2. přenáška
1
Hlas a jeho kódování
Osnova přednášky
2
1. Zpracování hlasu
2. Kodeky
3
1. Hlas
Hlas
4
Kmitočet hlasivek je charakterizován základním tónem lidského hlasu (pitch
periode) F0, který tvoří základ znělých zvuků (tj. samohlásek a znělých
souhlásek). Kmitočet základního tónu je různý u dětí, dospělých, mužů i žen,
pohybuje se většinou v rozmezí 150 až 4 000 Hz. Sdělení zprostředkované
řečovým signálem je diskrétní, tzn. může být vyjádřeno ve tvaru posloupnosti
konečného počtu symbolů. Každý jazyk má vlastní množinu těchto symbolů –
fonemů, většinou 30 až 50.
Hlásky řeči dále můžeme rozdělit na znělé (n, e, ...), neznělé (š, č, ...) a jejich
kombinace. Znělá hláska představuje kvaziperiodický průběh signálu,
neznělá pak signál podobný šumu. Navíc energie znělých hlásek je větší než
neznělých. Krátký časový úsek znělé hlásky můžeme charakterizovat její
jemnou a formantovou strukturou. Formantem označujeme tón tvořící
akustický základ hlásky. Ten vlastně představuje spektrální obal
řečového signálu. Jemná harmonická struktura představuje chvění hlasivek.
Příklad časového a kmitočtového průběhu znělého
a neznělého segmentu hovorového signálu
5Blíže http://www.itpoint.cz/ip-telefonie/teorie/princip-zpracovani-hlasu-ip-telefonie.asp
Pásma
6
 Narrowband 8 kHz 200 – 3400 Hz
 Wideband 16 kHz 50 – 7000 Hz
 Super wideband 32 kHz 50 – 14000 Hz
 Fullband 44,1kHz 20 – 20000 Hz
Pěvecké výkony jsou mimo
oblast IP telefonie 
7
Blíže diskuze na http://forum.avmania.e15.cz/viewtopic.php?style=2&f=1724&t=1062463&p=6027671&sid=
Pásmo potřebné pro telefonii
8
9
2. Kodeky
Architektura VoIP brány
10
SLIC – Subscriber Line Interface Circuit
PLC – Packet Loss Concealment (odstranění důsledků ztrát rámců)
EC – Echo canceliation – odstranění odezvy
Některé vlastnosti kodérů
11
 Voice Activity Detection (VAD)
V pauze řeči je produkováno jen velmi malé množství bitů, které stačí na generování šumu.
 Silence Suppression (DTX nebo SS) často VAD/SS
Při delším odmlčení se úplně zastavuje přenos dat.
 Comfort Noise Generation (CNG)
Generování šumu pozadí
 Packet Loss Concealment (PLC) anebo Frame Erasure Concealment (FEC)
Zahlazení ztrát paketů
 Dynamic Jitter Buffer (Adaptive)
Vyrovnávací paměť rozkmitu dob
 Audio Codec Preferences
Řešení preferencí kodeků
 Perceptual enhancement
Zeslabení šumu vytvořeného
kódováním/dekódováním
 Echo cancelliation
Packet Loss Concealment (PLC)
http://www.voiptroubleshooter.com/problems/plc.html
12
Zahlazení ztrát paketů, jinak jsou v řeči krátké pauzy
Funkce vyrovnávací paměti rozkmitu
13
Pokud zpoždění přesáhne mez, paket je vyhozen
Co je kodek?
14
Kodek (složenina z počátečních slabik slov „kodér a dekodér“,
respektive komprese a dekomprese; převzato z anglického
codec analogického původu) je zařízení nebo počítačový
program, který dokáže transformovat datový proud (stream)
nebo signál. Kodeky ukládají data do zakódované formy
(většinou za účelem přenosu, uchovávání nebo šifrování), ale
častěji se používají naopak pro obnovení přesně nebo přibližně
původní formy dat vhodné pro zobrazování, případně jinou
manipulaci.
(viz wikipedia)
Vzorkování a kvantování
15
Tři kroky zpracování hlasu:
1. Vzorkování (sampling) – diskretizace signálu v čase
2. Kvantování (quantizing) – diskretizace signálu v amplitudě
3. Kódování – diskrétní hodnoty vzorků jsou reprezentovány
pomocí n-bitových čísel
Telefonie nepotřebuje vysokou
vzorkovací frekvenci
16
Kvalita Vzorkovací frekvence Počet bitů na vzorek
Telefonní kvalita 11025 Hz 8
Radio kvalita 22050 Hz 8
CD kvalita 44100 Hz 16
Kvantování
17
Problémy s kolísáním hlasu
18
Rozporuplné požadavky na kodeky
19
 co největší kvalitu
 co nejmenší počet bitů
 co nejmenší zpoždění
 co největší odolnost vůči chybám
 co nejmenší výpočetní náročnost
Požadavky aplikací
20
Hodnocení MOS
(Mean Opinion Score)
21
Imperceptible – nepostřehnutelný, annoying - nepříjemný
Mean Opinion Score – metoda založená na statistických šetřeních vybraného vzorku posuzovatelů s hodnocením
od 1 (špatně) po 5 (výborně). Tím se liší od modernějších objektivních metod, např. PSQM (Perceptual Speech
Quality Measurement) na níž je založen ITU standard P.861 (škála je od 0 po 6,5, ale některá testovací zařízení
tyto hodnoty pak automaticky přepočítávají do škály MOS).
Zvláštnosti subjektivního hodnocení
22
 Starší dávají vyšší MOS než mladší, protože mají
vytříbenější sluch.
 Muži dávají vyšší MOS než ženy, protože ženy sledují vyšší
tóny a ty jsou uříznuty.
 Neznámý hlas vnímáme lépe a dáváme vyšší MOS.
 Cizí jazyk vede k nižšímu MOS.
Standardizováno ITU
http://www.itu.int/rec/T-REC-P.800-199608-I/en
23
Škála metrik
24
 Listening MOS
 Sending MOS
 Network MOS
 Conversational MOS
Klasické kodeky
25
Kódovací standard MOS
G.711 4.3 – 4.4 (64 kbps)
G.726 4.0 – 4.2 (32 kbps)
G.728 4.0 – 4.2 (16 kbps)
G.729 4.0 – 4.2 (8 kbps)
G.723.1
3.8 – 4.0 (6.3 kbps)
3.5 (5.3 kbps)
Přenosová rychlost a zpoždění pro
klasické kodeky
26
Převzato z: https://route-test.com/mean-opinion-score-mos-measure-voice-quality-voip/
Kodeky pro bránu Cisco Unified Border
Element (CUBE)
27
Název kodeku Bližší specifikace
aacld AACLD 90000 bps
clear-channel Clear Channel 64000 bps (No voice capabilities: data transport only)
g711alaw G.711 A Law 64000 bps
g711ulaw G.711 u Law 64000 bps
g722-48 G722-48K 64000 bps - Only supported for H.320<->H.323 calls
g722-56 G722-56K 64000 bps - Only supported for H.320<->H.323 calls
g722-64 G722-64K 64000 bps
g723ar53 G.723.1 ANNEX-A 5300 bps (contains built-in VAD)
g723ar63 G.723.1 ANNEX-A 6300 bps (contains built-in VAD).
g723r53 G.723.1 5300 bps
g723r63 G.723.1 6300 bps
Not supported on PVDM3.
g726r16 G.726 16000 bps
g726r24 G.726 24000 bps
g726r32 G.726 32000 bps
g728 G.728 16000 bps
g729br8 G.729 ANNEX-B 8000 bps (contains built-in VAD)
g729r8 G.729 8000 bps
gsmamr-nb GSM AMR-NB 4750 to 12200 bps (contains built-in VAD)
ilbc iLBC 13330 or 15200 bps
isac iSAC 10 to 32 kbps (variable bit-rate)
mp4a-latm MP4A-LATM upto 128 kbps
transparent Transparent; uses the endpoint codec
Kodek G.711 (1965, standard 1972)
28
 Kodek G.711 nepoužívá žádnou metodu komprese hlasu. Provádí
pouze přímou PCM (Pulse Code Modulation), kde vzorek má
velikost 8 bitů a vzorkovací frekvence je 8 kHz, potřebná šířka
pásma je 64 kb/s, zpoždění způsobené kódováním je pod 1 ms,
výpočetní náročnost pod 1 MIPS.
