FR3020732A1 - Correction de perte de trame perfectionnee avec information de voisement - Google Patents

Abstract

L'invention concerne le traitement d'un signal audionumérique comportant une succession d'échantillons répartis en trames successives. Le traitement est mis en œuvre en particulier au décodage de ce signal pour remplacer au moins une trame de signal perdue au décodage. Il comporte les étapes : a) recherche, dans un segment de signal valide disponible au décodage, d'au moins une période dans le signal, déterminée en fonction dudit signal valide, b) analyse du signal dans ladite période, pour une détermination de composantes spectrales du signal dans ladite période, c) synthèse d'au moins une trame de remplacement de la trame perdue, par construction d'un signal de synthèse à partir : - d'une addition de composantes sélectionnées parmi lesdites composantes spectrales déterminées, et - d'un bruit ajouté à l'addition de composantes. En particulier, la quantité de bruit ajoutée à l'addition de composantes est pondérée en fonction d'une information de voisement du signal valide, obtenue au décodage.

Description

Correction de perte de trame perfectionnée avec information de voisement La présente invention concerne le domaine du codage/décodage en télécommunications, et plus particulièrement celui de la correction de perte de trame au décodage.

On entend par « trame » un segment audio composé d'au moins un échantillon (si bien que l'invention s'applique aussi bien pour la perte d'un ou plusieurs échantillons en codage selon la norme G.711 que pour une perte d'un ou plusieurs paquets d'échantillons en codage selon les normes G.723, G.729, etc.).

Les pertes de trames audio interviennent lorsqu'une communication temps réel utilisant un codeur et un décodeur est perturbée par les conditions d'un réseau de télécommunication (problèmes radiofréquences, congestion du réseau d'accès, etc.). Dans ce cas, le décodeur utilise des mécanismes de correction de perte de trames pour tenter de substituer le signal manquant par un signal reconstruit en utilisant des informations disponibles au décodeur (par exemple le signal audio déjà décodé pour une ou plusieurs trames passées). Cette technique peut maintenir une qualité de service malgré des performances de réseau dégradées. Les techniques de correction de perte de trames sont le plus souvent très dépendantes du type de codage utilisé. Dans le cas d'un codage CELP, il est courant de répéter certains paramètres décodés à la trame précédente (enveloppe spectrale, pitch, gains de dictionnaires), avec des ajustements comme une modification de l'enveloppe spectrale pour converger vers une enveloppe moyenne ou l'utilisation d'un dictionnaire fixe aléatoire. La technique la plus employée pour corriger la perte de trame dans le cas d'un codage par transformée, consiste à répéter la dernière trame reçue si une trame est perdue et à mettre la trame répétée à zéro dès que plus d'une trame est perdue. Cette technique se retrouve dans plusieurs codages normalisés (G.719, G.722.1, G.722.1C). On peut aussi citer le cas du codage normalisé G.711, pour lequel un exemple de correction de perte de trame décrit dans l'appendice I de G.711 consiste à identifier une période fondamentale (dite « pitch ») dans le signal déjà décodé et à la répéter en prenant soin de faire une addition avec recouvrement (dit « overlap-add ») entre le signal déjà décodé et le signal répété. Cette addition avec recouvrement permet de « gommer » les artefacts audio mais nécessite, pour être mis en oeuvre, un délai supplémentaire au décodeur (correspondant à la durée du recouvrement).

Par ailleurs, dans le cas du codage normalisé G.722.1, une transformée modulée avec chevauchement (ou MLT pour « Modulated Lapped Transform »), avec une addition avec recouvrement de 50% et des fenêtres sinusoïdales permettent d'assurer une transition entre la dernière trame perdue et la trame répétée qui soit suffisamment lente pour gommer les artefacts liés à la simple répétition de la trame dans le cas d'une seule trame perdue.

Contrairement à la correction de perte de trame décrite dans la norme G.711 (Appendice I), cette réalisation ne nécessite pas de retard supplémentaire puisqu'elle exploite le retard existant et le repliement temporel de la transformée MLT pour faire une addition avec recouvrement avec le signal reconstitué.

Cette technique est très peu coûteuse mais elle a comme principal défaut une incohérence entre le signal décodé avant la perte de trame et le signal répété. Il en résulte une discontinuité de phase qui peut produire des artefacts audio importants si la durée du recouvrement entre les deux trames est faible, comme tel est le cas lorsque les fenêtres utilisées pour la transformée MLT sont «à faible retard » comme décrit dans le document FR 1350845 en référence aux figures lA et 1B de ce document. Dans ce cas, même une solution qui combinerait une recherche de pitch comme dans le cas du codeur selon la norme G.711 (Appendice I) et une addition avec recouvrement selon la fenêtre de la transformée MLT n'est pas suffisante pour supprimer les artefacts audio.

Le document FR 1350845 propose une méthode hybride qui combine les avantages des deux méthodes en permettant de garder la continuité de phase dans le domaine transformée. La présente invention s'inscrit dans ce cadre. Une description détaillée de la solution objet de ce document FR 1350845 est décrite plus loin en référence à la figure 1.

Cette solution, même si elle est particulièrement prometteuse, reste à parfaire car, lorsque le signal codé ne comporte qu'une période fondamentale (« mono pitch ») comme par exemple un segment voisé d'un signal de parole, la qualité audio après correction de trame perdue peut être dégradée et moins bonne qu'avec une correction de perte de trame par un modèle de parole de type CELP par exemple (pour « Code-Excited Linear Prediction »). L'invention vient améliorer la situation.

