(12) TŁUMACZENIE PATENTU EUROPEJSKIEGO (19) PL (11) PL/EP (96) Data i numer zgłoszenia patentu europejskiego:

Transkrypt

1 RZECZPOSPOLITA POLSKA (12) TŁUMACZENIE PATENTU EUROPEJSKIEGO (19) PL (11) PL/EP (96) Data i numer zgłoszenia patentu europejskiego: (13) (51) T3 Int.Cl. G10L 21/04 ( ) G10L 19/14 ( ) Urząd Patentowy Rzeczypospolitej Polskiej (97) O udzieleniu patentu europejskiego ogłoszono: Europejski Biuletyn Patentowy 2010/38 EP B1 (54) Tytuł wynalazku: Sposoby i urządzenia do kodowania i dekodowania górnopasmowej części sygnału mowy (30) Pierwszeństwo: US P US P (43) Zgłoszenie ogłoszono: w Europejskim Biuletynie Patentowym nr 2007/52 (45) O złożeniu tłumaczenia patentu ogłoszono: Wiadomości Urzędu Patentowego 2011/03 (73) Uprawniony z patentu: Qualcomm Incorporated, San Diego, US PL/EP T3 (72) Twórca(y) wynalazku: KOEN BERNARD VOS, San Diego, US ANANTHAPADMANABHAN A. KANDHADAI, San Diego, US (74) Pełnomocnik: rzecz. pat. Józef Własienko POLSERVICE KANCELARIA RZECZNIKÓW PATENTOWYCH SP. Z O.O. ul. Bluszczańska Warszawa Uwaga: W ciągu dziewięciu miesięcy od publikacji informacji o udzieleniu patentu europejskiego, każda osoba może wnieść do Europejskiego Urzędu Patentowego sprzeciw dotyczący udzielonego patentu europejskiego. Sprzeciw wnosi się w formie uzasadnionego na piśmie oświadczenia. Uważa się go za wniesiony dopiero z chwilą wniesienia opłaty za sprzeciw (Art. 99 (1) Konwencji o udzielaniu patentów europejskich).

2 2 Opis Dziedzina wynalazku [0001] Niniejszy wynalazek dotyczy przetwarzania sygnałów. Stan techniki [0002] Komunikacja głosowa poprzez publiczną komutowaną sieć telefoniczną (public switched telephone network PSTN) ma zazwyczaj ograniczoną szerokość pasma częstotliwości do zakresu khz. Nowe sieci do komunikacji głosowej, takie jak telefonia komórkowa czy też VoIP (Voice over Internet Protocool głos przez protokół IP) mogą nie mieć takich samych limitów pasma i może być pożądane transmitowanie i odbieranie komunikacji głosowej obejmującej szerokie pasmo częstotliwości przez takie sieci. Na przykład, może być pożądane obsłużenie częstotliwości dźwiękowych rozciągających się do 50 Hz przy dolnej granicy i/lub do 7 lub 8 khz przy górnej granicy pasma. Może być również pożądane obsługiwanie innych aplikacji takich jak wysokiej jakości konferencje audio lub audio/wideo, które mogą zawierać dźwiękową zawartość mowy w przedziałach znajdujących się poza limitami sieci PSTN. [0003] Zwiększenie zakresu obsługiwanego przez koder mowy do wyższych częstotliwości może poprawić zrozumiałość. Dla przykładu informacje, które wyróżniają spółgłoski frykcyjne, takie jak "s" i "f" są w dużej mierze w zakresie wysokich częstotliwości. Szerokopasmowe rozciąganie może również poprawić inne cechy mowy takie jak występowanie. Na przykład nawet samogłoski dźwięczne mogą mieć energię widmową daleko powyżej limitów PSTN. [0004] Jeden ze sposobów szerokopasmowego kodowania mowy obejmuje skalowanie wąskopasmowej techniki kodowania mowy (np. jedna skonfigurowana do kodowania zakresu 0-4 khz) w celu pokrycia widma szerokopasmowego. Na przykład, sygnał mowy może być próbkowany z wyższą częstotliwością, aby objąć składowe o wyższej częstotliwości a technika kodowania wąskopasmowego może być zrekonfigurowana do wykorzystywania większej liczby współczynników filtra w celu reprezentowania tego szerokopasmowego sygnału. Wąskopasmowe techniki kodowania takie jak CELP (Codebook Excited Linear Prediction liniowa predykcja pobudzana kodem słownikowym) są jednakże złożone obliczeniowo, a

3 3 szerokopasmowy koder CELP może zużywać zbyt wiele cykli obliczeniowych by być praktycznym dla wielu mobilnych i innych aplikacji wbudowanych. Kodowanie pełnego widma szerokopasmowego sygnału do pożądanej jakości używając takiej techniki może także prowadzić do nieakceptowalnie dużego wzrostu szerokości pasma. Ponadto wymagane byłoby transkodowanie tak zakodowanego sygnału przed tym zanim nawet jego część wąskopasmowa mogłaby zostać przekazana do i/lub zdekodowane przez system, który obsługuje tylko wąskie pasmo kodowania. [0005] Inne podejście do szerokopasmowego kodowania mowy wymaga ekstrapolowania górnopasmowej obwiedni widmowej z zakodowanej wąskopasmowej obwiedni widmowej. Jako, że takie podejście może być implementowane bez zwiększania szerokości pasma i bez potrzeby transkodowania, zgrubna obwiednia widmowa albo struktura formanty górnopasmowej części sygnału mowy zasadniczo nie może być dokładnie przewidziana z obwiedni widmowej wąskopasmowej części. [0006] Zgodnie z dokumentem EP A1 znane jest generowanie rozciągniętego widmowo sygnału pobudzającego przez ponowne próbkowanie sygnału pobudzającego dostarczonego przez dolnopasmowy koder. Selektor jest wykorzystywany zgodnie ze wskazaniem głosowym w celu zapewnienia albo poszerzonego widmowo pobudzenia albo losowego pobudzenia (szumu) dla filtra syntezy w celu generowania zsyntetyzowanego górnopasmowego sygnału audio. Dodatkowo, sygnał wzmocnienia określa się w celu zestrojenia energii zsyntezowanego górnopasmowego sygnału z energią oryginalnego górnopasmowego sygnału audio. [0007] Zgodnie z dokumentem WO A1, znany jest sposób rozciągania szerokości pasma otrzymanego sygnału audio przez dodanie szumu zmodulowanego przez obwiednie poskładanego widmowo odebranego sygnału audio do poskładanego widmowo sygnału. [0008] Pożądane może być zaimplementowanie szerokopasmowego kodowania mowy tak, że co najmniej wąskopasmowa część zakodowanego sygnału może być wysłana przez kanał wąskopasmowy (taki jak kanał PSTN) bez transkodowania albo innej znacznej modyfikacji. Wydajność poszerzania szerokopasmowego kodowania może również być pożądana, na przykład, w celu uniknięcia znacznej redukcji liczby użytkowników, którzy mogą być obsługiwani w aplikacjach takich jak bezprzewodowa telefonia komórkowa i rozgłaszanie przez kanały przewodowe albo bezprzewodowe.

