Codificadores de an

1
Codificadores de análisis por síntesis e híbridos

• Asunción Moreno

2
Modelo de producción del habla (I)

• Voz
• Aire producido en los pulmones
• Si el sonido es sonoro, es modulado por las
  cuerdas vocales, que vibran a la frecuencia
  fundamental (pitch)
• Modificado por el tracto vocal
• En sonidos nasales una parte del aire fluye por
  orificios nasales

3
Modelo de producción del habla (II)

• Ejemplo Descodificador DPCM

El error de predicción modela la excitación ej
orden 10, 8kHz gt memoria lt 2 mseg. ltlt 1/f0 El
filtro de síntesis es todo polos H(z) 1 / (1
- P(z))
x(n) error de predicción y cuantificación y(n)
señal sintetizada
4
Codificación predictiva mediante análisis por
síntesis (I)
Codificador
Descodificador
5
Codificación predictiva mediante análisis por
síntesis (II)

• Se transmite la excitación y el filtro
• Filtro de síntesis predictor lineal variante
• El predictor captura la correlación entre
  muestras de pitch
• Frecuencia de pitch 50-400 Hz o unas 20-160
  muestras
• predictor corto predictor largo
• Se codifica cada segmento de excitación.
• Las excitacitaciones posibles son limitadas para
  obtener tasas de compresión elevadas.
• MULTIPULSO (MP) AEEC93, 9.6 kb/s
• PULSOS REGULARES (PR) GSM 6.10
• CUANTIFICACIÓN VECTORIAL (CELP) GSM 6.20, G.728
• Se elige aquella excitación que produce un error
  perceptual menor

6
Predictor corto
e(n)
Predicción forward se toman segmentos ( 20 ms.)
y se buscan los coeficientes para los cuales se
minimiza el error cuadrático medio
7
Cálculo del predictor
Predicción El error de predicción
Minimizar la potencia del error
Solución
8
Métodos y propiedades
Minimización del error en N puntos Método de
covarianza. Si previamente se enventana la
señal Método de correlación Matriz simétrica con
diagonales iguales (algoritmo de Levinson).
9
Cuantificación del Predictor Corto

• Errores de cuantificación sobre los coeficientes
  del predictor ak puede producir filtros
  inestables (polos fuera del circulo unidad)
• Þ se utilizan parámetros sobre los que se pueda
  controlar fácilmente la estabilidad
• pares de líneas espectrales (LSF). Estabilidad si
  fi lt 1 fi-1
• parcors ki. Estabilidad si ki lt 1 Dada su
  sensibilidad en torno a la unidad se utilizan los
  logaritmos de área
• Propiedades dinámica de LARi decrece con i
• Nº bits 6, 6, 5, 5, 4, 4, 3, 3 Þ 36 bits
• Tramos de 20 milisegundos Þ 1,8 kbits/s

10
Cuantificación del Predictor Corto
Asignación de bits - GSM (13 kbps) 8 LARs x 3-6
bits / 20 ms 1.8 Kbps - FS1016 (4.8 kbps) 10
LSPs x 3-4 bits / 30 ms 1.1 Kbps
11
Interpolación del Predictor Corto

• Para que sea posible elegir la mejor excitación
  la excitación de la trama de análisis (20 ms.) se
  divide en subtramas (5 ms.) asociando una
  excitación a cada subtrama.
• Se obtiene una mejora sustancial en la calidad si
  se utilizan parámetros interpolados en cada una
  de las subtramas.
• También puede utilizarse para reducir la
  velocidad de transmisión enviando los parámetros
  de una trama cada dos o tres.

12
Predictor Largo
x(n)

• Para cada valor de a se estima el predictor que
  minimiza el error cuadrático medio. El valor de a
  es el que proporciona menor error.
• Predictor 1 ó 3 coeficientes

r(n)
13
Representación del filtro de síntesis
14
Filtro perceptual

• El error cuadrático medio no es una buena medida
  de error
• El error en los formantes queda enmascarado por
  la señal
• El error perceptualmente más importante es debido
  a regiones frecuenciales de nivel bajo
• Þ conformador de ruido

15
Excitación multipulso

• Formada por un número (pequeño) de pulsos.
• Ej 5 ms (40 muestras), 4 pulsos, 35 bits, Þ 7
  kbits/s
• Posiciones 17-20 bits
• Ganancias 643 18 bits

16
Multipulso determinaciónde posiciones y
ganancias de los pulsos
Excitación Salida Error
Minimizar la potencia del error

17
Multipulso determinaciónde posiciones y
ganancias de los pulsos

• Multipulso algoritmo para determinar las
  posiciones de los pulsos
• Para todas las posibles posiciones de los pulsos
• Calcular las ganancias que minimizan el error
  (ponderado)
• Seleccionar las posiciones (y ganancias) que
  minimizan el error
• Ej 5 ms (40 muestras), 4 pulsos Þ 91390
  posibles posiciones!
• Aproximación
• Inicio determinar posición de un único pulso.
  Calcular ganancia.
• Repetir Determinar posición óptima al añadir
  un nuevo pulso.
• Calcular ganancias del nuevo pulso (o de todos).