 Kvalita zvuku je při použití tohoto kodeku obdobná kvalitě
tradičního telefonního hovoru. Rámce jsou 20 ms. G.711 je
použit v ISDN a na páteři sítí IP telefonie.
 Používají se dva typy algoritmů, oba jsou semilogaritmické
(companded PCM), ale liší se ve výběru konstant
semilogaritmické křivky.
Princip kódování PCM
29Převzato z http://www.phonet.cz/archiv/dok_osta/ipt-2004_Principy_zprac_hlasu.pdf
Výběr konstant semilogaritmické křivky
u G.711
30
 µ-law, který se používá v Severní Americe a Japonsku; Tam se
používá vyšší komprese, protože v tamních telefonních sítích je
používáno pouze 7 bitů pro přenos hlasu a 8. bit se používá na
signalizaci.
 a-law, který se používá ve zbytku světa a byl navržen s
ohledem na jednodušší zpracování na počítači. V Evropě se
používá pro přenos hlasu všech 8 bitů a signalizace je
přenášena samostatným kanálem (Například pomocí SS7, CAS
či jinou signalizací). V Evropě má tedy přenos hlasu v digitální
telefonní síti vyšší kvalitu než stejný přenos pomocí telefonní
sítě v Severní Americe či v Japonsku.
Kódování a-law
31
Pro a-law
1 bit určuje polaritu signálu
3 bity určují příslušný segment (8 segmentů)
4 bity kódují velikost kvantizační úrovně v daném segmentu (16 úrovní v jednom z 8 segmentů)
Při použití kódování čtyřmi bity je každý segment rozdělen do šestnácti dílčích hodnot, celkově pro kladné i záporné
hodnoty signálu tak získáme rozlišení na 256 stupňů, což odpovídá kódování osmi bity.
RTP paket s kodekem G.711 (µ-law)
32
Nové verze G.711
33
G.711.0 byl schválen v roce 2009. Poskytuje bezestrátovou kompresi G.711. Jeho
plný anglický název je Lossless compression of G.711 pulse code modulation. Bývá
také označován jako G.711 LLC.
G.711.1 byl schválen v roce 2008 a znovu 2012. Je to standard, který vede k
rozšíření G.711 o možnost použít vzorkovací frekvenci 16 kHz a vyšší kvalitu zvuku s
pomocí tří vrstev. Datový tok je 64, 80 nebo 96 kb/s. G.711.1 s datovým tokem 64 kb/s
je kompatibilní s G.711. Vyšší datové toky nejsou kompatibilní s G.711.
Frekvenční pásmo je 50 až 7 000 Hz, tři módy, 64 kb/s, 80 kb/s and 96 kb/s. 2 bity
navíc umožní 112 kb/s a 128 kb/s, tvoří modely R2B a R3.
Dolní pásmo – logaritmicky snímaná PCM + adaptivní vylepšování QoS.
Horní pásmo – MDCT (modified discrete cosine transformation), používá se i v MP3,
podstata: překrývání vzorků
Rozšíření roku 2010 (do 14 000 Hz, plánuje se 20 000 Hz) a bezeztrátová bitová
komprese.
RFC 5391
34
G.711.1: Embeded G.711
35
Embeded (vestavěný) – vestavěním do řešení narrowband ho rozšiřuje na broadband.
Zpoždění je ale o něco vyšší – z 1 ms stouplo na 5 ms
G.722 (1988): přímá cesta ke kvalitě
36
G.722 je nazýván širokopásmovým kodekem, protože používá dvojnásobný
vzorkovací kmitočet (16 kHz), pásmo je rozšířeno na 7 kHz.
Tímto bylo dosaženo mnohem vyšší kvality hovoru, než u ostatních tehdejších kodeků.
„Kvalita“ se projevuje především v tom, že lze jasně rozeznat, kdo hovoří, což je zvlášť
důležité u audiokonferencí a přináší rovněž výhodu z hlediska bezpečnosti (ochrana
před falešným volajícím). Jde o 'embedded' kodér, což znamená, že se rychlost může
volně přepínat mezi 48, 56 a 64 kb/s bez předchozího oznámení dekodéru.
Efektivně
Překrývá ztrátovost paketů.
G.722.1 a G.722.2
37
G.722.1 (Polycom SIREN), která rozšiřuje pásmo až do 14 kHz, a přenos
je realizován rychlostí 24, 32 a 48 kb/s. Byl navržen společností PictureTel,
později koupenou společností Polycom. Kódovány jsou rámce 20 ms
s predikcí na 20 ms. Verze 16 kb/s je podporována systémem Windows
Messenger.
G.722.2, známá také jako AMR-WB (Adaptive Multirate Wideband), je
založena na ACELP (viz dále) a nabízí ještě
 lepší kompresní poměry
 devět bitových rychlostí
 schopnost rychle se přizpůsobit měnícím se kompresním podmínkám
při průchodu různými sítěmi (při přetížení sítě zvýší kompresní poměr)
Používá Adaptive Multi-Rate Wideband (AMR-WB) podobné Algebraic
Code Excited Linear Prediction (ACELP) – o ACELPu viz další slajdy.
CELP dekodér
(Code-excited linear prediction)
38
• algebraic CELP
• relaxed CELP
• low-delay CELP
• vector sum excited linear prediction
i MPEG-4
 Lineárně predikční kodeky s vektorovým kvantováním budícího signálu.
 V časovém multiplexu se přenášejí lineárně predikční koeficienty
vyčíslené v kodéru krátkodobou (STP) a dlouhodobou analýzou (LTP),
 Jejich přenosová rychlost se obvykle pohybuje od 4 do 8 kb/s.
 Rámec zabírá 20 ms a predikce je minimálně 5 ms (může být až 20 ms).
Jak CELP funguje
39
 V pamětech kodéru a dekodéru jsou uloženy soubory možných
posloupností vstupního signálu. Je-li v kódové knize nalezena
posloupnost odpovídající budícímu signálu, je příslušná adresa budící
posloupnosti (tj. vektoru uloženého v kódové knize) binárně přenesena do
přijímače. Přijímač pak podle přijaté adresy generuje na základě shodné
kódové knihy příslušnou budící posloupnost pro LP (linear prediction)
hlasový syntezátor. Optimální vektor je určen užitím kritéria minima
střední kvadratické chyby.
