617 Codificador de voz baseado na qualidade ercetual V Mostra de Pesquisa da Pós- Graduação Flávio Luis Wisnevski 1, Rubem Dutra Ribeiro Fagundes 1 (orientador), Lucio Polese Cossio 2 (bolsista) 1 Programa de Pós-Graduação em Engenharia Elétrica PPGEE 2 Faculdade de Engenharia FENG Pontifícia Universidade Católica do Rio Grande do Sul - PUCRS Av. Iiranga, 6681 - P30 - Sala 152 - Bairro Partenon - Porto Alegre/RS CEP.: 90619-900 Fone /Fax: +55 (51) 3320.3540 E-mail: flavio.wisnevski@acad.ucrs.br, rubemdrf@ucrs.br e lucio.cossio@acad.ucrs.br RESUMO Este trabalho tem como objetivo rincial desenvolver um algoritmo caaz de melhorar o sinal de voz codificado. Estamos roondo a validação de um modelo ara obter uma análise ercetual sobre o sinal de voz. Neste cenário, avaliaremos um codec que foi desenvolvido ara rede de acotes, no qual será estudado um controle através do modelo de avaliação de qualidade de codec s, o algoritmo PESQ (Percetual Evaluation of Seech Quality). ABSTRACT This research has as main objective to develo an algorithm caable of imroving the voice signal encoded, we are roosing the validation of a model that obtain a ercetual analysis of the voice signal. For this scenario we evaluate a codec that was develoed for acket network, where a control will be studied through the model of assessing quality of codec's, the PESQ (Percetual Evaluation of Seech Quality) algorithm. 1 OBJETIVO Todas as mudanças que ocorrem no sistema de telecomunicações são ara surir as necessidades do ambiente em que estamos imersos, a evolução dos disositivos digitais essoais como ferramentas de comunicação é muito acelerada, neste contexto temos diversos tios de sinais sendo codificados como uma série de bits. Neste trabalho estaremos avaliando a codificação do sinal de voz e a sua qualidade ercetual, baseado nos arâmetros restritos ao codificador. 1.1 Introdução Os sinais digitais são reresentados ela amostragem, quantização e codificação. Esses três estágios serão tratados na abordagem da melhoria de qualidade ercetual. O rocesso de amostragem é imortante ara a transformação do sinal analógico contínuo em amlitude e no temo, em um sinal discreto no temo e em amlitude. O rocesso de quantização transforma o sinal amostrado em um sinal digital, atribuindo valores de uma escala ré-estabelecida ara cada nível de amlitude do sinal. O rocesso de codificação faz a reresentação do sinal amostrado entre o domínio continuo e o domínio discreto, a otimização de reresentação destes sinais, ou seja, a melhoria da codificação está associada à quantização do sinal, origem do rocesso discreto. Os codificadores são uma forma de reresentação de sinais digitais, onde avaliamos o número de bits amostrados num eríodo de temo, sendo que cada amostra gera uma taxa de codificação. Desta forma o estudo de codificação, é avaliado ela taxa de codificação em detrimento da qualidade do sinal de voz. 1.2 Justificativa O objetivo rincial de um codificador de voz é alcançar a melhor qualidade com a menor taxa de bits ossíveis. O codec analisado, o ilbc(internet Low Bitrate Codec), é um codificador de voz, de banda estreita, amostrado a uma freqüência de 8KHz, ele reduz a taxa de bits devido as suas técnicas de codificação, alcançando um bom ercentual de qualidade, exlorando as técnicas de mascaramento das distorções, considerando as características do ouvido humano. Por se tratar de um codec alicado a uma rede de acotes, os imactos de qualidade da voz inerente ao meio de transmissão, estão diretamente ligados a erda de acotes, o delay e o jitter. Estes arâmetros são imortantes e devem ser considerados
