Рекомендовано 2 страница

Такие микрофоны стабильны в работе, однако им свойственны большая неравномерность частотной характеристики и значительные нелинейные искажения. С целью повышения разборчивости речи частотную характеристику этих микрофонов корректируют (поднимают) в области высоких частот с крутизной 6 дБ/октава.

В качестве электроакустических преобразователей, превращающих электрические колебания в звуковые, акустические колебания воздушной среды (т.е. акустические волны), используют громкоговорители и телефоны. В настоящее время наиболее распространены электродинамические громкоговорители непосредственного излучения (диффузорные). Однако в абонентских устройствах СПРС они находят ограниченное применение. В отличие от громкоговорителя задачей теле­фона является не излучение акустической энергии в окружающее воз­душное пространство, а подведение ее непосредственно к уху. Это определяет конструкцию голов­ного телефона, который состоит из электроакустического преобразователя, капсю­ля, корпуса, а также эластичной раковины, являющейся элементом, свя­зывающим его с ухом (рис. 5.3). Здесь: 1 – раковина, 2 – капсуль, 3 – преобразователь, 4 – канал уха.

В телефонах, в основном, применяются электромагнитные преобразо­ватели, а также электродинамические, электростатические, и угольные. На рис. 5.4 показаны варианты конструкций телефонов: 1 — электродинамического с сосредоточенной звуковой катушкой; 2 — электродинамического с распределенной звуковой катушкой; 3 — электростатического; 4 — электретного (близкого по конструкции к конденсаторному). Катушку в электродинамических преобразователях телефонов выполняют либо в традиционной форме, когда она намотана проводом на каркас, либо в варианте, в котором она состоит из концен­трических плоских колец, напыленных или нанесенных другим методом на плоскую диафрагму.

Рис. 5.3. Конструкция голов­ного телефона

Важными характеристиками телефона являются его чувствительность и частотная характеристика чувствительности – фактически АЧХ по звуковому давлению, создаваемому телефоном в слуховом канале человека. Чувствительность измеряется в Па/В, т.е. в единицах звукового давления на 1 В подведенного напряжения сигнала. Типичные значения чувствительности (иногда называемой в справочниках – отдачей) – от 5…8 до 15…21 Па/В. Типичные полосы частот, эффективно воспроизводимые телефонами, составляют 300…3400 Гц, в то же время для контроля звукозаписи выпускаются телефоны с полосой 100…5000 Гц и даже 40…16000 Гц, а стереофонические телефоны характеризу-ются полосой 20…20000 Гц.

Рис. 5.4. Варианты конструкций телефонов

Технические характеристики громкоговорителя и телефона должны соответствовать характеристикам канала, передающего речевой сигнал. Этому требованию довольно трудно удовлетворить, поскольку громкоговоритель работает в относительно широкой полосе частот, в которой отношение граничных частот достигает 1000 (длина акустической волны изменяется примерно от 17 м до 17 мм), а у телефонов это отношение изменяется от 10 до 400.

6. Передача речевых сигналов по сетям связи

Рассмотрим общую модель цифровой системы связи, представленную на рис. 6.1. Структура системы определяет необходимые процедуры обработки речевого сигнала, а её характе­ристики - основные свойства СПРС и прежде всего – энергетические и спектральные.

Рис. 6.1. Модель цифровой системы связи

Источник сообщения генерирует сообщения, представляющие собой либо непрерыв­ные функции от времени, либо потоки дискретных сигналов. Пример непрерыв­ного во времени сообщения - волновой сигнал, передающий человеческую речь. Чтобы передать такой аналоговый сигнал через цифровую систему связи, его не­обходимо преобразовать в цифровую форму. С этой целью сигнал последовательно подвергается аналого-цифровому преобразованию (АЦП) и кодированию с устранением избыточности в кодере источника. Хороший кодер источника «подгоняет» длину двоичных последовательно­стей под статистические свойства источника сообщений. В случае передачи речевого сигнала, кодер источника принято называть коде­ром речи. Важной характеристикой сигнала, преобразованного в цифровую форму, является цифровая скорость передачи (скорость цифрового представления), измеряемая числом формируемых на выходе АЦП двоичных символов в единицу времени - R_ц, бит/с. В результате сжатия информациикоде­ром речи скорость цифрового потока многократно уменьшается при сохранении приемлемого качества передачи речи.

