Codifica della voce e dell'audio/Tecniche PCM

Indice del libro

Le tecniche di quantizzazione PCM si basano su:

  • codifica campione-per-campione: lavorano su un campione alla volta, e per ogni campione in ingresso producono un campione quantizzato in uscita;
  • codifica di forma d'onda: l'obiettivo è produrre una forma d'onda geometricamente simile all'originale → la forma d'onda risultante sarà anche percettivamente simile.

Le tecniche PCM per la codifica della voce in banda telefonica possono essere suddivise in:

  • statiche: una volta che l'algoritmo è stato progettato, esso non cambia nel tempo:
    • senza memoria (o stateless): ogni campione è quantizzato indipendentemente dagli altri campioni;
    • differenziali o predittive: la quantizzazione di ogni campione sfrutta anche informazioni dagli altri campioni nel passato e/o nel futuro;
  • adattative: l'algoritmo si adatta al segnale corrente stimato.
Caratteristiche delle tecniche PCM
  • + robustezza ai segnali di ingresso: poiché l'algoritmo non fa assunzioni sul tipo di segnale, esso continua a funzionare dando buone prestazioni se il tipo di segnale fornito in input non è voce;
  • + complessità: è quasi nulla, al massimo pari a 1 MIPS;
  • + ritardo: è basso;
  • bit rate: le tecniche PCM non riescono a garantire la toll quality con un bit rate al di sotto di 32 kb/s (4 bit/campione) → è un bit rate medio-alto, e può essere troppo alto per specifiche applicazioni (ad es. telefonia satellitare).

Tecniche PCM senza memoria

modifica

Quantizzatore uniforme: PCM lineare

modifica
 
Esempio di quantizzazione uniforme.
 
Caratteristica ingresso/uscita di un quantizzatore uniforme.

Il quantizzatore uniforme è caratterizzato da una distribuzione dei livelli uniforme: la zona operativa   è suddivisa in   gradini di quantizzazione di ampiezza costante  .

La potenza   dell'errore di quantizzazione  , avente una funzione densità di probabilità   uniforme, è:

 

Il rapporto segnale/rumore SNR è lineare nel numero di bit  :

 

→ il rapporto segnale/rumore SNR migliora di 6 dB per ogni bit in più utilizzato.

La codifica PCM lineare è basata su un quantizzatore uniforme a 4096 livelli:

  • frequenza di campionamento: (imposta dal teorema di Shannon)
     
  • numero di bit:
     
  • bit rate:
     

Quantizzatore ottimo: PCM logaritmico (log PCM)

modifica
 
Caratteristica ingresso/uscita di un quantizzatore ottimo per la voce.

Il quantizzatore uniforme è un quantizzatore ottimo per segnali distribuiti uniformemente sulla zona operativa, ma i segnali audio naturali hanno una distribuzione di probabilità non uniforme. In particolare, la voce ha una funzione distribuzione di probabilità PDF gaussiana fortemente concentrata intorno al valor medio → a parità di qualità, è possibile risparmiare bit utilizzando un quantizzatore avente una distribuzione dei livelli non uniforme:

  • intorno all'intensità media il segnale è più probabile → servono livelli più fitti;
  • alle basse e alle alte intensità il segnale è meno probabile → i livelli possono essere più radi.

Poiché l'orecchio umano è sensibile in modo para-logaritmico, il quantizzatore ottimo per la voce ha una distribuzione dei livelli simil-logaritmica:

 
I livelli del quantizzatore uniforme sono mappati ai livelli del quantizzatore ottimo secondo una distribuzione simil-logaritmica.
  • intorno all'intensità media, i livelli del quantizzatore uniforme sono mappati a tanti livelli vicini tra loro del quantizzatore ottimo;
  • alle basse e alle alte intensità, i livelli del quantizzatore uniforme sono mappati a pochi livelli lontani tra loro del quantizzatore ottimo.

Standard ITU G.711

modifica

Lo standard G.711, sviluppato da ITU, usa una codifica PCM logaritmica (log PCM) basata su un quantizzatore ottimo a 256 livelli:

  • numero di bit: i livelli di quantizzazione sono in minor numero ma sono meglio distribuiti secondo le caratteristiche del segnale vocale:
     
  • bit rate: lo standard G.711 raggiunge un bit rate più basso rispetto al PCM lineare pur mantenendone le stesse prestazioni:
     
Applicazioni
  • il primo standard per la telefonia digitale, chiamato ISDN

Ulteriori evoluzioni

modifica
  • telefonia cellulare (GSM, 3G...): il bit rate arriva a 13 kb/s, anche se con la tecnologia di oggi si potrebbe arrivare a circa 6 kb/s;
  • applicazioni militari (es. telefoni criptati) e civili (es. telefoni satellitari): il bit rate scende addirittura a 1 kb/s, ma la voce, seppur intelligibile, non è tanto naturale.

