TECNICHE DI CODIFICA DEL SEGNALE VOCALE

Транскрипт

1 TECNICHE DI CODIFICA DEL SEGNALE VOCALE Ing. Francesco BERITELLI Vers. 0.1 del 10 Novembre 000 Dipartimento di Ingegneria Informatica e delle Telecomunicazioni Facoltà di Ingegneria - Università di CATANIA

2 INTRODUZIONE Nonostante l Information Technology ci porta a considerare congiuntamente diverse forme di comunicazioni quali voce, immagini e testi, la comunicazione vocale riveste ancora un importanza prioritaria. Il passaggio tecnologico dal mondo analogico a quello digitale, l esigenza di comprimere più informazioni vocali su un generico canale di trasmissione numerica ha determinato lo sviluppo di tecniche di codifica con velocità di trasmissione sempre più ridotta. In un sistema di telecomunicazione reale, la trasmissione numerica rispetto a quella analogica reca dei vantaggi quali: una minore sensibilità al rumore nel canale, la possibilità di proteggere l informazione, una predisposizione all elaborazione numerica, il trattamento contemporaneo di voce e dati, la memorizzazione di fonemi per banche dati nella sintesi della parola. L unico svantaggio consiste nella richiesta di una larghezza di banda considerevolmente superiore a quella del segnale analogico. Ciò implica l esigenza di tecniche di codifica a bit-rate ridotto. Il processo di Codifica di sorgente effettua una compressione del bit-stream in uscita al codificatore A/D al fine di ottimizzare la capacità trasmissiva del canale di comunicazione. La sequenza in uscita al Codificatore di sorgente viene integrata con bit di ridondanza che non introducono alcun contenuto informativo, ma garantiscono protezione per quest ultimo, nel processo di Codifica del canale. La Codifica di canale è necessaria per far fronte alla degradazione del messaggio trasmissivo e quindi per la protezione del contenuto informativo. Per esempio, il sistema radiomobile europeo GSM, che impiega un canale critico come quello radio, effettua una codifica di sorgente che comprime il messaggio vocale da 64 kbit/s a 13 kbit/s ed una codifica di canale di 9.8 kbit/s che porta il bit-rate totale di una singola conversazione one-way a.8 kbit/s. Con la codifica di sorgente, pertanto, a parità di capacità trasmissiva del canale, in termini di larghezza di banda, è possibile far confluire contemporaneamente un numero maggiore di flussi di traffico (cioè più utenti) su un unico supporto fisico, attraverso l utilizzo di apparati di multiplazione e demultiplazione. I sistemi di comunicazione via satellite, il cui costo del canale è molto elevato, i sistemi radiomobili, il cui numero di utenti cresce esponenzialmente, nonché i sistemi multimediali, il cui contenuto informativo richiede un occupazione notevole di memoria di massa, sono tutte applicazioni per le quali è necessario introdurre processi di codifica della voce. In passato, le tecniche di codifica del segnale vocale sono state implementate ed ottimizzate per reti dedicate al traffico telefonico; ma l esigenza crescente di integrazione tra telefonia e dati comporterà lo studio di nuovi standard che offriranno, ad esempio, servizi voce su protocollo IP (Internet Protocol), quindi su rete dati, che riescano a garantire livelli di qualità paragonabili a quelli offerti della vecchia rete telefonica. Faremo cenno anche a questo tipo di scenario applicativo. Ing. F. BERITELLI - Tecniche di codifica del segnale vocale

3 1 CODIFICA DEL SEGNALE VOCALE NUMERICO Come è ben noto, il segnale vocale può essere convertito da analogico a digitale attraverso due operazioni: un primo processo di discretizzazione dell asse dei tempi (campionamento) e successivamente un processo di discretizzazione delle ampiezze dei campioni (quantizzazione). L operazione di campionamento è regolata dal teorema di Shannon in base al quale occorre scegliere una frequenza di campionamento Fs almeno pari al doppio della banda del segnale analogico da digitalizzare. L ITU-T per le applicazioni telefoniche ha standardizzato una banda lorda di 4 khz per il segnale vocale e quindi in genere si sceglie Fs8 khz. Se si considerano 56 livelli di discretizzazione dell asse delle ampiezze occorrono b8 bit per la codifica di un singolo campione PCM. Il bit-rate richiesto per la trasmissione in forma numerica del segnale vocale pertanto è Brb Fs bit/s. Un segnale telefonico numerico a 64 kbit/s (Standard PCM) può essere compresso utilizzando un algoritmo di codifica fino ad ottenere un flusso a bit-rate più basso, ad esempio 8 kbit/s (ultimo standard ITU-T G.79), che, inviato al canale, sarà ricostruito in ricezione attraverso un processo di decodifica. In tal modo è possibile convogliare 8 conversazioni telefoniche in un vecchio canale a 64 kbit/s. Il sistema costituito dall insieme degli algoritmi di codifica e decodifica è definito codec. x(n) CODIFICATORE 64 kbit/s 8 kbit/s CANALE DECODIFICATORE y(n) 64 kbit/s CODEC Parlando di algoritmi di codifica, si fa riferimento a particolari procedure di calcolo opportunamente implementate su dispositivi di tipo DSP (Digital Signal Processor), microprocessori con set di istruzioni ed architetture specializzate per l elaborazione numerica dei segnali. Gli scenari applicativi, per quel che concerne le tecniche di codifica del segnale vocale, riguardano: collegamenti via satellite un aumento dei canali comporterebbe un abbattimento dei costi sistemi radiomobili garanzia di un miglior servizio di copertura soprattutto per quelle zone ad alta densità di utenza (località turistiche) sistemi per rete fissa un utilizzo più efficiente dei canali di comunicazione voce su IP - integrazione voce/dati sulle rete dati sistemi per archivi vocali riduzione dei costi dei dispositivi di memoria di massa Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 3