 Jedna z nevýhod původního CELP algoritmu je velká výpočetní náročnost
prohledávání kódových knih. Mnoho CELP algoritmů vyžaduje procesory
schopné zpracovat více než 20 MIPS a prostor pro kódovou knihu kolem
40 kbytů. Kódovací zpoždění je až 35 ms a omezuje použití CELP kodeků
pro přenosy na delší vzdálenosti a jejich vícenásobné užití. Z toho všeho
vyplývá snaha o vývoj vhodných prohledávacích algoritmů.
ACELP
(Algebraic-Code Excited Linear Prediction)
40
 Ačkoliv je kodér algoritmu ACELP založen na kódovacím schématu
CELP, používá specifickou algebraickou strukturu.
 Hlavní výhodou ACELP je, že použitá algebraická kódová kniha
může být velmi velká (> 50 bitů) a to bez nepřiměřených nároků na
paměť (RAM / ROM) či zpracování (CPU).
Všechny kódovací knihy mají problém s cizími jazyky a ty przní.
LD-CELP (LD – Low Delay)
41
 Způsob kódování s krátkou dobou zpoždění LD-CELP je založen na
zpětnovazebním řízení adaptace s kódovacím zpožděním do 2 ms a přenosovou
rychlostí 16 kb/s.
 Koncepce LD-CELP se od kodeků CELP liší v řešení vlastního hlasového
syntezátoru a způsobu jeho řízení. U kodeků CELP se přenášejí v časovém
multiplexu lineárně predikční koeficienty vyčíslené v kodéru krátkodobou (STP) a
dlouhodobou analýzou (LTP), které slouží v přijímači k periodickému nastavování
lineárních predikčních (LPC) filtrů hlasového syntezátoru.
 Naproti tomu mezi kodérem a dekodérem LD-CELP se tato data nepřenášejí a jak
kodér, tak dekodér jsou řízeny zpětnovazebně.
 Pro hudbu je tento kodek nevhodný.
Blíže http://www.itpoint.cz/ip-telefonie/teorie/princip-zpracovani-hlasu-ip-telefonie.asp
CS-ACELP
(Conjugate-Structured Algebraic-Code Excited Linear Prediction)
42
https://www.ece.cmu.edu/~ece796/documents/g729.pdf
sdružené řešení
DPCM a ADPCM
43
Diferenciální pulsně kódová modulace DPCM (Differential Pulse Code
Modulation) je modifikací PCM kódování a její princip byl publikován v roce
1952. Systém s DPCM kóduje rozdíly mezi okamžitou hodnotou vzorku
signálu v daném vzorkovacím okamžiku a hodnotou predikovanou z
předchozích vzorků. K zakódování rozdílu je zapotřebí nižšího počtu bitů. To
vede k redukci přenosové rychlosti a tedy i množství přenášených dat se
snižuje. DPCM se využívá především při kódování obrazu NE HLAS.
Adaptivní diferenciální pulsně kódová modulace ADPCM (Adaptive
Differential Pulse Code Modulation) vylepšuje DPCM tak, že srovnávací
průběh je vytvářen adaptivně a přizpůsobuje se konkrétním statistickým
parametrům řeči. Výsledkem je ještě menší dynamický rozsah než v případě
DPCM a k zakódování vzorku potřebujeme ještě méně bitů. HLAS
Kodek G.723.1 (1995)
44
V počátečních dobách VoIP VoIP Forum zvolilo tento kodek jako základní pro použití v protokolu
H.323. Je rovněž používán mobilními videotelefony UMTS 99 (standard H.324M), kde Universal
Mobile Telecommunication System je 3G systém standardů pro mobilní telefony. Spolu s
G.729 jde o nejoblíbenější hlasový kodér pro VoIP.
Používá rámce délky 30 ms a odhaduje další průběh na 7,5 ms.
Má dva provozní režimy – 6,3 kb/s (r63 – 24bytové rámce) a 5,3 kb/s (r53 – 20bytové rámce).
Mezi nimi je schopen přepínat při každém snímku. Norma dva režimy stanovuje jako povinné, v
praxi ale řada implementaci, pracuje pouze v jednom ze dvou režimů.
Podporuje detekci hlasové aktivity (VAD – Voice activity detection), diskontinuální přenos (DTX
– Discontinuous Transmission) a generování výplňového šumu (CNG – comfort noise
generator). Ticho je kódováno ve velmi malých čtyřoktetových snímcích přenášených rychlostí
1,1 kb/s. Pokud informace o tichu nemusí být aktualizována, přenos se zastaví úplně. Výpočetní
náročnost je vysoká: 15 až 25 MIPS.
Mimo systémy VoIP je G.723.1 použit v H.324 doporučeních a je rovněž využit spolu s G.722.2
jako volitelná možnost v nových standardech pro 3G-324 (organizace 3GPP, 3GPP2) pro 3G
bezdrátové multimediální zařízení.
Je založen na 18 patentech, což může vést k lapáliím při licencování.
Způsob realizace kodeku G.723.1
45
Pro tento kodek jsou definovány dva algoritmy:
 MPC-MLQ (Multi-Pulse Maximum Likelihood Quantization) s bitovým tokem
6,4 kb/s
 ACELP (Algebraic-Code Excited Linear Prediction) s bitovým tokem 5,3 kb/s. Za
nízší nároky na pásmo, se platí větším zpožděním (37,5 ms, což je důsledek
náročnějšího kódování) a nižší kvalitou zvuku. Na podporu ACELP je ale třeba
PBX nakonfigurovat.
Kodek není určen pro hudbu a nevysílá DTMF tóny spolehlivě (musí být
předány out-of-band). Není určen ani pro modemy a faxové signály.
Testy odolnosti kodeku G.723.1
46
Tabulka porovnává výkon G.723.1 (6,3 kb /s) a ADPCM v Bell Labs v roce 1994.
Cílem výmazů rámců bylo odsynchronizovat kodér a dekodér (aby bylo
třeba více snímků na synchronizaci). V praxi bývá chybovost pod 3 % (v ideálním
případě až pod 1%).
podmínky MOS
G.721.1 6,3 kb/s 32 kb/s ADPCM
Čistý kanál 3.901 3.781
3% výpadků rámce 3.432 —
Tandem dvou kodeků 3.409 3.491
Reakce tandemu kodeků na ztrátu rámce
Praktický závěr pro kodek: sice odolný, ale pomalý, tedy nevhodný pro VoIP.
Porovnejte obě varianty realizace
kodeku G.723
47
Výpočet přenosové rychlosti pro daný
kodek
48
kodek zátěž (ms) zátěž (byte) příklad
G.711
20 ms (default) 160 byte Výpočet přenosové
rychlosti pro daný
kodek, např. pro
G.711 = [240 byte *
8(bitů/byte)] / 30 ms
= 64 kb/s
30 ms 240 byte
G.729
20 ms (default) 20 byte
30 ms 30 bytes
G.723 30 ms (default)
Co se stane, když se změní velikost zátěže? Např. pro kodek G.729
Zátěž 20 byte (20 ms):
(40 byte záhlaví IP/UDP/RTP + 20 byte hlasové zátěže)* 8 bitů na byte * 50 p/s = 24 kb/s
Zátěž 40 byte (40 ms):
(40 byte záhlaví IP/UDP/RTP + 40 byte hlasové zátěže)* 8 bitů na byte * 25 p/s = 16 kb/s
Kodeky G.726 (1990)
– cesta k úsporám
49
Používá techniku ADPCM k zakódování G.711 bitových řetězců slova o délce
2, 3 resp. 4 bity, což vede k datové tokům 16, 24, 32 (dnes nejpoužívanější)
či 40 kb/s. Otázkou je, zda nabrané zpoždění stojí za snížení šířky pásna
oproti G.711.
