SE470577B - Förfarande och anordning för kodning och/eller avkodning av bakgrundsljud - Google Patents

Description

479 577 2 av bakgrundsljud har dock de för tillfället kända kodarna svårigheter att hantera denna situation, eftersom de är optimera- de för talsignaler. En lyssnare på den andra sidan kan lätt irriteras av att välkända bakgrundsljud. ej kan kännas igen eftersom de har "felbehandlats" av kodaren.

SUMERING AV UPPFINNINGEN Ett syftemål för föreliggande uppfinning är ett förfarande och en anordning för kodning/avkodning av bakgrundsljud på sådant sätt att bakgrundsljuden noggrant kodas och reproduceras.

Ovanstående syftemål uppnås genom ett förfarande innefattande stegen: (a) detektering av huruvida signalen som förs till kodaren/av- kodaren representerar primärt tal eller bakgrundsljud; och (b) när signalen som förs till kodaren/avkodaren representerar primärt bakgrundsljud, begränsning av tidsvariationen mellan på varandra följande ramar och/eller domänen av åtminstone vissa filterparametrar i uppsättningen.

Anordningen innefattar: (a) organ för detektering av huruvida signalen som förs till kodaren/avkodaren representerar primärt tal eller bak- grundsljud; och (b) organ för begränsning av tidsvariationen mellan på varandra följande ramar och/eller domänen av åtminstone vissa parametrar i uppsättningen när signalen som förs till kodaren/avkodaren representerar primärt bakgrundsljud. 470 577 3 KORT BESKRIVNING AV RITNINGARNA Uppfinningen samt ytterligare syftemål och fördelar med denna förstås bäst genom hänvisning till nedanstående beskrivning samt de bifogade ritningarna, i vilka: Fig. l(a)-(f) är frekvensspektrumdiagram för 6 på varandra följande ramar av överföringsfunktionen av ett filter representerande bakgrundsljud, vilket filter har estimerats av en tidigare känd kodare; Fig. 2 är ett blockdiagram av en talkodare för utförande av förfarandet i enlighet med föreliggande upp- finning; Fig. 3 är ett blockdiagram av en talkodare för utförande av förfarandet i enlighet med föreliggande upp- finning; Fig. 4(a)-(c) är frekvensspektrumdiagram svarande mot diagram- men i fig. l, men för en kodare som utför för- farandet enligt föreliggande uppfinning; Fig. 5 är ett blockdiagram av parametermodifieraren i fig. 2; och Fig. 6 är ett flödesschema illustrerande förfarandet enligt föreliggande uppfinning.

DETALJERAD BESKRIVNING AV DE FÖREDRAGNA UTFÖRINGSFORMERNA I en linjär prediktiv kodare alstras det syntetiska talet av en källa representerad av dess z-transform G(z), följd av ett filter representerat av dess z-transform H(z), vilket resulterar i det syntetiska talet š(z) = G(z) H(z). ofta väljs filtret såsom ett filter H(z) = 1/A(z), innehållande enbart poler, där 47U 577 4 u A(z) = 1 + Eamzfi" m=1 varvid M är filtrets ordning.

Filtret representerar korttidskorrelationen av talinsignalen.

Filterparametrarna a, antages vara konstanta under varje talram.

I typfallet uppdateras u filterparametrarna var 20:e ms. Om samplingsfrekvensen är 8 kHz svarar varje sådan ram mot 160 sampel. Dessa sampel, möjligen i kombination med sampel från slutet av föregående och början av nästa ram, används för estimering av filterparametrarna i varje ram i enlighet med standardiserade procedurer. Exempel på sådana procedurer är Levinson-Durbin-algoritmen, Burg-algoritmen, Cholesky-dekomposi- tion (Rabiner, Schafer: "Digital Processing of Speech Signals", kap. 8, Prentice-HalL 1978), Schur-algoritmen (Strobach: "New Forms of Levinson and Schur Algorithms", IEEE SP Magazine, jan. 1991, sid. 12-36), Le Roux-Gueguen-algoritmen (Le Roux, Gueguen: "A Fixed Point Computation of Partial Correlation Coefficients", IEEE Transactions of Acoustics, Speech and Signal Processing", vol. ASSP-26, nr. 3, sid. 257-259, 1977). Det inses att en ram kan bestå av antingen flera eller färre sampel än vad som nämnts ovan, i beroende av tillämpningen. I ett extremfall kan en "ram" till och med bestå av endast ett sampel.

