ES2709329T3 - Dispositivo de conversión de coeficiente de predicción lineal y procedimiento de conversión de coeficiente de predicción lineal - Google Patents

Dispositivo de conversión de coeficiente de predicción lineal y procedimiento de conversión de coeficiente de predicción lineal Download PDF

Info

Publication number
ES2709329T3
ES2709329T3 ES15783059T ES15783059T ES2709329T3 ES 2709329 T3 ES2709329 T3 ES 2709329T3 ES 15783059 T ES15783059 T ES 15783059T ES 15783059 T ES15783059 T ES 15783059T ES 2709329 T3 ES2709329 T3 ES 2709329T3
Authority
ES
Spain
Prior art keywords
linear prediction
coefficients
sampling frequency
power spectrum
prediction coefficients
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.)
Active
Application number
ES15783059T
Other languages
English (en)
Inventor
Nobuhiko Naka
Vesa Ruoppila
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Docomo Inc
Original Assignee
NTT Docomo Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NTT Docomo Inc filed Critical NTT Docomo Inc
Application granted granted Critical
Publication of ES2709329T3 publication Critical patent/ES2709329T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G10L19/26—Pre-filtering or post-filtering
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • 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
    • 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
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] 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
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
    • G10L19/13—Residual excited linear prediction [RELP]
    • 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
    • G10L19/16—Vocoder architecture
    • 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
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/12—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being prediction coefficients

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Picture Signal Circuits (AREA)

Abstract

Dispositivo de conversión de coeficiente de predicción lineal que convierte primeros coeficientes de predicción lineal calculados a una primera frecuencia de muestreo en segundos coeficientes de predicción lineal a una segunda frecuencia de muestreo diferente de la primera frecuencia de muestreo, que comprende: unos medios para calcular, en puntos en el eje real del círculo unitario, usando descomposición de LSF y polinomios de Chebyshev, un espectro de potencia correspondiente a los segundos coeficientes de predicción lineal a la segunda frecuencia de muestreo en función de los primeros coeficientes de predicción lineal (S002); unos medios para calcular, en puntos en el eje real del círculo unitario, coeficientes de autocorrelación a partir del espectro de potencia (S003); unos medios para convertir los coeficientes de autocorrelación en los segundos coeficientes de predicción lineal a la segunda frecuencia de muestreo (S004); y en el que el espectro de potencia correspondiente a los segundos coeficientes de predicción lineal se obtiene calculando un espectro de potencia usando los primeros coeficientes de predicción lineal en puntos en el eje real correspondientes al número de frecuencias diferentes a la segunda frecuencia de muestreo.