Vzorkovací frekvence je 8 kHz (typically 80 vzorků u rámce 10 ms).
MOS je 3,92 a je často brána jako měřítko kvality.
Jde o kodek s malým zpožděním. Velikost snímků je 125 ms, není použita
predikce. Výpočetní náročnost je 20 až 25 MIPS u G.726a 10 MIPS za cenu
snížené kvality (MOS 3,7). G.729b má potlačení klidu.
K dispozici je rovněž verze známá jako G.727.
Je primárně používán na mezinárodní trunky v telefonní síti. Rovněž je
používán v bezdrátových telefonních systémech a je používán na některých
fotoaparátech Canon.
Kodek G.728 (1992–1994)
50
 G.728 používá algoritmus LD-CELP (low-delay code excited linear
prediction). Při pouhých 16 kb/s má MOS skóre srovnatelné s G.726 na 32
kb/s. V porovnání s PCM nebo ADPCM, které ignorují charakter signálu, je
CELP kodér optimalizovaný pro hlas (vocoder). Modeluje konkrétní hlas
za použití knihy lineárních prediktivních kódů). Předáváno je pak to, co
nejlépe odpovídá charakteru daného hlasu. Pro hudbu je tento kodek
nevhodný.
 V rámci protokolu H.320 je používán pro videokonference a některé H.323
videokonferenční systémy, využívá se zde jeho nízkého zpoždění (625 µs
až 2,5 ms). Spotřebuje zato plný výkon Pentia 100 s 2 kB RAM.
 Variantou tohoto standardu s použitím 15,2 kb/s (nižší rychlost) je
RealAudio 28_8. Vyvinuté RealNetworks v roce 1995.
Kodek G.729 (1995–1996)
51
 Jde o velmi populární kodek pro přenos hlasu přes Frame Relay a pro V.70 hlasové a datové
modemy. Spolu s G.723 jde o nejoblíbenější hlasový kodér pro VoIP, ale stále ještě není
nativně podporován na platformě Windows.
 Jedná se o velmi používaný zvukový kodek pracující se zvukovými vzorky délky 10 ms, který
používá kompresi zvuku CS-ACELP (Conjugate-Structured Algebraic-Code Excited Linear
Prediction). Predikce je na 5 ms. Dosahovaný bitový tok 80bitových rámců má hodnotu 8
kb/s, existuje však i rozšíření pro 6,4 kb/s a 11,8 kb/s, které zajišťuje větší kvalitu
přenášeného zvuku. Tento kodek není určen pro přenos hudby, nepřenáší ani spolehlivě
DTMF tóny. Neumožňuje přenos faxových a modemových signálů.
 Přílohy A a B G.729 definují VAD, CNG, a DTX schémata pro G.729. Rámce
poslané k aktualizaci pozadí hluku jsou15 bitů dlouhé a zasílány pouze v případě
změny pozadí.
Je zde 20 patentů, což opět pro projektanty přináší problémy. Většinu patentů mají v
rukou SiproLabs (www.sipro.com), platí to i pro G.723.1.
Jak pracuje kodek G.729
52
 CS-ACELP kodér pracuje s rámci řeči o délce 10 ms, což při vzorkovací
frekvenci 8000 Hz odpovídá 80 vzorkům za sekundu. Každý 10 ms je
rámec řečového signálu analyzován pro získání parametrů CELP modelu.
Tyto parametry jsou kódovány a přenášeny komunikačním kanálem.
 V dekodéru jsou tyto parametry použity k obnovení excitačního signálu a
koeficientů syntetického filtru. Řečový signál je pak rekonstruován filtrací
excitačního vektoru přes syntetický filtr. Kvalita řečového signálu je pak
ještě zvýšena postfiltrem.
 Celkové zpoždění nutné pro výpočet algoritmu je 15 ms, další přídavná
zpoždění mohou vzniknout během přenosu v komunikačním kanálu nebo
při multiplexování dat.
 Velkou nevýhodou je zde (stejně jako u G.728 LD-CELP) velký výpočetní
výkon potřebný k prohledání celé kódové knihy a nalezení nejlepšího
excitačního vektoru.
G.729A
53
 G.729 (1996) vyžaduje cca 20 MIPS pro kódování a 3 MIPS
pro dekódování (asi o 30% méně než G.723.1).
 G.729A (1995): Je zpětně kompatibilní s G.729 a má výhodu
v menší náročnosti výpočtu.
 G.729 je často používán v VoFR, je podporován výrobci mnoha
zařízení Frame Relay.
Rozkmit závisí na kodeku
a výpočetním prostředí
54
Nízký rozkmit znamená vyšší výkon
procesoru
55
Kodek GSM
(Global System for Mobile communications)
56
Testování kódovacích algoritmů se provádělo pro těchto sedm jazyků: angličtina, němčina,
francouzština, finština, japonština, španělština a hindština. Výběr probíhal z těchto typů kódování:
Výsledkem byla nakonec kombinace řešení od firmy Philips a IBM. Vznikl tak kodek s označením
RPE - LTP (Regular Pulse Excitation – Long Term Prediction). Obvody kodeku jsou realizovány
signálovými procesory a lze je podle funkce rozdělit na tyto hlavní bloky:
• předzpracování signálu,
• analýza LPC,
• krátkodobá analýza a filtrace,
• kódování RPE a analýza LTP.
Celková bitová rychlost signálu bitový 13 x 8 kHz = 104 kb/s se po analýze RPE–LTP změní z
původní rychlosti 104 kb/s na 13 kb/s.
Kodeky GSM-FR, GSM-HR, GSM-EFR
57
GSM full-rate Používá techniku RPE-LTP, kóduje rámce 20 ms rychlostí 13 kb/s.
Nepoužívá predikci. Není extrémně náročný, požaduje 4,5 MIPS a méně než 1kB RAM. Je
patentován Philipsem.
Primární určení tohoto prvního GSM digitálního kodeku bylo zařízení DCME
(Digital Circuit Multiplex Equipment), pro satelitní telefonii a pro bezdrátové standardy
jako je DECT (Digital Enhanced Cordless Telecommunications).
Dnes už kvalita zvuku nevyhovuje a tak byl kodek GSM-FR nahrazen modernějšími
variantami FR kodeku, které poskytují vyšší kvalitu zvuku při nižší přenosové rychlosti.
GSM half-rate (1994) má menší nároky na pásmo (5,6 kb/s) Rámce jsou dlouhé 20 ms a
predikce je 4,4 ms. Vyžaduje cca 30 MIPS a 4 Kb RAM. Kodek byl citlivý na hluk pozadí, a proto
nebyl úspěšný.
GSM enhanced full rate (1995) používá techniku CD-ACELP. Rámce jsou dlouhé 20 ms a
rychlost 12,2 kb/s. Standardizován TIA a je základním pro US služby celulární telefonie.
MOS GSM kodeků v různých prostředích
58
kodek klid auto ulice
GSM FR 3.71 3.83 3.92
GSM HR 3.85 3.45 3.56
GSM EFR 4.43 4.25 4.18
Reference bez kódování 4.61 4.42 4.35
iLBC (2004)
59
 iLBC (Internet Low Bit Rate Codec) je další kodek založený na lineární predikci.