Elle propose à cet effet un procédé de traitement d'un signal audionumérique comportant une succession d'échantillons répartis en trames successives, le procédé étant mis en oeuvre pendant un décodage dudit signal pour remplacer au moins une trame de signal perdue au décodage. Le procédé comporte les étapes : a) recherche, dans un segment de signal valide disponible au décodage, d'au moins une période dans le signal, déterminée en fonction dudit signal valide, b) analyse du signal dans ladite période, pour une détermination de composantes spectrales du signal dans ladite période, c) synthèse d'au moins une trame de remplacement de la trame perdue, par construction d'un signal de synthèse à partir : - d'une addition de composantes sélectionnées parmi lesdites composantes spectrales déterminées, et - d'un bruit ajouté à l'addition de composantes.

En particulier, la quantité de bruit ajoutée à l'addition de composantes est pondérée en fonction d'une information de voisement du signal valide, obtenue au décodage. Avantageusement, l'information de voisement utilisée au décodage, transmise à au moins un débit du codeur, permet d'accorder plus d'importance aux composantes sinusoïdales du signal passé si ce signal est voisé, ou d'accorder plus d'importance au bruit sinon, ce qui donne un résultat audible beaucoup plus satisfaisant. Toutefois, en cas de signal non voisé ou dans le cas d'un signal de musique, il n'est pas utile de conserver autant de composantes pour la synthèse du signal remplaçant la trame perdue. Dans ce cas, plus de poids peut être attribué au bruit injecté pour la synthèse du signal. On réduit avantageusement alors la complexité des traitements en particulier dans le cas d'un signal non voisé, sans pour autant dégrader la qualité de la synthèse.

Dans une forme de réalisation où un signal de bruit est ajouté aux composantes, ce signal de bruit est donc pondéré par un gain plus petit en cas de voisement du signal valide. Par exemple, ce signal de bruit peut être obtenu à partir de la trame précédemment reçue par un résidu entre le signal reçu et l'addition des composantes sélectionnées.

Dans une forme de réalisation complémentaire ou alternative, le nombre de composantes sélectionnées pour l'addition est plus grand en cas de voisement du signal valide. Ainsi, si le signal est voisé, on tient compte davantage du spectre du signal passé, comme indiqué précédemment.

Avantageusement, une forme de réalisation complémentaire peut être choisie, dans laquelle on sélectionne davantage de composantes si le signal est voisé tout en minimisant le gain à appliquer au signal de bruit. Ainsi, la quantité d'énergie globale atténuée par l'application d'un gain plus petit que 1 sur le signal de bruit est en partie compensée par la sélection de davantage de composantes. À l'inverse, on ne diminue pas le gain à appliquer au signal de bruit et on sélectionne moins de composantes si le signal n'est pas voisé ou n'est que faiblement voisé. Il est possible en outre d'améliorer encore le compromis qualité/complexité au décodage et, à l'étape a), la période précitée peut être recherchée dans un segment de signal valide de durée plus grande en cas de voisement du signal valide. Dans un exemple de réalisation présenté dans la description détaillée ci-après, on effectue une recherche, par corrélation dans le signal valide, d'une période de répétition correspondant typiquement à au moins une période de pitch si le signal est voisé et dans ce cas, notamment pour les voix d'hommes, la recherche de pitch peut s'effectuer sur plus de 30 millisecondes par exemple.

Dans une forme de réalisation optionnelle, l'information de voisement est fournie dans un flux codé reçu au décodage et correspondant au signal précité comportant une succession d'échantillons répartis en trames successives. On utilise alors, en cas de perte de trame au décodage, l'information de voisement contenue dans une trame de signal valide précédant la trame perdue. Ainsi, l'information de voisement est issue d'un codeur générant un flux codé et déterminant l'information de voisement, et dans une forme de réalisation particulière, l'information de voisement est codée sur un bit unique dans le flux codé. Néanmoins, à titre d'exemple de réalisation, la génération au codeur de cette donnée de voisement peut être conditionnée par le fait que le débit est suffisant ou non sur un réseau de communication entre le codeur et le décodeur. Par exemple, si le débit est inférieur à un seuil, cette donnée de voisement n'est pas transmise par le codeur pour économiser de la bande passante. Dans ce cas, à titre purement d'exemple, la dernière information de voisement acquise au décodeur peut être utilisée pour la synthèse de trame, ou alternativement il peut être décidé d'appliquer le cas d'un non-voisement pour la synthèse de trame.

