Tema 4. Codificación de Señales de Voz

Transcripción

1 Tema 4 Codificación de Señales de Voz

2 Codificación de voz (compresión) Tarea: Obtención de representaciones compactas de señales de voz con el propósito de una transmisión o almacenamiento eficiente. Variables involucradas: Régimen binario. Calidad de la señal de voz. Naturalidad Inteligibilidad Complejidad computacional de los algoritmos (MIPS). Robustez sobre sucesivas codificaciones/decodificaciones. Robustez a los errores de transmisión. Variables concernientes a las aplicaciones en tiempo real: Retardo de codificación. Permita trabajar con señales no vocales (p.ej, touch tones) Tema 4: Codificación de Señales de Voz T4.2

3 Codificación de voz (compresión) Objetivo último: Representar la señal de voz con un numero mínimo de bits a la vez que se mantiene una calidad perceptiva adecuada. Cota mínima de Rb de un codificador: Genéricamente en la señal de voz están presentes informaciones: Contenido lingüístico. Información del locutor. Canal y ambiente. Suponemos el caso extremo en el que solo interesa la información lingüística: Señal de voz Secuencia de fonemas. Habla a velocidad normal: 10 fonemas/seg. Idioma: fonemas 32 = 2 5 Régimen binario = 50 bps!!! Tema 4: Codificación de Señales de Voz T4.3

4 Calidad de voz en comunicaciones digitales Clasificación: Distribucion (Broadcast), BW 10KHz (Banda ancha), Rb > 64 Kbps. Red (Network), BW Hz (Tel. Analog.), Rb Kbps. Comunicaciones, habla natural e inteligible, Rb > 4.8 Kbps. Habla sintética, poco natural, dificil reconocer la identidad del locutor aunque inteligible, Rb < 4 kbps. Objetivo en la actualidad es conseguir Rb de 4Kbps con una calidad suficiente para el nivel de comunicaciones. Tema 4: Codificación de Señales de Voz T4.4

5 Clasificación genérica de codificadores Codificadores de forma de onda: Buscan representar la forma de onda de la señal de voz lo más ajustado posible. Son bastante robustos (trabajan bien con una gran variedad de tipos de señal). Paramétricos: Obtienen una representación paramétrica compacta de la señal de voz y codifican los parámetros de una manera eficiente. Pueden estar basados en modelos de producción de la señal de voz o en otros modelos independientes de la señal. Basados en modelos de producción de voz (VOCODERS), Rb muy bajo. Basados en modelos genéricos Rb medio. Producen voz de calidad sintética. Codificadores híbridos: Combinan la alta eficiencia de los VOCODERS con la alta calidad de los codificadores de forma de onda. Adoptados en telefonía. Tema 4: Codificación de Señales de Voz T4.5

6 Clasificación genérica de codificadores Calidad en función del régimen binario: Tema 4: Codificación de Señales de Voz T4.6

7 Codificadores de Forma de Onda Dominio temporal Cuantificación escalar: Procesan las muestras temporales de manera independiente. Se define mediante las regiones de decisión {S } i y los niveles de reconstrucción {c }. i Un cuantificador escalar con L (regiones) opera R bits por muestra: Conociendo la frecuencia de muestreo Fs obtenemos el Régimen binario: Tema 4: Codificación de Señales de Voz T4.7

8 Codificadores de Forma de Onda Dominio temporal Cuantificación escalar: La codificación del valor de entrada consiste en localizar la región de decisión y asignarle a la muestra el código correspondiente a esa región. El decodificador toma el código de la región y devuelve el valor de reconstrucción de esta: Tema 4: Codificación de Señales de Voz T4.8

9 Codificadores de Forma de Onda Dominio temporal Cuantificación escalar: Si definimos L regiones uniformes con un tamaño de región D nos encontramos ante el caso particular de PCM (Pulse Code Modulation) El error de cuantificación se define como: Es una secuencia dependiente de x(n) pero para valores de L >>1 se suponen incorrelados. Ajustando la señal para que no haya sobrecarga y con L >>1 obtenemos: Siendo k igual al cociente entre el valor de pico de la señal y su desviación Tema 4: Codificación de Señales de Voz T4.9

10 Codificadores de Forma de Onda Dominio temporal Mejoras al sistema básico de cuantificación escalar PCM Cuantificación no uniforme (Minimizar la potencia de ruido de cuantificación): Escalones menores en las zonas de amplitud de mayor frecuencia de aparición. (Conocimiento de la p.d.f de la señal). Otra posibilidad es la de buscar que la relación señal a distorsión del codificador sea constante (robustez independiente de la señal de entrada). Ley A Ley μ APCM (Adaptive Pulse Code Modulation): Ajuste a las variaciones temporales del rango dinámico de la señal. DPCM (Differential Pulse Code Modulation): Explota la redundancia temporal de la señal debida a la elevada correlación entre muestras sucesivas. Se transmite la señal diferencia. Reduce la varianza (potencia) del error de cuantificación al reducir la varianza de la señal de entrada. ADPCM (DPCM Adaptativo): Se adapta temporalmente al rango dinámico y a las variaciones en los estadísticos de la señal. Tema 4: Codificación de Señales de Voz T4.10

