شکل‌دهی طیف نویز بازسازی در کدگذار ADPCM با پیش‌بینی پسرو
الموضوعات :قاسم علیپور 1 , محمدحسن ساوجی 2
1 - دانشگاه صنعتی همدان
2 - دانشگاه شهید بهشتی
الکلمات المفتاحية: پیش‌بینی وفقی پسرو شکل‌دهی طیفی نویز کدگذاری صحبت کدگذار ADPCM کیفیت ادراکی سیگنال صحبت,
ملخص المقالة :
تفکر اصلی در روش کدگذاری ADPCM حذف افزونگی‌های موجود در سیگنال صحبت قبل از چندی‌کردن آن است. علی‌رغم سطح پایین خطای بازسازی، یک ویژگی مهم این کدگذار صاف‌بودن شکل طیفی سیگنال خطای بازسازی است. در پژوهش جاری سعی می‌شود که با اعمال یک فیلتر تمام‌صفر به کدگذار ADPCM با پیش‌بینی پسرو، جهت شکل‌دهی طیفی نویز بازسازی، کیفیت ادراکی سیگنال بازسازی‌شده را افزایش داد. این عمل منجر به ایجاد یک تعامل مناسب میان سطح انرژی و شکل طیفی این سیگنال خطا می‌شود. نتایج حاصل بیان‌گر افزایش کیفیت ادراکی سیگنال بازسازی‌شده (بر اساس معیار PESQ) در عوض افزایش انرژی خطای بازسازی (بر اساس معیار SNR) است.
[1] N. S. Jayant and P. Noll, Digital Coding of Waveforms: Principles and Applications to Speech and Video, New Jersey: Prentice Hall, 1984.
[2] J. R. Deller et al., Discrete-Time Processing of Speech Signals, New York: Macmillan, 1993.
[3] N. Jayant, J. Johnston, and R. Safranek, "Signal compression based on models of human perception," Proceeding of the IEEE, vol. 81, no. 10, pp. 1385-1422, Oct. 1993.
[4] T. Painter and A. Spanias, "Perceptual coding of digital audio," Proceeding of the IEEE, vol. 88, no. 4, pp. 451-515, Apr. 2000.
[5] J. H. Chen and A. Gersho, "Adaptive postfiltering for quality enhancement of coded speech," IEEE Trans. Speech and Audio Processing, vol. 3, no. 1, pp. 59-70, Jan. 1995.
[6] D. Malah and R. V. Cox, "A generalized comb filter technique for speech enhancement," in Proc. IEEE ICASSP, vol. 7, pp. 160-163, May 1982.
[7] V. Ramanaoorthy, N. S. Jayant, R. V. Cox, and M. M. Sondhi,"Enhancement of ADPCM speech coding with backward-adaptive algorithms for postfiltering and noise feedback," IEEE J. Select. Areas Commun., vol. 6, no. 2, pp. 364-382, Feb. 1988.
[8] B. S. Atal and M. R. Schroeder, "Predictive coding of speech and subjective error criteria," IEEE Trans. Acoust. Speech, Signal Process., vol. 27, no. 2, pp. 247-254, 1979.
[9] M. R. Schroeder, B. S. Atal, and J. L. Hall, "Optimizing digital speech coders by exploiting masking properties of the human ear," J. of Acoust. Soc. Am., vol. 66, no. 6, pp. 1647-1652, 1979.
[10] J. Makhoul and M. Berouti, "Adaptive noise spectral shaping and entropy coding in predictive coding of speech," IEEE Trans. Acoust., Speech, Signal Processing, vol. 27, no. 1, pp. 63-73, Feb. 1979.
[11] A. Borowicz and A. Petrovsky, "Signal subspace approach for psychoacoustically motivated speech enhancement," Speech Communication, vol. 53, no. 2, pp. 210-219, Feb. 2011.
[12] E. Ravelli et al., "Joint Optimization of Base and Enhancement Layers in Scalable Audio Coding," IEEE Trans. Acoust. Speech, Signal Process., vol.21, no.4, pp.711-724, Apr. 2013.
[13] ITU-T, "Recommendation G.711.1, wideband embedded extension for G.711 pulse code modulation," in ITU-T Recommendation, Ed. Geneva, Switzerland, 2008.
[14] S. Haykin, Adaptive Filter Theory, Pearson Education India, 2008.
[15] A. Sayed, Fundamentals of Adaptive Filtering, New York, 2003.
[16] TIMIT, DARPA TIMIT-Acoustic-Phonetic Continuous Speech Corpus, [Online].
[17] ITU-T, "P.862: perceptual evaluation of speech quality (PESQ): an objective method for end-to-end speech quality assessment of narrow-band telephone networks and speech Codecs," in ITU-T Recommendation, Ed. Geneva, Switzerland, 2001.
