Note publique d'information : L’objectif de cette thèse est de développer des techniques de codage de parole et
audio optimales et plus flexibles que avec l’état de l’art, pouvant s’adapter en temps
réel à différentes contraintes (débit, largeur de bande, retard). Cette problématique
est étudiée à l’aide de différents outils : modélisation statistique, théorie de la
quantification à haut débit, codage entropique flexible. On propose d’abord une nouvelle
technique de codage flexible des coefficients de prédiction linéaire (LPC) combinant
une transformée de Karhumen-Loeve (KLT) et une quantification scalaire basée sur un
modèle gaussien généralisé. Les performances sont équivalentes à celle du quantificateur
utilisé dans l’AMR-WB. De plus la complexité est moindre. Puis, on propose deux techniques
de codage audio par transformée flexible, l’une utilisant le codage « stack-run »
et l’autre le codage par plans de bits basé modèle. Dans les deux cas, le signal après
pondération perceptuelle et transformation discrète en cosinus modifié (MDCT) est
modélisé par une distribution gaussienne généralisée qui sert à optimiser le codage.
La qualité du codeur stack-run est meilleure que ITU-T G.722.1 à bas débit et équivalente
à haut débit. Par contre, le codeur stack-run est plus complexe et son coût mémoire
est faible. L’avantage du codage par plans de bits est d’être scalable en débit. Nous
proposons d’utiliser le modèle gaussien généralisé afin d’initialiser les tables de
probabilités du codage arithmétique utilise�� dans le codage par plan de bits. La
qualité associée est inférieure à celle du codeur stack-run à bas débit et équivalente
à haut débit. Par contre, la complexité de calcul est proche de G.722.1.
Note publique d'information : The objective of this thesis is to develop optimal speech and audio coding techniques
which are more flexible than the state of the art and can adapt in real-time to various
constraints (rate, bandwidth, delay). This problem is addressed using several tools
: statistical models, high-rate quantization theory, flexible entropy coding. Firstly,
a novel method of flexible coding for linear prediction coding (LPC) coefficients
is proposed using Karhunen-Loeve transform (KLT) and scalar quantization based on
generalized Gaussian modelling. This method has a performance equivalent to the LPC
quantizer used in AMR-WB with a lower complexity. Then, two transform audio coding
structures are proposed using either stack-run coding or model-based bit plane coding.
In both case the coefficients after perceptual weighting and modified discrete cosine
transform (MDCT) are approximated by a generalized Gaussian distribution. The coding
of MDCT coefficients is optimized according to this model. The performance is compared
with that of ITU-T G.7222.1. The stack-run coder is better than G.7222.1 at low bit
rates and equivalent at high bit rates. However, the computational complexity of the
proposed stack-run coder is higher and the memory requirement is low. The bit plane
coder has the advantage of being bit rate scalable. The generalized Gaussian model
is used to initialize the probability tables of an arithmetic coder. The bit plane
coder is worse than stack-run coding at low bit rates and equivalent at high bit rates.
It has a computational complexity close to G.7222.1 while memory requirement is still
low.
paprika.idref.fr
data.idref.fr
Documentation
