Transparents Compression PDF

Compression de sources sonores
N. MOREAU
GET - ENST/TSI
nicolas.moreau@enst.fr
20 décembre 2007 Licence de droits d’usage Page 1

Nicolas MOREAU
Idée directrice
• Codage audio : domaine assez complexe

• Différents types de signaux
? Parole en bande téléphonique, en bande élargie
? Musique en bande Hi-Fi
• Plusieurs organismes de standardisation/normalisation
• Nombreuses normalisations/recommandations
• Plan de l’exposé
• Focalisation sur les codeurs
? Musique : codeurs “perceptuels” MPEG-4 AAC, AAC+
? Parole : codeur “CELP”
? Musique/parole : codeurs “paramétriques”
• Leur place dans le paysage
• Les principes, les informations transmises

Nicolas MOREAU
Généralités
• Parole
• Bande téléphonique : ∆B = 300 Hz - 3.3 kHz, Fe = 8 kHz
Débit : 13 bits × 8 kHz = 104 → 6 kbit/s
• Bande élargie : ∆B = 50 Hz - 7 kHz, Fe = 16 kHz
• Musique Bande Hi-Fi
• Qualité “FM” : ∆B = 20 Hz - 15 kHz, Fe = 32 kHz
Débit : 16 bits × 32 kHz = 512 → 64 kbit/s (monovoie)
• Qualité “CD” : ∆B = 20 Hz - 20 kHz, Fe = 44.1 kHz
Débit : 16 bits × 44.1 kHz = 705 → 64 kbit/s
(1.4 Mbit/s → 96 kbit/s en stéréo)
• Qualité “Studio” : ∆B = 20 Hz - 22 kHz, Fe = 48 kHz
(3.84 Mbit/s → 384 kbit/s en 5.1)
• Qualité “parfaite” : ∆B = 20 Hz - 40 kHz, Fe = 96 kHz
Débit : 24 bits × 96 kHz = 13.8 → ? Mbit/s en 5.1
Nicolas MOREAU
CD et nouveaux supports
• CD
• Fe = 44.1 kHz, résolution = 16 bits
Débit = 705 kbit/s en mono (1.4 Mbit/s en stéréo)
• Existence de codes correcteurs sophistiqués
? 2 étages de codes Reed Solomon séparés par un entrelaceur
? + bits d’information + bits de commandes (gestion des pistes)
+ “Eight-to-fourteen modulation” + bits de synchronisation
⇒ CD ≡ canal à 4.3 Mbit/s
• Nouveaux supports
• DVD-Audio : Fe = 48, 96 ou 192 kHz / 24 bits
SACD (Super Audio CD) : Fe = 2.82 MHz / 1 bit
(modulation “sigma-delta”)
Approximativement équivalents en qualité et en capacité (≈ 5 Go)
Multi-canaux (de 2 à 6)
• Prochainement : HD-DVD, Blu-Ray Disc ? Capacité × 5
Nicolas MOREAU
Un “bon” codeur : résultat d’un compromis
• Débit
Codeur monodébit, multidébit, hiérarchique (“scalable”, train
binaire en plusieurs “couches”)
• Qualité
• Complexité (exprimée en MIPS sur un DSP, en % sur un PC)
Implantation en virgule fixe, en virgule flottante
• Retard de reconstruction (critique en “full duplex”)
Retard algorithmique : dépend de la durée d’une “fenêtre
d’analyse”
Retard total ≈ 3× retard algorithmique < 150 ms
• Tenue aux erreurs de transmission
Communications avec les mobiles : codes correcteurs d’erreurs
Communications sur IP : problème de pertes de paquets
Nicolas MOREAU
Evaluation de la qualité
• Test subjectif (écoute) formel (protocole expérimental)

• Codeurs de parole : qualité médiocre ⇒ tests d’intelligibilité
(Absolute Category Rating, Degradation Category Rating, etc.)
• Codeurs audio débits compris entre 20 et 64 kbits/s
Qualité “intermédiaire” ⇒ méthode MUSHRA
Recommandation UIT-R BS.1534-1
• Codeurs audio de très bonne qualité
“Transparence” ⇒ Recommandation UIT-R BS.1116
• Recommandation UIT-R BS.1116
• Enregistrements courts (entre 5 et 10 secondes) répétés 3 fois
• Deux possibilités ABA/AAB (A = original, B = codé/reconstruit)
• Réponse réclamée : B en 2ème ou en 3ème position ?
Opinion sur B (5 niveaux)
• Traitement statistique ⇒ comparaison “objective” entre codeurs

Nicolas MOREAU
Organismes de standardisation/normalisation
• UIT-T (SC16/WP3/Q7-10)
• Parole en bande téléphonique sur réseaux fixes + paquets
• Téléphonie, visiophonie, VoIP
• ISO/IEC (JTC1/SC29/WG11)
• Musique en bande Hi-Fi
• Baladeurs, DVD, TNT, streaming, brodcasting, Digital Radio
Mondiale
• ETSI, TIA, 3GPP
• Parole en bande téléphonique ou élargie/Musique sur réseaux
mobiles
• Téléphonie, streaming, ...
• INMARSAT, OTAN, DoD
• Parole sur des réseaux particuliers
• Transmissions par satellites, communications militaires
Nicolas MOREAU
Parole en bande téléphonique
• Réseau téléphonique commuté

Recommandations UIT-T
• 64 kbit/s : G.711 en 1972
PCM : Pulse Code Modulation
• 32 kbit/s : G.721 en 1984
ADPCM : Adaptive Differential PCM
• 16/24/32/40 kbit/s : G.726 (version multidébit)
G.727 (version à codes imbriqués)
• 16 kbit/s : G.728 en 1991
LD-CELP : Low Delay Code Excited Linear Prediction
• 8 kbit/s : G.729 en 1995
CS-ACELP : Conjugate Structure Algebraic CELP
• 5.3/6.3 kbit/s : G.723.1 en 1995

Nicolas MOREAU
Parole en bande téléphonique : applications
• Réseau téléphonique commuté

• 64 kbit/s G.711 : Réseau RNIS
• 32 kbit/s G.721 G.726 G.727 :
Transmissions par cables sous-marins, satellites
Norme européenne téléphone sans cordon DECT
(Digital Enhanced Cordless Telecommunications)
Protocoles de transmission par paquets
(Packetized Voiced Protocol)
• 16 kbit/s G.728 : Transmissions réseaux par paquets ATM ou IP
• 8 kbit/s G.729 : Liaisons satellites
• 5.3/6.3 kbit/s G.723.1 : Visiophonie RTC

Nicolas MOREAU
Parole en bande téléphonique (suite)
• Communication avec les mobiles : ETSI en Europe

