用於計算頻譜包絡數目的裝置與方法

2023-06-05 15:57:16

專利名稱：用於計算頻譜包絡數目的裝置與方法
技術領域：
本發明有關於用於計算頻譜包絡數目的裝置與方法、音頻編碼器及用於編碼音頻 信號的方法。
背景技術：
自然音頻(natural audio)編碼及語音(speech)編碼是編解碼器針對音頻信號 的兩個主要任務。自然音頻編碼一般地以中等比特率用於音樂或任意信號且大體上提供寬 音頻帶寬。另一方面，語音編碼器基本上限於語音再現，但可以以極低的比特率使用。寬帶 語音提供了優於窄頻帶語音的重要的主觀質量改進。增加帶寬不僅提高了語音的可懂度及 自然度，而且還提高了對說話者的辨識。因此，寬帶語音編碼在下一代電話系統中是重要的 課題。而且，由於多媒體領域巨大的發展，通過電話系統以高質量傳輸音樂及其它非語音信 號是希望的特徵。為了大大地減少比特率，可使用分頻帶(split-band)感知音頻編解碼器來執行 源編碼。這些自然音頻編解碼器利用信號中的感知無關(perceptional irrelevancy)及統 計冗餘。此外，減少採樣率從而減少音頻帶寬是常見的。減少組成層次數目偶爾地允許音 頻的量化失真及利用通過強度編碼之立體聲場降級也是常見的。過多使用此類方法會導致 惱人的感知降級。為了提高編碼性能，在基於高頻重建(high frequency reconstruction, HFR)編解碼器中使用頻帶複製作為有效的方法來產生高頻信號。頻帶複製(spectral band replication, SBR)包含作為流行的感知音頻編碼器 (諸如MP3及高級音頻編碼(AAC))的附加物而獲得普及的技術。SBR包含帶寬擴展的方 法，其中使用現有技術的編解碼器來編碼該頻譜的低頻帶(基頻帶或核心頻帶)，而上頻帶 (或高頻帶)使用少數參數來粗略地參數化。SBR藉由使用提取的高頻帶特徵從該較低頻 帶預測該較寬帶帶信號來利用在該低頻帶與該高頻帶間的相關性。這經常是足夠的，因為 人類的耳朵相比較於該較低頻帶而言對該較高頻帶的失真較不敏感。因此，新的音頻編碼 器使用例如MP3或AAC來編碼該較低頻譜而使用SBR來編碼該較高頻帶。該SBR算法的關 鍵是用來描述該信號之較高頻率部分的信息。此算法的主要設計目的是在不引入任何偽信 號(artifact)的情況下重建較高頻頻譜並提供良好的頻譜及時間解析度。例如，在該分析 部分及該編碼器使用64頻帶復值多相濾波器組；使用該濾波器組來獲得例如該原始輸入 信號的高頻帶之能量採樣。接著這些能量採樣可作為供在該解碼器使用的包絡調整方案之 參考值使用。頻譜包絡在一般意義上指信號的粗略頻譜分布，且包含例如線性的基於預測的編 碼器中之濾波器係數或子頻帶編碼器中之子頻帶採樣的時頻(time-frequency)平均值集 合。接著，包絡數據是指該已量化及編碼的頻譜包絡。特別地，如果該較低頻帶以低比特率 編碼，該包絡數據構成該比特流的較大部分。因此，當特別是使用較低比特率時，簡潔地表 示該頻譜包絡是重要的。頻帶複製利用基於例如在編碼期間截斷的諧波序列的複製的工具。此外，頻帶複製調整該所產生的高頻帶之頻譜包絡且應用反向濾波並加入噪聲及諧波成份以再生該原 始信號的頻譜特性。因此，該SBR工具的輸入包含例如已量化的包絡數據、雜項控制數據、 來自該核心編碼器(例如AAC或MP3)的時域信號。該SBR工具的輸出是時域信號或例如 信號的QMF域(QMF =正交鏡像濾波器)表示，例如在使用該MPEG環繞工具時。可在標準 IS0/IEC 14496-3 :2005副條款4. 5. 2. 8中找到針對該SBR有效載荷的比特流元素之描述， 且其中特別包含SBR擴展數據、SBR報頭，並指示在SBR幀中的SBR包絡的數目。對於SBR在該編碼器端的實施，對輸入信號執行分析。使用自此分析所獲得的信 息來選擇當前SBR幀的適當的時間/頻率解析度。該算法計算在當前SBR幀中的SBR包絡 的開始及停止時間邊界、SBR包絡數目及它們的頻率解析度。不同的頻率解析度如例如在 該IS0/IEC 144963標準、副條款4. 6. 18. 3中所描述的來計算。該算法還針對給定的SBR 幀計算噪聲層(noise floor)的數目及該噪聲層的開始及停止時間邊界。