WirelessBR

Esta técnica (e também a família hybrid encoding) só se tornou viável após o brutal aumento de capacidade computacional dos DSPs (Digital Signal Processors) a partir da década de 1990. A idéia básica é aproximar o comportamento do trato vocal como um filtro, cujos parâmetros são variáveis no tempo.

A codificação é feita por análise, no domínio freqüência, de pequenos grupos de amostras (frames) do sinal PCM. Um frame tem, tipicamente de 10 a 20 ms de duração, e contém entre 80 e 160 amostras PCM. Em cada bloco o algoritmo do encoder é:

• Análise espectral (usando o algoritmo Fast Fourier Transform – FFT) para determinar a natureza do frame (vocalizado ou não vocalizado), e identificar (se a natureza do frame for vocalizada) as freqüências das formantes e os parâmetros para o filtro de simulação das ressonâncias do trato vocal (filtro de síntese);

• Transmissão dos dados de natureza do frame, e, se vocalizado, freqüências das formantes e parâmetros do filtro de síntese.O decoder, com a informação recebida, executa o seguinte algoritmo:

• Se o frame for vocalizado,
   a. Seleciona fonte de sinal de pulsos periódicos, ajustados nas freqüências das formantes, para excitar o filtro de síntese;
   b. Ajusta os parâmetros do filtro de síntese;
   c. Transmite para a saída, durante a duração do frame, o sinal da fonte de pulsos, através do filtro de síntese;

• Se o frame for não vocalizado, transmite para a saída sinal de ruído branco durante a duração do frame.

Esta categoria de VOCODERs consegue bit rates muito baixos, da ordem de 1,2 a 2,4 Kbps, mas, devido à dificuldade em criar um modelo realístico para a simulação do trato vocal, o sinal recuperado é perceptivelmente artificial (as palavras são inteligíveis, mas a voz é "robotizada", o que prejudica a discernibilidade).

Aumentar o bit rate não melhora a qualidade, porque, neste caso, o bit rate é uma conseqüência do número de variáveis no modelo de simulação do trato vocal. Usar um modelo mais sofisticado aumenta muito o esforço computacional da implementação dos VOCODERs. Do jeito que está, já são necessários DSPs muito potentes para limitar o delay de processamento.

Por causa disto, esta família de VOCODERs praticamente só é empregado em aplicações militares, porque, neste caso, bit rates baixos importam mais que a qualidade (principalmente por causa dos algoritmos de criptografia que ainda vão ser superpostos à voz codificada), e em música (porque a voz "robótica" é exatamente o que se quer).

O objetivo desta família de VOCODERs é conseguir um trade-off entre as características das famílias de waveform encoding e synthesis encoding, de forma a conseguir bit rates mais baixos, com qualidade razoável, e com esforço computacional moderado. Assim é possível simplificar a construção e diminuir o custo final do produto, o que é importante, se você quer usar o VOCODER "embarcado" em um produto de massa – como aparelhos de telefonia celular.

A idéia é, utilizando linear prediction (veja a descrição do ADPCM), simplificar o esforço computacional para encontrar os parâmetros do filtro de síntese e conseguir um sinal de voz, recuperado, com qualidade razoável (índice MOS entre 3,7 e 3,9).
O algoritmo de encoding é:

• Geração do sinal PCM e separação das amostras em frames;

• Análise do frame no domínio freqüência para determinar uma estimativa para a função de excitação do filtro de síntese;

• Geração de uma simulação do frame com a função de excitação estimada;

• Comparação da saída do filtro de síntese com o frame original, gerando uma função diferença;

• A função diferença é usada, iterativamente, para aprimorar a estimativa da função de excitação até a função diferença atender o critério desejado;

• Transmissão dos parâmetros da última função de excitação do filtro de síntese para este frame.

O decoder usa os dados recebidos para ajustar um gerador da função de excitação, que é passada pelo filtro de síntese para obter o sinal de voz recuperado.

• MPE-LPC (Multiple-Pulse Excited Linear Prediction Coding) – A função de excitação é formada por múltiplos pulsos, com intevalos de frequência não uniformes entre eles. Utiliza short-term prediction e long-term prediction;

• RPE-LPC (Regular-Pulse Excited Linear Prediction Coding) – A função de excitação é formada por múltiplos pulsos, com intevalos de frequência uniformes entre eles. Utiliza apenas long-term prediction;

• CELP (Codebook-Excited Linear Prediction) – A função de excitação é obtida por consulta a uma tabela pré-definida de vetores de excitação, denominada codebook. Utiliza short-term prediction e long-term prediction;

As principais aplicações desta família são: