Codificación de excitación vectorial armónica

HVXC utiliza codificación predictiva lineal (LPC) con adaptación por bloques cada 20 ms. ^{[ 2 ]} Los parámetros LPC se transforman en coeficientes de pares espectrales lineales (LSP), que se cuantifican conjuntamente. ^{[ 2 ]} La señal residual LPC se clasifica como sonora o sorda . En el caso del habla sonora, el residuo se codifica en una representación paramétrica (funcionando como un vocoder ), mientras que en el caso del habla sorda, la forma de onda residual se cuantifica (funcionando así como un códec de voz híbrido).

En los segmentos sonoros, la señal residual se representa mediante dos parámetros: el período de tono y la envolvente espectral. ^{[ 2 ]} El período de tono se estima a partir de los valores pico de la autocorrelación de la señal residual. ^{[ 2 ]} En este proceso, la señal residual se compara con copias desplazadas de sí misma, y ​​el desplazamiento que produce la mayor similitud según la medida de dependencia lineal se identifica como el período de tono. La envolvente espectral se representa mediante un conjunto de valores de amplitud, uno por armónico . ^{[ 2 ]} Para extraer estos valores, la señal residual LPC se transforma al dominio DFT . ^{[ 2 ]} El espectro DFT se segmenta en bandas, una banda por armónico. La banda de frecuencia para el m-ésimo armónico consta de los coeficientes DFT desde (m-1/2)ω ₀ hasta (m+1/2)ω ₀ , siendo ω ₀ la frecuencia de tono. ^{[ 2 ]} El valor de amplitud para el m-ésimo armónico se elige para representar de forma óptima estos coeficientes DFT. ^{[ 2 ]} La información de fase se descarta en este proceso. La envolvente espectral se codifica luego utilizando cuantización vectorial ponderada de dimensión variable . Este proceso también se conoce como VQ armónica .

Para que un discurso con una mezcla de excitación sonora y sorda suene más natural y fluido, se diferencian tres modos distintos de habla sonora (Sonido Mixto-1, Sonido Mixto-2, Sonorizado Completo). ^{[ 2 ]} El grado de sonorización se determina mediante el valor de la función de autocorrelación normalizada con un desplazamiento de un período de tono. Dependiendo del modo elegido, el decodificador añade diferentes cantidades de ruido gaussiano de paso de banda a la señal armónica sintetizada.

Los segmentos sordos se codifican según el esquema CELP , también conocido como codificación de excitación vectorial (VXC). ^{[ 2 ]} La codificación CELP en HVXQ se realiza utilizando únicamente un diccionario de códigos estocástico. En otros códecs CELP, se utiliza adicionalmente un diccionario de códigos dinámico para realizar la predicción a largo plazo de los segmentos sonoros. Sin embargo, dado que HVXC no utiliza CELP para los segmentos sonoros, el diccionario de códigos dinámico se omite en el diseño.