Квантование основного тона для распределенного распознавания речи

Квантование основного тона для распределенного распознавания речи

Иллюстрации

Показать все

Реферат

Перекрестная ссылка на родственные заявки

Настоящая заявка на патент связана с находящейся в процессе одновременного рассмотрения и находящейся в общей собственности заявки на патент США № 10/360,582, досье поверенного № CML00872M, под названием "Квантование классов для распределенного распознавания речи", зарегистрированной одним числом с настоящей заявкой на патент, положения которой, таким образом, полностью включены здесь путем ссылки.

Область техники, к которой относится изобретение

Настоящее изобретение в общем касается области систем распределенного распознавания речи, и более конкретно, касается распределенного распознавания речи для связи в узкой полосе пропускания и беспроводной связи.

Уровень техники

С появлением пейджеров и мобильных телефонов индустрия беспроводного обслуживания превратилась в индустрию стоимостью в миллиарды долларов. Большая часть доходов поставщиков беспроводных услуг (ПБУ) происходят от подписок. По существу, способность ПБУ успешно работать в сети зависит от качества обслуживания, обеспечиваемого абонентам через сеть, имеющую ограниченную полосу пропускания. С этой целью поставщики ПБУ постоянно ищут способы уменьшать количество информации, которая передается через сеть, при поддержании высокого качества обслуживания для абонентов.

В последнее время распознавание речи в индустрии беспроводного обслуживания пользуется успехом. Распознавание речи используется для ряда применений и услуг. Например, абонента беспроводного обслуживания можно обеспечивать возможностью ускоренного набора телефонного номера, посредством чего абонент произносит имя адресата вызова в беспроводное устройство. Имя адресата распознается с использованием распознавания речи и между абонентом и адресатом инициализируется вызов. В другом примере, информация (411) вызывающего абонента может использовать распознавание речи, чтобы распознать имя адресата, с которым абонент пытается заказать разговор по телефону.

Поскольку распознавание речи завоевывает признание в беспроводном семействе, возникло распределенное распознавание речи (РРР), как новая технология. РРР относится к структуре, в которой участки выделения признаков и распознавания образов системы распознавания речи являются распределенными. То есть, участки выделения признаков и распознавания образов системы распознавания речи выполняются двумя различными устройствами обработки данных в двух различных местоположениях. В частности, процесс выделения признаков выполняется во внешнем интерфейсе, то есть, в беспроводном устройстве, а процесс распознавания образов выполняется на серверном участке, то есть, поставщиком беспроводных услуг. РРР расширяют распознавание речи для более сложных задач типа автоматизированного заказа авиалинии с помощью выраженной словами информации о рейсе или брокерских операций с помощью аналогичных признаков.

Европейский институт стандартов электросвязи (ETSI) обнародовал ряд стандартов для РРР. Стандарты РРР ETSI ES 201 108 (апрель 2000 г.) и ES 202 050 (июль 2002 г.) определяют выделение признаков и алгоритмы сжатия на внешнем интерфейсе. Однако эти стандарты не включают в себя реконструкцию речи на серверном участке, которая может быть важной в некоторых применениях. В результате, ETSI выпустил новые Позиции работы WI-030 и WI-034, с целью расширения вышеупомянутых стандартов (ES 201 108 и ES 202 050, соответственно), для включения в них реконструкции речи на серверном участке, а также тонального распознавания языка.

В действующих стандартах РРР признаки, которые извлекаются, сжимаются и передаются на серверный участок, представляют собой 13 коэффициентов косинусного преобразования Фурье частоты Мела (MFCC), С0-C12, и логарифм энергии кадра, log-E. Эти признаки обновляются каждые 10 мс или 100 раз в секунду. В предложениях о расширенных стандартах (то есть, в ответ на описанные выше Позиции работы) информацию об основном тоне и классе (или вокализировании) также получают для каждого кадра и передают в дополнение к коэффициентам MFCC и log-E. Это увеличивает количество информации, которая передается беспроводным устройством по сети, и расходует дополнительную полосу пропускания. Таким образом, желательно, чтобы представление информации о классе и основном тоне было компактным, насколько возможно, для сохранения низкой скорости передачи в битах.

