WO2001003121A1 - Codage et decodage audio avec composants harmoniques et phase minimale - Google Patents

Codage et decodage audio avec composants harmoniques et phase minimale Download PDF

Info

Publication number
WO2001003121A1
WO2001003121A1 PCT/FR2000/001909 FR0001909W WO0103121A1 WO 2001003121 A1 WO2001003121 A1 WO 2001003121A1 FR 0001909 W FR0001909 W FR 0001909W WO 0103121 A1 WO0103121 A1 WO 0103121A1
Authority
WO
WIPO (PCT)
Prior art keywords
frequency
phase
audio signal
module
fundamental frequency
Prior art date
Application number
PCT/FR2000/001909
Other languages
English (en)
Inventor
François CAPMAN
Carlo Murgia
Original Assignee
Matra Nortel Communications
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 Nortel Communications filed Critical Matra Nortel Communications
Priority to AU62923/00A priority Critical patent/AU6292300A/en
Priority to EP00949624A priority patent/EP1190414A1/fr
Publication of WO2001003121A1 publication Critical patent/WO2001003121A1/fr

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G10L19/02—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 spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/0212—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 spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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

Definitions

  • the present invention relates to the field of coding of audio signals. It applies in particular, but not exclusively, to speech coding, in narrow band or in wide band, in various ranges of coding bit rates.
  • the design of an audio codec mainly aims to provide a good compromise between the bit rate of the stream transmitted by the coder and the quality of the audio signal which the decoder is capable of reconstructing from this stream.
  • the coder estimates a fundamental frequency of the signal, representing its pitch
  • the spectral analysis consists determining parameters representing the harmonic structure of the signal at frequencies which are integer multiples of this fundamental frequency.
  • a modeling of the non-harmonic, or non-voiced component can also be carried out in the spectral domain.
  • the parameters transmitted to the decoder typically represent the modulus of the spectrum of the voiced and unvoiced components. Added to this is information representing either voiced / unvoiced decisions relating to different portions of the spectrum, or information on the probability of voicing of the signal, allowing the decoder to determine in which portions of the spectrum it must use the voiced component. or the unvoiced component.
  • coders of the MBE (“Multi-Band Excitation”) type or alternatively coders of the STC (“Sinusoidal Transform Coder”) type.
  • STC Seusoidal Transform Coder
  • An object of the present invention is to allow, in a coding scheme with analysis in the spectral domain, improve the modeling of the phases of the signal spectrum by the decoder.
  • the invention thus proposes a method of coding an audio signal, in which a fundamental frequency of the audio signal is estimated, a spectrum of the audio signal is determined by a transform in the field frequency of a frame of the audio signal, and coding data of a harmonic component of the audio signal is included in a digital output stream, comprising data representative of spectral amplitudes associated with frequencies multiple of the estimated fundamental frequency.
  • said data representative of spectral amplitudes associated with frequencies multiple of the fundamental frequency are obtained by means of cepstral coefficients calculated by transforming in the cepstral domain a compressed upper envelope of the spectrum of the audio signal, and the coding data of the harmonic component further comprise, for at least one of the frequencies multiple of the estimated fundamental frequency, data relating to the phase of the spectrum of the audio signal in the vicinity of said multiple frequency.
  • Another aspect of the present invention relates to a method of decoding a digital input stream representing an encoded audio signal, in which one receives in the digital input stream encoding data of a fundamental frequency of the signal.
  • audio and coding data of a harmonic component comprising quantization data of cepstral coefficients representing a higher spectral envelope of the audio signal, and a spectral estimate of the harmonic component is generated whose modulus is determined by said spectral envelope greater than frequencies multiples of the fundamental frequency.
  • the cepstral coefficients are transformed by lifting and smoothing in the cepstral domain, and minimum phases of the audio signal are calculated at frequencies multiple of the fundamental frequency based on the transformed cepstral coefficients.
  • the invention also provides an audio coder and decoder comprising means for implementing the above methods.
  • FIG. 1 is a block diagram of an audio encoder according to the invention
  • Figures 2 and 3 are diagrams illustrating the formation of audio signal frames in the encoder of Figure 1;
  • FIGS. 4 and 5 are graphs showing an example of the audio signal spectrum and illustrating the extraction of the upper and lower envelopes of this spectrum
  • FIG. 6 is a block diagram of an example of quantization means usable in the encoder of Figure 1;
  • FIG. 7 is a block diagram of means used to extract parameters relating to the phase of the non-harmonic component in a variant of the encoder of Figure 1;
  • FIG. 8 is a block diagram of an audio decoder corresponding to the encoder of Figure 1;
  • FIG. 9 is a flow diagram of an example of a procedure for smoothing spectral coefficients and extracting minimum phases implemented in the decoder of FIG. 8;
  • FIG. 10 is a block diagram of analysis and spectral mixing modules of harmonic and non-harmonic components of the audio signal;
  • - Figures 11 to 13 are graphs showing examples of non-linear functions usable in the analysis module of Figure 10;
  • FIGS. 14 and 15 are diagrams illustrating one way of proceeding to the temporal synthesis of the signal frames in the decoder of FIG. 8;
  • Figures 16 and 17 are graphs showing window functions that can be used in the synthesis of frames according to Figures 14 and 15;
  • FIGS. 18 and 19 are block diagrams of interpolation means usable in an alternative embodiment of the coder and the decoder;
  • FIG. 20 is a block diagram of interpolation means usable in another alternative embodiment of the encoder.
  • the encoder and the decoder described below are digital circuits which can, as is usual in the field of signal processing audio, be produced by programming a digital signal processor (DSP) or a specific application integrated circuit (ASIC).
  • DSP digital signal processor
  • ASIC application integrated circuit
  • the audio coder represented in FIG. 1 processes an input audio signal x which, in the nonlimiting example considered below, is a speech signal.
  • the signal x is available in digital form, for example at a sampling frequency F e of 8 kHz. It is for example delivered by an analog-digital converter processing the amplified output signal of a microphone.
  • the input signal x can also be formed from another version, analog or digital, coded or not, of the speech signal.
  • the encoder comprises a module 1 which forms successive audio signal frames for the different treatments carried out, and an output multiplexer 6 which delivers an output stream ⁇ containing for each frame sets of quantization parameters from which a decoder will be capable. synthesize a decoded version of the audio signal.
  • N 256
  • the module 1 multiplies the samples of each frame 2 by a window function f A , preferably chosen for its good spectral properties.
  • ⁇ is a coefficient for example equal to 6
  • l 0 (.) denotes the function of
  • the coder in FIG. 1 analyzes the audio signal in the spectral domain. It includes a module 3 which calculates the fast Fourier transform (TFR) of each signal frame.
  • TFR fast Fourier transform
  • the TFR 3 module obtains the signal spectrum for each frame, the module and phase of which are respectively denoted
  • a fundamental frequency detector 4 estimates for each signal frame a value of the fundamental frequency F 0 .
  • the detector 4 can apply any known method of analysis of the speech signal of the frame to estimate the fundamental frequency F 0 , for example a method based on the autocorrelation function or the AMDF function, possibly preceded by a bleaching module by linear prediction.
  • the estimation can also be performed in the spectral domain or in the cepstral domain.
  • Another possibility is to evaluate the time intervals between the consecutive breaks in the speech signal attributable to closures of the glottis of the intervening speaker during the duration of the frame.
  • Well-known methods which can be used to detect such micro-ruptures are described in the following articles: M.
  • the estimated fundamental frequency F 0 is subject to quantification, for example scalar, by a module 5, which supplies the output multiplexer 6 with an index iF for quantizing the fundamental frequency for each frame of the signal.
  • the encoder uses cepstral parametric models to represent an upper envelope and a lower envelope of the spectrum of the audio signal.
  • the first step of the cepstral transformation consists in applying to the signal spectrum module a spectral compression function, which can be a logarithmic or root function.
  • the coder module 8 thus operates, for each value X (i) of the signal spectrum (0 ⁇ i ⁇ N), the following transformation:
  • ⁇ being an exponent between 0 and 1.
  • the compressed spectrum LX of the audio signal is processed by a module 9 which extracts spectral amplitudes associated with the harmonics of the signal corresponding to the multiples of the estimated fundamental frequency F0. These amplitudes are then interpolated by a module 10 in order to obtain a compressed upper envelope marked LX_sup.
  • the spectral compression could be carried out in an equivalent manner after the determination of the amplitudes associated with the harmonics. It could also be done after interpolation, which would only change the form of the interpolation functions.
  • the maxima extraction module 9 takes account of the possible variation of the fundamental frequency on the analysis frame, of the errors that the detector 4 can make, as well as of the inaccuracies linked to the discrete nature of the frequency sampling.
  • the search for the amplitudes of the spectral peaks does not simply consist in taking the values LX (i) corresponding to the indices i such that iF e / 2N is the frequency closest to a harmonic of frequency kF 0 (k> 1 ).
  • the spectral amplitude retained for a harmonic of order k is a local maximum of the spectrum module in the vicinity of the frequency kF 0 (this amplitude is obtained directly in compressed form when the spectral compression 8 is carried out before the extraction of the maxima 9 ).
  • FIGS. 4 and 5 show an example of the shape of the compressed spectrum LX, where it can be seen that the maximum amplitudes of the harmonic peaks do not necessarily coincide with the amplitudes corresponding to the integer multiples of the estimated fundamental frequency F 0 .
  • the sides of the peaks being quite steep, a small positioning error of the fundamental frequency F 0 , amplified by the harmonic index k, can strongly distort the estimated upper envelope of the spectrum and cause poor modeling of the formantic structure of the signal.
  • interpolation is carried out between points whose abscissa is the frequency corresponding to the maximum of the amplitude of a spectral peak, and whose ordinate is this maximum, before or after compression.
  • interpolation performed to calculate the upper envelope LX_sup is a simple linear interpolation.
  • another form of interpolation could be used (for example polynomial or spline).
  • the interpolation is carried out between points whose abscissa is a frequency kF 0 multiple of the fundamental frequency (in fact the closest frequency in the discrete spectrum) and whose ordinate is the maximum amplitude, before or after compression, of the spectrum in the vicinity of this multiple frequency.
  • _aj denotes the integer equal or F e 2 immediately less than the number a.
  • the width of this search interval depends on the sampling frequency F e , the size 2N of the TFR and the range of possible variation of the fundamental frequency. This width is typically of the order of ten frequencies with the examples of values previously considered. It can be made adjustable as a function of the value F 0 of the fundamental frequency and of the number k of the harmonic.
  • a non-linear distortion of the frequency scale is operated on the upper envelope compressed by a module 12 before the module 13 performs the inverse fast Fourier transform (TFRI) providing the cepstral coefficients cx_sup.
  • TFRI inverse fast Fourier transform
  • the non-linear distortion makes it possible to minimize the modeling error more effectively. It is for example carried out according to a Mel or Bark type frequency scale. This distortion may possibly depend on the estimated fundamental frequency F 0 .
  • Figure 1 illustrates the case of the Mel scale. The relationship between the frequencies F of the linear spectrum, expressed in hertz, and the frequencies F 'of the Mel scale is as follows:
  • NCS can be equal to 16.
  • a post-filtering in the cepstral domain is applied by a module 15 to the compressed upper envelope LX_sup.
  • This post-liftrage corresponds to a manipulation of the cepstral coefficients cx_sup delivered by the module of TRFI 13, which corresponds approximately to a post-filtering of the harmonic part of the signal by a transfer function having the classical form:
  • a (z) is the transfer function of a linear prediction filter of the audio signal
  • ⁇ 1 and ⁇ 2 are coefficients between 0 and 1
  • ⁇ is a possibly zero pre-emphasis coefficient.
  • c p (i) (l + ⁇ 2 - ⁇ !,) C (i) - - ⁇ p poouurr ii >> 00 i
  • a standardization module 16 further modifies cepstral coefficients by imposing the exact modeling constraint of a point on the initial spectrum, which is preferably the most energetic point among the spectral maxima extracted by the module 9. In practice, this normalization only modifies the value of the coefficient c p (0).
  • the normalization module 16 operates as follows: it recalculates a value of the synthesized spectrum at the frequency of the maximum indicated by the module 9, by Fourier transform of the truncated and post-liftral cepstral coefficients, taking into account the non-distortion linear of the frequency axis; it determines a normalization gain g N by the logarithmic difference between the value of the maximum provided by the module 9 and this recalculated value; and it adds the gain g N to the post-liftrated cepstral coefficient cp (0).
  • the post-liftrated and normalized cepstral coefficients are subject to quantification by a module 18 which transmits corresponding quantization indexes icxs to the output multiplexer 6 of the coder.
  • the module 18 can operate by vector quantization from cepstral vectors formed from post-liftred and normalized coefficients, denoted here cx [n] for the signal frame of rank n.
  • cx [n] 16 cepstral coefficients cx [n, 0], cx [n, 1], ..., cx [n, NCS-1] is distributed in four sub - cepstral vectors each containing four coefficients of consecutive orders.
  • the cepstral vector cx [n] can be processed by the means shown in Figure 6, part of the quantization module 18.
  • rcx_q [n-1] denotes the quantized residual vector for the frame of rank n-1, whose components are respectively noted rcx_q [n, 0], rcx_q [n, 1], ... , rcx_q [n, NCS-1].
  • the numerator of the relation (10) is obtained by a subtractor 20, whose components of the output vector are divided by the quantities 2- ⁇ (i) at 21.
  • the residual vector rcx [n] is subdivided into four sub-vectors, corresponding to the subdivision into four cepstral sub-vectors.
  • the unit 22 proceeds to the vector quantization of each sub-vector of the residual vector rcx [n].
  • This quantification can consist, for each sub-vector srcx [n], of selecting from the dictionary the quantified sub-vector srcx_q [n] which minimizes the quadratic error srcx [n] - srcx_q [n]
  • the set icxs of the quantization indexes icx, corresponding to the addresses in the dictionary or dictionaries of the residual quantized sub-vectors srcx_q [n] is supplied to the output multiplexer 6.
  • the unit 22 also delivers the values of the quantized residual sub-vectors, which form the vector rcx_q [n]. This is delayed by a frame at 23, and its components are multiplied by the coefficients ⁇ (i) at 24 to supply the vector to the negative input of the subtractor 20. This latter vector is also supplied to a adder 25, the other input of which receives a vector formed by the components of the quantized residue rcx_q [n] respectively multiplied by the quantities 1- ⁇ (i) at 26. The adder 25 thus delivers the quantized cepstral vector cx_q [n] that will recover the decoder.