11 Codificadores de Forma de Onda Dominio temporal Cuantificación vectorial Asocian conjuntos de N muestras temporales (vectores) y las procesan de manera conjunta (basado en teoría de la información de Shanon). Permite codificación de voz con calidad alta a regimenes binarios bajos. Alta complejidad computacional. Elementos: Vector de entrada de dimension Nx1: Celdas: Superficies no solapadas en las que se divide el espacio, C k (Estimadas previamente). Centroides (Codewords): Vector representante de cada celda, ŝ n Medida de comparación (tipicamente SSE): Tema 4: Codificación de Señales de Voz T4.11

12 Codificadores de Forma de Onda Funcionamiento de un VQ sin memoria con búsqueda completa: El cuantificador mapea el vector de entrada s i al símbolo de canal u n que se corresponde con la codeword mas próxima en base a una medida predeterminada (p.ej.,sse). Tema 4: Codificación de Señales de Voz T4.12

13 Codificadores de Forma de Onda Entrenamiento Fijo: Se realiza a priori con un conjunto elevado de datos de entrenamiento. Algoritmo iterativo de LBG. Adaptativo: Puesto que la señal de voz no es estacionaria busca adaptarse a ella. Rendimiento: El numero de bits por muestra en el VQ considerado (sin memoria y de busqueda completa) es de: La SNR obtenida es por tanto: Tema 4: Codificación de Señales de Voz T4.13

14 El sistema auditivo humano Fisiología Bandas críticas Enmascaramiento Modelos psicoacústicos Codificadores basados en sub-bandas Codificadores transformacionales Codificación perceptual Tema 4: Codificación de Señales de Voz T4.14

15 Codificadores en Sub-bandas Señal de voz: redundancia en el dominio transformado. Bajas frecuencias: información muy importante: Frecuencia fundamental (tono, entonación). Formantes (identidad, sonido articulado). Tema 4: Codificación de Señales de Voz T4.15

16 Codificadores en Sub-bandas Basados en: Proceso: Espectro a corto plazo. Propiedades perceptuales del oído con respecto a la voz. División de la señal en bandas de frecuencia (sub-bandas). Banco de filtros. Submuestreo/diezmado de cada banda. Cuantificación variable por banda. Consecuencia: Mayor importancia (bits) a bandas perceptualmente más importantes. Reducción de la tasa binaria sin pérdida de calidad subjetiva. Por debajo de 16 kbps la calidad empieza a degradarse. Voz: Menores prestaciones que modelos basados en producción. Audio: junto con información de enmascaramiento tendencia estrella (codificación perceptual). Tema 4: Codificación de Señales de Voz T4.16

17 Codificadores en Sub-bandas Ejemplo (2 bandas): Banco de filtros de + Diezmado + Cuantificación + Interpolación + análisis (sub-bandas) Banco de filtros de síntesis Tema 4: Codificación de Señales de Voz T4.17

18 Codificadores en Sub-bandas Bancos de filtros: Diseño crucial. Banco de análisis: divide la señal en sub-bandas. Banco de síntesis: elimina para cada banda los alias fruto del submustreo/diezmado. Filtros QMF (Quadrature Mirror Filters): eliminan problemas de solapamiento por filtros no ideales. En voz, sub-bandas de ancho no uniforme. Mayor resolución en bandas bajas. Tema 4: Codificación de Señales de Voz T4.18

19 Codificadores en Sub-bandas Submuestreo/diezmado: Si tomamos M bandas manejamos M veces más datos. Pero podemos submuestrear/diezmar la señal de cada banda Banda de señal reducida en el filtrado. Existe un filtro de síntesis por banda. Etapa fundamental. Tema 4: Codificación de Señales de Voz T4.19

20 Codificadores en Sub-bandas Cuantificación: Distinta para cada banda. Por lo general adaptativa. Banda baja de frecuencia requiere más bits. Bandas muy altas en ocasiones no se cuantifican. Nunca el número total de bits debe excederel máximo permitido: R (kbps) / Fmues (Khz) = N (bits/muestra) Por lo tanto para un bloque de N muestras, repartimos los bits entre las subbandas. Estáticamente (típicamente en voz). Dinámicamente (información de enmascaramiento, audio) Tema 4: Codificación de Señales de Voz T4.20

21 Codificadores en Sub-bandas Ejemplo: AT&T store-and-forward Pensado para almacenamiento. Etapas: Banco de filtros (5 sub-bandas) , , , , (KHz). Submuestreo. APCM. Reparto de bits en subbandas (proporción). {4/4/2/2/0} 16 kbps. {5/5/4/3/0} 24 kbps. Reparto estático. Obsoleto. Sustituido por AT&T CELP. Tema 4: Codificación de Señales de Voz T4.21

22 Codificadores en Sub-bandas Ejemplo: CCITT G.722 Pensado para teleconferencia (audio 7KHz). Etapas: Banco de filtros (2 sub-bandas). Submuestreo. ADPCM. Tasa binaria por subbandas. Banda baja: 48 kbps. Banda alta: 16 kbps. Total: 64 kbps. Reparto de bits dinámico. Calidad: Alta en voz. Media en música. Tema 4: Codificación de Señales de Voz T4.22

23 Codificadores de Forma de Onda Dominio espectral Explotan las redundancias en un dominio transformado en el que es mas fácil aplicar criterios preceptúales. Sub-bandas: Obtención de representaciones espectrales mediante bancos de filtros. Codificadores en transformadas: Obtención de representaciones espectrales mediante transformadas unitarias (p.ej., TF) La oportunidad de reducir el régimen binario de estos enfoques se basa en la estructura a corto plazo de la señal de voz y en las propiedades preceptúales del oído humano. Tema 4: Codificación de Señales de Voz T4.23

