|
Arabic
Bengali
Chinese
English
French
German
Hebrew
Hindi
Italian
Japanese
Korean
Malay
Polish
Portuguese
Spanish
Turkish
Ukrainian
Vietnamese
ENCYKLOPEDIA RADIOELEKTRONIKI I INŻYNIERII ELEKTRYCZNEJ Kodowanie mowy w cyfrowych systemach komunikacji komórkowej. Encyklopedia elektroniki radiowej i elektrotechniki
Encyklopedia radioelektroniki i elektrotechniki / Mobile Communications W artykule przywołano ogólne zasady cyfrowego kodowania mowy w telekomunikacji. Autor wystarczająco szczegółowo omawia bardzo złożone procesy kodowania stosowane w cyfrowych systemach komunikacji komórkowej. Badania teoretyczne i autorskie rozwiązania inżynierskie pozwoliły na stworzenie eleganckiego, niewielkich rozmiarów radiotelefonu abonenckiego. O skomplikowanych procesach w nim zachodzących, o których użytkownicy, a nawet wielu specjalistów od telekomunikacji nawet nie wie, czytelnik dowie się z tego artykułu. Tajemnice sygnałów mowy przyciągały uwagę badaczy na długo przed pojawieniem się komunikacji elektrycznej. Jeszcze w XVIII wieku jeden z najwybitniejszych matematyków, petersburski akademik Leonard Euler (1707-1783), napisał w liście do niemieckiej księżniczki z 16 czerwca 1761 roku: , najważniejszy wynalazek... Dodanie taka maszyna nie wydaje mi się niemożliwa. Pomysł wynalezienia mówiącej maszyny podekscytował umysły wielu twórców, którzy nie tylko starali się stworzyć ją w formie, jaką wyobrażał sobie Euler, ale także jako środek do przekazywania mowy na odległość. Na przykład wynalazca telefonu, A. G. Bell (1847-1922), był zaangażowany w projektowanie takiej maszyny. Ostatecznie jednak okazało się, że transmisja mowy na odległość może odbywać się bez takiej maszyny. Osiągnięto to w bardzo prosty sposób. Za pomocą mikrofonu drgania powietrza przenoszące mowę zamieniano na drgania prądu elektrycznego, które przesyłano przewodami, a po stronie odbiorczej za pomocą telefonu ponownie zamieniano na drgania powietrza. Ta metoda transmisji nazywana jest analogową ze względu na oczywistą analogię między wibracjami powietrza, które przenoszą dźwięk, a wibracjami elektrycznymi, które przenoszą dźwięk. Badania analogowej transmisji mowy z modulacją amplitudy wykazały, że pasmo częstotliwości od 300 do 3400 Hz jest wystarczające do normalnej jakości odtwarzania mowy. Takie pasmo przyjęto jako międzynarodowy standard i na jego podstawie zbudowano światową sieć telefoniczną. Zasada działania tej sieci jest dziś znana nie tylko każdemu sygnalizatorowi, ale także ogółowi społeczeństwa. Cyfrowa transmisja mowy w przewodowych sieciach komunikacyjnych Zasadnicze zmiany w podejściu do organizacji łączności telefonicznej nastąpiły wraz z przeniesieniem środków komunikacji do technologii cyfrowej. Zalety cyfrowych metod transmisji są powszechnie znane. Przypomnijmy tylko najważniejsze z nich – technologia cyfrowa umożliwia zapewnienie dowolnej, z góry określonej jakości komunikacji. W przypadku cyfrowej transmisji mowy konieczne jest wykonanie konwersji sygnału mowy z analogowej na cyfrową: poddanie sygnału analogowego próbkowaniu, kwantyzacji i kodowaniu. Połączenie tych operacji nazywa się modulacją impulsowo-kodową (PCM). Aby dokładnie opisać kształt sygnału mowy, zgodnie z twierdzeniem Kotelnikowa, należy go próbkować z częstotliwością 8 kHz (tj. pobierać próbki co 125 μs), a aby uzyskać normalną jakość odtwarzania mowy, każda próbka musi być skwantowana na skali podzielonej