CUANTIFICACION DE VECTORES CON UN UNICO LIBRO DE CODIGOS PARA APLICACIONES DE MULTIPLES TASAS DE TRANSMISION.

Un procedimiento de cuantificación de vectores representativos de datos de voz/audio,

comprendiendo dicho procedimiento:

- proporcionar un libro de códigos unificado que comprende M vectores de reproducción, donde M es un número máximo predefinido de niveles;

- recibir una selección de un nivel de cuantificación N de un conjunto de al menos dos valores predefinidos que son inferiores o iguales a M;

- seleccionar para un vector que va a cuantificarse un vector de reproducción de un libro de códigos de N niveles que comprende N vectores de reproducción, donde para cada posible selección de N a partir de dicho conjunto de al menos dos valores predefinidos, dichos N vectores de reproducción de dicho libro de códigos de N niveles se representan mediante los N primeros vectores de reproducción de dicho libro de códigos unificado

Cuantificación de vectores con un único libro de códigos para aplicaciones de múltiples tasas de transmisión.

Campo de la invención

La presente invención se refiere a un procedimiento, un dispositivo y un producto de aplicación software para una cuantificación de N niveles de vectores, donde N puede seleccionarse antes de dicha cuantificación a partir de un conjunto de al menos dos valores predefinidos que son inferiores o iguales a un número máximo predefinido de niveles M. La invención se refiere además a un procedimiento, un dispositivo y un producto de programa informático para recuperar vectores de reproducción para vectores que se hayan cuantificado en N niveles, a un sistema para transferir representaciones de los vectores, y a un procedimiento, un dispositivo y un producto de aplicación de software para determinar un libro de códigos que se utilizará en una cuantificación de este tipo.

Antecedentes de la invención

Los algoritmos de codificación de voz y audio presentan una gran variedad de aplicaciones en sistemas de comunicaciones, multimedia y de almacenamiento. El desarrollo de tales algoritmos de codificación está impulsado por la necesidad de ahorrar capacidad de transmisión y de almacenamiento, manteniendo al mismo tiempo una alta calidad de la señal codificada. La complejidad del codificador está limitada por la potencia de procesamiento de la plataforma de la aplicación. En algunas aplicaciones, por ejemplo, el almacenamiento de voz, el codificador puede ser sumamente complejo, pero el descodificador debe ser lo más simple posible.

En un codificador de voz típico, una señal de voz de entrada se procesa en segmentos denominados tramas. Normalmente, la longitud de trama es de 10 a 30 ms, y un segmento de anticipación de 5 a 15 ms de la trama posterior también está disponible. La trama puede dividirse adicionalmente en una pluralidad de subtramas. Para cada trama, el codificador determina una representación paramétrica de la señal de entrada, por ejemplo mediante una codificación predictiva lineal (LPC). Los parámetros obtenidos se cuantifican y se transmiten a través de un canal de comunicaciones o se almacenan en un medio de almacenamiento en forma digital. En el extremo de recepción, el descodificador genera una señal sintetizada basándose en los parámetros recibidos.

En este caso, los coeficientes LPC (o las correspondientes frecuencias de espectro de líneas (LSF)) obtenidos mediante LPC se cuantifican normalmente en la actualidad con una cuantificación vectorial (VQ) almacenando los coeficientes LPC/LSF en un vector. De manera similar, los parámetros relacionados con la señal de excitación (por ejemplo, parámetros de ganancia, de tono o de sonoridad) de varias tramas o subtramas posteriores también pueden cuantificarse mediante VQ.

VQ es un procedimiento de compresión de datos con pérdidas basado en el principio de codificación por bloques. En una VQ de N niveles, los vectores se cuantifican seleccionando, a partir de un libro de códigos que contiene N vectores de reproducción (las denominadas palabras de código), los vectores de reproducción que provocan la distorsión más pequeña con respecto a los vectores (determinándose dicha distorsión mediante una medida de distorsión apropiada como, por ejemplo, la distancia euclídea o la distancia euclídea cuadrada, por nombras algunas). Estos vectores de reproducción seleccionados pueden identificarse de manera unívoca mediante identificadores respectivos. Si los vectores cuantificados van a transmitirse a través de un canal de transmisión y si el libro de códigos se conoce en el sitio de recepción, entonces puede ser suficiente intercambiar solamente los identificadores entre el cuantificador en el sitio de transmisión y una unidad en el sitio de recepción que va a recuperar el vector de reproducción seleccionado para un vector en el sitio de transmisión. Después, esta unidad simplemente recupera del libro de códigos los vectores de reproducción identificados por el identificador. Frecuentemente, N se elige como una potencia de 2 y, por lo tanto, palabras binarias con una longitud de palabra de n=log₂(N) pueden utilizarse como identificadores para los vectores de reproducción. Por tanto, la longitud de palabra n es proporcional a la tasa de transmisión de bits de salida del cuantificador. Con una longitud de palabra n mayor, aumenta el número de niveles N = 2ⁿ y, por tanto, la resolución del cuantificador, pero también aumenta la tasa de transmisión de bits de salida del cuantificador.

