HD-Voice для сотовой связи — Харитон, Дмитрий, Владимир, Олег, Ирина, Слава!

Мы включили HD-Voice на сети «Билайн» в Москве. Ниже записи звука до и после, а также технические детали.

В основе режима HD-voice лежит технология AMR-WB (Adaptive Multi Rate Wadeband) – широкополосное адаптивное кодирование с переменной скоростью), также данный кодек известен как стандарт G.722.22. В теории человек может услышать звуки в диапазоне 20Гц – 20кГц, но на практике достаточно передавать звук в существенно более узком диапазоне. При кодировании речи в AMR-WB используется диапазон частот 50Гц-7кГЦ, этого абсолютно достаточно для полноценной передачи голоса. Для примера, в кодеке AMR используется диапазон 300-3кГц. Метод может использоваться в сетях 2G и 3G.

Проще говоря, теперь человеческий голос будет звучать естественнее, потому что перестанет «ужиматься» в довольно узкую полосу, необходимость которой была когда-то продиктована ограничениями инфраструктуры. Кроме того, при HD-кодировании, внешние шумы оказывают меньшее воздействие на разборчивость речи.

Как мы дошли до HD-Voice, и как это работает?

Речь человека занимает некоторую полосу звуковых частот, обычно её принимают равной 20Гц-20кГц. Передать весь спектр по беспроводным каналам связи без сжатия сложно, поэтому голос без урезания полосы передается только в проводных системах. Для целей сжатия речи используются голосовые кодеки или вокодеры. Их побочным действием является искажение передаваемого голоса за счет ограничения полосы частот голосового сообщения.

Самым первым голосовым кодеком, использовавшимся в мобильных сетях, был «Full Rate» — FR. Одновременно с FR, был введен и кодек «Half Rate», единственное предназначение которого – увеличение количества одновременно обслуживаемых абонентов, и, как понятно из его названия, он занимает в радиоканале половину полосы кодека FR. Однако качество голоса после перекодирования в FR, было не очень высоким, а для некоторых стран (к примеру, арабских, где скорость речи высокая и много высочастотных звуков), и вовсе неприемлемым. Поэтому кодек FR был переработан, и появился «Enhanced Full Rate», обеспечивающий существенно лучшее качество голоса, при меньшем создаваемом битрейте.

С ростом проникновения мобильных сетей, требования к качеству голосовых услуг стали расти, и проявилась проблема с ухудшением качества голоса, при низком уровне радиосигнала от базовой станции. Для решения этой задачи, был разработан новый кодек — «Adaptive Multi Rate», который использовал тот же диапазон частот для анализа и сжатия, но алгоритм был реализован таким образом, что битрейт кодека динамически менялся, в зависимости от качества принимаемого сигнала. Благодаря этому, появилась возможность при хороших радиоусловиях предоставить отличное качество голоса, а при плохих – сохранять разговор даже там, где кодеки FR/EFR не смогли бы работать вовсе.

Все сети 3G работают только с использованием кодека AMR или последующих его реализаций, например AMR-WB. Но поскольку в сети остается большое количество абонентов использующих телефоны поддерживающие только работу с кодеками EFR/HR, сеть 2G продолжает работать со всеми кодеками (FR/EFR/HR/AMR FR/AMR HR) сразу, обеспечивая голосовой связью любой телефон.

В настоящее время требования к качеству голоса в мобильных сетях продолжают расти, и настало время для использования технологии AMR-WB. Все кодеки, описанные выше, используют для сжатия диапазон частот до 200Гц-3.4кГц, в то время как AMR-WB для кодирования использует полосу голосового сообщения на уровне 50Гц-7кГц., т.е. AMR-WB позволяет передавать в два раза большую полосу частот, что и дает увеличение качества и насыщенности высокими и низкими частотами передаваемого голоса.

Некоторые характеристики кодеков приведены в таблице:

Hint для любознательных программистов: образец реализации кодека AMR на языке Си имеется в стандарте 3GPP TS 26.073 (его можно легко найти, скачать и попробовать реализовать).

На диаграмме ниже можно увидеть сравнение качества голоса, по шкале MOS (Mean Opinion Score), в зависимости от используемого кодека. Шкала MOS – субъективная оценка качества голоса от 0 до 5, где 0 – полное отсутствие слышимости, а 5 – живая речь. Кодек G.711 – применяется в проводной телефонии, то есть это качество которое вы должны слышать со своего городского телефона (если он, конечно, не переведен на IP канал, но это тема совсем другого разговора).

Как видно из диаграммы, кодек AMR-WB, обеспечивает, при хороших радиоусловиях, качество голоса выше, чем проводной домашний телефон.

Для примера – два фрагмента музыкальной композиции, которые сжимались кодеками AMR и AMR-WB, можете сами сравнить качество звука, и визуально оценить разницу в звуковой картине, создаваемой разными кодеками.

Верхний трек, кодированный в AMR

Нижний трек, кодированный в AMR-WB

Тесты

Мы не первые, кто запускает эту технологию в России, поэтому кое-какие наработки уже были. Наш первый участок сети с HD-Voice был построен в пределах МКАД, на оборудовании Ericsson. Активирование AMR-WB заняло длительное время: сначала проходило тестирование на одном контроллере (с многочисленными драйв-тестами по измерению качества речи). И даже после того как на одном контроллере все было протестировано, последующая активация проходила поэтапно, контроллер за контроллером. Весь процесс активирования занял почти полгода.

Вот эталонные сэмплы с финала тестов, которые оценивались аппаратно с помощью точных замеров в разные моменты.

Это уже работает?

Да, сейчас технология реализована в сети 3G для Москвы. Для того, чтоб воспользоваться режимом, не нужно производить дополнительных настроек, он активизируется сам, если оба абонента находятся в сети 3G и оба их телефона поддерживают работу кодека.

На схеме изображены условия, которые нужны для функционирования AMR-WB. Сейчас как говорилось выше, кодек запущен в сети 3G, следующий этап обеспечить работу кодека между сетью 2G и 3G, далее — между сетями и между операторами.

Какие устройства поддерживаются?

Проблемы распознавания

Человеческая речь такова, что в радиоэфире и на узкой полосе аудиоспектра плохо различаются звуки «С» и «Ф». Также страдают пары «Т» и «П», «М» и «Н». Отсюда мнемонический системы с именами: «Диктую, номер два-ноль-ноль три Ольги, как понял, приём?». Отсюда же растут вещи вроде назначения наиболее ответственным частям позывных с «р» — например, снайпер, который ни в коем случае не должен перепутать свой позывной, скорее всего, будет «тридцать третьим», потому что в эфире это очень хорошо различимо в условиях узкой полосы.

Также с HD-Voice растёт узнаваемость голоса. Это важно и для личного общения, и для набирающей популярность дополнительной аутентификации по голосу, к примеру, в банках.

Автор: geran_utran

Источник