4 Nell ipotesi che il canale sia ideale e che non introduca errori, è possibile definire sistemi di compressione senza perdita per i quali il segnale d uscita è perfettamente identico al segnale d ingresso e sistemi di compressione con perdita per i quali il segnale d uscita è, generalmente, diverso dal segnale d ingresso. y y Schematicamente: ( n) x( n) n N senzaperdita ( n) x( n) con perdita Nelle tecniche di codifica del segnale vocale, i sistemi di compressione utilizzati sono tutti con perdita, in quanto, questi ultimi, permettono una maggiore compressione del segnale in termini di rapporto di compressione F C (rapporto tra il bit-rate d ingresso al codificatore ed il bit-rate d uscita al codificatore) ed una qualità di segnale simile a quella del segnale inviato. A tal proposito sono necessarie misure di qualità per testare un codec. METODOLOGIE E PARAMETRI DI VALUTAZIONE DELLA QUALITA DEL SEGNALE VOCALE COMPRESSO Esistono due metodologie di valutazione della qualità del segnale vocale che ha subito un processo di compressione. Metodi di tipo Soggettivo sono i metodi più significativi e affidabili, ma anche molto costosi e richiedono tempi di sviluppo dei test elevati. Il parametro più utilizzato è il MOS (Mean Opinion Score) che rappresenta i giudizi medi di opinione di un gruppo di ascoltatori. In particolare: MOS si inviano delle sequenze test (cioè particolari frasi registrate in diverse condizioni) al codificatore, si riuniscono un certo numero di ascoltatori (40 c.ca) per esprimere un giudizio da 1 a 5 (1pessimo, mediocre, 3buono, 4ottimo, 5eccellente) sul segnale decodificato confrontando il segnale originale e quello sintetizzato su una serie di parametri (impressione globale, sforzo di ascolto, articolazione, pronuncia, ecc.). Queste sequenze vengono ripetute per ogni ascoltatore e successivamente si effettua una media dei valori sia sui parametri che sugli ascoltatori. Quindi si ottiene un numero tra 1 e 5 che esprime il valore medio di opinione relativo alla qualità del codec. Metodi di tipo Oggettivo sono i metodi utilizzati nella fase iniziale di progetto di un codec Si impiegano delle misure analitiche della qualità. Il più importante è il rapporto segnale-rumore (di codifica, introdotto dal codec) SNR tra la potenza del Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 4

5 segnale d ingresso e la potenza dell errore di codifica. Se con x(n) indichiamo il segnale vocale originario e con y(n) quello ricostruito si ha : SNR ( db ) 10 log 10 N s 1 [ x ( n) ] n 0 N s 1 [ x( n) y( n) ] n 0 Se con N s indichiamo i campioni della sola trama di analisi, ricaviamo un SNR per ogni trama (di durata circa 0 ms) la cui media aritmetica definisce il cosiddetto rapporto segnale-rumore segmentale (SNRseg) che è più vicino alle valutazioni di tipo soggettive. SNRseg ( db ) 1 N t N t i 1 SNR ( db ) i N t rappresenta il numero totale di trame contenute nella fase di prova ed SNR i (db) il rapporto segnale/rumore misurato in db nella i-esima trama. Per i sistemi di codifica di ultima generazione, che utilizzano sistemi molto complessi di ricostruzione della forma d onda, tale metodo non è adatto in quanto tali tecniche hanno l obiettivo di ottenere una forma d onda ricostruita percettivamente simile all originale, ma molto distante da un punto di vista analitico. Dunque i metodi migliori per valutare la qualità rimangono quelli di tipo soggettivo. Nella valutazione delle prestazioni di un codificatore è necessario tener conto di altri parametri. Complessità numero di operazioni aritmetiche e logiche nell unità di tempo % di utilizzo della CPU di un DSP di riferimento memoria richiesta consumo di potenza Dalla complessità dell algoritmo di compressione deriva il costo del DSP impiegato (MIPS, milioni di istruzioni per secondo) e, quindi, il consumo dell apparato in termini di potenza. Oggi le valutazioni sulla complessità riguardano proprio il consumo di potenza dato che, nei sistemi radiomobile, un algoritmo di complessità ridotta sui nostro telefoni cellulari, comporta consumi energetici piuttosto contenuti. Trasparenza ai segnali non vocali dati modem in banda fonica (si pensi ad un fax collegato ad una linea telefonica) toni di segnalazione, cioè segnali sinusoidali che viaggiano in un sistema di telecomunicazioni. Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 5

