WO1996021220A1 - Procede de codage de parole a analyse par synthese - Google Patents

Procede de codage de parole a analyse par synthese Download PDF

Info

Publication number
WO1996021220A1
WO1996021220A1 PCT/FR1996/000006 FR9600006W WO9621220A1 WO 1996021220 A1 WO1996021220 A1 WO 1996021220A1 FR 9600006 W FR9600006 W FR 9600006W WO 9621220 A1 WO9621220 A1 WO 9621220A1
Authority
WO
WIPO (PCT)
Prior art keywords
frame
filter
term
short
analysis
Prior art date
Application number
PCT/FR1996/000006
Other languages
English (en)
Inventor
William Navarro
Michel Mauc
Original Assignee
Matra Communication
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Matra Communication filed Critical Matra Communication
Priority to DE69602421T priority Critical patent/DE69602421T2/de
Priority to AU44903/96A priority patent/AU697892B2/en
Priority to BR9606887A priority patent/BR9606887A/pt
Priority to US08/860,746 priority patent/US5963898A/en
Priority to EP96901010A priority patent/EP0801790B1/fr
Publication of WO1996021220A1 publication Critical patent/WO1996021220A1/fr

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/083—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being an excitation gain
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/10—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a multipulse excitation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L2019/0001—Codebooks
    • G10L2019/0003—Backward prediction of gain
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L2019/0001—Codebooks
    • G10L2019/0011—Long term prediction filters, i.e. pitch estimation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L2019/0001—Codebooks
    • G10L2019/0012—Smoothing of parameters of the decoder interpolation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93—Discriminating between voiced and unvoiced parts of speech signals

