DE69611607T2

DE69611607T2 - Quantisierung einer aufgeteilten vorhersagematrix mit spektralparametern zur wirksamen sprachkodierung

Info

Publication number: DE69611607T2
Application number: DE69611607T
Authority: DE
Inventors: Jean-Pierre Adoul; Claude Laflamme; Redwan Salami
Original assignee: Universite de Sherbrooke
Current assignee: Universite de Sherbrooke
Priority date: 1995-04-03
Filing date: 1996-04-02
Publication date: 2001-06-28
Anticipated expiration: 2016-04-03
Also published as: EP0819303A1; AU697256B2; CN1184548A; US5664053A; JP3590071B2; DK0819303T3; BR9604838A; CA2216315A1; ES2156273T3; AU5263396A; CA2216315C; ATE198805T1; WO1996031873A1; AU697256C; JPH11503531A; DE69611607D1; EP0819303B1; CN1112674C

Description

Hintergrund der Erfindung

1. Gebiet der Erfindung

Die Erfindung betrifft eine verbesserte Methode zur Spektralparameter- Quantisierung, die in einer Reihe von Sprach- und/oder Audiokodiermethoden eingesetzt wird.

2. Kurze Beschreibung des Stands der Technik

Die Mehrzahl effizienter digitaler Sprachkodiermethoden mit guten subjektiven Qualitäts/Bitraten-Bilanzen macht Gebrauch von einem linearen Vorhersagemodell, um zeitvariable Spektralinformation zu übertragen.
Eine derartige Methode, die sich in verschiedenen internationalen Normen einschließlich der G729 ITU-T findet, ist die ACELP-Methode [Algebraic Code Excited Linear Prediction (algebraische code-angeregte lineare Vorhersag) [1].
Bei ACELP-älmlichen Methoden wird das abgetastete Sprachsignal in Blöcken von L-Proben verarbeitet, die als Rahmen bezeichnet werden. Eine beliebte Rahmenlänge in zahlreichen Sprachkodiersystemen beträgt z. B. 20 ms. Diese Dauer macht eine Umsetzung in L = 160 Proben bei Telefonsprache (8000 Probenls) oder in L = 320 Proben bei 7-kHz- Breitbandsprache (16 000 Proben/s).
Spektralinformation wird für jeden Rahmen zur Bildung von quantisierten Spektralparameter übertragen, die von dem bekannten linearen Vorhersagemodell der Sprache abgeleitet werden [2, 3], häufig als LPC- Information bezeichnet.
Im Stand der Technik bezüglich Rahmen zwischen 10 und 30 ms betrifft die pro Rahmen übertragene LPC-Information ein einzelnes Spektralmodell.
Die Genauigkeit der Übertragung des zeitvariablen Spektrums innerhalb einer 10 ms betragenden Auffrischrate ist natürlich besser als bei einer 30 ms betragenden Auffrischrate, allerdings ist der Unterschied die Verdreifachung der Kodierrate nicht Wert.
Die vorliegende Erfindung umgeht das die Dilemma der Spektralgenauigkeit/Kodierrate daduch, daß sie zwei Methoden miteinander kombiniert, nämlich: Matrixquantisierung, die bei Anwendungen mit sehr geringer Bitrate verwendet wird, bei denen LPC-Modelle aus mehreren Rahmen gleichzeitig quantisiert werden [4] und eine Erweiterung auf die Matrix der Zwischen-Rahmenvorhersage [5].

