ES2325151T3 - Sistema de comunicacion vocal y procedimiento para gestionar tramas perdidas. - Google Patents
Sistema de comunicacion vocal y procedimiento para gestionar tramas perdidas. Download PDFInfo
- Publication number
- ES2325151T3 ES2325151T3 ES03018041T ES03018041T ES2325151T3 ES 2325151 T3 ES2325151 T3 ES 2325151T3 ES 03018041 T ES03018041 T ES 03018041T ES 03018041 T ES03018041 T ES 03018041T ES 2325151 T3 ES2325151 T3 ES 2325151T3
- Authority
- ES
- Spain
- Prior art keywords
- frame
- lost
- tonal
- speech
- plot
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000001755 vocal effect Effects 0.000 title claims description 18
- 230000003044 adaptive effect Effects 0.000 claims abstract description 22
- 230000005284 excitation Effects 0.000 claims description 44
- 238000011084 recovery Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 abstract description 26
- 238000012545 processing Methods 0.000 description 50
- 238000013459 approach Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 20
- 230000003595 spectral effect Effects 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000013139 quantization Methods 0.000 description 18
- 230000007423 decrease Effects 0.000 description 14
- 238000001228 spectrum Methods 0.000 description 10
- 230000003068 static effect Effects 0.000 description 9
- 230000001934 delay Effects 0.000 description 8
- 238000013213 extrapolation Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 239000003623 enhancer Substances 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
-
- 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
- G10L19/005—Correction of errors induced by the transmission channel, if related to the coding algorithm
-
- 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
-
- 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
- G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
- G10L19/07—Line spectrum pair [LSP] vocoders
-
- 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
- G10L19/083—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being an excitation gain
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/90—Pitch determination of speech signals
-
- 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
- G10L2019/0001—Codebooks
- G10L2019/0012—Smoothing of parameters of the decoder interpolation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
- Detection And Prevention Of Errors In Transmission (AREA)
- Circuits Of Receivers In General (AREA)
- Communication Control (AREA)
- Radio Relay Systems (AREA)
- Reverberation, Karaoke And Other Acoustics (AREA)
Abstract
Un sistema (151) de comunicación vocal que comprende: un descodificador y un codificador (159) que procesa tramas de habla y que determina un parámetro de retardo de grado tonal para cada trama de habla; un transmisor acoplado al codificador (159) que transmite el parámetro de retardo del grado tonal para cada trama de habla; comprendiendo el descodificador: un receptor que recibe los parámetros de retardo del grado tonal desde el transmisor, en base trama a trama; una lógica de control acoplada al receptor para resintetizar la señal de habla basándose en parte en los parámetros de retardo de grado tonal; un detector de tramas perdidas que detecta si una trama no ha sido recibida por el receptor; caracterizado porque el descodificador comprende adicionalmente: una lógica de recuperación de tramas que, cuando el detector de tramas perdidas detecta una trama perdida, utiliza los parámetros de retardo de grado tonal de una pluralidad de tramas recibidas anteriormente, a fin de extrapolar un parámetro de retardo de grado tonal para la trama perdida un almacén temporal de libro de códigos adaptable que contiene una excitación total para la primera trama que sigue a la trama perdida, incluyendo la excitación total un componente de excitación cuantizada de libro de códigos adaptable; en el que la lógica de recuperación de tramas utiliza el parámetro de retardo de grado tonal de la primera trama que sigue a la trama perdida para ajustar el parámetro de retardo del grado tonal anteriormente fijado para la trama perdida; y en el que la excitación total almacenada como excitación de libro de códigos adaptable se extrae para la primera trama que sigue a la trama perdida, y en donde la lógica de recuperación de tramas utiliza el parámetro de retardo de grado tonal de la primera trama que sigue a la trama perdida para ajustar el componente de excitación cuantizada de libro de códigos adaptable.
Description
Sistema de comunicación vocal y procedimiento
para gestionar tramas perdidas.
El campo de la presente invención se refiere, en
general, a la codificación y descodificación vocal en los sistemas
de comunicación vocal y, más específicamente, a un procedimiento y
aparato para gestionar tramas erróneas o perdidas.
Para modelar sonidos básicos del habla, las
señales vocales son muestreadas a lo largo del tiempo y almacenadas
en tramas como una onda discreta a procesar digitalmente. Sin
embargo, a fin de aumentar el uso eficiente del ancho de banda de
comunicación vocal, el habla se codifica antes de transmitirse,
especialmente cuando se pretende que la palabra sea transmitida
bajo restricciones de ancho de banda limitado. Se han propuesto
numerosos algoritmos para los diversos aspectos de la codificación
vocal. Por ejemplo, puede llevarse a cabo un enfoque de
codificación de análisis por síntesis sobre una señal de habla. Al
codificar el habla, el algoritmo de codificación vocal intenta
representar las características de la señal de habla de manera tal
que requiera menos ancho de banda. Por ejemplo, el algoritmo de
codificación del habla busca eliminar redundancias en la señal de
habla. Una primera etapa es eliminar las correlaciones a corto
plazo. Un tipo de técnica de codificación de señal es la
codificación predictiva lineal (LPC). Al utilizar un enfoque de LPC,
se modela el valor de la señal de habla en cualquier momento
específico como una función lineal de los valores anteriores.
Utilizando un enfoque LPC, pueden reducirse las correlaciones a
corto plazo y pueden determinarse representaciones eficientes de la
señal de habla, estimando y aplicando ciertos parámetros de
predicción para representar la señal. El espectro LPC, que es un
envoltorio de correlaciones a corto plazo en la señal de habla,
puede representarse, por ejemplo, por las LSF (frecuencias
espectrales de línea). Después de la eliminación de las
correlaciones a corto plazo en una señal de habla, queda una señal
LPC residual. Esta señal residual contiene información de
periodicidad que requiere ser modelada. La segunda etapa en la
eliminación de redundancias en el habla es modelar la información
de periodicidad. La información de periodicidad puede modelarse
utilizando la predicción del grado tonal. Ciertas porciones del
habla tienen periodicidad, mientras que otras porciones no la
tienen. Por ejemplo, el sonido "aah" tiene información de
periodicidad, mientras que el sonido "shhh" no tiene ninguna
información de periodicidad.
Al aplicar la técnica LPC, un codificador
convencional de fuente opera sobre las señales de habla para extraer
información de modelización y de parámetros, a codificar para su
comunicación a un descodificador convencional de fuente mediante un
canal de comunicación. Una manera de codificar información de
modelización y de parámetros en un volumen más pequeño de
información es utilizar la cuantización. La cuantización de un
parámetro involucra la selección de la entrada más cercana, en una
tabla o libro de códigos, para representar el parámetro. Así, por
ejemplo, un parámetro de 0,125 puede representarse por 0,1 si el
libro de códigos contiene 0,0, 0,1, 0,2, 0,3, etc. La cuantización
incluye cuantización escalar y cuantización vectorial. En la
cuantización escalar, se selecciona la entrada en la tabla o libro
de códigos que es la aproximación más cercana al parámetro, según
se ha descrito anteriormente. Por el contrario, la cuantización
vectorial combina dos o más parámetros y selecciona la entrada en
la tabla o libro de códigos que sea la más cercana a los parámetros
combinados. Por ejemplo, la cuantización vectorial puede
seleccionar la entrada en el libro de códigos que sea la más cercana
a la diferencia entre los parámetros. Un libro de códigos utilizado
para cuantizar vectorialmente dos parámetros a la vez se denomina a
menudo un libro de códigos bidimensional. Un libro de códigos
n-dimensional cuantiza n parámetros a la vez.
Los parámetros cuantizados pueden empaquetarse
en paquetes de datos que se transmiten desde el codificador al
descodificador. En otras palabras, una vez codificados, los
parámetros que representan la señal de habla de entrada se
transmiten a un transceptor. Así, por ejemplo, las LSF pueden
cuantizarse y el índice para un libro de códigos puede convertirse
en bits y transmitirse desde el codificador al descodificador. Según
la realización, cada paquete puede representar una porción de una
trama de la señal de habla, una trama de habla, o más de una trama
de habla. En el transceptor, un descodificador recibe la información
codificada. Debido a que el descodificador está configurado para
conocer la forma en que se codifican las señales de habla, el
descodificador descodifica la información codificada para
reconstruir una señal para su reproducción, que suena al oído
humano como el habla original. Sin embargo, puede ser inevitable que
al menos un paquete de datos se pierda durante la transmisión y que
el descodificador no reciba toda la información enviada por el
codificador. Por ejemplo, cuando se está transmitiendo el habla
desde un teléfono celular a otro teléfono celular, los datos pueden
perderse cuando la recepción es débil o ruidosa. Por lo tanto, la
transmisión de la información codificada de modelización y de
parámetros al descodificador requiere una manera de corregir o
ajustar, por parte del descodificador, los paquetes de datos
perdidos. Si bien la técnica anterior describe ciertas maneras de
ajustar la pérdida de paquetes de datos, tal como la extrapolación
para intentar adivinar cuál era la información en el paquete
perdido, estos procedimientos son limitados, por lo cual se
necesitan procedimientos mejorados.
Además de la información de las LSF, pueden
perderse otros parámetros transmitidos al descodificador. En la
codificación del habla CELP (Predicción Lineal Excitada por Código),
por ejemplo, hay dos tipos de ganancia que también se cuantizan y
transmiten al descodificador. El primer tipo de ganancia es la
ganancia G_{p} de grado tonal, conocida también como la ganancia
de libro de códigos adaptable. La ganancia de libro de códigos
adaptable también se denomina, incluso en la presente memoria, con
el subíndice "a" en lugar del subíndice "p". El segundo
tipo de ganancia es la ganancia G_{c} de libro de códigos fijo.
Los algoritmos de codificación del habla han cuantizado parámetros
que incluyen la ganancia de libro de códigos adaptable y la ganancia
de libro de códigos fijo. Otros parámetros, por ejemplo, pueden
incluir retardos de grado tonal, que representan la periodicidad
del habla con voz. Si el codificador del habla clasifica las señales
de habla, la información de clasificación acerca de la señal de
habla también puede transmitirse al descodificador. Para un
codificador/descodificador mejorado del habla que clasifica el habla
y funciona en distintas modalidades, véase la Solicitud de Patente
Estadounidense con Nº de Serie 09/574.396, titulada "A New Speech
Gain Quantization Strategy" ["Una nueva estrategia de
cuantización de ganancia del habla"], Expediente Conexant Nº
99RSS313, presentada el 19 de mayo de 2000.
Debido a que estas, y otras, informaciones de
parámetros se envían por medios de transmisión imperfectos al
descodificador, algunos de estos parámetros se pierden, o no son
recibidos nunca por el descodificador. Para los sistemas de
comunicación de la palabra que transmiten un paquete de información
por trama de habla, un paquete perdido tiene como resultado una
trama perdida de información. A fin de reconstruir o estimar la
información perdida, los sistemas de la técnica anterior han
intentado distintos enfoques, según el parámetro perdido. Algunos
enfoques simplemente emplean el parámetro de la trama anterior que
ha sido efectivamente recibida por el descodificador. Estos
enfoques de la técnica anterior tienen sus desventajas,
imprecisiones y problemas. Así, hay una necesidad de una manera
mejorada para corregir o ajustar la pérdida de información, a fin de
recrear una señal de habla tan cercana como sea posible a la señal
de habla original.
Ciertos sistemas de comunicación de la palabra
de la técnica anterior no transmiten una excitación de libro de
códigos fijo desde el codificador al descodificador, a fin de
ahorrar ancho de banda. En cambio, estos sistemas tienen un
generador Gaussiano local de series temporales que utiliza una
semilla fija inicial para generar un valor aleatorio de excitación
y luego actualiza esa semilla cada vez que el sistema encuentra una
trama que contiene silencio o ruido de fondo. De esta manera, la
semilla cambia para cada trama de ruido. Debido a que el
codificador y el descodificador tienen el mismo generador Gaussiano
de series temporales, que emplea las mismas semillas en la misma
secuencia, generan el mismo valor aleatorio de excitación para las
tramas de ruido. Sin embargo, si una trama de ruido se pierde y no
es recibida por el descodificador, el codificador y el
descodificador utilizan distintas semillas para la misma trama de
ruido, perdiendo por lo tanto su sincronicidad.
Por lo tanto, existe la necesidad de un sistema
de comunicación del habla que no transmita valores de excitación de
libro de códigos fijo al descodificador, sino que mantenga la
sincronicidad entre el codificador y el descodificador cuando se
pierde una trama durante la transmisión.
Se conoce, por la solicitud de Patente
Internacional publicada con el número de publicación WO 92/22891,
un aparato y procedimiento para realizar la compresión de señales de
habla. En el caso de que se pierda una trama debido a un error de
canal, el codificador de voz intenta enmascarar este error
manteniendo una fracción de la energía de la trama anterior, y
efectuando una transición suave al ruido de fondo.
Se conoce, por la solicitud de Patente
Internacional publicada con el número de publicación WO 99/66494,
una técnica de recuperación de tramas perdidas para sistemas
paramétricos de codificación basada en LPC, que emplea
interpolación de parámetros de tramas buenas, anteriores y
subsiguientes.
Es un objeto de la invención crear un sistema
mejorado de comunicación del habla que sea capaz de generar
estimaciones más precisas para la información perdida en un paquete
de datos perdido, por ejemplo, para manipular más precisamente
información perdida, tal como el retardo de grado tonal.
Esto se logra mediante el aparato según la
reivindicación 1 y el procedimiento según la reivindicación 8.
Realizaciones ventajosas adicionales son las reivindicaciones en las
reivindicaciones dependientes 2 a 7 y 9 a 10, respectivamente.
Otros aspectos, ventajas y características
novedosas de la presente invención se harán evidentes a partir de
la siguiente Descripción Detallada de Una Realización Preferida,
cuando se considere conjuntamente con las figuras adjuntas.
La Fig. 1 es un diagrama en bloques funcionales
de un sistema de comunicación de la palabra con un codificador de
fuente y un descodificador de fuente.
La Fig. 2 es un diagrama funcional en bloques
más detallado del sistema de comunicación de la palabra de la Fig.
1.
La Fig. 3 es un diagrama funcional en bloques de
una primera etapa ejemplar, un preprocesador del habla, del
codificador de fuente utilizado por una realización del sistema de
comunicación de la palabra de la Fig. 1.
La Fig. 4 es un diagrama funcional en bloques
que ilustra una segunda etapa ejemplar del codificador de fuente
utilizado por una realización del sistema de comunicación de la
palabra de la Fig. 1.
La Fig. 5 es un diagrama funcional en bloques
que ilustra una tercera etapa ejemplar del codificador de fuente
utilizado por una realización del sistema de comunicación de la
palabra de la Fig. 1.
