multiplicidade de processos para a transmissão comprimida de sinais áudio. Estes processos são basicamente os seguintes: - redução da taxa de amostragem ("sampling rate" em inglês), por exemplo 3 kHz em vez de 44 kHz; - transmissão não linear dos valores obtidos na amostragem, por exemplo quando da transmissão de acordo com a tecnologia RDIS) (acrónimo de 'Rede Digital de Integração de Serviços') (em inglês ISDN, "Integrated Services Digital NetWork"); - utilização de sequências acústicas previamente armazenadas, por exemplo de acordo com as tecnologias MIDI (acrónimo da expressão inglesa "Musical Instrument Digital Interface", interface digital para instrumentos musicais) ou de simulação de voz; 2 ΡΕ1579426 - utilização de modelos de Markov para corrigir erros de transmissão.

Um outro processo conhecido de codificação de sinais áudio, o qual recorre a uma MDCT (acrónimo da expressão inglesa "Modified Discrete Cosine Transform", que é uma variante da transformada discreta de cosseno) é dado a aonhecer no documento de patente US-A-2002/007273. 0 que os processos conhecidos têm em comum é o permitirem alcançar uma inteligibilidade satisfatória da linguagem mesmo quando são baixas as velocidades de transmissão. Esta propriedade é alcançada essencialmente por via da constituição de valores médios. Contudo, vozes que soam de modo diferente na fonte dão origem a vozes que soam de modo semelhante no dreno, pelo que as flutuações de tom detectáveis numa conversa normal não são transmitidas. Verifica-se em consequência uma restrição notória da qualidade da comunicação.

Nos pedidos de patente alemã DE 101 13 880.6 (correspondente a PCT/DE02/00987) e DE 101 52 612.1 (correspondente a PCT/DE02/00995) encontram-se descritos processos para a compressão e a descompressão de dados de imagem ou de dados vídeo mediante a transmissão de pixéis por ordem de prioridade dos mesmos. Nestes processos são processados sinais de imagem ou sinais vídeo digitais, por exemplo, os quais consistem numa matriz de imagens elementares ou elementos de imagem ditos pixéis, exibindo 3 ΡΕ1579426 cada pixel um valor de pixel que varia no tempo e fornece informação sobre a cor ou luminosidade do pixel. De acordo com o invento, a cada pixel ou grupo de pixéis é atribuída uma prioridade, sendo os pixéis armazenados numa matriz de prioridades consoante a respectiva prioridade. Esta matriz contém em cada instante os valores dos pixéis ordenados de acordo com a respectiva prioridade. Estes pixéis e os valores de pixel utilizados no cálculo da prioridade são transmitidos ou armazenados consoante a sua prioridade. A um pixel é dada uma prioridade alta quando são muito grandes as diferenças de valor relativamente aos pixéis adjacentes. Para efeito da reconstrução são representados no monitor os valores de pixel actuais em cada caso. Os pixéis ainda não transmitidos são calculados a partir dos pixéis já transmitidos. Em princípio, estes processos também podem ser utilizados no que respeita a uma transmissão de sinais áudio.

Por conseguinte, subjazia ao invento a tarefa de indicar um processo para a transmissão de sinais áudio em que, mesmo para larguras de banda reduzidas, a transmissão se processasse o mais possível sem perdas.

De acordo com o invento, este objectivo foi alcançado por via das características constantes da reivindicação 1.

De acordo com o invento, o sinal áudio começa por ser decomposto num número n de componentes espectrais. 0 4 ΡΕ1579426 sinal áudio decomposto é armazenado numa matriz bidimen-sional composta por uma multiplicidade de campos, em que as dimensões em questão são a frequência e o tempo, sendo a amplitude o valor inscrito no campo. Em seguida, forma-se grupos, compostos cada um por um dos campos individuais da matriz e por pelo menos dois campos a ele adjacente, e atribui-se a cada um dos grupos uma prioridade, a qual será tanto maior quanto maiores forem as amplitudes do grupo e/ou quanto maiores forem as diferenças entre as amplitudes do grupo e/ou quanto mais próximo o grupo estiver do instante presente.

Finalmente, os grupos são transmitidos ao recep-tor por ordem das prioridades que lhes foram atribuídas. 0 novo processo tem por base essencialmente o princípio de Shannon. De acordo com o mesmo, os sinais podem ser transmitidos sem perdas se for duplicada a frequência de amostragem. Tal significa que o som é decomponível em oscilações sinusoidais individuais com amplitudes e frequências diferentes. Em consequência, os sinais acústicos podem ser univocamente reproduzidos mediante a transmissão dos componentes de frequência, inclusive no que respeita a amplitudes e fases. No processo é também feito uso do facto de as fontes de som mais frequentes, por exemplo instrumentos musicais ou voz humana, consistirem em corpos ressonantes cuja frequência de ressonância ou permanece inalterada ou se altera muito lentamente. 5 PE1579426