Dans la réalisation l'information de voisement est codée sur un bit unique dans le flux codé, la valeur prise par le gain appliqué au signal de bruit peut être aussi binaire et, si le signal est voisé, la valeur du gain est fixée à 0,25, et elle est de 1 sinon. Dans une variante, l'information de voisement est issue d'un codeur déterminant une valeur de platitude ou d'harmonicité du spectre (obtenue par exemple par comparaison des amplitudes des composantes spectrales du signal, à un bruit de fond), le codeur délivrant alors cette valeur sous forme binaire dans le flux codé (sur plus d'un bit). Dans une telle variante, la valeur du gain peut être fonction de la valeur de platitude précitée (par exemple selon une variation continue croissante en fonction de cette valeur). De manière générale, ladite valeur de platitude peut être comparée à un seuil pour déterminer : - que le signal est voisé si la valeur de platitude est inférieure au seuil, et - que le signal n'est pas voisé sinon, (ce qui revient à caractériser le voisement de façon binaire). Ainsi, dans la réalisation du bit unique comme dans sa variante, les critères de sélection des composantes et/ou de choix de durée de segment de signal dans lequel on recherche le pitch peuvent être binaires Par exemple, pour la sélection de composantes : - si le signal est voisé, on sélectionne les composantes spectrales dont les amplitudes sont supérieures à celles des premières composantes spectrales voisines, ainsi que les premières composantes spectrales voisines, et - sinon, on ne sélectionne que les composantes spectrales dont les amplitudes sont supérieures à celles des premières composantes spectrales voisines. Pour le choix de durée de segment de recherche de pitch, par exemple : - si le signal est voisé, la période est recherchée dans un segment de signal valide de durée supérieure à 30 millisecondes (par exemple 33 millisecondes), - et, sinon, la période est recherchée dans un segment de signal valide de durée inférieure à 30 millisecondes (par exemple 28 millisecondes). Ainsi, l'invention vise à améliorer l'état de l'art au sens du document FR 1350845 en modifiant différentes étapes du traitement présenté dans ce document (recherche de pitch, sélection des composantes, injection de bruit) mais néanmoins en fonction en particulier des caractéristiques du signal original. Ces caractéristiques du signal original peuvent être codées comme une information particulière dans le flux de données vers le décodeur (ou « bitstream ») en fonction de la classification de la parole et/ou de la musique, et le cas échant de la classe de parole en particulier. Cette information dans le flux au décodage permet d'optimiser le compromis entre complexité et qualité et, conjointement, de : - modifier le gain du bruit à injecter dans la somme des composantes spectrales sélectionnées pour construire le signal de synthèse remplaçant la trame perdue, - modifier le nombre de composantes sélectionnées pour la synthèse, - modifier la durée du segment de recherche du pitch. Une telle réalisation peut être mise en oeuvre dans un codeur pour la détermination de l'information de voisement, et plus particulièrement dans un décodeur, notamment dans le cas de perte de trame. Elle peut s'implémenter sous forme logicielle dans une réalisation d'un codage/décodage pour les services voix enrichis (ou « EVS » pour « Enhanced Voice Services ») spécifié par le groupe 3GPP (SA4).

A ce titre la présente invention vise aussi un programme informatique comportant des instructions pour la mise en oeuvre du procédé ci-avant, lorsque ce programme est exécuté par un processeur. Un exemple d'ordinogramme d'un tel programme est présenté dans la description détaillée ci-après en référence à la figure 4 pour le décodage et en référence à la figure 3 pour le codage. La présente invention vise aussi un dispositif de décodage d'un signal audionumérique comportant une succession d'échantillons répartis en trames successives. Le dispositif comporte des moyens (tel qu'un processeur et une mémoire, ou un composant ASIC ou autre circuit) pour remplacer au moins une trame de signal perdue, par : a) recherche, dans un segment de signal valide disponible au décodage, d'au moins une période dans le signal, déterminée en fonction dudit signal valide, b) analyse du signal dans ladite période, pour une détermination de composantes spectrales du signal dans ladite période, c) synthèse d'au moins une trame de remplacement de la trame perdue, par construction d'un signal de synthèse à partir : - d'une addition de composantes sélectionnées parmi lesdites composantes spectrales déterminées, et - d'un bruit ajouté à l'addition de composantes, la quantité de bruit ajoutée à l'addition de composantes étant pondérée en fonction d'une information de voisement du signal valide, obtenue au décodage. De même, la présente invention vise aussi un dispositif de codage d'un signal audionumérique, comportant des moyens (tels qu'une mémoire et un processeur, ou un composant ASIC ou autre circuit) pour fournir une information de voisement dans un flux codé que délivre le dispositif de codage, en distinguant un signal de parole susceptible d'être voisé d'un signal de musique, et, dans le cas d'un signal de parole, en : - identifiant que le signal est voisé ou générique, pour le considérer globalement voisé, ou - en identifiant que le signal est inactif, transitoire ou non voisé, pour le considérer globalement comme non voisé.

D'autres caractéristiques et avantages de l'invention apparaîtront à l'examen de la description détaillée ci-après, et des dessins annexés sur lesquels : - la figure 1 rappelle les principales étapes du procédé de correction de perte de trame au sens du document FR 1350845 ; - la figure 2 illustre schématiquement les principales étapes d'un procédé au sens de l'invention ; - la figure 3 illustre un exemple d'étapes mises en oeuvre au codage, dans une forme de réalisation au sens de l'invention ; - la figure 4 illustre un exemple d'étapes mises en oeuvre au décodage, dans une forme de réalisation au sens de l'invention ; - la figure 5 illustre un exemple d'étapes mises en oeuvre au décodage, pour la recherche de pitch dans un segment de signal valide Nc ; - la figure 6 illustre schématiquement un exemple de dispositifs codeur et décodeur au sens de l'invention.