Description

DESCRIPCION
Dispositivo de conversion de coeficiente de prediccion lineal y procedimiento de conversion de coeficiente de prediccion lineal
Campo tecnico
La presente invencion se refiere a un dispositivo de conversion de coeficiente de prediccion lineal y a un procedimiento de conversion de coeficiente de prediccion lineal.
Tecnica anterior
Un modelo de todos los polos autorregresivo es un procedimiento que se usa a menudo para el modelado de una envolvente espectral a corto plazo en codificacion de voz y audio, en el que se adquiere una senal de entrada para una determinada unidad colectiva o una trama con una longitud especificada, se codifica un parametro del modelo y se transmite a un descodificador junto con otro parametro como informacion de transmision. El modelo de todos los polos autorregresivo se estima generalmente mediante prediccion lineal y se representa como un filtro de smtesis de prediccion lineal.
Una de las tecnicas de codificacion de voz y audio habituales mas recientes es la recomendacion G.718 de ITU-T. La recomendacion describe en detalle una estructura de trama habitual para codificacion que usa un filtro de smtesis de prediccion lineal, y un procedimiento de estimacion, un procedimiento de codificacion, un procedimiento de interpolacion y un procedimiento de uso de un filtro de smtesis de prediccion lineal. Ademas, la codificacion de voz y audio basada en prediccion lineal tambien se describe en detalle en el documento de patente 2.
En la codificacion de voz y audio que puede gestionar diversas frecuencias de muestreo de entrada/salida y funcionar a un amplio intervalo de tasas de transmision de bits, que vanan de trama a trama, generalmente se requiere cambiar la frecuencia de muestreo interna de un codificador. Puesto que tambien se requiere la misma operacion en un descodificador, la descodificacion se realiza a la misma frecuencia de muestreo interna que en el codificador. La figura 1 muestra un ejemplo en el que cambia la frecuencia de muestreo interna. En este ejemplo, la frecuencia de muestreo interna es de 16.000 Hz en una trama i, y es de 12.800 Hz en la trama i-1 anterior. Es necesario que el filtro de smtesis de prediccion lineal que representa las caractensticas de una senal de entrada en la trama i-1 anterior se estime de nuevo despues de volver a muestrear la senal de entrada a la frecuencia de muestreo interna cambiada de 16.000 Hz, o se convierta en uno correspondiente a la frecuencia de muestreo interna cambiada de 16.000 Hz. El motivo de que sea necesario que el filtro de smtesis de prediccion lineal se calcule a una frecuencia de muestreo interna cambiada es obtener el estado interno correcto del filtro de smtesis de prediccion lineal para la senal de entrada actual y realizar una interpolacion con el fin de obtener un modelo que es temporalmente mas uniforme.
Un procedimiento para obtener otro filtro de smtesis de prediccion lineal en funcion de las caractensticas de un determinado filtro de smtesis de prediccion lineal es calcular un filtro de smtesis de prediccion lineal despues de la conversion a partir de una respuesta de frecuencia deseada despues de la conversion en un dominio de frecuencia tal como se muestra en la figura 2. En este ejemplo, se introducen coeficientes LSF como parametro que representa el filtro de smtesis de prediccion lineal. Pueden ser coeficientes LSP, coeficientes ISF, coeficientes ISP o coeficientes de reflexion, que generalmente se conocen como parametros equivalentes a coeficientes de prediccion lineal. En primer lugar, se calculan coeficientes de prediccion lineal con el fin de obtener un espectro de potencia Y(«) del filtro de smtesis de prediccion lineal a la primera frecuencia de muestreo interna (001). Esta etapa puede omitirse cuando se conocen los coeficientes de prediccion lineal. A continuacion se calcula el espectro de potencia Y(«) del filtro de smtesis de prediccion lineal, que se determina mediante los coeficientes de prediccion lineal obtenidos (002). Luego, se modifica el espectro de potencia obtenido para dar un espectro de potencia deseado Y’(«) (003). Se calculan coeficientes de autocorrelacion a partir del espectro de potencia modificado (004). Se calculan coeficientes de prediccion lineal a partir de los coeficientes de autocorrelacion (005). La relacion entre los coeficientes de autocorrelacion y los coeficientes de prediccion lineal se conoce como la ecuacion de Yule-Walker, y el algoritmo de Levinson-Durbin se conoce bien como una solucion de esa ecuacion.
Este algoritmo es eficaz en la conversion de una frecuencia de muestreo del filtro de smtesis de prediccion lineal descrito anteriormente. Esto se debe a que, aunque en un analisis de prediccion lineal generalmente se usa una senal que esta temporalmente adelantada a una senal en una trama que va a codificarse, que se denomina senal anticipada, la senal anticipada no puede usarse cuando se realiza un analisis de prediccion lineal de nuevo en un descodificador.
Tal como se describio anteriormente, en la codificacion de voz y audio con dos frecuencias de muestreo internas diferentes, se prefiere usar un espectro de potencia con el fin de convertir la frecuencia de muestreo interna de un filtro de smtesis de prediccion lineal conocido. Sin embargo, puesto que el calculo de un espectro de potencia es un calculo complejo, existe el problema de que la cantidad de calculo es grande.
Lista de referencias
Bibliografia no de patente
Documento no de patente 1: Recomendacion G.718 de ITU-T
Documento no de patente 2: Speech coding and synthesis, W.B. Kleijn, K.K. Pariwal, et al. ELSEVIER.
El documento de patente EP 1.785.985 ensena un aparato de codificacion para realizar comunicacion de voz en un sistema de comunicacion movil destinado a impedir la perdida de paquetes de datos, tales como paquetes de VOIP, aumentando el rendimiento de conversion y la exactitud predictiva.
Sumario de la invencion
Problema tecnico
Tal como se describio anteriormente, existe el problema de que, en un esquema de codificacion que tiene un filtro de smtesis de prediccion lineal con dos frecuencias de muestreo internas diferentes, se requiere una gran cantidad de calculo para convertir el filtro de smtesis de prediccion lineal a una determinada frecuencia de muestreo interna en uno a una frecuencia de muestreo interna deseada.
Solucion al problema
Para resolver el problema anterior, un dispositivo de conversion de coeficiente de prediccion lineal segun un aspecto de la presente invencion es un dispositivo que convierte primeros coeficientes de prediccion lineal calculados a una primera frecuencia de muestreo en segundos coeficientes de prediccion lineal a una segunda frecuencia de muestreo diferente de la primera frecuencia de muestreo segun la reivindicacion 1.
Un aspecto de la presente invencion puede describirse como una invencion de un dispositivo tal como se menciono anteriormente y, ademas, tambien puede describirse como una invencion de un procedimiento segun la reivindicacion 2.
Efectos ventajosos de la invencion
Es posible estimar un filtro de smtesis de prediccion lineal despues de la conversion de una frecuencia de muestreo interna con una cantidad menor de calculo que con los medios existentes.
Breve descripcion de los dibujos
La figura 1 es una vista que muestra la relacion entre la conmutacion de una frecuencia de muestreo interna y un filtro de smtesis de prediccion lineal.
La figura 2 es una vista que muestra una conversion de coeficientes de prediccion lineal.
La figura 3 es un diagrama de flujo de conversion 1.
La figura 4 es un diagrama de flujo de conversion 2.
La figura 5 es un diagrama de bloques de una realizacion de la presente invencion.
La figura 6 es una vista que muestra la relacion entre un cfrculo unitario y una funcion coseno.
Descripcion de realizaciones
A continuacion en el presente documento se describen realizaciones de un dispositivo, un procedimiento y un programa con referencia a los dibujos. Observese que, en la descripcion de los dibujos, los mismos elementos se indican mediante los mismos sfmbolos de referencia y se omite una descripcion redundante de los mismos.
En primer lugar, a continuacion en el presente documento se describen las definiciones requeridas para describir las realizaciones.
