+7 (495) 783-72-87
пн-пт, 9.00-18.00 МСК

8 (800) 1009-112
Для звонков в интернет магазин

Ваша корзина
пуста
Ваш город Москва

Аудиокомпрессия G.729 в системах цифрового видеонаблюдения и аудиозаписи

Аудиокомпрессия G.729

Прежде всего речь пойдет об узкополосных речевых кодеках, которые применяются для эффективного цифрового представления узкополосной телефонной речи (сигнала телефонного качества). Такая речь характеризуется полосой между 300 и 3400 Гц и может быть оцифрована с частотой квантования 8 кГц. В идеале речевой кодек должен представлять речь такой разрядностью, какая только возможна. В этом случае восстановленная речь будет точно соответствовать оригиналу. На практике приходится выбирать разрядность кодека и мириться с некоторой погрешностью квантования.

G.729 - один из перспективных типов кодеков, в частности, стандарт G.729 - 8Кб/с. Согласно теории, речевой сигнал длительностью в одну секунду можно полностью описать (т.е. оцифровать, передать или сохранить в цифровом виде и затем восстановить в исходный сигнал по цифровому представлению) цифровым потоком 60 байт/сек. Идея оцифровывать и передавать (или сохранять) в цифровом виде не сам сигнал, а его параметр (количество переходов через ноль, спектральные характеристики и др.), чтобы затем по этим параметрам выбирать модель голосового тракта и синтезировать исходный сигнал, лежит в основе вокодеров (VOice CODER) или синтезирующих кодеков.

Для всех типов кодеков справедливо правило: чем меньше плотность цифрового потока, тем больше восстановленный сигнал отличается от оригинала. Однако восстановленный сигнал гибридных кодеков обладает вполне высокими характеристиками, восстанавливается тембр речевого сигнала, его динамические характеристики, другими словами, его "узнаваемость" и "распознаваемость".

Алгоритм основан на модели кодирования с использованием линейного предсказания с возбуждением по алгебраической кодовой книге (CELP-модель). Кодер оперирует с кадрами речевого сигнала длиной 10мс, дискретизованными с частотой 8КГц, что соответствует 80-ти 16-битным отсчетам в линейном законе. Для каждого кадра производится анализ речевого сигнала и выделяются параметры модели (коэффициенты фильтра линейного предсказания, индексы и коэффициенты усиления в адаптивной и фиксированной кодовых книгах). Далее эти параметры кодируются и передаются в канал.

В декодере битовая посылка используется для восстановления параметров сигнала возбуждения и коэффициентов синтезирующего фильтра. Речь восстанавливается путем пропускания сигнала возбуждения через кратковременный синтезирующий фильтр.

Синтезирующий фильтр имеет полюсную передаточную функцию 10-го порядка. Для работы синтезатора основного тона используется адаптивная кодовая книга. Впоследствии речь улучшается адаптивной постфильтрацией.

В случае потери передаваемой кодером битовой посылки, исходные данные для речевого синтезатора получаются интерполяцией данных с предыдущих "хороших" кадров, но при этом энергия интерполированного речевого сигнала постепенно уменьшается, что не создает особого дискомфорта у слушателя.

Вокодер обрабатывает кадры речевых сигналов длиной 10мс. Дополнительно существует задержка длиной 5мс (look-ahead buffer), что в сумме выливается в алгоритмическую задержку 15мс. Задержки речевого сигнала в практическом приложении этого алгоритма также определяются временем, затрачиваемым на:

  • процессы кодирования и декодирования;
  • передачу по каналу;
  • мультиплексирование при комбинировании аудиоданных с другими видами данных.


Смотрите также: