Đang tải... (xem toàn văn)
1. Mở đầu • Nén dữ liệu âm thanh nói chung và dữ liệu tiếng nói nói riêng đã và đang được các nhà khoa học, công nghệ trên thế giới quan tâm nghiên cứu, các kết quả đạt được đã được ứng dụng nhiều trong lĩnh vực truyền thông và giải trí. Trong lĩnh vực nén âm thanh, người ta đã từng biết đến các chuẩn nén khá nổi tiếng nhưdòng họ nén MPEG, MP3, JPEG... đặc điểm chung của các thuật toán nén trên là: hiệu suất nén cao, chất lượng âm thanh sau khi giải nén tốt. Tuy nhiên do tính phức tạp của các thuật toán đó nên quá trình nén và giải nén luôn phải tách thành hai quá trình riêng biệt. Đặc điểm này làm cho các thuật toán trên không thể sử dụng trong các trường hợp cần nén và giải nén trực tuyến . Vì vậy, việc tìm kiếm và thiết lập các thuật toán nén và giải nén có thể thực hiện trực tuyến đã và đang là vấn đề thời sự. • Hiệp hội viễn thông quốc tế, ITUT ( International Telecommunication Union – Telecommunication ) đã đưa ra những chuẩn nén âm thanh mới nhất như G728, G729, G723.1 v.v… dành cho băng thông thoại thấp với tần số 300 Hz đến 3,4kHz. Các khuyến nghị G.7xx được sử dụng trong hệ thống truyền dẫn kỹ thuật số, và đặc biệt, được sử dụng để mã hóa tín hiệu tương tự thành tín hiệu số. Tất cả các chuẩn này đều dựa trên chuẩn mã hóa CELP (CodeExcited Linear Prediction). Chuẩn nén âm thanh đã được tiêu chuẩn hóa trong mã ANSIC với 2 lý do chính: Độ tin cậy khi tương tác giữa các thiết bị. Giá thành thấp và những tiện ích thực thi dựa trên 16 bit fixpoint DSP. 2. Một số đặc điểm của âm thanh tiếng nói Về nguyên tắc các phương pháp nén audio đều có thể dùng để nén âm thanh tiếng nói –gọi tắt tiếng nói. Tuy nhiên người ta có thể lợi dụng một số đặc tính tiếng nói của con người để nén hiệu quả hơn. Dưới đây là một số tính chất của tiếng nói : Tiếng nói của con người có sự thay đổi về độ to nhỏ (pitch, loundness) chậm hơn so với các thiết bị. Khi nói, ta có thể thu bằng microphone và có thể lấy được các mẫu, các mẫu cạnh nhau tương đối giống nhau, thậm chí các mẫu cách nhau khoảng 20 ms có sự tương quan rất mạnh (strongly correlated) , sự tương quan này là cơ sở của nhiều kiểu nén tiếng nói Chu kỳ sóng âm của tiếng nói nói chung là dài. Chúng ta cần lưu ý rằng khả năng nghe của tai người là từ 16 Hz đến 22.000 Hz, trong khi đó sóng âm của tiêng nói có tần số từ 500 Hz đến 20.000 Hz Tần số này cho chu kỳ có độ dài là 2 ms đên 20 ms chu kỳ như vậy rất dài nó là cơ sở cho một số kỹ thuật nén. Với tiếng nói người ta chỉ mã với tần số lấy mẫu 8 KHz. Nếu dùng 12 bitmẫu ta có 12 x 8000=98 kbps. Khi đó tiếng nói được khôi phục gần như tự nhiên. 3. Thuật toán nén dữ liệu tiếng nói trực tuyến 3.1. Ý tưởng Chúng ta biết rằng đồ thị biểu diễn năng lượng của tiếng nói là một đường cong liên tục hình sin. đường cong hình sin này được cấu thành từ các khúc cong đơn điệu . Chúng ta dùng các đoạn thẳng thay cho các khúc cong đơn điệu là ý tưởng cơ bản của thuật toán này