  • the prediction coefficient ⁇ (i) can be optimized separately for each of the cepstral coefficients.
  • the quantization dictionaries can also be optimized separately for each of four cepstral sub-vectors.
  • the above scheme for quantifying cepstral coefficients may only be applied for some of the frames. For example, it is possible to provide a second quantization mode as well as a selection process of that of the two modes which minimizes a criterion of least squares with the cepstral coefficients to be quantified, and transmit with the quantization indexes of the frame a bit indicating which of the two modes has been selected.
  • spectral amplitudes are for example calculated in compressed form, by applying the Fourier transform to the quantified cepstral coefficients taking into account the non-linear distortion of the frequency scale used in the cepstral transformation.
  • the amplitudes thus recalculated are supplied to an adaptation module 29 which compares them to the maximum amplitudes determined by the extraction module 9.
  • the adaptation module 29 controls the post-lifter 15 so as to minimize a module deviation between the spectrum of the audio signal and the corresponding module values calculated at 28.
  • This module deviation can be expressed by a sum of absolute values of amplitude differences, compressed or not, corresponding to one or more of the harmonic frequencies. This sum can be weighted according to the spectral amplitudes associated with these frequencies.
  • the modulus difference taken into account in the adaptation of the post-liftring would take into account all the harmonics of the spectrum.
  • the module 28 can resynthesize the spectral amplitudes only for one or more frequencies multiple of the fundamental frequency F 0 , selected on the basis of the size of the spectrum module in absolute value .
  • the adaptation module 29 can for example consider the three most intense spectral peaks in the calculation of the module deviation to be minimized.
  • the adaptation module 29 estimates a spectral masking curve of the audio signal by means of a psychoacoustic model, and the frequencies taken into account in the calculation of the module deviation to be minimized are selected on the basis the importance of the spectrum module relative to the masking curve (we can for example take the three frequencies for which the spectrum module exceeds the masking curve the most).
  • Different conventional methods can be used to calculate the masking curve from the audio signal. One can for example use that developed by JD Johnston (“Transform Coding of Audio Signais Using Perceptual Noise Criteria”, IEEE Journal on Selected Area in Communications, Vol. 6, No. 2, February 1988).
  • the module 29 can use a filter identification model.
  • a simpler method consists in predefining a set of post-liftring parameter sets, that is to say a set of couples ⁇ .,, ⁇ 2 in the case of a post-liftring according to relations (8) , to carry out the operations incumbent on the modules 15, 16, 18 and 28 for each of these sets of parameters, and to retain that of the sets of parameters which leads to the minimum module deviation between the signal spectrum and the recalculated values.
  • the quantization indexes provided by the module 18 are then those which relate to the best set of parameters.
  • the coder determines coefficients cx_inf representing a compressed lower envelope LX_inf.
  • a module 30 extracts from the compressed spectrum LX spectral amplitudes associated with frequencies located in regions of the intermediate spectrum with respect to the frequencies multiple of the estimated fundamental frequency F 0 .
  • F 0 simply corresponds to the modulus of the spectrum for the frequency (k + 1/2) .F 0 located in the middle of the interval separating the two harmonics.
  • this amplitude could be an average of the spectrum modulus over a small range surrounding this frequency (k + 1/2) .F 0 .
  • a module 31 proceeds to an interpolation, for example linear, of the spectral amplitudes associated with the frequencies located in the intermediate zones to obtain the compressed lower envelope LX_inf.
  • the cepstral transformation applied to this compressed lower envelope LX_inf is carried out according to a frequency scale resulting from a non-linear distortion applied by a module 32.
  • the TFRI module 33 calculates a cepstral vector of NCI cepstral coefficients cx_inf of orders 0 to NCI-1 representing the lower envelope.
  • the non-linear transformation of the frequency scale for the cepstral transformation of the lower envelope can be carried out towards a finer scale at high frequencies than at low frequencies, which advantageously makes it possible to model the unvoiced components of the signal at high frequencies well.
  • module 32 it may be preferable to adopt in module 32 the same scale as in module 12 (Mel in the example considered).
  • the cepstral coefficients cx_inf representing the compressed lower envelope are quantified by a module 34, which can operate in the same way as the module 18 for quantifying the cepstral coefficients representing the compressed upper envelope.
  • the vector thus formed is subjected to a vector quantization of prediction residue, carried out by means identical to those represented in FIG. 6 but without subdivision into sub-vectors.
  • the coder shown in FIG. 1 does not include any particular device for coding the phases of the spectrum with the harmonics of the audio signal.
  • it includes means 36-40 for coding temporal information linked to the phase of the non-harmonic component represented by the lower envelope.
  • a spectral decompression module 36 and a TFRI module 37 form a temporal estimate of the frame of the non-harmonic component.
  • the module 36 applies a reciprocal decompression function of the compression function applied by the module 8 (that is to say an exponential or a power 1 / ⁇ function) to the compressed lower envelope LXjnf produced by the module interpolation 31. This provides the modulus of the estimated frame of the non-harmonic component, the phase of which is taken to be equal to that ⁇ ⁇ of the spectrum of the signal X over the frame.
  • the inverse Fourier transform performed by the module 37 provides the estimated frame of the non-harmonic component.
  • the module 38 subdivides this estimated frame of the non-harmonic component into several time segments.
  • the module 38 calculates the energy equal to the sum of the squares of the samples, and forms a vector E1 formed by eight positive real components equal to the eight calculated energies.
  • the largest of these eight energies, denoted EM, is also determined to be supplied, with the vector E1, to a normalization module 39.
  • the latter divides each component of the vector E1 by EM, so that the normalized vector Emix is formed of eight components between 0 and 1. It is this normalized vector Emix, or weighting vector, which is subject to quantization by module 40. This can perform vector quantization with a dictionary determined during a prior learning.
  • the quantization index iEm is supplied by the module 40 to the output multiplexer 6 of the coder.
  • FIG. 7 shows an alternative embodiment of the means used by the coder of FIG. 1 to determine the vector Emix of energy weighting of the frame of the non-harmonic component.
  • the spectral decompression and TFRI modules 36, 37 operate like those which have the same references in FIG. 1.
  • a selection module 42 is added to determine the value of the module of the spectrum subjected to the inverse Fourier transform 37. On the based on the estimated fundamental frequency F 0 , the module 42 identifies harmonic regions and non-harmonic regions of the spectrum of the audio signal.
  • a frequency will be considered to belong to a harmonic region if it is in a frequency interval centered on a harmonic kF 0 and of width corresponding to a width of spectral line synthesized, and to a non-harmonic region otherwise.
  • the complex signal subjected to TFRI 37 is equal to the value of the spectrum, that is to say that its modulus and its phase correspond to the values
  • this complex signal has the same phase ⁇ ⁇ as the spectrum and a module given by the lower envelope after spectral decompression 36. This procedure according to FIG. 7 provides more precise modeling of non-harmonic regions.
  • the decoder represented in FIG. 8 comprises an input demultiplexer 45 which extracts from the bit stream ⁇ , coming from an encoder according to FIG. 1, the index iF, icxs, icxi, iEm of quantization of the fundamental frequency F 0 , of the cepstral coefficients representing the compressed upper envelope, of the coefficients representing the compressed lower envelope, and of the weighting vector Emix, and distributing them respectively to modules 46, 47, 48 and 49.
  • These modules 46-49 include quantization dictionaries similar to those of modules 5, 18, 34 and 40 of FIG. 1, in order to restore the values of the quantized parameters.
  • the modules 47 and 48 have dictionaries to form the quantized prediction residues rcx_q [n], and they deduce therefrom the quantified cepstral vectors cx_q [n] with elements identical to the elements 23-26 of FIG. 6. These quantified cepstral vectors cx_q [n] provide the cepstral coefficients cx_sup_q and cx_inf_q processed by the decoder.
  • a module 51 calculates the fast Fourier transform of the cepstral coefficients cx_sup for each signal frame.
  • the frequency spectrum of the resulting compressed spectrum is modified non-linearly by a module 52 applying the reciprocal non-linear transformation to that of module 12 in FIG. 1, and which provides the estimate LX_sup of the compressed upper envelope .
  • a spectral decompression of LX_sup operated by a module 53, provides the upper envelope X_sup comprising the estimated values of the module of the spectrum at frequencies multiple of the fundamental frequency F 0 .
  • the module 54 synthesizes the spectral estimate X v of the harmonic component of the audio signal, by a sum of spectral lines centered on the frequencies multiple of the fundamental frequency F 0 and whose amplitudes (in module) are those given by the envelope superior X_sup.
  • the digital input stream ⁇ does not contain specific information on the phase of the signal spectrum at the harmonics of the fundamental frequency
  • the decoder in FIG. 8 is capable of extracting information on this phase from cepstral coefficients cx_sup_q representing the compressed upper envelope. This phase information is used to assign a phase ⁇ (k) to each of the spectral lines determined by the module 54 in the estimation of the harmonic component of the signal.
  • the speech signal can be considered to be at minimum phase.
  • the minimum phase information can easily be deduced from a cepstral modeling. This minimum phase information is therefore calculated for each frequency harmonic.
  • the minimum phase assumption means that the energy of the synthesized signal is localized at the start of each period of the fundamental frequency F 0 .
  • the operations performed by the modules 56, 57 for smoothing and extracting the minimum phase are illustrated by the flowchart in FIG. 9.
  • the module 56 examines the variations of the cepstral coefficients in order to apply a lesser smoothing in the presence of sudden variations only in the presence of slow variations. For this, it performs the smoothing of the cepstral coefficients by means of a forgetting factor ⁇ c chosen as a function of a comparison between a threshold d th and a distance d between two successive sets of post-liftrated cepstral coefficients.
  • the threshold d th is itself adapted as a function of the variations of the cepstral coefficients.
  • the first step 60 consists in calculating the distance d between the two successive vectors relating to the frames n-1 and n. These vectors, denoted here cxp [n-1] and cxp [n], correspond for each frame to all of the NCS post-liftral cepstral coefficients representing the compressed upper envelope.
  • the distance used can in particular be the Euclidean distance between the two vectors or even a quadratic distance. Two smoothings are first carried out, respectively by means of forgetting factors ⁇ min and ⁇ max , to determine a minimum distance d min and a maximum distance d max .
  • the forgetting factors ⁇ mjn and ⁇ max are themselves selected from two distinct values, respectively ⁇ mjn1 , ⁇ mjn2 and ⁇ ma ⁇ i- ⁇ -max2 between 0 and 1, the indices ⁇ m j n1 , ⁇ max1 each being substantially closer to 0 than the indices ⁇ mjn2 , ⁇ max2 .
  • step 62 the forget factor ⁇ mjn is equal to ⁇ mjn1 (step 62); otherwise it is taken equal to ⁇ min2 (step 63).
  • step 64 the minimum distance d mjn is taken equal to ⁇ min d min + ( 1 - ⁇ min) If d> d max ( test 65 )> the forget factor ⁇ max is 9 al to ⁇ max ( eta P e 66 ); otherwise ⁇ is taken equal to ⁇ max2 (step 67).
  • step 68 the minimum distance d ma ⁇ is taken equal to ⁇ ma ⁇ .d max + (1- ⁇ max ) .d.
  • step 72 If the distance d between the two consecutive cepstral vectors is greater than the threshold d th (test 71), a value ⁇ c1 relatively close to 0 is adopted for the forget factor ⁇ c (step 72). In this case, the corresponding signal is considered to be of the non-stationary type, so that there is no need to keep a large memory of the previous cepstral coefficients. If d ⁇ d th , in step 73 we adopt for the forget factor ⁇ c a value ⁇ c2 less close to 0 in order to further smooth the cepstral coefficients.
  • the module 57 then calculates the minimum phases ⁇ (k) associated with the harmonics kF 0 .
  • the minimum phase for a harmonic of order k is given by:
  • the harmonic index k is initialized to 1.
  • the phase ⁇ (k) and the cepstral index m are initialized respectively at 0 and 1 in step 76.
  • the module 57 adds to phase ⁇ (k) the quantity -2.cxl [n, m] .sin (2 ⁇ mk.F 0 / F e ).
  • the cepstral index m is incremented in step 78 and compared to NCS in step 79. Steps 77 and 78 are repeated as long as m ⁇ NCS.
  • m NCS
  • the calculation of the minimum phase is completed for the harmonic k, and the index k is incremented in step 80.
  • the calculation of minimum phases 76-79 is repeated for the following harmonic as long as kF 0 ⁇ F e / 2 (test 81).
  • the module 54 takes account of a constant phase over the width of each spectral line, equal to the minimum phase ⁇ (k) supplied for the corresponding harmonic k by the module 57.
  • the estimate X v of the harmonic component is synthesized by summing spectral lines positioned at the harmonic frequencies of the fundamental frequency F 0 .
  • the spectral lines can be positioned on the frequency axis with a resolution greater than the resolution of the Fourier transform. For that, one precalculates once and for all a spectral line of reference according to the higher resolution. This calculation can consist of a Fourier transform of the analysis window f ⁇ with a transform size of 16384 points, providing a resolution of 0.5 Hz per point.
  • each harmonic line is then carried out by the module 54 by positioning on the frequency axis the reference line at high resolution, and by sub-sampling this spectral line of reference to reduce to the resolution of 16.625 Hz of the Fourier transform on 512 points. This allows to precisely position the spectral line.
  • the TFR module 85 of the decoder of FIG. 8 receives the NCI quantified cepstral coefficients cx_inf_q of orders 0 to NCI - 1, and it advantageously supplements them by the NCS - NCI cepstral coefficients cx_sup_q d NCI to NCS order - 1 representing the upper envelope. Indeed, it can be estimated as a first approximation that the rapid variations of the compressed lower envelope are well reproduced by those of the compressed upper envelope. In another embodiment, the TFR 85 module could only consider the NCI cepstraux parameters cx_inf_q.
  • the module 86 converts the frequency scale reciprocally from the conversion operated by the module 32 of the coder, in order to restore the estimate LXjnf of the compressed lower envelope, subjected to the spectral decompression module 87.
  • the decoder has a lower envelope Xjnf containing the values of the spectrum module in the valleys between the harmonic peaks.
  • This envelope X_inf will modulate the spectrum of a noise frame whose phase is treated as a function of the quantized weighting vector Emix extracted by the module 49.
  • a generator 88 delivers a normalized noise frame whose segments of 4 ms are weighted in a module 89 in accordance with the normalized components of the Emix vector supplied by the module 49 for the current frame.
  • This noise is a high-pass filtered white noise to take account of the low level which in principle the unvoiced component has at low frequencies.
  • the Fourier transform of the resulting frame is calculated by the TFR module 91.
  • the spectral estimate X uv of the non-harmonic component is determined by the spectral synthesis module 92 which performs a frequency-by-frequency weighting. This weighting consists in multiplying each complex spectral value supplied by the TFR module 91 by the value of the lower envelope X_inf obtained for the same frequency by the spectral decompression module 87.
