3.

2 Tcnicas de codificacin DM, DPCM, ADM y ADPCM

[Ref 1]

Teora General de la Cuantizacin Diferencial

Existe una correlacin entre muestras adyacentes de voz, y de hecho la correlacin es significativa
incluso entre muestras que se encuentran separadas por varios intervalos de muestreo. El
significado de esta alta correlacin es que, en un sentido medio, la seal no cambia rpidamente
de muestra a muestra por lo que la diferencia entre muestras adyacentes tendra una menor
varianza que la varianza de la seal misma. Este hecho provee la motivacin para el esquema
general de cuantizacin diferencial mostrado en la figura 1.

x(n) +

Q[ ]

d(n)

Codificador

c(n)

...

(a)

c(n)

Decodificador

...
P

(b)
Figura 1. Esquema general de la cuantizacin diferencial; (a) codificador; (b) decodificador
En este sistema la entrada del cuantizador es una seal:

~(n )
d (n ) x(n ) x

(1)

que es la diferencia entre la muestra de entrada no cuantizada, x(n), y un estimado, o prediccin,

~( n ) . Este valor predicho es la salida de un
de la muestra de entrada que es denotado por x
sistema predictor P, cuya entrada es, como veremos, una versin cuantizada de la seal de
entrada, x(n). La seal diferencia puede ser llamada seal de error de prediccin, ya que
corresponde a la cantidad en que el predictor falla en predecir exactamente la entrada. Dejando a
~( n ) , es obtenido, notamos que es la
un lado temporalmente el problema de cmo el estimado, x
seal de diferencia la que es cuantizada en lugar de la entrada. El cuantizador puede ser fijo o
adaptativo, uniforme o no uniforme, pero en cualquier caso, sus parmetros deben ser ajustados
para igualar la varianza de d(n). La seal de diferencia cuantizada puede ser representada como:

d ( n ) d (n ) e(n ) (2)

20

donde e(n) es el error de cuantizacin. De acuerdo con la figura 1(a), la seal de diferencia
~( n ) para producir una versin cuantizada de la
cuantizada se suma al valor de prediccin x
entrada, es decir:

~(n ) d (n ) (3)
x( n ) x
Sustituyendo las ecuaciones (1) y (2) en la ecuacin (3) observamos que:

x (n ) x (n ) e(n )

( 4)

Esto es, independientemente de las propiedades del sistema llamado P, la muestra de voz
cuantizada difiere de la entrada nicamente por el error de cuantizacin de la seal de diferencia.
Por tanto, si la prediccin es buena, la varianza de d(n) ser menor que la varianza de x(n) as que
un cuantizador con un nmero dado de niveles puede ser ajustado para que proporcione un error
de cuantizador menor que el que sera posible cuando al cuantizar directamente la entrada.
Debe notarse que es la seal de diferencia cuantizada la que es codificada para su transmisin o
almacenamiento. El sistema para la reconstruccin de la entrada cuantizada a partir de las
palabras de cdigo se encuentra implcito en la figura 1(b), involucra un decodificador para
reconstruir la seal de diferencia cuantizada a partir de la cual la entrada cuantizada es
reconstruida usando el mismo predictor que el usado en la figura 1(a). Claramente, si c(n) es

idntica a c(n) entonces x ' ( n ) x ( n ) , que difiere de x(n) nicamente en el error de cuantizacin
incurrido al cuantizar a d(n).
La relacin seal a ruido de cuantizacin del sistema de la figura 1 es, por definicin:

x2 E [ x 2 (n )]
SNR 2
(5 )
e E [e 2 (n )]
que puede ser escrita como:

SNR

donde

x2 d2
GP SNRQ (6)
d2 e2

d2
SNRQ 2
e

(7 )

es la relacin seal a ruido de cuantizacin del cuantizador, y la cantidad:

GP

x2
d2

(8 )

se define como la ganancia debida a la configuracin diferencial.