On se réfère à la figure 1 sur laquelle on a illustré les étapes principales décrites dans le document FR 1350845. A la première étape Si, on mémorise dans une mémoire tampon du décodeur (ou « buffer ») une succession de N échantillons audio, notée b(n) ci-après. Ces échantillons correspondent à des échantillons déjà décodés et sont donc accessibles pour la correction de perte de trame au décodeur. Si le premier échantillon à synthétiser est l'échantillon N, le buffer audio correspond aux échantillons 0 à N-1 précédents. Dans le cas d'un codage par transformée, le buffer audio correspond aux échantillons à la trame précédente, et ne sont pas modifiables car ce type de codage/décodage ne prévoit pas de retard dans la restitution du signal, de sorte qu'il n'est pas prévu de réaliser un fondu enchaîné de durée suffisante pour couvrir une perte de trame. Ensuite, on procède à une étape de filtrage fréquentiel S2, au cours de laquelle le buffer audio b(n) est séparé en deux bandes, une bande basse BB et une bande haute BH, avec une fréquence de séparation notée Fc (par exemple Fc=4kHz). Ce filtrage est de façon préférentielle un filtrage sans retard. La taille du buffer audio est maintenant réduite à N' = N*Fc/fs suite à la décimation de fs à Fc. Dans des variantes de l'invention, cette étape de filtrage peut être optionnelle, les étapes suivantes étant réalisées en pleine bande.

L'étape suivante S3 consiste à rechercher dans la bande basse un point de bouclage et un segment p(n) correspondant à la période fondamentale (ou « pitch » ci-après) au sein du buffer b(n) ré-échantillonné à la fréquence Fc. Cette réalisation permet de tenir compte de la continuité du pitch dans la ou les trame(s) perdue(s) à reconstruire.

L'étape S4 consiste à décomposer le segment p(n) en une somme de composantes sinusoïdales. Par exemple, on peut calculer la transformée de Fourier discrète (DFT) du signal p(n) sur une durée correspondant à la longueur du signal. On obtient ainsi la fréquence, la phase et l'amplitude de chacune des composantes sinusoïdales (ou « pics ») qui composent le signal.

D'autres transformées que la DFT sont possibles. Par exemple, des transformées de type DCT, MDCT ou MCLT peuvent être mises en oeuvre. L'étape S5 est une étape de sélection de K composantes sinusoïdales de manière à garder uniquement les composantes les plus importantes. Dans un mode de réalisation particulier, la sélection des composantes correspond premièrement à sélectionner les amplitudes A(n) pour lesquelles A(n)>A(n-1) et A(n)>A(n+1) avec a- , ce qui assure que les amplitudes correspondent à des pics spectraux. Pour ce faire, les échantillons du segment p(n) (pitch) sont interpolés de manière à obtenir un segment p'(n) composé de P' échantillons avec P> 2-"eg , où ceil(x) est l'entier supérieur ou égal à x. L'analyse par transformée de Fourier FFT se fait donc de façon plus efficace sur une longueur qui est une puissance de 2, sans modifier la période de pitch effective (du fait de l'interpolation). On calcule la transformée FFT de p'(n) : ; et, à partir de la transformée FFT, on obtient directement les phases et amplitudes k) des composantes sinusoïdales, les fréquences normalisées entre 0 et 1 étant données ici par : Ensuite, parmi les amplitudes de cette première sélection, on sélectionne les composantes par ordre décroissant d'amplitude, de manière à ce que l'amplitude cumulée des pics sélectionnés soit d'au moins x% (par exemple x=70%) de l'amplitude cumulée sur typiquement la moitié du spectre à la trame courante.

Il est aussi possible en plus, de limiter le nombre de composantes (par exemple à 20) de manière à rendre la synthèse moins complexe. L'étape S6 de synthèse sinusoïdale consiste à générer un segment s(n) de longueur au moins égale à la taille de la trame perdue (T). Le signal de synthèse s(n) est calculé comme une somme des composantes sinusoïdales sélectionnées : LF 2 k) v(k)) n 2 où k est l'indice des K pics sélectionnés de l'étape S5.

L'étape S7 consiste à « injecter du bruit » (remplir les zones spectrales correspondant aux raies non sélectionnées) de manière à compenser la perte d'énergie liée à l'omission de certains pics fréquentiels dans la bande basse. Une mode de réalisation particulier consiste à calculer le résidu r(n) entre le segment correspondant au pitch p(n) et le signal synthétisé s(n), avec - f]., tel que : 1] Ce résidu de taille P est transformé, par exemple fenêtré et répété en faisant des recouvrements entre des fenêtres de tailles variables, comme décrit dans le document FR 1353551 : -1] t - Le signal s(n) est ensuite combiné au signal r'(n) : LF- en) = stn) [0: 2T + 7 L'étape S8 appliquée sur la bande haute peut consister simplement à répéter le signal passé. Dans une étape S9, le signal est synthétisé en ré-échantillonnant la bande basse à sa fréquence fc d'origine, après avoir été mixé à l'étape S8 à la bande haute filtrée (simplement répétée à l'étape S11). 30 L'étape S10 est une addition avec recouvrement qui permet d'assurer la continuité entre le signal avant la perte de trame et le signal synthétisé. 25 Il est décrit maintenant les éléments ajoutés au procédé de la figure 1, dans une réalisation au sens de l'invention.

