DE2303497C2 - Verfahren zur Übertragung von Sprachsignalen - Google Patents

Description

Die Erfindung betrifft ein Verfahren zur Übertragung von Sprachsignalen mit verminderter Bandbreite, bei dem zunächst die in digitale Form gebrachten Sprachsignale abschnittsweise einem Rechenwerk zur Analyse des Sprachsignals und Berechnung von Schätzkoeffizienten und gleichzeitig einem vom Rechenwerk gesteuerten Netzwerk zur Vorhersage des Signalverlaufs zugeführt werden, wobei mit diesem Netzwerk ein Fehlersignal gebildet wird, und bei dem anschließend Fehlersignal und Schätzkoeffizienten quantisiert einem Codierer zur Übertragung des synthetischen Signals zugeführt werden,

Nachrichtenübertragungssysteme für Sprachsignale, die eine extreme Reduzierung der zu übertragenden Informationsmenge bei weitgehendem Erhatt der Verständlichkeit und Natürlichkeit des Sprachsignals

ίο gestatten, müssen so weit wie möglich Bezug nehmen auf die spezifischen statistischen Eigenschaften des Sprachsignals.

Es ist bekannt, daß unter gewissen Voraussetzungen 63 genügt, statt der Übertragung des analogen oder digital codierten Sprachsignals nur die Parameter des Sprechtraktes zu übertragen und aus diesen dann am Empfangsort ein künstliches Sprachsignal zu regenerieren, das entsprechend den Einzelheiten der übertragenen Parameter mit dem Sendesignal weitgehend identisch ist (Flanagen, Speech Analysis, Synthesis and Perception, Springer Verlag Berlin 1972 S. 321 ff, insb. S. 370, Absch. 8.10). Dieses Verfahren erfordert eine hohe Bitrate und ergibt empfangsseitig eine mangelhafte Sprachwiedergabe.

Bei einer anderen Klasse von Verfahren wird neben den beschriebenen Parametern zusätzlich noch ein Fehlersignal übertragen, das die am Empfangsort mit Fehler regenerierte Sprachschwingung verbessern soll. Es ist dann eine weniger genaue Übertragung der Beschreibungsparameter zulässig (IEEE Trans, on Comm. Techn. Vol. Com. 19, No. 6, Dez. 71, Seiten 1021 bis 1032). Diese Verfahren liefern eine verbesserte Sprachwiedergabe, jedoch auf Kosten einer ebenfalls sehr hohen Bitrate.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren anzugeben, durch welches die Bitrate so weit reduziert wird, daß die Sprachübertragung auch über schmalbandige Telefon- oder Fundkanäle bei guter Sprachqualität möglich ist

Die Aufgabe wird durch die im Anspruch 1 angegebene Erfindung gelöst.

Durch das Verfahren gemäß der Erfindung läßt sich die Bitrate ganz erheblich reduzieren. Weitere Verbesserungen sind in den Unteransprüchen angegeben. So

wird Übertragungsbandbreite zusätzlich eingespart, wenn bei niedrigem Signalpegel eines periodischen Fehlersignals geringer Nullstellendichte wie es bei der Übertragung von Vokalen der Fall ist — nur die Schätzkoeffizienten übertragen werden.

Stimmlose Laute besitzen als relevantes Signal vo"wiegend das Fehlersignal, so daß es weiterhin von Vorteil ist, in diesen Fällen nur das Fehlersignal zu übertragen.

Eine gleichzeitig optimale Ausnutzung des Übertra-

gungskanals wird erreicht, wenn zur Übertragung der Schätzkoeffizienten eine Run-Length-Codierung oder Adreßkopfcodierung angewendet wird und diese von dem Rechenwerk entsprechend der Art und Amplitude des Fehlersignals so gesteuert bzw. gepuffert wird, daß ein konstanter Informationsfluß entsteht.

Auch kann durch eine vom Rechenwerk gesteuerte Aufteilung der übertragenen Information in Fehlersignal und Schätzkoeffizienten ein konstanter Informationsfluß erzeugt werden, wodurch in einfacher Weise die Ausnutzung des Kanals optimiert wird.

Wird die Analyse der Schätzkoeffizienten melodiesynchron, d. h. entsprechend der Pichfrequenz vorgenommen, so wird Rechenzeit eingespart.