618 ara manter a qualidade da ligação entre os interlocutores. Porém análise que estaremos fazendo é sobre o controle de qualidade da geração do sinal codificado, o que se torna imortante nesse rocesso, ara conseguir uma melhoria ercetual. 2. FUNDAMENTAÇÃO TEÓRICA Existem diversas esquisas abordando a comaração de codecs e a medição de qualidade da comunicação, entretanto todos realizam comarações onde o foco do estudo é o desemenho do codificador com base nos arâmetros de da rede, variáveis inerentes ao meio de transmissão. Um exemlo disso está na análise do trabalho realizado or Demóstenes Rodrigez [4], onde o enfoque é comaração entre os codecs e medidas de qualidade em seus exerimentos devido erformance da rede. Embora os objetivos deste estudo não seja a análise do ilbc sobre uma rede heterogênea, as comarações estudadas com os codificadores do adrão ITU-T serviram como motivação ara definição deste trabalho. 2.1 Codec ilbc (Internet Low Bitrate Codec) O codec analisado, ILBC foi desenvolvido ela emresa Global IP Sound (GIPS) [2], existe um rojeto disonível no site ILBC Freeware [1], que mostra comarações com os codec usualmente utilizados ara rede de acotes (G711, G729a e G723.1) O codec em estudo resulta de um algoritmo de codificação de voz com uma resosta controlada a erdas de acotes, a ocultação de erda de acotes é similar a técnica emregada no PCM, (G711 do ITU-T), adrão que oera com uma taxa de bits fixa de 64 kbit/s. O algoritmo do ilbc fixa a taxa de bits codificada de acordo com a exigência de qualidade do codec. Ele foi rojetado ara banda estreita considerando a questão de erda de acotes no meio de transmissão e oera de duas formas: - Blocos de 20ms, roduz 304 bits or bloco (15200*0,02=304), resulta em 160 amostras; - Blocos de 30ms, roduz 400 bits or bloco (13333 * 0,03 = 400), resulta em 240 amostras; Figura 1 0 39 79 119 159 +---------------------------------------+ 1 2 3 4 +---------------------------------------+ 20 ms frame 0 39 79 119 159 199 239 +-----------------------------------------------------------+ 1 2 3 4 5 6 +-----------------------------------------------------------+ 30 ms frame Padrão dos frames enviados elo codec ilbc O ilbc, segundo sua descrição, RFC 3591 [3], consiste de um codificador e um decodificador. Para um bloco constituído com 160/240 (20ms/30ms) amostras, as rinciais etaas são executadas conforme o diagrama de blocos abaixo: Figura 2 Diagrama de blocos do codec ilbc Descrição dos estágios informados no diagrama do codificador: 1 Filtro assa alta ara eliminação de ruído de alimentação. 2 Análise da codificação linear reditiva efetuada: são realizadas duas análises, dois filtros LPC de ordem 10, ara frames de 30ms ou uma análise, um filtro LPC ara frames de 20ms. Para cada análise LPC, é realizada uma reresentação mais robusta quanto ao rocesso de quantização, os coeficientes LPC são transformados em coeficientes LSF (linhas esectrais de freqüência), os quais sofrem uma interolação (coeficientes LSF do bloco atual com os coeficientes do bloco assado) ara encontrar diferentes coeficientes ara cada sub-bloco. 3- O sinal resíduo é obtido através da filtragem do sinal de voz elo filtro de análise LPC com os coeficientes quantizados e interolados. 4 É selecionado dentro do sinal resíduo o segmento que será utilizado como estado de inicio da codificação, que são os dois sub-blocos consecutivos de maior energia, onde existem duas oções: deendendo o tamanho do frame (20ms/30ms) são selecionadas 57/58 amostras iniciais ou finais dos dois subblocos com maior energia. 5 O estado de inicial é codificado utilizando uma técnica de quantização escalar. 