Descargado 14 veces
Subido porAriel Roel
Core Fijo - Diplomatura en Telecomunicaciones Multimedia - Unidad 4.1
El documento aborda temas relacionados con la voz y video sobre IP, incluyendo la introducción a la tecnología, el funcionamiento de la voz humana, y los diversos métodos de codificación de voz. Se discuten aspectos técnicos como el muestreo, cuantificación, y calidad de voz, así como los diferentes tipos de códecs y su rendimiento. Además, se describen técnicas para mejorar la calidad de la transmisión y parámetros subjetivos de evaluación como el MOS.
Core Fijo - Diplomatura en Telecomunicaciones Multimedia - Unidad 4.1
- 1. Diplomatura en Telecomunicaciones Multimedia MóduloCore Fijo – Unidad 4.1 Ariel Roel
- 2. Ariel Roel –arielroel@gmail.com Unidad Temática 4
- 3. Ariel Roel –arielroel@gmail.com AGENDA – Unidad 4 • Introducción a la Voz sobre IP • Introducción al Video sobre IP • Protocolos de transporte de medios de tiempo real. • Calidad de Servicio. Voz y Video Sobre IP
- 4. Ariel Roel –arielroel@gmail.com El habla • Habla ▫ Aire empujado desde los pulmones que pasa por las cuerdas vocales y a lo largo del tracto vocal ▫ Las vibraciones básicos - las cuerdas vocales ▫ El sonido se ve alterado por la disposición del tracto vocal (lengua y la boca) • Modelo del tracto vocal como un filtro ▫ La forma cambia relativamente despacio • Las vibraciones en las cuerdas vocales ▫ La señal de exitación
- 5. Ariel Roel –arielroel@gmail.com Sonidos Vocales • El sonido vocal ▫ Las cuerdas vocales vibran abriendo y cerrándose ▫ Interrumpen el flujo de aire ▫ Impulsos de aire cuasi-periódicos ▫ La tasa de la apertura y cierre - el tono ▫ Un alto grado de periodicidad en el período de tono 2-20 ms
- 6. Ariel Roel –arielroel@gmail.com Sonidos Vocales • Voz hablada • Densidad espectral
- 7. Ariel Roel –arielroel@gmail.com Sonidos no hablados • Sonidos no hablados ▫ Se fuerza el aire a altas velocidades a través de una constricción ▫ La glotis se mantiene abierta ▫ Ruido similar a una turbulencia ▫ Muestra una pequeña periodicidad a largo plazo ▫ Se presentan correlaciones a corto plazo
- 8. Ariel Roel –arielroel@gmail.com Sonidos no hablados • Sonidos no hablados • Densidad espectral
- 9. Ariel Roel –arielroel@gmail.com Otros sonidos • Sonidos Explosivos ▫ Cierre completo en el tracto vocal ▫ La presión del aire aumenta y se suelta repentinamente • Una amplia gama de sonidos ▫ La señal de la voz es relativamente previsible en el tiempo ▫ La reducción del ancho de banda de transmisión puede ser significativo
- 10. Ariel Roel –arielroel@gmail.com Muestreo de la voz • Analógico a Digital ▫ muestras discretas de la forma de onda, representando cada muestra con un cierto número de bits ▫ Una señal puede reconstruirse si es muestreada a un mínimo de dos veces la frecuencia máxima. • Voz Humana ▫ 300-3800 Hz ▫ 8000 muestras por segundo tiempo Cada muestra es codificada en una palabra de 8-bit (ej. 01100101) => 8000 x 8 bit/s
- 11. Ariel Roel –arielroel@gmail.com Cuantificacion • Cantidad de bits usados para representar la onda • Ruido de cuantificación ▫ La diferencia entre el nivel real de la señal de entrada analógica • Mas bits para bajar el ruido ▫ El rendimiento baja • Niveles de cuantificación uniformes ▫ Quienes hablan mas fuerte se escuchan mejor
- 12. Ariel Roel –arielroel@gmail.com Cuantificación no uniforme • Pasos de cuantificación mas pequeños a niveles de señal más pequeños • Distribuye la relación señal-ruido más uniformemente
- 13. Ariel Roel –arielroel@gmail.com Trasmisión discontinua y ruido de confort • DTX es Discontinuous Transmission • Voice activity detector (VAD) detecta si hay actividad vocal o no • Cuando no hay actividad vocal, se pueden usar los siguientes procedimientos DTX: ▫ No transmitir nada ▫ Emitir Comfort Noise (CN) usando RFC 3389 ▫ CN generado por el codec como AMR SID (Silence Descriptor) • La frecuencia de los paquetes de ruido de confort varía, pero suele ser una fracción de la tasa normal de paquetes
- 14. Ariel Roel –arielroel@gmail.com Calidad de voz • El ancho de banda es fácil de cuantificar ▫ La calidad de voz es subjetiva • MOS, Mean Opinion Score ▫ ITU-T P.800 Excelente – 5 Bueno – 4 Correcto – 3 Pobre – 2 Malo – 1 ▫ Minimo de 30 personas ▫ Escucha de muestras de voz o conversaciones