Definitions

  • the present invention relates to speech coding using synthesis analysis.
  • a linear prediction of the speech signal is carried out in order to obtain the coefficients of a short-term synthesis filter modeling the transfer function of the vocal tract. These coefficients are transmitted to the decoder, as well as parameters characterizing an excitation to be applied to the short-term synthesis filter.
  • further research is carried out on the longer-term correlations of the speech signal in order to characterize a long-term synthesis filter accounting for the pitch of the speech.
  • the excitation indeed has a predictable component which can be represented by the past excitation, delayed by TP samples of the speech signal and affected by a gain g p .
  • the remaining unpredictable part of the excitation is called stochastic excitation.
  • coders called CELP Code Excited Linear Prediction
  • MPLPC Multi-Pulse Linear Prediction Coding
  • the stochastic excitation includes a certain number of pulses whose positions are sought by the coder.
  • CELP coders are preferred for low transmission rates, but they are more complex to implement than MPLPC coders.
  • a closed-loop analysis contributes frequently. drinking directly to minimize the perceptually weighted difference between the speech signal and the synthetic signal.
  • the disadvantage of this closed loop analysis is that it is demanding in terms of volume of calculations, because the selection of a delay involves the evaluation of a certain number of candidate delays and each evaluation of a delay requires cal ⁇ butts of convolution products between the delayed excitation and the impulse response of the perceptually weighted synthesis filter.
  • the above disadvantage also exists for the search for stochastic excitation, which is also a closed loop process in which convolution products intervene with this impulse response. The excitation varies more quickly than the spectral parameters characteristic of the short-term synthesis filter.
  • the excitation (predictable and stochastic) is typically determined once per 5 ms subframe, while the spectral parameters are once per 20 ms frame.
  • the complexity and frequency of the closed-loop search for excitation make it the most critical step in terms of the speed of the calculations required in a speech coder.
  • a main aim of the invention is to propose a speech coding method of reduced complexity as regards the closed-loop analysis or analyzes.
  • the invention thus proposes a coding method using analysis by synthesis of a speech signal digitized in successive frames subdivided into sub-frames comprising a determined number of samples, in which a linear prediction analysis is carried out for each frame.
  • a linear prediction analysis is carried out for each frame.
  • of the speech signal to determine the coefficients of a short-term synthesis filter, and an open-loop analysis to determine a degree of voicing of the frame, and at least one closed-loop analysis is carried out for each sub-frame for determine an excitation sequence which, subjected to the short-term synthesis filter, produces a synthetic signal representative of the speech signal.
  • Each closed loop analysis uses the impulse response of a filter composed of the wire- short-term synthesis and a perceptual weighting filter. During each closed-loop analysis, said impulse response is used by truncating it to a truncation length at most equal to the number of samples per subframe and dependent on the energy distribution of said response and the degree of voicing of the frame
  • the length of truncation will be all the greater as the frame is voiced. We can thus significantly reduce the complexity of closed-loop analyzes without losing quality of coding, thanks to an adaptation to the signal processing characteristics.
  • FIG. 1 is a block diagram of a radio station incorporating a speech encoder implementing the invention
  • FIG. 2 is a block diagram of a radio station capable of receiving a signal produced by that of Figure 1;
  • FIGS. 3 to 6 are flowcharts illustrating an open loop LTP analysis process applied in the speech coder of Figure 1;
  • FIG. 7 is a flowchart illustrating a process for determining the impulse response of the weighted synthesis filter applied in the speech coder of Figure 1;
  • FIGS. 8 to 11 are flow diagrams illustrating a process for finding the stochastic excitation applied in the speech coder of FIG. 1.
  • a speech coder implementing the invention is applicable in various types of speech transmission and / or storage systems using a digital compression technique.
  • the speech coder 16 is part of a mobile radio station. communication.
  • the speech signal S is a digital signal sampled at a frequency typically equal to 8 kHz.
  • the signal S comes from an analog-digital converter 18 receiving the amplified and filtered output signal from a microphone 20.
  • the converter 18 puts the speech signal S in the form of successive frames themselves subdivided into nst under - lst samples frames.
  • the speech signal S can also be subjected to conventional shaping treatments such as Hamming filtering.
  • the speech coder 16 delivers a binary sequence with a significantly lower bit rate than that of the speech signal S, and addresses this sequence to a channel coder 22 whose function is to introduce redundancy bits into the signal in order to allow detection and / or correction of any transmission errors.
  • the output signal from the channel encoder 22 is then modulated on a carrier frequency by the modulator 24, and the modulated signal is transmitted on the air interface.
  • the speech coder 16 is a synthesis analysis coder.
  • the coder 16 determines on the one hand parameters characterizing a short-term synthesis filter modeling the speaker's vocal tract, and on the other hand an excitation sequence which, applied to the short-term synthesis filter, provides a synthetic signal constituting an estimate of the speech signal S according to a perceptual weighting criterion.
  • the short-term synthesis filter has a transfer function of the form 1 / A (z), with:
  • the coefficients a ⁇ are determined by a module 26 for short-term linear prediction analysis of the speech signal S.
  • the a ⁇ are the linear prediction coefficients of the speech signal S.
  • the order q of the linear prediction is typically of the order of 10. Applicable methods by module 26 for short term linear prediction are well known in the field of speech coding.
  • the module 26 for example implements the algorithm of
  • the coefficients a ⁇ obtained are supplied to a module 28 which converts them into spectral line parameters
  • LSP The representation of the prediction coefficients a. ⁇
  • the LSP parameters can be obtained by the conversion module 28 by the classical method of Chebyshev polynomials (see P. Kabal and RP Ramachandran: "The computation of a spectral frequencies using Chebyshev polynomials", IEEE Trans. ASSP, Vol. 34, No. 6, 1986, pages 1419-1426). These are quantization values of the LSP parameters, obtained by a quantization module 30, which are transmitted to the decoder so that the latter finds the coeffi ⁇ cients a ⁇ of the short-term synthesis filter. The coeffi ⁇ cients a ⁇ can be found simply, since:
  • LST t (nst-1) LSP t for sub-frames 0, 1, 2, ..., nst-1 of frame t.
  • the coefficients a ⁇ of the filter 1 / A (z) are then determined, sub-frame by sub-frame from the interpolated LSP parameters.
  • the non-quantified LSP parameters are supplied by the module 28 to a module 32 for calculating the coefficients of a perceptual weighting filter 34.
  • the coefficients of the perceptual weighting filter are calculated by the module 32 for each subframe after interpolation of the LSP parameters received from the module 28.
  • the perceptual weighting filter 34 receives the speech signal S and delivers a perceptually weighted signal S which is analyzed by modules 36, 38, 40 to determine the excitation sequence.
  • the excitation sequence of the short-term filter consists of an excitation predictable by a long-term synthesis filter modeling the pitch of the speech, and a non-predictable stochastic excitation, or innovation sequence. .
  • Module 36 performs long-term prediction
  • the weighting filter 34 intervenes in upstream of the open loop analysis module, but it could be otherwise: the module 36 could operate directly on the speech signal S or even on the signal S rid of its short-term correlations by a transfer function filter A (z).
  • the modules 38 and 40 operate in closed loop, that is to say that they contribute directly to the minimization of the perceptually weighted error.
  • the long-term prediction delay is determined in two stages.
  • the open loop LTP analysis module 36 detects the voiced frames of the speech signal and determines, for each voiced frame, a degree of voicing MV and a search interval for the long-term prediction delay.
  • the search interval is defined by a central value represented by its quantization index ZP and by a width in the domain of the quantification indexes, depending on the degree of voicing MV.
  • the module 30 operates the quantification of the LSP parameters which have previously been determined for this frame.
  • This quantification is for example vectorial, that is to say that it consists in selecting, from one or more predetermined quantification tables, a set of quantized parameters LSP Q which has a minimum distance from the set of parameters LSP provided by module 28.
  • the quantification tables differ according to the degree of voicing MV provided to the quantification module 30 by the open loop analyzer 36.
  • a set of quantification tables for a degree of voicing MV is determined, during prior tests, so as to be statistically representative of frames having this degree MV. These sets are stored both in the coders and in the decoders implementing the invention.
  • the module 30 delivers the set of quantized parameters LSP Q as well as its index Q in the applicable quantification tables.
  • the speech coder 16 further comprises a module
  • This compound filter has the transfer function W (z) / A (z).
  • the TP delay index is ZP + DP.
  • closed-loop LTP analysis consists in determining, in the search interval for long-term prediction delays T, the delay TP which maximizes, for each sub-frame of a voiced frame, the normalized correlation :
  • x (i) denotes the weighted speech signal SW of the subframe from which the memory of the weighted synthesis filter has been subtracted (i.e. the response to a zero signal, due to its initial states, of the filter whose impulse response h has been calculated by module 42), and y ⁇ (i) denotes the convolution product:
  • u (jT) designating the predictable component of the delayed excitation sequence of T samples, estimated by the well-known technique of the adaptive codebook. For delays T less than the length of a subframe, the missing values of u (jT) can be extrapolated from the previous values. Fractional delays are taken into account by oversampling the signal u (jT) in the adaptive repertoire. An oversampling by a factor of m is obtained by means of polyphase interpolating filters.
  • the gain g p of long-term prediction could be determined by the module 38 for each sub-frame, by applying the known formula:
  • the gain g p is calculated by the stochastic analysis module 40.
  • the stochastic excitation determined for each subframe by the module 40 is of the multi-pulse type.
  • the positions and the gains calculated by the stochastic analysis module 40 are quantified by a module 44.
  • a bit scheduling module 46 receives the various parameters which will be useful to the decoder, and constitutes the binary sequence transmitted to the channel coder 22. These parameters are:
  • a module 48 is thus provided in the coder which receives the various parameters and which adds to some of them redundancy bits making it possible to detect and / or correct any transmission errors. For example, the degree of voicing MV coded on two bits being a critical parameter, it is desired that it reaches the decoder with as few errors as possible. For this reason, redundancy bits are added to this parameter by the module 48. One can for example add a parity bit to the two bits coding MV and repeat once the three bits thus obtained. This example of redundancy makes it possible to detect all the single or double errors and to correct all the simple errors and 75% of the double errors.
  • the allocation of the bit rate per 20 ms frame is for example that indicated in Table I.
  • the channel coder 22 is that used in the pan-European system of radiocommunication with mobiles (GSM).
  • GSM pan-European system of radiocommunication with mobiles
  • This channel coder described in detail in the GSM 05.03 Recommendation, was developed for a 13 kbit / s RPE-LTP speech coder which also produces 260 bits per 20 ms frame.
  • the sensitivity of each of the 260 bits was determined from listening tests.
  • the bits from the source encoder have been grouped into three categories. The first of these categories IA re ⁇ group 50 bits which are coded convolutionally on the basis of a generator polynomial giving a redundancy of one half with a constraint length equal to 5.
  • the second category (IB) has 132 bits which are protected at a rate of a half by the same polynomial as the previous category.
  • the third category (II) contains 78 unprotected bits. After application of the convolutional code, the bits (456 per frame) are subjected to interleaving.
  • the scheduling module 46 of the new source coder implementing the invention distributes the bits in the three categories according to the subjective importance of these bits.
  • a mobile radiocommunication station capable of receiving the speech signal processed by the source encoder 16 is shown diagrammatically in FIG. 2.
  • the radio signal received is first processed by a demodulator 50 then by a channel decoder 52 which performs the dual operations from those of the modulator 24 and of the channel coder 22.
  • the channel decoder 52 supplies the speech decoder 54 with a binary sequence which, in the absence of transmission errors or when any errors have been corrected by the decoder channel 52, corresponds to the binary sequence delivered by the scheduling module 46 at the coder 16.
  • the decoder 54 includes a module 56 which receives this binary sequence and which identifies the parameters relating to the different frames and sub-frames.
  • the module 56 also performs some checks on the parameters received. In particular, the module 56 examines the redundancy bits introduced by the module 48 of the coder, to detect and / or correct the errors affecting the parameters associated with these redundancy bits. For each speech frame to be synthesized, a module
  • a pulse generator 62 receives the positions p (n) of the np pulses of the stochastic excitation.
  • the generator 62 delivers pulses of unit amplitude which are each multiplied by 64 by the associated gain g (n).
  • the output of amplifier 64 is addressed to the long-term synthesis filter 66.
  • This filter 66 has an adaptive directory structure.
  • the output samples u of the filter 66 are stored in the adaptive directory 68 so as to be available for the subsequent subframes.
  • the delay TP relative to a subframe, calculated from the quantization indices ZP and DP, is supplied to the adaptive repertoire 68 to produce the signal u suitably delayed.
  • the amplifier 70 multiplies the signal thus delayed by the gain g p of long-term prediction.
  • the long-term filter 66 finally comprises an adder 72 which adds the outputs of amplifiers 64 and 70 to provide the excitation sequence u.
  • the excitation sequence is sent to the short-term synthesis filter 60, and the resulting signal can also, in known manner, be subjected to a post-filter 74 whose coefficients depend on the received synthesis parameters, to form the synthetic speech signal S '.
  • the output signal S 'of the decoder 54 is then converted into analog by the converter 76 before being amplified to control a loudspeaker 78.
  • the module 36 also determines, for each sub-frame st, the entire delay K st which maximizes the open-loop estimation P st (k) of the long-term prediction gain on the sub-frame st, excluding the delays k for which the autocorrelation C st (k) is negative or smaller than a small fraction ⁇ of the energy R0 st of the subframe.
  • X st (K st ) C st 2 (K st ) / G st (K st ) denotes the maximum determined in step 90 relative to the sub-frame st. As shown in Figure 6, the comparison
  • step 94 the degree of voicing MV of the current frame is taken equal to 0 in step 94, which in this case ends the operations performed by the module 36 on this frame. If on the contrary the threshold S0 is exceeded in step 92, the current frame is detected as voiced and the degree MV will be equal to 1, 2 or 3. The module 36 then calculates, for each sub-frame st, a list l st containing candidate delays to constitute the ZP center of the search interval for long-term prediction delays.
  • the module 36 determines the basic delay rbf in full resolution for further processing. This basic delay could be taken equal to the integer K st obtained in step 90. The fact of finding the basic delay in fractional resolution around K st however makes it possible to gain in precision.
  • Step 100 thus consists in seeking, around the integer delay K st obtained in step 90, the fractional delay which maximizes the expression C sf - G st .
  • This search can be carried out at the maximum resolution of the fractional delays (1/6 in the example described here) even if the entire delay K st - is not in the domain where this maximum resolution applies.
  • the autocorrelations C st (T) and the delayed energies G st (T) are obtained by interpolation from the values stored in l step 90 for the entire delays
  • the basic delay relating to a sub-frame could also be determined in fractional resolution from step 90 and taken into account in the first estimation of the overall prediction gain on the frame.
  • step 102 the address j in the list I st and the index m of the submultiple are initialized to 0 and 1, respectively.
  • a comparison 104 is made between the submultiple rbf / m and the minimum delay rmin. The submultiple rbf / m is to be examined if it is greater than rmin.
  • step 112 is executed before incrementing the index m in step 110.
  • the index i is stored at the address j in the list I st , the value m is given to the integer mO intended to be equal to the index of the most small submultiple retained, then the address j is incremented by one.
  • the examination of the sub-multiples of the basic delay is finished when the comparison 104 shows rbf / m ⁇ rmin.
  • We then examine the multiple delays of the smallest rbf / mO of the submultiples previously selected according to the process illustrated in FIG. 5. This examination begins with an initialization 114 of the index n of the multiple: n 2.
  • a comparison 116 is made between the multiple n.rbf / mO and the maximum delay rmax. If n.rbf / mO> rmax, test 118 is carried out to determine whether the index mO of the smallest sub-multiple is an integer multiple of n.
  • n.rbf / mO has already been examined when examining the submultiples of rbf, and we go directly to step 120 of incrementing the index n before carrying out again comparison 116 for the next multiple. If test 118 shows that mO is not an integer multiple of n, the multiple n.rbf / mO is to be examined.
  • step 122 we then take for the integer i the value of the index of the quantized delay r ⁇ closest to n.rbf / mO (step 122), then we compare, at 124, the estimated value of the prediction gain P st ( r j.) SE st selection threshold * s ⁇ p st * r i ⁇ SE s ⁇ e retarc * r i is not taken into ac ⁇ eration, and proceeds directly to step 120 incrémen - indexation n. If test 124 shows that P t (r i ) ⁇ SE st , the delay r j _ is retained and step 126 is executed before incrementing the index n in step 120. In step 126, the index i is stored at the address j in the list I st , then the address j is incremented by one.
  • the list I st _ contains j candidate delay index. If we wish to limit the maximum length of the list I st to jmax for the following steps, we can take the length j st of this list equal to min (j, jmax) (step 128) then, at step 130 , order the list I st in the order of gains C st - 2 (r S £ ⁇ ) / G st 2 (r ls ( . _ •. decreasing for 0 ⁇ j ⁇ j st so as to keep only the j_ t delays providing the greatest gain values.
  • the value of j ax is chosen according to the compromise sought between the efficiency of the search for LTP delays and the complexity of this search. Typical values of jmax range from 3 to 5.
  • phase 132 begins with a step 136 where the address j in the list I t is initialized to 0.
  • step 138 it is checked whether the index I t (j) has already been encountered by testing a preceding interval centered on I st , (j ') with st' ⁇ st and O ⁇ j ' ⁇ j st . , to avoid testing the same interval twice.
  • step 152 is executed before incrementing the address j in step 140.
  • the index ZP is taken equal to I st (j) and the indices ZP0 and ZP1 are respectively taken equal to the smallest and at the largest of the indexes i st . determined in step 148.
  • the index st is incremented by one unit (step 154) then compared, in step 156, to the number nst of sub-frames per frame. If st ⁇ nst, we return to step 98 to carry out the operations relating to the next sub-frame.
  • the index ZP designates the center of the search interval which will be provided to the module 38 of LTP analysis in closed loop, and ZPO and ZP1 are indexes whose deviation is representative the dispersion of the optimal delays by sub-frame in the interval centered on ZP.
  • Gp 20. log 1Q (RO / RO- Y ax).
  • Two other thresholds S1 and S2 are used. If Gp ⁇ Sl, the degree of voicing MV is taken equal to 1 for the current frame.
  • Gp> S2 the dispersion of the optimal delays for the different sub-frames of the current frame is examined. If ZPl-ZP ⁇ N3 / 2 and ZP-ZP0 ⁇ N3 / 2, an interval of length N3 centered on ZP is sufficient to take into account all the optimal delays and the degree of voicing is taken equal to 3 (if Gp> S2) . Otherwise, if ZPl-ZP_tN3 / 2 or ZP-ZPO> N3 / 2, the degree of voicing is taken equal to 2 (if Gp> S2).
  • the ZP + DP index of the TP delay finally determined can therefore in some cases be less than 0 or greater than 255. This allows the closed-loop LTP analysis to also relate to some delays. TP smaller than rmin or larger than rmax. This improves the subjective quality of the reproduction of so-called pathological voices and non-voice signals (DTMF voice frequencies or signaling frequencies used by the switched telephone network).
  • Another advantage is that a coding bit of the differential DP index is saved. Since the output rate is constant, this bit can be reallocated for coding other parameters.
  • the first optimizations carried out in step 90 relative to the different sub -frames are replaced by a single optimization covering the entire frame.
  • the autocorrelations C (k) and the delayed energies G (k) for the entire frame are also calculated: nst-1
  • the basic delays in fractional resolution are determined by the same process as in step 100, but only allowing the quantized delay values. Examination 101 of the submultiples and multiples is not carried out.
  • the nz previously determined basic delays are taken as candidate delays. This second variant makes it possible to dispense with the systematic examination of the submultiples and of the multiples which are generally taken into account by virtue of the subdivision of the domain of possible delays.
  • phase 132 is modified in that, at the optimization steps 148, the index i st is determined on the one hand. which maximizes st . (r) / G st . ( ⁇ j _) for I st (j) -m / 2 ⁇ i ⁇ I st (j) + Nl / 2 and 0 ⁇ i ⁇ N, and on the other hand, during the same maximization loop, l 'index k st , which maximizes this same quantity over a reduced interval I st (j) -N3 / 2 ⁇ i ⁇ I st / JJ + N3 / 2 and 0ii ⁇ N.
  • Step 152 is also modified: the ZPO and ZP1 indexes are no longer stored, but a quantity Ymax 'defined in the same way as Ymax but with reference to the reduced length interval: nst-1
  • Gp' 20.1og 10 [R0 / (RO-Ymax 1 )].
  • the subframes for which the prediction gain is negative or negligible can be identified by consulting the nst pointers. If necessary, the module 38 is deactivated for the corresponding subframes. This does not affect the quality of the LTP analysis since the prediction gain corresponding to these subframes will be almost zero anyway.
  • Another aspect of the invention relates to the module 42 for calculating the impulse response of the weighted synthesis filter.
  • the closed loop LTP analysis module 38 needs this impulse response h over the duration of a subframe to calculate the convolutions y ⁇ (i) according to formula (1).
  • the stochastic analysis module 40 also needs it to calculate convolutions as will be seen below.
  • the operations performed by the module 42 are for example in accordance with the flowchart of FIG. 7.
  • the truncated energies of the impulse response are also calculated:
  • the components h (i) of the impulse response and the truncated energies Eh (i) can be obtained by filtering a unitary pulse by means of a transfer function filter W (z) / A (z) of zero initial states , or by recurrence:
  • the coefficients a k are those involved in the perceptual weighting filter, i.e. the linear prediction coefficients interpolated but not quantified, while in expression (3), the coefficients a ⁇ are those applied to the synthesis filter, i.e. the quantized and interpolated linear prediction coefficients.
  • the module 42 determines the smallest length La such that the energy Eh (La-l) of the response i pul- truncated at La samples is at least equal to a proportion ⁇ of its total energy Eh (pst-l) estimated on pst samples.
  • ⁇ is 98%.
  • the number La is initialized to pst in step 162 and decremented by one as 166 as Eh (L ⁇ -2)> ⁇ .Eh (pst-1) (test 164).
  • L length The sought after is obtained when test 164 shows that Eh (La-2) ⁇ a.Eh (pst-l).
  • a correcting term ⁇ (MV) is added to the value of La which has been obtained (step 168).
  • This corrective term is preferably an increasing function of the degree of voicing.
  • the truncation length Lh of the impulse response is taken equal to La if La ⁇ nst and to nst otherwise.
  • a third aspect of the invention relates to the stochastic analysis module 40 used to model the unpredictable part of the excitation.
  • the stochastic excitation considered here is of the multi-pulse type.
  • the stochastic excitation relating to a subframe is represented by np pulses of positions p (n) and of amplitudes, or gains, g (n) (l ⁇ ninp).
  • the gain g p of long-term prediction can also be calculated during the same process.
  • the excitation sequence relating to a sub-frame comprises ne contributions associated respectively with ne gains.
  • the contributions are sample Ist vectors which, weighted by the associated and summed gains correspond to the excitation sequence of the short-term synthesis filter.
  • One of the contributions can be predictable, or several in the case of a long-term synthesis filter with several takes ("multi-tap pitch synthesis filter").
  • the other contributions are in the present case np vectors comprising only 0 except an amplitude pulse 1.
  • the vectors P (n) are simply constituted by the vector of the impulse response h shifted by p (n) samples. Truncating the impulse response as described above therefore makes it possible to significantly reduce the number of operations useful for calculating scalar products using these vectors F p (n) •
  • the vector F p ( o ) Y TP a for components F - 0) (i) (0 ⁇ i ⁇ lst) the convolutions y ⁇ p (i) that module 38 calculated according to formula (1) or (1 ') for the long-term prediction delay selected TP.
  • the contribution n ⁇ O is also of impulse type and the position p (0) is to be calculated.
  • an exhaustive search for the positions of pulse would require an excessive volume of computations.
  • the multi-pulse approach generally applies a sub-optimal procedure consisting of successively calculating the gains and / or the pulse positions for each contribution.
  • each contribution n (0in ⁇ nc) we first determine the position p (n) which maximizes the normalized correlation (F * .
  • the gains g, (i) are the selected gains and the minimized quadratic error E is equal to the energy of the target vector e nc _- j _.
  • the above method gives satisfactory results, but it requires the inversion of a matrix B_ at each iteration.
  • S. Singhal and BS Atal have proposed to simplify the problem of inversion of rp matrices
  • B n M n . M n - where M__ is a lower triangular matrix.
  • M__ is a lower triangular matrix.
  • This decomposition is possible because B n is a symmetric matrix with positive eigenvalues.
  • the advantage of this approach is that the inversion of a triangular matrix is relatively uncomplicated, -B; -, obtainable by
  • the stochastic analysis relating to a subframe of a voiced frame can therefore take place as indicated in FIGS. 8 to 11.
  • the contribution index n is initialized to 0 in step 180 and the vector Fp (0) is taken equal to the long-term contribution Yp p provided by the module 38. If n> 0, the iteration n begins with the determination 182 of the position p (n) of the pulse n which maximizes the quantity:
  • the maximization of (F p .e ⁇ ) 2 / (F p .F ⁇ ) is carried out on the set of possible positions p in the subframe.
  • the maximization is carried out in step 182 on the set of possible positions excluding the segments in which the positions p (1), ..., p (n have been found respectively) -1) pulses during previous iterations.
  • the module 40 proceeds to the calculation 184 of the line n of the matrices L, R and K involved in the decomposition of the matrix B, which makes it possible to complete the matrices L n , R n and K n defined above.
  • the decomposition of the matrix B makes it possible to write:
  • R (n, j) B (n, j) - ⁇ L (n, k). R (j, k) k ⁇ O
  • the column index j is first initialized at 0, in step 186.
  • the variable tmp is first initialized at the value of component B (n, j), that is:
  • step 188 the integer k is also initialized to
  • n -L,; / ') - ⁇ L (k', j , ).
  • step 204 the term Linv (j ') is initialized to -L (n, j') and the integer k 'to j' + l.
  • a comparison 206 is then carried out between the integers k ′ and n. If k ' ⁇ n, we subtract the term L (k', j '). Linv (k') to Linv (j '), then we increment the whole k' by one unit (step 208) before re-executing comparison 206.
  • the inversion 200 is followed by the calculation 214 of the reoptimized gains and of the target vector E for the following iteration.
  • the computation of the reoptimized gains is also very simplified by the decomposition retained for the matrix B.
  • One can indeed compute the vector g n (g n (0), ..., g n (n)) solution of g n .
  • B n b n according to:
  • g n ( ⁇ ) . ⁇ (n) and g n (i ' (i ') + L -1 (n, i') .g n (n) for O ⁇ i ' ⁇ n.
  • b (n) serves as the initialization value for the variable tmq.
  • the index i is also initialized to 0.
  • the comparison 218 is then carried out between the integers i and n. If i ⁇ n, we add the term b (i). Linv (i) to the variable tmq and we increment i by one unit (step 220) before returning to the comparison 218.
  • the segmental search for pulses significantly reduces the number of pulse positions to be evaluated during steps 182 of the search for stochastic excitation. It also allows efficient quantification of found positions.
  • ns> np also has the advantage that o can obtain good robustness to transmission errors with regard to the positions of the pulses, thanks to a separate quantization of the sequence numbers of the occupied segments and the relative positions of the pulses in each occupied segment.
  • np 5 pulses of positions 4, 12, 21, 34, 38
  • the relative positions quantified scalarly are 0,0,1,2,2
  • the binary word representing the occupied segments is 0101010011, or 339 in decimal translation.
  • the possible binary words are stored in a quantization table in which the read addresses are the received quantization indexes.
  • the order in this table can be optimized so that a transmission error affecting a bit of the index (the most frequent error case, especially when an interleaving is implemented in the channel coder 22) has, on average, minimal consequences according to a neighborhood criterion.
  • the neighborhood criterion is for example that a word of ns bits can only be replaced by "neighboring" words, distant from a Hamming distance at most equal to a threshold np-2 ⁇ , of so as to keep all the pulses except ⁇ of them at valid positions in the event of an error in transmission of the index relating to a single bit.
  • Other criteria could be used in substitution or in addition, for example that two words are considered to be neighbors if the replacement of one by the other does not modify the order of allocation of the gains associated with the pulses.
  • the order in the word quantification table can be determined from arithmetic considerations or, if this is insufficient, by simulating the error scenarios on a computer (exhaustively or by statistical sampling of the type Monte-Carlo according to the number of possible error cases).
  • simulating the error scenarios on a computer it is also possible to take advantage of the different protection categories offered by the channel 22 encoder, in particular if the neighborhood criterion cannot be satisfactorily checked for all possible errors affecting a bit of the index.
  • the scheduling module 46 can thus put in the category d minimum protection, or in the unprotected category, a certain number nx of the bits of the index which, if affected by a transmission error, give rise to an incorrect word but satisfying the neighborhood criterion with a probability judged satisfactory , and put the other bits of the index in a more protected category.
  • This procedure calls for a different ordering of the words in the quantification table.
  • This scheduling can also be optimized by means of simulations if it is desired to maximize the number nx of the bits of the index assigned to the least protected category.
  • quantification index occupancy word segments binary decimal binary natural natural decimal
  • One possibility is to start by constituting a list of words of ns bits by counting in Gray code from 0 to 2 ns -l, and to obtain the ordered quantification table by deleting from this list the words having no weight of Hamming of np.
  • the table thus obtained is such that two consecutive words have a Hamming distance of np-2. If the indexes in this table have a binary representation in code of Gray, any error on the least significant bit causes the index to vary by ⁇ 1 and therefore results in the replacement of the effective occupancy word by a neighboring word within the meaning of the threshold np-2 over the Hamming distance, and a error on the i-th least significant bit also varies the index by ⁇ 1 with a probability of approximately 2 1 "1.
  • nx By placing the nx least significant bits of the index in Gray code in a unprotected category, a possible transmission error affecting one of these bits leads to the replacement of the busy word by a neighboring word with a probability at least equal to (1 + 1/2 + ... + l / 2 nx_1 ) / This minimum probability decreases from 1 to (2 / nb) (ll / 2 nt) ) for nx increasing from 1 to nb.
  • the errors affecting the nb-nx most significant bits of the index will most often be corrected by to the protection applied to them by the channel encoder.
  • the value of nx is in this case chosen according to a compromise between robustness to errors (small values ) and a reduced size of the protected categories (large values).
  • the possible binary words to represent the occupation of the segments are arranged in ascending order in a search table.
  • An indexing table associates with each address the serial number, in the quantification table stored at the decoder, of the binary word having this address in the search table.
  • the content of the search table and of the indexing table is given in table III (in decimal values).
  • the quantification of the occupation word of the segments deduced from the np positions provided by the stochastic analysis module 40 is carried out in two stages by the quantization module 44.
  • a dichotomous search is first carried out in the search table to determine the address in this table of the word to be quantified.
  • the quantization index is then obtained at the address determined in the indexing table and then supplied to the bit scheduling module 46.
  • the module 44 also performs the quantification of the gains calculated by the module 40.
  • the quantization bits of Gs are placed in a category protected by the channel coder 22, as are the most significant bits of the quantization indexes of the relative gains.
  • the relative gain quantization bits are ordered so as to allow their assignment to the associated pulses belonging to the segments located by the busy word.
  • the segmental search according to the invention also makes it possible to effectively protect the relative positions of the pulses associated with the greatest gain values.
  • the decoder 54 To reconstruct the impulse contributions of the excitation, the decoder 54 first locates the segments by means of the occupation word received; he then attributes the associated winnings; then it assigns the positions relative to the impulses on the basis of the order of importance of the gains.
  • the 13 kbit / s speech coder requires around 15 million instructions per second (Mips) in fixed point. This will therefore typically be done by programming a commercial digital signal processor (DSP), as well as the decoder which requires only around 5 Mips.
  • DSP digital signal processor

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)

Abstract

On effectue, pour chaque trame de signal de parole, une analyse par prédiction linéaire du signal de parole pour déterminer les coefficients d'un filtre de synthèse à court terme, et une analyse en boucle ouverte pour déterminer un degré de voisement de la trame. On effectue pour chaque sous-trame au moins une analyse en boucle fermée pour déterminer une séquence d'excitation qui, soumise au filtre de synthèse à court terme, produit un signal synthétique représentatif du signal de parole. Chaque analyse en boucle fermée utilise la réponse impulsionnelle d'un filtre composé du filtre de synthèse à court terme et d'un filtre de pondération perceptuelle, en tronquant ladite réponse impulsionnelle à une longueur de troncature au plus égale au nombre d'échantillons par sous-trame et dépendant de la distribution énergétique de ladite réponse et du degré de voisement de la trame.

