DE60101827T2

DE60101827T2 - Relative Pulsposition für einen CELP-Sprachkodierer

Info

Publication number: DE60101827T2
Application number: DE60101827T
Authority: DE
Inventors: Steven A. Benno
Original assignee: Lucent Technologies Inc
Current assignee: Nokia of America Corp
Priority date: 2000-08-07
Filing date: 2001-07-02
Publication date: 2004-12-02
Anticipated expiration: 2021-07-03
Also published as: EP1184842A3; CN1200404C; TW521265B; CN1337671A; EP1184842A2; CA2350353A1; BR0106825A; KR20020012509A; DE60101827D1; JP5027966B2; US6728669B1; EP1184842B1; JP2002108400A

Description

Die vorliegende Erfindung betrifft die Sprachkomprimierung und insbesondere das Vocoding mit codeerregter linearer Prädiktion (CELP).
Ein Sprachcodierer/-decodierer (Vocoder) komprimiert Sprachsignale, um die in einem Kommunikationskanal erforderliche Übertragungsbandbreite zu verringern. Durch Verringerung der pro Verbindung erforderlichen Übertragungsbandbreite ist es möglich, die Anzahl von Verbindungen über denselben Kommunikationskanal zu erhöhen. Frühe Sprachcodierungstechniken, wie z. B. die Technik der linear-prädiktiven Codierung (LPC) verwenden ein Filter zur Entfernung der Signalredundanz und komprimieren daher das Sprachsignal. Das LPC-Filter reproduziert eine Spektralhülle, die versucht, die menschliche Stimme zu modellieren. Weiterhin wird das LPC-Filter durch Empfangen quasiperiodischer Eingangssignale für Nasal- und Vokallaute erregt, während für nichtstimmhafte Klänge rauschartige Eingangssignale empfangen werden.
Es gibt eine Klasse von Vocodern, die als Vocoder mit codeerregter inearer Prädiktion (CELP) bekannt sind. CELP-Vocoding ist in erster Hinsicht eine Sprachdatenkomprimierungstechnik, die bei 4–8 kbps eine Sprachqualität erreichen kann, die mit anderen 32-kbps-Sprachcodierungstechniken vergleichbar ist. Der CELP-Vocoder weist gegenüber früheren LPC-Techniken zwei Verbesserungen auf. Erstens versucht der CELP-Vocoder, mehr Sprachdetails zu erfassen, indem unter Verwendung eines Tonhöhenprädiktors die Tonhöheninformationen extrahiert werden. Zweitens erregt der CELP-Vocoder das LPC-Filter mit einem rauschartigen Signal, das aus einem aus der tatsächlichen Sprachsignalform erzeugten Restsignal abgeleitet wird.
CELP-Vocoder enthalten drei Hauptkomponenten: 1) Kurzzeit-prädiktive Filter, 2) Langzeit-prädiktive Filter, die auch als Tonhöhenprädiktor oder adaptives Codebuch bekannt sind, und 3) festes Codebuch. Die Kompression wird erzielt durch Zuweisen einer bestimmten Anzahl von Bit zu jeder Komponente, die kleiner als die Anzahl von zur Darstellung des ursprünglichen Sprachsignals verwendeten Bit ist. Die erste Komponente verwendet lineare Prädiktion zur Entfernung von Kurzzeitredundanzen in dem Sprachsignal. Das Fehler- oder Restsignal, das sich aus dem Kurzzeitprädiktor ergibt, wird das Zielsignal für den Langzeitprädiktor.
Stimmhafte Sprache weist eine quasiperiodische Beschaffenheit auf, und der Langzeitprädiktor extrahiert aus dem Rest eine Tonhöhenperiode und entfernt die Informationen, die aus der vorherigen Periode vorhergesagt werden können. Nach dem langzeit- und dem kurzzeitprädiktiven Filter ist das resultierende Restsignal ein nahezu rauschartiges Signal. Durch Analyse-durch-Synthese findet eine Festcodebuchsuche eine beste Übereinstimmung zur Ersetzung des rauschartigen Restsignals mit einem Eintrag aus seiner Bibliothek von Vektoren. Der Code, der den am besten übereinstimmenden Vektor darstellt, wird anstelle des rauschbehafteten Restsignals übertragen. Bei algebraischen CELP-(ACELP)-Vocodern besteht das feste Codebuch aus einigen wenigen von null verschiedenen Impulsen und wird durch Positionen und Vorzeichen (z. B. +1 oder –1) der Impulse repräsentiert.
