Разработка цифрового вокодера с расчетом цифрового нерекурсивного фильтра в программной среде Matlab

Размещено на http://www.allbest.ru/

Содержание

Задание на курсовую работу

Введение

1. Разработка цифрового вокодера

1.1 Разработка функциональной схемы

1.2 Разработка структурной схемы и алгоритма работы вокодера

2. Расчет цифровых фильтров

2.1 Расчет параметров и характеристик набора цифровых фильтров

2.2 Проектирование фильтров в MatLab

Список используемой литературы

Приложения



Задание на курсовую работу

Разработка цифрового вокодера с расчетом цифрового нерекурсивного фильтра	1.Скорость передачи 2400 бит/с. 2.Длина импульсной характеристики N = 100.

Введение

вокодер фильтр цифровой matlab

Вокодер (от англ. voice + coder - буквально кодировщик голоса) это устройство (или алгоритм), осуществляющее параметрическое компандирование речевого сигнала.

Компандирование - способ преобразования речевого сигнала, при котором на передающем конце тракта происходит сжатие по одному или нескольким измерениям (частотный диапазон, динамический диапазон, временной интервал), а на приёмном - восстановление первоначального объёма сигнала путём соответствующего расширения. Компандирование включает преобразования: компрессию (сжатие) и декомпрессию (восстановление) речевого сигнала. Вокодер позволяет существенно (примерно в10 раз) уплотнить линию связи при незначительном ухудшении качества передачи.

Для каждого произносимого звука характерны пики (резонансы) энергии в определенных частотных диапазонах и провалы в других. Частоты, на которых в данный момент возникают комбинации пиков (фонем), называются "частотами формант" или просто "формантами". Гласные и звонкие согласные звуки речи содержат обычно от трех до четырех формант. Периоды между сменами формант составляют от 10 до 30 мс. Изучение образцов речи показало, что в русском языке содержится 42 фонемы: это 6 гласных звуков и остальные согласные. Чтобы закодировать их номера, достаточно 6 битов.

Человек в среднем произносит в секунду 10 звуков. То есть от центральной нервной системы к речевому аппарату сигналы передаются со скоростью 10 [log2±2] = 60 бит/c. Это вычисление порождает иллюзию, что речь имеет небольшой объем информации и может быть передана с небольшой скоростью. Однако если рассмотреть подробнее, как образуется звук, то можно обнаружить, что при передаче речи требуется передать больше информации. При разговоре грудная клетка сжимается и расширяется, поток воздуха проходит через трахею и гортань в полости глотки, рта и носа. Голосовой тракт простирается от голосовой щели (отверстие между голосовыми складками гортани) до губ и в процессе речи его форма меняется. Если произносятся звонкие звуки (гласные, носовые, звонкие согласные), называемые также вокализованными (voiced), голосовые складки в гортани смыкаются и размыкаются с частотой, которая называется частотой основного тона (pitch). Получается последовательность импульсов воздушного потока, которые возбуждают полости голосового тракта. В процессе разговора человек меняет геометрические размеры этих полостей, соответственно меняются и резонаторные частоты, "форманты".

При произнесении глухих невокализированных (unvoiced) звуков голосовые связки расслаблены. Проходя по суженному голосовому тракту, воздух создает турбулентный поток (завихрение), т.е. в полости рта и носа возбуждаются шумоподобные сигналы. Взрывные (смычные, stop) звуки получаются путем кратковременного выхлопа - полного перекрытия речевого тракта, нагнетания давления и внезапного открытия тракта. Взрывные звуки бывают звонкие (б, д, г) и глухие (п, т, к), т.е. могут образовываться с участием голосовых складок и без них. Таким образом, в терминах спектра сигналов, когда человек говорит, он производит спектрально-временную модуляцию широкополосного сигнала, генерируемого голосовыми складками и представляющего своего рода несущую. Полезная информация содержится только в интонации (изменении частоты основного тона) и в смене спектра с тонального на шумовой и наоборот.

Линейная модель речеобразования представляет речь как систему, состоящую из генератора возбуждения (генераторная функция) и линейной системы с медленно изменяющимися параметрами (фильтровая функция), которая им возбуждается. В такой модели не учитывается взаимное влияние голосовой щели и голосового тракта. Это не соответствует действительности, зато сильно упрощает анализ и синтез. Для экономичной передачи и хранения речи надо определить параметры генераторной и фильтровой функций. В генераторной функции изменяется частота и амплитуда основного тона (высота и громкость голоса) и происходит смена вида функции (основной тон или шум). У фильтровой функции происходит постоянное изменение коэффициента передачи, проявляющееся в изменении огибающей спектра.