(European Telecommunications Standards Institute)
• 1ere génération
? 13 (22.8) kbit/s GSM 06.10 en 1988
RPE-LTP : Regular Pulse Excitation Long Term Predictor
• 2eme génération
? 5.6 (11.4) kbit/s GSM 06.20 “Half-Rate” en 1994
? 12.2 (22.8) kbit/s GSM 06.60 “Enhanced Full-Rate” en 1996 (ACELP)
? 4.75 → 12.2 (11.4/22.8) kbit/s GSM 06.90 en 1999
ACELP-AMR : Adaptive Multi Rate
• 3eme génération : 3GPP (3rd Generation Partnership Project)
? AMR-WB (wide band) : collaboration UIT/ETSI G.722.2

Nicolas MOREAU
Parole en bande téléphonique (suite)
• Autres applications
• Communications sécurisées :
2.4 kbit/s US DoD (LPC10) en 1976 (puis en 1997)
4.8 kbit/s : US DoD en 1991
• Communications avec les mobiles par satellite :
INMARSAT ≈ 6 kbit/s : IMBE en 1990
• Applications militaires (normes OTAN)
4800 ... 800, 600, 400 bits/s

Nicolas MOREAU
Parole en bande élargie
• Communications de groupe : téléconférence, téléphonie sur

haut-parleurs
• 48/56/64 kbit/s : G.722 en 1986
SB-MICDA
• 24/32 kbit/s : G.722.1 en 1999
LCTC : Low Complexity Transform Coder
• Téléphonie mobile
• 6.6/ ... /23.85 kbit/s : AMR-WB, G.722.2 en 2002

Nicolas MOREAU
Normalisations : MPEG-1, MPEG-2
• En 1992 : MPEG-1 (Diffusion audio numérique (DAB))

• Mono/stéréo, Fe = 32, 44.1 ou 48 kHz
• 3 couches de qualité équivalente mais de complexité croissante :
Transparence 705 → 192, 128, 96 kbit/s
• MP3 = MPEG-1 Layer 3
• En 1994, 1997 : MPEG-2 (TNT, TVHD, DVD, etc.)
• Extension multi-voies (5.1) du MPEG-1, nombreuses fréquences
d’échantillonnage, nombreux débits
• MPEG-2 BC (Backward Compatible)
• MPEG-2 AAC (Audio Advanced Coder)
? Codeur le plus performant à l’heure actuelle (utilisé dans les iPods)
? Transparence à ≈ 64 kbit/s (384 kbit/s dans la configuration 5.1)
? Plusieurs “profils”, nombreux “outils”
? Complexité ≈ 100 MIPS (codeur), 10 MIPS (décodeur)
• Autres codeurs “propriétaire” : Dolby AC3 en 1995, etc.
Nicolas MOREAU
MPEG-4
• Objectifs ambitieux
• Sons d’origine naturelle (microphone) ou synthétique (machine)
• Définition d’objets sonores, de scènes sonores
• Normalisations
• Première version : en 1998
• Nombreuses révisions, nombreux compléments
• “Draft International Standard” en 2005
ISO/IEC 14496-3 :2005
“Information technology - Coding of audio-visual objects”

Nicolas MOREAU
MPEG-4 : Sons d’origine naturelle
• Définition d’une famille de codeurs hiérarchiques

705 → 64 kbit/s ⇒ “Transparence”
64 → 2 kbit/s ⇒ Qualité “intermédiaire” (ou médiocre)
• Parole en bande téléphonique, bande élargie
• 24 → 4 kbit/s : Codeur CELP (≈ UIT-T G.729)
• 4 → 2 kbit/s : Codeur HVXC (Harmonic Vector eXcitation Coding)
• Musique en bande Hi-Fi
• 64 → 16 kbit/s : Codeur MPEG-2 AAC
Variante BSAC (Bit Slice Arithmetic Coding)
Version TWIN-VQ (Transform Weighted INterleave-VQ)
Outil SBR (Spectral Band Replication)
Outil Parametric stereo
• 24 → 2 kbit/s : Codeur HILN (Harmonic and Individual Line plus
Noise coding)
Nicolas MOREAU
MPEG-4 : Sons d’origine naturelle (suite)
• MPEG-4 AAC+ ou HE-AACv2 (High Efficiency)

• AAC + SBR (Spectral Band Replication) + Parametric stereo
• Taux de compression élevé : 2 × 705 → 24 kbit/s
• Qualité intermédiaire
• Candidat pour plusieurs normes : Digital Radio Mondiale, 3GPP, ...
• MPEG-4 SLS (Scalable lossless Coding)
• Taux de compression faible
705 → ≈ 300 kbit/s (sans perte) → ≈ 64 kbit/s (scalable)
Studio de production

Nicolas MOREAU
MPEG-4 : Autres potentialités
• Sons d’origine synthétique

• Algorithme de synthèse de la parole
Synthèse ”Text-To-Speech”
• Langage pour engendrer de la musique
SAOL : Structured Audio Orchestra Language
• Exploitation du format MIDI
• Standardization de la façon de décrire une scène
• Définition de l’endroit dans un système de coordonnées où se
trouve (se déplace) un objet sonore (navigation dans une scène)
• Façon dont est modifiée l’apparence de chaque objet
• Modifications prosodiques pour de la parole
• Réverbération, spatialisation pour de la musique

Nicolas MOREAU
Transformées de Fourier
• à “temps continu” (TFTC)

Z +∞ Z +∞
x(t) = X (f ) exp(j2πft) df
X (f ) = x(t) exp(−j2πft) dt
−∞ −∞
• à “temps discret” (TFTD)

Z +1/2 +∞
X
x(n) = X (f ) exp(j2πfn) df
X (f ) = x(n) exp(−j2πfn)
−1/2 n=−∞
• “discrète” (TFD, FFT)

N−1 N−1
1 X k X k
x(n) = X (k ) exp(j2π n)
X (k ) = x(n) exp(−j2π n)
N N N
k=0 n=0
X =Hx

Nicolas MOREAU
TFD : Interprétation fréquentielle
N−1 N/2
1 X k 1 X k
x(n) = X (k ) exp(j2π n) = |X (k )| cos(2π n + φ(k ))
N N N N
k =0 k =0
N k
[|X (0)|2 · · · |X ( )|2 ] ⇒ {S(fk = )}fk =0···1/2
2 N
“Densité Spectrale de Puissance” ou “Spectre de puissance”

100
0.4
90
0.3
80
0.2
70
0.1
60
0 S (f) [dB]
X
50
−0.1 40
30
−0.2
20
−0.3
10
−0.4
0
0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.19 0 1 2 3 4 5 6 7 8
Temps [s] Fréquences [kHz]