該等噪聲層的開 始及停止時間邊界應為頻譜包絡的開始及停止時間邊界的子集。該算法將當前的SBR幀分 成四類FIXFIX-該前導(leading)及尾部(trailing)時間邊界都等於標稱的SBR幀邊 界。在該幀中所有的SBR包絡時間邊界在時間上一致地分布。包絡的數目是二的整數次冪 (1,2,4,8,...)。FIXVAR-該前導時間邊界等於前導標稱幀邊界。該尾部時間邊界是可變的且可由 比特流元素來定義。在該前導及該尾部時間邊界間的所有的SBR包絡時間邊界可以被指定 為以時隙而計的自該尾部時間邊界開始至前一邊界的相對距離。VARFIX-該前導時間邊界是可變的且由比特流元素來定義。該尾部時間邊界等於 該尾部標稱幀邊界。在該前導及該尾部時間邊界間的所有的SBR包絡時間邊界在比特流中 被指定為以時隙而計的自該前導時間邊界開始至前一邊界的相對距離。VARVAR-該前導及尾部時間邊界都是可變的且可在比特流中定義。在該前導及尾 部時間邊界間的所有的SBR包絡時間邊界也被指定。自該前導時間邊界開始的相對時間邊 界被指定為到前一時間邊界的相對距離。自該尾部時間邊界開始的相對時間邊界被指定為 到前一時間邊界的相對距離。在SBR幀類別轉換上沒有限制，S卩，在該標準中允許類別的任意序列。然而，依據 此標準，對於類別FIXFIX，每個該SBR幀的SBR包絡之最大數目限制為4及對於類別VARVAR 每個該SBR幀的SBR包絡之最大數目限制為5。類別FIXVAR及VARFIX在語法上限制為四 個SBR包絡。在該時間區段上及以由時間/頻率方格(grid)給定的頻率解析度來估計SBR幀 的頻譜包絡。藉由在給定的時間/頻率區域上計算的平方複數子頻帶採樣的平均值來估計 該SBR包絡。一般地，在SBR中，通過使用可變長度的特定包絡，瞬變(transient)接受特定處 理。瞬變可由常規信號中在一短時間段內出現能量強勁增加的部分來定義，這可以或可以 不限制在特定頻率區域上。針對瞬變的例子是響板及打擊樂器的擊打，而且還有人類發音 的某些聲音，例如字母Ρ、Τ、K...。目前始終以同一方式或由同一算法(使用瞬變閾值) 來實施對此瞬變的檢測，而與信號無關，不論該信號是被分類為語音還是被分類為音樂。另 外，有聲(voiced)與無聲(unvoiced)語音之間的可能的區別不影響常規的或傳統的瞬變檢測機制。因而，如果檢測到瞬變，應該調整該SBR數據以使得解碼器可適當地複製該檢測 的瞬變。在WO 01/26095中，揭露了用於頻譜包絡編碼的裝置及方法，其考慮了該音頻信號 中檢測的瞬變。在此常規方法中，藉由將來自一固定大小的濾波器組之子頻帶採樣自適應 地分組成為每個產生一個包絡採樣的頻帶與時間區段，來獲得該頻譜包絡的非一致的時間 與頻率採樣。該相對應的系統預設為長時間區段及高頻率解析度，但在瞬變附近使用較短 時間區段，藉此可使用較大頻率步長以保持該數據大小在限額內。如果檢測到瞬變，該系統 自FIXFIX幀切換到FIXVAR幀，隨後是VARFIX幀，以使得包絡邊界正好定位在該檢測的瞬 變前。每當檢測到瞬變時重複此步驟。如果只是緩慢的能量波動變化，該瞬變檢測器將不檢測該變化。然而，如果處理不 當，這些變化可能足以產生可感知的偽信號。簡單的解決方案可能是降低該瞬變檢測器中 的該閾值。然而，這將導致在不同幀間(FIXFIX至FIXVAR+VARFIX)的頻繁切換。結果，必 須傳輸大量的額外數據，暗示不佳的編碼效率，特別是如果該緩慢增長持續超過較長時間 (例如，超過多個幀)的話。這是不可接受的，因為該信號不包含可證明較高數據率是正當 的複雜性，因而這不是解決該問題的選擇。

發明內容