La Fig. 6 es un diagrama funcional en bloques
que ilustra una cuarta etapa ejemplar del codificador de fuente
utilizado por una realización del sistema de comunicación de la
palabra de la Fig. 1, para procesar el habla no periódica
(modalidad 0).
La Fig. 7 es un diagrama funcional en bloques
que ilustra una cuarta etapa ejemplar del codificador de fuente
utilizado por una realización del sistema de comunicación de la
palabra de la Fig. 1, para procesar el habla periódica (modalidad
1).
La Fig. 8 es un diagrama en bloques de una
realización de un descodificador del habla para procesar información
codificada de un codificador del habla construido según la presente
invención.
La Fig. 9 ilustra un ejemplo hipotético de
tramas recibidas y de una trama perdida.
La Fig. 10 ilustra un ejemplo hipotético de
tramas recibidas y de una trama perdida, así como de los espacios
mínimos entre las LSF asignadas a cada trama en un sistema de la
técnica anterior, y de un sistema de comunicación de la palabra
construido según la presente invención.
La Fig. 11 ilustra un ejemplo hipotético que
muestra cómo un sistema de comunicación del habla de la técnica
anterior asigna y utiliza la información del retardo de grado tonal
y del delta de retardo de grado tonal para cada trama.
La Fig. 12 ilustra un ejemplo hipotético que
muestra cómo un sistema de comunicación del habla, construido de
acuerdo a la presente invención, asigna y utiliza información de
retardo de grado tonal y delta de retardo de grado tonal para cada
trama.
La Fig. 13 ilustra un ejemplo hipotético que
muestra cómo un descodificador del habla construido según la
presente invención asigna información de parámetros de ganancia
adaptable para cada trama cuanto hay una trama perdida.
La Fig. 14 ilustra un ejemplo hipotético que
muestra cómo un codificador de la técnica anterior utiliza semillas
para generar un valor aleatorio de excitación para cada trama que
contiene silencio o ruido de fondo.
La Fig. 15 ilustra un ejemplo hipotético que
muestra cómo un descodificador de la técnica anterior utiliza
semillas para generar un valor aleatorio de excitación para cada
trama que contiene silencio o ruido de fondo, y pierde la
sincronicidad con el codificador si hay una trama perdida.
La Fig. 16 es un diagrama de flujo que muestra
un procesamiento ejemplar del habla de estilo no periódico según la
presente invención.
La Fig. 17 es un diagrama de flujo que muestra
un procesamiento ejemplar del habla de estilo periódico según la
presente invención.
Se expone primero una descripción general del
sistema total de comunicación de la palabra, y luego se proporciona
una descripción detallada de una realización de la presente
invención.
La Fig. 1 es un diagrama esquemático en bloques
de un sistema de comunicación de la palabra que ilustra el empleo
general de un codificador y descodificador del habla en un sistema
de comunicación. Un sistema 100 de comunicación de la palabra
transmite y reproduce el habla por un canal 103 de comunicación.
Aunque puede comprender, por ejemplo, un enlace por cable, fibra, o
medio óptico, el canal 103 de comunicación comprende, típicamente,
al menos en parte, un enlace de radiofrecuencia que a menudo debe
prestar soporte a múltiples centralitas simultáneas de la palabra
que requieren recursos compartidos de ancho de banda tales como los
que pueden hallarse en los teléfonos celulares.
Puede acoplarse un dispositivo de almacenamiento
con el canal 103 de comunicación para almacenar temporalmente
información del habla para la reproducción retardada, por ejemplo,
para efectuar funciones de contestador, correo vocal electrónico,
etc. Asimismo, el canal 103 de comunicación podría ser reemplazado
por un tal dispositivo de almacenamiento en una realización de
dispositivo único del sistema 100 de comunicación que, por ejemplo,
sólo registra y almacena el habla para su reproducción
subsiguiente.
En particular, un micrófono 111 produce una
señal de habla en tiempo real. El micrófono 111 suministra la señal
de habla a un convertidor 115 A/D (analógico a digital). El
convertidor 115 de analógico a digital convierte la señal de habla
analógica a la forma digital y entrega luego la señal digitalizada
del habla a un codificador 117 del habla.
El codificador 117 del habla codifica el habla
digitalizada utilizando una modalidad seleccionada entre una
pluralidad de modalidades de codificación. Cada una entre la
pluralidad de modalidades de codificación emplea técnicas
específicas que intentan optimizar la calidad del habla reproducida
resultante. Al operar en cualquiera entre la pluralidad de
modalidades, el codificador 117 del habla produce una serie de
informaciones de modelización y de parámetros (p. ej.,
"parámetros del habla") y suministra los parámetros del habla a
un codificador optativo 119 de canal.
El codificador 119 optativo de canal se coordina
con un descodificador 131 de canal para suministrar los parámetros
del habla por el canal 103 de comunicación. El descodificador 131 de
canal remite los parámetros del habla a un descodificador 133 del
habla. Al funcionar en una modalidad que corresponde a la del
codificador 117 del habla, el descodificador 133 del habla intenta
recrear el habla original a partir de los parámetros del habla, tan
precisamente como sea posible. El descodificador 133 del habla
suministra el habla reproducida a un convertidor 135 D/A (de
digital a analógico), para que el habla reproducida pueda oírse a
través de un altavoz 137.
La Fig. 2 es un diagrama funcional en bloques
que ilustra un dispositivo ejemplar de comunicación de la Fig. 1.
Un dispositivo 151 de comunicación comprende tanto un codificador
como un descodificador del habla para la captura y reproducción
simultáneas del habla. Típicamente, dentro de un único recinto, el
dispositivo 151 de comunicación, por ejemplo, podría comprender un
teléfono celular, un teléfono portátil, un sistema informático, o
algún otro dispositivo de comunicación. Alternativamente, si se
proporciona algún elemento de memoria para almacenar información
codificada del habla, el dispositivo 151 de comunicación podría
comprender un contestador, un grabador, un sistema de correo de
voz, u otro dispositivo de memoria de comunicación.
Un micrófono 155 y un convertidor A/D 157
suministran una señal digital de voz a un sistema 159 de
codificación. El sistema 159 de codificación efectúa la
codificación del habla y suministra la información resultante de
parámetros de la palabra al canal de comunicación. La información
suministrada de parámetros del habla puede destinarse a otro
dispositivo de comunicación (no mostrado) en una ubicación
remota.
Según se recibe la información de parámetros del
habla, un sistema 165 de descodificación realiza la descodificación
de la palabra. El sistema de descodificación suministra la
información de parámetros de la palabra a un convertidor D/A 167,
donde la salida analógica del habla puede reproducirse en un altavoz
169. El resultado final es la reproducción de los sonidos, tan
similares como sea posible al habla originalmente capturada.
El sistema 159 de codificación comprende tanto
un circuito 185 de procesamiento de la palabra, que lleva a cabo la
codificación del habla, como un circuito optativo 187 de
procesamiento de canal que lleva a cabo la codificación optativa
del canal. De manera similar, el sistema 165 de descodificación
comprende un circuito 189 de procesamiento del habla que efectúa la
descodificación del habla y un circuito optativo 191 de
procesamiento de canal que lleva a cabo la descodificación del
canal.
Aunque el circuito 185 de procesamiento del
habla y el circuito optativo 187 de procesamiento de canal se
ilustran por separado, pueden combinarse, en parte, o totalmente, en
una única unidad. Por ejemplo, el circuito 185 de procesamiento del
habla y los circuitos 187 de procesamiento de canal pueden compartir
un único DSP (procesador de señales digitales) y/u otros circuitos
de procesamiento. De manera similar, el circuito 189 de
procesamiento del habla y el circuito optativo 191 de procesamiento
de canal pueden ser enteramente independientes, o combinarse
parcial o totalmente. Además, las combinaciones, totales o
parciales, pueden aplicarse a los circuitos 185 y 189 de
procesamiento del habla, a los circuitos 187 y 191 de procesamiento
de canal, a los circuitos 185, 187, 189 y 191 de procesamiento, o a
otros, según convenga. Además, cada uno de, o todos, los circuitos
que controlan aspectos de la operación del descodificador y/o del
codificador, pueden denominarse lógica de control e implementarse,
por ejemplo, por un microprocesador, un microcontrolador, una CPU
(unidad central de procesamiento), una ALU (unidad
aritmética/lógica), un coprocesador, un ASIC (circuito electrónico
específico para la aplicación), o cualquier otra clase de circuito
y/o software.
Tanto el sistema 159 de codificación como el
sistema 165 de descodificación utilizan una memoria 161. El circuito
185 de procesamiento del habla utiliza un libro 181 de códigos fijo
y un libro 183 de códigos adaptable de una memoria 177 de la
palabra durante el proceso de codificación de la fuente. De manera
similar, el circuito 189 de procesamiento del habla utiliza el
libro 181 de códigos fijo y el libro 183 de códigos adaptable
durante el proceso de descodificación de la fuente.
Aunque la memoria 177 de la palabra, según lo
ilustrado, está compartida por los circuitos 185 y 189 de
procesamiento del habla, pueden asignarse por separado una o más
memorias de la palabra a cada uno de los circuitos 185 y 189 de
procesamiento. La memoria 161 también contiene software utilizado
por los circuitos 185, 187, 189 y 191 de procesamiento, para llevar
a cabo diversas funciones requeridas en los procesos de codificación
y descodificación de la fuente.
Antes de exponer los detalles de una realización
de la mejora en la codificación del habla, se proporciona en este
punto un panorama del algoritmo general de codificación de la
palabra. El algoritmo mejorado de codificación de la palabra
mencionado en esta especificación puede, por ejemplo, ser el
algoritmo eX-CELP (CELP extendido) que se basa en
el modelo CELP. Los detalles del algoritmo eX-CELP
se exponen en una solicitud de patente estadounidense adjudicada el
mismo solicitante, Conexant Systems, Inc., y anteriormente
incorporada a la presente por referencia: Solicitud Provisoria de
Patente Estadounidense con Nº de Serie 60/155.321, titulada "4
bits/s Speech Coding" ["Codificación del Habla de 4
bits/s"], Expediente Conexant Nº 99RSS485, registrada el 22 de
septiembre de 1999.
A fin de lograr calidad de peaje a una velocidad
baja de bits (tal como 4 kilobits por segundo), el algoritmo
mejorado de codificación de la palabra se aparta en cierta medida
del criterio estricto de coincidencia de ondas de los algoritmos
CELP tradicionales, y se esfuerza por capturar las características
perceptivamente importantes de la señal de entrada. Para hacerlo,
el algoritmo mejorado de codificación de la palabra analiza la
señal de entrada según ciertas características tales como el grado
de contenido similar al ruido, el grado de contenido espigado, el
grado del contenido vocal, el grado del contenido no vocal, la
evolución del espectro de magnitudes, la evolución del contorno
energético, la evolución de la periodicidad, etc., y utiliza esta
información para controlar la ponderación durante el proceso de
codificación y cuantización. La filosofía es representar
exactamente las características perceptivamente importantes y
permitir errores relativamente mayores en características menos
importantes. Como resultado, el algoritmo mejorado de codificación
de la palabra se centra en la coincidencia perceptiva en lugar de
la coincidencia de ondas. El enfoque sobre la coincidencia
perceptiva tiene como resultado una reproducción satisfactoria de la
palabra, debido a la hipótesis de que, a 4 kbits por segundo, la
coincidencia de ondas no es lo suficientemente precisa para capturar
fielmente toda la información en la señal de entrada. En
consecuencia, el codificador mejorado de la palabra realiza algo de
priorización para lograr resultados mejorados.
En una realización particular, el codificador
mejorado de la palabra utiliza un tamaño de trama de 20
milisegundos, o sea 160 muestras por segundo, estando cada trama
dividida en dos o tres subtramas. El número de subtramas depende de
la modalidad del procesamiento de subtramas. En esta realización
específica, puede seleccionarse una de las dos modalidades para
cada trama de habla: Modo 0 y Modo 1. Es importante que la forma en
que las subtramas son procesadas depende de la modalidad. En esta
realización específica, la Modo 0 emplea dos subtramas por trama,
donde el tamaño de cada subtrama tiene 10 milisegundos de duración,
o bien contiene 80 muestras. Asimismo, en esta realización
ejemplar, la Modo 1 emplea tres subtramas por trama, donde las
subtramas primera y segunda tienen 6,625 milisegundos de duración,
o bien contienen 53 muestras, y la tercera subtrama tiene 6,75
milisegundos de duración, o bien contiene 54 muestras. En ambas
Modos, puede emplearse un margen de adelanto de 15 milisegundos.
Para ambas Modos, 0 y 1, puede utilizarse un modelo de Predicción
Lineal (LP) de décimo orden para representar el envoltorio
espectral de la señal. El modelo LP puede codificarse en el dominio
de Frecuencia Espectral de Línea (LSF) utilizando, por ejemplo, un
esquema de cuantización vectorial predictivo conmutado de múltiples
etapas y decisión retardada.
El Modo 0 emplea un algoritmo tradicional de
codificación de la palabra, tal como un algoritmo CELP. Sin embargo,
la Modalidad 0 no se utiliza para todas las tramas del habla. En
cambio, se selecciona la Modalidad 0 para manipular las tramas de
todo el habla que no sea habla "de estilo periódico", según se
expone en mayor detalle más adelante. Para mayor comodidad, el
habla "de estilo periódico" se denomina aquí habla periódica, y
toda la demás es habla "no periódica". Tal habla "no
periódica" incluye tramas de transición donde los parámetros
típicos, tales como la correlación de grado tonal y el retardo de
grado tonal, cambian rápidamente, y tramas cuya señal es similar al
ruido de forma predominante. La Modalidad 0 parte cada trama en dos
subtramas. La Modalidad 0 codifica el retardo de grado tonal una
vez por subtrama y tiene un cuantizador vectorial bidimensional
para codificar conjuntamente la ganancia de grado tonal (es decir,
la ganancia de libro de códigos adaptable) y la ganancia de libro
de códigos fijo una vez por subtrama. En esta realización ejemplar,
el libro de códigos fijo contiene dos sublibros de códigos de
pulsos y un sublibro de códigos Gaussiano; los dos sublibros de
códigos de pulsos tienen, respectivamente, dos y tres pulsos.
El Modo 1 se aparta del algoritmo CELP
tradicional. El Modo 1 manipula las tramas que contienen habla
periódica, que, típicamente, tienen alta periodicidad y con
frecuencia se representan bien con un trecho de grado tonal llano.