Bei einer typischen Impementierung blockt oder unterteilt der CELP-Vocoder ein ankommendes Sprachsignal in Rahmen, wobei die LPC-Koeffizienten des Kurzzeitprädiktors einmal pro Rahmen aktualisiert werden. Der LPC-Rest wird dann für den Langzeitprädiktor und die Festcodebuchsuche in Subrahmen unterteilt. Zum Beispiel kann die Eingangssprache für den Kurzzeitprädiktor zu einem 160-Abtastwerte-Rahmen geblockt werden. Der resultierende Rahmen kann dann in Subrahmen von 53 Absatzwerten, 53 Absatzwerten und 54 Absatzwerten zerlegt werden. Jeder Subrahmen wird dann durch den Langzeitprädiktor und die Festcodebuchsuche verarbeitet.
Mit Bezug auf 1 ist ein Beispiel für eien einzigen Rahmen eines Sprachsignals 100 gezeigt. Das Sprachsignal 100 besteht aus stimmhaften und nichtstimmhaften Signalen verschiedener Tonhöhen. Das Sprachsignal 100 wird durch einen CELP-Vocoder mit einem LPC-Filter empfangen. Der erste Schritt des CELP-Vocoders ist das Entfernen von Kurzzeitredundanzen in dem Sprachsignal. Das resultierende Signal mit den entfernten Kurzzeitredundanzen ist das Restsprachsignal 200 (2).
Das LPC-Filter kann nicht alle redundanten Informationen entfernen, und die verbleibenden quasiperiodischen Peaks und Täler in dem gefilterten Sprachsignal 200 werden als Tonhöhenimpulse bezeichnet. Dann wird das Kurzzeit prädiktive Filter auf das Sprachsignal 200 angewandt, was zu dem Kurzzeit gefilterten Signal 300 (3) führt. Das Langzeitprädiktorfilter entfernt die quasiperiodischen Tonhöhenimpulse aus dem Restsprachsignal 300 (3), was zu einem zum größten Teil rauschartigen Signal 400 (4) führt, das zu dem Zielsignal für die Festcodebuchsuche wird. In 4 ist ein 160-Abtastwerte-Rahmen eines Festcodebuchzielsignals 350 aufgetragen, das in drei Subrahmen 354, 356, 358 aufgeteilt ist. Der Codewert wird dann über das Kommunikationsnetz übertragen.
In 5 ist die Nachschlagetabelle 470 gezeigt, die die Position der Impulse in einem Subrahmen abbildet. Die Impulse in dem Subrahmen unterliegen der Zwangsbedingung, daß sie an einer von sechzehn möglichen Positionen 402 in der Nachschlagetabelle liegen. Da jede Spur 404 sechzehn mögliche Positionen 402 aufweist, sind nur vier Bit erforderlich, um jede Impulsposition zu identifizieren. Jede Impulsabbildung erfolgt in einer einzelnen Spur 404. Deshalb ermöglichen zwei Spuren 406, 408 das Abbilden der Impulspositionen zweier Signalimpulse aus dem Subrahmen.
Bei dem aktuellen Beispiel enthält der Subrahmen 354 (4) nur 53 Abtastwerte in der Erregung, so daß die Position 0–52 die einzigen gültigen Positionen werden. Aufgrund der Art und Weise der Unterteilung der Spuren 406, 408 (5) sind in jeder Spur Positionen vorhanden, die die Länge der ursprünglichen Erregung übersteigen. Die Positionen 56 und 60 in Spur 1 und die Positionen 57 und 61 in Spur 2 sind ungültig und unbenutzt. Die Position der beiden ersten Impulse 310, 312 (4) entspricht Abtastwert dreizehn und Abtastwert siebzehn. Durch Verwendung der Tabelle 400 (5) wird bestimmt, daß Abtastwert dreizehn in der Position drei 410 in der ersten Spur 406 liegt. Der zweite Impuls befindet sich im Abtastwert siebzehn und liegt in der zweiten Spur 408 an der Position vier 412. Deshalb können die Impulse jeweils als vier Bit dargestellt und übertragen werden. Die anderen Impulse 314 (4), 316, 318, 320 und 322 in dem Subrahmen 354 werden ignoriert, da das Codebuch nur zwei Spuren enthält.