4 4 Istota [0009] Niniejszy wynalazek określono za pomocą sposobu kodowania według zastrzeżenia 1, sposobu dekodowania według zastrzeżenia 10, urządzenia według zastrzeżenia 13 i dekodera według zastrzeżenia 23. Krótki opis rysunków [0010] FIGURA 1a przedstawia schemat blokowy szerokopasmowego kodera mowy A100 zgodnie z przykładem wykonania. [0011] FIGURA 1b przedstawia schemat blokowy implementacji A102 szerokopasmowego kodera mowy A100. [0012] FIGURA 2a przedstawia schemat blokowy szerokopasmowego dekodera mowy B100 zgodnie z przykładem wykonania. [0013] FIGURA 2b przedstawia schemat blokowy implementacji B102 szerokopasmowego dekodera mowy B100. [0014] FIGURA 3a przedstawia schemat blokowy implementacji A112 banku filtrów A110. [0015] FIGURA 3b przedstawia schemat blokowy implementacji B122 banku filtrów B120. [0016] FIGURA 4a przedstawia pokrycie szerokości pasma górnego i dolnego pasma dla jednego przykładu banku filtrów A110. [0017] FIGURA 4b przedstawia pokrycie szerokości pasma górnego i dolnego pasma dla innego przykładu banku filtrów A110. [0018] FIGURA 4c przedstawia schemat blokowy implementacji A114 banku filtrów A112. [0019] FIGURA 4d przedstawia schemat blokowy implementacji B 124 banku filtrów B122. [0020] FIGURA 5a przedstawia przykład logarytmicznego wykresu amplitudy w funkcji częstotliwości dla sygnału mowy. [0021] FIGURA 5b przedstawia schemat blokowy podstawowego systemu kodowania liniowej predykcji.

5 5 [0022] FIGURA 6 przedstawia schemat blokowy implementacji A122 wąskopasmowego kodera A120. [0023] FIGURA 7 przedstawia schemat blokowy implementacji B 112 wąskopasmowego kodera B110. [0024] FIGURA 8a przedstawia przykład logarytmicznego wykresu amplitudy w funkcji częstotliwości dla szczątkowego sygnału dla mowy dźwięcznej. [0025] FIGURA 8b przedstawia przykład logarytmicznego wykresu amplitudy w funkcji czasu dla szczątkowego sygnału dla mowy dźwięcznej. [0026] FIGURA 9 przedstawia schemat blokowy podstawowego systemu kodowania liniowej predykcji, który również przeprowadza długookresową predykcję. [0027] FIGURA 10 przedstawia schemat blokowy implementacji A202 kodera pasma górnego A200. [0028] FIGURA 11 przedstawia schemat blokowy implementacji A302 górnopasmowego generatora pobudzającego A300. [0029] FIGURA 12 przedstawia schemat blokowy implementacji A402 elementu rozciągającego widmo A400. [0030] FIGURA 12a przedstawia wykresy widma sygnału w różnych punktach w jednym przykładzie operacji rozciągania widma. [0031] FIGURA 12b przedstawia wykresy widma sygnału w różnych punktach w innym przykładzie operacji rozciągania widma: [0032] FIGURA 13 przedstawia schemat blokowy implementacji A304 górnopasmowego generatora pobudzającego A302. [0033] FIGURA 14 przedstawia schemat blokowy implementacji A306 górnopasmowego generatora pobudzającego A302. [0034] FIGURA 15 przedstawia sieć działań dla zadania obliczania obwiedni T100. [0035] FIGURA 16 przedstawia schemat blokowy implementacji 492 elementu łączącego 490. [0036] FIGURA 17 ilustruje podejście do obliczania pomiaru okresowości górnopasmowego sygnału S30. [0037] FIGURA 18 przedstawia schemat blokowy implementacji A312 górnopasmowego generatora pobudzającego A302. [0038] FIGURA 19 przedstawia schemat blokowy implementacji A314 górnopasmowego generatora pobudzającego A302.

6 6 [0039] FIGURA 20 przedstawia schemat blokowy implementacji A316 górnopasmowego generatora pobudzającego A302. [0040] FIGURA 21 przedstawia sieć działań dla zadania obliczania wzmocnienia T200. [0041] FIGURA 22 przedstawia sieć działań dla implementacji T210 zadania obliczania wzmocnienia T200. [0042] FIGURA 23a przedstawia diagram funkcji okienkowania. [0043] FIGURA 23b przedstawia zastosowanie funkcji okienkowania jak pokazano na FIGURA 23a na podramkach sygnału mowy. [0044] FIGURA 24 przedstawia schemat blokowy dla implementacji B202 górnopasmowego dekodera B200. [0045] FIGURA 25 przedstawia schemat blokowy implementacji AD10 szerokopasmowego kodera mowy A100. [0046] FIGURA 26a przedstawia diagram schematyczny implementacji D122 linii opóźniającej D120. [0047] FIGURA 26b przedstawia diagram schematyczny implementacji D124 linii opóźniającej D120. [0048] FIGURA 27 przedstawia diagram schematyczny implementacji D130 linii opóźniającej D 120. [0049] FIGURA 28 przedstawia schemat blokowy implementacji AD 12 szerokopasmowego kodera mowy AD 10. [0050] FIGURA 29 przedstawia sieć działań sposobu przetwarzania MD100 sygnałów zgodnie z przykładem wykonania. [0051] FIGURA 30 przedstawia sieć działań dla sposobu M100 zgodnie z przykładem wykonania. [0052] FIGURA 31a przedstawia sieć działań dla sposobu M200 zgodnie z przykładem wykonania. [0053] FIGURA 31b przedstawia sieć działań dla implementacji 210 sposobu M200. [0054] FIGURA 32 przedstawia sieć działań dla sposobu M300 zgodnie z przykładem wykonania. [0055] Na figurach i załączonym opisie, te same oznaczenia odsyłające dotyczą tych samych albo analogicznych elementów albo sygnałów.

7 7 Opis szczegółowy [0056] Opisane tutaj przykłady wykonania obejmują systemy, sposoby, i urządzenia, które mogą być skonfigurowane do dostarczania rozciągania do wąskopasmowego kodera mowy do obsługi transmisji i/lub przechowywania szerokopasmowych sygnałów mowy przy zwiększaniu się szerokości pasma jedynie od około 800 do 1000 bps (bitów na sekundę). Potencjalne zalety takich implementacji obejmują wbudowane kodowanie do obsługi kompatybilności z systemami wąskopasmowymi, względnie łatwe alokowanie i realokowanie bitów między wąskopasmowymi i górnopasmowymi kanałami kodowania, unikanie złożonej obliczeniowo szerokopasmowej operacji syntezy, i utrzymywanie niskiej częstotliwości próbkowania dla sygnałów jakie mają być przetworzone za pomocą złożonych obliczeniowo procedur kodowania przebiegów falowych. [0057] Jeżeli nie jest to ograniczone w kontekście, termin "obliczanie" jest stosowany tutaj do wskazania dowolnego z jego zwykłych znaczeń, takich jak obliczanie, generowanie, i wybieranie z listy wartości. Tam gdzie termin "zawierający" jest stosowany w niniejszym opisie i zastrzeżeniach, nie wyklucza on innych elementów albo działań. Termin "A jest oparty na B" jest wykorzystywany do wskazywania dowolnego z jego zwykłych znaczeń, obejmując przypadki (i) "A jest równy B" i (ii) "A jest oparty na co najmniej B." Termin "Internet Protocol" obejmuje wersję 4, jak opisano w IETF (Internet Engineering Task Force) RFC (Request for Comments) 791, i kolejne wersje takie jak wersja 6. [0058] FIGURA 1a przedstawia schemat blokowy szerokopasmowego kodera mowy A100 zgodnie z przykładem wykonania. Bank A110 filtrów jest skonfigurowany do filtrowania szerokopasmowego sygnału mowy S 10 w celu wytwarzania sygnału wąskopasmowego S20 i górnopasmowego sygnału S30. Koder wąskopasmowy A120 jest skonfigurowany do kodowania sygnału wąskopasmowego S20 w celu wytwarzania wąskopasmowych (NB) parametrów filtru S40 i wąskopasmowego sygnału resztkowego S50. Jak już w szczegółach opisano, koder wąskopasmowy A120 jest zwykle skonfigurowany w celu wytwarzania parametrów filtra wąskopasmowego S40 i zakodowanego wąskopasmowego sygnału pobudzającego S50 jako indeksy kodu słownikowego albo w innej skwantyzowanej postaci. Koder A200 górnopasmowy jest skonfigurowany do kodowania górnopasmowego sygnału S30 zgodnie z informacją w zakodowanym wąskopasmowym sygnale pobudzającym