En esta realización específica, el Modo 1 utiliza tres subtramas por
trama. El retardo de grado tonal se codifica una vez por trama
antes del procesamiento de subtramas, como parte del
preprocesamiento de grado tonal, y el trecho de grado tonal
interpolado se deriva de este retardo. Las tres ganancias de grado
tonal de las subtramas exhiben un comportamiento muy estable y se
cuantizan conjuntamente utilizando la cuantización prevectorial,
basada en un criterio de error de cuadrados medios antes del
procesamiento de subtramas de bucle cerrado. Las tres ganancias de
grado tonal de referencia, que no están cuantizadas, se derivan del
habla ponderada y son un subproducto del preprocesamiento de grado
tonal basado en tramas. Utilizando las ganancias de grado tonal
precuantizadas, se lleva a cabo el tradicional procesamiento de
subtramas CELP, excepto en que las tres ganancias de libro de
códigos fijo se dejan sin cuantizar. Las tres ganancias de libro de
códigos fijo se cuantizan conjuntamente después del procesamiento
de subtramas, que se basa en un enfoque de decisión retardada,
utilizando una predicción media móvil de la energía. Las tres
subtramas se sintetizan posteriormente con parámetros totalmente
cuantizados.
La forma en que se selecciona la modalidad de
procesamiento para cada trama de habla, basada en la clasificación
del habla contenida en la trama, y la manera innovadora en que se
procesa el habla periódica, permite la cuantización de la ganancia
con una cantidad significativamente menor de bits, sin ningún
sacrificio significativo en la calidad perceptiva del habla. Los
detalles de esta forma de procesar el habla se proporcionan a
continuación.
Las Figs. 3 a 7 son diagramas en bloques
funcionales que ilustran un enfoque de codificación en múltiples
etapas, empleada por una realización del codificador del habla
ilustrado en las Figs. 1 y 2. En particular, la Fig. 3 es un
diagrama en bloques funcionales que ilustra un preprocesador 193 del
habla que comprende la primera etapa del enfoque de codificación en
múltiples etapas: la Fig. 4 es un diagrama en bloques funcionales
que ilustra la segunda etapa; las Figs. 5 y 6 son diagramas en
bloques funcionales que describen la Modalidad 0 de la tercera
etapa; y la Fig. 7 es un diagrama en bloques funcionales que
describe la Modalidad 1 de la tercera etapa. El codificador del
habla, que comprende circuitos de procesamiento de codificador,
funciona, típicamente, bajo instrucciones de software para llevar a
cabo las siguientes funciones.
El habla de entrada se lee y se almacena
temporalmente en tramas. Volviendo al preprocesador 193 del habla
de la Fig. 3, se proporciona una trama de habla 192 de entrada a un
mejorador 195 de silencio que determina si la trama de habla es
puro silencio, es decir, sólo está presente el "ruido del
silencio". El mejorador 195 del habla detecta de manera
adaptable, en base a tramas, si la trama actual es simplemente
"ruido de silencio". Si la señal 192 es "ruido de
silencio", el mejorador 195 del habla sesga la señal al nivel
cero de la señal 192. En caso contrario, si la señal 192 no es
"ruido de silencio", el mejorador 195 del habla no modifica la
señal 192. El mejorador 195 del habla limpia las porciones de
silencio del habla limpia para un ruido de muy bajo nivel y así
mejora la calidad perceptiva del habla limpia. El efecto de la
función de mejora del habla deviene especialmente notable cuando el
habla de entrada se origina en una fuente de ley A; es decir, la
entrada ha pasado por la codificación y descodificación de ley A
inmediatamente antes del procesamiento por parte del presente
algoritmo de codificación de la palabra. Debido a que la ley A
amplifica los valores de muestra alrededor del 0 (p. ej., -1, 0,
+1) a -8, o bien +8, la amplificación en la ley A podría transformar
un ruido de silencio inaudible en un ruido claramente audible.
Después del procesamiento por el mejorador 195 del habla, la señal
de habla se proporciona a un filtro 197 de paso alto.
El filtro 197 de paso alto elimina las
frecuencias por debajo de una cierta frecuencia de atajo y permite
que las frecuencias por encima de la frecuencia de atajo pasen a un
atenuador 199 del ruido. En esta realización específica, el filtro
197 de paso alto es idéntico al filtro de entrada de paso alto del
estándar G.729 de codificación de la palabra de
ITU-T (Estándar de Telecomunicaciones de la Unión
Internacional de Telecomunicación). Esto es, es un filtro de polo
cero de segundo orden con una frecuencia de atajo de 140 Hertz (Hz).
Por supuesto, no es necesario que el filtro 197 de paso alto sea un
tal filtro, y puede construirse para que sea cualquier clase de
filtro adecuado, conocido por aquellos medianamente versados en la
técnica.
El atenuador 199 del ruido lleva a cabo un
algoritmo de supresión del ruido. En esta realización específica,
el atenuador 199 del ruido realiza una atenuación débil del ruido,
de un máximo de 5 decibelios (dB) del ruido ambiental, a fin de
mejorar la estimación de los parámetros por parte del algoritmo de
codificación del habla. Los procedimientos específicos para mejorar
el silencio, construir un filtro 197 de paso alto y atenuar el
ruido pueden emplear cualquiera de las numerosas técnicas conocidas
por aquellos medianamente versados en la técnica. La salida del
preprocesador 193 del habla es el habla preprocesada 200.
Por supuesto, el mejorador 195 de silencio, el
filtro 197 de paso alto y el atenuador 199 del ruido pueden ser
reemplazados por cualquier otro dispositivo, o modificarse de una
manera conocida para aquellos medianamente versados en la técnica,
y adecuada para la aplicación específica.
Volviendo a la Fig. 4, se proporciona un
diagrama en bloques funcionales del procesamiento común basado en
tramas de una señal de habla. En otras palabras, la Fig. 4 ilustra
el procesamiento de una señal de habla trama a trama. Este
procesamiento de tramas ocurre independientemente de la modalidad
(p. ej., Modalidades 0 o 1) antes de que se realice el
procesamiento 250 que depende de la modalidad. El habla preprocesada
200 es recibida por un filtro 252 de ponderación perceptiva que se
emplea para añadir énfasis a las áreas en valle y quitárselo a las
áreas en pico de la señal 200 de habla preprocesada. El filtro 252
de ponderación perceptiva puede reemplazarse por cualquier otro
dispositivo, o modificarse de una manera conocida para aquellos
medianamente versados en la técnica, y adecuada para la aplicación
específica.
Un analizador LPC 260 recibe la señal 200 de
habla preprocesada y estima el envoltorio espectral a corto plazo
de la señal 200 de habla. El analizador LPC 260 extrae los
coeficientes LPC de las características que definen la señal 200 de
habla. En una realización, se efectúan tres análisis LPC de décimo
orden para cada trama. Se centran en el tercio medio, el tercio
final y el margen de adelanto de la trama. El análisis LPC para el
margen de adelanto se recicla para la próxima trama como el análisis
LPC centrado en el primer tercio de la trama. Así, para cada trama,
se generan cuatro conjuntos de parámetros LPC. El analizador LPC 260
también puede realizar la cuantización de los coeficientes LPC, por
ejemplo, en un dominio de frecuencia espectral de línea (LSF). La
cuantización de los coeficientes LPC puede ser cuantización escalar
o bien vectorial, y puede efectuarse en cualquier dominio adecuado,
de cualquier manera conocida en la técnica.
Un clasificador 270 obtiene información acerca
de las características del habla preprocesada 200 mirando, por
ejemplo, el máximo absoluto de la trama, los coeficientes de
reflejo, el error de predicción, el vector LSF del analizador LPC
260, la autocorrelación de décimo orden, el retardo reciente del
grado tonal y las ganancias recientes del grado tonal. Estos
parámetros son conocidos por aquellos medianamente versados en la
técnica y, por esa razón, no se explican aquí adicionalmente. El
clasificador 270 utiliza la estimación para controlar otros
aspectos del codificador, tal como la estimación de la razón entre
señal y ruido, la estimación de grado tonal, la clasificación, el
allanamiento espectral, el allanamiento energético y la
normalización de la ganancia. Nuevamente, estos aspectos son
conocidos por aquellos medianamente versados en la técnica y, por
esa razón, no se explican aquí adicionalmente. Se proporciona a
continuación un breve resumen del algoritmo de clasificación.
El clasificador 270, con la ayuda del
preprocesador 254 de grado tonal, clasifica cada trama en una entre
seis clases, según la característica dominante de la trama. Las
clases son (1) Silencio/Ruido de fondo; (2) Habla sin Voz Similar
al Ruido; (3) Sin voz; (4) Transición (incluye acometida); (5) No
Estática con Voz; y (6) Estática con Voz. El clasificador 270 puede
emplear cualquier enfoque para clasificar la señal de entrada en
señales periódicas y señales no periódicas. Por ejemplo, el
clasificador 270 puede tomar la señal de habla preprocesada, el
retardo de grado tonal y la correlación de la segunda mitad de la
trama, y otra información, como parámetros de entrada.
Pueden utilizarse diversos criterios para
determinar si se considera que el habla es periódica. Por ejemplo,
el habla puede considerarse periódica si el habla es una señal
estática con voz. Algunas personas pueden considerar que el habla
periódica incluye el habla estática con voz y el habla no estática
con voz, pero, para los fines de esta especificación, el habla
periódica incluye el habla estática con voz. Además, el habla
periódica puede ser habla llana y estática. Un habla con voz se
considera "estática" cuando la señal de habla no cambia más
que en cierta magnitud dentro de una trama. Es más probable que una
tal señal de habla tenga un contorno energético bien definido. Una
señal de habla es "llana" si la ganancia G_{p} de libro de
códigos adaptable de ese habla es mayor que un valor umbral. Por
ejemplo, si el valor umbral es 0,7, se considera que una señal de
habla en una subtrama es llana si su ganancia G_{p} de libro de
códigos adaptable es mayor que 0,7. El habla no periódica, o el
habla sin voz, incluye el habla no vocal (p. ej., fricativas tales
como el sonido "shhh"), transiciones (p. ej., acometidas,
desplazamientos), ruido de fondo y silencio.
Más específicamente, en la realización ejemplar,
el codificador del habla deriva inicialmente los siguientes
parámetros:
Declive Espectral (estimación del primer
coeficiente de reflejo 4 veces por trama):
en el que L = 80 es la ventana
sobre la cual se calcula el coeficiente de reflejo y
s_{k}(n) es el k-ésimo segmento, dado
por
en el que w_{h}(n) es una
ventana Hamming de 80 muestras y s(0), s(1), ...,
s(159) es la trama actual de la señal de habla
preprocesada.
Máximo Absoluto (rastreo del máximo absoluto de
la señal, 8 estimaciones por trama):
en el que n_{s}(k) y
n_{c}(k) es el punto de partida y el punto final,
respectivamente, para la búsqueda del k-ésimo máximo en el momento
k. 160/8 muestras de la trama En general, la longitud del segmento
es 1,5 veces el periodo de grado tonal y los segmentos se solapan.
Así, puede obtenerse un contorno llano del envoltorio de
amplitud.
Los parámetros de Declive Espectral, el Máximo
Absoluto y Correlación de Grado Tonal forman la base para la
clasificación. Sin embargo, el procesamiento y análisis adicionales
de los parámetros se llevan a cabo antes de la decisión de
clasificación. El procesamiento de parámetros aplica inicialmente la
ponderación a los tres parámetros. La ponderación, en alguna
medida, quita el componente del ruido de fondo en los parámetros
restando la contribución del ruido de fondo. Esto proporciona un
espacio de parámetros que es "independiente" de cualquier
ruido de fondo y, de esta manera, es más uniforme y mejora la
robustez de la clasificación en ruido de fondo.
Las medias móviles de la energía del periodo de
grado tonal del ruido, el declive espectral del ruido, el máximo
absoluto del ruido y la correlación de grado tonal del ruido se
actualizan ocho veces por trama, según las siguientes ecuaciones,
las ecuaciones 4 a 7. Los siguientes parámetros definidos por las
Ecuaciones 4 a 7 se estiman/muestrean ocho veces por trama,
proporcionando una resolución temporal fina del espacio de
parámetros:
Media móvil de la energía del periodo de grado
tonal del ruido:
en el que E_{N,p}(k) es la
energía normalizada del periodo de grado tonal en el momento k.160/8
muestras de la trama. Los segmentos sobre los cuales se calcula la
energía pueden solaparse, pues el periodo de grado tonal,
típicamente, supera las 20 muestras (160 muestras/8). Media móvil
del declive espectral del
ruido:
Media móvil del máximo absoluto del ruido:
Media móvil de la correlación de grado tonal del
ruido:
en el que R_{p} es la
correlación de grado tonal de entrada para la segunda mitad de la
trama. La constante de adaptación \alpha_{1} es adaptable,
aunque el valor típico es \alpha_{1} =
0,99.
La razón entre el ruido de fondo y la señal se
calcula según:
La atenuación paramétrica del ruido se limita a
30 dB, es decir,
El conjunto libre de ruidos de parámetros
(parámetros ponderados) se obtiene quitando el componente de ruido
según las siguientes Ecuaciones 10 a 12:
Estimación del declive espectral ponderado:
Estimación del máximo absoluto ponderado:
Estimación de la correlación de grado tonal
ponderada:
La evolución del declive ponderado y el máximo
ponderado se calcula según las siguientes Ecuaciones 13 y 14,
respectivamente, como la pendiente de la aproximación de primer
orden:
\newpage
Una vez que los parámetros de las Ecuaciones 4 a
14 se actualizan para los ocho puntos de muestra de la trama, se
calculan los siguientes parámetros basados en tramas a partir de los
parámetros de las Ecuaciones 4 a 14:
Correlación de grado tonal máxima ponderada:
Correlación de grado tonal máxima
promediada:
Media móvil de la correlación de grado tonal
media ponderada:
en el que m es el número de
trama y \alpha_{2} = 0,75 es la constante de
adaptación.
\vskip1.000000\baselineskip
Desviación estándar normalizada del retardo de
grado tonal:
en el que L_{p}(m) es el
retardo de grado tonal de entrada y \mu_{Lp}(m) es la
media del retardo de grado tonal sobre las tres tramas anteriores,
dada
por
Declive espectral ponderado mínimo:
Media móvil del declive espectral ponderado
mínimo:
Declive espectral ponderado medio:
Pendiente mínima del declive ponderado:
\newpage
Pendiente acumulada del declive espectral
ponderado:
Pendiente máxima del máximo ponderado:
Pendiente acumulada del máximo ponderado:
Los parámetros dados por las Ecuaciones 23, 25 y
26 se utilizan para marcar dónde es probable que una trama contenga
una acometida, y los parámetros dados por las Ecuaciones 16 a 18, y
20 a 22, se utilizan para marcar dónde es probable que una trama
esté dominada por el habla vocal. Basándose en las marcas iniciales,
las marcas anteriores y otra información, la trama se clasifica en
una entre seis clases.