6 Sullo stesso canale telefonico si inviano anche segnali relativi a dei messaggi (segnali dati con caratteristiche diverse da quelle del segnale vocale): si pensi ad un modem dati oppure ad un fax collegato con la linea telefonica. In genere i codificatori di ultima generazione utilizzano algoritmi di codifica pensati specificatamente per sfruttare le caratteristiche del segnale vocale e quindi possono entrare in crisi quando si trovano a codificare segnali dati con caratteristiche ben diverse dalla voce (onde sinusoidali tipicamente modulate in fase). Dunque un altro parametro di valutazione consiste nella trasparenza ai segnali non vocali, ove per trasparenza si intende la capacità di far passare dati e toni di segnalazione dal sistema di trasmissione a quello di ricezione attraverso il codec. Ritardo di codifica E definito come l intervallo di tempo tra l istante in cui il campione vocale arriva all ingresso del codificatore e l istante in cui lo stesso campione si trova all uscita del decodificatore, meno qualche ritardo aggiuntivo dovuto alle apparecchiature di comunicazione, come i modem tra la coppia codificatore/decodificatore e il ritardo di propagazione che dipende dalla distanza. RITARDO DI ACQUISIZIONE TRAMA + RITARDO DI PROCESSAMENTO + RITARDO DI TRASMISSIONE RITARDO DI CODIFICA 3 x TEMPO DI TRAMA (10-0 ms) I sistemi di codifica trattano la voce su trame vocali (tratti di forma d onda) tipicamente della durata di 10-0 ms ( campioni PCM, campionando a 8 khz) acquisite su un buffer posto in ingresso al codec. I campioni vengono processati e trasmessi sul canale di comunicazione. BUFFER CODIF. DECOD. C CANALE Prestazioni con BER (Bit Error Rate) 0 Questo parametro misura la robustezza del decodificatore agli errori nel canale. Il bit-stream compresso, attraversando un canale reale, può subire infatti delle alterazioni (qualche bit passa da 0 ad 1 e viceversa) o di perdita, soprattutto quando il canale di comunicazione è un canale radio, sensibile a questo tipo di inconvenienti. Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 6

7 3 ATTUALI STANDARD DI CODIFICA VOCALE Standard di codifica vocale Tecnica di codifica Bit rate (kbit/s) Frame (ms) Anno MOS (BER0) Rete fissa G. 711 ITU Log PCM G. 71 ITU ADPCM G. 78 ITU LD-CELP G. 79 ITU CELP G ITU Multimpulso 5.3 e G.? ITU? 4??? G.? ITU???? GSM UMTS ETSI GSM Full Rate (FR) ETSI GSM Half Rate (HR) ETSI GSM Enhanced Full Rate (EFR) ETSI GSM Adaptive Multi- Rate (AMR) RPE CELP CELP CELP Multimedia ISO/MPEG-1 MUSICAM ISO/MPEG- MUSICAM ISO/MPEG-4 Object Oriented Standard di codifica vocale ed audio ITU, ETSI, ISO Si opera una distinzione tra gli standard relativi alla rete fissa proposti dall ITU (International Telecommunication Union), quelli relativi alla rete radiomobile europea emessi dall ETSI (European Telecommunication Standardization Institute), quelli relativi alle applicazioni multimediali emessi dall ISO (International Standard Organization). Rete Fissa (Standard ITU-T) Il primo standard risale al 1971 ed è rappresentato dalla raccomandazione G.711 nella quale si standardizza il PCM a 64 kbit/s in cui si utilizza una quantizzazione non uniforme per la discretizzazione delle ampiezze a 8 bit per campione. Nel 1984 con la tecnica ADPCM si è potuto dimezzare il bit-rate a 3 kbit/s pur mantenendo la stessa qualità di codifica. Lo standard è la G.71. Nel 1988 si è usato un codificatore non più nella banda 0-4 khz ma nella banda vocale 0-7 khz ; in questo caso è necessario campionare più a 16 khz, per cui, dato che è raddoppiata la frequenza di campionamento si dovrebbe raddoppiare la bit-rate a 18 Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 7