Bài Thảo Luận Truyền Thông Đa Phương Tiện Lớp ĐH Tin3A-Nhóm 18 Giảng viên:TS.Trần Bích Thảo Các Thành Viên: Lê Huy Dưỡng Lê Thị Lân Nội dung báo cáo: Chuẩn nén tiếng nói (ITU-TG.7xx) 1. Mở đầu • Nén dữ liệu âm thanh nói chung và dữ liệu tiếng nói nói riêng đã và đang được các nhà khoa học, công nghệ trên thế giới quan tâm nghiên cứu, các kết quả đạt được đã được ứng dụng nhiều trong lĩnh vực truyền thông và giải trí. Trong lĩnh vực nén âm thanh, người ta đã từng biết đến các chuẩn nén khá nổi tiếng nhưdòng họ nén MPEG, MP3, JPEG đặc điểm chung của các thuật toán nén trên là: hiệu suất nén cao, chất lượng âm thanh sau khi giải nén tốt. Tuy nhiên do tính phức tạp của các thuật toán đó nên quá trình nén và giải nén luôn phải tách thành hai quá trình riêng biệt. Đặc điểm này làm cho các thuật toán trên không thể sử dụng trong các trường hợp cần nén và giải nén trực tuyến . Vì vậy, việc tìm kiếm và thiết lập các thuật toán nén và giải nén có thể thực hiện trực tuyến đã và đang là vấn đề thời sự. • Hiệp hội viễn thông quốc tế, ITU-T ( International Telecommunication Union – Telecommunication ) đã đưa ra những chuẩn nén âm thanh mới nhất như G728, G729, G723.1 v.v… dành cho băng thông thoại thấp với tần số 300 Hz đến 3,4kHz. Các khuyến nghị G.7xx được sử dụng trong hệ thống truyền dẫn kỹ thuật số, và đặc biệt, được sử dụng để mã hóa tín hiệu tương tự thành tín hiệu số. Tất cả các chuẩn này đều dựa trên chuẩn mã hóa CELP (Code-Excited Linear Prediction). Chuẩn nén âm thanh đã được tiêu chuẩn hóa trong mã ANSI-C với 2 lý do chính: Độ tin cậy khi tương tác giữa các thiết bị. Giá thành thấp và những tiện ích thực thi dựa trên 16 bit fixpoint DSP. 2. Một số đặc điểm của âm thanh tiếng nói Về nguyên tắc các phương pháp nén audio đều có thể dùng để nén âm thanh tiếng nói –gọi tắt tiếng nói. Tuy nhiên người ta có thể lợi dụng một số đặc tính tiếng nói của con người để nén hiệu quả hơn. Dưới đây là một số tính chất của tiếng nói : - Tiếng nói của con người có sự thay đổi về độ to nhỏ (pitch, loundness) chậm hơn so với các thiết bị. - Khi nói, ta có thể thu bằng microphone và có thể lấy được các mẫu, các mẫu cạnh nhau tương đối giống nhau, thậm chí các mẫu cách nhau khoảng 20 ms có sự tương quan rất mạnh (strongly correlated) , sự tương quan này là cơ sở của nhiều kiểu nén tiếng nói - Chu kỳ sóng âm của tiếng nói nói chung là dài. Chúng ta cần lưu ý rằng khả năng nghe của tai người là từ 16 Hz đến 22.000 Hz, trong khi đó sóng âm của tiêng nói có tần số từ 500 Hz đến 20.000 Hz - Tần số này cho chu kỳ có độ dài là 2 ms đên 20 ms chu kỳ như vậy rất dài nó là cơ sở cho một số kỹ thuật nén. - Với tiếng nói người ta chỉ mã với tần số lấy mẫu 8 KHz. Nếu dùng 12 bit/mẫu ta có 12 x 8000=98 kbps. Khi đó tiếng nói được khôi phục gần như tự nhiên. 