G.711 - G.711

G.711

Modulacja kodu impulsowego (PCM) częstotliwości głosu
Status	Obowiązujący
Rok rozpoczęty	1972
Ostatnia wersja	(02/00) luty 2000
Organizacja	ITU-T
Powiązane standardy	G.191 , G.711.0 , G.711.1 , G.729
Domena	kompresja dźwięku
Strona internetowa	https://www.itu.int/rec/T-REC-G.711

G.711 to wąskopasmowy kodek audio oryginalnie zaprojektowany do użytku w telefonii, który zapewnia dźwięk o jakości płatnej przy 64 kbit/s. G.711 przepuszcza sygnały audio w zakresie 300–3400 Hz i próbkuje je z szybkością 8000 próbek na sekundę, z tolerancją 50 części na milion (ppm). Niejednolita (logarytmiczna) kwantyzacja z 8 bitami jest używana do reprezentowania każdej próbki, co daje szybkość transmisji 64 kbit/s. Istnieją dwie nieco różne wersje: μ-law , która jest używana głównie w Ameryce Północnej i Japonii oraz A-law , która jest używana w większości innych krajów poza Ameryką Północną.

G.711 to standard ITU-T (zalecenie) dotyczący kompandowania dźwięku , zatytułowany modulacja kodem impulsowym (PCM) częstotliwości głosu wprowadzony do użytku w 1972 roku. Jest to wymagany standard w wielu technologiach, takich jak H.320 i H .323 normy. Może być również używany do komunikacji faksowej przez sieci IP (zgodnie z definicją w specyfikacji T.38 ).

Opublikowano dwa ulepszenia G.711: G.711.0 wykorzystuje bezstratną kompresję danych w celu zmniejszenia wykorzystania przepustowości, a G.711.1 zwiększa jakość dźwięku poprzez zwiększenie przepustowości.

Cechy

• Częstotliwość próbkowania 8 kHz
• Przepływność 64 kbit/s (częstotliwość próbkowania 8 kHz × 8 bitów na próbkę)
• Typowe opóźnienie algorytmiczne wynosi 0,125 ms, bez opóźnienia wyprzedzenia
• G.711 to koder mowy fali
• G.711 Dodatek I definiuje algorytm ukrywania utraty pakietów (PLC), który pomaga ukryć straty transmisji w sieci pakietowej
• G.711 Załącznik II definiuje algorytm transmisji nieciągłej (DTX), który wykorzystuje wykrywanie aktywności głosowej (VAD) i generowanie komfortowego hałasu (CNG) w celu zmniejszenia wykorzystania przepustowości w okresach ciszy
• Testy PSQM w idealnych warunkach dają średnią ocenę 4,45 dla G.711 μ-law, 4,45 dla G.711 A-law
• Testy PSQM pod obciążeniem sieci dają średnie oceny opinii wynoszące 4,13 dla G.711 μ-law, 4,11 dla G.711 A-law

Rodzaje

G.711 definiuje dwa główne Companding algorytmów, na algorytm μ-prawo i algorytm A-law . Oba są logarytmiczne , ale A-law został specjalnie zaprojektowany, aby był łatwiejszy do przetworzenia przez komputer. Norma definiuje również sekwencję powtarzających się wartości kodu, która określa poziom mocy 0 dB .

Algorytmy μ-law i A-law kodują 14-bitowe i 13-bitowe liniowe próbki PCM ze znakiem (odpowiednio) do logarytmicznych próbek 8-bitowych. W ten sposób koder G.711 utworzy strumień bitów 64 kbit/s dla sygnału próbkowanego z częstotliwością 8 kHz.

G.711 μ-law zapewnia większą rozdzielczość sygnałom o wyższym zakresie, podczas gdy G.711 A-law zapewnia więcej poziomów kwantyzacji przy niższych poziomach sygnału.

Stosowane są terminy PCMU, G711u lub G711MU dla G711 μ-law oraz PCMA lub G711A dla G711 A-law.