Selon une approche générale présentée sur la figure 2, une information de voisement du signal avant perte de trame, transmise à au moins un débit du codeur, est utilisée au décodage (étape DI-1) pour déterminer quantitativement une proportion de bruit à ajouter au signal de synthèse remplaçant une ou plusieurs trames perdues. Ainsi, le décodeur utilise l'information de voisement, pour diminuer, en fonction du voisement, la quantité générale de bruit mixée au signal de synthèse (en assignant un gain G(res) plus faible au signal de bruit r'(k) issu d'un résidu à l'étape DI-3, et/ou en sélectionnant davantage de composantes d'amplitudes A(k) à utiliser pour la construction du signal de synthèse à l'étape DI-4). Le décodeur peut en outre ajuster ses paramètres, notamment de recherche de pitch, pour optimiser le compromis qualité/complexité du traitement, en fonction de l'information de voisement. Par exemple, pour la recherche de pitch, si le signal est voisé, la fenêtre de recherche de pitch Nc peut être plus grande (à l'étape DI-5), comme on le verra plus loin en référence à la figure 5. Pour la détermination du voisement, une information peut être fournie par le codeur, de deux manières, à au moins un débit du codeur : - sous la forme d'un bit de valeur 1 ou 0 selon un degré de voisement identifié au codeur (reçu du codeur à l'étape DI-1 et lu à l'étape DI-2 en cas de perte de trame pour le traitement ultérieur), ou - sous la forme d'une valeur d'amplitude moyenne des pics qui composent le signal au codage, comparée à un bruit de fond. Cette donnée de « platitude » P1 du spectre peut être reçue sur plusieurs bits au décodeur à l'étape optionnelle DI-10 de la figure 2, puis comparée à un seuil à l'étape DI-11, ce qui revient à déterminer aux étapes DI-1 et DI-2 si le voisement est supérieur ou inférieur à un seuil, et en déduire les traitements adéquats, notamment pour la sélection de pics et pour le choix de durée du segment de recherche de pitch. Cette information (qu'elle soit sous la forme d'un bit unique ou d'une valeur sur plusieurs bits) est reçue du codeur (à au moins un débit du codec), dans l'exemple décrit ici.

En effet, en référence à la figure 3, au codeur, le signal d'entrée présenté sous forme de trames Cl est analysé à l'étape C2. L'étape d'analyse consiste à déterminer si le signal audio de la trame courante présente des caractéristiques qui nécessiteraient un traitement particulier en cas de perte de trames au décodeur, comme tel est par exemple le cas sur des signaux de paroles voisés. Dans un mode de réalisation particulier, on utilise avantageusement une classification (parole/musique ou autre) déjà effectuée au codeur de manière à ne pas augmenter la complexité globale de traitement. En effet, dans le cas de codeurs à commutation de modes de codage entre parole ou musique, une classification au codeur permet déjà d'adapter la technique employée pour le codage en fonction de la nature du signal (parole ou musique). De même, en cas de parole, des codeurs de type prédictifs comme par exemple le codeur selon la norme G.718 utilisent aussi une classification de manière à adapter les paramètres du codeur à la nature du signal (sons voisés / non voisés, transitoires, génériques, inactifs). Dans un premier mode particulier de réalisation, on ne réserve qu'un seul bit de « caractérisation pour la perte de trame ». Il est ajouté au flux codé (ou « bitstream ») à l'étape C3 pour indiquer si le signal est un signal de parole (voisé ou générique). Ce bit est par exemple mis à 1 ou à 0 selon les cas du tableau ci-dessous : - de la décision du classificateur parole/musique, - et en outre de la décision du classificateur du mode de codage de la parole. Décision du classificateur du Parole Musique codeur Valeur du bit de caractérisation pour la perte de trame Décision du classificateur Mode de codages : 0 Voisé 1 Non Voisé 0 Transitoire 0 Générique 1 Inactif 0 On entend ici par « générique » un signal de parole habituel (qui n'est pas un transitoire lié à la prononciation d'une plosive, qui n'est pas inactif, et qui n'est pas nécessairement purement voisé comme la prononciation d'une voyelle sans consonne).

Dans un deuxième mode de réalisation, alternatif, l'information transmise au décodeur dans le flux codé n'est pas binaire mais correspond à une quantification du rapport entre les niveaux de pics et les niveaux des vallées dans le spectre. Ce rapport peut être exprimé par une mesure de « platitude » du spectre, notée P1 : Pl = Dans cette expression, x(k) est le spectre d'amplitude de taille N issu de l'analyse de la trame courante dans le domaine fréquentiel (après FFT).

Dans une alternative, une analyse sinusoïdale décomposant le signal au codeur en composantes sinusoïdales et bruit est disponible et la mesure de platitude est obtenue par ratio entre les composantes sinusoïdales et l'énergie globale sur la trame. Suite à l'étape C3 (comportant l'information de voisement en un seul bit ou la mesure de platitude sur plusieurs bits), le buffer audio du codeur est codé classiquement dans une étape C4 avant transmission ultérieure éventuelle au décodeur. On se réfère maintenant à la figure 4 pour décrire les étapes mises en oeuvre au décodeur, dans un exemple de réalisation de l'invention.