- 15. Ariel Roel –arielroel@gmail.com Calidad de voz • Tecnicas subjetivas y objetivas de medicion de la calidad de la voz • PSQM – Perceptual Speech Quality Measurement ▫ ITU-T P.861 ▫ representan fielmente el juicio y la percepción humana ▫ comparación algorítmica entre la señal de salida y una entrada conocida ▫ tipo de altavoz, el volumen, la demora, frames activos/silencio, clipping, ruido ambiental
- 16. Ariel Roel –arielroel@gmail.com Tipos de codificadores (coders) de voz • Codecs de forma de onda ▫ Muestreo y codificación ▫ Alta calidad y baja complejidad ▫ Gran consumo de ancho de banda • Codecs de fuente (vocoders) ▫ Aproximan la señal de entrada a un modelo matemático ▫ Filtros lineales predictivos del tracto vocal ▫ La información se envía en lugar de la señal ▫ Bajas tasas de bits, pero suenan sintéticos ▫ Mayores tasas de bits no mejoran mucho
- 17. Ariel Roel –arielroel@gmail.com Tipos de codificadores (coders) de voz • Codecs híbridos ▫ Tratan de dar lo mejor de ambos mundos ▫ Llevan a cabo un grado de matcheo de la forma de onda ▫ Utilizan el modelo de producción de sonido ▫ Calidad bastante buena a velocidad de bits baja
- 18. Ariel Roel –arielroel@gmail.com G.711 • El codec mas comun ▫ Usado en PSTN ▫ PCM, Pulse-Code Modulation • Si se utiliza cuantificación uniforme ▫ 12 bits * 8 k/sec = 96 kbps • Para cuantificación no uniforme ▫ 64 kbps ▫ Ley mu Norteamerica ▫ Ley A Otros paises, un poco mas amigable a bajos niveles de señal ▫ Un MOS de alrededor de 4.3
- 19. Ariel Roel –arielroel@gmail.com DPCM, Differential PCM • Sólo transmite la diferencia entre el valor anterior y el valor real • La voz cambia de forma relativamente lenta • Es posible predecir el valor de una muestra basado en los valores de las muestras anteriores • El receptor realizar la misma predicción • La forma mas simpe ▫ Sin predicción • No hay retardo por el algoritmo
- 20. Ariel Roel –arielroel@gmail.com • Predice los valores de las muestras basado en: ▫ Muestras pasadas ▫ Usando algún conocimiento de como la voz cambia en el tiempo • El error es cuantificado y transmitido ▫ Requiere menos bits • G.721 ▫ 32 kbps • G.726 ▫ A-law/mu-law PCM -> 16, 24, 32, 40 kbps ▫ MOS de aprox. 4.0 a 32 kbps ADPCM, Adaptive DPCM
- 21. Ariel Roel –arielroel@gmail.com Analysis-by-Synthesis (AbS) Codecs • Codec Hibrido ▫ Llena el vacio entre los del tipo de forma de onda y los de fuente ▫ Los mas exitosos y de mayor uso
- 22. Ariel Roel –arielroel@gmail.com G.729 • 8 kbps • Frames de entrada de 10 ms, 80 muestras para una frecuencia de muestreo de 8 KHz • 5 ms look-ahead ▫ Delay del algoritmo de 15 ms • Un frame de 80-bit para 10 ms de voz • Codec complejo ▫ G.729.A (Annex A) es simplificado ▫ La misma estructura de frames ▫ Calidad un poco mas baja
- 23. Ariel Roel –arielroel@gmail.com G.729 • G.729.B ▫ VAD, Voice Activity Detection Basado en el analisis de diversos parametros de la entrada Los frames actuales mas dos frames previos ▫ DTX, Discontinuous Transmission No envia nada o envia un SID frame El SID frame contiene informacion para generar el ruido de confort ▫ CNG, Comfort Noise Generation • G.729, con un MOS de 4.0 • G.729A con un MOS de 3.7
- 24. Ariel Roel –arielroel@gmail.com G.729 • G.729 Annex D ▫ Extensión para menores tasas ▫ 6.4 kbps; muestras de 10 ms, 64 bits/frame ▫ MOS 6.3 kbps G.723.1 • G.729 Annex E ▫ Una mejora para tasas mas altas ▫ El filtro de predicción lineal posee 10 coeficientes ▫ El de G.729 Annex E tiene 30 coef. ▫ El codebook de G.729 tiene 35 bits ▫ El de G.729 Annex E tiene 44 bits ▫ 118 bits/frame; 11.8 kbps
- 25. Ariel Roel –arielroel@gmail.com AMR • GSM Adaptive Multi-Rate (AMR) codec ▫ Delay de codificación de 20 ms ▫ 8 modos diferentes ▫ 4.75 kbps a 12.2 kbps ▫ Cambio de modo en cualquier momento ▫ Ofrece transmision discontinua El SID (Silence Descriptor) es enviado cada 8avo frame y es de 5 bytes ▫ Es el elegido por la mayoria de las redes 3G
- 26. Ariel Roel –arielroel@gmail.com Codecs • Los valores de MOS son para condiciones de laboratorio ▫ G.711 no tiene mecanismos para paquetes perdidos ▫ G.729 puede acomodar un frame perdido interpolando información de frames previos Pero eso causa error en los siguientes frames de voz • Poder de procesamiento ▫ G.729, 40 MIPS ▫ G.726 10 MIPS