  • the analysis module 96 comprises a unit 97 for estimating a degree of voicing W dependent on the frequency, from which four gains dependent on are calculated. the frequency, namely two gains g v , g uv controlling the relative importance of the harmonic and non-harmonic components in the synthesized signal, and two gains g v g uv used to noise the phase of the harmonic component.
  • the degree of voicing W (i) is a continuously variable value between 0 and 1 determined for each frequency index i (0 ⁇ i ⁇ N) as a function of the upper envelope X_sup (i) and the lower envelope X_inf (i) obtained for this frequency i by the decompression modules 53, 87.
  • the degree of voicing W (i) is estimated by the unit 97 for each frequency index i corresponding to a harmonic of the fundamental frequency F 0 ,
  • the threshold Vth (F 0 ) corresponds to the average dynamics calculated on a synthetic spectrum purely voiced at the fundamental frequency. It is advantageously chosen depending on the fundamental frequency F 0 .
  • the degree of voicing W (i) for a frequency other than the harmonic frequencies is obtained simply as being equal to that estimated for the nearest harmonic.
  • the gain g v (i), which depends on the frequency, is obtained by applying a non-linear function to the degree of voicing W (i) (block 98).
  • g (i) W (
  • ) ⁇ W1 if W1 ⁇ W (i) ⁇ W2 (14) v W2- W1 w g v (i) 1 if W2 ⁇ W (i) ⁇ 1 the thresholds W1, W2 being such as 0 ⁇ W1 ⁇ W2 ⁇ 1.
  • phase ⁇ ' v of the mixed harmonic component is the result of a linear combination of the phases ⁇ v , ⁇ uv of the harmonic and non-harmonic components X v , X uv synthesized by the modules 54, 92.
  • the gains g v g uv respectively applied to these phases are calculated from the degree of voicing W and also weighted as a function of the frequency index i, since the sound effects of the phase are only really useful beyond a certain frequency.
  • a first gain g v1 is calculated by applying a non-linear function to the degree of voicing W (i), as shown diagrammatically by block 100 in FIG. 10.
  • a multiplier 101 multiplies for each index frequency i the gain g v1 by another gain g v2 depending only on the frequency index i, to form the gain g v (i).
  • the gain g v2 (i) depends non-linearly on the frequency index i, for example as shown in Figure 13:
  • ⁇ v (i) denotes the argument of the complex number X v (i) supplied by module 54 for the index frequency i (block 104 of FIG. 10)
  • ⁇ uv (i) denotes the argument of the complex number X uv (i) supplied by the module 92 (block 105 of FIG. 10).
  • This combination is carried out by multipliers 106-110 and adders 111 -112 shown in FIG. 10.
  • the temporal synthesis module 116 performs an overlap sum of modified frames with respect to those successively evaluated at the output of module 115.
  • the modification can be seen in two stages illustrated respectively in FIGS. 14 and 15.
  • the first step (FIG. 14) consists in multiplying each frame 2 ′ delivered by the TFRI module 115 by a window 1 / f A opposite to the analysis window f A used by the module 1 of the coder.
  • the resulting 2 "frame samples are therefore weighted uniformly.
  • each sample of the decoded audio signal x thus obtained is assigned a uniform overall weight, equal to A. This overall weight comes from the contribution of a single frame if the sample has in this frame a rank i such that L ⁇ i ⁇ N - L, and includes the summed contributions of two successive frames if 0 ⁇ i ⁇ L where N - L ⁇ i ⁇ N.
  • 2 'of N 256 samples delivered by the module 115 by the compound window f c before performing the overlapping summation.
  • FIG. 16 shows the appearance of the compound window f c in the case where the analysis window f A is a Hamming window and the synthesis window f s has the form given by the relations (19) to (21) .
  • the coder in FIG. 1 can increase the rate of formation and analysis of the frames, in order to transmit more quantization parameters to the decoder.
  • a frame of N 256 samples (32 ms) is formed every 20 ms.
  • the notations cx_q [n-1] and cx_q [n] denote quantized cepstral vectors determined, for two successive frames of whole rank, by the quantization module 18 and / or by the quantization 34. These vectors comprise for example four consecutive cepstral coefficients each. They could also include more cepstral coefficients.
  • a module 120 performs an interpolation of these two cepstral vectors cx_q [n-1] and cx_q [n], in order to estimate an intermediate value cx_i [n-1/2].
  • the interpolation performed by the module 120 can be a simple arithmetic mean of the vectors cx_q [n-1] and cx_q [n].
  • the module 120 could apply a more sophisticated interpolation formula, for example polynomial, also relying on the cepstral vectors obtained for frames prior to the frame n-1.
  • the interpolation takes account of the relative position of each interpolated frame.
  • the coder uses the means described above to calculate the cepstral coefficients cx [n-1/2] relating to the frame of half-integer rank.
  • these cepstral coefficients are those provided by the TFRI module 13 after post-liftrage 15 (for example with the same post-liftrage coefficients as for the previous frame n-1) and normalization 16.
  • the cepstral coefficients cx [n-1/2] are those delivered by the TFRI module 33.
  • a subtractor 121 forms the difference ecx [n-1/2] between the cepstral coefficients cx [n-1/2] calculated for the half-integer row frame and the coefficients cx_i [n-1/2] estimated by interpolation.
  • This difference is supplied to a quantization module 122 which addresses quantization indices icx [n-1/2] to the output multiplexer 6 of the coder.
  • the module 122 operates for example by vector quantization of the ecx interpolation errors [n-1/2] successively determined for the half-integer rank frames.
  • This quantification of the interpolation error can be carried out by the coder for each of the NCS + NCI cepstral coefficients used by the decoder, or only for some of them, typically those of orders the smallest.
  • the decoder essentially functions as that described with reference to Figure 8 to determine the signal frames of whole rank.
  • An interpolation module 124 identical to the module 120 of the coder estimates the intermediate coefficients cx_i [n-1/2] from the quantized coefficients cx_q [n-1] and cx_q [n] supplied by the module 47 and / or the module 48 from the icxs indexes, icxi extracted from the flow ⁇ .
  • a parameter extraction module 125 receives the quantization index icx [n-1/2] from the input demultiplexer 45 of the decoder, and deduces therefrom the quantized interpolation error ecx_q [n-1/2] from the same quantization dictionary as that used by the module 122 of the coder.
  • An adder 126 sums the cepstral vectors cx_i [n-1/2] and ecx_q [n-1/2] in order to provide the cepstral coefficients cx [n-1/2] which will be used by the decoder (modules 51- 57, 95, 96, 115 and / or modules 85-87, 92, 95, 96, 115) to form the interpolated frame of rank n-1/2.
  • the decoder can also interpolate the other parameters F 0 , Emix used to synthesize the signal frames.
  • the fundamental frequency F 0 can be interpolated linearly, either in the time domain, or (preferably) directly in the frequency domain.
  • the interpolation should be carried out after denormalization and of course taking account of the time offsets between frames.
  • the coder uses the cepstral vectors cx_q [n], cx_q [n-1], ..., cx_q [nr] and cx_q [n-1/2] calculated for the last frames passed (r> 1) to identify an optimal interpolator filter which, when subject to the quantified cepstral vectors cx_q [nr], ..., cx_q [n] relating to frames of whole rank, delivers an interpolated cepstral vector cx_i [n-1/2] which has a minimum distance with the vector cx [n-1/2] calculated for the last frame of half-whole row.
  • this interpolator filter 128 is present in the coder, and a subtractor 129 subtracts its output cx_i [n-1/2] from the calculated cepstral vector cx [n-1/2].
  • a minimization module 130 determines the set of parameters ⁇ P ⁇ of the interpolator filter 128, for which the interpolation error ecx [n-1/2] delivered by the subtractor 129 has a minimum standard. This set of parameters ⁇ P ⁇ is addressed to a quantization module 131 which provides a corresponding quantization index iP to the output multiplexer 6 of the coder.
  • the decoder From the quantization indexes iP of the parameters ⁇ P ⁇ obtained in the bit stream ⁇ , the decoder reconstructs the interpolator filter 128 (except for quantization errors), and processes the spectral vectors cx_q [nr], ..., cx_q [ n] in order to estimate the cepstral coefficients cx [n-1/2] used to synthesize the half-integer rank frames.
  • the decoder can use a simple interpolation method (without transmission of parameters from the coder for half-integer rank frames), an interpolation method with consideration of an interpolation error quantized (according to Figures 17 and 18), or an interpolation method with an optimal interpolator filter (according to Figure 19) to evaluate the half-integer rank frames in addition to the whole rank frames evaluated directly as explained with reference to Figures 8 to 13.
  • the time synthesis module 116 can then combine all of these evaluated frames to form the synthesized signal x in the manner explained above. after with reference to Figures 14, 21 and 22.
  • the module 116 performs an overlap sum of modified frames with respect to those successively evaluated at the output of the module 115, and this modification can be seen in two stages, the first of which is identical to that previously described with reference to FIG. 14 (divide the samples of the frame 2 'by the analysis window fA) -
  • fs (i) + f s (i + M / p) A for N / 2 - M / p ⁇ i ⁇ N / 2 (25)
  • the summary window f s (i) gradually increases for i going from
  • the synthesis window f s can be, over this interval, a Hamming window (as shown in FIG. 21) or a Hanning window.
  • FIG. 21 shows the successive frames 2 "repositioned in time by the module 116.
  • the hatching indicates the portions eliminated from the frames (summary window at 0). It can be seen that by performing the overlapping sum of the samples of the successive frames, the property (25) ensures a homogeneous weighting of the samples of the synthesized signal.
  • the interpolated frames can be the subject of a reduced transmission of coding parameters, as described above, but this is not compulsory.
  • This embodiment makes it possible to maintain a relatively large interval M between two analysis frames, and therefore to limit the required transmission rate, while limiting the discontinuities likely to appear due to the size of this interval relative to the scales. of time typical of the variations of the parameters of the audio signal, in particular the cepstral coefficients and the fundamental frequency.
  • Figures 23 to 25 show other embodiments of the means used to process the cepstral coefficients cx_sup delivered by the TFRI module 13 of Figure 1, representing the upper envelope.
  • the post-lifter 15, normalization 16, quantization 18 and spectral amplitude 28 calculation modules are essentially identical to those previously described with reference to FIG. 1.
  • post-lifter modules 140, smoothing 141 and minimal phase extraction 142 are provided to process the post-raised and quantized cepstral coefficients cx_sup_q delivered by the quantization module 18.
  • These modules 140-142 operate essentially like the corresponding modules 55-57 of the decoder in Figure 8.
  • the adaptation module 144 performs a function similar to that of the module 29 in FIG. 1. But the adaptation is not carried out solely on the basis of the spectrum module.
  • the module 144 determines the best set of coefficients for the post-lifter 15 by minimizing the difference between the spectrum of the audio signal, in module
  • the modules of these latter complex values are given by the calculation module 28, and their phases correspond to the minimum phases ⁇ (k) supplied by the extraction module 142.
  • the module 144 can take into account any appropriate distance in the complex plane, for example the Euclidean distance.
  • the adaptation of the post-lifter 15 by the module 144 takes account in a combined manner of frequency aspects of the signal, reflected by the spectrum module, and temporal aspects, reflected by the phase of the spectrum.
  • the post-lifter 140 can also be adaptive, the adaptation carried out by the module 144 bearing jointly on the two post-lifters 15, 140.
  • the post-lifter 55 of the decoder (FIG. 8) is adapted, like the post-lifter 140, as a function of iLif parameters that the adaptation module 144 supplies to the multiplexer 6 so that it includes them in the digital stream ⁇ .
  • a few sets of coefficients ⁇ . ,, ⁇ 2 are provided for the post-lifter 140 and 55, and the module 144 performs an exhaustive test of these different sets of coefficients to retain the one that minimizes the difference in the complex plane .
  • FIG. 24 shows a module 145 for estimating a masking curve allowing the module 29 to select, for the minimization of the difference in module, the harmonic frequency or frequencies which exceed most of the masking curve calculated on the basis of the spectrum in module
  • the post-lifter 140 in FIG. 24 is adapted separately by a module 146 which minimizes the differences between the phase ⁇ x of the signal spectrum and the minimum phase ⁇ (k) calculated by the module 142 for one or more of the harmonics .
  • the harmonics selected for the calculation of the minimized phase difference can be selected as a function of the masking curve estimated by the module 145.
  • the module 146 supplies the output multiplexer 6 of the coder with the iLif parameters which represent the optimal post-lifter 140, so that they are used in the post-filter 55 of the decoder.
  • the post-lifter 140 used in the calculation of the minimum phases is not adaptive.
  • the minimum phases ⁇ (k) calculated by the module 142 for the harmonics of the fundamental frequency are compared with the phases ⁇ ⁇ of the spectrum of the audio signal, and the phase difference is the subject of a quantization by a module 148.
  • the corresponding quantization indices i ⁇ are supplied by the module 148 to the output multiplexer 6 of the coder.
  • a module 149 uses these quantization indices i ⁇ supplied by the demultiplexer 45 to obtain the values of the quantized phase differences, which an adder 150 adds to the minimum phases ⁇ (k) calculated by module 57 (the post-lifter 140 and 55 being identical). The phases provided by the adder 150 are then used by the module 54 which synthesizes the spectral lines of the harmonic component X v .
  • phase difference quantified by the module 148, and which the modules 149 and 150 of the decoder use to correct the minimum phases ⁇ (k), can be of two types:
  • this phase difference can represent the variation of the phase ⁇ ⁇ of the spectrum over the width of one or more spectral peaks corresponding to signal harmonics, this variation being relative to the minimum phase ⁇ (k) affected to the peaks in question.
  • the peak (s) for which the phase difference is quantified can be chosen as a function of the spectral energy represented by the upper envelope, which is available to the coder and to the decoder, which allows the decoder to determine to which spectral line the deviations must be applied.
  • the phase differences can be the subject of a scalar quantification, or vector if they are grouped for several peaks.
  • the variation of the phase ⁇ x around the minimum phase ⁇ (k) over the width of a harmonic peak (determined by the width of the reference line used by the module 54), can be represented simply by the slope of a linear segment selected as being that which presents a minimum quadratic distance with the variation curve of phase of the spectrum over the width of the line, and possibly by an offset at the origin.
  • slopes can be scaled, or vectorial if they are grouped for several peaks.
  • the quantification of phase variations on harmonic peaks can relate to all of the harmonic frequencies.
  • Another possibility is to quantify several slopes each obtained by averaging the harmonic slopes on one or more sub-bands of the spectrum. This averaging can be weighted to take into account the energies relating to the different harmonic frequencies, represented by the upper envelope.
  • the module 148 can also model the phase variation over the width of a peak by a curve more complex than a linear segment, for example a spline, the parameters of which are quantified to be transmitted to the decoder.
  • phase models with harmonics representative of the phase variations over the width of the peaks, observed on a corpus of reference signals.
  • These models are stored in a dictionary stored by the modules 148 and 149.
  • the coder module 148 determines the i ⁇ index indexes corresponding to the addresses of the models closest to the phase variations in the vicinity of the harmonic peaks considered, and the module 149 of the decoder recovers these models for the synthesis of the phase of the harmonic component.