La cantidad SNRQ es dependiente del cuantizador particular usado, y, dado el conocimiento de las
propiedades de d(n), SNRQ puede ser maximizada usando las tcnicas de las secciones anteriores.
La cantidad GP, si es mayor a la unidad, representa la ganancia en SNR debida al esquema
diferencial. Claramente, nuestro objetivo debe ser maximizar G P mediante la apropiada eleccin del
sistema predictor P. Para una seal dada, 2x es una cantidad fija de tal forma que G P puede ser
maximizada si minimizamos el denominador de la ecuacin (8); es decir, minimizando la varianza
del error de prediccin.
Para proceder, necesitamos especificar la naturaleza del predictor, P. Un acercamiento que se
encuentra motivado por la discusin anterior del modelo para la produccin de la voz y por el hecho
~( n ) es una
de que conduce a matemticas manejables es usar un predictor lineal. Esto es, x
combinacin lineal de los valores cuantizados pasados:

21

~( n ) x (n k )
x
k

(9 )

k 1

El valor de prediccin es por tanto la salida de un filtro de respuesta al impulso finita cuya funcin
es:
p

P ( z ) k z k

(10)

k 1

y cuya entrada es la seal reconstruida (cuantizada)

reconstruida es la salida de un sistema cuya funcin es:

H (z )

1
p

1 k z

x (n ) . Tambin note que la seal

(11)
k

k 1

y cuya entrada es la seal de diferencia cuantizada. La varianza del error de prediccin en la figura
1 es:

p
~(n ) 2 ] E x (n ) x (n k )
d2 E [d 2 (n )] E [ x (n ) x
k

k 1

2

p
p

E x (n ) k x (n k ) k e(n k )
(12)

k 1
k 1

Con el fin de elegir un conjunto de coeficientes del predictor {j}, 1jp, que minimicen 2d,
debemos derivar 2d con respecto a cada parmetro e igualar la derivada a cero, obteniendo por
consiguiente el conjunto de p ecuaciones:

d2
2E
j

x (n ) k x (n k ) e(n k ) x ( n j ) e(n j ) 0 1 j p (13 )

k 1

La ecuacin (13) puede ser escrita en una forma ms compacta:

E x(n ) x~(n ) x(n j ) E d (n ) x(n j ) 0 1 j p (14)

a partir de la cual hacemos la importante observacin de que si los coeficientes del predictor son
tales que se minimice 2d, entonces la seal de diferencia (error de prediccin) no se encuentra
correlacionada con (es decir, es ortogonal a) los valores pasados de la entrada del predictor

x (n j ) , 1jp.

Las ecuaciones (13) pueden ser expandidas en el conjunto de p ecuaciones:

22

E x(n j )x(n ) E e(n j )x (n ) k E x(n j )x(n k )

k 1
p

k E e(n j )x(n k )
k 1
p

k E x (n j )e(n k )
k 1
p

k E e(n j )e(n k ) (15)

k 1

donde 1jp. Ahora, si asumimos que la cuantizacin es razonablemente buena, se puede asumir
que e(n) no est correlacionada con x(n) y que e(n) es una secuencia de ruido blanco estacionario;
es decir:

E x ( n j )e(n k ) 0

para toda n, j y k

(15)

Modulacin Delta (DM)

La aplicacin ms simple del concepto de cuantizacin diferencial es la modulacin delta. En esta
clase de sistemas, la frecuencia de muestreo es elegida de tal forma que sea varias veces la
frecuencia de Nyquist para la seal de entrada. Como resultado, las muestras adyacentes se
vuelven altamente correlacionadas. Esto es evidente si observamos que la autocorrelacin de la
secuencia de muestras es solo la versin muestreada de la autocorrelacin analgica; es decir:

(m ) a (mT ) (16 )
Dadas las propiedades de las funciones de autocorrelacin, es razonable esperar que la
correlacin se incremente cuando T0. De hecho esperamos que excepto estrictamente para
seales no correlacionadas,

(1) x2

cuando T 0 (17)

Este alto grado de correlacin implica que cuando T tiende a cero deberamos ser ms capaces de
predecir la entrada a partir de las muestras pasadas y como resultado, la varianza del error de
prediccin debera ser pequea. Por tanto, debido a la alta ganancia debida a la configuracin
diferencial, un cuantizador algo simple puede proveer un desempeo aceptable. De hecho, los
sistemas de modulacin delta emplean un cuantizador simple de 1-bit (2 niveles). Por lo tanto, la
tasa de bits de la modulacin delta es simplemente igual a la tasa de muestreo.

Modulacin delta lineal (LDM)

El sistema de modulacin delta ms simple es mostrado en la figura 2.