Description

PROCEDE DE CODAGE DE PAROLE A ANALYSE PAR SYNTHESE
La présente invention concerne le codage de la parole utilisant l'analyse par synthèse.
La demanderesse a notamment décrit de tels codeurs de parole cru'elle a développés dans ses demandes de brevet européen 0 195 487, 0 347 307 et 0 469 997.
Dans un codeur de parole à analyse par synthèse, on effectue une prédiction linéaire du signal de parole pour obtenir les coefficients d'un filtre de synthèse à court ter¬ me modélisant la fonction de transfert du conduit vocal. Ces coefficients sont transmis au décodeur, ainsi que des paramè¬ tres caractérisant une excitation à appliquer au filtre de synthèse à court terme. Dans la plupart des codeurs actuels, on recherche en outre les corrélations à plus long terme du signal de parole pour caractériser un filtre de synthèse à long terme rendant compte de la hauteur tonale de la parole. Lorsque le signal est voisé, l'excitation comporte en effet une composante prédictible pouvant être représentée par l'excitation passée, retardée de TP échantillons du signal de parole et affectée d'un gain gp. Le filtre de synthèse à long terme, également reconstitué au décodeur, a alors une fonction de transfert de la forme 1/B(z) avec B(z) =l-gp. z"τp. La partie restante, non prédictible, de l'excitation est appelée excitation stochastique. Dans les codeurs dits CELP ( "Code Excited Linear Prédiction" ) , 1 ' excitation stochastique est constituée par un vecteur recherché dans un dictionnaire prédéterminé. Dans les codeurs dits MPLPC ( "Multi-Pulse Linear Prédiction Coding"), l'excitation stochastique comporte un certain nombre d'impulsions dont les positions sont recherchées par le codeur. En général, les codeurs CELP sont préférés pour les bas débits de transmission, mais ils sont plus complexes à mettre en oeuvre que les codeurs MPLPC. Pour déterminer le retard de prédiction à long terme, on utilise fréquemment une analyse en boucle fermée contri- buant directement à minimiser l'écart pondéré perceptuelle¬ ment entre le signal de parole et le signal synthétique. L'inconvénient de cette analyse en boucle fermée est qu'elle est exigeante en volume de calculs, car la sélection d'un retard implique l'évaluation d'un certain nombre de retards candidats et chaque évaluation d'un retard nécessite des cal¬ culs de produits de convolution entre l'excitation retardée et la réponse impulsionnelle du filtre de synthèse pondéré perceptuellement. L'inconvénient ci-dessus existe aussi pour la recherche de l'excitation stochastique, qui est également un processus en boucle fermée où interviennent des produits de convolution avec cette réponse impulsionnelle. L'excita¬ tion varie plus rapidement que les paramètres spectraux caractéristiques du filtre de synthèse à court terme. L'exci- tation (prédictible et stochastique) est typiquement détermi¬ née une fois par sous-trame de 5ms, tandis que les paramètres spectraux le sont une fois par trame de 20 ms. La complexité et la fréquence de la recherche en boucle fermée de l'excita¬ tion en font l'étape la plus critique quant à la rapidité des calculs nécessaires dans un codeur de parole.
Un but principal de l'invention est de proposer un procédé de codage de parole de complexité réduite en ce qui concerne la ou les analyses en boucle fermée.
L'invention propose ainsi un procédé de codage à ana- lyse par synthèse d'un signal de parole numérisé en trames successives subdivisées en sous-trames comportant un nombre déterminé d'échantillons, dans lequel on effectue pour chaque trame une analyse par prédiction linéaire du signal de parole pour déterminer les coefficients d'un filtre de synthèse à court terme, et une analyse en boucle ouverte pour déterminer un degré de voisement de la trame, et on effectue pour chaque sous-trame au moins une analyse en boucle fermée pour déter¬ miner une séquence d'excitation qui, soumise au filtre de synthèse à court terme, produit un signal synthétique repré- sentatif du signal de parole. Chaque analyse en boucle fermée utilise la réponse impulsionnelle d'un filtre composé du fil- tre de synthèse à court terme et d'un filtre de pondération perceptuelle. Lors de chaque analyse en boucle fermée, on utilise ladite réponse impulsionnelle en la tronquant à une longueur de troncature au plus égale au nombre d'échantillons par sous-trame et dépendant de la distribution énergétique de ladite réponse et du degré de voisement de la trame.
En général, la longueur de troncature sera d'autant plus grande que la trame est voisée. On peut ainsi réduire sensiblement la complexité des analyses en boucle fermée sans perdre en qualité de codage, grâce à une adaptation aux caractéristiques de voisement du signal.
D'autres particularités et avantages de l'invention apparaîtront dans la description ci-après d'exemples de réalisation préférés, mais non limitatifs, en référence aux dessins annexés, dans lesquels :
- la figure 1 est un schéma synoptique d'une station de radiocommunication incorporant un codeur de parole mettant en oeuvre l'invention ;
- la figure 2 est un schéma synoptique d'une station de radiocommunication apte à recevoir un signal produit par celle de la figure 1 ;
- les figures 3 à 6 sont des organigrammes illustrant un processus d'analyse LTP en boucle ouverte appliqué dans le codeur de parole de la figure 1 ; - la figure 7 est un organigramme illustrant un processus de détermination de la réponse impulsionnelle du filtre de synthèse pondéré appliqué dans le codeur de parole de la figure 1 ;
- les figures 8 à 11 sont des organigrammes illus- trant un processus de recherche de l'excitation stochastique appliqué dans le codeur de parole de la figure 1.
Un codeur de parole mettant en oeuvre 1 ' invention est applicable dans divers types de systèmes de transmission et/ou de stockage de parole faisant appel à une technique de compression numérique. Dans l'exemple de la figure 1, le co¬ deur de parole 16 fait partie d'une station mobile de radio- communication. Le signal de parole S est un signal numérique échantillonné à une fréquence typiquement égale à 8kHz. Le signal S est issu d'un convertisseur analogique-numérique 18 recevant le signal de sortie amplifié et filtré d'un micro- phone 20. Le convertisseur 18 met le signal de parole S sous forme de trames successives elles-mêmes subdivisées en nst sous-trames de lst échantillons. Une trame de 20 s comporte typiquement nst=4 sous-trames de lst=40 échantillons de 16 bits à 8kHz. En amont du codeur 16, le signal de parole S peut également être soumis à des traitements classiques de mise en forme tels qu'un filtrage de Hamming. Le codeur de parole 16 délivre une séquence binaire de débit sensiblement plus faible que celui du signal de parole S, et adresse cette séquence à un codeur canal 22 dont la fonction est d'intro- duire des bits de redondance dans le signal afin de permettre une détection et/ou une correction d'éventuelles erreurs de transmission. Le signal de sortie du codeur canal 22 est en¬ suite modulé sur une fréquence porteuse par le modulateur 24, et le signal modulé est émis sur l'interface air. Le codeur de parole 16 est un codeur à analyse par synthèse. Le codeur 16 détermine d'une part des paramètres caractérisant un filtre de synthèse à court terme modélisant le conduit vocal du locuteur, et d'autre part une séquence d'excitation qui, appliquée au filtre de synthèse à court terme, fournit un signal synthétique constituant une estima¬ tion du signal de parole S selon un critère de pondération perceptuelle.
Figure imgf000006_0001
Le filtre de synthèse à court terme a une fonction de transfert de la forme 1/A(z) , avec :
Les coefficients a^ sont déterminés par un module 26 d'analyse par prédiction linéaire à court terme du signal de parole S. Les a^ sont les coefficients de prédiction linéaire du signal de parole S. L'ordre q de la prédiction linéaire est typiquement de l'ordre de 10. Les méthodes applicables par le module 26 pour la prédiction linéaire à court terme sont bien connues dans le domaine du codage de la parole.
Le module 26 met par exemple en oeuvre l'algorithme de
Durbin-Levinson (voir J. Makhoul : "Linear Prédiction : A tutorial revie " , Proc. IEEE, Vol.63, N°4, Avril 1975, p.
561-580) . Les coefficients a^ obtenus sont fournis à un module 28 qui les convertit en paramètres de raies spectrales
(LSP) . La représentation des coefficients de prédiction a.^ par des paramètres LSP est fréquemment utilisée dans des codeurs de parole à analyse par synthèse. Les paramètres LSP sont les q nombres cos(2πf^) rangés en ordre décroissant, les q fréquences de raies spectrales (LSF) normalisées fi(l≤i≤q) étant telles que les nombres complexes exp (2πjf • ) , avec i=l, 3 , ... ,q-1,q+1 et f_+1=0,5, soient les racines du polynôme Q(z) défini par Q(z) =A(z) +z~ q+1' .A(z-1) et que les nombres complexes exp(2π f^) , avec i=0, 2 , 4, ... , q et fQ=0, soient les racines du polynôme Q (z) défini par Q* (z)=A(z)-z~ (q+1) .A(z-1) .
Les paramètres LSP peuvent être obtenus par le module de conversion 28 par la méthode classique des polynômes de Chebyshev (voir P. Kabal et R.P. Ramachandran : "The computa- tion of une spectral frequencies using Chebyshev polyno- mials", IEEE Trans. ASSP, Vol.34, N° 6, 1986, pages 1419- 1426) . Ce sont des valeurs de quantification des paramètres LSP, obtenues par un module de quantification 30, qui sont transmises au décodeur pour que celui-ci retrouve les coeffi¬ cients a^ du filtre de synthèse à court terme. Les coeffi¬ cients a^ peuvent être retrouvés simplement, étant donné que:
0(z) ≈ d+z'1) II (l-2cos(2πfi)z"1+z-2) i=l,3, ... ,ç-l
Q* (z) ≈ (l-z'1) H (l-2cos(2πfi) Z_1+Z~2) i=2,4, .. , , q et A (Z) = [O(Z) +Q* (z) ]/2
Pour éviter des variations brusques dans la fonction de transfert du filtre de synthèse à court terme, les paramè¬ tres LSP font l'objet d'une interpolation avant qu'on en dé¬ duise les coefficients de prédiction a^. Cette interpolation est effectuée sur les premières sous-trames de chaque trame du signal. Par exemple, si LSPt et LSPj.^ désignent respec¬ tivement un paramètre LSP calculé pour la trame t et pour la trame précédente t-1, on prend : LSPt (0) =0, 5.LSPt_1+0, 5.LSPt, LSPt (l)=0,25.LSPt_1+0,75.LSPt et LSP,. (2)=...=LSTt (nst-1)=LSPt pour les sous-trames 0, 1, 2, ... , nst-1 de la trame t. Les coefficients a^ du filtre 1/A(z) sont alors déterminés, sous- trame par sous-trame à partir des paramètres LSP interpolés. Les paramètres LSP non quantifiés sont fournis par le module 28 à un module 32 de calcul des coefficients d'un filtre de pondération perceptuelle 34. Le filtre de pondé¬ ration perceptuelle 34 a de préférence une fonction de transfert de la forme W(z) =A(z/γ1) /A(z/γ2) où y^ et γ2 sont des coefficients tels que γ1>γ2 >0 (par exemple γ1=0,9 et γ2=0,6) . Les coefficients du filtre de pondération percep- tuelle sont calculés par le module 32 pour chaque sous-trame après interpolation des paramètres LSP reçus du module 28.
Le filtre de pondération perceptuelle 34 reçoit le signal de parole S et délivre un signal S pondéré percep¬ tuellement qui est analysé par des modules 36, 38, 40 pour déterminer la séquence d'excitation. La séquence d' excitation du filtre à court terme se compose d'une excitation prédictible par un filtre de synthèse à long terme modélisant la hauteur tonale (pitch) de la parole, et d'une excitation stochastique non prédictible, ou séquence d'innovation. Le module 36 effectue une prédiction à long terme
(LTP) en boucle ouverte, c'est-à-dire qu'il ne contribue pas directement à la minimisâtion de l'erreur pondérée. Dans le cas représenté, le filtre de pondération 34 intervient en amont du module d'analyse en boucle ouverte, mais il pourrait en être autrement : le module 36 pourrait opérer directement sur le signal de parole S ou encore sur le signal S débarrassé de ses corrélations à court terme par un filtre de fonction de transfert A(z) . En revanche, les modules 38 et 40 fonctionnent en boucle fermée, c'est-à-dire qu'ils contribuent directement à la minimisation de l'erreur pondérée perceptuellement.
Le filtre de synthèse à long terme a une fonction de transfert de la forme 1/B(z) avec B(z) =l-gp. z~τp où gp désigne un gain de prédiction à long terme et TP désigne un retard de prédiction à long terme. Le retard de prédiction à long terme peut typiquement prendre N=256 valeurs comprises entre rmin et r ax échantillons. Une résolution fractionnaire est prévue pour les plus petites valeurs de retard de façon à éviter les écarts trop perceptibles en termes de fréquence de voisement. On utilise par exemple une résolution 1/6 entre rmin=21 et 33+5/6, une résolution 1/3 entre 34 et 47+2/3, une résolution 1/2 entre 48 et 88+1/2, et une résolution entière entre 89 et rmax=142. Chaque retard possible est ainsi quantifié par un index entier compris entre 0 et N-l=255.
Le retard de prédiction à long terme est déterminé en deux étapes. Dans la première étape, le module 36 d'ana¬ lyse LTP en boucle ouverte détecte les trames voisées du signal de parole et détermine, pour chaque trame voisée, un degré de voisement MV et un intervalle de recherche du retard de prédiction à long terme. Le degré de voisement MV d'une trame voisée peut prendre trois valeurs : 1 pour les trames faiblement voisées, 2 pour les trames modérément voisées, et 3 pour les trames très voisées. Dans les notations utilisées ci-après, on prend un degré de voisement MV=0 pour les trames non voisées. L'intervalle de recherche est défini par une valeur centrale représentée par son index de quantification ZP et par une largeur dans le domaine des index de quantifi- cation, dépendant du degré de voisement MV. Pour les trames faiblement ou modérément voisées (MV=1 ou 2 ) la largeur de l'intervalle de recherche est de NI index, c'est-à-dire que l'index du retard de prédiction à long terme sera recherché entre ZP-16 et ZP+15 si Nl=32. Pour les trames très voisées (MV=3) , la largeur de l'intervalle de recherche est de N3 index, c'est-à-dire que l'index du retard de prédiction à long terme sera recherché entre ZP-8 et ZP+7 si N3=16.
Une fois que le degré de voisement MV d'une trame a été déterminé par le module 36, le module 30 opère la quanti¬ fication des paramètres LSP qui ont auparavant été déterminés pour cette trame. Cette quantification est par exemple vecto¬ rielle, c'est-à-dire qu'elle consiste à sélectionner, dans une ou plusieurs tables de quantification prédéterminées, un jeu de paramètres quantifiés LSPQ qui présente une distance minimale avec le jeu de paramètres LSP fourni par le module 28. De façon connue, les tables de quantification diffèrent suivant le degré de voisement MV fourni au module de quan¬ tification 30 par l'analyseur en boucle ouverte 36. Un ensem¬ ble de tables de quantification pour un degré de voisement MV est déterminé, lors d'essais préalables, de façon à être statistiquement représentatif de trames ayant ce degré MV. Ces ensembles sont stockés à la fois dans les codeurs et dans les décodeurs mettant en oeuvre l'invention. Le module 30 délivre le jeu de paramètres quantifiés LSPQ ainsi que son index Q dans les tables des quantification applicables. Le codeur de parole 16 comprend en outre un module
42 de calcul de la réponse impulsionnelle du filtre composé du filtre de synthèse à court terme et du filtre de pondéra¬ tion perceptuelle. Ce filtre composé a pour fonction de transfert W(z)/A(z) . Pour le calcul de sa réponse impulsion- nelle h= (h(0) ,h(1) , ... ,h(lst-1) ) sur la durée d'une sous- trame, le module 42 prend pour le filtre de pondération perceptuelle W(z) celui correspondant aux paramètres LSP interpolés mais non quantifiés, c'est-à-dire celui dont les coefficients ont été calculés par le module 32, et pour le filtre de synthèse 1/A(z) celui correspondant aux paramètres LSP quantifiés et interpolés, c'est-à-dire celui qui sera effectivement reconstitué par le décodeur.
Dans la deuxième étape de la détermination du retard
TP de prédiction à long terme, le module 38 d'analyse LTP en boucle fermée détermine le retard TP pour chaque sous-trame des trames voisées (MV≈l, 2 ou 3). Ce retard TP est caractérisé par une valeur différentielle DP dans le domaine des index de quantification, codée sur 5 bits si MV=1 ou 2
(Nl=32), et sur 4 bits si MV=3 (N3=16). L'index du retard TP vaut ZP+DP. De façon connue, l'analyse LTP en boucle fermée consiste à déterminer, dans l'intervalle de recherche des retards T de prédiction à long terme, le retard TP qui maximise, pour chaque sous-trame d'une trame voisée, la corrélation normalisée :
Figure imgf000011_0001
où x(i) désigne le signal de parole pondéré SW de la sous- trame auquel on a soustrait la mémoire du filtre de synthèse pondéré (c'est-à-dire la réponse à un signal nul, due à ses états initiaux, du filtre dont la réponse impulsionnelle h a été calculée par le module 42) , et yτ(i) désigne le produit de convolution :
Figure imgf000011_0002
u(j-T) désignant la composante prédictible de la séquence d'excitation retardée de T échantillons, estimée par la tech- nique bien connue du répertoire adaptatif ("adaptive codebook") . Pour les retards T inférieurs à la longueur d'une sous-trame, les valeurs manquantes de u(j-T) peuvent être extrapolées à partir des valeurs antérieures. Les retards fractionnaires sont pris en compte en suréchantillonnant le signal u(j-T) dans le répertoire adaptatif. Un suréchantillonnage d'un facteur m est obtenu au moyen de filtres polyphasés interpolateurs .
Le gain gp de prédiction à long terme pourrait être déterminé par le module 38 pour chaque sous-trame, en appliquant la formule connue :
Figure imgf000012_0001
Toutefois, dans une version préférée de l'invention, le gain gp est calculé par le module d'analyse stochastique 40.
L'excitation stochastique déterminée pour chaque sous-trame par le module 40 est de type multi-impulsionnelle. Une séquence d'innovation de lst échantillons comprend np impulsions de positions p(n) et d'amplitude g(n) . Autrement dit, les impulsions ont une amplitude de 1 et sont associées à des gains respectifs g(n) . Etant donné que le retard LTP n'est pas déterminé pour les sous-trames des trames non voisées, on peut prendre un nombre d'impulsions supérieur pour l'excitation stochastique relative à ces sous-trames, par exemple np=5 si MV=1, 2 ou 3 et np=6 si MV=0. Les positions et les gains calculés par le module 40 d'analyse stochastique sont quantifiés par un module 44. Un module d'ordonnancement des bits 46 reçoit les différents paramètres qui seront utiles au décodeur, et constitue la séquence binaire transmise au codeur canal 22. Ces paramètres sont :
- l'index Q des paramètres LSP quantifiés pour chaque trame ;
- le degré MV de voisement de chaque trame ;
- l'index ZP du centre de l'intervalle de recherche des retards LTP pour chaque trame voisée ;
- l'index différentiel DP du retard LTP pour chaque sous-trame d'une trame voisée, et le gain associé gp ,*