6 Os sub-blocos restantes do resíduo são codificados a artir de uma técnica de codebook dinâmico que se utiliza das excitações LPC decodificadas dos sub-blocos já codificadas anteriormente. A essência do codec ilbc é a Codificação Linear Preditiva, onde o objetivo do codificador é enviar ao decodificador os coeficientes do filtro LPC, e o resíduo resultante da alicação deste ao sinal original de voz. A codificação entre os blocos é realizada de forma indeendente, resultando na eliminação de roagação de degradações ercetual devido à erda de acotes. O método facilita a ocultação de erda de acotes de alta qualidade (PLC- Packet Los Concelament). No decodificador, o algoritmo de PLC avalia se o bloco foi recebido corretamente, registra estado o bloco recebido e avalia o bloco seguinte, se ocorrer uma erda do bloco seguinte o decodificador recebe uma sinalização e utiliza um método ara mascarar a erda de acotes, o PLC, esse método consiste em reetir o último acote recebido corretamente, ao invés de reroduzir o som de silêncio ara gerar um sinal decodificado suavizado ara mascarar a erda ocorrida
619 Devemos então calcular os coeficientes a( ara que o erro quadrático médio das amostras reditas seja o menor ossível. (5) n Erro quadrático médio = [ e( ] E ² Figura 3 Comaração da técnica de PLC ara recueração de estado do sinal decodificado 2.2 Técnica de LPC (Codificação Linear reditiva) Técnica LPC (Linear Predictive Coding), baseia-se num modelo do trato vocal. Para isso, calculamos a derivada da equação de erro quadrático igualada à zero. Fazendo essa derivação chegaremos a um conjunto de equações, que odem ser resolvidas utilizando-se o método da autocorrelação ou covariância. Uma vez calculados os coeficientes a( odemos utilizar a convolução dos sinais A(Z) e S(Z) ara gerar um sinal resíduo E(Z). Tendo informações do sinal E(Z) e A(Z) odemos reconstruir o sinal de voz considerando E(Z) como o sinal de excitação que assa or um filtro H(Z) na forma (6) H(Z) = 1/A(Z) Figura 4 Modelo de Produção de voz Consideramos o sinal de voz recebido, onde o modelo de rodução de fala é reresentado como um sinal de excitação u( que assa sobre um filtro H(Z). Como não temos informações do sinal de excitação original iremos utilizar uma técnica de redição linear ara modelar a resosta do filtro H(Z) o mais róxima do sinal de voz. Para este rocedimento é considerado que não há uma solução comutacionalmente raticável que modele o filtro de forma totalmente fiel ao sinal original de voz, sendo assim iremos utilizar uma quantidade de amostras assadas de voz ara redizer o sinal com o menor erro ossível. (1) = a n k) k k = 1 Amostra atual redita or uma função baseadas nas amostras assadas. 2.3 Método de avaliação ercetual do algoritmo O (Mean Oinion Score) fornece uma medida numérica da qualidade da voz humana do circuito. Este esquema faz uso de testes subjetivos através de oiniões que são matematicamente comutados e que ela sua média são obtidos indicadores de qualidade do desemenho do sistema. Para determinar o, um número de ouvintes ercebe a qualidade da voz através da leitura em voz alta de sentenças ao longo do circuito de homens e mulheres. O ouvinte fornece as notas de cada sentença com a seguinte definição: (1) ruim; (2) obre; (3) razoável; (4) bom; (5) excelente. é a média aritmética de todas as notas individuais e ode variar de 1 (ior) a 5 (melhor). Em análises realizadas e registradas no site ilbc Freeware, a avaliação de ara o codec quando comarado com os codec s do adrão ITU-t utilizados ara rede de acotes é de 3.9. É considerado um somatório negativo, ois é uma saída de um filtro, onde a relação é dada or saídas assadas. E dessa forma odemos escrever o erro como: e( = = k = 0 ak n k), (2) a = 1 0 Definindo o olinômio reditor: Podemos escrever: A ( z ) = k= 0 e ( = A( ou a k Z k E ( = A( S( i + j (3) (4) Figura 5 Comaração do do codec ilbc com os codesc s ITU-T O algoritmo PESQ (Percetual Evaluation of Seech Quality) é uma recomendação, um adrão do ITU-T ara medida de qualidade descrito na recomendação P.862 [5], foi desenvolvido esecificamente ara ser utilizado em redes TCP/IP utilizando VoIP e em telefonia convencional, já que os algoritmo da recomendação P.861 o PSQM(Percetual Seech Quality Measure) não era eficiente ara tratar dos roblemas esecíficos destas redes. O PESQ aresenta a medida da qualidade com resosta relacionada á medida do.
