Note: Descriptions are shown in the official language in which they were submitted.
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
PROCEDE DE TRANSMISSION D'UN FLUX D'INFORMATION PAR
INSERTION A L'INTERIEUR D'UN FLUX DE DONNEES DE PAROLE, ET
CODEC PARAMETRIQUE POUR SA MISE EN OEUVRE
La présente invention se rapporte de façon générale au domaine du
codage de la parole, et en particulier à un procédé d'insertion d'un flux
d'information à l'intérieur d'un flux de données de parole, le flux
d'information
inséré pouvant être. un flux de données de parole à plus faible débit ou un
flux
de données transparentes.
L'invention trouve des applications, en particulier, dans les systèmes
de radiocommunication mobile publics ou professionnels (systèmes PMR, de
l'anglais "Professional Mobile Radiocommunication").
On appelle signal de parole un signal acoustique émis par un appareil
~~ocal humain.
On appelle codec une unité matérielle et/ou logicielle de codage et de
décodage d'un flux numérique. Sa fonction de codage permet de transcoder un
flux numérique d'échantillons quantifiés dans le domaine témporel d'un signal
source (par exemple un signal de parole) en un flux numérique comprimé. Sa
fonction de décodage permet d'effectuer une opération pseudo-inverse dans
l'objectif de restituer des attributs représentatifs du signal source, par
exemple
des attributs perceptibles dans un récepteur tel que l'oreille humaine.
Un flux de données de parole est un flux de données généré par un
codec de parole, à partir du codage d'un signal de parole. Un flux de données
transparentes est une suite numérique binaire dont le type de contenu est non
spécifié, qu'il soit effectivement un flux de données informatiques ou un flux
de
données de parole. Les données sont dites transparentes en ce sens que, d'un
point de vue externe, tous les bits ont une égale importance vis-à-vis, par
exemple de la correction des erreurs de transmission en sorte qu'un codage
correcteur d'erreurs doit donc être uniforme sur l'ensemble des bits. A
l'inverse,
si le flux est un flux de données de parole, certains bits sont plus
importants à
protéger que d'autres.
Un codec de parole, aussi appelé vocodeur (en anglais "Vocoder"
"Speech Codec" ou "Voice Codec") est un codec spécialisé qui est adapté au
codage d'un signal de parole quantifié et au décodage d'un flux de trames de
paroles. En particulier, il présente pour sa fonction codage une sensibilité
qui
dépend des caractéristiques de la parole du locuteur et un bas débit binaire
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
2
associé à une bande de fréquences plus limitée que la bande de fréquénces
audio générale (20 Hz-20 kHz).
II existe plusieurs familles de techniques de codage de la parole,
notamment des techniques de codage de la forme d'onde du signal de parole
(par exemple le codage ITU-T 6.711 MIC loi A/mu), des techniques de codage
à modèle de source (le plus connu étant le codage CELP, de l'anglais "Code-
Excited Linear Prediction"), des codages - perceptuels, et des techniques
hybrides fondées sur la combinaison de techniques appartenant à au moins
deux des familles ci-dessus.
L'invention vise l'application à des techniques de codage "à modèle de
source". Ces techniques sont aussi appelées techniques de codage
paramétrique, car elles sont basées sur la représentation de paramètres
d'excitation de la source de parole et/ou de paramètres décrivant l'enveloppe
spectrale du signal émis par le locuteur (par exemple selon un modèle de
codage par prédiction linéaire exploitant la corrélation entre les valeurs
consécutives des paramètres associés à un filtre de synthèse, ou encore selon
un modèle cepstral) et/ou de paramètres acoustiques dépendant de la source,
par exemple l'amplitude et la fréquence centrale fondamentale perçue ("Pitch"
en anglais), la période ("Pitch period" en anglais) et l'amplitude des pics
d'énergie des premières harmoniques d'une fréquence de pitch à différents
intervalles, son degré de voisement ("voicing rate" en anglais), sa mélodie et
ses enchaînements.
On appelle vocodeur paramétrique un vocodeur mettant en oeuvre un
codage numérique de la parole utilisant un modèle paramétrique de la source
de parole. En pratique, un tel vocodeur associe plusieurs paramètres à chaque
trame du flux dé parole. Premièrement des paramètres spectraux de prédiction
linéaire aussi appelés, par exemple, coefficients LP (de l'anglais "Linear
Prediction") ou coefficients LPC (de l'anglais "Linear Prediction Coding"),
qui
définissent le filtre de prédiction linéaire du vocodeur (filtre à court
terme).
Deuxièmement des paramètres d'excitation adaptative associés à un (ou
plusieurs) vecteurs) d'excitation adaptative, aussi appelés paramètres LTP (de
l'anglais "Long Term Predictor") ou encore coefficients de prédiction
adaptative, qui définissent un filtre à long terme sous la forme d'un premier
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
3
vecteur d'excitation et d'un gain associé à appliquer en entrée du filtre de
synthèse.. Et, troisièmement, des paramètres d'excitation fixe associés à (ou
plusieurs) vecteurs) d'excitation fixe, aussi appelés paramètres algébriques
ou
paramètres stochastiques qui définissent un second vecteur d'excitation et un
gain associé à appliquer en entrée du filtre de synthèse.
Du document EP-A-1 020 848, on connaît un procédé pour transmettre
de l'information auxiliaire dans un flux d'information principale
correspondant à
un signal de parole, ladite information auxiliaire étant insérée au niveau du
vocodeur CELP qui code le signal de parole, en remplacement de l'index du
vecteur d'excitation adaptative et/ou de l'index du vecteur d'excitation fixe.
Plus
spécifiquement, les bits d'information auxiliaire sont insérés dans le
vocodeur
de l'émetteur en lieu et place des bits codant normalement l'index
correspondant, et la valeur 'du gain est mise à zéro afin d'en informer le
vocodeur du récepteur.
Selon un inconvénient, l'insertion d'un flux d'information auxiliaire dans
le flux n'est pas discrète, en ce sens qu'il suffit de constater la valeur
nulle du
gain pour savoir que les bits normalement alloués au codage de l'index associé
contiennent en fait l'information auxiliaire. Ceci est considéré comme un
inconvénient pour la mise en oeuvre de la méthode dans un système dans
lequel la confidentialité des transmissions est importante.
L'invention a pour principal objet de permettre l'insertion discrète d'un
flux secondaire dans un flux principal correspondant à un flux de parole.
D'autres objets de l'invention visent à maximiser le débit du flux secondaire
pouvant être inséré, tout en préservant au mieux la performance du codage du
flux principal vis à vis d'attributs de la source (i.e. en préservant la
qualité
perçue à l'audition lors de la synthèse du flux de parole). Un autre l'objet
de
l'invention est aussi de préserver simultanément la performance du codage du
flux secondaire vis à vis d'attributs de la source du flux secondaire,
notamment
lorsqu'il s'agit également d'un flux de parole.
Certains ou la totalité de ces objets sont atteints, selon un premier
aspect de l'invention grâce à un procédé de transmission d'un flux
d'information
secondaire entre un émetteur et un récepteur, comprenant l'insertion dudit
flux
d'information secondaire au niveau d'un vocodeur paramétrique de l'émetteur
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
4
générant un flux d'information principal qui est un flux de données de parole
codant un signal de parole et qui est transmis de l'émetteur vers le
récepteur.
