T DSP: GSM codec

Transkriptio

1 T DSP: GSM codec

2 Agenda Johdanto Puheenmuodostus Erilaiset codecit GSM codec Kristo Lehtonen GSM codec 1

3 Johdanto Analogisen puheen muuttaminen digitaaliseksi Tiedon tiivistäminen pienemmäksi Vähentää siirrettävien bittien määrää (bit rate) Säilyttää riittävän äänen laadun Nykyhetken puhesovellukset vs. tulevaisuuden multimediasovellukset GSM standardi: 18 kbps Residual Pulse Excitation codec Kristo Lehtonen GSM codec 2

4 Äänentuotanto Nasal cavity GSM phone Pharyngeal cavity Mouth cavity Glottis Lungs Äänikanava äänihuulista suuhun Äänihuulet värähtelevät Perustaajuus (pitch) Kristo Lehtonen GSM codec 3

5 Äänentuotanto Quasi-periodinen Ennustettavuus tärkeää koodauksen kannalta Kristo Lehtonen GSM codec 4

6 Äänentuotanto Suurimmat komponentit formantteja Äänikanavan mallinnus suodattimena Muuttuu hitaasti Korrelaatioita Kristo Lehtonen GSM codec 5

7 Äänentuotanto Ihmiskorvan erottelukyky rajallinen taajuuksista Hz puhelinverkoissa Hz Resoluutiokyky myös rajallinen Herkempi matalilla taajuuksilla Kristo Lehtonen GSM codec 6

8 Epälineaarinen kvantisointi A-laki Voltage amplitude Quantisising value Kristo Lehtonen GSM codec 7

9 Miten hyödyntää puheen ominaisuuksia koodauksessa? Effect of predictive coding and transform coding Relevant Description of channel signal after efficient coding Redundant Effect of amplitude quantisation Non-Redundant Irrelevant Lyhyen ja pitkän ajanjakson korrelaatiot Ennustus (signaalin sijaan koodataan ennustusvirhe) Osa informaatiosta hahmottamisen kannalta irrelevanttia Tehokas kvantisointi Mallinnus suodattimena Kristo Lehtonen GSM codec 8

10 Codecit voidaan luokitella 3 eri ryhmään Aaltomuotokoodaus Pyritään säilyttämään signaalin aaltomuoto Vokoodaus (source coding) Mallinnetaan lähdettä Hybridinen koodaus Aaltomuoto- ja vokoodauksen yhdistelmä Kristo Lehtonen GSM codec 9

11 Aaltomuotokoodaus PCM yksinkertaisin esimerkki Näytteenotto Lineaarinen kvantisointi (12 bit/näyte) vs. A-laki (8 bit/näyte) Ennustus - DPCM r(n) = s(n) s (n) Kvantisointi vaatii vähemmän bittejä σ SNR = 10log σ 2 s 2 r Kristo Lehtonen GSM codec 10

12 Vokoodaus Pitch Generation of impulses Voiced The parameters in the vocal tract Switch Vocal tract as a filter Filtered speech Generation of noise Unvoiced Äänikanavaa mallinnetaan filtterinä Hyvin pieni bit rate, mutta huono äänen laatu Käytössä puhtaassa muodossaan lähinnä armeijasovelluksissa Kristo Lehtonen GSM codec 11

13 Hybridinen koodaus Quality of service Hybrid codecs Excellent Waveform codecs Good Fair Source codecs Poor Bit Rate kbits/s Aaltomuotokoodaus hyvä noin 16 kbit/s asti Vokoodaus hyvin pienillä bit rate:llä AbS, MPS, RPE Kristo Lehtonen GSM codec 12

14 Lyhyen aikavälin ennustus (LPC) Suodattimen herätteenä ei vain soinnillen-soinniton ääni Heräte ennustetaan edeltävien näytteiden lineaarikombinaationa Korrelaatioita alle 16 näytteen etäisyydeltä Minimoidaan virhesignaali kertoimien valinnalla 1 H ( z) = A( z) A( z) = 1+ p k= 1 a k z k Kristo Lehtonen GSM codec 13

15 Pitkän aikavälin ennustus (LTP) Korrelaatioita alle noin näytteen etäisyydeltä Maksimoidaan x[n] ja x[n+n] korrelaatio P( z) =1+ bz N Kristo Lehtonen GSM codec 14

16 GSM-codec -Linear Predictive Coding with Regular Pulse Excitation (LPC-RPE) Error - + Linear prediction 36 bits Synthesis filter 20 ms speech bloc Long-term prediction 36 bits Excitation analysis 188 bits Bit rate 13 kbit/s Jaettu 20 ms lohkoihin ja edelleen 5 ms ala-lohkoihin Jokaisella 20 ms lohkolla oma synteesifiltteri Kristo Lehtonen GSM codec 15

17 GSM-codec -Linear Predictive Coding with Regular Pulse Excitation (LPC-RPE) Bits per 5 ms block Bits per 20 ms block LPC filter 8 parameters 36 LTP filter Delay parameter 7 28 Gain parameter 2 8 Excitation signal Subsampling phase 2 8 Maximum amplitude samples Total 260 bits Myös Half-rate codec olemassa GSM:lle bit rate 5.6 kbit/s Kristo Lehtonen GSM codec 16