На следующем этапе компактно представленный речевой сигнал подвергается ряду преобразований, основное из которых – помехоустойчивое (избыточное) кодирование. Дело в том, что некоторые физические явления, происходящие в каналах связи, приводят к возникновению ошибок при приеме сигналов. Эти ошибки можно представить как разность переданной и восстановленной из принятого сигнала двоичными после­довательностями. Для того чтобы обнаружить и по возможности исправить ошибки, применяются канальный кодер в передатчике и канальный декодер в приемнике. К информационным блокам добавляется определенное число вы­бранных особым образом дополнительных битов. Значения этих битов рассчи­тываются путем сложения по модулю двух информационных битов, подбираемых таким образом, чтобы между ними существовала алгебраическая взаимосвязь, позволяющая обнаружить и скорректировать возможные ошибки.

Следующая процедура преобразования речевого сигнала на передающей стороне канала связи – модуляция, которой на приемной стороне соответствует демодуляция. Модем, реализующий эти процедуры, является своеобразным интерфейсом, согласующим дискретную часть системы с её непрерывной частью, которая представлена на рис. 6.1 радиоблоком и физическим каналом. Модулятор - это блок, формирующий синусоидальный сигнал, параметры которого (частота, амплитуда и/или фаза) являются функциями по­данной на его вход цифровой последовательности. В результате модуляциинесу­щий информацию сигнал переносится в соответствующую часть радиодиапазо­на и приобретает четко сформированные спектральные параметры. Это свойство сигнала — важнейшее для систем подвижной связи. Здесь необходимо эффектив­но использовать выделенные спектральные ресурсы, чтобы не искажать сигна­лы, передаваемые пользователями соседних областей спектра. Электромагнитный спектр - ценный и ограниченный ресурс, поэтому каждая система должна использовать максимально возможное количество своих собственных каналов в выделенном ей частотном диапазоне.

Радиоблок, иначе – высокочастотый (ВЧ) блок,работает в радиочастотном диапазоне и усиливает радиосигнал до требуемого уровня. Ширина полосы сигнала зависит от выбранного типа модуляции и используемого метода многостанционного до­ступа. Обычным требованием к применяемому в системе подвижной связи усилителю ВЧ является ограничение энергопотребления. Поэтому усилитель ВЧ дол­жен обладать большим динамическим диапазоном и вынужден функционировать в нелинейной области своих характеристик. Компенсировать нелинейные искажения, вносимые усилите­лем ВЧ, позволяет применение методов модуляции с постоянной или слабо ме­няющейся огибающей.

В системах подвижной связи передатчик излучает сигнал в пространство с помощью антенны. Свойства канала тесно связаны с типами передающей и при­емной антенн. Особенно важную роль играют параметры направленного дейст­вия и усиления антенны. Характеристики антенны определяют рабочий диапа­зон системы и ее эффективность.

Преобразования, производимые в приемнике, имеют обратное соответствие процессам, происходящим в передатчике. После усиления и фильтрации в каска­дах ВЧ блока принятый сигнал демодулируется. Характер преобразования зави­сит от применяемого метода цифровой модуляции и параметров канала. Сильное влияние на выбор типа применяемого демодулятора оказывает фактор стоимост­ной реализации приемника. Основная задача демодулятора - выделить последо­вательность импульсов из модулированного сигнала, полученного после ВЧ об­работки. На основе этих импульсов демодулятор выделяет из принятого сигнала переданные символы данных и преобразует их в двоичные последовательности.

Канальный декодер, используя добавленные канальным кодером избыточные биты, а также дополнительную информацию о достоверности принятого сигна­ла, определяет кодовую последовательность. Из полученной кодовой последова­тельности выделяется двоичная информационная составляющая. Именно она является основной целью декодирования.

Декодиро­ванный сигнал преобразуется в декодере источника (в СПРС – в декодере речи) и после цифро-аналогового преобразования (ЦАП) попадает через усилитель и громкоговоритель (телефон) в приемник сообщений - ухо пользователя.