Остается проблема компактного представления информации об основном тоне и без потери точности и устойчивости против ошибок канала связи. В общем, речевые вокодеры (например, кодер смешанного возбуждения с линейным предсказанием (СВЛП), который является федеральным стандартом США на скорости 2400 битов в секунду), выполняют абсолютное квантование информации об основном тоне, используя 7 или больше битов на кадр. В расширенных стандартах РРР важно сохранить скорость передачи дополнительных битов, соответствующих информации об основном тоне и о классе, настолько низкий, насколько возможно. Для квантования информации о периоде основного тона была принята комбинация абсолютного и дифференциального методов с использованием только 6 битов на кадр, сохраняя, таким образом, по меньшей мере 1 бит на кадр. Однако это может потенциально приводить к проблемам в отношении точности и устойчивости против ошибок канала.

Поэтому существует необходимость в преодолении проблемы, связанной с предшествующим уровнем техники, как обсуждалось выше.

Сущность изобретения

Коротко говоря, в соответствии с настоящим изобретением раскрыты система, способ и пригодная для чтения компьютером среда для квантования информации об основном тоне звука. В варианте осуществления настоящего изобретения способ в системе обработки информации включает в себя захват звука, представляющего пронумерованный кадр из множества пронумерованных кадров. Способ дополнительно включает в себя вычисление класса кадра, в котором класс представляет собой любой из вокализированного класса и невокализированного класса. Если кадр представляет собой вокализированный класс, для кадра вычисляется основной тон. Если кадр представляет собой кадр с четным номером и вокализированный класс, вычисляется ключевое слово первой длины посредством абсолютного квантования основного тона кадра. Если кадр представляет собой кадр с четным номером и невокализированный класс, вычисляется ключевое слово первой длины, указывающее кадр невокализированного класса. Если кадр представляет собой кадр с нечетным номером и вокализированный класс, и по меньшей мере один из трех кадров, непосредственно предшествующих этому кадру, является достоверным, вычисляется ключевое слово второй длины посредством дифференциального квантования основного тона кадра, ссылаясь на квантованный основной тон ближайшего предшествующего достоверного кадра, в котором первая длина больше, чем вторая длина. Если кадр представляет собой кадр с нечетным номером и вокализированный класс, а каждый из трех кадров, непосредственно предшествующих этому кадру, является недостоверным, вычисляется ключевое слово второй длины посредством абсолютного квантования основного тона кадра. Если кадр представляет собой кадр с нечетным номером и невокализированный класс, вычисляется ключевое слово второй длины, указывающее кадр невокализированного класса.

В другом варианте осуществления настоящего изобретения система обработки информации для квантования информации об основном тоне звука включает в себя микрофон для захвата звука, представляющего пронумерованный кадр из множества пронумерованных кадров. Система обработки информации дополнительно включает в себя цифровой процессор сигналов для вычисления класса кадра, в котором класс представляет собой любой из вокализированного класса и невокализированного класса. Если кадр представляет собой вокализированный класс, процессор вычисляет основной тон для кадра. Если кадр представляет собой кадр с четным номером и вокализированный класс, процессор вычисляет ключевое слово первой длины посредством абсолютного квантования основного тона кадра. Если кадр представляет собой кадр с четным номером и невокализированный класс, процессор вычисляет ключевое слово первой длины, указывающее кадр невокализированного класса. Если кадр представляет собой кадр с нечетным номером и вокализированный класс, и по меньшей мере один из трех кадров, непосредственно предшествующих этому кадру, является достоверным, процессор вычисляет ключевое слово второй длины посредством дифференциального квантования основного тона кадра, ссылаясь на квантованный основной тон ближайшего предшествующего достоверного кадра, в котором первая длина больше, чем вторая длина. Если кадр представляет собой кадр с нечетным номером и вокализированный класс, а каждая из трех кадров, непосредственно предшествующих этому кадру, является недостоверным, процессор вычисляет ключевое слово второй длины посредством абсолютного квантования основного тона кадра. Если кадр представляет собой кадр с нечетным номером и невокализированный класс, процессор вычисляет ключевое слово второй длины, указывающее кадр невокализированного класса.

