Tendencias Computacionales

Dr. Eduardo García García

Tendencias Computacionales

Codificación de Voz: Teoría y Estándares

Dr. Eduardo J. García García

egarcia@[Link]
1

Los esquemas de
compresión y codificación
de voz se definen en tres
ámbitos:
Recomendaciones ITU
Telefonía Celular
Telefonía Segura (DoD)
2

ITESM - CEM DCC 1

Tendencias Computacionales
Dr. Eduardo García García

Teoría Fundamental

n La compresión de información perceptual

(voz, video) se basa fundamentalmente en la
eliminación de la redundancia de la señal y
la reducción de la dinámica de la
información digital correspondiente:
– Redundancia
– Irrelevancia

Teoría Fundamental
n El comportamiento continuo de la señal
resultante proveniente de los transductores
tiene un alto contenido de información
redundante, es decir componentes con baja
entropía
n El Sistema de Percepción Humana es un
filtro pasa-bajos que no distingue ciertas
variaciones que sí son captadas por el
transductor
4

ITESM - CEM DCC 2

Tendencias Computacionales
Dr. Eduardo García García

Teoría Fundamental
n Es posible reducir la redundancia
empleando esquemas de predicción y
procesos markovianos
n Es posible reducir la dinámica de la
información mediante la cuantificación y
codificación diferencial
n Es posible disminuir adicionalmente el
volumen de datos al canal mediante códigos
de longitud variable (VLC)
5

PCM
n Primeramente, es necesario generar un
patrón de datos en formato digital que
represente la información analógica
proveniente de los transdutores:
– DIGITALIZACIÓN o DISCRETIZACIÓN
n La Modulación de Impulsos Codificados o
PCM (Pulse Coded Modulation) es el
proceso más simple de discretización de una
señal
6

ITESM - CEM DCC 3

Tendencias Computacionales
Dr. Eduardo García García

PCM
n Cuatro elementos se involucran en un
proceso PCM:
– Tasa de muestreo
– Pulse Amplitude Modulation (PAM)
– Cuantificación lineal
– Códigos a longitud fija
n El PCM es el esquema que genera menor
retardo y compresión, pero es el más simple

PCM
n Muestreo: Según el teorema de Nyquist

fmax= 4000 Hz
f(t)
=> fmuestreo = 8000 Hz

t
8

ITESM - CEM DCC 4

Tendencias Computacionales
Dr. Eduardo García García

PCM
n Cada muestra es cuantificada y enviada al
canal:
– Envío de un código finito
=> alfabeto de de M elementos
– Transmisión un código cada T segundos
n El flujo de datos total (flujo entrópico) para las dos
condiciones anteriores es :
R = (1/T) log2 M bits/s

PCM
n El proceso de cuantificación permite
disminuir el flujo de datos, pero
ocasionando pérdidas en la información
fuente : Codificación con pérdidas (lossy)

Cuantificación : proceso de representación de

un conjunto de valores continuos por un número
finito de estados

10

ITESM - CEM DCC 5

Tendencias Computacionales
Dr. Eduardo García García

PCM
n Dos tipos de cuantificadores según su
método de asignación de valores finitos :
– cuantificación uniforme (lineal)
– cuantificación no uniforme (no lineal)
n Un cuantificador Q(⋅) es una función definida en
términos de un conjunto finito de umbrales di y
niveles ri de reconstrucción :
Q(s) = ri , si s ∈ (di-1 , di], i=1, ..., L
Siendo L el número de niveles

11

PCM
n En cuantificador uniforme los niveles ri
están igualmente espaciados :
ri+1 - ri = Θ 1 ≤ i ≤ L-1
donde Θ es el paso de cuantificación
n El diseño de un cuantificador uniforme es
una tarea trivial :
d i = A + iθ 0≤i≤L
B− A θ
θ= r = d + 1≤ i ≤ L
L i i −1
2
12

ITESM - CEM DCC 6

Tendencias Computacionales
Dr. Eduardo García García

PCM
q(s)

13

PCM
PCM(t)