因此，本發明之一目的是提供一種裝置，該裝置允許不具有可感知的偽信號之有 效編碼，特別是對包含緩慢變化的能量的信號，該緩慢變化的能量太低而不能被該瞬變檢 測器所檢測。該目的由如權利要求1所述之裝置、如權利要求11所述之編碼器、如權利要求13 所述之用於計算頻譜包絡數目之方法或如權利要求14所述之用於產生數據流之方法來實 現。本發明基於如下發現可藉由依據給定信號以靈活的方式調整SBR幀內的頻譜包 絡數目來提高傳輸的音頻信號的感知質量。這藉由比較在該SBR幀內的相鄰時間部分的音 頻信號來實施。該比較藉由決定該音頻信號在該時間部分內之能量分布來實施，以及決策值測量 兩相鄰時間部分的能量分布的偏差。視該決策值是否違規了閾值而定，包絡邊界位於相鄰 時間部分之間。該包絡之另一邊界可在該SBR幀之開頭或末尾或者，備選地，也可在該SBR 幀內之另兩個相鄰的時間部分之間。因此，該SBR幀不像例如在常規裝置中那樣被適配或改變，在常規裝置中，執行自 FIXFIX幀到FIXVAR幀或到VARFIX幀的改變以處理瞬變。取而代之的是，實施例使用變化 的包絡數目(例如，在FIXFIX幀內)，以考慮到該音頻信號之變化的波動，使得即使是緩慢 變化的信號也可產生變化的包絡數目，於是允許由解碼器中的SBR工具產生較好的音頻質 量。該已決定的包絡可例如涵蓋該SBR幀中之相等時間長度的部分。例如，該SBR幀可被 劃分成預定數目的時間部分(例如該預定數目可包含4、8或2的其它整數次冪)。每個時間部分之該頻譜能量分布可以只涵蓋藉由SBR複製的上頻帶。另一方面， 該頻譜能量分布也可與整個頻帶(上頻帶或下頻帶)有關，其中該上頻帶可以或可以不以 大於該下頻帶之權重來加權。通過此過程，該閾值之已有的一次違規可能足以增加包絡數目或足以使用該SBR幀內之最大包絡數目。進一步的實施例還可包含信號分類器工具，該信號分類器工具分析該原始輸入信 號並由此產生控制信息，該控制信息觸發不同編碼模式的選擇。該不同編碼模式可例如包 含語音編碼器及一般音頻編碼器。該輸入信號之分析是與實施相關的，其目標是針對給定 輸入信號幀選擇最佳核心編碼模式。當只使用低比特率來編碼時，該最佳與可感知高質量 的平衡相關。該信號分類器工具之輸入可以是該原始未修改的輸入信號和/或額外的與實 施相關的參數。該信號分類器工具之該輸出例如可以是控制該核心編解碼器之選擇的控制 信號。例如，如果該信號被識別或分類為語音，該帶寬擴展(BWE)的類時(time-like)分 辨率可增加(例如增加較多包絡)，以使得可較好的考慮類時能量波動(緩慢地或強勁地波 動)°此方法考慮到具有不同時間/頻率特性之不同信號在關於帶寬擴展的特性上具 有不同的要求。例如，瞬變信號(例如出現在語音信號中)需要BffE的精細時間解析度，該 交越(crossover)頻率(意思是核心編碼器之上頻率邊界)應該儘可能的高。特別是在有 聲語音中，失真的時間結構會降低感知的質量。另一方面，聲調信號經常需要頻譜成份的 穩定再現及該再現的高頻部分的匹配諧波圖案(pattern)。聲調部分的該穩定再現限制了 核心編碼器帶寬，其不需要具有精細的時間解析度的BWE，而是具有較精細的頻譜解析度的 BWE。在切換語音/音頻核心編碼器設計中，還可能使用該核心編碼器決策來適配BWE的時 間及頻譜特性，以及適配核心編碼器帶寬以適於該信號特性。如果所有的包絡包含相同的時間長度，視所檢測到的違規(在哪一時間)而定，包 絡數目可因幀不同而不同。實施例例如以如下方式針對SBR幀決定包絡數目。可能以具有 最大可能包絡數目(例如8)之一部分開始並逐步減少包絡數目，藉此視該輸入信號而定而 使用不多於使該信號能夠以可感知的高質量再現所需的包絡。例如，已經在該幀內之時間部分之第一邊界被檢測到的違規可導致最大包絡數 目，而只在第二邊界檢測到的違規可導致最大包絡數目的一半。為了減少要被傳輸的數據， 在進一步的實施例中，該閾值可視時刻而定(即，視目前所分析的是哪一邊界而定)。例如， 在該第一及第二時間部分之間(第一邊界)及在該第三及第四時間部分之間(第三邊界)， 該閾值在這兩種情況下可比在該第二及第三時間部分之間(第二邊界)時大。因此，統計 上，在該第二邊界比在該第一或第三邊界將存在較多的違規，因而更可能導致較少的包絡， 這將是較佳的(更多細節見下文)。在進一步的實施例中，預定數目的後續時間部分中的時間部分的時間長度等於最 小時間長度，針對該最小時間長度決定單一包絡，其中決策值計算器適於針對具有該最小 時間長度的兩個相鄰的時間部分計算決策值。更進一步的實施例包含用來提供額外旁側(side)信息的信息處理器，該額外旁 側信息包含該音頻信號的時間序列內的第一包絡邊界及第二包絡邊界。在進一步的實施例 中，該檢測器適於以時間順序研究相鄰時間部分之間的邊界中的每個邊界。實施例還在編碼器中使用用於計算包絡數目的裝置。該編碼器包含用於計算頻譜 包絡數目的該裝置及用於使用此數目來計算針對SBR幀的頻譜包絡數據的包絡計算器。實 施例還包含用於計算包絡數目的方法及用於編碼音頻信號的方法。
