2.5.9. Кодер vselp (стандарт d-amps)

В стандарте сотовой связи D-AMPS (американский стандарт, подобный европейскому GSM) используется метод кодирования VSELP (Vector Sum Excited Linear Prediction), являющийся одной из разновидностей возбуждения на основе кодовых книг (Code-Excited Linear Prediction – CELP). Упрощенная блок-схема кодера/декодера показана на рис. 2.30.

Рис. 2.30

Кодирование

1. Непрерывный речевой сигнал дискретизуется с частотой 8 кГц и оцифровывается с равномерным законом квантования и разрядностью 12 бит/отсчет.

2. Осуществляется предыскажение входного сигнала с помощью цифрового фильтра в целях подъема верхних частот, на долю которых в спектре речевого сигнала приходится меньшая мощность.

3. Непрерывная последовательность отсчетов разбивается на сегменты по 160 отсчетов (длительностью 160 ∙ 1/8 кГц = 20 мс).

4. Для каждого сегмента оценива­ются параметры фильтра кратковременного линейного предсказа­ния – 10 коэффициентов (поря­док предсказания М = 10). Делается это так же, как и при использовании рассмотренного ранее метода RPE-LTP. Здесь же оценивается амплитудный множитель ρ, определяющий энергию текущего сегмента речи.

5. Сигнал с выхода блока предварительной обработки (сегментами по 160 отсчетов) фильтру­ется фильтром-анализатором кратковременного линейного пред­сказания с использованием коэффициентов линейного предсказания a_k, полученных на предыдущем шаге. На выходе фильтра получается остаток (ошибка) кратковременного предсказания (160 отсчетов).

6. Выходной сигнал фильтра кратковременного предсказания (остаток предсказания ) используется для оценки параметров долговременного предсказания – задержки D и коэффициента предсказания G, причем параметры долговременного предсказа­ния оцениваются в отдельности для каждого из четырех подсегментов по 40 отсчетов, на которые разделяется сегмент из 160 отсчетов. До этого шага обработка речевого сигнала производилась примерно так же, как и в алгоритме RPE-LTP.

7. Для каждого из подсегментов по 40 отсчетов опреде­ляются параметры сигнала возбуждения. Делается это на основе метода “анализ через синтез” (ABS), в данном случае – подбором наиболее подходящего вектора возбуждения, выбираемого из заранее составленной кодовой книги, или кодового словаря. Для этого в составе ко­дера используется схема, аналогичная входящей в состав декоде­ра (нижняя часть схемы), которая включает в себя фильтры-синтезаторы кратковременного и долговременного предсказаний и две кодовые книги. Каждая из кодовых книг сигнала возбуж­дения содержит 128 кодовых векторов по 40 элементов в каждом.

Сигнал возбуждения фильтра-синтезатора кратковременного предсказания получается как сумма векторов возбуждения из двух кодовых книг и ве­ктора с выхода фильтра-синтезатора долговременного предсказа­ния (отсюда и название метода – “с возбуждением векторной сум­мой”), причем векторы возбуждения из кодовых книг до подачи на сумматор умножаются на соответствующие коэффициенты усиле­ния и . Параметры сигнала возбуждения – номера векторов возбуждения и из первой и второй кодовых книг и соответствующие коэф­фициенты усиления и – определяются по критерию минимума среднеквадратической ошибки на выходе фильтра-синтезатора кратковременного предсказания, входящего в состав кодера. Минимум достигается тогда, когда сумма взвешенных векторов возбуждения и будет минимальным образом отличаться от ошибки долговременного предсказания (с противоположным знаком, но это несущественно, так как слух не воспринимает изменение фазы сигнала). Это и является наилучшей оценкой сигнала возбуждения, подлежащей кодированию и передаче.

В итоге выходная информация кодера речи VSELP для 20-мили-секундного сегмента включает в себя:

– параметры фильтра кратковременного линейного предсказания – 10 коэффициентов (кодируется 38 битами) и амплитудный множитель (кодируется 5 битами) – один набор на сегмент, общая длина кода – 43 бита;

– параметр фильтра долговременного линейного предсказа­ния – задержка D (кодируется 7 битами) – для каж­дого из четырех подсегментов; в результате имеем 28 бит на сегмент в 20 мс;

– параметры сигнала возбуждения – номера , векторов возбуждения из двух кодовых книг (каждый кодируются 7 битами), всего 56 бит/сегмент;

– соответствующие коэф­фициенты усиления , – для каждого из четырех подсег­ментов, а также общий амплитудный множитель G, которые вместе кодируются 32 битами на сегмент.

В результате получается 159 бит на сегмент. Поскольку исходная скорость данных на входе кодера составляет 1280 бит (160 отсчетов по 8 бит), кодер речи осуществляет сжатие информации более чем в 8 раз (1280/159 = 8,05).

Декодирование

Рассмотрим схему декодера, что представляется теперь уже достаточно простым делом. Сигнал возбуждения фильтра-синтезатора кратковременного предсказания формируется таким же образом, как и в синтезирующей схеме кодера: по номерам , из ко­довых книг выбираются векторы возбуждения, которые умножают­ся соответственно на коэффициенты , и складываются с вы­ходным вектором фильтра-синтезатора долговременного предска­зания, определяемого параметрами G, D. Далее сигнал возбуждения фильтруется фильтром-синтезатором кратковременного предсказания, заданного набором своих коэффи­циентов предсказания .

Для восстановления вида спектра речевого сигнала, искаженного предварительной фильтрацией на входе кодера, а также улучшения субъективного качества синтезированной речи выходной сигнал фильтра-синтезатора под­вергается цифровой адаптивной фильтрации, и с выхода фильтра получается восстановленный цифровой сигнал речи.