0101
0100
0011
0010
0001
0000
t
1100
1011
1010
1001
1000

Salida de la Modulación de Impulsos Codificados :

0100 0101 0011 1011 1000 1000 1001

14

ITESM - CEM DCC 7

Tendencias Computacionales
Dr. Eduardo García García

PCM
n En G.711 se emplea un cuantificador de 256
niveles:
log2 (256) = 8 bits por nivel

n Así pues, el flujo de información para este

tipo de codificación es:
R = 2 * 4000 * 8 = 64 Kbps

15

PCM

n El comportamiento aleatorio de ciertas

señales puede provocar que la repartición
uniforme de niveles de cuantificación no
sea apropiada:
– exceso de niveles para valores
muestra no frecuentes
– baja resolución para representar
valores muestra frecuentes

16

ITESM - CEM DCC 8

Tendencias Computacionales
Dr. Eduardo García García

PCM

n La cuantificación no lineal permite asignar

niveles de cuantificación de manera no
uniforme:
– asignación de mayor número de
niveles en zonas de cambios
abruptos frecuentes
– pocos niveles de cuantificación
para regiones planas de la señal

17

PCM

n Un cuantificador no uniforme permite

adaptarse a las variaciones de la señal
n Mediante un análisis de entropía de la señal
es posible asignar los niveles de
cuantificación:

=> adaptar el paso de cuantificación

18

ITESM - CEM DCC 9

Tendencias Computacionales
Dr. Eduardo García García

PCM
s(t) señal fuente
q(t+1)
q(t)
uniforme

s(t) señal fuente

q(t+1)
no uniforme q(t)

19

PCM
n Para poder disminuir el flujo de información,
se elimina la redundancia de la señal:
– codificación de las diferencias entre niveles
antes de la cuantificación
– explotación del comportamiento gaussiano de la
señal diferencial
– empleo de VLC

DPCM
20

ITESM - CEM DCC 10

Tendencias Computacionales
Dr. Eduardo García García

DPCM
DPCM(t)

} ∆= + 1 }∆ = - 2

∆= - 4
t

∆= - 3
} ∆ = -1

21

DPCM
n En DPCM, la función de densidad de
probabilidad de los valores discretos de la
señal diferencial se asemeja a una
gaussiana, de tal suerte que es posible
preveer una asignación más “justa” de
niveles de cuantificación:

=> Predicción del valor actual en función

a los valores previos

22

ITESM - CEM DCC 11

Tendencias Computacionales
Dr. Eduardo García García

DPCM
p(t) e(t) eq(t) Canal
- Cuantificación Codificación

p'(t)

Canal eq(t) p(t)

Decodificación +

p'(t)

23

DPCM
fdp(s)

fdp(s)

24

ITESM - CEM DCC 12

Tendencias Computacionales
Dr. Eduardo García García

DPCM
e(x)

x x

Q
C
eq(x) eq(x)

x VLC

25

DPCM
n ADPCM: Adaptive DPCM
n G.726 (G.721, G.723) y G.727 emplean
ADPCM para flujos de voz a:
– 16 Kbps
– 24 Kbps
– 32 Kbps
n Dada la simplicidad de PCM y DPCM, el
retardo generado por procesamiento es el
más bajo.

26

ITESM - CEM DCC 13

Tendencias Computacionales
Dr. Eduardo García García

CELP:
Code Excited Linear
Prediction
Base de la norma G.759
Codec para voz a 8 Kbps

27

G.729

n Rango nominal de transmisión 8 Kbps, con

posibilidad de bajar a 6.4 Kbps o subir a 9.6
Kbps según la congestión de la red
n Bajo retardo:
* G.726 (ADPCM) 0.125 ms
* G.728 (LD-CELP) 2 ms
* G.729 (CS-ACELP) ≤ 20 ms

28

ITESM - CEM DCC 14

Tendencias Computacionales
Dr. Eduardo García García

G.729

n Eficiencia:
* SNR 26 dB
* Bajo consumo: Voice Activity Detection
* Transparencia DTMF
* Requerimientos de HW
- 10 MIPS
- 2000 words (16 bits)