Una respuesta de un filtro de prediccion lineal autorregresivo de orden N (que a continuacion en el presente documento se denomina filtro de smtesis de prediccion lineal)
Figure imgf000004_0003
puede adaptarse al espectro de potencia Y(w) calculando la autocorrelation
Figure imgf000004_0004
para un espectro de potencia conocido Y(w) a una frecuencia angular ue[-n, n] y, usando los coeficientes de autocorrelacion de orden N, resolviendo los coeficientes de prediction lineal a1, a2,... , an mediante el procedimiento de Levinson-Durbin como procedimiento habitual, por ejemplo.
Tal generation de un modelo autorregresivo usando un espectro de potencia conocido puede usarse tambien para la modification de un filtro de smtesis de prediccion lineal 1/A(z) en el dominio de frecuencia. Esto se logra calculando el espectro de potencia de un filtro conocido
Figure imgf000004_0005
y modificando el espectro de potencia obtenido Y(w) mediante un procedimiento apropiado que sea adecuado con el proposito de obtener el espectro de potencia modificado Y’(w), despues calculando los coeficientes de autocorrelacion de Y’(w) mediante la ecuacion anterior (2), y obteniendo los coeficientes de prediccion lineal del filtro modificado 1/A’(z) mediante el algoritmo de Levinson-Durbin o un procedimiento similar.
Aunque la ecuacion (2) no puede calcularse analiticamente excepto en casos sencillos, la aproximacion rectangular puede usarse de la siguiente manera, por ejemplo.
Figure imgf000004_0001
donde n indica el numero M de frecuencias colocadas a intervalos regulares a la frecuencia angular [-n, n]. Cuando se usa la propiedad simetrica de Y(-w)=-Y(w), la adicion mencionada anteriormente solamente necesita evaluar la frecuencia angular we[0, n], que corresponde a la mitad superior del drculo unitario. Por tanto, en cuanto a la cantidad de calculo se prefiere que la aproximacion rectangular representada mediante la ecuacion anterior (4) se altere de la siguiente manera
Figure imgf000004_0002
donde n indica el numero (N-2) de frecuencias colocadas a intervalos regulares a (0, n), excluyendo 0 y n.
A continuation en el presente documento se describen frecuencias espectrales de lmea (que a continuation en el presente documento se denominan LSF) como medios equivalentes de expresion de coeficientes de prediccion lineal.
La representation mediante LSF se usa en diversas tecnicas de codificacion de voz y audio para la cantidad caracteristica de un filtro de smtesis de prediccion lineal, y el funcionamiento y la codificacion de un filtro de smtesis de prediccion lineal. La LSF caracteriza de manera unica el polinomio A(z) de orden N mediante el numero n de parametros que son diferentes respecto a coeficientes de prediccion lineal. La LSF tiene caracteristicas tales como que garantiza facilmente la estabilidad de un filtro de smtesis de prediccion lineal, se interpreta de manera intuitiva en el dominio de frecuencia, es menos probable que se vea afectada por errores de cuantificacion que otros parametros tales como coeficientes de prediccion lineal y coeficientes de reflexion, es adecuada para interpolacion y similares.
Con el proposito de una realizacion de la presente invencion, las LSF se definen de la siguiente manera.
Una descomposicion de LSF del polinomio A(z) de orden N puede representarse de la siguiente manera usando un desplazamiento de un numero entero donde k> 0
Figure imgf000004_0006
donde P(z)=A(z)+z'""cA (z ') y
Figure imgf000005_0001
La ecuacion (6) indica que P(z) es simetrico y Q(z) es antisimetrico de la siguiente manera
P(z)~z"n KP(z~^ )
Q ( Z ) = ^ V )
Tal propiedad simetrica es una caracteristica importante en la descomposicion de LSF.
Resulta evidente que P(z) y Q(z) tienen cada uno una raiz en z=±1. Esas ratees evidentes son tal como se muestra en la tabla 1 como n y k. Por tanto, polinomios que representan las raices evidentes de P(z) y Q(z) se definen como Pt(z) y Qt(z), respectivamente. Cuando P(z) no tiene una raiz evidente, Pt(z) es 1. Lo mismo se aplica a Q(z). Una LSF de A(z) es una raiz no trivial del angulo de fase positivo de P(z) y Q(z). Cuando el polinomio A(z) es la fase m^nima, es decir, cuando todas las raices de A(z) estan en el interior del drculo unitario, las raices no triviales de P(z) y Q(z) se disponen de manera alterna en el drculo unitario. El numero de raices complejas de P(z) y Q(z) es mP y mQ, respectivamente. La tabla 1 muestra la relacion de mP y mo con el orden n y desplazamiento k.
Cuando las raices complejas de P(z), que es el angulo de fase positivo, se representan como
y las raices de Q(z) se representan como
® 1 ! ® 33 - > ® 2h 2 - 1 ?
las posiciones de las raices del polinomio A(z), que es la fase minima, pueden representarse de la siguiente manera.
(7) 0 < <y0 <©!<... < G}mf+me_i < n
En la codificacion de voz y audio, se usa un desplazamiento k=0 o k=1. Cuando k=0, se denomina generalmente frecuencia espectral de inmitancia (ISF), y cuando k=1, se denomina generalmente LSF en un sentido mas restringido que el de la descripcion de una realizacion de la presente invencion. Sin embargo, observese que la representacion que usa desplazamiento puede gestionar tanto ISF como LSF de manera unificada. En muchos casos, un resultado obtenido mediante LSF puede aplicarse tal cual a un k>0 dado o puede generalizarse.
Cuando k=0, la representacion de LSF solamente tiene el numero (mP+mQ=n-1) de parametros de frecuencia tal como se muestra en la tabla 1. Por tanto, se requiere un parametro mas para representar de manera unica A(z), y se usa normalmente el n-esimo coeficiente de reflexion (que a continuacion en el presente documento se denomina yn) de A(z). Este parametro se introduce en la descomposicion de LSF como el siguiente factor.
donde yn es el n-esimo coeficiente de reflexion de A(z) que comienza con Q(z), y es normalmente yn=an.
Cuando k=1, el numero (mP+mQ=n) de parametros se obtiene mediante descomposicion de LSF, y es posible representar de manera unica A(z). En este caso, u=1.
Tabla 1
Figure imgf000005_0002
p ) ( )
Teniendo en cuenta el hecho de que raices no evidentes, excluyendo raices evidentes, son un par de numeros complejos en el drculo unitario y obtienen polinomios simetricos, se obtiene la siguiente ecuacion.
Figure imgf000006_0001
Asimismo,
Figure imgf000006_0002
En esos polinomios,
Figure imgf000006_0004
y
Figure imgf000006_0005
representan completamente P(z) y Q(z) usando un desplazamiento dado k y v que se determina mediante el orden n de A(z). Esos coeficientes pueden obtenerse directamente a partir de las expresiones (6) y (8).
Cuando z=ej“ y usando la siguiente relacion
Figure imgf000006_0003
las expresiones (9) y (10) pueden representarse de la siguiente manera
Figure imgf000006_0006
donde
Figure imgf000006_0007
y
Figure imgf000006_0008
Espedficamente, las LSF del polinomio A(z) son las rakes de R(w) y S(w) a la frecuencia angular w£(0, n).
A continuacion en el presente documento se describen los polinomios de Chebyshev del primer tipo, que se usan en una realizacion de la presente invencion.
Los polinomios de Chebyshev del primer tipo se definen de la siguiente manera usando una relacion de recurrencia
Figure imgf000006_0009
Observese que los valores iniciales son To(x)=1 y Ti(x)=x, respectivamente. Para x donde [-1, 1], los polinomios de Chebyshev pueden representarse de la siguiente manera
Figure imgf000006_0010
Un aspecto de la presente divulgacion explica que la ecuacion (15) proporciona un procedimiento sencillo para calcular coskw (donde k=2,3,...) que empieza con cosw y cos0=1. Espedficamente, con el uso de la ecuacion (16), la ecuacion (15) se reescribe de la siguiente forma
Figure imgf000006_0011
Cuando se usa la conversion w=arccosx, los primeros polinomios obtenidos a partir de la ecuacion (15) son de la siguiente manera
Figure imgf000007_0002
Cuando las ecuaciones (13) y (14) para xe[-1,1] se reemplazan por esos polinomios de Chebyshev, se obtienen las siguientes ecuaciones
Figure imgf000007_0003
Cuando se conoce LSF^i para i=0,1,...,mP+mQ-1, se obtienen las siguientes ecuaciones usando el coseno de LSF X=cos^i (LSP)
Figure imgf000007_0004
Los coeficientes ro y so pueden obtenerse mediante una comparacion de las ecuaciones (18) y (19) con (20) y (21) basandose en mp y mQ.
Las ecuaciones (20) y (21) se escriben como
Figure imgf000007_0005