Nicolas MOREAU
Exemple d’un signal de parole : “Là-bas il y a ...”
0.4
0.3
0.2
0.1
−0.1
−0.2
−0.3
−0.4
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Temps [s]
100
0.4
90
0.3
80
0.2
70
0.1
60
S (f) [dB]
0
50
X
−0.1 40
30
−0.2
20
−0.3
10
−0.4
0
0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.19 0 1 2 3 4 5 6 7 8
“Fenêtres d’analyse” recouvrantes 20 ms (N = 160 si Fe = 8 kHz)

Nicolas MOREAU
Exemple d’un signal de musique : violon
0.25
0.2
0.15
0.1
0.05
−0.05
−0.1
−0.15
−0.2
−0.25
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps [s]
0.25 100
0.2 90
0.15 80
0.1 70
0.05 60
S (f) [dB]
0 50
X
−0.05 40
−0.1 30
−0.15 20
−0.2 10
−0.25 0
0.15 0.16 0.17 0.18 0.19 0.2 0 2 4 6 8 10 12 14 16 18 20
“Fenêtres d’analyse” recouvrantes 20 ms ⇒ N = 512, 1024 ou 2048

Nicolas MOREAU
Autre exemple : piano
0.2
0.15
0.1
0.05
−0.05
−0.1
−0.15
−0.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Temps [s]
100
0.2
90
0.15
80
0.1
70
0.05
60
S (f) [dB]
0 50
X
−0.05 40
30
−0.1
20
−0.15
10
−0.2
0
0.45 0.46 0.47 0.48 0.49 0.5 0 5 10 15 20
Spectre de puissance caractéristique du “timbre” de l’instrument

Nicolas MOREAU
Codeurs de parole : plan de l’exposé
• Codeur PCM à 64 kbit/s : QS non uniforme

• Codeur ADPCM à 32 kbit/s
• Rappels de la théorie de la prédiction linéaire
• Principe du codeur ADPCM
• Introduction d’un modèle de production de type “source/filtre”
• Détermination des coefficients du filtre
“Analyse LPC” toutes les 20 ms (N = 160)
• Détermination de l’entrée du filtre
? Codeur LPC10 à 2.4 kbit/s
Bruit blanc pour des sons non voisés
Train d’impulsions pour des sons voisés
? Codeur RELP (Residual Excitation Linear Prediction) et
“multi-impulsionnel” : schéma en “boucle ouverte”
? Codeur CELP à 8 kbit/s : schéma en “boucle fermée”

Nicolas MOREAU
Quantification scalaire
8 8
6 6
4 4
2 2
0 0
−2 −2
−4 −4
−6 −6
−8 −8
5 10 15 20 25 30 35 40 45 50 5 10 15 20 25 30 35 40 45 50
• b = résolution = nombre de bits/échantillon

• Bruit de quantification q(n) = x(n) − x̂(n) modélisable par un bruit
blanc de puissance
σX2
σQ2 = c σX2 2−2b ⇒ 10 log10 = 6.02 b − cdB
σQ2
• Règle des “6 dB par bit”

Nicolas MOREAU
Quantification vectorielle
x(n)
X0 X0
. x(m) Regle du i(m) Inspection x(m) .
. .
. plus proche dans .
voisin une table
X N-1 X N-1
x(n)
1 L
x x
Regroupement des échantillons 2 par 2 puis projection dans le plan
10
8
8
6
6
4
4
2
2
0 0
−2
−2
−4
−4
−6
−6
−8
−8
−10
20 40 60 80 100 120 140 −8 −6 −4 −2 0 2 4 6 8

Nicolas MOREAU
Performances comparées QS/QV
8 8
6 6
4 4
2 2
0 0
−2 −2
−4 −4
−6 −6
−8 −8
−8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8
QS : N = 1 L = 4 QV : N = 2 L = 16
2 2
σQ |QS > σQ |QV

Nicolas MOREAU
Codeur MIC (64 kbit/s)
• QS mal adaptée à des signaux présentant des variations de

puissance instantanée importantes
• Maintenir un RSB ≈ cst
• Utilisation d’une caractéristique non-linéaire
y (n) = f [x(n)], ŷ (n) = QSunif [y(n)], x̂(n) = f −1 [ŷ (n)]
“Loi A” en Europe, “Loi µ” aux États-Unis
• “COMPANDING” = “COMPressing” + “expANDING”
10
−2
−4
−6
−8
−10
−10 −8 −6 −4 −2 0 2 4 6 8 10

Nicolas MOREAU
Codeur MICDA : QS prédictive
x(n) + y(n) y(n) + x(n)

+ Q Q −1 +
− +
v(n)
A’(z)
• Erreur de quantification : q(n) = y(n) − ŷ(n)

Erreur de reconstruction : q̄(n) = x(n) − x̂(n) = q(n)
Erreur de prédiction : y(n) = x(n) − v (n) = x(n) + Pi=1 ai x(n − i)
P
• Chaque fenêtre d’analyse : [x(0) · · · x(N − 1)]

N−1
X N−1
X P
X
aopt = arg min y 2 (n) = arg min [x(n) + ai x(n − i)]2
a1 ···aP a1 ···aP
n=0 n=0 i=1
• Codeur à 32 kbit/s ⇒ quantifier y(n) sur 4 bits

Nicolas MOREAU
Codeur MICDA : QS prédictive en boucle fermée
x(n) + y(n) y(n) + x(n)

+ Q Q −1 +
− +
v(n)
A’(z)
x(n) + r(n) r(n) + x(n)

+ Q Q −1 +
− +
v(n)
A(z)
+ r(n) + x(n)
+ Q Q −1 +
− +
Q −1 A(z)
r(n)
+
+
+
x(n)
A(z)
• Schéma en “boucle ouverte” non réaliste

⇒ Schéma en “boucle fermée”
• Décodeur “local” / Décodeur “lointain”
Nicolas MOREAU
Prédiction linéaire : approche “Moindres Carrés”
• Connaissant x(0) · · · x(N − 1) on cherche a1 · · · aP minimisant

N−1
X N−1
X
y 2 (n) = [x(n) + a1 x(n − 1) + · · · + aP x(n − P)]2
n=0 n=0
• Expression matricielle
···
2 3 2 3 2 32 3
y (0) x(0) x(−1) x(−P) a1
.. .. .. .. 76 . 7
= + 5 4 .. 5
6 7 6 7 6
4 . 5 4 . 5 4 . .
y (N − 1) x(N − 1) x(N − 2) ··· x(N − P − 1) aP
y = x + Γa
• Solution
∂ t ∂ t
[y y ] = [x x + 2x t Γa + at Γt Γa] = 0 ⇒ aopt = −(Γt Γ)−1 Γt x
∂a ∂a