Druckschriften

[1] US Patent No. 5,444,816, vom 22. August 1995 unter dem Titel "Dynamic Codebook for Efficient Speech Coding Based on Algebraic Code", J-P. Adoul & C. Laflamme, als Erfinder.
[2] J. D. Markel & A. H. Gray, Jr. "Linear Prediction of Speech", Springer Verlag, 1976.
[3] S. Saito & K. Nakata "Fundamentals of Speech Signal Processing", Academic Press, 1985.
[4] C. Tsao & R. Gray "Matrix Quantizer Design for LPC-Speech Using the Generalized Lloyd Algorithm", IFEEE Trans. ASSP Band 33, Nr. 3, Seiten 537-545, Juni 1985.
[5] R. Salami, C. Laflamme, J-P. Adoul & D. Massaloux "A toll quantity 8Kb/s Speech Codec for the Personal Communications System (PCS)", IEEE Transactions on Vehicular Technology, Band 43, Nr. 3, Seiten 808-816, August 1994.

Ziele der neuen Erfindung

Hauptziel der Erfindung ist ein Verfahren zum Quantisieren von mehr als einem Spektralmodell pro Rahmen ohne oder allenfalls nur mit geringer Steigerung der Kodierrate in Bezug auf die Einzelspektralmodell-Übertragung. Aus diesem Grund erreicht diese Erfindung eine genauere zeitvariable Spektraldarstellung ohne die Kosten einer signifikanten Steigerung der Kodierrate.

Offenbarung der Erfindung

Die vorliegende Erfindung schafft ein Verfahren zum effizienten Quantisieren von N LPC-Spektralmodellen pro Rahmen. Dieses Verfahren hat den Vorteil, daß es die Spektralgenauigkeit-/Kodierraten-Bilanz in einer Vielfalt von Methoden verbessert, die zur digitalen Kodierung von Sprach- und/oder Audiosignalen verwendet werden.
Insbesondere schafft die Erfindung ein Verfahren zum gemeinsamen Quantisieren von N LPC-Spektralmodellen pro Rahmen eines abgetasteten Tonsignals, wobei N > 1, mit dem Ziel der Verbesserung einer Spektralgenauigkeit-/Kodierraten-Bilanz im Rahmen eines Verfahrens zum digitalen Kodieren des Tonsignals, umfassend folgende Schritte:
(a) Bilden einer Matrix F mit N Reihen, die N Vektoren definieren, repräsentativ für die N LPC-Spektrahnodelle;
(b) Entfernen einer zeitvariablen Vorhersagematrix P aus der Matrix F, basierend auf zumindest einem vorausgehenden Rahmen, um eine Restmatrix R zu erhalten; und
(c) Vektorquantisieren der Restmatrix R.
Die Verringerung der Komplexität der Vektrorquantisierung der Matrix R wird ermöglicht durch Unterteilen der Matrix R in q Teilmatritzen mit N Reihen und die unabhängige Vektorquantisierung jeder Teilmatrix.
Die zeitvariable Vorhersagematrix P, die bei diesem Verfahren angewendet wird, läßt sich unter Verwendung eines nicht-rekursiven Vorhersageverfahrens gewinnen. Ein äußerst wirksamen Verfahren zum Berechnen der zeitvariablen Vorhersagematrix P wird durch folgende Formel ausgedrückt:
P = A Rb'
wobei A eine M·b-Matrix ist, deren Komponenten skalare Vorhersagekoeffizienten sind, und wobei Rb' die b·M-Matrix aus mindestens b Reihen der Matrix R' ist, resultierend aus der Vektorquantisierung der R-Matrix des vorausgehenden Rahmens.
Man beachte, daß diese zeitvariable Vorhersagematrix P auch mit Hilfe eines rekursiven Vorhersageverfahrens gewonnen werden kann.
Bei einer Variante des Verfahrens, die die Kodierrate und die Komplexität senkt, entsprechen die N LPC-Spektralmodelle pro Rahmen N Teilrahmen mit eingestreuten m-1 Teilrahmen, wobei die N (m-1) LPC- Spektralmodellvektoren entsprechend den eingestreuten Teilrahmen mit Hilfe linearer Interpolation gewonnen werden.
Schließlich ergeben sich die N Spektralmodelle pro Rahmen aus der LPC-Analyse, die von verschiedenen Fensterformen Gebrauch machen kann, abhängig von der Reihenfolge des speziellen Spektralmodells innerhalb des Rahmens. Diese Maßnahme, beispielhaft dargestellt in Fig. 1, dient zur Bereitstellung des größten Teils der verfügbaren Information, insbesondere dann, wenn kein oder nur ein unzureichender "Vorgriff" auf zukünftige Proben (jenseits der Rahmengrenze) gestattet ist.