8 8 S50 w celu wytwarzania parametrów S60 górnopasmowego kodowania. Jak już w szczegółach opisano, górnopasmowy koder A200 jest zwykle skonfigurowany do wytwarzania parametrów S60 górnopasmowego kodowania jako indeksu kodu słownikowego albo w innej skwantyzowanej postaci. Jeden konkretny przykład szerokopasmowego kodera mowy A100 jest skonfigurowany do kodowania szerokopasmowego sygnału mowy S 10 z częstotliwością około 8.55 kbps (kilobitów na sekundę), z częstotliwością około 7.55 kbps wykorzystywaną dla parametrów filtra wąskopasmowego S40 i zakodowanego wąskopasmowego sygnału pobudzającego S50, i około 1 kbps wykorzystywaną dla parametrów S60 górnopasmowego kodowania. [0059] Może być pożądane połączenie zakodowanego wąskopasmowego sygnału i górnopasmowego sygnału do pojedynczego strumienia bitów. Na przykład, może być pożądane zmultipleksowanie zakodowanych sygnałów razem ze sobą w celu transmisji (np. przez przewodowy, optyczny albo bezprzewodowy kanał transmisyjny), albo w celu przechowywania jako zakodowanego szerokopasmowego sygnału mowy. FIGURA 1b przedstawia schemat blokowy implementacji A102 szerokopasmowego kodera mowy A100, który zawiera multiplexer A130 skonfigurowany do łączenia parametrów filtra wąskopasmowego S40, zakodowanego wąskopasmowego sygnału pobudzającego S50, i parametrów S60 filtru górnopasmowego do zmultipleksowanego sygnału S70. [0060] Urządzenie zawierające koder A102 może również zawierać zespół obwodów elektrycznych skonfigurowany do transmitowania zmultipleksowanego sygnału S70 do kanału transmisyjnego takiego jak kanał przewodowy, optyczny albo kanał bezprzewodowy. Takie urządzenie może również być skonfigurowane do przeprowadzania jednej albo większej liczby operacji kodowania kanału do sygnału, takiego jak kodowanie z korekcją błędów (np. kodowanie splotowe z kompatybilnym współczynnikiem) i/lub kodowanie z detekcją błędów (np. cykliczne kodowanie nadmiarowe), i/lub jedna albo większa ilość warstw kodowania protokołu sieciowego (np. Ethernet, TCP/IP, cdma2000). [0061] Może być pożądane dla multipleksera A130 aby był skonfigurowany do wbudowywania zakodowanego sygnału wąskopasmowego (zawierającego parametry filtra wąskopasmowego S40 i zakodowany wąskopasmowy sygnał pobudzający S50) jako dającego się odseparować podstrumienia zmultipleksowanego sygnału S70 tak, że zakodowany sygnał wąskopasmowy może być odzyskany i zdekodowany

9 9 niezależnie od kolejnej części zmultipleksowanego sygnału S70 takiego jak sygnał górnopasmowy i/lub dolnopasmowy. Na przykład, zmultipleksowany sygnał S70 może być umieszczony tak, że zakodowany sygnał wąskopasmowy może być odzyskany za pomocą usunięcia parametrów S60 filtru górnopasmowego. Jedną potencjalną zaletą takiej cechy jest uniknięcie potrzeby transkodowania zakodowanego sygnału szerokopasmowego przed przekazaniem go do systemu, który obsługuje dekodowanie sygnału wąskopasmowego, ale nie obsługuje dekodowania części górnopasmowej. [0062] FIGURA 2a przedstawia schemat blokowy szerokopasmowego dekodera mowy B100 zgodnie z przykładem wykonania. Wąskopasmowy dekoder B110 jest skonfigurowany do dekodowania parametrów filtra wąskopasmowego S40 i zakodowanego wąskopasmowego sygnału pobudzającego S50 w celu wytwarzania sygnału wąskopasmowego S90. Górnopasmowy dekoder B200 jest skonfigurowany do dekodowania parametrów S60 kodowania górnopasmowego zgodnie z wąskopasmowym sygnałem pobudzającym S80, w oparciu o zakodowany wąskopasmowy sygnał pobudzający S50, w celu wytwarzania górnopasmowego sygnału S100. W tym przykładzie, wąskopasmowy dekoder B110 jest skonfigurowany do dostarczania wąskopasmowego sygnału pobudzającego S80 do górnopasmowego dekodera B200. Bank B120 filtrów jest skonfigurowany do łączenia sygnału wąskopasmowego S90 i górnopasmowego sygnału S100 w celu wytwarzania szerokopasmowego sygnału mowy S110. [0063] FIGURA 2b przedstawia schemat blokowy implementacji B102 szerokopasmowego dekodera mowy B100, który zawiera demultiplekser B130 skonfigurowany do wytwarzania zakodowanych sygnałów S40, S50, i S60 ze zmultipleksowanego sygnału S70. Urządzenie zawierające dekoder B102 może zawierać zespół obwodów elektrycznych skonfigurowanych do odbierania zmultipleksowanego sygnału S70 z kanału transmisyjnego takiego jak kanał przewodowy, optyczny albo bezprzewodowy. Takie urządzenie może również być skonfigurowane do przeprowadzania jednej albo większej liczby operacji dekodowania kanału do sygnału, takich jak dekodowanie z korekcją błędów (np. dekodowanie splotowe z kompatybilnym współczynnikiem) i/lub dekodowanie z detekcją błędów (np. cykliczne dekodowanie nadmiarowe), i/lub jedna albo większa ilość warstw dekodowania protokołu sieciowego (np. Ethernet, TCP/IP, cdma2000).