Durch die genannten Maßnahmen zur extremen Ausnutzung der Eigenschaften des Sprachsignals wir wird die Informationsrate um den Faktor 5 bis 10 gegenüber den bekannten Verfahren, d.h. bis unter 100 bit/s vermindert Dabei bleibt die Natürlichkeit und Qualität des Sprachsignals weitgehend erhalten.

Sieht man einen konstanten Informationsfluß auf der Übertragungsleitung vor, so kann bei einem derartigen System durch verlangsamtes Einsprechen die Sprachqualität wesentlich verbessert werden, was bei einem ι ο System mit fester Aufteilung der Informationsanteile oder bei ähnlichen anderen Sprachübertragungssystemen nicht der Fall ist

Die Erfindung wird nun anhand eines Ausführungsbeispiels näher erläutert Es zeigt

F i g. 1 Anregungsfunktion eines stimmhaften Sprachsignals,

F i g. 2 zeitlicher Verlauf eines stimmhaften Sprachsignals,

F i g. 3 Ausführungsbeispiel eines sendeseitigen Analysenteils zur Durchführung des erfindunp.-geniäßen Verfahrens,

Fig.4 Ausführungsbeispiel eines empfangsseitigen Syntheseteils zur Durchführung des erfindungsgemäßen Verfahrens.

Das vorliegende Verfahren ist im wesentlichen gekennzeichnet durch eine vom Sprachsignal selbst gesteuerte adaptierende Aufteilung der Übertragungsinformation in Parameterinformation in Form von Schätzkoeffizienten und Anregungssignal — hier Fehlersignal genannt — sowie eine ebenfalls signalabhängige Quantisierung beider Signale. Das Fehlersignal kennzeichnet bei hinreichender Zahl und Genauigkeit der Parameterinformation die Größe der nichtlinearen Anregung des Sprech- oder Artikulationstraktes. Es wird deshalb auch als Anregungssignal bezeichnet und in dieser Eigenschaft zur Anregung des Syntheseteils des Übertragungssystems verwendet

Die Fig.'. und 2 zeigen schematisch die Entstehung eines stimmhaften Sprachsignals s(t) aus einer Anregungsfunktion a(t). In F i g. 1 ist eine impulsförmige Anregungsfunktion a(t) gezeigt wie sie beispielsweise von den Stimmbändern erzeugt wird. Diese Anregungsfunktion regt in den Artikulationsorganen gedämpfte Eigenschwingungen gemäß Fig.2 an. Wegen der Eigenarten des Artikulationsprozesses kann dieser Vorgang ohne großen Fehler als weitgehend linear angenommen werden. Es ist also möglich, mit Hilfe eines Systems linearer Differentialgleichungen, dessen Koeffizienten bekannt sind, allein aus der Anregungsfunktion Gas Sprachsignal hinreichend genau zu rekonstruieren.

Kodierer, die derartige Koeffizienten ermitteln, diese übertragen und mit ihrer Hilfe am Empfangsort ein Sprachsignal rekonstruieren, werden gewöhnlich als lineare Prädiktionskodierer bezeichnet. Zur Übertragung von Sprachsignalen müssen solche Prädiktionskodierer zweckmäßig adaptiv gemacht werden, da nur dann nennenswerte Einsparungen an Übertragungsinformation möglich sind. Das bedeutet, daß die w Schatzkoeffizienten laufend neu zu berechnen und zu übertragen sind.

In Fig.3 ist ein Ausfuhrungsbeispiel für einen sendeseitigen Analyseteil zur Durchführung des erfindungsgemäßen Verfahren gezeigt Die von einem «:> Mikrofon 1 in analoge elektrische Signale umgewandelten Sprachschwingungen werden zunächst einem Analog/Digital-Wandler 2 zugeführt, der die analogen Signale abtastet und die abgetasteten Werte digitalisiert An dessen Ausgang liegt ein erster Eingang eines modulo 2-Addierers 4 und ein Rechenwerk 3.

Der Ausgang des modulo 2-Addierers 4 führt über einen in den Quantisierungsstufen vom Rechenwerk 3 steuerbaren Quantisierer 5 einmal zum Codierer 7 und zum anderen zu einem ersten Eingang eines zweiten modulo 2-Addierers 6. Die abgetasteten digitalisierten Werte gelangen in ein /n-stufiges Schieberegister 8 mit m Parallelausgängen.

Jede Stufe des Schieberegisters 8 faßt den digitalisierten Wert eines Abtastwertes des Sprechsignals.