Предпочтительные варианты осуществления настоящего изобретения являются выгодными, потому что они служат для уменьшения количества битов, используемых для передачи звуковой информации по сети связи. Это выгодно, потому что сети связи обладают ограниченной полосой пропускания. Экономия битов преобразуется в создание большей полосы пропускания, доступной для существующих или дополнительных абонентов. Таким образом, настоящее изобретение обеспечивает как улучшение производительности сети, так и повышение качества связи.

Краткое описание чертежей

Фиг.1 представляет блок-схему, иллюстрирующую сеть для распределенного распознавания речи согласно предпочтительному варианту осуществления настоящего изобретения.

Фиг.2 представляет детализированную блок-схему системы беспроводной связи для распределенного распознавания речи согласно предпочтительному варианту осуществления настоящего изобретения.

Фиг.3 представляет блок-схему, иллюстрирующую беспроводное устройство для системы беспроводной связи согласно предпочтительному варианту осуществления настоящего изобретения.

Фиг.4 представляет блок-схему, иллюстрирующую обмен данными беспроводного устройства с поставщиком беспроводных услуг.

Фиг.5 представляет оперативную схему последовательности операций, показывающую полный процесс распределенного распознавания речи согласно предпочтительному варианту осуществления настоящего изобретения.

Фиг.6 представляет оперативную схему последовательности операций, показывающую процесс квантования класса и основного тона согласно предпочтительному варианту осуществления настоящего изобретения.

Фиг.7 представляет блок-схему, иллюстрирующую обычные распределения битов для процесса квантования класса и основного тона.

Фиг.8 представляет блок-схему, иллюстрирующую распределения битов для процесса квантования класса и основного тона согласно предпочтительному варианту осуществления настоящего изобретения.

Фиг.9A, 9B и 9C представляют оперативную схему последовательности операций, показывающую другой процесс квантования основного тона согласно предпочтительному варианту осуществления настоящего изобретения.

Фиг.10 представляет блок-схему системы обработки информации, полезной для реализации предпочтительного варианта осуществления настоящего изобретения.

Подробное описание

Настоящее изобретение, согласно предпочтительному варианту осуществления, преодолевает проблемы, связанные с предшествующим уровнем техники, эффективно снижая количество битов, используемых в квантовании основного тона, как подробно обсуждается ниже.

I. Краткий обзор

Фиг.1 представляет блок-схему, иллюстрирующую сеть для распределенного распознавания речи (РРР) согласно предпочтительному варианту осуществления настоящего изобретения. Фиг.1 изображает сетевой сервер или поставщика 102 беспроводных услуг, действующего в сети 104, которая соединяет сервер/поставщика 102 беспроводных услуг с клиентами 106 и 108 (клиентским оборудованием). В одном варианте осуществления настоящего изобретения, фиг.1 представляет сетевую компьютерную систему, которая включает в себя сервер 102, сеть 104 и клиентские компьютеры 106-108. В первом варианте осуществления сеть 104 представляет собой сеть с коммутацией каналов, типа коммутируемой телефонной сети общего пользования (КТСОП). В качестве альтернативы, сеть 104 представляет собой сеть с коммутацией пакетов. Сетью с коммутацией пакетов является территориально распределенная сеть (ТРС) типа глобального Интернета, частная ТРС, локальная вычислительная сеть (ЛВС), сеть передачи данных или любая комбинация вышеупомянутых сетей. В другом альтернативном варианте сеть 104 представляет собой проводную сеть, беспроводную сеть, сеть с широковещательной рассылкой сообщений или сеть с двухточечным соединением абонентов.

В первом варианте осуществления сервер 102 и компьютерные клиенты 106 и 108 содержат один или более персональные компьютеры (ПК) (например, IBM или совместимые с ПК автоматизированные рабочие места, выполняющие операционную систему Microsoft Windows 95/98/2000/ME/CE/NT/XP, компьютеры Macintosh, выполняющие операционную систему Mac OS, ПК, выполняющие операционную систему LINUX, или эквивалентные устройства), или любые другие компьютерные обрабатывающие устройства. В качестве альтернативы, сервер 102 и компьютерные клиенты 106 и 108 включают в себя одну или более серверных систем (например, автоматизированные рабочие места SUN Ultra, выполняющие операционную систему SunOS или AIX, автоматизированные рабочие места и серверы IBM RS/6000, выполняющие операционную систему AIX, или серверы, выполняющие операционную систему LINUX).