Kurze Beschreibung der Zeichnungen

In den begleitenden Zeichnungen zeigen:
Fig. 1 eine typische Rahmen- und Fensterstruktur, wobei ein 20 ms dauernder Rahmen mit L = 180 Proben unterteilt ist in zwei Teilrahmen, denen Fenster verschiedener Formen zugeordnet sind;
Fig. 2 ein schematisches Blockdiagramm der bevorzugten Ausführungsform.

Detaillierte Beschreibung der bevorzugten Ausführungsform

Die Erfindung beschreibt ein kodierraten-effizientes Verfahren zum gemeinsamen und differenzierten Kodieren von N (N > 1) Spektralmodellen pro verarbeitetem Rahmen aus L = N · K Proben; ein Rahmen ist in N Teilrahmen mit der Größe K unterteilt. Das Verfahren ist bei einer Vielfalt von Methoden nützlich, die zur digitalen Kodierung von Sprache und/oder Audiosignalen verwendet werden, so z. B. - allerdings ohne Beschränkung - stochastische Methoden oder algebraische kode-angeregte lineare Vorhersagemethoden, Wellenforminterpolation, harmonische/ stochastische Kodiermethoden.
Das Verfahren zum Extrahieren linearer Vorhersagekodier-(LPC)-Spektralmodelle aus dem Sprachsignal ist auf dem Gebiet der Sprachkodierung bekannt [1, 2]. Bei der Telefonsprache werden typischerweise LPC- Modelle in der Größenordnung M = 10 verwendet, während Modelle der Ordnung M = 16 oder höher für breitbandige Sprachanwendungen bevorzugt werden.
Um ein LPC-Spektralmodell der Ordnung M entsprechend einem gegebenen Teilrahmen zu gewinnen, wird auf die abgetastete Sprache ein um den gegebenen Teilrahmen herum zentriertes Analysefenster mit der Länge von LA Abtastungen angewendet. Die auf den Eingabeproben entsprechend den LA Fenstern basierende LPC-Analyse liefert einen Vektor f mit M reellen Komponenten, die das Sprachzentrum des Teilrahmens charakterisieren.
Typischerweise wird ein um den Teilrahmen zentriertes Standard-Hamming-Fenster mit einer Fenstergröße LA verwendet, üblicherweise größer als die Teilrahmengröße K. In einigen Fällen ist es vorzuziehen, unterschiedliche Fenster zu verwenden, abhängig von der Lage des Teilrahmens innerhalb des Rahmens. Dieser Fall ist in Fig. 1 dargestellt. In dieser Figur ist ein 20 ms langer Rahmen aus L = 160 Stichproben in zwei Teilrahmen der Größe K = 80 unterteilt. Der Teilrahmen #1 verwendet ein Hamming-Fenster. Der Teilrahmen #2 verwendet ein asymmetrisches Fenster, da die jenseits der Rahmengrenze liegenden künftigen Sprachproben zur Zeit der Analyse nicht zugänglich sind, oder, in der Sprache der Sprachexperten ausgedrückt: es ist kein oder nur ein unzureichender "Vorgriff" ermöglicht. In Fig. 1 wird das Fenster #2 durch Kombinieren eines halben Hamming-Fensters mit einem viertel Cosinus-Fenster erhalten.
In der Sprachkodierungsliteratur sind verschiedene äquivalente M-Dimensionaldarstellungen LPC-Spektalmodells f verwendet. Sie beinhalten die "Partial-Korrelationen", die "log-Flächenverhältnisse", das LPC- Cepstrum und die Linienspektrumfrequenzen (LSF; Line Spectrum Frequencies).