Tecniche PCM differenziali o predittive

modifica

Le tecniche PCM senza memoria sono adatte per la codifica del rumore bianco: ogni bit vale 0 o 1 con probabilità 50% → dato un qualunque campione, nessun campione nel passato o nel futuro può fornire informazioni sul campione corrente, perché i campioni sono tutti completamente scorrelati tra loro. Nei segnali audio naturali invece esistono molte correlazioni tra un campione e l'altro, che possono essere sfruttate per comprimere di più.

Quantizzatore differenziale: PCM differenziale (DPCM)

modifica

L'idea delle tecniche differenziali è quella di codificare e trasmettere non il campione del segnale originario, con tutta la sua ampia dinamica possibile di valori, ma solo la differenza, detta segnale differenziale, tra ogni campione e uno o più dei suoi campioni precedenti.

Se i campioni sono sufficientemente in media correlati tra loro, il segnale differenziale ha una dinamica   molto inferiore e una distribuzione gaussiana più stretta ( ) rispetto al segnale originario → servono meno livelli di quantizzazione per raggiungere le stesse prestazioni.

Quantizzatore differenziale del 1º ordine

modifica

La differenza   codificata e trasmessa è calcolata tra il campione corrente   e il campione precedente  :

 

Il coefficiente di correlazione   dice quanto due campioni consecutivi sono correlati tra loro:[1]

 
  • se il campione   è uguale al campione precedente  , la correlazione   è pari a 1:
     
  • se il campione   è completamente differente rispetto al campione precedente  , la correlazione   è pari a 0.

Il coefficiente di correlazione   è il valore ottimo che minimizza l'energia del segnale differenza  :

 


Il quantizzatore differenziale funziona molto bene con la voce telefonica grazie al fatto che statisticamente è un segnale fortemente correlato:

 
Processo di codifica e decodifica
  1. il codificatore calcola il segnale differenziale   tra il campione corrente   e il campione precedente  :
     
  2. il codificatore invia al decodificatore la versione quantizzata   del segnale differenziale;
  3. il decodificatore riceve il segnale differenziale quantizzato   e ricostruisce il campione corrente  :
     

Quantizzatore differenziale di ordine N

modifica

La differenza   è calcolata tra il campione corrente   e la combinazione lineare degli   campioni precedenti:

 

L'ordine   deve essere scelto dal compromesso tra:

  • prestazioni di compressione: più l'ordine è alto, più informazioni da campioni passati vengono prese per il campione corrente;
  • prestazioni di calcolo: all'aumentare dell'ordine aumentano:
    • la memoria necessaria per bufferizzare gli   campioni passati;
    • la complessità di calcolo.

Per la voce telefonica, la correlazione di breve termine (= relativa ai campioni adiacenti) è concentrata in media entro 8÷12 campioni → per la codifica della voce in banda telefonica è sufficiente il quantizzatore differenziale di ordine 10: il campione corrente viene codificato prendendo informazioni fino a 10 campioni (equivalenti a 1,2 ms) nel passato.

I valori ottimi dei parametri   possono essere calcolati risolvendo un sistema di   derivate parziali in modo analogo al caso del 1º ordine:

 

Codifica predittiva: Linear Predictive Coding (LPC)

modifica

Un approccio alternativo alla codifica differenziale è la codifica predittiva, che affronta un problema di predizione: data la serie storica dei valori passati, è possibile fare una predizione del campione   a partire dai campioni passati?