Abstract

Le codeur estime une fréquence fondamentale (F0) du signal audio, détermine un spectre du signal audio par une transformée dans le domaine fréquentiel d'une trame du signal audio, et inclut dans le flux numérique transmis au décodeur des données de codage d'une composante harmonique du signal audio, comprenant des données représentatives d'amplitudes spectrales associées à des fréquences multiples de la fréquence fondamentale estimée. Les données de codage de la composante harmonique comprennent en outre, pour au moins une des fréquences multiples de la fréquence fondamentale estimée, des données (iΔζ) relatives à la phase du spectre du signal audio au voisinage de cette fréquence multiple.

Description

CODAGE ET DECODAGE AUDIO AVEC COMPOSANTS HARMONIQUES ET
PHASE MINIMALE
La présente invention concerne le domaine du codage des signaux audio. Elle s'applique en particulier, mais non exclusivement, au codage de la parole, en bande étroite ou en bande élargie, dans diverses gammes de débit de codage.
La conception d'un codée audio vise principalement à fournir un bon compromis entre le débit du flux transmis par le codeur et la qualité du signal audio que le décodeur est capable de reconstruire à partir de ce flux.
Dans cette optique, il a notamment été développé des familles de codeurs reposant sur une analyse du signal audio dans le domaine spectral : le codeur estime une fréquence fondamentale du signal, représentant sa hauteur tonale (« pitch »), et l'analyse spectrale consiste à déterminer des paramètres représentant la structure harmonique du signal aux fréquences qui sont des multiples entiers de cette fréquence fondamentale. Une modélisation de la composante non-harmonique, ou non-voisée, peut également être effectuée dans le domaine spectral. Les paramètres transmis au décodeur représentent typiquement le module du spectre des composantes voisées et non-voisées. Il s'y ajoute des informations représentant soit des décisions voisé/non-voisé relatives à différentes portions de spectre, soit des informations sur la probabilité de voisement du signal, permettant au décodeur de déterminer dans quelles portions du spectre il doit utiliser la composante voisée ou la composante non-voisée.
Ces familles de codeurs comprennent les codeurs du type MBE (« Multi-Band Excitation »), ou encore les codeurs de type STC (« Sinusoïdal Transform Coder »). A titre de référence, on peut citer les brevets US
4 856 068, 4 885 790, 4 937 873, 5 054 072, 5 081 681 , 5 195 166, 5 216 747,
5 226 084, 5 226 108, 5 247 579, 5 473 727, 5 517 511 , 5 630 011 , 5 630 012, 5 649 050, 5 651 093, 5 664 051 , 5 664 052, 5 684 926, 5 701 390, 5 715 365, 5 749 065, 5 752 222, 5 765 127, 5 774 837 et 5 890 108. Un but de la présente invention est de permettre, dans un schéma de codage à analyse dans le domaine spectral, d'améliorer la modélisation des phases du spectre du signal par le décodeur.
L'invention propose ainsi un procédé de codage d'un signal audio, dans lequel on estime une fréquence fondamentale du signal audio, on détermine un spectre du signal audio par une transformée dans le domaine fréquentiel d'une trame du signal audio, et on inclut dans un flux numérique de sortie des données de codage d'une composante harmonique du signal audio, comprenant des données représentatives d'amplitudes spectrales associées à des fréquences multiples de la fréquence fondamentale estimée. Selon l'invention, lesdites données représentatives d'amplitudes spectrales associées à des fréquences multiples de la fréquence fondamentale sont obtenues au moyen de coefficients cepstraux calculés en transformant dans le domaine cepstral une enveloppe supérieure comprimée du spectre du signal audio, et les données de codage de la composante harmonique comprennent en outre, pour au moins une des fréquences multiples de la fréquence fondamentale estimée, des données relatives à la phase du spectre du signal audio au voisinage de ladite fréquence multiple.
Un autre aspect de la présente invention se rapporte à un procédé de décodage d'un flux numérique d'entrée représentant un signal audio codé, dans lequel on reçoit dans le flux numérique d'entrée des données de codage d'une fréquence fondamentale du signal audio et des données de codage d'une composante harmonique comprenant des données de quantification de coefficients cepstraux représentant une enveloppe spectrale supérieure du signal audio, et on génère une estimation spectrale de la composante harmonique dont le module est déterminé par ladite enveloppe spectrale supérieure aux fréquences multiples de la fréquence fondamentale. Selon l'invention, pour déterminer la phase de l'estimation spectrale de la composante harmonique, on transforme les coefficients cepstraux par liftrage et lissage dans le domaine cepstral, et on calcule des phases minimales du signal audio à des fréquences multiples de la fréquence fondamentale sur la base des coefficients cepstraux transformés. Selon l'invention, on peut également déterminer une variation de la phase de l'estimation spectrale de la composante harmonique sur au moins un intervalle de fréquences entourant une fréquence multiple de la fréquence fondamentale sur la base de paramètres de quantification inclus dans les données de codage de la composante harmonique.
L'invention propose également un codeur et un décodeur audio comprenant des moyens pour la mise en œuvre des procédés ci-dessus.
D'autres particularités et avantages de la présente invention apparaîtront dans la description ci-après d'exemples de réalisation non limitatifs, en référence aux dessins annexés, dans lesquels : - la figure 1 est un schéma synoptique d'un codeur audio selon l'invention ;
- les figures 2 et 3 sont des diagrammes illustrant la formation des trames de signal audio dans le codeur de la figure 1 ;
- les figures 4 et 5 sont des graphiques montrant un exemple de spectre du signal audio et illustrant l'extraction des enveloppes supérieure et inférieure de ce spectre ;
- la figure 6 est un schéma synoptique d'un exemple de moyens de quantification utilisables dans le codeur de la figure 1 ;
- la figure 7 est un schéma synoptique de moyens utilisables pour extraire des paramètres se rapportant à la phase de la composante non- harmonique dans une variante du codeur de la figure 1 ;
- la figure 8 est un schéma synoptique d'un décodeur audio correspondant au codeur de la figure 1 ;
- la figure 9 est un organigramme d'un exemple de procédure de lissage de coefficients spectraux et d'extraction de phases minimales mise en œuvre dans le décodeur de la figure 8 ;
- la figure 10 est un schéma synoptique de modules d'analyse et de mixage spectral de composantes harmonique et non-harmonique du signal audio ; - les figures 11 à 13 sont des graphiques montrant des exemples de fonctions non-linéaires utilisables dans le module d'analyse de la figure 10 ;
- les figures 14 et 15 sont des diagrammes illustrant une façon de procéder à la synthèse temporelle des trames de signal dans le décodeur de la figure 8 ;
- les figures 16 et 17 sont des graphiques montrant des fonctions de fenetrage utilisables dans la synthèse des trames suivant les figures 14 et 15 ;
- les figures 18 et 19 sont des schémas synoptiques de moyens d'interpolation utilisables dans une variante de réalisation du codeur et du décodeur ;
- la figure 20 est un schéma synoptique de moyens d'interpolation utilisables dans une autre variante de réalisation du codeur ;
- les figures 21 et 22 sont des diagrammes illustrant une autre façon de procéder à la synthèse temporelle des trames de signal dans le décodeur de la figure 8, à l'aide d'une interpolation de paramètres ; - les figures 23 à 25 sont des schémas synoptiques de variantes de moyens de post-traitement des coefficients cepstraux représentant l'enveloppe supérieure du spectre du signal dans le codeur de la figure 1 ; et - la figure 26 est un schéma synoptique partiel d'un décodeur associé à un codeur selon la figure 25. Le codeur et le décodeur décrits ci-après sont des circuits numériques qui peuvent, comme il est usuel dans le domaine du traitement des signaux audio, être réalisés par programmation d'un processeur de signal numérique (DSP) ou d'un circuit intégré d'application spécifique (ASIC).
Le codeur audio représenté sur la figure 1 traite un signal audio d'entrée x qui, dans l'exemple non-limitatif considéré ci-après, est un signal de parole. Le signal x est disponible sous forme numérique, par exemple à une fréquence d'échantillonnage Fe de 8 kHz. Il est par exemple délivré par un convertisseur analogique-numérique traitant le signal de sortie amplifié d'un microphone. Le signal d'entrée x peut également être formé à partir d'une autre version, analogique ou numérique, codée ou non, du signal de parole.
Le codeur comprend un module 1 qui forme des trames successives de signal audio pour les différents traitements effectués, et un multiplexeur de sortie 6 qui délivre un flux de sortie Φ contenant pour chaque trame des jeux de paramètres de quantification à partir desquels un décodeur sera capable de synthétiser une version décodée du signal audio.
La structure des trames est illustrée par les figures 2 et 3. Chaque trame 2 est composée d'un nombre N d'échantillons consécutifs du signal audio x. Les trames successives présentent des décalages temporels mutuels correspondant à M échantillons, de sorte que leur recouvrement est de L = N-M échantillons du signal. Dans l'exemple considéré, où N = 256, M = 160 et L = 96, la durée des trames 2 est de N/Fe = 32 ms, et une trame est formée toutes les M/Fe = 20 ms. De façon classique, le module 1 multiplie les échantillons de chaque trame 2 par une fonction de fenetrage fA, de préférence choisie pour ses bonnes propriétés spectrales. Les échantillons x(i) de la trame étant numérotés de i = 0 à i = N-1 , la fenêtre d'analyse fA(i) peut ainsi être une fenêtre de
Hamming, d'expression : 2πi-( -D^ fA(i) = 0,54 + 0, 46. cos (1 )
N J ou une fenêtre de Hanning d'expression
Figure imgf000007_0001
ou encore une fenêtre de Kaiser, d'expression :
Figure imgf000007_0002
où α est un coefficient par exemple égal à 6, et l0(.) désigne la fonction de
Bessel d'indice 0.
Le codeur de la figure 1 procède à une analyse du signal audio dans le domaine spectral. Il comporte un module 3 qui calcule la transformée de Fourier rapide (TFR) de chaque trame de signal. La trame de signal est mise en forme avant d'être soumise au module de TFR 3 : le module 1 lui adjoint N = 256 échantillons à zéro afin d'obtenir la résolution maximale de la transformée de Fourier, et il effectue d'autre part une permutation circulaire des 2N = 512 échantillons afin de compenser les effets de phase résultant de la fenêtre d'analyse. Cette modification de la trame est illustrée par la figure 3. La trame dont on calcule la transformée de Fourier rapide sur 2N = 512 points commence par les N/2 = 128 derniers échantillons pondérés de la trame, suivis par les N = 256 échantillons à zéro, et se termine par les N/2 = 128 premiers échantillons pondérés de la trame. Le module de TFR 3 obtient le spectre du signal pour chaque trame, dont le module et la phase sont respectivement notés |X| et φχ, ou |X(i)| et φx(i) pour les index de fréquence i = 0 à i = 2N-1 (grâce à la symétrie de la transformée de Fourier et des trames, on peut se limiter aux valeurs pour 0 < i < N). Un détecteur de fréquence fondamentale 4 estime pour chaque trame de signal une valeur de la fréquence fondamentale F0. Le détecteur 4 peut appliquer toute méthode connue d'analyse du signal de parole de la trame pour estimer la fréquence fondamentale F0, par exemple une méthode basée sur la fonction d'autocorrélation ou la fonction AMDF, éventuellement précédée d'un module de blanchiment par prédiction linéaire. L'estimation peut également être effectuée dans le domaine spectral ou dans le domaine cepstral. Une autre possibilité est d'évaluer les intervalles de temps entre les ruptures consécutives du signal de parole attribuables à des fermetures de la glotte du locuteur intervenant pendant la durée de la trame. Des méthodes bien connues utilisables pour détecter de telles micro-ruptures sont décrites dans les articles suivants : M. Basseville et al., « Sequential détection of abrupt changes in spectral characteristics of digital signais » (IEEE Trans. on Information Theory, 1983, Vol. IT-29, n° 5, pages 708-723) ; R. Andre-Obrecht, « A new statistical approach for the automatic segmentation of continuous speech signais » (IEEE Trans. on Acous., Speech and Sig. Proc, Vol. 36, N°1 , janvier 1988) ; et C. MURGIA et al., « An algorithm for the estimation of glottal closure instants using the sequential détection of abrupt changes in speech signais » (Signal Processing VII, 1994, pages 1685-1688). La fréquence fondamentale estimée F0 fait l'objet d'une quantification, par exemple scalaire, par un module 5, qui fournit au multiplexeur de sortie 6 un index iF de quantification de la fréquence fondamentale pour chaque trame du signal.
Le codeur utilise des modélisations paramétriques cepstrales pour représenter une enveloppe supérieure et une enveloppe inférieure du spectre du signal audio. La première étape de la transformation cepstrale consiste à appliquer au module du spectre du signal une fonction de compression spectrale, qui peut être une fonction logarithmique ou en racine. Le module 8 du codeur opère ainsi, pour chaque valeur X(i) du spectre du signal (0 < i < N), la transformation suivante :
LX(i) = Log^X(i)|) (4) dans le cas d'une compression logarithmique ou
Figure imgf000008_0001
dans le cas d'une compression en racine, γ étant un exposant compris entre 0 et 1.
Le spectre comprimé LX du signal audio est traité par un module 9 qui extrait des amplitudes spectrales associées aux harmoniques du signal correspondant aux multiples de la fréquence fondamentale estimée F0. Ces amplitudes sont ensuite interpolées par un module 10 afin d'obtenir une enveloppe supérieure comprimée notée LX_sup.
Il est à noter que la compression spectrale pourrait de façon équivalente être effectuée après la détermination des amplitudes associées aux harmoniques. Elle pourrait également être effectuée après l'interpolation, ce qui ne ferait que modifier la forme des fonctions d'interpolation.
Le module 9 d'extraction des maxima tient compte de l'éventuelle variation de la fréquence fondamentale sur la trame d'analyse, des erreurs que peut commettre le détecteur 4, ainsi que des imprécisions liées au caractère discret de l'échantillonnage en fréquence. Pour cela, la recherche des amplitudes des pics spectraux ne consiste pas simplement à prendre les valeurs LX(i) correspondant aux index i tels que i.Fe/2N soit la fréquence la plus proche d'une harmonique de fréquence k.F0 (k > 1). L'amplitude spectrale retenue pour une harmonique d'ordre k est un maximum local du module du spectre au voisinage de la fréquence k.F0 (cette amplitude est obtenue directement sous forme comprimée lorsque la compression spectrale 8 est effectuée avant l'extraction des maxima 9).
Les figures 4 et 5 montrent un exemple de forme du spectre comprimé LX, où on voit que les amplitudes maximales des pics harmoniques ne coïncident pas nécessairement avec les amplitudes correspondant aux multiples entiers de la fréquence fondamentale estimée F0. Les flancs des pics étant assez raides, une petite erreur de positionnement de la fréquence fondamentale F0, amplifiée par l'indice d'harmonique k, peut distordre fortement l'enveloppe supérieure estimée du spectre et provoquer une mauvaise modélisation de la structure formantique du signal. Par exemple, prendre directement l'amplitude spectrale pour la fréquence 3.F0 dans le cas des figures 4 et 5 produirait une erreur importante dans l'extraction de l'enveloppe supérieure au voisinage de l'harmonique d'ordre k = 3, alors qu'il s'agit d'une zone énergétiquement importante dans l'exemple dessiné. En effectuant l'interpolation à partir du véritable maximum, on évite ce genre d'erreur d'estimation de l'enveloppe supérieure.
Dans l'exemple représenté sur la figure 4, l'interpolation est effectuée entre des points dont l'abscisse est la fréquence correspondant au maximum de l'amplitude d'un pic spectral, et dont l'ordonnée est ce maximum, avant ou après compression. interpolation effectuée pour calculer l'enveloppe supérieure LX_sup est une simple interpolation linéaire. Bien entendu une autre forme d'interpolation pourrait être utilisée (par exemple polynomiale ou spline).
Dans la variante préférée représentée sur la figure 5, l'interpolation est effectuée entre des points dont l'abscisse est une fréquence k.F0 multiple de la fréquence fondamentale (en fait la fréquence la plus proche dans le spectre discret) et dont l'ordonnée est l'amplitude maximale, avant ou après compression, du spectre au voisinage de cette fréquence multiple.
En comparant les figures 4 et 5, on peut voir que le mode d'extraction selon la figure 5, qui repositionne les pics sur les fréquences harmoniques, conduit à une meilleure précision sur l'amplitude des pics que le décodeur attribuera aux fréquences multiples de la fréquence fondamentale. Il peut se produire un léger déplacement en fréquence de la position de ces pics, ce qui n'est pas perceptuellement très important et n'est d'ailleurs pas évité non plus dans le cas de la figure 4. Dans le cas de la figure 4, les points d'ancrage pour l'interpolation sont confondus avec les sommets des pics harmoniques. Dans le cas de la figure 5, on impose que ces points d'ancrage se trouvent précisément aux fréquences multiples de la fréquence fondamentale, leurs amplitudes correspondant à celles des pics. L'intervalle de recherche du maximum d'amplitude associé à une harmonique de rang k est centré sur l'index i de la fréquence de la TFR la plus
proche de k.F0, c'est-à-dire i = 2Nk^ + l où |_aj désigne l'entier égal ou Fe 2 immédiatement inférieur au nombre a. La largeur de cet intervalle de recherche dépend de la fréquence d'échantillonnage Fe, de la taille 2N de la TFR et de la gamme de variation possible de la fréquence fondamentale. Cette largeur est typiquement de l'ordre d'une dizaine de fréquences avec les exemples de valeurs précédemment considérés. On peut la rendre réglable en fonction de la valeur F0 de la fréquence fondamentale et du numéro k de l'harmonique.
