TICRM - Tecnologías del Habla Codificación de Voz. 1. Introducción 2. Vocoder LPC 3. Codificadores Híbridos

Transcripción

1 TICRM - Tecnologías del Habla Codificación de Voz Codificación de Voz 1. Introducción 2. Vocoder LPC 3. Codificadores Híbridos

2 TICRM - Tecnologías del Habla Codificación de Voz Clasificación Codificadores de Voz 1. Codificadores de forma de onda Reconstruir una forma de onda de señal lo mas parecida al original PCM G kb/s, ADPCM G kb/s SBC G Codificadores de fuente Reconstruir una señal basada en el modelo de producción de la señal de voz Vocoder LPC FS1015 2,4 kb/s, MELP 2,4 kb/s 3. Codificadores híbridos Análisis-por por-síntesis Forma de onda basado en el modelo de producción ETSI GSM, CELP G.729

3 TICRM - Tecnologías del Habla Codificación de Voz Comparación de Codificadores 1. Bit Rate kb/s 2. Calidad MOS (Mean Opinion Score) 3. Complejidad 4. Retardo 5. Sensibilidad a errores de canal 6. Ancho de Banda Coder Bit Rate kb/s MOS BW (khz) CD Audio ,1 PCM ADPCM 40,32,24, (32 kb/s) 8 SBC 64,56,48 >4.5 16

4 Comparativa TICRM - Tecnologías del Habla Codificación de Voz

5 TICRM - Tecnologías del Habla Codificación de Voz Codificación de Voz: Vocoder LPC

6 Análisis LPC TICRM - Tecnologías del Habla Codificación de Voz Síntesis LPC: e(n) H(z)=1/A(z) s(n) sˆ ( n) P(z) P( z) = p i= 1 a i z i H(z): estimación de la respuesta del tracto vocal

7 Vocoder LPC Simplificación de la excitación en la síntesis: Tren de impulsos periódicos en los segmentos sonoros Ruido gaussiano blanco en los segmentos sordos Mantenimiento de la potencia del residuo en la nueva excitación sintética. Ejemplos: TICRM - Tecnologías del Habla Codificación de Voz

8 Decodificador/Codificador LPC 1/F0 + P(z) V U x H(z) s(n) G s(n) - r(n) ANÁLISIS -PITCH -U/V F0 P(z) ANÁLISIS LPC sˆ ( n) TICRM - Tecnologías del Habla Codificación de Voz Coeficientes Reflexión G

9 Vocoder LPC10E/FS bits/trama Pitch + U/V->7bits G->5bits K1 a K4->5bits K5 a K8-> 4bits K9->3bits K10->2bits Fs= 8000muestras/s 54bits/trama 180muestras/trama (22.5ms/trama) 54*8000/180=2400bits/seg TICRM - Tecnologías del Habla Codificación de Voz

10 Vocoder LPC10E Ejemplos: Señal Original Señal transcodificada LPC10E Señal transcodificada LPC10E (transmisión radio vía satélite) Características: Nasalidad: modelo todo-polos Excitación sonora simple (tren de impulsos): buzzing Tamaño de trama: problemas con las transiciones rápidas (p, t, k ) TICRM - Tecnologías del Habla Codificación de Voz

11 TICRM - Tecnologías del Habla Codificación de Voz MELP: Mixed-Excitation Linear Predictive Vocoder 2400 bps Federal Standard speech coder La señal de excitación se genera mediante una mezcla de ruido y tren de impulsos en distintas bandas frecuenciales

12 TICRM - Tecnologías del Habla Codificación de Voz MELP: Mixed-Excitation Linear Predictive Vocoder

13 TICRM - Tecnologías del Habla Codificación de Voz MELP: Mixed-Excitation Linear Predictive Vocoder Señal original limpia Señal transcodificada MELP limpia Señal original sucia Señal transcodificada MELP sucia Data rate: 2400 bps (54* 44,44444 frames/second) Sampling rate: 8 khz Lpc-10 Bit stream format: For each 22.5 ms frame of input speech, the following 54 bits are placed into the bit-stream (in this order) Description Number of bits Pitch index 7 Jitter flag 1 Bandpass voicing decision Gain for second half of frame 5 Gain for first half of frame 3 4x1 LSP frequencies (10 line spectrum pairs) 25 Fourier magnitudes (10 harmonies) 8 Sync bit 1 Total 54

14 TICRM - Tecnologías del Habla Codificación de Voz Codificadores Híbridos Codificadores Predictivos basados en el Análisis por Síntesis

15 TICRM - Tecnologías del Habla Codificación de Voz Codificadores Híbridos Dependiendo de la excitación se clasifican en tres tipos básicos 1. Excitación Multipulso (MPE) 2. Excitación por Pulsos Regulares (RPE) 3. Excitación por Códigos (CELP)

16 TICRM - Tecnologías del Habla Codificación de Voz Codificadores Híbridos Codificador CELP: Excitación por Códigos

17 TICRM - Tecnologías del Habla Codificación de Voz Análisis localizado Valores típicos: Trama de análisis: 25 ms (200 muestras) Trama de voz: 20 ms (160 muestras) Subtrama: 5 ms (40 muestras)

18 Filtro de Síntesis Basado en una predicción lineal a corto y largo plazo s(n) - r(n) - r L (n) P(z) P L (z) ANÁLISIS A CORTO ANÁLISIS A LARGO SÍNTESIS r L (n) r(n) + + s(n) P L (z) P(z) rˆ ( n) sˆ ( n) TICRM - Tecnologías del Habla Codificación de Voz