23

x(n) +

Q[ ]

d(n)

Codificador

c(n)

...

z-1

=Q[d(n)]

c(n)=0
d(n)

c(n)=1

(a)
c(n)

Decodificador

...
z-1
(b)

Figura 2. Diagrama de bloques de un sistema de modulacin delta; (a) codificador; (b)

decodificador.
En este caso el cuantizador tiene nicamente dos niveles y el tamao del paso es fijo. El nivel
positivo de cuantizacin es representado por c(n)=0 y el negativo c(n)=1. Por tanto, d(n) es:

c(n ) 0
d(n) (18)
c(n ) 1
La figura 2 tambin incorpora un predictor simple de primer orden fijo para el cual la ganancia
ptima de prediccin es:

(GP )opt

1
1 p 2 (1)

(19 )

Entonces cuando p(1)1, (GP)opt. Este resultado puede ser visto nicamente en trminos
cualitativos, sin embargo, como las hiptesis bajo las cuales se deriv la expresin para (G P)opt
tienden a fallar en cuantizaciones simples.
El efecto del error de cuantizacin puede ser observado en la figura 3(a), la cual muestra una seal

~( n ) y x
(n ) para un periodo de muestreo dado,
analgica xa(t) y las muestras resultantes x(n), x
T, asumiendo que se establece (multiplicador de realimentacin) igual a 1.0.

24

Figura 3. Ilustracin de la modulacin delta; (a) tamao fijo del paso; (b) tamao adaptativo del
paso.

Se puede observar en la figura 3(a) que en general, x (n ) satisface la ecuacin en diferencias:

x ( n ) x ( n 1) d ( n ) ( 20 )
Con 1, esta ecuacin es el equivalente digital de la integracin, en el sentido de que representa
la acumulacin de los incrementos positivos y negativos en la magnitud de . Tambin notamos
que la entrada del cuantizador es:

d (n ) x (n ) x (n 1) x (n ) x (n 1) e(n 1) (21)

Por tanto excepto para el error de cuantizacin en x ( n 1) , d(n) es la primera diferencia hacia
atrs de x(n), que puede ser vista como una aproximacin digital a la derivada de la entrada y el
inverso del proceso de integracin digital. Si consideramos la mxima pendiente de la seal, es

25

claro que para que la secuencia de muestras { x (n ) } aumente tan rpido como la secuencia de
muestras {x(n)} en una regin de mxima pendiente de xa(t), se requere que:

dx a (t )

max
T
dt

(22)

De otra forma, la seal reconstruida se quedar atrs como se muestra en el lado izquierdo de la
figura 3(a). Esta condicin es llamada sobrecarga de pendiente y el error de cuantizacin
resultante es llamado distorsin por sobrecarga de pendiente (ruido).

Note que ya que la mxima pendiente de x (n ) es fijada por el tamao del paso, los incrementos

y decrementos en la secuencia x (n ) tienden a ocurrir sobre lneas rectas. Por esta razn, la
modulacin delta fija (no adaptativa) es llamada frecuentemente modulacin delta lineal (LDM).
El tamao del paso , tambin determina el error pico cuando la pendiente es muy pequea. Por
ejemplo, se puede verificar fcilmente que cuando la entrada es cero (condicin de canal en espera
iddle channel condition), la salida del cuantizador ser una secuencia alternada de 0s y 1s, en

cuyo caso la seal reconstruda x (n ) estar alternada alrededor del cero (o algn nivel
constante) con una variacin pico a pico de . Este ltimo tipo de error de cuantizacin, que se
muestra a la derecha de la figura 3(a), es llamado ruido granular.
Como hemos visto anteriormente, existe la necesidad de tener un tamao de paso grande para
poder trabajar un rango dinmico amplio, mientras que se requiere un tamao de paso pequeo
para representar de manera precisa los niveles bajos de la seal. En este caso, sin embargo,
estamos tratando con el rango dinmico y amplitud de la seal diferencia (o derivada de la seal
analgico). Es intuitivamente claro que la eleccin de un tamao de paso que minimice el error de
cuantizacin medio cuadrtico representar un compromiso entre la sobrecarga de pendiente y el
ruido granular.
La figura 4, que es resultado de un estudio detallado de la modulacin delta por parte de Abate,
muestra la relacin seal a ruido como funcin de la variable normalizada del tamao de paso /
(E[(x(n)-x(n-1))2])1/2, con el ndice de sobremuestreo F 0=FS/2FN como un parmetro en el que F S es
la frecuencia de muestreo del modulador delta, y F N es la frecuencia de Nyquist de la seal. Note
que la tasa de bits es:

Tasa de bits FS (1 bit ) FS 2FN F0

(23)

El ndice de sobremuestreo juega el papel del nmero de bits/muestra para un cuantizador multi-bit
con muestreo a la frecuencia de Nyquist. Estas curvas corresponden a un ruido gaussiano de
espectro plano limitado en banda. Para la voz se obtienen valores de SNR algo mayores debido a
que la correlacin es mayor; sin embargo, la forma de las curvas es muy parecida.

26

Figura 4. SNR para la modulacin delta como funcin del tamao de paso normalizado.
Puede observarse en la figura 4 que para un valor dado de F 0, la curva del SNR posee un pico algo
afilado para valores de por encima de la localizacin del pico correpondiente al ruido granular y
valores por debajo de la posicin del pico correspondiente a la sobrecarga de pendiente. Abate
proporciona la frmula emprica:

opt E x ( n ) x( n 1)

2 1/ 2

ln 2F0

(24 )

para un tamao de paso ptimo; es decir, para la localizacin del pico de la curva del SNR para
una un valor dado de F0. Tambin se puede observar en la figura 4 que el SNR ptimo aumenta
alrededor de 9dB cada vez que F0 se duplica. Como duplicar F0 es equivalente a duplicar FS,
notamos que duplicar la tasa de bits equivale a aumentar el SNR por 9dB. Esto en contraste con
PCM donde si duplicamos la tasa de bits duplicando el nmero de bits/muestra, logramos un
incremento de 6dB por cada bit aadido; por tanto el incremento del SNR con la tasa de bits es
mucho ms dramtico para PCM que para LDM.
Otra importante caracterstica de las curvas de la figura 4 es la agudeza del pico de la curva del
SNR, que implica que el SNR es muy sensible al nivel de entrada.
[Note que E[(x(n)-x(n-1))2]=22x(1-p(1)).] Por tanto, puede observarse en la figura 4 que para
obtener un SNR de 35dB para una frecuencia de Nyquist de 3kHz se requerira una tasa de bits de
alrededor de 200kb/s. Incluso a esta tasa, sin embargo, esta calidad solo puede mantenerse sobre
un rango angosto de niveles de entrada si el tamao del paso es fijo. Para lograr una calidad
aceptable, es decir, una calidad comparable a la de PCM log de 7-bits, para la voz se requieren
tasa de bits mucho mayores.
La principal ventaja de LPD es su simplicidad. El sistema puede ser implementado con circuitos
integrados analgicos y digitales simples y como solo se requiere un cdigo de un bit, no se
requiere una sincronizacin de los patrones de bits entre el transmisor y receptor. Las limitaciones
en el desempeo de los sistemas de modulacin delta lineal se encuentran principalmente en la
cuantizacin simple de la seal diferencia.

27

Es natural suponer que los esquemas de cuantizacin adaptativa mejorarn en gran medida el
desempeo del modulador delta. Son de gran inters los esquemas de cuantizacin adaptativa
simple que mejoran el desempeo pero no incrementan mucho la complejidad del sistema.

3.2.2.2 Modulacin Delta Adaptativa

Una gran variedad de esquemas de modulacin delta adaptativa (ADM) han sido propuestos. La
mayora de estos esquemas son del tipo realimentado en el que el tamao del paso para el
cuantizador de dos niveles es adaptado a partir de las palabras de cdigo de salida. La forma
general de tales sistemas se muestra en la figura 5. Dichos esquemas mantienen la ventaja de que
no se requiere sincronizacin de los patrones de bits ya que, en ausencia de errores, la informacin
del tamao del paso puede obtenerse a partir de la secuencia de palabras de cdigo tanto en el
transmisor como en el receptor.
Lgica del
tamao de
paso

(n)

...
x(n) +

d(n)

Q[ ]

Codificador

c(n)

...

z-1

(n)

c(n)=0
d(n)

c(n)=1

-(n)

(a)
Lgica del
tamao de
paso

(n)

...
c(n)