Una descripción más detallada de la forma en que
el clasificador 270 clasifica el habla preprocesada 200 se describe
en una solicitud de patente estadounidense transferida al presente
cesionario, Conexant Systems, Inc., y previamente incorporada a la
presente por referencia: Solicitud Provisoria de Patente
Estadounidense Nº de serie 60/155.321, titulada "4 kbits/s Speech
Coding" ["Codificación del Habla de 4 kbits/s"], Expediente
Conexant Nº 99RSS485, presentada el 22 de septiembre de 1999.
El cuantizador LSF 267 recibe los coeficientes
LPC del analizador LPC 260 y cuantiza los coeficientes LPC. El fin
de la cuantización LSF, que puede ser cualquier procedimiento
conocido de cuantización, incluyendo la cuantización escalar o
vectorial, es representar los coeficientes con menos bits. En esta
realización específica, el cuantizador LSF 267 cuantiza el modelo
LPC de décimo orden. El cuantizador LSF 267 también puede allanar
las LSF a fin de reducir las fluctuaciones indeseables en el
envoltorio espectral del filtro de síntesis LPC. El cuantizador LSF
267 envía los coeficientes cuantizados A_{q}(z) 268 a la
porción 250 de procesamiento de subtramas del codificador de la
palabra. La porción de procesamiento de subtramas del codificador de
la palabra depende de la modalidad. Aunque se prefiere el dominio
LSF, el cuantizador 267 puede cuantizar los coeficientes LPC en un
dominio distinto al de LSF.
Si se selecciona el preprocesamiento del grado
tonal, la señal 256 de habla ponderada se envía al preprocesador
254 de grado tonal. El preprocesador 254 de grado tonal coopera con
el estimador 272 de grado tonal de bucle abierto, a fin de
modificar el habla ponderada 256, para que su información de grado
tonal pueda cuantizarse más exactamente. El preprocesador 254 de
grado tonal puede, por ejemplo, utilizar técnicas conocidas de
compresión o dilación sobre ciclos de grado tonal a fin de mejorar
la capacidad del codificador de la palabra para cuantizar las
ganancias de grado tonal. En otras palabras, el preprocesador 254 de
grado tonal modifica la señal 256 de habla ponderada a fin de
coincidir mejor con el rastreo estimado de grado tonal y, así,
ajustar más precisamente el modelo de codificación, produciendo a
la vez habla reproducida perceptivamente indistinguible. Si los
circuitos de procesamiento del codificador seleccionan una
modalidad de preprocesamiento, el preprocesador 254 de grado tonal
efectúa el preprocesamiento del grado tonal de la señal 256 de habla
ponderada. El preprocesador 254 de grado tonal deforma la señal 256
de habla ponderada para que coincida con los valores interpolados de
grado tonal que serán generados por los circuitos de procesamiento
del descodificador. Cuando se aplica el preprocesamiento del grado
tonal, la señal de habla deformada se denomina una señal 258 de
habla ponderada modificada. Si no se selecciona la modalidad de
preprocesamiento de grado tonal, la señal 256 de habla ponderada
atraviesa el preprocesador 254 de grado tonal sin preprocesamiento
del grado tonal (y, para mayor comodidad, se denomina aún la
"señal 258 de habla ponderada modificada". El preprocesador 254
de grado tonal puede incluir un interpolador de ondas cuya función
e implementación son conocidas por aquellos medianamente versados en
la técnica. El interpolador de ondas puede modificar ciertos
segmentos de transición irregular utilizando técnicas conocidas de
interpolación adelantada-atrasada de ondas, a fin de
mejorar las regularidades y suprimir las irregularidades de la
señal de habla. La ganancia de grado tonal y la correlación de grado
tonal para la señal ponderada 256 son estimadas por el
preprocesador 254 de grado tonal. El estimador 272 de grado tonal de
bucle abierto extrae información acerca de las características del
grado tonal desde el habla ponderada 256. La información de grado
tonal incluye el retardo de grado tonal y la información de ganancia
de grado tonal.
El preprocesador 254 de grado tonal también
interactúa con el clasificador 270 a través del estimador 272 de
grado tonal de bucle abierto, para refinar la clasificación, por
parte del clasificador 270, de la señal de habla. Debido a que el
preprocesador 254 de grado tonal obtiene información adicional
acerca de la señal de habla, la información adicional puede ser
utilizada por el clasificador 270 a fin de afinar su clasificación
de la señal de habla. Después de efectuar el preprocesamiento del
grado tonal, el preprocesador 254 de grado tonal emite información
284 de rastreo de grado tonal y ganancias 286 de grado tonal no
cuantizado a la porción 250 de procesamiento de subtramas,
dependiente de la modalidad, del codificador de la palabra.
Una vez que el clasificador 270 clasifica el
habla preprocesada 200 en una entre una pluralidad de clases
posibles, el número de clasificación de la señal 200 de habla
preprocesada se envía al selector 274 de modalidad y al procesador
250 de subtramas dependiente de la modalidad como información 280 de
control. El selector 274 de modalidad utiliza el número de
clasificación para seleccionar la modalidad de operación. En esta
realización específica, el clasificador 270 clasifica la señal 200
de habla preprocesada en una de seis posibles clases. Si la señal
200 de habla preprocesada es habla con voz estática (p. ej.,
denominada habla "periódica"), el selector 274 de modalidad
fija la modalidad 282 en la Modalidad 1. En caso contrario, el
selector 274 de modalidad fija la modalidad 282 en la Modalidad 0.
La señal 282 de modalidad se envía a la porción 250 de procesamiento
de subtramas dependiente de la modalidad del codificador de la
palabra. La información 282 de modalidad se añade al flujo de bits
que se transmite al descodificador.
La rotulación del habla como "periódica" y
"no periódica" debería interpretarse con cierto cuidado en esta
realización específica. Por ejemplo, las tramas codificadas
utilizando la Modalidad 1 son aquellas que mantienen una alta
correlación de grado tonal y una alta ganancia de grado tonal por
toda la trama, basándose en el rastreo 284 de grado tonal derivado
de sólo siete bits por trama. En consecuencia, la selección de la
Modalidad 0 en lugar de la Modalidad 1 podría deberse a una
representación inexacta del rastreo 284 del grado tonal, con sólo
siete bits, y no necesariamente debido a la ausencia de
periodicidad. Por ello, las señales codificadas utilizando la
Modalidad 0 muy bien pueden contener periodicidad, aunque no bien
representada por sólo siete bits por trama para el rastreo del
grado tonal. Por lo tanto, la Modalidad 0 codifica el rastreo del
grado tonal con siete bits dos veces por trama, para un total de
catorce bits por trama, a fin de representar más adecuadamente el
rastreo del grado tonal.
Cada uno de los bloques funcionales en las Figs
3 y 4, y las otras Figs en esta especificación, no necesariamente
son estructuras discretas, y pueden combinarse con otro bloque
funcional, o más, según se desee.
La porción 250 de procesamiento de subtramas
dependiente de la modalidad del codificador de la palabra funciona
en dos modalidades, la Modalidad 0 y la Modalidad 1. Las Figs. 5 y 6
proporcionan diagramas de bloques funcionales del procesamiento de
subtramas de Modalidad 0, mientras que la Fig. 7 ilustra el diagrama
de bloques funcionales del procesamiento de subtramas de Modalidad
1 de la tercera etapa del codificador de la palabra. La Fig. 8
ilustra un diagrama en bloques de un descodificador de la palabra
que corresponde al codificador mejorado de la palabra. El
descodificador de la palabra lleva a cabo una correspondencia
inversa del flujo de bits con los parámetros algorítmicos, seguida
por una síntesis dependiente de la modalidad. Una descripción más
detallada de estas figuras y modalidades se proporciona en una
solicitud de patente estadounidense adjudicada al mismo
adjudicatario, Conexant Systems, Inc.; la solicitud entera fue
previamente incorporada a la presente por referencia, Solicitud de
Patente Estadounidense con Nº de Serie 09/574.396, titulada "A NEW
SPEECH GAIN QUANTIZATION STRATEGY" ["Una nueva estrategia de
cuantización de ganancia de la palabra"], Expediente Conexant Nº
99RSS312, presentada el 19 de mayo de 2000.
Los parámetros cuantizados que representan la
señal de habla pueden paquetizarse y transmitirse luego en paquetes
de datos desde el codificador al descodificador. En la realización
ejemplar descrita a continuación, la señal del habla se analiza
trama a trama, donde cada trama puede tener al menos una subtrama, y
cada paquete de datos contiene información para una trama. Así, en
este ejemplo, la información paramétrica para cada trama se
transmite en un paquete de información. En otras palabras, hay un
paquete para cada trama. Por supuesto, son posibles otras
variaciones y, según la realización, cada paquete podría representar
una porción de una trama, más de una trama de habla, o una
pluralidad de tramas.
Una LSF (frecuencia espectral de línea) es una
representación del espectro LPC (es decir, el envoltorio a corto
plazo del espectro de la palabra). Las LSF pueden considerarse como
frecuencias particulares, en las cuales se muestrea el espectro de
la palabra. Si, por ejemplo, el sistema utiliza un LPC de décimo
orden, habría 10 LSF por trama. Debe haber un espaciado mínimo
entre LSF consecutivas, a fin de que no creen filtros
cuasi-inestables. Por ejemplo, si f_{i} es la i-ésima LSF,
y es igual a 100 Hz, la (i+1)-ésima LSF, f_{i+1}, debe ser al
menos f_{i} + el espaciado mínimo. Por ejemplo, si f_{i} = 100
Hz y el espaciado mínimo es 60 Hz, f_{i+1} debe ser al menos 160
Hz y puede ser cualquier frecuencia mayor que 160 Hz.. El espaciado
mínimo es un número fijo que no varía entre trama y trama, y es
conocido tanto por el codificador como por el descodificador, a fin
de que puedan cooperar.
Supongamos que el codificador utiliza la
codificación predictiva para codificar las LSF (en contraposición a
la codificación no predictiva), que es necesaria para lograr la
comunicación del habla a velocidades bajas de bits. En otras
palabras, el codificador utiliza la LSF cuantizada de una trama, o
tramas, anterior(es) para predecir la LSF de la trama
actual. El error entre la LSF predicha y la verdadera LSF de la
trama actual, que el codificador deriva del espectro LPC, se
cuantiza y se transmite al descodificador. El descodificador
determina la LSF predicha de la trama actual de la misma manera en
que lo hizo el codificador. Entonces, conociendo el error que fue
transmitido por el codificador, el descodificador puede calcular la
verdadera LSF de la trama actual. Sin embargo, ¿qué ocurre si una
trama que contiene información de LSF se pierde? Volviendo a la Fig.
9, supongamos que el codificador transmite las tramas 0 a 3, pero
que el descodificador sólo recibe las tramas 0, 2 y 3. La trama 1
es la trama perdida o "borrada". Si la trama actual es la trama
perdida 1, el descodificador no tiene la información de error que
es necesaria para calcular la verdadera LSF. Como resultado de ello,
los sistemas de la técnica anterior no calculaban la verdadera LSF
y, en cambio, fijaban la LSF como la LSF de la trama anterior, o la
LSF media de un cierto número de tramas anteriores. Los problemas de
este enfoque son que la LSF de la trama actual puede ser demasiado
inexacta (comparada con la verdadera LSF) y que las tramas
posteriores (es decir, las tramas 2 y 3 en el ejemplo de la Fig. 9)
utilizan una LSF inexacta de la trama 1 para determinar sus propias
LSF. En consecuencia, la extrapolación del error de la LSF
introducido por una trama perdida contamina la exactitud de las LSF
de las tramas posteriores.
En una realización ejemplar de la presente
invención, un descodificador mejorado del habla incluye un contador
que cuenta el número de tramas buenas que siguen a la trama perdida.
La Fig. 10 ilustra un ejemplo de los espaciados mínimos de las LSF
asociadas a cada trama. Supongamos que una trama buena 0 es recibida
por el descodificador, pero que la trama 1 se pierde. Según el
enfoque de la técnica anterior, el espaciado mínimo entre las LSF
era un número fijo (60 Hz en la Fig. 10), que no cambia. En
contraste, cuando el descodificador mejorado del habla nota una
trama perdida, aumenta el espaciado mínimo de esa trama, a fin de
evitar crear un filtro cuasi-inestable. La magnitud del
aumento en este "espaciado de LSF adaptable y controlado"
depende de cuál incremento en el espaciado sería el mejor para ese
caso específico. Por ejemplo, el descodificador mejorado del habla
puede considerar cómo ha evolucionado a lo largo del tiempo la
energía de la señal (o la potencia de la señal), cómo ha
evolucionado a lo largo del tiempo el contenido de frecuencia
(espectro) de la señal, y el contador, para determinar en qué valor
debería fijarse el espaciado mínimo de la trama perdida. Una
persona de habilidad mediana en la técnica podría ejecutar
experimentos sencillos para determinar qué valor mínimo de
espaciado sería el satisfactorio para utilizar. Una ventaja de
analizar la señal del habla y/o sus parámetros para derivar una LSF
adecuada es que la LSF resultante puede estar más cerca de la LSF
verdadera (pero perdida) de esa trama.
La excitación total e_{T}, compuesta por la
excitación de libro de códigos adaptable y la excitación de libro
de códigos fijo, se describe por la siguiente ecuación:
en el que g_{p} y g_{c} son,
respectivamente, la ganancia cuantizada de libro de códigos
adaptable y la ganancia de libro de códigos fijo, y e_{xp} y
e_{xc} son la excitación de libro de códigos adaptable y la
excitación de libro de códigos fijo. Un almacén temporal (también
llamado el almacén temporal del libro de códigos adaptable)
conserva e_{T} y sus componentes de la trama anterior. Basándose
en el parámetro del retardo del grado tonal en la trama actual, el
sistema de comunicación de la palabra selecciona una e_{T} del
almacén temporal y la emplea como e_{xp} para la trama actual. Los
valores para g_{p}, g_{c} y e_{xc} se obtienen de la trama
actual. Los valores de e_{xp}, g_{p}, g_{c} y e_{xc} se
introducen luego en la fórmula para calcular una e_{T} para la
trama actual. La e_{T} calculada y sus componentes se almacenan
para la trama actual en el almacén temporal. El proceso se repite,
por lo cual la e_{T} almacenada se utiliza luego como e_{xp}
para la próxima trama. Así, la naturaleza de retroalimentación de
este enfoque de codificación (que es replicado por el
descodificador) es evidente. Debido a que la información en la
ecuación está cuantizada, el codificador y el descodificador están
sincronizados. Obsérvese que el almacén temporal es un tipo de libro
de códigos adaptable (pero es distinto al libro de códigos
adaptable utilizado para las excitaciones de
ganancia).