29

¿¿ SNR ??
n La calidad de los procesos que involucran
señales audiovisuales se puede medir en dos
ámbitos:
* Subjetivo (percepción real)
* Objetivo (matemáticamente)
n La medición objetiva no siempre es
contundente, pero es un buen parámetro a
considerar dado que las pruebas subjetivas
son complejas, costosas y llevan tiempo
30

ITESM - CEM DCC 15

Tendencias Computacionales
Dr. Eduardo García García

SNR
n En la práctica, se usa la medida matemática
denominada relación señal a ruido (Signal to
Noise Ratio (SNR o S/N)
n Diferentes definiciones del S/N existen :

σ 2N 2
S / N = 10 log10 ( ) dB
∑ ( x − x
muestras
' ) 2

31

SNR

∑x 2

S / N = 10 log10 ( muestras
) dB
∑ ( x − x' )
muestras
2

2
xmax N2
S / N = 10 log10 ( ) dB
∑ ( x − x' )
muestras
2

32

ITESM - CEM DCC 16

Tendencias Computacionales
Dr. Eduardo García García

SNR
n Como se observa, todas las definiciones de
SNR derivan del error cuadrático medio
(MSE) : 1
MSE = 2 (∑muestras ( x − x' ) 2
N
– La primera relaciona el MSE con la varianza de la
señal
– La segunda relaciona el MSE con la energía promedio de la
señal (MSNR)
– La tercera relaciona el MSE con el máximo grado de energía
de la señal (PSNR)

33

G.729
n CELP: estrategia de análisis-síntesis en donde
la distorsión perceptual es medida y
compensada tiempo real
n El codificador opera con tramas de 10 ms:
=> 80 muestras a una tasa de muestreo PCM
n Las tramas se subdividen en dos partes
n Para cada sub-trama, se obtienen los
parámetros del modelo CELP

34

ITESM - CEM DCC 17

Tendencias Computacionales
Dr. Eduardo García García

G.729
n Parámetros del modelo CELP:
– Tono (redundancia a largo plazo)
– Espectro (redundancia a corto plazo)
– Ganancia (volumen y modulación)
n Los parámetros son cuantificados
vectorialmente con el fin de eliminar la
irrelevancia de la información

35

G.729
n Conceptualmente:

s(t) + Filtro de
+ Ponderación MSE Minimización
- Perceptual

s’(t)
Sintetizador
Prototipo 1
Filtro Filtro
Predictor Predictor Prototipo 2
de Espectro de Tono :
Diccionarios

36

ITESM - CEM DCC 18

Tendencias Computacionales
Dr. Eduardo García García

G.729
n Algoritmo:
* Linear Prediction Coding analysis (LPC)
=> obtención del espectro
* Conversión de parámetros:
=> LPC a LSP (Linear Spectrum Pair)
* Búsqueda de los representantes LSP en
los diccionario de cuantificación:
=> LSP, ACB, SCB y ganancias

37

G.729
Parámetro Bits
Coeficientes LSP 18
Tono 13
Retardo 1
Índice de los CV 26
Signo de los CV 8
Ganancia (etapa 1) 6
Ganancia (etapa 2) 8
Total 80
38

ITESM - CEM DCC 19

Tendencias Computacionales
Dr. Eduardo García García

G.729
n Consideraciones:
– La obtención de los parámetros LPC se efectúa
mediante un modelo del tracto vocal humano
correspondiente a un filtro digital de orden 10

1 1
H ( z) = 10
=
1 + ∑ ai z −i
A( z )
i =1

39

G.729
– La salida del filtro para una señal de promedio
cero es:
S’(z) = H(z) T(z)
– La obtención de los parámetros del análisis
LPC se realiza encontrando los elementos a que
forman la solución a las ecuaciones:
10
0 = ∑ ai ri − j ao = 1, j = 1...10
i =0
N −1
ri = ∑ s[n]s[n − 1] i = 0...10
n =i 40

