A codificação primária é a representação digital de um canal de voz, sem a inclusão de bits de sincronismo e de verificação de paridade.

Transcrição

1 A codificação primária é a representação digital de um canal de voz, sem a inclusão de bits de sincronismo e de verificação de paridade Formas de representação digital do sinal de voz Há várias formas de se representar digitalmente os sinais de voz. Essas representações podem ser dividas em dois grandes grupos: Representação da forma de onda Conforme o próprio nome indica, ocupam-se simplesmente em preservar a forma de onda do sinal. Exemplos: PCM, DPCM, ADPCM etc. Essas formas de codificação são também denominadas "escalares". Representação paramétrica O sinal de voz é representado através de parâmetros de modelos que simulam o mecanismo de produção da fala. O primeiro passo é a representação digital da forma de onda, da qual são extraídos os parâmetros do modelo. Exemplos: RPE-LPC, CELP etc. As representações de sinal, em que vários parâmetros são quantizados em blocos, são denominadas quantização vetorial. Na Tabela A1.8.1 faz-se uma comparação das várias formas de representação do sinal de voz, em função da taxa de dados necessária. Tabela A1.8.1 Comparação de taxa de dados de formas de representação do sinal de voz 50

2 51 Taxa de dados (bits/segundo) 200k 60k 20k 10k LDM, PCM, DPC, ADM Métodos de análise e síntese Síntese a partir de texto Representações de forma de onda Representações paramétricas O processo de representação digital de sinais envolve conceitualmente duas etapas iniciais: amostragem e quantização, que transformam as variáveis contínuas de tempo e amplitude, respectivamente, em variáveis discretas. Essas etapas, assim como os princípios básicos do PCM, foram tratados no Capítulo 7; as informações a seguir complementam, portanto, esses conceitos DPCM Differential Pulse Code Modulation Sabe-se que entre amostras sucessivas de sinal de voz há uma forte correlação. Mesmo entre amostras separadas por vários intervalos de amostragem há uma correlação significativa. Isso significa, em outras palavras, que o sinal não muda rapidamente de uma amostra para outra, de forma que a diferença de potência entre duas amostras sucessivas tem uma variância bem menor do que a variância do próprio sinal. Dessa forma, codificando-se apenas a diferença de nível entre uma amostra e o valor previsto para essa amostra pode-se utilizar uma taxa de bits menor. As Figuras A1.8.1 e A1.8.2 ilustram um esquema de codec DPCM. 51

3 52 x (n) d(n) Quantizador (Q) ^ d(n) Codificador c(n) ~ x(n) x^ Preditor (P) - Figura A1.8.1 Codificador DPCM. c'(n) Decodificador ^ d'(n) x'(n) ^ Preditor (P) ^ x'(n) Figura A1.8.2 Decodificador DPCM. No codificador a diferença d ( n) entre o sinal de entrada x(n) e o sinal previsto x~ ( n) é quantizada, dˆ ( n), e codificada c(n). O preditor P estima, através das amostras anteriores, o próximo valor de sinal. Observe-se que se P = 0, x~ ( n) = 0 e tem-se um PCM convencional. No caso mais simples de codificação, a saída do preditor x~ ( n) é o valor de x~ ( n) reconstituído e c(n) é a diferença codificada entre duas amostras sucessivas 1 (P = z ). Com a otimização do preditor, o DPCM pode produzir uma melhoria de 6 a 12 db em relação ao PCM convencional. Isso significa que um DPCM de 7 bits tem um desempenho superior ao de um PCM de 8 bits. Quanto maior a taxa de amostragem, menor será a diferença entre amostras sucessivas. Um caso particular usual é a modulação Delta, em que a saída c(n) tem apenas 1 bit, indicando apenas que o valor de x é maior ou menor que o anterior. 52