Såsom nämnts ovan är kodaren konstruerad och optimerad för hantering av talsignaler. Detta har resulterat i dålig kodning av andra ljud än tal, t.ex. bakgrundsljud, musik, etc. Vid frånvaro av en talsignal har dessa kodare därför dåliga prestan- da.

Fig. 1 visar magnituden av filtrets överföringsfunktion (i dB) såsom funktion av frekvensen (z = enfi/Fs) för 6 på varandra följ ande ramar i det fall att bakgrundsljud har kodats med konventionella kodningsmetoder. Fastän bakgrundsljudet bör ha likformig karaktär över tiden (bakgrundsljudet har en likformig 470 577 5 "textur"), kommer filterparametrarna am att variera väsentligt från ram till ram vid estimering under "stillbilder" på endast 21,25 ms (inklusive sampel från slutet av föregående och början av nästa ram), vilket illustreras av de 6 ramarna (a) - (f) i fig. 1. För lyssnaren vid den andra änden kommer detta kodade ljud att ha en "virvlande" eller "brusande" karaktär ("swir- ling"). Trots att ljudet som helhet har en tämligen likformig "textur" eller likformiga statistiska egenskaper kan dessa korta "stillbilder" vid analys'för filterestimering ge mycket olika filterparametrar från ram till ram.

Fig. 2 visar en kodare i enlighet med uppfinningen avsedd att lösa ovanstående problem.

På en ingångsledning 10 matas en insignal till en filterestimator 12, vilken estimerar filterparametrarna i enlighet med standardi- serade procedurer såsom nämnts ovan. Filterestimatorn 12 utmatar filterparametrarna för varje ram. Dessa filterparametrar matas till en excitationsanalysator 14, vilken också mottager in- signalen på ledningen 10. Excitationsanalysatorn 14 bestämmer de bästa käll- och excitationsparametrarna i enlighet med standard- proceduren. Exempel på sådana procedurer är VSELP (Gerson, Jasiuk: "Vector Sum Excited Linear Prediction (VSELP)", i Atal et al, utg., "Advances in Speech Coding", Kluwer Academic Publishers, 1991, sid. 69-79), TBPE (Salami, "Binary Pulse Excitation: A Novel approach to Low Complexity CELP Coding", sid. 145-156 i föregående referens), stokastisk kodbok (Campbell et al: "The DoD4.8 KBPS Standard (Proposed Federal Standard 1016)", sid. 121-134 i föregående referens), ACELP (Adoul, Lamblin: "A Comparison of Some Algebraic Structures for CELP Coding of Speech", Proc. International Conference on Acoustics, Speech and Signal Processing 1987, sid. 1953-1956). Dessa excitationspara- metrar, filterparametrarna och insignalen pà ledningen 10 matas till en taldetektor 16. Detektorn 16 bestämmer huruvida in- signalen innehåller primärt tal eller bakgrundsljud. En möjlig detektor utgöres exempelvis av röstaktivitetsdetektorn enligt GSM-systemet (Voice Activity Detection, GSM-rekommendation 06 . 32 , 4%) 577 6 ESI/PT 12). En lämpli_g detektor beskrivs i EP,A,335 521 (BRITISH TELECOM PLC). Taldetektorn 16 alstrar en utsignal indikerande huruvida den kodade insignalen innehåller i huvudsak tal eller ej . Utsignalen tillsammans med filterparametrarna matas till en parametermodifierare 18.

Parametermodifieraren 18, som kommer att beskrivas ytterligare under hänvisning till fig. 5, modifierar de bestämda filterpara- metrarna i det fall att ingen talsignal förekommer i insignalen till kodaren. Om en talsignal förekommer passerar filterparamet- rarna genom parametermodifieraren 18 utan förändring. De eventuellt förändrade filterparametrarna och excitationsparamet- rarna matas till en kanalkodare 20, vilken på ledningen 22 alstrar den bitström som sänds över kanalen.

Parametermodifieringen i parametermodifieraren 18 kan utföras på flera sätt. 1 En möj lig modifiering är en bandbreddsexpansion av filtret. Detta innebär att filterpolerna flyttas mot origo i det komplexa planet. Om det antages att det ursprungliga filtret H(z)=l/A( z) är givet av det ovan nämnda uttrycket kommer, när polerna flyttats med en faktor r, O s r s l, den bandbreddsexpanderade versionen att definieras genom A(z/r) eller: M A<§> = 1 + 2 (ammz-m m=1 En annan möjlig modifiering är lågpassfiltrering av filterpara- metrarna i den temporala domänen. Det vill säga, snabba var- iationer av filterparametrarna från ram till ram dämpas genom lågpassfiltrering av åtminstone några av parametrarna. Ett specialfall av denna metod är medelvärdesbildning av filterpara- metrarna över flera ramar, t.ex. 4-5 ramar.

