Кодирование источника

Идея кодирования возникла давно и преследовала в основном быстроту и секретность передачи информации. В современных условиях кодирование используется и для создания условий, обеспечивающих надежную и экономичную передачу сообщений по каналам связи.

Как известно, один из важнейших результатов современной теории передачи информации состоит в рекомендации разделения задач кодирования источника и кодирования канала. В задачу кодирования источника информации входит описание передаваемого сообщения в максимально экономной форме, т. е. удаление избыточности в сообщении. Полученное таким образом сжатое сообщение становится более уязвимым к воздействию помех и может оказаться искаженным при передаче. Поэтому после кодирования источника применяют кодирование канала, в задачу которого входит защита передаваемого сообщения от помех.

Процедуры кодирования весьма специфиче­ским образом кодируют речевые сигналы при помощи вокодеров (сокращенно от анг­лийского voice coder). Поскольку эти методы кодирования специально разработаны для речевых сигналов, они не могут использоваться для тех участков телефонной сети общего пользования (ТфОП), где также необходимо принимать и другие аналоговые сигналы (например, сигналы модема)[1].

Основная цель вокодера состоит в кодировании только наиболее важных для вос­приятия аспектов речи. Причем это достигается с меньшим числом разрядов, чем в большинстве кодеров. Таким образом, вокодеры могут использоваться в приложениях с ограниченной полосой частот, где другие методы кодирования неприменимы. Вокодеры в основном используются для воспроизведения записанных сообщений (например, «номер набран неверно!»), для передачи зашифрованного сигнала по узко­полосным каналам ВЧ радио, в сотовой цифровой телефонии, цифровых схемах с муль­типлексированием, на выходе компьютера, играх и Интернет-телефонии. Особенно ин­тересно сравнительно недавнее применение вокодеров с линейным предсказанием для организации нескольких речевых каналов в одной арендованной линии. Так, при ис­пользовании арендованной линии высокого качества для получения скорости 9600 бит/с в один канал группировались (с помощью временного мультиплексирования) четыре речевых сигнала на скоростях 2400 бит/с. Это был один из первых случаев (начало 1980-х годов) использования преобразования сигнала в цифровую форму с целью сокращения полосы речевого сигнала. Хотя эта система и обеспечивала различи­мый звук, все же его качество было ниже телефонных стандартов[2].

Кодирование с линейным предсказанием (linear predictive coding - LPC)

Для устранения избыточности речевого сигнала (РС) широко используется метод кодирования источника, реализующий параметрическое представление РС в виде кодирования с адаптивным предсказанием.

Основная идея – представление голосового тракта человека в виде синтезирующего фильтра.

Большинство используемых в данное время алгоритмов адаптивного предсказания решают один вопрос: как эффективно выделить и сокращенно описать две составляющие:

– параметры возбуждения;

– параметры голосового тракта.

Параметры возбуждения относятся к источнику звука речи, отвечают за основной тон и т.п. – за возбуждение фильтра.

Параметры голосового тракта относятся непосредственно к отдельным звукам речи и определяют формальную структуру сигнала. Отрезки глухой речи при моделировании заменяют шумом[3].

В соответствии с этим подходом сжатия РС осуществляется в анализаторе, выделяющем из сигнала сравнительно медленно меняющиеся параметры выбранной модели (передающий конец).

Затем эти параметры передаются по каналу связи. На приемном конце с помощью местных источников сигнала, управляемых принятыми параметрами, синтезируется РС. Настоящим прорывом в кодировании речи стали кодеки на базе линейного предсказания, которые являются основным способом сжатия речи. Основной принцип линейного предсказания состоит в том, что текущий отсчет РС можно аппроксимировать линейной комбинацией предыдущих отсчетов[4].

Кодирование речи на основе метода линейного предсказания (ЛП) заключается в том, что по линии связи передаются не отсчеты РС, а параметры некоторого фильтра, эквивалентного голосовому тракту и параметры сигнала возбуждения этого фильтра. При кодировании производится оценка параметров фильтра-анализатора ЛП и параметров сигнала возбуждения. При декодировании (на приеме) сигнал возбуждения пропускается через фильтр-синтезатор, на выходе которого получается восстановленный РС[5].

Процедура кодирования речи сводится к следующему (рис.1):

1) Оцифрованный сигнал нарезается на сегменты длительностью 20 мс (160 выборок по 8 бит в каждом сегменте).

2) Для каждого сегмента оцениваются параметры фильтра ЛП и параметры сигнала возбуждения. В качестве сигнала возбуждения в простейшем случае может использоваться остаток предсказания, получаемый при пропускании сегмента речи через фильтр-синтезатор с параметрами, полученными из оценки данного сегмента.

3) Параметры фильтра и параметры сигнала возбуждения кодируются по определенному закону и передаются в канал связи[5].

Рисунок 1 - Процедура кодирования речи

Практическая реализация имеет более сложную схему и это связано со следующими причинами[1]:

1) РС обладает двумя видами корреляционных связей: кратковременной и долговременной избыточностью. Поэтому в большинстве современных кодеков используется два предсказания: кратковременное и долговременное. Первый предсказатель (STP) учитывает кратковременную избыточность РС, связан с корреляциями между близко расположенными отсчетами и определяет огибающую спектра. Второй долговременный предсказатель (LTP) определяет тонкую структуру РС и связан с корреляцией двух отрезков сигнала между собой. Сочетание двух предсказателей с различными характеристиками позволяет в значительной мере устранить остаточную избыточность. В результате остаток предсказания приближается по своим статистическим характеристикам к белому шуму. В канал связи передаются коэффициенты обоих предсказаний и остаток предсказания.

2) Использование остатка предсказания в качестве сигнала возбуждения оказывается не достаточно эффективным, так как требует для кодирования слишком большое число бит. Поэтому практическое применение находят более экономические методы формирования сигнала возбуждения. В начале 80-х годов была предложена модель многоимпульсного возбуждения (RPE), неиспользующая классификацию сегментов речи по признаку “вокализированный - невокализированный”[2].

В частности примером LPC-кодирования может служить кодек «Regular Pulse Excitation — Long Term Prediction» (RPE-LTP) или кодек долговременного линейного предсказания с регулярным импульсным возбуждением. Он призван уменьшить количество передаваемых данных между мобильной станцией и базовой станцией. Принцип работы этого кодека следующий: при каждой выборке голосового сигнала с помощью внутренней логики мобильной станции происходит предсказание следующей точки, после чего при следующей выборке происходит передача не целого значения, а лишь разницы между текущим значением и предыдущим, что существенно меньше по объему. RPE-LTP — голосовой кодек, разработанный для использования в системах сотовой связи стандарта GSM. Кодирование осуществляется блоками по 20 мс со скоростью 13 кбит/с. Поддерживается производителями оборудования, в основном в шлюзах между сотовыми и VoIP-сетями.

Дата добавления: 2015-10-28