Des bits du flux d'information secondaire sont insérés
- dans certaines seulement des trames du flux d'information principal,
sélectionnées par un masque de trames connu de l'émetteur et du récepteur ;
et/ou,
- à l'intérieur d'une trame déterminée du flux d'information principal, en
imposant une contrainte à certains seulement des bits de la trame,
sélectionnés par un masque de bits connu de l'émetteur et du récepteur.
L'émetteur et le récepteur, de même que la transmission, doivent être
interprétés dans leur acception la plus large. Dans un exemple d'application à
. -
un système de radiocommunication, l'émetteur et le récepteur sont des
équipements terminaux du système, et la transmission est une transmission
radio.
L'insertion est réalisée au niveau d'un vocodeur paramétrique de
l'émetteur qui produit ledit flux d'information principal; sans modification
du
débit binaire de ce dernier par rapport à ce qu'il serait sans insertion. Dit
autrement, le flux d'information secondaire est interprété comme une suite de
contraintes sur la suite de valeurs de certains paramètres du modèle de
codage paramétrique du flux d'information principal. Par rapport au procédé
d'insertion connu dans l'art antérieur, le procédé selon l'invention présente
l'avantage que rien dans le flux d'information principal qui est transmis ne
trahit
la présence du flux d'information secondaire inséré. De plus, en limitant
l'insertion à certaines trames et/ou à certaines bits dans une trame
seulement,
on préserve l'intelligibilité du signal de parole codé dans le flux
d'information
principal, ce qui n'est nullement le cas avec le procédé d'insertion connu
précité.
Afin de renforcer la discrétion de l'insertion, et donc la robustesse vis-
à-vis des tentatives de piratage de la transmission, le masque de trames peut
être variable. II est alors généré selon un algorithme commun parallèlement
dans l'émetteur et dans le récepteur, afin d'assurer la synchronisation du
codage et du décodage du flux d'information principal, respectivement dans
l'émetteur et dans le récepteur.
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
Le masque de trames peut avantageusement définir une sous-suite de
groupes de trames consécutives dans chacune desquelles des bits du flux
d'information secondaire sont insérés, afin de profiter de l'effet de
glissement
du codage qûi résulte de la mémorisation des trames dans le vocodeur
5 paramétrique. Ceci contribue à préserver la fidélité du flux d'information
principal au signal de parole.
De préférence, la longueur en nombre de trames d'un groupe de
trames consécutives est alors sensiblement égale à la profondeur de
mémorisation des trames dans le vocodeur paramétrique.
Lorsqué le modèle de source du vocodeur paramétrique prévoit, pour
certaines au moins des trames du flux d'information principal, différentes
classes de bits en fonction de leur sensibilité vis-à-vis de la qualité du
codage
du signal de parole, le masque de bits peut étre tel que des bits du flux
d'information secondaire sont insérés dans ces trames en imposant une
contrainte en priorité aux bits appartenant à la classe de bits la moins
sensible.
Ceci contribue aussi à préserver la fidélité du flux d'information principal
au
signal de parole.
Le flux d'information secondaire peut-être un flux de données de parole
ayant un débit plus faible que le débit d'information principal. Ceci est le
cas
lorsque le flux d'information secondaire sort d'un autre vocodeur ayant un
débit
plus faible que le débit du vocodeur paramétrique.
Bien entendu, le flux d'information secondaire peut aussi être un flux
de données transparentes.
Lorsque le débit du flux d'information secondaire à insérer est trop
élevé par rapport au débit du vocodeur paramétrique, on peut être amené à
supprimer des bits du flux d'information secondaire, si cela est compatible
avec
l'application. Inversement, en cas de débit trop faible du flux d'information
secondaire, on peut répéter certains bits ou introduire des bits de bourrage.
Le flux d'information secondaire est soumis à un codage correcteur
d'erreurs avant insertion dans le flux d'information principal. Ceci permet de
pallier le fait que, dans le contexte des vocodeurs paramétriques, certains
bits
des trames du flux d'information principal sont faiblement voire non soumis à
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
6
un codage correcteur d'erreurs (formant codage de canal) avant la
transmission.
Dans un mode de mise en oeuvre possible, des bits du flux
d'information secondaire sont insérés en imposant des valeurs à des bits qui
appartiennent à des paramètres d'excitation d'un filtre du modèle de source du
vocodeur paramétrique, par exemple des paramètres d'excitation adaptative
et/ou des paramètres d'excitation fixe du filtre de prédiction linéaire d'un
vocodeur CELP. Le fait de ne pas imposer de contrainte sur les bits des
paramètres de prédiction linéaire préserve l'intelligibilité du flux
d'information
principal. A cet effet également, on préfère imposer des contraintes bits
formant les paramètres d'excitation fixe plutôt que sur ceux formant les
paramètres d'excitation fixe.
Dans un mode de mise en oeuvre, des bits du flux d'information
secondaire peuvent également être insérés dans des trames de silence du flux
d'information principal, à la place ou en plus de l'insertion dans des trames
de
parole.
Dans un autre mode de mise en oeuvre, des bits du flux d'information
secondaire peuvent être insérés en imposant des contraintes à des bits non
chiffrés au titre d'un chiffrement de bout en bout du flux d'information
principal.
Cela permet à un équipement récepteur de pouvoir, après extraction, décoder
le flux d'information secondaire bien que n'ayant pas la capacité de
déchiffrement à ce titre. Bien entendu, les bits concernés peuvent néanmoins
subir une ou plusieurs opérations de chiffrement/déchiffrement à un autre
titre,
par exemple des chiffrements de lien ou d'interface radio.
Par exemple, la contrainte d'insertion peut être une contrainte d'égalité
des bits de la trame du flux d'information principal avec les bits du flux
d'information secondaire insérés.
Un deuxième aspect de l'invention se rapporte à un vocodeur
paramétrique adapté pour la mie en oeuvre du procédé selon le premier aspect.
En ce qui concerne sa fonction de codage, un tel vocodeur paramétrique
comprend des moyens d'insertion pour l'insertion d'un flux d'information
secondaire dans un flux d'information principal qui est généré par le vocodeur
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
7
paramétrique à partir d'un signal de parole. Ces moyens d'insertion sont
adaptés pour insérer des bits du flux d'information secondaire
- dans certaines seulement des trames du flux d'information principal,
sélectionnées par un masque de trames déterminé ; et/ou,
- à l'intérieur d'une trame déterminée du flux d'information principal, en
imposant une contrainte à certains seulement des bits de la trame,
sélectionnés par un masque de bits déterminé.
Pour sa fonction décodage, le vocodeur comprend des moyens
d'extraction du flux d'information secondaire à partir du flux d'information
principal.
. . Un. troisième aspect de l'invention se rapporte encore à un équipement
terminal d'un système de radiocommunications comprenant un vocodeur
paramétrique selon le deuxième aspect.
D'autres caractéristiques et avantages de l'invention apparaîtront
encore à la lecture de la description qui va suivre. Celle-ci est purement
illustrative et doit être lue en regard des dessins annexés sur lesquels
- la figure 1 est un diagramme illustrant un exemple de flux de données
de paroles codées (flux de parole) organisé en trames et sous-trames ;
- la figure 2 est un schéma synoptique partiel d'un exemple
d'équipement émetteur selon l'invention ;
- la figure 3 est un schéma synoptique partiel d'un exemple d'un
vocodeur selon l'invention ; et
- la figure 4 est un schéma synoptique partiel d'un exemple de
vocodeur utilisé dans équipement récepteur selon l'invention.
