EP0361432B1 - Verfahren und Einrichtung zur Codierung und Decodierung von Sprachsignalen unter Anwendung von Multipuls-Anregung - Google Patents

Verfahren und Einrichtung zur Codierung und Decodierung von Sprachsignalen unter Anwendung von Multipuls-Anregung Download PDF

Info

Publication number
EP0361432B1
EP0361432B1 EP89117837A EP89117837A EP0361432B1 EP 0361432 B1 EP0361432 B1 EP 0361432B1 EP 89117837 A EP89117837 A EP 89117837A EP 89117837 A EP89117837 A EP 89117837A EP 0361432 B1 EP0361432 B1 EP 0361432B1
Authority
EP
European Patent Office
Prior art keywords
signal
long
term
gain
excitation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
EP89117837A
Other languages
English (en)
French (fr)
Other versions
EP0361432A2 (de
EP0361432A3 (en
Inventor
Maurizio Omologo
Daniele Sereno
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SIP SAS
Italtel SpA
TIM SpA
Original Assignee
SIP SAS
Italtel SpA
Italtel Societa Italiana Telecomunicazioni SpA
SIP Societa Italiana per lEsercizio delle Telecomunicazioni SpA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SIP SAS, Italtel SpA, Italtel Societa Italiana Telecomunicazioni SpA, SIP Societa Italiana per lEsercizio delle Telecomunicazioni SpA filed Critical SIP SAS
Publication of EP0361432A2 publication Critical patent/EP0361432A2/de
Publication of EP0361432A3 publication Critical patent/EP0361432A3/en
Application granted granted Critical
Publication of EP0361432B1 publication Critical patent/EP0361432B1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/10—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a multipulse excitation