Esos polinomios pueden calcularse de manera eficiente para una x dada mediante un procedimiento conocido como el procedimiento de Horner. El procedimiento de Horner obtiene R(x)=bo(x) mediante el uso de la siguiente relation recursiva
Figure imgf000007_0006
donde el valor inicial es
Figure imgf000007_0001
Lo mismo se aplica a S(x).
A continuation en el presente documento se describe un procedimiento de calculo de los coeficientes de los polinomios de las ecuaciones (22) y (23) usando un ejemplo. En este ejemplo se supone que el orden de A(z) es 16 (n=16). Por consiguiente, mp=mQ=8 en este caso. Un desarrollo en serie de la ecuacion (18) puede representarse en forma de la ecuacion (22) mediante sustitucion y simplification mediante los polinomios de Chebyshev. Como resultado, los coeficientes del polinomio de la ecuacion (22) se representan de la siguiente manera usando el coeficiente pi del polinomio P(z).
Figure imgf000008_0001
Los coeficientes de P(z) pueden obtenerse a partir de la ecuacion (6). Este ejemplo puede aplicarse tambien al polinomio de la ecuacion (23) usando la misma ecuacion y usando los coeficientes de Q(z). Ademas, la misma ecuacion para calcular los coeficientes de R(x) y S(x) tambien puede derivar facilmente otro orden n y desplazamiento k.
Ademas, cuando se conocen las raices de las ecuaciones (20) y (21), pueden obtenerse coeficientes a partir de las ecuaciones (20) y (21).
A continuacion en el presente documento se ofrece una descripcion general del procesamiento segun una realizacion de la presente invencion.
La presente invencion proporciona un dispositivo y procedimiento de calculo eficaces para, cuando se convierte un filtro de smtesis de prediccion lineal calculado de antemano mediante un codificador o un descodificador a una primera frecuencia de muestreo en uno a una segunda frecuencia de muestreo, calcular el espectro de potencia del filtro de smtesis de prediccion lineal y modificarlo a la segunda frecuencia de muestreo, y entonces obtener coeficientes de autocorrelacion a partir del espectro de potencia modificado.
A continuacion en el presente documento se describe un procedimiento de calculo para el espectro de potencia de un filtro de smtesis de prediccion lineal segun una realizacion de la presente invencion. El calculo del espectro de potencia usa la descomposicion de LSF de la ecuacion (6) y las propiedades de los polinomios P(z) y Q(z). Usando la descomposicion de LSF y los polinomios de Chebyshev descritos anteriormente, el espectro de potencia puede convertirse en el eje real del drculo unitario.
Con la conversion en el eje real, es posible lograr un procedimiento eficaz para calcular un espectro de potencia a una frecuencia arbitraria en wg[0, n]. Esto se debe a que es posible eliminar funciones transcendentales dado que el espectro de potencia esta representado por polinomios. Particularmente, es posible simplificar el calculo del espectro de potencia a w=0, w=n/2 y w=n. La misma simplificacion tambien es aplicable a LSF cuando uno cualquiera de P(z) o Q(z) es cero. Tales propiedades son ventajosas en comparacion con FFT, que generalmente se usa para el calculo del espectro de potencia.
Se conoce que el espectro de potencia de A(z) puede representarse de la siguiente manera usando descomposicion de LSF.
Figure imgf000008_0002
La presente invencion usa los polinomios de Chebyshev como una manera de calcular de manera mas eficaz el espectro de potencia |A(w)|2 de A(z) en comparacion con el caso de aplicar directamente la ecuacion (26). Espedficamente, el espectro de potencia |A(w)|2 se calcula en el eje real del drculo unitario tal como se representa mediante la siguiente ecuacion, convirtiendo una variable en x=cosw y usando una descomposicion de LSF mediante los polinomios de Chebyshev.
Figure imgf000008_0003
(1) a (4) corresponden a (1) a (4) en la tabla 1, respectivamente.
La ecuacion (27) se demuestra de la siguiente manera.
Las siguientes ecuaciones se obtienen a partir de las ecuaciones (11) y (12).
Figure imgf000009_0001
Los factores que representan las rafces evidentes de P(w) y Q(w) son respectivamente de la siguiente manera.
Figure imgf000009_0002
La aplicacion de la sustitucion cosw=x y cos2w=2x2-1 en |Pt(w)| y |Qt(w)|, respectivamente, da la ecuacion (27). Los polinomios R(x) y S(x) pueden calcularse mediante el procedimiento de Horner descrito anteriormente. Ademas, cuando se conoce x para calcular R(x) y S(x), puede omitirse el calculo de una funcion trigonometrica almacenando x en una memoria.
El calculo del espectro de potencia de A(z) puede simplificarse adicionalmente. En primer lugar, en el caso de calcular con LSF, uno de R(x) y S(x) en la correspondiente ecuacion (27) es cero. Cuando el desplazamiento es k=1 y el orden n es un numero par, la ecuacion (27) se simplifica de la siguiente manera.
Figure imgf000009_0003
Ademas, en el caso de w={0,n/2,n}, se simplifica cuando x={1,0,-1}. Las ecuaciones son de la siguiente manera cuando el desplazamiento es k=1 y el orden n es un numero par, que son los mismos que en el ejemplo anterior.
Figure imgf000009_0004
Tambien pueden obtenerse facilmente resultados similares cuando el desplazamiento es k=0 y el orden n es un numero impar.
A continuation se describe el calculo de coeficientes de autocorrelation segun una realization de la presente invention.
En la ecuacion (5), cuando se define una frecuencia n+=A,2A,...,(N-1)A donde N es un numero impary el intervalo de frecuencias es A=n/(N-1), el calculo de autocorrelacion contiene el espectro de potencia simplificado descrito anteriormente a w=0,n/2,n. Puesto que la normalizacion de coeficientes de autocorrelacion mediante 1/N no afecta a coeficientes de prediccion lineal que van a obtenerse como resultado, puede usarse cualquier valor positivo.
Sin embargo, el calculo de la ecuacion (5) todavfa requiere coskw donde k=1,2,...,n para cada uno del numero (N-2) de frecuencias. Por tanto, se usa la propiedad simetrica de coskw.
Figure imgf000009_0005
Tambien se usan las siguientes caracteristicas.
Figure imgf000010_0001
donde W indica el mayor numero entero que no supera x. Observese que la ecuacion (29) se simplifica a 2, 0, -2,
0, 2, 0,... para k=0,1,2,...
Ademas, mediante conversion en x=cosw, los coeficientes de autocorrelacion se mueven sobre el eje real del drculo unitario. Con este proposito, se introduce la variable X(x)=Y(arccos x). Esto posibilita el calculo de coskw mediante el uso de la ecuacion (15).
Dado lo anterior, la aproximacion de autocorrelacion de la ecuacion (5) puede reemplazarse por la siguiente ecuacion.
Figure imgf000010_0002
(X(x) + ( - i f X i - x W
donde '-^ k(x) 2x1). _j(x)-l\_2(x)
k=2,3,...,n, y To(x)=1, Ti(x)=cosx tal como se describio anteriormente. Cuando se tiene en cuenta la propiedad simetrica de la ecuacion (28), solamente es necesario calcular el ultimo termino de la ecuacion (30) cuando x£A={cosA,cos2A,...,(N-3)A/2}, y el numero (N-3)/2 de valores de coseno puede almacenarse en una memoria. La figura 6 muestra la relacion entre la frecuencia A y la funcion coseno cuando N=31.
A continuacion en el presente documento se describe un ejemplo de la presente invencion. En este ejemplo, se usan un caso de conversion de un filtro de smtesis de prediccion lineal calculado a una primera frecuencia de muestreo de 16.000 Hz en uno a una segunda frecuencia de muestreo de 12.800 Hz (que a continuacion en el presente documento se denomina conversion 1) y un caso de conversion de un filtro de smtesis de prediccion lineal calculado a una primera frecuencia de muestreo de 12.800 Hz en uno a una segunda frecuencia de muestreo de 16.000 Hz (a continuacion en el presente documento, conversion 2). Esas dos frecuencias de muestreo tienen una razon de 4:5 y se usan generalmente en codificacion de voz y audio. Cada una de la conversion 1 y la conversion 2 de este ejemplo se realiza en el filtro de smtesis de prediccion lineal en la trama anterior cuando ha cambiado la frecuencia de muestreo interna, y puede realizarse en cualquiera de un codificador y un descodificador. Tal conversion se requiere para ajustar el estado interno correcto al filtro de smtesis de prediccion lineal en la trama actual y para realizar una interpolacion del filtro de smtesis de prediccion lineal en funcion del tiempo.