La figure 1 est un schéma illustrant le principe général de l'insertion
d'un flux de données secondaire DS2 dans un flux de données principal DS1
codant un signal de parole VS1. Cette insertion est réalisée au niveau d'un
émetteur qui, après multiplexage et codage de canal, émet le flux DS1, et donc
le flux DS2 qu'il contient, vers un récepteur distant. Un tel émetteur et un
tel
récepteur sont par exemple des terminaux mobiles d'un système de
radiocommunications public tel que le GSM ou l'UMTS, ou un système de
radiocommunications professionnel tel que TETRA ou TETRAPOL.
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
ô
Le flux DS1 est généré par un vocodeur 10 à partir du signal de parole
VS1, lequel est produit par une source de parole 1 telle que l'appareil vocal
d'un individu. A cet effet, le signal de parole VS1 est numérisé selon un
codage
MIC (codage par modulation d'impulsion) linéaire, et segmenté en trames
appelées trames de parole. De plus, chaque trame est en général segmentée
au niveau du vocodeur 10 en un nombre M fixé de segments appelés sous
trames dans le domaine temporel (modèle CELP) ou dans le domaine
fréquentiel (modèle MBE, de l'anglais "Multi-Band Excitation"). Typiquement M
est compris entre 2 et 6, selon les vocodeurs). Chaque trame comprend un
nombre déterminé N de bits.
La figure 2 illustre un signal de parole numérisé et segmenté en trames
F[i] successives, pour i compris entre 0 et l'infini. De plus, au moins pour
certains paramètres, chaque trame F[i] peut être segmentée en M sous-trames
notées SF[m], pour m compris entre 1 et M. A la figure, on note D la durée
d'une trame.
De retour à la figure 1, le vocodeur 10 peut être un vocodeur EFR (de
l'anglais "Enhanced Full Rate") du système GSM (voir spécification
EN 300 726 GSM 06.60 de l'ETSI), un vocodeur AMR (de l'anglais "Adaptative
Multi-Rate") du système UMTS (voir la spécification 3GPP TS26.101 de l'ETSI)
pour lequel D=20 ms et M=4, un vocodeur d'un terminal de
radiocommunication TETRA conforme à la spécification EN 300 395-2 de
l'ETSI, ou encore un vocodeur TETRAPOL à 6 kbits/s (référencé dans le
rapport ITU-R M.2014) pour lequel le nombre D=20 ms, M=3 et N=120.
Le flux de données secondaire DS2 est par exemple généré par un
codec 20, lequel reçoit un flux de données à coder d'une source 2. Dans un
exemple d'application de l'invention, la source 2 émet aussi un signal de
parole, le codec 20 étant alors un vocodeur de débit inférieur à celui du
cocodeur 10. Dans ce cas, le flux DS2 est aussi un flux de trames de parole.
Dans cette application, l'invention permet l'insertion discrète d'une
communication secondaire dans une communication principale. Le codec 20,
plus spécifiquement le vocodeur 20, peut être un vocodeur de type MF-MELP
(de l'anglais "Multi-Frame - Mixed Excitation Linear Prediction") à
1200/2400 bits/s décrit dans ~IATO STANAG 4591.
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
9
Eventuellement, le flux DS2 peut être soumis à un codage correcteur
d'erreurs, par exemple un codage CRC (de l'anglais "Cyclic Redundancy
Code") ou un codage convolutif, qui forme un codage de canal en vue de sa
transmission à travers le canal de transmission. En effet, on sait que
certains
bits des trames du flux de parole DS1 sont peu voire pas protégés par le un
codage de canal, en sorte qu'une protection spécifique des bits du flux
d'information DS2 peut être requise, selon les âpplications.
Le vocodeur 10 comprend un codeur 100 qui met en oeuvre un
algorithme de codage à modèle de source (ou modèle paramétrique), par
exemple de type CELP ou de type MELP. Dans un tel cas, les paramètres
correspondant au codage d'une trame de parole côté émetteur irc!uent, entre
autres, des vecteurs d'excitation qui sont soumis, côté récepteur, à un filtre
dont la réponse modélise la parole.
Les algorithmes de codage paramétriques utilisent des paramètres
calculés soit directement en fonction du flux de trames de paroles entrant et
d'un état interne du vocodeur, soit calculés par itérations (sur des trames
et/ou
des sous-trames successives) en optimisant un critère donné. Typiquement,
les premiers paramètres comprennent les paramètres de prédiction linéaire
(LP), définissant un filtre court terme, et les seconds paramètres comprennent
les paramètres d'excitation adaptative (LTP) définissant un filtre long terme
et
les paramètres d'excitation fixe. Chaque itération correspond au codage d'une
sous-trame dans une trame du flux d'entrée.
Ainsi, par exemple, les paramètres d'excitation adaptative et les
paramètres d'excitation fixe sont sélectionnés par itérations successives afin
de
minimiser l'erreur quadratique entre le signal de parole synthétisé et le
signal
de parole VS1 original. Dans la littérature anglo-saxonne, cette sélection
itérative est parfois appelée "Codebook search" ou "Analysis by Synthesis
Search", ou "Error Minimization Loop" ou encore "Closed Loop Pitch Analysis".
En général, les paramètres d'excitation adaptative et/ou les paramètres
d'excitation fixe peuvent comprendre chacun, d'une part un indice
correspondant à une valeur d'un vecteur dans le dictionnaire adaptatif
(dépendant de la sous-trame) ou dans un dictionnaire fixe, respectivement, et
d'autre part une valeur de gain associée audit vecteur. i~léanmoins, dans
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
certains vocodeurs tels que le vocodeur TETRAPOL, les paramètres de l'une
au moins des excitations adaptative et fixe définissent directement le vecteur
d'excitation à appliquer, c'est-à-dire sans adressage d'un dictionnaire par un
indice. Dans ce qui suit, il n'est pas fait de distinction entre le mode de
5 définition des vecteurs d'excitation. Les contraintes imposées par les bits
du
flux DS2 s'appliquant soit à l'indice se rapportant à la valeur du vecteur
d'excitation dans le dictionnaire, soit à la valeur de l'excitation elle-méme.
En plus du flux de données principal (flux de trames de parole) VS1 et
du flux de données secondaire DS2, le vocodeur 10 reçoit, selon l'invention un
10 flux TS de masques de trames, et/ou un flux BS de masques de bits.
Le flux FS est généré par un générateur de masques dv ,ra7!es 3, à
partir d'un flux binaire reçu d'un générateur pseudo-aléatoire 5, lequel
fonctionne à partir d'une clé secrète Kf connue de l'émetteur et du récepteur.
Un masque de trames a pour fonction de sélectionner, parmi un nombre
déterminé de trames du flux de trames de parole DS1, celles dans lesquelles,
seulement, les bits du flux de données secondaires DS2 sont insérés.