Definitions

  • the present invention concerns medium-low bit-race speech signal coding systems, and more particularly it relates to a coding-decoding method and device using a multipulse analysis-by-synthesis excitation technique.
  • Multipulse linear prediction coding is one of the most promising techniques for obtaining high quality synthetic speech at bit rates below 16 kbit/s. This technique has been originally proposed by B. S. Atal and J. R. Remde in the paper entitled “A new method of LPC excitation for producing natural-sounding speech at low bit rates", International Conference on Acoustic, Speech, Signal Processing (ICASSP), pages 614-617, Paris, 1982.
  • IICASSP International Conference on Acoustic, Speech, Signal Processing
  • the excitation signal for the synthesis filter consists of a train of pulses whose amplitudes and time positions are determined so as to minimize a perceptually-meaningful distorsion measurement; such a measurement is obtained by comparing the samples at the synthesis filter output with the original speech samples and simultaneous weighting the difference by a function which takes into account how the human perception evaluates the distorsion introduced (analysis-by-synthesis procedure).
  • the synthesizer comprises the cascade of a long-term and a short-term synthesis filter are of particular interest: in fact they provide signals whose quality gradually decreases as the bit rate decreases and do not present a dramatic performance deterioration below a threshold rate.
  • the invention provides a method and a device allowing quality to be increased leaving the bit rate unchanged or a given quality to be maintained even at lower bit rate.
  • This can be achieved by using a combined optimization technique, of sequential type, of the parameters of the long-term synthesis filter and of the excitation within the analysis-by-synthesis procedure; the sequential procedure is sub-optimum with respect to the original optimum one, but it is easier to be implemented.
  • a method is provided where an optimization of parameters according to the particular error minimization procedure is used, which is a closed loop analysis.
  • the terms "open loop analysis” and “closed loop analysis” are here used as explained e.g. in IEEE Journal on Selected Areas in communications, Vol. 6 No. 2, Feb. 1988, p.353-363, Kroon and Deprettere.
  • the long-term analysis means are apt to determine said lag and gain in two successive steps, preceding a step in which the amplitudes and positions of the excitation pulses are determined by said excitation generator, and comprise: a second long-term synthesis filter, which is fed with a null signal and in which, for the computation of the lag, there is used
  • a generic speech signal coding-decoding system can be schematized by a coder COD, a transmission channel CH and a decoder DEC.
  • coder COD receives digital samples s(n) of the original speech signal, organized into frames comprising each a predetermined number of samples, and sends onto channel CH, for each sample frame, the coding of a suitable representation ⁇ (k) of a group of linear prediction coefficients a(k) obtained by a short-term analysis of the speech signal, the coded amplitudes and positions A(i), Cp of the pulses forming the excitation signal, the coded r.m.s. values ⁇ (i) of the excitation pulses, and the codings of two parameters (gain B and lag M) determined by the long-term analysis.
  • Decoder DEC reconstructs the excitation and generates a synthesized speech signal on the basis of the reconstructed excitation, the linear prediction coefficients reconstructed starting from the transmitted representation thereof, and long-term analysis parameters.
  • the digital sample frames, present on connection 1 are supplied to a spectral shaping circuit SW and to a short-term analysis circuit STA.
  • Spectral shaping circuit SW performs a frequency-shaping of the speech signal in order to render the differences between the original and the reconstructed speech signals less perceptible in correspondence with the formants of the original speech signal.
  • Such a circuit consists of a pair of cascaded digital filters F1, F2, whose transfer functions, in z transform, are given in a non-limiting example respectively by relations where z represents a sampling interval delay; â(k) is a quantized linear prediction coefficient vector (1 ⁇ k ⁇ p, where p is the filter order) reconstructed from the coded representation of the linear prediction coefficients obtained as short-term analysis result; ⁇ is an experimentally determined constant correcting factor, determining the bandwidth increase around the formants.
  • a signal r(n) hereinafter referred to as “residual signal”
  • spectrally shaped speech signal s w (n) is obtained on output connection 3 of F2: both signals are used in long-term analysis.
  • Short-term analysis circuit STA is to determine linear prediction coefficients a(k), which depend on short-term correlations deriving from a non-flat spectral envelope of speech signal. Circuit STA calculates coefficients a(k) according to the classical autocorrelation method, as described in "Digital Signal Processing of Speech Signals" by L.R. Rabiner and R.W. Schafer (Prentice-Hall, Englewood Cliffs, N.J., USA, 1978), page 401, and uses to this aim a set of digital samples s h (n) which can comprise, besides the samples of the current frame, a certain number of samples of both the preceding and the following frames.
  • Block STA also comprises circuits for transforming the coefficients into a group of parameters ⁇ (k) in the frequency domain, known as "line spectrum pairs", which are presented on output 5 of STA.
  • line spectrum pairs denote the resonant frequencies at which the acoustic tube, the vocal tract can be assimilated to, exhibits a line spectrum structure under extreme boundary conditions corresponding to complete opening and closure at the glottis.
  • the conversion of linear prediction coefficients into line spectrum pairs is described e.g. by N. Sugamura and F.Itakura in the paper "Speech analysis and synthesis method developed at ECL in NTT - From LPC to LSP", Speech Communication, Vol.5, No.2, June 1986, pages 199-215.
  • Line spectrum pairs ⁇ (k) or the differences ⁇ between adjacent line pairs are then vectorially quantized in a vector quantization circuit VQ exploiting techniques of the type described in published European Patent application EP-A-186763 (CSELT), applied to a set of codebooks.
  • CSELT published European Patent application EP-A-186763
  • That vector instead of being coded by a single word with that number of bits, is quantized by a group of words of smaller size chosen out of suitable sub-codebooks.
  • the modality of quantization of the above patent application are applied to obtain each of said words.
  • vector quantizer VQ is one of the characteristics of the present invention and allows a reduction in the number of bits necessary to code the results of the short-term analysis, while maintaining the same quality of the coded signal, from about 36-34 bits (scalar quantization) to 24 (vector quantization).
  • differences ⁇ organized into three vectors of 3, 3 and 4 components respectively, may be quantized with 24 bits organized into three groups of 256 words, each group corresponding to one of said vectors.