- les positions p(n) et les gains g(n) des impulsions de l'excitation stochastique pour chaque sous-trame.
Certains de ces paramètres peuvent avoir une impor¬ tance particulière dans la qualité de restitution de la parole ou une sensibilité particulière aux erreurs de transmission. On prévoit ainsi dans le codeur un module 48 qui reçoit les différents paramètres et qui ajoute à certains d'entre eux des bits de redondance permettant de détecter et/ou de corriger d'éventuelles erreurs de transmission. Par exemple, le degré de voisement MV codé sur deux bits étant un paramètre critique, on souhaite qu'il parvienne au décodeur avec aussi peu d'erreurs que possible. Pour cette raison, des bits de redondance sont ajoutés à ce paramètre par le module 48. On peut par exemple ajouter un bit de parité aux deux bits codant MV et répéter une fois les trois bits ainsi obtenus. Cet exemple de redondance permet de détecter toutes les erreurs simples ou doubles et de corriger toutes les erreurs simples et 75% des erreurs doubles.
L'allocation du débit binaire par trame de 20 ms est par exemple celle indiquée dans le tableau I. Dans l'exemple considéré ici, le codeur canal 22 est celui utilisé dans le système paneuropéen de radiocommuni¬ cation avec les mobiles (GSM) . Ce codeur canal, décrit en détail dans la Recommanda ion GSM 05.03, a été mis au point pour un codeur de parole à 13 kbit/s de type RPE-LTP qui pro- duit également 260 bits par trame de 20 ms. La sensibilité de chacun des 260 bits a été déterminée à partir de tests d'écoute. Les bits issus du codeur source ont été regroupés en trois catégories. La première de ces catégories IA re¬ groupe 50 bits qui sont codés convolutionnellement sur la base d'un polynôme générateur donnant une redondance d'un demi avec une longueur de contrainte égale à 5. Trois bits de parité sont calculés et ajoutés aux 50 bits de la caté¬ gorie IA avant le codage convolutionnel. La seconde catégorie (IB) compte 132 bits qui sont protégés à un taux d'un demi par le même polynôme que la catégorie précédente. La troisième catégorie (II) contient 78 bits non protégés. Après application du code convolutionnel, les bits (456 par trame) sont soumis à un entrelacement. Le module d'ordonnancement 46 du nouveau codeur source mettant en oeuvre l'invention distribue les bits dans les trois catégories en fonction de l'importance subjective de ces bits.
paramètres MV=0 MV=1 ou 2 MV=3 quantifiés
LSP 34 34 34
MV + redondance 6 6 6
ZP - 8 8
DP - 20 16 gTP - 20 24 positions 80 72 72 impulsions gains 140 100 100 impulsions
Total 260 260 260
TABLEAU I
Une station mobile de radiocommunication apte à rece¬ voir le signal de parole traité par le codeur source 16 est représentée schématiquement sur la figure 2. Le signal radio reçu est d'abord traité par un démodulateur 50 puis par un décodeur canal 52 qui effectuent les opérations duales de celles du modulateur 24 et du codeur canal 22. Le décodeur canal 52 fournit au décodeur de parole 54 une séquence bi¬ naire qui, en l'absence d'erreurs de transmission ou lorsque les éventuelles erreurs ont été corrigées par le décodeur canal 52, correspond à la séquence binaire qu'a délivrée le module d'ordonnancement 46 au niveau du codeur 16. Le déco¬ deur 54 comprend un module 56 qui reçoit cette séquence bi¬ naire et qui identifie les paramètres relatifs aux différen¬ tes trames et sous-trames. Le module 56 effectue en outre quelques contrôles sur les paramètres reçus. En particulier, le module 56 examine les bits de redondance introduits par le module 48 du codeur, pour détecter et/ou corriger les erreurs affectant les paramètres associés à ces bits de redondance. Pour chaque trame de parole à synthétiser, un module
58 du décodeur reçoit le degré de voisement MV et l'index de Q de quantification des paramètres LSP. Le module 58 retrouve les paramètres LSP quantifiés dans les tables correspondant à la valeur de MV, et, après interpolation, les convertit en coefficients a^ pour le filtre de synthèse à court terme 60. Pour chaque sous-trame de parole à synthétiser, un générateur d'impulsions 62 reçoit les positions p(n) des np impulsions de l'excitation stochastique. Le générateur 62 délivre des impulsions d'amplitude unitaire qui sont chacune multipliées en 64 par le gain associé g(n) . La sortie de l'amplificateur 64 est adressée au filtre de synthèse à long terme 66. Ce filtre 66 a une structure à répertoire adaptatif. Les échantillons u de sortie du filtre 66 sont mémorisés dans le répertoire adaptatif 68 de façon à être disponibles pour les sous-trames ultérieures. Le retard TP relatif à une sous- trame, calculé à partir des index de quantification ZP et DP, est fourni au répertoire adaptatif 68 pour produire le signal u convenablement retardé. L'amplificateur 70 multiplie le signal ainsi retardé par le gain gp de prédiction à long terme. Le filtre à long terme 66 comprend enfin un additionneur 72 qui ajoute les sorties des amplificateurs 64 et 70 pour fournir la séquence d'excitation u. Lorsque l'ana¬ lyse LTP n'a pas été effectuée au codeur, par exemple si MV=0, un gain de prédiction gp nul est imposé à l'amplifi- cateur 70 pour les sous-trames correspondantes. La séquence d'excitation est adressée au filtre de synthèse à court terme 60, et le signal résultant peut encore, de façon connue, être soumis à un post-filtre 74 dont les coefficients dépendent des paramètres de synthèse reçus, pour former le signal de parole synthétique S' . Le signal de sortie S' du décodeur 54 est ensuite converti en analogique par le convertisseur 76 avant d'être amplifié pour commander un haut-parleur 78.
On va maintenant décrire, en référence au figures 3 à 6, le processus d'analyse LTP en boucle ouverte mis en oeuvre par le module 36 du codeur suivant un premier aspect de l'invention.
Dans une première étape 90, le module 36 calcule et mémorise, pour chaque sous-trame st=0,l, ... ,nst-1 de la trame courante, les autocorrélations Cst (k) et les énergies retar¬ dées Gst(k) du signal de parole pondéré SW pour les retards entiers k compris entre rmin et r ax :
Figure imgf000016_0001
(st+1) .ist-1
Gst {k) ≈ ∑ [SW(i-k) f i≈st. lst
Les énergies par sous-trame 0st sont également calculées : (st+1) .Ist-1
ROat≈ ∑ [Wi)]2 i≈st. lst
A l'étape 90, le module 36 détermine en outre, pour chaque sous-trame st, le retard entier Kst qui maximise l'estimation en boucle ouverte Pst (k) du gain de prédiction à long terme sur la sous-trame st, en excluant les retards k pour lesquels l'autocorrélation Cst(k) est négative ou plus petite qu'une petite fraction ε de l'énergie R0st de la sous- trame. L'estimation P t(k) exprimée en décibels s'écrit : Pst (k) = 20. 1og1 0 [ROε t/ (ROε t-C3 t 2 (k) /Gs t (k) ) ]
Maximiser P t(k) revient donc à maximiser l'expression st (k) =CS£ (k) /Gs t- (k) comme indiqué sur la figure 6. Le retard entier Kst est le retard de base en résolution entière pour la sous-trame st. L'étape 90 est suivie par une comparaison 92 entre une première estimation en boucle ouverte du gain de prédiction global sur la trame courante et un seuil prédéterminé S0 typiquement compris entre 1 et 2 décibels (par exemple S0 =1,5 dB) . La première estimation du gain de prédiction global est égale à :
Figure imgf000017_0001
20 . 1og10 [RO/ [RO - Xst {Kst "]
où R0 est l'énergie totale de la trame (R0 = R00+ R01+...+ ROnst.i). et Xst (Ks t) =Cst 2 (Ks t) /Gs t (Ks t) désigne le maximum déterminé à l'étape 90 relativement à la sous-trame st. Comme l'indique la figure 6, la comparaison
92 peut être effectuée sans avoir à calculer le logarithme.
Si la comparaison 92 montre une première estimation du gain de prédiction inférieure au seuil S0, on considère que le signal de parole contient trop peu de corrélations à long terme pour être voisé, et le degré de voisement MV de la trame courante est pris égal à 0 à l'étape 94, ce qui termine dans ce cas les opérations effectuées par le module 36 sur cette trame. Si au contraire le seuil S0 est dépassé à l'étape 92, la trame courante est détectée comme voisée et le degré MV sera égal à 1, 2 ou 3. Le module 36 calcule alors, pour chaque sous-trame st, une liste lst contenant des retards candidats pour constituer le centre ZP de l'inter¬ valle de recherche des retards de prédiction à long terme. Les opérations effectuées par le module 36 pour chaque sous-trame st (st initialisé à 0 à l'étape 96) d'une trame voisée commencent par la détermination 98 d'un seuil de sélection SEst en décibels égal à une fraction déterminée β de l'estimation Pst(Kst) du gain de prédiction en décibels sur la sous-trame, maximisée à l'étape 90 (β=0,75 typique¬ ment) . Pour chaque sous-trame st d'une trame voisée, le module 36 détermine le retard de base rbf en résolution entière pour la suite du traitement. Ce retard de base pourrait être pris égal à l'entier Kst obtenu à l'étape 90. Le fait de rechercher le retard de base en résolution fractionnaire autour de Kst permet toutefois de gagner en précision. L'étape 100 consiste ainsi, à rechercher, autour du retard entier Kst obtenu à l'étape 90, le retard fractionnaire qui maximise l'expression Cs f- Gst. Cette recherche peut être effectuée à la résolution maximale des retards fractionnaires (1/6 dans l'exemple décrit ici) même si le retard entier Kst- n'est pas dans le domaine où cette résolution maximale s'applique. On détermine par exemple le nombre Δst qui maximise CS£ (Ks (.+b/6)/Gst (Ks t-+δ/6) pour - 6<δ<+6, puis le retard de base rbf en résolution maximale est pris égal à Kgt+ Δst/6. Pour les valeurs fractionnaires T du retard, les autocorrélations Cst(T) et les énergies retardées Gst(T) sont obtenues par interpolation à partir des valeurs mémorisées à l'étape 90 pour les retards entiers. Bien entendu, le retard de base relatif à une sous-trame pourrait également être déterminé en résolution fractionnaire dès l'étape 90 et pris en compte dans la première estimation du gain de prédiction global sur la trame.
Une fois que le retard de base rbf a été déterminé pour une sous-trame, on procède à un examen 101 des sous- multiples de ce retard afin de retenir ceux pour lesquels le gain de prédiction est relativement important (figure 4) , puis des multiples du plus petit sous-multiple retenu (figure 5) . A l'étape 102, l'adresse j dans la liste Ist et l'index m du sous-multiple sont initialisés à 0 et 1, respectivement. Une comparaison 104 est effectuée entre le sous-multiple rbf/m et le retard minimal rmin. Le sous-multiple rbf/m est à examiner s'il est supérieur à rmin. On prend alors pour l'entier i la valeur de l'index du retard quantifié r^ le plus proche de rbf/m (étape 106) , puis on compare, en 108, la valeur estimée du gain de prédiction Pst(r^) associée au retard quantifié r^_ pour la sous-trame considérée au seuil de sélection SEst calculé à l'étape 98 :
P s (ri> = 20 ' lo9l 0 ^ROst^ROεt- εt2 (ri ^Gs (ri ^ ] avec, pour les retards fractionnaires une interpolation des valeurs Cst et Gst calculées à l'étape 90 pour les retards entiers. Si Pst ( r^ )<SEst, le retard τ^ n'est pas pris en considération, et on passe directement à l'étape 110 d'incrémentation de l'index m avant d'effectuer de nouveau la comparaison 104 pour le sous-multiple suivant. Si le test 108 montre que Pg^r.^) ≥ SEst, le retard ^ est retenu et on exécute l'étape 112 avant d' incrémenter l'index m à l'étape 110. A l'étape 112, on mémorise l'index i à l'adresse j dans la liste Ist, on donne la valeur m à l'entier mO destiné à être égal à l'index du plus petit sous-multiple retenu, puis on incrémente d'une unité l'adresse j.
L'examen des sous-multiples du retard de base est terminé lorsque la comparaison 104 montre rbf/m < rmin. On examine alors les retards multiples du plus petit rbf/mO des sous-multiples précédemment retenus suivant le processus illustré sur la figure 5. Cet examen commence par une initia¬ lisation 114 de l'index n du multiple : n=2. Une comparaison 116 est effectuée entre le multiple n.rbf/mO et le retard maximal rmax. Si n.rbf/mO > rmax, on effectue le test 118 pour déterminer si l'index mO du plus petit sous-multiple est un multiple entier de n. Dans l'affirmative, le retard n.rbf/mO a déjà été examiné lors de l'examen des sous- multiples de rbf, et on passe directement à l'étape 120 d'incrémentation de l'index n avant d'effectuer de nouveau la comparaison 116 pour le multiple suivant. Si le test 118 montre que mO n'est pas un multiple entier de n, le multiple n.rbf/mO est à examiner. On prend alors pour l'entier i la valeur de l'index du retard quantifié r^ le plus proche de n.rbf/mO (étape 122), puis on compare, en 124, la valeur estimée du gain de prédiction Pst(rj.) au seuil de sélection SEst* s^ pst *ri <SEs ' ^e retarc* ri n'est pas pris en consi¬ dération, et on passe directement à l'étape 120 d'incrémen- tation de l'index n. Si le test 124 montre que P t(ri) ≥ SEst, le retard rj_ est retenu et on exécute l'étape 126 avant d' incrémenter l'index n à l'étape 120. A l'étape 126, on mémorise l'index i à l'adresse j dans la liste Ist, puis on incrémente d'une unité l'adresse j.
L'examen des multiples du plus petit sous-multiple est terminé lorsque la comparaison 116 montre que n.rbf/mO > rmax. A ce moment, la liste Ist_ contient j index de retards candidats. Si on souhaite limiter à jmax la lon- gueur maximale de la liste Ist pour les étapes suivantes, on peut prendre la longueur jst de cette liste égale à min(j,jmax) (étape 128) puis, à l'étape 130, ordonner la liste Ist dans l'ordre des gains Cs t-2 (r S£ ^ ) /Gs t 2 (rls (. _• . décroissants pour 0≤j<jst de façon à ne conserver que les j_t retards procurant les plus grandes valeurs de gain. La valeur de j ax est choisie en fonction du compromis visé entre l'ef¬ ficacité de la recherche des retards LTP et la complexité de cette recherche. Des valeurs typiques de jmax vont de 3 à 5. Une fois que les sous-multiples et les multiples ont été examinés et que la liste Ist a ainsi été obtenue (figure 3) , le module d'analyse 36 calcule une quantité Ymax détermi¬ nant une seconde estimation en boucle ouverte du gain de prédiction à long terme sur l'ensemble de la trame, ainsi que des index ZP, ZP0 et ZP1 dans une phase 132 dont le déroule- ment est détaillé sur la figure 6. Cette phase 132 consiste à tester des intervalles de recherche de longueur NI pour déterminer celui qui maximise une deuxième estimation du gain de prédiction global sur la trame. Les intervalles testés sont ceux dont les centres sont les retards candidats conte- nus dans la liste Ist calculée lors de la phase 101. La phase 132 commence par une étape 136 où l'adresse j dans la liste I t est initialisée à 0. A l'étape 138, on vérifie si l'index I t(j) a déjà été rencontré en testant un intervalle précé¬ dent centré sur Ist, (j') avec st'<st et O≤j ' <jst . , afin d'éviter de tester deux fois le même intervalle. Si le test 138 révèle que Ist(j) figurait déjà dans une liste lst, avec st'<st, on incrémente directement l'adresse j à l'étape 140, puis on la compare à la longueur jst de la liste Ist- Si la comparaison 142 montre que <Jst* cm revient à l'étape 138 pour la nouvelle valeur de l'adresse j. Lorsque la comparai- son 142 montre que j=jst, tous les intervalles relatifs à la liste Ist ont été testés, et la phase 132 est terminée. Lors¬ que le test 138 est négatif, on teste l'intervalle centré sur Ist(j) en commençant par l'étape 148 où on détermine, pour chaque sous-trame st ' , l'index ist . du retard optimal qui maximise sur cet intervalle l'estimation en boucle ouverte pst^ri' clu *9ain c-le prédiction à long terme, c'est-à- dire qui maximise la quantité Yst . (i )=Cst . (r ) Gst . (r± ) où r^ désigne le retard quantifié d'index i pour Ist(j)-Nl/2 ≤i<Ist (j ) +N1/2 et 0.s.i<N. Lors de la maximisation 148 relative à une sous-trame st ' , on écarte a priori les index i pour lesquels l'autocorrélation Cst, (r^) est néga¬ tive, pour éviter de dégrader le codage. S'il se trouve que toutes les valeurs de i comprises dans l'intervalle testé [I(j)-Nl/2, I(j)+Nl/2[ donnent lieu à des autocorrélations Cst., (ri) négatives, on sélectionne l'index ist. pour lequel cette autocorrélation est la plus petite en valeur absolue. Ensuite, en 150, la quantité Y déterminant la deuxième esti¬ mation du gain de prédiction global pour l'intervalle centré sur lst ( j ) est calculée selon iïst-l
Y - ∑ yst'(ist'> st'≈O
puis comparée à Y ax, où Ymax représente la valeur à maximiser. Cette valeur Ymax est par exemple initialisée à 0 en même temps que l'index st à l'étape 96. Si Y≤Ymax, on passe directement à l'étape 140 d'incrémentation de l'index j . Si la comparaison 150 montre que Y > Ymax, on exécute l'étape 152 avant d' incré enter l'adresse j à l'étape 140. A cette étape 152, l'index ZP est pris égal à Ist(j) et les index ZP0 et ZP1 sont respectivement pris égaux au plus petit et au plus grand des index ist. déterminés à l'étape 148.
A la fin de la phase 132 relative à une sous-trame st, l'index st est incrémenté d'une unité (étape 154) puis comparé, à l'étape 156, au nombre nst de sous-trames par trame. Si st<nst, on revient à l'étape 98 pour effectuer les opérations relatives à la sous-trame suivante. Lorsque la comparaison 156 montre que st≈nst, l'index ZP désigne le centre de l'intervalle de recherche qui sera fourni au module 38 d'analyse LTP en boucle fermée, et ZPO et ZP1 sont des index dont l'écart est représentatif de la dispersion des retards optimaux par sous-trame dans l'intervalle centré sur ZP.
A l'étape 158, le module 36 détermine le degré de voisement MV, sur la base de la seconde estimation en boucle ouverte du gain exprimée en décibels : Gp=20. log1Q (RO/RO- Y ax) . On fait appel à deux autres seuils SI et S2. Si Gp≤Sl, le degré de voisement MV est pris égal à 1 pour la trame cou¬ rante. Le seuil SI est typiquement compris entre 3 et 5 dB; par exemple Sl=4 dB. Si Sl<Gp<S2 , le degré de voisement MV est pris égal à 2 pour la trame courante. Le seuil S2 est ty¬ piquement compris entre 5 et 8 dB ; par exemple S2=7 dB. Si Gp>S2, on examine la dispersion des retards optimaux pour les différentes sous-trames de la trame courante. Si ZPl-ZP<N3/2 et ZP-ZP0≤N3/2, un intervalle de longueur N3 centré sur ZP suffit à prendre en compte tous les retards optimaux et le degré de voisement est pris égal à 3 (si Gp>S2) . Sinon, si ZPl-ZP_tN3/2 ou ZP-ZPO>N3/2, le degré de voisement est pris égal à 2 (si Gp>S2) .