10 10 [0064] Bank A110 filtrów jest skonfigurowany do filtrowania sygnału wejściowego zgodnie ze schematem rozdzielonego pasma w celu wytwarzania podpasma małej częstotliwości i podpasma wielkiej częstotliwości. W zależności od kryterium projektowego dla konkretnej aplikacji, podpasma wyjściowe mogą mieć równe albo nierówne szerokości pasma i mogą zachodzić na siebie albo nie. Konfiguracja banku A110 filtrów, która wytwarza więcej niż dwa podpasma jest również możliwa. Na przykład, taki bank filtrów może być skonfigurowany do wytwarzania jednej albo większej liczby dolnopasmowych sygnałów, które zawierają komponenty w zakresie częstotliwości poniżej częstotliwości sygnału wąskopasmowego S20 (takiego jak zakres Hz). Możliwe jest również aby taki bank filtrów był skonfigurowany do wytwarzania jednego albo większej liczby dodatkowych górnopasmowych sygnałów, które zawierają składowe w zakresie częstotliwości powyżej częstotliwości górnopasmowego sygnału S30 (takiego jak zakres 14-20, 16-20, lub khz). W takim przypadku, szerokopasmowy koder mowy A100 może być zaimplementowany do kodowania tego sygnału albo sygnałów osobno, a multiplekser A130 może być skonfigurowany tak, aby zawierał dodatkowy zakodowany sygnał albo sygnały w zmultipleksowanym sygnale S70 (np. jako osobna część). [0065] FIGURA 3a przedstawia schemat blokowy implementacji A112 banku filtrów A110 który jest skonfigurowany do wytwarzania dwóch sygnałów podpasmowych mających zredukowane częstotliwości próbkowania. Bank A110 filtrów jest tak zorganizowany aby odbierał szerokopasmowy sygnał mowy S10 mający część wysokiej częstotliwości (albo górnopasmową) i część niskiej częstotliwości (albo dolnopasmową). Bank A112 filtrów zawiera dolnopasmową ścieżkę przetwarzającą skonfigurowaną do odbierania szerokopasmowego sygnału mowy S10 i do wytwarzania wąskopasmowego sygnału mowy S20, i górnopasmową ścieżkę przetwarzającą skonfigurowaną do odbierania szerokopasmowego sygnału mowy S10 i do wytwarzania górnopasmowego sygnału S30 mowy. Filtr dolnoprzepustowy 110 filtruje szerokopasmowy sygnał mowy S10 w celu przepuszczenia wybranego podpasma niskiej częstotliwości, a filtr górnoprzepustowy 130 filtruje szerokopasmowy sygnał mowy S10 w celu przepuszczenia wybranego podpasma wysokiej częstotliwości. Ponieważ oba sygnały podpasma mają węższe szerokości pasma niż szerokopasmowy sygnał mowy S10, ich częstotliwości próbkowania mogą być zredukowane do pewnego stopnia bez strat informacji. Element 120 redukujący częstotliwość próbkowania redukuje częstotliwość próbkowania sygnału

11 11 dolnoprzepustowego zgodnie z pożądanym współczynnikiem decymacji (np. za pomocą usuwania próbek sygnału i/lub zastępowania próbek za pomocą wartości średnich), i element 140 redukujący częstotliwość próbkowania w podobny sposób redukuje częstotliwość próbkowania sygnału górnoprzepustowego zgodnie z innym pożądanym współczynnikiem decymacji. [0066] FIGURA 3b przedstawia schemat blokowy odpowiedniej implementacji B122 banku B120 filtrów. Element podwyższający częstotliwość próbkowania 150 zwiększa częstotliwość próbkowania sygnału wąskopasmowego S90 (np. przez umieszczanie zer miedzy próbkami i/lub przez duplikowanie próbek), a filtr dolnoprzepustowy 160 filtruje sygnał spróbkowany z podwyższona częstotliwością próbkowania w celu przepuszczenia jedynie dolnopasmowej części (np. w celu zapobiegania aliasingowi). Podobnie, element podwyższający częstotliwość próbkowania 170 zwiększa częstotliwość próbkowania górnopasmowego sygnału S100 a filtr górnoprzepustowy 180 filtruje sygnał spróbkowany z podwyższoną częstotliwością próbkowania w celu przepuszczenia jedynie części górnopasmowej. Dwa sygnały pasma przepustowego są następnie sumowane w celu utworzenia szerokopasmowego sygnału mowy S110. W pewnych implementacjach dekodera B100, bank B120 filtrów jest skonfigurowany do wytwarzania sumy ważonej dwóch sygnałów pasm przepustowych zgodnie z jednym albo większą liczbą wag odebranych i/lub obliczonych za pomocą górnopasmowego dekodera B200. Rozważa się również konfiguracje banku filtrów B 120, która łączy więcej niż dwa sygnały pasma przepustowego. [0067] Każdy z filtrów 110, 130, 160, 180 może być zaimplementowany jako filtr o skończonej odpowiedzi impulsowej (FIR) lub jako filtr o nieskończonej odpowiedzi impulsowej (IIR). Odpowiedzi częstotliwościowe filtrów 110 i 130 kodera mogą mieć symetryczne albo odmiennie ukształtowane regiony przejść między pasmem zaporowym a pasmem przepustowym. Podobnie, odpowiedzi częstotliwościowe filtrów 160 i 180 dekodera mogą mieć symetryczne albo odmiennie ukształtowane regiony przejść między pasmem zaporowym a pasmem przepustowym. Może być pożądane, ale nie jest niezbędnie konieczne, żeby filtr dolnoprzepustowy 110 miał tą samą odpowiedź jak filtr dolnoprzepustowy 160, a dla filtru górnoprzepustowego 130 aby miał tą samą odpowiedź jak filtr górnoprzepustowy 180. W jednym przykładzie, dwie pary filtrów 110, 130 i 160, 180 są bankami lustrzanych filtrów kwadraturowych

12 12 (QMF), z parą filtrów 110, 130 mających te same współczynniki co para filtrów 160, 180. [0068] W typowym przykładzie, filtr dolnoprzepustowy 110 ma pasmo przepustowe, które zawiera ograniczony zakres PSTN wynoszący Hz (np. pasmo od 0 do 4 khz). FIGURY 4a i 4b pokazują odpowiednie szerokości pasma szerokopasmowego sygnału mowy S10, sygnału wąskopasmowego S20, i górnopasmowego sygnału S30 w dwóch rożnych przykładach implementacji. W obu tych konkretnych przypadkach, szerokopasmowy sygnał mowy S10 ma częstotliwość próbkowania wynoszącą 16 khz (reprezentującą składowe częstotliwościowe w obrębie zakresu od 0 do 8 khz), a sygnał wąskopasmowy S20 ma częstotliwość próbkowania wynoszącą 8 khz (reprezentującą składowe częstotliwościowe w obrębie zakresu od 0 do 4 khz). [0069] W przykładzie z FIGURY 4a, nie ma znacznego zachodzenia na siebie dwóch podpasm. Górnopasmowy sygnał S30, jak pokazano w tym przykładzie może być otrzymany z wykorzystaniem filtru górnoprzepustowego 130 z pasmem przepustowym wynoszącym 4-8 khz. W takim przypadku, może być wymagane zredukowanie częstotliwości próbkowania do 8 khz za pomocą próbkowania z obniżoną częstotliwością przefiltrowanego sygnału obniżona o współczynnik równy dwa. Takie działanie, od którego można oczekiwać, że znacznie zredukuje złożoność obliczeniową kolejnych operacji przetwarzania do sygnału, przesunie energię pasma przepustowego w dół do zakresu od 0 do 4 khz bez strat informacji. [0070] W alternatywnym przykładzie z FIGURY 4b, górne i dolne podpasma znacznie na siebie zachodzą tak, że region od 3.5 do 4 khz jest opisywany za pomocą sygnałów obydwu podpasm. Górnopasmowy sygnał S30, jak w tym przykładzie, może być otrzymywany z wykorzystaniem filtra górnoprzepustowego 130 z pasmem przepustowym wynoszącym khz. W takim przypadku, może być pożądane zredukowanie częstotliwości próbkowania do 7 khz za pomocą próbkowania z obniżoną częstotliwością przefiltrowanego sygnału obniżoną o współczynnik wynoszący 16/7. Takie działanie, od którego można oczekiwać, że znacznie zredukuje złożoność obliczeniową kolejnych operacji przetwarzania do sygnału, przesunie energię pasma przepustowego w dół do zakresu od 0 do 3.5 khz bez strat informacji. [0071] W typowym mikrotelefonie do komunikacji telefonicznej, jeden albo większa liczba przetworników (tj. mikrofon i muszla słuchawkowa albo głośnik) ma braki w