因而，使用在FIXFIX幀內之包絡是為了較好地模型化因太緩慢以致未被檢測為 瞬變或被分類為瞬變而未受該瞬變處理涵蓋之能量波動。在另一方面，如果該能量波動由 於不足的類時解析度而沒有得到適當的處理，它們足夠快導致偽信號。因而，依據本發明的 包絡處理將考慮到緩慢變化的能量波動而不僅是瞬變之特徵的強勁或快速的能量波動。因 此，本發明之實施例允許以較佳質量進行較高效的編碼，特別是對於具有緩慢變化能量的 信號，其波動強度太低而不能被常規的瞬變檢測器檢測到。


本發明現在將通過所說明的例子來予以描述。通過參考下面詳細的應參考該等附 圖考慮之描述將較容易了解及較好的理解本發明之特徵，其中圖1顯示依據本發明的實施例的用於計算頻譜包絡數目的裝置的框圖；圖2顯示包含包絡數目計算器的SBR模塊的框圖；圖3a和北顯示包含包絡數目計算器的編碼器的框圖；圖4示出預定數目的時間部分中的SBR幀的分區；圖fe至5c顯示針對包含涵蓋不同數目的三個時間部分的包絡的SBR幀的另一分 區；圖6a和6b示出針對相鄰時間部分中的信號的頻譜能量分布；以及圖7a至7c顯示包含對於音頻信號產生不同時間解析度的可選音頻/語音切換的 編碼器。
具體實施例方式下面描述的實施例只是用來說明用於改良例如在音頻編碼器中所使用的頻帶復 制的本發明的原理。要明白的是，本文所描述的安排及細節的修改和變化對本領域的技術 人員而言將是明顯的。因而，意圖是不受作為本文的該等實施例之描述及說明所呈現之該 等特定細節所限制。圖1顯示用於計算頻譜包絡104之數目102的裝置100。該頻譜包絡104藉由頻 帶複製編碼器來導出，其中該編碼器適於使用在自初始時間to延伸至最後時間tn的頻帶 複製幀(SBR幀)中的預定數目的後續時間部分110內的多個採樣值來編碼音頻信號105。 該預定數目的後續時間部分110按該音頻信號105給定的時間序列排列。該裝置100包含用來決定決策值125的決策值計算器120，其中該決策值125測 量一對相鄰時間部分在頻譜能量分布上的偏差。該裝置100進一步包含用來藉由該決策值 125檢測閾值的違規135的違規檢測器130。此外，該裝置100包含處理器140(第一邊界 決定處理器)，該處理器140用於當檢測到閾值的違規135時決定在該對相鄰時間部分之間 的第一包絡邊界145。該裝置100還包含處理器150 (第二邊界決定處理器)，該處理器150 對於具有該第一包絡邊界145的包絡104，根據針對其它對的閾值的違規135或根據該SBR 幀中的該對或其它對的時間位置，來決定在一不同對的相鄰時間部分之間或在該初始時間 t0或在最後時間tn的第二包絡邊界155。最後，該裝置100包含處理器160(包絡數目處 理器)，該處理器160用來確立具有該第一包絡邊界145及該第二包絡邊界155的頻譜包絡 104的數目102。
進一步的實施例包含裝置100，其中預定數目的後續時間部分110的時間部分的 時間長度等於最小時間長度，針對該最小時間長度決定單一包絡104。此外，該決策值計算 器120適於針對具有該最小時間長度的兩個相鄰時間部分計算決策值125。圖2顯示針對包含該包絡數目計算器100 (在圖1中顯示)的SBR工具的實施例， 該實施例藉由處理該音頻信號105來決定頻譜包絡104的數目102。該數目102被輸入計 算來自該音頻信號105的包絡數據205的包絡計算器210。使用數目102，該包絡計算器 210把該SBR幀劃分成由頻譜包絡104涵蓋的部分，且對於每個頻譜包絡104，該包絡計算 器210計算該包絡數據205。該包絡數據包含例如已量化及編碼的頻譜包絡，且在解碼器端 需要此數據來產生高頻帶信號及應用反向濾波、加入噪聲及諧波成份以複製原始信號的頻 譜特性。圖3a顯示針對編碼器300的實施例，該編碼器300包含SBR相關模塊310、分析 QMF組320、下採樣器330、AAC核心編碼器340及比特流有效載荷格式化器350。另外，該 編碼器300包含該包絡數據計算器210。