24 Codificadores de Forma de Onda Codificadores en Sub-bandas (SBC): La señal de voz se divide en N sub-bandas (típicamente 4) mediante un banco de filtros. La salida de cada filtro es muestreada o diezmada (depende de la implementación). El banco de filtros puede introducir ruido de aliasing. El proceso de codificación introduce ruido de cuantificación. Cada banda se codifica de manera independiente en base a criterios preceptuales. Tema 4: Codificación de Señales de Voz T4.24

25 Codificadores de Forma de Onda Codificadores en transformadas: Los coeficientes de la transformada unitaria se cuantifican en el transmisor y se decodifican e invierte la transformada en el receptor. El potencial de reducción de régimen binario se basa en el hecho de que las transformadas unitarias tienden a generar valores de los coeficientes altamente decorrelados. Compactan la energía de la señal en los coeficientes inferiores. Las varianzas de los coeficientes son muy consistentes en el tiempo permitiendo así eliminación de redundancia sin necesidad de algoritmos adaptativos. Tema 4: Codificación de Señales de Voz T4.25

26 Codificadores de Forma de Onda Dominio espectral Explotan las redundancias en un dominio transformado. Sub-bandas: Obtención de representaciones espectrales mediante bancos de filtros. Codificadores en transformadas: Obtención de representaciones espectrales mediante transformadas unitarias (p.ej., TF) La oportunidad de reducir el régimen binario de estos enfoques se basa en la estructura a corto plazo de la señal de voz y en las propiedades preceptúales del oído humano. Tema 4: Codificación de Señales de Voz T4.26

27 Codificadores Basados en Producción Producción: Fisiología FACTORES: Vibración de las cuerdas vocales. Forma del pulso glotal. Forma/estado del tracto vocal. Situación de las constricciones en sonidos sordos y fricativos sonoros. Excitación impulsiva en algunas consonantes. Interacciones entre todos los factores! Tema 4: Codificación de Señales de Voz T4.27

28 Modelado: Aplicación Síntesis de voz: (1780) Von Kempelen (1835) Wheatstone (1939) Dudley (1950) Fant Tema 4: Codificación de Señales de Voz T4.28

29 Vocoders: No utilizan directamente información de la forma de onda de la voz. Sistemas de análisis/síntesis de voz basados en modelo de producción. Se codifican únicamente los parámetros del modelo: DECISIÓN SORDO/SONORO: Tasa de Cruces por Cero (TCC), Energía, Tema 4: Codificación de Señales de Voz T4.29

30 Vocoders: No utilizan directamente información de la forma de onda de la voz. Sistemas de análisis/síntesis de voz basados en modelo de producción. Se codifican únicamente los parámetros del modelo: DECISIÓN SORDO/SONORO: Tasa de Cruces por Cero (TCC), Energía, PITCH: Autocorrelación, cepstrum, Tema 4: Codificación de Señales de Voz T4.30

31 Vocoders: No utilizan directamente información de la forma de onda de la voz. Sistemas de análisis/síntesis de voz basados en modelo de producción. Se codifican únicamente los parámetros del modelo: DECISIÓN SORDO/SONORO: Tasa de Cruces por Cero (TCC), Energía, PITCH: Autocorrelación, cepstrum, ENVOLVENTE ESPECTRAL: Banco de filtros Channel VOCODER Cepstrum Cepstral VOCODER Predicción lineal (LPC) LPC VOCODER Tema 4: Codificación de Señales de Voz T4.31

32 Channel Vocoder: Criterios de diseño. Energía por canal. Ejemplo: 400 bps (excitación) + 20 Canales x 100 bps/canal = 2400 bps. Tema 4: Codificación de Señales de Voz T4.32

33 Cepstral Vocoder: Criterios de diseño (32 coef.). Estimación de Pitch simultánea. Ejemplo: 4000 bps Tema 4: Codificación de Señales de Voz T4.33

34 LPC Vocoder: Análisis mediante Predicción Lineal: yn [ ] = xn [ ] + ayn j [ j] P j= 1 y[n] Valor predicho Error de predicción Señal analizada Problema LPC: Dado y[n], calcular {a j } x[n] mínimo (Levinson-Durbin) {a j } Error de predicción Tema 4: Codificación de Señales de Voz T4.34

35 LPC Vocoder: Vocoder basado en Predicción Lineal (8-12 coef.): IDEA: Utilización del error de predicción Tema 4: Codificación de Señales de Voz T4.35

36 CODIFICADORES HÍBRIDOS Tema 4: Codificación de Señales de Voz T4.36

37 Codificadores Híbridos: Basados en codificación de parámetros del modelo de producción + codificación del error residual respecto a señal de voz original. Nos centraremos en codificadores híbridos basados en estimación de la envolvente espectral LPC. Clasificación: Excitación por voz (VELP). Excitación por señal de error (RELP). Excitación multipulso (Multipulse LPC). Excitación por código (CELP). Tema 4: Codificación de Señales de Voz T4.37

38 Voice-Excited Linear Prediction (VELP): Se estima la envolvente espectral mediante LPC. La excitación se obtiene directamente de la señal de voz (no se estima el pitch). Se codifican las bajas frecuencias de la señal de voz Tema 4: Codificación de Señales de Voz T4.38

39 Residual-Excited Linear Prediction (RELP): Se estima la envolvente espectral mediante LPC. Se codifican las bajas frecuencias del error de predicción. La excitación se obtiene directamente del error de predicción codificado (no se estima el pitch). Tema 4: Codificación de Señales de Voz T4.39