na 8192 poziomy (przy wyborze jednolitej skali kwantyzacji). Zakodowanie każdej wartości próbki jako liczby binarnej zajmuje 13 bitów. W rezultacie do transmisji rozmowy telefonicznej za pomocą sekwencji impulsów binarnych wymagana jest prędkość 8x13 = 104 kb/s (co odpowiada pasmu częstotliwości 52 kHz przy optymalnym kodowaniu). Porównując tę liczbę z szerokością pasma 3100 Hz wymaganą do transmisji analogowej, nie sposób nie zauważyć ogromnego wzrostu wymaganej szerokości pasma kosztem korzyści płynących z transmisji cyfrowej. Wdrażając cyfrowy system transmisji, należy dążyć do zmniejszenia szybkości transmisji. Pierwszy krok w tym kierunku jest dość oczywisty. Kwantyzacja do 213 poziomów jest konieczna, ponieważ poziomy analogowych sygnałów mowy mogą zmieniać się w zakresie 60 dB. W tym przypadku sygnały wysokiego poziomu z jednolitą skalą kwantyzacji są kwantyzowane w tym samym kroku, co sygnały niskiego poziomu. Ale ponieważ postrzeganie sygnałów przez ludzki narząd słuchu jest proporcjonalne do logarytmu poziomu sygnału, naturalne byłoby bardziej zgrubne kwantowanie sygnałów o wysokim poziomie i dokładniejsze sygnały o niskim poziomie. Stosując nieliniową kwantyzację z wykorzystaniem prawa logarytmicznego, można zrezygnować z ośmiu bitów na próbkę, zachowując prawie taką samą jakość transmisji. W rezultacie szybkość transmisji wyniesie 64 kb/s. To właśnie ta prędkość stała się najczęściej stosowana, jest ustalona w zaleceniu CCITT C.711, a sprzęt PCM działa na niej w wielu krajach. Czy prędkość można jeszcze zmniejszyć? Sygnał analogowy ma dużą redundancję. Pozwala to przewidzieć następną próbkę i przesłać tylko różnicę między rzeczywistą a przewidywaną wartością każdej próbki. Jeśli zastosujesz dobry schemat predykcji, zmiana amplitudy przyrostu sygnału będzie mniejsza niż zmiana amplitudy samego sygnału, co doprowadzi do zmniejszenia ilości przesyłanych informacji. Na tej zasadzie buduje się różnicowy PCM (DPCM) i adaptacyjny różnicowy PCM (ADPCM), co umożliwia zmniejszenie szybkości mowy do 32 kbit/s i mniej ze względu na dalsze skomplikowanie sprzętu nadawczo-odbiorczego. Kontynuując komplikowanie sprzętu, możliwe jest zwiększenie szybkości mowy do 100-300 bps. Można sobie wyobrazić na przykład konwerter mowy na tekst po stronie nadawczej i maszynę czytającą po stronie odbiorczej. Znane są sposoby dalszego zmniejszania prędkości transmisji mowy, ale nie będziemy się nad tym rozwodzić. Faktem jest, że sprzęt do cyfrowej transmisji głosu z prędkością 64 kbit/s zadowolił wszystkich, ponieważ okazał się wydajny przy użyciu najprostszych kabli symetrycznych z parą skrętów. Sprzęt IKM-30 rozpoczął swój triumfalny pochód od zagęszczenia linii łączących miejskie centrale telefoniczne. Tam, gdzie wcześniej możliwe było zorganizowanie łącza na parze kabli do transmisji tylko jednej rozmowy, sprzęt IKM-30 umożliwił zorganizowanie transmisji 30 rozmów na tej samej parze. Najlepsze wykorzystanie takiej pary przy pomocy sprzętu analogowego do komunikacji wielokanałowej nie wchodziło w grę. Później pojawiły się urządzenia IKM-120 i inne wysokowydajne systemy działające na kablach koncentrycznych i światłowodach, a palący problem zmniejszenia szybkości transmisji sygnałów mówionych poniżej 64 kb/s w przewodowych sieciach komunikacyjnych został praktycznie usunięty. Nawet liczne opracowania cyfrowych urządzeń transmisyjnych o prędkości 32 kbit / s, wdrożone w wielu krajach w oparciu o zasadę ADPCM (w tym rozwój prowadzony w naszym kraju pod kierownictwem M. U. Polyaka), nie znalazły szerokiego zastosowania. Równowaga między wzrostem szerokości pasma urządzeń tworzących kanały a złożonością urządzeń końcowych w komunikacji przewodowej nie została jeszcze przechylona na korzyść pierwszego rozwiązania. Kodowanie mowy w cyfrowych komórkowych systemach radiowych Zupełnie inne perspektywy otworzyły się pod koniec lat 1980. i na początku lat 1990., kiedy zaczęły się rozwijać cyfrowe systemy telefonii komórkowej. W przeciwieństwie do sieci przewodowych, w których zwiększenie przepustowości jest możliwe poprzez układanie nowych linii, tj. odnawianie zasobów przepustowości, sieci radiowe mają ścisłe prawo szczelności i masz do czynienia z nieodnawialnym zasobem częstotliwości radiowej. To prawda, że \uXNUMXb\uXNUMXbidea komunikacji komórkowej polega właśnie na odnowieniu zasobu częstotliwości radiowej poprzez powtórzenie częstotliwości transmisji na terytorium, do którego nie dociera sygnał o tej samej częstotliwości z zakłócającej stacji radiowej. Ale i tutaj możliwości takiego odnowienia zasobu są ograniczone, więc dalsze komplikowanie sprzętu w celu zmniejszenia szybkości transmisji okazuje się uzasadnione. Na przykład w systemie cyfrowej komunikacji komórkowej GSM przyjętym w większości krajów europejskich standardowe stawki głosowe wynoszą 13 i 6,5 kb/s. Aby wdrożyć taki system transmisji, konieczne było zwrócenie się do starej idei maszyny Eulera i głębsze wniknięcie w mechanizm produkcji mowy. Jak wiadomo, jednym z najważniejszych wniosków współczesnej teorii transmisji informacji jest zalecenie rozdzielenia zadań kodowania źródłowego i kodowania kanałowego. Zadanie zakodowania źródła informacji obejmuje opisanie przesyłanej wiadomości w najbardziej ekonomicznej formie, tj. usunięcie nadmiarowości w wiadomości. Tak otrzymana skompresowana wiadomość staje się bardziej podatna na zakłócenia i może ulec uszkodzeniu podczas transmisji. Dlatego po kodowaniu źródłowym stosowane jest kodowanie kanałowe, którego zadaniem jest ochrona transmitowanej wiadomości przed zakłóceniami. Kodowanie kanałowe wymaga wprowadzenia do przesyłanego komunikatu pewnej redundancji, ale nie losowej, jaka występowała w pierwotnym komunikacie, ale ściśle teoretycznie uzasadnioną i gwarantującą określoną jakość transmisji. Do tej pory rozważaliśmy tylko problemy z kodowaniem źródłowym, do których teraz podejdziemy z bardziej ogólnych punktów widzenia. Istnieje więc cyfrowa wersja analogowego sygnału mowy, czyli funkcja opisująca np. prawo zmiany prądu w czasie. Konieczne jest podjęcie próby usunięcia redundancji z takiego sygnału. Problem ten można rozwiązać na kilka sposobów. Jednym z nich jest próba znalezienia redundancji poprzez czysto matematyczną analizę danej funkcji. Innym sposobem rozwiązania problemu jest analiza charakterystyki akustycznej tej funkcji (z punktu widzenia jej odbioru przez narząd słuchu). Wreszcie redundancji można szukać modelując sam proces wytwarzania mowy. To ostatnia z tych metod, która znalazła zastosowanie w nowoczesnych cyfrowych systemach radiokomunikacyjnych. Mechanizm powstawania dźwięków mowy polega na tym, że bogaty w harmoniczne dźwięk strun głosowych, który zmienia swoją siłę i częstotliwość podstawową, jest dalej przetwarzany w jamie ustnej. Ten ostatni działa przede wszystkim jako