  • the indices of the vectors are sent by VQ on a connection 6 which belongs to channel CH.
  • a circuit DCO obtains from said indices quantized linear prediction coefficients â(k) which are supplied, through connection 4, to filters F1, F2 or circuit SW, to an excitation generator EG and to a long-term analysis circuit LTA.
  • LTA supplies information dependent on the fine spectral structure of the signal, which information is used to make the synthesized signal more natural-sounding.
  • the samples relevant to M preceding sampling instants weighted by a weighting factor (gain) 3, are used.
  • LTA is just to determine both M and B.
  • Lag M in case of a voiced sound, corresponds to the pitch period.
  • the lag can range from 20 to 83 samples and it is updated every frame. The gain is on the contrary updated every half frame.
  • Values M and B are emitted on a connection 7 and are supplied to excitation generator EG which also receives, through a connection 8, a signal s we (n), obtained from s w (n) in a manner which will be described hereinafter. Values M and B are also sent to a coder LTC, which transfers the coded signals onto a connection 9 belonging to channel CH.
  • LTC liquid crystal display
  • Long-term analysts circuit LTA performs a closed-loop analysis as a part of the procedure for determining the pulse positions, with modalities allowing a good coder performance to be maintained even if a sub-optimum procedure is used, as will be better described hereinafter.
  • Excitation generator EG is to supply the sequence of Ns pulses (e.g. 6), distributed within a time period Ls (more particularly corresponding to half a frame), forming the excitation signal; such a signal is computed so as to minimize a mean squared error, frequency shaped as mentioned, between the original signal and the reconstructed one.
  • Ns pulses e.g. 6
  • Ls more particularly corresponding to half a frame
  • Excitation generator EG supplies, through a connection 10, the pulses it has generated to a circuit PAC coding the amplitudes and the positions of such pulses, which circuits calculate and code also the r.m.s. values of said pulses.
  • the coded values ⁇ (i), A(i) (1 ⁇ i ⁇ Ns) and Cp are emitted on a connection 11, also belonging to channel CH.
  • circuit PAC The structure of circuit PAC is known to the skilled in the art.
  • an excitation decoder ED reconstructs the excitation starting from the coded values ⁇ (i), A(i), Cp.
  • reconstructed excitation pulses ê are supplied by ED to a long-term synthesis filter LTP1 which, together with a short-term synthesis filter STP, forms synthesizer SYN.
  • Reconstructed residual signal r ⁇ is present at the output of LTP1 and is sent via a connection 14 to short-term synthesis filter STP.
  • This is a filter whose transfer function in z transform is 1/A(z), where A(z) is the function already examined for filter F1 of spectral shaping circuit SW.
  • Coefficients â(k) for filter STP are supplied through a connection 15 from a circuit STD, which reconstructs them by decoding the information relevant to line spectrum pairs.
  • Filter STP emits on connection 16 the reconstructed or synthesized speech signal ⁇ .
  • the optimum solution would be determining, for each pair of possible values m, b of the lag and gain used to determine the optimum values M, B to be exploited in the synthesis, the combination of excitation pulses, gain and lag minimizing the mean squared error between the original signal and the reconstructed signal.
  • the optimum solution is too complex and hence, according to the invention, the determination of M and B is separated from that of the excitation pulses There are hence two successive operation phases.
  • M, B of m and b are to be found which minimize mean squared error between frequency-shaped speech signal s w (n) and a signal s w0 (n) obtained by weighting, in the same way as the residual signal, a signal r0 obtained as a response from a long-term synthesis filter (similar to the one of the synthesizer), when at the filter input a zero has been forced (long-term synthesis filter memory).
  • a predetermined value b is allotted to the gain and the error is minimized for each value m of lag: once found optimum lag M, the successive step is that of determining the optimum gain B.
  • value B of b is chosen which renders E(M, b) minimum.
  • B is computed every half frame, and hence also the excitation pulses will be computed every half frame.
  • Fig. 3 shows a block diagram of the devices of LTP and EG in case signal 0 is used to determine M and B.
  • a synthesis filter LTP2 having a transfer function similar to that of LTP1 (Fig. 1), is fed with a null signal.
  • filter LTP2 successively uses the different values m and, for each of them, an optimum value b(ott) which is implicitly obtained in the above-mentioned derivative operation.
  • B LTP2 uses value M of the lag determined in the preceding step and different values b.
  • Values m and b are supplied to LTP2 by a processing unit CMB, carrying out the computations and comparisons mentioned above.
  • Signal r0 is present on output 20 of LTP2.
  • Output 20 is connected to a first input of a multiplexer MX1 receiving at a second input the residual signal r(n) present on connection 2, and letting through signal r0 or signal r depending on the relative value of m and n.
  • signal 0 is present on output connection 21 of MX1, and that signal is delayed by a time equal to m samples in a delay element DL1 before being sent to CMB.
  • the latter receives also signal r(n) and, for each frame and for all values m, calculates function R'(m) and determines the value M of m which maximizes such function.
  • the value is stored into a register RM and made available on wires 7a of connection 7.
  • Output 20 of LTP2 is also connected to a weighting filter F3, which is enabled only while B is being computed and has the same transfer function 1/ A(z/ ⁇ ) as filter F2 in SW (Fig. 1).
  • Filter F3 weights signal r0 (or r'0, when the gain used in LTP2 is 1) giving at output 22 signal s w0 (s' w0 ).
  • the latter is supplied at an input of an adder SM1 where it is subtracted from signal s w coming from spectral shaping filter SW (Fig. 1) via connection 3.
  • SM1 supplies on output 8 signal s we .
  • device CMB determines, every half frame, value B of b which minimizes E and stores it into register RB which keeps it available, for the whole half frame, on a group of wires 7b of connection 7.
  • Values B, M computed by CMB are supplied to LTC (Fig.1) and to a long-term synthesis filter LTP3 which is part of the excitation generator EG and is followed by a weighting filter F4.
  • Filters LTP3, F4 have transfer functions similar to those of LTP1 and F2, respectively;
  • LTP3 is fed, during the analysis-by-synthesis procedure, with the excitation pulses e(i) supplied via connection 10 by a processing unit CE which sequentially determines the positions and the amplitudes of the various pulses.
  • F4 emits on output 24 signal ⁇ we which is supplied to a first input of an adder SM2 receiving at a second input signal s we outgoing from SM1. The difference between the two signals is then supplied via connection 25 to CE, which determines pulses e(i) by minimizing mean squared error dw.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Analogue/Digital Conversion (AREA)
  • Dc Digital Transmission (AREA)