40 Multipulse LPC: El error de predicción se modela como una secuencia de impulsos a codificar amplitud y localización. Se utiliza análisis-mediante-síntesis para la estimación de los impulsos óptimos. Predictor Corto yn [ ] = xn [ ] + ayn [ j] P j= 1 j Predictor Largo yn [ ] = xn [ ] + b yn [ T] Tema 4: Codificación de Señales de Voz T4.40

41 Code-Excited Linear Prediction (CELP): Predictor largo (frecuencia fundamental). Predictor corto (envolvente espectral mediante LPC). Análisis-mediante-síntesis. Cuantificación vectorial de la excitación. Tema 4: Codificación de Señales de Voz T4.41

42 Code-Excited Linear Prediction (CELP): Múltiples variantes: LD-CELP: Bajo retardo (2 ms. en vez de ms.) VSELP, CS-ACELP, : Métodos de búsqueda de código eficientes Aplicación en Voz-IP y Comunicaciones Móviles (Tema 4) Ejemplo: US Federal Standard 1016 (4800 bps). 10 coeficientes LPC cada 30 ms. (1133 bps) Estimación de pitch cada 7.5 ms. (1600 bps) Índice del código (512 posibles) y ganancia cada 7.5 ms. (1867 bps) Sincronización y protección frente a errores (200 bps) Tema 4: Codificación de Señales de Voz T4.42

43 El Sistema Auditivo Humano El oído humano funciona como un analizador de espectros Alta sensibilidad. Alta precisión. Efectos clave presentes en la percepción auditiva humana Bandas críticas Enmascaramiento Otros: localización, seguimiento de instrumentos/locutor, reconocimiento de timbres, alturas, clases Problemática: es posible explotar lo anterior para eliminar información redundante en una señal sonora? Respuesta: SÍ Tema 4: Codificación de Señales de Voz T4.43

44 Fisiología del oído Oído externo y medio: filtrado y amplificación. Oído interno: analizador de espectros. Tema 4: Codificación de Señales de Voz T4.44

45 El Sistema Auditivo Humano Fecuencia: 20 Hz a 20 KHz. Margen dinámico D: 120 db SPL (respecto a 0,02 N/m 2 ). Externo: cavidad selectiva en frecuencia Medio: Adaptación de impedancia acústica y cavidad Tema 4: Codificación de Señales de Voz T4.45

46 El Sistema Auditivo Humano Oído interno: Caracol Excitación endolinfa (líquido interno): vibración Respuesta en frecuencia diferente en cada parte de membrana basilar. Analizador de espectros. Tema 4: Codificación de Señales de Voz T4.46

47 Bandas Críticas Dos señales cercanas en frecuencia se perciben como una sóla Ancho de banda mínimo para diferenciar señales: Ancho de banda crítico. Tema 4: Codificación de Señales de Voz T4.47

48 Enmascaramiento Dos señales de distinto nivel en la misma banda crítica: La de mayor nivel enmascara a la de menor nivel! Aumento de nivel para tono perceptible si hay ruido de banda estrecha en 410 Hz. Tema 4: Codificación de Señales de Voz T4.48

49 Modelos Psicoacústicos Objetivo: Dado el espectro de señal: Qué perturbación podemos introducir en función de la frecuencia para que resulte inaudible? Perturbación en codificación: ruido de cuantificación. Podemos saber cómo cuantificar una señal en cada frecuencia estando enmascarada la perturbación introducida en la misma. Análisis espectral a corto plazo. Tema 4: Codificación de Señales de Voz T4.49

50 Modelos Psicoacústicos Procedimiento: Espectro a corto plazo Dispersión Sensibilidad Tonalidad (distancia en membrana) Tonalidad Umbral Enmascarado (depende de la señal) Tema 4: Codificación de Señales de Voz T4.50

51 El sistema auditivo humano Fisiología Bandas críticas Enmascaramiento Modelos psicoacústicos Codificadores basados en sub-bandas Codificadores transformacionales Codificación perceptual Tema 4: Codificación de Señales de Voz T4.51

52 Codificadores Transformacionales Concepto parecido a codificación sub-bandas. Se basan en aplicar una transformación a la señal de voz: Debe ser invertible. Reducción de tasa mayor cuanto mayor sea la incorrelación a la que dé lugar la transformación. Independencia en la codificación de componentes transformados. Asignación distinta de bits a cada componente (estática o dinámica). Procesado bloque a bloque: Tema 4: Codificación de Señales de Voz T4.52

53 Codificadores Transformacionales Tipos de transformación Karhunen-Loewe Transform (KLT). Dependiente de los datos Basada en el cálculo de autovectores/autovalores de autocorrelación. Decorrelación de componentes máxima (transformación óptima). Muy costosa computacionalmente. Discrete Cosine Transform (DCT). No dependiente de los datos. Decorrelación muy cercana a la óptima. Discrete Fourier Transform (DFT). No dependiente de los datos. Rendimiento cercano al óptimo para bloques grandes de datos. Walsh-Hadamard Transform (WHT). No dependiente de los datos. Poco costosa computacionalmente. Rendimiento subóptimo. Tema 4: Codificación de Señales de Voz T4.53

54 Codificadores Transformacionales Ejemplo: Adaptative Transform Coder (ATC) (Zelinski & Noll). DCT. Información lateral (necesaria para cuantificar): estimación grosera del espectro. Cuantificación adaptativa basada en el espectro a corto plazo. Buena calidad hasta 12 kbps. Tema 4: Codificación de Señales de Voz T4.54