3. Thuật toán nén dữ liệu tiếng nói trực tuyến ở ếằồịểễợủếộờ ụờợấừ !" ệ# ạẳ !"ệ$ở "ảủậ %&ểễ !ủở ạẳ'&(&() 3.2. Mô tả thuật toán TT1 Giả sử dữ liệu của tiếng nói là dãy S={s1, s2, , sL}, L∈N, si ∈R. Ta xét dãy con liên tiếp củaS: {sm, sm+1, , sm+n-1}, 1≤m≤L-n+1, n>0, (hình 2). Khi đó, thay vì phải lưu trữ n giá trị của dãy con này ta chỉ lưu trữ các giá trị sm, sm+n-1 và n. Hình 2. Biểu diễn dãy con n điểm liên tiếp của một khúc cong đơn điệu. Đầu vào: Dãy tín hiệu tiếng nói. Đầu ra: Các véctơ có dạng (A,B,n) tương ứng là phần tử đầu, cuối và số phần tử của dãy con đơn điệu. Các biến sử dụng trong thuật toán TT1 mô tả trong hình 3: Dấu: nhận giá trị +1 hoặc -1 biểu thị dãy con không tăng hay giảm, s: lưu giá trị tín hiệu, Y1, Y2: lưu hai giá trị liên tiếp của tín hiệu. A, B: lưu giá trị đầu và cuối của dãy con đơn điệu. n: lưu số phần tử của dãy con đơn điệu. Nhận xét: 1) Thuật toán trên có thể làm việc trực tuyến vì quá trình nén chỉ thực hiện hai thao tác chủ yếu là so sánh hai tín hiệu liên tiếp và đếm. 2) Thuật toán mô tả bởi sơ đồ khối hình 3 có thể cải tiến để nâng cao tỷ lệ nén. Chúng ta hãy xét hai lần truyền dữ liệu nén liên tiếp trongthuật toán trên là Output (A,B,n) và Output (B,C,n1), với A, B là phần tử đầu, cuối của dãy con thứ nhất và B, C là phần tử đầu, cuối của dãy con thứ hai. Rõ ràng ta có thể bớt đi phần tử B ở lần truyền thứ hai. 3) Thuật toán mô tả trên còn có thể cải tiến để nâng cao tỷ lệ nén bằng cách thay các khúc đường cong AB (bao gồm cả các khúc cong không giảm, không tăng) bằng đoạn thẳng AB nếu mọi điểm trên khúc đường cong AB thỏa mãn điều kiện |s1-s2|<h (h>0), ở đây s1, s2 nằm trên khúc cong AB, minh họa ở hình 4. Hình 3.Sơ đồ khối thuật toán TT1. Hình 4.Minh họa ý tưởng cải tiến thuật toán TT1. 2.3. Thuật toán giải nén ứng với thuật toán TT1 Dữ liệu nén dạng (A, B, n) do thuật toán TT1 thực hiện được giải nén bằng cách nội suy tuyến tính n điểm cách đều với giá trị đầu, cuối tương ứng là A, B. Ký hiệu (y1, y2, , yn) là ngiá trị được giải nén. Khi đó: yi=A+(i-1)*(B-A)/(n-1), với n>1, i=1 n. Ký hiệu thuật toán giải nén ứng với thuật toán TT1 là thuật toán TT2. Thuật toán TT2 được mô tả trong sơ đồ khối hình 5. Đầu vào: Các véc tơ chứa dữ liệu nén dạng (A, B, n), tương ứng là phần tử đầu, cuối và sốphần tử của dãy con đơn điệu. Đầu ra: n giá trị đã được giải nén chứa trong mảng y Hình 5.Sơ đồ khối thuật toán TT2 * Thuật toán CS-ACELP LPC tổng hợp tiếng nói Mã dự báo tuyến