Compression de données 1D-2D
Sonia Djaziri-Larbi
[email protected]
Ecole Nationale d’Ingénieurs de Tunis — Dépt TIC
7 avril 2020
Plan
Introduction
La quantification
La quantification scalaire
Quantification scalaire optimale
Quantificateur scalaire uniforme
Quantificateur scalaire non uniforme
Quantification vectorielle
La quantification scalaire prédictive
Rappels prédiction linéaire
Quantificateur prédictif : premiers pas
Quantificateur prédictif en boucle fermée
Analyse du signal de parole
Analyse à court-terme
Production de la parole
Modèle source-filtre
Mesure du pitch
Codage de la parole
Principaux concepts
Estimation du pitch
Transformation LPC ↔ LSF
Codeur LPC10
Codage CELP
Principaux standards en codage de parole
Compression de la musique : le codage MPEG Audio
Introduction à la compression d’image
Généralités
Compression avec et sans pertes
Le standard JPEG
Sonia Djaziri-Larbi | Ecole Nationale d’Ingénieurs de Tunis — Dépt TIC 3/121
Introduction
Introduction
Transmettre un signal (parole, musique, images) par voie analogique (émetteur-canal-
récepteur) :
(-) sensibilité au bruit des signaux reçus
(-) coût élevé des émetteurs/récepteurs
(-) dimension des émetteurs/récepteurs
⇒ la numérisation du signal apporte des solutions à ces problèmes :
(+) meilleure robustesse aux bruits et erreurs de transmission
(+) dimension et coûts réduits des circuits grâce aux technologies VLSI 1
1. VLSI : very-large-scale-integration
Sonia Djaziri-Larbi | Ecole Nationale d’Ingénieurs de Tunis — Dépt TIC 5/121
Introduction
CAN ou Numérisation = échantillonnage + quantification
I Le signal numérisé a en général une
large occupation spectrale lors de la
transmission
I or le canal de transmission ≈ filtre
passe-bande
⇒ pour limiter l’occupation spectrale on comprime le signal numérisé
CAN + compression = codage source
Sonia Djaziri-Larbi | Ecole Nationale d’Ingénieurs de Tunis — Dépt TIC 6/121
Introduction
Chaı̂ne de transmission :
Objectifs de la compression :
-représentation digitale compacte du signal ⇒ Efficacité de transmission/stockage
⇓
Représentation du signal avec un nombre minimal de bits tout en sauvegardant
sa qualité perceptuelle
Sonia Djaziri-Larbi | Ecole Nationale d’Ingénieurs de Tunis — Dépt TIC 7/121
Introduction
Les applications de la compression sont nombreuses, grâce aux coûts réduits du
développement de circuits VLSI de plus en plus performants... :
— Les communications téléphoniques numériques fixes et mobiles
— La transmission par paquets (internet, VoIP)
— La radiodiffusion numérique
— La télévision numérique
— etc.
Cependant, un bon codeur est un bon compromis... :
La compression doit répondre à des contraintes quel que soit le type de signal et quelle
que soit l’application, mais à degré variable.
⇒ compromis entre : débit visé - dégradation/distorsion - complexité/coût
Sonia Djaziri-Larbi | Ecole Nationale d’Ingénieurs de Tunis — Dépt TIC 8/121
Introduction
Enjeux
IParole-Bande téléphonique : B = 300Hz - 3.4kHz, fe =8kHz
Débit : 12bits x 8kHz = 96 −→ 6 kbit/s
IParole - Bande élargie : B = 50Hz - 7kHz, fe = 16kHz
Débit : 12bits x 16kHz = 192 −→ 24 kbit/s
IMusique - Bande Hi-Fi : B = 20Hz - 20kHz, fe = 44.1 (32, 48)kHz
Débit : 16bits x 44.1kHz = 705 −→ 64kbit/s
Débit CD : 2 x 0.705 + 2.91 = 4.32 Mbit/s
Sonia Djaziri-Larbi | Ecole Nationale d’Ingénieurs de Tunis — Dépt TIC 9/121
Introduction
Objectifs du cours
Tous les codeurs normalisés récemment ou en cours de normalisation sont en
réalité des systèmes composés d’un certain nombre de briques de base.
⇒ Comprendre ces briques de base et maı̂triser leurs principes de fonctionnement
⇒ Comprendre les propriétés des signaux qui influent sur le choix de ces briques
⇒ Connaı̂tre les principaux codeurs de parole et comprendre leur fonctionnement
⇒ Acquérir des notions de base en codage audio et image.
Sonia Djaziri-Larbi | Ecole Nationale d’Ingénieurs de Tunis — Dépt TIC 10/121