Afin d'améliorer la résolution dans les basses fréquences et donc de représenter plus fidèlement les amplitudes des harmoniques dans cette zone, une distorsion non-linéaire de l'échelle des fréquences est opérée sur l'enveloppe supérieure comprimée par un module 12 avant que le module 13 effectue la transformée de Fourier rapide inverse (TFRI) fournissant les coefficients cepstraux cx_sup. La distorsion non-linéaire permet de minimiser plus efficacement l'erreur de modélisation. Elle est par exemple effectuée selon une échelle de fréquences de type Mel ou Bark. Cette distorsion peut éventuellement dépendre de la fréquence fondamentale estimée F0. La figure 1 illustre le cas de l'échelle Mel. La relation entre les fréquences F du spectre linéaire, exprimées en hertz, et les fréquences F' de l'échelle Mel est la suivante :
1000
F = l°9ιo 1 + - (6) l°9lθ (2) 1000,
Afin de limiter le débit de transmission, une troncature des coefficients cepstraux cx_sup est effectuée. Le module de TFRI 13 a besoin de calculer seulement un vecteur cepstral de NCS coefficients cepstraux d'ordres 0 à NCS-1. A titre d'exemple, NCS peut être égal à 16.
Un post-filtrage dans le domaine cepstral, appelé post-liftrage, est appliqué par un module 15 à l'enveloppe supérieure comprimée LX_sup. Ce post-liftrage correspond à une manipulation des coefficients cepstraux cx_sup délivrés par le module de TRFI 13, qui correspond approximativement à un post-filtrage de la partie harmonique du signal par une fonction de transfert ayant la forme classique :
Figure imgf000011_0001
où A(z) est la fonction de transfert d'un filtre de prédiction linéaire du signal audio, γ1 et γ2 sont des coefficients compris entre 0 et 1 , et μ est un coefficient de préaccentuation éventuellement nul. La relation entre le coefficient post-liftré d'ordre i, noté cp(i), et le coefficient cepstral correspondant c(i) = cx_sup(i) délivré par le module 13 est alors : cp(0) = c(0)
(8) cp(i) = (l + γ2 -γ!,)c(i) - -^ p poouurr ii >> 00 i Le coefficient de préaccentuation optionnel μ peut être contrôlé en posant comme contrainte de préserver la valeur du coefficient cepstral cx_sup(1 ) relatif à la pente. En effet, la valeur c(1 ) = cx_sup(1 ) d'un bruit blanc filtré par le filtre de préaccentuation correspond au coefficient de préaccentuation. On peut ainsi choisir ce dernier de la façon suivante : μ = (γ2-Jy1 ).C(1 ).
Après le post-liftre 15, un module de normalisation 16 modifie encore les coefficients cepstraux en imposant la contrainte de modélisation exacte d'un point du spectre initial, qui est de préférence le point le plus énergétique parmi les maxima spectraux extraits par le module 9. En pratique, cette normalisation modifie seulement la valeur du coefficient cp(0). Le module de normalisation 16 fonctionne de la façon suivante : il recalcule une valeur du spectre synthétisé à la fréquence du maximum indiqué par le module 9, par transformée de Fourier des coefficients cepstraux tronqués et post-liftrés, en tenant compte de la distorsion non-linéaire de l'axe des fréquences ; il détermine un gain de normalisation gN par la différence logarithmique entre la valeur du maximum fournie par le module 9 et cette valeur recalculée ; et il ajoute le gain gN au coefficient cepstral post-liftré cp(0).
Cette normalisation peut être vue comme faisant partie du post-liftrage.
Les coefficients cepstraux post-liftrés et normalisés font l'objet d'une quantification par un module 18 qui transmet des index de quantification correspondants icxs au multiplexeur de sortie 6 du codeur.
Le module 18 peut fonctionner par quantification vectorielle à partir de vecteurs cepstraux formés de coefficients post-liftrés et normalisés, notés ici cx[n] pour la trame de signal de rang n. A titre d'exemple, le vecteur cepstral cx[n] de NCS = 16 coefficients cepstraux cx[n,0], cx[n,1], ... , cx[n,NCS-1] est distribué en quatre sous-vecteurs cepstraux contenant chacun quatre coefficients d'ordres consécutifs. Le vecteur cepstral cx[n] peut être traité par les moyens représentés sur la figure 6, faisant partie du module de quantification 18. Ces moyens mettent en œuvre, pour chaque composante cx[n,i], un prédicteur de la forme : cxp[n, i] = (1 - α(i)). rcx[n, i] + α(i). rcx[n-1, i] (9) où rcx[n] désigne un vecteur résiduel de prédiction pour la trame de rang n dont les composantes sont respectivement notées rcx[n,0], rcx[n,1], ... , rcx[n,NCS-1], et α(i) désigne un coefficient de prédiction choisi pour être représentatif d'une corrélation inter-trame supposée. Après quantification des résidus, ce vecteur résiduel est défini par :
, ., cx[n, il - α(i).rcx q[n-1,i] .... rcx[n,ι] = — — — — — — — (10)
2 -α(i) où rcx_q[n-1 ] désigne le vecteur résiduel quantifié pour la trame de rang n-1 , dont les composantes sont respectivement notées rcx_q[n,0], rcx_q[n,1], ... , rcx_q[n,NCS-1].
Le numérateur de la relation (10) est obtenu par un soustracteur 20, dont les composantes du vecteur de sortie sont divisées par les quantités 2-α(i) en 21. Aux fins de la quantification, le vecteur résiduel rcx[n] est subdivisé en quatre sous-vecteurs, correspondant à la subdivision en quatre sous-vecteurs cepstraux. Sur la base d'un dictionnaire obtenu par apprentissage préalable, l'unité 22 procède à la quantification vectorielle de chaque sous-vecteur du vecteur résiduel rcx[n]. Cette quantification peut consister, pour chaque sous-vecteur srcx[n], à sélectionner dans le dictionnaire le sous-vecteur quantifié srcx_q[n] qui minimise l'erreur quadratique srcx[n] - srcx_q[n]| . L'ensemble icxs des index de quantification icx, correspondant aux adresses dans le ou les dictionnaires des sous-vecteurs résiduels quantifiés srcx_q[n], est fourni au multiplexeur de sortie 6.
L'unité 22 délivre également les valeurs des sous-vecteurs résiduels quantifiés, qui forment le vecteur rcx_q[n]. Celui-ci est retardé d'une trame en 23, et ses composantes sont multipliées par les coefficients α(i) en 24 pour fournir le vecteur à l'entrée négative du soustracteur 20. Ce dernier vecteur est d'autre part fourni à un additionneur 25, dont l'autre entrée reçoit un vecteur formé par les composantes du résidu quantifié rcx_q[n] respectivement multipliées par les quantités 1-α(i) en 26. L'additionneur 25 délivre ainsi le vecteur cepstral quantifié cx_q[n] que récupérera le décodeur.
Le coefficient de prédiction α(i) peut être optimisé séparément pour chacun des coefficients cepstraux. Les dictionnaires de quantification peuvent aussi être optimisés séparément pour chacun quatre sous-vecteurs cepstraux. D'autre part, il est possible, de façon connue en soi, de normaliser les vecteurs cepstraux avant d'appliquer le schéma de prédiction/quantification, à partir de la variance des cepstres.
Il est à noter que le schéma ci-dessus de quantification des coefficients cepstraux peut n'être appliqué que pour certaines seulement des trames. Par exemple, on peut prévoir un second mode de quantification ainsi qu'un processus de sélection de celui des deux modes qui minimise un critère de moindres carrés avec les coefficients cepstraux à quantifier, et transmettre avec les index de quantification de la trame un bit indiquant lequel des deux modes a été sélectionné. Les coefficients cepstraux quantifiés cx_sup_q = cx_q[n] fournis par l'additionneur 25 sont adressés à un module 28 qui recalcule les amplitudes spectrales associées à une ou plusieurs des harmoniques de la fréquence fondamentale F0 (figure 1 ). Ces amplitudes spectrales sont par exemple calculées sous forme comprimée, en appliquant la transformée de Fourier aux coefficients cepstraux quantifiés en tenant compte de la distorsion non-linéaire de l'échelle des fréquences utilisée dans la transformation cepstrale. Les amplitudes ainsi recalculées sont fournies à un module d'adaptation 29 qui les compare à des amplitudes de maxima déterminées par le module d'extraction 9. Le module d'adaptation 29 contrôle le post-liftre 15 de façon à minimiser un écart de module entre le spectre du signal audio et les valeurs de module correspondantes calculées en 28. Cet écart de module peut être exprimé par une somme de valeurs absolues de différences d'amplitudes, comprimées ou non, correspondant à une ou plusieurs des fréquences harmoniques. Cette somme peut être pondérée en fonction des amplitudes spectrales associées à ces fréquences.
De façon optimale, l'écart de module pris en compte dans l'adaptation du post-liftrage tiendrait compte de toutes les harmoniques du spectre. Cependant, afin de réduire la complexité de l'optimisation, le module 28 peut ne resynthétiser les amplitudes spectrales que pour une ou plusieurs fréquences multiples de la fréquence fondamentale F0, sélectionnées sur la base de l'importance du module du spectre en valeur absolue. Le module d'adaptation 29 peut par exemple considérer les trois pics spectraux les plus intenses dans le calcul de l'écart de module à minimiser. Dans une autre réalisation, le module d'adaptation 29 estime une courbe de masquage spectral du signal audio au moyen d'un modèle psychoacoustique, et les fréquences prises en compte dans le calcul de l'écart de module à minimiser sont sélectionnées sur la base de l'importance du module du spectre relativement à la courbe de masquage (on peut par exemple prendre les trois fréquences pour lesquelles le module du spectre dépasse le plus de la courbe de masquage). Différentes méthodes classiques sont utilisables pour calculer la courbe de masquage à partir du signal audio. On peut par exemple utiliser celle développée par J.D. Johnston (« Transform Coding of Audio Signais Using Perceptual Noise Criteria », IEEE Journal on Selected Area in Communications, Vol. 6, No. 2, février 1988). Pour réaliser l'adaptation du post-liftrage, le module 29 peut utiliser un modèle d'identification de filtre. Une méthode plus simple consiste à prédéfinir un ensemble de jeux de paramètres de post-liftrage, c'est-à-dire un ensemble de couples γ., , γ2 dans le cas d'un post-liftrage selon les relations (8), à effectuer les opérations incombant aux modules 15, 16, 18 et 28 pour chacun de ces jeux de paramètres, et à retenir celui des jeux de paramètres qui conduit à l'écart de module minimal entre le spectre du signal et les valeurs recalculées. Les index de quantification fournis par le module 18 sont alors ceux qui se rapportent au meilleur jeu de paramètres. Par un processus analogue à celui de l'extraction des coefficients cx_sup représentant l'enveloppe supérieure comprimée LX_sup du spectre du signal, le codeur détermine des coefficients cx_inf représentant une enveloppe inférieure comprimée LX_inf. Un module 30 extrait du spectre comprimé LX des amplitudes spectrales associées à des fréquences situées dans des zones du spectre intermédiaires par rapport aux fréquences multiples de la fréquence fondamentale estimée F0.
Dans l'exemple illustré par les figures 4 et 5, chaque amplitude associée à une fréquence située dans une zone intermédiaire entre deux harmoniques successives k.F0 et (k+1 ).F0 correspond simplement au module du spectre pour la fréquence (k+1/2).F0 située au milieu de l'intervalle séparant les deux harmoniques. Dans une autre réalisation, cette amplitude pourrait être une moyenne du module du spectre sur une petite plage entourant cette fréquence (k+1/2).F0.
Un module 31 procède à une interpolation, par exemple linéaire, des amplitudes spectrales associées aux fréquences situées dans les zones intermédiaires pour obtenir l'enveloppe inférieure comprimée LX_inf.
La transformation cepstrale appliquée à cette enveloppe inférieure comprimée LX_inf est effectuée suivant une échelle de fréquences résultant d'une distorsion non-linéaire appliquée par un module 32. Le module de TFRI 33 calcule un vecteur cepstral de NCI coefficients cepstraux cx_inf d'ordres 0 à NCI-1 représentant l'enveloppe inférieure. NCI est un nombre qui peut être sensiblement plus petit que NCS, par exemple NCI = 4.
La transformation non-linéaire de l'échelle des fréquences pour la transformation cepstrale de l'enveloppe inférieure peut être réalisée vers une échelle plus fine aux hautes fréquences qu'aux basses fréquences, ce qui permet avantageusement de bien modéliser les composantes non-voisées du signal aux hautes fréquences. Toutefois, pour assurer une homogénéité de représentation entre l'enveloppe supérieure et l'enveloppe inférieure, on pourra préférer adopter dans le module 32 la même échelle que dans le module 12 (Mel dans l'exemple considéré).
Les coefficients cepstraux cx_inf représentant l'enveloppe inférieure comprimée sont quantifiés par un module 34, qui peut fonctionner de la même manière que le module 18 de quantification des coefficients cepstraux représentant l'enveloppe supérieure comprimée. Dans le cas considéré, où on se limite à NCI = 4 coefficients cepstraux pour l'enveloppe inférieure, le vecteur ainsi formé est soumis à une quantification vectorielle de résidu de prédiction, effectuée par des moyens identiques à ceux représentés sur la figure 6 mais sans subdivision en sous-vecteurs. L'index de quantification icx = icxi déterminé par le quantificateur vectoriel 22 pour chaque trame relativement aux coefficients cx_inf est fourni au multiplexeur de sortie 6 du codeur.
Le codeur représenté sur la figure 1 ne comporte aucun dispositif particulier pour coder les phases du spectre aux harmoniques du signal audio.
En revanche, il comporte des moyens 36-40 pour coder une information temporelle liée à la phase de la composante non-harmonique représentée par l'enveloppe inférieure.
Un module 36 de décompression spectrale et un module 37 de TFRI forment une estimation temporelle de la trame de la composante non- harmonique. Le module 36 applique une fonction de décompression réciproque de la fonction de compression appliquée par le module 8 (c'est-à-dire une exponentielle ou une fonction puissance 1/γ) à l'enveloppe inférieure comprimée LXjnf produite par le module d'interpolation 31. Ceci fournit le module de la trame estimée de la composante non-harmonique, dont la phase est prise égale à celle φχ du spectre du signal X sur la trame. La transformée de Fourier inverse effectuée par le module 37 fournit la trame estimée de la composante non-harmonique.
Le module 38 subdivise cette trame estimée de la composante non- harmonique en plusieurs segments temporels. La trame délivrée par le module 37 se composant de 2N = 512 échantillons pondérés comme illustré par la figure 3, le module 38 considère seulement les N/2 = 128 premiers échantillons et les N/2 = 128 derniers échantillons, et les subdivise par exemple en huit segments de 32 échantillons consécutifs représentant chacun 4 ms de signal.
Pour chaque segment, le module 38 calcule l'énergie égale à la somme des carrés des échantillons, et forme un vecteur E1 formé de huit composantes réelles positives égales aux huit énergies calculées. La plus grande de ces huit énergies, notée EM, est également déterminée pour être fournie, avec le vecteur E1 , à un module de normalisation 39. Celui-ci divise chaque composante du vecteur E1 par EM, de sorte que le vecteur normalisé Emix est formé de huit composantes comprises entre 0 et 1. C'est ce vecteur normalisé Emix, ou vecteur de pondération, qui est soumis à la quantification par le module 40. Celui-ci peut opérer une quantification vectorielle avec un dictionnaire déterminé lors d'un apprentissage préalable. L'index de quantification iEm est fourni par le module 40 au multiplexeur de sortie 6 du codeur. La figure 7 montre une variante de réalisation des moyens employés par le codeur de la figure 1 pour déterminer le vecteur Emix de pondération énergétique de la trame de la composante non-harmonique. Les modules 36, 37 de décompression spectrale et de TFRI fonctionnent comme ceux qui portent les mêmes références sur la figure 1. Un module de sélection 42 est ajouté pour déterminer la valeur du module du spectre soumis à la transformée de Fourier inverse 37. Sur la base de la fréquence fondamentale estimée F0, le module 42 identifie des régions harmoniques et des régions non-harmoniques du spectre du signal audio. Par exemple, une fréquence sera considérée comme appartenant à une région harmonique si elle se trouve dans un intervalle de fréquences centré sur une harmonique k.F0 et de largeur correspondant à une largeur de raie spectrale synthétisée, et à une région non- harmonique sinon. Dans les régions non-harmoniques, le signal complexe soumis à la TFRI 37 est égal à la valeur du spectre, c'est-à-dire que son module et sa phase correspondent aux valeurs |X| et φx fournies par le module de TFR 3. Dans les régions harmoniques, ce signal complexe a la même phase φχ que le spectre et un module donné par l'enveloppe inférieure après décompression spectrale 36. Cette façon de procéder selon la figure 7 procure une modélisation plus précise des régions non-harmoniques.
Le décodeur représenté sur la figure 8 comprend un démultiplexeur d'entrée 45 qui extrait du flux binaire Φ, issu d'un codeur selon la figure 1 , les index iF, icxs, icxi, iEm de quantification de la fréquence fondamentale F0, des coefficients cepstraux représentant l'enveloppe supérieure comprimée, des coefficients représentants l'enveloppe inférieure comprimée, et du vecteur de pondération Emix, et les distribue respectivement à des modules 46, 47, 48 et 49. Ces modules 46-49 comportent des dictionnaires de quantification semblables à ceux des modules 5, 18, 34 et 40 de la figure 1 , afin de restituer les valeurs des paramètres quantifiés. Les modules 47 et 48 ont des dictionnaires pour former les résidus de prédiction quantifiés rcx_q[n], et ils en déduisent les vecteurs cepstraux quantifiés cx_q[n] avec des éléments identiques aux éléments 23-26 de la figure 6. Ces vecteurs cepstraux quantifiés cx_q[n] fournissent les coefficients cepstraux cx_sup_q et cx_inf_q traités par le décodeur.
Un module 51 calcule la transformée de Fourier rapide des coefficients cepstraux cx_sup pour chaque trame de signal. L'échelle des fréquences du spectre comprimé qui en résulte est modifiée non-linéairement par un module 52 appliquant la transformation non-linéaire réciproque de celle du module 12 de la figure 1 , et qui fournit l'estimation LX_sup de l'enveloppe supérieure comprimée. Une décompression spectrale de LX_sup, opérée par un module 53, fournit l'enveloppe supérieure X_sup comportant les valeurs estimées du module du spectre aux fréquences multiples de la fréquence fondamentale F0.