A cet effet, le générateur 3 exécute le processus suivant. Soit la suite
des trames F[i] du flux principal DS1, soit h une fonction numérique à valeurs
entières, et soit k un nombre entier déterminé, qui est de préférence
sensiblement égal à la profondeur de mémorisation de trames successives
dans le vocodeur 10 (voir plus loin, nombre P, en référence au schéma de la
figure 3), alors les trames F[h(i)], F[h(i)+1], ..., F[h(i)+k] définissent ce
qui est
appelé ici une sous-suite de groupes de trames de la suite des trames F[i].
Selon une modalité préférée de l'invention, les trames subissant la
contrainte d'insertion sont des trames appartenant à une sous-suite de groupes
de trames consécutives du flux principal DS1. Ceci permet de profiter de
l'effet
glissant du codage de parole résultant de la mémorisation de trames prévue
dans le vocodeur 10, afin de préserver la qualité du codage du signal de
parole
VS1 dans le flux principal DS1. C'est pour cela que le nombre k, qui
correspond à la longueur en trames d'un groupe de trames, est de préférence
égal à, ou du moins proche de la profondeur de mémorisation R du vocodeur
10, ainsi qu'il a été dit plus haut.
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
11
Par exemple, en choisissant h(i~ =10 x i et k = 5 , alors les trames F[0]
à F[5] subissent la contrainte d'insertion, les trames F[6] à F[9] ne
subissent
pas la contrainte d'insertion, les trames F(10] à F(15] subissent la
contrainte
d'insertion, les trames F[16] à F[19] ne subissent pas la contrainte
d'insertion,
etc. Dit autrement, dans cet exemple, 6 trames consécutives sur 10 subissent
la contrainte d'insertion.
Le flux BS est quant à lui généré par un générateur de masques de bits
4, à partir d'un flux binaire reçu d'un générateur pseudo-aléatoire 6, lequel
fonctionne à partir d'une clé secrète Kb, également connue de l'émetteur et du
récepteur. Un masque de bits a pour fonction de sélectionner, parmi les N bits
d'une trame du flux de trames de parole DS1 sélci;ti~nnée en vertu du masque
de trames associée à la trame F[i] courante, ceux qui, seulement, sont
contraints par des bits du flux de données secondaire DS2.
A cet effet, le générateur 4 exécute le processus suivant. II produit un
flux d'un nombre fixé Smax bits, où Smax désigne le nombre maximum de bits
d'une trame courante Fi du flux principal DS1 qui peuvent étre contraints par
des bits du flux secondaire DS2. Un nombre déterminé S de bits parmi ces
Smax bits, où S est inférieur ou égal à Smax (SsSmax), ont la valeur logique
1,
les autres ayant la valeur logique 0. Ces Smax bits sont insérés dans une
chaîne de N bits, à des positions prédéfinies et fixes qui sont prévues dans
le
logiciel du vocodeur 10, en sorte de former un masque binaire sur la trame. Ce
masque, appelé masque de bits, comprend donc S bits égaux à 1. Dans un
exemple, lorsqu'un bit du masque de bits est égal à 1, il indique une position
d'insertion d'un bit du flux secondaire DS2 dans la trame courante Fi du flux
principal DS1.
Le nombre Smax est fixé en réalisant un compromis entre le nombre
de bits maximum du flux secondaire DS2 qu'on peut insérer dans une trame du
flux principal DS1, d'une part, et le souci de préserver la qualité du codage
du
signal de parole VS1 dans le flux principal DS1, d'autre part. Le nombre Smax
étant fixé, le nombre S dépend du débit du flux secondaire DS2. Le rapport S/N
définit ce qu'on peut appeler le taux d'insertion du flux secondaire DS2 dans
le
flux principal DS1 pour la trame courante F[i], le rapport Smax/N définissant
le
taux d'insertion maximum.
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
12
Dans un exemple où on utilise un vocodeur TETRAPOL (pour léquel
N =120) avec h(i~ =10 x i , k = 5 et S = 50 , on obtient pour l'insertion du
flux
secondaire un canal de débit moyen de 1215 bits. Un tel débit permet
l'insertion d'un flux de données secondaire généré par un codec de type MF-
MELP à 1200 bits (nécessitant 81 bits dans 67,5 ms) décrit dans NATO
STANAG 4591. Dit autrement, le taux d'insertion obtenu est suffisant pur
transmettre discrètement un flux secondaire qui est aussi un flux de parole
généré par un vocodeur secondaire 20 de débit inférieur à celui du vocodeur
principal 10.
Un exemple de contrainte d'insertion consiste à remplacer (i.e.,
écraser) les bifis du flux principal DS1 normalement généré suivant
l'algorïtr~rTre
de codage standard mis en oeuvre par le vocodeur 10 à partir du signal de
parole VS1, par des bits du flux secondaire DS2. Dit autrement, les
contraintes
appliqués aux paramètres de codage de la parole du flux principal sont des
contraintes d'égalité avec les bits du second flux, combinées à des
contraintes
de sélection par opération ET logique appliquant un masque binaire sur les
bits
formant le flux principal.
Cet exemple est le plus simple, mais il n'est pas le seul. En effet, des
algorithmes sur le flux principal et sur le flux secondaire utilisant toute
grammaire contextuelle ou algèbre linéaire ou non-linéaire, y compris
l'algèbre
de Boole et l'algèbre temporelle de Allen (voir l'article "Maintaining
Knowledge
about Temporal Intervals", Communications of the ACM, 26/11/1983, pp. 832-
84), d'éventuelles mémoires auxiliaires et dépendant de la valeur de
paramètres tiers, permettent à l'Homme du métier de définir des contraintes
~ complexes, qui respectent par exemple des propriétés statistiques imposées
par le modèle de parole du flux principal.
Notons en particulier que l'ensemble des indices des excitations dans
un dictionnaire a généralement une distribution des bits à 0 et à 1 totalement
neutre vis à vis d'une analyse statistique d'occurrences. II est généralement
possible de chiffrer le flux secondaire DS2 sous une forme pseudo-aléatoire
avant insertion, sans modifier la distribution statistique des 0 et 1 dans les
bits
modifiés du flux principal. Dans l'hypothèse d'un modèle de codage de parole
conduisant à un flux codé dont certaines sous-trames auraient une corrélation
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
13
vers 0 ou vers 1, le générateur pseudo-aléatoire susmentionné ou un
algorithme de chiffrement du flux secondaire devront aussi avoir ce biais.
Ainsi qu'on l'aura compris, le nombre de bit contraints lors du codage
varie d'une trame à l'autre selon une loi d'évolution connue de l'émetteur et
du
récepteur, qui sont supposés être synchronisés.
La synchronisation de l'émetteur et du récepteur en ce qui concerne
l'application des masques de trame etlou des masques de bits résulte de la
synchronisation générale entre ces deux équipements. Typiquement, cette
synchronisation est assurée par l'étiquetage des trames à l'aide de valeurs
générées par un compteur de trames. De façon connue, la synchronisation
générale entre l'émetteur et le récepteur peut aussi provenir, en totalité ou
en
complément, d'éléments de synchronisation (motifs de bits particuliers)
insérés
dans le flux principal DS1.
Le codeur 100 de l'émetteur et le décodeur du récepteur partagent une
même information initiale permettant de déterminer la sous-suite des groupes
trames et des sous-trames où l'insertion du flux secondaire a lieu. Cette
information peut comprendre un vecteur d'initialisation des générateurs
pseudo-aléatoires 5 et 6. Elle peut être fixe. Elle peut aussi dépendre, par
exemple, du débit moyen imposé par le flux secondaire, ou encore dépendre
de paramètres non contraints du codec principal 10 calculés lors du codage du
flux principal.