Nicolas MOREAU
Théorie de la prédiction linéaire
• Connaissant le p.a. X (n) on cherche a1 · · · aP minimisant

E{Y 2 (n)} = E{[X (n) + a1 X (n − 1) + · · · + aP X (n − P)]2 }
• Minimisation de :
σY2 = σX2 + 2 r t a + at Ra
··· rX (P − 1)
2 3 2 3
rX (1) rX (0)
r =4 .
. .
. .. ..
5 R=4
6 7 6 7
. . . . 5
rX (P) rX (P − 1) · · · rX (0)
• Solution : équations normales (de Yule-Walker)
aopt = −R −1 r
σY2 = at r

Nicolas MOREAU
Théorie de la prédiction linéaire (propriétés)
• Le filtre A(z) = 1 + a1 z −1 + · · · + aP z −P est le filtre “blanchissant”

• Si X (n) est un p.a. AR d’ordre P0 , alors il existe un filtre
totalement blanchissant dès que P ≥ P0
• On en déduit
σY2
SY (f ) = |A(f )|2 SX (f ) = σY2 ⇒ SX (f ) =
|A(f )|2

Nicolas MOREAU
Faire une “Analyse LPC”
• A partir de x(0) · · · x(N − 1) calculer

N−1−k
1 X
r̂ (k ) = x(n)x(n + k ) pour k = 0 · · · P
N
n=0
• Résoudre a = −R̂ −1 r̂
• Filtrer x(n) ⇒ le signal “résiduel” y(n)
100
0.4
90
0.3
80
0.2
70
0.1
S (f) [dB] 60
0 50
X
−0.1 40
30
−0.2
20
−0.3
10
−0.4
0
0.12 0.125 0.13 0.135 0.14 0.145 0.15 0 0.5 1 1.5 2 2.5 3 3.5 4

Nicolas MOREAU
Codeurs de parole : recherche d’un modèle
x(n) y(n) Flux binaire y(n) 1 x(n)

A(z) −1 A(z)
Q Q
LPC a a
Emetteur Canal Récepteur
• 1ère étape : modélisation de x(n) par la réalisation d’un

processus AR(P) ⇒ détermination des coefficients du filtre de
synthèse 1/A(z)
• 2ème étape : modélisation de l’entrée du filtre de synthèse
• 1ère tentative : rendre SX̂ (f ) ≈ SX (f ) ⇒ “vocodeur”
• Autres tentatives : codeurs “hybrides”, codeurs
“analyse-par-synthèse”
Nicolas MOREAU
Codeur LPC10 (2.4 kbit/s)
• Sons non voisés : ŷ(n) = réalisation bruit blanc puissance σY2

σY2
SX̂ (f ) =
|A(f )|2
• Sons voisés : ŷ(n) = α

P
k λ(n − kT0 + φ)
X δ(f − kf0 )
SX̂ (f ) = α
|A(kf0 )|2
k
• Débit (actualisation et transmission des paramètres du modèle

toutes les 20 ms)
• A(z) ≈ 50 × 10 × 3 ou 4 ≈ 1.8 kbit/s
QV des “Line Spectrum Pairs”
• σY2 ≈ 50 × 6 ≈ 300 bit/s (couvrir 50 dB par pas de 1 dB)
• Distinction voisé/non voisé = 50 bits/s
• Pitch : 50 × log2 (T0max − T0min ) = 350 bits/s
Nicolas MOREAU
Codeur CELP : Approche “QV”
x(n)
X0 Formes X0
. Regle du Inspection .
. .
. plus proche Gains dans .
voisin une table
X N-1 X N-1
1 L
f f
1 Coefficients 1
Modelisation
A(z) A(z)
• Dictionnaire de quantification vectorielle adapté par filtrage

Nicolas MOREAU
Codeur CELP : Approche “Modélisation
paramétrique”
x(m)
− Min || x − x ||
0 L−1
0 r(m) 1
x(m)
A(z)
N−1 g(m)
i(m)
• Modèle de production “source-filtre”

• Schéma de codage “analyse-par-synthèse”
• QV “gain-forme” et “multi-étages”

Nicolas MOREAU
Codeur CELP : Informations transmises
6 x(m)
?-
0 i(m) L − 1 − min ||x − x̂||2
Emetteur
0 g(m)
-× - 1 6
ŷ(m) A(z) x̂(m)
N−1
6 6
? 6
6 Canal
? 0 i(m) L − 1
6 0 g(m)
-× 1
Récepteur - -
ŷ(m) A(z) x̂(m)
N−1
?
• Chaque fenêtre d’analyse : P coefficients, un no, un gain

Nicolas MOREAU
Cas du codeur UIT-T G.729 à 8 kbit/s
• Coefficients du filtre de synthèse 1/A(z) d’ordre P = 10

• Actualisation toutes les 10 ms (fenêtre d’analyse de 80
échantillons)
• Codage des “Line Spectrum Pairs” sur 18 bits
• Entrée du filtre de synthèse e(n) = e1 (n) + e2 (n)
• Actualisation toutes les 5 ms
• Prédicteur à long terme : e1 (n) = g1 e(n − λ)
• g1 codé sur 3 bits, λ codé sur 7 bits
λ : caractéristique de la période fondamentale (“pitch”)
• e2 (n) = g2 sk (n) où sk (n) ∈ [s0 · · · sL−1 ] = dictionnaire de QV
• g2 codé sur 4 bits, k codé sur 13+4 bits
• Toutes les 10 ms : 18 + 2 × (3 + 7 + 4 + 17) = 80 ⇒ 8 kbit/s

Nicolas MOREAU
Compression audio
• Domaine de recherche très actif ces 20 dernières années

• Codeurs très efficaces largement disponibles actuellement
• Différentes approches en fonction du taux de compression :
• Taux de compression “standards” (705 → ≈ 64 kbit/s)
Nécessité de la “transparence”
Baladeurs MP3, DVD, TNT
Elimination des composantes inaudibles ⇒ codeurs “perceptuels”
• Taux de compression élevés (705 → ≈ 24 kbit/s)
Qualité “intermédiaire”
Streaming, téléphones mobiles
• Taux de compression faibles (705 → ≈ 300 kbit/s → ≈ 64 kbit/s)
Codage sans perte ou presque sans perte
Archivage, studios production

Nicolas MOREAU
Codeurs de musique : plan de l’exposé
• Principe des codeurs “perceptuels”

