DE19845888A1 - Verfahren zur Codierung oder Decodierung von Sprachsignalabtastwerten sowie Coder bzw. Decoder - Google Patents

Abstract

Zur Codierung oder Decodierung von Sprachsignalabtastwerten werden die in den Codebüchern/Codetabellen enthaltenen Werte zur Generierung der Sprachsignalparameter in quantisierter Form abgelegt. DOLLAR A Ohne Verschlechterung der Sprachqualität kann die Verarbeitung mit Prozessoren mit Ganzzahlverarbeitung durchgeführt werden.

Description

Stand der Technik

Die Erfindung geht aus von einem Verfahren zur Codierung oder Decodierung von Sprachsignalabtastwerten.

Im Standard zur Codierung Audiovisueller Objekte nach MPEG-4 sind in ISO/IEC 14496-3 FCD, Subpart 2 parametrische Coder beschrieben, insbesondere der HVXC-Coder (Harmonic Vector Excitation Coding) zur Codierung von Sprache bei extrem niedrigen Bitraten. Dieser Standard enthält zur Generierung der LPC-Koeffizienten, der spektralen Einhüllenden des Sprachsignals und der stimmlosen Abschnitte mehrere Tabellen, die im Gleitkommaformat vorliegen.

Im Subpart 3 dieses Standards wird der CELP-Coder (Code Excited Linear Prediction) zur Codierung von Sprache bei mittleren bis niedrigen Bitraten beschrieben. Dieser Standard enthält zur Generierung der LPC-Koeffizienten und der Gain-Werte mehrere Tabellen, die im Gleitkommaformat vorliegen.

Zur Codierung solcher Sprachsignale wird häufig die "Analyse durch Synthese"-Methode verwendet (ANT Nachrichtentechnische Berichte Heft 5, Nov. 1988, Seiten 93 bis 105). Bei den erwähnten Sprachcodierverfahren werden in Codebüchern, d. h. in den Tabellen, Werte abgespeichert, die für die Generierung der Signalparameter und damit für die Koeffizienten der Sprachsynthesefilter verwendet werden. Über eine Indexsteuerung werden die in den Codebüchern abgespeicherten Werte ausgelesen.

Vorteile der Erfindung

Durch die Maßnahmen des Anspruchs 1, d. h. insbesondere durch die Quantisierung der Werte in den Codebüchern, werden die vorliegenden Daten in ihrer Genauigkeit (Quantisierung) beschränkt, so daß die Codebucheinträge mit einer endlichen Wortbreite dargestellt werden können. Somit kann ihre Portierung auf digitale Signalprozessoren mit Ganzzahlarithmetik erfolgen, ohne die durch Standards, insbesondere gemäß ISO/IEC 14496-3, vorgegebenen Qualitätsanforderungen zu verletzen. Im Gegensatz zur Erfindung liegen in den erwähnten Arbeitsversionen der Standards die Werte für die Codebücher unquantisiert im Gleitkommaformat vor und können nur mit sehr aufwendigen und speicherintensiven Verfahren direkt verarbeitet werden. Trotz der Genauigkeitsbeschränkung der Tabellenwerte ist bei der Erfindung eine gleiche subjektive Qualität nach der Sprachdecodierung zu erzielen. Mit den Maßnahmen der Erfindung ist eine leichte und standardkonforme Portierung des Codes auf unterschiedliche Rechnerplattformen möglich, ohne Beeinflußung der subjektiven Qualität des Coders. Da reduzierte Wortbreiten verwendet werden, ist eine beträchtliche Einsparung von Speicherkapazität, insbesondere in Form von ROMS möglich. Die Erfindung ist bei unterschiedlichen Sprachsignalcodierverfahren einsetzbar, beispielsweise für HVXC-Coder/Decoder oder CELP- Coder/Decoder.

Zeichnungen

Anhand der Zeichnungen werden Ausführungsbeispiele der Erfindung näher erläutert. Es zeigen

Fig. 1 ein vereinfachtes Blockschaltbild eines HVXC- Sprachdecoders,

Fig. 2 ein vereinfachtes Blockschaltbild eines CELP- Sprachdecoders.

Beschreibung von Ausführungsbeispielen

Bevor auf die eigentliche Quantisierung eingegangen wird, wird zunächst ein Sprachdecoder vorgestellt, bei dem die erfindungsgemäße Quantisierung eingesetzt wird.