In der bevorzugten Ausführungsform wird von der LSF-Darstellung ausgegangen, wenngleich das beschriebene erfindungsgemäße Verfahren auf jede äquivalente Darstellung des LPC-Spektralmodells anwendbar ist, einschließlich der bereits erwähnten Modelle, wobei jeweils minimale Anpassungen vorgenommen werden, die dem Fachmann auf dem Gebiet der Sprachkodierung geläufig sind.
Fig. 2 zeigt die Schritte beim gemeinsamen Quantisieren von N Spektralmodellen eines Rahmens gemäß der bevorzugten Ausführungsform.
SCHRITT 1: Es wird eine einen LSF-Vektor t liefernde LPC-Analyse für jeden Teilrahmen i (i = 1, ....N) durchgeführt (parallel oder sequentiell).
SCHRITT 2: Aus den extrahierten LSF-Vektoren, die als Reihenvektoren hergenommen werden, wird ein Matrix F der Größe N · M gebildet.
SCHRITT 3: Die mittlere Matrix wird aus F entfernt, um eine Matrix Z der Größe N · M zu bilden. Reihen der mittleren Matrix sind miteinander identisch, und das j-te Element in einer Reihe ist der erwartete Wert der j-ten Komponente von aus der LPC-Analyse resultierenden LSF-Vektoren.
SCHRITT 4: Aus der Matrix Z wird eine Vorhersagematrix P entfernt, um eine Restmatrix R der Größe N · M zu erhalten. Die Matrix P liefert die wahrscheinlichsten Werte, die Z auf der Grundlage der vergangenen Rahmen annimmt. Die Prozedur zum Gewinnen von P wird in einem nachfolgenden Schritt detailliert ausgeführt.
SCHRITT 5: Die Restmatrix R wird in q Teilmatritzen aufgeteilt, um die Quantisierungskomplexität zu verringern. Insbesondere wird R auf folgende Weise unterteilt:
R : [V&sub1;, V&sub2; ... Vq]
wobei Vi eine Teilmatrix der Größe N · m; in der Weise ist, daß ml + m&sub2; ... + mq = M ist.
Jede als ein N x ml-Vektor betrachtete Teilmatrix Vi ist ein Vektor, der separat quantisiert ist, um sowohl den zu dem Dekodierer übertragenen Quantisierungsindex als auch die dem Index entsprechende quantisierte Teilmatrix Vi' zu bilden. Die quantisierte Restmatrix R' wird rekonstruiert als
R' = [V&sub1;',V&sub2;' ...Vq'].
Man beachte, daß diese Rekonstruktion ebenso wie die nachfolgenden Schritte im Dekodierer in der gleichen Weise ausgeführt werden.
SCHRITT 6: Die Vorhersagematrix P wird auf R' zurückaddiert, um Z' zu bilden.
SCHRITT 7: Die mittlere Matrix wird aufaddiert, um die quantisierte Matrix F' zu gewinnen. Die i-ten Reihen der Matrix F' bilden das (quantisierte) Spektralmodell fi' des Teilrahmens i, der von der zugehörigen Sprachkodiertechnik gewinnbringend genutzt werden kann. Man beachte, daß die Übertragung des Spektralmodells fi' deshalb eine minimale Kodierrate erfordert, weil es differenziert und gemeinsam mit den übrigen Teilrahmen quantisiert ist.