Ainsi qu'il est représenté à la figure 3, le codeur 100 comprend un
module 11 qui est un module matériel et/ou logiciel de synthèse des
paramètres de prédiction linéaire, recevant en entrée le signal de parole VS1
et
délivrant en sortie une information LP correspondant aux paramètres de
prédiction linéaire (coefficients du filtre de prédiction linéaire court
terme).
L'information LP est passée en entrée d'une unité logique 12, par exemple un
multiplexeur, qui est commandée par le flux de masques de trames FS et le
flux de masques de bits BS. L'unité 12 génère en sortie une information LP'
correspondant à l'information LP dont certains bits au moins pour certaines
trames au moins, ont été altérés par application des contraintes résultant du
flux secondaires DS2 via le masque de trame et le masque de bits associés à
la trame courante. Une mémorisation de l'information LP', avec une profondeur
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
14
de mémorisation correspondant à un nombre déterminé P de trames
successives, peut-être prévue pour le module 11.
Le codeur 100 comprend aussi un module 21 qui est un module
matériel et/ou logiciel de synthèse des paramètres d'excitation adaptative,
recevant en entrée l'information LP' et délivrant en sortie une information
LTP
correspondant aux paramètres d'excitation adaptative (définissant un premier
vecteur de quantification et un gain un associé pour le filtre de synthèse
court
terme). L'information LTP est passée en entrée d'une unité logique 22, par
exemple un multiplexeur, qui est commandée par le flux de masques de trames
FS et le flux de masques de bits BS. L'unité 22 génère en sortie une
information LTP' correspondant à l'information LTP dont ce;~;ains kits au
moins
pour certaines trames et/ou pour certaines sous-trames au moins, ont été
altérés par application des contraintes résultant du flux secondaires DS2 via
le
masque de trame et le masque de bits associés à la trame courante. Une
mémorisation de l'information LTP', avec une profondeur de mémorisation
correspondant à un nombre déterminé Q de sous-trames successives de la
trame courante (QsM-1 ), peut-être prévue pour le module 21.
Le codeur 100 comprend enfin un module 31 qui est un module
matériel et/ou logiciel de synthèse des paramètres d'excitation fixe, recevant
en
entrée l'information LTP' et délivrant en sortie une information FIX
correspondant aux paramètres d'excitation fixe (définissant un second vecteur
de quantification et un gain un associé pour le filtre de synthèse court
terme).
L'information FIX est passée en entrée d'une unité logique 32, par exemple un
multiplexeur, qui est commandée par le flux de masques de trames FS et le
flux de masques de bits BS. L'unité 32 génère en sortie une information FIX'
correspondant à l'information FIX dont certains bits au moins pour certaines
trames et/ou pour certaines sous-trames au moins, ont été altérés par
application des contraintes résultant du flux secondaires DS2 via le masque de
trame et le masque de bits associés à la trame courante. Une mémorisation de
l'information FIX', avec une profondeur de mémorisation correspondant à un
nombre déterminé R de sous-trames successives de la trame courante (R<_M-
1 ), est prévue pour le module 21. De plus, une mémorisation de l'information
FIX', avec une profondeur de mémorisation correspondant par exemple à un
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
nombre déterminé W de sous-trames successives de la trame courante (W<_M-
1 ), peut-être prévue pour le module 21.
Pour chaque trame courante, l'information LP'(F[i]) correspondant aux
paramètres de prédiction linéaire de la trame, les informations
LTP'(SF[1]),...,
5 LTP'(SF[M] correspondant aux paramètres d'excitation adaptative
respectivement pour chacune des sous-trames SF[1] à SF[M] de la trame, et
les informations FIX'(SF[1]),..., FIX'(SF[M] correspondant aux paramètres
d'excitation fixe respectivement pour chacune des sous-trames SF[1] à SF[M]
de la trame, sont transmises en entrée d'un multiplexeur 41 qui les concatène
10 pour former une trame du flux principal DS1.
Les mémorisations dont il est question ci-dessus permettent ici
d'atténuer l'effet des contraintes appliquées aux bits des paramètres de
prédiction linéaire, des paramètres d'excitation adaptative et/ou des
paramètres d'excitation fixe, vis-à-vis de la fidélité du flux principal DS1
au
15 signal de parole source VS1. En effet, ces mémorisations permettent un
effet
de glissement dans le calcul des paramètres, en sorte que, pour une trame
déterminée, les contraintes appliquées à des premiers paramètres sont au
moins partiellement compensées, du point de vue perceptuel, par le calcul de
paramètres calculés ensuite à partir d'une synthèse de parole basée sur
lesdits
premiers paramètres.
Plus spécifiquement, on peut écrire les relations suivantes, où f
désigne une fonction traduisant l'analyse par synthèse
1°) LP'(F[i])=f(LP'(F[i-1]), LP'(F[i-2]),..., LP'(F[i-P]) ;
2°) LTP'(SF[i])=f(LTP'(SF[i-1]),..., LTP'(SF[i-R]), FIX'(SF[i-1]),...,
FIX'(SF[i-W]) ;
3°) FIX'(SF[i])=f(FIX'(SF[i-1]),..., FIX'(SF[i-W]).
Ces compensations, et aussi le fait que l'insertion des bits du flux
secondaire n'est pas aléatoire, permettent d'atteindre en pratique, pour
certains
vocodeurs, des taux d'insertion de l'ordre de 10 % sans générer de dégradation
(du point de vue perceptuel) du signal de parole VS1 supérieure à ce que
génère un taux d'erreur bit résiduel (après codage canal) de l'ordre de
quelques %.
On va maintenant décrire les implications du procédé côté récepteur.
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
16
Notons tout d'abord que, pour un équipement récepteur ne traitant pas
le flux secondaire DS2, le décodage des trames du flux DS1 reçues, est seul
effectué selon l'algorithme de synthèse standard du vocodeur 10 de
l'équipement émetteur.
Pour un équipement récepteur traitant le flux secondaire DS2, la
récupération de l'information codée par les bits de ce flux secondaire
nécessite
une synchronisation de l'équipement avec l'équipement émetteur, des moyens
d'extraction du flux secondaire DS2 à partir du flux principal DS1. identique
au
codec 20 de l'équipement émetteur.
On se réfère au schéma de la figure 4, qui montre de manière
schématique les moyens d'un vocodeur 1 Oa d'équipement récepteur destiné au
traitement du flux secondaire transmis grâce au procédé selon l'invention.
Le vocodeur 10a, le cas échéant après démultiplexage et décodage
canal, reçoit le flux principal DS1 en entrée, et délivre un signal de parole
VS1'
en sortie.
Le signal VS1' est moins fidèle au signal de parole source VS1 (figure
3) qu'il ne le serait en absence de mise en oeuvre du procédé d'insertion
selon
l'invention. Ceci traduit la perte de qualité du codage effectué côté
émetteur, en
raison des contraintes extérieures appliquées au vocodeur 1 de l'équipement
émetteur.
L'équipement récepteur peut aussi comprendre un moyen de restitution
du signal de parole VS1', par exemple un haut-parleur ou similaire.