Эта модель представляет речь человека, который "гудит" на одной частоте, периодически изменяя ее на другую и меняя громкость, а основная информация "добавляется" в "подтонах".

По принципу определения параметров фильтровой функции различают следующие типы вокодеров:

· канальные (полосовые, channel);

· формантные;

· ортогональные;

· вокодеры с линейным предсказанием (липредеры - с линейным предсказанием речи).

С появлением цифровых БИС а так же универсальных ЭВМ стало широко применяться построение цифровых аппаратных и программных вокодеров. В данной курсовой работе реализуется цифровой полосовой вокодер, производится расчет цифровых нерекурсивных фильтров в программной среде MatLab.

1. Разработка цифрового вокодера

1.1 Разработка функциональной схемы

Основная задача процесса кодирования в вокодере - определить спектр сигнала, мощности в каждом диапазоне частот за достаточно длинный отрезок времени, в который существует форманта. На передающей стороне аналоговый сигнал поступает на аналого-цифровое устройство преобразования (АЦП). После этого он проходит ряд цифровых фильтров, каждый из которых выделяет узкую полосу. Чем меньше полоса, тем лучше будет качество речи на приемном конце. Но чем больше информации о частотных полосах, тем больше придется передавать информации по цифровому тракту. Далее используются устройства, измеряющие и кодирующие значение мощности спектра в каждом диапазоне частот. В дополнение к информации о спектре вокодеры определяют характер возбуждения (гласный или звонкий согласный, в отличие от глухого согласного) и частоту основного тона для гласных или звонких согласных звуков.

На рисунках 1 и 2 изображена функциональная схема полосового вокодера.

Рис. 1. Кодер



Полученная информация передается на приемный конец, где она используется для управления цифровым генератором. Он представляет память, где хранятся временные отсчеты частот, из которых необходимо выбрать нужную по частоте и мощности. Возбуждение гласных происходит с помощью генератора импульсов, который открывает на определенное время генерацию основного тона. Возбуждение глухих звуков имитируется шумовым генератором.

Рис. 2. Декодер

ЦФ-цифровой фильтр; ГИ-генератор импульсов; ГШ-генератор шума

В полосовых вокодерах спектр речи делится на 7 - 20 полос (каналов) аналоговыми или цифровыми полосовыми фильтрами. Большее число каналов в вокодере дает большую натуральность и разборчивость. С каждого полосового фильтра сигнал поступает на детектор для определения среднего уровня.

1.2 Разработка структурной схемы и алгоритма работы вокодера

Фильтры блока анализа обеспечивают тональное разделение спектра сигнала. Для перекрытия всей полосы звуковых частот, наряду с полосовыми, в гребенке используют фильтры НЧ и ВЧ (в самых низкочастотном и высокочастотном каналах).

Детектор и фильтр НЧ в каждом канале выделяют огибающую сигнала данного канала, и каждая из них характеризует энергию речевого спектра в соответствующей полосе частот для фрагмента речи (длина фрагмента 5-30 мс).

Для более компактной передачи выходы каждого из каналов могут логарифмироваться и кодироваться с помощью дельта импульсной кодовой модуляции (ДИКМ).

При выборе типа фильтров необходимо иметь в виду, что спектральные составляющие сигнала вблизи центральной частоты резонансных фильтров подвергаются существенным фазовым сдвигам, а это приводит к изменению тембра, даже если амплитудные соотношения сохранены. Причем при увеличении порядка фильтров фазовый сдвиг увеличивается, являясь причиной характерной для вокодера неестественности речи. С другой стороны, при недостаточной крутизне спада АЧХ фильтров появляется “смазанность” синтезированной речи. Практика показывает, что оптимальный результат соответствует АЧХ фильтров при крутизне их спада примерно 36-40 дБ на октаву.

Рис. 3. Структурная схема полосового вокодера

Кроме оценки энергии сигнала в частотных полосах, в блоке анализа также производится оценка характера речевого фрагмента. Анализатор вокализованности - детектор тон/шум (Т-Ш), он оценивает, вокализованным или фрикативным является данный фрагмент речевого сигнала. Такой детектор может быть реализован через определение числа переходов через ноль речевого сигнала (для вокализованных фрагментов в отличие от фрикативных число переходов через ноль невелико) или оценкой энергии сигнала в полосах до 800 Гц и более 2кГц (структурная схема такого детектора представлена на рисунке 4).