Decodificador

...
z-1

28

(b)
Figura 5. Modulador Delta con tamao de paso adaptativo; (a) codificador; (b) decodificador.
El sistema que se discutir a continuacin ha sido estudiado extensivamente por N.S.Jayant. Como
en el caso del cuantizador multi-bit, el tamao del paso obedece la regla:

(n ) M(n 1)

( 25a )

min (n ) max

(25b )

En este caso, el multiplicador es una funcin de la palabra de cdigo presente y anterior, c(n) y c(n1). Esto es posible ya que c(n) depende nicamente del signo de d(n) que est dado por:

d (n ) x (n ) x ( n 1)

( 26)

Por tanto el signo de d(n) puede ser determinado antes que el valor cuantizado d (n ) que debe
esperar a la determinacin de (n) mediante la ecuacin (25). El algoritmo de eleccin del
multiplicador del tamao del paso en la ecuacin (25a) es:

P 1 si c(n) c(n 1)
M
(27)
Q 1 si c(n) c(n 1)
Esta estrategia de adaptacin es motivada por los patrones de bits observados en la modulacin
delta lineal. Por ejemplo, en la figura 3(a) notamos que los periodos de la sobrecarga de la
pendiente estn sealados por series de 0s o 1s consecutivos. Los periodos de la granularidad
estn sealados por secuencias alternadas de la forma 0 1 0 1 0 1. La figura 3(b) muestra
cmo la seal de la figura 3(a) podra ser cuantizada mediante un modulador delta adaptativo del
tipo descrito por las ecuaciones (25) y (27).

PCM Diferencial (DPCM)

Cualquier sistema de la forma mostrada en la figura 1 puede ser llamado sistema PCM diferencial.
Los moduladores delta, discutidos en la seccin anterior, por ejemplo, tambin pueden ser
llamados sistemas DPCM de 1 bit. Generalmente, sin embargo, el trmino PCM diferencial es
reservado para sistemas de cuantizacin diferencial en los que el cuantizador posee ms de dos
niveles.
Los sistemas DPCM con predictores fijos pueden proporcionar mejoras de 4 a 11 dB sobre la
cuantizacin directa (PCM). La mayor mejora ocurre al pasar de no prediccin a una prediccin de
primer orden con algunas ganancias adicionales resultado del incremento del orden del predictor
hasta 4 5, despus del cual se obtienen ganancias adicionales muy pequeas. Como se seal
en la seccin 3.2.1, esta ganancia en el SNR implica que un sistema DPCM puede lograr un SNR
dado usando un bit menos del que se requerira usando el mismo cuantizador directamente sobre
la seal de voz. Por tanto, los resultados de las secciones 3.1.1 y 3.1.2 pueden aplicarse para
obtener un estimado razonable del desempeo que puede lograrse para un cuantizador particular
usado en una configuracin diferencial. Por ejemplo, para un sistema PCM diferencial con un
cuantizador uniforme fijo, el SNR sera aproximadamente 6dB mayor que el SNR para un
cuantizador con el mismo nmero de niveles actuando directamente sobre la entrada. El esquema
diferencial se comportara aproximadamente de la misma manera que es esquema PCM directo; es

29

decir, el SNR se incrementara 6dB por cada bit aadido a las palabras de cdigo, y el SNR
mostrara la misma dependencia con respecto al nivel de la seal. Similarmente, el SNR de un
cuantizador de ley mejorara en 6dB por su uso en una configuracin diferencial y al mismo
tiempo su insensibilidad caracterstica con respecto al nivel de la seal se mantendra.
Existe una amplia variacin de la ganancia de prediccin dependiendo del locutor y el ancho de
banda. Se observan amplias variaciones similares entre diferentes locuciones. Todos estos efectos
son resultado, por supuesto, de la no estacionaridad de la seal de voz. Ningn conjunto de
coeficientes del predictor puede ser ptimo para una gran variedad de material de voz o un amplio
rango de locutores.
Esta variacin del funcionamiento con el locutor y material de voz, junto con las variaciones en el
nivel de la seal inherentes al proceso de comunicacin de la voz, hacen necesarias a la prediccin
adaptativa y la cuantizacin adaptativa con el fin de lograr el mejor desempeo sobre un amplio
rango de locutores y situaciones de locucin. Dichos sistemas son llamados sistemas PCM
diferenciales adaptativos.