La Fig. 11 ilustra un ejemplo de la información
de retardo del grado tonal transmitida por un sistema del habla de
la técnica anterior para cuatro tramas 1 a 4. El codificador de la
técnica anterior transmitiría el retardo del grado tonal para la
trama actual y un valor de delta, donde el valor de delta es la
diferencia entre el retardo de grado tonal de la trama actual y el
retardo de grado tonal de la trama anterior. El estándar EVRC
(Codificador Mejorado de Velocidad Variable) especifica el empleo
del delta del retardo de grado tonal. Así, por ejemplo, el paquete
de información que atañe a la trama 1 incluiría el retardo L1 de
grado tonal y el delta (L1 - L0), donde L0 es el retardo de grado
tonal de la trama 0 precedente; el paquete de información que atañe
a la trama 2 incluiría el retardo L2 de grado tonal y el delta (L2 -
L1); el paquete de información que atañe a la trama 3 incluiría el
retardo L3 de grado tonal y el delta (L3 - L2); y así sucesivamente.
Obsérvese que los retardos de grado tonal de las tramas adyacentes
podrían ser iguales, por lo que los valores de delta podrían ser
cero. Si la trama 2 se ha perdido y nunca ha sido recibida por el
descodificador, la única información disponible acerca del retardo
de grado tonal en el momento de la trama 2 es el retardo L1 de grado
tonal, porque la trama 1 anterior no se ha perdido. La pérdida de
la información del retardo L2 de grado tonal y el delta (L2 - L1)
ha creado dos problemas. El primer problema es cómo estimar un
retardo L2 exacto del grado tonal para la trama perdida 2. El
segundo problema es cómo impedir que el error al estimar el retardo
L2 de grado tonal cree errores en las tramas posteriores. Algunos
sistemas de la técnica anterior no intentan resolver ninguno de los
problemas.
Al intentar resolver el primer problema, algunos
sistemas de la técnica anterior utilizan el retardo L1 de grado
tonal de la trama buena 1 anterior como un retardo estimado L2' de
grado tonal para la trama perdida 2, incluso aunque cualquier
diferencia entre el retardo estimado L2' de grado tonal y el
verdadero retardo L2 de grado tonal sería un error.
El segundo problema es cómo impedir que el error
al estimar el retardo estimado L2' de grado tonal cree errores en
las tramas posteriores. Recuérdese que, como se ha expuesto
anteriormente, el retardo de grado tonal de la trama n se emplea
para actualizar el almacén temporal de libro de códigos adaptable,
el cual, a su vez, es utilizado por las tramas posteriores. El
error entre el retardo estimado L2' de grado tonal y el verdadero
retardo L2 de grado tonal crearía un error en el almacén temporal de
libro de códigos adaptable, que crearía entonces un error en las
tramas posteriores recibidas. En otras palabras, el error en el
retardo estimado L2' de grado tonal puede tener como resultado la
pérdida de sincronicidad entre el almacén temporal de libro de
códigos adaptable, desde el punto de vista del codificador, y el
almacén temporal de libro de códigos adaptable desde el punto de
vista del descodificador. Como un ejemplo adicional, durante el
procesamiento de la trama actual 2 perdida, el descodificador de la
técnica anterior utilizaría el retardo estimado L2' de grado tonal
como el retardo L1 de grado tonal (que probablemente difiere del
verdadero retardo L2 de grado tonal) para obtener e_{xp} para la
trama 2. El empleo de un retardo erróneo del grado tonal, por lo
tanto, selecciona la e_{xp} errónea para la trama 2, y este error
se propaga por todas las tramas posteriores. Para resolver este
problema en la técnica anterior, cuando la trama 3 es recibida por
el descodificador, el descodificador tiene entonces el retardo L3
de grado tonal y el delta (L3 - L2) y puede así calcular
inversamente lo que debería haber sido el verdadero retardo L2 de
grado tonal. El verdadero retardo L2 de grado tonal es simplemente
el retardo L3 de grado tonal menos el delta (L3 - L2). Así, el
descodificador de la técnica anterior corregiría el almacén
temporal de libro de códigos adaptable que es utilizado por la trama
3. Debido a que la trama 2 perdida ya ha sido procesada con el
retardo estimado L2' de grado tonal, es demasiado tarde para
arreglar la trama 2 perdida.
La Fig. 12 ilustra un caso hipotético de tramas
para demostrar el funcionamiento de una realización ejemplar de un
sistema mejorado de comunicación de la palabra con ambos problemas,
debido a información perdida de retardo de grado tonal. Supongamos
que la trama 2 se ha perdido y que se reciben las tramas 0, 1, 3 y
4. Durante el tiempo en que el codificador está procesando la trama
2 perdida, el descodificador mejorado puede utilizar el retardo L1
de grado tonal de la trama 1 anterior. Alternativa y
preferiblemente, el descodificador mejorado puede realizar una
extrapolación basada en el retardo, o retardos, de grado tonal de
la(s) trama(s) anterior(es), para determinar
un retardo estimado L2' de grado tonal, que puede resultar en una
estimación más precisa que el retardo L1 de grado tonal. Así, por
ejemplo, el descodificador puede utilizar los retardos L0 y L1 de
grado tonal para extrapolar el retardo estimado L2' de grado tonal.
El procedimiento de extrapolación puede ser cualquier procedimiento
de extrapolación, tal como un procedimiento de ajuste de curvas que
supone un contorno llano del grado tonal del pasado para estimar el
retardo perdido L2 de grado tonal, uno que utiliza un promedio de
los retardos anteriores de grado tonal, o cualquier otro
procedimiento de extrapolación. Este enfoque reduce el número de
bits que se transmiten desde el codificador al descodificador,
porque no es necesario transmitir el valor del delta.
Para resolver el segundo problema, cuando el
descodificador mejorado recibe la trama 3, el descodificador tiene
el retardo correcto L3 de grado tonal. Sin embargo, como se ha
explicado anteriormente, el almacén temporal de libro de códigos
adaptable utilizado por la trama 3 puede ser incorrecto, debido a
cualquier error de extrapolación al estimar el retardo L2' de grado
tonal. El descodificador mejorado busca corregir que los errores al
estimar el retardo L2' de grado tonal en la trama 2 afecten las
tramas después de la trama 2, pero sin tener que transmitir
información de delta de retardo de grado tonal. Una vez que el
descodificador mejorado obtiene el retardo L3 de grado tonal,
emplea un procedimiento de interpolación, tal como un procedimiento
de ajuste de curvas, para ajustar o afinar su estimación anterior
del retardo L2' de grado tonal. Conociendo los retardos L1 y L3 de
grado tonal, el procedimiento de ajuste de curvas puede estimar L2'
más exactamente que cuando el retardo L3 de grado tonal era
desconocido. El resultado es un retardo afinado L2'' de grado tonal,
que se utiliza para ajustar o corregir el almacén temporal de libro
de códigos adaptable, para su utilización por la trama 3. Más
específicamente, el retardo afinado L2'' de grado tonal es utilizado
para ajustar o corregir la excitación cuantizada de libro de
códigos adaptable en el almacén de libro de códigos adaptable. En
consecuencia, el descodificador mejorado reduce el número de bits
que deben transmitirse al afinar el retardo L2' de grado tonal, de
una manera que es satisfactoria para la mayoría de los casos. Así, a
fin de reducir el efecto de cualquier error en la estimación del
retardo L2 de grado tonal sobre las tramas recibidas posteriormente,
el descodificador mejorado puede utilizar el retardo L3 de grado
tonal de la próxima trama 3 y el retardo L1 de grado tonal de la
trama 1 anteriormente recibida, para afinar la estimación previa del
retardo L2 de grado tonal, suponiendo un contorno llano del grado
tonal. La precisión de este enfoque de estimación, basado en los
retardos de grado tonal de las tramas recibidas precedentes y
sucesivas de la trama perdida, puede ser muy buena, porque los
contornos del grado tonal son generalmente llanos para el habla con
voz.
Durante la transmisión de tramas desde el
codificador al descodificador, una trama perdida también da como
resultado parámetros de ganancia perdidos, tales como la ganancia
g_{p} de libro de códigos adaptable y la ganancia g_{c} de
libro de códigos fijo. Cada trama contiene una pluralidad de
subtramas, donde cada subtrama tiene información de ganancia. Así,
la pérdida de una trama da como resultado información de ganancia
perdida para cada subtrama de la trama. Los sistemas de comunicación
del habla tienen que estimar la información de ganancia para cada
subtrama de la trama perdida. La información de ganancia para una
subtrama puede diferir de la de otra subtrama.
Los sistemas de técnica anterior han adoptado
diversos enfoques para estimar las ganancias para subtramas de la
trama perdida, tales como utilizar la ganancia de la última subtrama
de la trama buena anterior como las ganancias de cada subtrama de
la trama perdida. Otra variación era utilizar la ganancia de la
última subtrama de la trama buena anterior como la ganancia de la
primera subtrama de la trama perdida y atenuar gradualmente esta
ganancia antes de que sea utilizada como las ganancias de las
siguientes subtramas de la trama perdida. En otras palabras, por
ejemplo, si cada trama tiene cuatro subtramas y se recibe la trama
1, pero se pierde la trama 2, los parámetros de ganancia en la
última subtrama de la trama 1 recibida se utilizan como los
parámetros de ganancia de la primera subtrama de la trama perdida
2, los parámetros de ganancia se decrementan luego en cierta
magnitud y se utilizan como los parámetros de ganancia de la segunda
subtrama de la trama 2 perdida, los parámetros de ganancia se
decrementan luego en cierta magnitud y se utilizan como los
parámetros de ganancia de la tercera subtrama de la trama 2
perdida, y los parámetros de ganancia se decrementan aún más y se
utilizan como los parámetros de ganancia de la última subtrama de
la trama 2 perdida. Otro enfoque más era examinar los parámetros de
ganancia de las subtramas de un número fijo de tramas anteriormente
recibidas para calcular los parámetros de ganancia media, que se
utilizan entonces como los parámetros de ganancia de la primera
subtrama de la trama 2 perdida, donde los parámetros de ganancia
podrían decrementarse gradualmente y utilizarse como los parámetros
de ganancia de las subtramas restantes de la trama perdida. Y otro
enfoque más era derivar parámetros de ganancia mediana examinando
las subtramas de un número fijo de tramas anteriormente recibidas y
utilizar los valores medianos como los parámetros de ganancia de la
primera subtrama de la trama 2 perdida, donde los parámetros de
ganancia podrían decrementarse gradualmente y utilizarse como los
parámetros de ganancia de las restantes subtramas de la trama
perdida. Notablemente, los enfoques de la técnica anterior no
llevaban a cabo procedimientos distintos de recuperación para las
ganancias de libro de códigos adaptable y las ganancias de libro de
códigos fijo; utilizaban el mismo procedimiento de recuperación
sobre ambos tipos de ganancia.
El sistema mejorado de comunicación de la
palabra también puede abordar los parámetros de ganancia perdidos
debido a una trama perdido. Si el sistema de comunicación de la
palabra distingue entre habla de estilo periódico y habla de estilo
no periódico, el sistema puede gestionar de forma distinta los
parámetros de ganancia perdidos para cada tipo de habla. Además, el
sistema mejorado gestiona las ganancias perdidas de libro de códigos
adaptable de manera distinta a la manera en que gestiona las
ganancias perdidas de libro de códigos fijo. Examinemos primero el
caso del habla de estilo no periódico. Para determinar una ganancia
estimada g_{p} de libro de códigos adaptable, el descodificador
mejorado calcula un promedio g_{p} de las subtramas de un número
adaptable de tramas recibidas anteriormente. El retardo de grado
tonal de la trama actual (es decir, la trama perdida), que ha sido
estimado por el descodificador, se emplea para determinar el número
de tramas anteriormente recibidas a examinar. En general, cuanto
mayor es el retardo de grado tonal, mayor el número de tramas
recibidas anteriormente a utilizar para calcular una g_{p}
promedio. Por lo tanto, el descodificador mejorado utiliza un
enfoque de promedio sincronizado de grado tonal para estimar la
ganancia g_{p} de libro de códigos adaptable para el habla de
estilo no periódico. El descodificador mejorado calcula luego una
beta \beta que indica cuán buena ha sido la predicción de
g_{p}, basándose en la siguiente fórmula:
\beta varía entre 0 y 1, y representa el
efecto porcentual de la energía de excitación de libro de códigos
adaptable sobre la energía total de excitación. Cuanto mayor sea
\beta, mayor el efecto de la energía de excitación de libro de
códigos adaptable. Aunque es innecesario, el descodificador
mejorado, preferiblemente, trata el habla de estilo no periódico y
el habla de estilo periódico de forma diferente.
La Fig. 16 ilustra un ejemplo de diagrama de
flujo del procesamiento del descodificador para el habla de estilo
no periódico. La etapa 1000 determina si la trama actual es la
primera trama perdida después de recibir una trama (es decir, una
trama "buena"). Si la trama actual es la primera trama perdida
después de una trama buena, la etapa 1002 determina si la subtrama
actual procesada por el descodificador es la primera subtrama de una
trama. Si la subtrama actual es la primera subtrama, la etapa 1004
calcula una g_{p} promedio para un cierto número de subtramas
anteriores, donde el número de subtramas depende del retardo de
grado tonal de la subtrama actual. En una realización ejemplar, si
el retardo del grado tonal es menor o igual a 40, la g_{p}
promedio se basa en dos subtramas anteriores; si el retardo del
grado tonal es mayor que 40, pero menor o igual a 80, la g_{p}
promedio se basa en cuatro subtramas anteriores; si el retardo del
grado tonal es mayor que 80, pero menor o igual a 120, la g_{p}
promedio se basa en seis subtramas anteriores; y si el retardo del
grado tonal es mayor que 120, la g_{p} promedio se basa en ocho
subtramas anteriores. Por supuesto, estos valores son arbitrarios
y pueden fijarse en otros valores cualesquiera, según la longitud de
la subtrama. La etapa 1006 determina si el valor máximo de \beta
supera un cierto umbral. Si el valor máximo de \beta supera un
cierto umbral, la etapa 1008 fija la ganancia g_{c} de libro de
códigos fijo, para todas las subtramas de la trama perdida, en cero
y fija g_{p}, para todas las subtramas de la trama perdida, en un
número arbitrariamente alto, tal como 0,95, en lugar de la g_{p}
promedio determinada anteriormente. El número arbitrariamente alto
indica una buena señal de voz. El número arbitrariamente alto en el
cual se fija el valor de g_{p} de la subtrama actual de la trama
perdida puede basarse en un cierto número de factores que incluyen,
pero que no se limitan a, el valor máximo de \beta de un cierto
número de tramas anteriores, el declive espectral de la trama
anteriormente recibida y la energía de la trama anteriormente
recibida.