Основные требования, предъявляемые к процессу передачи речи по сетям связи, — это высокое качество сигнала и низкая системная (временная) задержка. При этом качество речи по большей части напрямую связано со ско­ростью цифрового потока на выходе кодера речи, в то же время более сложные алгоритмы кодирования речи способны достичь более высоких отношений качества к скорости ци­фрового потока.

Сжатие речи при ее передаче сокращает объем передаваемых данных, затраты и, благодаря этому, позволяет снижать цены на услуги. Очевидно, чем изощренней алгоритм кодирования речевого сигнала, тем сложнее его реализовать. Сложность связана с вычислениями, необходимыми для воспроизведения процессов кодиро­вания и декодирования сигналов в реальном времени в микросхемах АТ. Скорость обработки измеряется миллионами опе­раций в секунду (MIPS). Достижения в технологии сигнальных процессоров (DSP), сверхбольших интегральных схем (VLSI) и увеличение емко­сти элементов памяти позволяют выполнять более сложные алгоритмы кодирования-декодирования речи даже в однокристальных микропро­цессорах. Сложность обработки влияет на физические размеры кодека речи, на его стоимость, потребляемую мощность, а также отражается на величине коммутационной задержки – временной задержке сигнала при его обработке и буферизации в кодере и декодере. Задержка речевого сигнала в трактах передачи и приема не имеет большого значения в системах вещания, однако в телефонном канале значительное запаздывание сигнала заметно снижает качество восприятия речи. Реальные коммутационные задержки (при кодировании и декодировании) составляют от 125 мкс (в линиях с ИКМ) до 100 мс (в некоторых низкоскоростных системах кодирования). Предельно допустимой в телефонии считается общая задержка порядка 400 мс. Например, в стандарте GSM система синхронизации рассчитана на компенсацию абсолютного времени задержки сигналов до 233 мкс, что соответствует максимальному радиусу соты 35 км.

Исторически сложились два направления кодирования речи: кодирование формы сигнала (КФС), называемое также аппроксимацией формы речевой волны, и параметриче­ское компандирование речи, иногда называемое кодированием источника сигнала. В первом методе кодер формы волны аппроксимирует форму речевого сиг­нала во времени. Этот метод основан на использовании статистических характеристик речевого сигнала (РС) и практически не зависит от механизма его формирования. Кодеры этого типа обеспечивают высокое качество пере­дачи речи, но скорость цифрового потока редко бывает меньше 32 кбит/с. Поэтому для кодирования речи со скоростью передачи 16 кбит/с и меньше – прежде всего для цифровых систем сотовой и персональной спутниковой связи - получили мощное развитие разнообразные методы параметриче­ского компандирования речи (табл. 6.1).

Таблица 6.1.

Трудность создания кодеков, обеспечивающих минимально возможную скорость передачи для речевого источника, обусловлена рядом причин. Во-первых, речь представляет собой колебания сложной формы, зависящей от произносимых слов, тембра голоса, интонации, пола и возраста говорящего, а речевой сигнал не является стационарным процессом. Законы изменения его вероятностных характеристик на участках произнесения гласных и согласных звуков существенно различаются, не говоря уже о паузах и смычках (участки звучания согласных типа «м», «н», «п» и т. п.), где характеристики могут изменяться почти скачком.

Вторая причина связана с определением (формализацией) критерия верности передачи, свойственным получателю. Действительный критерий восприятия, который характеризует качество слухового приема речевого сигнала человеком, отличается от распространенного критерия среднеквадратической ошибки или от какого-либо другого критерия, контролирующего отклонение «формы реализаций». Поэтому воспользоваться непосредственно результатами теории передачи информации для расчета качественных характеристик источника речевого сигнала затруднительно. Однако, можно попытаться получить оценки минимально возможной скорости передачи из других соображений, используя физические свойства получателя и источника речевых акустических колебаний.