A continuacion en el presente documento se describe el procesamiento en este ejemplo con referencia a los diagramas de flujo de las figuras 3 y 4.
Para calcular un espectro de potencia y coeficientes de autocorrelacion usando un punto de frecuencia comun en ambos casos de las conversiones 1 y 2, el numero de frecuencias cuando una frecuencia de muestreo es de 12.800 Hz se determina como Nl=1+(12.800 Hz/16.000 Hz)(N-1). Observese que N es el numero de frecuencias a una frecuencia de muestreo de 16.000 Hz. Tal como se describio anteriormente, se prefiere que N y Nl sean ambos numeros impares con el fin de contener frecuencias a las que se simplifica el calculo de un espectro de potencia y coeficientes de autocorrelacion. Por ejemplo, cuando N es 31,41, 51, 61, el Nl correspondiente es 25, 33, 41,49. A continuacion se describe como ejemplo el caso en el que N=31 y Nl=25 (etapa S000).
Cuando el numero de frecuencias que van a usarse para el calculo de un espectro de potencia y coeficientes de autocorrelacion en el dominio en el que la frecuencia de muestreo es de 16.000 Hz es N=31, el intervalo de frecuencias es A=n/30, y el numero de elementos requeridos para el calculo de autocorrelacion contenidos en A es
(N-3)/2=14.
La conversion 1 que se realiza en un codificador y un descodificador en las condiciones anteriores se lleva a cabo en el siguiente procedimiento.
Determinar los coeficientes de los polinomios R(x) y S(x) usando las ecuaciones (20) y (21) a partir de las raices obtenidas mediante un desplazamiento k=0 o k=1 y LSF que corresponden a un filtro de smtesis de prediccion lineal obtenido a una frecuencia de muestreo de 16.000 Hz, que es la primera frecuencia de muestreo (etapa S001).
Calcular el espectro de potencia del filtro de smtesis de prediccion lineal a la segunda frecuencia de muestreo hasta 6.400 Hz, que es la frecuencia de Nyquist de la segunda frecuencia de muestreo. Puesto que esta frecuencia de
corte corresponde a «=(4/5)n a la primera frecuencia de muestreo, se calcula un espectro de potencia usando la ecuacion (27) a un numero Nl=25 de frecuencias en el lado inferior. Para el calculo de R(x) y S(x), puede usarse el procedimiento de Horner para reducir el calculo. No hay necesidad de calcular un espectro de potencia para las 6 (=N-Nl) frecuencias restantes en el lado superior (etapa S002).
Calcular coeficientes de autocorrelacion correspondientes al espectro de potencia obtenido en la etapa S002 usando la ecuacion (30). En esta etapa, N en la ecuacion (30) se ajusta a Nl=25, que es el numero de frecuencias a la segunda frecuencia de muestreo (etapa S003).
Derivar coeficientes de prediccion lineal mediante el procedimiento de Levinson-Durbin o un procedimiento similar con el uso del coeficiente de autocorrelacion obtenido en la etapa S003, y obtener un filtro de smtesis de prediccion lineal a la segunda frecuencia de muestreo (etapa S004).
Convertir el coeficiente de prediccion lineal obtenido en la etapa S004 en LSF (etapa S005).
La conversion 2 que se realiza en un codificador o un descodificador puede lograrse en el siguiente procedimiento, de la misma manera que la conversion 1.
Determinar los coeficientes de los polinomios R(x) y S(x) usando las ecuaciones (20) y (21) a partir de las rames obtenidas mediante un desplazamiento k=0 o k=1 y LSF que corresponden a un filtro de smtesis de prediccion lineal obtenido a una frecuencia de muestreo de 12.800 Hz, que es la primera frecuencia de muestreo (etapa S011). Calcular en primer lugar el espectro de potencia del filtro de smtesis de prediccion lineal a la segunda frecuencia de muestreo hasta 6.400 Hz, que es la frecuencia de Nyquist de la primera frecuencia de muestreo. Esta frecuencia de corte corresponde a «=n, y se calcula un espectro de potencia usando la ecuacion (27) a un numero Nl=25 de frecuencias. Para el calculo de R(x) y S(x), puede usarse el procedimiento de Horner para reducir el calculo. Para 6 frecuencias que superan 6.400 Hz a la segunda frecuencia de muestreo, se extrapola un espectro de potencia. Como ejemplo de extrapolacion, puede usarse el espectro de potencia obtenido a la NL-esima frecuencia (etapa S012).
Calcular coeficientes de autocorrelacion correspondientes al espectro de potencia obtenido en la etapa S012 usando la ecuacion (30). En esta etapa, N en la ecuacion (30) se ajusta a N=31, que es el numero de frecuencias a la segunda frecuencia de muestreo (etapa S013).
Derivar coeficientes de prediccion lineal mediante el procedimiento de Levinson-Durbin o un procedimiento similar con el uso del coeficiente de autocorrelacion obtenido en la etapa S013, y obtener un filtro de smtesis de prediccion lineal a la segunda frecuencia de muestreo (etapa S014).
Convertir el coeficiente de prediccion lineal obtenido en la etapa S014 en LSF (etapa S015).
La figura 5 es un diagrama de bloques en el ejemplo de la presente invencion. Una unidad de conversion de espectro de potencia real 100 esta compuesta por una unidad de calculo de polinomios 101, una unidad de calculo de espectro de potencia real 102 y una unidad de extrapolacion de espectro de potencia real 103, y ademas se proporcionan una unidad de calculo de autocorrelacion real 104 y una unidad de calculo de coeficiente de prediccion lineal 105. Esto es para lograr las conversiones 1 y 2 descritas anteriormente. Al igual que en la descripcion de los diagramas de flujo descritos anteriormente, la unidad de conversion de espectro de potencia real 100 recibe, como entrada, LSF que representan un filtro de smtesis de prediccion lineal a la primera frecuencia de muestreo, y emite el espectro de potencia de un filtro de smtesis de prediccion lineal deseado a la segunda frecuencia de muestreo. En primer lugar, la unidad de calculo de polinomios 101 realiza el procesamiento en las etapas S001, S011 descritas anteriormente para calcular los polinomios R(x) y S(x) a partir de LSF. A continuacion, la unidad de calculo de espectro de potencia real 102 realiza el procesamiento en las etapas S002 o S012 para calcular el espectro de potencia. Ademas, la unidad de extrapolacion de espectro de potencia real 103 realiza una extrapolacion del espectro, que se realiza en la etapa S012 en el caso de la conversion 2. Mediante el procedimiento anterior, se obtiene el espectro de potencia de un filtro de smtesis de prediccion lineal deseado a la segunda frecuencia de muestreo. Despues de eso, la unidad de calculo de autocorrelacion real 104 realiza el procesamiento en las etapas S003 y S013 para convertir el espectro de potencia en coeficientes de autocorrelacion. Finalmente, la unidad de calculo de coeficiente de prediccion lineal 105 realiza el procesamiento en las etapas S004 y S014 para obtener coeficientes de prediccion lineal a partir de los coeficientes de autocorrelacion. Observese que, aunque este diagrama de bloques no muestra el bloque correspondiente a S005 y S015, la conversion a partir de los coeficientes de prediccion lineal en LSF u otros coeficientes equivalentes puede lograrse facilmente mediante una tecnica conocida.
[Ejemplo alternativo]
Aunque los coeficientes de los polinomios R(x) y S(x) se calculan usando las ecuaciones (20) y (21) en las etapas S001 y S011 del ejemplo descrito anteriormente, el calculo puede realizarse usando los coeficientes de los polinomios de las ecuaciones (9) y (10), que pueden obtenerse a partir de los coeficientes de prediccion lineal. Ademas, los coeficientes de prediccion lineal pueden convertirse a partir de coeficientes LSP o coeficientes ISP. Ademas, en el caso en el que algun procedimiento conoce un espectro de potencia a la primera frecuencia de muestreo o la segunda frecuencia de muestreo mediante, el espectro de potencia puede convertirse en uno a la segunda frecuencia de muestreo, y pueden omitirse las etapas S001, S002, S011 y S0l2.
Ademas, con el fin de asignar pesos en el dominio de frecuencia, puede deformarse un espectro de potencia, y pueden obtenerse coeficientes de prediccion lineal a la segunda frecuencia de muestreo.
Lista de signos de referencia
100...unidad de conversion de espectro de potencia real, 101...unidad de calculo de polinomios, 102...unidad de calculo de espectro de potencia real, 103...unidad de extrapolacion de espectro de potencia real, 104...unidad de calculo de autocorrelacion real, 105...unidad de calculo de coeficiente de prediccion lineal