En caso contrario, si el valor máximo de \beta
no supera un cierto umbral (es decir, una trama anteriormente
recibida contiene la acometida del habla), la etapa 1010 fija la
g_{p} de la subtrama actual de la trama perdida en el mínimo
entre (i) la g_{p} promedio determinada anteriormente y (ii) el
número arbitrariamente alto seleccionado (p. ej., 0,95). Otra
alternativa es fijar la g_{p} de la subtrama actual de la trama
perdida basándose en el declive espectral de la trama anteriormente
recibida, la energía de la trama anteriormente recibida, y el
mínimo entre la g_{p} promedio anteriormente determinada y el
número arbitrariamente alto seleccionado (p. ej., 0,95). En el caso
en que el valor máximo de \beta no supera un cierto umbral, la
ganancia g_{c} del libro se basa en la energía de la excitación
de libro de códigos fijo, ajustada en ganancia, en la subtrama
anterior, y en la energía de la excitación de libro de códigos fijo
en la subtrama actual. Específicamente, la energía de la excitación
de libro de códigos fijo, ajustada en ganancia, en la subtrama
anterior se divide entre la energía de la excitación de libro de
códigos fijo en la subtrama actual, se extrae la raíz cuadrada del
resultado y se multiplica por una fracción de atenuación, y se fija
como el valor de g_{c}, según se muestra en la siguiente
fórmula:
Alternativamente, el descodificador puede
derivar la g_{c} para la subtrama actual de la trama perdida
basándose en la razón entre la energía de la trama anteriormente
recibida y la energía de la trama perdida actual.
Volviendo a la etapa 1002, si la subtrama actual
no es la 1ª subtrama, la etapa 1020 fija la g_{p} de la subtrama
actual de la trama perdida en un valor que está atenuado o reducido
a partir de la g_{p} de la subtrama anterior. Cada g_{p} de las
subtramas restantes se fija en un valor adicionalmente atenuado a
partir de la g_{p} de la subtrama anterior. La g_{c} de la
subtrama actual se calcula de la misma manera que en la etapa 1010
y la fórmula 29.
Volviendo a la etapa 1000, si esta no es la
primera trama perdida después de una trama buena, la etapa 1022
calcula la g_{c} de la subtrama actual de la misma manera que en
la etapa 1010 y la fórmula 29. La etapa 1022 también fija la
g_{p} de la subtrama actual de la trama perdida en un valor que
está atenuado o reducido a partir de la g_{p} de la subtrama
anterior. Debido a que el descodificador estima la g_{p} y la
g_{c} de distinta manera, el descodificador puede estimarlas más
exactamente que los sistemas de la técnica anterior.
Examinemos ahora el caso del habla de estilo
periódico, según el ejemplo de diagrama de flujo ilustrado en la
Fig. 17. Debido a que el descodificador puede aplicar enfoques
distintos para estimar g_{p} y g_{c} para el habla de estilo
periódico y el habla de estilo no periódico, la estimación de los
parámetros de ganancia puede ser más exacta que los enfoques de la
técnica anterior. La etapa 1030 determina si la trama actual es la
primera trama perdida después de recibir una trama (es decir, una
trama "buena"). Si la trama actual es la primera trama perdida
después de una trama buena, la etapa 1032 fija g_{c} en cero para
todas las subtramas de la trama actual y fija g_{p} en un número
arbitrariamente alto, tal como 0,95, para todas las subtramas de la
trama actual. Si la trama actual no es la primera trama perdida
después de una trama buena (p. ej., es la 2ª trama perdida, la 3ª
trama perdida, etc.), la etapa 1034 fija g_{c} en cero para todas
las subtramas de la trama actual y fija g_{p} en un valor que
está atenuado a partir de la g_{p} de la subtrama anterior.
La Fig. 13 ilustra un caso de tramas para
demostrar el funcionamiento del descodificador mejorado de la
palabra. Supongamos que las tramas 1, 3 y 4 son tramas buenas (es
decir, recibidas), mientras que las tramas 2, y 5 a 8 son tramas
perdidas. Si la trama perdida actual es la primera trama perdida
después de una buena, el descodificador fija g_{p} en un número
arbitrariamente alto (tal como 0,95) para todas las subtramas de la
trama perdida. Volviendo a la Fig. 13, esto se aplicaría a las
tramas perdidas 2 y 5. La g_{p} de la primera trama perdida 5 se
atenúa gradualmente para fijar las g_{p} de las otras tramas
perdidas 6 a 8. Luego, por ejemplo, si g_{p} se fija en 0,95 para
la trama perdida 5, la g_{p} podría fijarse en 0,9 para la trama
perdida 6 y en 0,85 para la trama perdida 7, y en 0,8 para la trama
perdida 8. Para las g_{c}, el descodificador calcula la g_{p}
promedio a partir de las tramas anteriormente recibidas y, si esta
g_{p} promedio supera un cierto umbral, g_{c} se fija en cero
para todas las subtramas de la trama perdida. Si la g_{p} promedio
no supera un cierto umbral, el descodificador emplea el mismo
enfoque de fijar g_{c} para las señales de estilo no periódico
descrito anteriormente a fin de fijar la g_{c} aquí.
Después de que el descodificador estima los
parámetros perdidos (p. ej., LSF, retardos de grado tonal,
ganancias, clasificación, etc.) en una trama perdida y sintetiza el
habla resultante, el descodificador puede ajustar la energía del
habla sintetizada de la trama perdida a la energía de la trama
anteriormente recibida mediante técnicas de extrapolación. Esto
puede mejorar adicionalmente la exactitud de reproducción del habla
original, a pesar de las tramas perdidas.
A fin de ahorrar ancho de banda, no es necesario
que un codificador de la palabra transmita una excitación de libro
de códigos fijo al descodificador durante los periodos de ruido de
fondo o de silencio. En cambio, tanto el codificador como el
descodificador pueden generar aleatoriamente un valor de excitación
localmente, utilizando un generador Gaussiano de series temporales.
Tanto el codificador como el descodificador están configurados para
generar el mismo valor de excitación aleatorio en el mismo orden.
Como resultado, debido a que el descodificador puede generar
localmente el mismo valor de excitación aleatorio que el codificador
generó para una trama de ruido dada, no es necesario que el valor
de excitación se transmita desde el codificador al descodificador.
Para generar un valor de excitación aleatorio, el generador
Gaussiano de series temporales utiliza una semilla inicial para
generar el primer valor de excitación aleatorio y luego el generador
actualiza la semilla con un nuevo valor. Luego el generador emplea
la semilla actualizada para generar el próximo valor de excitación
aleatorio y actualiza la semilla con otro valor más. La Fig. 14
ilustra un caso hipotético de tramas para ilustrar cómo un
generador Gaussiano de series temporales en un codificador de la
palabra utiliza una semilla para generar un valor de excitación
aleatorio y luego actualiza esa semilla para generar el próximo
valor de excitación aleatorio. Supongamos que las tramas 0 y 4
contienen una señal de habla, mientras que las tramas 2, 3 y 5
contienen silencio o ruido de fondo. Al hallar la primera trama de
ruido (es decir, la trama 2), el codificador utiliza la semilla
inicial (denominada "semilla 1") para generar un valor de
excitación aleatorio, a emplear como la excitación de libro de
códigos fijo para esa trama. Para cada muestra de esa trama, se
cambia la semilla para generar una nueva excitación de libro de
códigos fijo. Así, si una trama fuese muestreada 160 veces, la
semilla cambiaría 160 veces. De esta manera, en el momento en que se
encuentra la próxima trama de ruido (trama 3 de ruido), el
codificador utiliza una segunda, y distinta, semilla (es decir, la
semilla 2) para generar el valor de excitación aleatorio para esa
trama. Aunque técnicamente la semilla para la primera muestra de la
segunda trama no es la "segunda" semilla, porque la semilla ha
cambiado para cada muestra de la primera trama, la semilla para la
primera muestra de la segunda trama se denomina aquí semilla 2 en
aras de la comodidad. Para la trama 4 de ruido, el codificador
utiliza una tercera semilla (distinta a las semillas primera y
segunda). Para generar el valor de excitación aleatorio para la
trama 6 de ruido, el generador Gaussiano de series temporales
podría bien recomenzar con la semilla 1 o continuar con la semilla
4, según la implementación del sistema de comunicación de la
palabra. Al configurar el codificador y el descodificador para
actualizar la semilla de la misma manera, el codificador y el
descodificador pueden generar la misma semilla y, así, los mismos
valores de excitación aleatoria en el mismo orden. Sin embargo, una
trama perdida destruye esta sincronicidad entre el codificador y el
descodificador en los sistemas de comunicación de la palabra de la
técnica anterior.
La Fig. 15 ilustra el caso hipotético presentado
en la Fig. 14, pero desde el punto de vista del descodificador.
Supongamos que la trama 2 de ruido se ha perdido y que las tramas 1
y 3 son recibidas por el descodificador. Debido a que la trama 2 de
ruido se ha perdido, el descodificador supone que era del mismo tipo
que la trama anterior (es decir, una trama de habla). Habiendo
asumido la hipótesis errónea acerca de la trama perdida 2 de ruido,
el descodificador supone que la trama 3 de ruido es la primera trama
de ruido, cuando en realidad es la segunda trama de ruido
encontrada. Debido a que las semillas se actualizan para cada
muestra de toda trama de ruido encontrada, el descodificador
utilizaría erróneamente la semilla 1 para generar el valor de
excitación aleatorio para la trama 3 de ruido, cuando debería
haberse utilizado la semilla 2. La trama perdida, por lo tanto, ha
dado como resultado la sincronicidad perdida entre el codificador y
el descodificador. Debido a que la trama 2 es una trama de ruido,
no es significativo que el descodificador utilice la semilla 1,
mientras que el codificador ha utilizado la semilla 2, ya que el
resultado es un ruido distinto al ruido original. Lo mismo es
verdad para la trama 3. Sin embargo, el error en los valores de
semillas es significativo por su impacto sobre las tramas
posteriormente recibidas que contienen habla. Por ejemplo,
concentrémonos en la trama 4 de habla. La excitación Gaussiana
localmente generada basada en la semilla 2 se emplea para actualizar
continuamente el almacén temporal de libro de códigos adaptable de
la trama 3. Cuando se procesa la trama 4, se extrae la excitación
de libro de códigos adaptable del almacén temporal de libro de
códigos adaptable de la trama 3, basada en información tal como el
retardo del grado tonal en la trama 4. Debido a que el codificador
ha utilizado la semilla 3 para actualizar el almacén temporal de
libro de códigos adaptable de la trama 3, y que el descodificador
está utilizando la semilla 2 (¡la semilla equivocada!) para
actualizar el almacén temporal de libro de códigos adaptable de la
trama 3, la diferencia en la actualización del almacén temporal de
libro de códigos adaptable de la trama 3 podría crear un problema de
calidad en la trama 4, en algunos casos.
El sistema mejorado de comunicación de la
palabra construido de acuerdo a la presente invención no utiliza
una semilla inicial fija ni actualiza luego esa semilla cada vez que
el sistema encuentra una trama de ruido. En cambio, el codificador
y el descodificador mejorados derivan la semilla, para una trama
dada, de los parámetros en esa trama. Por ejemplo, la información
de espectro, la información de energía y/o ganancia en la trama
actual podría emplearse para generar la semilla para esa trama. Por
ejemplo, podrían utilizarse los bits que representan el espectro
(digamos 5 bits b1, b2, b3, b4, b5) y los bits que representan la
energía (digamos, 3 bits c1, c2, c3) para formar una cadena b1, b2,
b3, b4, b5, c1, c2, c3, cuyo valor es la semilla. Como un ejemplo
numérico, supongamos que el espectro está representado por 01101 y
la energía está representada por 011; entonces, la semilla es
01101011. Ciertamente, son posibles otros procedimientos
alternativos para derivar una semilla de información en la trama, y
están incluidos dentro del ámbito de la invención. En consecuencia,
en el ejemplo de la Fig. 15, donde la trama 2 de ruido se ha
perdido, el descodificador podrá derivar una semilla para la trama
3 de ruido que es la misma semilla derivada por el codificador. Así,
una trama perdida no destruye la sincronicidad entre el codificador
y el descodificador.
Si bien se han mostrado y descrito realizaciones
e implementaciones de la invención en cuestión, debería ser
evidente que muchas más realizaciones e implementaciones están
dentro del ámbito de la invención en cuestión. En consecuencia, la
invención no ha de restringirse, excepto a la luz de las
reivindicaciones y sus equivalentes.
Claims (10)
1. Un sistema (151) de comunicación vocalque
comprende: un descodificador y un codificador (159) que procesa
tramas de habla y que determina un parámetro de retardo de grado
tonal para cada trama de habla;
un transmisor acoplado al codificador (159) que
transmite el parámetro de retardo del grado tonal para cada trama
de habla;
comprendiendo el descodificador:
un receptor que recibe los parámetros de retardo
del grado tonal desde el transmisor, en base trama a trama;
una lógica de control acoplada al receptor para
resintetizar la señal de habla basándose en parte en los parámetros
de retardo de grado tonal;
un detector de tramas perdidas que detecta si
una trama no ha sido recibida por el receptor;
caracterizado porque el descodificador
comprende adicionalmente:
una lógica de recuperación de tramas que, cuando
el detector de tramas perdidas detecta una trama perdida, utiliza
los parámetros de retardo de grado tonal de una pluralidad de tramas
recibidas anteriormente, a fin de extrapolar un parámetro de
retardo de grado tonal para la trama perdida
un almacén temporal de libro de códigos
adaptable que contiene una excitación total para la primera trama
que sigue a la trama perdida, incluyendo la excitación total un
componente de excitación cuantizada de libro de códigos
adaptable;
en el que la lógica de recuperación de tramas
utiliza el parámetro de retardo de grado tonal de la primera trama
que sigue a la trama perdida para ajustar el parámetro de retardo
del grado tonal anteriormente fijado para la trama perdida; y
en el que la excitación total almacenada como
excitación de libro de códigos adaptable se extrae para la primera
trama que sigue a la trama perdida, y en donde la lógica de
recuperación de tramas utiliza el parámetro de retardo de grado
tonal de la primera trama que sigue a la trama perdida para ajustar
el componente de excitación cuantizada de libro de códigos
adaptable.