13 13 odpowiedniej odpowiedzi na zakresie częstotliwości wynoszącym 7-8 khz. W przykładzie z FIGURY 4b, część szerokopasmowego sygnału mowy S10 między 7 i 8 khz nie zawiera się w zakodowanym sygnale. Inne konkretne przykłady filtra górnoprzepustowego 130 mają pasma przepustowe wynoszące khz i khz. [0072] W pewnych implementacjach, zapewniających zachodzenie na siebie podpasm jak w przykładzie z FIGURY 4b uwzględnia się zastosowanie filtra dolnoprzepustowego i/lub filtra górnoprzepustowego mającego gładki spadek wzmocnienia w regionie zachodzenia na siebie. Takie filtry są zwykle łatwe do zaprojektowania, mają mniejszą złożoność obliczeniową, i/lub wprowadzają mniejsze opóźnienie niż filtry z ostrzejszymi odpowiedziami albo prostokątnymi odpowiedziami. Filtry mające regiony ostrych przejść maja tendencję do posiadania wyższych listków bocznych (które mogą powodować aliasing) niż filtry podobnego rzędu, które mają gładkie spadki wzmocnienia. Filtry mające regiony ostrych przejść mogą również mieć długie odpowiedzi impulsowe, co może powodować artefakty pierścieniowe. Dla implementacji banku filtrów mających jeden albo większą liczbę filtrów IIR, dopuszczenie gładkiego spadku wzmocnienia w obszarze zachodzenia na siebie może umożliwiać wykorzystanie filtra albo filtrów, których bieguny są bardziej oddalone od koła jednostkowego, co może być ważne dla zapewnienia stabilnej stałopozycyjnej implementacji. [0073] Zachodzenie na siebie podpasm umożliwia gładkie wymieszanie pasma dolnego i pasma górnego, co może prowadzić do mniejszych słyszalnych artefaktów, zmniejszenia aliasingu, i/lub mniej dostrzegalnych przejść z jednego pasma do drugiego. Co więcej, sprawność kodowania wąskopasmowego kodera A120 (na przykład, kodera kształtu fali) może zmniejszać się ze wzrostem częstotliwości. Na przykład, jakość kodowania kodera wąskopasmowego może być zredukowana dla niskich przepływności, zwłaszcza w obecności szumu tła. W takich przypadkach, zapewnienie zachodzenia na siebie podpasm może zwiększać jakość odtworzonych składowych częstotliwościowych w regionie zachodzenia na siebie. [0074] Co więcej, zachodzenie na siebie podpasm umożliwia gładkie wymieszanie pasma dolnego i pasma górnego, co może prowadzić do mniejszej liczby słyszalnych artefaktów, zmniejszenia aliasingu, i/lub mniej dostrzegalnych przejść z jednego pasma do drugiego. Cecha ta może być pożądana zwłaszcza dla implementacji, w której koder wąskopasmowy A120 i górnopasmowy koder A200 działają zgodnie z

14 14 różnymi metodologiami kodowania. Na przykład, różne techniki kodowania mogą wytwarzać sygnały, które brzmią zupełnie inaczej. Koder, który koduje obwiednię widmową w postaci indeksów kodu słownikowego może wytwarzać sygnał mający inne brzmienie niż koder, który koduje widmo amplitudowe. Koder w dziedzinie czasu (np. modulacja impulsowo - kodowa lub koder PCM) może wytwarzać sygnał mający inne brzmienie niż koder w dziedzinie częstotliwości. Koder, który koduje sygnał z reprezentacją obwiedni widmowej a odpowiedni sygnał resztkowy może wytwarzać sygnał mający inne brzmienie niż koder, który koduje sygnał jedynie z reprezentacją obwiedni widmowej. Koder, który koduje sygnał jako reprezentację jego kształtu fali może wytwarzać sygnał wyjściowy mający inne brzmienie niż ten z kodera sinusoidalnego. W takich przypadkach, zastosowanie filtrów mających regiony ostrych przejść do definiowania podpasm niezachodzących na siebie może prowadzić do nagłego i dostrzegalnie zauważalnego przejścia pomiędzy podpasmami w zsyntetyzowanym sygnale szerokopasmowym. [0075] Mimo że banki filtrów QMF mające komplementarne zachodzące na siebie odpowiedzi częstotliwościowe są często wykorzystywane w technikach podpasmowych, takie filtry są nieodpowiednie dla co najmniej niektórych z implementacji kodowania szerokopasmowego tutaj opisanych. Bank filtrów QMF w koderze jest skonfigurowany tak, aby wytwarzać znaczny stopień aliasingu, który jest usuwany w odpowiednim banku filtrów QMF w dekoderze. Taki układ może nie być odpowiedni dla aplikacji, w której sygnał podlega znacznej ilości zniekształceń między bankami filtrów, ponieważ zniekształcenia mogą zmniejszać skuteczność właściwości usuwania aliasingu. Na przykład, aplikacje tutaj opisane obejmują implementacje kodowania skonfigurowane do działania przy bardzo małych przepływnościach. W konsekwencji bardzo małych przepływności, prawdopodobne jest, że w zdekodowanym sygnale pojawią się zniekształcenia w porównaniu z początkowym sygnałem takie, że wykorzystanie banku filtrów QMF może prowadzić do nieusuniętego aliasingu. Aplikacje które wykorzystują banki filtrów QMF zwykle mają wyższe przepływności (np. powyżej 12 kbps dla AMR, i 64 kbps dla G.722). [0076] Dodatkowo, koder może być skonfigurowany do wytwarzania zsyntetyzowanego sygnału, który jest wyczuwalnie podobny do początkowego sygnału, ale który w rzeczywistości różni się znacznie od sygnału początkowego. Na przykład, koder, który wyprowadza górnopasmowe pobudzenie z wąskopasmowego sygnału resztkowego, jak opisano tutaj, może wytwarzać taki sygnał, ponieważ