4 ADPCM Adaptive Differential Pulse Code Modulation Nos sistemas DPCM os coeficientes do preditor e os passos de quantização são fixos e definidos com base no comportamento médio estatístico do sinal de voz. A variação do nível médio referente ao processo de comunicação, bem como a variação das características estatísticas do sinal de voz em função do locutor, tornam necessárias predição e quantização adaptativas para se ter um melhor desempenho. Através da adaptação dos parâmetros pode-se ter uma melhoria adicional de 12 db em relação ao DPCM, ou seja, pode-se transmitir em ADPCM de 4 bits com a mesma qualidade de um PCM de 8 bits, dobrando-se, assim, o número de canais. As Figuras A1.8.3 e A1.8.4 ilustram uma possível realização de um codec ADPCM com adaptação do quantizador e do preditor. Lógica x(n) d(n) ^ d(n) Quantizador - Codificador c(n) Adaptador de coeficientes ~ x(n) Preditor x(n) ^ Figura A1.8.3 Codificador ADPCM. 53

5 54 c'( n ) Decodificador ^x'(n) ( n ) Lógica de adaptação do passo Preditor Adaptador de Coeficiente Figura A1.8.4 Decodificador ADPCM DSI Digital Speech Interpolation A interpolação digital de voz é um processo que permite aumentar o número de canais de voz em um multiplex PCM, mantendo a degradação sob controle. Há três tipos básicos de DSI Primeiro método O sistema analisa dinamicamente a atividade dos canais de entrada e só conecta à saída os que estão realmente ativos. Alguns dos bits do MUX são utilizados para o gerenciamento da alocação dos canais. O método baseia-se no fato de que, durante uma conversação telefônica, enquanto uma pessoa fala, a outra ouve e, além disso, há pequenas pausas na conversação. Com isso, o sinal de voz ocupa menos de 50% do tempo do canal (aproximadamente 35%). Por esse método consegue-se portanto aumentar a capacidade de canais do sistema, aproveitando-se seu tempo livre Segundo método O sistema analisa o sinal de voz e só transmite uma nova amostra quando sua amplitude difere da amostra anterior mais que um determinado valor. Nesse caso, um bit de controle informa o receptor. Os bits das amostras não transmitidas são usados para a transmissão de canais 54

6 adicionais. Durante momentos de sobrecarga o sistema congela incondicionalmente o valor da amostra. O sistema é dimensionado para que o bloqueio seja menor que 0,5% do tempo. Com esse tipo de DSI conseguese um ganho de 2,5 vezes em sistemas de 120 canais e um ganho pouco menor que 2 vezes para sistemas de 30 canais Terceiro método Este é um melhoramento do método anterior. Quando ocorre uma sobrecarga, ele faz um certo número de amostras serem transmitidas com um bit a menos. Os bits subtraídos são utilizados para a transmissão dos canais excedentes. Somente quando esses bits se esgotam é que o sistema recorre ao congelamento. Dois canais originais são geralmente utilizados para controlar o processo. Com esse método, pode-se aumentar a capacidade de um sistema de 120 para 360 canais, e o de 30 para 60 canais. Deve-se observar que técnicas DSI não servem para transmissão de dados de alta velocidade, devendo-se usar nesse caso canais dedicados de 64 kbits/s Representação paramétrica de sinais de voz Para reduzir o número de bits necessários à representação do sinal de voz, os métodos até aqui apresentados diminuíram a redundância da informação fazendo uso da correlação, amostra a amostra. Através da redução da redundância por blocos, conseguem-se taxas de transmissão menores. As Figuras A1.8.5a e A1.8.5b mostram dois pequenos trechos de sinal de voz da frase: She had (observe a diferença das amplitudes e freqüências, nos dois trechos). 55

7 56 Figura A1.8.5a Trecho de voz não sonoro (She). Figura A1.8.5b Trecho de voz sonoro (had). Percebe-se que o sinal de voz apresenta grandes variações, em trechos curtos, com natureza quase estacionária. Essa característica estimulou o desenvolvimento de métodos de análise por síntese de sinais. O sinal é dividido em trechos ou segmentos (geralmente na faixa de 20 a 30ms) 56