Le module 54 synthétise l'estimation spectrale Xv de la composante harmonique du signal audio, par une somme de raies spectrales centrées sur les fréquences multiples de la fréquence fondamentale F0 et dont les amplitudes (en module) sont celles données par l'enveloppe supérieure X_sup. Bien que le flux numérique d'entrée Φ ne comporte pas d'informations spécifiques sur la phase du spectre du signal aux harmoniques de la fréquence fondamentale, le décodeur de la figure 8 est capable d'extraire de l'information sur cette phase à partir des coefficients cepstraux cx_sup_q représentant l'enveloppe supérieure comprimée. Cette information de phase est utilisée pour affecter une phase φ(k) à chacune des raies spectrales déterminées par le module 54 dans l'estimation de la composante harmonique du signal.
En première approximation, le signal de parole peut être considéré comme étant à phase minimale. D'autre part, il est connu que l'information de phase minimale peut se déduire facilement d'une modélisation cepstrale. Cette information de phase minimale est donc calculée pour chaque fréquence harmonique. L'hypothèse de phase minimale signifie que l'énergie du signal synthétisé est localisée au début de chaque période de la fréquence fondamentale F0.
Pour être plus proche d'un signal de parole réel, on introduit un peu de dispersion au moyen d'un post-liftrage spécifique des cepstres lors de la synthèse de la phase. Avec ce post-liftrage, effectué par le module 55 de la figure 8, il est possible d'accentuer les résonances formantiques de l'enveloppe et donc de contrôler la dispersion des phases. Ce post-liftrage est par exemple de la forme (8). Pour limiter les ruptures de phase, il est préférable de lisser les coefficients cepstraux post-liftrés, ce qui est effectué par le module 56. Le module 57 déduit des coefficients cepstraux post-liftrés et lissés la phase minimale affectée à chaque raie spectrale représentant un pic harmonique du spectre. Les opérations effectuées par les modules 56, 57 de lissage et d'extraction de la phase minimale sont illustrées par l'organigramme de la figure 9. Le module 56 examine les variations des coefficients cepstraux pour appliquer un lissage moins important en présence de variations brusques qu'en présence de variations lentes. Pour cela, il effectue le lissage des coefficients cepstraux au moyen d'un facteur d'oubli λc choisi en fonction d'une comparaison entre un seuil dth et une distance d entre deux jeux successifs de coefficients cepstraux post-liftrés. Le seuil dth est lui-même adapté en fonction des variations des coefficients cepstraux.
La première étape 60 consiste à calculer la distance d entre les deux vecteurs successifs relatifs aux trames n-1 et n. Ces vecteurs, notés ici cxp[n-1] et cxp[n], correspondent pour chaque trame à l'ensemble des NCS coefficients cepstraux post-liftrés représentant l'enveloppe supérieure comprimée. La distance utilisée peut notamment être la distance euclidienne entre les deux vecteurs ou encore une distance quadratique. Deux lissages sont d'abord effectués, respectivement au moyen de facteurs d'oubli λmin et λmax, pour déterminer une distance minimale dmin et une distance maximale dmax. Le seuil dth est ensuite déterminé à l'étape 70 comme étant situé entre les distances minimale et maximale dmin, dmax : dth = β.dmax + (1-β).dmjn, le coefficient β étant par exemple égal à 0,5. Dans l'exemple représenté, les facteurs d'oubli λmjn et λmax sont eux- mêmes sélectionnés parmi deux valeurs distinctes, respectivement λmjn1, λmjn2 et λmaχi- ^-max2 comprises entre 0 et 1 , les indices λmjn1 , λmax1 étant chacun sensiblement plus près de 0 que les indices λmjn2, λmax2. Si d > dmjn (test 61 ), le facteur d'oubli λmjn est égal à λmjn1 (étape 62) ; sinon il est pris égal à λmin2 (étape 63). A l'étape 64, la distance minimale dmjn est prise égale à λmin dmin + (1-λmin) Si d > dmax (test 65)> le facteur d'oubli λmax est é9al à λmaxi (étaPe 66) ; sinon ϋ est pris égal à λmax2 (étape 67). A l'étape 68, la distance minimale dmaχ est prise égale à λmaχ.dmax + (1-λmax).d. Si la distance d entre les deux vecteurs cepstraux consécutifs est plus grande que le seuil dth (test 71 ), on adopte pour le facteur d'oubli λc une valeur λc1 relativement proche de 0 (étape 72). On considère dans ce cas que le signal correspondant est de type non stationnaire, de sorte qu'il n'y a pas lieu de conserver une grande mémoire des coefficients cepstraux antérieurs. Si d < dth, on adopte à l'étape 73 pour le facteur d'oubli λc une valeur λc2 moins proche de 0 afin de lisser davantage les coefficients cepstraux. Le lissage est effectué à l'étape 74, où le vecteur cxl[n] de coefficients lissés pour la trame courante n est déterminé par : cxl[n] = λc .cxl[n-1] + (1 - λc )cxp[n] (11 ) Le module 57 calcule ensuite les phases minimales φ(k) associées aux harmoniques k.F0. De façon connue, la phase minimale pour une harmonique d'ordre k est donnée par :
NCS-1 φ(k) = -2. ∑ cxl[n,m].sin(2πmkF0/Fe) (12) m=1 où cxl[n,m] désigne le coefficient cepstral lissé d'ordre m pour la trame n. A l'étape 75, l'index d'harmonique k est initialisé à 1. Pour initialiser le calcul de la phase minimale affectée à l'harmonique k, la phase φ(k) et l'index cepstral m sont initialisés respectivement à 0 et 1 à l'étape 76. A l'étape 77, le module 57 ajoute à la phase φ(k) la quantité -2.cxl[n,m].sin(2πmk.F0/Fe).
L'index cepstral m est incrémenté à l'étape 78 et comparé à NCS à l'étape 79. Les étapes 77 et 78 sont répétées tant que m < NCS. Quand m = NCS, le calcul de la phase minimale est terminé pour l'harmonique k, et l'index k est incrémenté à l'étape 80. Le calcul de phases minimales 76-79 est renouvelé pour l'harmonique suivante tant que k.F0 < Fe/2 (test 81 ).
Dans l'exemple de réalisation selon la figure 8, le module 54 tient compte d'une phase constante sur la largeur de chaque raie spectrale, égale à la phase minimale φ(k) fournie pour l'harmonique correspondante k par le module 57.
L'estimation Xv de la composante harmonique est synthétisée par sommation de raies spectrales positionnées aux fréquences harmoniques de la fréquence fondamentale F0. Lors de cette synthèse, on peut positionner les raies spectrales sur l'axe des fréquences avec une résolution supérieure à la résolution de la transformée de Fourier. Pour cela, on précalcule une fois pour toutes une raie spectrale de référence selon la résolution supérieure. Ce calcul peut consister en une transformée de Fourier de la fenêtre d'analyse f^ avec une taille de transformée de 16384 points, procurant une résolution de 0,5 Hz par point. La synthèse de chaque raie harmonique est alors effectuée par le module 54 en positionnant sur l'axe des fréquences la raie de référence à haute résolution, et en sous-échantillonnant cette raie spectrale de référence pour se ramener à la résolution de 16,625 Hz de la transformée de Fourier sur 512 points. Ceci permet de positionner avec précision la raie spectrale.
Pour la détermination de l'enveloppe inférieure, le module de TFR 85 du décodeur de la figure 8 reçoit les NCI coefficients cepstraux quantifiés cx_inf_q d'ordres 0 à NCI - 1 , et il les complète avantageusement par les NCS - NCI coefficients cepstraux cx_sup_q d'ordre NCI à NCS - 1 représentant l'enveloppe supérieure. En effet, on peut estimer en première approximation que les variations rapides de l'enveloppe inférieure comprimée sont bien reproduites par celles de l'enveloppe supérieure comprimée. Dans une autre réalisation, le module de TFR 85 pourrait ne considérer que les NCI paramètres cepstraux cx_inf_q. Le module 86 convertit l'échelle de fréquences de manière réciproque de la conversion opérée par le module 32 du codeur, afin de restituer l'estimation LXjnf de l'enveloppe inférieure comprimée, soumise au module de décompression spectrale 87. En sortie du module 87, le décodeur dispose d'une enveloppe inférieure Xjnf comportant les valeurs du module du spectre dans les vallées situées entre les pics harmoniques.
Cette enveloppe X_inf va moduler le spectre d'une trame de bruit dont la phase est traitée en fonction du vecteur de pondération quantifié Emix extrait par le module 49. Un générateur 88 délivre une trame de bruit normalisé dont les segments de 4 ms sont pondérés dans un module 89 conformément aux composantes normalisées du vecteur Emix fourni par le module 49 pour la trame courante. Ce bruit est un bruit blanc filtré passe-haut pour tenir compte du faible niveau qu'a en principe la composante non-voisée aux basses fréquences. A partir du bruit pondéré en énergie, le module 90 forme des trames de 2N = 512 échantillons en appliquant la fenêtre d'analyse fA, l'insertion de 256 échantillons à zéro et la permutation circulaire pour la compensation de phase conformément à ce qui a été expliqué en référence à la figure 3. La transformée de Fourier de la trame résultante est calculée par le module TFR 91. L'estimation spectrale Xuv de la composante non-harmonique est déterminée par le module de synthèse spectrale 92 qui effectue une pondération fréquence par fréquence. Cette pondération consiste à multiplier chaque valeur spectrale complexe fournie par le module de TFR 91 par la valeur de l'enveloppe inférieure X_inf obtenue pour la même fréquence par le module de décompression spectrale 87.
Les estimations spectrales Xv, Xuv des composantes harmonique
(voisée dans le cas d'un signal de parole) et non-harmonique (ou non-voisée) sont combinées par un module de mixage 95 contrôlé par un module 96 d'analyse du degré d'harmonicité (ou de voisement) du signal. L'organisation de ces modules 95, 96 est illustrée par la figure 10. Le module d'analyse 96 comporte une unité 97 d'estimation d'un degré de voisement W dépendant de la fréquence, à partir duquel sont calculés quatre gains dépendant de la fréquence, à savoir deux gains gv, guv contrôlant l'importance relative des composantes harmonique et non-harmonique dans le signal synthétisé, et deux gains gv guv utilisés pour bruiter la phase de la composante harmonique.
Le degré de voisement W(i) est une valeur à variation continue comprise entre 0 et 1 déterminée pour chaque index de fréquence i (0 < i < N) en fonction de l'enveloppe supérieure X_sup(i) et de l'enveloppe inférieure X_inf(i) obtenues pour cette fréquence i par les modules de décompression 53, 87. Le degré de voisement W(i) est estimé par l'unité 97 pour chaque index de fréquence i correspondant à une harmonique de la fréquence fondamentale F0,
a savoir i 2Nk - + - pour k = 1 ,2,... , par une fonction croissante du
rapport entre l'enveloppe supérieure X_sup et l'enveloppe inférieure X_inf à cette fréquence, par exemple selon la formule :
Figure imgf000023_0001
Le seuil Vth(F0) correspond à la dynamique moyenne calculée sur un spectre synthétique purement voisé à la fréquence fondamentale. Il est avantageusement choisi dépendant de la fréquence fondamentale F0. Le degré de voisement W(i) pour une fréquence autre que les fréquences harmoniques est obtenu simplement comme étant égal à celui estimé pour l'harmonique la plus proche.
Le gain gv(i), qui dépend de la fréquence, est obtenu en appliquant une fonction non-linéaire au degré de voisement W(i) (bloc 98). Cette fonction non- linéaire a par exemple la forme représentée sur la figure 11 : gv(i) = 0 si 0 < W(i) < W1
g (i) = W(|) ~ W1 si W1 < W(i) < W2 (14) v W2- W1 w gv(i) = 1 si W2 < W(i) < 1 les seuils W1 , W2 étant tels que 0 < W1 < W2 < 1. Le gain guv peut être calculé de manière semblable au gain gv (la somme des deux gains gv, guv étant constante, par exemple égale à 1), ou déduit simplement de celui-ci par la relation guv(i) = 1 - gv(i), comme schématisé par le soustracteur 99 sur la figure 10.
Il est intéressant de pouvoir bruiter la phase de la composante harmonique du signal à une fréquence donnée si l'analyse du degré de voisement montre que le signal est plutôt de type non-harmonique à cette fréquence. Pour cela, la phase φ'v de la composante harmonique mixée est le résultat d'une combinaison linéaire des phases φv, φuv des composantes harmonique et non-harmonique Xv, Xuv synthétisées par les modules 54, 92. Les gains gv guv respectivement appliqués à ces phases sont calculés à partir du degré de voisement W et pondérés également en fonction de l'index de fréquence i, étant donné que le bruitage de la phase n'est véritablement utile qu'au-delà d'une certaine fréquence. Un premier gain gv1 est calculé en appliquant une fonction non- linéaire au degré de voisement W(i), comme schématisé par le bloc 100 sur la figure 10. Cette fonction non-linéaire peut avoir la forme représentée sur la figure 12 : gv1_φ(i) = G1 si 0 < W(i) < W3
gv1_φ(i) si W3 < W(i) < W4 (15)
Figure imgf000024_0001
gv1_φ(i) = 1 si W4 < W(i) < 1 les seuils W3 et W4 étant tels que 0 < W3 < W4 < 1 , et le gain minimal G1 étant compris entre 0 et 1.
Un multiplieur 101 multiplie pour chaque fréquence d'index i le gain gv1 par un autre gain gv2 dépendant seulement de l'index de fréquence i, pour former le gain gv (i). Le gain gv2 (i) dépend non-linéairement de l'index de fréquence i, par exemple comme indiqué sur la figure 13 :
9v2_φ(i) = 1 si O ≤ i ≤ M
9V2_φ(i) si iK i < i2 (16) gv2_φ(i) = G2 si i2 ≤ i ≤ 1 les index il et i2 étant tels que 0 < il < i2 < N, et le gain minimal G2 étant compris entre 0 et 1. Le gain guv (i) peut être calculé simplement comme étant égal à 1 - gv_φ(i) = 1 - 9vι_φ(i) gV2_φ(i) (soustracteur 102 de la figure 10). Le spectre complexe Y du signal synthétisé est produit par le module de mixage 95, qui réalise la relation de mixage suivante, pour 0 < i < N :
Y(i) = gv(i). |Xv(i)| - βxpD φv(')] + 9uv(')- xuv(') <17)
avec φ'v(') = gv_φ(i)- φv(") + 9uv_φ(i)- Ψuv(i) (1 8) où φv(i) désigne l'argument du nombre complexe Xv(i) fourni par le module 54 pour la fréquence d'index i (bloc 104 de la figure 10), et φuv(i) désigne l'argument du nombre complexe Xuv(i) fourni par le module 92 (bloc 105 de la figure 10). Cette combinaison est réalisée par les multiplieurs 106-110 et les additionneurs 111 -112 représentés sur la figure 10.
Le spectre mixé Y(i) pour 0 < i < 2N (avec Y(2N-1-i) =Y(i)) est ensuite transformé dans le domaine temporel par le module de TFRI 115 (figure 8). On ne retient que les N/2 = 128 premiers et les N/2 = 128 derniers échantillons de la trame de 2N = 512 échantillons produite par le module 115, et on applique la permutation circulaire inverse de celle illustrée par la figure 3 pour obtenir la trame synthétisée de N = 256 échantillons pondérés par la fenêtre d'analyse fA. Les trames successivement obtenues de cette manière sont finalement traitées par le module de synthèse temporelle 116 qui forme le signal audio décodé x .
Le module de synthèse temporelle 116 effectue une somme à recouvrement de trames modifiées par rapport à celles successivement évaluées en sortie du module 115. La modification peut être vue en deux étapes illustrées respectivement par les figures 14 et 15.
La première étape (figure 14) consiste à multiplier chaque trame 2' délivrée par le module de TFRI 115 par une fenêtre 1/fA inverse de la fenêtre d'analyse fA employée par le module 1 du codeur. Les échantillons de la trame 2" qui en résultent sont donc pondérés uniformément.
La seconde étape (figure 15) consiste à multiplier les échantillons de cette trame 2" par une fenêtre de synthèse fs vérifiant les propriétés suivantes : fs(N-L+i) + fs(i) = A pour 0 ≤ i < L (19) fs(i) = A pour L ≤ i < N-L (20) où A désigne une constante positive arbitraire, par exemple A = 1. La fenêtre de synthèse fs(i) croît progressivement de 0 à A pour i allant de 0 à L. C'est par exemple une demi-sinusoïde surélevée : fs(i) = -,(l-cos[(i + 1/2)π/L]) pour 0 < i < L (21 )
Après avoir repondéré chaque trame 2" par la fenêtre de synthèse fs, le module 116 positionne les trames successives avec leurs décalages temporels de M = 160 échantillons et leurs recouvrements temporels de L = 96 échantillons, puis il effectue la somme des trames ainsi positionnées dans le temps. Du fait des propriétés (19) et (20) de la fenêtre de synthèse fs, chaque échantillon du signal audio décodé x ainsi obtenu est affecté d'un poids global uniforme, égal à A. Ce poids global provient de la contribution d'une trame unique si l'échantillon a dans cette trame un rang i tel que L < i < N - L, et comporte les contributions sommées de deux trames successives si 0 < i < L où N - L < i < N.
On peut ainsi effectuer la synthèse temporelle de façon simple même si, comme dans le cas considéré, le recouvrement L entre deux trames successives est plus petit que la moitié de la taille N de ces trames.
Les deux étapes exposées ci-dessus pour la modification des trames de signal peuvent être fusionnées en une seule étape. Il suffit de précalculer une fenêtre composée fc(i) = fs(i)/fA(i), et de multiplier simplement les trames
2' de N = 256 échantillons délivrées par le module 115 par la fenêtre composée fc avant d'effectuer la sommation à recouvrement.
La figure 16 montre l'allure de la fenêtre composée fc dans le cas où la fenêtre d'analyse fA est une fenêtre de Hamming et la fenêtre de synthèse fs a la forme donnée par les relations (19) à (21 ).
D'autres formes de la fenêtre de synthèse fs vérifiant les relations (19) et (20) peuvent être employées. Dans la variante de la figure 17, c'est une fonction affine par morceaux définie par : fs(i) = A.i/L pour 0 < i < L (22)
Afin d'améliorer la qualité de codage du signal audio, le codeur de la figure 1 peut augmenter la cadence de formation et d'analyse des trames, afin de transmettre davantage de paramètres de quantification au décodeur. Dans la structure de trame représentée sur la figure 2, une trame de N = 256 échantillons (32 ms) est formée toutes les 20 ms. Ces trames de 256 échantillons pourraient être formées à une cadence supérieure, par exemple de 10 ms, deux trames successives ayant alors un décalage de M/2 = 80 échantillons et un recouvrement de 176 échantillons.
Dans ces conditions, on peut transmettre les jeux complets de paramètres de quantification iF, icxs, icxi, iEm pour seulement un sous- ensemble des trames, et transmettre pour les autres trames des paramètres permettant d'effectuer une interpolation adéquate au niveau du décodeur. Dans l'exemple envisagé ci-dessus, le sous-ensemble pour lequel des jeux de paramètres complets sont transmis peut être constitué par les trames de rang entier n, dont la périodicité est de M/Fe = 20 ms, et les trames pour lesquelles une interpolation est effectuée peuvent être celles de rang demi-entier n + 1/2 qui sont décalées de 10 ms par rapport aux trames du sous-ensemble.