• Codeur MPEG-1 Layer-1
• Propriétés du banc de filtres d’analyse et de synthèse
• Etude du module de quantification
• Procédure d’allocation de bits : exploitation de quelques résultats
de psychoacoustique
• Codeur MPEG-2 (MPEG-4) AAC
• Caractéristiques de ce codeur
• Une simulation matlab
• Codage stéréo

Nicolas MOREAU
Principe des codeurs “perceptuels”
SX (f )
- Estimateur
spectral
- Modèle
d’audition
Φ(f )
?
Allocation
x(n) de bits
?
X (m)
?- Chaı̂ne ? X̂ (m)
x(m) binaire
- H - Q - - Q −1 - F - x̂(m)
- x̂(n)
Emetteur -Canal - Récepteur -
• Transformation temps-fréquences : X (m) = H x(m)

• Allocation de bits sous le contrôle d’un modèle d’audition
• QS/QV des composantes X (m) + codage entropique
• Au récepteur, reconstruction du signal : x̂(m) = F X̂ (m)

Nicolas MOREAU
Transformation temps-fréquences :
Exemple banc de filtres
100 100
90
0.15 90
80 80
0.1
70 70
0.05
60 60
50 0 50
40 40
−0.05
30 30
−0.1
20 20
10 −0.15 10
0 0
0 5 10 15 20 200 400 600 800 1000 1200 1400 1600 1800 0 5 10 15 20
N/2M−1 N/2−1
X k X k
x(n) = |X (k )| cos(2π n + φ(k )) + · · · + |X (k)| cos(2π n + φ(k))
N N
k=0 k =(M−1)N/2M

Nicolas MOREAU
Résolutions temporelle, fréquentielle
• Résolution temporelle
0.2
0.15
0.1
0.05
Amplitude 0
−0.05
−0.1
−0.15
−0.2
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Temps [s]
• Résolution fréquentielle
• Gamme tempérée : diviser une octave en 12 intervalles √ (demi-tons)
12
f0 , f1 , · · · , f11 , 2f0 vérifiant fk = αfk −1 avec α = 2
• Plus petit√intervalle audible ≤ un quart de ton
24
• ∆(f ) = ( 2 − 1)f ⇒ 3 Hz à 100 Hz, 30 Hz à 1000 Hz etc.

Nicolas MOREAU
Phénomène de masquage, seuil de masquage
80 80
70 70
60 60
50 50
SX(f) [dB]
S (f) [dB]
40 40
X
30 30
20 20
10 10
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Fréquences [kHz] Fréquences [kHz]
• Résultats de psychoacoustique : 1 sinusoı̈de “masquante” + 1

sinusoı̈de “masquée”
• Double généralisation nécessaire : Nombreuses sinusoı̈des
“masquantes”, nombreuses sinusoı̈des “masquées”
• Erreur inaudible si SQ (f ) < Φ(f ) ∀f et ∀ la fenêtre d’analyse
Nicolas MOREAU
Un résultat de la théorie du codage de source
80 80
70 70
60 60
50 50
SX(f) [dB]
SX(f) [dB]
40 40
30 30
20 20
10 10
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Fréquences [kHz] Fréquences [kHz]
• Débit nécessaire et suffisant pour quantifier une source de DSP

SX (f ) en acceptant un bruit de DSP SQ (f ) :
Z +1/2
1 SX (f )
b≥ max[0, log2 ] df
2 −1/2 SQ (f )
• Déterminer les bandes de fréquence vérifiant SX (f ) > Φ(f )

Allouer les bits en fonction du rapport SX (f )/Φ(f )
• Ici : suppression ≈ 50% des composantes, RSBmoy ≈ 12 dB
⇒ Taux compression ≈ 2 × 16/2 = 16
Nicolas MOREAU
En réalité : c’est plus compliqué ...
5000
4000
3000
2000
1000
−1000
−2000
−3000
−4000
−5000
1000 2000 3000 4000 5000 6000 7000
• Nombreux problèmes
• Par exemple celui de la résolution temporelle/fréquentielle
Son entretenu : bonne résolution fréquentielle ⇒ fenêtres longues
Son percusif : bonne résolution temporelle ⇒ fenêtres courtes
Codeur AAC : commutation fenêtres longues/courtes
• Nombreux compromis assez subtils
• Débit, Qualité, Complexité
• Délai de reconstruction, Robustesse aux erreurs
Nicolas MOREAU
Codeur MPEG-1 Layer-1 :
Transformation temps-fréquences
20
0
Estimation spectrale Modele d’audition
Allocation −20
de bits
|H(f)| [dB]
−40
q (m)
0
y (m)
0
H (z) 32 32 F (z) −60
0 0
x(n) x(n)
q (m) −80
31
y (m)
31
H (z) 32 32 F (z)
31 31
−100
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Fréquences [kHz]
• Banc de M = 32 filtres modulés (N = 512)

2k + 1 2k + 1
Hk (f ) = H(f − ) + H(f + )
4M 4M
• Pas de reconstruction parfaite mais RSB > 90 dB
• M N ⇒ bonne résolution temporelle (∝ M) mais mauvaise
résolution fréquentielle (∝ 1/M)
Nicolas MOREAU
Module de quantification
• Pour chaque sous-bande k ∈ {0 · · · M − 1}

• Construction d’un vecteur : y k = [yk (0) · · · yk (11)]
• Détermination d’un “facteur d’échelle” : gk = max[yk (0) · · · yk (11)]
• Normalisation des composantes [yk (0) · · · yk (11)]/gk
• QS uniforme des gk exprimés en dB
QS uniforme des composantes normalisées, pas de quantification
fonction du nombre de bits “alloués” bk
• Détermination de b0 · · · bM−1 : procédure d’allocation de bits
• Si fe = 44.1 kHz, débit visé ≈ 64 kbit/s
⇒ B = (64/44.1) × 32 × 12 ≈ 560 bits disponibles
• Attribution des bits aux composantes les plus “gourmandes”
(greedy algorithm)

Nicolas MOREAU
Informations transmises
• Dans chaque fenêtre d’analyse

(32 × 12 = 384 échantillons ⇒ 9 ms lorsque Fe = 44.1 kHz)
• Allocation de bits b0 · · · bM−1 explicitement transmise (88 bits)
• Chaque facteur d’échelle gk codé sur 6 bits si bk > 0
Ex : 120 bits si 20 sous-bandes transmises
• Bits restants : mots de code associés à chaque composante
normalisée
• Bits restants :
96 kbit/s : 96000*384/44100 - 88 - 120 = 628 bits
64 kbit/s : 350 bits, etc.
⇒ impossible de diminuer davantage le débit

Nicolas MOREAU
Codeur MPEG-2 (MPEG-4) AAC :
Transformation temps-fréquences
• Connaissant le vecteur x(m) = [x(mM) · · · x(mM + N − 1)]