La cuantificación de los parámetros requiere libros de códigos, los cuales contienen vectores de reproducción optimizados para la tarea de cuantificación. Anteriormente, el diseño de los libros de códigos para la VQ se consideraba como una tarea desafiante debido a la necesidad de una integración multidimensional. En 1980, Linde, Buzo y Gray (LBG) propusieron el denominado algoritmo LBG para generar libros de códigos en base a una secuencia de entrenamiento de vectores (véase el documento "An algorithm for Vector Quantization", de Linde Y., Buzo A. y Gray R.M, IEEE Transactions on Communications, volumen 28, número 1, enero de 1980). La utilización de una secuencia de entrenamiento de vectores evita la necesidad de una integración multidimensional. El algoritmo LBG puede considerarse como una generalización multidimensional del algoritmo de Lloyd clásico, el cual es adecuado para la generación de libros de códigos para una cuantificación escalar.

El algoritmo LBG genera un libro de códigos para un número de niveles N deseado. Si en el mismo códec deben soportarse varios números de niveles N, entonces para cada número de niveles N, un libro de códigos respectivo debe entrenarse y almacenarse tanto en el cuantificador como en una unidad que se utilice para recuperar los vectores de reproducción a partir de los identificadores de los vectores de reproducción. Esta necesidad de varios números de niveles N puede surgir, por ejemplo, en escenarios de codificación donde se requiera una transmisión a terminales con diferentes capacidades de almacenamiento y de procesamiento, o donde las características del canal de transmisión varíen a lo largo del tiempo, o donde la tasa de transmisión de bits total disponible se asigne dinámicamente entre la codificación fuente y de canal, por nombrar algunos. El almacenamiento de libros de códigos respectivos para varios números diferentes de niveles N aumenta de manera desventajosa los requisitos de memoria tanto del cuantificador como de una unidad para la recuperación de vectores de reproducción de vectores que se hayan cuantificado, aumentando por tanto el tamaño y los costes. Además, la estructura del cuantificador y de la unidad de recuperación de vectores de reproducción se vuelve más complicada ya que debe controlarse el acceso a varios libros de códigos.

El documento de la técnica anterior "Embedded Coding of Speech: A Vector Quantization Approach", de Haoui, A. y Messerschmitt D.G., Proceedings IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), abril de 1985, volumen 10, páginas 1703 a 1706, se refiere a codificadores de voz embebidos. Un codificador de voz embebido es un codificador fuente con la propiedad de que la fidelidad de su reproducción de la señal de entrada se degrada lentamente a medida que disminuye por etapas la tasa de transmisión de bits desde una tasa de transmisión máxima hasta una tasa de transmisión mínima. En este caso, el codificador no conoce la tasa de transmisión de bits real que está transmitiéndose y sólo conoce el orden en el que se descartarán los bits (por ejemplo, el flujo de bits transmitido puede orientarse a octetos, descartándose los bits en orden desde el menos al más significativo). Un libro de códigos está diseñado para la tasa de transmisión máxima y la cuantificación siempre se lleva a cabo para un número fijo de niveles correspondiente a esta tasa de transmisión máxima independientemente del número de bits que se descarten durante la transmisión (afectando por tanto a la tasa de transmisión de bits real). Para tener en cuenta el descarte de bits se propone, por ejemplo, asignar dos palabras binarias que solo difieran en el bit menos significativo a dos palabras de código cercanas entre sí en la distancia euclídea, de manera que la sustitución del bit menos significativo por cero genere un pequeño incremento del error.

El documento de la técnica anterior "Low-Complexity Multi-Rate Lattice Vector Quantization with Application to Wideband TCX Speech Coding...