Parametermodifieraren 18 kan använda en kombination av dessa två metoder, t.ex. utföra en bandbreddsexpansion följd av lågpass- 470 577 7 filtrering. Det är även möjligt att börja med en lågpassfiltre- ring och sedan addera bandbreddsexpansionen.

I utföringsformen enligt fig. 2 är taldetektorn 16 placerad efter filterestimatorn 12 och excitationsanalysatorn 14. Detta innebär att i denna utföringsform estimeras först filterparametrarna, varefter de modifieras vid frånvaro av en talsignal. En annan möjlighet skulle vara att direkt detektera närvaron/frånvaron av en talsignal, t.ex. genom användande av två mikrofoner, en för tal och en för bakgrundsljud. I en sådan utföringsform skulle det vara möjligt att direkt modifiera filterestimatorn för erhållande av lämpliga filterparametrar även vid frånvaro av en talsignal.

I ovanstående förklaring av uppfinningen har det antagits att parametermodifieringen utförs i kodaren i sändaren. Det inses dock att en liknande procedur även kan utföras i mottagarens avkodare. Detta illustreras av utföringsformen i fig. 3.

I fig. 3 mottages en bitström från kanalen på insignalledningen 30. Denna bitström avkodas av kanalavkodaren 32. Kanalavkodaren 32 utmatar filterparametrar och excitationsparametrar. I detta fall antages att dessa parametrar ej har modifierats i sändarens kodare. Filter- och excitationsparametrarna matas till en taldetektor 34, som analyserar dessa parametrar för bestämning av huruvida signalen som skulle reproduceras av dessa parametrar innehåller en talsignal eller ej. Utsignalen från taldetektorn 34 matas till en parametermodifierare 36, vilken även mottager filterparametrarna. Om taldetektorn 34 har bestämt att det ej finns någon talsignal i den mottagna signalen utför parametermo- difieraren 36 en modifiering liknande den modifiering som - utfördes av parametermodifieraren 18 i fig. 2. Om en talsignal förekommer sker ingen modifiering. De eventuellt modifierade filterparametrarna och excitationsparametrarna matas till en talavkodare 38, som alstrar en syntetisk utsignal på ledningen 40. Talavkodaren 38 använder dessa excitationsparametrar för alstring av ovan nämnda källsignaler och de eventuellt modifiera- 470 577 8 de filterparametrarna för att definiera filtret i källa-filter- modellen .

Såsom nämnts ovan modifierar parametermodifieraren 36 filterpara- metrarna på ett liknande sätt som parametermodifieraren 18_ i fig. 2. De möjliga modifieringarna är sålunda en bandbreddsexpansion, lågpassfiltrering eller en kombination av dessa.

I en föredragen utföringsform innehåller avkodaren i fig. 2 även en postfilter-kalkylator 42 och ett postfilter 44. Ett postfilter i en talavkodare används för att framhäva eller undertrycka vissa delar av spektrum av den alstrade talsignalen. Om den mottagna signalen domineras av bakgrundsljud kan en förbättrad signal erhållas genom lutning av spektrum av utsignalen på ledningen 40 i och för reducering av amplituden av de högre frekvenserna. I utföringsformen enligt fig. 3 matas därför utsignalen från taldetektorn 34 och parametermodifierarens 36 utmatade filterpa- rametrar till postfiltret 42. Vid frånvaro av en talsignal i den mottagna signalen beräknar postfilterkalkylatorn 42 en lämplig lutning av spektrum av utsignalen på ledningen 40 och inställer postfiltret 44 i enlighet därmed. Den slutliga utsignalen erhålles på ledningen 46.

Av ovanstående beskrivning framgår att filterparametermodifie- ringen kan utföras antingen i sändarens kodare eller i mottaga- rens avkodare. Detta särdrag kan användas för att implementera parametermodifieringen i kodaren och avkodaren i en basstation.

På detta sätt skulle det vara möjligt att dra fördel av de förbättrade kodningsprestanda för bakgrundsl j ud som erhålls genom föreliggande uppfinning utan modifiering av kodarna/avkodarna i mobilstationerna. När en signal innehållande bakgrundsljud mottages av basstationen över landsystemet modifieras parametrar- na vid basstationen, så att redan modifierade parametrar kommer att mottages av mobilstationen, i vilken inga ytterligare åtgärder vidtages. Om à andra sidan mobilstationen sänder en signal innehållande primärt bakgrundsljud till basstationen kan 470 577 9 filterparametrarna som karaktäriserar denna signal modifieras i basstationens avkodare för att sedan avges till landsystemet.

