Hervé BOEGLEN Licence ISVDE Numérisation et codage de l’information Codage de la parole.

Hervé BOEGLENLicence ISVDE

Numérisation et codage de l’informationCodage de la parole

2/61

Plan

1. Notions de base2. Théorie de l’information3. Quantification4. Codage de la parole

Qu’est-ce que la parole ?Modélisation LPCCodeurs en forme d’onde et par analyse et

synthèse (ABS)Standards

3/61

1. Notions de base

Le traitement numérique du signal (TNS) :

4/61

1. Notions de base

Description d’un système numérique :Dans le domaine temporel par une équation aux

différences, par exemple :

y[n] = b0x[n]+b1x[n-1]+a1y[n-1]

Dans le domaine de la transformée en z, par une fonction de transfert, par exemple :

22

11

22

110

1)(

zaza

zbzbbzH

5/61

1. Notions de base

La transformée en z est la transformée de Fourier d’un signal échantillonné :

C’est un outil incontournable pour l’étude des signaux numérisés. En pratique, on utilise une table de transformées.

0

][n

nznxzX

6/61

1. Notions de base

Les opérations de base du TNS :Le filtrage : il existe deux types de filtres numériques :

• Les filtres FIR (Finite Impulse Response) qui sont obtenus en échantillonnant la réponse impulsionnelle du filtre que l’on souhaite obtenir. On a la forme suivante :

Ils sont simples à mettre en œuvre et possèdent une phase linéaire

1

0

)(M

k

kk zbzH

7/61

1. Notions de base

• Les filtres IIR (Infinite Impulse Response) qui sont obtenus à partir des fonctions analogiques (passage de s à z). La fonction de transfert possède la forme suivante :

• Les filtres adaptatifs dont les coefficients sont mis à jour régulièrement en minimisant un critère (moindres carrés). Ils peuvent être de type FIR ou IIR.

1

11

1

00

1)( N

k

k

M

n

n

za

zbzH

8/61

1. Notions de base

9/61

1. Notions de base

La transformée de Fourier discrète :

• En pratique cette somme est calculée en utilisant des algorithmes rapides et on parle de FFT (Fast Fourier Transform) (cf. fonction fft dans Matlab).

10][)(1

0

/2

NkenxkXN

n

Nknj

La corrélation : exprime la notion de similitude entre deux signaux. On distingue :

10/61

1. Notions de base

• L’intercorrélation :

• L’autocorrélation :

Remarque : rxx[0] = Ex

n

xy lnxnylr ][][][

n

xx lnxnxlr ][][][

11/61

1. Notions de base

Notions de signaux aléatoires :Les signaux seront considérés comme

stationnaires et ergodiques :• Stationnarité les moments statistiques (moyenne,

variance) ne dépendent pas du temps.

• Ergodicité on peut confondre les moments statistiques et les moments temporels (moyenne temporelle, puissance).

12/61

1. Notions de base

Lois usuelles :• Loi uniforme sur (a,b) :

sinon0

),(pour1

)( baxabxpX

13/61

1. Notions de base

• Loi Gaussienne :

2

2

2exp

2

1)(

mx

xpX

14/61

1. Notions de base

• Loi de Rayleigh :

02

exp)(2

2

2

x

xxxpX

15/61

1. Notions de base

Rapport signal sur bruit (SNR) :

bruit

signaldB P

PSNR 10log10

16/61

2. Théorie de l’information

Le système de transmission numérique tel que défini par Shannon en 1948 :

17/61


Définition de l’information :Soit une variable aléatoire discrète S qui peut

prendre les valeurs S ={s0, s1,…, sK-1} avec les probabilités P(S = sk) = pk avec k = 0,1,…, K-1, on définit la quantité d’information d’un symbole par :

I(sk) = -log2(pk) (bit)

Il est intéressant de connaître l’information moyenne produite pas une source = entropie.

18/61


1

0

1

02 )(log)()]([)(

K

k

K

kkkkkk ppsIpsIESH

Propriétés :

• 0 H(S) log2(K)

• H(S) = 0 si pk = 1 et les autres probabilités sont nulles aucune incertitude

• H(S) = log2(K) si pk = 1/K k incertitude maximale

19/61


Le théorème du codage de source :Si l’on associe un code à la source S de longueur moyenne :

On aura toujours :

On peut ainsi définir l’efficacité d’un code par :

1

0

K

kkk IpL

)(SHL

20/61


Exemple : l’afficheur 7 segments : L

SH )(

Les symboles sont équiprobables pk = 0.1

Entropie H(S) = 3.32 bitsRendement = 52.54%

21/61

Compression de l’information :Les signaux physiques comprennent de

l’information redondante utilisation inutile du canal de transmission

On utilise un codage à longueur variable dont le principe consiste à assigner des descriptions longues aux symboles peu fréquents et des descriptions plus courtes aux symboles plus fréquents.