Jde o otevřený úzkopásmový zvukový kodek specifikovaný v RFC 3951. Zásadní
rozdíl oproti starším standardům založených na PCM (jako je G.711) je , že pro
lineární predikci používá velmi kvalitní blokově nezávislý algoritmus.
 Vzorkovací frekvence je 8 kHz/16 bit (160 vzorků pro 20 ms rámce, 240 vzorků
pro30 ms rámce). Má fixní bitovou rychlost 15,2 kb/s pro 20 ms rámce, 13,33
kb/s pro 30 ms rámce). Má fixní velikost rámce (304 bitů na blok 20 ms rámce,
400 bitů na blok 30 ms rámce). Zátěž procesoru je srovnatelná s G.729A (20
MIPS), má ale vyšší odolnost vůči ztrátě paketů.
 Kodek je určen pro aplikace reálného času jako je telefonie a videokonference.
Vyvinuly ho Global IP Solutions a je popsán v RFC 3951. Používají ho Gizmo5,
QuteCom, Google Talk, Yahoo! Messenger, Polycom IP Phone, Maemo Recorder
(pro Nokie) a další.
iLBC v RFC 3951
60
iLBC freeware
61
Přednost iLBC:
vyšší imunita vůči výpadkům rámců
62
iLBC obstojí i bez výpadků
63
Blíže: http://www.packetizer.com/codecs/ilbc/iLBC.WP.pdf
Podpora iLBC Cisco
64
Speex (2002)
65
 Jedná se opět o otevřený zvukový kodek, který používá pro kompresi
zvuku metodu CELP. Používá také VAD (det. klidu).
 Používá šířku pásma od 2 do 44 kb/s. Vzorkovací frekvence lze zvolit
8, 16 a 32 kHz.
 Jde o open a free software, neboli odpadají problémy s patenty a
licencemi. je součástí projektu GNU a je dostupný v rámci
revidovaných BSD licencí. Jde tedy o alternativu k drahým
proprietárním kodekům. Jeho specifikace mu umožňuje dosahovat
velmi dobrých kompresních poměrů při zachování srozumitelnosti.
 Není primárně určen (jako ostatní podobné kodeky) na kompresi
telefonních hovorů, ale na VoIP.
API Speexu ke stažení
66
Další práce ITU-T SG16 Speech/Audio
67
 G.718 Vůči chybám odolné úzkopásmové i
širokopásmové kódování řeči a audio 8-32 kb/s + Annex
B superpásmové rozšíření (28–48 kb/s). Je zde možnost
stereo rozšíření.
 G.719 nekomplexní, pro kódování audia ve vysoké
kvalitě, aplikace jsou konverzačního charakteru (32–128
kb/s).
Další nové kodeky
68
SILK je u Skype nástupce původního SVOPC. Byl vyvinut pro desktop s matematickým
koprocesorem, pokud není koncové zařízení PC, nevyhovuje. Má jedinou vzorkovací
rychlost 16 kHz, bitovou rychlost 8 kb/s. Založen je na lineární predikci 5,2 ms.
SVOPC měl audio a řečový mód, SILK tento rozdíl zmenšuje. SILK má vzorkovací
frekvenci 8, 12, 16 či 24 kHz (tři navíc) a bitovou rychlost od 6 do 40 kb/s
(proměnlivou dle podmínek přenosu). Může použít nízké algoritmické zpoždění 25,2
ms (20 ms rámec + 5,2 ms prognóza).
BroadVoice je založen na dvoufázovém kódování TSNFC (Two-Stage Noise
Feedback Coding) nahrazujícím populární CELP (Code-Excited Linear Prediction). Má
velmi nízké zpoždění, algoritmická práce s vyrovnávacími paměti zpožďuje o pouhých
5 ms (ve srovnání s 15 až 40 ms řady dalších kodeků).
CELT (Constrained-Energy Lapped Transform) je kodek s ultranízkým zpožděním
(typicky od 5 do 22.5 ms) a plným audio pásmem (≥20 kHz; vzorkovací rychlost je 8
kHz až 48 kHz). Podporuje hlas i hudbu včetně sterea. Bitová rychlost je 32 kb/s až
128 kb/s i vyšší. Tento kodek je zamýšlen jako most, který vyplňuje mezeru mezi
kodeky Vorbis a Speex pro aplikace, které vyžadují jak vysoce kvalitní zvuk, tak nízké
zpoždění potřebné pro dialog (Vorbis je svobodný software zamýšlený jako náhrada
MP3).
Skype Silk
69
BroadVoice
70
CELT
71
Na dokumentaci pro CELT se ještě čeká
72
Vorbis
73
 Vorbis je ztrátový audio formát, který se měl stát náhradou formátu
MP3. Jeho vývoj je zastřešen organizací Xiph.Org Foundation.
Vorbis audio bývá nejčastěji uloženo v kontejneru Ogg a v tomto
spojení je nazýváno Ogg Vorbis.
 Softwarová implementace formátu Vorbis vyvíjená nadací
Xiph.Org, kodek libvorbis, je svobodný a open source software
uvolněný pod licencí BSD.
Hybridní Opus - 2011
74
 Mix technologií – pro hlas SILK, pro hudbu CELT.
 V hybridním Opusu je každý rámec nejdříve kódován na LP (linear prediction)
vrstvě (do 8 kHz) a pak na MDCT vrstvě (nad 8 kHz). Vrstva SILK je VBR
(Variable bit rate) a CELT je CBR (Constant bit rate). SILK potřebuje prognózu
na 5,2 ms, CELT na 2,5 ms. Nesoulad je řešen zpožděním CELT o 2,7 ms.
 Modifikovaná diskrétní kosinová transformace (MDCT – modified discrete
cosine transform) je transformace blízká Fourierově. Je založená na typu IV
diskrétní kosinové transformace (DCT-IV), Má delší časová okna a vlastnost
překrývání: druhá polovina bloku se překrývá s první polovinou bloku dalšího.
Tato finta vyhlazuje přechody mezi bloky, proto je použita ve ztrátových
formátech typu MP3 (MPEG-1 Audio Layer 3) či Media Audio.
Přepínání mezi SILK a CELT
75
Vzorky každých 10 ms, rozhodnutí po 200 ms
Webové stránky Opusu
76
Kvalita versus bitová rychlost
77
Bitová rychlost kontra zpoždění
78
Opus standardizován v roce 2012
79
Most mezi přenosem hudby a telefonií
80
 AAC Low Delay (AAC-LD) je jiný název pro MPEG-4 Low
Delay Audio Coder, což je audio kompresní formát
kombinující výhody audio kódování s výhodami dvousměrné
komunikace s nízkým zpožděním.
 Tento formát je odvozen a formátu MPEG-2 (Advanced
Audio Coding – AAC). Maximální zpoždění je 20 ms.
 Tento formát je schopen zajistit stereo signál v pásmu 7 Hz
na jedné ISDN lince či v pásmu 15 kHz na dvou ISDN
linkách.
Kvalitní firemní kodeky, např. L16
81
Cisco telefon SPA525G 3 vyžaduje výběr tří kodeků z těchto:
G711u, G711a, G726-32, G729a, G722 a L16.
Moderní L16 tam nechybí.
