ZRE - Kódování řeči II. CELP. Vladimír Malenovský, ÚPGM FIT VUT Brno

Rozměr: px

Začít zobrazení ze stránky:

Download "ZRE - Kódování řeči II. CELP. Vladimír Malenovský, ÚPGM FIT VUT Brno"

Alexandra Jarošová
před 5 lety
Počet zobrazení:

1 ZRE - Kódování řeči II. CELP Vladimír Malenovsý, ÚPGM FIT VUT Brno

2 Plán přednášy vsupní řeč LP analýza předzpracování OL pich analýza syneicá řeč lasifiace posprocessing LP vanizace CELP deodér enodér CELP enodér LP devanizace deodér biový o biový o

4 LP analýza Auoorelační funce Levinson- Durbin Az () Řečový signál Sperum Obála LP analýza se provádí na ráých úsecích vsupního signálu (5-30ms) Koeficieny filru zísané na záladě LP analýzy se ódují v podobě LSP/LSF paramerů Poloha pólů filru /A(z) odpovídá formanům ve speru Řád filru P=5-20 posačuje bohaě pro řeč či šum, ne vša např. pro hudbu Drivá věšina řečových odeů používaných na svěě využívá LP analýzu apple na hp://web.mi.edu/6.302/www/pz/ nebo na hp:// index.hml Klasifiace ve svěě

5 LP analýza Az () Řečový signál Residuální signál Sperum Inverze obály Filrace A(z) odsraňuje z řečového signálu jeho obálu a ím zbavuje sperum formanů Reziduální (exciační) signál je dále ódován Klasifiace ve svěě

6 LP synéza Exciační signál Filr LP synézy Synéza P Az () az i i i Koeficieny LP filru se ódují nejčasěji pomocí MSVQ. Pro filr 6.řádu je zapořebí cca 30 biů/20ms, aby nedošlo e zreslení signálu. Filr LP synézy je IIR filr, aže má vlasní paměť, což je něoli posledních vzorů z minulé synézy Vzhledem charaeru filru může dojí jeho nesabiliě a explozi synézy Klasifiace ve svěě

8 d orelační funce C norm d L n0 L s ( n) s ( n d) L 2 2 s n s n d n0 n0, orelační funci počíáme pro d = <20;230> exremely low voice hps:// vybereme první velé maximum, o prohlásíme za OL pich snažíme se vyhnou násobům OL pich zapamaujeme si hodnou C(d max ), o prohlásíme za OL voicing Klasifiace ve svěě

9 Klasifiace

10 Typy exciačních signálů řečový signál exciace VOKÁLY (znělé úsey) a, e, i, o, u PLOZÍVY, d,, g FRIKATIVY (neznělé úsey) s, z, š, h, ch, v, f NEPÁROVÉ KONSONANTY m, n, j, l, r lasifiace signálů na ZNĚLÉ, NEZNĚLÉ a OSTATNÍ výběr vhodného modelu pro ódování exciačního signálu Klasifiace ve svěě

11 LP vanizace

vanizace (MSVQ), -means algorihm Animace VQ na hp://www.daa-compression.

12 LSF vanizace ódové slovo (codeword) Voronoi region LP paramery se převádí na LSP paramery a y se převádí na LSF paramery, eré se vanizují Veorová vanizace (MSVQ), -means algorihm Animace VQ na hp:// biů na jeden 6-i dimenzionální LSF veor Klasifiace ve svěě

13 CELP

14 Kódování exciačního signálu s(n) např. 320 vzorů pro 6Hz signál odpovídá 20ms vsupní rámec řeči - Chyba (error) G Zesílení (gain) ŝ(n) Snažíme se minimalizova chybu Nejčasěji min n sˆ n 2 s n Knihovna (codeboo) exciačních signálů Klasifiace ve svěě

15 Deódování exciačního signálu G řeč nejlepší z možných exciačních signálů (deódovaný index) deódovaný zis deódované paramery LP filru Klasifiace ve svěě