15 15 aktualny górnopasmowy sygnał resztkowy może być całkowicie nieobecny w zakodowanym sygnale. Zastosowanie banku filtrów QMF w takich aplikacjach może prowadzić do znacznego stopnia zniekształcenia spowodowanego przez nieusunięty aliasing. [0077] Wielkość zniekształcenia spowodowanego przez aliasing QMF może być zredukowana, jeżeli podpasmo na które się oddziałuje jest wąskie, ponieważ skutek aliasingu jest ograniczony do szerokości pasma równej szerokość podpasma. Jednakże, w przykładach jak opisano tutaj, w których każde podpasmo zawiera około połowy szerokości pasma szerokiego, zniekształcenie spowodowane przez nieusunięty aliasing mogłoby wpływać na znaczną część sygnału. Na jakość sygnału może również oddziaływać lokalizacja pasma częstotliwości w którym pojawia się nieusunięty aliasing. Na przykład, zniekształcenie wytworzone niedaleko środka szerokopasmowego sygnału mowy (np. między 3 i 4 khz) może być dużo bardziej niepożądane niż to pojawiające się niedaleko brzegu sygnału (np. powyżej 6 khz). [0078] Ponieważ odpowiedzi filtrów z banku filtrów QMF są ściśle zależne od siebie wzajemnie, górnopasmowe i dolnopasmowe ścieżki banków A110 i B120 filtrów mogą być skonfigurowane tak, aby miały widma, które są całkowicie niezależne od zachodzenia na siebie dwóch podpasm. Zachodzenie na siebie dwóch podpasm określono jako odległość od punktu, w którym odpowiedź częstotliwościowa górnopasmowego filtra spada do -20 db do punktu, w którym odpowiedź częstotliwościowa dolnopasmowego filtra spada do -20 db. W różnych przykładach banków A110 i/lub B120 filtrów, to zachodzenie na siebie rozciąga się od około 200 Hz do około 1 khz. Zakres od około 400 do około 600 Hz może reprezentować pożądany kompromis między sprawnością kodowania a wyczuwalną gładkością. W jednym konkretnym przykładzie, jak wspomniano wcześniej, zachodzenie na siebie wynosi około 500 Hz. [0079] Może być pożądane zaimplementowanie banku filtrów A112 i/lub B122 do przeprowadzania operacji pokazanych na FIGURACH 4a i 4b w kilku etapach. Na przykład, FIGURA 4c przedstawia schemat blokowy implementacji A114 banku filtrów A112, która przeprowadza funkcjonalnie ekwiwalentną operację filtrowania górnoprzepustowego i operacji redukowania częstotliwości próbkowania z wykorzystaniem szeregu interpolacji, ponownego próbkowania, decymacji, i innych operacji. Taka implementacja może być łatwiejsza do zaprojektowania i/lub może umożliwiać ponowne wykorzystanie bloków funkcjonalnych układów logicznych i/lub

16 16 kodowania. Na przykład, ten sam blok funkcjonalny może być wykorzystany do przeprowadzania operacji decymacji do 14 khz i decymacji do 7 khz jak pokazano na FIGURZE 4c. Operacja odwrotności widma może być implemetowana przez przemnożenie sygnału funkcją e jnπ albo sekwencją (-1) n, której wartości zmieniają się kolejno między +1 i -1. Operacja kształtowania widmowego może być implementowana jako filtr dolnoprzepustowy skonfigurowany do kształtowania sygnału w celu otrzymania pożądanej całkowitej odpowiedzi filtra. [0080] Zauważono, że w wyniku operacji odwrotności widma, widmo górnopasmowego sygnału S30 jest odwrócone. Kolejne operacje w koderze i odpowiednim dekoderze mogą być odpowiednio skonfigurowane. Na przykład, generator A300 górnopasmowego pobudzenia jak opisano tutaj może być skonfigurowany w celu wytwarzania górnopasmowego sygnału pobudzającego S 120, który również ma spektralnie odwrócona postać. [0081] FIGURA 4d przedstawia schemat blokowy implementacji B124 banku filtrów B122, który przeprowadza ekwiwalent funkcjonalny operacji próbkowania z podwyższoną częstotliwością i filtrowania górnoprzepustowego z wykorzystaniem serii interpolacji, ponownego próbkowania, i innych operacji. Bank filtrów B124 zawiera operację odwrotności widma w paśmie górnym, która odwraca podobną operację przeprowadzoną, na przykład, w banku filtrów kodera takim jak bank filtrów A114. W tym konkretnym przykładzie, bank filtrów B124 również zawiera filtry wycinające w paśmie dolnym i paśmie górnym, które tłumią składowe sygnału przy 7100 Hz, jednakże takie filtry są opcjonalne i może ich nie być. Zgłoszenie patentowe nr "SYSTEMS, METHODS, AND APPARATUS FOR SPEECH SIGNAL FILTERING" złożony razem z tym zgłoszeniem, obecnie numer publikacji U.S. 2007/ , zawiera dodatkowy opis i figury dotyczące odpowiedzi elementów konkretnych implementacji banków filtrów A110 i B120, i ten dokument został dołączony przez odniesienie. [0082] Koder wąskopasmowy A120 jest implementowany zgodnie z modelem filtru źródłowego, który koduje wejściowy sygnał mowy jako (A) zestaw parametrów, które opisują filtr i (B) sygnał pobudzający, który steruje opisanym filtrem w celu wytwarzania zsyntetyzowanej reprodukcji wejściowego sygnału mowy. FIGURA 5a przedstawia przykład obwiedni widmowej sygnału mowy. Wartości szczytowe, które charakteryzują tę obwiednię widmową reprezentują odpowiedzi obszaru głosowego i

17 17 są nazywane formantami. Większość koderów mowy koduje co najmniej tę zgrubną strukturę widmową jako zestaw parametrów takich jak współczynniki filtra. [0083] FIGURA 5b przedstawia przykład podstawowego układu filtra źródłowego wykorzystanego do kodowania obwiednii widmowej sygnału wąskopasmowego S20. Moduł analizowania oblicza zestaw parametrów, które charakteryzują filtr odpowiednio do dźwięku mowy w pewnym okresie czasu (zwykle 20 msek). Filtr wybielający (whitening filter) (również nazywany filtrem błędu analizy albo predykcji) skonfigurowany zgodnie z tymi parametrami filtru usuwa obwiednię widmową w celu widmowego spłaszczenia sygnału. Otrzymany wybielony sygnał (również zwany resztkowym) ma mniejszą energię a zatem mniejszą wariancje i jest łatwiejszy do zakodowania niż początkowy sygnał mowy. Błędy powstałe w wyniku kodowania sygnału resztkowego mogą również być bardziej równomiernie rozłożone w widmie. Parametry filtru i sygnału resztkowego są zwykle kwantyzowane w celu wydajnej transmisji przez kanał. W dekoderze, filtr syntezy skonfigurowany zgodnie z parametrami filtru jest pobudzany za pomocą sygnału opartego na sygnale resztkowym w celu wytworzenia zsyntetyzowanej wersji początkowego dźwięku mowy. Filtr syntezy jest zwykle skonfigurowany tak, aby posiadał funkcję przenoszenia, która jest odwrotnością funkcji przenoszenia filtra wybielającego. [0084] FIGURA 6 przedstawia schemat blokowy podstawowej implementacji A122 wąskopasmowego kodera A120. W tym przykładzie, moduł analizowania 210 liniowego kodowania predykcyjnego (LPC) koduje obwiednię widmową sygnału wąskopasmowego S20 jako zestaw liniowych współczynników predykcyjnych (LP) (np. współczynniki filtra tzw. all-pole filter 1/A(z)). Moduł analizowania zwykle przetwarza sygnał wejściowy jako serię nie zachodzących na siebie ramek, z nowym zestawem współczynników obliczanych dla każdej ramki. Okres ramki jest zwykle okresem, co do którego można oczekiwać, że sygnał jest lokalnie stacjonarny; jeden wspólny przykład wynosi 20 milisekund (odpowiada to 160 próbkom przy częstotliwości próbkowania wynoszącej 8 khz). W jednym przykładzie, moduł analizowania LPC 210 jest skonfigurowany do obliczania zestawu dziesięciu współczynników filtra LP w celu scharakteryzowania struktury formatu każdej 20- millisekundowej ramki. Jest również możliwe implementowanie modułu analizowania w celu przetwarzania sygnału wejściowego jako serii nachodzących na siebie ramek. [0085] Moduł analizowania może być skonfigurowany do analizowania próbek każdej ramki bezpośrednio, albo próbki mogą najpierw być ważone zgodnie z funkcją