Claims (6)

  1. Verfahren zur Sprachsignalkodierung und -dekodierung unter Anwendung einer Mehrfachimpulserregungs-Technik mit Analyse durch Synthese, wobei dieses Verfahren eine Kodierungsphase mit den folgenden Verfahrens schritten umfaßt:
    - Umwandlung des Sprachsignals in Rahmen digitaler Abtastwerte [s(n)];
    - kurzfristige Analyse des Sprachsignals zur Bestimmung einer Gruppe von Linearvorhersage-Koeffizienten [a(k)] (k=1,...,p), die sich auf einen laufenden Rahmen beziehen, und deren Wiedergabe als Linienspektrumspaare;
    - Kodierung dieser Wiedergabe der Linearvorhersage-Koeffizienten und Erhalten quantisierter Linearvorhersage-Koeffizienten [â(k)] aus dieser Wiedergabe;
    - spektrale Formung des Sprachsignals durch Gewichten der digitalen Abtastwerte [s(n)] in einem Rahmen durch eine erste Gewichtungsfunktion A(z), und eine zweite Gewichtungsfunktion 1/A(z/γ), wobei
    Figure imgb0023
     und wobei die Gewichtung durch die erste Gewichtungsfunktion ein Restsignal [r(n)] erzeugt, das dann von der zweiten Funktion gewichtet wird, um ein spektral geformtes Sprachsignal [sw(n)] zu erzeugen;
    - langfristige Analyse des Sprachsignals durch Verwendung des Restsignals [r(n)] und des spektral geformten Signals [sw(n)] zur Bestimmung des Nachlaufs (M), der einen laufenden Abtastwert von einem vorhergehenden Abtastwert [r(n-M)] trennt, der dazu verwendet wird, den gegenwärtigen Abtastwert zu verarbeiten, sowie der Verstärkung (B), mit der dieser frühere Abtastwert für die Verarbeitung gewichtet wird;
    - Bestimmung der Positionen und Amplituden der Erregungsimpulse durch Auswerten der Ergebnisse der kurzfristigen Analyse und der langfristigen Analyse;
    - Kodierung der Werte des Nachlaufs und des verstärkungsfaktors der langfristigen Analyse sowie der Amplituden und Positionen der Erregungsimpulse, wobei die kodierten Werte gemeinsam mit der kodierten Wiedergabe der Linearvorhersage-Koeffizienten und mit den kodierten Effektivwerten der Erregungsimpulse das kodierte Sprachsignal ergehen;
       und eine Dekodierungsphase umfaßt, in der:
    - die Erregung ausgehend von den kodierten Werten der Amplituden, der Positionen und der Effektivwerte der Impulse rekonstruiert wird und ein synthetisiertes Sprachsignal [ŝ(n)] durch Hindurchleiten der rekonstruierten Erregung (ê) durch ein langfristiges Synthesefilter 1/(1-B·z-M), dem ein kurzfristiges Synthesefilter 1/A(z) folgt, erzeugt wird, wobei diese Filter die langfristigen Analyseparameter bzw. die quantisierten Linearvorhersage-Koeffizienten auswerten;
    - wobei die langfristige Analyse und die Erregungsimpulserzeugung in aufeinanderfolgenden Schritten durchgeführt werden, in deren erstem Schritt der Nachlauf (M) und der Verstärkungsfaktor (B) der langfristigen Analyse durch Minimierung eines mittleren quadratischen Fehlers zwischen dem spektral geformten Sprachsignal [sw(n)] und einem Weiteren Signal [sw0(n)], das man durch Gewichten des aus einer langfristigen Synthesefilterung, die der während des Dekodierens durchgeführten Filterung gleicht und bei der das für die Synthese verwendete Signal ein Null-Signal ist, resultierenden Signals durch die zweite Gewichtungsfunktion 1/A(z/γ) erhält, bestimmt werden, während im zweiten Schritt die Amplituden und Positionen der Erregungsimpulse [e(i)] aktuell durch Minimierung des mittleren quadratischen Fehlers zwischen einem Signal [swe(n)], das den Unterschied zwischen dem spektral geformten Sprachsignal [sw(n)] und jenem weiteren Signal [sw0(n)] wiedergibt, und einem dritten gewichteten Signal [ŝwe(n)], das durch langfristige Synthesefilterung der Erregungsimpulse und deren Gewichtung durch die zweite Gewichtungsfunktion erhalten wird, bestimmt werden;
    - und wobei die Kodierung der Wiedergabe der LinearvorhersageKoeffizienten aus einer Vektorquantisierung der Linienspektrumspaare oder der Differenzen benachbarter Linienpaare entsprechend einer Quantisierungstechnik mit geteiltem Kodebuch besteht.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß man den Nachlauf (M) und die Verstärkung (B) in zwei aufeinanderfolgenden Schritten bestimmt, nämlich indem man zuerst einen Optimumwert des Nachlaufs durch Minimierung jenes Fehlers für einen vorgegebenen Verstärkungswert bestimmt und dann als zweites unter Verwendung dieses Optimumwerts des Nachlaufs den Optimumwert der Verstärkung bestimmt.
  3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß man den Nachlauf (M) und die Verstärkung (B) in zwei aufeinanderfolgenden Schritten bestimmt, nämlich indem man zuerst den mittleren quadratischen Fehler zwischen dem Restsignal [r(n)] und einem Signal [
