Lossless audio compression with a switched prediction model

• Autorzy: Ulacha G. , Mąka T. , Dziurzański P.

Warianty tytułu

PL

Bezstratna kompresja audio z przełączanym modelem predekcyjnym

• Języki publikacji: EN

Abstrakty

EN

In this paper there is described a possibility of context switching into a lossless compression system. The context is determined based on the features of the previous signal samples. Each context is associated with an individual predictor. The idea of context switching allows us to choose one of the set of a few predictor models individually for each sample instead of each frame. Consequently, the system adjusts fast in case of rapid signal changes. The system was implemented using the ImpulseC hardware description language and implemented on an FPGA platform.

PL

W nowoczesnych metodach kompresji audio wykorzystuje się zwykle dwa etapy: dekompozycję danych, a następnie kompresję jedną z wydajnych metod entropijnych. Najczęściej do modelowania służy typowy predyktor liniowy rzędu r, który jest wartością przewidywaną aktualnie kodowanej próbki na podstawie r poprzednich próbek sygnału. Kluczową rolę odgrywa tu sposób doboru współczynników danego modelu. Mogą być one ustalone na stałe, statyczne w obrębie jednej kodowanej ramki, jak i w pełni adaptacyjne. Główną propozycją wzrostu efektywności kompresji zaprezentowaną w tej pracy jest wprowadzenie przełączania kontekstów, które wyznacza się na podstawie cech sygnału poprzednich próbek. Każdemu kontekstowi przypisany jest indywidualny predyktor. W artykule przedstawiono podział na 2 oraz 3 konteksty (tab. 1). Przedstawiono metodę statyczną uwzględniającą zależności międzykanałowe, a także kodowanie międzykanałowe z przełączaniem kontekstów. Aby sprawdzić możliwości uogólnienia i uproszczenia pomiarów, wybrano zestaw utworów muzycznych. Proponowana metoda w 60% przypadków skutkowała zmniejszeniem średniej bitowej. Dysponując pełnym zestawem wyników użycia 140 deskryptorów dla wybranych utworów, można spróbować wybrać kilka deskryptorów dających najlepsze rezultaty, a następnie zastosować je do innych utworów testowych. Zaproponowany algorytm został zaimplementowany w układzie FPGA z rodziny Virtex 5 wykorzystując język opisu sprzętu ImpulseC (tab. 3).

Słowa kluczowe

EN

lossless compression; linear prediction; contextual split; ImpulseC

PL

bezstratna kompresja; predykcja liniowa; podział kontekstowy; ImpulseC

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 8
• Strony: 824--826
• Opis fizyczny: Bibliogr. 8 poz., rys., tab., wzory

Twórcy

autor

Ulacha G.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki, ul.Żołnierska 49, 71-210 Szczecin

autor

Mąka T.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki, ul. Żołnierska 49, 71-210 Szczecin

autor

Dziurzański P.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki, ul. Żołnierska 49, 71-210 Szczecin

Bibliografia

• [1] Reznik Y. A.: Coding of prediction residual in MPEG-4 standard for lossless audio coding (MPEG-4 ALS), Proc. of IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP’04), Montreal, Quebec, Canada, 17-21 May 2004, vol. 3, pp. III_1024-1027.
• [2] Yu R., Rahardja S., Ko C. C., Huang H.: Improving coding efficiency for MPEG-4 Audio Scalable Lossless coding, Proc. of IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP’05), Philadelphia, PA, USA, 18-23 March 2005, vol. 3, pp. III_169-172.
• [3] Huang H., Fränti P., Huang D., Rahardja S.: Cascaded RLS-LMS prediction in MPEG-4 lossless audio coding, IEEE Trans. on Audio, Speech and Language Processing, March 2008, vol. 16, no. 3, pp. 554-562.
• [4] Huang X., Acero A., Hon H.: Spoken Language Processing - A Guide to Theory Algorithms and System Development, Prentice Hall PTR, 2001.
• [5] Monson B., Lotto A., Ternstrom S.: Detection of high-frequency energy changes in sustained vowels produced by singers, J. Acoust. Soc. Am. 129 (4), April, 2011.
• [6] Masri P., Bateman A.: Improved modelling of attack transient in music analysis-resynthesis. In: Proceedings of the International Computer Music Conference, Hong-Kong, 1996.
• [7] Johnston J.: Transform Coding of Audio Signals Using Perceptual Noise Criteria, IEEE Journal On Selected Areas In Communications, Vol. 6, No. 2, February, 1988.
• [8] Impulse Accelerated Technologies, Accelerating HPC and HPEC Applications Using Impulse C, Reconfigurable Systems Summer Institute (RSSI), Urbana, IL, July 17-20, 2007.