Claims (1)

  1. REIVINDICACIONES
    Dispositivo de conversion de coeficiente de prediccion lineal que convierte primeros coeficientes de prediccion lineal calculados a una primera frecuencia de muestreo en segundos coeficientes de prediccion lineal a una segunda frecuencia de muestreo diferente de la primera frecuencia de muestreo, que comprende:
    unos medios para calcular, en puntos en el eje real del cfrculo unitario, usando descomposicion de LSF y polinomios de Chebyshev, un espectro de potencia correspondiente a los segundos coeficientes de prediccion lineal a la segunda frecuencia de muestreo en funcion de los primeros coeficientes de prediccion lineal (S002);
    unos medios para calcular, en puntos en el eje real del cfrculo unitario, coeficientes de autocorrelacion a partir del espectro de potencia (S003);
    unos medios para convertir los coeficientes de autocorrelacion en los segundos coeficientes de prediccion lineal a la segunda frecuencia de muestreo (S004); y
    en el que el espectro de potencia correspondiente a los segundos coeficientes de prediccion lineal se obtiene calculando un espectro de potencia usando los primeros coeficientes de prediccion lineal en puntos en el eje real correspondientes al numero de frecuencias diferentes a la segunda frecuencia de muestreo. Procedimiento de conversion de coeficiente de prediccion lineal realizado por un dispositivo que convierte primeros coeficientes de prediccion lineal calculados a una primera frecuencia de muestreo en segundos coeficientes de prediccion lineal a una segunda frecuencia de muestreo diferente de la primera frecuencia de muestreo, que comprende:
    una etapa de calcular, en puntos en el eje real del cfrculo unitario, usando descomposicion de LSF y polinomios de Chebyshev, un espectro de potencia correspondiente a los segundos coeficientes de prediccion lineal a la segunda frecuencia de muestreo en funcion de los primeros coeficientes de prediccion lineal (S002);
    una etapa de calcular, en puntos en el eje real del cfrculo unitario, coeficientes de autocorrelacion a partir del espectro de potencia (S003);
    una etapa de convertir los coeficientes de autocorrelacion en los segundos coeficientes de prediccion lineal a la segunda frecuencia de muestreo (S004); y
    en el que el espectro de potencia correspondiente a los segundos coeficientes de prediccion lineal se obtiene calculando un espectro de potencia usando los primeros coeficientes de prediccion lineal en puntos en el eje real correspondientes al numero de frecuencias diferentes a la segunda frecuencia de muestreo.
ES15783059T 2014-04-25 2015-04-16 Dispositivo de conversión de coeficiente de predicción lineal y procedimiento de conversión de coeficiente de predicción lineal Active ES2709329T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014090781 2014-04-25
PCT/JP2015/061763 WO2015163240A1 (ja) 2014-04-25 2015-04-16 線形予測係数変換装置および線形予測係数変換方法