    Figure imgb0024
    ₀(n)] minimiert, welches das Signal [r₀(n)], das aus der langfristigen Synthesefilterung mit Null-Eingang resultiert, im Fall ist, daß die für einen Abtastwert des laufenden Rahmens relevante Synthese auf der Basis eines Abtastwerts eines vorhergehenden Rahmens durchgeführt wird, und welches das Restsignal [r(n)] im Fall ist, daß die für einen Abtastwert des laufenden Rahmens relevante Synthese auf der Basis eines vorhergehenden Abtastwerts des selben Rahmens durchgeführt wird, und indem man dann als zweites den Verstärkungsgrad (B) mit der folgenden Operationsfolge berechnet: Ein Wert [s'w0(n)] des Weiteren Signals wird für einen Einheits-Verstärkungswert bestimmt; dann wird ein erster Fehlerwert E(M,1) bestimmt, und die Operationen zum Bestimmen des Werts des mit der zweiten Gewichtungsfunktion gewichteten Signals und des Fehlers werden für jeden möglichen Wert der Verstärkung wiederholt, wobei der angenommene Wert dann derjenige ist, der den Fehler minimiert.
  4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß man den Nachlauf (M) jeden Rahmen und die Verstärkung (B) jeden halben Rahmen berechnet.
  5. Vorrichtung für die Sprachsignalkodierung und -dekodierung unter Anwendung einer Mehrfachimpulserregungs-Technik mit Analyse durch Synthese zur Durchführung des Verfahrens nach einem der Ansprüche 1, 3 oder 4, wobei die Vorrichtung für die Sprachsignalkodierung folgende Einzelschaltungen umfaßt:
    - eine Einrichtung zum Umwandeln des Sprachsignals in Rahmen digitaler Abtastwerte [s(n)];
    - eine Einrichtung (STA) für die kurzfristige Analyse des Sprachsignals, wobei diese Einrichtung eine Gruppe von Abtastwerten von der Umwandlungseinrichtung empfängt, eine Gruppe von Linearvorhersage-Koeffizienten [a(k)] (k=1,...,p) berechnet, die sich auf einen laufenden Rahmen beziehen, und eine Wiedergabe der Linearvorhersage-Koeffizienten [a(k)] als Linienspektrumspaare abgibt;
    - eine Einrichtung (VQ) zum Kodieren der Wiedergabe der Linearvorhersage-Koeffizienten;
    - eine Einrichtung (DCO) zum Erhalten quantisierter Linearvorhersage-Koeffizienten [â(k)] aus der kodierten Wiedergabe;
    - eine, Schaltung (SW) für das spektrale Formen des Sprachsignals, die mit der Umwandlungseinrichtung und mit der die quantisierten Linearvorhersage-Koeffizienten ergebenden Einrichtung (DCO) verbunden ist und zwei in Kaskade geschaltete digitale Gewichtungsfilter (F1, F2) umfaßt, die die digitalen Abtastwerte [s(n)] gemäß einer ersten Gewichtungsfunktion [A(z)] bzw. einer zweiten Gewichtungsfunktion [1/A(z/γ)] gewichtet, wobei
    Figure imgb0025
     und wobei das erste Filter (F1) ein Restsignal r(n) liefert;
    - eine Einrichtung (LTA) für die langfristige Analyse des Sprachsignals, die mit den Ausgängen des ersten Filters (F1) und der Spektralformungsschaltung (SW) verbunden ist, um den Nachlauf (M) zu bestimmen, der einen laufenden Abtastwert von einem vorhergehenden Abtastwert [r(n-M)] trennt, der dazu verwendet wird, den vorliegenden Abtastwert zu verarbeiten, und den Verstärkungsfaktor (B) zu bestimmen, durch die der vorhergehende Abtastwert für die Verarbeitung gewichtet wird;
    - einen Erregungsgenerator (EG) zum Bestimmen der Positionen und der Amplituden der Erregungsimpulse, der mit den Analyseeinrichtungen (STA, LTA) für die kurzfristige und die langfristige Analyse und außerdem mit der Spektralformungsschaltung (SW) verbunden ist;
    - eine Einrichtung (LTC, PAC) zum Kodieren des Nachlaufs und des Verstärkungsfaktors der langfristigen Analyse sowie der Erregungsimpulspositionen und -amplituden, wobei die kodierten Werte gemeinsam mit der kodierten Wiedergabe der LinearvorhersageKoeffizienten und mit Effektivwerten der Erregungsimpulse das kodierte Sprachsignal ergeben;
       und wobei die Vorrichtung außerdem für die Sprachsignaldekodierung (Synthese) folgende Einzelschaltungen umfaßt:
    - eine Einrichtung (ED, LTD, STD) zum Rekonstruieren der Erregung, des Nachlaufs (M) und des Verstärkungsfaktors (B) der langfristigen Analyse sowie der Linearvorhersage-Koeffizienten [a(k)], ausgehend vom kodierten Signal; und
    - einen Synthetisierer, umfassend die Kaskade eines ersten langfristigen Synthesefilters (LTP1), der die rekonstruierten Werte der Erregungsimpulse, des Verstärkungsfaktors und des Nachlaufs empfängt und die Impulse entsprechend einer ersten Transferfunktion 1/(1-B·z-M) filtert, und eines kurzfristigen Synthesefilters (STP) mit einer zweiten Transferfunktion 1/A(z), die die Umkehrung der ersten spektralen Gewichtungsfunktion A(z) ist,
