Здесь приведена исчерпывающая информация о компонентах стандарта H.323.

Описание рекомендации

Реализация для TMS320C3x

Звук

Документация

Федеральный стандарт MELP на 2.4 кбит/с

MELP кодер основан на традиционной параметрической модели кодирования с линейным предсказанием, но, кроме того, содержит пять дополнительных особенностей:

• смешанное возбуждение,

• использование апериодических импульсов,

• адаптивное улучшение спектрального оценивания,

• "размывание" импульсов возбуждения,

• моделирование амплитуд коэффициентов Фурье

Реализация смешанного возбуждения осуществляется с помощью многополосной смешивающей модели. Эта модель может симулировать частотно-зависимую интенсивность звука, используя адаптивную фильтрацию, выполненную в соответствии с установленным набором фильтров. Главной целью смешанного возбуждения является устранение призвуков, которые имеют место в LPC-вокодерах, особенно при широкополосном акустическом шуме.

Когда входная речь огласована, MELP-кодер осуществляет синтез, используя периодические и апериодические импульсы. Апериодические импульсы применяются наиболее часто в переходных областях, между озвученными и неозвученными сегментами речевого сигнала. Эта особенность позволяет декодеру воспроизводить одиночные импульсы, образованные в голосовой щели без внесения тональных призвуков.

Адаптивный фильтр, помогающий улучшить оценку спектра, основан на использовании полюсов фильтра линейного предсказания. Он расширяет формантную структуру синтетической речи и улучшает соответствие между синтетической и натуральной формой волны. Это также придает синтетической речи более натуральное звучание.

"Размывание" импульсов осуществляется с помощью фиксированного фильтра. Этот фильтр распределяет энергию возбуждения в пределах периода основного тона, снижая этим шероховатости в синтезированной речи.

Первые десять амплитуд Фурье определяются из пиковых значений преобразования Фурье сигнала-остатка. Информация, содержащаяся в этих коэффициентах, улучшает точность производимой речевой модели на наиболее важных низких частотах. Они увеличивают качество синтетической речи, особенно мужской на фоне шумов. Используется 512-точечное быстрое преобразование Фурье (FFT) окна длиной 200 отсчетов, центрированного относительно конца кадра.

Анализ линейного предсказания 10-го порядка выполняется на входном речевом сигнале с использованием окна Хемминга на 200 отсчетов (25 мс), центрированного относительно последнего отсчета текущего кадра. Процедура автокорреляционного анализа производится с использованием метода Левинсона-Дарбина. Коэффициенты линейного предсказания ai, i=1,2,…,10 преобразовываются в спектральные частоты (LSF). Затем LSF располагаются в порядке возрастания с минимальным промежутком в 50 Гц. Результирующий LSF вектор f затем квантуется векторным квантователем (MSVQ).

В синтезаторе MELP-параметры интерполируются синхронно периоду основного тона. К интерполируемым параметрам относятся следующие: усиление (в дБ), линейные спектральные частоты, период основного тона, джиттер, амплитуда Фурье, импульсы и коэффициенты шума для смешанного возбуждения, коэффициент спектрального наклона для адаптивного фильтра спектрального расширения.

Список параметров, передаваемых от кодера к декодеру, представлен в таблице:

Передаваемые параметры
Параметр	Озвученный кадр	Неозвученный кадр
Линейные спектральные частоты	25	25
Амплитуды преобразования Фурье	8	-
Коэффициенты усиления (2 за кадр)	8	8
Период основного тона, общая озвученность кадра	7	7
Озвученность по полосам	4	-
Флаг непериодичности	1	-
Защита от ошибок	-	13
Синхробит	1	1
Всего за кадр 22.5 мс	54	54

Более подробное описание алгоритма речевого кодирования MELP на скорости 2400 бит/с можно найти в:
Specifications for the Analog to Digital Conversion of Voice by 2,400 Bit/Second Mixed Excitation Linear Prediction. - May 28, 1998 - Draft.

[наверх] [на главную]

Многоканальная реализация для ЦПОС семейства TMS320C54x

Алгоритм реализован для ЦПОС семейства TMS320C54x фирмы Texas Instruments.

Реализация удовлетворяет следующим требованиям:

• функционирует в режиме реального времени;
• совместима со всеми ЦПОС в рамках семейства TMS320C54x (не используются специфические особенности старших моделей, таких как TMS320C548, TMS320C549 и пр.);
• полностью совместима с требованиями стандарта - достигнуто побитовое соответствие при обработке базы речевых сигналов;
• возможна обработка нескольких дуплексных каналов на одном процессоре

Ресурсоемкость реализации для TMS320C54x (версия 1.1)

Загрузка процессора
	Кодер MELP	Декодер MELP
Вычислительный ресурс (пиковая загрузка на один канал), млн.оп./с.	21.7	6.7
	28.4

Память
программа, К слов	7.58
таблицы, К слов	8.05
данные, К слов	2.2 + 2.66 * N
Всего, К слов	17.83 + 2.66 * N

где N - число одновременно реализуемых каналов.

Таким образом, на одном процессоре TMS320C549 с 32 килословами внутренней памяти и мощностью 100MIPS можно реализовать независимую обработку трех речевых каналов

[наверх] [на главную]

Звук

По следующим звуковым файлам вы сможете оценить качество алгоритма MELP:

Исходная речь
Речь, упакованная кодером MELP и восстановленная декодером MELP при нулевых потерях

[наверх] [на главную]

Документация

Можно получить подробную документацию по представленным реализациям алгоритма MELP, описание API реализации, подробные инструкции по встраиванию алгоритма в систему обработки речевых сигналов:
MELP для TMS320C54x (формат Word)

[наверх] [на главную]

Использовались материалы сайта http://www.dsp.sut.ru.