55 Codificadores Transformacionales DCT: ventajas adicionales Transformación no demasiado costosa computacionalmente. Permite distinguir la estructura de frecuencia fundamental y formantes de la señal de voz. Posibilidad de implementación en sub-bandas, utilizando filtros DCT en lugar de DFT. En la actualidad es ampliamente utilizada (Video MPEG, Audio MPEG). Tema 4: Codificación de Señales de Voz T4.55

56 Codificación Perceptual El sistema auditivo humano Fisiología Bandas críticas Enmascaramiento Modelos psicoacústicos Codificadores basados en sub-bandas Codificadores transformacionales Codificación perceptual Tema 4: Codificación de Señales de Voz T4.56

57 Codificación Perceptual Basada en el efecto del enmascaramiento. Utilizada sobre todo en audio. En voz existe un modelo de producción establecido. Voz sonora: formantes más frecuencia fundamental. Voz sorda: ruido con alta componente de alta frecuencia. Sin embargo, en audio, no existe un modelo de producción establecido. Señal de audio de naturaleza muy variable. No caracterizable de una forma clara. Por tanto, dado que en audio no existen modelos de producción, han triunfado los modelos perceptivos. Tema 4: Codificación de Señales de Voz T4.57

58 Codificación Perceptual Fase de modelado psicoacústico: Espectro a corto plazo Se calcula el umbral enmascarado en función de la frecuencia. Cálculo para un determinado número de bandas críticas. Tema 4: Codificación de Señales de Voz T4.58

59 Codificación Perceptual Fase de cuantificación: Distorsión de cuantificación presenta características de perturbación aditiva (ruido). Por tanto, umbral enmascarado determina el nivel de cuantificación máximo para que el ruido de cuantificación no sea perceptible. Niveles de cuantificación determinados por: Amplitud de la señal en la porción de espectro correspondiente. Umbral enmascarado en la banda crítica a la que pertenece dicha porción de espectro. Tema 4: Codificación de Señales de Voz T4.59

60 Codificación Perceptual Implementación típica: sub-bandas más modelo psicoacústico Tema 4: Codificación de Señales de Voz T4.60

61 Codificación Perceptual En la implementación descrita se envían: Factores de escala. Número de bits/sub-banda. Muestras de sub-bandas escaladas y cuantificadas. Escalado (compresión) de subbandas: Mejora el rendimiento de la cuantificación. En recepción: Se obtienen las muestras sabiendo los niveles de cuantificación. Se eliminan los escalados. Se ataca al banco de síntesis para obtener la señal. Tema 4: Codificación de Señales de Voz T4.61

62 Codificación Perceptual Diferencias fundamentales entre codificadores modernos: Estándares: Complejidad en el modelado psicoacústico. ISO/MPEG. Capa III es el MP3. Utiliza, además: Dolby Formato OGG. DCT. Cuantificación no uniforme (Huffmann). Tema 4: Codificación de Señales de Voz T4.62

63 Anexo: Estándares de Codificación de Voz y Audio Organismos internacionales de estandarización Estándares Telefonía fija Codificadores de banda ancha Codificadores de baja velocidad VoIP Telefonía móvil Comparación entre codificadores Medidas de calidad Tema 4: Codificación de Señales de Voz T4.63

64 Organismos internacionales de estandarización ITU (International Telecommunication Union) Antigua CCITT Formada por organismos públicos y privados Ámbito internacional ITU-T, ITU-R Tema 4: Codificación de Señales de Voz T4.64

65 Organismos internacionales de estandarización ETSI (European Telecommunications Standards Institute) Ámbito europeo Compuesta por organismos públicos y privados Estándar GSM Tema 4: Codificación de Señales de Voz T4.65

66 Organismos internacionales de estandarización Estándares Telefonía fija Codificadores de banda ancha Codificadores de baja velocidad VoIP Telefonía móvil Comparación entre codificadores Medidas de calidad Tema 4: Codificación de Señales de Voz T4.66

67 Estándares de codificación de voz Referencia: Calidad y tasa binaria de la red telefónica básica 8bits/muestra, muestreo a 8Khz: 64Kbps Opciones Disminuir la velocidad binaria manteniendo la calidad Medidas de calidad Aumentar la calidad manteniendo la tasa binaria Tema 4: Codificación de Señales de Voz T4.67

68 Organismos internacionales de estandarización Estándares Telefonía fija Codificadores de banda ancha Codificadores de baja velocidad VoIP Telefonía móvil Comparación entre codificadores Medidas de calidad Tema 4: Codificación de Señales de Voz T4.68

69 ITU-T G.711 Modulación por impulsos codificados (MIC) de frecuencias vocales Muestreo a 8Khz Codificación PCM lineal: 104 Kbps Codificación PCM logarítmica: 64 Kbps Ley A y Ley μ Tema 4: Codificación de Señales de Voz T4.69

70 ITU-T G.711 PCM lineal Tema 4: Codificación de Señales de Voz T4.70

71 ITU-T G.711 PCM logarítmico Menor error relativo para valores pequeños de señal Ley A (Europa): c x Ley Aμ x(εε.uu): 1 ln A sgn x 0 x 1 x max A 1 ln A x x x max 1 x max sgn x 1 1 ln A A x max c x x xmax ln 1 x xmax ln 1 sgn x Tema 4: Codificación de Señales de Voz T4.71