       wobei die langfristige Analyseeinrichtung (LTA) den Nachlauf (M) und den Verstärkungsfaktor (B) in zwei aufeinanderfolgenden Schritten bestimmt, die einem Schritt vorausgehen, bei dem die Amplituden und Positionen der Erregungsimpulse durch den Erregungsgenerator (EG) bestimmt werden, und folgende Einzelschaltungen umfaßt:
    - ein zweites langfristiges Synthesefilter (LTP2), das mit einem Nullsignal gespeist ist und in dem für die Berechnung des Nachlaufs (M) eine vorgegebene Gruppe von Werten der Anzahl von Abtastwerten, die einen vorliegenden, in der Synthetisierung befindlichen Abtastwert von einem für die Synthese verwendeten vorhergehenden Abtastwert trennen, und außerdem für die Berechnung des Verstärkungsfaktors (B) eine vorgegebene Gruppe möglicher Werte des Verstärkungsfaktors selbst verwendet werden;
    - einen Multiplexer (MX1), der an einem ersten Eingang einen Abtastwert des Restsignals [r(n)] und an einem zweiten Eingang einen Abtastwert des Ausgangssignals des zweiten langfristigen Synthesefilters (LTP2) empfängt und die an jeweils einem seiner Eingänge anliegenden Abtastwerte in Abhängigkeit davon abgibt, ob die Zahl der Abtastwerte niedriger als eine Rahmenlänge ist oder nicht;
    - ein drittes Gewichtungsfilter (F3), das die gleiche Transferfunktion wie das zweite digitale Filter (F2) der Spektralformungsschaltung (SW) hat, mit dem Ausgang des zweiten langfristigen Synthesefilters (LTP2) verbunden ist und nur während der Bestimmung des Verstärkungsfaktors (B) der langfristigen Analyse in Betrieb gesetzt ist;
    - einen ersten Addierer (SM1), der an einem ersten Eingang das spektral geformte Signal (sw) und an einem zweiten Eingang das Ausgangssignal des dritten Gewichtungsfilters (F3) empfängt und die Differenz zwischen den an seinem ersten und seinem zweiten Eingang anliegenden Signalen abgibt;
    - eine erste Verarbeitungseinheit (CMB), die in einem ersten der beiden aufeinanderfolgenden Schritte das Ausgangssignal des Multiplexers (MX1) empfängt und den Optimumwert der Anzahl der Abtastwerte bestimmt und im zweiten der beiden aufeinanderfolgenden Schritte das Ausgangssignal des ersten Addierers (SM1) empfängt und durch Verwendung des im ersten Schritt berechneten Nachlaufs den Wert des Verstärkungsfaktors bestimmt, der den mittleren quadratischen Fehler zwischen den Eingangssignalen des ersten Addierers (SM1) innerhalb einer Gültigkeitsperiode der Erregungsimpulse minimiert;
       und wobei der Erregungsgenerator (EG) zum Erzeugen der Erregungsimpulse [e(i)] folgende Einzelschaltungen umfaßt:
    - ein drittes langfristiges Synthesefilter (LTP3), das die gleiche Transferfunktion wie das erste langfristige Synthesefilter (LTP1) hat und mit den erzeugten Erregungsimpulsen gespeist ist;
    - ein viertes Gewichtungsfilter (F4), das an den Ausgang des dritten Synthesefilters (LTP3) angeschlossen ist und die gleiche Transferfunktion wie das zweite und das dritte Gewichtungsfilter (F2, F3) hat;
    - einen zweiten Addierer (SM2), der an einem ersten Eingang das Ausgangssignal des ersten Addierers (SM1) und an einem zweiten Eingang das Ausgangssignal des vierten Gewichtungsfilters (F4) empfängt und die Differenz zwischen den an seinem ersten und zweiten Eingang anliegenden Signalen abgibt;
    - eine zweite Verarbeitungseinheit (CE), die mit dem Ausgang des zweiten Addierers (SM2) verbunden ist und die Amplituden und Positionen der Impulse durch Minimieren des mittleren quadratischen Fehlers zwischen den Eingangssignalen des zweiten Addierers (SM2) innerhalb einer Gültigkeitsperiode der Impulse bestimmt.
  6. Vorrichtung nach Anspruch 5, dadurch gekennzeichnet, daß die die Wiedergabe des Linearvorhersage-Koeffizienten kodierende Einrichtung (VQ) aus einem Vektorquantisierer (VQ) für die Vektorquantisierung mit geteiltem Kodebuch der Linienspektrumspaare oder der Differenzen zwischen benachbarten Linienspektrumspaaren besteht.
EP89117837A 1988-09-28 1989-09-27 Verfahren und Einrichtung zur Codierung und Decodierung von Sprachsignalen unter Anwendung von Multipuls-Anregung Expired - Lifetime EP0361432B1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IT67868/88A IT1224453B (it) 1988-09-28 1988-09-28 Procedimento e dispositivo per la codifica decodifica di segnali vocali con l'impiego di un eccitazione a impulsi multipli
IT6786888 1988-09-28