⇒ X (m) = [X (0) · · · X (M − 1)](m)
• MDCT : Transformée en cosinus discrète modifiée
N = 2048, M = 1024
• Transformée avec recouvrement ⇒ problème au récepteur pour
assurer la “reconstruction parfaite” ...
100
5000
90
4000
80
3000
70
2000
1000 Echelle en dB 60
0 50
−1000 40
−2000 30
−3000 20
−4000 10
−5000
0
0 2 4 6 8 10 12 14 16
500 1000 1500 2000 2500 3000 3500 4000 4500 5000 Fréquences (kHz)

Nicolas MOREAU
Bandes critiques, échelle des Bark
• L’oreille se comporte comme un banc de filtres

• Banc de filtres PQMF, transformée MDCT : partition uniforme de
l’axe des fréquences
• Transformée en ondelettes : partition en octaves de l’axe des
fréquences
• Il faudrait une partition en 1/3 d’octave ...
100
10000
90
9000
80
8000
70
7000
60
Echelle linéaire
6000
Echelle en dB
50 5000
40 4000
30 3000
20 2000
10 1000
0 0
0 2 4 6 8 10 12 14 16 0 5 10 15 20 25
Fréquences (kHz) Fréquences (bark)

Nicolas MOREAU
Quantification des coefficients
X = [X (0) · · · X (M − 1)]
• Si on connaı̂t les “facteurs d’échelle” g = [g(0) · · · g(M − 1)]
• A l’émetteur, calcul du vecteur d’entiers
i = round([X (0)/g(0) · · · X (M − 1)/g(M − 1)])
• Au récepteur, reconstruction de
[X̂ (0) · · · X̂ (M − 1)] = [g(0) × i(0) · · · g(M − 1) × i(M − 1)]
puis de [x̂(0) · · · x̂(M − 1)]
• Erreur de reconstruction
q = [x(0) · · · x(M − 1)] − [x̂(0) · · · x̂(M − 1)]
5.5
10000
5
9000
4.5
8000
4
7000
3.5
Echelle linéaire
Echelle linéaire
6000
3
5000
2.5
4000
2
3000
1.5
2000 1
1000 0.5
0 0
0 5 10 15 20 25 0 5 10 15 20 25
Fréquences (bark) Fréquences (bark)
Nicolas MOREAU
Codage du vecteur i = [i(0) · · · i(M − 1)]
• 1ère solution : M = 1024 entiers vérifiant 0 ≤ i(k) ≤ 8 (ici)

⇒ nombre de bits nécessaire B = 1024 × 3 > nombre de bits
disponibles = 1024 × 96/44.1
• Solution plus économique : codage de Huffman
• Partition de l’axe des fréquences en 51 “bandes”
Dans chaque bande : détermination de max i(k) puis codage
séparé
• Dans le “bitstream” : mots de code des i(k ) + mots de code des
max i(k) + mots de code des g(k)
5.5
4.5
3.5
Echelle linéaire
2.5
1.5
0.5
0
0 5 10 15 20 25
20 décembre 2007 Licence de droits d’usage
Fréquences (bark) Page 54
Nicolas MOREAU
Détermination des facteurs d’échelle
g = [g(0) · · · g(M − 1)]
• A priori simple problème d’optimisation : déterminer g minimisant

2 sous la contrainte nombre de bits nécessaire < nombre de bits
σQ
disponible
• Solution n’autorisant que des taux de compression faibles (de
l’ordre de 2) si on veut que le signal reconstruit soit “transparent”
• Pour obtenir des taux de compression élevé (de l’ordre de 10) :
exploitation des résultats de psychoacoustique
• “Mise en forme spectrale” du bruit de reconstruction
• Problème d’optimisation sous contraintes
• Contrainte de débit : nombre de bits nécessaire < nombre de bits
disponible
• Contrainte “psychoacoustique” : SQ (f ) < Φ(f ) ∀f

Nicolas MOREAU
Codeur MPEG-2 AAC : informations transmises
• Dans chaque fenêtre d’analyse

(1024 échantillons ⇒ 23 ms lorsque Fe = 44.1 kHz)
• Partition de l’axe des fréquences en 51 “sous-bandes”
• Facteurs d’échelle
? Codage du 1er directement sur 8 bits
? Codage de ∆(k) = g(k ) − g(k − 1) pour les 50 suivants
? Utilisation d’une table de Huffman
• Coefficients de la MDCT
? 4 composantes dans la 1ère sous-bande, 32 dans la dernière
? Codage du signe à part (pas toujours)
? Détermination de la valeur max dans chaque sous-bande ⇒ choix
d’une table de Huffman parmi 11 (information transmise)
? Codage des i(k )

Nicolas MOREAU
MPEG-4 AAC + SBR (Spectral Band Replication)
100
90
80
70
60
SX(f) [dB]
50
40
30
20
10
0
0 2 4 6 8 10 12 14 16 18 20
Fréquences [kHz]
• Bas débits/qualité intermédiaire

• BF ⇒ codage AAC du signal sous-échantillonné (facteur 2)
• HF ⇒ modélisation paramétrique : sinusoı̈des + bruit
• 24 kbit/s = 22 kbit/s (BF) + 2 kbit/s (HF)
Nicolas MOREAU
MPEG-4 SLS (Scalable Lossless coding)
• Hauts débits/très bonne qualité

• Codage AAC (core layer) + codage de l’erreur dans le domaine
transformé (enhancement layer)
• Techniques développées en codage d’image
• MDCT à valeurs entières exploitant le schéma lifting
• Codage par plan de bits, algorithme EZW
• Codage arithmétique contextuel

Nicolas MOREAU
ATSC Digital Audio Compression (AC-3)
Standard
• cf http ://www.atsc.org
• Encodage de 1 à 5.1 canaux de 32 à 640 kbits/s
• Transformation temps-fréquences : MDCT
Fenêtres recouvrantes de 512 échantillons
• Coefficients de la transformée : format virgule flottante
Mantisse + exposant
• Mantisse : opération d’arrondi
Précision fonction du rapport signal à masque
• Exposant ≡ “facteur d’échelle”
Exploitation de ”l’enveloppe spectrale”

Nicolas MOREAU
En résumé (compression)
• Un codeur incontournable : AAC

• Transparence à ≈ 64 kbit/s (par canal)
• Stratégie de codage issue directement des travaux de Shannon
• Très grande importance d’un modèle psychoacoustique
• Recherche / Développement
• Recherche : encore quelques problèmes intéressants
Convergence codeurs parole/musique, multi-canaux, ...
• mais surtout développement
• Besoin de sécurité réclamé par les “majors”