В другом варианте осуществления настоящего изобретения фиг.1 представляет систему беспроводной связи, которая включает в себя поставщика 102 беспроводных услуг, беспроводную сеть 104 и беспроводные устройства 106-108. Поставщик 102 беспроводных услуг представляет собой аналоговое обслуживание телефонной связи с подвижными объектами первого поколения, цифровое обслуживание телефонной связи с подвижными объектами второго поколения или способное работать с Интернетом обслуживание телефонной связи с подвижными объектами третьего поколения.

В этом варианте осуществления беспроводная сеть 104 представляет собой сеть мобильной телефонной связи, сеть мобильных устройств обмена текстовыми сообщениями, сеть поискового вызова, или аналогичную сеть. Далее, стандарт в области связи беспроводной сети 104 на фиг.1 представляет собой множественный доступ с кодовым разделением (МДКР), множественный доступ с разделением по времени (МДРВ), Глобальную систему мобильной связи (ГСМС), систему пакетной радиосвязи общего пользования (СПРОП), множественный доступ с разделением по частоте (МДРЧ) или аналогичный стандарт. Беспроводная сеть 104 поддерживает любое количество беспроводных устройств 106-108, которые являются мобильными телефонами, мобильными устройствами обмена текстовыми сообщениями, миниатюрными портативными компьютерами, пейджерами, устройствами звуковой сигнализации или подобными устройствами.

В этом варианте осуществления поставщик 102 беспроводных услуг включает в себя сервер, который содержит один или более персональные компьютеры (ПК) (например, IBM или совместимые с ПК автоматизированные рабочие места, выполняющие операционную систему Microsoft Windows 95/98/2000/ME/CE/NT/XP, компьютеры Macintosh, выполняющие операционную систему Mac OS, компьютеры ПК, выполняющие операционную систему LINUX, или эквивалентные устройства), или любые другие компьютерные обрабатывающие устройства. В другом варианте осуществления настоящего изобретения сервер поставщика 102 беспроводных услуг представляет собой одну или более системы серверов (например, автоматизированные рабочие места SUN Ultra, выполняющие операционную систему SunOS или AEK, автоматизированные рабочие места и серверы IBM RS/6000, выполняющие операционную систему AIX, или серверы, выполняющие операционную систему LINUX).

Как объяснялись выше, РРР относится к структуре, в которой участки выделения признаков и распознавания образов системы распознавания речи являются распределенными. То есть, участки выделения признаков и распознавания образов системы распознавания речи выполняются двумя различными устройствами обработки данных в двух различных местоположениях. В частности, процесс выделения признаков выполняется внешним интерфейсом, например, беспроводными устройствами 106 и 108, а процесс распознавания образов выполняется серверным участком, например, сервером поставщика 102 беспроводных услуг. Процесс выделения признаков, как он выполняется на внешнем интерфейсе беспроводными устройствами 106 и 108, описан более подробно ниже.

Фиг.2 представляет детализированную блок-схему системы беспроводной связи для РРР согласно предпочтительному варианту осуществления настоящего изобретения. Фиг.2 представляет собой более детализированную блок-схему системы беспроводной связи, описанной со ссылкой на описанную выше фиг.1. Система беспроводной связи фиг.2 включает в себя контроллер 201, подсоединенный к базовым станциям 202, 203 и 204. Помимо этого, система беспроводной связи фиг.2 обеспечивает сопряжение с внешней сетью через устройство 206 сопряжения телефона. Базовые станции 202, 203 и 204 индивидуально поддерживают участки географической зоны охвата, содержащей абонентские устройства или приемопередатчики (то есть, беспроводные устройства) 106 и 108 (см. фиг.1). Беспроводные устройства 106 и 108 осуществляют сопряжение с базовыми станциями 202, 203 и 204, используя протокол связи, типа МДКР, МДРЧ, МДКР, СПРОП и ГСМС.