При параметрическом компандировании моделирует­ся процесс речеобразования человека. Для этого в кодере из речевого сигнала вычисляются определенные параметры, которые передаются к декодеру, где они используются для восстановления формы сигна­ла. Восстановленная форма сигнала очень часто отличается от формы исходного сигнала; при этом звук подобен или близок к оригиналу. Ис­пользование полностью параметрических методов в настоящее время ограничено, так как они приводят к заметному ухудшению натурально­сти звучания голоса и чрезвычайно чувствительны к фоновому шуму. Один из способов снижения скорости передачи речи и повышения эф­фективности использования полосы пропускания канала связи состоит в применении гибридных методов, основанных на принципах линейного предсказания и объединяющих параметрическое компандирование и кодирование формы волны (табл. 6.1).

Основные характеристики наиболее распространенных и перспективных методов кодирования речи являются предметом изучения в следующих лекциях.

7. Основы цифрового представления речевых сигналов: импульсно-кодовая модуляция

Под цифровым представлением речевых сигналов (РС) будем понимать их аналого-цифро­вое преобразование (АЦП). Первый шаг при АЦП РС состоит в его периодической дискретизации -замене непрерывной функции её дискретными значениями. Процесс базируется на теореме отсчетов (теорема В.А. Котельникова), в соответствии с кото­рой произвольный сигнал со спектром, ограниченным некоторой частотой F_в, может быть полностью восстановлен (т.е. преобразован в ана­логовую форму с помощью линейной интерполяции) по последовательности своих отсчетов, следующих с интервалом времени Т_д = 1 / (2 F_в). Здесь F_в - наивысшая частота спектра (ширина полосы) входного сигнала. Обычно за наивысшую частоту спектра (называемую частотой Найквиста) принимают частоту, ниже которой максимумы спектра имеют уровень не более – 40 дБ. На практике неискаженная передача непрерывного (аналогового) сигнала с полосой частот, ограниченной значением F_в, дискретной последовательностью его отсчетов возможна, если F_д = kF_в, где k >2, а для восстановления используется идеальный фильтр (рис. 7.1).Метод, представленный на этом рисунке, называют обычно амплитудно-импульсной моду­ляцией (АИМ).

Рис. 7.1. Иллюстрация процедуры дискретизации аналогового сигнала

В соответствии с описанием гласных и фрикативных звуков РС не ограничен по полосе частот, хотя его спектр быстро спадает в области высоких частот. На рис. 7.2 изображены спектры ти­пичных звуков речи. Видно, что для вокализованных звуков наивысшая частота, ниже которой максимумы спектра меньше уровня -40 дБ, состав­ляет около 4 кГц. С другой стороны, для невокализованных звуков спектр не затухает даже на частотах выше 8 кГц. Таким образом, для точного воспроизведения всех звуков речи требуется частота дискретизации около 20 кГц. В большинстве приложений такая частота дискретизации, однако, не требуется. Например, если дискретизация предшествует оцениванию трех первых формантных частот вокализованной речи, то достаточно рас­полагать частью спектра до частоты около 3,5 кГц. Следовательно, если перед дискретизацией РС пропускается через ФНЧ так, что F_в = 4 кГц, то частота дискретизации должна составлять 8 кГц.

Этот результат поясняет рис. 7.3, где представлен спектр входного сигнала и результирующий спектр импульсной последовательности АИМ сиг­нала, состоящий из дискретных гармоник частоты дискретизации. Входной сигнал модулирует каждую из этих гармоник отдельно. В результате этого создаются две бо­ковые полосы около каждой дискретной частоты в спектре импульсной пос­ледовательности. ФНЧ, восстанавливающий исходный сигнал, рассчитывает­ся на подавление всех частот, кроме частот исходного сигнала. Как по­казано на рис.7.3, такой фильтр должен иметь частоту среза, которая расположена между F_в и F_д – F_в. Следовательно, разделение возможно, если выполняется не­равенство F_д > 2 F_в.

Входной сигнал пе­ред дискретизацией должен быть ограничен по полосе, чтобы можно было удалить из него составляющие с частотой выше, чем F_д /2, даже если эти­ми составляющими, как неслышимыми, можно было бы пренебречь. Таким образом, полная АИМ-система должна иметь фильтр, ограничивающий полосу сигнала перед дискретизацией, для гарантии того, что никакие ложные или свя­занные с источником сигналы не приведут к появлению помех в требуемой полосе вследствие наложения спектров после дискретизации. Поэтому этот фильтр часто называют фильтром защиты от перекрытия спектров.