Размещено на http://www.allbest.ru/

Рис. 4. Структура детектора тон-шум

Также в блоке анализа происходит определение частоты основного тона для вокализованных фрагментов речи. Для этого в структуру блока анализа вводится анализатор основного тона . Известно, что значение основного тона для разных голосов может изменяться почти в 10 раз - от 2 до 18 мс. Это обстоятельство создает немало трудностей при оценке основного тона, так как слух очень чувствителен к его искажениям.

Таким образом, для каждого фрагмента речевого сигнала на приемную сторону передается признак тон-шум (1 бит), частота основного тона, в случае вокализованного фрагмента (5-6 бит), значения энергии сигнала по каналам (при использовании ДИКМ менее 5 бит на канал).

На приемной стороне, в случае если принят вокализованный фрагмент, в качестве источника возбуждения гребенки фильтров выступает генератор периодических сигналов(ГИ). В качестве сигнала возбуждения может быть выбрана последовательность специального вида импульсов с периодом, равным частоте основного тона данного фрагмента (также принимаемой из канала связи). В случае невокализованого фрагмента, в качестве сигнала возбуждения используется белый шум(ГШ), который может быть получен с помощью генератора случайный чисел.

Сигнал возбуждения умножается на значения энергии для каждого из каналов, после чего поступает на фильтр соответствующего канала (гребенка фильтров блока синтеза полностью аналогична гребенке блока анализа).

Для получения выходного синтезированного речевого сигнала выходы всех каналов блока синтеза суммируются.

В большинстве случаев на практике используются 20-миллисекундные интервалы, а скорость передачи достигает 2400 бит/с. Каждый 20-миллисекундный отрезок времени кодируется 48 битами, из них, как уже сказано, 6 бит отводится на информацию об основном тоне, один бит на информацию "тон-шум", характеризующую наличие или отсутствие вокализованного участка речевого сигнала, остальные 41 бит описывают значения амплитуд сигналов на выходе полосовых фильтров. Увеличение количества каналов улучшает разборчивость, но при этом требуется большая скорость передачи. Компромиссным решением обычно становится выбор 16-20 каналов (полоса 100 Гц... 4 кГц) при скорости передачи данных около 2400 бит/с.

Достаточное качество синтезируемой речи можно получить при использовании 10 каналов, но разработанный вокодер получится без идентификации диктора. В задании на данную работу нет жестких требований к синтезируемой речи, следовательно, допустимо использовать 10 каналов.



2. Расчет цифровых фильтров

2.1 Расчет параметров и характеристик набора цифровых фильтров

Данные для расчета:

1. Частота дискретизации fд = 8 кГц

2. Показатель прямоугольности АЧХ б = 1

3. Число частотных каналов 10

4. Уровень неравномерности АЧХ в полосе пропускания - 3 дБ, что соответствует уровню 0,7071

5. Уровень подавления в зоне непрозрачности - 40 дБ, что соответствует уровню 0,01, т.е. ослаблению в 100 раз

Нужно отметить, что для расчета частоты среза в полосе пропускания и в зоне непрозрачности АЧХ всех фильтров должны пересекаться на уровне -3 дБ, как показано на рисунке 6.

Рис. 6. АЧХ набора фильтров

Рисунок 5. АЧХ НЧ и полосового фильтра

Расчет частот среза для низкочастотного (НЧ) фильтра:



Результат решения данной системы уравнений:

Следует рассчитать центральные частоты для полосового фильтра, а также частоты непрозрачности и пропускания:

fц= 2ifс1,

где i- номер фильтра.

fп1 = fц - fc1;

fп2 = fц + fc1;

fн1 = fц - fc2;

fн2 = fц + fc2.

Полученные в результате расчета данные сведены в таблицу.

Таблица 1. Рассчитанные частоты набора полосовых фильтров и ФВЧ

	Частоты непрозрачности, Гц	Частоты пропускания, Гц	Центральная частота фильтра, Гц
	fн1	fн2	fп1	fп2	fц
ПФ1	0	840	210	630	420
ПФ2	420	1260	630	1050	840
ПФ3	840	1680	1050	1470	1260
ПФ4	1260	2100	1470	1890	1680
ПФ5	1680	2520	1890	2310	2100
ПФ6	2100	2940	2310	2730	2520
ПФ7	2520	3360	2730	3150	2940
ПФ8	2940	3780	3150	3570	3360
ФВЧ	3360		3570

2.2 Проектирование цифровых фильтров в MatLab

Под расчетом (проектированием, синтезом) цифрового фильтра понимается выбор таких наборов коэффициентов {ai} и {bi}, при которых характеристики получающегося фильтра удовлетворяют заданным требованиям. В MatLab имеется более двадцати функций синтеза дискретных фильтров. Кроме того, в пакете Signal Processing имеется программа FDATool (Filter Design and Analysis Tool), реализующая графический интерфейс для расчета фильтров и просмотра их характеристик.