8 kbit/s per il PCM standard. La scelta fu quella di utilizzare due codificatori ADPCM a 3 kbit/s, uno nella banda 0-4 khz e l altro nella banda 4-7 Hz, standardizzando la G.7 a 64 kbit/s. Questo standard è stato pensato per la codifica della voce in applicazioni di videoconferenze in cui la qualità deve essere più elevata di quella relativa ad un sistema telefonico. Nel 199 è stato standardizzato uno degli algoritmi di codifica più complessi sotto il nome di LD-CELP (Low Delay Codebook Excited Linear Prediction) nella G.78 che dimezza ulteriormente il bit-rate a 16 kbit/s, mentre nel 1995 è stato standardizzato un codificatore a 8 kbit/s nella G.79 che si basa ancora su tecnica CELP. Recentemente i gruppi di studio ITU-T stanno lavorando alla standardizzazione di un nuovo algoritmo per la codifica a 4 kbit/s. Si pensa che la gara di standardizzazione che selezionerà l algoritmo di codifica migliore si concluderà nei primi mesi del 001. Il succcessivo target sarà lo studio e la relativa standardizzazione dell algoritmo di compressione a kbit/s con il quale si trasmetteranno ben 3 conversazioni in un vecchio canale a 64 kbit/s. Tutti questi standards garantiscono una qualità del segnale ricostruito paragonabile allo standard di riferimento G.711 a 64 kbit/s; ciò significa che, durante una conversazione telefonica, l utente non si accorge delle degradazioni introdotte dal processo di codifica/decodifica sulla voce del suo interlocutore. Uno standard più recente per la voce è la G.73.1 che prevede due velocità di esercizio: una a 6.3 kbit/s e l altra a 5.3 kbit/s. Questa tecnica di codifica è importante perché viene utilizzata insieme alla codifica G.79 per applicazioni di voce su IP (Internet Protocol) e cioè per quelle applicazioni che utilizzeranno la rete dati per la trasmissione di servizi telefonici in forma numerica. Rete Radiomobile Europea (Standard ETSI) Nel 1989 l ETSI ha standardizzato l algoritmo di codifica vocale per il sistema di comunicazione mobile numerico GSM (Global System for Mobile Communications), attivato in Italia nel 199. Per il sistema GSM l ETSI ha proposto uno standard di codifica della voce a 13 kbit/s detto Full Rate, basato sulla tecnica RPE (Regular Pulse Excitation) che sarà esaminata in seguito. Per fare fronte alla crescita esponenziale degli utenti, è siato standardizzato, nel 1995 un sistema GSM HF (Half Rate) basato su una tecnica più innovativa ma complessa (la tecnica di codifica CELP) che comprimendo il bit-rate d uscita al codificatore a 6.5 kbit/s, di fatto, raddoppia l utenza in termini di capacità del canale di comunicazione. Nel 1997 è nato lo standard GSM EFR (Enhanced Full-Rate) che utilizza lo stesso bit-rate a 13 kbit/s migliorando la qualità con l impiego di un nuovo tipo di algoritmo basato su tecnica CELP che triplica, però, la complessità (15 MIPS) rispetto alla tecnica RPE. Nel 1999 viene concepita una nuova rete radiomobile con copertura globale chiamata UMTS (Universal Mobile Telecommunication System) per la quale l ETSI ha proposto un nuovo standard di codifica denominato AMR (Adaptive Multi-Rate) in quanto utilizza un codificatore adattativo che genera flussi di traffico con 8 velocità diverse (da 1. kbit/s a 4.75 kbit/s) in funzione delle condizioni del canale radio. Esso ancora una volta si basa su tecnica di codifica CELP. Applicazioni Multimediali (Standard ISO) Finora si è fatto riferimento alle tecniche di codifica del segnale vocale, cioè di un segnale nella banda telefonica Hz. Più in generale, i segnali acustici possono Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 8