Die Impulsposition wird durch die absolute Impulsposition in den Spuren eingeschränkt. Nachteilhafterweise plaziert der CELP-Vocoder tendenziell Impulse an benachbarten Positionen in den Spuren. Durch Plazieren der Impulse an benacharten Positionen in den Spuren wird anstelle einer Mehrbalance-Codierung der Äußerung der Anfang des Sprachklangs codiert. Mit abnehmender Bitrate für den Vocoder und Verwendung weniger Impulse wird außerdem die Sprachqualität durch die ineffiziente Plazierung von Impulsen in Spuren nachteilig beeinflußt. Es wird ein Verfahren zum Verringern des Auftretens von Impulsen, die an benachbarten Spurpositionen plaziert werden, benötigt.
Aus der Schrift US-A-5963897 ist ein Codierungsverfahren bekannt, bei dem eine Menge von Erregungs-Kandidatensignalen erzeugt wird, wobei die Position eines beliebigen einzelnen Impulses nach dem ersten einzelnen Impuls relativ zu der Position eines vorhergehenden einzelnen Impulses codiert wird.
KURZE DARSTELLUNG DER ERFINDUNG
Gemäß der Erfindung werden ein Verfahren nach Anspruch 1, eine Vorrichtung nach Anspruch 8 und ein computerlesbares Medium nach Anspruch 14 bereitgestellt.
Die Ineffizienz der Absolutspurpositionsplazierung wird durch Implementierung einer Plazierung eines Signalimpulses in einer zweiten Spur relativ zu der Position eines Signalimpulses in der ersten Spur beseitigt. Die Implementierung einer relativen Positionierung der N + 1 Signalimpulse in den N + 1 Spuren während der Codierung eines Signalimpulses führt zu einer erhöhten Signalqualität des decodierten Signals. Die erhöhte Signalqualität wird durch eine präzisere Plazierung von Impulsen in den Spuren und durch Verringern des Auftretens benachbarter Plazierung von Signalimpulspositionen in den Spuren erzielt.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Die obigen Aufgaben und vorteilhaften Merkmale der Erfindung werden in der ausführlichen Beschreibung der vorliegenden Erfindung, die mit Bezug auf die mehreren Figuren der Zeichnung gegeben wird, ausführlicher erläutert, und andere werden daraus hervorgehen. Es zeigen:
1 einen einzelnen Rahmen eines Sprachsignals;
2 einen Kurzzeit periodisch gefilterten Einzelsprachrahmen;
3 einen mit adaptivem Codebuch gefilterten Einzelsprachrahmen;
4 ein bekanntes Verfahren zur Strukturierung von in drei Subrahmen unterteiltem 160-Abtastwerte-Sprachrahmen;
5 ein Diagramm einer bekannten CELP-Vocodercodebuchnachschlagetabelle, wobei Signalimpulse auf eine von sechzehn möglichen Impulspositionen beschränkt sind;
6 ein Diagramm eines CELP-Vocodercodebuchs mit relativ beschränkten Impulspositionen gemäß einer Ausführungsform der Erfindung;
7 ein Diagramm eines Kommunikationssystems mit einer Sendeeinrichtung und einer Empfangseinrichtung, die CELP-Vocoding gemäß einer Ausführungsform der Erfindung benutzen;
8 ein Diagramm der Sendeeinrichtung mit einem CELP-Vocoder, der ein Sprachsignal gemäß einer Ausführungsform der vorliegenden Erfindung codiert;
9 ein Diagramm der Empfangseinrichtung haben einen CELP-Vocoder gemäß einer Ausführungsform der Erfindung; und
10 ein Flußdiagramm eines Verfahrens zum Vocoding eines Sprachsignals gemäß einer Ausführungsform der Erfindung.
AUSFÜHRLICHE BESCHREIBUNG
In 6 ist eine Codebuchtabelle mit zwei Spuren mit relativ beschränkten Impulspositionen gezeigt. Tabelle 500 enthält zwei Impulspositionsspuren 502, 504 (mit der allgemeinen Bezeichnung „Spuren"), die sechzehn mögliche Signalimpulspositionen 506 für jede Spur identifizieren. Die Festcodebucheinträge null bis dreizen 508 in Spur eins 502 und Spur zwei 504 sind mögliche gültige Impulspositionen. Die Impulstabellenpositionen vierzehn 510 und fünfzehn 512 in dem Codebuch sind in beiden Spuren unbenutzt. Zusätzlich werden die möglichen ersten Impulspositionen in der ersten Spur darauf beschränkt, an einer Impulsposition zu liegen, die durch vier teilbar ist (d. h. 0, 4, 8, ..., 52). Die zweite Impulsposition in der zweiten Spur ist relativ zu der Indexposition 506 des ersten Signalimpulses in der ersten Spur.