ITESM - CEM DCC 20

Tendencias Computacionales
Dr. Eduardo García García

G.729

– La búsqueda de los elementos del diccionario

es un factor importante en el desempeño del
algoritmo
– La introducción del esquema Conjugate-
Structure Algebraic CELP permite una
búsqueda más eficiente en los diccionarios de
cuantificación:
=> Diccionarios simétricos
=> Búsqueda en clusters

41

Pila de Protocolos
H.323 para
aplicaciones
multimedia sobre LAN

42

ITESM - CEM DCC 21

Tendencias Computacionales
Dr. Eduardo García García

Arquitectura Básica

43

H.323
n Permite la integración de comunicaciones
audiovisuales en redes a conmutación LAN
n Objetivo principal: interoperabilidad con
terminales N-ISDN (H.320), B-ISDN
(H.321), IsoEthernet (H.322), GSTN
(H.324) e incluso ATM (H.310)

=> Recomendaciones , Procedimientos y

Mensajes
44

ITESM - CEM DCC 22

Tendencias Computacionales
Dr. Eduardo García García

H.323
n Es un estándar “paraguas” que reagrupa
varias recomendaciones que van desde:
– descripción de componentes
– modelo de control de llamadas
– procedimientos de señalización
n Los elementos fundamentales de los
sistemas bajo H.323 son:
– Gateways
– Gatekeepers
– Terminales
45

Protocolos
Aplicaciones Aplicaciones Control y administración Aplicaciones
Audio Video de Terminales Datos
G.711 H.255.0 H.245.0
G.722 H.261 H.255.0
G.723.0 Canal T.124
Canal
G.728 H.263 RTCP Canal Señali Control
G.729 zación
RAS
RTP X.224 Clase 0 T.125
UDP TCP
Capa Red (IP) T.123

Capa Enlace (IEEE 802.3)

Capa Fïsica (IEEE 802.3)

46

ITESM - CEM DCC 23

Tendencias Computacionales
Dr. Eduardo García García

* RTP: Real Time Transfer Protocol

* RTCP: Real Time Control Protocol

AMBAS PROPUESTAS DE IETF

* RAS: Registration, Admission, Status

=> Protocolo entre puntos extremos
(Terminales/Gatekeepers)

47

* H.255 Canal de Señalización: Establece

conexión entre 2 puntos extremos
* H.255 Canal de Control: gobierna el
intercambio:
* capacidades del intercambio
* control de flujo
* comandos generales

48

ITESM - CEM DCC 24

Tendencias Computacionales
Dr. Eduardo García García

Componentes
n Terminal: PC, etc.
n Gateways: Interconexión de redes dis-
similares
n Gatekeeper: “cerebro” de la red:
– Autentificación
– manejo de ancho de banda
– tarificación
– ruteo
n MCU: Multipoint Control Unit: manejo de
recursos 49

Terminal H.323
n Debe proveer comunicación bidireccional
– Audio
– Video
– Datos
n Terminal H.323: se especifica la
señalización, mensajes de control,
multiplexaje, codecs y protocolos
n No se especifica el tipo de equipo ni
interfaces, pero sí la interoperabilidad
50

ITESM - CEM DCC 25

Tendencias Computacionales
Dr. Eduardo García García

Terminal H.323
Equipo Video Codec H.261,
E/S H.263 Módulo de
control de
Codec G.711, retardo
Equipo Audio G.722, G.723.1,
E/S
Capa
G.728, G.729
LAN
Equipo Datos
T.120 ... H.255.0
Sistema de Control
Sistema de
control de la H.245
interfaz de
usuario H.255.0 Ctrl.