L'index ZP du centre de l'intervalle de recherche du retard de prédiction pour une trame voisée peut être compris entre 0 et N-l=255, et l'index différentiel DP déterminé pour le module 38 peut aller de -16 à +15 si MV=1 ou 2, et de -8 à +7 si MV=3 (cas Nl=32, N3=16) . L'index ZP+DP du retard TP finalement déterminé peut donc dans certains cas être plus petit que 0 ou plus grand que 255. Ceci permet à l'analyse LTP en boucle fermée de porter également sur quelques retards TP plus petits que rmin ou plus grands que rmax. On améliore ainsi la qualité subjective de la restitution des voix dites pathologiques et des signaux non vocaux (fréquences vocales DTMF ou fréquences de signalisation utilisées par le réseau téléphonique commuté) . Une autre possibilité est de prendre pour 1 ' intervalle de recherche les 32 premiers ou derniers index de quantification des retards si ZP<16 ou ZP>240 avec MV≈l ou 2 , et les 16 premiers ou derniers index si ZP<8 ou ZP>248 avec MV=3. Le fait de réduire l'intervalle de recherche des retards pour les trames très voisées (typiquement 16 valeurs pour MV=3 au lieu de 32 pour MV≈l ou 2) permet de diminuer la complexité de l'analyse LTP en boucle fermée effectuée par le module 38 en réduisant le nombre de convolutions y,p(i) à calculer suivant la formule (1) . Un autre avantage est qu'un bit de codage de l'index différentiel DP est économisé. Le débit de sortie étant constant, ce bit peut être réalloué au codage d'autres paramètres. On peut en particulier allouer ce bit supplémentaire à la quantification du gain de prédic- tion à long terme gp calculé par le module 40. En effet, une meilleure précision sur le gain gp grâce à un bit de quanti¬ fication supplémentaire est appréciable car ce paramètre est perceptuellement important pour les sous-trames très voisées (MV=3) . Une autre possibilité est de prévoir un bit de parité pour le retard TP et/ou le gain gp, permettant de détecter d'éventuelles erreurs affectant ces paramètres.
Il est possible d'apporter quelques modifications au processus d'analyse LTP en boucle ouverte décrit ci-dessus en référence aux figures 3 à 6. Suivant une première variante de ce processus, les premières optimisations effectuées à l'étape 90 relativement aux différentes sous-trames sont remplacées par une seule optimisation portant sur l'ensemble de la trame. Outre les paramètres Cst(k) et Gst(k) calculés pour chaque sous-trame st, on calcule également les autocorrélations C(k) et les énergies retardées G(k) pour l'ensemble de la trame : nst-1
C(k) = ∑ cst (k) st=0 nst-l <*>= Σ Gst{k) st=0
On détermine alors le retard de base en résolution entière K qui maximise X (k)=C (k) /G (k) pour rmin ≤ k ≤, rmax. La première estimation du gain comparée à S0 à l'étape 92 est alors P(K) =20. log10 [R0/ [RO-X(K) ]] . On détermine ensuite, au¬ tour de K, un seul retard de base en résolution fractionnaire rbf et l'examen 101 des sous-multiples et des multiples est effectué une seule fois et produit une seule liste I au lieu de nst listes Ist- La phase 132 est ensuite effectuée une seule fois pour cette liste I, en ne distinguant les sous- trames qu'aux étapes 148, 150 et 152. Cette variante de réalisation a pour avantage de réduire la complexité de l'analyse en boucle ouverte. Suivant une seconde variante du processus d'analyse
LTP en boucle ouverte, le domaine [rmin, rmax] des retards possibles est subdivisé en nz sous-intervalles ayant par exemple la même longueur (nz=3 typiquement) , et les premières optimisations effectuées à l'étape 90 relativement aux diffé- rentes sous-trames sont remplacées par nz optimisations dans les différents sous-intervalles portant chacune sur l'ensem¬ ble de la trame. On obtient ainsi nz retards de base K1 ' , ...,Knz en résolution entière. La décision voisé/non voisé (étape 92) est prise sur la base de celui des retards de base K^ ' qui procure la plus grande valeur pour la première estimation en boucle ouverte du gain de prédiction à long terme. Ensuite, si la trame est voisée, on détermine les retards de base en résolution fractionnaire par le même processus qu'à l'étape 100, mais en autorisant seulement les valeurs de retard quantifiées. L'examen 101 des sous- multiples et des multiples n'est pas effectué. Pour la phase 132 de calcul de la seconde estimation du gain de prédiction, on prend comme retards candidats les nz retards de base pré¬ cédemment déterminés. Cette seconde variante permet de se dispenser de l'examen systématique des sous-multiples et des multiples qui sont en général pris en considération grâce à la subdivision du domaine des retards possibles.
Suivant une troisième variante du processus d'analyse LTP en boucle ouverte, la phase 132 est modifiée en ce que, aux étapes d'optimisation 148, on détermine d'une part l'index ist. qui maximise st . (r )/Gst . (∑j_ ) pour Is t (j) -m/2≤i<Is t (j) +Nl/2 et 0≤i<N, et d'autre part, au cours de la même boucle de maximisation, l'index kst , qui maximise cette même quantité sur un intervalle réduit Ist (j)-N3/2≤i<Ist /J J +N3/2 et 0ii<N. L'étape 152 est également modifiée : on ne mémorise plus les index ZPO et ZP1, mais une quantité Ymax' définie de la même manière que Ymax mais en référence à l'intervalle de longueur réduite : nst-1
Figure imgf000025_0001
Dans cette troisième variante, la détermination 158 du mode de voisement conduit à sélectionner plus souvent le degré de voisement MV=3. On prend également en compte, en plus du gain Gp précédemment décrit, une troisième estimation en boucle ouverte du gain LTP, correspondant à Ymax' : Gp'=20.1og10[R0/ (RO-Ymax1 ) ] . Le degré de voisement est MV=1 si Gp≤Sl, MV=3 si Gp'>S2 et MV=2 si aucune de ces deux conditions n'est vérifiée. En augmentant ainsi la proportion de trames de degré MV=3, on réduit la complexité moyenne de l'analyse en boucle fermée et on améliore la robustesse aux erreurs de transmission.
Une quatrième variante du processus d'analyse LTP en boucle ouverte concerne surtout les trames faiblement voisées (MV=1) . Ces trames correspondent souvent à un début ou à une fin d'une zone de voisement. Fréquemment, ces trames peuvent comporter de une à trois sous-trames pour lesquelles le coef¬ ficient de gain du filtre de synthèse à long terme est nul voire négatif. Il est proposé de ne pas effectuer l'analyse LTP en boucle fermée pour les sous-trames en question, afin de réduire la complexité moyenne du codage. Ceci peut être réalisé en mémorisant à l'étape 152 de la figure 6 nst poin¬ teurs indiquant pour chaque sous-trame st ' si l'autocorréla¬ tion Cst. correspondant au retard d'index ist . est négative ou encore très petite. Une fois que tous les intervalles ré- férencés dans les listes Istr les sous-trames pour lesquelles le gain de prédiction est négatif ou négligeable peuvent être identifiées en consultant les nst pointeurs. Le cas échéant le module 38 est désactivé pour les sous-trames correspon¬ dantes. Ceci n'affecte pas la qualité de l'analyse LTP puis- que le gain de prédiction correspondant à ces sous-trames sera de toutes façons quasiment nul.
Un autre aspect de l'invention concerne le module 42 de calcul de la réponse impulsionnelle du filtre de synthèse pondéré. Le module 38 d'analyse LTP en boucle fermée a besoin de cette réponse impulsionnelle h sur la durée d'une sous- trame pour calculer les convolutions yτ(i) selon la formule (1) . Le module 40 d'analyse stochastique en a également besoin pour calculer des convolutions comme on le verra plus loin. Le fait d'avoir à calculer des convolutions avec une réponse h s 'étendant sur la durée d'une sous-trame (lst=40 typiquement) implique une relative complexité du codage, qu'il serait souhaitable de réduire notamment pour augmenter l'autonomie de la station mobile. Dans certains cas il a été proposé de tronquer la réponse impulsionnelle à une longueur inférieure à la longueur d'une sous-trame (par exemple à 20 échantillons), mais ceci peut dégrader la qualité du codage. On propose selon l'invention de tronquer la réponse impul¬ sionnelle h en tenant compte d'une part de la distribution énergétique de cette réponse et d'autre part du degré de voi¬ sement MV de la trame considérée, déterminé par le module 36 d'analyse LTP en boucle ouverte.
Les opérations effectuées par le module 42 sont par exemple conformes à l'organigramme de la figure 7. La réponse impulsionnelle est d'abord calculée à l'étape 160 sur une longueur pst supérieure à la longueur d'une sous-trame et suffisamment grande pour qu'on soit assuré de prendre en com¬ pte toute l'énergie de la réponse impulsionnelle (par exemple pst=60 pour nst=4 et lst=40 si la prédiction linéaire à court terme est d'ordre q=10) . A l'étape 160, on calcule également les énergies tronquées de la réponse impulsionnelle :
* i
Eh (i) ≈ ∑ [h (i) ] 2 k≈O
Les composantes h(i) de la réponse impulsionnelle et les énergies tronquées Eh(i) peuvent être obtenues en filtrant une impulsion unitaire au moyen d'un filtre de fonction de transfert W(z)/A(z) d'états initiaux nuls, ou encore par récurrence :
f (i) = δ(i)+ ∑ ak [ £ . f (i-k) - *. & (i-k) ] (2) k≈i
Q h (i) ≈ f(i) + ∑ ak. h (i-k) (3) k≈l
Eh (±) •*• Eh (i-l) + [h (i ) ]2
pour 0<i<pst, avec f(i)=h(i)=0 pour i<0, δ(0) =f (0) =h(0) =Eh(0)=l, et δ(i)=0 pour i#0. Dans l'expression (2) , les coefficients ak sont ceux intervenant dans le filtre de pondération perceptuelle, c'est-à-dire les coefficients de prédiction linéaire interpolés mais non quantifiés, tandis que dans l'expression (3), les coefficients a^ sont ceux appliqués au filtre de synthèse, c'est-à-dire les coefficients de prédiction linéaire quantifiés et interpolés.
Ensuite le module 42 détermine la plus petite lon- gueur La telle que l'énergie Eh(La-l) de la réponse i pul- sionnelle tronquée à La échantillons soit au moins égale une proportion α de son énergie totale Eh(pst-l) estimée su pst échantillons. Une valeur typique de α est 98%. Le nombr La est initialisé à pst à l'étape 162 et décrémenté d'un unité en 166 tant que Eh(Lα-2) >α.Eh(pst-1) (test 164) . L longueur La cherchée est obtenue lorsque le test 164 montr que Eh(La-2)≤a.Eh(pst-l) .
Pour tenir compte du degré de voisement MV, un term correcteur Δ(MV) est ajouté à la valeur de La qui a ét obtenue (étape 168) . Ce terme correcteur est de préférenc une fonction croissante du degré de voisement. On peut pa exemple prendre Δ(0)=-5, Δ(1)=0, Δ(2)=+5 et Δ(3)=+7. De cett façon, la réponse impulsionnelle h sera déterminée de faço d'autant plus précise que le voisement de la parole est important. La longueur de troncature Lh de la réponse impul¬ sionnelle est prise égale à La si La≤nst et à nst sinon. Le échantillons restants de la réponse impulsionnelle (h(i)=0 avec i-tLh) peuvent être annulés.
Avec la troncature de la réponse impulsionnelle, l calcul (1) des convolutions yτ(i) par le module 38 d'analys LTP en boucle fermée est modifié de la façon suivante :
2 yτ(i) ∑ u(j-T) .h (i-j) (iι)
Figure imgf000028_0001
L'obtention de ces convolutions, qui représente un part importante des calculs effectués, nécessite donc sensi¬ blement moins démultiplications, d'additions et d'adressage dans le répertoire adaptatif lorsque la réponse impulsion- nelle est tronquée. La troncature dynamique de la réponse im¬ pulsionnelle faisant intervenir le degré de voisement MV per¬ met d'obtenir une telle réduction de complexité sans affecte la qualité du codage. Les mêmes considérations s'appliquent pour les calculs de convolutions effectués par le module 4 d'analyse stochastique. Ces avantages sont particulièrement appréciables lorsque le filtre de pondération perceptuelle a une fonction de transfert de la forme W(z) =A(z/γ-, ) /A(z/γ2) avec 0<γ2<γ1<l qui donne lieu à des réponses impulsionnelles généralement plus longues que celles de la forme W(z) =A(z) /A(z/γ) plus communément employées dans les codeurs à analyse par synthèse.
Un troisième aspect de l'invention concerne le module 40 d'analyse stochastique servant à modéliser la partie non prédictible de l'excitation.
L'excitation stochastique considérée ici est de type multi-impulsionnelle. L'excitation stochastique relative à une sous-trame est représentée par np impulsions de positions p(n) et d'amplitudes, ou gains, g(n) (l≤ninp) . Le gain gp de prédiction à long terme peut également être calculé au cours du même processus. De façon générale, on peut considérer que la séquence d'excitation relative à une sous-trame comporte ne contributions associées respectivement à ne gains. Les contributions sont des vecteurs Ist échantillons qui, pon¬ dérés par les gains associés et sommés correspondent à la séquence d'excitation du filtre de synthèse à court terme. Une des contributions peut être prédictible, ou plusieurs dans le cas d'un filtre de synthèse à long terme à plusieurs prises ("multi-tap pitch synthesis filter") . Les autres con¬ tributions sont dans le cas présent np vecteurs ne comportant que des 0 sauf une impulsion d'amplitude 1. On a donc nc≈np si MV=0, et nc=np+l si MV=1, 2 ou 3.
L'analyse multi-impulsionnelle incluant le calcul du gain gp=g(0) consiste, de façon connue, à trouver pour chaque sous-trame des positions p(n) (lin≤np) et des gains g(n)
(O≤ninp) qui minimisent l'erreur quadratique pondérée perceptuellement E entre le signal de parole et le signal synthétisé, donnée par : nc-1
'p D((nn)) 'ι n≈O
les gains étant solution du système linéaire g.B=b. Dans les notations ci-dessus :
- X désigne un vecteur-cible initial composé des Ist échantillons du signal de parole pondéré SW sans mémoire : X= (x(0) ,x(l) , ... ,x(lst-l) ) , les x(i) ayant été calculés comme indiqué précédemment lors de l'analyse LTP en boucle fermée ; - g désigne le vecteur ligne composé des np+1 gains : g=(g(0)=gp, g(l) g(np)) ; les vecteurs-ligne F p(n) (0≤n<nc) sont des contributions pondérées ayant pour composantes i(0≤i<lst) les produits de convolution entre la contribution n à la séquence d'excitation et la réponse impulsionnelle h du filtre de synthèse pondéré ;
- b désigne le vecteur ligne composé des ne produits scalaires entre le vecteur X et les vecteurs ligne F p(n
- B désigne une matrice symétrique à ne lignes et ne colonnes dont le terme B^j≈F j^ .Fp(j) T (O≤i, j<nc) est égal au produit scalaire entre les vecteurs F PH ) et F p ( j ) précédemment définis ;
- ( . )τ désigne la transposition matricielle.
Pour les impulsions de l'excitation stochastique (l≤n ≤np=nc-l) les vecteurs P(n) sont simplement constitués par le vecteur de la réponse impulsionnelle h décalée de p(n) échantillons. Le fait de tronquer la réponse impulsionnelle comme décrit précédemment permet donc de réduire sensiblement le nombre d'opérations utiles au calcul des produits sca- laires faisant intervenir ces vecteurs F p(n) • Pour la contri¬ bution prédictible de l'excitation, le vecteur F p (o) =YTP a pour composantes F -0) (i) (0≤i<lst) les convolutions yτp(i) que le module 38 a calculées suivant la formule (1) ou (1') pour le retard de prédiction à long terme sélectionné TP. Si MV≈O, la contribution n≈O est également de type impulsion¬ nelle et la position p(0) est à calculer. Minimiser l'erreur quadratique E définie ci-dessus revient à trouver l'ensemble des positions p(n) qui maximisent la corrélation normalisée b.B .b1 puis à calculer les gains selon g=b.B" . Mais une recherche exhaustive des positions d'impul¬ sion nécessiterait un volume de calculs excessif. Pour atté¬ nuer ce problème, l'approche multi-impulsionnelle applique en général une procédure sous-optimale consistant à calculer successivement les gains et/ou les positions d'impulsion pour chaque contribution. Pour chaque contribution n (0in<nc) , on détermine d'abord la position p(n) qui maximise la corréla- tion normalisée (F* . en_ T ) P / (F-.. FX T ) , on recalcule les gains gn(0) à gn(n) selon gn=bn.Bn -1, où gn= (gn(0) , ... ,gn(n) ) , bn= (b(0) , ... ,b(n) ) et Bn={Bij ÎQ≤i. j≤n' Puis on calcule pour l'itération suivante le vecteur-cible en égal au vecteur- cible initial X auquel on retranche les contributions 0 à n du signal synthétique pondéré multipliées par leurs gains respectifs : n
Figure imgf000031_0001
A l'issue de la dernière itération nc-1, les gains g , (i) sont les gains sélectionnés et l'erreur quadratique minimisée E est égal à l'énergie du vecteur-cible enc_-j_. La méthode ci-dessus donne des résultats satisfaisants, mais elle nécessite l'inversion d'une matrice B_ à chaque itération. Dans leur article "Amplitude Optimization and Pitch Prédiction in Multipulse Coders" (IEEE Trans. on Acoustics, Speech, and Signal Processing, Vol.37, N° 3, Mars 1989, pages 317-327), S. Singhal et B.S. Atal ont proposé de simplifier le problème de l'inversion des matrices rp
Bn en utilisant la décomposition de Cholesky : Bn=Mn . Mn - où M__ est une matrice triangulaire inférieure. Cette décomposition est possible parce que Bn est une matrice symétrique à valeurs propres positives. L'avantage de cette approche est que l'inversion d'une matrice triangulaire est relativement peu complexe, -B;-, pouvant être obtenue par
Figure imgf000032_0001
La décomposition de Cholesky et l'inversion de la matrice Mj^ nécessitent toutefois d'effectuer des divisions et des calculs de racines carrées qui sont des opérations exigeantes en termes de complexité de calcul. L'invention propose de simplifier considérablement la mise en oeuvre de l'optimisation en modifiant la décomposition des matrices Bn de la façon suivante :
Bn = Ln - Rn = Ln - (Ln - κn~ )T où Kn est une matrice diagonale et Ln est une matrice triangulaire inférieure n'ayant que des 1 sur sa diagonale principale (soit Ln=Mn . Kn J- / avec les notations précédentes) . Compte-tenu de la structure de la matrice Bn, les matrices n"Rn* κn' T Kn et n sont construites chacune par simple adjonction d'une ligne aux matrices correspondantes de l'itération précédente :
Figure imgf000032_0002
Figure imgf000033_0001
Dans ces conditions, la décomposition de Bn, l'inversion de Ln, l'obtention de Bn -2 =_K n ^n '^-X et le recalcul des gains ne nécessitent qu'une seule division par itération et aucun calcul de racine carrée.
L'analyse stochastique relative à une sous-trame d'une trame voisée (MV=1,2 ou 3) peut dès lors se dérouler comme indiqué sur les figures 8 à 11. Pour calculer le gain de prédiction à long terme, l'index de contribution n est initialisé à 0 à l'étape 180 et le vecteur Fp(0) est pris égal à la contribution à long terme Y-pp fournie par le module 38. Si n>0, l'itération n commence par la détermination 182 de la position p(n) de l'impulsion n qui maximise la quantité :
Figure imgf000033_0002
∑ h (k-p) .h (k-p) ≈p où e= (e(0) , ... , e(lst-l) ) est un vecteur-cible calculé lors de l'itération précédente. Différentes contraintes peuvent être apportées au domaine de maximisation de la quantité ci- dessus inclus dans l'intervalle [0,lst[. L' invention utilise de préférence une recherche segmentaire dans laquelle la sous-trame d'excitation est subdivisée en ns segments de même longueur (par exemple ns=10 pour lst=40) . Pour la première impulsion (n=l), la maximisation de (Fp.eτ) 2/ (Fp.F τ) est effectuée sur l'ensemble des positions possibles p dans la sous-trame. A l'itération n>l, la maximisation est effectuée à l'étape 182 sur l'ensemble des positions possibles à l'exclusion des segments dans lesquels ont été respectivement trouvées les positions p(1) , ... ,p (n-1) des impulsions lors des itérations précédentes.