Pro vojenské aplikace: MELP (1997)
82
 MELP (Mixed Excitation Linear Prediction) je určen pouze pro vojenské
aplikace, satelitní komunikaci, utajená rádiové zařízení.
 Parametry: bloky 22,5 ms zahrnují 180 vzorků, vzorkovací rychlost 8 000
kHz. Pokrývá pásmo 100 Hz - 3800 Hz.
 V roce 2001MELPe (Enhanced MELP) US standardem MIL-STD-3005, v
roce 2002 NATO standardem STANAG-4591.
 Používá periodické i neperiodické vzorkování a adaptivní filtr. Neperiodické
vzorkování odstraňuje choulostivé přechodné úseky signálu mezi hlasem a
dalšími zvuky.
Návrh zpracoval student Georgia Tech,
dnes má pro komerční použití licenci Polycomm.
FLEXI-232 a FLEXI-422
83
Karta Flexi-232 pro modemy Karta v DTE doplněná PTT zařízením
(PTT – Push to Talk resp. Press-to-Transit, určeno pro HDX)
Blíže např. http://www.compandent.com/products_melpe.htm
Porovnání MOS
84
Porovnání nároků na výkon
85
Informace převzaty ze stránek fy. MATTES AD, spol. s r.o.
CBR – Codec Bit Rate, přenosová rychlost kodeku (v b/s)
NEB – Nominal Ethernet Bandwidth, nominální ethernetová šířka pásma (v b/s)
Možnosti překódování
Alcatel - First IP Telephony Workshop (2000)
86
Který kodek je nejlepší?
87
Nelze jednoznačně určit, který kodek je ten
nejlepší, protože některé se vyznačují nízkým
bitovým tokem, jiné nízkou náročností na
výpočet a samozřejmě různou kvalitou hovoru.
Volba kodeku by proto měla vždy záležet
na konfiguraci a možnostech nainstalovaného
VoIP zařízení a síťové propustnosti.
Kodeky, které podporuje Asterisk
88
Dnes preferované kodeky u Cisco
89
Audio Codec Preference Order for Cisco Unified Communications Manager 8.0(1)
If Low Loss Is Configured for Link Loss Type If Lossy Is Configured for Link Loss Type
AAC-LD—256 kb/s AAC-LD—256 kb/s
L16—256 kb/s L16—256 kb/s
G.722 64k—64 kb/s iSAC—32 kb/s
iSAC—32 kb/s G.722 64k—64 kb/s
G.722.1 32k—32 kb/s G.722.1 32k—32 kb/s
G.722 —56 kb/s G.722 —56 kb/s
G.722.1—24 kb/s G.722.1—24 kb/s
G.722—48 kb/s G.722—48 kb/s
G.711 mu-law 64 k—64 kb/s G.711 mu-law 64 k—64 kb/s
G.711 A-law 64k—64 kb/s G.711 A-law 64k—64 kb/s
G.711 mu-law 56k—56 kb/s G.711 mu-law 56k—56 kb/s
G.711 A-law 56k—56kb/s G.711 A-law 56k—56kb/s
iLBC—16 kb/s iLBC—16 kb/s
G.728—16 kb/s G.728—16 kb/s
GSM Enhanced Full Rate—13 kb/s GSM Enhanced Full Rate—13 kb/s
GSM Full Rate—13 kb/s GSM Full Rate—13 kb/s
G.729b—8 kb/s G.729b—8 kb/s
G.729ab—8 kb/s G.729ab—8 kb/s
G.729—8 kb/s G.729—8 kb/s
G.729a—8 kb/s G.729a—8 kb/s
GSM Half Rate—7 kb/s GSM Half Rate—7 kb/s
G.723.1—7 kb/s G.723.1—7 kb/s
Dříve preferované kodeky
u Cisco
90
Table 2-4 Audio Codec Preference Order for previous versions of Cisco Unified Communications Manager
If Low Loss Is Configured for Link Loss Type If Lossy Is Configured for Link Loss Type
--- iLBC—16 kb/s
AAC-LD—256 kb/s AAC-LD—256 kb/s
L16—256 kb/s L16—256 kb/s
G.722.1 24k—24 kb/s G.722.1 24k—24 kb/s
G.722.1 32k—32 kb/s G.722.1 32k—32 kb/s
G.722 64k—64 kb/s G.722 64k—64 kb/s
G.711 mu-law 64k—64 kb/s G.711 mu-law 64k—64 kb/s
G.711 A-law 64k—64 kb/s G.711 A-law 64k—64 kb/s
G.722 56k—56 kb/s G.722 56k—56 kb/s
G.711 mu-law 56k—56 kb/s G.711 mu-law 56k—56 kb/s
G.711 A-law 56k—56 kb/s G.711 A-law 56k—56 kb/s
G.722 48k—48 kb/s G.722 48k—48 kb/s
iLBC—16 kb/s ---
G.728—16 kb/s G.728—16 kb/s
GSM Enhanced Full Rate—13 kb/s GSM Enhanced Full Rate—13 kb/s
GSM Full Rate—13 kb/s GSM Full Rate—13 kb/s
G.729b—8 kb/s G.729b—8 kb/s
G.729ab—8kb/s G.729ab—8kb/s
G.729—8 kb/s G.729—8 kb/s
G.729a—8 kb/s G.729a—8 kb/s
GSM Half Rate—7 kb/s GSM Half Rate—7 kb/s
G.723.1—7 kb/s G.723.1—7 kb/s
Nastavení preferencí kodeků na Cisco směrovači
91
voice class codec 100
codec preference 1 g729r8
codec preference 2 g723r63
codec preference 3 g711alaw
!
Dohoda o kodeku u SIP
(odchyceno Wiresharkem)
92
INVITE sip:novak@sip.domainB.cz SIP/2.0
Via: SIP/2.0/UDP 195.122.198.236:5065;rport;branch=z9hG4bK1441F37B74154C09BD150D68AD8B83F7
From: markl <sip:markl@sip.domainA.cz:5065>;tag=1603324369
To: <sip:novak@sip.domainB.cz>
Contact: <sip:markl@195.122.198.236:5065>
Call-ID: 650ADF5C-0EB4-499A-9744-2B2561B30C94@192.168.2.111
CSeq: 9126 INVITE
Max-Forwards: 70
Content-Type: application/sdp
User-Agent: SIPphone Lite release 1104v
Content-Length: 321
v=0
o=markl 212548077 212548116 IN IP4 195.122.198.236
s=SIPphone Lite
c=IN IP4 195.122.198.236
t=0 0
m=audio 8000 RTP/AVP 0 8 3 98 97 101
a=rtpmap:0 pcmu/8000
a=rtpmap:8 pcma/8000
a=rtpmap:3 gsm/8000
a=rtpmap:98 iLBC/8000
a=rtpmap:97 speex/8000
a=rtpmap:101 telephone-event/8000
a=fmtp:101 0-15
a=sendrecv
Čipy OPL-2, OPL-3
(Operator Type-L)
93
OPL-2 – zvukový čip Yamaha YM3812
OPL-3 – zvukový čip Yamaha YMF262
(populární ve zvukové kartě Soundblaster 16)
OPLL – zvukový čip Yamaha YM2413
244 registrů pouze pro zápis, 9 kanálů zvuku, každý produkovaný dvěma oscilátory.