Die Parallelausgänge des Schieberegisters führen zu einem Bewertungsglied 90 mit m Multipliziergliedern 91 und einem Summierglied 92 mit ebenfalls m Eingängen. Die m Parallelausgänge des Schieberegisters 8 sind jeweils mit den entsprechenden Eingängen der m Multiplikationsglieder und die Ausgänge der Mulitplikationsglieder sind mit den m Eingängen des Summiergliedes 92 verbunden. Der Ausgang desiiummiergliedes 92 ist an dem zweiten Eingang des modulo 2-Addierers 4 und gleichzeitig an dem zweiten Eingang des modulo 2-Addierers 6 angeschlossen. Die vom Rechenwerk ermittelten Faktoren der Multiplizierglieder 91 werden als Schätzkoeffizienten ebenfalls dem Codierer 7 zugeführt

Die Funktion des Analysierteiles ist folgende:

Nach der Analog/Digital-Wandlung werden in dem Rechenwerk 3 die Schätzkoeffizienten a,- aus dem digitalisierten Sprachsignal errechnet und dem Bewertungsnetzwerk 90 übergeben. Dieses Bewertungsnetzwerk besteht aus den Multipliziergliedern 91 und dem Summierglied 92 und ermittelt aus jeweils m zurückliegenden Signalwerten s„-\ bis s„__m den /j-ten Signalwert nach der Vorschrift

Σ a,

Oieser so ermittelte Signalwert wird vom Eingangssignal subtrahiert Anschließend wird das Differenzsignal, das gleich dem Fehlersignal ist quantioiert codiert und übertragen.

Gleichzeitig speist das quantisierte Fehlersignal das Addiernetzwerk 6, in welchem zusammen mit dem vorhergesagten Signal das Ausgangssignal für die nächste Vorhersage entsteht. Die berechneten Schätzkoeffizienten a\ bis a_m werden ebenfalls codiert und übertragen. Dabei ist es von Vorteil, die Schätzkoeffizienten vor der Codierung zu quantisieren und die Quantisierungsstufen der Quantisierer für die Schätzkoeffizienten und für das Fehlersignal vom Rechenwerk entsprechend der Statistik des zu übertragenden Sprachsignals zu sfeuern.

Am Empfangsort wird aus dem Fehlersignal und den übertragenen Schätzkoeffizienten in gleichartiger Weise das Sprachsignal rekonstruiert.

Gemäß Fig.4 gelangen die komprimierten Sprachsignale vom Übertragungskanal K zur Decodierstufe 21, welche entsprechend der gewählten Decodierung das Fehlersignal und die den Schätzkoeffizieiiten zugeordneten Signale zurückgewinnt. Das Fehlersignal gelangt zu dem modulo 2-Addierer 22, an dessen Ausgang einerseits ein Digital/Analog-Wandler 23 mit der Sprachsignalwiedergabeeinrichtung 24 angeschlossen ist und andererseits der Eingang eines m-stufigen Schieberegisters 81 liegt

Die Stufen des Registers 81 sind zur Aufnahme der

digitalisierten Werte jeweils eines sendeseitigen Abtastwertes vorgesehen. Das an den Ausgängen des Schieberegisters angeschlossene Bewertungsnetzwerk 901 mit den Multipliziergliedern 911 und dem Summierglied 921 entspricht dem Bewertungsnetzwerk 90 der Sendeseite. Die Ausgangssignale des Bewertungsnetzwerkes 901 werden über den zweiten Eingang des Addiergliedes 22 dem übertragenen Fehlersignal hinzuaddiert, so daß das ursprüngliche digitalisierte Sprachsignal zurückgewonnen wird. Die Multiplizierglieder 911 des Bewertungsnetzwerkes werden entsprechend den decodierten Schätzkoeffizienten ai bis a„, eingestellt.

Die Güte der Übereinstimmung des rekonstruierten Signals mit dem analysierten Originalsignal hängt einerseits von der Zahl der Schätzkoeffizienten und andererseits von dem Anteil an nichtlinearen Produkten im Sprachsignal ab. Darüber hinaus spielt die Quantisierung und damit die Genauigkeit der Übertragung des Fehlersignals eine wesentliche Rolle.

Sprachsignale kann man nun qualitativ und auch quantitativ aufteilen in solche Laute, bei denen nach einer kurzen Erregung durch einen Luftstoß die Resonanzen der Artikulationshohlräume gedämpft ausschwingen und in solche, bei denen durch eine fortwährende Erregung dieses ungestörte Ausschwingen verhindert und gestört wird. Ersteres sind im wesentlichen stimmhafte, letzteres hauptsächlich stimmlose Laute.