В зависимости от способа реализации, фильтры разделяются на фильтры с конечной импульсной характеристикой (КИХ-фильтры) и фильтры с бесконечной импульсной характеристикой (БИХ-фильтры).

Фильтром с конечной импульсной характеристикой (КИХ-фильтром) называется фильтр, у которого импульсная характеристика представляет собой конечный дискретный сигнал, т.е. может принимать отличные от нуля значения лишь при n=0, 1, …, N-1.

Фильтром с бесконечной импульсной характеристикой (БИХ-фильром) называется фильтр, у которого импульсная характеристика может принимать отличные от нуля значения на бесконечном множестве значений n=0, 1, …

Нерекурсивный фильтр всегда является КИХ-фильтром, в то время как рекурсивный фильтр может быть как КИХ так и БИХ фильтром.

В общем виде, любой фильтр описывается своей передаточной характеристикой (отношением отклика фильтра на входной сигнал):

где H(z) - передаточная характеристика фильтра, 

Y(z) - выходной сигнал фильтра, 

X(z) - входной сигнал фильтра.

Подставив в данное выражение значения коэффициентов фильтра, получается следующая форма записи передаточной характеристики:

- для БИХ-фильтров:

- для КИХ-фильтров (передаточная характеристика совпадает с импульсной характеристикой фильтра):

,

где m и n - количество коэффициентов фильтра (максимальное из этих значений определяет порядок фильтра), 

z-n - элемент задержки сигнала на n отсчетов, 

bm - коэффициенты фильтра, связанные с отсчетами входного сигнала, 

an - коэффициенты фильтра, связанные с отсчетами выходного сигнала

Прямая форма структурной схемы нерекурсивного фильтра является непосредственной реализацией передаточной функции нерекурсивного фильтра. Прямая форма, представленная на рис.8 содержит N-1 элементов задержки, N умножителей и сумматор на N входов.



Рис.8. Структура нерекурсивного фильтра

Для расчета коэффициентов КИХ-фильтра в MatLab используется встроенная функция fir1(n, Wn, `ftype', `window', `normalization'),

где n - порядок фильтра, 

Wn - частота среза фильтра (для полосовых и режекторных фильтров задается двухмерным вектором [w1 w2]), 

`ftype' - тип проектируемого фильтра (ФНЧ, ФВЧ, ПФ или РФ).

Параметр `window' задает используемое при синтезе окно. Это должен быть вектор-столбец, содержащий n+1 элементов. По умолчанию используется окно Хэмминга, рассчитываемое путем вызова фунции hamming(n+1).

Основная функция, реализующая дискретную фильтрацию в MatLab, носит имя filter. В простейшем виде она имеет следующий синтаксис:

filter(b, a, x), где b - вектор коэффициентов нерекурсивной части фильтра (числителя функции передачи), a - вектор коэффициентов рекурсивной части фильтра (знаменателя функции передачи), x - входной сигнал.

В данной работе при проектировании будет использоваться функция firpm. Она позволяет синтезировать линейно-фазовый КИХ-фильтр с использованием алгоритма Паркса-Макклиллана . Алгоритм Паркса-Макклиллана использует алгоритм обмена Ремеза и теорию приближений Чебышева для разработки фильтров с оптимальным соответствием между желаемыми и фактическими частотными свойствами. Фильтры являются оптимальными в том смысле, что максимальная ошибка между желаемой частотой и фактической минимизирована.

b = firpm(n,f,a) возвращает вектор-строку b, содержащую n+1 коэффициентов порядка n КИХ-фильтра, частотная характеристика которого задается векторами f и a.

 Программа расчета, позволяющая рассчитать необходимые характеристики фильтров и построить АЧХ гребенки фильтров представлена ниже.

%Расчет фильтров

n_bands = 10

Fs = 8000; % частота дискретизации

N = 100; % порядок фильтра

Wstop = 40; % уровень подавления в зоне непрозрачности

Wpass = 3; % уровень подавления в зоне пропускания

dens = 20; % коэффициент плотности

% ФНЧ. Вычислим коэффициенты, используя функцию FIRPM

Fpass = 210; % частота пропускния

Fstop = 420; % частота подавления

b{1} = firpm(N, [0 Fpass Fstop Fs/2]/(Fs/2), [1 1 0 0], [Wpass Wstop], ...