2. El sistema (151) de comunicación vocal de la
reivindicación 1, en el cual la lógica de recuperación de tramas
utiliza el parámetro de retardo del grado tonal de una trama
recibida a continuación de la trama perdida para ajustar el
parámetro de retardo del grado tonal para la trama perdida.
3. El sistema (151) de comunicación vocal de la
reivindicación 1, en el cual el detector de tramas perdidas, y/o la
lógica de recuperación de tramas, es parte de la lógica de
control.
4. El sistema (151) de comunicación vocal de la
reivindicación 2, en el cual la lógica de recuperación de tramas
extrapola el parámetro de retardo del grado tonal de la trama
perdida a partir del parámetro de retardo de grado tonal de una
trama recibida a continuación de la trama perdida.
5. El sistema (151) de comunicación vocal de la
reivindicación 1, en el cual, después de que la lógica de
recuperación de tramas fija los parámetros perdidos de la trama
perdida, la lógica de control resintetiza el habla de la trama
perdida y ajusta la energía del habla sintetizada para que coincida
con la energía del habla sintetizada de una trama anteriormente
recibida.
6. El sistema (151) de comunicación vocal de la
reivindicación 2, en el cual, después de que la lógica de
recuperación de tramas fija los parámetros perdidos de la trama
perdida, la lógica de control resintetiza el habla de la trama
perdida y ajusta la energía del habla sintetizada para que coincida
con la energía del habla sintetizada de una trama anteriormente
recibida.
7. El sistema (151) de comunicación vocal de la
reivindicación 3, en el cual, después de que la lógica de
recuperación de tramas fija los parámetros perdidos de la trama
perdida, la lógica de control resintetiza el habla de la trama
perdida y ajusta la energía del habla sintetizada para que coincida
con la energía del habla sintetizada de una trama anteriormente
recibida.
8. Un procedimiento para codificar o
descodificar el habla en un sistema (151) de comunicación que
comprende las etapas de codificación de: proporcionar una señal de
habla en base trama a trama, donde cada trama incluye una
pluralidad de subtramas; determinar un parámetro para cada trama,
basándose en la señal de habla; transmitir parámetros en base trama
a trama;
y las etapas de descodificación de: recibir
parámetros en base trama a trama; detectar si una trama que contiene
el parámetro se ha perdido;
caracterizado porque las etapas de
descodificación comprenden adicionalmente:
gestionar el parámetro perdido para la trama
perdida, si se detecta que se ha perdido una trama, utilizando
parámetros de retardo de grado tonal de una pluralidad de tramas
anteriormente recibidas para extrapolar un parámetro de retardo de
grado tonal para la trama perdida; proporcionar un almacén temporal
de libro de códigos adaptable que contiene una excitación total
para la primera trama que sigue a la trama perdida, incluyendo la
excitación total un componente de excitación cuantizada de libro de
códigos adaptable;
utilizar el parámetro de retardo de grado tonal
de la primera trama que sigue a la trama perdida para ajustar el
parámetro de retardo de grado tonal anteriormente fijado para la
trama perdida;
extraer la excitación total almacenada como una
excitación de libro de códigos adaptable para la primera trama que
sigue a la trama perdida;
ajustar el componente de excitación cuantizada
de libro de códigos adaptable utilizando el parámetro de retardo de
grado tonal de la primera trama que sigue a la trama perdida; y
utilizar los parámetros para reproducir la señal
de habla.
9. El procedimiento de la reivindicación 8, en
el cual la etapa de gestión ajusta el parámetro de retardo del
grado tonal de la trama perdida basándose en el parámetro de retardo
de grado tonal de una trama recibida a continuación de la trama
perdida.
10. El procedimiento de la reivindicación 9, que
comprende adicionalmente las etapas de:
resintetizar el habla de la trama perdida
después de que la etapa de gestión fija el parámetro perdido de la
trama perdida; y
ajustar la energía del habla sintetizada para
que coincida con la energía del habla sintetizada de una trama
recibida anteriormente.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/617,191 US6636829B1 (en) | 1999-09-22 | 2000-07-14 | Speech communication system and method for handling lost frames |
| US617191 | 2000-07-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2325151T3 true ES2325151T3 (es) | 2009-08-27 |
Family
ID=24472632
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES03018041T Expired - Lifetime ES2325151T3 (es) | 2000-07-14 | 2001-07-09 | Sistema de comunicacion vocal y procedimiento para gestionar tramas perdidas. |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US6636829B1 (es) |
| EP (4) | EP1577881A3 (es) |
| JP (3) | JP4137634B2 (es) |
| KR (3) | KR100754085B1 (es) |
| CN (3) | CN1722231A (es) |
| AT (2) | ATE317571T1 (es) |
| AU (1) | AU2001266278A1 (es) |
| DE (2) | DE60138226D1 (es) |
| ES (1) | ES2325151T3 (es) |
| WO (1) | WO2002007061A2 (es) |
Families Citing this family (101)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7072832B1 (en) * | 1998-08-24 | 2006-07-04 | Mindspeed Technologies, Inc. | System for speech encoding having an adaptive encoding arrangement |
| EP1279167B1 (en) * | 2000-04-24 | 2007-05-30 | QUALCOMM Incorporated | Method and apparatus for predictively quantizing voiced speech |
| US6983242B1 (en) * | 2000-08-21 | 2006-01-03 | Mindspeed Technologies, Inc. | Method for robust classification in speech coding |
| US7010480B2 (en) * | 2000-09-15 | 2006-03-07 | Mindspeed Technologies, Inc. | Controlling a weighting filter based on the spectral content of a speech signal |
| US7133823B2 (en) * | 2000-09-15 | 2006-11-07 | Mindspeed Technologies, Inc. | System for an adaptive excitation pattern for speech coding |
| US6856961B2 (en) * | 2001-02-13 | 2005-02-15 | Mindspeed Technologies, Inc. | Speech coding system with input signal transformation |
| US6871176B2 (en) * | 2001-07-26 | 2005-03-22 | Freescale Semiconductor, Inc. | Phase excited linear prediction encoder |
| EP1793370B1 (en) * | 2001-08-31 | 2009-06-03 | Kabushiki Kaisha Kenwood | apparatus and method for creating pitch wave signals and apparatus and method for synthesizing speech signals using these pitch wave signals |
| US7095710B2 (en) * | 2001-12-21 | 2006-08-22 | Qualcomm | Decoding using walsh space information |
| EP1383110A1 (fr) * | 2002-07-17 | 2004-01-21 | STMicroelectronics N.V. | Procédé et dispositif d'encodage de la parole à bande élargie, permettant en particulier une amélioration de la qualité des trames de parole voisée |
| GB2391440B (en) * | 2002-07-31 | 2005-02-16 | Motorola Inc | Speech communication unit and method for error mitigation of speech frames |
| EP1589330B1 (en) | 2003-01-30 | 2009-04-22 | Fujitsu Limited | Audio packet vanishment concealing device, audio packet vanishment concealing method, reception terminal, and audio communication system |
| US7379866B2 (en) * | 2003-03-15 | 2008-05-27 | Mindspeed Technologies, Inc. | Simple noise suppression model |
| CN100576318C (zh) * | 2003-05-14 | 2009-12-30 | 冲电气工业株式会社 | 用于隐藏被擦除的周期信号数据的装置与方法 |
| KR100546758B1 (ko) * | 2003-06-30 | 2006-01-26 | 한국전자통신연구원 | 음성의 상호부호화시 전송률 결정 장치 및 방법 |
| KR100516678B1 (ko) * | 2003-07-05 | 2005-09-22 | 삼성전자주식회사 | 음성 코덱의 음성신호의 피치검출 장치 및 방법 |
| US7146309B1 (en) * | 2003-09-02 | 2006-12-05 | Mindspeed Technologies, Inc. | Deriving seed values to generate excitation values in a speech coder |
| US20050065787A1 (en) * | 2003-09-23 | 2005-03-24 | Jacek Stachurski | Hybrid speech coding and system |
| US7536298B2 (en) * | 2004-03-15 | 2009-05-19 | Intel Corporation | Method of comfort noise generation for speech communication |
| US8725501B2 (en) * | 2004-07-20 | 2014-05-13 | Panasonic Corporation | Audio decoding device and compensation frame generation method |
| US7873515B2 (en) * | 2004-11-23 | 2011-01-18 | Stmicroelectronics Asia Pacific Pte. Ltd. | System and method for error reconstruction of streaming audio information |
| US7519535B2 (en) * | 2005-01-31 | 2009-04-14 | Qualcomm Incorporated | Frame erasure concealment in voice communications |
| US20060190251A1 (en) * | 2005-02-24 | 2006-08-24 | Johannes Sandvall | Memory usage in a multiprocessor system |
| US7418394B2 (en) * | 2005-04-28 | 2008-08-26 | Dolby Laboratories Licensing Corporation | Method and system for operating audio encoders utilizing data from overlapping audio segments |
| JP2007010855A (ja) * | 2005-06-29 | 2007-01-18 | Toshiba Corp | 音声再生装置 |
| US9058812B2 (en) * | 2005-07-27 | 2015-06-16 | Google Technology Holdings LLC | Method and system for coding an information signal using pitch delay contour adjustment |
| CN1929355B (zh) * | 2005-09-09 | 2010-05-05 | 联想(北京)有限公司 | 语音包丢失恢复系统以及方法 |
| JP2007114417A (ja) * | 2005-10-19 | 2007-05-10 | Fujitsu Ltd | 音声データ処理方法及び装置 |
| FR2897977A1 (fr) * | 2006-02-28 | 2007-08-31 | France Telecom | Procede de limitation de gain d'excitation adaptative dans un decodeur audio |
| US7457746B2 (en) * | 2006-03-20 | 2008-11-25 | Mindspeed Technologies, Inc. | Pitch prediction for packet loss concealment |
| KR100900438B1 (ko) * | 2006-04-25 | 2009-06-01 | 삼성전자주식회사 | 음성 패킷 복구 장치 및 방법 |
| WO2008007698A1 (en) * | 2006-07-12 | 2008-01-17 | Panasonic Corporation | Lost frame compensating method, audio encoding apparatus and audio decoding apparatus |
| US8255213B2 (en) | 2006-07-12 | 2012-08-28 | Panasonic Corporation | Speech decoding apparatus, speech encoding apparatus, and lost frame concealment method |
| US7877253B2 (en) * | 2006-10-06 | 2011-01-25 | Qualcomm Incorporated | Systems, methods, and apparatus for frame erasure recovery |
| US8489392B2 (en) * | 2006-11-06 | 2013-07-16 | Nokia Corporation | System and method for modeling speech spectra |
| RU2431892C2 (ru) * | 2006-11-10 | 2011-10-20 | Панасоник Корпорэйшн | Устройство декодирования параметров, устройство кодирования параметров и способ декодирования параметров |
| KR100862662B1 (ko) | 2006-11-28 | 2008-10-10 | 삼성전자주식회사 | 프레임 오류 은닉 방법 및 장치, 이를 이용한 오디오 신호복호화 방법 및 장치 |
| KR101291193B1 (ko) * | 2006-11-30 | 2013-07-31 | 삼성전자주식회사 | 프레임 오류은닉방법 |
| CN100578618C (zh) * | 2006-12-04 | 2010-01-06 | 华为技术有限公司 | 一种解码方法及装置 |
| US8160890B2 (en) * | 2006-12-13 | 2012-04-17 | Panasonic Corporation | Audio signal coding method and decoding method |
| US8688437B2 (en) | 2006-12-26 | 2014-04-01 | Huawei Technologies Co., Ltd. | Packet loss concealment for speech coding |
| CN101286320B (zh) * | 2006-12-26 | 2013-04-17 | 华为技术有限公司 | 增益量化系统用于改进语音丢包修补质量的方法 |
| CN101226744B (zh) * | 2007-01-19 | 2011-04-13 | 华为技术有限公司 | 语音解码器中实现语音解码的方法及装置 |
| CN101009098B (zh) * | 2007-01-26 | 2011-01-26 | 清华大学 | 声码器增益参数分模式抗信道误码方法 |
| CN101256774B (zh) * | 2007-03-02 | 2011-04-13 | 北京工业大学 | 用于嵌入式语音编码的帧擦除隐藏方法及系统 |
| US9129590B2 (en) * | 2007-03-02 | 2015-09-08 | Panasonic Intellectual Property Corporation Of America | Audio encoding device using concealment processing and audio decoding device using concealment processing |
| CN101325631B (zh) | 2007-06-14 | 2010-10-20 | 华为技术有限公司 | 一种估计基音周期的方法和装置 |
| CN101887723B (zh) * | 2007-06-14 | 2012-04-25 | 华为终端有限公司 | 一种对基音周期进行微调的方法和装置 |
| JP2009063928A (ja) * | 2007-09-07 | 2009-03-26 | Fujitsu Ltd | 補間方法、情報処理装置 |
| US20090094026A1 (en) * | 2007-10-03 | 2009-04-09 | Binshi Cao | Method of determining an estimated frame energy of a communication |
| CN100550712C (zh) * | 2007-11-05 | 2009-10-14 | 华为技术有限公司 | 一种信号处理方法和处理装置 |
| KR100998396B1 (ko) * | 2008-03-20 | 2010-12-03 | 광주과학기술원 | 프레임 손실 은닉 방법, 프레임 손실 은닉 장치 및 음성송수신 장치 |
| CN101339767B (zh) * | 2008-03-21 | 2010-05-12 | 华为技术有限公司 | 一种背景噪声激励信号的生成方法及装置 |
| CN101604523B (zh) * | 2009-04-22 | 2012-01-04 | 网经科技（苏州）有限公司 | 在g.711语音编码中隐藏冗余信息的方法 |
| US9020812B2 (en) * | 2009-11-24 | 2015-04-28 | Lg Electronics Inc. | Audio signal processing method and device |
| US9838784B2 (en) | 2009-12-02 | 2017-12-05 | Knowles Electronics, Llc | Directional audio capture |