72 ITU-T G.711 PCM logarítmico Tema 4: Codificación de Señales de Voz T4.72

73 ITU-T G.711 PCM logarítmico Menor error relativo Refleja el comportamiento logarítmico del oído Aproximación por tramos lineales Implementación práctica Cuantificación a 12 bits lineales por muestra Compresión a 8 bits despreciando bits menos significativos (más cuanto más altos son los valores) Descompresión a 13 bits lineales Valor de reconstrucción en mitad del intervalo Tema 4: Codificación de Señales de Voz T4.73

74 Organismos internacionales de estandarización Estándares Telefonía fija Codificadores de banda ancha Codificadores de baja velocidad VoIP Telefonía móvil Comparación entre codificadores Medidas de calidad Tema 4: Codificación de Señales de Voz T4.74

75 ITU-T G.722 Codificación de audio de 7 Khz a 64 Kbps Muestreo a 16 Khz y 14 bits/muestra uniforme Codificación ADPCM por subbandas Pensado para RDSI (canales de 64 kbps) Banda Velocidad 0-4 Khz 4-7Khz Binaria bbps Bits Por Muestra Capacidad restante 4 para datos2 48 Tema 4: Codificación de Señales de Voz T4.75

76 Organismos internacionales de estandarización Estándares Telefonía fija Codificadores de banda ancha Codificadores de baja velocidad VoIP Telefonía móvil Comparación entre codificadores Medidas de calidad Tema 4: Codificación de Señales de Voz T4.76

77 ITU-T G.726 Modulación por impulsos codificados diferencial adaptativa (MICDA) a 40, 32, 24, 16 kbps Tema 4: Codificación de Señales de Voz T4.77

78 Organismos internacionales de estandarización Estándares Telefonía fija Codificadores de banda ancha Codificadores de baja velocidad VoIP Telefonía móvil Comparación entre codificadores Medidas de calidad Tema 4: Codificación de Señales de Voz T4.78

79 Características de Internet Redes de conmutación de circuitos (RTB) Canal dedicado extremo a extremo Reserva estática de recursos al establecer la comunicación Redes de conmutación de paquetes (Internet) No hay canal dedicado Asignación dinámica de recursos Multiples caminos Retardo no controlado y variable Poco apropiado para comunicaciones en tiempo real Tema 4: Codificación de Señales de Voz T4.79

80 Consideraciones especiales para transmitir audio por internet Protección frente a desorden de paquetes Protección frente a retardos o pérdidas No se puede solicitar la retransmisión de paquetes Formas de disimular los problemas de transmisión Repetición o interpolación de tramas Tema 4: Codificación de Señales de Voz T4.80

81 ITU-T G.728 Codificación de señales vocales a 16 kbps utilizando predicción lineal con excitación por código de bajo retardo (LD-CELP) Retardo inferior a 2 ms Cálculo de excitación cada 5 tramas (0,625 ms) transmitiendo 10 bits (7 para índice de CV, 1 signo, 2 magnitud) Tema 4: Codificación de Señales de Voz T4.81

82 ITU-T G.728 Predicción lineal de orden 50 sobre la señal codificada. Sobre 4 tramas (20 muestras, 2,5 ms) Predicción sobre la ganancia de excitación Filtro de ponderación perceptual Mayor complejidad del receptor que otros codificadores tipo CELP (necesita calcular predicción lineal) Tema 4: Codificación de Señales de Voz T4.82

83 ITU-T G.729 Codificación de la voz a 8 kbit/s mediante predicción lineal con excitación por código algebraico de estructura conjugada (CS-ACELP) Ventanas de 30 ms con desplazamientos de 10 ms Cálculo de LSF (Line Spectrum Frecuencies)sobre ventana con un adelanto de 5 ms Retardo algorítmico de 15 ms (10 de trama actual + 5 de trama futura) Tema 4: Codificación de Señales de Voz T4.83

84 ITU-T G.729 Análisis LP sobre tramas de 240 muestras 120 precedentes, 80 actuales y 40 futuras Excitación sobre subtramas de 5 ms Cuantificación vectorial en dos etapas: C.V. Adaptativa C.V. Fija Códigos algebraicos Robusto frente a errores de transmisión Tema 4: Codificación de Señales de Voz T4.84

85 ITU-T G Códec de voz de doble velocidad para la transmisión en comunicaciones multimedios a 5,3 y 6,3 kbit/s Estándar para la parte de audio de H.323 (estándar de videoconferencia) Diferentes velocidades para diferentes capacidades de cómputo 6,3 kbps : MP MLQ (Multi-Pulse Likelihood Quantization) 5,3 kbps : ACELP Tema 4: Codificación de Señales de Voz T4.85

86 ITU-T G Cálculo de LSF cada 30 ms con ventanas de 30 ms y un adelanto de 7,5 ms Retardo algorítmico de 37,5 ms Cuantificación: Predictive Split Vector Quantization Filtro de ponderación perceptual CV Adaptativo y CV Fijo Tema 4: Codificación de Señales de Voz T4.86

87 Otros estándares FS-1016 CELP a 4,8 kbps Estándar del DoD y AT&T Tema 4: Codificación de Señales de Voz T4.87

88 Organismos internacionales de estandarización Estándares Telefonía fija Codificadores de banda ancha Codificadores de baja velocidad VoIP Telefonía móvil Comparación entre codificadores Medidas de calidad Tema 4: Codificación de Señales de Voz T4.88