H.255.0 RAS
51

Terminal H.323
n H.255.0 especifica el tipo de mensajes para
la señalización de la llamada, registro,
admisión, construcción de paquetes y
sincronización del flujo de datos
n H.245 especifica el tipo de mensajes
empleados para definir la capacidad del
intercambio, abrir y cerrar canales lógicos,
indicaciones, etc.
n Se definen mecanismos de conferencia
multipunto
52

ITESM - CEM DCC 26

Tendencias Computacionales
Dr. Eduardo García García

Conferencia Multipunto
n Tres tipos:
A B C
MCU
Descentralizada
multicast audio/video
A C
B
Centralizada D

MCU
E
Híbrida
A B C
53

Multipunto
n Para establecer comunicación multipunto, la
MCU se subdivide en:
– MC: Multipoint Control, que provee el control
de la comunicación, señalización común y
establecimiento de canales. Esta unidad se
puede localizar en el gateway, gatekeeper o la
terminal.
– MP: Multiponit Processor, que provee las
capacidades de procesamiento de medios y que
es requerido sólo en configuración centralizada

54

ITESM - CEM DCC 27

Tendencias Computacionales
Dr. Eduardo García García

Gateway

n Interconexión de redes diferentes

n Interacción entre redes a conmutación de
circuitos y paquetes
n Varios tipos de terminales pueden ser
interconectadas a través del gateway:
– Protocolos comunes (Mandatory)
– Transcodificación (adecuación)
– Multipunto (si incluye MCU)

55

Gateway
Terminal Terminal MCU
H.323 H.323 H.323
LAN sin QoS
Garantizada

Gatekeeper Gateway Terminal Terminal

H.323 H.323 H.323 H.323

GSTN LAN B-ISDN

con N-ISDN
Qos Terminal
Terminal Terminal Terminal H.321
V.70 de voz H.320
Terminal
Terminal Terminal Terminal H.310
H.324 H.322 de voz 56

ITESM - CEM DCC 28

Tendencias Computacionales
Dr. Eduardo García García

Gateway
H.320 H.324 H.322 H.323 H.321 H.310
ConmutaciónP
Red N-ISDN GSTN Iso-Ether B-ISDN (ATM) B-ISDN (ATM)
aquetes

H.261 (M)
H.261 (M) H..261 (M)
Video H.261 (M) H.261 (M) H.261 (M) H.262 (M)
H.263 (M) H.263
(MPEG-2)

G.711 (M)
MPEG1 (M)
G.711 (M) G.711 (M) G.722 G.711 (M)
G.723.1 (M) G.711 (M)
Audio G.722 G.722 G.728 G.722
G.729 G.722
G.728 G.728 G.723.1 G.728
G.728
G.729

Datos T.120 T.120 T.120 T.120 T.120 T.120

H.221 (M) H.223 (M) H.221 (M) H.225.0 (M) H.221 (M) H.222.0 (M)
MUX H.222.1 (M)
Control H.242 (M) H.245 (M) H.242 (M) H.245 (M) H.242 (M) H.245 (M)
H.255.0
Señal Q.931 - Q.931 Q.931 Q.931
(Q.931)
57

Gatekeeper
n Provee mecanismos para la administración
de la red:
– Permiso de admisión
– Ancho de banda necesario
– Tarificación
n Traducción
– Números telefónicos
– Direcciones IP
n Es opcional
58

ITESM - CEM DCC 29

Tendencias Computacionales
Dr. Eduardo García García

Llamadas
A Gatekeeper B
ARQ

ACF/ARJ

Establecer

amada
Procesando ll
ARQ
ACF/ARJ

Avisando
Conectado
59

Canales
n Después de que se establece la llamada, la
comunicación se lleva a cabo a través de
canales lógicos (H.245) a diferentes
puertos:
– Canal 0: control H.245
– Múltiples canales para audio, video y datos
n Datos: según T.120
n Audio y Video: según H.255.0
– RTP para información
– RTCP para control (por canal separado)
60

ITESM - CEM DCC 30

Tendencias Computacionales
Dr. Eduardo García García

QoS
n No es provisto en H.323 (best effort UDP)
n Se efectúa a través de la propuesta IETF
RTCP
n Empleo de buffers, cancelación de error y
mecanismos de FEC
n Uso del Gatekeeper para llevar información
de control de congestión y manejar
opciones
n En el caso de Internet, empleo de RSVP
para garantizar cierta QoS
61

ITESM - CEM DCC 31