18
Pulsos regulares

• La excitación está compuesta por un gran número
  de pulsos equiespaciados
• Ej 5 ms (40 muestras), 10 pulsos equiespaciados,
  4 posibles inicios
• Posiciones 2 bits
• Ganancias 6103 36 bits

19
CELP (Code Excited Linear Prediction)
20
CELP (Code Excited Linear Prediction)
21
CELP (Code Excited Linear Prediction)

• Codebook gausiano tamaño mayor de 1024
• Exige ensayar todas las excitaciones (calculando
  la óptima ganancia)
• Numero de operaciones para cada código
  proporcional al cuadrado de las muestras (40
  muestras, 1000 códigos Þ 40.000 operaciones por
  muestra)
• Excitación cuantificada vectorialmente
• Ej 10 bits cada 5 ms, 1024 codewords 5 bits
  ganancia Þ 3 kbits/s

22
Cálculo
error
ganancia

excitación
23
CELP simplificación de la búsqueda

• Existen muchas variantes de CELP según la
  estrategia utilizada para reducir la complejidad
  asociada a la búsqueda
• Búsqueda en dominios transformados (SVD,
  Frecuencial)
• Codebooks estructurados

24
CELP Codebooks estructurados

• Codewords dispersos solo unas pocas muestras (
  4) son no nulas
• Ternarios como disperos pero amplitudes sólo
  -1,1
• Codebooks algebraicos número (pequeño) de pulsos
  donde cada pulso puede ocupar sólo unas
  determinadas posiciones
• Ej pulso 1 1,5,9,etc pulso 2 2,6,10, etc,
  ..., pulso 4 4,8,12,etc.
• Amplitudes pulso 1 y 3 1 pulso 2 y 4 -1
• Codewords solapados el codeword i es como el i-1
  desplazado k muestras y añadiendo k nuevas
  muestras.
• Autoexcitados la excitación se elige buscando
  entre las excitaciones anteriores. Como solapados
  pero muy sensible a errores.

25
Predictor largo (II)

• Se consigue una mejora sustancial en la calidad
  si los parámetros del predictor largo se
  determinan dentro del bucle.
• Se implementa mediante un codebook adaptativo
  que se construye a partir de las excitaciones
  pasadas retrasadas entre 20 y 160 muestras

26
Postfiltrado

• Existen técnicas para realzar la señal de voz,
  consiguiendo una mejora perceptual subjetiva a
  costa de una mayor distorsión en la señal.
• No adecuada cuando la señal atraviesa varias
  etapas
• Empeora prestaciones de señales no vocales
  (modems)
• Filtros sobre estructura de formantes
• Son filtros diseñados análogamente al de
  ponderación perceptual paso alto
• Híbridos entre el filtro largo de síntesis y un
  pasa todo
• Enfatiza los formantes
• Filtros sobre estructura de pitch
• Realzan la periodicidad de la señal

27
estándares

• MPLPC, AEEC, 9.6 kbits/s
• RPE-LTP, ETSI-GSM 6.10, 13kbits/s
• CELP, US Federal Standard 1016, 4.8 kbits/s
• LD-CELP, ITU-T G.728, 16 kbits/s
• VSELP, telef. móvil
• TIA 8 kbits/s, JDC 6.7 kbits/s, ETSI-GSM 6.20
  5.6 kbits/s

28
ETSI GSM 6.10 velocidad completa
29
ETSI GSM 6.10 velocidad completa

• Análisis 20 ms.
• Excitación 5 ms.
• Predictor corto
• orden 8 6, 6, 5, 5, 4, 4, 3, 3 36 bits
• Predictor largo
• ganancia (2 bits), posición (7 bits) 36 bits
• Excitación regular 13 pulsos, 4 posiciones.
• posición (2 bits), ganancia bloque (6 bits) 32
  bits
• amplitudes 13 x 3 (39 bits) 156 bits
• Total 260 bits/20 ms 13 kbits/s

30
ETSI GSM 6.20 velocidad media

• Se basa en VCELP para disminuir la información
  debida a la excitación 188 bits 56 bits.
• Energía de la trama 5 bits
• Predictor corto orden 10
• VQ (r1, r2, r3) 11 bits
• VQ (r4, r5, r6) 9 bits
• VQ (r7, r8, r9, r10) 8 bits
• El codificador decide si es beneficioso realizar
  la interpolación de los parámetros del predictor
  corto (1 bit).
• Existen 4 modos con codebooks específicos sorda,
  ...., sonora. En el primer modo no se utiliza el
  predictor largo sino un codebook mayor.
• Velocidad 5.6 kbits/s

31
ITU-T G.728
Codificador 16 kbits/s, retardo 2 ms
Descodificador

• Sintetizador del codificador filtro de realce
  de la señal

32
ITU-T G.728 (2)

• Sólo se transmite el indice del codebook 10 bits
  cada segmento. Para obtener mayor eficiencia en
  la búsqueda
• 7 bits de forma
• 3 bits de ganacia
• Segmentos de 5 muestras (16 kbits/s)
• Se adapta la ganancia de la excitación cada
  segmento, el filtro de síntesis y el perceptual,
  cada 4 segmentos.
• Filtro de síntesis predictor de orden 50 sobre
  la señal cuantificada
• Filtro perceptual predictor de orden 10 sobre la
  señal original
• Predicción se realiza hacia atrás, utilizando un
  enventanado recursivo que contempla toda la señal
  anterior

33
ITU-T G.728 (3)

• Postfiltrado del descodificador
• Realce de pitch filtro peine con pitch estimado
  de la señal descodificada
• Realce de formantes filtro similar al perceptual
• Ajuste de ganancia para evitar cambios en energía
  debido al filtrado

34
Codificadores de banda ancha LDCELP 32 kbits

• Similar a G.728 doble velocidad y banda ambos 2
  bits/muestra (pendiente de estandarización)
• Dificultad
• Banda de frecuencias altas mucha menor estructura
• Dinámica espectral muy elevada
• Orden del predictor 50 (G.728) 32
• MOS 4.1 (G.722, 64 kbits/s) 4.0
• Filtro perceptual enmascar ruido en formantes
  (como G.728) y enfatiza altas frecuencias para
  compensar la alta dinámica.