Statt Signalimpulse in benachbarten Spurpositionen zu codieren, erfolgt eine relative Positionierung des zweiten Signalimpulses. Indem weniger benachbarte Signalimpulse in der Spur codiert werden, können die Signalimpulse die Bursts-Energie besser reproduzieren, wodurch die Sprachqualität des vom Vocoder decodierten Signals verbessert wird. Bei der vorliegenden Ausführungsform wird in jeder der beiden Spuren 502 und 504 ein einzelner Signalimpuls codiert. Durch Positionen des zweiten Signalimpulses in der zweiten Spur in bezug auf den ersten Signalimpuls in der ersten Spur wird eine Zunahme der Qualität der decodierten Äußerung erzielt. Bei einer alternativen Ausführungsform enthält die Codebuchtabelle mehr als zwei Spuren und die zusätzlichen Signalimpulse in Spuren liegen relativ zu einer früheren Spurposition eines früheren Signalimpulses.
Bei der vorliegenden Ausführungsform bezieht sich die relative Position des zweiten Signalimpulses in der zweiten Spur auf den ersten Signalimpuls in der ersten Spur. Bei einer alternativen Ausführungsform liegt die relative Position des zweiten Signalimpulses in der zweiten Spur relativ zu der ersten Signalimpulsabtastwertposition. Bei einer weiteren Ausführungsform kann die Signalimpulsposition in der zweiten Spur in nichtsequentieller Reihenfolge gruppiert werden (d. h. 1, –1, 7, –7, 2, –2, 6, –6, 3, –3, 5, –5, 4, –4).
Mit Bezug auf 7 ist ein Kommunikationssystem 600 mit einer Sendereinrichtung 602 und einer Empfängereinrichtung 604 gezeigt. Die Sender- und Empfängerkommunikationseinrichtungen 620, 604 sind durch einen Kommunikationsweg 606 miteinander gekoppelt. Der Kommunikationsweg 606 kann selektiv ein drahtgestütztes Netzwerk (wie z. B. ein lokales Netzwerk, ein großflächiches Netzwerk, das Internet, ein ATM-Netzwerk oder ein öffentliches Fernsprechnetzwerk) oder ein drahtloses Netzwerk (wie z. B. ein zellulares, Mikrowellen- oder Satellitennetzwerk) sein. Die Hauptanforderung an den Kommunikationsweg 606 ist die Fähigkeit, digitale Daten zwischen dem Sender 602 und dem Empfänger 604 zu transferieren.
Jede Einrichtung 602, 604 enthält eine jeweilige Signaleingabe-/-ausgabeeinheit 608, 610. Die Einheiten 608, 610 sind als telephonische Einrichtungen gezeigt, die analoge Sprachsignale zu und von der Sendereinrichtung 602 und der Empfängereinrichtung 604 transferieren. Die Signaleingabe-/-ausgabeeinheit 608 ist durch einen Zweidrahtkommunikationsweg 612 an die Sendereinrichtung 602 angekoppelt. Ähnlich ist die andere Signaleingabe-/-ausgabeeinheit 610 über einen weiteren Zweidrahtkommunikationsweg 614 an die Empfängereinrichtung 604 angekoppelt. Bei einer alternativen Ausführungsform ist die Signaleingabeeinheit in die sendenden und empfangenden Kommunikationseinrichtungen integriert (d. h. in die sendenden und empfangenden Einrichtungen eingebaute Lautsprecher und Mikrophone) oder kommunizieren über einen drahtlosen Kommunikationsweg (d. h. schnurloses Telephon).
Die Sendereinrichtung 602 enthält einen analogen Signalport 616, der an den Zweidrahtkommunikationsweg 612 angekoppelt ist, einen CELP-Vocoder 618 und eine Steuerung 620. Die Steuerung 620 ist an den analogen Signalport 616, den Vocoder 618 und eine Netzwerkschnittstelle 622 angekoppelt. Zusätzlich ist die Netzwerkschnittstelle 622 an den Vocoder 618, die Steuerung 620 und den Kommunikationsweg 606 angekoppelt.
Ähnlich weist die Empfängereinrichtung 604 eine weitere Netzwerkschnittstelle 624 auf, die an eine weitere Steuerung 626, den Kommunikationsweg 606 und einen weiteren Vocoder 628 angekoppelt ist. Die weitere Steuerung 626 ist an den weiteren Vocoder 628, die weitere Netzwerkschnittstelle 624 und den weiteren analogen Signalport 630 angekoppelt. Zusätzlich ist der weitere analoge Signalport 630 an den weiteren Zweidrahtkommunikationsweg 614 angekoppelt.