該編碼器300包含針對PCM採樣(音頻信號105; PCM=脈衝碼調製)的輸入，該輸入連接到分析QMF組320，並連接到該SBR相關模塊310以 及連接到該下採樣器330。接著，該分析QMF組320連接到該包絡數據計算器210，接著該 包絡數據計算器210連接到該比特流有效載荷格式化器350。該下採樣器330連接到AAC 核心編碼器340，接著，該AAC核心編碼器340連接到該比特流有效載荷格式化器350。最 後，該SBR相關模塊310連接到該包絡數據計算器210且連接到該AAC核心編碼器340。因此，該編碼器300 (在該下採樣器採樣器330中)對該音頻信號105下採樣以 產生核心頻帶中的成份，該成份被輸入到該AAC核心編碼器340中，該AAC核心編碼器340 對該核心頻帶中的該音頻信號進行編碼並轉送已編碼的信號給比特流有效載荷格式化器 350，在比特流有效載荷格式化器350中將該核心頻帶的已編碼的音頻信號加入到編碼的 音頻流355中。在另一方面，由該分析QMF組320來分析該音頻信號105，該分析QMF組 320提取該高頻帶的頻率成份並將這些信號輸入到該包絡數據計算器210中。例如，64子 帶QMF組320執行該輸入信號的子帶濾波。來自該濾波器組的輸出(即該子帶採樣)是復 值的(complex-valued)，因此相比於正常的QMF組是以因子2過採樣的。該SBR相關模塊310藉由將例如包絡104的數目102提供給包絡數據計算器210 來控制包絡數據計算器210。該包絡數據計算器210使用數目102及由該分析QMF組320 所產生的音頻成份來計算該包絡數據205並將該包絡數據205轉送到該比特流有效載荷格 式化器350，該比特流有效載荷格式化器350將該包絡數據205與由該核心編碼器340編碼 的成份組合到編碼的音頻流355中。因而圖3a顯示了估計由高頻重建方法在解碼器上使用的若干參數的SBR工具的 編碼器部分。圖3b顯示了針對SBR相關模塊310的示例，其包含包絡數目計算器100(在第圖 1中顯示)及可選的其它SBR模塊360。該SBR相關模塊310接收該音頻信號105並輸出 包絡104的數目102，以及由該其它SBR模塊360所產生的其它數據。該其它SBR模塊360例如可包含常規的瞬變檢測器，該瞬變檢測器適於檢測在該 音頻信號105中的瞬變且還可獲得包絡的數目和/或位置，以使該SBR模塊可以或可以不 計算由高頻重建方法在解碼器上使用的參數中的一部分(SBR參數)。
如前所述，在SBR中，SBR時間單元(SBR幀)可被分成各種數據塊，即所謂的包絡。 如果此劃分或分區是一致的，即所有的包絡104具有相同的大小且第一包絡以幀邊界開始 及最後包絡以幀邊界結束，那麼該SBR幀被定義為FIXFIX幀。圖4示出這樣的針對SBR幀的數目102個頻譜包絡104的分區。該SBR幀涵蓋該 初始時間t0與最後時間tn之間的時間段，並且在圖4所示的該實施例中，該SBR幀被劃分
為8個時間部分第一時間部分111、第二時間部分112.....第七時間部分117及第八時間
部分118。這8個時間部分110由7個邊界分開，這就是說邊界1位於該第一及第二時間部 分111、112之間，邊界2位於該第二部分112與第三部分113之間，如此繼續直到邊界7介 於該第七部分117與該第八部分118之間。在標準IS0/IEC 14496-3中，FIXFIX幀中的包絡104的最大數目被限制為四(見 段落4. 6. 18. 3. 6，子部分4)。一般地，在該FIXFIX幀中的包絡104的數目可以是二的冪次 (例如，1、2、4)，其中如果在同一幀中沒有檢測到瞬變時只使用FIXFIX幀。另一方面，在常 規的高效AAC編碼器實施中，包絡104的最大數目被限制為二，即使標準的規範理論上允許 多達四個包絡。每幀的包絡104的數目可增加到例如八(見圖4)，以使FIXFIX幀可包含 1、2、4或8個包絡(或2的另一冪次)。當然，包絡104的任一其它數目102也是可能的， 以使包絡104的最大數目(預定數目)可以只受到具有每SBR幀32個QMF時隙的QMF濾 波器組的時間解析度的限制。包絡104的數目102例如可如下計算。該決策值計算器120測量在成對的相鄰時 間部分110的頻譜能量分布中的偏差。