tính LPC (Linear Predictive Coding) là một phương pháp mới khác hoàn toàn với các phương pháp PCM, DPCM và ADPCM để tái hiện bằng số các tín hiệu tương tự. Phương pháp này dung bộ lọc ngang (hay các mạch số tương đương) cộng các thành phần phụ để tổng hợp dạng song theo yêu cầu. Các tham số của dạng song tổng hợp được số hóa để truyền đi thay vì tín hiệu thực sự.Xét hiệu quả các kết quả nếu quá trình tổng hợp chính xác hoàn toàn với tiến trình tương tự.Vì nó đã có thong số tiếng nói, LPC đặc biệt thích hợp với tổng hợp tiếng nói và tạo tiếng nói. Hình: Tổng hợp tiếng nói Hình trên mô tả một quá trình tổng hợp tiếng nói bao gồm hai nguồn phát ở đầu vào, một bộ khuếch đại thay đổi độ lợi, và một bộ lọc ngang trong vòng hồi tiếp.Độ lợi của bộ khuếch đại và bộ lọc từng nhánh được điều chỉnh để định dạng tính chất âm thanh (diễn đạt) trên dãi âm tần.Những tiếng có âm được nối vào nguồn phát dãy xung đơn với các tần số thích hợp với các độ cao. Nếu bộ lọc có khoảng 10 nhánh độ lợi, và các tham số được thu thập khoảng 10 đến 25ms, quá trình tổng hợp tiếng nói rất dễ dàng mặc dù hơi giả tạo. Hệ thống LPC- mạch phát Hệ thống LPC – mạch thu [...]... cải tiến chất lượng của tổng hợp tiếng nói cho truyền thong thoại 5 Một số chuẩn nén tiếng nói thuộc họ ITU – TG.7XX Họ tiêu chuẩn G.7xx mã hóa và giải mã âm thanh và giải mã chủ yếu được sử dụng trong điện thoại di động và điện thoại Internet bao gồm kết nối VoIP Có một số giao thức trong họ G.7xx của bộ G mà ITU khuyến nghị, một số chuẩn của họ nh : 5.1 Chuẩn G.71 1: Nén tín hiệu âm thanh cơ bản tại... thoại thông thường Có hai phiên bản của tiêu chuẩn này: +G.711. 0: Nén ít hao tổn G.711 điều chế mã xung:mô tả một chương trình nén ít hao tổn G.711 bitstream, chủ yếu là nhằm mục đích để truyền qua IP (ví dụ, VoIP) +G.711. 1: Wideband(băng thông rộng) nhúng phần mở rộng cho ITU-T G.711 điều chế mã xung:nhúng âm thanh và điều khiển thuật toán mã hóa âm thanh băng rộng tại 64, 80 và 96 kbit / s Chuẩn nén. .. bitstream cho mục đích mô phỏng thuật toán 5.4 Chuẩn nén G.72 3: Giới thiệu: Chuẩn G.723 giới thiệu một bộ nén có thể dùng để nén tín hiệu thoại hoặc những tín hiệu âm thanh khác của các dịch vụ đa phương tiện ở tốc độ bit rất thấp Trong thiết kế của chuẩn này, nguyên lý ứng dụng làm việc ở tốc độ truyền bit rất nhỏ Bộ mã hóa này được tích hợp hai tốc độ khác nhau: 5.3 và 6.3kbit/s Cả hai tốc độ đều hỗ trợ... rộng tại 64, 80 và 96 kbit / s Chuẩn nén G.71 1: Giới thiệu: Chuẩn G.711 là một chuẩn nén âm thanh được sử dụng rộng rãi cho các hội nghị âm thanh Chuẩn này mô tả phương pháp mã hoá và giải mã âm thanh với tốc độ 64Kbps Tốc độ lấy mẫu: Một giá trị được đề nghị của tần số lấy mẫu là 8000 samples/giây Độ sai sót thường là +/- 50 phần triệu Quy luật mã ho : Mỗi mẫu âm thanh là một số nhị phân có tám bit... đinh là một phần chỉ định của giá trị riêng lẽ Truyền tín hiệu ký t : Khi tín hiệu ký tự được truyền tuần tự trong một tầng vật lý, bit số 1 (bit dấu) được truyền trước tiên và bit số 8 (bit ít có ý nghĩa nhất) được truyền cuối cùng 5.2 Chuẩn G.718:mô tả một băng hẹp (NB) và băng rộng (WB ) đã được nhúng biến đổi tốc độ bit mã hóa thuật toán cho giọng nói và hoạt động âm thanh trong khoảng từ 8 đến... động khác G.722.2 Hơn nữa, một phụ lục mới chuẩn này đang được phát triển có hiệu quả sẽ cho phép luồng bit có khả năng tương tác với EVRC WB 3GPP2 codec Chuẩn này cũng bao gồm chế độ truyền dẫn không liên tục ( DTX) và các thuật toán phát sinh tiếng ồn thoải mái (CNG) cho phép tiết kiệm băng thông trong suốt thời gian không hoạt động Tích hợp thuật toán giảm tiếng ồn có thể được sử dụng đó là phiên... hợp Biểu đồ khối của bộ giải mã tín hiệu thoại 5.5 Chuẩn nén G.72 9: Giới thiệu: Chuẩn này sử dụng thuật toán Conjugate-Structure Algebraic-CodeExcited Linear-Prediction (CS-ACELP) để mã hóa tín hiệu âm thanh với tốc độ 8kbit/s Bộ mã hóa này được thiết kế để thực thi với tín hiệu số nhận được từ bộ lọc băng thông thoại đầu tiên (được giới thiệu ở chuẩn G.712) của tín hiệu tương tự ở đầu vào, sau đó... giọng nói sạch chất lượng tương đương với ITU- T G.729E codec ở 11,8 kbit / s +Codec hoạt động trên khung truyền 20 ms và có một độ trễ tối đa của khung truyền 42,875 ms cho tín hiệu đầu vào và các tín hiệu đầu ra băng rộng Độ trễ tối đa cho tín hiệu đầu vào và đầu ra băng hẹp là 43,875 ms Codec cũng có thể được sử dụng trong một chế độ có độ trễ thấp khi bộ mã hóa và giải mã tốc độ bit tối đa được... cho phép sự linh hoạt tối đa trong việc vận chuyển các gói tin bằng giọng nói thông qua mạng IP Ngoài ra, cấu trúc nhúng của ITU - T G.718 sẽ dễ dàng cho phép các codec được mở rộng để cung cấp một khả năng siêu băng rộng và âm thanh nổi thông qua các lớp bổ sung đang được phát triển Luồng bit có thể được giảm xuống ở phía bộ giải mã hoặc bất cứ thành phần nào của hệ thống thông tin liên lạc ngay lập... đoạn mã hóa : dưới hai lớp được dựa trên mã dự đoán tuyến tính kích thích ( CELP ) mã hóa của giọng nói ( 50-6400 Hz) lớp lõi tận dụng phân loại tín hiệu để sử dụng tối ưu hóa chế độ mã hóa cho mỗi khung truyền Các lớp cao hơn mã hóa các tín hiệu báo lỗi trọng từ các lớp thấp hơn bằng cách sử dụng chồng chéo thêm sửa đổi cosin rời rạc chuyển đổi ( MDCT ) chuyển đổi mã hóa 5.3 ChuẩnG.719 : ộ phưc tạp . âm thanh được tính toán ở phía trước ta xây dựng được bộ lọc định dạng nhiễu điều hòa( harmonic noise shaping filter). Sự kết hợp của bộ lọc tổng hợp LPC, bộ lọc trọng số và bộ lọc điều hòa tạp