Ein Sprachsignal wird an dem analogen Port 616 aus der Signaleingabeeinrichtung 608 empfangen. Die Steuerung 620 liefert die Steuer- und Zeitsteuerungssignale für die Sendereinrichtung 602 und ermöglicht dem analogen Port 161, das empfangene Signal zur Signalkomprimierung zu dem Vocoder 618 zu transferieren. Der Vocoder 618 enthält ein festes Codebuch mit einer in 6 gezeigten Datenstruktur zum Komprimieren des empfangenen Signals. Die Datenstruktur 500 (6) assoziiert den ersten Signalimpuls aus dem gefilterten Signal einer Impulsposition in der ersten Spur. Weiterhin ist der zweite Signalimpuls mit einer zweiten Impulsposition assoziiert und wird relativ zu der ersten Impulsposition des ersten Signalimpulses in der ersten Spur bestimmt.
Es wird blockiert, daß zwei Signalimpulse benachbart in den Spuren zugewiesen werden, indem die zweite Impulsposition relativ zu der ersten Impulsposition zugewiesen wird. Der erste Signalimpuls wird codiert und erhält eine Impulsposition in der ersten Spur 502, und die Impulsposition des zweiten Signalimpulses in der zweiten Spur 504 wird relativ zu der ersten Spur 502 codiert. Das relative Codieren der zweiten Impulsposition führt zu einem komprimierten Signal mit einer größeren Wahrscheinlichkeit, daß die erste Impulsposition nicht der zweiten Impulsposition benachbart ist. Das komprimierte Signal wird dann aus dem Vocoder 618 (7) zu der Netzwerkschnittstelle 622 gesendet. Die Netzwerkschnittstelle 622 sendet das komprimierte Signal über den Kommunikationsweg 606 zu der Empfängereinrichtung 604.
Die weitere Netzwerkschnittstelle 624, die sich in der Empfängereinrichtung 604 befindet, empfängt das komprimierte Signal. Die Empfängersteuerung 626 ermöglicht einen Transfer des empfangenen komprimierten Signals zu dem Empfängervocoder 628. Der Empfängervocoder 628 decodiert das komprimierte Signal durch Verwenden einer Nachschlagetabelle 500 (6). Der Vocoder 628 (7) regeneriert aus dem empfangenen komprimierten Signal unter Verwendung der Nachschlagetabelle 500 (6) ein Analogsignal. Die Nachschlagetabelle reproduziert den Festcodebuchbeitrag und wird dann durch den Langzeit- und den Kurzzeitprädiktor gefiltert. Das Analogsignal wird über den Analogsignalport 630 des Empfängers (7) zu der Signaleingabe-/-ausgabeeinrichtung 610 des Empfängers gesendet.
Mit Bezug auf 8 ist die Signalverarbeitung des analogen Sprachsignals durch den Sender 602 gezeigt. Ein Vorprozessor 710 besitzt einen Eingang zum Empfangen eines Analogsignals und ist an ein LP-Filter 714 und einen Signalkombinierer 712 angekoppelt. Der Signalkombinierer 712 kombiniert das Signal aus dem Vorprozessor 710 und einen Synthesefilter 716. Der Ausgang des Signalkombinierers 712 ist an den Prozessor für wahrnehmungsbezogene Gewichtung 718 angekoppelt. Das Synthesefilter 716 ist an das LP-Analysefilter 714, den Signalkombinierer 712, einen weiteren Signalkombinierer 720, ein adaptives Codebuch 732 und einen Tonhöhenanalysierer 722 angekoppelt. Der Tonhöhenanalysierer 722 ist an den Prozessor für wahrnehmungsbezogene Gewichtung 718, eine Festcodebuchsuche 734, ein adaptives Codebuch 732, das Synthesefilter 716, den weiteren Signalkombinierer 720 und einen Parametercodierer 724 angekoppelt. Der Parametercodierer 724 ist an einen Sender 728, die Festcodebuchsuche 734, das feste Codebuch 730, das LP-Filter 714 und den Tonhöhenanalysierer 722 angekoppelt.