Bei dem HVXC-Sprachdecoder nach Fig. 1 werden die übertragenen Sprachparameter, nämlich die LPC-Parameter, die stimmhaft/stimmlos-Entscheidung des Encoders und die Anregungsparameter, die in einem Übertragungsrahmen von 20 ms Dauer untergebracht sind, aus dem Bitstrom gelesen und als Eingangssignale an den Eingängen 1, 2 und 3 angeliefert. Die LPC-Parameter enthalten Indizes, aus denen der inverse LSP-Vektorquantisierer 16 die LSP-Parameter (Line Spectral Pairs) regeneriert. Dazu werden die LSP-Codebücher 4 (CbLsp) und 5 (CbLsp4) mit den LPC-Parametern indiziert und die LSP- Parameter ausgelesen. In Abhängigkeit der stimmhaft/stimmlos-Entscheidung dieses Rahmens erfolgt gegebenenfalls die Interpolation - Baugruppe 6 - zwischen den LSP-Parametern des vergangenen und aktuellen Rahmens, womit eine Aktualisierung dieser Werte in einem Raster von 2,5 ms erreicht wird. Im Anschluß daran erfolgt die Umwandlung in LPC-Parameter, die als Koeffizienten in das LPC-Synthesefilter - Baugruppen 7 und 8 - eingehen.

Parallel zu dieser Berechnung und in Abhängigkeit der stimmhaft/stimmlos-Entscheidung werden die Vektoren für die spektrale Einhüllende (stimmhafter Rahmen), AM-Codebücher 9 (CbAm) und 10 (CbAm4) bzw. die Vektoren für das stochastische Anregungssignal (stimmloser Rahmen, CELP- Codebücher 11 (CbCelp) und 12 (CbCelp4)) gelesen. Die Regenerierung der spektralen Einhüllenden und des Anregungssignals erfolgt mit den inversen Vektorquantisierern 13 und 14. Nach der harmonischen Synthese (stimmhaft) - Baugruppe 15 - erfolgt die Filterung der Sprachdaten im LPC-Synthesefilter. Die Ausgangsdaten aus dem stimmhaften - Baugruppe 7 - und dem stimmlosen - Baugruppe 8 - Synthesefilter werden abschließend addiert, womit das rekonstruierte Sprachsignal für einen Rahmen von 20 ms vorliegt.

Da sich, wie zuvor erläutert, Werte für die Codebücher in Gleitkommadarstellung nicht für Fixpunkt-DSPs eignen, weil die erforderlichen Wortbreiten zu groß wären (Speicherbedarf, interne Wortbreiten und Arithmetik, ROM), erfolgt die Umsetzung der Tabellenwerte für die Codebücher, die zuvor aus den Sprachsignalabtastwerten analysiert wurden, in eine guantisierte Form bei resultierender äquivalenter Sprachqualität. Die hierfür erforderlichen Wortbreiten für die einzelnen Tabellenwerte werden in verschiedenen Hörtests ermittelt.

Die Quantisierung erfolgt auf eine Wortbreite, die in verschiedenen Tests ermittelt wird. In der folgenden Darstellung wird diese Wortbreite allgemein mit wordlength bezeichnet. Diese Größe wird in Bits ausgedrückt.

Eine vorzeichenbehaftete ganze Zahl mit wordlength Bits umfaßt einen Wertebereich von -2^wordlength-1 bis 2^wordlength-1 -1. Die Quantisierung der Kodebücher erfolgt damit auf die nachfolgend gezeigte Art. Den Ausgangspunkt stellen die in "study on ISO/IEC 14496-3 FCD, Subpart 3", definierten Kodebücher dar. Das Kodebuch cb wird für dieses Dokument wie folgt definiert: cb = {a₀, a₁, . . ., a_n, . . ., a_m} mit 0 ≦ n ≦ m und a_n ∈ R. Zur Quantisierung der einzelnen Elemente sind die folgenden Schritte erforderlich:

1. Ermittlung des Wertebereichs der Kodebücher

Um eine gut angepaßte Quantisierung zu erhalten, werden die Elemente eines jeden Kodebuchs so skaliert, daß der zur Verfügung stehende Wertebereich möglichst komplett ausgenutzt wird. Dazu muß der Wertebereich der Elemente zwischen

liegen. Um dies zu erreichen, wird das Maximum der positiven und der negativen Elemente (max_pos bzw. max_neg) eines jeden Kodebuchs ermittelt. Diese ergeben sich aus

max_pos = max^{({an ∈ cb|a_n ≧ 0})} bzw. max_neg = min^{({a_n ∈ cb|a_n < 0})},

mit 0 ≦ n ≦ m.