Географическая зона охвата системы беспроводной связи фиг.2 разделена на регионы или ячейки, которые индивидуально обслуживаются базовыми станциями 202, 203 и 204 (также упоминаемыми здесь как серверы ячеек). Беспроводное устройство, работающее в пределах системы беспроводной связи, выбирает конкретный сервер ячейки в качестве своего первичного устройства сопряжения для операций приема и передачи в пределах системы. Например, беспроводное устройство 106 имеет сервер 202 ячейки в качестве своего первичного сервера ячейки, а беспроводное устройство 108 имеет сервер 204 ячейки в качестве своего первичного сервера ячейки. Беспроводное устройство предпочтительно выбирает сервер ячейки, который обеспечивает лучшее устройство сопряжения с системой связи в системе беспроводной связи. Обычно это зависит от качества сигнала в сигналах канала связи между беспроводным устройством и конкретным сервером ячейки.

Когда беспроводные устройства перемещаются между различными географическими местоположениями в зоне охвата, может быть необходима передача обслуживания или перемещение вызова на другой сервер ячейки, который тогда будет функционировать, как первичный сервер ячейки. Беспроводное устройство контролирует сигналы связи от базовых станций, служащих соседними ячейками, для определения наиболее подходящего нового сервера для целей передачи обслуживания. Помимо контроля качества передаваемого сигнала от соседнего сервера ячейки, беспроводное устройство также контролирует передаваемую информацию цветового кода, связанную с передаваемым сигналом, чтобы быстро идентифицировать, который сервер соседней ячейки является источником передаваемого сигнала.

Фиг.3 представляет блок-схему, иллюстрирующую беспроводное устройство для системы беспроводной связи согласно предпочтительному варианту осуществления настоящего изобретения. Фиг.3 представляет собой более детализированную блок-схему беспроводного устройства, описанного выше со ссылкой на фиг.1 и 2. Фиг.3 изображает беспроводное устройство 106, типа показанного на фиг.1. В одном варианте осуществления настоящего изобретения беспроводное устройство 106 представляет собой приемно-передающую радиоустановку, способную принимать и передавать радиочастотные сигналы по каналу связи согласно протоколу связи типа МДКР, МДРЧ, МДКР, СПРОП или ГСМС. Беспроводное устройство 106 работает под управлением контроллера 302, который переключает беспроводное устройство 106 между режимами приема и передачи. В режиме приема контроллер 302 подсоединяет антенну 316 через переключатель 314 прием/передача к приемнику 304. Приемник 304 декодирует принимаемые сигналы и подает эти декодированные сигналы на контроллер 302. В режиме передачи контроллер 302 подсоединяет антенну 316 через переключатель 314 прием/передача, к передатчику 312.

Контроллер 302 управляет передатчиком и приемником в соответствии с командами, хранящимися в запоминающем устройстве 310. Хранящиеся команды включают в себя алгоритм планирования измерений соседних ячеек. Запоминающее устройство 310 представляет собой флэш-память, другое энергонезависимое запоминающее устройство, оперативное запоминающее устройство (ОЗУ), динамическое ОЗУ (ДОЗУ) или подобное устройство. Модуль 311 синхронизирующего устройства обеспечивает информацию синхронизации для контроллера 302, чтобы отслеживать синхронизированные события. Далее, контроллер 302 может использовать информацию о времени от модуля 311 синхронизирующего устройства, чтобы отслеживать планирование для передач серверов соседних ячеек и передаваемую информацию цветового кода.

Когда запланировано измерение соседней ячейки, приемник 304 под управлением контроллера 302 контролирует серверы соседних ячеек и принимает "индикатор качества принимаемого сигнала" (ИКПС). Схема 308 ИКПС генерирует сигналы ИКПС, представляющие качество сигналов, передаваемых каждым контролируемым сервером ячеек. Каждый сигнал ИКПС преобразуется в цифровую информацию аналого-цифровым преобразователем 306 и подается в качестве входного сигнала на контроллер 302. Используя информацию цветового кода и связанный индикатор качества принимаемого сигнала, беспроводное устройство 106 определяет наиболее подходящий сервер соседней ячейки, чтобы использовать его в качестве первичного сервера ячейки, когда необходима передача обслуживания.

Процессор 320 на фиг.3 выполняет различные функции типа функций, приписываемых распределенному распознаванию речи, описанных более подробно ниже. В различных вариантах осуществления настоящего изобретения процессор 320 на фиг.3 представляет собой единственный процессор или больше чем один процессор для выполнения описанных выше задач.

