Codificación de Voz Digital: Fundamentos, Métodos y Evaluación

Fundamentos de la Codificación de Voz

La codificación de voz consiste en analizar la señal de voz, eliminar sus redundancias y codificar eficientemente la parte no redundante de manera perceptualmente aceptable. Para diseñar un buen codificador, es fundamental considerar las características del aparato fonador humano y del aparato auditivo humano. Existen diferencias significativas con las señales de audio generales, ya que el emisor y el receptor de voz poseen características particulares que deben ser tenidas en cuenta.

Objetivos y Requisitos de los Codificadores de Voz

El diseño y la implementación de codificadores de voz se rigen por una serie de objetivos y requisitos clave:

• Calidad: Mantener una alta fidelidad de la señal de voz.
• Retardo de Codificación: Minimizar el tiempo que tarda la señal en ser codificada y decodificada.
• Robustez: Capacidad del codificador para mantener la calidad en condiciones adversas (ej., errores de transmisión).
• Complejidad y Coste: Optimizar la complejidad computacional y el coste de implementación.
• Codificaciones en Cadena y Transcodificación: Asegurar la compatibilidad y eficiencia en escenarios donde la voz es codificada y decodificada múltiples veces o convertida entre diferentes formatos.
• Transmisión de Datos en la Banda de Voz: Habilitar la transmisión de datos junto con la voz en el mismo ancho de banda.

Necesidad de Estandarización en Telecomunicaciones

La estandarización es un pilar fundamental para el desarrollo y la interoperabilidad de los codificadores en el ámbito de las telecomunicaciones. El proceso de estandarización comprende las siguientes fases:

1. Especificación de Requisitos y Convocatoria Pública: Definición de las necesidades y llamado a propuestas.
2. Propuesta de Soluciones: Presentación de diferentes algoritmos y tecnologías por parte de los desarrolladores.
3. Test de Validación: Pruebas rigurosas para evaluar el rendimiento y la conformidad de las propuestas.
4. Decisión y Negociación: Selección de la mejor solución y negociación de los términos.
5. Publicación del Estándar: Lanzamiento oficial del estándar para su adopción global.

Evaluación de la Calidad de la Voz Codificada

La calidad de la voz codificada se evalúa mediante dos tipos principales de medidas:

Medidas Objetivas

Estas medidas cuantifican la distorsión introducida por el codificador de manera matemática.

• Distorsión Cepstral: Una medida que indica la posición de los formantes de la señal de voz y cuantifica las distancias entre ellos.
• Distorsión Cepstral Segmental: El promedio de la distorsión cepstral calculada por segmentos de la señal.

Medidas Subjetivas

Estas medidas se basan en la percepción humana y están estandarizadas para asegurar la consistencia de los resultados.

• Puntuación por Categoría Absoluta (ACR - Absolute Category Rating): Los oyentes evalúan la calidad de una señal de voz codificada de forma independiente, sin compararla con ninguna otra.
• Puntuación por Categorías de Degradación (DRT - Degradation Category Rating): Se compara la señal original con la codificada para medir el grado de degradación percibida.
• Puntuación por Comparación de Categorías (CCR - Comparison Category Rating): Se presentan dos señales (codificadas o una original y una codificada) y los oyentes las comparan sin conocimiento previo de cuál es la "buena" o la "mala".

Evolución de las Técnicas de Cuantificación en Codificación de Voz

La cuantificación es un proceso clave en la codificación de voz, y ha evolucionado significativamente:

• Cuantificación Analógica: Se enfoca en la compresión del ancho de banda de la señal.
• Cuantificación Uniforme: Implica el diseño de una tabla de cuantificación que minimiza el ruido promedio de cuantificación. Un ejemplo clásico es la Modulación por Codificación de Pulsos (PCM).
• Cuantificación No Uniforme (Logarítmica): Utiliza técnicas de compansión (compresión-expansión) para transformar los estadísticos de la señal, mejorando la eficiencia de la codificación, especialmente para señales con un amplio rango dinámico.
• Cuantificación Adaptativa: Las tablas de cuantificación se adaptan dinámicamente a las variaciones de los estadísticos de la señal de entrada, optimizando la asignación de bits.
• Cuantificación Diferencial: Ecualiza el espectro a largo plazo y reduce la varianza de la señal, codificando la diferencia entre la muestra actual y una predicción de la misma. Un ejemplo es la Modulación por Codificación de Pulsos Diferencial (DPCM).

La combinación de la cuantificación adaptativa y diferencial da lugar a la ADPCM (Adaptive Differential Pulse Code Modulation). Además, aumentar el orden de predicción en la codificación diferencial conduce a la APC (Adaptive Predictive Coding) y la LPC (Linear Predictive Coding). En estos modelos, el filtro predictor se utiliza para modelar el tracto vocal, siguiendo un modelo de producción de voz que incluye una fuente de excitación y un filtro (tracto vocal).

Modelos Perceptuales y Ponderación Perceptual

Los modelos perceptuales, como la ponderación perceptual, aprovechan las características del sistema auditivo humano, específicamente el fenómeno del enmascaramiento del ruido, para ocultar el ruido de cuantificación o codificación en las bandas de frecuencia donde es menos perceptible.

Codificación de Análisis mediante Síntesis

Esta técnica busca la mejor excitación posible para el modelo de producción de voz, minimizando un error ponderado perceptualmente. El objetivo es que la señal sintetizada se parezca lo máximo posible a la señal original en términos de percepción.

Tipos de Codificadores de Voz

Los codificadores de voz se clasifican generalmente en tres categorías principales, cada una con sus propias características y aplicaciones:

Codificadores de Forma de Onda

Estos codificadores, como los basados en predicción lineal (que operan sobre una sola muestra), tienen como objetivo principal preservar la forma de onda de la señal de voz. Son relativamente sencillos de implementar, presentan un bajo retardo y no utilizan un modelo específico de la señal de voz. Su rango de tasas de bits suele estar en torno a los 32 kbps.

Vocodificadores

El objetivo de los vocodificadores es preservar las características perceptualmente relevantes de la señal de voz, más que su forma de onda exacta. Están basados en modelos específicos de producción de voz y a menudo requieren una evaluación subjetiva para determinar su calidad. Operan en un rango de tasas de bits más bajo, típicamente entre 2.4 y 9.6 kbps.

Codificadores Híbridos

Los codificadores híbridos incorporan conceptos de los dos tipos anteriores. Combinan un modelo de producción de voz con la fidelidad a la forma de onda y el enmascaramiento del ruido. Su objetivo es generar una excitación que haga que la señal sintetizada se parezca lo más posible a la voz original desde una perspectiva perceptual, logrando un equilibrio entre calidad y tasa de bits.

Codificadores de Forma de Onda: Dominio del Tiempo

Dentro de los codificadores de forma de onda, los que operan en el dominio del tiempo incluyen:

• PCM (Pulse Code Modulation): Basado en el muestreo y la cuantificación de la señal, que puede ser uniforme o logarítmica.
• Cuantificación Adaptativa: Una solución para mejorar la eficiencia del PCM, que adapta las propiedades del cuantificador al nivel de la señal de entrada.