Dans le cas où il n'y a pas de pertes de trame à l'étape Dl (flèche KO en sortie du test Dl de la figure 4), le décodeur lit les informations contenues dans le flux codé, y compris les informations de « caractérisation pour la perte de trame » à l'étape D2 (à au moins un débit du codec). Ces dernières sont stockées en mémoire de manière à être réutilisées au cas où une trame suivante serait manquante. Le décodeur continue alors les étapes classiques de décodage D3, etc. de manière à obtenir la trame de sortie synthétisée FR SYNTH.

Dans le cas où une perte de trame(s) intervient (flèche OK en sortie du test Dl), on applique les étapes D4, D5, D6, D7, D8 et D12, correspondant respectivement aux étapes S2, S3, S4, S5, S6 et Sll de la figure 1. Toutefois, quelques modifications sont faites par rapport aux étapes S3 et S5, respectivement aux étapes D5 (recherche d'un point de bouclage pour la détermination du pitch) et D7 (sélection des composantes sinusoïdales). Par ailleurs, l'injection de bruit à l'étape S7 de la figure 1 est réalisée avec une détermination de gain selon deux étapes D9 et D10 dans la figure 4 du décodeur au sens de l'invention.

En effet, dans le cas où l'information de « caractérisation pour la perte de trame » est connue (lorsque la trame précédente a été reçue), l'invention consiste à modifier le traitement des étapes D5, D7 et D9-D10, comme suit. Dans un premier exemple de réalisation, l'information de « caractérisation pour la perte de trame » est binaire, et de valeur : - égale à 0 en cas de signal non voisé, de type musique, de type transitoire, - égale à 1 sinon (tableau ci-dessus). L'étape D5 consiste à rechercher un point de bouclage et un segment p(n) correspondant au pitch au sein du buffer audio ré-échantillonné à la fréquence Fc. Cette technique, décrite dans le document FR 1350845, est illustrée sur la figure 5, sur laquelle : - le buffer audio au décodeur est de taille d'échantillons N', - on détermine la taille d'un buffer cible BC de Ns échantillons, - la recherche de corrélation s'effectue sur Nc échantillons, - la courbe de corrélation « Correl » présente un maximum en mc, - le point de bouclage est désigné Pt Boucl et se situe à Ns échantillons du maximum de corrélation, - le pitch est déterminé alors sur les p(n) échantillons restants à N'-1.

On calcule en particulier une corrélation normalisée corr(n) entre le segment de buffer cible de taille Ns compris entre N'-Ns et N'-1 (d'une durée par exemple de 6ms) et le segment glissant de taille Ns qui commence entre l'échantillon 0 et Nc (avec Nc>N'-Ns) : Pour des signaux de musique, de par la nature du signal, la valeur Nc n'a pas besoin d'être trop grande (par exemple Nc=28ms). Cette limitation permet d'économiser de la complexité de calcul lors de la recherche de pitch. En revanche, l'information de voisement de la dernière trame valablement reçue précédemment permet de déterminer si le signal que l'on cherche à reconstituer est un signal de parole voisé (mono pitch). Il est donc possible, dans ce cas et grâce à cette information, d'augmenter la taille du segment Nc (par exemple Nc=33 ms) de manière à optimiser la recherche de pitch (et potentiellement de trouver une valeur de corrélation plus élevée). Par ailleurs, à l'étape D7 de la figure 4, on sélection des composantes sinusoïdales de manière à garder uniquement les composantes les plus importantes. Dans un mode de réalisation particulier présenté aussi dans le document FR 1350845, la première sélection de composantes revient à sélectionner les amplitudes A(n) pour lesquelles A(n)>A(n-1) et A(n)>A(n+1) avec n Dans le cas de l'invention, on sait avantageusement si le signal que l'on cherche à reconstituer est un signal de parole (voisé ou générique) donc avec des pics marqués et un faible niveau de bruit. Dans ces conditions, il est préférable de sélectionner non seulement les pics A(n) pour lesquelles A(n)>A(n-1) et A(n)>A(n+1) comme présenté ci-dessus, mais aussi d'élargir la sélection à A(n-1) et A(n+1) de manière à ce que les pics sélectionnés représentent une grande part de l'énergie totale du spectre. Cette modification permet notamment de baisser le niveau de bruit (et notamment le niveau de bruit injecté aux étapes D9 et D10 présentées ci-après) par rapport au niveau de signal synthétisé par synthèse sinusoïdale à l'étape D8, tout en conservant un niveau global d'énergie suffisant pour ne pas provoquer d'artefacts audibles liés à des fluctuations d'énergies.

Ensuite, dans le cas où le signal est exempt de bruit (au moins dans les basses fréquences), comme tel est le cas dans un signal de parole voisé ou générique, il est observé que l'ajout du bruit correspondant au résidu transformé r'(n) au sens du document FR 1350845, dégrade en fait la qualité. Ainsi, on utilise ici avantageusement l'information de voisement pour atténuer le bruit en lui appliquant un gain G à l'étape D10. Le signal s(n) issu de l'étape D8 est mixé au signal de bruit r'(n) issu de l'étape D9 en appliquant toutefois ici un gain G qui dépend de l'information de « caractérisation pour la perte de trame » issue du flux codé de la trame précédente, soit : LF s(n) = 27' - Dans ce mode de réalisation particulier, G peut être une constante égale à 1 ou 0,25 en fonction de la nature voisée ou non voisée du signal de la trame précédente, selon le tableau donné ci-après à titre d'exemple : Valeur du bit de « caractérisation pour la perte de trame » 0 1 Gain G 1 0,25 Dans le mode de réalisation alternatif où l'information de « caractérisation pour la perte de trame » possède plusieurs niveaux discrets caractérisant la platitude P1 du spectre. Le gain G peut être exprimé directement en fonction de la valeur Pl. Il en va de même pour la limite du segment Nc pour la recherche de pitch et/ou pour le nombre de pics An à prendre en compte pour la synthèse du signal.