89 Estándares para codificación de voz en telefonía móvil Sistemas de telefonía móvil celular: no hay un estándar mundial Europa: GSM EE.UU y Japón: TDMA Esquemas de codificación diferentes Tema 4: Codificación de Señales de Voz T4.89

90 El canal radio Muy agresivo Multitryecto Desvanecimientos Errores a ráfagas Interferencias no controlables Ruido ambiente mucho más importante que en telefonía fija Blanco en movimiento Cambio de estaciones base Tema 4: Codificación de Señales de Voz T4.90

91 Comunicaciones móviles Dispositivos transportables Pequeño tamaño y poco peso Baterias pequeñas Potencia de cálculo limitada Esquemas de codificación muy eficientes y con poco coste computacional Técnicas de reducción de consumo Transmisión discontinua (sólo cuando hay voz) Tema 4: Codificación de Señales de Voz T4.91

92 Transmisión GSM Utilización de multiplexación en frecuencia (FDMA) y en tiempo (TDMA) Canal FDMA 200 Khz con 8 subcanales temporales 4,617 ms Cada canal queda asignado a un usuario Transmisión discontinua 577s cada 4,617 ms Tema 4: Codificación de Señales de Voz T4.92

93 Transmisión de voz Codificación a velocidad completa (Full-Rate) Cada canal asignado a un usuario transmite en cada pulso de las ranuras temporales (13 Kbps) Codificación a velocidad media (Half-Rate) Cada canal asignado a un usuario transmite en cada pulso de ranuras temporales alternativas (6,5 Kbps) Codificación a velocidad completa mejorada (Enhanced FR) Distinto esquema de codificación que FR Velocidad binaria: 13 Kbps Tema 4: Codificación de Señales de Voz T4.93

94 Transmisión de voz Voz 104 kbps Proceso de voz 13 kbps Codificador de canal 22,8 kbps Modulador GMSK 270,833 kbps Tema 4: Codificación de Señales de Voz T4.94

95 Sistema de transmisión discontínua (GSM 6.31) Transmisor GSM se apaga en las pausas de habla Menor consumo Reducción del nivel de interferencias Requerimientos Detector de actividad ajustado (GSM 6.32) Codificación de ruido ambiente antes de interrupción y generación de ruido en intervalos de corte (GSM 6.12) Necesario para sensación de continuidad Tema 4: Codificación de Señales de Voz T4.95

96 Sistema de transmisión discontínua Tras ráfaga larga de voz (más de 24 tramas) Transmisión de 4 tramas de salvaguarda Cálculo de los parámetros de ruido Tras ráfaga corta de voz (menos de 24 tramas) No tramas de salvaguarda Repetición de 4 últimas tramas de ruido Cálculo de los parámetros de ruido Tema 4: Codificación de Señales de Voz T4.96

97 Sistema de transmisión discontínua en recepción Paso de tramas de voz y ruido recibidas correctamente al decodificador Procedimiento de sustitución y atenuación de tramas en caso de tramas erróneas o perdidas Tema 4: Codificación de Señales de Voz T4.97

98 Sustitución y atenuación de tramas Necesario para proporcionar tramas al decodificador en caso de errores de transmisión Sustituir una trama perdida Atenuar la salida indicando pérdida de comunicación si se han perdido varias tramas Tema 4: Codificación de Señales de Voz T4.98

99 Sustitución y atenuación de tramas Voz Ruido 1ª trama perdida: sustitución repitiendo e interpolando la última trama Siguientes tramas: atenuación gradual de la voz de salida con un transitorio de 320ms 1ª trama perdida: sustitución repitiendo la última trama de ruido. Si es tras un pulso de voz se repite la última trama Siguientes tramas: atenuación gradual del ruido de salida con un transitorio de 320ms Tema 4: Codificación de Señales de Voz T4.99

100 Detector de actividad (GSM 6.32) Si no hay recorte de voz audible el sistema de transmisión discontinua no supone ventaja Detector de actividad recorta voz audible (90% casos no perjudicial) Funcionamiento Umbral adaptativo sobre la energía del error de predicción para el ruido Adapatación en zonas estacionarias en frecuencia y sin estructura armónica Consideraciones adicionales para tratar con tonos y ruidos de bajo nivel Tema 4: Codificación de Señales de Voz T4.100

101 Full-Rate Speech Coder Codificador RPE-LTP (Regular Pulse Excitation Long Term Prediction) Señal de entrada: Señal PCM de 13 bits uniformes a 8 Khz Tramas de 20 ms (160 muestras) Señal de salida: 260 bits/trama (13kbps) Retardo: 20 ms + 3~8 ms Tema 4: Codificación de Señales de Voz T4.101

102 FR: Funcionamiento Secuencia de excitación multipulso Predictor largo 1 1 z N Filtro de síntesis 1 1 P k 1 a k z k e n d n e n d n N s n d n Voz decodificada P k 1 a k s n k N β Tema 4: Codificación de Señales de Voz T4.102

103 FR: Preprocesado Enventanado, eliminación de offset y preénfasis 20 ms 160 muestras 20 ms 160 muestras Tema 4: Codificación de Señales de Voz T4.103

104 FR: LPC Análisis LPC de órden 8 ACF k 159 i k s i s i k k Autocorrelación r i i Coeficientes de reflexión 20 ms 160 muestras Logarea i log 1 r i 1 r i i Logaritmo de relación de áreas Tema 4: Codificación de Señales de Voz T4.104