En annan möjlighet vore att dela upp filterparametermodifieringen mellan kodaren vid sändaränden och avkodaren vid mottagarähden.

Exempelvis skulle polerna för filtret i kodaren delvis kunna flyttas närmare origo i det komplexa planet och flyttas närmare origo i avkodaren. I denna utföringsform skulle en partiell förbättring av prestanda erhållas i mobiler utan parametermodifi- eringsutrustning och hela förbättringen erhållas i mobiler med denna utrustning.

För att illustrera de förbättringar som erhålles genom före- liggande uppfinning visar fig. 4 spektrum av filtrets överför- ingsfunktion i tre på varandra följande ramar innehållande primärt bakgrundsljud. Fig. 4(a)-(c) har producerats med samma insignal som fig. l(a)-(c). I fig.,4 har dock filterparametrarna modifierats i enlighet med föreliggande uppfinning. Det är uppenbart att spektrum varierar mycket litet från ram till ram i fig. 4.

Fig. 5 visar ett schematiskt diagram av en föredragen utförings- form av parametermodifieraren 18, 36 som används i föreliggande uppfinning. En omkopplare 50 leder de omodifierade filterparamet- rarna antingen direkt till utgången eller till blocken 52, 54 för parametermodifiering, i beroende av styrsignalen från taldetek- torn 16, 34. Om taldetektorn 16, 34 har detekterat primärt tal leder omkopplaren 50 parametrarna direkt till parametermodifiera- rens 18, 36 utgång. Om taldetektorn 16, 34 detekterat primärt bakgrundsljud leder omkopplaren 50 filterparametrarna till ett tilldelningsblock 52.

Tilldelningsblocket 52 utför en bandbreddsexpansion på filterpa- rametrarna genom multiplicering av varje filterkoefficient a,(k) med en faktor rm, O S r 5 l och k betecknar den aktuella ramen, och tilldelning av dessa nya värden till varje a5(k). Före- 470 577 10 trädesvis ligger r i_ intervallet O,85-O,96. Ett lämpligt värde är 0,89.

De nya värdena am(k) från blocket 52 leds till tilldelnings- blocket 54, där koefficienterna am(k) làgpassfiltreras i enlighet med formeln ga,,(k-l)+(l-g)am(k), där 0 s g s l och a,(k-1) betecknar filterkoefficienterna i föregående ram. Företrädesvis ligger g i intervallet O,92-0,995. Ett lämpligt värde är 0,995.

Dessa modifierade parametrar leds sedan till parametermodifiera- rens 18, 36 utgång.

I den beskrivna utföringsformen utfördes bandbreddsexpansionen och lågpassfiltreringen i två separata block. Det är dock även möjligt att kombinera dessa två steg till ett enda steg, i enlighet med formeln am(k) <- ga_(k-l)+(l-g)am(k)r". Vidare innehåller lågpassfiltreringen endast den aktuella och en tidigare ram. Det är dock även möjligt att inkludera äldre ramar, t.ex. 2-4 tidigare ramar.

Fig. 6 visar ett flödesschema som illustrerar en föredragen utföringsform av förfarandet i enlighet med föreliggande uppfinning. Proceduren startar i steg 60. I steg 61 estimeras filterparametrarna i enlighet med en av de ovan nämnda metoderna.

Dessa filterparametrar används sedan för estimering av ex- citationsparametrarna i steg 62. Detta görs i enlighet med någon av de ovan nämnda metoderna. I steg 63 används filterparametrarna och excitationsparametrarna samt eventuellt sj älva insignalen för bestämning av huruvida insignalen är en talsignal eller ej. Om insignalen är en talsignal fortsätter proceduren till slutsteget 66 utan modifiering av filterparametrarna. Om insignalen ej är en talsignal fortsätter proceduren till steg 64, i vilket filtrets bandbredd expanderas genom förflyttning av filtrets poler närmare det komplexa planets origo. Därefter lågpass- filtreras filterparametrarna i steg 65, t.ex. genom bildande av medelvärdet av de aktuella filterparametrarna från steg 64 och filterparametrar från tidigare signalramar. Slutligen fortsätter proceduren till slutsteget 66.