18 18 okienkowania (na przykład, oknem Hamminga). Analizy mogą również być przeprowadzane w oknie, które jest większe niż ramka, takim jak okno 30- msekundowe. To okno może być symetryczne (np , takie że zawiera ono 5 milisekund tuż przed i po ramce 20-milisekundowej) albo asymetryczne (np , tak, że zawiera ono ostatnie 10 milisekund poprzedniej ramki). Moduł analizowania LPC jest zwykle skonfigurowany do obliczania współczynników filtra LP z wykorzystaniem rekursji Levinsona-Durbina albo algorytmu Leroux-Gueguena. W innej implementacji, moduł analizowania może być skonfigurowany do obliczania zestawu współczynników cepstralnych dla każdej ramki zamiast zestawu współczynników filtra LP. [0086] Współczynnik wyjściowy kodera A120 może być znacznie zredukowany, z relatywnie małym oddziaływaniem na jakość odtwarzania, za pomocą kwantyzowania parametrów filtru. Współczynniki filtra z liniową predykcją są trudne do wydajnego kwantyzowania i są zwykle odwzorowywane na inną reprezentację, taką jak pary widma liniowego LSP (line spectral pairs) albo częstotliwości widma liniowego LSF (line spectral frequencies), w celu kwantyzowania i/lub kodowania entropii. W przykładzie z FIGURY 6, transformata 220 współczynników filtra LP do LSF przekształca zestaw współczynników filtra LP do odpowiedniego zestawu LSF. Inna reprezentacja jeden-do-jednego współczynników filtra LP zawiera współczynniki częściowej autokorelacji parcor; wartości logarytmicznego stosunku powierzchni (logarea-ratio); pary widma immitancji (immittance spectral pairs) (ISP); i częstotliwości widma immitancji (immittance spectral frequencies) (ISFs), które są wykorzystywane w koderze AMR-WB (Adaptive Multirate-Wideband) systemu GSM (Globalnym Systemie do Komunikacji Mobilnej). Zwykle przekształcenie między zestawem współczynników filtra LP i odpowiednim zestawem filtrów LSF jest odwracalne, ale przykłady wykonania zawierają również implementacje kodera A120, w którym przekształcenie nie jest bezbłędnie odwracalne. [0087] Urządzenie kwantujące 230 jest skonfigurowane do kwantyzowania zestawu wąskopasmowych LSF (albo innej reprezentacji współczynników), a koder wąskopasmowy A122 jest skonfigurowany do wytwarzania wyniku tej kwantyzacji jako parametrów filtra wąskopasmowego S40. Takie urządzenie kwantujące zwykle zawiera wektorowe urządzenie kwantujące, które koduje wektor wejściowy jako indeks do odpowiedniej pozycji wektora w tablicy albo słowniku kodu.

19 19 [0088] Jako widać na FIGURZE 6, koder wąskopasmowy A122 generuje również sygnał resztkowy przepuszczając sygnał wąskopasmowy S20 przez filtr wybielający 260 (również nazywany filtrem błędu analizy lub predykcji), który jest skonfigurowany zgodnie z zestawem współczynników filtra. W tym konkretnym przykładzie, filtr wybielający 260 jest implementowany jako filtr FIR, jednakże mogą również być wykorzystane implementacje filtra IIR. Ten sygnał resztkowy będzie zwykle zawierał wyczuwalnie ważną informację o ramce mowy, takiej jak długookresowa struktura odnosząca się do wysokości tonu, która nie jest reprezentowana w parametrach filtra wąskopasmowego S40. Urządzenie kwantujące 270 jest skonfigurowane do obliczania skwantyzowanej reprezentacji tego sygnału resztkowego w celu wytworzenia jako zakodowanego wąskopasmowego sygnału pobudzającego S50. Takie urządzenie kwantujące zwykle zawiera wektorowe urządzenie kwantujące, które koduje wektor wejściowy jako indeks do odpowiedniego wpisu wektora w tablicy albo słowniku kodu. Alternatywnie, takie urządzenie kwantujące może być skonfigurowane do wysyłania jednego albo większej liczby parametrów, z których wektor może być dynamicznie wygenerowany w dekoderze, a nie otrzymywany z pamięci, jak w sposobie rzadkiego słownika kodu. Taki sposób jest wykorzystywany w schematach kodowania takich jak algebraiczny CELP (codebook excitation linear prediction) i kodekach takich jak kodek EVRC (Enhanced Variable Rate Codec) konsorcjum 3GPP2 (Third Generation Partnership 2). [0089] Pożądane jest dla kodera wąskopasmowego A120 aby generował zakodowany wąskopasmowy sygnał pobudzający zgodnie z tymi samymi wartościami parametru filtra jakie będą dostępne dla odpowiedniego wąskopasmowego dekodera. W ten sposób, otrzymany zakodowany wąskopasmowy sygnał pobudzający może już wziąć pod uwagę do pewnego stopnia niedoskonałości tych wartości parametrów takie jak błąd kwantyzacji. Zgodnie z tym, pożądane jest konfigurowanie filtra wybielającego wykorzystując te same wartości współczynnika, jakie będą dostępne w dekoderze. W prostym przykładzie kodera A122 przedstawionym na FIGURZE 6, urządzenie odwrotnej kwantyzacji 240 dekwantyzuje wąskopasmowe parametry kodowania S40, transformata 250 LSF-dowspółczynnika filtru LP odwzorowuje otrzymane wartości z powrotem do odpowiedniego zestawu współczynników filtru LP, a ten zestaw współczynników jest wykorzystywany do konfigurowania filtru wybielającego 260 w celu wygenerowania