8 57 que são analisados em bloco, conforme evidenciado na Figura A s(t) Segmentação Análise LPC Síntese LPC c(n) - ~ s(t) Síntese do sinal Figura A1.8.6 Princípio do LPC. De cada segmento são extraídos parâmetros que representam adequadamente o sinal. A versão sintetizada do sinal é comparada com o sinal original e a diferença é utilizada para otimizar os parâmetros, ou uma versão codificada destes é transmitida. Com isso consegue-se redução drástica da taxa de bits. As representações paramétricas baseiam-se, em geral, no modelo do mecanismo de geração da fala, representado na Figura A Excitação Sistema de ressonância variável Compensação fixa do espectro voz Figura A1.8.7 Modelo do mecanismo da fala. Um sinal de excitação, originado pela passagem do ar dos pulmões pela glote, excita as cavidades ressonantes do trato vocal. Tanto o sistema de excitação como o de ressonância são variantes com o tempo. A excitação pode variar desde um trem de pulsos até um ruído gaussiano. O sistema ressonante, para efeitos de análise e extração de parâmetros, é, geralmente, dividido em uma parte fixa (cujos parâmetros não precisam ser transmitidos) e uma parte variável. Um dos primeiros e o mais difundido métodos de codificação paramétrica é o conhecido vocoder. Nesse método, a síntese do sinal de voz é feita a partir de um modelo digital simplificado do mecanismo de geração 57

9 58 da fala, conforme ilustrado na Figura A Informação de Pitch Gerador de trem de pulsos ( ) H z = 1 K G i= 1 a i z i Gerador de ruído branco X G Ganho Sistema ressonante variável a1 a 2 a k Compensação fixa do espectro Informação sonoro / não sonoro Figura A1.8.8 Vocoder. Nesse modelo, também chamado de binário, a excitação assume um de dois estados, conforme as cordas vocais vibrem ou não: a) Sonoro o sinal de excitação é um trem de pulsos separados por um intervalo denominado pitch. Representa trechos quase periódicos do sinal de voz, como as vogais; b) Não Sonoro o sinal de excitação é uma variável gaussiana. Representa bem as consoantes fricativas como o s, o f ou o x. O sinal de excitação é modelado por um filtro digital cujos parâmetros são, em geral, determinados por análise LPC Linear Predictive Coding e passam por um filtro de compensação fixa do espectro. (Ver Capítulo 8 de [Rab78], por exemplo.) Por isso, codificadores baseados nesse modelo também são denominados LPC-Vocoders. De cada segmento de voz são extraídas as informações: 58

10 59 sinal sonoro/não sonoro; pitch; ganho; parâmetros a i do filtro. Com esse modelo, conseguem-se taxas de bits da ordem de 600 bits/s para voz inteligível e, por isso, ele tornou-se muito popular na geração de voz sintética em computadores. Esses LPCs vocoders tiveram grande sucesso na codificação de voz inteligível a uma baixa taxa de bits, mas não de boa qualidade. Em virtude da extrema simplificação do modelo da excitação, a voz sintetizada soa de uma forma não natural. Diversas técnicas surgiram para melhorar a qualidade da voz, substituindo a excitação pelo pitch por outros modelos de excitação. A parte baixa do espectro de voz contém a informação necessária para a extração do sinal de excitação: se a voz é sonora, apresenta periodicidade; se não é sonora, a parte baixa do espectro apresenta característica de ruído. A Figura A1.8.9 ilustra um modelo geral, em que o sinal de excitação é extraído da parte baixa do espectro do sinal de voz. x(n) Segmentação Análise LPC Síntese LPC - Filtro PB decimação Extração seqüência excitação Codificador c(n) Figura A1.8.9 Sinal de excitação extraído da parte baixa do espectro do sinal de voz. A seqüência de excitação é codificada a uma taxa baixa de bits. Através desse modelo, consegue-se um sinal sintetizado de qualidade telefônica a uma taxa de 16 kbits/s. 59