9 essere raggruppati, in base alle varie aree applicative, secondo le frequenze che li riguardano. La tabella 3.1 riassume i tipici valori dei parametri di base che caratterizzano le singole classi: banda di frequenza, frequenza di campionamento, numero di bit per campione PCM e bit-rate. Area applicativa Banda di frequenza (Hz) Frequenza di campionamento (Hz) Bit/Sample Bit Rate bit/s Audio professionale (DAT) * Audio ad alta fedeltà (CD) * Radio FM *51000 Teleconferenza Telefonia Tabella Frequenze di campionamento e quantizzazione per segnali audio MPEG (Moving Picture Experts Group) è un gruppo di standardizzazione operante in ambito ISO (International Standards Organization) e IEC (International Electrotechnical Commission) il cui obiettivo è la definizione di algoritmi di compressione per segnali audio e video per applicazioni multimediali e videoconferenza. Nel 1988 sono stati approvati gli standard ISO/IEC 1117 e ISO/IEC 13813, meglio conosciuti come MPEG-1 e MPEG-, rispettivamente. Originariamente era stato pianificato anche uno standard MPEG-3 che doveva rispondere ai requisiti della televisione ad alta definizione (HDTV). Durante la sviluppo dell MPEG-, si trovò un ampliamento che veniva incontro, adeguatamente, ai requisiti della TV ad alta definizione e di bit-rate molto basso per quanto concerne il segnale audio, conseguentemente MPEG-3 è stato abbandonato. Nel 1993, invece, si è costituito un nuovo gruppo di lavoro per la realizzazione di un nuovo standard MPEG-4 il cui obiettivo è il raggiungimento di un più alto grado di interazione multimediale, all interno di una scena, tra audio e video e di un fattore di compressione molto spinto. 4 PRINCIPALI METODI DI CODIFICA (CBR) Una sorgente analogica viene prefiltrata mediante un filtro passa basso in modo tale da garantire che il segnale vocale sia all interno della banda 0 4 khz. Esso viene, successivamente, campionato a frequenza doppia della banda massima (8 khz) in accordo al teorema di Shannon, in tal modo si ottiene una sequenza x(n); si è operata, quindi, una discretizzazione dell asse dei tempi. Occorre anche operare una discretizzazione dell asse delle ampiezze, cioè un processo di quantizzazione, e ad ogni livello occorrerà poi associare una sequenza binaria. Analog Source x(t) Prefilter Sampler x(n) Waveform Encoder Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 9 Trasmitter

10 La quantizzazione è un procedimento irreversibile nel senso che si perde qualcosa dal punto di vista dell informazione (errore di quantizzazione). Analizzando il flusso numerico di un segnale digitale, si evince come l informazione in esso contenuta risulta essere estremamente ridondante e quindi comprimibile. Per qualsiasi segnale che non sia un rumore bianco, infatti, i campioni non risultano indipendenti per il fatto di essere frutto della stessa sorgente e quindi frutto di qualche legge di generazione (ridondanza). Inoltre, non si fa alcuna analisi sulla utilità dei campioni stessi (irrilevanza). In particolare, le principali cause di ridondanza possono essere ricondotte a: disuniformità della distribuzione delle ampiezze è possibile ridurre la risoluzione del quantizzatore (ridurre il numero di livelli) per gli intervalli di minore interesse variabilità della distribuzione delle ampiezze è conveniente utilizzare estremi di quantizzazione che non siano costanti ma che si adattino alla dinamica corrente correlazione fra i campioni non è conveniente codificare i campioni isolatamente disuniformità della distribuzione dell energia in frequenza è possibile adottare caratteristiche di quantizzazione differenti per ciascuna porzione dello spettro fenomeni di mascheramento dell udito è possibile adottare tecniche di quantizzazione che permettano di mascherare, tramite il segnale, il rumore di quantizzazione. Le tecniche di codifica in grado di eliminare tali ridondanze si possono classificare in tre gruppi a seconda delle informazioni utilizzate per comprimere il segnale: Codifica di forma d onda Codifica parametrica (o per modelli) Codifica di analisi per sintesi La codifica di forma d onda sfrutta solamente alcune caratteristiche statistiche del segnale da codificare e pertanto presenta il vantaggio di poter essere applicata per la compressione di un qualunque tipo di segnale che gode di certe caratteristiche statistiche. In questo tipo di codifica si ottiene una buona qualità del segnale ricostruito introducendo un basso ritardo. Lo svantaggio di questa tecnica è che al di sotto di un certo bit-rate (4 kbit/s per la voce) non garantisce più una buona qualità del segnale. La codifica parametrica non è relativa ai campioni del segnale, ma ai parametri di un modello della sorgente che li ha generati (nel caso della voce il modello analitico è quello del sistema fonatorio umano). Questo tipo di codifica ha il vantaggio di avere un alto fattore di compressione (fino a kbit/s), al prezzo di una qualità scadente e di un alto ritardo (dovuto all impiego di buffer per l analisi a trame). La codifica per analisi e sintesi sfrutta i vantaggi delle due tecniche precedenti raggiungendo un buon compromesso tra la riduzione del bit-rate della codifica parametrica e la qualità della codifica di forma d onda. Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 10