rezonator, który po przebudowie uwydatnia określone częstotliwości - formanty określające różnice między dźwiękami samogłosek. Po drugie, ruchy języka, zębów i warg modulują dźwięk, wytwarzając różne spółgłoski. W latach trzydziestych Bell Telephone Laboratories (USA) zbudowało maszynę opartą na pomyśle Eulera, której zasady opierały się na próbach symulowania funkcjonowania narządów mowy człowieka. Aby zsyntetyzować mowę po stronie odbiorczej systemu komunikacyjnego, potrzebny jest generator częstotliwości audio o bogatym spektrum, generator białego szumu, zestaw filtrów formantowych (ich liczba jest niewielka, ponieważ samogłosek jest niewiele, a każdy z nich jest dość dobrze zdefiniowane przez dwa formanty) oraz obwody modulujące. Przy takim zestawie urządzeń po stronie odbiorczej możliwe jest przesłanie kanałem komunikacyjnym nie sygnału mowy, a jedynie poleceń sterujących procesem syntezy mowy. Zatem praktycznym zadaniem jest znalezienie sposobu na wygenerowanie niezbędnych poleceń. To właśnie ten problem rozwiązują projektanci telefonów komórkowych. W systemie GSM pierwszych wydań oryginalny cyfrowy strumień sygnału mowy o szybkości transmisji 104 kb/s jest dzielony na osobne bloki po 160 próbek, które są rejestrowane. Każdy z tych bloków zajmuje przedział czasu 20 ms (innymi słowy, przechowywane są sekwencje 160x13=2080 bitów). Zarejestrowane sekwencje są analizowane, w wyniku czego dla każdej z nich znajduje się osiem współczynników filtrujących, które określają odpowiednie rezonanse i sygnał wzbudzenia. To właśnie ta informacja jest przesyłana do odbiornika, który odtwarza z niej oryginalny sygnał mowy, podobnie jak dzieje się to w narządach mowy człowieka (ten narząd niejako jest regulowany za pomocą ośmiu parametrów, a następnie dźwięk uzyskuje się, gdy jest podekscytowany). Wspomniana analiza obejmuje jednak stosunkowo krótkie okresy czasu i nie pozwala wykryć długich samogłosek, które obejmują sąsiednie bloki. Dlatego przewidywanie długoterminowe służy do wyeliminowania redundancji podczas wymawiania długich samogłosek. W tym celu nadajnik zapamiętuje transmitowane sekwencje o czasie trwania 15 ms, z którymi porównywane są aktualne sekwencje. Z tych już przesłanych wybierana jest sekwencja, która ma najwyższą korelację z bieżącą (tj. najbardziej podobna do bieżącej) i transmitowana jest tylko różnica między sekwencjami bieżącymi i wybranymi. Ponieważ sekwencje zarejestrowane w nadajniku są znane odbiornikowi, konieczne jest jedynie przesłanie wskazania, z którą z zarejestrowanych sekwencji dokonano porównania. W ten sposób uzyskuje się dalsze zmniejszenie ilości przesyłanych informacji. W wyniku opisanego przetwarzania otrzymuje się cyfrowy blok sygnału mowy o długości 20 ms, zawierający 260 bitów i posiadający szybkość transmisji zaledwie 13 kb/s (tj. ośmiokrotnie niższą niż pierwotna). Opisana procedura nazywana jest wzbudzeniem regularnym impulsem z prognozą długoterminową (skrót angielski PRE-LTR, co oznacza Regular Pulse Excitation - Long Term Prediction). W kolejnym etapie w grę wchodzi kodowanie kanałów, którego zadaniem jest ochrona przed zakłóceniami w kanale komunikacyjnym. Nowoczesna technika kodowania opiera się na głębokich ideach algebry i teorii prawdopodobieństwa. W oparciu o te pomysły opracowano różne i bardzo skuteczne metody kodowania, które rozwiązują określone problemy w każdym konkretnym przypadku. Ograniczymy