L'idea delle tecniche predittive è quella di codificare e trasmettere l'errore di predizione  , cioè la differenza tra il valore effettivo del campione corrente   e il valore predetto  :

 
  • codifica predittiva di ordine 1: la predizione   del campione corrente è basata solo sull'ultimo campione  :
     
    Se   è il coefficiente di correlazione   tra il campione predetto   e il campione effettivo  , l'errore di predizione   è minimizzato e la codifica è ottima;
  • codifica predittiva di ordine N: la predizione   del campione corrente è basata sulla combinazione lineare degli ultimi   campioni:
     
    Se i parametri   sono i coefficienti di predizione lineare, l'errore di predizione   è minimizzato e la codifica è ottima.
Processo di codifica e decodifica

La codifica predittiva funziona grazie al fatto che, dato che il decodificatore ha a disposizione una serie storica simile a quella a disposizione del codificatore, le predizioni svolte da entrambi indipendentemente l'uno dall'altro saranno simili:

  1. il codificatore calcola il valore predetto del campione corrente a partire dagli ultimi   campioni:
     
    • ordine 1:
       
    • ordine N:
       
  2. il codificatore calcola l'errore di predizione   confrontando il valore predetto   con il valore effettivo  :
     
    • ordine 1:
       
    • ordine N:
       
  3. il codificatore invia al decodificatore la versione quantizzata   dell'errore di predizione;
  4. anche il decodificatore calcola il valore predetto per il campione corrente a partire dagli ultimi   campioni ricostruiti:
     
    • ordine 1:
       
    • ordine N:
       
  5. il decodificatore riceve l'errore di predizione quantizzato   e ricostruisce il campione corrente  :
     
    • ordine 1:
       
    • ordine N:
       

Tecniche PCM adattative: adaptive PCM (APCM)

modifica
 
Schema a blocchi dell'algoritmo usato dalle tecniche APCM.

Le tecniche PCM statiche sono progettate in base alle caratteristiche statistiche di lungo termine del segnale (valor medio  , varianza  , funzione PDF...) → sono adatte per segnali stazionari le cui caratteristiche non dipendono dal tempo. I segnali audio naturali tuttavia sono fortemente non stazionari.

L'idea delle tecniche adattative è quella di usare un algoritmo in grado di adattarsi al segnale corrente stimato nel tempo, con l'obiettivo di risparmiare bit quando il segnale è meno complesso da codificare.

Algoritmo
  1. stima dello stato del segnale: si determina lo stato del segnale (ad es. rumore o voce) all'interno di una finestra ampia   campioni centrata in  ;
  2. scelta dell'algoritmo ottimo: si sceglie quale algoritmo di codifica è il più adatto al segnale corrente stimato entro la finestra corrente.
    L'algoritmo di codifica scelto deve essere mandato direttamente al ricevitore, cosicché il ricevitore sappia in che modo è stato codificato il segnale. I bit necessari per comunicare queste informazioni al ricevitore sono detti bit di overhead perché sono inviati insieme ai campioni quantizzati del segnale e quindi pesano sul bit rate complessivo;
  3. codifica di   campioni: si applica l'algoritmo di codifica scelto sulla sequenza di   campioni compresa nella finestra corrente, e i campioni quantizzati sono mandati al ricevitore;
  4. si ritorna al passo 1 avanzando la finestra alla sequenza di   campioni successivi.

Il numero   di campioni su cui viene applicato l'algoritmo di codifica scelto è un compromesso tra:

  • prestazioni di compressione dei bit che trasportano informazioni multimediali: un adattamento molto frequente permette di seguire fedelmente l'evoluzione del segnale nel tempo e stimare lo stato in modo meno grezzo;
  • limitazione dei bit di overhead: occorre contenere il bit rate complessivo evitando di inviare troppi bit di overhead.

Siccome il segnale vocale varia approssimativamente da 50 a 100 volte al secondo, è sufficiente aggiornare la scelta dell'algoritmo ottimo:

  • ogni 20 ms:
     
  • ogni   campioni:
     
Vantaggi/svantaggi
  • + prestazioni di compressione
  • complessità di calcolo: occorre stimare lo stato del segnale 50 volte al secondo (per la voce);
  • overhead: i bit di overhead, essendo inviati insieme ai campioni quantizzati del segnale, pesano sul bit rate complessivo;
  • robustezza: a volte è difficile stimare lo stato del segnale (ad es. voce con rumore di fondo)

Energy-tracking APCM

modifica
 
Schema a blocchi dell'algoritmo usato dalla codifica energy-tracking APCM.

La codifica energy-tracking APCM è basata su un quantizzatore uniforme con fondo scala variabile nel tempo al fine di adattarsi ai cambiamenti nel tempo dell'energia del segnale:

  • il fondo scala si riduce quando il segnale ha meno energia;
  • il fondo scala si allarga quando il segnale ha più energia.