SCHRITT 8: Der Zweck dieses abschließenden Schritts besteht darin, diejenige Vorhersagematrix P zu ermitteln, die bei der Verarbeitung des nachfolgenden Rahmens verwendet wird. Aus Gründen der Klarheit verwenden wir einen Rahmenindix n. Die Vorhersagmatrix Pn+1 läßt sich entweder auf rekursive oder auf nicht-rekursive Weise gewinnen.
Das rekursive Verfahren, welches intuitiver ist, arbeitet als eine Funktion g der vergangenen Zn'Vektoren, nämlich
Pn+1 = g(Zn', Zn-1' ...).
Bei der in Fig. 2 gezeigten Ausführungsform wurde das nicht-rekursive Verfahren deshalb bevorzugt, weil es eine ihm eigene Widerstandsfähigkeit gegenüber Kanalfehlern hat. In diesem Fall läßt sich der allgemeine Fall mit Hilfe der Funktion h der vergangenen Rn'-Matrix ausdrücken:
Rn+1 = h(Rn', Rn-1' ...).
Die vorliegende Erfindung offenbart weiterhin, daß die nachfolgende einfache Ausführungsform der h-Funktion die umfassendste Vorhersageinformation erfaßt.
Pn+1 = A Rb'
P = A Rb'
wobei A eine M · b-Matrix ist, deren Komponenten skalare Vorhersagekoeffizienten sind und wobei Rb' die b · M-Matrix aus den letzten b Reihen der Matrix R' ist. (d. h.: entsprechend den letzten b Teilrahmen des Rahmens n).
Interpolierte Teilrahmen: wir beschreiben nun ein eine Variante des grundlegenden Verfahrens gemäß der Erfindung, die etwas Kodierrate einspart und Komplexität vereinfacht, wenn ein Rahmen in zahlreiche Teilrahmen unterteilt wird.
Man betrachtet den Fall, daß Rahmen in Nm Teilrahmen unterteilt sind, wobei N und m ganze Zahlen sind (z. B.: 12 = 4 · 3 Teilrahmen).
Um sowohl Kodierrate als auch Quantisierungskomplexität einzusparen, wird das oben beschriebene "vorausschauende Teilmatrixquantisierungs"- Verfahren angewendet auf lediglich N Teilrahmen mit eingestreutem m-1 Teilrahmen, für die von linearer Interpolation Gebrauch gemacht wird.
Genauer gesagt: die Spektralmodelle, deren Index ein Vielfaches von m ist; werden mit Hilfe der Vorhersage-Teilmatrixquantisierung quantisiert.
fm quantisiert zu fm'
f2m quantisiert zu f2m
fkm quantisiert zu fkm'
... ...
fNm quantisiert zu fNm'.
Man beachte, daß k = 1, 2 ... N ein natürlicher Index für diese Spektralmodelle ist, welche auf diese Weise quantisiert wurden.
Wir wenden uns nun der "Quantisierung" der übrigen Spektralmodelle zu. Zu diesem Zweck bezeichnet wir mit f0' das quantisierte Spektralmodell des letzten Teilrahmens des vorausgehenden Rahmens (d. h. für den Fall k = 0). Spektralmodelle mit Index in der Form i = km + j (d. h. j ≠ 0) werden mit Hilfe der linearen Interpolation fkm' und f(k+1)m' folgendermaßen "quantisiert":
fkm+j' = j/m fkm' + (m-j)/m f(k+1)m'
wobei die Verhältnisse j/m und (m j)/m are Interpolationsfaktoren benutzt werden.
Die Erfindung ist nicht auf die Behandlung eines Sprachsignals beschränkt, andere Arten von Tonsignalen können ebenfalls bearbeitet werden, so z. B. ein Audiosignal. Solche Abwandlungen, die an dem Grundprinzip festhalten, liegen offensichtlich in dem Schutzumfang der Erfindung, wie er durch die beigefügten Ansprüche definiert ist.