11 4.1 CODIFICA DI FORMA D ONDA CARATTERISTICHE DEL SEGNALE VOCALE Sia {x(n)} una sequenza di campioni vocali con n0,1,., N-1. Caratteristiche non stazionarie In generale vale: σ χ X µ X Ma il segnale vocale può essere considerato a media nulla (µ x 0), pertanto la varianza sarà pari al valore quadratico medio (σ xχ x). Analizzando la forma d onda del segnale vocale su trame abbastanza limitate (tipicamente ms) e su l intera sequenza in termini di energia si evince come l energia a breve termine (locale) differisce dal valore di energia a lungo termine; da ciò si deduce che il segnale vocale è non stazionario. X 1 ( t ) 1 Segnale più correlato X ( t ) Segnale meno correlato R ( τ ) 1 Fig. Funzione di Autocorrelazione per segnali più o meno correlati Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 11

12 Correlazione ρ La figura mostra la funzione di autocorrelazione per segnali più o meno correlati. E possibile normalizzare il valore della funzione di autocorrelazione rispetto al valore assunto in zero; dunque, il valore della funzione di autocorrelazione normalizzata è ( κ ) R R R 1 N 1 0 X X N n 0 ( ) X ( n) χ (per il segnale vocale) R ( 0) σ ( κ ) ( 0) R σ X ( κ ) 1 ρ ρ 1 ρ ρ 1 Perfetta correlazione positiva 1 Perfetta correlazione nagativa 0 Totalmentescorrelato Nella figura allegata si distinguono due strisce: una misurata su un segnale vocale che è stato filtrato con un filtro passa-basso (LPF) e l altra filtrata con un filtro passa-banda (BPF) che ha eliminato le componenti di frequenza al di sotto di 300 Hz. In tal modo, sono state eliminate quelle componenti che a bassa frequenza assicurano una dinamica più regolare della forma d onda e che, quindi, contribuiscono ad una maggiore correlazione. La più comune tecnica di codifica del segnale vocale è la codifica a modulazione di impulsi PCM (Pulse Code Modulation) che consiste nel campionamento e quantizzazione del segnale analogico. La frequenza di cifra e la intellegibilità sono legati fra loro dal cosiddetto effetto della quantizzazione. Più piccolo è l intervallo di quantizzazione, minore è il rumore che si somma al segnale originario, maggiore è, dunque, l intelligibilità del segnale. Alla diminuzione dell ampiezza dell intervallo di quantizzazione corrisponde un aumento del numero di bit necessari a rappresentare ogni singolo campione. La frequenza di cifra è, in pratica, pari alla frequenza di campionamento per il numero di bit per ogni campione. Il rapporto segnale/rumore di quantizzazione è definito come il rapporto tra la potenza del segnale d ingresso e la potenza del rumore di quantizzazione. Dato che, per un segnale a media nulla, come nel caso del segnale vocale, le potenze equivalgono alla varianza, è possibile definire tale rapporto come segue: SNR Q σ χ σ e CODIFICA PCM LINEARE Nel caso in cui si utilizza un quantizzatore lineare ed il numero di livelli di quantizzazione è abbastanza elevato, il segnale rumore di quantizzazione, definito come il segnale differenza e(n)x(n)-x^(n) tra la forma d onda originale ed il segnale quantizzato, presenta una distribuzione uniforme tra Ä/ e Ä/, ove Ä è il passo di quantizzazione. Per cercare di ridurre l errore di quantizzazione o, a parità di errore di quantizzazione, il bitrate, si cerca di rendere il campo di variazione del quantizzatore allineato con quello delle ampiezze del segnale d ingresso. Due tecniche per ottenere questo obiettivo possono essere la quantizzazione non uniforme e la quantizzazione adattativa. Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 1