Dans le cas où la trame courante a été détectée comme non voisée, la contribution n=0 est également constituée par une impulsion de position p(0) . L'étape 180 comprend alors seulement l'initialisation n=0, et elle est suivie par une étape de maximisation identique à l'étape 182 pour trouver p(0) , avec e≈e.^≈X comme valeur initiale du vecteur-cible. On remarque que lorsque la contribution n=0 est pré¬ dictible (MV=1, 2 ou 3 ) , le module 38 d'analyse LTP en boucle fermée a effectué une opération de nature semblable à la maximisation 182, puisqu'il a déterminé la contribution à long terme, caractérisée par le retard TP, en maximisant la quantité (Y- .eτ) 2/ (Yτ-YT T) dans 1 ' intervalle de recherche des retards T, avec e=e_-^=X comme valeur initiale du vecteur- cible. On peut également, lorsque l'énergie de la contribution LTP est très faible, ignorer cette contribution dans le processus de recalcul des gains .
Après l'étape 180 ou 182, le module 40 procède au calcul 184 de la ligne n des matrices L, R et K intervenant dans la décomposition de la matrice B, ce qui permet de compléter les matrices Ln, Rn et Kn définies ci-dessus. La décomposition de la matrice B permet d'écrire :
B(n, j) = R (n, j) + ∑ 1,(22,Je) .R (j, k) le=0 pour la composante située à la ligne n et à la colonne j . On peut donc écrire, pour j croissant de 0 à n-1 :
R(n,j) =B(n,j) -∑ L(n,k) .R(j,k) k≈O
L(n,j) ≈ R(n,j).κ(j) et, pour j=n :
Λ-l
K(n) =1/R(n,n) ≈l/[β(ntn) -∑ L(n,k) .R(n,k)] k=0 L(n,n) -. 1
Ces relations sont exploitées dans le calcul 184 détaillé sur la figure 9. L'index de colonne j est d'abord initialisé à 0, à l'étape 186. Pour l'index de colonne j, la variable tmp est d'abord initialisée à la valeur de la composante B(n,j), soit :
tmp ≈ F p(n)"cp(j)
min(IΛ+p(n) ,Lh+p(j) , Ist) -1
∑ h(k-p(n)) .h(k-p(j)) k≈max(p(n) ,p(j))
A l'étape 188, l'entier k est en outre initialisé à
0. On effectue alors une comparaison 190 entre les entiers k et j. Si k<j , on ajoute le terme L(n,k) .R(j ,k) à la va¬ riable tmp, puis on incrémente d'une unité l'entier k (étape 192) avant de réexécuter la comparaison 190. Quand la compa- raison 190 montre que k=j , on effectue une comparaison 194 entre les entiers j et n. Si j<n, la composante R(n,j) est prise égale à tmp et la composante L(n,j) à tmp.K(j) à l'étape 196, puis l'index de colonne j est incrémente d'une unité avant qu'on revienne à l'étape 188 pour calculer les composantes suivantes. Quand la comparaison 194 montre que j=n, la composante K(n) de la ligne n de la matrice K est calculée, ce qui termine le calcul 184 relatif à la ligne n. K(n) est pris égal à 1/tmp si tmp≠O (étape 198) et à 0 sinon. On constate que le calcul 184 ne requiert qu'au plus une division 198, pour obtenir K(n) . En outre, une éventuelle singularité de la matrice Bn n'entraîne pas d'instabilités puisqu'on évite les divisions par 0.
En référence à la figure 8, le calcul 184 des lignes n de L, R et K est suivi par l'inversion 200 de la matrice Ln constituée des lignes et des colonnes 0 à n de la matrice L. Le fait que L soit triangulaire avec des 1 sur sa diago¬ nale principale en simplifie grandement l'inversion comme le montre la figure 10. On peut en effet écrire :
n L' 1 (n, j ') = -L in. j ') - ∑ ^ k'. j ') . L (n, k') (4) k'=j '*l
n = -L ,;/')- ∑ L (k', j ,) . L'1 (n. k') (5) k'≈j '+l
pour O≤j ' <n et L-1 (n,n) =1, C est-à-dire que 1 ' inversion peut être faite sans avoir à opérer une division. En outre, comme les composantes de la ligne n de L-1 suffisent à recalculer les gains, l'utilisation de la relation (5) permet de faire l'inversion sans avoir à mémoriser toute la matrice L-1, mais seulement un vecteur Linv≈ (Linv(0) , ...,Linv(n-1) ) avec Linv(j ' ) =L_1 (n, j ' ) . L'inversion 200 commence alors par une initialisation 202 de l'index de colonne j' à n-1. A l'étape 204, le terme Linv(j ') est initialisé à -L(n, j ' ) et 1 ' entier k' à j'+l. On effectue ensuite une comparaison 206 entre les entiers k' et n. Si k'<n, on retranche le terme L(k' , j ' ) .Linv(k' ) à Linv(j ' ) , puis on incrémente d'une unité l'entier k' (étape 208) avant de réexécuter la comparaison 206. Quand la comparaison 206 montre que k'=n, on compare j' à 0 (test 210) . Si j'>0, on décrémente l'entier j' d'une unité (étape 212) et on revient à l'étape 204 pour calculer la composante suivante. L'inversion 200 est terminée lorsque le test 210 montre que j'=0.
En référence à la figure 8 l'inversion 200 est suivie par le calcul 214 des gains réoptimisés et du vecteur-cible E pour l'itération suivante. Le calcul des gains réoptimisés est également très simplifié par la décomposition retenue pour la matrice B. On peut en effet calculer le vecteur gn= (gn(0) , ... ,gn(n) ) solution de gn.Bn=bn selon :
gn (ή) = . κ(n)
Figure imgf000037_0001
et gn(i '
Figure imgf000037_0002
(i ' )+L-1 (n, i ' ) .gn(n) pour O≤i '<n. Le calcul 214 est détaillé sur la figure 11. On calcule d'abord la composante b(n) du vecteur b : min(IΛ+p(n) ,ist) -1 b(n) =F' (-α,.*3" ∑ h (k-p(n) ) .x(k) k≈p (n)
b(n) sert de valeur d'initialisation pour la variable tmq. A l'étape 216, on initialisé également l'index i à 0. On effectue ensuite la comparaison 218 entre les entiers i et n. Si i<n, on ajoute le terme b(i) . Linv(i) à la variable tmq et on incrémente i d'une unité (étape 220) avant de revenir à la comparaison 218. Quand la comparaison 218 montre que i=n, on calcule le gain relatif à la contribution n selon g (n) ≈tmq.K(n) , et on initialisé la boucle de calcul des autres gains et du vecteur-cible (étape 222) en prenant e=X-g(n) .Fp nj et i'=0. Cette boucle comprend une comparaison 224 entre les entiers i' et n. Si i'<n, le gain g(i') est recalculé à l'étape 226 en ajoutant Linv(i* ) .g(n) à sa valeur calculée lors de l'itération précédente n-1, puis on retran¬ che au vecteur-cible e le vecteur g(i') .F ^.j . L'étape 226 comprend également l'incrémentation de l'index i' avant de revenir à la comparaison 224. Le calcul 214 des gains et du vecteur-cible est terminé lorsque la comparaison 224 montre que i'=n. On voit que les gains ont pu être mis à jour en ne faisant appel qu'à la ligne n de la matrice inverse LX .
Le calcul 214 est suivi par une incrémentation 22 de l'index n de la contribution, puis par une comparaison 23 entre l'index n et le nombre de contributions ne. Si n<nc, on revient à l'étape 182 pour l'itération suivante. L'optimisation des positions et des gains est terminé lorsque n=nc au test 230.
La recherche segmentaire des impulsions diminu sensiblement le nombre de positions d'impulsion à évaluer a cours des étapes 182 de la recherche de l'excitation stochas tique. Elle permet en outre une quantification efficace de positions trouvées. Dans le cas typique où la sous-trame d lst=40 échantillons est divisée en ns=10 segments de ls= échantillons, l'ensemble des positions d' impulsion possible peut prendre ns ! . lsnp/ [n ! (ns-np) ! ] =258 048 valeurs si np= (MV=1, 2 ou 3) ou 860 160 si np=6(MV=0), au lieu d Ist ! / [np! (lst-np) ! ]=658 008 valeurs si np=5 ou 3 838 380 s np=6 dans le cas où on impose seulement que deux impulsion ne puissent pas avoir la même position. En d'autres termes, on peut quantifier les positions sur 18 bits au lieu de 2 bits si np=5, et sur 20 bits au lieu de 22 si np=6.
Le cas particulier où le nombre de segments par sous trame est égal au nombre d'impulsions par excitatio stochastique (ns≈np) conduit à la plus grande simplicité d la recherche de l'excitation stochastique, ainsi qu'au plu faible débit binaire (si lst=40 et np=5, il y a 85=3276 ensembles de positions possibles, quantifiables sur 15 bit seulement au lieu de 18 si ns=10) . Mais en réduisant à c point le nombre de séquences d'innovation possibles, on peu appauvrir la qualité du codage. Pour un nombre d'impulsion donné, le nombre des segments peut être optimisé selon u compromis visé entre la qualité du codage et sa simplicit de mise en oeuvre (ainsi que le débit requis) .
Le cas où ns>np présente en outre l'avantage qu'o peut obtenir une bonne robustesse aux erreurs de transmissio en ce qui concerne les positions des impulsions, grâce à un quantification séparée des numéros d'ordre des segments occupés et des positions relatives des impulsions dans chaque segment occupé. Pour une impulsion n, le numéro d'ordre sn du segment et la position relative prn sont respectivement le quotient et le reste de la division euclidienne de p(n) par la longueur ls d'un segment : p (n) =sn. ls+prn (0≤sn<ns, 0≤prn<ls) . Les positions relatives sont chacune quantifiées séparément sur 2 bits, si ls=4. En cas d'erreur de transmission affectant l'un de ces bits, l'impulsion correspondante ne sera que peu déplacée, et l'impact perceptuel de l'erreur sera limité. Les numéros d'ordre des segments occupés sont repérés par un mot binaire de ns=10 bits valant chacun 1 pour les segments occupés et 0 pour les segments dans lesquels l'excitation stochastique n'a pas d'impulsion. Les mots binaires possibles sont ceux ayant un poids de Hamming de np; ils sont au nombre de ns!/[np! (ns- np) ! ]=252 si np=5, ou 210 si np=6. Ce mot est quantifiable par un index de nb bits avec 2nb-1<ns! / [np! (ns-np) ! ] ≤2n*D, soit nb=8 dans l'exemple considéré. Si, par exemple, l'analyse stochastique a fourni np=5 impulsions de positions 4, 12, 21, 34, 38, les positions relatives quantifiées scalairement sont 0,0,1,2,2 et le mot binaire représentant les segments occupés est 0101010011, ou 339 en traduction décimale. Au niveau du décodeur, les mots binaires possibles sont stockés dans une table de quantification dans laquelle les adresses de lecture sont les index de quantification reçus. L'ordre dans cette table, déterminé une fois pour toutes, peut être optimisé de façon qu'une erreur de transmission affectant un bit de l'index (le cas d'erreur le plus fréquent, surtout lorsqu'un entrelacement est mis en oeuvre dans le codeur canal 22) ait, en moyenne, des conséquences minimales suivant un critère de voisinage. Le critère de voisinage est par exemple qu'un mot de ns bits ne puisse être remplacé que par des mots "voisins", éloignés d'une distance de Hamming au plus égale à un seuil np-2δ, de façon à conserver toutes les impulsions sauf δ d'entre elles à des positions valides en cas d'erreur de transmission de l'index portant sur un seul bit. D'autres critères seraient utilisables en substitution ou en complément, par exemple que deux mots soient considérés comme voisins si le remplacement de l'un par l'autre ne modifie pas l'ordre d'affectation des gains associés aux impulsions.
A des fins d'illustration, on peut considérer le cas simplifié où ns=4 et np=2 , soit 6 mots binaires possibles quantifiables sur nb=3 bits. Dans ce cas, on peut vérifier que la table de quantification présentée au tableau II permet de conserver np-l=l impulsion bien positionnée pour toute erreur affectant un bit de l'index transmis. Il y a 4 cas d'erreur (sur un total de 18) , pour lesquels on reçoit un index de quantification qu'on sait être erroné (6 au lieu de 2 ou 4 ; 7 au lieu de 3 ou 5) , mais le décodeur peut alors prendre des mesures limitant la distorsion, par exemple répéter la séquence d'innovation relative à la sous-trame précédente ou encore affecter des mots binaires acceptables aux index "impossibles" (par exemple 1001 ou 1010 pour l'index 6 et 1100 ou 0110 pour l'index 7 conduisent encore à np-l=l impulsion bien positionnée en cas de réception de 6 ou 7 avec une erreur binaire) .
Dans le cas général, l'ordre dans la table de quantification des mots peut être déterminé à partir de considérations arithmétiques ou, si cela est insuffisant, en simulant sur ordinateur les scénarios d'erreurs (de façon exhaustive ou par un échantillonnage statistique de type Monte-Carlo suivant le nombre de cas d'erreurs possibles) . Pour sécuriser la transmission de l'index de quanti¬ fication des segments occupés, on peut en outre tirer parti des différentes catégories de protection offertes par l codeur canal 22, notamment si le critère de voisinage ne peut être vérifié de façon satisfaisante pour tous les cas d'erreurs possibles affectant un bit de l'index. Le modul d'ordonnancement 46 peut ainsi mettre dans la catégorie d protection minimale, ou dans la catégorie non protégée, un certain nombre nx des bits de l'index qui, s'ils sont affectés par une erreur de transmission, donnent lieu à un mot erroné mais vérifiant le critère de voisinage avec une probabilité jugée satisfaisante, et mettre dans une catégorie plus protégée les autres bits de l'index. Cette façon de procéder fait appel à un autre ordonnancement des mots dans la table de quantification. Cet ordonnancement peut également être optimisé au moyen de simulations si on souhaite maximiser le nombre nx des bits de l'index affectés à la catégorie la moins protégée.
index de quantification mot d'occupation des segments décimal binaire binaire décimal naturel naturel
0 000 0011 3
1 001 0101 5
2 010 1001 9
3 011 1100 12
4 100 1010 10
5 101 0110 6
(6) (110) (1001 ou 1010) (9 ou 10)
(7.) (111) (1100 ou 0110) (12 ou 6)
TABLEAU II
Une possibilité est de commencer par constituer une liste de mots de ns bits par comptage en code de Gray de 0 à 2ns-l, et d'obtenir la table de quantification ordonnée en supprimant de cette liste les mots n'ayant pas un poids de Hamming de np. La table ainsi obtenue est telle que deux mots consécutifs ont une distance de Hamming de np-2. Si les index dans cette table ont une représentation binaire en code de Gray, toute erreur sur le bit de poids le plus faible fait varier l'index de ±1 et entraîne donc le remplacement du mot d'occupation effectif par un mot voisin au sens du seuil np-2 sur la distance de Hamming, et une erreur sur le i-ième bit de poids le plus faible fait aussi varier l'index de ±1 avec une probabilité d'environ 21"1. En plaçant les nx bits de poids faible de 1 ' index en code de Gray dans une catégorie non protégée, une éventuelle erreur de transmission affectant un de ces bits conduit au remplacement du mot d'occupation par un mot voisin avec une probabilité au moins égale à (1+1/2+ ... +l/2nx_1) /nx. Cette probabilité minimale décroît de 1 à (2/nb) (l-l/2nt)) pour nx croissant de 1 à nb. Les erreurs affectant les nb-nx bits de poids fort de l'index seront le plus souvent corrigées grâce à la protection que leur applique le codeur canal. La valeur de nx est dans ce cas choisie selon un compromis entre la robustesse aux erreurs (petites valeurs) et un encombrement réduit des catégories protégées (grandes valeurs) .
Au niveau du codeur, les mots binaires possibles pour représenter l'occupation des segments sont rangés en ordre croissant dans une table de recherche. Une table d'indexage associe à chaque adresse le numéro d'ordre, dans la table de quantification stockée au décodeur, du mot binaire ayant cette adresse dans la table de recherche. Dans l'exemple simplifié évoqué ci-dessus, le contenu de la table de recherche et de la table d'indexage est donné dans le tableau III (en valeurs décimales) .
La quantification du mot d'occupation des segments déduit des np positions fournies par le module d'analyse stochastique 40 est effectuée en deux étapes par le module de quantification 44. Une recherche dichotomique est d'abord effectuée dans la table de recherche pour déterminer l'adresse dans cette table du mot à quantifier. L'index de quantification est ensuite obtenu à l'adresse déterminée dans la table d'indexage puis fourni au module 46 d'ordonnancement des bits. Adresse Table de recherche Table d'indexage
0 3 0
1 5 1
2 6 5
3 9 2
4 10 4
5 12 3
TABLEAU III
Le module 44 effectue en outre la quantification des gains calculés par le module 40. Le gain gτp est par exemple quantifié dans l'intervalle [0;1,6] , sur 5 bits si MV=1 ou 2 et sur 6 bits si MV=3 pour tenir compte de la plus grande importance perceptuelle de ce paramètre pour les trames très voisées. Pour le codage des gains associés aux impulsions de l'excitation stochastique, on quantifie sur 5 bits la plus grande valeur absolue Gs des gains g(l) , ... ,g(np) , en prenant par exemple 32 valeurs de quantification en progression géo¬ métrique dans l'intervalle [0; 32767], et on quantifie chacun des gains relatifs g (1) /Gs, ... ,g(np) /Gs dans l'intervalle [-1;+1] , sur 4 bits si MV=1, 2 ou 3, ou sur 5 bits si MV=0.
Les bits de quantification de Gs sont placés dans une catégorie protégée par le codeur canal 22, de même que les bits de poids fort des index de quantification des gains relatifs. Les bits de quantification des gains relatifs sont ordonnés de façon à permettre leur affectation aux impulsions associées appartenant aux segments localisés par le mot d'occupation. La recherche segmentaire selon l'invention permet en outre de protéger de manière efficace les positions relatives des impulsions associées aux plus grandes valeurs de gain.
Dans le cas où np=5 et ls=4, dix bits par sous-trame sont nécessaires pour quantifier les positions relatives des impulsions dans les segments. On considère le cas où 5 de ces 10 bits sont placés dans une catégorie peu ou pas protégée (II) et où les 5 autres sont placés dans une catégorie plus protégée (IB) . La distribution la plus naturelle est de placer le bit de poids fort de chaque position relative dans la catégorie protégée IB, de sorte que les éventuelles erreurs de transmission affectent plutôt les bits de poids fort et ne provoquent donc qu'un décalage d'un échantillon pour l'impulsion correspondante. Il est toutefois judicieux, pour la quantification des positions relatives, de considérer les impulsions dans l'ordre décroissant des valeurs absolues des gains associés et de placer dans la catégorie IB les deux bits de quantification de chacune des deux premières positions relatives ainsi que le bit de poids fort de la troisième. De cette façon, les positions des impulsions sont protégées préférentiellement lorsqu'elles sont associées à des gains importants, ce qui améliore la qualité moyenne particulièrement pour les sous-trames les plus voisées.
Pour reconstituer les contributions impulsionnelles de l'excitation, le décodeur 54 localise d'abord les segments au moyen du mot d'occupation reçu ; il attribue ensuite les gains associés ; puis il attribue les positions relatives aux impulsions sur la base de l'ordre d'importance des gains.
On comprendra que les différents aspects de l'invention décrits ci-dessus procurent chacun des améliorations propres, et qu'il est donc envisageable de les mettre en oeuvre indépendamment les uns des autres. Leur combinaison permet de réaliser un codeur de performances particulièrement intéressantes.
Dans l'exemple de réalisation décrit dans ce qui précède, le codeur de parole à 13 kbits/s requiert de l'ordre de 15 millions d'instructions par seconde (Mips) en virgule fixe. On le réalisera donc typiquement en programmant un processeur de signal numérique (DSP) du commerce, de même que le décodeur qui ne requiert que de l'ordre de 5 Mips.