In Abhängigkeit der Größe von maxyos bzw. max neg, ergeben sich die folgenden Schritte:

max_pos < (1-2^{-(wordlength-1)}) oder max_neg < -1

max_pos und max_neg werden mit ¹/₂ multipliziert. Erfüllt das Resultat immer noch die unter (a) gestellte Bedingung, dann muß der Vorgang wiederholt werden, bis die Bedingung nicht mehr zutrifft. Die Anzahl der Multiplikationen mit ¹/₂ wird gezählt und in der Variablen scale abgelegt.

max_pos ≦ (1-2^{-(wordlength-1)}) oder max_neg ≧ -1

max_pos und max_neg werden mit 2 multipliziert. Erfüllt das Resultat immer noch die unter (b) gestellte Bedingung, dann muß der Vorgang wiederholt werden, bis die Bedingung nicht mehr zutrifft. Die Anzahl der Multiplikationen mit 2 wird gezählt und in der Variablen scale abgelegt.

2. Skalierung der Elemente von cb auf den Bereich zwischen -1 und (1-2^{-(wordlength-1)})

In Abhängigkeit der unter 1.) getroffenen Entscheidung erfolgt die Skalierung aller Kodebucheinträge auf den genannten Bereich:

Nach diesem Schritt liegen die Einträge von jedem Kodebuch im folgenden Wertebereich: -1 ≦ b_n ≦ (1-2^{-(wordlength-1)}), mit 0 ≦ n ≦ m.

3. Skalierung auf wordlength Bits

Zur Skalierung auf den erforderlichen Wertebereich, erfolgt die Multiplikation mit 2^wordlength-1. Damit liegen die Werte der Kodebücher c_n im Bereich zwischen -2^wordlength-1 und 2^wordlength-1 -1.

4. Runden

Bevor die Nachkommastellen abgeschnitten werden, erfolgt die Rundung der ermittelten Einträge. Dazu wird in Abhängigkeit des Vorzeichens +0,5 bzw. -0,5 addiert. Dieses geschieht in der folgenden Form:

c_n ≧ 0 : d_n = c_n + 0,5
c_n < 0 : d_n = c_n - 0,5.

Hierbei ist zu beachten, daß der maximal zulässige Wertebereich nicht überschritten wird. Dieser liegt in dem Bereich, wie unter 2.) angegeben.

5. Abtrennen der Nachkommastellen

Die endgültige Quantisierung erfolgt durch das Abtrennen der Nachkommastellen. Damit erhält man die quantisierten Werte.

Versuche haben gezeigt, daß mit der Festlegung der Variablen wordlength auf 16 eine vom Original nicht zu unterscheidende Sprachqualität erhalten wird.

Eine weitere Ausgestaltung der Erfindung wird in Zusammenhang mit Fig. 2 erläutert. Dort ist das Blockschaltbild eines CELP-Decoders dargestellt. Zunächst werden die zur Decodierung eines Rahmens notwendigen Elemente wie zuvor aus einem übertragenen Bitstrom gelesen. Dabei handelt es sich um die LPC Indizes, die Erregungsparameter (Lag und Shape Index) sowie die Amplituden Indizes (Gain Indices). Angeliefert werden diese Parameter (Elemente) an den Decodereingängen 17 bis 21. Die Erregungsparameter setzen sich aus den Parametern für das adaptive Codebuch (Lag) 22 zur Generierung periodischer Signalkomponenten (stimmhaft) und den Parametern für die festen Codebücher (Shape Index) 23a . . . 23n zusammen.

Die Einträge der festen Codebücher 23a . . . 23n und des adaptiven Codebuchs 22 werden jeweils mit einem Skalierungsfaktor (Gain) über den Gain-Decoder 24 multipliziert. Dieser Skalierungsfaktorwird unter Zuhilfenahme der Gain Indizes, die am Eingang 21 anliegen, und der Gain-VQ (Vektorquantisierung)-Tabellen, die in den Codebüchern 25 abgelegt sind, rekonstruiert. Der endgültige Erregungsvektor setzt sich aus der Summe der festen und des adaptiven Codebuchvektors zusammen.

Bei der Nutzung des Vektorquantisieres VQ repräsentieren die LPC-Indizes die vektorquantisierten LSP-Parameter (Line Spectral Pairs). Die Vektoren der ersten und zweiten Stufe der inversen Vektorquantisierung der LSP-Parameter erhält man durch Auslesen der LSP-VQ-Tabellenwerte, die in den Codebüchern 26 abgespeichert sind. Die endgültige Rekonstruktion der LPC-Parameter erfolgt im LPC-Parameter- Decoder 27. Innerhalb eines jeden Rahmens erfolgt für jeden Unterrahmen die Interpolation - Baugruppe 28 - zwischen den LSP-Parametern des vergangenen und des aktuellen Rahmens. Die in LPC-Parameter umgewandelten LSP-Parameter gehen als Koeffizienten in das LPC-Synthesefilter 29 ein. Dort erfolgt die Rekonstruktion der Sprachdaten durch Filterung des Erregungssignals. Zur Verbesserung der Sprachqualität kann das rekonstruierte Sprachsignal noch in einem Postfilter 30 gefiltert werden.