22/61


Les codes préfixes : aucun mot du code n’est le préfixe d’un autre mot du code. Ils satisfont l’inégalité de Kraft-McMillan :

Leur longueur moyenne est bornée par :

Exemple :

121

0

K

k

lk

1)()( SHLSH

Symbole Probabilité Code I Code II Code III

s0 0.5 0 0 0

s1 0.25 1 10 01

s2 0.125 00 110 011

s3 0.125 11 111 0111

23/61


Le codage d’Huffmann :

24/61


Le codage LZW (WINZIP et Cie) dictionnaire construit dynamiquement :

25/61


Canal discret sans mémoire : C’est un modèle statistique comportant une entrée X et une

sortie Y qui est une version bruitée de X. Il est décrit par ses probabilités de transition :

p(yk|xj) = P(Y = yk|X = xj) j, k

111110

111110

010100

... JKJJ

K

K

xypxypxyp

xypxypxyp

xypxypxyp

P

26/61


Exemple : le canal binaire symétrique :

27/61


Différentes sortes d’entropies :Si l’on utilise les différentes probabilités à

notre disposition on peut définir les entropies suivantes :

28/61


n

iji

m

jji

n

iji

m

jji

m

jjj

n

iii

yxpyxpYXH

yxpyxpYXH

ypypYH

xpxpXH

12

1

12

1

12

12

),(log),(),(

log),(

)(log)()(

)(log)()(

29/61


H(X|Y) représente l’information perdue au cours de la transmission. On en déduit une nouvelle quantité appelée information mutuelle du canal :

Cette quantité représente l’information correctement transmise de la source vers le destinataire.

PropriétésPropriétés :• Symétrie : I(X ;Y) = I(Y ;X)• I(X ; Y) 0• I(X ; Y) = H(X) + H(Y) – H(X,Y)

n

i

m

j j

ijji yp

xypyxpYXHXHYXI

1 12 )(

log),()();(

30/61


Capacité :

Exemple : capacité du canal binaire symétrique

C = 1 + p.log2(p) +(1-p).log2(1-p)

);(max YXICix

p

31/61


Théorème du codage de canal :

Remarque : ce théorème ne donne aucune indication sur comment construire de bon codes.

Capacité du canal BBAG de puissance et BP limités :

cs T

C

T

SH

)(

B

C

N

E

B

C b

02 1log

32/61


33/61

3. Quantification

Illustration :

34/61

3. Quantification

Quantification uniforme :

35/61

3. Quantification

Bruit de quantification :Si le signal à quantifier est compris entre (-mmax, mmax),

pour L niveaux on aura :

L’erreur de quantification Q est une variable aléatoire uniformément distribuée :

L

mmax2

autrement

qqfQ0

22

1)(

36/61

3. Quantification

La variance de l’erreur est égale à :

Comme L = 2R, on obtient :

Finalement :

Exercice : calculer le SNR en dB si le signal à quantifier est une sinusoïde d’amplitude max = Am

12

22

Q

RQ m 22

max2 2

3

1

R

Q m

PPSNR 2

2max

22

3

37/61

3. Quantification

Quantification non linéaire :

38/61

3. Quantification

Comparaison SNR = f(Pin) quantification uniforme et non linéaire loi A, A = 87.6 :

39/61

3. Quantification

Un exemple pratique : ITU-T G711 loi A :

11

)sgn()ln(1

)/ln(1

10)sgn(

)ln(1)(

max

maxmax

max

x

x

Ax

A

xxAx

Ax

xx

A

xA

xc

40/61

3. Quantification

Companding (Compress Expand) :COmpresser DECompresser

b = 8 bit

SNR

Quantifier

)( enTx ][xQy )( eb nTy )( eDEC nTx

piano_c3 8 bit -1

8 bitbitB 16

)( enTx)( enTy )(8 enTy

)( erec nTx1/8

)(8 enTx

bitB 8

bitB 8

Amélioration du SNR :

41/61

4. Codage de la parole

Le signal de parole : différents niveaux de description :Le niveau phonétique : étudie la façon dont le

signal est produit et perçu :• Appareil phonatoire

42/61


• L’alphabet phonétique international :

43/61


• Phonétique articulatoire :– Voyelles : degré d’ouverture du conduit vocal

– Consonnes : passage forcé de l’air

– Semi-voyelles (ié, oui) ou liquides (Long, Rond)

• Audition – Perception : l’appareil auditif :

44/61


• Champ auditif [500Hz, 10KHz] :