VI 470 577 ll I ovanstående beskrivning användes filterkoefficienterna am för att illustrera förfarandet enligt föreliggande uppfinning. Det inses dock att samma grundläggande idéer kan appliceras på andra parametrar som beskriver eller är relaterade till filtret, t.ex. filterreflektionskoefficienter, log-area-kvoter (log area ratios=lar),polynomrötter,autokorrelationsfunktioner(Rabiner, Schafer: "Digital Processing of Speech Signals", Prentice-Hall, 1978), arcsin av reflektionskoefficienterna (Gray, Markel: "Quantization and Bit Allocation in speech Processing", IEEE Transactions on Acoustics, Speech and Signal Processing", vol ASSP-24, nr. 6, 1976), linjespektrumpar (Soong, Juang: "Line Spectrum Pair (LSP) and Speech Data compression", Proc. IEEE Int.

Conf. Acoustics, Speech and Signal Processing 1984, sid. l.lO.l- 1.10.4).

En annan1nodifiering av den.beskrivna utföringsformen skulle vara en utföringsform utan postfilter i mottagaren. I stället skulle lutningen av spektrum erhållas redan i modifieringen av filterpa- rametrarna, antingen i sändaren eller i mottagaren. Detta kan exempelvis göras genom variering av den så kallade reflektionsko- efficienten 1.

Fackmannen inser att olika modifieringar och förändringar kan göras av föreliggande uppfinning utan avvikelse från dess grundtanke och ram, som definieras av de bifogade patentkraven.

Claims (10)

47'Û 577 12 PATENTKRAV

1. Förfarande för kodning och/eller avkodning av bakgrundsljud i en digital rambaserad talkodare och/eller -avkodare innehållan- de en signalkälla ansluten till ett filter, varvid filtret definieras av en uppsättning filterparametrar för varje ram, i och för reproducering av den signal som skall kodas och/eller avkodas, vilket förfarande innefattar stegen: (a) detektering av huruvida signalen som förs till kodaren/av- kodaren representerar primärt tal eller bakgrundsljud; och (b) om signalen som förs till kodaren/avkodaren representerar primärt bakgrundsljud, begränsning av den temporala var- iationen mellan på varandra följ ande ramar och/eller domänen av åtminstone några filterparametrar i uppsätt- ningen . -

2. Förfarande enligt krav l i vilket den temporala variationen av filterparametrarna begränsas genom lågpassfiltrering av filterparametrarna över flera ramar.

3. Förfarande enligt krav 2 i vilket den temporala variationen av filterparametrarna begränsas genom medelvärdesbildning av filterparametrarna över flera ramar.

4. Förfarande enligt krav 1, 2 eller 3 i vilket domänen av filterparametrarna modifieras för förflyttning av filtrets poler närmare origo i det komplexa planet.

5. Förfarande enligt något av föregående krav i vilket signalen som erhålles från källan och filtret med modifierade parametrar modifieras ytterligare av ett postfilter för undertryckning av förutbestämda frekvensområden däri.

6. Anordning för kodning och/eller avkodning av bakgrundsljud i en digital rambaserad talkodare och/eller avkodare, innehållan- 4-70 577 13 de en signalkälla ansluten. till ett filter, varvid filtret definieras av en uppsättning filterparametrar för varje ram, i och för reproducering av den signal som skall kodas och/eller avkodas, vilken anordning innefattar: (a) organ (16, 34) för detektering av huruvida signalen som förs till kodaren/avkodaren representerar primärt tal eller bakgrundsljud; och (b) organ (18, 36) för begränsning av den temporala variationen mellan på 'varandra följande ramar och/eller" domänen. av åtminstone några filterparametrar i uppsättningen om signalen som förs till kodaren/avkodaren representerar primärt bakgrundsljud.

7. Anordning enligt krav 6 i vilken den temporala variationen av filterparametrarna begränsas av ett lågpassfilter (54) som filtrerar filterparametrarna över flera ramar.

8. Anordning enligt krav 7 i vilken den temporala variationen av filterparametrarna begränsas av ett lågpassfilter som medelvärdesbildar filterparametrarna över flera ramar.

9. Anordning enligt krav 6, 7 eller 8 i vilken domänen av filterparametrarna modifieras i organ (52) som förflyttar filtrets poler närmare origo i det komplexa planet.

10. Anordning enligt något av föregående krav 6-9 i vilken signalen som erhålls från källan och filtret med modifierade parametrar modifieras ytterligare genom ett postfilter (44) för undertryokning av förutbestämda frekvensområden däri.