II. Распределенное распознавание речи

Фиг.4 представляет блок-схему, иллюстрирующую обмен данными беспроводного устройства 106 с поставщиком 102 беспроводных услуг. Фиг.4 представляет собой более детализированную блок-схему беспроводного устройства 106, описанного выше со ссылкой на фиг.1 и 2. Также показаны некоторые из функций, которые выполняются в беспроводном устройстве 106. Фиг.4 изображает беспроводное устройство 106 и беспроводную сеть 104, типа показанной на фиг.1. Также показаны процессор 320 и передатчик 312 беспроводного устройства 106, как показано на фиг.3.

В одном варианте осуществления настоящего изобретения беспроводное устройство 106 также включает в себя микрофон 404 для приема звука 402. Затем принимаемый звук 402 обрабатывается процессором 320. Среди процессов, выполняемых процессором 320, процессором 320 квантуются класс и основной тон кадра звука 402. Класс и основной тон кадра звука 402 воплощены по меньшей мере в одном ключевом слове, которое включено в пакет 406. Затем пакет 406 передается передатчиком 312 через сеть 104 на сервер или поставщику 102 беспроводных услуг. Процессы квантования класса и основного тона кадра звука 402 и генерирования по меньшей мере одного ключевого слова более подробно описаны ниже.

Фиг.5 представляет оперативную схему последовательности операций, показывающую полный процесс распределенного распознавания речи согласно предпочтительному варианту осуществления настоящего изобретения. Оперативная схема последовательности операций на фиг.5 изображает процесс, на примере клиента 106, выполнения выделения признаков поступающего звука, и процесс, в сервере или поставщике 102 беспроводных услуг, выполнения распознавания образов. Оперативная схема последовательности операций фиг.5 начинается с этапа 502 и переходит непосредственно к этапу 504.

На этапе 504 клиент 106 принимает звук для передачи на сервер 102. В варианте осуществления, в котором система фиг.1 представляет собой беспроводную сеть, типа описанной на фиг.2, на этапе 504 беспроводное устройство 106 принимает звук 404 (см. фиг.4) через микрофон 404. После этого, на этапе 506, клиент 106 переходит к выполнению выделения признаков на звуке, который был принят. Выделение признаков включает в себя квантование значений основного тона и класса для одного кадра. Выделение признаков описано более подробно ниже. В варианте осуществления беспроводной сети на этапе 506 процессор 320 (см. фиг.3) беспроводного устройства 106 переходит к выполнению выделения признаков на звуке 402.

На этапе 508 клиент 106 генерирует пакетированные данные, включающие в себя извлеченные признаки, для передачи на сервер 102. Генерирование пакета данных описано более подробно ниже. В варианте осуществления беспроводной сети на этапе 508 беспроводное устройство 106 генерирует пакет 406 данных, включающий в себя извлеченные признаки. Затем, на этапе 510, клиент 106 переходит к передаче пакета данных на сервер 102. В варианте осуществления беспроводной сети на этапе 510 передатчик 312 беспроводного устройства 106 переходит к передаче пакета 406 данных провайдеру беспроводной сети или на сервер 102 через беспроводную сеть 104.

На этапе 512, сервер 102 принимает пакетированные данные, посланные клиентом 106, и на этапе 514 сервер 102 переходит к восстановлению звука, основываясь на пакетированных данных. На этапе 516 сервер 102 выполняет распознавание речи, основываясь на пакетированных данных, принятых от клиента 106. В варианте осуществления беспроводной сети на этапе 512 поставщик беспроводных услуг или сервер 102 принимает пакет 406 данных, посланный беспроводным устройством 106, и на этапе 514 поставщик беспроводных услуг или сервер 102 переходит к восстановлению звука, основываясь на пакете 406 данных. На этапе 516 поставщик беспроводных услуг или сервер 102 выполняет распознавание речи, основываясь на пакете 406 данных, принятых от беспроводного устройства 106. На этапе 518 оперативная схема последовательности операций фиг.5 останавливается.

