2.5.2 Смугові вокодери

Типова схема смугового вокодера показана на рис 2.13. Мовний сигнал із мікрофона надходить на гребінку смугових фільтрів (СФ) аналізатора. Кількість фільтрів, а отже і кількість смуг можуть бути різними (від 5 до 20). На виході кожного СФ підключено детектор та згладжувальний фільтр НЧ, який виділяє огинаючу мовного сигналу в даній частотній смузі. Отримана повільно змінювана напруга на виході ФНЧ характеризує амплітуду мовного сигналу в даній смузі частот . Практика показує, що при досить великій кількості смуг напруга на виході ФНЧ змінюється повільно, тому за амплітуду мовного сигналу в i-й смузі для інженерних розрахунків приймають значення мовного сигналу на середній частоті i-ї смуги. Мовний сигнал надходить також на пристрій виділення основного тону (ОТ), на виході якого формується сигнал, який характеризує частоту основного тону  .

Крім того, в аналізаторі виділяється сигнал тон-шум (Т-Ш), який характеризує склад спектра звуків мови – дискретний для вокалізованих звуків (тон) або безперервний для невокалізованих звуків (шум). Пристрій виділення сигналів Т-Ш може працювати або безпосередньо від мовних сигналів, або від сигналів, отриманих на виході пристрою виділення ОТ. Тому на рис. 2.13. схема виділення сигналів має два входи.

Сигнали, отримані на виході згладжувального фільтра та на виходах схеми виділення сигналів ОТ та Т-Ш, об’єднуються і перетворюються у форму, яка придатна для передачі каналом зв’язку.

Об’єднання та перетворення сигналів , виконуються в пристрої (рис. 2.13), який називається об’єднуючим. На приймальній стороні каналу зв’язку здійснюється розділення сигналів (у розділювальному пристрої) та перетворення їх у форму, яка необхідна для роботи синтезатора.

В аналогових вокодерах об’єднувальні та розділювальні пристрої реалізуються за принципами частотного розділення сигналів, а в аналогових та цифрових вокодерах – за часовим розділенням сигналів.

Сигнали Т-Ш керують приймачем, за допомогою якого на вхідну гребінку смугових фільтрів подається або широкосмуговий шум від генератора шуму, або імпульси від генератора ОТ. Цей генератор керується сигналом таким чином, що частота слідування імпульсів на виході дорівнює частоті основного тону мовного сигналу на передавальній стороні. Сукупність генераторів ОТ, шуму та схеми переключення Т-Ш називають генератором мовного сигналу (ГМС).

2.13. Функціональна схема полосного вокодера

З виходу смугових фільтрів сигнали надходять на амплітудні модулятори (АМ). На інший вхід АМ як модулюючі надходять сигнали , , які після розділювального пристрою проходять через згладжувальні фільтри ФНЧ. З виходу АМ сигнали надходять на гребінку вихідних смугових фільтрів, які застосовуються для зменшення впливу побічних продуктів модуляції, які виникають в АМ. Сукупність схем та вузлів, у яких перетворюють мовні сигнали в межах кожної з частотних смуг (від входу смугового фільтра до виходу вихідного смугового фільтра синтезатора), називають спектральним каналом смугового вокодера. Звичайно, схеми смугових вокодерів доповнюються пристроями лінійного передбачення, що дозволяє створити смугові вокодери з лінійним передбаченням або ЛПК-вокодери. У таких вокодерах використовуються алгоритми лінійного передбачування, за допомогою яких під час аналізу в передавальному пристрої визначаються коефіцієнти передбачення, а в приймальному пристрої на основі цих коефіцієнтів за допомогою рекурсивного цифрового фільтра синтезується еквівалент голосового тракту.

Ідея методу лінійного передбачення заключається в тому, що величина, яка прогнозується у мовному сигналі на момент випробування h, визначається як лінійно зважена сума попередніх вибірок:

,

де – мовний сигнал в попередній момент випробувань; ; – коефіцієнти передбачення.

Інтервали часу між моментами вимірювань частотної дискретизації . В момент h, коли відомі , але й дійсне значення мовного сигналу , можна визначити помилку передбачення

,

а потім підібрати коефіцієнти передбачення таким чином, щоб помилка передбачення була мінімальною. Звичайно, як критерій мінімізації використовують мінімум середньоквадратичної помилки. В цьому випадку треба визначити такі значення , при яких . Задача мінімізації зводиться до рішення системи лінійних рівнянь відносно .

Пристрій для обчислення помилки передбачення відповідно до виразу (2.6) представляє собою фільтр, передатна характеристика якого дорівнює передатній характеристиці фільтра, який імітує мовний тракт. Тому перетворення, що відповідає виразу (2.6), називають інверсною фільтрацією.

Усереднення помилки передбачення виконується на інтервалі вибірок, які утворюють кадр (фрейм). Бажано, щоб довжина аналізованого звуку мови була узгоджена з довжиною кадру, але це технічно виконати складно. Тому звичайно приймають , що при 8000 Гц відповідає довжині кадру  мс.

Для одержання задовільної якості мовних сигналів, які синтезуються, потрібно підрахувати не менше десяти коефіцієнтів передбачення , що в (2.5) відповідає . Враховуючи це, в аналізаторі ЛПК-вокодера треба вирішувати 100...200 лінійних рівнянь з 10...12 невідомими.

Коефіцієнти передбачення, значення яких передаються каналом зв’язку, використовуються як перемінні параметри у рекурсивному цифровому фільтрі, на вхід якого подаються сигнали збудження. Як сигнали збудження в ЛПК-вокодері використовуються такі ж сигнали, які мають місце на виході генераторів мовного спектра (ГМС) у смугових вокодерах. Під час відтворення вокалізованих звуків – це послідовність імпульсів ОТ, а невокалізованих звуків – це випадкова послідовність імпульсів, сформованих генератором шуму.

Замість коефіцієнтів передбачення в більшості варіантів схем ЛПК-вокодерів передбачено отримання еквівалентного набору величин, які носять назву коефіцієнтів відбиття . Ці параметри менш чутливі до квантування, ніж коефіцієнти передбачення . Набори параметрів та пов’язані поміж собою набором стандартних рекурентних співвідношень.

Ширина смуги фільтрів на вході та виході вибирається з урахуванням електроакустичних перетворювачів, які використовуються при цьому. Перетворювачі аналог-код та код-аналог працюють на принципах ІКМ. Аналізатор сигналів збудження здійснює виділення сигналів ОТ та Т-Ш, а також загального рівня (огинаючої мовного сигналу). Інші вузли виконують ті ж функції, що й у смуговому вокодері без лінійного передбачення.

Під час синтезу та дослідження смугових вокодерів з ЛПК використовують різні моделі мовного процесу. Найбільш точна модель мови представляє собою нестаціонарний випадковий процес з повільно змінюваною дисперсією та спектральною щільністю. У разі використання такої моделі можна одержати найбільш точний результат оцінки якості вокодера.