105 FR: LTP y RPE Subdivisión de la trama de 20 ms en 4 subtramas de 5 ms y 40 muestras Cálculos para cada subtrama Objetivo Obtener la mejor excitación para el filtro de síntesis Señal de excitación perfecta: error de predicción Modelado en dos pasos: excitación de pulsos y predictor largo Tema 4: Codificación de Señales de Voz T4.105

106 FR: LTP Método ideal: Análisis por síntesis Muy costoso Método real: Retardo de máxima correlación entre el error de predicción (d[n]) y exitaciones anteriores (e[n-n]) Coeficiente de predicción β Tema 4: Codificación de Señales de Voz T4.106

107 FR: Funcionamiento Secuencia de excitación multipulso Predictor largo 1 1 z N Filtro de síntesis 1 1 P k 1 a k z k e n d n e n d n N s n d n N Voz decodificada P k 1 a k s n k β Tema 4: Codificación de Señales de Voz T4.107

108 FR: Cálculo de la excitación La señal diferencia entre el error de predicción y la contribución del predictor largo se codifica reduciendola a una secuencia de impulsos m=2 m=0 20 ms 160 muestras m=1 m=3 Tema 4: Codificación de Señales de Voz T4.108

109 FR: Reparto de bits Reparto de los 260 bits de la trama Información bits/5ms bits/20ms LPC 8 coef 36 LTP Retardo n 7 28 Ganancia b 2 8 Excitación Fase m 2 8 Xmax 6 24 Amplitudes 13*3= TOTAL 260 Tema 4: Codificación de Señales de Voz T4.109

110 FR: Ruido ambiente Mantener la calidad de la comunicación Oyente en recepción debe percibir un nivel de ruido similar al de la transmisión Representación de ruido ambiente Generar ruido ambiente similar Reducir el régimen binario Estimación antes de interrumpir la transmisión después de la voz Actualización a régimen lento Tema 4: Codificación de Señales de Voz T4.110

111 FR: Ruido ambiente Cada 4 tramas sin actividad de voz (salvaguarda) se genera una trama especial de ruido Codificación de ruido RPE-LTP simplificada Envolvente espectral: promedio de las envolventes de las 4 tramas anteriores No se usa el predictor largo Excitación de pulsos regulares Posición aleatoria (0-3) Amplitudes aleatorias (1-6) Envío de Xmax : energía del ruido (repetida por cada subtrama) Tema 4: Codificación de Señales de Voz T4.111

112 FR: Ruido ambiente en recepción Esquema de síntesis del codificador RPE-LTP Envolvente espectral normalizada Retardos de 40, 120, 40, 120 muestras Excitación: Posiciones aleatorias de pulsos (0-3) Amplitudes aleatorias manteniendo energía (Xmax) Actualización de parámetros de ruido Interpolación de tramas para tener transiciones suaves Tema 4: Codificación de Señales de Voz T4.112

113 EFR Tramas de entrada 160 muestras (20 ms) en 4 subtramas Codificación CELP 244 bits por trama (12,2 Kbps) Predictor corto Orden 10 y coeficientes LSP Predicción lineal dos veces por tramas con ventanas asimétricas colocadas en posiciones distintas Filtro de ponderación perceptual Tema 4: Codificación de Señales de Voz T4.113

114 EFR Predictor largo Cálculo en lazo abierto cada 10 ms Refinado de cada subtrama en lazo cerrado Retardos diferenciales Excitación Código algebraico con 5 pistas y dos pulsos por pista para cada subtramas Tema 4: Codificación de Señales de Voz T4.114

115 AMR (Adaptive Multi Rate) Estándar para UMTS Velocidad binaria variable en función de las condiciones de ruido del canal Poco ruido: más bits para voz, menos para codificación de canal Mucho ruido: menos bits para voz, más para codificación de canal Velocidades disponibles 4'75, 5'15, 5'90, 6'7, 7'4, 7'95, 10'2, 12'2(EFR) Kbps Tema 4: Codificación de Señales de Voz T4.115

116 AMR (Adaptive Multi Rate) Esquema de codificación similar a EFR Velocidades menores Análisis LP una vez por trama Menor número de pistas para la excitación Menor número de pulsos por pista Tema 4: Codificación de Señales de Voz T4.116

117 Organismos internacionales de estandarización Estándares Telefonía fija Codificadores de banda ancha Codificadores de baja velocidad VoIP Telefonía móvil Comparación entre codificadores Medidas de calidad Tema 4: Codificación de Señales de Voz T4.117

118 Comparación entre codificadores Tasa Nombre Tipo MOS MIPS MEM binaria G.711 PCM log G.722 ADPCM de banda ancha 64 G CELP 6,3 5,3 3.9 G.726 ADPCM 40, 32, 24, 16 3,9-3,9-3,7-7,8=3,6+4,2 1,8=1,6+0,2 G.728 LD-CELP ,6=18,8+12,8 32=25+7 G.729 CS-ACELP 8 FS 1015 LPC ,8=5+5,8 11=7+4 GSM RPE-LTP =8+2 Kbps cod+decod prog+data Tema 4: Codificación de Señales de Voz T4.118

119 Organismos internacionales de estandarización Estándares Telefonía fija Codificadores de banda ancha Codificadores de baja velocidad VoIP Telefonía móvil Comparación entre codificadores Medidas de calidad Tema 4: Codificación de Señales de Voz T4.119

120 Medidas de calidad Medidas objetivas SNR Distancia espectral Medidas subjetivas Inteligibilidad: DRT, MRT Calidad: DAM, MOS Medidas perceptuales P.681 Tema 4: Codificación de Señales de Voz T4.120