On peut définir à titre d'exemple un traitement comme suit. On définit déjà le gain G directement en fonction de la valeur PI : En outre, on compare la valeur P1 à une valeur moyenne -3dB, étant entendu que la valeur 0 correspond à un spectre plat, et -5 dB correspond à un spectre à pics prononcés. Si la valeur P1 est inférieure à la valeur moyenne seuil -3dB (correspondant donc à un spectre à pics prononcés, typique d'un signal voisé), alors on peut fixer la durée du segment de recherche de de pitch Nc à 33 ms et sélectionner les pics A(n) tels que A(n)>A(n-1) et A(n)>A(n+1), ainsi que les pics premiers voisins A(n-1) et A(n+1). Sinon (si la valeur P1 est supérieure au seuil, ce qui correspond à des pics moins marqués, plus de bruit de fond comme par exemple un signal de musique), la durée Nc peut être choisie plus courte, par exemple de 25 ms et seuls sont sélectionnés les pics A(n) tels que A(n)>A(n-1) et A(n)>A(n+1). Le décodage peut se poursuivre ensuite par le mixage du bruit dont le gain est ainsi obtenu aux composantes ainsi sélectionnées pour obtenir le signal de synthèse dans les basses fréquences à l'étrape D13, lequel est ajouté au signal de synthèse dans les hautes fréquences obtenu à l'étape D14, pour obtenir à l'étape D15 le signal global synthétisé. En référence à la figure 6, on a illustré une mise en oeuvre possible de l'invention dans laquelle, un décodeur DECOD (comportant par exemple un matériel software et hardware tel qu'une mémoire MEM judicieusement programmée et un processeur PROC coopérant avec cette mémoire, ou en variante un composant tel qu'un ASIC, ou autre, ainsi qu'une interface de communication COM) implanté par exemple dans un dispositif de télécommunication tel qu'un téléphone TEL, utilise, pour la mise en oeuvre du procédé de la figure 4, une information de voisement qu'il reçoit d'un codeur COD. Ce codeur comporte par exemple un matériel software et hardware tel qu'une mémoire MEM' judicieusement programmée pour déterminer l'information de voisement et un processeur PROC' coopérant avec cette mémoire, ou en variante un composant tel qu'un ASIC, ou autre, ainsi qu'une interface de communication COM'. Le codeur COD est implanté dans un dispositif de télécommunication tel qu'un téléphone TEL'. Bien entendu, la présente invention ne se limite pas aux formes de réalisation décrites ci-avant à titre d'exemple ; elle s'étend à d'autres variantes.

Ainsi, par exemple, on comprendra que l'information sur le voisement peut prendre différentes formes susceptibles de variantes. Dans l'exemple décrit ci-avant, il peut s'agir d'une valeur binaire sur un seul bit (voisement ou non), ou encore d'une valeur sur plusieurs bits qui peut être relative à un paramètre tel que la platitude du spectre de signal, ou tout autre paramètre permettant de caractériser (quantitativement ou qualitativement) un voisement. Plus encore, ce paramètre peut être déterminé au décodage, par exemple en fonction du degré de corrélation qui peut être mesuré à l'occasion de l'identification de la période de pitch.

Par ailleurs, on a présenté ci-avant à titre d'exemple une réalisation comportant une séparation en une bande de fréquences hautes et une bande de fréquences basses, du signal issu de trames valides précédentes, avec en particulier une sélection des composantes spectrales dans la bande de fréquences basses. Néanmoins, cette réalisation est optionnelle bien qu'avantageuse dans le sens où elle permet de réduire la complexité du traitement. Le procédé de remplacement de trame assisté par l'information de voisement au sens de l'invention peut néanmoins être réalisé en considérant tout le spectre du signal valide, en variante. Par ailleurs, on a décrit ci-avant un exemple de réalisation dans lequel l'invention était mise en oeuvre dans le cadre d'un codage par transformée avec addition et recouvrement. Néanmoins, ce type de procédé peut s'adapter à tout autre type de codage (CELP notamment). Il est à noter que dans le cadre d'un codage par transformée avec addition et recouvrement (dans lequel typiquement le signal de synthèse est construit sur au moins deux durées de trames du fait du recouvrement), le signal de bruit précité peut être obtenu par le résidu (entre le signal valide et la somme des pics) en pondérant ce résidu temporellement. Il peut par exemple être pondéré par des fenêtres de recouvrement, comme dans le cadre habituel d'un codage/décodage par transformée avec recouvrement. On comprendra alors que l'application du gain en fonction de l'information de voisement vient ajouter en outre une autre pondération, cette fois en fonction du voisement.