Ainsi qu'il a déjà été dit plus haut, les protocoles de transmission
connus prévoient une synchronisation générale de l'équipement récepteur avec
l'équipement émetteur. La mise en oeuvre de l'invention ne requiert donc pas
de moyens particuliers à cet égard.
Pour l'extraction du flux secondaire, le vocodeur 10a comprend un
générateur de masques de trames 3a et un générateur de masques de bits 4a,
respectivement associés à un générateur pseudo-aléatoire 5a et à un
générateur pseudo-aléatoire 6a, qui sont identiques et agencés de la même
façon que les moyens respectivement 3, 4, 5 et 6 du vocodeur 10 de
l'équipement émetteur (figure 3). On notera que les générateurs 5a et 6a du
récepteur reçoivent la même clé secrète, respectivement Kf et Kb, que les
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
17
générateurs 5 et 6 du vocodeur 10 de l'équipement émetteur. Ces clés sont
stockées dans une mémoire ad hoc des équipements. Les générateurs 3a et
4a génèrent respectivement un flux de masques de trames FSa et un flux de
masques de bits BSa, qui sont fournis en entrée du d'un décodeur 100a du
vocodeur 10a.
L'extraction des bits du flux secondaire DS2 se fait par application
synchrone (par exemple via des opération ET logique) des masques de trames
et des masques de bits en entrée du décodeur 100a (par exemple via des
opération ET logique), sans que cela affecte le décodage du flux principal DS1
par ce dernier. A cet effet, le flux DS1 est fourni en entrée du décodeur 100a
via une unité logique 7a, qui extrait le flux d'information secondaire DS2 du
flux
d'information principal DS1 sous la commande du flux de masques de trames
FSa et du flux de masques de bits BSa.
L'équipement récepteur peut aussi comprendre un codec secondaire,
identique au codec 20 de l'équipement émetteur pour le décodage du flux
secondaire DS2. Lorsque ce flux est un flux de parole, le codec secondaire
génère un signal de parole qui peut étre restitué via un haut parleur ou
similaire.
On notera que la fluctuation du taux de transmission des bits du flux
secondaire DS2 ne pose pas de problème particulier côté récepteur, dès lors
que le flux secondaire DS2 est fourni en entrée d'un codec secôndaire à débit
variable comme c'est le cas de tous les vocodeurs du marché. En effet, un tel
codec comprend une mémoire tampon d'entrée ("Input Buffer" en anglais) dans
laquelle les données du flux DS2 sont stockées en vue de leur décodage. II
faut juste s'assurer que la mémoire tampon d'entrée n'est jamais vide. A cet
effet, on détermine le taux d'insertion qui convient, en tenant compte en
particulier du débit binaire du codeur 100 et du vocodeur secondaire 20 et des
objectifs de préservation de la fidélité du flux principal VS1 au signal de
parole
VS1. Compte tenu des taux d'insertion élevés obtenus en pratique (de l'ordre
de 10 %), cette question de l'alimentation du vocodeur secondaire de
l'équipement récepteur ne devrait pas poser de problème, avec un vocodeur
principal 10 de type AMR dans son mode de codage à 12,2 kbits/s et un
vocodeur secondaire 20 de débit environ dix fois moindre.
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
18
Par ailleurs, dans le cas où le flux secondaire est un flux de parole et
afin de fournir au second décodeur un flux régulier de trames, on peut
optionnellement mémoriser les séquences et de ne pas commencer
immédiatement le décodage.
Dans le cas où le flux secondaire est un flux de données
transparentes, il est proposé de les concaténer et de les traiter comme si
elles
avaient été transmises au moyen d'une messagerie çourte de longueur
maximale (service SMS en GSM, par exemple), et d'y adjoindre un code
convolutif correcteur d'erreurs. Alternativement, le flux de données
transparentes peut être envoyé à un module de chiffrement ou à un module de
transcodage et de synthèse de type "Text-to-Speech ».
Revenons maintenant à la description générale des modalités de mise
en oeuvre du procédé de transmission selon l'invention.
Le choix des bits d'une trame déterminée du flux principal qui subissent
l'application de la contrainte du flux secondaire est déterminé selon les
particularités de chaque application. On donne ci-après plusieurs modes de
mise en oeuvre possibles à cet égard, ainsi que d'autres particularités et
avantages de l'invention.
Dans un mode de mise en oeuvre possible, des contraintes sont
imposées lors du codage sur la valeur de zéro, plusieurs ou tous les bits de
la
trame qui sont associés à un vecteur d'excitation de type déterminé,
adaptative
ou fixe, avant d'effectuer les itérations permettant de calculer les
paramètres
qui dépendent dudit vecteur d'excitation en vertu des mémorisations réalisées
dans le vocodeur. Ces bits de valeur contrainte sont alors les informations du
flux secondaire transportées par la trame et constituent le canal du flux
d'information secondaire DS2. Autrement dit, le flux secondaire est inséré en
imposant des valeurs à des bits formant les paramètres des vecteurs
d'excitation adaptative ou fixe. Ceci peut éventuellement étre étendu en
appliquant des contraintes simultanément aux vecteurs d'excitation de l'autre
type, respectivement fixe ou adaptative.
Lorsque la transmission entre l'émetteur et le récepteur prévoit un
chiffrement partiel des trames du flux principal (c'est-à-dire un chiffrement
de
certains bits seulement dans chaque trame), le masque de bits peut
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
19
avantageusement co'incider avec un ensemble de bits non chiffrés d'une trame.
Ceci permet à l'équipement récepteur jouant le rôle de passerelle d'effectuer
l'extraction du flux secondaire inséré dans le flux principal sans disposer
des
moyens de déchiffrer le flux principal.
Ceci est particulièrement utile tout en préservant la confidentialité du
flux principal, sous l'hypothèse approximative de linéarité du modèle de
parole
du vocodeur, c'est-à-dire en considérant que les paramètres résiduels ou
d'excitation des cordes vocales sont non corrélés aux coefficients décrivant
l'enveloppe spectrale de réponse du conduit vocal.
Autrement dit, ce mode de mise en oeuvre du procédé est caractérisé
en ce que le flux d'information secondaire est inséré en imposant des
contraintes à des bits non chiffrés de paramètres du modèle de parole du flux
principal.
Ce mode de mise en oeuvre est illustré par un exemple concernant un
vocodeur EFR (voir plus haut) utilisé comme codec principal. On choisit
d'utiliser des bits parmi les bits non protégés de chaque trame comme canal
pour le flux secondaire, en écrasant leur valeur calculée par l'algorithme de
codage source du flux principal par application d'un masque binaire sur les 78
bits non protégés de chaque trame. Ces 78 bits non protégés sont identifiés
dans le tableau 6 (intitulé "Ordering of Enhanced Full Rate Speech Parameters
for the Channel Encoder" dans la spécification ETSI EN 300 909 V8.5.1 GSM
05.03 "Channel coding") et concernent un sous-ensemble des bits décrivant les
vecteurs d'excitation fixes. Avec ces 78 bits de classe 2 par trame de 20 ms,
on
obtient un canal secondaire de débit nominal 3900 bits. On peut utiliser de
préférence les bits les moins sensibles du mode de codage 12,2 kbit/s du
codec AMR (voir plus haut) identifiés par ordre de sensibilité dans le tableau
B.8 (intitulé "Ordering of the Speech Encoder Bits from the 12,2 kbit/s Mode"
dans la spécification 3GPP TS26.101 "Adaptative Multi-Rate (AMR) Speech
Codec Frame Structure")
II est donc également possible d'introduire, dans le mode de codage à
12,2 kbits/s du codec AMR, le flux d'un codec secondaire, par exemple le
codeur MELP 1200/2400 bits décrit dans NATO STANAG 4591, nécessitant
81 bits par 67,5 ms à 1200 bits/s (respectivement 54 bits par 22,5 ms 2400
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
bits/s), enrobé dans son propre codage correcteur d'erreur (taux 2/3 FEC), par
exemple, qui protège 100% des bits à 1200 bits (respectivement 50% des bits
à 2400 bit/s), et/ou enrobé dans des trames de négociation d'interopérabilité
de
sécurité de type FNBDT ("Future Narrow Band Digital Terminal") définies par
5 l'OTAN, ou d'un type de protocole de sécurité plus léger.