16 Zavedení adapivní nihovny a podrámců s(n) T OL podrámec řeči (~5ms) Adapivní nihovna (adapive codeboo) G Zesílení (gain) s a (n) - min n 2 s n sa n adapivní nihovna je v podsaě minulá exciace hledá se nejlepší úse minulé exciace, erý by mohl reprezenova svým varem současný podrámec řeči orelace a minimalizace vadráu chyby oolo T OL (open-loop pich) esimace zesílení prohledávání adapivní nihovny se dělá podle residuálního signálu Klasifiace ve svěě

17 Zavedení adapivní nihovny a podrámců podrámec řeči (~5ms) s(n) Adapivní nihovna (adapive codeboo) G a Zesílení (gain) s a (n) - e(n) min n 2 s n sa n Fixní nihovna (innovaion codeboo) s c (n) G c - min en s 2 c n n Zesílení (gain) Klasifiace ve svěě

Masování vanizačního šumu masovací šum o cenralní frevenci Hz,

v blízosi silného ónu jsou masovány sperální omponeny s úrovní

úroveň vanizačního šumu v blízosi silných ónů, např.

18 Masování vanizačního šumu masovací šum o cenralní frevenci Hz, riicé šírce pásma 400Hz a úrovni 60 dbspl práh slyšielnosi óny v blízosi silného ónu jsou masovány sperální omponeny s úrovní pod prahem slyšielnosi není řeba ódova lze olerova vyšší úroveň vanizačního šumu v blízosi silných ónů, např. formanů demo na hps:// wach?v=6dvyww5nr4 Klasifiace ve svěě

19 Masování vanizačního šumu vanizační šum W z A z/ 0 z 0 percepuální filr Klasifiace ve svěě

20 Zavedení percepuálního filru podrámec řeči (~5ms) s(n) Adapivní nihovna (adapive codeboo) G a Zesílení (gain) s a (n) - e(n) z min en ( ) n 2 Zesílení (gain) Fixní nihovna (innovaion codeboo) s c (n) r(n) G c - 2 z min rn ( ) n Klasifiace ve svěě

21 Výpočení náročnos Adapivní nihovna: (7-9 biů,.j veorů) (esimace periodiciy předem (OL pich analysis), prohledávání nihovny olem éo hodnoy) /2 s(n) G a s a (n) - e(n) z s c (n) G c - r(n) z Klasifiace ve svěě

22 Výpočení náročnos Fixní nihovna: (0-88 biů,.j veorů) (vnucení jednoduchých sruur pouze něoli pulzů na sopu, omezený poče pozic pulzů, znaména) s(n) G a s a (n) - e(n) z s c (n) G c - r(n) z Klasifiace ve svěě

23 Výpočení náročnos Filrace: (pro aždý codevecor nuno provés onvoluci s filry 6.řádu) (nahrazení filrů /A(z) a W(z) jejich impulzní odezvou) viz dále s(n) G a s a (n) - e(n) z s c (n) G c - r(n) z Klasifiace ve svěě

24 Přemísění filru W(z) podrámec řeči (~5ms) z G a z - z G c - Klasifiace ve svěě

25 Odečení ZIR podrámec řeči (~5ms) z G a z - oeficieny filrů se mění, ale co s paměmi? z G c - Klasifiace ve svěě

26 Odečení ZIR podrámec řeči (~5ms) z Zero-Inpu Response (ZIR) nulový vsup z - G a z - nulový počáeční sav z G c - Klasifiace ve svěě

27 Nahrazení filrů impulzní odezvou z H operaci filrace nahradíme obyčejným maicovým násobením oeficieny h 0, h,..., h N- voří impulzní odezvu filru W(z)/A(z) vzhledem předpoladu nulového savu paměí má maice H riangulární var h 0 h h 2...h N- h 0 h... h 0... h 0... h 0 Klasifiace ve svěě

28 Celové schéma CELP enodéru podrámec řeči (~5ms) z s(n) nulový vsup z Az () - H G a s a (n) - e(n) min en ( ) n 2 H s c (n) G c - r(n) min rn ( ) n 2 Klasifiace ve svěě