I(dB) = 10log(I/I0) avec I0 = 10-12W.m2 (1KHz)

45/61


• Courbes isosoniques et phénomène de masquage :

46/61


Le niveau acoustique : on étudie le signal électrique associé :

Traits acoustiques : fréquence fondamentale, énergie et spectre. Chaque trait acoustique est lié à une grandeur perceptuelle (pitch, intensité et timbre)

47/61


• Débits courants :

• Le signal vocal est caractérisé par une grande redondance. L’entropie H(X) = 4.73 bits pour les 37 phonèmes de la langue française. Si on prononce en moyenne 10 phonèmes/s 50bits/s

48/61


• Audiogramme : amplitude du signal vocal en fonction du temps :

49/61


On distingue des zones voisées et non voisées :

50/61


• Transformée de Fourier à court terme (fenêtres de 30ms) :

• On observe des pics de résonance que l’on appelle les formants.

51/61


• Fréquence fondamentale ou pitch :– De 70 à 250Hz chez les hommes

– De 150 à 400Hz chez les femmes

– De 200 à 600Hz chez les enfants

– Varie très peu à l’intérieur de la zone voisée

52/61


• Spectrogramme : évolution temporelle du spectre à court terme :

53/61


Modèle simplifié de production de la parole :

NV

V

Stochastic excitation

Periodical excitation

Speech

Spectrum shaping filter

f

Transfer function of the vocal tract

Voicing

Gain

54/61


Modélisation LPC :• On peut montrer que H(z) du filtre qui modélise l’enveloppe

spectrale du signal de parole s’écrit :

• Les coefficients ai s’obtiennent par prédiction linéaire :

P

i

iiza

zAzH

1

1

1

)(

1)(

n

p

ii

nenxnxne

inxanx

)(min)(~)()(

)(~

2

1

55/61


• La mise en équation donne les équations dites de Yule-Walker :

• La résolution se fait en utilisant des algorithmes récursif comme Levinson-Durbin.

56/61


Exemple : le codeur NATO LPC10 : Speech

frame Linear Prediction

pitch/voicing

energy

mux

(ai)

E

excitation (600 bps)

Spectrum shaping filter

(1800 bps)

V/UV,F0

CODER

V/UV,F0

E (ai)

1/A(z) Gain

Synthetic speech

Decoder

57/61


Les deux grandes familles de codeurs de la parole :Codeurs en forme d’onde qui éliminent la

corrélation entre échantillons en utilisant une prédiction linéaire et des quantificateurs adaptatifs 24 à 32 kbits/s

Codeurs ABS ou hybride (Analysis By Synthesis) combinent le meilleurs des techniques LPC et forme d’onde 6 à 16 kbit/s

58/61


Standards :

Rate (Kbits/s) 1k 2k 4k 16k 32k 64k

Quality MOS

Production model

Hybrid coders Waveform coding

1

2

3

4

5 G711 (72)

G721 (84)

ST4209 (83)

G728 (92)

(90)

G729 (96)

ST4479 (93)

ST 4198

(87)

2400 HSX (96)

LPC 10 (83)

GSM (87)

1200 HSX

(97)

G723-1 (96)

0,5k

Langage model

8k

FS1016

59/61


Standards ITU :UIT

StandardMethod Year

Bit rate in Kbps

Delay in msQuality

MOSComplexity

in MipsG711 PCM 1972 64 0.125 4.3 <<1

G721 ADPCM 1984 32 0,1254.1 at

32Kbps1.25

G723 1986 40-32-24G726 1988 40-32-24-16G727 1990 40-32-24-16G728 LD-CELP 1992 16 2.5 4.0 30G729 CS-ACELP 1994 8 30 3.9 25

G729a 1996 12

G723.1MP-MLQ ACELP

1995 6.3 5.3 75 3.9 24

60/61


Standards ETSI :

Exercice : rechercher sur Internet les normes G726 (ITU-T) et GSM 06.10 (ETSI) et retrouver les éléments fondamentaux de ces standards.

Standard ETSI

europeMethod Year

Bit rate in Kbps

Delay in msQuality

MOSComplexity

in Mips

GSM RPE-LTP 1987 13 40 3.47 6TETRA ACELP 1994 4.567 67.5 12

GSM HR VSELP 1994 5.6 45 30EFR-GSM (identical

DCS)ACELP 1995 12.8 40 15

61/61


Codeur en forme d’onde : ITU-T G726

Hervé BOEGLEN Licence ISVDE Numérisation et codage de l’information Codage de la parole.

Documents

Transcript of Hervé BOEGLEN Licence ISVDE Numérisation et codage de l’information Codage de la parole.