III. Создание пакета данных

A. Первая схема квантования

В предложениях о расширенных стандартах РРР (в ответ на Позиции работы WI-030 и WI-034) информация о классе (или вокализировании) для кадра может принимать четыре возможных значения: 1) отсутствие речи, то есть тишина или фоновый шум, 2) невокализированный сигнал, 3) смешанно-вокализированный и 4) полностью вокализированный сигнал. Эти четыре значения могут в общем разделяться на две категории: отсутствие вокализирования (включающее в себя класс отсутствия речи и невокализированный класс) и вокализированный (включающий в себя смешанно-вокализированный и полностью вокализированный классы). Чтобы квантовать информацию о классах для одного кадра, обычно необходимы 2 бита, поскольку для представления имеется четыре значения классов, и 2 бита могут представлять четыре значения. Информация об основном тоне для кадра может принимать любое значение в пределах от, приблизительно, 19 до, приблизительно, 140 выборок. Чтобы квантовать информацию об основном тоне для одного кадра, например, в виде целочисленных значений, обычно необходимы 7 битов, поскольку для представления имеется 122 значения основного тона, а 7 битов могут представлять 128 значений.

В одном предпочтительном варианте осуществления настоящего изобретения, благодаря объединению информации о классе и информации об основном тоне, можно сохранить один бит на кадр следующим образом. Одно из 7-битовых ключевых слов основного тона (например, ключевое слово с одними нулями) используется для указания, что класс является классом отсутствия вокализирования (то есть, либо отсутствие речи, либо невокализированный). Остальные 127 ненулевых 7-битовых ключевых слов основного тона используются для представления различных значений основного тона, а также информации о том, что класс вокализированный (то есть, либо смешанно-вокализированный, либо полностью вокализированный). То есть, одно из 7-битовых ключевых слов основного тона указывает, что класс является классом отсутствия вокализирования, в то время как остающиеся ключевые слова указывают, что класс вокализированный. Следовательно, один бит класса теперь достаточен для устранения неоднозначности среди двух классов отсутствия вокализирования (то есть, между классом отсутствия речи и невокализированным классом) и среди двух вокализированных классов (то есть, между и смешанно-вокализированным классом и полностью вокализированным классом).

Приведенная ниже таблица показывает один пример значений 7-битовых ключевых слов основного тона и значений 1-битовых ключевых слов, используемых для указания информации об основном тоне и о классе, как описано выше.

Тип класса	7-битовое ключевое слово основного тона	7-битовое ключевое слово класса
Отсутствие речи	с одними нулями	0
Невокализированный	с одними нулями	1
Смешанно-вокализированный	ненулевое	0
Полностью вокализированный	ненулевое	1

Таким образом, в итоге, согласно настоящему примеру общее количество битов, используемых для представления информации о классе и об основном тоне, составляет 8 битов. Это - в противоположность 9 битам, которые были бы необходимы для представления информации о классе и об основном тоне, если информацию о классе и об основном тоне квантовать отдельно (то есть, 7 битов для основного тона и 2 бита для класса; см. выше). Штраф, который налагается на такую схему, заключается в том, что одно из 128 ключевых слов основного тона используется для указания информации о классе. Из-за относительной неважности одного ключевого слова это имеет очень маленькое (и незначительное) воздействие на точность квантования основного тона.

Фиг.6 представляет оперативную схему последовательности операций, показывающую процесс квантования класса и основного тона согласно предпочтительному варианту осуществления настоящего изобретения. Оперативная схема последовательности операций фиг.6 изображает процесс, на клиенте 106, вычисления информации об основном тоне и о классе и генерирования пакета данных, представляющего ее. Фиг.6 описывает более подробно этапы 506 и 508 фиг.5. Оперативная схема последовательности операций фиг.6 начинается с этапа 602 и переходит непосредственно к этапу 604.

На этапе 604 клиент 106 вычисляет значение основного тона звука, который был принят. В примерном варианте осуществления беспроводной сети, на этапе 604, беспроводное устройство 106 (более конкретно, процессор 320 беспроводного устройства 106) вычисляет значение основного тона звука 402, который был принят через микрофон 404. На этапе 606 клиент 106 выполняет квантование основного тона на основании значения основного тона звука. В одном примере выполняется квантование 7-битового основного тона, как описано выше. В варианте осуществления беспроводной сети, на этапе 606, беспроводное устройство 106 выполняет квантование основного тона на основании значения основного тона звука 402.