Frekvence (10 bitů) oktáva (3 bity), tvar vlny (celá, půlka, čtvrtka…), tremolo, vibráto,
nosná…
Moduly složené z procesorů
(Packet Voice Digital Signal Processor Modules)
94
Kodeky s vysokou komplexností:
G.723.1, G.728, G.729, G.729b, GSM-EFR and Modem Relay
Kodeky se střední komplexností:
G.711, G.729a, G.729ab, G.726, GSM-FR and Fax Relay
Výpis přehledu DSP
95
Vytváření DSP profilů
96
R1(config)#voice-card 0
R1(config-voicecard)#dsp services dspfarm
R1(config)#dspfarm profile 1 transcode
R1(config-dspfarm-profile)#codec g711ulaw
R1(config-dspfarm-profile)#codec g711alaw
R1(config-dspfarm-profile)#codec g729ar8
R1(config-dspfarm-profile)#codec g729abr8
R1(config-dspfarm-profile)#codec g729r8
R1(config-dspfarm-profile)#maximum sessions 6
R1(config-dspfarm-profile)#associate application
SCCP
R1(config-dspfarm-profile)#no shutdown
R2(config)#voice-card 0
R2(config-voicecard)#dsp services dspfarm
R2(config)#dspfarm profile 1 conference
R2(config-dspfarm-profile)#codec g711ulaw
R2(config-dspfarm-profile)#codec g711alaw
R2(config-dspfarm-profile)#codec g729ar8
R2(config-dspfarm-profile)#codec g729abr8
R2(config-dspfarm-profile)#codec g729br8
R2(config-dspfarm-profile)#maximum sessions 2
R2(config-dspfarm-profile)#associate application
SCCP
R2(config-dspfarm-profile)#no shutdown
Vztah velikosti paketu
a rychlosti přenosu paketů
97
Závislost zpoždění způsobené kódováním
na velikosti vzorku
98
Požadavky na pásmo pro jednotlivé kodeky
99
Typický příklad použití v SLA
100
85 % volání MOS ≥ 4,2
95 % volání MOS ≥ 4,0
4 % volání MOS < 3,8
Trendy vývoje v kodecích
101
 Vylepšování kvality, vývoj směrem k širšímu pásmu:
Narrowband (-3.4 kHz) --> Wideband (-7 kHz) --> Superwideband (-14 kHz) --> Fullband (-20 kHz)
 Zvyšování odstupu od vnějšího šumu (auto, letadlo, vrtulník…)
 Multimódové kodeky určené pro řeč i hudbu
 Kolaborace ve standardizaci, dříve, speciálně pro ITU platilo pravidlo
„vítěz bere vše“.
 Řada proprietárních řešení (Skype… )
 Open Source, volný software
 Co bude následovat?
Narrowband
102
Wideband +
103
Co je z toho vzorkování a co
kvantování? Co je třetí krok?
104
Kontrolní otázky
105
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a videokodeků.
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování?
3. Jaký je nejoblíbenější audio kodek?
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku?
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu.
7. Který kodek umí velmi efektivní zakrývat ztrátovost paketů?
8. Co je překódování (transcoding)?
Kontrolní otázky s odpověďmi
106
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a video
kodeků. ANO
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování?
3. Jaký je nejoblíbenější audio kodek?.
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku?
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu.
7. Který kodek umí velmi efektivní zakrývat ztrátovost paketů?
8. Co je překódování (transcoding)?
Kontrolní otázky s odpověďmi
107
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a video
kodeků. ANO
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování? 8000, 8 bitů.
3. Jaký je nejoblíbenější audio kodek?
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku?
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu.
7. Který kodek umí velmi efektivní zakrývat ztrátovost paketů?
8. Co je překódování (transcoding)?
Kontrolní otázky s odpověďmi
108
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a video
kodeků. ANO
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování? 8000, 8 bitů.
3. Jaký je nejoblíbenější audio kodek? G.711.
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku?
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu.
1. Který kodek umí velmi efektivní zakrývat ztrátovost paketů?
2. Co je překódování (transcoding)?
Kontrolní otázky s odpověďmi
109
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a video
kodeků. ANO
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování? 8000, 8 bitů.
3. Jaký je nejoblíbenější audio kodek? G.711.
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
Jeden bit určuje polaritu signálu, 3 bity určují příslušný segment (8 segmentů), 4
bity kódují velikost kvantizační úrovně v daném segmentu (16 úrovní v jednom z
8 segmentů)
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku?
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu.
7. Který kodek umí velmi efektivní zakrývat ztrátovost paketů?
8. Co je překódování (transcoding)?
Kontrolní otázky s odpověďmi
110
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a video
kodeků. ANO
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování? 8000, 8 bitů.
3. Jaký je nejoblíbenější audio kodek? G.711.
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
Jeden bit určuje polaritu signálu, 3 bity určují příslušný segment (8 segmentů), 4
bity kódují velikost kvantizační úrovně v daném segmentu (16 úrovní v jednom z
8 segmentů)
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku? Dolní pásmo – logaritmicky snímaná PCM + adaptivní
vylepšování QoS. Horní pásmo – MDCT (modified discrete cosine
transformation), používá se i v MP3, podstata spočívá v překrývání vzorků.
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu. Lež
7. Který kodek umí velmi efektivní zakrývat ztrátovost paketů? G.722
8. Co je překódování (transcoding)? Jeden kóduje, druhý dekóduje.
Kontrolní otázky s odpověďmi
111
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a video
kodeků. ANO
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování? 8000, 8 bitů.
3. Jaký je nejoblíbenější audio kodek? G.711.
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
Jeden bit určuje polaritu signálu, 3 bity určují příslušný segment (8 segmentů), 4
bity kódují velikost kvantizační úrovně v daném segmentu (16 úrovní v jednom z
8 segmentů)
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku? Dolní pásmo – logaritmicky snímaná PCM + adaptivní
vylepšování QoS. Horní pásmo – MDCT (modified discrete cosine
transformation), používá se i v MP3, podstata spočívá v překrývání vzorků.
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu.
7. Který kodek umí velmi efektivní zakrývat ztrátovost paketů?
8. Co je překódování (transcoding)?
Kontrolní otázky s odpověďmi
112
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a video
kodeků. ANO
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování? 8000, 8 bitů.
3. Jaký je nejoblíbenější audio kodek? G.711.
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
Jeden bit určuje polaritu signálu, 3 bity určují příslušný segment (8 segmentů), 4
bity kódují velikost kvantizační úrovně v daném segmentu (16 úrovní v jednom z
8 segmentů)
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku? Dolní pásmo – logaritmicky snímaná PCM + adaptivní
vylepšování QoS. Horní pásmo – MDCT (modified discrete cosine
transformation), používá se i v MP3, podstata spočívá v překrývání vzorků.
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu. Lež
7. Který kodek umí velmi efektivní zakrývat ztrátovost paketů?
8. Co je překódování (transcoding)?
Kontrolní otázky s odpověďmi
113
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a video
kodeků. ANO
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování? 8000, 8 bitů.
3. Jaký je nejoblíbenější audio kodek? G.711.
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
Jeden bit určuje polaritu signálu, 3 bity určují příslušný segment (8 segmentů), 4
bity kódují velikost kvantizační úrovně v daném segmentu (16 úrovní v jednom z
8 segmentů)
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku? Dolní pásmo – logaritmicky snímaná PCM + adaptivní
vylepšování QoS. Horní pásmo – MDCT (modified discrete cosine
transformation), používá se i v MP3, podstata spočívá v překrývání vzorků.