例如，這就是說，該決策值計算器120針對該第一時 間部分111計算第一頻譜能量分布，根據在該第二時間部分112中的頻譜數據來計算第二 頻譜能量分布，等等。然後，將該第一頻譜能量分布與該第二頻譜能量分布相比較，並根據 該比較導出該決策值125，其中在此例子中該決策值125與在該第一時間部分111及該第二 時間部分112之間的邊界1有關。相同的過程可應用到該第二時間部分112及該第三時間 部分113，以使針對這兩個相鄰的時間部分也導出兩個頻譜能量分布，並且接著這兩頻譜能 量分布由該決策值計算器120進行比較，以導出進一步的決策值125。下一步，該檢測器130將把該導出的決策值125與閾值比較，如果違反了該閾值， 則該檢測器130將檢測到違規135。如果該檢測器130檢測到違規135，則該處理器140決 定第一包絡邊界145。例如，如果該檢測器130在該第一時間部分111與該第二時間部分 112之間的邊界1處檢測到違規，則該第一包絡邊界14 定位在該邊界1的時間處。在圖4的實施例中，其中只有幾種可能性對於區組(granule)/邊界而言是被允許 的，這就是說完成了整個過程，且如由在104a、104b指示的小包絡所指示的那樣來設定所 有的邊界。在此情況下，邊界將在所有的時間0、1、2.....η上。然而，當要將該第一邊界設定在例如時刻4上時，則必須完成針對該第二邊界的 搜索。如圖4所指示，該第二邊界可以在3、2、0處。如果該邊界在3處，則結束整個過程， 因為設定了最小的包絡l(Ma、104b。如果該邊界在2處，則必須繼續該搜索，因為還沒有確 認可以使用中等包絡(如14 所示)。即使如果該邊界在0處，還沒有決定的是在後半部 中(即4與η之間)不存在邊界。如果在後半部中不存在邊界，則可設定最寬的包絡。如 果存在邊界，例如在5處，則必須使用最小包絡。如果只在6處存在邊界，則使用該中等包
然而，當允許針對該包絡的完全靈活或較靈活的模式時，當已決定第一邊界在1 處時該過程繼續。接著，該處理器150決定第二包絡邊界155，該第二包絡邊界155在另一 對相鄰時間部分之間或與該初始的時間t0或該最後時間tn重合。在圖4所示的該實施例 中，該第二包絡邊界15 與該初始時間t0重合(產生第一包絡104a)及另一第二包絡邊 界15 與在該第二時間部分112及該第三時間部分113之間的邊界2重合(產生第二包 絡104b)。如果在該第一時間部分111與該第二時間部分112之間的邊界1處未檢測到違 規，則該檢測器130將繼續研究在該第二時間部分112與該第三時間部分113之間的邊界 2。如果存在違規，則另一包絡10 自該開始時間t0延伸至該邊界2。依據本發明之實施例，對於一對相鄰包絡而言，該決策值125測量頻譜能量分布 的偏差，其中每個頻譜能量分布涉及該音頻信號在時間部分內的一部分。在8個包絡的該 例子中，存在總數為7個的測量(=在相鄰時間部分之間的7個邊界)或，一般地，如果存 在η個包絡，則存在η-1個測量(決策值125)。接著，這些決策值125中的每一個可與閾 值比較，且如果該決策值125(測量)違反該閾值，則包絡邊界將被定位在該兩個相鄰的包 絡之間。視該決策值125及該閾值的定義而定，該違規可以是決策值125大於或小於該閾 值。如果該決策值125小於該閾值，則該頻譜分布可能不會隨著包絡到包絡而發生強烈的 改變。因此，在此位置(=時刻)可能不需要包絡邊界。在優選實施例中，包絡104之數目102包含二的冪次，且此外，每個包絡包含相等 的時間段。這就是說，存在四種可能性第一種可能性是整個SBR幀被單一包絡涵蓋(在圖 4中未示出)，第二種可能性是該SBR幀被2個包絡涵蓋，第三種可能性是該SBR幀被4個 包絡涵蓋，以及最後的可能性是該SBR幀被8個包絡涵蓋(在圖4中自下而上顯示)。以特定順序研究該邊界可能是有利的，因為如果在奇數邊界(邊界1、邊界3、邊界