Riducendo del fondo scala quando possibile, si possono ottenere due risultati:

  • aumento del rapporto segnale/rumore SNR a parità di bit rate: viene ridotta l'ampiezza   del gradino di quantizzazione, e quindi l'errore di quantizzazione  , mantenendo costante il numero   di livelli di quantizzazione;
  • riduzione del bit rate a parità di rapporto segnale/rumore SNR: viene ridotto il numero   di livelli di quantizzazione, mantenendo costante l'ampiezza   del gradino di quantizzazione.
Algoritmo
  1. stima dell'energia istantanea: si misura l'energia locale istantanea del segnale   all'interno della finestra corrente:
     
  2. scelta del fondo scala: si calcola il fondo scala più adatto per la finestra corrente (ad es. tramite la regola euristica del  ), e si invia come overhead al ricevitore il fondo scala scelto;
  3. quantizzazione uniforme di   campioni con il fondo scala scelto;
  4. si ritorna al passo 1.

Tecniche ADPCM

modifica
 
Schema a blocchi dell'algoritmo usato dalle tecniche ADPCM.

Le tecniche ADPCM introducono nelle tecniche DPCM l'adattività ai cambiamenti nel tempo dell'energia del segnale differenziale:

  • DPCM: i valori ottimi dei parametri   sono calcolati una volta in fase di progetto, in modo da minimizzare globalmente l'energia   del segnale differenziale:
     
  • ADPCM: i valori ottimi dei parametri   sono calcolati di volta in volta per la finestra corrente di   campioni, in modo da minimizzare localmente l'energia istantanea   del segnale differenziale:
     
Algoritmo
  1. stima dell'energia istantanea: si misura l'energia istantanea del segnale differenziale   all'interno della finestra corrente:
     
  2. calcolo dei valori localmente ottimi dei parametri  : si risolve il sistema di   derivate parziali (  per la voce), e si inviano come overhead al ricevitore i valori ottimi calcolati e quantizzati   (il ricevitore dovrà compiere un'operazione di inversione della matrice);
  3. quantizzazione differenziale di ordine N di   campioni con i parametri   calcolati, e il segnale differenziale quantizzato   è mandato al ricevitore;
  4. si ritorna al passo 1.

Quantizzazione dei parametri  

modifica
Quantizzatore uniforme

I valori ottimi dei parametri   calcolati per la finestra di trasmissione corrente sono numeri reali → oltre ai campioni del segnale stesso, occorre quantizzare anche questi valori per poterli mandare al ricevitore in modo digitale → occorre progettare un quantizzatore uniforme per ognuno dei 10 parametri  :

  1. creazione di un database: si raccoglie un numero statisticamente significativo di valori del parametro   a partire da un campione rappresentativo di segnali vocali;
  2. caratterizzazione statistica: si costruisce la funzione densità di probabilità PDF del parametro  , ricavandone le caratteristiche statistiche (per una gaussiana: la media   e la varianza  );
  3. scelta del fondo scala  , ad esempio tramite la regola euristica del  ;
  4. scelta del numero   di livelli:
    • se è noto a priori il rapporto segnale/rumore SNR desiderato, è facile ricavare il numero di livelli per mezzo della formula:
       
    • nel caso di segnali multimediali, si usano tanti livelli quanti bastano per ottenere una quantizzazione percettivamente trasparente: la voce ricostruita usando il parametro quantizzato   è percettivamente indistinguibile dalla voce ricostruita usando il parametro non quantizzato  .
Quantizzatore ottimo

La distribuzione di probabilità di ognuno dei parametri   però è fortemente concentrata intorno al valor medio → occorre progettare un quantizzatore ottimo, con distribuzione di livelli non uniforme, per ognuno di questi parametri.

Una volta progettato il quantizzatore ottimo, esso è in grado di quantizzare ogni parametro   su 3÷4 bit → i 10 parametri quantizzati   richiedono complessivamente circa 40 bit (sarebbe richiesto circa il doppio dei bit con il quantizzatore uniforme) → essendo inviati 50 volte al secondo (ogni 20 ms), generano un overhead di 2000 b/s: le prestazioni di compressione devono apportare un miglioramento tale da giustificare questo notevole overhead.

Standard ITU G.726

modifica

Lo standard ITU G.726, grazie a una codifica molto complessa che è derivata dalla tecnica ADPCM, riesce a dimezzare il bit rate del precedente standard, l'ITU G.711, mantenendo la stessa qualità (toll quality):

 

al prezzo di una complessità molto alta pari a 1 MIPS.

Applicazioni
  • cordless
  • ambito spaziale
  1.   è la funzione di valore atteso della variabile casuale  .