فشرده‌سازي وفقي سيگنال صحبت باند وسيع و صوت با استفاده از تبديل موجك

در اين مقاله طراحي يك كد كننده ديكد كننده جديد در نرخ بيت kb/s 32 براي سيگنال صحبت باند وسيع و صوت بررسي مي‌شود. اين كدر جايگزين خوبي براي كدرهاي باند وسيع قبلي مثل استاندارد G721 با نرخ بيت kb/s 32 و G722 با نرخ بيت kb/s 64 و 4/2 =MOS مي‌باشد. فشرده‌ساز يا كدر ما شامل قسمتهاي كدگذار تبديلي، مدل روان شنيداري، چندي‌كننده و قسمت كدگذار با طول متغير است. در قسمت كدگذار تبديلي از بسته موجكي كه داراي باندهاي خروجي نزديك به باندهاي بحراني است استفاده شده است. تفاوت اين قسمت با كارهاي مشابه در استفاده از هسته تبديل موجك توسعه يافته پارامتري جديد و نيز روشي است كه شاخه هاي WP را گسترش داده‌ايم تا انطباق بيشتري با باندهاي بحراني شنوايي داشته باشند. فكر استفاده از مدل روان شنيداري را از MPEG1-Audio گرفته‌ايم اما به جاي استفاده از طيف توان براي محاسبه نسبت سيگنال به ماسك S/M مستقيماً از داده‌هاي خروجي بسته موجكي استفاده كرده‌ايم. به اين ترتيب، علاوه بر تطبيق مناسب خروجي‌هاي بسته موجكي با مدل روان شنيداري، از ميزان محاسبات نيز كاسته شده است. در چندي‌كننده با توجه به تعداد بيت‌هاي هر باند بحراني كه قبلاً توسط مدل روان شنيداري حساب شده است به چندي كردن خروجي‌هاي بسته موجكي مي‌پردازيم. در قسمت VLC، از روش كدگذاري آنتروپي استفاده كرده‌ايم. براي اين كار از جداول دوباره كد كننده استاندارد JPEG استفاده شده است. اما تغييراتي براي تطبيق هر چه بهتر با شرايط سيگنال صحبت اعمال نموده‌ايم. كدر قابليت استفاده وفقي از هسته موجك پارامتري را داراست. كدر با تغيير نسبت S/M قابليت كم كردن نرخ بيت و كاهش كيفيت در حد كيفيت مورد نياز را دارد. بنابراين، در جاهايي كه احتياج به نرخ بيت ثابتي باشد با تغيير S/M در اطراف نقطه كاري نرخ بيت به ميزان خواسته شده مي‌رسد. در نهايت اين كدر با نرخ بيت kb/s 32 كيفيت بسيار خوبي دارد كه به راحتي از سيگنال PCM ورودي با نرخ نمونه برداري kHz 16 تعداد بيت 16 در هر نمونه قابل تشخيص نيست.