Centralized correction of the voice spectral distortions in telephone networks
Correction centralisée des distorsions spectrales de la parole sur les réseaux téléphoniques
Résumé
The aim of this thesis is to compensate for spectral distortions of voice on telephone networks, particularly on the analog parts of the terrestrial network. These distortions are generated by the non-flat transfer functions of the sending and receiving terminals and of the corresponding analog lines. Our purpose is to restore a "timbre" as close as possible to the original voice of the
speaker, using a blind equalizer centralized in the network.
We propose a spectral equalization algorithm, which consists in matching the long-term spectrum of the processed signal to a reference spectrum (spectrum of the ITU-T Recommendation P.50) in a limited frequency bandwidth (200-3150 Hz). Subjective evaluations show a satisfying restoration of the timbre of the speakers, within the limits of the chosen equalization band.
The A-law quantization of the output samples of the equalizer induces however a
disturbing noise at the reception end. Two methods are proposed to mask this noise, using a perceptual spectral shaping. The first one is based on the feed-back of the filtered quantization error to the input of the quantizer. The second one explores the temporal sequences of the possible quantization levels, in order to maximize a probabilistic criterion of noise masking, using a Viterbi-like algorithm. A subjective evaluation finally shows on the one hand that the non-reshaped noise is preferred to the reshaped noise, on the other hand that voices with a corrected timbre, even with quantization noise, are preferred to the same voices at the output of a telephone link without timbre correction (and without noise).
In order to make the reference spectrum more appropriate to the various speakers' voices, we define two or four classes of speakers, based on their long-term spectra. Classification criteria robust to telephone link distortions are defined. This classification allows using one reference spectrum for each class, instead of the same reference spectrum for the whole population. This leads to a decrease of the spectral distortion induced by the equalizer and, as a consequence, to a significant improvement of the timbre correction for a part of the speakers, in a perceptual point of view.
speaker, using a blind equalizer centralized in the network.
We propose a spectral equalization algorithm, which consists in matching the long-term spectrum of the processed signal to a reference spectrum (spectrum of the ITU-T Recommendation P.50) in a limited frequency bandwidth (200-3150 Hz). Subjective evaluations show a satisfying restoration of the timbre of the speakers, within the limits of the chosen equalization band.
The A-law quantization of the output samples of the equalizer induces however a
disturbing noise at the reception end. Two methods are proposed to mask this noise, using a perceptual spectral shaping. The first one is based on the feed-back of the filtered quantization error to the input of the quantizer. The second one explores the temporal sequences of the possible quantization levels, in order to maximize a probabilistic criterion of noise masking, using a Viterbi-like algorithm. A subjective evaluation finally shows on the one hand that the non-reshaped noise is preferred to the reshaped noise, on the other hand that voices with a corrected timbre, even with quantization noise, are preferred to the same voices at the output of a telephone link without timbre correction (and without noise).
In order to make the reference spectrum more appropriate to the various speakers' voices, we define two or four classes of speakers, based on their long-term spectra. Classification criteria robust to telephone link distortions are defined. This classification allows using one reference spectrum for each class, instead of the same reference spectrum for the whole population. This leads to a decrease of the spectral distortion induced by the equalizer and, as a consequence, to a significant improvement of the timbre correction for a part of the speakers, in a perceptual point of view.
Ces travaux ont pour objet la correction des distorsions spectrales subies par la parole sur les réseaux téléphoniques, en premier lieu le réseau fixe (terrestre) dans sa partie analogique. Ces distorsions sont dues aux fonctions de transfert des terminaux téléphoniques en émission et en réception, et aux lignes téléphoniques analogiques correspondantes. Le but est de restaurer, en aveugle, un "timbre" le plus proche possible de la voix originale du locuteur, au moyen d'un traitement du signal centralisé dans un équipement du réseau.
Nous proposons un algorithme d'égalisation spectrale aveugle consistant à aligner, sur une bande de fréquences limitée (200-3150 Hz), le spectre à long terme du signal traité sur un spectre de référence (spectre de la recommandation P.50 de l'UIT-T). Des évaluations subjectives mettent en évidence une restauration satisfaisante du timbre original des locuteurs, dans la limite de la bande d'égalisation choisie.
Il apparaît toutefois que la quantification en loi A des échantillons de sortie de l'égaliseur induit un bruit gênant en réception. Deux approches sont donc proposées pour masquer perceptivement ce bruit par un reformage spectral. L'une est fondée sur la réinjection à l'entrée du quantificateur de l'erreur de quantification filtrée. L'autre explore selon un algorithme de type Viterbi les séquences temporelles des niveaux de quantification possibles, de manière à maximiser un critère probabiliste de masquage du bruit. Une évaluation subjective montre finalement d'une part que le bruit non reformé est préféré au bruit reformé, plus sporadique mais plus "rauque", d'autre part qu'une voix dont le timbre a été corrigé, au prix de ce bruit de quantification, est préférée à la même voix en réception d'une liaison téléphonique sans correction de timbre (et non bruitée).
Afin d'améliorer l'adéquation du spectre de référence de l'égaliseur aux différents locuteurs, une classification des locuteurs selon leur spectre, en deux ou quatre classes, est étudiée, et des critères de classement robustes aux distorsions de la liaison téléphonique sont définis. Cette classification permet d'utiliser non plus un spectre de référence unique, mais un spectre de référence par classe. Il en résulte une réduction de la distorsion spectrale induite par l'égaliseur, ce qui se traduit, pour certains locuteurs, par une amélioration significative de la correction de timbre.
Nous proposons un algorithme d'égalisation spectrale aveugle consistant à aligner, sur une bande de fréquences limitée (200-3150 Hz), le spectre à long terme du signal traité sur un spectre de référence (spectre de la recommandation P.50 de l'UIT-T). Des évaluations subjectives mettent en évidence une restauration satisfaisante du timbre original des locuteurs, dans la limite de la bande d'égalisation choisie.
Il apparaît toutefois que la quantification en loi A des échantillons de sortie de l'égaliseur induit un bruit gênant en réception. Deux approches sont donc proposées pour masquer perceptivement ce bruit par un reformage spectral. L'une est fondée sur la réinjection à l'entrée du quantificateur de l'erreur de quantification filtrée. L'autre explore selon un algorithme de type Viterbi les séquences temporelles des niveaux de quantification possibles, de manière à maximiser un critère probabiliste de masquage du bruit. Une évaluation subjective montre finalement d'une part que le bruit non reformé est préféré au bruit reformé, plus sporadique mais plus "rauque", d'autre part qu'une voix dont le timbre a été corrigé, au prix de ce bruit de quantification, est préférée à la même voix en réception d'une liaison téléphonique sans correction de timbre (et non bruitée).
Afin d'améliorer l'adéquation du spectre de référence de l'égaliseur aux différents locuteurs, une classification des locuteurs selon leur spectre, en deux ou quatre classes, est étudiée, et des critères de classement robustes aux distorsions de la liaison téléphonique sont définis. Cette classification permet d'utiliser non plus un spectre de référence unique, mais un spectre de référence par classe. Il en résulte une réduction de la distorsion spectrale induite par l'égaliseur, ce qui se traduit, pour certains locuteurs, par une amélioration significative de la correction de timbre.
Loading...