13 4.1.3 CODIFICA PCM LOGARITMICA Le caratteristiche statistiche della distribuzione non uniforme dei campioni del segnale vocale è stata sfruttata per passare da un PCM Lineare a un PCM logaritmico. La quantizzazione non uniforme, che è universalmente adottata nei sistemi di trasmissione PCM, trae vantaggio dalla conoscenza della distribuzione probabilistica dell ampiezza dei campioni del segnale, la quale è riconducibile ad una distribuzione di tipo Gamma. Pertanto, il quantizzatore non uniforme per la voce è caratterizzato da un passo più fine per i livelli più bassi (più probabili) e più grossolano per i livelli più elevati. In pratica, i sistemi PCM utilizzano un quantizzatore uniforme che opera sul segnale d ingresso compresso con legge logaritmica (Log-PCM) ottenendo con 8 bit per campione gli stessi livelli di qualità di una rappresentazione lineare con 13 bit per campione. Il vantaggio sta, ovviamente, nella riduzione del bit-rate senza diminuzione della intellegibilità CODIFICA PCM CON QUANTIZZAZIONE ADATTATIVA Nella quantizzazione uniforme precedentemente descritta, il passo di quantizzazione utilizzato rimane fisso nel tempo ed opera sui singoli campioni senza tener conto dell andamento del segnale. L ampiezza degli intervalli di quantizzazione deriva dai limiti di saturazione del quantizzatore dimensionati per la massima dinamica del segnale. Ma, a causa della non stazionarietà del segnale vocale, la sua dinamica potrebbe rimanere a lungo ben al di sotto del suo valore massimo. Una codifica con quantizzazione adattativa (AQ) può ricavare un limite di saturazione adeguato alla dinamica del segnale; l informazione relativa alla caratteristica utilizzata viene trasmessa insieme alla quantizzazione del segmento vocale sul quale si effettua la stima. In particolare, si effettua una quantizzazione adattativa variando l ampiezza del quanto nel quantizzatore in funzione del segnale in arrivo al codificatore (adattamento in avanti), oppure in funzione del segnale in uscita dal codificatore verso la linea (adattamento a retroazione); essa, quindi, può basarsi sull ampiezza di uno o pochi campioni e prende allora il nome di adattamento istantaneo, oppure su un numero di campioni e prende il nome di adattamento sillabico. Per un quantizzatore lineare: σ e 1 SNR Q σ X 1 σ La figura riporta un segmento di forma d onda vocale in cui si notano le caratteristiche non stazionarie della voce che presenta tratti ad alta energia e tratti a bassa energia. Per l equazione sopra riportata, il rapporto segnale-rumore di quantizzazione SNR Q dipende dal passo di quantizzazione. Poiché, sia in un quantizzatore uniforme che non uniforme, è costante nel tempo, considerando una trama vocale in cui l energia è bassa, si avrà un corrispondente abbassamento del valore del SNR Q, e, viceversa, ad un alto valore di energia corrisponderà un alto valore del SNR Q. e ciò che varia è proprio la varianza σ X. Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 13 SNR Q X.

14 Pertanto, adattando opportunamente il passo di quantizzazione alla dinamica del segnale, stimando l energia su una trama di un certo numero di campioni, si ottiene una discretizzazione migliore della forma d onda e, quindi, una migliore qualità percepita. TRAMA DI N CAMPIONI n Fig. Quantizzazione adattativa n+n Vediamo come adattare il passo di quantizzazione. Il quantizzatore adattativo riceve in ingresso i campioni non quantizzati; ad esso va fornito, inoltre, il valore del passo di quantizzazione che dipende da una variabile temporale in quanto si aggiorna dinamicamente. La legge di adattamento del passo di quantizzazione è del tipo: ( κ ) σ ( κ ) passodi quantizzazioneper deviazionestandardunitaria 0 X 0 > Quindi il passo di quantizzazione si adatta linearmente con la deviazione standard σ X (k) misurata nella k-esima finestra di osservazione di N campioni. Con questa legge si garantisce un SNR Q costante per tutte le trame vocali, infatti: SNR Q ( κ ) ( κ ) Secondo come viene effettuata la stima di σ X si distinguono due metodi: 0 Quantizzazione adattativa in avanti (Forward) la stima della σ X viene effettuata a partire dai campioni x(n) in ingresso al quantizzatore; Quantizzazione all indietro (Backward) - la stima della σ X viene effettuata a partire dai campioni x^(n) già quantizzati 0. Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 14

15 x(n) Quantizzatore Adattativo x^(n) AQ in avanti (k) AQ a retroazione Stima di σ x Fig. Adattamento in avanti e all indietro del passo di quantizzazione Quantizzazione adattativa in avanti Nella AQF (Adaptive Quantization Forward) la relazione che consente il calcolo di σ X (k) è la seguente: σ X 1 1 N N m 0 ( k ) x ( n + m ) Un ipotetica forma d onda viene osservata in trame vocali ad esempio di durata pari a 0 ms (ovvero contenente 160 campioni PCM), i quali vengono memorizzati in un buffer posto in ingresso al codec. Naturalmente questi campioni sono stati già precedentemente quantizzati con risoluzione molto fine (tipicamente 16 bit per campione). L obiettivo della AQ è quello di una successiva quantizzazione con un numero di livelli ridotto. Un AQ può essere costituito da un Q fisso con a monte un guadagno adattivo:. AQ G(k) X G (n) G(k) X(n) Q Il segnale in ingresso viene moltiplicato per il guadagno G(k) ed il risultato, cioè la sequenza X G (n)g(k)x(n), viene introdotta in un Q fisso per determinare il segnale quantizzato X G^(n). Il guadagno G(k) è dato da: G ( k) G o dove G σ X è il guadagnoper varianza unitaria Il blocco a monte del quantizzatore fisso ha lo scopo di amplificare il segnale, quando la sua dinamica è piuttosto ridotta, e di attenuarlo quando la dinamica è troppo elevata. Il guadagno adattativo ha il compito di fornire al quantizzatore fisso un segnale quanto più stazionario possibile. Ovviamente, occorre fornire in ingresso all AQ il (k) che serve per adattare il valore del guadagno. o Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 15