Claims

1. Verfahren zum gemeinsamen Quantisieren von N LPC-Spektralmodellen (f1,n; f2,n; ...; fN,n) pro Rahmen eines abgetasteten Tonsignals, wobei N ≥ 1, um bei einer Methode zum digitalen Codieren des Tonsignals eine Spektralgenauigkeits-/Codierratenbilanz zu verbessern, umfassend folgende Schritte:

(a) Bilden (1, 2) einer Matrix F mit N Reihen, die N Vektoren (f1,n; f2,N; ...; fN,n) definieren, repräsentativ für die N LPC-Spektralmodelle;

(b) Entfernen einer zeitvariablen Vorhersagematrix P aus der Matrix F, basierend auf zumindest einem vorausgehenden Rahmen, um eine Restmatrix R zu erhalten; und

(c) Vektorquantisieren (3) der Restmatrix R.

2. Verfahren nach Anspruch 1, bei dem zum Verringern der Komplexität der Vektorquantisierung (3) der Restmatrix R, der Schritt (c) die Schritte des Aufteilens der Restmatrix R in eine Anzahl q Teilmatritzen mit N Reihen, und der Vektorquantisierung jeder Teilmatrix umfaßt.

3. Verfahren nach Anspruch 1 oder 2, umfassend den Schritt des Erhaltens der zeitvariablen Vorhersagematrix P unter Verwendung eines nicht-rekursiven Vorhersageverfahrens.

4. Verfahren nach Anspruch 3, bei dem das nicht-rekursive Vorgersageverfahren besteht aus dem Berechnen (4) der zeitvariablen Vorhersagematrix P entsprechend der Formel

P = A Rb'

wobei A eine M x b-Matrix, mit M und b als ganze Zahlen, ist, deren Komponenten Skalar-Vorhersagekoeffizienten sind, und wobei Rb' eine b · M-Matrix aus den letzten b Reihen einer Matrix R' ist, resultierend aus der Vektorquantisierung der Restmatrix R des vorausgehenden Rahmens.

5. Verfahren nach Anspruch 1 oder 2, umfassend den Schritt des Erhaltens (4) der zeitvariablen Vorhersagematrix P unter Verwendung eines rekursiven Vorhersageverfahrens.

6. Verfahren nach einem der Ansprüche 1 bis 5, bei dem die N LPC- Spektralmodelle (f1,n; f2,n; ...; fN,n) pro Rahmen n Teilrahmen mit m-1 eingestreuten Teilrahmen - m ist eine ganze Zahl - entsprechen, und bei dem die Vektoren, die repräsentativ sind für die den eingestreuten Teilrahmen entsprechenden LPC-Spaktralmodelle, unter Einsatz linearer Interpolation erhalten werden.

7. Verfahren nach einem der Ansprüche 1 bis 5, bei dem die N LPC- Spektralmodelle (f1,n; f2,n; ...; fN,n) pro Rahmen aus einer LPC- Analyse unter Einsatz verschiedener Fensterformen nach Maßgabe der Reihenfolge eines speziellen Spektralmodells innerhalb des Rahmens resultieren.

8. Verfahren nach einem vorhergehenden Anspruch, weiterhin umfassend den Schritt des Zurückaddierens der zeitvariablen Vorhersagematrix P auf die vektorquantisierte Restmatrix R', um eine quantisierte Matrix Z' zu erhalten.

9. Verfahren nach einem der Ansprüche 1 bis 7, bei dem

das Verfahren vor dem Schritt (b) den Schritt beinhaltet, bei dem aus der Matrix F ein Konstantmatrixterm entfernt wird, um eine Matrix Z zu erhalten; und

der Schritt (c) das Beseitigen der zeitvariablen Vorhersagematrix P aus der Matrix Z beinhaltet, um die Restmatrix R zu erhalten.

10. Verfahren nach Anspruch 9, weiterhin umfassend die Schritte:

Zurückaddieren der zeitvariablen Vorhersagematrix P auf die vektorquantisierte Matrix R', um eine quantisierte Matrix Z' zu erhalten; und

Zurückaddieren des Konstantmatrixterms auf die quantisierte Matrix Z', um eine Matrix F' zu erhalten, die repräsentativ ist für die N quantisierten LPC-Spektralmodelle (f1,n; f2,n; ...; fN,n).