Claims (16)

1. REVENDICATIONS1. Procédé de traitement d'un signal audionumérique comportant une succession d'échantillons répartis en trames successives, le procédé étant mis en oeuvre pendant un décodage dudit signal pour remplacer au moins une trame de signal perdue au décodage, le procédé comportant les étapes : a) recherche, dans un segment de signal valide disponible au décodage (Nc), d'au moins une période dans le signal, déterminée en fonction dudit signal valide, b) analyse du signal dans ladite période, pour une détermination de composantes spectrales du signal dans ladite période, c) synthèse d'au moins une trame de remplacement de la trame perdue, par construction d'un signal de synthèse à partir : - d'une addition de composantes sélectionnées parmi lesdites composantes spectrales déterminées, et - d'un bruit ajouté à l'addition de composantes, dans lequel la quantité de bruit ajoutée à l'addition de composantes est pondérée en fonction d'une information de voisement du signal valide, obtenue au décodage.
2. 2. Procédé selon la revendication 1, caractérisé en ce qu'un signal de bruit ajouté à l'addition de composantes est pondéré par un gain plus petit en cas de voisement du signal valide.
3. 3. Procédé selon la revendication 2, caractérisé en ce que le signal de bruit est obtenu par un résidu entre le signal valide et l'addition des composantes sélectionnées.
4. 4. Procédé selon l'une des revendications précédentes, caractérisé en ce que le nombre de composantes sélectionnées pour l'addition est plus grand en cas de voisement du signal valide.
5. 5. Procédé selon l'une des revendications précédentes, caractérisé en ce que, à l'étape a), la période est recherchée dans un segment de signal valide (Nc) de durée plus grande en cas de voisement du signal valide.
6. 6. Procédé selon l'une des revendications précédentes, caractérisé en ce que l'information de voisement est fournie dans un flux codé reçu au décodage et correspondant audit signal comportant une succession d'échantillons répartis en trames successives, et en ce qu'on utilise, en cas de perte de trame au décodage, l'information de voisement contenue dans une trame de signal valide précédant la trame perdue.
7. 7. Procédé selon la revendication 6, caractérisé en ce que l'information de voisement est issue d'un codeur délivrant le flux codé et déterminant l'information de voisement, et en ce que l'information de voisement est codée sur un bit unique dans le flux codé.
8. 8. Procédé selon la revendication 7, prise en combinaison avec la revendication 2, caractérisé en ce que, si le signal est voisé, la valeur du gain est de 0,25, et elle est de 1 sinon.
9. 9. Procédé selon la revendication 6, caractérisé en ce que l'information de voisement est issue d'un codeur déterminant une valeur de platitude de spectre (P1), obtenue par comparaison à un bruit de fond des amplitudes des composantes spectrales du signal, le codeur délivrant ladite valeur sous forme binaire dans le flux codé.
10. 10. Procédé selon la revendication 7, prise en combinaison avec la revendication 2, caractérisé en ce que la valeur du gain est fonction de ladite valeur de platitude.
11. 11. Procédé selon l'une des revendications 9 et 10, caractérisé en ce que ladite valeur de platitude est comparée à un seuil pour déterminer : - que le signal est voisé si la valeur de platitude est inférieure au seuil, et - que le signal n'est pas voisé sinon.
12. 12. Procédé selon l'une des revendications 7 et 11, prises en combinaison avec la revendication 4, caractérisé en ce que : - si le signal est voisé, on sélectionne les composantes spectrales dont les amplitudes sont supérieures à celles des premières composantes spectrales voisines, ainsi que les premières composantes spectrales voisines, et - on ne sélectionne que les composantes spectrales dont les amplitudes sont supérieures à celles des premières composantes spectrales voisines, sinon.
13. 13. Procédé selon l'une des revendications 7 et 11, prise en combinaison avec la revendication 5, caractérisé en ce que : - si le signal est voisé, la période est recherchée dans un segment de signal valide de durée supérieure à 30 millisecondes, - et, sinon, la période est recherchée dans un segment de signal valide de durée inférieure à 30 millisecondes.
14. 14. Programme informatique caractérisé en ce qu'il comporte des instructions pour la mise en oeuvre du procédé selon l'une des revendications 1 à 13, lorsque ce programme est exécuté par un processeur.
15. 15. Dispositif de décodage d'un signal audionumérique comportant une succession d'échantillons répartis en trames successives, le dispositif comportant des moyens (MEM, PROC) pour remplacer au moins une trame de signal perdue, par : a) recherche, dans un segment de signal valide disponible au décodage (Nc), d'au moins une période dans le signal, déterminée en fonction dudit signal valide, b) analyse du signal dans ladite période, pour une détermination de composantes spectrales du signal dans ladite période, c) synthèse d'au moins une trame de remplacement de la trame perdue, par construction d'un signal de synthèse à partir : - d'une addition de composantes sélectionnées parmi lesdites composantes spectrales déterminées, et - d'un bruit ajouté à l'addition de composantes, la quantité de bruit ajoutée à l'addition de composantes étant pondérée en fonction d'une information de voisement du signal valide, obtenue au décodage.
16. 16. Dispositif de codage d'un signal audionumérique, comportant des moyens (MEM', PROC') pour fournir une information de voisement dans un flux codé que délivre le dispositif de codage, en distinguant un signal de parole susceptible d'être voisé d'un signal de musique, et, dans le cas d'un signal de parole, en : - identifiant que le signal est voisé ou générique, pour le considérer globalement voisé, ou- en identifiant que le signal est inactif, transitoire ou non voisé, pour le considérer globalement comme non voisé.