5、邊界7)處存在違規，則包絡的數目將始終為八(假設是相同大小的包絡)。另一方面，如 果在邊界2及邊界6處存在違規，則存在四個包絡，以及最後，如果只在邊界4處存在違規， 則將編碼兩個包絡，以及如果在該7個邊界中的任一個處都不存在違規，則整個SBR幀被單 一包絡所涵蓋。因此，該裝置100可首先研究該邊界1、3、5、7且如果在這些邊界之一處檢 測到違規，則該裝置100可研究下一 SBR幀，因為在此情況下，整個SBR幀將以最大包絡數 目來編碼。在研究這些奇數邊界後且如果在該奇數邊界處沒有檢測到違規，則作為下一步， 該檢測器130可研究該邊界2及邊界6，藉此，如果在這兩邊界之一處檢測到違規，則包絡數 目將為四且該裝置100可再一次轉往下一 SBR幀。作為最後一步，如果就該邊界1、2、3、5、
6、7而言沒有檢測到違規，則該檢測器130可研究該邊界4及如果在邊界4檢測到違規，則 包絡數目被確定為二。對於一般情況(η個時間部分，其中η是偶數)，此過程也可再敘述如下。如果例如 在該奇數邊界處沒有檢測到違規，且因此該決策值125可小於該閾值，意味著(由那些邊界 分開的)相鄰包絡就該頻譜能量分布而言包含不大的差異，不需要將該SBR幀劃分成η個 包絡，取而代之地，劃分成η/2個包絡可能足夠了。另外，如果該檢測器130在是奇數兩倍 (例如在邊界2、6、10、...)的邊界處沒有檢測到違規，也不需要將包絡邊界放在這些位置， 因此，包絡之數目可進一步減少一半，即減少到η/4。此過程逐步繼續(下一步將是奇數4 倍的邊界，即4、12、...)。如果在所有的這些邊界處都沒有檢測到違規，則單一包絡對於整 個SBR幀是足夠的。
然而，如果奇數邊界處的決策值125中的一個決策值大於該閾值，則應該考慮η個 包絡，因為只有在這時包絡邊界將被定位在相對應的位置(因為假定所有的包絡具有相同 的長度)。在此情況下，將計算η個包絡，即便所有其它的決策值125小於該閾值。然而，該檢測器130也可針對所有時間部分110考慮所有的邊界且考慮所有的決 策值125，以計算包絡104的數目。由於包絡數目102的增加還意味著要被傳輸的數據量增加，所以可增加牽涉大量 包絡104的相對應包絡邊界的決策閾值。這就是說在邊界1、3、5及7處的閾值可選地可高 於在邊界2及6處的閾值，接著，在邊界2及6處的閾值可高於在邊界4處的閾值。較低或 較高閾值這裡是指該閾值的違規較可能或較不可能。例如較高閾值意味著在兩個相鄰時間 部分之間的頻譜能量分布的偏差可比較低閾值情況下較可容忍，因此對於高閾值而言，需 要該頻譜能量分布中的較嚴重的偏差以要求進一步的包絡。已選擇的閾值還可能視該信號(關於該信號是否被分類為語音信號或一般音頻 信號)而定。然而，如果該信號被分類為語音，則並不是一直減少(或增加)該決策閾值。 然而，視應用而定，如果對於一般音頻信號該閾值高，則這可能是有利的，以使在此情況下 包絡的數目一般小於針對語音信號的包絡的數目。圖5示出進一步的實施例，其中包絡的長度在SBR幀內變化。在圖fe中，顯示了 具有三個包絡104的例子，第一包絡104a、第二包絡104b及第三包絡l(Mc。該第一包絡 104a自該初始時間t0延伸到時間t2處的邊界2，該第二包絡104b自時間t2處的該邊界 2延伸到時間t5處的邊界5，以及該第三包絡l(Mc自時間t5處的邊界5延伸到最後時間 tn。如果所有的時間部分又是相同的長度及如果該SBR幀又是被劃分成八個時間部分，則 該第一包絡10 涵蓋該第一及第二時間部分111、112，該第二包絡104b涵蓋該第三時間部 分113、第四時間部分114及第該第五時間部分115，及該第三包絡l(Mc涵蓋該第六、第七 及第八時間部分。因而，該第一包絡10 小於該第二及該第三包絡104b及l(Mc。圖恥顯示只具有兩個包絡的另一實施例，第一包絡10 自該初始時間t0延伸到 該第一時間tl及第二包絡104b自該第一時間tl延伸到最後時間tn。因此，該第二包絡 104b延伸越過7個時間部分，而該第一包絡10 只延伸越過單一時間部分(第一時間部分 111)。第5c圖顯示的又是具有三個包絡104的實施例，其中該第一包絡10 自該初始 時間t0延伸到第二時間t2，該第二包絡104b自該第二時間t2延伸到第四時間t4，以及該 第三包絡l(Mc自該第四時間t4延伸到最後時間tn。這些實施例例如可被用在這種情況下包絡104的邊界只放在其間檢測到閾值違 規的相鄰時間部分之間或放在該初始時間to及最後時間tn。