Em seguida será descrito um exemplo de execução do invento. Neste caso, será também feita referência à descrição e aos desenhos anexos dos pedidos de patente anteriores DE 101 13 880.6 e DE 101 52 612.1. O som começa por ser gravado, convertido em sinais eléctricos e decomposto nos seus componentes de frequência. Esta decomposição pode ser realizada quer mediante a transformada rápida de Fourier ou FFT (do inglês "Fast Fourier Transform"), quer recorrendo a n filtros individuais que sejam selectivos em termos de frequência. Caso sejam utilizados n filtros individuais, cada um destes filtros capta apenas uma única frequência ou uma banda muito estreita de frequências (à semelhança do que sucede com os cílios no interior do ouvido humano). Deste modo dispõe-se em cada instante da frequência e do valor da amplitude correspondente a esta frequência. O número n referido pode assumir valores distintos consoante as propriedades dos dispositivos terminais. Quanto maior for n, tanto melhor será a reprodução do sinal áudio. Por conseguinte, n constitui um parâmetro com recurso ao qual pode ser escalada a qualidade da transmissão dos sinais áudio.

Os valores da amplitude são inscritos nos campos de uma matriz bidimensional onde ficam temporariamente armazenados. A primeira dimensão desta matriz corresponde ao eixo do tempo, correspondendo a segunda dimensão à frequência. Deste modo, cada valor da amostragem com os 6 ΡΕ1579426 respectivos valor da amplitude e fase particular é univocamente determinado, podendo ser armazenado sob a forma de um número imaginário no campo corresponente da matriz. Consequentemente, o sinal de voz é representado na matriz em três dimensões acústicas (parâmetros): o tempo, em milisse-gundos (ms), por exemplo, que é discernido em termos da percepção auditiva enquanto duração e que constitui a primeira dimensão da matriz; a frequência em Hertz (Hz), auditivamente percepcionada enquanto altura, que constitui a segunda dimensão da matriz; e a energia ou intensidade do sinal, auditivamente percepcionada enquanto volume ou intensidade do som, que é inscrita no campo correspondente da matriz enquanto valor numérico.

Em comparação com os pedidos de patente DE 101 13 880.6 e DE 101 52 612.1, o que aqui é a frequência corresponde naqueles à altura da imagem, o que aqui é o tempo à largura da imagem e o que aqui é a amplitude do sinal áudio (intensidade) a um valor da cor, por exemplo. À semelhança do que sucede no processo de atribuição de uma prioridade a grupos de pixéis quando da codificação de uma imagem/video, são constituídos grupos a partir de valores adjacentes, aos quais é depois atribuída uma prioridade. Cada campo considerado em si mesmo forma um grupo em conjunto com pelo menos um, e de preferência com vários, dos campos adjacentes. Os grupos são compostos por um valor de posição, definido pelo tempo e pela frequência, pelo valor da amplitude correspondente a esse valor de 7 ΡΕ1579426 posição e pelos valores da amplitude correspondentes aos valores circundantes, o que é efectuado de uma forma pre-viamente definida (ver Figura 2 dos pedidos de patente DE 101 13 880.6 e DE 101 52 612.1). São em especial aqueles grupos que se situam próximo do instante actual e/ou cujos valores de amplitude, em comparação com os de outros grupos, são muito grandes e/ou em que os valores de amplitude diferem fortemente no seio do grupo os que vêem ser-lhe atribuída uma prioridade muito elevada. Os valores dos grupos de pixéis são ordenados de acordo com prioridades decrescentes e armazenados ou transmitidos por essa ordem. A largura da matriz (eixo do tempo) possui de preferência uma extensão limitada (por exemplo 5 segundos), ou seja, apenas são sempre processadas secções do sinal com, por exemplo, 5 segundos de largura. Decorrido este tempo (por exemplo 5 segundos), a matriz é preenchida com os valores da secção seguinte do sinal.

Os valores dos grupos individuais são recebidos no receptor de acordo com os parâmetros de atribuição de prioridade precedentemente descritos (amplitude, proximidade temporal da posição ao instante actual e diferenças de amplitude relativamente aos valores adjacentes).

No receptor, os grupos voltam a ser inscritos numa matriz correspondente. De acordo com os pedidos de patente DE 101 13 880.6 e DE 101 52 612.1, a representação ΡΕ1579426 espectral tridimensional volta em seguida a poder ser obtida a partir dos grupos transmitidos. A reconstrução é tanto mais precisa quanto maior for o número de grupos forem recebidos. Os valores da matriz ainda não transmitidos são calculados mediante interpolação a partir dos valores da matriz já transmitidos. A partir da matriz obtida deste modo é em seguida gerado no receptor um sinal áudio correspondente, o qual pode ser posteriormente convertido em som.

Na síntese do sinal áudio podem ser utilizados, por exemplo, n geradores de frequência cujos sinais são adicionados de modo a darem origem a um sinal de saída. Com esta estrutura de n geradores em paralelo fica assegurada a possibilidade de uma boa escalabilidade. Adicionalmente, a cadência pode ser drasticamente reduzida mediante um processamento em paralelo, permitindo aumentar o tempo de reprodução associado aos terminais móveis em virtude de ser menor o consumo de energia. Nesta utilização em paralelo podem ser usados circuitos integrados tais como as combinações de portas programáveis ;no campo' por (oposição a programados na fábrica), ditos FPGAs (onde FPGA é o acrónimo da expressão inglesa "Field-Programmable Gate Array"), ou os circuitos integrados concebidos para executar uma tarefa específica, ditos ASICs (onde ASIC é o acrónimo da expressão inglesa "Application-Specific Integrated Cir-cuits") dotados de estruturas simples. 0 processo descrito nao está limitado a sinais 9 ΡΕ1579426 áudio. Em particular, o processo pode ser eficazmente utilizado em todas as situações em que sejam utilizados múltiplos sensores (sensores de som, sensores de luz, sensores tácteis, etc.) que procedam à medição continua de sinais, os quais podem ser posteriormente representados numa matriz (de n-ésima ordem).

As vantagens do invento relativamente aos sistemas precedentes residem na sua aplicabilidade flexível em caso de taxas de compressão mais elevadas. A utilização de uma matriz que é alimentada por fontes diferenciadas permite que seja alcançada automaticamente uma sincronização das diferentes fontes. Recorrendo aos processos convencionais, só poderia ficar assegurada uma sincronização correspondente com recurso a protocolos ou medidas especiais. Em particular no caso de transmissões vídeo com tempos de propagação longos, por exemplo ligações via satélite, em que som e imagem são transmitidos através de canais diferentes, é frequentemente notória a falta de sincronização entre a voz e os movimentos dos lábios. 0 processo descrito permite eliminar este fenómeno.

Uma vez que um mesmo princípio fundamental da transmissão de pixéis por ordem de prioridade pode ser utilizado quer na transmissão de voz, quer na de imagem, quer ainda na transmissão vídeo, a existência de um forte efeito sinergético revela-se útil na passagem à prática. Adicionalmente, dispõe-se deste modo de uma forma simples de sincronizar voz e imagem. Além disso pode escalar-se dis- cricionaria quer a resolução de imagem quer a resolução áudio.

Examinando uma transmissão áudio individual realizada em conformidade com o novo processo, conclui-se que a reprodução da voz é mais natural, uma vez que são os componentes (grupos) de frequência considerados típicos para um ser humano a ser transmitidos com a máxima prioridade e por conseguinte sem perdas.

Lisboa, 30 de Março de 2010

Claims (7)

1. ΡΕ1579426 1 REIVINDICAÇÕES 1. Processo para a transmissão de sinais áudio entre um emissor e pelo menos um receptor de acordo com o processo de transmissão de pixéis por ordem de prioridade dos mesmos, caracterizado por incluir os seguintes passos: a) decomposição do sinal áudio num número n de componentes espectrais quanto à frequência e amplitude num dado instante; b) armazenamento do sinal áudio decomposto numa matriz bi-dimensional composta por uma multiplicidade de campos, em que as dimensões em questão são a frequência e o tempo e em que a amplitude é em cada caso o valor a inscrever no campo; c) constituição de grupos a partir de cada um dos campos individuais da matriz e de pelo menos dois dos campos adjacentes ao mesmo; d) atribuição de uma prioridade a cada um dos grupos, sendo a prioridade de um dado grupo tanto maior quanto maiores forem as amplitudes dos valores desse grupo e/ou quanto maiores forem as diferenças de amplitude entre os valores de um grupo e/ou quanto mais próximo esse grupo estiver do instante actual; e e) transmissão dos grupos ao receptor por ordem decrescente da respectiva prioridade.
2. 2. Processo de acordo com a reivindicação 1, caracterizado por o sinal áudio se encontrar presente na 2 ΡΕ1579426 sua totalidade enquanto ficheiro áudio, sendo processado e transmitido como um todo.
3. 3. Processo de acordo com a reivindicação 1, caracterizado por, em cada caso, somente ser processada e transmitida parte do sinal áudio.
4. 4. Processo de acordo com as reivindicações 1 a 3, caracterizado por o sinal áudio ser decomposto nas suas componentes espectrais mediante a transformada rápida de Fourier ou FFT.
5. 5. Processo de acordo com as reivindicações 1 a 3, caracterizado por o sinal áudio ser decomposto nas suas componentes espectrais com recurso a um número n de filtros selectivos no que respeita à frequência.
6. 6. Processo de acordo com as reivindicações 1 a 5, caracterizado por, no receptor, os grupos transmitidos por ordem das respectivas prioridades serem inscritos numa matriz correspondente, sendo os valores ainda não transmitidos calculados mediante interpolação a partir dos valores que já se encontram presentes na matriz. 3 ΡΕ1579426
7. 7. Processo de acordo com as reivindicações 1 a 6, caracterizado por a partir dos valores presentes no receptor e calculados ser gerado um sinal eléctrico que é convertido num sinal áudio. Lisboa, 30 de Março de 2010