się tutaj do krótkiego przeglądu niektórych pomysłów zastosowanych w systemie GSM. Ochrona kodu może służyć albo tylko do wykrywania faktu wystąpienia błędu, albo do korygowania błędów, które wystąpiły. Pierwsza opcja jest znacznie prostsza do wdrożenia, ale mniej użyteczna, ponieważ w tym przypadku konieczne jest zażądanie retransmisji bloku wiadomości, w którym wykryto błąd, lub uwzględnienie obecności błędu w inny sposób. Ponieważ poszczególne bity w cyfrowym sygnale mowy otrzymanym w trakcie opisanych powyżej procedur kodowania źródłowego nie mają jednakowej ważności, zostały one podzielone na trzy podklasy i poddane różnym sposobom zabezpieczenia podczas kodowania kanałowego. Spośród 260 bitów odebranego bloku najważniejsze są bity niosące informacje o parametrach filtrowania, amplitudzie sygnału bloku oraz parametrach predykcji długoterminowej. Bity te należą do tzw. podklasy Ia (50 bitów). Następnie pojawia się podklasa Ib (132 bity zawierające wskaźniki i informacje o regularnych impulsach wzbudzenia, a także niektóre parametry predykcji długoterminowej). Pozostałe 78 bitów to bity klasy II.
Do zabezpieczenia opisanego bloku stosowane są dwie metody kodowania. Po pierwsze, kod blokowy jest używany do wykrywania błędów, które pozostają nieskorygowane. Kod ten należy do klasy kodów cyklicznych, w których każda kombinacja kodu jest uzyskiwana przez cykliczną permutację elementów. Podczas kodowania tym kodem do bitów podklasy Ia dodawane są trzy kolejne bity kontrolne, za pomocą których dekoder może określić, czy ta podklasa zawiera nieskorygowane błędy. Jeżeli dekoder wykryje błędy transmisji w bitach podklasy la, cała 260-bitowa ramka konwersacji jest odrzucana. W tym przypadku utracona ramka jest odtwarzana przez interpolację na podstawie informacji o poprzedniej klatce. Stwierdzono, że przy takim rozwiązaniu jakość transmisji jest lepsza niż w przypadku odtwarzania błędnych bitów podklasy Ia. Po drugie, kod splotowy jest stosowany do poprawiania błędów. Ta nazwa kodu jest wyjaśniona matematyczną operacją splotu zastosowaną do funkcji opisujących przetwarzanie zakodowanej sekwencji bitów. W przeciwieństwie do kodu blokowego, kod splotowy jest ciągły w tym sensie, że kiedy jest stosowany, procesy kodowania i dekodowania są wykonywane nie na stałych blokach, ale na ciągłej sekwencji symboli. Kod splotowy jest stosowany zarówno do bitów podklasy Ia wraz z bitami kontrolnymi, jak i do bitów podklasy Ib. Te dwie sekwencje są łączone i zwiększane o cztery bity (patrz poniżej na ryc. 2), które przyjmują wartości zerowe. Te ostatnie służą do przywrócenia enkodera do jego pierwotnego stanu po zakodowaniu. Zastosowana norma charakteryzuje się parametrami r=1/2 i K=5. Współczynnik r=1/2 oznacza, że dla każdego bitu wchodzącego na wejście enkodera uzyskuje się dokładnie dwa bity w zakodowanej sekwencji, a K=5 oznacza długość połączenia, które obejmuje operacja splotu. Te cechy można zrozumieć na podstawie schematu kodowania splotowego pokazanego na ryc. 1, który pokazuje również schemat dodawania modulo 2 (operacja logiczna „wyłączne OR”). Tak więc w wyniku kodowania z przychodzących 189 bitów uzyskuje się 378 bitów, do których dodaje się niezabezpieczone bity klasy II, w wyniku czego całkowita długość bloku wynosi 456 bitów (rys. 2). To dokładnie osiem podbloków po 57 bitów. Z takich podbloków powstają impulsy transmisji radiowej z podziałem czasu.