DPCM con cuantizacin adaptativa (ADPCM)

La discusin sobre la cuantizacin adapativa en la seccin 3.1.2 puede aplicarse directamente al
caso de DPCM. Como se seal en la seccin 3.1.2, existen dos acercamientos bsicos al control
de cuantizadores adaptativos.
La figura 6 muestra cmo se usa un cuantizador adaptativo del tipo de alimentacin hacia delante
en un sistema ADPCM. En los esquemas de este tipo, el tamao del paso del cuantizador es
proporcional a la varianza de la entrada del cuantizador. Sin embargo, como la seal diferencia d(n)
ser proporcional a la entrada, es razonable controlar el tamao del paso ya sea a partir de d(n) o,
como se muestra en la figura 6, a partir de la entrada, x(n). Los procesos de adaptacin del tamao
del paso pueden proveer mejoras en el SNR de alrededor de 5dB sobre el PCM no adaptativo de
ley estndar. Esta mejora junto con los 6dB que se pueden obtener de la configuracin diferencial
con prediccin fija indican que ADPCM con prediccin adaptativa de alimentacin hacia delante
proporcionara un SNR de 10-11 dB mayor que el obtenido con un cuantizador fijo con el mismo
nmero de niveles.

Sistema de
adaptacin del
tamao de paso

(n)

...
x(n)

d(n)

Codificador

Q[ ]

c(n)

...

P(z)

(a)

30

(n)

...
Decodificador

c(n)

...
P(z)

(b)
Figura 6. Sistema ADPCM con cuantizacin adaptativa de alimentacin hacia delante; (a)
codificador; (b) decodificador.
La figura 7 muestra cmo puede ser usado un cuantizador adaptativo de realimentacin en un
sistema ADPCM. De la misma forma que en el caso del uso de un cuantizador adaptativo de
alimentacin hacia delante, en este caso se esperan mejoras de 10-11dB en el SNR con respecto a
un cuantizador fijo con el mismo nmero de niveles.
(n)

Lgica

...
x(n) +

d(n)

Q[ ]

Codificador

c(n)

...

P(z)

(a)
Lgica

(n)

...
c(n)

Decodificador

...
P(z)
(b)

Figura 6. Sistema ADPCM con cuantizacin adaptativa de realimentacin; (a) codificador; (b)
decodificador.

31

Ejemplo 1. Considere el modulador delta de la figura 2. La entrada son las muestras de

~ (n ) 0.8 x
~
x (t ) 8sent , iniciando en t1=1/5 s, con T=t1. Si x
i
i 1 y x1 0 .
Escribir en una tabla los
valores
de x(nT), d(n),

~( n ) y x
(n )
d (n ) , x
para el primer medio
ciclo, si el cuantizador
toma el valor =2.
Solucin.

~( n )
x

n 0.8 x (n 1)
8sen
5
x(nT)

=4 si 2<|d(n)|

~ ( n ) 1.1x
y x
i
i 1 con
~ 0
x
1

d (n )
sign(d(n))

x (n )

d (n ) +
~( n )
x

d(n)
x(n)-

d (n )
sign(d(n))

x (n )

d (n ) +
~( n )
x

~( n )
x

1
2
3
4
5

Ejemplo 2. Usando el ejemplo anterior pero ahora DPCM,

~( n )
x(nT)
x
con

n1.1x ( n 1)
n
8sen
=1 si |d(n)|1
=2 si 1<|d(n)|2

d(n)
x(n)-

~( n )
x

1
2
3
4
5

Hacer lo solicitado.

32

Ejemplo 3. Considere la seal y el sistema DM del ejemplo 1 con la adaptacin:

d(n-1)=|x((n-1)T)
x ( n 1) |
d(n-1)>2
2>d(n-1)>1.5
1>d(n-1)>0.5
d(n-1)<0.5

4
3
1
0.5

Si 1.5>e(n-1)1, no cambia. Rehacer la tabla y la grfica.

Solucin.

~( n )
x

n 0.8 x (n 1)
8sen
5
x(nT)

n
1
2
3
4
5

d(n)
x(n)-

~( n )
x

d (n )
sign(d(n))

x (n )

d (n ) +
~( n )
x

e(n)
|x((n)T)
x (n ) |

4.7
7.61
7.61
4.7
0

33