Dans un autre mode de mise en oeuvre, applicable aux vocodeurs
utilisant un algorithme basé sur la sélection d'excitations quantifiées dans
un
dictionnaire, la contrainte consiste à imposer une valeur d'excitation
déterminée, tirée du dictionnaire. En variante, le dictionnaire est
partitionné en
10 plusieurs sous-dictionnaires, et la contrainte consiste à imposer l'un des
sous-
dictionnaires. Une autre variante comprend la combinaison des deux types de
contrainte ci-dessus. Lors du décodage du flux principal côté récepteur, la
connaissance de l'excitation reçue permet d'identifier le sous-dictionnaire
et/ou
l'excitation concernés, et d'en déduire la contrainte qui détermine les bits
du
15 flux secondaire. Notons qu'à une permutation près des excitations, la
contrainte d'imposition du sous-dictionnaire peut être équivalente à
l'application
des contraintes sur les bits de poids faible des indices d'excitation dans le
dictionnaire.
Dans un autre mode de mise en oeuvre, le flux secondaire définit un
20 codage différentiel des indices de vecteurs d'excitation, par exemple de
vecteurs d'excitation fixes, dans la sous-suite de trames successives du flux
principal.
Dans un autre mode de mise en oeuvre, les bits contraints peuvent être
les bits de poids faibles des excitations fixes (c'est-à-dire des excitations
non
adaptatives) pour chaque trame de parole et éventuellement pour chaque
sous-trame définie dans la trame de parole au sens de l'algorithme de codage
du vocodeur 10.
Dans un autre mode de mise en oeuvre, le nombre et la position des
bits contraints sont identifiés pour chaque trame successive en fonction d'un
algorithme de calcul d'un masque et d'un élément secret connu des de
l'émetteur et du récepteur, afin d'accroître les chances de non-détection de
l'existence du flux secondaire par un tiers.
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
21
Un autre mode de mise en oeuvre, applicable à un algorithme de
codage nécessitant plusieurs vecteurs d'excitation fixe par trame ou sous-
trame, tel que le codec CELP pour la parole d'un flux MPEG-4 (défini dans la
spécification ISO/IEC 14496-3 Sub-part 3) pour lequel certaines excitations
fixes d'une trame sont choisies à partir de calculs précédents et où d'autres
excitations fixes de la même trame sont calculés par analyse par synthèse sur
un dictionnaire (voir la spécification ISO/IEC 14496-3 ~7.9.3.4 "Multi-Pulse
Excitation for the bandwidth extension tool"), consiste à imposer la
contrainte
sur le choix par dictionnaire de la première excitation fixe et à utiliser
ensuite
les itérations d'analyse par synthèse sur la seconde excitation fixe .pour
rattraper l'erreur imposée par la contrainte sur la première excitation fixe.
Dans un autre mode de mise en oeuvre, la sous-suite des trames du
flux principal qui sont concernées par l'insertion du flux secondaire ne
comprend que les trames qui présentent suffisamment d'énergie et de parole
au sens du vocodeur. Dans une variante applicable par exemple aux
vocodeurs MELP (qui définissent plusieurs niveaux de voisement) ou aux
vocodeurs HVXC (de l'anglais "Harmonie Vector eXcitation Codec", qui sont
des vocodeurs paramétriques d'un flux de parole MPEG-4 définis dans la
spécification ISO/IEC 14496-3 Sub-part 2) la sous-suite ne concerne que les
segments peu voisés ou totalement non voisés des trames.
Lorsque la contrainte est appliquée sur les paramètres d'excitation, par
exemple sur les indices d'excitation fixes, les paramètres d'une sous-trame du
flux principal DS1 restent tout à fait conformes au modèle de codage de parole
du vocodeur 10. Néanmoins, la séquence des excitations fixes modifiées est
peut-être statistiquement atypique pour une parole humaine ou éventuellement
atypique pour le procédé de reconnaissance du locuteur, selon les contraintes
appliquées et l'objectif de fidélité souhaité. Pour éviter que la présence du
flux
secondaire dans ces excitations ne puisse être détectée dans un équipement
récepteur, un traitement des paramètres comprenant un lissage des gains des
excitations fixes associé à un traitement des impulsions isolées des vecteurs
d'excitation suivi d'un post-filtrage après la synthèse de parole, peuvent
être
appliqués au décodage. Ces traitements permettent d'exclure des séquences
acoustiques apparaissant après transmission dans un canal bruité, qui seraient
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
22
impossible à prononcer par un appareil vocal humain dans l'ambiance d'un
microphone. II s'agit par exemple de certaines séquences de cliquetis,
chuintement, crissements, sifflements ou autres, dans le bruit de fond que le
vocodeur standard n'aurait pas suffisamment filtrées lors de la synthèse de
parole du fait des contraintes imposées. C'est ainsi que peuvent étre rendus
imperceptibles des sons non voisés indésirables, qui seraient corrélés aux
séquences d'excitation fixe contraintes selon le procédé de l'invention.
Néanmoins, lorsque l'application de contraintes risque de conduire à la
perception de sons non-voisés indésirables corrélés à une séquence
d'excitation fixe atypique d'une parole humaine et non filtrée par le filtrage
du
décodeur standard du vocodeur, la sous-suite des trames sur IesqueNes sont
appliquées les contraintes peut être définie en fonction d'analyses
statistiques
préalables sur les valeurs des paramètres consécutifs du modèle de parole du
vocodeurs, par exemple en tirant parti de la texture des paramètres de la
parole, définie par une inertie, une entropie ou une énergie dérivée de la
probabilité des séquences de valeurs des paramètres, par exemple dans huit
trames consécutives représentatives de la durée d'un phonème.
Pour chaque mode de mise en oeuvre, la performance de la synthèse
du flux principal DS1, c'est-à-dire la fidélité au signal VS1, est inversement
proportionnelle au débit relatif du flux secondaire DS2. La performance de
fidélité subjective à la source 1 du signal de parole VS1 peut toutefois être
atteinte lorsque le procédé proposé garde invariants certains attributs
subjectifs
(par exemple certains critères psycho-acoustiques) de la source 1. Elle peut
être mesurée par des mesures statistiques ("Mean Opinion Score", ou MOS)
selon une échelle standardisée (voir la recommandation ITU-T P.862
"Perceptual evaluation of speech quality -PESA").