620 a qual efetua uma onderação do, ois essa métrica é a atual referência ara avaliação de qualidade do sinal de áudio ercebido nos sistemas de telecomunicações. A roosta deste trabalho é analise ercetual do sinal de voz, sendo este verificado e analisado no bloco de origem do sinal a ser transmitido. Figura 6 Filosofia utilizada no modelo PESQ ara análise subjetiva do O algoritmo PESQ é uma ferramenta de avaliação que faz uma comensação do ganho nos sinais original e degradado, aresentando o mesmo nível de otência, essa calibração é feita tanto no domínio do temo quanto na freqüência. Aós isto, é realizada uma filtragem nos sinais, onde o sinal a ser analisado (enviado sobre a rede) ermanece com mesma característica do sinal de origem (fonte de transmissão), os sinais são alinhados no temo onde é definido o intervalo de análise. A conversão ara o domínio da freqüência é realizada utilizando uma janela Hanning sobre quadros de 32ms e 50% de sobreosição. A análise é feita sobre as diferenças no domínio da freqüência na escala Bark, aós serem realizadas as comensações de erceção sicológica do som correlacionado com a sua intensidade em termos de amlitude, e de variações de ganho (loudness). Figura 8 Diagrama de avaliação ercetual do codec no sinal de origem No trabalho sugerido, retende-se realizar uma heurística onde o controle ercetual do sinal de voz será realizado em temo real. Conforme cenário descrito abaixo: Será realizada a inicialização de um arquivo PCM 16Bits amostrado a 8KHz sobre o bloco do codec (encoder/decoder) de origem do interlocutor, esse realiza o rocesso de codificação (recebimento do arquivo PCM de entrada, amostrado e quantificado), encaminha ao decodificador do bloco do codec de origem do interlocutor o stream de bits do sinal codificado, o codec decodifica o sinal (reconstrói o sinal a artir do estado inicial, gerando o arquivo PCM de saída). Esse sinal (arquivo PCM de entrada e de saída do bloco do codec de origem do interlocutor) será verificado a cada intervalo de temo, temo à ser analisado, onde esera obter uma boa resosta do algoritmo PESQ ara que ossamos ter uma análise mais róxima do temo real. O rograma roosto irá avaliar a qualidade ercetual sucessivamente a cada intervalo de temo, onde analisaremos a tendência do sinal em relação à medida numérica de qualidade da voz humana que é informada como avaliação. Sugere-se como inicialização do modelo de comaração, a verificação do valor da análise das quatro amostras sequênciais verificadas, se a tendência destas amostras aresentarem um valor de regressivo, o codificador deverá alterar seus arâmetros internos (dados ainda em análise, exemlo: quantização do sinal, calculo dos coeficientes LPC, forma de codificação do codebook dinâmico ara o calculo do sinal residual), de forma que o róximo sinal amostrado tenham uma qualidade ercetual maior que o menor sinal das quatros amostras assadas. Durante essa verificação de arâmetros o codificador deverá realizar o rocesso acima interruto, desta forma deseja-se obter a melhoria ercetual do sinal de voz. 4. METODOLOGIA 3. PROPOSTA DE TRABALHO Figura 7 Modelo ercetual do PESQ Para verificação do estudo, retende-se rogramar os arâmetros baseados na recomendação P.862 (PESQ) do ITU-T 4.1 Materiais As ferramentas necessárias ara o desenvolvimento dessa esquisa estão listadas abaixo: - Comutador: OS Windows XP, rocessador Intel Core 2Duo T7250 2.0GHZ, 2GB de RAM ; - Software matemático Matlab R2009a ara cálculos e análise dos sinais amostrados;