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu. Lež
7. Který kodek umí velmi efektivní zakrývat ztrátovost paketů? G.722
8. Co je překódování (transcoding)?
Kontrolní otázky s odpověďmi
114
1. Pravda nebo lež: Pulse Code Modulation tvoří základ většiny audio a video
kodeků. ANO
2. Kolikrát PCM vzorkuje za sekundu a kolik bitů je přiděleno pro hodnoty
kvantování? 8000, 8 bitů.
3. Jaký je nejoblíbenější audio kodek? G.711.
4. Jak jsou využity jednotlivé bity u kódování a-law a jaké rozlišení tím získáme?
Jeden bit určuje polaritu signálu, 3 bity určují příslušný segment (8 segmentů), 4
bity kódují velikost kvantizační úrovně v daném segmentu (16 úrovní v jednom z
8 segmentů)
5. V čem se liší kódování horního pásma kodeku G.711.1 od kódování dolního
pásma tohoto kodeku? Dolní pásmo – logaritmicky snímaná PCM + adaptivní
vylepšování QoS. Horní pásmo – MDCT (modified discrete cosine
transformation), používá se i v MP3, podstata spočívá v překrývání vzorků.
6. Pravda nebo lež: kodek je sjednán před přenosem, a proto není vidět během
přenosu. Lež
7. Který kodek umí velmi efektivní zakrývat ztrátovost paketů? G.722
8. Co je překódování (transcoding)? Jeden kóduje, druhý dekóduje.
Kontrolní otázky
115
9. Jak velké rámce jsou kódovány v rámci kodeku G.722.1 a s jakou
predikcí?
10. Jak je kódované ticho u kodeku G.723.1?
11. Na čem je založen způsob kódování LD-CELP používaný u kodeku
G.728?
12. Kdy jsou u kodeku G.729 posílány rámce sloužící k aktualizaci
pozadí hluku?
13. Co se stane, pokud dojde ke snížení vzorkovací frekvence?
Kontrolní otázky s odpověďmi
116
9. Jak velké rámce jsou kódovány v rámci kodeku G.722.1 a s jakou
predikcí? Kódovány jsou rámce 20 ms s predikcí na 20 ms.
10. Jak je kódované ticho u kodeku G.723.1?
11. Na čem je založen způsob kódování LD-CELP používaný u kodeku
G.728?
12. Kdy jsou u kodeku G.729 posílány rámce sloužící k aktualizaci pozadí
hluku?
13. Co se stane, pokud dojde ke snížení vzorkovací frekvence?
Kontrolní otázky s odpověďmi
117
9. Jak velké rámce jsou kódovány v rámci kodeku G.722.1 a s jakou
predikcí? Kódovány jsou rámce 20 ms s predikcí na 20 ms.
10. Jak je kódované ticho u kodeku G.723.1? Ticho je kódováno ve velmi
malých čtyřoktetových snímcích přenášených rychlostí 1,1 kb/s.
11. Na čem je založen způsob kódování LD-CELP používaný u kodeku
G.728?
12. Kdy jsou u kodeku G.729 posílány rámce sloužící k aktualizaci pozadí
hluku?
13. Co se stane, pokud dojde ke snížení vzorkovací frekvence?
Kontrolní otázky s odpověďmi
118
9. Jak velké rámce jsou kódovány v rámci kodeku G.722.1 a s jakou
predikcí? Kódovány jsou rámce 20 ms s predikcí na 20 ms.
10. Jak je kódované ticho u kodeku G.723.1? Ticho je kódováno ve velmi
malých čtyřoktetových snímcích přenášených rychlostí 1,1 kb/s.
11. Na čem je založen způsob kódování LD-CELP používaný u kodeku
G.728? Kdy jsou u kodeku G.729 posílány rámce sloužící k aktualizaci
pozadí hluku? Rámce poslané k aktualizaci pozadí hluku jsou15 bitů
dlouhé a zasílány pouze v případě změny pozadí.
12. Kdy jsou u kodeku G.729 posílány rámce sloužící k aktualizaci pozadí
hluku?
13. Co se stane, pokud dojde ke snížení vzorkovací frekvence?
Kontrolní otázky s odpověďmi
119
9. Jak velké rámce jsou kódovány v rámci kodeku G.722.1 a s jakou
predikcí? Kódovány jsou rámce 20 ms s predikcí na 20 ms.
10. Jak je kódované ticho u kodeku G.723.1? Ticho je kódováno ve velmi
malých čtyřoktetových snímcích přenášených rychlostí 1,1 kb/s.
11. Na čem je založen způsob kódování LD-CELP používaný u kodeku
G.728? Je založen na zpětnovazebním řízení adaptace s kódovacím
zpožděním do 2ms a přenosovou rychlostí 16 kb/s.
12. Kdy jsou u kodeku G.729 posílány rámce sloužící k aktualizaci pozadí
hluku? Rámce poslané k aktualizaci pozadí hluku jsou15 bitů dlouhé a
zasílány pouze v případě změny pozadí.
13. Co se stane, pokud dojde ke snížení vzorkovací frekvence?
Kontrolní otázky s odpověďmi
120
9. Jak velké rámce jsou kódovány v rámci kodeku G.722.1 a s jakou
predikcí? Kódovány jsou rámce 20 ms s predikcí na 20 ms.
10. Jak je kódované ticho u kodeku G.723.1? Ticho je kódováno ve velmi
malých čtyřoktetových snímcích přenášených rychlostí 1,1 kb/s.
11. Na čem je založen způsob kódování LD-CELP používaný u kodeku
G.728? Je založen na zpětnovazebním řízení adaptace s kódovacím
zpožděním do 2ms a přenosovou rychlostí 16 kb/s.
12. Kdy jsou u kodeku G.729 posílány rámce sloužící k aktualizaci pozadí
hluku? Rámce poslané k aktualizaci pozadí hluku jsou15 bitů dlouhé a
zasílány pouze v případě změny pozadí.
13. Co se stane, pokud dojde ke snížení vzorkovací frekvence? Pak budou ve
chybět vyšší frekvence, což se projeví jako ztráta výšek.
Kontrolní otázky s odpověďmi
121
9. Jak velké rámce jsou kódovány v rámci kodeku G.722.1 a s jakou
predikcí? Kódovány jsou rámce 20 ms s predikcí na 20 ms.
10. Jak je kódované ticho u kodeku G.723.1? Ticho je kódováno ve velmi
malých čtyřoktetových snímcích přenášených rychlostí 1,1 kb/s.
11. Na čem je založen způsob kódování LD-CELP používaný u kodeku
G.728? Je založen na zpětnovazebním řízení adaptace s kódovacím
zpožděním do 2ms a přenosovou rychlostí 16 kb/s.
12. Kdy jsou u kodeku G.729 posílány rámce sloužící k aktualizaci pozadí
hluku? Rámce poslané k aktualizaci pozadí hluku 15 bitů dlouhé jsou
zasílány pouze v případě změny pozadí.
13. Co se stane, pokud dojde ke snížení vzorkovací frekvence? Pak budou ve
chybět vyšší frekvence, což se projeví jako ztráta výšek.
Domácí úkol
122
Na http://www.vocal.com/audio_examples/itu_coders.html