Claims

REVENDICATIONS
1. Procédé de codage à analyse par synthèse d'un signal de parole numérisé en trames successives subdivisées en sous-trames comportant un nombre déterminé d' échantillons, dans lequel on effectue pour chaque trame une analyse par prédiction linéaire du signal de parole pour déterminer les coefficients d'un filtre de synthèse à court terme (60), et une analyse en boucle ouverte pour déterminer un degré de voisement de la trame, et on effectue pour chaque sous-trame au moins une analyse en boucle fermée pour déterminer une séquence d'excitation qui, soumise au filtre de synthèse à court terme, produit un signal synthétique représentatif du signal de parole, chaque analyse en boucle fermée utilisant la réponse impulsionnelle d'un filtre composé du filtre de synthèse à court terme et d'un filtre de pondération perceptuelle, caractérisé en ce que, lors de chaque analyse en boucle fermée, on utilise ladite réponse impulsionnelle en la tronquant à une longueur de troncature (Lh) au plus égale au nombre (Ist) d'échantillons par sous-trame et dépendant de la distribution énergétique de ladite réponse et du degré de voisement de la trame.
2. Procédé selon la revendication 1, caractérisé en ce que la réponse impulsionnelle du filtre composé est calculée sur une longueur totale (pst) supérieure au nombre (Ist) d'échantillons par sous-trame, en ce qu'on détermine une longueur minimale La telle que l'énergie de la réponse impulsionnelle calculée en tronquant ladite réponse à La échantillons soit au moins égale à une fraction déterminée
(α) de l'énergie de la réponse impulsionnelle calculée sur ladite longueur totale (pst) , et en ce que la longueur de troncature (Lh) est égale à la somme de ladite longueur minimale La et d'un terme correcteur (Δ(MV) ) dépendant du degré de voisement de la trame si ladite somme est inférieure au nombre (Ist) d'échantillons par sous-trame.
3. Procédé selon la revendication 2, caractérisé en ce que ledit terme correcteur (Δ(MV)) est une fonction croissante du degré de voisement .
4. Procédé selon l'une quelconque des revendications
1 à 3, caractérisé en ce que le filtre de pondération perceptuelle a une fonction de transfert de la forme W(z)≈Atz/γ-,^) /A(z/γ2) où 1/A(z) désigne la fonction de transfert du filtre de synthèse à court terme et γ^ et γ sont deux coefficients tels que 0<γ2<γ1<l .
5. Procédé selon la revendication 4, caractérisé en ce qu'on représente les coefficients du filtre de synthèse à court terme par des paramètres de raies spectrales (LSP) , en ce qu'on quantifie lesdits paramètres de raies spectrales en ce que, pour constituer le filtre de synthèse à court terme auquel est soumise la séquence d'excitation relative à au moins une sous-trame d'une trame, on effectue une interpolation entre les paramètres de raies spectrales relatifs à ladite trame et ceux relatifs à la trame précédente, et en ce que, pour calculer la réponse impulsionnelle du filtre composé, on calcule le filtre de synthèse à court terme sur la base des paramètres de raies spectrales quantifiés et interpolés, tandis qu'on calcule le filtre de pondération perceptuelle sur la base des paramètres de raies spectrales interpolés mais non quantifiés.
PCT/FR1996/000006 1995-01-06 1996-01-03 Procede de codage de parole a analyse par synthese WO1996021220A1 (fr)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE69602421T DE69602421T2 (de) 1995-01-06 1996-01-03 Verfahren zur sprachkodierung mittels analyse durch synthese
AU44903/96A AU697892B2 (en) 1995-01-06 1996-01-03 Analysis-by-synthesis speech coding method
BR9606887A BR9606887A (pt) 1995-01-06 1996-01-03 Processo de codificação de palavra com análise por sintese
US08/860,746 US5963898A (en) 1995-01-06 1996-01-03 Analysis-by-synthesis speech coding method with truncation of the impulse response of a perceptual weighting filter
EP96901010A EP0801790B1 (fr) 1995-01-06 1996-01-03 Procede de codage de parole a analyse par synthese