Nicolas MOREAU
Codage stéréo
• Vieux problème (années 80)

• Transmission séparée des deux voies :
44.1 × 16 × 2 = 705 × 2 = 1.4 Mbit/s → 2 × 96 = 192 kbit/s
• M/S stereo coding :
Transmission de la somme (M : middle channel)
et de la différence (S : side channel)
Matriçage dans le domaine fréquentiel
• Intensity stereo coding :
Oreille insensible aux différences de phase au delà de 2 kHz
⇒ transmission d’un seul signal dans les hautes fréquences +
paramètres spécifiques des différences d’intensité
• Gain en débit moyen : “transparence” à 128 kbit/s

Nicolas MOREAU
Compression audio multicanaux
• Fort regain d’intérêt ces dernières années pour la compression

audio multicanaux (stéréo et format 5.1) : DVD, télévision
numérique (sur téléphone mobile), radio numérique, ...
• But visé :
• Stéréo : 1.4 Mbit/s → 24 kbit/s
MPEG-4 HE-AACv2 (High Efficiency Advanced Audio Coder)
• Format 5.1 : 3.5 Mbit/s → 64 kbit/s
“MPEG Surround”
3.5 Mbit/s → 300 kbit/s (MPEG-2 Layer 3 en 1994)
3.5 Mbit/s → 200 kbit/s (MPEG-4 AAC en 2000)
3.5 Mbit/s → 128 kbit/s (MPEG-4 HE-AACv2 en 2004)
Taux de compression très élevés (> 50)
Qualité acceptable (“intermédiaire”)

Nicolas MOREAU
Codage stéréo paramétrique : principe
x1 (n) x̂1 (n)

- s(n) ŝ(n) -
x2 (n) Procédure - Codeur -- Décodeur - Procédure x̂2 (n)
- de downmix mono mono d’upmix -
- Extraction
- Synthèse
6
des paramètres
- - paramétrique
- Paramètres
spatiaux
Codeur Décodeur
• Codeur mono : codeur AAC (une vingtaine de kbit/s)

• Paramètres spatiaux (quelques kbit/s)
• Localisation de la source en azimuth : ICLD, ICTD
• Étendue subjective de la source : ICC

Nicolas MOREAU
Perception de l’espace sonore
• Source sonore en champ libre : 3 indices binauraux

• Localisation en azimut
• Différence temps d’arrivée oreilles gauche/droite
Différence Interaurale de Temps (ITD)
Significative aux basses fréquences < 1500 Hz
(longueur d’onde > 23 cm)
• Atténuation due à la tête entraı̂nant une différence d’intensité
Différence Interaurale d’Intensité (ILD)
Significative aux hautes fréquences
• Etendue subjective d’une source
Cohérence interaurale (IC)
• Localisation en élévation et en distance : non traitée

Nicolas MOREAU
Perception de l’espace sonore :
Application en codage
• Indices “intercanaux” ≡ indices “binauraux”

ICLD = 10 log10 σX2 1 /σX2 2
ICTD = arg max |E{X1 (n)X2 (n + n0 )}|
n0
ICC = |E{X1 (n)X2 (n + n0 )}|/σX1 σX2 pour n0 = ICTD
• Pas d’HRTF (Head-Related Transfert Function)

• Pas de connexion directe avec un problème d’analyse et de
synthèse de champs sonores

Nicolas MOREAU
Signal stéréo et intercovariance
0.2 1
0.8
0.15
0.6
0.1
0.4
0.05
0.2
0 0
−0.2
−0.05
−0.4
−0.1
−0.6
−0.15
−0.8
−0.2 −1
50 100 150 200 250 300 350 400 450 500 −50 −40 −30 −20 −10 0 10 20 30 40 50
• Signal stéréo : voie gauche x1 (n) et voie droite x2 (n)

• Intercovariance normalisée
PN−1
x1 (n) x2 (n + n0 )
ρ(n0 ) = PN−1n=0 PN−1 2
2
n=0 x1 (n) n=0 x2 (n + n0 )
• ICLD ≈ 0 db, ICTD ≈ -8 échantillons, ICC ≈ 0.9

Nicolas MOREAU
1er traitement : procédure de downmix
• A partir d’un signal stéréo, créer un signal mono

√
• Pourquoi pas s(n) = [x1 (n) + x2 (n)]/ 2 ?
Pas conservation de la puissance :
σS2 = (σX2 1 + σX2 2 + 2RX1 X2 (0))/2
• Introduction d’une rotation

s(n) cos(θ) sin(θ) x1 (n)
=
s0 (n) − sin(θ) cos(θ) x2 (n)
• Recherche de θ de telle sorte que s(n) soit le signal “dominant”

Nicolas MOREAU
Procédure de downmix (suite)
• Problème classique d’Analyse en Composantes Principales

Calcul du vecteur propre associé à la plus grande valeur propre
de la matrice de covariance
" #
σX2 1

X1 (n) RX1 X2 (0)
E{ [X1 (n)X2 (n)]} =
X2 (n) RX1 X2 (0) σX2 2
• Calcul pour chaque tuile du plan temps/fréquences

(30 ms, échelle Bark)
• FFT sur chaque voie, synthèse OLA

Nicolas MOREAU
2ème traitement : évaluation des indices
intercanaux
• Estimation de ces indices pour chaque tuile du plan

temps/fréquences
• Pour chaque fenêtre d’analyse
[x1,2 (0) · · · x1,2 (N − 1)] → [X1,2 (0) · · · X1,2 (N − 1)]
Pour chaque bande critique

X 1,2 (b) = [X1,2 (kb ) · · · X1,2 (kb+1 − 1)]t
• ICLD(b) = 10 log10 ||X 1 (b)||2 /||X 2 (b)||2

• Intercovariance : RX1 X2 (b, n0 ) = <[X t1 (b) X ∗3 (b, n0 )] avec
X3 (k, n0 ) = X2 (k ) exp(j2π Nk n0 )
• ICTD(b) = arg maxn0 |RX1 X2 (b, n0 )|
• ICC(b) = |RX1 X2 (b, n0 = ICTD(b))|
• Quantification et codage ...
Nicolas MOREAU
Au récepteur : procédure d’upmix
• Reconstruire deux signaux x̂1 (n) et x̂2 (n) à partir d’un seul s(n) et
de θ
• Relation entre θ et ψ caractérisant la source virtuelle lorsque x1 (n)
et x2 (n) créés par un “panoramique d’intensité” x1,2 (n) = g1,2 x(n)
6
x1 (n)
A
j u
6 p M
*i ψ -
O - x
ψ0
R
v
B x2 (n)

Nicolas MOREAU
Codeur MPEG-4 HILN
• HILN = Harmonic and Individual Line plus Noise