Die LSP-VQ-Tabellenwerte sowie die Gain-VQ-Tabellenwerte für die Codebücher 25 und 26, die zuvor aus den Sprachsignalabtastwerten analysiert wurden, liegen normalerweise in einer Gleitkommadarstellung vor, die wie zuvor erläutert für eine Fixpunkt-DSP Verarbeitung nicht geeignet ist. Es erfolgt aus den gleichen Gründen wie beim HVXC-Decoder (Fig. 1) eine Umwandlung der Tabellenwerte in eine quantisierte Form. Die Verfahrensschritte bei dieser Quantisierung wie insbesondere die Ermittlung des Wertebereichs für die Codebücher erfolgt wie bei der zuvor erläuterten Quantisierung.

Die bisherigen Ausführungsbeispiele der Erfindung wurden anhand von Sprachdecodern erläutert. Natürlich kann die Erfindung auch bei entsprechenden Codern (Encodern) eingesetzt werden, die Codebücher verwenden. Auch dort können die Codebucheinträge für die Aufbereitung von Spachsignalen für die Übertragung zuvor quantisiert werden. Beispiele von solchen Encodern, deren Codebucheinträge zuvor quantisiert werden können sind aus EP 0545 386 A2, US 5,208,862, US 5,487,128, US 5,199,076 oder US 5,261,027 bekannt.

Claims (12)

1. Verfahren zur Codierung oder Decodierung von Sprachsignalabtastwerten insbesondere unter Verwendung der Analyse durch Synthese-Methode mit folgenden Schritten:

• 1. die für die Generierung der Sprachsignalparameter verwendeten zuvor aus den Sprachsignalabtastwerten analysierten Werte werden vor ihrer Abspeicherung in Codebüchern/Codetabellen quantisiert,
• 2. die Quantisierung der Werte erfolgt auf eine Wortbreite, die zu keinen merklichen Verlusten der Sprachqualität führt.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Wortbreiten der in den Codebüchern/Codetabellen abgelegten Werte durch Hörtests ermittelt werden.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Werte eines jeden Codebuches/einer jeden Codetabelle so skaliert werden, daß der zur Verfügung stehende Wertebereich möglichst komplett ausgenutzt wird.

4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß zur Skalierung das Maximum der positiven und negativen Werte eines jeden Codebuchs/Codetabelle ermittelt wird, daß im Falle des Überschreitens des zur Verfügung stehenden Wertebereiches eine Multiplikation der Werte mit einem Faktor kleiner als Eins, vorzugsweise 0,5, vorgenommen wird und daß diese Multiplikation so oft wiederholt wird, bis alle Elemente im Wertebereich liegen.

5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, daß die Anzahl der wiederholten Multiplikationen als Skalierfaktor für alle Codebuch-/Tabelleneinträge verwendet wird.

6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß eine Skalierung der Codebuch-/Tabelleneinträge auf die Bits des erforderlichen Wertebereiches vorgenommen wird.

7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, daß für eine endgültige Quantisierung eine Rundung und eine nachfolgende Abschneidung von Nachkommastellen erfolgt.

8. Verfahren nach einem der Ansprüche 1-7, dadurch gekennzeichnet, daß die Wortbreite der quantisierten Werte zu 16 Bit gewählt wird.

9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß die Verarbeitung der quantisierten Codebuch-/Tabelleneinträge mittels digitaler Signalverarbeitung im Ganzzahlformat vorgenommen wird.

10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß für einen HVXC (Harmonic Vector Excitation Coding) - Sprachcoder/Sprachdecoder die LPC- Koeffizienten, die spektralen Einhüllenden des Sprachsignal und der stimmlosen Abschnitte des Sprachsignals in quantisierter Form in den entsprechenden Codebüchern/­ Tabellen abgelegt werden.

11. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß für einen CELP (Code Excited Linear Prediction) - Sprachcoder/-decoder die Werte für die LSP (Line Spectral Pairs) -VQ-Vektorquantisierungs-Codebuch-/­ Tabelleneinträge sowie die der Gain-VQ Tabelleneinträge in quantisierter Form abgelegt werden.

12. Coder oder Decoder für die Verarbeitung von Sprachsignalabtastwerten unter Verwendung der Analyse durch Synthese-Methode mit folgenden Maßnahmen: die in den Codebüchern/Codetabellen (4, 5, 9, 10,11, 12, 25, 26) enthaltenen Werte zur Generierung der Sprachsignalparameter sind in quantisierter Form abgelegt, wobei die Wortbreite so gewählt ist, daß keine merklichen Verluste der Sprachqualität auftreten.