19 Filtro de Síntesis Predictor a largo plazo Estimación rn ˆ( ) = β rn ( ( D+ 1)) + β rn ( D) + β rn ( ( D 1)) o también rˆ ( n) rn ˆ( ) = βrn ( D) Cálculo de los parámetros, minimizar error predicción en () = rn () βrn ( D) N 1 2() N 1 E= e n = r () n r ( n D ) n= 0 n= 0 [ β ] E/ β = 0 TICRM - Tecnologías del Habla Codificación de Voz 2 N 1 rnrn ()( D) β = n= 0 N 1 2 [ rn ( D) ] n= 0

20 TICRM - Tecnologías del Habla Codificación de Voz Filtro de Síntesis Seleccionar el valor de D que minimiza la potencia del error E N 1 2 rnrn ()( D) N 1 E= r 2 () n n= 0 N 1 n= 0 [ rn ( D) ] 2 n= 0

21 TICRM - Tecnologías del Habla Codificación de Voz Filtro de Ponderación Perceptual Función: modificar las características frecuenciales del error a minimizar, concediendo más importancia a las zonas de frecuencia en las que el oído va a ser más sensible y menos importancia a las zonas en las que el oído va a ser menos sensible. Basado en el enmascaramiento frecuencial que se produce en el oído: En las zonas de máxima energía (formantes) se podrá cometer más error. La respuesta del filtro tendrá la forma inversa a la envolvente espectral de la señal de voz a codificar. Función de transferencia utilizada: W(z)=A(z)/A(γ -1 z) Parámetro γ=[0,1], controla en nivel de ponderación realizado. Debe actualizarse junto con el predictor.

22 TICRM - Tecnologías del Habla Codificación de Voz Filtro de Ponderación Perceptual P P 1 a z k 1 a z k () () k k Wz= Az = k= 1 = k= 1 Az ( / γ ) P P z 1 γ k a z k (1 p ( ) 1 ) k k k= 1 k= 1 γ P 1 a z k k Wz () = k= 1 P (1 p γ z 1 ) k k= 1 normalmente 0.8 γ 0.9

23 Filtro de Ponderación Perceptual TICRM - Tecnologías del Habla Codificación de Voz

24 Filtro de Ponderación Perceptual TICRM - Tecnologías del Habla Codificación de Voz

25 Codificador GSM 06.XX: RPE-LTP GSM 1982 "Groupe Spécial Mobile, actualidad "Global System for Mobile communications RPE-LTP: Regular Pulse Excitation Long Term Prediction TICRM - Tecnologías del Habla Codificación de Voz

26 Codificador GSM 06.XX: RPE-LTP TICRM - Tecnologías del Habla Codificación de Voz SID Silence Descrition Frame BFI Bad Frame Indicator

27 Codificador GSM 06.XX: RPE-LTP Pérdidas de Frames: 1) Frames de voz a) Primera pérdidas -> repetición de la anterior buena b) Siguientes pérdidas -> decrecer el nivel de salida hasta el silencia en 320 ms 2) Frames de SID a) Primera pérdidas -> repetición de la anterior buena b) Siguientes pérdidas -> decrecer el nivel de salida hasta el silencia en 320 ms TICRM - Tecnologías del Habla Codificación de Voz

28 Codificador GSM 06.XX: RPE-LTP TICRM - Tecnologías del Habla Codificación de Voz

29 TICRM - Tecnologías del Habla Codificación de Voz

30 Codificador GSM: RPE-LTP TICRM - Tecnologías del Habla Codificación de Voz

31 Codificador GSM 06.XX: RPE-LTP TICRM - Tecnologías del Habla Codificación de Voz

32 TICRM - Tecnologías del Habla Codificación de Voz

33 TICRM - Tecnologías del Habla Codificación de Voz Codificador GSM Cada 160 muestras (20 ms.) LAR1, LAR2->6 bits LAR3, LAR4->5 bits LAR5, LAR6->4 bits LAR7, LAR8->3 bits Total LAR s->36 bits =260 bits / 20 ms. Bitrate = 13 kbps Cada 40 muestras (5ms.) Retardo Predictor largo-> 7 bits Ganancia Predictor largo-> 2 bits Posición rejilla (k)->2 bits Amplitud del bloque-> 6 bits Amplitud de cada pulso (13)->3 bits Total subtrama excitación-> 56 bits

34 TICRM - Tecnologías del Habla Codificación de Voz Codificador GSM 06.XX Ruido de Confort SID Background Acoustic Noise Evaluation SID codeword con 95 bits a cero Sobre 4 tramas (segmentos consecutivos con VAD=0) se calcula: Media de los parámetros LAR Media de Xmax Los pulsos RPE se reemplazan localmente por secuencias de enteros aleatorios uniformemente distribuidos entre 1 y 6

35 Codificador GSM Ejemplos: Señal original: Señal transcodificada GSM Diferencia original-transcodificada (ruido de transcodificación) Ruido blanco con la misma potencia Señal original + ruido blanco (es decir, sin ponderación del error cometido). TICRM - Tecnologías del Habla Codificación de Voz

36 Codificador GSM TICRM - Tecnologías del Habla Codificación de Voz Original Transcodificada Mantenimiento de la forma de onda