Dans la réalisation illustrée par la figure 18, les notations cx_q [n-1] et cx_q[n] désignent des vecteurs cepstraux quantifiés déterminés, pour deux trames successives de rang entier, par le module de quantification 18 et/ou par le module de quantification 34. Ces vecteurs comprennent par exemple quatre coefficients cepstraux consécutifs chacun. Ils pourraient également comprendre davantage de coefficients cepstraux. Un module 120 effectue une interpolation de ces deux vecteurs cepstraux cx_q[n-1] et cx_q[n], afin d'estimer une valeur intermédiaire cx_i[n-1/2]. L'interpolation effectuée par le module 120 peut être une simple moyenne arithmétique des vecteurs cx_q[n-1] et cx_q[n]. En variante, le module 120 pourrait appliquer une formule d'interpolation plus sophistiquée, par exemple polynomiale, en se fondant également sur les vecteurs cepstraux obtenus pour des trames antérieures à la trame n-1. D'autre part, si plus d'une trame interpolée est intercalée entre deux trames consécutives de rang entier, l'interpolation tient compte de la position relative de chaque trame interpolée.
A l'aide des moyens précédemment décrits, le codeur calcule également les coefficients cepstraux cx[n-1/2] relatifs à la trame de rang demi- entier. Dans le cas de l'enveloppe supérieure, ces coefficients cepstraux sont ceux fournis par le module de TFRI 13 après post-liftrage 15 (par exemple avec les mêmes coefficients de post-liftrage que pour la trame précédente n-1 ) et normalisation 16. Dans le cas de l'enveloppe inférieure, les coefficients cepstraux cx[n-1/2] sont ceux délivrés par le module de TFRI 33.
Un soustracteur 121 forme la différence ecx[n-1/2] entre les coefficients cepstraux cx[n-1/2] calculés pour la trame de rang demi-entier et les coefficients cx_i[n-1/2] estimés par interpolation. Cette différence est fournie à un module de quantification 122 qui adresse des index de quantification icx[n-1/2] au multiplexeur de sortie 6 du codeur. Le module 122 fonctionne par exemple par quantification vectorielle des erreurs d'interpolation ecx[n-1/2] successivement déterminées pour les trames de rang demi-entier.
Cette quantification de l'erreur d'interpolation peut être effectuée par le codeur pour chacun des NCS + NCI coefficients cepstraux utilisés par le décodeur, ou seulement pour certains d'entre eux, typiquement ceux d'ordres les plus petits.
Les moyens correspondants du décodeur sont illustrés par la figure 19.
Le décodeur fonctionne essentiellement comme celui décrit en référence à la figure 8 pour déterminer les trames de signal de rang entier. Un module d'interpolation 124 identique au module 120 du codeur estime les coefficients intermédiaires cx_i[n-1/2] à partir des coefficients quantifiés cx_q[n-1] et cx_q[n] fournis par le module 47 et/ou le module 48 à partir des index icxs, icxi extraits du flux Φ. Un module d'extraction de paramètres 125 reçoit l'index de quantification icx[n-1/2] depuis le démultiplexeur d'entrée 45 du décodeur, et en déduit l'erreur d'interpolation quantifiée ecx_q[n-1/2] à partir du même dictionnaire de quantification que celui utilisé par le module 122 du codeur. Un additionneur 126 fait la somme des vecteurs cepstraux cx_i[n-1/2] et ecx_q[n-1/2] afin de fournir les coefficients cepstraux cx[n-1/2] qui seront utilisés par le décodeur (modules 51-57, 95, 96, 115 et/ou modules 85-87, 92, 95, 96, 115) pour former la trame interpolée de rang n-1/2.
Si certains seulement des coefficients cepstraux ont fait l'objet d'une quantification d'erreur d'interpolation, les autres sont déterminés par le décodeur par une interpolation simple, sans correction.
Le décodeur peut également interpoler les autres paramètres F0, Emix utilisés pour synthétiser les trames de signal. La fréquence fondamentale F0 peut être interpolée linéairement, soit dans le domaine temporel, soit (de préférence) directement dans le domaine fréquentiel. Pour l'interpolation éventuelle du vecteur de pondération énergétique Emix, il convient d'effectuer l'interpolation après dénormalisation et en tenant compte bien entendu des décalages temporels entre trames.
Il est à noter qu'il est particulièrement avantageux, pour interpoler la représentation des enveloppes spectrales, d'effectuer cette interpolation dans le domaine cepstral. Contrairement à une interpolation effectuée sur d'autres paramètres, tels que les coefficients LSP (« Line Spectrum Pairs »), l'interpolation linéaire des coefficients cepstraux correspond à l'interpolation linéaire des amplitudes spectrales comprimées.
Dans la variante représentée sur la figure 20, le codeur utilise les vecteurs cepstraux cx_q[n], cx_q[n-1], ... , cx_q[n-r] et cx_q[n-1/2] calculés pour les dernières trames passées (r > 1 ) pour identifier un filtre interpolateur optimal qui, lorsqu'on lui soumet les vecteurs cepstraux quantifiés cx_q[n-r], ... , cx_q[n] relatifs aux trames de rang entier, délivre un vecteur cepstral interpolé cx_i[n-1/2] qui présente une distance minimale avec le vecteur cx[n-1/2] calculé pour la dernière trame de rang demi-entier.
Dans l'exemple représenté sur la figure 20, ce filtre interpolateur 128 est présent dans le codeur, et un soustracteur 129 retranche sa sortie cx_i[n-1/2] du vecteur cepstral calculé cx[n-1/2]. Un module de minimisation 130 détermine le jeu de paramètres {P} du filtre interpolateur 128, pour lequel l'erreur d'interpolation ecx[n-1/2] délivrée par le soustracteur 129 présente une norme minimale. Ce jeu de paramètres {P} est adressé à un module de quantification 131 qui fournit un index de quantification correspondant iP au multiplexeur de sortie 6 du codeur.
En fonction du débit alloué dans le flux Φ aux index de quantification des paramètres {P} définissant le filtre interpolateur optimal 128, on pourra adopter une quantification plus ou moins fine de ces paramètres, ou une forme plus ou moins élaborée du filtre interpolateur, ou encore prévoir plusieurs filtres interpolateurs quantifiés de manière distincte pour différents vecteurs de coefficients cepstraux.
Dans une réalisation simple, le filtre interpolateur 128 est linéaire, avec r = 1 : cx_i[n-1/2] = p.cx_q[n-1] + (1-p).cx_q[n] (23) et le jeu de paramètres {P} se limite au coefficient p compris entre 0 et 1.
A partir des index iP de quantification des paramètres {P} obtenus dans le flux binaire φ, le décodeur reconstruit le filtre interpolateur 128 (aux erreurs de quantification près), et traite les vecteurs spectraux cx_q[n-r], ... , cx_q[n] afin d'estimer les coefficients cepstraux cx[n-1/2] utilisés pour synthétiser les trames de rang demi-entier.
De façon générale, le décodeur peut utiliser une méthode d'interpolation simple (sans transmission de paramètres de la part du codeur pour les trames de rang demi-entier), une méthode d'interpolation avec prise en compte d'une erreur d'interpolation quantifiée (selon les figures 17 et 18), ou une méthode d'interpolation avec un filtre interpolateur optimal (selon la figure 19) pour évaluer les trames de rang demi-entier en plus des trames de rang entier évaluées directement comme expliqué en référence aux figures 8 à 13. Le module 116 de synthèse temporelle peut alors combiner l'ensemble de ces trames évaluées pour former le signal synthétisé x de la manière expliquée ci- après en référence aux figures 14, 21 et 22.
Comme dans la méthode de synthèse temporelle précédemment décrite, le module 116 effectue une somme à recouvrement de trames modifiées par rapport à celles successivement évaluées en sortie du module 115, et cette modification peut être vue en deux étapes dont la première est identique à celle précédemment décrite en référence à la figure 14 (diviser les échantillons de la trame 2' par la fenêtre d'analyse fA)-
La seconde étape (figure 21 ) consiste à multiplier les échantillons de la trame renormalisée 2" par une fenêtre de synthèse fs vérifiant les propriétés suivantes : fs(i) = 0 pour 0 < i < N/2 - M/p et N/2 + M/p < i <N (24)
fs(i) + fs(i + M/p) = A pour N/2 - M/p < i < N/2 (25) où A désigne une constante positive arbitraire, par exemple A = 1 , et p est l'entier tel que le décalage temporel entre les trames successives (calculées directement et interpolées) soit de M/p échantillons, soit p = 2 dans l'exemple décrit. La fenêtre de synthèse fs(i) croît progressivement pour i allant de
N/2 - M/p à N/2. C'est par exemple une sinusoïde surélevée sur l'intervalle
N/2 - M/p < i < N/2 + M/p. En particulier, la fenêtre de synthèse fs peut être, sur cet intervalle, une fenêtre de Hamming (comme représenté sur la figure 21 ) ou une fenêtre de Hanning.
La figure 21 montre les trames successives 2" repositionnées dans le temps par le module 116. Les hachures indiquent les portions éliminées des trames (fenêtre de synthèse à 0). On voit qu'en effectuant la somme à recouvrement des échantillons des trames successives, la propriété (25) assure une pondération homogène des échantillons du signal synthétisé.
Comme dans la méthode de synthèse illustrée par les figures 14 et 15, la procédure de pondération des trames obtenues par transformée de Fourier inverse des spectres Y peut être effectuée en une seule étape, avec une fenêtre composée fc(i) = fs(i) A(i) - La figure 22 montre la forme de la fenêtre composée fς dans le cas où les fenêtres fA et fs sont de type Hamming.
Comme la méthode de synthèse temporelle illustrée par les figures 14 à 17, celle illustrée par les figures 14, 21 et 22 permet de prendre en compte un recouvrement L entre deux trames d'analyse (pour lesquelles l'analyse est effectuée de façon complète) plus petit que la moitié que la taille N de ces trames. De façon générale, cette dernière méthode est applicable lorsque les trames d'analyse successives présentent des décalages temporels mutuels M de plus de N/2 échantillons (même éventuellement de plus de N échantillons si un très bas débit est requis), l'interpolation conduisant à un ensemble de trames dont les décalages temporels mutuels sont de moins de N/2 échantillons.
Les trames interpolées peuvent faire l'objet d'une transmission réduite de paramètres de codage, comme décrit précédemment, mais cela n'est pas obligatoire. Ce mode de réalisation permet de conserver un intervalle M relativement grand entre deux trames d'analyse, et donc de limiter le débit de transmission requis, tout en limitant les discontinuités susceptibles d'apparaître en raison de la taille de cet intervalle par rapport aux échelles de temps typiques des variations des paramètres du signal audio, notamment les coefficients cepstraux et la fréquence fondamentale.
Les figures 23 à 25 montrent d'autres formes de réalisation des moyens employés pour traiter les coefficients cepstraux cx_sup délivrés par le module de TFRI 13 de la figure 1 , représentant l'enveloppe supérieure. Dans les trois cas, les modules de post-liftrage 15, de normalisation 16, de quantification 18 et de calcul des amplitudes spectrales 28 sont essentiellement identiques à ceux précédemment décrits en référence à la figure 1. En outre, des modules de post-liftrage 140, de lissage 141 et d'extraction de phase minimale 142 sont prévus pour traiter les coefficients cepstraux post-liftrés et quantifiés cx_sup_q délivrés par le module de quantification 18. Ces modules 140-142 fonctionnement essentiellement comme les modules correspondants 55-57 du décodeur de la figure 8.
Dans la forme de réalisation montrée sur la figure 23, le module d'adaptation 144 accomplit une fonction semblable à celle du module 29 de la figure 1. Mais l'adaptation n'est pas réalisée sur la seule base du module du spectre. Le module 144 détermine le meilleur jeu de coefficients pour le post- liftre 15 en minimisant l'écart entre le spectre du signal audio, en module |X| et en phase φχ, et des valeurs complexes recalculées pour une ou plusieurs des harmoniques de la fréquence fondamentale. Les modules de ces dernières valeurs complexes sont données par le module de calcul 28, et leurs phases correspondent aux phases minimales φ(k) fournies par le module d'extraction 142. Pour réaliser l'adaptation, le module 144 peut prendre en compte toute distance appropriée dans le plan complexe, par exemple la distance euclidienne. Ainsi, l'adaptation du post-liftre 15 par le module 144 tient compte de façon combinée d'aspects fréquentiels du signal, reflétés par le module du spectre, et des aspects temporels, reflétés par la phase du spectre.
Comme représenté en pointillés sur la figure 23, le post-liftre 140 peut également être adaptatif, l'adaptation effectuée par le module 144 portant conjointement sur les deux post-liftres 15, 140. Dans ce cas, le post-liftre 55 du décodeur (figure 8) est adapté, comme le post-liftre 140, en fonction de paramètres iLif que le module d'adaptation 144 fournit au multiplexeur 6 pour qu'il les inclue dans le flux numérique Φ. Typiquement, quelques jeux de coefficients γ.,, γ2 sont prévus pour les post-liftres 140 et 55, et le module 144 procède à un test exhaustif de ces différents jeux de coefficients pour retenir celui qui minimise l'écart dans le plan complexe.
Dans l'exemple représenté sur la figure 24, le module d'adaptation 29 du post-liftre 15 est identique à celui de la figure 1. La figure 24 montre un module 145 d'estimation d'une courbe de masquage permettant au module 29 de sélectionner, pour la minimisation de l'écart en module, la ou les fréquences harmoniques qui dépassent le plus de la courbe de masquage calculée sur la base du spectre en module |X| , comme décrit précédemment.
Le post-liftre 140 de la figure 24 est adapté séparément par un module 146 qui réalise la minimisation des écarts entre la phase φx du spectre du signal et la phase minimale φ(k) calculée par le module 142 pour une ou plusieurs des harmoniques. Là aussi, les harmoniques sélectionnées pour le calcul de l'écart de phase minimisé peuvent l'être en fonction de la courbe de masquage estimée par le module 145. Le module 146 fournit au multiplexeur de sortie 6 du codeur les paramètres iLif qui représentent le post-liftre optimal 140, pour qu'ils soient utilisés dans le post-filtre 55 du décodeur.
Dans l'exemple illustré par la figure 25, le post-liftre 140 servant dans le calcul des phases minimales n'est pas adaptatif. Les phases minimales φ(k) calculées par le module 142 pour les harmoniques de la fréquence fondamentale sont comparées aux phases φχ du spectre du signal audio, et l'écart de phase fait l'objet d'une quantification par un module 148. Les index de quantification correspondants iΔφ sont fournis par le module 148 au multiplexeur de sortie 6 du codeur.
Dans un décodeur (figure 26) correspondant à un codeur selon la figure 25, un module 149 exploite ces index de quantification iΔφ fournis par le démultiplexeur 45 pour obtenir les valeurs des écarts de phase quantifiés, qu'un additionneur 150 ajoute aux phases minimales φ(k) calculées par le module 57 (les post-liftres 140 et 55 étant identiques). Les phases fournies par l'additionneur 150 sont ensuite utilisées par le module 54 qui synthétise les raies spectrales de la composante harmonique Xv.
L'écart de phase quantifié par le module 148, et que les modules 149 et 150 du décodeur utilisent pour corriger les phases minimales φ(k), peut être de deux natures :
- il peut représenter, pour chaque fréquence d'index i correspondant à une harmonique d'ordre k de la fréquence fondamentale F0 la différence entre la phase φχ(i) du spectre du signal à la fréquence i et la phase minimale φ(k) calculée par le module 142 pour l'harmonique k ;
- alternativement ou cumulativement, cet écart de phase peut représenter la variation de la phase φχ du spectre sur la largeur d'un ou plusieurs pics spectraux correspondant à des harmoniques du signal, cette variation étant relative à la phase minimale φ(k) affectée aux pics en question.
Dans les deux cas, le ou les pics pour lesquels l'écart de phase est quantifié peuvent être choisis en fonction de l'énergie spectrale représentée par l'enveloppe supérieure, qui est disponible au codeur et au décodeur, ce qui permet au décodeur de déterminer à quelle raie spectrale les écarts doivent être appliqués.
Dans le premier cas, les écarts de phase peuvent faire l'objet d'une quantification scalaire, ou vectorielle si on les regroupe pour plusieurs pics. Dans le second cas, la variation de la phase φx autour de la phase minimale φ(k) sur la largeur d'un pic harmonique (déterminée par la largeur de la raie de référence utilisée par le module 54), peut être représentée simplement par la pente d'un segment linéaire sélectionné comme étant celui qui présente une distance quadratique minimale avec la courbe de variation de phase du spectre sur la largeur de la raie, et éventuellement par un décalage à l'origine.
Ces pentes peuvent faire l'objet d'une quantification scalaire, ou vectorielle si on les regroupe pour plusieurs pics. La quantification des variations de phase sur les pics harmoniques peut porter sur l'ensemble des fréquences harmoniques. Une autre possibilité est de quantifier plusieurs pentes obtenues chacune par moyennage des pentes aux harmoniques sur une ou plusieurs sous-bandes du spectre. Ce moyennage peut être pondéré pour prendre en compte les énergies relatives aux différentes fréquences harmoniques, représentées par l'enveloppe supérieure.
Le module 148 peut également modéliser la variation de phase sur la largeur d'un pic par une courbe plus complexe qu'un segment linéaire, par exemple un spline, dont les paramètres sont quantifiés pour être transmis au décodeur.
Une autre possibilité est d'effectuer un apprentissage préalable de modèles de phase aux harmoniques, représentatifs des variations de la phase sur la largeur des pics, observées sur un corpus de signaux de référence. Ces modèles sont rangés dans un dictionnaire mémorisé par les modules 148 et 149. Le module 148 du codeur détermine les index iΔφ correspondant aux adresses des modèles les plus proches des variations de phase au voisinage des pics harmoniques considérés, et le module 149 du décodeur récupère ces modèles pour la synthèse de la phase de la composante harmonique.