20 20 sygnału resztkowego, który jest skwantyzowany za pomocą urządzenia kwantującego 270. [0090] Pewne implementacje wąskopasmowego kodera A120 są skonfigurowane do obliczania zakodowanego wąskopasmowego sygnału pobudzającego S50 za pomocą identyfikowania jednego wśród zestawu wektorów słownika kodu, który najlepiej odpowiada sygnałowi resztkowemu. Zauważono, jednak, że koder wąskopasmowy A120 może również być implementowany do obliczania skwantyzowanej reprezentacji sygnału resztkowego bez faktycznego generowania sygnału resztkowego. Na przykład, koder wąskopasmowy A120 może być skonfigurowany do wykorzystywania liczby wektorów słownika kodu w celu wygenerowania odpowiednich zsyntetyzowanych sygnałów (np. zgodnie z bieżącym zestawem parametrów filtru), i do wybierania wektora słownika kodu skojarzonego z wygenerowanym sygnałem, który najlepiej pasuje do początkowego sygnału wąskopasmowego S20 w wyczuwalnie wyważonej dziedzinie. [0091] FIGURA 7 przedstawia schemat blokowy implementacji B112 wąskopasmowego dekodera B110. Urządzenie odwrotnej kwantyzacji 310 dekwantyzuje parametry S40 filtra wąskopasmowego (w tym przypadku, zestaw LSF), a transformata 320 LSF-do-współczynnika filtru LP transformuje częstotliwości LSF do zestawu współczynników filtra (na przykład, jak opisano powyżej w odniesieniu do urządzenia odwrotnej kwantyzacji 240 i transformaty 250 wąskopasmowego kodera A122). Urządzenie odwrotnej kwantyzacji 340 dekwantyzuje zakodowany wąskopasmowy sygnał pobudzający S50 w celu wytwarzania wąskopasmowego sygnału pobudzającego S80. W oparciu o współczynniki filtra oraz wąskopasmowy sygnał pobudzający S80, wąskopasmowy filtr syntezujący 330 syntezuje sygnał wąskopasmowy S90. Innymi słowami, wąskopasmowy filtr syntezujący 330 jest skonfigurowany do spektralnego ukształtowania wąskopasmowego sygnału pobudzającego S80 zgodnie ze zdekwantyzowanymi współczynnikami filtra w celu wytwarzania sygnału wąskopasmowego S90. Wąskopasmowy dekoder B112 również dostarcza wąskopasmowy sygnał pobudzający S80 do górnopasmowego kodera A200, który wykorzystuje go do wyprowadzania górnopasmowego sygnału pobudzającego S120 jak tutaj opisano. W pewnych implementacjach jak opisano poniżej, wąskopasmowy dekoder B110 może być skonfigurowany do dostarczania dodatkowych informacji do

21 21 górnopasmowego dekodera B200, które dotyczą sygnału wąskopasmowego, takich jak przekrzywienie widma, wzmocnienie i opóźnienie tonu, oraz tryb mowy. [0092] System wąskopasmowego kodera A122 i wąskopasmowego dekodera B112 jest podstawowym przykładem kodeka mowy analizy-przez-syntezę (analysis-bysynthesis speech codec). Kodowanie z liniową predykcją pobudzaną kodem słownikowym (CELP) (Codebook excitation linear prediction) jest popularną rodziną kodowania analizy-przez-syntezę, a implementacje takich koderów mogą przeprowadzać kodowanie przebiegów sygnału resztkowego, obejmującej takie operacje jak selekcja wpisów ze stałego i adaptacyjnego słownika kodów, operacje minimalizowania błędu, i/lub operacje równoważenia percepcyjnego. Inne implementacje kodowania analizy-przez-syntezę obejmują kodowanie liniową predykcją z mieszanym pobudzeniem (MELP) (mixed excitation linear prediction), kodowanie algebraiczne CELP (ACELP), kodowanie relaksacyjne CELP (RCELP), regularne pobudzenie impulsowe (RPE), wieloimpulsowe CELP (MPE), i kodowanie z liniową predykcją pobudzaną sumą wektorową (VSELP) (vector-sum excited linear prediction). Powiązane sposoby kodowania obejmują pobudzenie wielopasmowe (MBE) (multi-band excitation) i prototypowe kodowanie interpolacji przebiegów (PWI) (prototype waveform interpolation). Przykłady standaryzowanych kodeków mowy analizy-przez-syntezę obejmują kodek pełnej szybkości (GSM 06.10) Europejskiego Instytutu Norm Telekomunikacyjnych ETSI (European Telecommunications Standards Institute)-GSM, który wykorzystuje liniową perdykcje pobudzoną sygnałem resztkowym (RELP) (residual excited linear prediction); ulepszony kodek pełnej szybkości GSM (ETSI-GSM 06.60); koder standardu ITU (International Telecommunication Union) o szybkości 11.8 kb/s G.729 załącznik E; kodeki IS (Interim Standard)-641 dla IS-136 (schemat wielodostępu z podziałem czasu); adaptacyjne kodeki GSM z wieloma szybkościami (GSM-AMR); i kodek 4GV (Wokoder czwartej generacji - Fourth-Generation Vocoder ) (firmy QUALCOMM Incorporated, San Diego, CA). Koder wąskopasmowy A120 i odpowiedni dekoder B110 mogą być implementowane zgodnie z dowolną z tych technologii, albo dowolną inną technologią kodowania mowy (albo znaną albo która będzie opracowana), która reprezentuje sygnał mowy jako (A) zestaw parametrów, jakie opisują filtr i (B) sygnał pobudzający wykorzystywany do sterowania opisanym filtrem w celu odtworzenia sygnału mowy.

22 22 [0093] Nawet po tym jak filtr wybielający usunie zgrubną obwiednię widmową z sygnału wąskopasmowego S20, może pozostać znaczna ilość drobnej struktury harmonicznej, zwłaszcza dla mowy dźwięcznej. FIGURA 8a pokazuje wykres widmowy jednego przykładu sygnału resztkowego, jaki może być wytworzony przez filtr wybielający, dla sygnału dźwięcznego takiego jak samogłoska. Okresowa struktura widoczna w tym przykładzie dotyczy wysokości tonu, a różne dźwięki dźwięczne wymawiane przez tą samą osobę mogą mieć różne struktury formanty, ale podobne struktury tonowe. FIGURA 8b pokazuje wykres w dziedzinie czasu przykładu takiego sygnału resztkowego, który pokazuje sekwencję impulsów tonowych w czasie. [0094] Sprawność kodowania i/lub jakość mowy może być zwiększona przez stosowanie jednej albo większej liczby wartości parametrów do zakodowania charakterystyk struktury tonowej. Jedną ważną charakterystyką struktury tonowej jest częstotliwość pierwszej harmonicznej (również nazywaną częstotliwością podstawową), która jest zwykle w zakresie od 60 do 400 Hz. Ta charakterystyka jest zwykle kodowana jako odwrotność częstotliwości podstawowej, również nazywanej opóźnieniem tonu. Opóźnienie tonu wskazuje liczbę próbek w jednym okresie tonu I może być zakodowana jako jeden albo większa liczba indeksów kodu słownikowego. Sygnały mowy od mówców mężczyzn wykazują tendencję do posiadania większych opóźnień tonu niż sygnały mowy od mówców kobiet. [0095] Inną charakterystyką sygnału odnoszącą się do struktury tonu jest okresowość, która wskazuje moc struktury harmonicznej albo, innymi słowy, stopień do jakiego sygnał jest harmoniczny albo nieharmoniczny. Dwoma typowymi wskaźnikami okresowości są przejścia przez zero i znormalizowane funkcje autokorelacji (NACF). Okresowość może również być wskazana przez wzmocnienie tonu, które jest powszechnie kodowane jako wzmocnienie słownika kodów (np. wzmocnienie skwantyzowanego adaptacyjnego słownika kodów). [0096] Koder wąskopasmowy A120 może zawierać jeden albo większą liczbę modułów skonfigurowanych do kodowania długookresowej struktury harmonicznej sygnału wąskopasmowego S20. Jak pokazano na FIGURZE 9, jeden typowy paradygmat CELP, który może być wykorzystany, zawiera moduł analizowania LPC w układzie otwartej pętli, który koduje krótkookresowe charakterystyki albo zgrubną obwiednię widmową, po którym występuje stopień długookresowej analizy predykcyjnej w zamkniętej pętli, która koduje drobny ton albo strukturę harmoniczną.