Publications (3)

Publication Number Publication Date
EP0361432A2 EP0361432A2 (de) 1990-04-04
EP0361432A3 EP0361432A3 (en) 1990-09-26
EP0361432B1 true EP0361432B1 (de) 1994-08-17

Family

ID=11305936

Family Applications (1)

Application Number Title Priority Date Filing Date
EP89117837A Expired - Lifetime EP0361432B1 (de) 1988-09-28 1989-09-27 Verfahren und Einrichtung zur Codierung und Decodierung von Sprachsignalen unter Anwendung von Multipuls-Anregung

Country Status (6)

Country Link
EP (1) EP0361432B1 (de)
AT (1) ATE110180T1 (de)
DE (2) DE361432T1 (de)
ES (1) ES2017906T3 (de)
GR (1) GR900300170T1 (de)
IT (1) IT1224453B (de)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0910063B1 (de) * 1991-02-26 2003-01-02 Nec Corporation Sprachkodierungsverfahren
FI98104C (fi) * 1991-05-20 1997-04-10 Nokia Mobile Phones Ltd Menetelmä herätevektorin generoimiseksi ja digitaalinen puhekooderi
ES2042410B1 (es) * 1992-04-15 1997-01-01 Control Sys S A Metodo de codificacion y codificador de voz para equipos y sistemas de comunicacion.
FI95086C (fi) * 1992-11-26 1995-12-11 Nokia Mobile Phones Ltd Menetelmä puhesignaalin tehokkaaksi koodaamiseksi
FI96248C (fi) * 1993-05-06 1996-05-27 Nokia Mobile Phones Ltd Menetelmä pitkän aikavälin synteesisuodattimen toteuttamiseksi sekä synteesisuodatin puhekoodereihin
GB9408037D0 (en) * 1994-04-22 1994-06-15 Philips Electronics Uk Ltd Analogue signal coder

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ICASSP 86, IEEE-IECEJ-ASJ INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, ANDSIGNAL PROCESSING, Tokyo, 7th - 11th April 1986, vol. 4, pages 3067-3070, IEEE,New York, US; G. OHYAMA et al.: "A novel approach to estimating excitation codein code-excited linear prediction coding" *
SIGNAL PROCESSING, Toyko, 7th - 11th April 1986, vol. 3, pages 1689-1692,IEEE, New York, US; K. OZAWA et al.: "High quality multi-pulse speech coderwith pitch predicton" *

Also Published As

Publication number Publication date
DE68917552D1 (de) 1994-09-22
ATE110180T1 (de) 1994-09-15
IT1224453B (it) 1990-10-04
ES2017906A4 (es) 1991-03-16
EP0361432A2 (de) 1990-04-04
ES2017906T3 (es) 1994-10-16
IT8867868A0 (it) 1988-09-28
EP0361432A3 (en) 1990-09-26
DE68917552T2 (de) 1995-01-12
GR900300170T1 (en) 1991-09-27
DE361432T1 (de) 1991-03-21