Dementsprechend wird für stimmhafte Laute eine lineare Prädiktion sehr gut funktionieren, während das bei den stimmlosen Lauten nicht zu erwarten ist. Man ■■> wird deshalb für stimmhafte Laute das Hauptgewicht der Übertragung in die Schätzkoeffizienten legen, während für stimmlose Laute die wesentliche Information in das Fehlersignal gelegt wird. Die Steuerung dieser Informationsverteilung wird im Rechenwerk für

ίο die Koeffizientenanalyse vorgenommen. Dieses Rechenwerk bestimmt gleichzeitig noch die Art der Quantisierung und Codierung von Koeffizienten und Fehlersignal. Zusätzlich soll auch die Anzahl der zu ermittelnden Koeffizienten abhängig vom Signal

ι Ί gesteuert werden. Auf diese Weise ist es möglich, immer eine optimale Übertragung der Information zu ermöglichen. Die Entscheidung über die Art der Übertragung wird im Rechenwerk aus Originalsignal und Fehlersignal gewonnen. Im wesentlichen bestimmen Art und

-'" Amplitude des Fehlersignals diese Aufteilung. Besitzt das Fehlersignal beispielsweise eine hohe Nullstellendichte und/oder hohe Amplituden, so weist das auf das Vorhandensein stimmloser Anteile hin. Ist das Fehlersignal jedoch periodisch an bestimmten Stellen,

-'"' beispielsweise zu Beginn einer Pitchperiode, sehr groß bei relativ kleiner Nullstellendichte, so sind stimmhafte Anteile vr-handen.

Hier/u 2 Blatt Zeichnunecn

Claims (6)

Patentansprüche;

1. Verfahren zur Übertragung von Sprachsignalen mit verminderter Bandbreite, bei dem zunächst die in digitale Form gebrachten Sprachsignale abschnittsweise einem Rechenwerk zur Analyse des Sprachsignals und Berechnung von Schätzkoeffizienten und gleichzeitig einem vom Rechenwerk gesteuerten Netzwerk zur Vorhersage des Signalverlaufs zugeführt werden, wobei mit diesem Netzwerk ein Fehlersignal gebildet wird, und bei dem anschließend Fehlersignal und Schätzkoeffizienten quantisiert einem Codierer zur Übertragung des synthetischen Signals zugeführt werden, dadurch gekennzeichnet, daß die Aufteilung der zu übertragenden Informationsmenge in Schätzkoeffizienten und Fehlersignal und/oder die Quantisierung der Schätzkoeffizienten und des Fehlersignals vom Rechenwerk entsprechend der Art und Amplitude (im Vergleich zum Originalsignal) des Fehlersignals gesteuert wird, wobei für Sprachsignalabschnitte mit periodischem Fehlersignal geringer Nullstellendichte und geringer Amplitude vorwiegend fein quantisierte Schätzkoeffizienten, für Sprachsignalabschnitte ohne oder mit nur geringer Periodizität und hoher Nullstellendichte und hoher Amplitude des Fehlersignals ein vorwiegend fein quantisiertes Fehlersignal und für Sprachsignalabschnrite mit geringer Periodizität eine verminderte Anzahl von Schätzkoeffizienten und grob quantisierte Fehlersignaie und Schätzkoeffizienten übertragen werden.

2. Verfahren nach Anspruch ·, dadurch gekennzeichnet, daß für Sprachsignalabschnitte mit rein periodischem Fehlersignal und geringer Nullstellendichte nur die Schätzkoeffizienten übertragen werden.

3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß für Sprachsignalabschnitte mit fehlender Periodizität und hoher Nullstellendichte nur das Fehlersignal übertragen wird.

4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß zur Übertragung der Schätzkoeffizienten eine Run-Length-Codierung oder eine Adreßkopfcodierung angewendet wird und diese von dem Rechenwerk entsprechend der Art und Amplitude des Fehlersignals so gesteuert bzw. gepuffert wird, daß ein konstanter Informationsfluß entsteht

5. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Aufteilung der übertragenen Information in Fehlersignal und Schätzkoeffizienten vom Rechenwerk so gesteuert wird, daß ein konstanter Informationsfluß entsteht.

6. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Analyse der Schätzkoeffizienten melodiesynchron vorgenommen wird.