Рис. 7.2. Спектры ти­пичных звуков речи

Второй шаг в процессе АЦП состоит в квантовании, когда непрерывному множеству мгновенных значений отсчетов аналогового сигнала ставят в соответствие конечное множество значений - уровней квантования. Набор разрешенных уровней квантования называется шкалой квантования. Расстояние между разрешенными уровнями - это шаг квантования D. Разность d между исходным и квантованным сигналами называется ошибкой или шумом квантования. Мощность шумов квантования при наличии сигнала не зависит от сигнала и определяется шагом квантования: Р_ш.кв = D ² / 12.

Для передачи квантованные по амплитуде отсчеты преобразуются в двоичные кодовые комбинации - кодовые слова, которые передаются затем в виде потока двоичных импульсов - бит. Эта операция на­зывается кодированием. Необходимое число разрядов для кодирования m при заданном максимальном числе уровней шкалы кван­тования n_макс определяется из выражения m = log₂n_{макс .} В цифровых системах связи и веща­ния распространены двоичные симметричные коды, характеризуемые тем, что первый символ (т.е. старший значащий бит) кодовой комбинации определяется по­лярностью кодируемого отсчета сигнала, а остальные символы несут ин­формацию об абсолютном значении отсчета.

Рис. 7.3. Спектры входного сигнала и импульсной последовательности АИМ сиг­нала

При цифровой передаче сиг­налов речи по ТФ каналам общепринятой является F_д = 8 кГц, а число двоичных разрядов АЦП обычно выбирается равным m = 8, включая знаковый разряд. Поэтому диапа­зон чисел (исключая ноль) на выходе АЦП составляет от -127 до +127. В результате на выходе АЦП формируется последовательность 8-раз­рядных кодовых слов (т.е. 8-битовых чисел), следующих с частотой 8 кГц. Следова­тельно, цифровая скорость передачи сигнала на выходе АЦП составляет

R_ц = F_д ´ m = 8 ´ 8 = 64 кбит/с. (7.1)

Эта величина представляет собой информационный объем цифрового предс­тавления РС (система ИКМ-64), который необходимо знать при его передаче или хранении.

На приемной стороне линии цифровой передачи в декодере битовый поток восстанавливается и формируются величины квантованных отсчетов. Затем для интерполяции между величинами отсчетов и восстановления исходной формы сигнала используется ФНЧ. Декодер и ФНЧ образуют цифро-аналоговый преобразователь (ЦАП). Если ошибок в передаче не было, то сигнал на выходе идентичен входному - за исключением шума квантования Р_ш.кв. Структурная схема системы ИКМ приведена на рис. 7.4.

F_д

Канал ТЧ ИКМ - канал

Рис. 7.4. Структурная схема системы ИКМ

Искажения (шум) квантования, возникающие при преобразовании ана­логового сигнала в цифровую форму, обычно выражаются в виде отношения средних мощностей сигнала и шума, т.е. отношения сигнал-шум квантования (ОСШК) Р_с/Р_ш.кв. ОСШК, выраженное в децибелах, при равномерном квантовании определяется соотношением:

Р_с / Р_ш.кв = 6 m + 4,8 – 20 lg Q, дБ, (7.2)

где Q – значение пик-фактора сигнала. Отсюда имеем:

* для гармонического сигнала (Q = Ö2) Р_с / Р_ш.кв = 6 m + 1,8, дБ;

* для речевого сигнала (Q = 12 дБ) Р_с / Р_ш.кв = 6 m – 7,2, дБ.

