Профильный класс
Анализ и синтез речи

Процедуры преобразования в цифровую форму

Вокодеры

По большей части алгоритмы кодирования (декодирования), описанные выше, предназначены в первую очередь для воспроизведения формы входного сигнала с максимально возможной точностью. Таким образом, они предполагают малую степень или полное отсутствие знаний о природе сигнала, который они обрабатывают, и приложимы, по существу, к любому сигналу, попадающему в канал ТЧ. Исключения возникают с тех случаях, когда кодирование с разделением на полосы или с адаптивным предсказанием рассчитано на получение низких скоростей передачи (20 кбит/с или менее). На таких скоростях передачи в кодерах должна быть точно учтена статистика речевого сигнала и они не могут обеспечить эквивалентное качество для других сигналов. Дифференциальные системы, такие, в которых используются ДИКМ и дельта-модуляция, также обладают определенными свойствами, специализированными для передачи речи, из-за их недостатков, связанных с кодированием высоких частот (перегрузка по крутизне).

Процедуры преобразования в цифровую форму, описанные в этом разделе, весьма специфически кодируют речевые сигналы и причем только речевые сигналы. По этой причине все устройства, реализующие такие методы, носят название «вокодеры», полученное путем соединения слов voice coders. Поскольку эти способы рассчитаны специально на речевые сигналы, они не могут быть применены в телефонной сети общего пользования, в которой должна быть обеспечена передача и других аналоговых сигналов (таких, как сигналы модемов). Кроме того, вокодеры обычно создают ненатуральное, или синтетическое звучание речи.

Основным назначением вокодера является кодирование только важных для восприятия параметров речи с уменьшенным числом символов по сравнению с их числом в более общих кодерах формы сигнала. Благодаря этому они могут быть использованы для передачи в ограниченной полосе частот, чего не могут дать другие способы.

Некоторые из основных применений вокодеров следующие: записанные сообщения (например, «набран неправильный номер»), передача засекреченного речевого сигнала по аналоговым каналам ТЧ, формирование речевого сигнала на выходе ЭВМ и образовательные игры. Недавно возникло особенно интересное применение одного из типов вокодера (с линейным предсказанием) для реализации нескольких речевых каналов на одной арендованной линии, обеспечивающей передачу ТЧ. При использовании арендованной линии высокого качества для передачи сигнала со скоростью 9600 бит/с можно по одной такой линии передать четыре речевых сигнала со скоростью 2400 бит/с, объединив их путем временного группообразования. В этом случае, следовательно, переход к цифровой форме фактически уменьшает полосу речевого сигнала. Хотя эти системы воспроизводят разборчивую речь, ее общее качество ниже телефонных стандартов.

В этом разделе описываются три самых основных способа вокодерного преобразования: с помощью канального вокодера, формантного вокодера и кодера с линейным предсказанием. Предложено и изучено множество других форм и вариантов вокодеров. Для рассмотрения некоторых из них и ознакомления с расширенной библиографией по данному предмету можно обратиться к [7].

Основное требование для обеспечения хорошего качества речи состоит в сохранении кратковременного энергетического спектра сигнала. Фазовые соотношения между отдельными частотными составляющими намного менее существенны для восприятия. Один из лучших примеров нечувствительности уха к фазе демонстрируется во время исполнения на пианино двух нот одновременно или почти одновременно. Общий звук воспринимается слушателем как тот же самый, если одна нота прозвучала чуть позже другой. По существу, ухо воспринимает уровень энергии на различных частотах в спектре речи, но не фазовые соотношения между отдельными частотными составляющими.

Рис. 3.40. Эффект сдвига фаз при сложении двух синусоидальных колебаний

Эффект сдвига фазы одной из компонент составного сигнала показан на рис. 3.40. Первый составной сигнал получен, когда две отдельные частотные компоненты имеют идентичные начальные фазы. Второй составной сигнал соответствует случаю, когда две частотные составляющие имеют начальные фазы, сдвинутые друг относительно друга на 90°. Отметим, что составные сигналы заметно различаются, хотя ухом разница не воспринимается. По этим причинам временная форма сигнала, воспроизводимая вокодером, как правило, имеет лишь небольшое сходство с исходной формой входного сигнала.

Анализ и синтез речи является еще одной областью широко распространенных исследований, тесно связанных с преобразованием речи в цифровую форму Цифро-аналоговое и аналого-цифровое преобразования