| US8280726B2 (en) * | 2009-12-23 | 2012-10-02 | Qualcomm Incorporated | Gender detection in mobile phones |
| RU2510974C2 (ru) * | 2010-01-08 | 2014-04-10 | Ниппон Телеграф Энд Телефон Корпорейшн | Способ кодирования, способ декодирования, устройство кодера, устройство декодера, программа и носитель записи |
| US9082416B2 (en) | 2010-09-16 | 2015-07-14 | Qualcomm Incorporated | Estimating a pitch lag |
| CN101976567B (zh) * | 2010-10-28 | 2011-12-14 | 吉林大学 | 一种语音信号差错掩盖方法 |
| KR101699898B1 (ko) | 2011-02-14 | 2017-01-25 | 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. | 스펙트럼 영역에서 디코딩된 오디오 신호를 처리하기 위한 방법 및 장치 |
| BR112013020324B8 (pt) * | 2011-02-14 | 2022-02-08 | Fraunhofer Ges Forschung | Aparelho e método para supressão de erro em fala unificada de baixo atraso e codificação de áudio |
| MY165853A (en) | 2011-02-14 | 2018-05-18 | Fraunhofer Ges Forschung | Linear prediction based coding scheme using spectral domain noise shaping |
| TWI564882B (zh) | 2011-02-14 | 2017-01-01 | 弗勞恩霍夫爾協會 | 利用重疊變換之資訊信號表示技術（一） |
| EP2676267B1 (en) | 2011-02-14 | 2017-07-19 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Encoding and decoding of pulse positions of tracks of an audio signal |
| WO2012110448A1 (en) | 2011-02-14 | 2012-08-23 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for coding a portion of an audio signal using a transient detection and a quality result |
| US9626982B2 (en) | 2011-02-15 | 2017-04-18 | Voiceage Corporation | Device and method for quantizing the gains of the adaptive and fixed contributions of the excitation in a CELP codec |
| DE20163502T1 (de) * | 2011-02-15 | 2020-12-10 | Voiceage Evs Gmbh & Co. Kg | Vorrichtung und verfahren zur quantisierung der verstärkung von adaptiven und festen beiträgen der anregung in einem celp-koder-dekoder |
| US9275644B2 (en) * | 2012-01-20 | 2016-03-01 | Qualcomm Incorporated | Devices for redundant frame coding and decoding |
| SG11201510513WA (en) | 2013-06-21 | 2016-01-28 | Fraunhofer Ges Forschung | Method and apparatus for obtaining spectrum coefficients for a replacement frame of an audio signal, audio decoder, audio receiver and system for transmitting audio signals |
| ES2635555T3 (es) * | 2013-06-21 | 2017-10-04 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Aparato y método para el desvanecimiento de señales mejorado en diferentes dominios durante el ocultamiento de errores |
| CN104240715B (zh) * | 2013-06-21 | 2017-08-25 | 华为技术有限公司 | 用于恢复丢失数据的方法和设备 |
| CN104299614B (zh) * | 2013-07-16 | 2017-12-29 | 华为技术有限公司 | 解码方法和解码装置 |
| CN108364657B (zh) | 2013-07-16 | 2020-10-30 | 超清编解码有限公司 | 处理丢失帧的方法和解码器 |
| US9536540B2 (en) | 2013-07-19 | 2017-01-03 | Knowles Electronics, Llc | Speech signal separation and synthesis based on auditory scene analysis and speech modeling |
| PT3063759T (pt) | 2013-10-31 | 2018-03-22 | Fraunhofer Ges Forschung | Descodificador de áudio e método para fornecer uma informação de áudio descodificada utilizando uma dissimulação de erros que modifica um sinal de excitação de domínio de tempo |
| BR122020015614B1 (pt) | 2014-04-17 | 2022-06-07 | Voiceage Evs Llc | Método e dispositivo para interpolar parâmetros de filtro de predição linear em um quadro de processamento de sinal sonoro atual seguindo um quadro de processamento de sinal sonoro anterior |
| KR101597768B1 (ko) * | 2014-04-24 | 2016-02-25 | 서울대학교산학협력단 | 입체 음향을 이용한 다자간 인터랙티브 통화 시스템 및 방법 |
| CN106683681B (zh) * | 2014-06-25 | 2020-09-25 | 华为技术有限公司 | 处理丢失帧的方法和装置 |
| US9583115B2 (en) | 2014-06-26 | 2017-02-28 | Qualcomm Incorporated | Temporal gain adjustment based on high-band signal characteristic |
| CN106486129B (zh) * | 2014-06-27 | 2019-10-25 | 华为技术有限公司 | 一种音频编码方法和装置 |
| WO2016040885A1 (en) | 2014-09-12 | 2016-03-17 | Audience, Inc. | Systems and methods for restoration of speech components |
| WO2016142002A1 (en) * | 2015-03-09 | 2016-09-15 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Audio encoder, audio decoder, method for encoding an audio signal and method for decoding an encoded audio signal |
| US9837094B2 (en) * | 2015-08-18 | 2017-12-05 | Qualcomm Incorporated | Signal re-use during bandwidth transition period |
| CN107248411B (zh) | 2016-03-29 | 2020-08-07 | 华为技术有限公司 | 丢帧补偿处理方法和装置 |
| US9820042B1 (en) | 2016-05-02 | 2017-11-14 | Knowles Electronics, Llc | Stereo separation and directional suppression with omni-directional microphones |
| US10657983B2 (en) * | 2016-06-15 | 2020-05-19 | Intel Corporation | Automatic gain control for speech recognition |
| US9978392B2 (en) * | 2016-09-09 | 2018-05-22 | Tata Consultancy Services Limited | Noisy signal identification from non-stationary audio signals |
| CN108922551B (zh) * | 2017-05-16 | 2021-02-05 | 博通集成电路（上海）股份有限公司 | 用于补偿丢失帧的电路及方法 |
| EP3483886A1 (en) * | 2017-11-10 | 2019-05-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Selecting pitch lag |
| EP3483879A1 (en) | 2017-11-10 | 2019-05-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Analysis/synthesis windowing function for modulated lapped transformation |
| JP6914390B2 (ja) * | 2018-06-06 | 2021-08-04 | 株式会社Ｎｔｔドコモ | 音声信号処理方法 |
| BR112021012753A2 (pt) * | 2019-01-13 | 2021-09-08 | Huawei Technologies Co., Ltd. | Método implementado por computador para codificação de áudio, dispositivo eletrônico e meio legível por computador não transitório |
| CN111105804B (zh) * | 2019-12-31 | 2022-10-11 | 广州方硅信息技术有限公司 | 语音信号处理方法、系统、装置、计算机设备和存储介质 |
| CN111933156B (zh) * | 2020-09-25 | 2021-01-19 | 广州佰锐网络科技有限公司 | 基于多重特征识别的高保真音频处理方法及装置 |
| CN112489665B (zh) * | 2020-11-11 | 2024-02-23 | 北京融讯科创技术有限公司 | 语音处理方法、装置以及电子设备 |
| CN112802453B (zh) * | 2020-12-30 | 2024-04-26 | 深圳飞思通科技有限公司 | 快速自适应预测拟合语音方法、系统、终端及存储介质 |
| CN114120959B (zh) * | 2021-11-15 | 2025-02-25 | 深圳供电局有限公司 | 音频数据传输方法、系统及存储介质 |
| CN115035885A (zh) * | 2022-04-15 | 2022-09-09 | 科大讯飞股份有限公司 | 一种语音合成方法、装置、设备及存储介质 |
| KR102783881B1 (ko) * | 2024-04-19 | 2025-03-21 | 전남대학교 산학협력단 | 확장된 병목 트랜스포머와 동적 제한 적응 손실을 활용한 경량화 멀티모달 퓨전 방법 및 장치 |
| CN121054009B (zh) * | 2025-11-03 | 2026-02-03 | 马栏山音视频实验室 | 基于神经网络的线谱频率增强方法、装置、设备及介质 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2483324C (en) * | 1991-06-11 | 2008-05-06 | Qualcomm Incorporated | Estimation of background noise in a variable rate vocoder |
| US5255343A (en) * | 1992-06-26 | 1993-10-19 | Northern Telecom Limited | Method for detecting and masking bad frames in coded speech signals |
| US5502713A (en) * | 1993-12-07 | 1996-03-26 | Telefonaktiebolaget Lm Ericsson | Soft error concealment in a TDMA radio system |
| US5699478A (en) | 1995-03-10 | 1997-12-16 | Lucent Technologies Inc. | Frame erasure compensation technique |
| CA2177413A1 (en) * | 1995-06-07 | 1996-12-08 | Yair Shoham | Codebook gain attenuation during frame erasures |
| KR100339168B1 (ko) * | 1996-11-07 | 2002-06-03 | 모리시타 요이찌 | 음원 벡터 생성 장치, 음성 부호화 장치 및 음성 복호화장치 |
| US6148282A (en) * | 1997-01-02 | 2000-11-14 | Texas Instruments Incorporated | Multimodal code-excited linear prediction (CELP) coder and method using peakiness measure |
| WO1999010719A1 (en) * | 1997-08-29 | 1999-03-04 | The Regents Of The University Of California | Method and apparatus for hybrid coding of speech at 4kbps |
| AU3372199A (en) * | 1998-03-30 | 1999-10-18 | Voxware, Inc. | Low-complexity, low-delay, scalable and embedded speech and audio coding with adaptive frame loss concealment |
| US6810377B1 (en) * | 1998-06-19 | 2004-10-26 | Comsat Corporation | Lost frame recovery techniques for parametric, LPC-based speech coding systems |
| US6240386B1 (en) * | 1998-08-24 | 2001-05-29 | Conexant Systems, Inc. | Speech codec employing noise classification for noise compensation |
| KR100281181B1 (ko) * | 1998-10-16 | 2001-02-01 | 윤종용 | 약전계에서 코드 분할 다중 접속 시스템의 코덱 잡음 제거 방법 |
| US6549587B1 (en) * | 1999-09-20 | 2003-04-15 | Broadcom Corporation | Voice and data exchange over a packet based network with timing recovery |
| US7423983B1 (en) * | 1999-09-20 | 2008-09-09 | Broadcom Corporation | Voice and data exchange over a packet based network |
-
2000
- 2000-07-14 US US09/617,191 patent/US6636829B1/en not_active Expired - Lifetime
-
2001
- 2001-07-09 DE DE60138226T patent/DE60138226D1/de not_active Expired - Lifetime
- 2001-07-09 CN CNA2005100721881A patent/CN1722231A/zh active Pending
- 2001-07-09 CN CNB018128238A patent/CN1212606C/zh not_active Expired - Lifetime
- 2001-07-09 KR KR1020037000511A patent/KR100754085B1/ko not_active Expired - Lifetime
- 2001-07-09 KR KR1020057010151A patent/KR20050061615A/ko not_active Ceased
- 2001-07-09 EP EP05012550A patent/EP1577881A3/en not_active Withdrawn
- 2001-07-09 EP EP01943750A patent/EP1301891B1/en not_active Expired - Lifetime
- 2001-07-09 ES ES03018041T patent/ES2325151T3/es not_active Expired - Lifetime
- 2001-07-09 EP EP09156985A patent/EP2093756B1/en not_active Expired - Lifetime
- 2001-07-09 CN CNB2003101215657A patent/CN1267891C/zh not_active Expired - Lifetime
- 2001-07-09 JP JP2002512896A patent/JP4137634B2/ja not_active Expired - Lifetime
- 2001-07-09 AU AU2001266278A patent/AU2001266278A1/en not_active Abandoned
- 2001-07-09 EP EP03018041A patent/EP1363273B1/en not_active Expired - Lifetime
- 2001-07-09 AT AT01943750T patent/ATE317571T1/de not_active IP Right Cessation
- 2001-07-09 WO PCT/IB2001/001228 patent/WO2002007061A2/en not_active Ceased
- 2001-07-09 KR KR1020037015014A patent/KR100742443B1/ko not_active Expired - Lifetime
- 2001-07-09 AT AT03018041T patent/ATE427546T1/de not_active IP Right Cessation
- 2001-07-09 DE DE60117144T patent/DE60117144T2/de not_active Expired - Lifetime
-
2004
- 2004-01-19 JP JP2004010951A patent/JP4222951B2/ja not_active Expired - Lifetime
-
2005
- 2005-07-08 JP JP2005200534A patent/JP2006011464A/ja not_active Withdrawn
Also Published As
| Publication number | Publication date |
|---|---|
| CN1722231A (zh) | 2006-01-18 |
| EP1363273B1 (en) | 2009-04-01 |
| WO2002007061A3 (en) | 2002-08-22 |
| CN1441950A (zh) | 2003-09-10 |
| EP2093756B1 (en) | 2012-10-31 |
| KR100742443B1 (ko) | 2007-07-25 |
| EP1301891A2 (en) | 2003-04-16 |
| JP2006011464A (ja) | 2006-01-12 |
| EP1363273A1 (en) | 2003-11-19 |
| KR20030040358A (ko) | 2003-05-22 |
| KR20050061615A (ko) | 2005-06-22 |
| JP4137634B2 (ja) | 2008-08-20 |
| ATE427546T1 (de) | 2009-04-15 |
| EP1577881A3 (en) | 2005-10-19 |
| JP2004504637A (ja) | 2004-02-12 |
| KR20040005970A (ko) | 2004-01-16 |
| US6636829B1 (en) | 2003-10-21 |
| CN1212606C (zh) | 2005-07-27 |
| DE60117144D1 (de) | 2006-04-20 |
| ATE317571T1 (de) | 2006-02-15 |
| EP1577881A2 (en) | 2005-09-21 |
| EP2093756A1 (en) | 2009-08-26 |
| AU2001266278A1 (en) | 2002-01-30 |
| JP4222951B2 (ja) | 2009-02-12 |
| CN1267891C (zh) | 2006-08-02 |
| EP1301891B1 (en) | 2006-02-08 |
| JP2004206132A (ja) | 2004-07-22 |
| CN1516113A (zh) | 2004-07-28 |
| WO2002007061A2 (en) | 2002-01-24 |
| DE60138226D1 (de) | 2009-05-14 |
| DE60117144T2 (de) | 2006-10-19 |
| KR100754085B1 (ko) | 2007-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2325151T3 (es) | Sistema de comunicacion vocal y procedimiento para gestionar tramas perdidas. | |
| US10181327B2 (en) | Speech gain quantization strategy | |
| ES2276845T3 (es) | Metodos y aparatos para la clasificacion de voz robusta. | |
| US10204628B2 (en) | Speech coding system and method using silence enhancement | |
| JP4927257B2 (ja) | 可変レートスピーチ符号化 | |
| JP4658596B2 (ja) | 線形予測に基づく音声コーデックにおける効率的なフレーム消失の隠蔽のための方法、及び装置 | |
| US7797161B2 (en) | Method and apparatus for performing packet loss or frame erasure concealment | |
| US6694293B2 (en) | Speech coding system with a music classifier | |
| US7233897B2 (en) | Method and apparatus for performing packet loss or frame erasure concealment | |
| US20060167693A1 (en) | Method and apparatus for performing packet loss or frame erasure concealment | |
| AU2001255422A1 (en) | Gains quantization for a celp speech coder | |
| JP2006502427A (ja) | 適応マルチレート広帯域（ａｍｒ−ｗｂ）コーデックとマルチモード可変ビットレート広帯域（ｖｍｒ−ｗｂ）コーデック間における相互運用方法 | |
| US7146309B1 (en) | Deriving seed values to generate excitation values in a speech coder |