Система ИКМ с линейным квантованием практически не применяется, поскольку для достижения приемлемо­го качества восприятия восстановленного речевого сигнала при равно­мерном квантовании необходимо обеспечить m ≥ 12. Столь большое число уровней квантования n_макс = 2¹² при F_д = 8 кГц требует, чтобы скорость R_ц передачи символов в канале была не менее 96 кбит/с. Для существенного уменьшения скорости R_ц цифрового потока прибегают к нелинейному квантованию (рис. 7.5а) в процессе мгновенного компандирования (МК),когдана передающей стороне РС подвергают компрессии по логарифмическому закону, а на приемной осуществляют обратную операцию – экспандирование с помощью экспоненциального преобразования. При МК устраняется психофизическая избыточность, определяемая низкой заметностью искажений квантования на фоне сильного сигнала.

В электросвязи используется ИКМ с компандированием либо по m - закону, либо по А - закону; характеристика компрессии по m - закону приведена на рис. 7.5б для разных значений коэффициента сжатия. Обычно используют m = 30; 100; 255 или А = 87,6. Структурная схема системы ИКМ с МК дополняется элементами логарифмического компандера (рекомендация ITU-T G.711, 1960 г.). Так, можно либо компрессировать исходный сигнал по логарифмическому закону с последующим равномерным квантованием при сравнительно малом числе уровней (например, при m = 8), либо компрессировать предварительно преобразованный в цифровую форму сигнал при срав­нительно большом исходном числе уровней квантования (например, при m = 12) с последующим преобразованием к восьмиразрядному коду (m = 8). Результатом преобразования является двоичная последова­тельность, передаваемая со скоростью R_ц = 64 кбит/с.

Рис. 7.5. Принцип нелинейного квантования (а) и характеристики компрессии по m - закону (б)

Из-за трудностей реализации неравномерного квантования с аналоговыми компрессорами переходят к цифровым, у которых плавная характеристика компрессии заменяется линейно-ломанной аппроксимирующей функцией с различным числом сегментов.

8. Дифференциальные методы кодовой модуляции

В обычной системе с ИКМ каждый отсчет входного сигнала кодируется независимо от всех остальных. В то же время анализ пока­зывает, что речевой сигнал (РС) характеризуется сильной автокорреляцией - коэффициент корреля­ции (мера предсказуемости) между соседними отсчетами, следующими с частотой 8 кГц, составляет в общем случае 0,85 или больше. Это означает, что две соседних выборки не могут сильно отличаться друг от друга. Соответст­венно, если кодировать только разность между ними, то можно снизить скорость передачи двоичных данных, представляющих речевой сигнал. Более того, зна­ние нескольких последовательных отсчетов и их корреляционных свойств по­зволяет предсказать последующий отсчет. Заметим, что на протяжении некото­рого ограниченного промежутка времени РС можно считать квази­стационарным. Таким образом, вместо кодирования следующих друг за другом отсчетов или даже их разности, можно кодировать разность между текущим и предсказанным значением, которое предсказатель (варианты: экстраполятор, пре­диктор)вычисляет на основе инфор­мации о нескольких предыдущих отсчетах.

Первым примером «сжимающей» обработки считают дифференциальную ИКМ (ДИКМ). В этой системе предыдущий отсчет берется с определенным весом, формируя прогноз, а разница между предсказанным и реальным отсчетами речи подвергается квантованию по знаку и по величине, после чего формируются двоичные символы (кодовые слова) цифрового сигнала. По существу, здесь кодируется крутизна (производная) сигнала на передающей стороне и восстанавливается сигнал пу­тем интегрирования на приемной стороне.

Простейшими средствами получения разности значений отсчетов являются запоминание предыдущего входного отсчета непосредственно в аналоговой памяти и использование аналогового вычитающего устройства для измерения изменения (рис. 8.1). Изменения сигнала затем квантуются и кодиру­ются для передачи.

Рис. 8.1. Структурная схема системы ДИКМ

Таким образом, в дифференциальных кодеках квантованию и передаче по цифровому каналу подвергается разность между текущим отсчетом (выборкой) РС x(k) и его предсказанным значением x~(k), т.е. ошибка предсказания z(k) = x(k) – x~(k). Предсказываемое значение формируется из восстановленного сигнала x`(k) = x~(k) + z_q(k); здесь z_q(k) – квантованная ошибка предсказания. В качестве предсказываемого значения РС x~(k) в простейшем случае может быть использовано предыдущее отсчетное значение, хотя в общем случае используется выражение