Prawo

Kodowanie A-law pobiera zatem 13-bitową liniową próbkę audio ze znakiem jako dane wejściowe i konwertuje ją na wartość 8-bitową w następujący sposób:

Gdzie sjest bit znaku, sjest jego odwrotnością (tj. wartości dodatnie są kodowane z MSB  =  s  = 1), a oznaczone bity xsą odrzucane. Zauważ, że pierwsza kolumna tabeli używa innej reprezentacji wartości ujemnych niż trzecia kolumna. Na przykład wejściowa wartość dziesiętna −21 jest reprezentowana binarnie po odwróceniu bitów jako 1000000010100, co odpowiada 00001010 (zgodnie z pierwszym wierszem tabeli). Podczas dekodowania odwzorowuje się z powrotem na 1000000010101, co jest interpretowane jako wartość wyjściowa −21 w postaci dziesiętnej. Wartość wejściowa +52 (0000000110100 binarnie) mapuje na 10011010 (zgodnie z drugim rzędem), który mapuje z powrotem na 0000000110101 (+53 dziesiętnie).

Można to postrzegać jako liczbę zmiennoprzecinkową z 4 bitami mantysy m (odpowiednik 5-bitowej precyzji), 3 bitami wykładnika e i 1 bitem znaku s , sformatowaną tak, jak seeemmmmdekodowana wartość liniowa y podana wzorem

${\ Displaystyle y = (-1) ^ {s} \ cdot (16 \ cdot \ min \ {e, 1 \} + m + 0,5) \ cdot 2 ^ {\ max \ {e, 1 \}}}$

która jest 13-bitową liczbą całkowitą ze znakiem w zakresie od ±1 do ±(2 ¹²  - 2 ⁶ ). Zauważ, że żaden skompresowany kod nie dekoduje do zera z powodu dodania 0.5 (połowa kroku kwantyzacji).

Ponadto norma określa, że ​​wszystkie wynikowe bity parzyste ( LSB jest parzyste) są odwracane przed przesłaniem oktetu. Ma to na celu zapewnienie wielu przejść 0/1, aby ułatwić proces odzyskiwania zegara w odbiornikach PCM. Tak więc, cichy kanał PCM zakodowany według A-law ma 8-bitowe próbki zakodowane w oktetach 0xD5 zamiast 0x80.

Gdy dane są przesyłane przez E0 ( G.703 ), MSB (znak) jest wysyłany jako pierwszy, a LSB jako ostatni.

ITU-T STL definiuje algorytm dekodowania w następujący sposób (umieszcza zdekodowane wartości w 13 najbardziej znaczących bitach 16-bitowego typu danych wyjściowych).

void            alaw_expand(lseg, logbuf, linbuf)
  long            lseg;
  short          *linbuf;
  short          *logbuf;
{
  short           ix, mant, iexp;
  long            n;

  for (n = 0; n < lseg; n++)
  {
    ix = logbuf[n] ^ (0x0055);	/* re-toggle toggled bits */

    ix &= (0x007F);		/* remove sign bit */
    iexp = ix >> 4;		/* extract exponent */
    mant = ix & (0x000F);	/* now get mantissa */
    if (iexp > 0)
      mant = mant + 16;		/* add leading '1', if exponent > 0 */

    mant = (mant << 4) + (0x0008);	/* now mantissa left justified and */
    /* 1/2 quantization step added */
    if (iexp > 1)		/* now left shift according exponent */
      mant = mant << (iexp - 1);

    linbuf[n] = logbuf[n] > 127	/* invert, if negative sample */
      ? mant
      : -mant;
  }
}

Patrz również „Podręcznik użytkownika biblioteki narzędzi oprogramowania ITU-T 2009”, który można znaleźć pod adresem.

μ-prawo

Kodowanie μ-law (czasami określane jako ulaw, G.711Mu lub G.711μ) pobiera 14-bitową liniową próbkę audio ze znakiem w reprezentacji uzupełnienia do dwóch jako dane wejściowe, odwraca wszystkie bity po bicie znaku, jeśli wartość jest ujemna, dodaje 33 (binarny 100001) i konwertuje je na wartość 8-bitową w następujący sposób:

Gdzie sjest bit znaku, a zaznaczone bity xsą odrzucane.

Ponadto standard określa, że ​​zakodowane bity są odwracane przed przesłaniem oktetu. Tak więc cichy kanał PCM zakodowany zgodnie z prawem μ ma 8-bitowe próbki przesyłane w oktetach 0xFF zamiast 0x00.