29 Celové schéma CELP deodéru G a + řeč G c Klasifiace ve svěě

doáže nahradi obří fixní nihovnu signálů jednoduchou nihovnou s algebraicou sruurou, de je jen něoli málo pulzů v přesně definovaných pozicích

31 je paenovanou echnologií VoiceAge Corp. a Universié de Sherbrooe, CANADA vyvinuo v roce 989 (Jean-Pierre Adoul, Claude Laflamme, Redwan Salami, Bruno Bessee) ouzlo u spočívá v om, že doáže nahradi obří fixní nihovnu signálů jednoduchou nihovnou s algebraicou sruurou, de je jen něoli málo pulzů v přesně definovaných pozicích a ím zreduova paměťovou a výpočení náročnos echnologii využívá cca - 2,4 miliard uživaelů mobilních elefonů na celém svěě - 35 milionů uživaelů přehrávačů MP3-500 milionů uživaelů inerneových přehrávačů RealPlayer nebo MediaPlayer Klasifiace ve svěě

32 Prohledávání fixní nihovny podrámec řeči (~5ms) z s(n) nulový vsup z Az () - H G a s a (n) - e(n) min en ( ) n 2 (n) H s c (n) G c - r(n) min rn ( ) n 2 Klasifiace ve svěě

33 Zavedení algebraicé nihovny c H y G c - min Gcy 2 algebraicá nihovna (až 80 biů) Klasifiace ve svěě

34 Prohledávání fixní nihovny min Gcy 2 G c c H y G c - min Gcy 2 algebraicá nihovna (až 80 biů) Klasifiace ve svěě

35 Prohledávání algebraicé nihovny min Gcy 2 G c T. y max T y. y orelace mezi cílovým (arge) veorem a esovaným veorem energie esovaného veoru c H y G c - min Gcy 2 algebraicá nihovna (až 80 biů) Klasifiace ve svěě

36 Prohledávání algebraicé nihovny min Gcy 2 G c max T. y 2 T y. y T. H. c 2 max T T c. H. H. c c H y G c - min Gcy 2 algebraicá nihovna (až 80 biů) Klasifiace ve svěě

37 Prohledávání algebraicé nihovny min Gcy 2 G c max T. y 2 T y. y T. H. c 2 max T T c. H. H. c max T d. c 2 T c. Φc. c H y G c - min Gcy 2 algebraicá nihovna (až 80 biů) Klasifiace ve svěě

38 Prohledávání algebraicé nihovny max T d. c 2 T c. Φc. Lze prohledáva rychle, poud c obsahuje jen velmi málo nenulových prvů s hodnoami + nebo - T T d. c c. Φc. d 0 d d 2... d ij d d 3 6 3,3 6,6 23,6 Klasifiace ve svěě

39 ve svěě

40 Od AMR-NB AMR-WB (HD VOICE) HD voice demo na hps:// wach?v=y4bb3b9pirg Klasifiace ve svěě

41 Technologie v mezinárodních sandardech EVS Muli Rae univerzální ode pro 4.generaci mobilních síí (LTE) široopásmová elefonie pro 3.generaci mobilních síí (UMTS) 3GPP2 (Norh America) SMV Rae Se I VMR-WB Rae Se I/II 200? AMR-WB Muli Rae 999 AMR-NB Muli Rae 3GPP ETSI (Europe) EVRC Rae Se I GSM EFR 2,2 bps QCELP3 Rae Se II GSM HR 5,6 bps IS-96A Rae Se I GSM FR 3 bps Klasifiace ve svěě

Podobné dokumenty

Spektrum 1. Spektrum 2. Výsledné Spektrum. Jan Malinský

Spektrum 1. Spektrum 2. Výsledné Spektrum. Jan Malinský Jan Malinsý V omo doumenu bude odvozeno sperum vysenuého sinusového signálu pomocí onvoluce ve frevenční oblasi. V časové oblasi e možno eno vysenuý signál vyvoři násobením obdélníového ( V a sinusového