Niniejszy artykuł poświęcony jest zagadnieniom kodowania sygnałów mowy, a jak można wywnioskować z tego, co zostało opisane, udział procesora umieszczonego w małej mikrotelefonie odpowiada za dość dużą część ich cyfrowego przetwarzania. Jednak zadania procesora są dalekie od wyczerpania. Jak wiadomo, zamiast transmisji głosu system komunikacji komórkowej pozwala na zorganizowanie kanału transmisji danych, który jest kodowany według zupełnie innych zasad. Jednak oprócz kanałów logicznych do przesyłania przydatnych (płatnych) informacji w telefonie komórkowym zorganizowana jest duża liczba kanałów logicznych do przesyłania sygnałów sterujących. Każdy z tych kanałów logicznych podlega określonym wymaganiom dotyczącym kodowania informacji, a zatem każdy taki kanał ma swój udział w obciążeniu procesora. Ogólny pomysł schematów kodowania, a także tworzenie błysków do transmisji wszystkich kanałów logicznych w systemie komunikacji radiotelefonicznej podano na ryc. 3.
Tutaj na najwyższym poziomie pokazano dziesięć różnych kanałów logicznych, wskazujących rozmiary bloków wiadomości w tych kanałach (w postaci określonych cyfr lub liter - P0, N0 itp. - gdzie te liczby mogą się zmieniać). Kolejny poziom przedstawia pierwszy etap kodowania dla różnych kanałów logicznych, wskazując liczbę bitów oryginalnej sekwencji oraz sekwencję otrzymaną po zakodowaniu. Jeżeli dla kanału mowy stosowany jest cykliczny kod wykrywania błędów, to dla pozostałych kanałów stosowane są różne cykliczne kody korekcji błędów, w tym cykliczny kod Fire, który koryguje serie błędów. Na drugim etapie kodowania stosowany jest wspomniany już kod splotowy. Ponadto (etap 3), aby rozdzielić odebrane 456 bitów na poszczególne pakiety (każdy zawiera dwa bloki po 57 bitów), stosuje się operacje mieszania bitów i permutacji bloków (transpozycja bezpośrednia lub ukośna). Całkowity wolumen przetwarzania sygnału w telefonie komórkowym szacuje się na miliony operacji na sekundę. Tak więc, w przeciwieństwie do konwencjonalnego telefonu, telefon komórkowy jest miniaturowym, ale bardzo wydajnym komputerem. Z jednej strony analizuje „własny” sygnał mowy, opracowując polecenia sterujące syntezą mowy w aparacie rozmówcy, z drugiej zaś komputer ten realizuje pomysł Eulera, syntetyzując mowę rozmówcy według poleceń sterujących pochodzących z kanału komunikacyjnego . Autor: prof. V. Neumann, doktor tech. Nauki, Moskwa
Sztuczna skóra do emulacji dotyku
15.04.2024 Żwirek dla kota Petgugu Global
15.04.2024 Atrakcyjność troskliwych mężczyzn
14.04.2024
▪ Mikrogenerator paliwa naturalnego ▪ Energia alternatywna gwałtownie spadła ▪ Karty pamięci Transcend CFexpress 820 typu B
▪ sekcja strony Narzędzia i mechanizmy dla rolnictwa. Wybór artykułu ▪ artykuł Biologia, botanika, zoologia. Podręcznik krzyżówki ▪ artykuł Kto i kiedy nazwał Einsteina wielkim skrzypkiem? Szczegółowa odpowiedź ▪ artykuł Naprawa karoserii. Transport osobisty ▪ artykuł Odtwarzacz MP3 - dekoder na PC. Encyklopedia elektroniki radiowej i elektrotechniki ▪ artykuł Kodowanie kolorami rezystorów. Encyklopedia elektroniki radiowej i elektrotechniki
Strona główna | biblioteka | Artykuły | Mapa stony | Recenzje witryn
www.diagram.com.ua |
Zobacz inne artykuły Sekcja 
Najnowsze wiadomości o nauce i technologii, nowa elektronika:
Wszystkie języki tej strony