Dodanie 33 jest konieczne, aby wszystkie wartości znalazły się w grupie kompresji i są one odejmowane podczas dekodowania.

Rozbicie zakodowanej wartości sformatowanej jako seeemmmm4 bity mantysy m , 3 bity wykładnika e i 1 bit znaku s , dekodowana wartość liniowa y jest dana wzorem

${\ Displaystyle y = (-1) ^ {s} \ cdot [(33 + 2 m) \ cdot 2 ^ {e}-33]}$

która jest 14-bitową liczbą całkowitą ze znakiem w zakresie od ±0 do ±8031.

Zauważ, że 0 jest przesyłane jako 0xFF, a -1 jest przesyłane jako 0x7F, ale po otrzymaniu wynik jest równy 0 w obu przypadkach.

G.711.0

G.711.0, znany również jako G.711 LLC, wykorzystuje bezstratną kompresję danych, aby zmniejszyć wykorzystanie przepustowości nawet o 50 procent. Kompresji bezstratnej G.711 kodu modulacji impulsów standardu została zatwierdzona przez ITU-T we wrześniu 2009 roku.

G.711.1

G.711.1 jest rozszerzeniem G.711, opublikowanym jako zalecenie ITU-T G.711.1 w marcu 2008. Jego formalna nazwa to szerokopasmowe wbudowane rozszerzenie dla modulacji kodu impulsowego G.711 .

G.711.1, umożliwia dodanie ulepszeń wąskopasmowych i/lub szerokopasmowych (16000 próbek/s), każde przy 25% szybkości transmisji (w zestawie) podstawowego strumienia bitów G.711, co prowadzi do szybkości transmisji danych 64, 80 lub 96 kbit /s.

G.711.1 jest kompatybilny z G.711 przy 64 kbit/s, dlatego przewiduje się wydajne wdrożenie w istniejących infrastrukturach Voice over IP ( VoIP ) opartych na G.711 . Koder G.711.1 może kodować sygnały o częstotliwości 16 kHz z szerokością pasma 50–7000 Hz przy 80 i 96 kbit/s, a przy próbkowaniu 8 kHz wyjście może generować sygnały o szerokości pasma od 50 do 4000 Hz, pracując przy 64 i 80 kbit/s.

Koder G.711.1 tworzy osadzony strumień bitów złożony z trzech warstw odpowiadających trzem dostępnym przepływnościom: 64, 80 i 96 kbit/s. Strumień bitów nie zawiera żadnych informacji o tym, które warstwy są zawarte, implementacja wymagałaby sygnalizacji pozapasmowej, na których warstwy są dostępne. Trzy warstwy G.711.1 to: log Companded Pulse Code Modulation (PCM) dolnego pasma, w tym sprzężenie zwrotne szumu, wbudowane rozszerzenie PCM z adaptacyjną alokacją bitów w celu poprawy jakości warstwy bazowej w dolnym paśmie oraz ważone kodowanie kwantyzacji wektorowej wyższe pasmo oparte na zmodyfikowanej dyskretnej transformacji kosinusowej (MDCT).

W 2010 roku planowane są dwa rozszerzenia dla G.711.1: rozszerzenie superwideband (przepustowość do 14000 Hz) oraz bezstratna kompresja strumienia bitów.

Koncesjonowanie

Patenty na G.711, wydane w 1972 roku, wygasły, więc można z niego korzystać bez konieczności posiadania licencji.

Zobacz też

• Lista kodeków
• Porównanie formatów kodowania audio
• Profil audio-wideo RTP
• Format pliku Au

Bibliografia

Zewnętrzne linki

• Zalecenie ITU-T G.711
• Narzędzia programowe ITU-T G.191 do kodowania mowy i dźwięku, w tym kod G.711 C
• Kod projektu C# implementacja G.711 z kodem źródłowym
• RFC 3551 — profil RTP dla konferencji audio i wideo z minimalną kontrolą — G.711 — definicja PCMA i PCMU.
• RFC 4856 — Rejestracja typu nośnika audio/PCMA i audio/PCMU
• RFC  5391 — format danych RTP dla zalecenia ITU-T G.711.1 (PCMA-WB i PCMU-WB)