621 - Software DEV C++ utilizado como lataforma de rogramação; - Softwares Audacity e Goldwave utilizados como ferramentas de maniulação das amostras; - Algoritmo do codec ilbc e arquivos de testes citados na RFC3591 do IETF; - Algoritmo do codec CS-ACELP e arquivos de testes, citados na recomendação G729 do ITU-T. - Algoritmo PESQ e arquivos de testes, referenciado na recomendação P862 do ITU-T. 4.2 Método Será realizada a análise sobre o codec ilbc(internet Low Bitrate Codec), com o estudo dos estágios do codificador e do decodificador, ara validar os estágios assiveis de modificação ara obtenção de melhoria na codificação e decodificação. Para análise de melhoria do codec, é roosta a utilização do algoritmo PESQ, sendo objeto de estudo a verificação da limitação de análise do sinal quantizado, ela forma como o algoritmo foi testado (número de amostras, tamanho mínimo das amostras),de forma a utilizar a avaliação ercetual como arâmetros ara as mudanças dinâmicas do codificador. Os sinais serão avaliados com o software Matlab que ossui ferramentas ara análise matemática. Quanto as amostras de entrada do codificador e as amostras geradas na saída do decodificador, essas serão maniuladas e analisadas com os software s Audacity e GoldWave. Como base de estudo e treinamento do algoritmo ara melhoria ercetual, retende-se utilizar os arquivos de referência de amostras informados na recomendação do PESQ, além dos arquivos disonibilizados na RFC 3591 do codec ilbc e na norma ITU-U G729 do codificador CS-ACELP. Para solução da metodologia alicada neste trabalho retende-se realizar testes e validação em software, efetuando as modificações roostas com base nas esquisas de livros, dissertações de assuntos relacionados de artigos do IEEE (Institute of Electrical and Electronics Engineers). 4.3 Restrições Para a elaboração deste trabalho, não serão considerados arâmetros ofensores da qualidade de voz inerente ao meio de transmissão (erda de acotes, o delay e o jitter). Os testes serão realizados sobre o bloco de origem do sinal de voz. 5. RESULTADOS ESPERADOS A modificação no codec ilbc com a utilização de uma análise ercetual ara decisão de atuação sobre sua codificação deve resultar em sinais de maior qualidade ara os usuários. Esera-se que seja ossível o melhoramento da qualidade de resosta do codec através da alteração de seus arâmetros sem modificação da essência de seu algoritmo. A utilização do algoritmo PESQ na análise do sinal deverá melhorar a qualidade ercetual do sinal de saída comarado com o sinal obtido no codificador original. mesmo bloco de geração do sinal (não enviaremos sinal codificado sobre o meios de transmissão ara ser decodificado em outro bloco). O sinal resultante da decodificação de cada versão será comarado em sua totalidade utilizando o PESQ. Para validação do trabalho sugerido, os resultados de cada sinal gerado serão armazenados e comarados através da visualização esectral dos mesmos ara fins de análise de resosta das modificações. Desta forma teremos como avaliar se as alterações roostas no codificador serão eficientes sob onto de vista de qualidade ercetual. Referências [1] ILBC Freeware.org Project htt://www.ilbcfreeware.org/ Acessado em Agosto/2009. [2] Global IP Solutions. ilbc_whiteaer. Disonível em htt://www.giscor.com. Acesso em Agosto/2009 [3] IETF RFC 3951 Internet Low Bit Rate Codec. Disonível em htt://www.ietf.org/rfc/rfc3951.txt Acessado em Agosto/2009 [4] Demóstenes Zegarra Rodriguez, Miguel Arjona Ramírez Determinação do comortamento de codificadores em diferentes condições de rede em um cenário exerimental, Disonível em htt://www.ls.us.br/~miguel/ublica/sbrt2008_42576.d f Acessado em Fevereiro/2010 [5] ITU-T Recommendation P.800.1, Methods for subjective determination of transmission quality. Genève, Agosto/1996. [6] ITU-T Recommendation P.862, Percetual evaluation of seech quality (PESQ): An objective method for end-toend seech quality assessment of narrow-band telehone networks and seech codecs. Genève, Novembro/2005. [7].Adhemar Bultheel and Marc Van Barel Linear rediction: mathematics and engineering. Disonível em htt://www.emis.de/journals/bbms/bulletin/bul941/bul THEEL.PDF acessado em junho/2010 [8] Alan Ó Cinnéide Linear Prediction The Technique, Its Solution and Alication to Seech. Disonível em htt://eleceng.dit.ie/aers/92.df acessado em junho/2010 5.1 Testes Proostos Os testes que serão realizados baseiam-se na utilização de arquivos de voz em formato PCM de 16 bits que servirão de entrada ara o codec original ilbc e sua versão a ser modificada. Cada codificador irá gerar um arquivo resultante de sua codificação que será osteriormente decodificado no