Similar Documents

Publication Publication Date Title
EP0409239B1 (de) Verfahren zur Sprachkodierung und -dekodierung
EP1221694B1 (de) Sprachkodierer/dekodierer
EP1232494B1 (de) Glättung des verstärkungsfaktors in breitbandsprach- und audio-signal dekodierer
US7260521B1 (en) Method and device for adaptive bandwidth pitch search in coding wideband signals
CA1181854A (en) Digital speech coder
EP0360265B1 (de) Zur Sprachqualitätsmodifizierung geeignetes Übertragungssystem durch Klassifizierung der Sprachsignale
US5602961A (en) Method and apparatus for speech compression using multi-mode code excited linear predictive coding
US7280959B2 (en) Indexing pulse positions and signs in algebraic codebooks for coding of wideband signals
EP1224662B1 (de) Celp sprachkodierung mit variabler bitrate mittels phonetischer klassifizierung
KR100264863B1 (ko) 디지털 음성 압축 알고리즘에 입각한 음성 부호화 방법
US5339384A (en) Code-excited linear predictive coding with low delay for speech or audio signals
EP0514912A2 (de) Verfahren zum Kodieren und Dekodieren von Sprache
JPH10187196A (ja) 低ビットレートピッチ遅れコーダ
US5027405A (en) Communication system capable of improving a speech quality by a pair of pulse producing units
EP0361432B1 (de) Verfahren und Einrichtung zur Codierung und Decodierung von Sprachsignalen unter Anwendung von Multipuls-Anregung
JPH086597A (ja) 音声の励振信号符号化装置および方法
Cuperman et al. Backward adaptation for low delay vector excitation coding of speech at 16 kbit/s
US4908863A (en) Multi-pulse coding system
US5708756A (en) Low delay, middle bit rate speech coder
JPH0720897A (ja) ディジタルコーダにおけるスペクトルパラメータを量子化する方法および装置
KR0155798B1 (ko) 음성신호 부호화 및 복호화 방법
JP3296411B2 (ja) 音声符号化方法および復号化方法
JP2853170B2 (ja) 音声符号化復号化方式
JPH08320700A (ja) 音声符号化装置
WO2001009880A1 (en) Multimode vselp speech coder

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE CH DE ES FR GB GR LI NL SE

PUAL Search report despatched

Free format text: ORIGINAL CODE: 0009013

AK Designated contracting states

Kind code of ref document: A3

Designated state(s): AT BE CH DE ES FR GB GR LI NL SE

17P Request for examination filed

Effective date: 19901019

EL Fr: translation of claims filed
TCAT At: translation of patent claims filed
DET De: translation of patent claims
TCNL Nl: translation of patent claims filed
17Q First examination report despatched

Effective date: 19920814

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): AT BE CH DE ES FR GB GR LI NL SE

REF Corresponds to:

Ref document number: 110180

Country of ref document: AT

Date of ref document: 19940915

Kind code of ref document: T

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: SE

Payment date: 19940831

Year of fee payment: 6

Ref country code: BE

Payment date: 19940831

Year of fee payment: 6

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: CH

Payment date: 19940906

Year of fee payment: 6

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 19940919

Year of fee payment: 6

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GR

Payment date: 19940921

Year of fee payment: 6

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: ES

Payment date: 19940922

Year of fee payment: 6

REF Corresponds to:

Ref document number: 68917552

Country of ref document: DE

Date of ref document: 19940922

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 19940929

Year of fee payment: 6

Ref country code: AT

Payment date: 19940929

Year of fee payment: 6

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: NL

Payment date: 19940930

Year of fee payment: 6

Ref country code: FR

Payment date: 19940930

Year of fee payment: 6

ET Fr: translation filed
REG Reference to a national code

Ref country code: ES

Ref legal event code: FG2A

Ref document number: 2017906

Country of ref document: ES

Kind code of ref document: T3

REG Reference to a national code

Ref country code: GR

Ref legal event code: FG4A

Free format text: 3012980

EAL Se: european patent in force in sweden

Ref document number: 89117837.8

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed
PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Effective date: 19950927

Ref country code: AT

Effective date: 19950927

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SE

Effective date: 19950928

Ref country code: ES

Free format text: LAPSE BECAUSE OF THE APPLICANT RENOUNCES

Effective date: 19950928

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: LI

Effective date: 19950930

Ref country code: CH

Effective date: 19950930

Ref country code: BE

Effective date: 19950930

BERE Be: lapsed

Owner name: SOCIETA ITALIANA TELECOMUNICAZIONI S.P.A. ITALTE

Effective date: 19950930

Owner name: SOCIETA ITALIANA PER L'ESERCIZIO DELLE TELECOMUNIC

Effective date: 19950930

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GR

Free format text: THE PATENT HAS BEEN ANNULLED BY A DECISION OF A NATIONAL AUTHORITY

Effective date: 19960331

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: NL

Effective date: 19960401

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

GBPC Gb: european patent ceased through non-payment of renewal fee

Effective date: 19950927

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: FR

Effective date: 19960531

REG Reference to a national code

Ref country code: GR

Ref legal event code: MM2A

Free format text: 3012980

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DE

Effective date: 19960601

NLV4 Nl: lapsed or anulled due to non-payment of the annual fee

Effective date: 19960401

EUG Se: european patent has lapsed

Ref document number: 89117837.8

REG Reference to a national code

Ref country code: FR

Ref legal event code: ST

REG Reference to a national code

Ref country code: ES

Ref legal event code: FD2A

Effective date: 19991007