Dans certains modes de réalisation, la dégradation de la qualité
subjective du flux de parole DS1 issu du vocodeur 10, qui est due à
l'insertion
du flux secondaire DS2, est supposée acceptable pour justifier l'application
du
procédé proposé. C'est en particulier le cas lorsque le flux secondaire est
également un flux de parole et que le contenu auditif du flux principal est
bien
moins important que le contenu du flux secondaire pour l'auditeur légitime. En
effet, la perception psycho-acoustique de la présence éventuelle du flux
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
23
secondaire lors de l'écoute du flux principal décodé et restitué ne permet pas
d'aider à localiser le flux secondaire dans le flux principal et donc
d'apporter
une preuve formelle de son existence. Ceci est en particulier le cas pour un
vocodeur 10 à bas débit utilisé dans un environnement bruité, car le décodage
et la restitution du flux principal DS1 fournissent des séquences de parole
conformes au modèle du vocodeur 10. C'est aussi le cas, dans certaines
limites psycho-acoustiques, lorsque le débit minimal du flux secondaire doit
être assuré au détriment de la qualité de restitution du flux principal.
Afin de préserver au mieux l'intelligibilité de la synthèse du flux
principal DS1, on préfère ne pas appliquer de contraintes sur les paramètres
spectraux de prédiction linéaire (LP) définissant le filtre court terme, et ne
pas
trop perturber les paramètres à long terme (LTP) adaptés à chaque sous-
trame, afin de conserver des caractéristiques subjectives jugées essentielles
dans le signal de parole VS1. En particulier, un mode de mise en oeuvre
consiste à appliquer de préférence les contraintes sur des sous-trames
différentes des sous-trames sur lesquelles les fenêtres d'analyse à long terme
de la trame sont concentrées, à savoir, par exemple, la seconde et la
quatrième sous-trame pour le mode de codage 12,2 kbit/s du vocodeur AMR
évoqué supra (voir la spécification 3GPP TS 26.090 V5Ø0, ~ 5.2.1
"Windowing and auto-correlation computation"). En particulier, on évitera de
perturber beaucoup de segments voisés, généralement porteurs de la majorité
des caractéristiques d'identification du locuteur.
A titre d'exemple élaboré, dans le mode de codage 12,2 kbit/s du
vocodeur AMR, il est possible d'imposer une contrainte sur le choix de
l'excitation adaptative en imposant des valeurs initiales aux échantillons
u(n)
n=0,...,39, dans l'équation récursive (38) de calcul du vecteur adaptatif
décrit
au paragraphe 5.6.1 (intitulé "Adaptative Codebook Search") de la
spécification
3GPP TS 26.090 évoquée supra, en substituant aux valeurs du résidu LP,
calculé dans l'équation (36), 40 valeurs extraites du flux secondaire.
L'erreur
entre le signal du flux principal et le signal synthétisé par le filtre court
terme
avec la contribution du vecteur adaptatif contraint est compensée par le choix
du vecteur d'excitation fixe qui tente de rattraper l'erreur résiduelle (par
exemple l'erreur résiduelle quadratique) de la prédiction long terme sur la
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
24
méme sous-trame, ainsi que les vecteurs d'excitation des sous-trames
successives. Ainsi les vecteurs d'excitation contraints codent le flux
secondaire
comme résidu adaptatif au dessus de la réponse du filtre de synthèse court
terme du flux principal corrigé par le résidu fixe.
Dans une autre exemple, pour un modèle de parole du vocodeur
paramétrique de type STC (de l'anglais "Sinusoidal Transform Coding") ou de
type MBE ("Multi Band Excitation") par exemple selon le standard
spécifications ANSI/TIA/EIA 102.BABA ("APCO Project 25 Vocoder
Description"), un mode de mis en oeuvre conduit à s'intéresser aux bits de
poids faible des paramètres d'amplitude des harmoniques des segments des
trames ou aux paramètres d'amplitudes d'échantillons de l'e;weloppe
spectrale. Dans un codec MBE, les paramètres d'excitation sont la fréquence
fondamentale ainsi que la décision voisé/non-voisé pour chaque bande de
fréquences.
Dans ce qui précède, on a décrit des modes de mise en oeuvre
prévoyant l'insertion des bits du flux secondaire dans des trames de parole du
flux principal. Néanmoins, on sait que le flux principal DS1 contient aussi
des
trames de silence, qui sont des trames codées par le vocodeur 10 avec un
moindre débit binaire et émise avec une périodicité moindre que les trames de
parole, pour synthétiser lorsque les périodes de silences contenues dans le
signal de parole VS1. Ces trames de silence synthétise ce qu'on appelle un
bruit de confort.
Or, un mode de mise en oeuvre du procédé peut prévoir, en variante ou
en complément, l'insertion du flux secondaire via des contraintes numériques
sur les valeurs des paramètres descripteurs du bruit de confort à générer au
titre du flux principal.
Ce mode de mise en oeuvre est illustré par un exemple concernant un
codec EFR ou AMR (voir plus haut) utilisé comme codec principal. Dans les
système GSM et UMTS, les trames transportant du bruit de confort (trames de
silence) sont nommées trames SID (voir par exemple la spécification
3GPP TS 26.092 "Mandatory Speech Codec Speech Processing Functions ;
AMR Speech Codec ; Confort Noise Aspects" de l'ETSI). Plus précisément les
CA 02541805 2006-03-02
WO 2005/024786 PCT/FR2004/002259
trames considérées ici sont les trames SID-UPDATE qui contiennent 35 bits de
paramètres de bruit de confort et un code correcteur d'erreur sur 7 bits.
Dans un système GSM ou UMTS, c'est la sôurce qui contrôle
l'émission des trames de silence, c'est-à-dire le codec de l'émetteur (sous
5 réserve des interactions avec le processus de détection d'activité vocale et
de
transmission discontinue, en particulier sur la voie descendante du relais
vers
le terminal mobile). II est donc possible de procéder par insertion du second
flux selon un procédé similaire à celui applicable à une trame contenant
suffisamment d'énergie de parole (trame de parole).
10 De mânière alternative, il est possible de commander l'émission d'une
trame de silence particulière à partir de l'entrée analogique numérisés du
codec en générant le bruit analogique de confort représentatif des 35 bits du
flux secondaire. Dans les systèmes GSM et UMTS, la fréquence des trames de
silence est contrôlée par la source ou par le relais et correspond soit à une
15 trame de silence toutes les 20 ms soit à une trame de silence toutes les
160
ms, soit encore à une trame de silence toutes les 480 ms pour le codec EFR
du système GSM. Ceci détermine le débit maximal pour le flux secondaire
dans cette variante du procédé.
Dans une modalité particulière, il est possible d'utiliser le canal de
20 transmission duplex pour envoyer des trames de silence lorsque le locuteur
est
un second participant à la communication ou dans les silences dans une
première conversation, c'est-à-dire entre les groupes de phonèmes émis selon
le flux principal.
On notera que la spécification 3GPP TS 26.090 précise que la taille du
25 champ de codage du bruit de confort du codec EFR, à savoir 35 bits par
trame
de silence, est identique à la taille du paramètre d'excitation fixe pour ce
même
codec. Cela signifie qu'on peut appliquer les mêmes contraintes et obtenir un
débit d'insertion minimal permanent en utilisant toutes les trames
indépendamment de la nature, parole ou silence, du flux principal.