Das Analogsignal wird in dem Vorprozessor 710 aus der analogen Einrichtung 608 (7) empfangen. Der Vorprozessor 710 (8) verarbeitet das Signal und stellt die Vestärkung und andere Signaleigenschaften ein. Das Signal aus dem Vorprozessor 710 wird dann sowohl zu dem LP-Analysefilter 714 als auch dem Signalkombinierer 712 geroutet. Die von dem LP-Analysefilter 714 erzeugten Koeffizienteninformationen werden zu dem Synthesefilter 716, dem Prozessor für wahrnehmungsbezogene Gewichtung 718 und dem Parametercodierer 724 gesendet. Das Synthesefilter 716 empfängt die LP-Koeffizienteninformationen aus dem LP-Filter 714 und ein Signal aus dem weiteren Signalkombinierer 720. Das Synthesefilter 716, das die grobe Kurzzeitspektralform von Sprache moduliert, erzeugt ein Signal, das durch den Signalkombinierer 712 mit dem Ausgangssignal des Vorprozessors 710 kombiniert wird. Das resultierende Signal aus dem Signalkombinierer 712 wird durch den Prozessor für wahrnehmungsbezogene Gewichtung 718 gefiltert. Der Prozessor für wahrnehmungsbezogene Gewichtung 718 empfängt außerdem LP-Koeffizienteninformationen von dem LP-Filter 714. Der Prozessor für wahrnehmungsbezogene Gewichtung 718 ist ein Nachfilter, bei dem die Codierungsverzerrungen effectiv „maskiert" werden, indem die Signalspektren bei Frequenzen, die hohe Sprachenergie enthalten, verstärkt und die Frequenzen, die weniger Sprachenergie enthalten, gedämpft werden.
Das Ausgangssignal des Prozessors für wahrnehmungsbezogene Gewichtung 718 wird zu der Festcodebuchsuche 734 und dem Tonhöhenanalysierer 722 gesendet. Die Festcodebuchsuche 734 erzeugt die Codewerte, die zu dem Parametercodierer 724 und dem festen Codebuch 730 gesendet werden. Die Festcodebuchsuche 734 ist von dem Festcodebuch 730 getrennt gezeigt, kann als Alternative aber auch in dem festen Codebuch 730 enthalten sein und muß nicht separat implementiert werden. Zusätzlich hat die Festcodebuchsuche Zugang zu der Datenstruktur der Nachschlagetabelle 500 (6), und die Bestimmung der zweiten Impulsposition relativ zu der ersten Impulsposition ermöglicht das Codieren präziserer Impulssignalinformationen und verringert das Auftreten des Codierens benachbarter Impulse durch das Codebuch.
Der Tonhöhenanalysierer 722 (8) erzeugt Tonhöhendaten, die zu dem Parametercodierer 724 und dem adaptiven Codebuch 732 gesendet werden. Das adaptive Codebuch 732 empfängt die Tonhöhendaten aus dem Tonhöhenanalysierer 722 und ein Rückkopplungssignal aus dem Signalkombinierer 720, um die Langzeit- (oder periodische) Komponente des Sprachsignals zu modulieren. Das Ausgangssignal des adaptiven Codebuchsignals wird durch den Signalkombinierer 720 mit dem Ausgangssignal des festen Codebuchs 730 kombiniert.
Das feste Codebuch 730 empfängt die von Festcodebuchsuche 734 erzeugten Codewerte und regeneriert ein Signal. Das erzeugte Signal wird durch den Signalkombinierer 720 mit dem Signal aus dem adaptiven Codebuch 732 kombiniert. Das resultierende kombinierte Signal wird dann von dem Synthesefilter 716 zur Modulierung der Kurzzeitspektralform des Sprachsignals verwendet und zu dem adaptiven Codebuch 732 zurückgekoppelt.
Der Parametercodierer empfängt Parameter aus der Festcodebuchsuche 734, dem Tonhöhenanalysierer 722 und dem LP-Filter 714. Der Parametercodierer erzeugt unter Verwendung der empfangenen Parameter das komprimierte Signal. Das komprimierte Signal wird dann durch den Sender 728 über das Netzwerk übertragen.
Bei einer alternativen Ausführungsform des obigen Systems sind der Codierer- und der Decodiererteil des Vocoders in derselben Einrichtung untergebracht, wie z. B. in einem digitalen Anrufbeantworter. Bei einer solchen Ausführungsform ist ein Kommunikationsweg ein Datenbus, der das Speichern und Abrufen des komprimierten Signals aus einem Speicher ermöglicht.
9 zeigt ein Diagramm der Empfängereinrichtung mit einem CELP-Vocoder gemäß einer Ausführungsform der Erfindung. Die Empfängereinrichtung 604 enthält eine an einen Empfänger 802 angekoppelte Netzwerkschnittstelle 661. An dem Empfänger 802 und einem Verstärkungsfaktor „c" 812 ist ein festes Codebuch 804 angekoppelt. Der Signalkombinierer 806 ist an ein Synthesefilter 808, den Verstärkungsfaktor „p" 811 und einen Verstärkungsfaktor „c" 812 angekoppelt. Das adaptive Codebuch 810 ist an den Verstärkungsfaktor „p" 811 und den Ausgang des Signalkombinierers 806 angekoppelt. Das Synthesefilter 808 ist an den Ausgang des Signalkombinierers 806 und ein wahrnehmungsbezogenes Nachfilter 814 angekoppelt. Das wahrnehmungsbezogene Nachfilter ist an den weiteren analogen Port 630 und das Synthesefilter 808 angekoppelt.