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR9500135A FR2729247A1 (fr) 1995-01-06 1995-01-06 Procede de codage de parole a analyse par synthese
FR95/00135 1995-01-06

Publications (1)

Publication Number Publication Date
WO1996021220A1 true WO1996021220A1 (fr) 1996-07-11

Family

ID=9474932

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR1996/000006 WO1996021220A1 (fr) 1995-01-06 1996-01-03 Procede de codage de parole a analyse par synthese

Country Status (10)

Country Link
US (1) US5963898A (fr)
EP (1) EP0801790B1 (fr)
CN (1) CN1173938A (fr)
AT (1) ATE180092T1 (fr)
AU (1) AU697892B2 (fr)
BR (1) BR9606887A (fr)
CA (1) CA2209623A1 (fr)
DE (1) DE69602421T2 (fr)
FR (1) FR2729247A1 (fr)
WO (1) WO1996021220A1 (fr)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1111586A2 (fr) * 1999-12-24 2001-06-27 Nokia Mobile Phones Ltd. Procédé et dispositif de codage de la parole avec détermination voisée/non voisée
US6807524B1 (en) 1998-10-27 2004-10-19 Voiceage Corporation Perceptual weighting device and method for efficient coding of wideband signals
US11562754B2 (en) 2017-11-10 2023-01-24 Fraunhofer-Gesellschaft Zur F Rderung Der Angewandten Forschung E.V. Analysis/synthesis windowing function for modulated lapped transformation

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3134817B2 (ja) * 1997-07-11 2001-02-13 日本電気株式会社 音声符号化復号装置
JP3998330B2 (ja) * 1998-06-08 2007-10-24 沖電気工業株式会社 符号化装置
US6192335B1 (en) * 1998-09-01 2001-02-20 Telefonaktieboiaget Lm Ericsson (Publ) Adaptive combining of multi-mode coding for voiced speech and noise-like signals
FI116992B (fi) * 1999-07-05 2006-04-28 Nokia Corp Menetelmät, järjestelmä ja laitteet audiosignaalin koodauksen ja siirron tehostamiseksi
JP3372908B2 (ja) * 1999-09-17 2003-02-04 エヌイーシーマイクロシステム株式会社 マルチパルス探索処理方法と音声符号化装置
US6760698B2 (en) * 2000-09-15 2004-07-06 Mindspeed Technologies Inc. System for coding speech information using an adaptive codebook with enhanced variable resolution scheme
US7171355B1 (en) * 2000-10-25 2007-01-30 Broadcom Corporation Method and apparatus for one-stage and two-stage noise feedback coding of speech and audio signals
FR2820227B1 (fr) * 2001-01-30 2003-04-18 France Telecom Procede et dispositif de reduction de bruit
FI114770B (fi) * 2001-05-21 2004-12-15 Nokia Corp Matkaviestimen äänidatan kontrollointi solukkojärjestelmässä
US7110942B2 (en) * 2001-08-14 2006-09-19 Broadcom Corporation Efficient excitation quantization in a noise feedback coding system using correlation techniques
US6751587B2 (en) 2002-01-04 2004-06-15 Broadcom Corporation Efficient excitation quantization in noise feedback coding with general noise shaping
US7206740B2 (en) * 2002-01-04 2007-04-17 Broadcom Corporation Efficient excitation quantization in noise feedback coding with general noise shaping
US20030135374A1 (en) * 2002-01-16 2003-07-17 Hardwick John C. Speech synthesizer
US20040098255A1 (en) * 2002-11-14 2004-05-20 France Telecom Generalized analysis-by-synthesis speech coding method, and coder implementing such method
US8473286B2 (en) * 2004-02-26 2013-06-25 Broadcom Corporation Noise feedback coding system and method for providing generalized noise shaping within a simple filter structure
FR2888699A1 (fr) * 2005-07-13 2007-01-19 France Telecom Dispositif de codage/decodage hierachique
US8300849B2 (en) * 2007-11-06 2012-10-30 Microsoft Corporation Perceptually weighted digital audio level compression
US9626982B2 (en) * 2011-02-15 2017-04-18 Voiceage Corporation Device and method for quantizing the gains of the adaptive and fixed contributions of the excitation in a CELP codec
CA2887009C (fr) * 2012-10-05 2019-12-17 Fraunhofer-Gesellschaft Zur Forderung Der Angewandten Forschung E.V. Appareil pour coder un signal de parole employant acelp dans le domaine d'autocorrelation
US9336789B2 (en) * 2013-02-21 2016-05-10 Qualcomm Incorporated Systems and methods for determining an interpolation factor set for synthesizing a speech signal
CN105096958B (zh) * 2014-04-29 2017-04-12 华为技术有限公司 音频编码方法及相关装置
EP3483884A1 (fr) * 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Filtrage de signal

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0195487A1 (fr) * 1985-03-22 1986-09-24 Koninklijke Philips Electronics N.V. Codeur à prédiction linéaire pour signal vocal avec excitation par impulsions multiples
EP0573398A2 (fr) * 1992-06-01 1993-12-08 Hughes Aircraft Company Vocodeur C.E.L.P.
EP0619574A1 (fr) * 1993-04-09 1994-10-12 SIP SOCIETA ITALIANA PER l'ESERCIZIO DELLE TELECOMUNICAZIONI P.A. Codeur de langage utilisant des techniques d'analyse par synthèse avec excitation d'impulsion

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL8302985A (nl) * 1983-08-26 1985-03-18 Philips Nv Multipulse excitatie lineair predictieve spraakcodeerder.
CA1223365A (fr) * 1984-02-02 1987-06-23 Shigeru Ono Methode et appareil de codage de paroles
US4831624A (en) * 1987-06-04 1989-05-16 Motorola, Inc. Error detection method for sub-band coding
US4802171A (en) * 1987-06-04 1989-01-31 Motorola, Inc. Method for error correction in digitally encoded speech
CA1337217C (fr) * 1987-08-28 1995-10-03 Daniel Kenneth Freeman Codage vocal
US5293448A (en) * 1989-10-02 1994-03-08 Nippon Telegraph And Telephone Corporation Speech analysis-synthesis method and apparatus therefor
SE463691B (sv) * 1989-05-11 1991-01-07 Ericsson Telefon Ab L M Foerfarande att utplacera excitationspulser foer en lineaerprediktiv kodare (lpc) som arbetar enligt multipulsprincipen
US5060269A (en) * 1989-05-18 1991-10-22 General Electric Company Hybrid switched multi-pulse/stochastic speech coding technique
JP2940005B2 (ja) * 1989-07-20 1999-08-25 日本電気株式会社 音声符号化装置
US5097508A (en) * 1989-08-31 1992-03-17 Codex Corporation Digital speech coder having improved long term lag parameter determination
WO1991003790A1 (fr) * 1989-09-01 1991-03-21 Motorola, Inc. Codeur de parole numerique a prediseur a long terme ameliore
DE69033011T2 (de) * 1989-10-17 2001-10-04 Motorola Inc Digitaler sprachdekodierer unter verwendung einer nachfilterung mit einer reduzierten spektralverzerrung
US5073940A (en) * 1989-11-24 1991-12-17 General Electric Company Method for protecting multi-pulse coders from fading and random pattern bit errors
US5097507A (en) * 1989-12-22 1992-03-17 General Electric Company Fading bit error protection for digital cellular multi-pulse speech coder
US5265219A (en) * 1990-06-07 1993-11-23 Motorola, Inc. Speech encoder using a soft interpolation decision for spectral parameters
FI98104C (fi) * 1991-05-20 1997-04-10 Nokia Mobile Phones Ltd Menetelmä herätevektorin generoimiseksi ja digitaalinen puhekooderi
WO1993005502A1 (fr) * 1991-09-05 1993-03-18 Motorola, Inc. Systeme de protection contre les erreurs destine a des codeurs de signaux vocaux multimodes
US5253269A (en) * 1991-09-05 1993-10-12 Motorola, Inc. Delta-coded lag information for use in a speech coder
TW224191B (fr) * 1992-01-28 1994-05-21 Qualcomm Inc
US5765127A (en) * 1992-03-18 1998-06-09 Sony Corp High efficiency encoding method
US5317595A (en) * 1992-06-30 1994-05-31 Nokia Mobile Phones Ltd. Rapidly adaptable channel equalizer
JP3343965B2 (ja) * 1992-10-31 2002-11-11 ソニー株式会社 音声符号化方法及び復号化方法
CA2137756C (fr) * 1993-12-10 2000-02-01 Kazunori Ozawa Codeur vocal et methode de recherche d'impulsions d'excitation
FR2720850B1 (fr) * 1994-06-03 1996-08-14 Matra Communication Procédé de codage de parole à prédiction linéaire.
FR2720849B1 (fr) * 1994-06-03 1996-08-14 Matra Communication Procédé et dispositif de prétraitement d'un signal acoustique en amont d'un codeur de parole.
CA2154911C (fr) * 1994-08-02 2001-01-02 Kazunori Ozawa Dispositif de codage de paroles
US5699477A (en) * 1994-11-09 1997-12-16 Texas Instruments Incorporated Mixed excitation linear prediction with fractional pitch
US5751903A (en) * 1994-12-19 1998-05-12 Hughes Electronics Low rate multi-mode CELP codec that encodes line SPECTRAL frequencies utilizing an offset
FR2729245B1 (fr) * 1995-01-06 1997-04-11 Lamblin Claude Procede de codage de parole a prediction lineaire et excitation par codes algebriques
US5732389A (en) * 1995-06-07 1998-03-24 Lucent Technologies Inc. Voiced/unvoiced classification of speech for excitation codebook selection in celp speech decoding during frame erasures
JP3680380B2 (ja) * 1995-10-26 2005-08-10 ソニー株式会社 音声符号化方法及び装置
FR2742568B1 (fr) * 1995-12-15 1998-02-13 Catherine Quinquis Procede d'analyse par prediction lineaire d'un signal audiofrequence, et procedes de codage et de decodage d'un signal audiofrequence en comportant application
US5799271A (en) * 1996-06-24 1998-08-25 Electronics And Telecommunications Research Institute Method for reducing pitch search time for vocoder

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0195487A1 (fr) * 1985-03-22 1986-09-24 Koninklijke Philips Electronics N.V. Codeur à prédiction linéaire pour signal vocal avec excitation par impulsions multiples
EP0573398A2 (fr) * 1992-06-01 1993-12-08 Hughes Aircraft Company Vocodeur C.E.L.P.
EP0619574A1 (fr) * 1993-04-09 1994-10-12 SIP SOCIETA ITALIANA PER l'ESERCIZIO DELLE TELECOMUNICAZIONI P.A. Codeur de langage utilisant des techniques d'analyse par synthèse avec excitation d'impulsion

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KATAOKA ET AL.: "Implementation and performance of an 8-kbit/s conjugate structure CELP speech coder", INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING 1994, vol. 2, 19 April 1994 (1994-04-19) - 22 April 1994 (1994-04-22), ADELAIDE, SA, AU, pages 93 - 96, XP000528454 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6807524B1 (en) 1998-10-27 2004-10-19 Voiceage Corporation Perceptual weighting device and method for efficient coding of wideband signals
EP1111586A2 (fr) * 1999-12-24 2001-06-27 Nokia Mobile Phones Ltd. Procédé et dispositif de codage de la parole avec détermination voisée/non voisée
EP1111586A3 (fr) * 1999-12-24 2002-10-16 Nokia Corporation Procédé et dispositif de codage de la parole avec détermination voisée/non voisée
US6915257B2 (en) 1999-12-24 2005-07-05 Nokia Mobile Phones Limited Method and apparatus for speech coding with voiced/unvoiced determination
US11562754B2 (en) 2017-11-10 2023-01-24 Fraunhofer-Gesellschaft Zur F Rderung Der Angewandten Forschung E.V. Analysis/synthesis windowing function for modulated lapped transformation

Also Published As

Publication number Publication date
DE69602421T2 (de) 1999-12-23
EP0801790A1 (fr) 1997-10-22
BR9606887A (pt) 1997-10-28
FR2729247B1 (fr) 1997-03-07
AU4490396A (en) 1996-07-24
DE69602421D1 (de) 1999-06-17
ATE180092T1 (de) 1999-05-15
FR2729247A1 (fr) 1996-07-12
EP0801790B1 (fr) 1999-05-12
CA2209623A1 (fr) 1996-07-11
US5963898A (en) 1999-10-05
AU697892B2 (en) 1998-10-22
CN1173938A (zh) 1998-02-18

Similar Documents

Publication Publication Date Title
EP0801790B1 (fr) Procede de codage de parole a analyse par synthese
EP0782128B1 (fr) Procédé d&#39;analyse par prédiction linéaire d&#39;un signal audiofréquence, et procédés de codage et de décodage d&#39;un signal audiofréquence en comportant application
EP0801788B1 (fr) Procede de codage de parole a analyse par synthese
EP0721180B1 (fr) Procédé de codage de parole à analyse par synthèse
EP0749626B1 (fr) Procede de codage de parole a prediction lineaire et excitation par codes algebriques
CN101180676B (zh) 用于谱包络表示的向量量化的方法和设备
FR2734389A1 (fr) Procede d&#39;adaptation du niveau de masquage du bruit dans un codeur de parole a analyse par synthese utilisant un filtre de ponderation perceptuelle a court terme
EP2384505B1 (fr) Codage de la parole
EP1692689B1 (fr) Procede de codage multiple optimise
EP2080194B1 (fr) Attenuation du survoisement, notamment pour la generation d&#39;une excitation aupres d&#39;un decodeur, en absence d&#39;information
FR2784218A1 (fr) Procede de codage de la parole a bas debit
FR2702590A1 (fr) Dispositif de codage et de décodage numériques de la parole, procédé d&#39;exploration d&#39;un dictionnaire pseudo-logarithmique de délais LTP, et procédé d&#39;analyse LTP.
EP1192619B1 (fr) Codage et decodage audio par interpolation
EP1192618B1 (fr) Codage audio avec liftrage adaptif
WO2002029786A1 (fr) Procede et dispositif de codage segmental d&#39;un signal audio
EP1194923B1 (fr) Procedes et dispositifs d&#39;analyse et de synthese audio
WO2001003121A1 (fr) Codage et decodage audio avec composants harmoniques et phase minimale
FR2980620A1 (fr) Traitement d&#39;amelioration de la qualite des signaux audiofrequences decodes
WO2001003119A1 (fr) Codage et decodage audio incluant des composantes non harmoniques du signal
FR2987931A1 (fr) Modification des caracteristiques spectrales d&#39;un filtre de prediction lineaire d&#39;un signal audionumerique represente par ses coefficients lsf ou isf.
WO2001003120A1 (fr) Codage audio avec composants harmoniques

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 96191793.8

Country of ref document: CN

AK Designated states

Kind code of ref document: A1

Designated state(s): AU BR CA CN FI JP KR US

AL Designated countries for regional patents

Kind code of ref document: A1

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

DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
121 Ep: the epo has been informed by wipo that ep was designated in this application
ENP Entry into the national phase

Ref document number: 2209623

Country of ref document: CA

Ref document number: 2209623

Country of ref document: CA

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 1996901010

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 08860746

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 1996901010

Country of ref document: EP

WWG Wipo information: grant in national office

Ref document number: 1996901010

Country of ref document: EP