Claims

R E V E N D I C A T I O N S
1. Procédé de codage d'un signal audio, dans lequel on estime une fréquence fondamentale (F0) du signal audio, on détermine un spectre du signal audio par une transformée dans le domaine fréquentiel d'une trame du signal audio, et on inclut dans un flux numérique de sortie (Φ) des données de codage d'une composante harmonique du signal audio, comprenant des données représentatives d'amplitudes spectrales associées à des fréquences multiples de la fréquence fondamentale estimée, caractérisé en ce que lesdites données représentatives d'amplitudes spectrales associées à des fréquences multiples de la fréquence fondamentale (F0) sont obtenues au moyen de coefficients cepstraux calculés en transformant dans le domaine cepstral une enveloppe supérieure comprimée (LX_sup) du spectre du signal audio, et en ce que les données de codage de la composante harmonique comprennent en outre, pour au moins une des fréquences multiples de la fréquence fondamentale estimée, des données (iΔφ ; iLif) relatives à la phase du spectre du signal audio au voisinage de ladite fréquence multiple.
2. Procédé selon la revendication 1 , dans lequel l'enveloppe supérieure comprimée (LX_sup) est déterminée par interpolation desdites amplitudes spectrales associées aux fréquences multiples de la fréquence fondamentale (F0) avec application d'une fonction de compression spectrale.
3. Procédé selon la revendication 1 ou 2, dans lequel on transforme les coefficients cepstraux par liftrage et lissage dans le domaine cepstral, et on calcule des phases minimales (φ(k)) du signal audio à des fréquences multiples de la fréquence fondamentale (F0) sur la base des coefficients cepstraux transformés (cxl[n]),
4. Procédé selon la revendication 3, dans lequel on quantifie un écart de phase entre le spectre du signal audio à au moins une fréquence multiple de la fréquence fondamentale (F0) et la phase minimale calculée correspondante (φ(k)), et on inclut des paramètres de quantification (iΔφ) dudit écart de phase dans les données de codage de la composante harmonique.
5. Procédé selon la revendication 3, dans lequel on adapte ledit liftrage de façon à minimiser un écart de phase entre le spectre du signal audio à au moins une fréquence multiple de la fréquence fondamentale (F0) et la phase minimale calculée correspondante (φ(k)), et on inclut des paramètres (iLif) représentatifs du liftrage adapté dans les données de codage de la composante harmonique.
6. Procédé selon la revendication 5, dans lequel l'écart de phase minimisé pour l'adaptation du liftrage se rapporte à au moins une fréquence multiple de la fréquence fondamentale (F0), sélectionnée sur la base de l'importance du module du spectre en valeur absolue.
7. Procédé selon la revendication 5, dans lequel on estime une courbe de masquage spectral du signal audio au moyen d'un modèle psychoacoustique, et l'écart de phase minimisé pour l'adaptation du liftrage se rapporte à au moins une fréquence multiple de la fréquence fondamentale (F0), sélectionnée sur la base de l'importance du module du spectre relativement à la courbe de masquage.
8. Procédé selon l'une quelconque des revendications 3 à 7, dans lequel on examine les variations des coefficients cepstraux (cxp[n]) pour appliquer un lissage moins important en présence de variations brusques qu'en présence de variations lentes.
9. Procédé selon la revendication 8, dans lequel on effectue le lissage des coefficients cepstraux au moyen d'un facteur d'oubli (λc) choisi en fonction d'une comparaison entre un seuil (dth) et une distance (d) entre deux jeux successifs de coefficients cepstraux (cxp[n-1], cxp[n]).
10. Procédé selon la revendication 9, dans lequel ledit seuil (dth) est adapté en fonction des variations des coefficients cepstraux (cxp[n]).
11. Procédé selon l'une quelconque des revendications 3 à 10, dans lequel le liftrage est de la forme cp(i) = [1 + γ2' - y^l-cfl) - (μ'/i), où cp(i) et c(i) désignent le coefficient cepstral d'ordre i respectivement avant et après liftrage, γ1 et γ2 sont des coefficients compris entre 0 et 1 et μ est un coefficient de préaccentuation.
12. Procédé selon la revendication 11 , dans lequel μ = (γ2 - γ-|).c(1 ).
13. Procédé selon l'une quelconque des revendications 1 à 12, dans lequel on quantifie une variation de la phase du spectre du signal audio sur au moins un intervalle de fréquences entourant une fréquence multiple de la fréquence fondamentale (F0), et on inclut des paramètres (iΔφ) de quantification de ladite variation de phase dans les données de codage de la composante harmonique.
14. Procédé selon la revendication 13, dans lequel la variation de phase quantifiée est représentée par la pente de la phase du spectre à la fréquence multiple de la fréquence fondamentale (F0).
15. Procédé selon la revendication 13, dans lequel la variation de phase quantifiée représente un modèle de phase mémorisé dans un dictionnaire déterminé par apprentissage.
16. Codeur audio, comprenant des moyens pour exécuter un procédé selon l'une quelconque des revendications 1 à 15.
17. Procédé de décodage d'un flux numérique d'entrée (Φ) représentant un signal audio codé, dans lequel on reçoit dans le flux numérique d'entrée des données de codage d'une fréquence fondamentale (F0) du signal audio et des données de codage d'une composante harmonique comprenant des données de quantification de coefficients cepstraux représentant une enveloppe spectrale supérieure (X_sup) du signal audio, et on génère une estimation spectrale (Xy) de la composante harmonique dont le module est déterminé par ladite enveloppe spectrale supérieure aux fréquences multiples de la fréquence fondamentale, caractérisé en ce que, pour déterminer la phase (φv) de l'estimation spectrale de la composante harmonique (Xv), on transforme les coefficients cepstraux par liftrage et lissage dans le domaine cepstral, et on calcule des phases minimales (φ(k)) du signal audio à des fréquences multiples de la fréquence fondamentale sur la base des coefficients cepstraux transformés (cxl[n]).
18. Procédé selon la revendication 17, dans lequel, pour obtenir la phase (φv) de l'estimation spectrale (Xv) de la composante harmonique, on modifie au moins une phase minimale calculée (φ(k)) sur la base de données de quantification d'écart de phase (iΔφ) comprises dans les données de codage de la composante harmonique.
18. Procédé selon la revendication 18, dans lequel les données de quantification d'écart de phase (iΔφ) sont utilisées pour déterminer une variation de la phase (φv) de l'estimation spectrale (Xv) de la composante harmonique sur au moins un intervalle de fréquences entourant une fréquence multiple de la fréquence fondamentale (F0).
20. Procédé selon la revendication 19, dans lequel la variation de phase déterminée sur un intervalle de fréquences est une variation linéaire représentée par un paramètre de quantification de pente.
21. Procédé selon la revendication 19, dans lequel la variation de phase déterminée sur un intervalle de fréquences représente un modèle de phase mémorisé dans un dictionnaire déterminé par apprentissage.
22. Procédé selon l'une quelconque des revendications 17 à 21 , dans lequel on adapte ledit liftrage en fonction de paramètres (iLif) compris dans les données de codage de la composante harmonique.
23. Procédé selon l'une quelconque des revendications 17 à 22, dans lequel on examine les variations des coefficients cepstraux (cxp[n]) pour appliquer un lissage moins important en présence de variations brusques qu'en présence de variations lentes.
24. Procédé selon la revendication 23, dans lequel on effectue le lissage des coefficients cepstraux (cxp[n]) au moyen d'un facteur d'oubli (λc) choisi en fonction d'une comparaison entre un seuil (dth) et une distance (d) entre deux jeux successifs de coefficients cepstraux (cxp[n-1], cxp[n]).
25. Procédé selon la revendication 24, dans lequel ledit seuil (dth) est adapté en fonction des variations des coefficients cepstraux (cxp[n]).
26. Procédé de décodage d'un flux numérique d'entrée (Φ) représentant un signal audio codé, dans lequel on reçoit dans le flux numérique d'entrée des données de codage d'une fréquence fondamentale (F0) du signal audio et des données de codage d'une composante harmonique comprenant des données de quantification de coefficients cepstraux représentant une enveloppe spectrale supérieure (X_sup) du signal audio, et on génère une estimation spectrale (Xv) de la composante harmonique dont le module est déterminé par ladite enveloppe spectrale supérieure aux fréquences multiples de la fréquence fondamentale, caractérisé en ce qu'on détermine une variation de la phase (φv) de l'estimation spectrale de la composante harmonique sur au moins un intervalle de fréquences entourant une fréquence multiple de la fréquence fondamentale sur la base de paramètres de quantification (iΔφ) inclus dans les données de codage de la composante harmonique.
27. Procédé selon la revendication 26, dans lequel la variation de phase déterminée sur un intervalle de fréquences est une variation linéaire représentée par un paramètre de quantification de pente.
28. Procédé selon la revendication 26, dans lequel la variation de phase déterminée sur un intervalle de fréquences représente un modèle de phase mémorisé dans un dictionnaire déterminé par apprentissage.
29. Décodeur audio, comprenant des moyens pour exécuter un procédé selon l'une quelconque des revendications 17 à 28.
PCT/FR2000/001909 1999-07-05 2000-07-04 Codage et decodage audio avec composants harmoniques et phase minimale WO2001003121A1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
AU62923/00A AU6292300A (en) 1999-07-05 2000-07-04 Encoding and decoding with harmonic components and minimum phase
EP00949624A EP1190414A1 (fr) 1999-07-05 2000-07-04 Codage et decodage audio avec composantes harmoniques et phase minimale

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR9908633A FR2796189B1 (fr) 1999-07-05 1999-07-05 Procedes et dispositifs de codage et de decodage audio
FR99/08633 1999-07-05

Publications (1)

Publication Number Publication Date
WO2001003121A1 true WO2001003121A1 (fr) 2001-01-11

Family

ID=9547702

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2000/001909 WO2001003121A1 (fr) 1999-07-05 2000-07-04 Codage et decodage audio avec composants harmoniques et phase minimale

Country Status (4)

Country Link
EP (1) EP1190414A1 (fr)
AU (1) AU6292300A (fr)
FR (1) FR2796189B1 (fr)
WO (1) WO2001003121A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111685760A (zh) * 2020-07-21 2020-09-22 四川长虹电器股份有限公司 一种基于雷达测量的人体呼吸频率计算方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE480851T1 (de) * 2004-10-28 2010-09-15 Panasonic Corp Skalierbare codierungsvorrichtung, skalierbare decodierungsvorrichtung und verfahren dafür

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0709827A2 (fr) * 1994-10-28 1996-05-01 Mitsubishi Denki Kabushiki Kaisha Dispositif et méthode de codage et décodage de la parole et dispositif pour extraire une caractéristique de phase et d'amplitude
US5651092A (en) * 1993-05-21 1997-07-22 Mitsubishi Denki Kabushiki Kaisha Method and apparatus for speech encoding, speech decoding, and speech post processing
US5701391A (en) * 1995-10-31 1997-12-23 Motorola, Inc. Method and system for compressing a speech signal using envelope modulation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5651092A (en) * 1993-05-21 1997-07-22 Mitsubishi Denki Kabushiki Kaisha Method and apparatus for speech encoding, speech decoding, and speech post processing
EP0709827A2 (fr) * 1994-10-28 1996-05-01 Mitsubishi Denki Kabushiki Kaisha Dispositif et méthode de codage et décodage de la parole et dispositif pour extraire une caractéristique de phase et d'amplitude
US5701391A (en) * 1995-10-31 1997-12-23 Motorola, Inc. Method and system for compressing a speech signal using envelope modulation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AHMADI S ET AL: "New techniques for sinusoidal coding of speech at 2400 bps", CONFERENCE RECORD OF THIRTIETH ASILOMAR CONFERENCE ON SIGNALS, SYSTEMS AND COMPUTERS (CAT. NO.96CB36004), PACIFIC GROVE, CA, USA, 3-6 NOV. 1996, 1997, Los Alamitos, CA, USA, IEEE Comput. Soc. Press, USA, pages 770 - 774 vol.1, XP002138769, ISBN: 0-8186-7646-9 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111685760A (zh) * 2020-07-21 2020-09-22 四川长虹电器股份有限公司 一种基于雷达测量的人体呼吸频率计算方法

Also Published As

Publication number Publication date
AU6292300A (en) 2001-01-22
FR2796189B1 (fr) 2001-10-05
EP1190414A1 (fr) 2002-03-27
FR2796189A1 (fr) 2001-01-12

Similar Documents

Publication Publication Date Title
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
EP1989706B1 (fr) Dispositif de ponderation perceptuelle en codage/decodage audio
EP1593116B1 (fr) Procédé pour le traitement numérique différencié de la voix et de la musique, le filtrage de bruit, la création d&#39;effets spéciaux et dispositif pour la mise en oeuvre dudit procédé
EP1692689B1 (fr) Procede de codage multiple optimise
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
EP0801790A1 (fr) Procede de codage de parole a analyse par synthese
EP0428445B1 (fr) Procédé et dispositif de codage de filtres prédicteurs de vocodeurs très bas débit
FR2784218A1 (fr) Procede de codage de la parole a bas debit
EP1606792A1 (fr) Procede d analyse d informations de frequence fondament ale et procede et systeme de conversion de voix mettant en oeuvre un tel procede d analyse
WO2023165946A1 (fr) Codage et décodage optimisé d&#39;un signal audio utilisant un auto-encodeur à base de réseau de neurones
EP1192619B1 (fr) Codage et decodage audio par interpolation
WO2001003121A1 (fr) Codage et decodage audio avec composants harmoniques et phase minimale
EP1192618B1 (fr) Codage audio avec liftrage adaptif
EP1192621B1 (fr) Codage audio avec composants harmoniques
EP1194923B1 (fr) Procedes et dispositifs d&#39;analyse et de synthese audio
EP1192620A1 (fr) Codage et decodage audio incluant des composantes non harmoniques du signal
FR2773653A1 (fr) Dispositifs de codage/decodage de donnees, et supports d&#39;enregistrement memorisant un programme de codage/decodage de donnees au moyen d&#39;un filtre de ponderation frequentielle
FR2739482A1 (fr) Procede et dispositif pour l&#39;evaluation du voisement du signal de parole par sous bandes dans des vocodeurs
WO2013135997A1 (fr) Modification des caractéristiques spectrales d&#39;un filtre de prédiction linéaire d&#39;un signal audionumérique représenté par ses coefficients lsf ou isf
WO2002029786A1 (fr) Procede et dispositif de codage segmental d&#39;un signal audio
FR2980620A1 (fr) Traitement d&#39;amelioration de la qualite des signaux audiofrequences decodes
FR2737360A1 (fr) Procedes de codage et de decodage de signaux audiofrequence, codeur et decodeur pour la mise en oeuvre de tels procedes

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BY BZ CA CH CN CR CU CZ DE DK DM DZ EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NO NZ PL PT RO RU SD SE SG SI SK SL TJ TM TR TT TZ UA UG US UZ VN YU ZA ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

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

Ref document number: 2000949624

Country of ref document: EP

Ref document number: 10019789

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 2000949624

Country of ref document: EP

REG Reference to national code

Ref country code: DE

Ref legal event code: 8642

NENP Non-entry into the national phase

Ref country code: JP

WWW Wipo information: withdrawn in national office

Ref document number: 2000949624

Country of ref document: EP