Kodowanie mowy – Wikipedia, wolna encyklopedia

Kodowanie mowy – polega na konwersji sygnału fonicznego mowy z postaci analogowej do postaci cyfrowej, tak aby możliwe było jego przesyłanie przez łącze telekomunikacyjne lub sieć komputerową.

Proces zmiany sygnału analogowego na strumień zakodowanych danych składa się z trzech etapów:

• próbkowania – polega na pobieraniu chwilowych wartości sygnału z określoną częstotliwością – w telefonii wystarczy, że wynosi ona 8 kHz,
• kwantyzacji – proces zmiany wartości pobranych próbek na skończoną liczbę nieciągłych wartości,
• kompresji stratnej

Najpopularniejszymi metodami kodowania mowy są:

• PCM
• DPCM
• ADPCM
• LPC
• CELP
• ACELP
• RPE

Najpopularniejsze kodeki wykorzystywane do kodowania mowy:

• G.711 – najpopularniejszy kodek VoIP, stosowany tradycyjnie w cyfrowej telefonii (np. w ISDN). Częstotliwość próbkowania wynosi 8 kHz, a rozdzielczość 8 bitów na próbkę. Ze względu na brak kompresji kodek zapewnia najwyższą jakość połączeń i niskie obciążenie procesora, ale wymaga przepustowości łącza co najmniej 128 kb/s w obie strony.
• G.723.1
• G.729
• iLBC
• iSAC
• GSM

Przy nawiązywaniu połączenia oba urządzenia telekomunikacyjne, które z kodeków mogą wykorzystać i dobierają ten optymalny. Kluczowe dla zapewnienia przepustowości jest to, aby kodek, szczególnie taki, który wykorzystuje silną kompresję, zapewniał dobrą jakość, a jednocześnie nie wprowadzał zbyt dużych opóźnień mających wpływ na przeprowadzana rozmowę.

• akustyka
• cyfrowe przetwarzanie dźwięku
• cyfrowe przetwarzanie sygnałów
• DSP (procesor sygnałowy)

• B Ziółko, M. Ziółko Przetwarzanie mowy, Wydawnictwa AGH, 2011.

• Materiały dydaktyczne DSP AGH. dsp.agh.edu.pl. [zarchiwizowane z tego adresu (2014-02-02)].