Das komprimierte Signal wird durch die Empfängereinrichtung 604 an der Netzwerkschnittstelle 616 empfangen. Der Empfänger 802 packt die Daten aus dem in der Netzwerkschnittstelle 616 empfangenen komprimierten Signal aus. Die Daten bestehen aus einem Festcodebuchindex, einer Festcodebuchverstärkung, einem Adaptivcodebuchindex, einer Adaptivcodebuchverstärkung und einem Index für die LP-Koeffizienten. Das feste Codebuch 804 enthält eine Datenstruktur der Nachschlagetabelle 500 (6). Das feste Codebuch 804 (9) erzeugt ein Signal, das durch den Signalkombinierer 806 mit dem Signal aus dem adaptiven Codebuch 810 und dem Verstärkungsfaktor 812 kombiniert wird. Das kombinierte Signal aus dem Signalkombinierer 806 wird dann in dem Synthesefilter 808 empfangen und zu dem adaptiven Codebuch 810 zurückgekoppelt. Das Synthesefilter 808 verwendet das kombinierte Signal zur Regenerierung des Sprachsignals. Das regenerierte Sprachsignal wird durch das wahrnehmungsbezogene Nachfilter 814 geleitet, das das Sprachsignal einstellt. Das Sprachsignal wird dann durch den analogen Port 630 zu dem Empfänger gesendet, der ein ähnliches Codebuch aufweist.
Mit Bezug auf 10 ist ein Flußdiagramm eines Verfahrens für das Vocoding unter Verwendung einer Nachschlagetabelle oder eines Codebuchs mit Impulsposition in den N + 1 Spuren relativ zu den vorherigen Impulspositionen gezeigt. In Schritt 902 wird in der Empfängereinrichtung 604 (7) ein Eingangssignal (z. B. ein analoges Sprachsignal) empfangen. Das Eingangssignal wird in Schritt 903 (10) in Signalrahmen aufgeteilt, so daß diskrete Signalteile verarbeitet werden können. Jeder Signalrahmen wird durch ein Filter 714 (8) verarbeitet (Schritt 904, 10), so daß sich ein gefiltertes Eingangssignal ergibt, das als ein Restsignal bezeichnet wird.
Das gefilterte Restsignal wird weiter durch ein Langzeitfilter gefiltert (Schrit 906, 10), und das adaptive Codebuch 732 (8) übersetzt oder entfernt die Langzeitsignalredundanz aus dem gefilterten Eingangssignal mit Signalimpulsen. In Schritt 908 (10) identifiziert der Festcodebuchindex die Position der ersten Signalimpulse in einer ersten Spur. Das feste Codebuch 730 (8) enthält eine Nachschlagetabelle 500 (6) und die relative Abbildung der zweiten Impulsposition in der zweiten Spur auf die erste Impulsposition in der ersten Spur. Im Schritt 909 wird das Offset der zweiten Impulsposition relativ zu der ersten Impulsposition bestimmt und führt zu einer größeren Plazierungspräzision des zweiten Impulses.
Die Nachschlagetabelle 500 wird von dem festen Codebuch 730 (8) zur Erzeugung eines binären Musters, das verbleibende Impulssignale aus dem Signal darstellt, verwendet. Dann wird ein binäres Muster zu einem Signal codiert, das den Index der Impulspositionen enthält (Schritt 910, 10). Das codierte Signal wird dann in Schritt 912 über den Kommunikationsweg übertragen.
Der aktuelle Stand der Technologie ermöglicht ein Kombinieren von Vielzweck-Digitalsignalprozessoren mit anderen elektronischen Elementen, um einen CELP-Vocoder herzustellen, der durch Software konfiguriert werden kann. Deshalb kann ein computerlesbares Signalträgermedium Softwarecode zur Implementierung eines Vocoders mit zusätzlichen Beschränkungen zur Einschränkung von Impulspositionen in einem Codebuch enthalten.