• Pour chaque fenêtre d’analyse m, modélisation du signal sous la
forme de P sinusoı̈des plus du bruit
P(m)
X
x̂(n) = ak (m) cos (2πfk (m)n + ϕk (m)) + e(n)
k=1
• Applications visées
• Représentation parcimonieuse ⇒ codage 2 → 24 kbit/s
• “Time stretching” : Modifier la durée d’un enregistrement sans
toucher à la tonalité

Nicolas MOREAU
Détermination des paramètres fk , ak et ϕk
• Initialisation
[x(0) · · · x(N − 1)] → [X (0) · · · X (N − 1)]
[x̂(0) · · · x̂(N − 1)] = [0 · · · 0]

• Pour k = 1 · · · P
1. Détermination de la fréquence
[x̂(0) · · · x̂(N − 1)] → [X̂ (0) · · · X̂ (N − 1)]
1
fk = arg max[|X (0) − X̂ (0)| · · · |X (N − 1) − X̂ (N − 1)|]
N
2. Détermination de l’amplitude ak et de la phase ϕk
3. Actualisation : x̂(n) = x̂(n) + ak cos[2πfk n + ϕk ]

Nicolas MOREAU
Détermination de ak et ϕk
• Minimisation de
N−1
X
[x(n) − ak cos(2πfk n + ϕk )]2
n=0
• Solution optimale : vecteur d’erreur ⊥ sous-espace engendré par
c = [cos(2πfk 0) · · · cos(2πfk (N − 1))]t
s = [sin(2πfk 0) · · · sin(2πfk (N − 1))]t

Si α = (At A)−1 At x où A = [c s]
q
ak = α12 + α22 ϕk = − arctan(α2 /α1 )

Nicolas MOREAU
Plusieurs problèmes
Fréquences [kHz]
4
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Temps [s]
• Tri et appariement des fréquences (a priori nombre variable)

• Continuité des phases
• Interpolation entre fenêtres : synthèse “OLA” (OverLapp and Add)
• Introduction d’un modèle psychoacoustique
• “Time stretching” : modifier N sans toucher aux fk , ak
Nicolas MOREAU
Quelques références bibliographiques
• Outils de base
• N. Jayant, P. Noll, Digital coding of waveforms, Prentice Hall, 1984
• A. Gersho, R.M. Gray, Vector quantization and signal compression,
Kluwer Academic Publishers, 1992
• N. Moreau, Techniques de compression des signaux, Masson 1995
• Codage de la parole
• R. Salami et al., Design and description of CS-ACELP : a toll
quality 8 kb/s speech coder, IEEE Trans. on SAP, March 1998
• Codage de la musique
• T. Painter, A. Spanias, Perceptual coding of digital audio,
Proceedings of the IEEE, April 2000

Nicolas MOREAU

Transparents Compression PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Transparents Compression PDF

Transféré par

Droits d'auteur :

Formats disponibles

Compression de sources sonores

20 décembre 2007 Licence de droits d’usage Page 1

• Codage audio : domaine assez complexe

20 décembre 2007 Licence de droits d’usage Page 2

• Test subjectif (écoute) formel (protocole expérimental)

20 décembre 2007 Licence de droits d’usage Page 6

• Réseau téléphonique commuté

20 décembre 2007 Licence de droits d’usage Page 8

• Réseau téléphonique commuté

20 décembre 2007 Licence de droits d’usage Page 9

• Communication avec les mobiles : ETSI en Europe

20 décembre 2007 Licence de droits d’usage Page 10

20 décembre 2007 Licence de droits d’usage Page 11

• Communications de groupe : téléconférence, téléphonie sur

20 décembre 2007 Licence de droits d’usage Page 12

• En 1992 : MPEG-1 (Diffusion audio numérique (DAB))

20 décembre 2007 Licence de droits d’usage Page 14

• Définition d’une famille de codeurs hiérarchiques

• MPEG-4 AAC+ ou HE-AACv2 (High Efficiency)

20 décembre 2007 Licence de droits d’usage Page 16

• Sons d’origine synthétique

20 décembre 2007 Licence de droits d’usage Page 17

• à “temps continu” (TFTC)

• à “temps discret” (TFTD)

• “discrète” (TFD, FFT)

20 décembre 2007 Licence de droits d’usage Page 18

“Densité Spectrale de Puissance” ou “Spectre de puissance”

20 décembre 2007 Licence de droits d’usage Page 19

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

“Fenêtres d’analyse” recouvrantes 20 ms (N = 160 si Fe = 8 kHz)

“Fenêtres d’analyse” recouvrantes 20 ms ⇒ N = 512, 1024 ou 2048

20 décembre 2007 Licence de droits d’usage Page 21

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Spectre de puissance caractéristique du “timbre” de l’instrument

• Codeur PCM à 64 kbit/s : QS non uniforme

20 décembre 2007 Licence de droits d’usage Page 23

• b = résolution = nombre de bits/échantillon

• Règle des “6 dB par bit”

Regroupement des échantillons 2 par 2 puis projection dans le plan

20 40 60 80 100 120 140 −8 −6 −4 −2 0 2 4 6 8

20 décembre 2007 Licence de droits d’usage Page 25

20 décembre 2007 Licence de droits d’usage Page 26

• QS mal adaptée à des signaux présentant des variations de

20 décembre 2007 Licence de droits d’usage Page 27

x(n) + y(n) y(n) + x(n)

• Erreur de quantification : q(n) = y(n) − ŷ(n)

• Chaque fenêtre d’analyse : [x(0) · · · x(N − 1)]

• Codeur à 32 kbit/s ⇒ quantifier y(n) sur 4 bits

x(n) + y(n) y(n) + x(n)

x(n) + r(n) r(n) + x(n)

• Schéma en “boucle ouverte” non réaliste

• Connaissant x(0) · · · x(N − 1) on cherche a1 · · · aP minimisant

20 décembre 2007 Licence de droits d’usage Page 30

• Connaissant le p.a. X (n) on cherche a1 · · · aP minimisant

20 décembre 2007 Licence de droits d’usage Page 31

• Le filtre A(z) = 1 + a1 z −1 + · · · + aP z −P est le filtre “blanchissant”

20 décembre 2007 Licence de droits d’usage Page 32

• A partir de x(0) · · · x(N − 1) calculer

20 décembre 2007 Licence de droits d’usage Page 33

x(n) y(n) Flux binaire y(n) 1 x(n)

Emetteur Canal Récepteur

• 1ère étape : modélisation de x(n) par la réalisation d’un

• Sons non voisés : ŷ(n) = réalisation bruit blanc puissance σY2

Emetteur -Canal - Récepteur -