На этапе 608 клиент 106 выполняет вычисление класса звука. На этапе 610 клиент 106 определяет, имеет ли класс, который был вычислен на этапе 608, категорию отсутствия вокализирования, то есть является ли он классом отсутствия речи или невокализированным классом. Если результат определения этапа 610 положительный, то управление переходит к этапу 612. Если результат определения этапа 610 отрицательный, то управление переходит к этапу 616.

На этапе 612 клиент 106 устанавливает ключевое слово основного тона для предварительно определенного ключевого слова основного тона, указывающего кадр категории класса отсутствия вокализирования (то есть, класса отсутствия речи или невокализированного класса). В одном примере клиент 106 устанавливает 7-битовое ключевое слово основного тона на все нули - предварительно определенное ключевое слово основного тона, указывающее кадр класса отсутствия речи или невокализированного класса. На этапе 614 клиент 106 устанавливает ключевое слово класса для указания класса кадра категории класса отсутствия вокализирования (то есть либо класса отсутствия речи, либо невокализированного класса). В одном примере клиент 106 устанавливает 1-битовое ключевое слово класса, указывающее либо класс отсутствия речи, либо невокализированный класс.

На этапе 616 клиент 106 устанавливает ключевое слово основного тона на значение основного тона, сгенерированное для квантования основного тона, выполненного на этапе 604. В одном примере клиент 106 устанавливает 7-битовое ключевое слово основного тона на значение основного тона, сгенерированное для квантования основного тона, выполненного на этапе 604. На этапе 618 клиент 106 устанавливает ключевое слово класса для указания класса кадра вокализированной категории класса (то есть либо смешанно-вокализированного, либо полностью вокализированного). В одном примере клиент 106 устанавливает 1-битовое ключевое слово класса, указывающее либо смешанно-вокализированный, либо полностью вокализированный класс. На этапе 620 оперативная схема последовательности операций фиг.6 останавливается.

Фиг.7 представляет блок-схему, иллюстрирующую обычные распределения битов для процесса квантования класса и основного тона. Фиг.7 изображает, что семь битов представляют квантование 702 основного тона. Таким образом, для представления периодических данных основного тона одного кадра звука используются 128 возможных значений. Фиг.7 также изображает, что два бита представляют квантование 704 класса. Таким образом, четыре возможных значения используются для представления класса одного кадра звука. Четыре класса определяются следующим образом: отсутствие речи, невокализированный, смешанно-вокализированный и полностью вокализированный. Поэтому, согласно фиг.7 для представления значений квантования основного тона и класса для одного кадра звука используется общее количество девять битов.

Фиг.8 представляет блок-схему, иллюстрирующую распределения битов для процесса квантования класса и основного тона согласно предпочтительному варианту осуществления настоящего изобретения. Фиг.8 изображает распределения битов для квантования класса и основного тона согласно настоящему изобретению. Фиг.8 изображает, что семь битов представляют квантование 802 основного тона. Однако из 128 возможных значений, доступных с семью битами, для представления периодических данных основного тона одного кадра звука используются только 127 значений. Остающееся одно значение используется для указания информации о классе, в частности, категории класса отсутствия вокализирования (то есть класса отсутствия речи или невокализированного класса). Предпочтительно, одно значение 802, используемое для указания категории класса, представляет собой все нули, и это значение указывает кадр категории класса отсутствия вокализирования (то есть класса отсутствия речи или невокализированного класса). Другие 127 значений 802 используются для указания значения основного тона кадра вокализированной категории класса (то есть смешанно-вокализированного класса или полностью вокализированного класса).

Фиг.8 также изображает, что один бит представляет квантование 804 класса. Это является существенным преимуществом настоящего изобретения. Таким образом, два возможных значения или ключевые слова, используются, чтобы дополнительно представлять класс одного кадра звука. Два возможных значения используются для установления различий среди категории класса отсутствия вокализирования (то есть класса отсутствия речи или невокализированного класса) и среди кадра вокализированной категории класса (то есть смешанно-вокализированного класса или полностью вокализированного класса). Предпочтительно, нулевое з