Claims

Vocoding-Verfahren für ein Eingangssignal, mit den folgenden Schritten: Filtern des Eingangssignals, so daß ein gefiltertes Signal mit einem ersten Signalimpuls und einem zweiten Signalimpuls resultiert; Codieren des ersten Signalimpulses durch Assoziieren des ersten Signalimpulses mit einer ersten Impulsposition (514) in einer ersten Impulspositionsspur (502) einer Codebuchtabelle (500); und Zuweisen des zweiten Signalimpulses zu einer zweiten Impulsposition (516) relativ zu der ersten Impulsposition (514) in einer zweiten Impulspositionsspur (504) der Codebuchtabelle (500).
Verfahren nach Anspruch 1, wobei der Schritt des Filterns weiterhin den Schritt des Verarbeitens des Signals mit einem linear-prädiktiven Filter umfaßt.
Verfahren nach Anspruch 1, weiterhin mit dem Schritt des Aufteilens des Signals in mehrere Signalrahmen.
Verfahren nach Anspruch 3, wobei der Schritt des Aufteilens weiterhin den Schritt des Empfangens eines Analogsignals umfaßt.
Verfahren nach Anspruch 3, wobei der Schritt des Aufteilens weiterhin den Schritt des Empfangens eines Digitalsignals umfaßt.
Verfahren nach Anspruch 1, wobei der Schritt des Zuweisens weiterhin den Schritt des Identifizierens eines Offsets des zweiten Signalimpulses von dem ersten Signalimpuls umfaßt.
Verfahren nach Anspruch 6, wobei der Schritt des Identifizierens weiterhin den Schritt des Berechnens des Offsets der ersten Signalimpulsposition von einer zweiten Signalimpulsposition umfaßt.
Vocoding-Vorrichtung für ein Eingangssignal, umfassend: ein linear-prädiktives Filter zum Erzeugen eines gefilterten Signals mit mindestens einem ersten Signalimpuls und einem zweiten Signalimpuls als Reaktion auf das Empfangen des Eingangssignals; einen Prozessor mit einer Codebuchtabelle (500) mit mehreren Impulspositionen, in der dem ersten Signalimpuls eine erste Impulsposition (514) in der ersten Spur (502) von Impulspositionen und dem zweiten Signalimpuls eine zweite Impulsposition (516) in der zweiten Spur (504) von Impulspositionen relativ zu der ersten Impulsposition (514) des ersten Signalimpulses zugewiesen wird, so daß mehrere Erregungsparameter resultieren; und einen Sender, der die mehreren Erregungsparameter als Reaktion auf das Empfangen der mehreren Erregungsparameter von dem Prozessor in einem Übertragungssignal sendet.
Vorrichtung nach Anspruch 8, weiterhin mit einem Eingangsport mit einem Speicherpuffer zum Aufteilen des Eingangssignals in Eingangssignalrahmen als Reaktion auf den Eingangsportempfang des Eingangsports.
Vorrichtung nach Anspruch 8, bei der der Prozessor ein Offset des zweiten Signalimpulses von dem ersten Signalimpuls in dem gefilterten Signal bestimmt.
Vorrichtung nach Anspruch 8, bei der der Prozessor ein Offset des zweiten Signalimpulses von der ersten Impulsposition bestimmt.
Vorrichtung nach Anspruch 8, bei der das Eingangssignal ein analoges Eingangssignal ist.
Vorrichtung nach Anspruch 8, bei der das Eingangssignal ein digitales Signal ist.
Computerlesbares Medium mit einem darin realisierten Computerprogrammcode zum Vocoding eines Signals, wobei der Computerprogrammcode folgendes aufweist: Computerprogrammcodemittel zum Filtern des Eingangssignals, so daß ein gefiltertes Signal mit einem ersten Signalimpuls und einem zweiten Signalimpuls resultiert; Computerprogrammcodemittel zum Codieren des ersten Signalimpulses durch Assoziieren des ersten Signalimpulses mit einer ersten Impulsposition (514) in einer ersten Spur (502) einer Codebuchtabelle (500); und Computerprogrammcodemittel zum Zuweisen des zweiten Signalimpulses zu einer zweiten Impulsposition (516) relativ zu der ersten Impulsposition (514) in einer zweiten Spur (504) der Codebuchtabelle (500).
Computerlesbares Medium nach Anspruch 14, bei dem der Computerprogrammcode weiterhin ein Computerprogrammcodemittel zum Identifizieren eines Offsets des zweiten Signalimpulses von dem ersten Signalimpuls umfaßt.
Computerlesbares Medium nach Anspruch 15, bei dem der Computerprogrammcode weiterhin ein Computerprogrammcodemittel zum Berechnen des Offsets der ersten Signalimpulsposition von einer zweiten Signalimpulsposition umfaßt.