Publications (1)

Publication Number Publication Date
ES2709329T3 true ES2709329T3 (es) 2019-04-16

Family

ID=54332406

Family Applications (3)

Application Number Title Priority Date Filing Date
ES18205457T Active ES2987686T3 (es) 2014-04-25 2015-04-16 Dispositivo de conversión de coeficiente de predicción lineal y procedimiento de conversión de coeficiente de predicción lineal
ES15783059T Active ES2709329T3 (es) 2014-04-25 2015-04-16 Dispositivo de conversión de coeficiente de predicción lineal y procedimiento de conversión de coeficiente de predicción lineal
ES24155958T Active ES3041986T3 (en) 2014-04-25 2015-04-16 Linear prediction coefficient conversion device and linear prediction coefficient conversion method for speech and audio coding

Family Applications Before (1)

Application Number Title Priority Date Filing Date
ES18205457T Active ES2987686T3 (es) 2014-04-25 2015-04-16 Dispositivo de conversión de coeficiente de predicción lineal y procedimiento de conversión de coeficiente de predicción lineal

Family Applications After (1)

Application Number Title Priority Date Filing Date
ES24155958T Active ES3041986T3 (en) 2014-04-25 2015-04-16 Linear prediction coefficient conversion device and linear prediction coefficient conversion method for speech and audio coding

Country Status (21)

Country Link
US (4) US10163448B2 (es)
EP (4) EP3471095B1 (es)
JP (4) JP6018724B2 (es)
KR (4) KR101878292B1 (es)
CN (2) CN106233381B (es)
AU (4) AU2015251609B2 (es)
BR (1) BR112016024372B1 (es)
CA (4) CA3042066C (es)
DK (3) DK3471095T3 (es)
ES (3) ES2987686T3 (es)
FI (2) FI3471095T3 (es)
HU (2) HUE066731T2 (es)
MX (2) MX352479B (es)
MY (1) MY167352A (es)
PH (1) PH12016502076B1 (es)
PL (3) PL3136384T3 (es)
PT (3) PT3471095T (es)
RU (4) RU2673691C1 (es)
TR (1) TR201901328T4 (es)
TW (1) TWI576831B (es)
WO (1) WO2015163240A1 (es)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US10897262B2 (en) * 2017-03-20 2021-01-19 Texas Instruments Incorporated Methods and apparatus to determine non linearity in analog-to-digital converters
CN111210837B (zh) * 2018-11-02 2022-12-06 北京微播视界科技有限公司 音频处理方法和装置

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5853352B2 (ja) * 1979-10-03 1983-11-29 日本電信電話株式会社 音声合成器
GB2059726B (en) * 1979-10-03 1984-06-27 Nippon Telegraph & Telephone Sound synthesizer
JP3707116B2 (ja) * 1995-10-26 2005-10-19 ソニー株式会社 音声復号化方法及び装置
JPH09230896A (ja) * 1996-02-28 1997-09-05 Sony Corp 音声合成装置
KR970063031U (ko) * 1996-05-07 1997-12-11 차량의 브레이크 패드
US6253172B1 (en) * 1997-10-16 2001-06-26 Texas Instruments Incorporated Spectral transformation of acoustic signals
FI119576B (fi) * 2000-03-07 2008-12-31 Nokia Corp Puheenkäsittelylaite ja menetelmä puheen käsittelemiseksi, sekä digitaalinen radiopuhelin
KR20020028226A (ko) * 2000-07-05 2002-04-16 요트.게.아. 롤페즈 선 스펙트럼 주파수 추산 방법
US7739052B2 (en) 2001-05-18 2010-06-15 International Business Machines Corporation Pattern discovery techniques for determining maximal irredundant and redundant motifs
US6895375B2 (en) * 2001-10-04 2005-05-17 At&T Corp. System for bandwidth extension of Narrow-band speech
US6829579B2 (en) * 2002-01-08 2004-12-07 Dilithium Networks, Inc. Transcoding method and system between CELP-based speech codes
US20040002856A1 (en) * 2002-03-08 2004-01-01 Udaya Bhaskar Multi-rate frequency domain interpolative speech CODEC system
US7027980B2 (en) * 2002-03-28 2006-04-11 Motorola, Inc. Method for modeling speech harmonic magnitudes
EP1383109A1 (fr) * 2002-07-17 2004-01-21 STMicroelectronics N.V. Procédé et dispositif d'encodage de la parole à bande élargie
KR100579797B1 (ko) * 2004-05-31 2006-05-12 에스케이 텔레콤주식회사 음성 코드북 구축 시스템 및 방법
ATE406652T1 (de) * 2004-09-06 2008-09-15 Matsushita Electric Industrial Co Ltd Skalierbare codierungseinrichtung und skalierbares codierungsverfahren
KR100721537B1 (ko) * 2004-12-08 2007-05-23 한국전자통신연구원 광대역 음성 부호화기의 고대역 음성 부호화 장치 및 그방법
US7676362B2 (en) * 2004-12-31 2010-03-09 Motorola, Inc. Method and apparatus for enhancing loudness of a speech signal
RU2008114382A (ru) * 2005-10-14 2009-10-20 Панасоник Корпорэйшн (Jp) Кодер с преобразованием и способ кодирования с преобразованием
US8219392B2 (en) * 2005-12-05 2012-07-10 Qualcomm Incorporated Systems, methods, and apparatus for detection of tonal components employing a coding operation with monotone function
CN101149927B (zh) * 2006-09-18 2011-05-04 展讯通信（上海）有限公司 在线性预测分析中确定isf参数的方法
CN101484935B (zh) * 2006-09-29 2013-07-17 Lg电子株式会社 用于编码和解码基于对象的音频信号的方法和装置
CN101266797B (zh) * 2007-03-16 2011-06-01 展讯通信（上海）有限公司 语音信号后处理滤波方法
CN101030375B (zh) * 2007-04-13 2011-01-26 清华大学 一种基于动态规划的基音周期提取方法
JP4691082B2 (ja) * 2007-09-11 2011-06-01 日本電信電話株式会社 線形予測モデル次数決定装置、線形予測モデル次数決定方法、そのプログラムおよび記録媒体
CN101388214B (zh) * 2007-09-14 2012-07-04 向为 一种变速率的声码器及其编码方法
ES2678415T3 (es) * 2008-08-05 2018-08-10 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Aparato y procedimiento para procesamiento y señal de audio para mejora de habla mediante el uso de una extracción de característica
JP4918074B2 (ja) * 2008-08-18 2012-04-18 日本電信電話株式会社 符号化装置、符号化方法、符号化プログラム、及び記録媒体
CN101770777B (zh) * 2008-12-31 2012-04-25 华为技术有限公司 一种线性预测编码频带扩展方法、装置和编解码系统
JP4932917B2 (ja) * 2009-04-03 2012-05-16 株式会社エヌ・ティ・ティ・ドコモ 音声復号装置、音声復号方法、及び音声復号プログラム
KR101747917B1 (ko) * 2010-10-18 2017-06-15 삼성전자주식회사 선형 예측 계수를 양자화하기 위한 저복잡도를 가지는 가중치 함수 결정 장치 및 방법
CN102065291B (zh) * 2010-11-09 2012-11-21 北京工业大学 基于稀疏表示模型的图像解码方法
SE536046C2 (sv) * 2011-01-19 2013-04-16 Limes Audio Ab Metod och anordning för mikrofonval
CN102783034B (zh) * 2011-02-01 2014-12-17 华为技术有限公司 用于提供信号处理系数的方法和设备
CN102325090B (zh) * 2011-09-21 2014-04-09 电子科技大学 一种网络流量估计方法
WO2013068634A1 (en) * 2011-11-10 2013-05-16 Nokia Corporation A method and apparatus for detecting audio sampling rate
CN103366749B (zh) * 2012-03-28 2016-01-27 北京天籁传音数字技术有限公司 一种声音编解码装置及其方法
CN102867516B (zh) * 2012-09-10 2014-08-27 大连理工大学 一种采用高阶线性预测系数分组矢量量化的语音编解方法
CN103021405A (zh) * 2012-12-05 2013-04-03 渤海大学 基于music和调制谱滤波的语音信号动态特征提取方法
CN103050121A (zh) 2012-12-31 2013-04-17 北京迅光达通信技术有限公司 线性预测语音编码方法及语音合成方法
JP6250072B2 (ja) * 2014-01-24 2017-12-20 日本電信電話株式会社 線形予測分析装置、方法、プログラム及び記録媒体
EP2916319A1 (en) * 2014-03-07 2015-09-09 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Concept for encoding of information
SG11201608787UA (en) * 2014-03-28 2016-12-29 Samsung Electronics Co Ltd Method and device for quantization of linear prediction coefficient and method and device for inverse quantization
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
CA2968972C (en) * 2014-12-01 2021-06-22 Inscape Data, Inc. System and method for continuous media segment identification