{dens});

% ПФ1

Fstop1 = 0; % частота подавления1

Fpass1 = 210; % частота пропускния1

Fpass2 = 630; % частота пропускания2

Fstop2 = 840; % частота подавления2

b{2} = firpm(N, [0 Fstop1 Fpass1 Fpass2 Fstop2 Fs/2]/(Fs/2), [0 0 1 1 0 ...

0], [Wstop Wpass Wstop], {dens});

% ПФ2

b{3} = firpm(N, [0 420 630 1050 1260 Fs/2]/(Fs/2), [0 0 1 1 0 ...

0], [Wstop Wpass Wstop], {dens});

% ПФ3

b{4} = firpm(N, [0 840 1050 1470 1680 Fs/2]/(Fs/2), [0 0 1 1 0 ...

0], [Wstop Wpass Wstop], {dens});

% ПФ4

b{5} = firpm(N, [0 1260 1470 1890 2100 Fs/2]/(Fs/2), [0 0 1 1 0 ...

0], [Wstop Wpass Wstop], {dens});

% ПФ5

b{6} = firpm(N, [0 1680 1890 2310 2520 Fs/2]/(Fs/2), [0 0 1 1 0 ...

0], [Wstop Wpass Wstop], {dens});

% ПФ6

b{7} = firpm(N, [0 2100 2310 2730 2940 Fs/2]/(Fs/2), [0 0 1 1 0 ...

0], [Wstop Wpass Wstop], {dens});

% ПФ7

b{8} = firpm(N, [0 2520 2730 3150 3360 Fs/2]/(Fs/2), [0 0 1 1 0 ...

0], [Wstop Wpass Wstop], {dens});

% ПФ8

b{9} = firpm(N, [0 2940 3150 3570 3780 Fs/2]/(Fs/2), [0 0 1 1 0 ...

0], [Wstop Wpass Wstop], {dens});

% ВЧФ

b{n_bands} = firpm(N, [0 3360 3570 Fs/2]/(Fs/2), [0 0 1 1], [Wstop Wpass],

{dens});

hold on;

for i=1:n_bands,

[H,W] = freqz(b{i},1);

plot(W,20*log10(abs(H)));

axis([0 pi -80 10]);

end;

hold off;



Рис.9. АЧХ гребенки цифровых фильтров

При использовании функции Hd = dfilt.dffir(b{n}) реализуется возможность посмотреть коэффициенты и характеристики каждого фильтра. Подробные графики АЧХ, ФЧХ, импульсные характеристики и функции включения приведены в Приложении 1, рассчитанные коэффициенты - в Приложении 2.



Список литературы

1. Вдовиченко Н. С., Набатов О.С., Соломенцев В.В. Системы связи воздушных судов гражданской авиации: Учебное пособиедля вузов. - М.: Транспорт, 1988.

2. Рабинер Л.Р., Шафер Р.В. Цифровая обработка речевых сигналов: Перевод с англ. под ред. Назарова М.В. и Прохорова Ю.Н. - М.: радио и связь, 1981.

3. Шелухин О.И., Лукьянов Н.Ф. Цифровая обработка и передача речи. - М.: Радио и связь, 2000.

4. Маркел Дж.Д., Грэй А.Х. Линейное предсказание речи: перевод под ред. Прохорова Ю.Н. и Звездина В.С. - М.: изд. «Связь», 1980.

5. Калинцев Ю.К. Разборчивость речи в цифровых вокодерах. - М.: Радио и связь, 1991.

6. Берлин А.Н. Коммутация в системах и сетях связи. - М.: Эко - Трендз, 2006.

7. Интеренет-сайт http://www.mathworks.com/. Сайт разработчиков MATLAB, Simulink и Stateflow.



Приложения

Приложение 1.

Некоторые графические характеристики фильтров

АЧХ и ФЧХ фильтра низких частот

Импульсная характеристика ФНЧ

Функция включения ФНЧ



АЧХ и ФЧХ ПФ1

Импульсная характеристика ПФ1

Функция включения ПФ1

АЧХ и ФЧХ ПФ2



Импульсная характеристика ПФ2

АЧХ и ФЧХ ФВЧ

Импульсная характеристика ФВЧ



Приложение 2

Коэффициенты набора цифровых фильтров

Коэффициенты ФНЧ

Коэффициенты ПФ1

Коэффициенты ПФ2



Коэффициенты ПФ3

Коэффициенты ПФ4

Коэффициенты ПФ5



Коэффициенты ПФ6

Коэффициенты ПФ7

Коэффициенты ПФ8



Коэффициенты ФВЧ

Размещено на Allbest.ru

...