16 In ricezione si otterrà X G^(n) attraverso un processo inverso di decodifica. Occorre inserire un guadagno inverso che utilizza l informazione del passo di quantizzazione (k). In tal modo si ottiene X^(n) in uscita. Ecco lo schema completo: X(n) CONV. A/D Q 16 BIT BUFFER N QA COD. DEC. G -1 (k) X^(n) STIMA σ x (k) (k) COD. DEC. ^(k) Se volessimo stimare il bit-rate di questo sistema è necessario considerare, oltre i bit per i campioni, anche quelli (in genere 5 o 6) assegnati per la codifica del passo di quantizzazione che si adatta nel tempo trama per trama. Per cui si ha: B Br N B > è il numero di bit occorrenti F B C C ( PCM AQF ) B + F BF + B ( PCM ) + B ( AQF ) > è la frequenza di campionamento per la discretizzazione dei campioni del segnale > è il numero di bit utilizzati per codificare il passo di quantizzazione N > è il numero di campioni nella finestra di osservazione C Dunque B r (AQF) è la quantità di informazione da trasmettere in più a causa della trasmissione del passo (k). Lo svantaggio maggiore di uno schema adattativo in avanti è dato dalla presenza del buffer che inevitabilmente introduce un ritardo di 0 ms necessari per raccogliere i 160 campioni su cui effettuare la stima della varianza. C B N F r r Quantizzazione adattativa all indietro Lo schema di quantizzazione adattativa all indietro siglato AQB risolve il problema del ritardo della AQF stimando il passo di quantizzazione a partire da campioni già trasmessi e, quindi, già quantizzati; pertanto, questa volta, poiché il buffer si trova all uscita del quantizzatore non introduce ritardo ed inoltre il passo di quantizzazione può essere adattato campione per campione. La finestra temporale di osservazione in questo caso si sposta in avanti di un campione alla volta. La stima della varianza si effettua sugli N campioni precedenti a quello da quantizzare. In trasmissione vengono prelevati i campioni quantizzati X G^(n) e sottoposti al guadagno inverso G -1 (k) per ottenere la sequenza X^(n). Adesso il buffer è collocato Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 16

17 all uscita del blocco G -1, e contiene i campioni già quantizzati e trasmessi, pertanto, non comporta ritardo. In ricezione non occorre l informazione sul passo di quantizzazione. I campioni X^(n) vengono raccolti nel buffer ed utilizzati dallo stimatore di σ X per determinare (k) che, a sua volta, servirà ad aggiornare G -1 (k) per la stima del campione X^(n) successivo. Non trasmettendo il passo di quantizzazione, il bit-rate nel caso di codifica PCM con quantizzazione adattativa all indietro sarà: r ( PCM AQB) Br ( PCM) BFC B Confronto tra AQF e AQB La AQB risolve il problema dell introduzione del ritardo della AQF; di contro, con la AQB si effettua una stima di σ X sui campioni già trasmessi e non su quelli che effettivamente si andranno a quantizzare. Quindi l adattamento del passo di quantizzazione è meno preciso rispetto alla AQF. Un problema importante riguarda la scelta del valore N in uno schema AQB. Scegliere un valore di N piuttosto basso significa operare una stima basandosi su campioni più vicini, cioè più correlati (in termini di energia), al campione che si dovrà quantizzare. Ma questa scelta comporta che l alterazione del livello di uno dei campioni, all interno della finestra di osservazione su cui si stima il passo di quantizzazione, allorquando il canale di comunicazione non è ideale, può introdurre qualche errore proprio sul passo di quantizzazione. Pertanto, N dovrà essere tale che un eventuale errore peserà poco sulla stima e che quest ultima venga effettuata su campioni abbastanza correlati (non molto lontani) al campione da quantizzare. In genere, si moltiplica la finestra di osservazione per una finestra esponenziale che consente di andare a pesare maggiormente i valori più vicini e ridurre il peso dei campioni più lontani. In pratica si utilizza una relazione euristica, funzione del peso α, che permette di calcolare un ampiezza finita della finestra di osservazione: Vediamo due casi: 1+ α N 1 α Adattamento sillabico (si utilizza in presenza di canali rumorosi) α 0.99, N 00, 5 ms Adattamento istantaneo (si utlizza in presenza di canali poco rumorosi) α 0.90, N 19,.5 ms Ing. F. BERITELLI - Tecniche di codifica del segnale vocale 17