Also Published As

Publication number Publication date
MY167352A (en) 2018-08-16
DK3471095T3 (da) 2024-05-21
US20190080705A1 (en) 2019-03-14
AU2019280040A1 (en) 2020-01-16
KR20170098989A (ko) 2017-08-30
CA3042069C (en) 2021-03-02
EP3471095B1 (en) 2024-05-01
KR20180123742A (ko) 2018-11-19
JPWO2015163240A1 (ja) 2017-04-13
US20170053655A1 (en) 2017-02-23
FI4343763T3 (fi) 2025-10-07
CN107945812B (zh) 2022-01-25
RU2673691C1 (ru) 2018-11-29
DK3136384T3 (en) 2019-04-15
EP4583105A2 (en) 2025-07-09
EP3471095A1 (en) 2019-04-17
US10163448B2 (en) 2018-12-25
EP4343763B1 (en) 2025-08-27
HK1226547B (zh) 2017-09-29
PL3471095T3 (pl) 2024-07-15
TW201606756A (zh) 2016-02-16
AU2019280041B2 (en) 2021-02-25
PL3136384T3 (pl) 2019-04-30
RU2639656C1 (ru) 2017-12-21
AU2018204572A1 (en) 2018-07-19
PT4343763T (pt) 2025-09-18
PH12016502076B1 (en) 2018-07-20
JP6936363B2 (ja) 2021-09-15
CA3042069A1 (en) 2015-10-29
CA3042066A1 (en) 2015-10-29
ES3041986T3 (en) 2025-11-17
FI3471095T3 (fi) 2024-05-28
EP4583105A3 (en) 2025-08-13
RU2714390C1 (ru) 2020-02-14
JP6715269B2 (ja) 2020-07-01
JP2020144397A (ja) 2020-09-10
PT3136384T (pt) 2019-04-22
HUE072785T2 (hu) 2025-12-28
PT3471095T (pt) 2024-05-20
CA3042066C (en) 2021-03-02
DK4343763T3 (da) 2025-09-29
AU2015251609A1 (en) 2016-11-17
AU2019280040B2 (en) 2021-01-28
CN107945812A (zh) 2018-04-20
MX2016013797A (es) 2016-11-11
EP3136384A1 (en) 2017-03-01
CA2946824C (en) 2019-06-18
RU2694150C1 (ru) 2019-07-09
KR20180081181A (ko) 2018-07-13
CN106233381B (zh) 2018-01-02
ES2987686T3 (es) 2024-11-15
EP4343763A2 (en) 2024-03-27
US20200302942A1 (en) 2020-09-24
CN106233381A (zh) 2016-12-14
KR20160129904A (ko) 2016-11-09
US20190080706A1 (en) 2019-03-14
CA3042070C (en) 2021-03-02
KR101920297B1 (ko) 2018-11-20
JP6277245B2 (ja) 2018-02-07
AU2019280041A1 (en) 2020-01-16
BR112016024372A2 (pt) 2017-08-15
AU2018204572B2 (en) 2019-09-12
EP4343763A3 (en) 2024-06-05
AU2015251609B2 (en) 2018-05-17
BR112016024372B1 (pt) 2020-11-03
EP3136384B1 (en) 2019-01-02
JP2017058683A (ja) 2017-03-23
US10714108B2 (en) 2020-07-14
KR101772501B1 (ko) 2017-08-29
EP3136384A4 (en) 2017-03-29
JP6018724B2 (ja) 2016-11-02
US10714107B2 (en) 2020-07-14
US11222644B2 (en) 2022-01-11
HUE066731T2 (hu) 2024-09-28
WO2015163240A1 (ja) 2015-10-29
KR101878292B1 (ko) 2018-07-13
KR101957276B1 (ko) 2019-03-12
JP2018077524A (ja) 2018-05-17
MX352479B (es) 2017-11-27
PH12016502076A1 (en) 2017-01-09
PL4343763T3 (pl) 2025-10-27
CA3042070A1 (en) 2015-10-29
CA2946824A1 (en) 2015-10-29
MX377364B (es) 2025-03-10
TWI576831B (zh) 2017-04-01
TR201901328T4 (tr) 2019-02-21

Similar Documents

Publication Publication Date Title
ES2709329T3 (es) Dispositivo de conversión de coeficiente de predicción lineal y procedimiento de conversión de coeficiente de predicción lineal
ES2635026T3 (es) Aparato y procedimiento de codificación, procesamiento y decodificación de envolvente de señal de audio por división de la envolvente de la señal de audio utilizando cuantización y codificación de distribución