這就是說，在圖fe中，在時間 t2處檢測到違規及在時間t5處檢測到違規，而在剩餘的時刻tl、t3、t4、t6及t7沒有檢測 到違規。類似地，在圖恥中，只在時間tl處檢測到違規，導致針對該第一包絡10 及針對 該第二包絡104b的邊界，以及在圖5c中，只在該第二時間t2及該第四時間t4處檢測到違 規。為了解碼器能夠使用該包絡數據及能夠相應地複製該頻譜較高頻帶，該解碼器需 要該包絡104及該相對應的包絡邊界的位置。在先前所示的依賴該標準的實施例中，其中 所有的包絡104包含相同的長度，並且傳輸包絡的數目以使該解碼器可決定包絡邊界需要在哪裡是足夠的。然而，在圖5所示的這些實施例中，該解碼器需要包絡邊界位於哪個時間 的信息，因此可將額外的旁側信息(side information)放入該數據流中以便於使用該旁側 信息，該解碼器可保留邊界所處及包絡開始及結束的時刻。此額外的信息包含該時間t2及 t5 (在圖fe的情況中)、該時間tl (在圖恥的情況中)及該時間t2與t4 (在圖5c的情況 中)。圖6a及6b通過使用在該音頻信號105中之頻譜能量分布來顯示針對該決策值計 算器120的實施例。圖6a顯示針對給定時間部分(例如，該第一時間部分111)中的音頻信號的第一 採樣值集合610，並將此採樣的音頻信號與在第二時間部分112中的音頻信號的第二採樣 集合620相比較。該音頻信號被轉換到頻域以使採樣值集合610、620或他們的等級P顯示 為頻率f的函數。較低及較高頻帶由交越頻率f0分開，意味著對於比f0高的頻率將不傳 輸採樣值。該解碼器應藉由使用該SBR數據來複製這些採樣值取而代之。另一方面，例如 由AAC編碼器來編碼小於該交越頻率fO的採樣並傳輸到解碼器。該解碼器可使用來自該低頻帶的這些採樣值以複製高頻成份。因此，為了找到針 對在第一時間部分111中的第一採樣集合610與在第二時間部分112中的第二採樣集合 620的偏差的測量，只考慮高頻帶(對於f > f0)中的採樣值可能是不夠的，還要考慮在低 頻帶中的頻率成份。一般地，如果在高頻帶中的頻率成份與在低頻帶中的頻率成份間存在 相關性，則將期望良好質量的複製。在第一步中，只考慮在該高頻帶(大於交越頻率f0)中 的採樣值並計算在該第一採樣值集合610與該第二採樣值集合620間的相關性可能是足夠 的。該相關性可藉由使用標準的統計方法來計算且可包含例如用於兩信號之相似性 的所謂的互相關函數的計算或其它統計測量。還有可用來估計兩信號之相關性的皮爾遜積 矩相關係數(Pearson，s product moment correlation coefficient) 該皮爾遜係數也 被稱為採樣相關係數。一般地，相關性指示兩個隨機變量(本實例中為兩個採樣分布610 與620)之間的線性關係的強度與方向。因此，相關性是指兩個隨機變量與無關性的偏離。 在此廣泛意義上，存在若干個測量相關度的係數適於數據本質，以便於針對不同的情況使 用不同的係數。圖6b顯示第三採樣值集合630及第四採樣值集合640，它們可例如與第三時間部 分113和第四時間部分114中的採樣值有關。再一次地，為了比較這兩個採樣(或信號) 集合，考慮兩個相鄰時間部分。相比於在圖6a中所顯示的情況，在圖6b中，引進閾值T以 便只考慮等級P大於(或更一般的違規)該閾值T的採樣值(P > T成立的採樣值)。在此實施例中，可僅藉由計數違反此閾值T的採樣值的數目來測量頻譜能量分布 的偏差，且該結果可確定決策值125。此簡單的方法將產生兩個信號之間的相關，而不執行 各個時間部分110中的各個採樣值集合的詳細統計分析。備選地，例如如上所述的統計分 析可僅應用於違反該閾值T的採樣。圖7a至7c顯示進一步的實施例，其中該編碼器300包含切換決策單元370及立 體聲編碼單元380。此外，該編碼器300還包含帶寬擴展工具，例如包絡數據計算器210和 SBR相關模塊310。該切換決策單元370提供在音頻編碼器372與語音編碼器373之間切換 的切換決策信號371。這些編碼中的每一編碼可使用不同數目的採樣值(例如對於較高解析度使用IOM個採樣值或對於較低解析度使用256個採樣值)來編碼核心頻帶中的音頻 信號。還可將該切換決策信號371供應給帶寬擴展(BWE)工具210、310。接著，該BffE工具 210,310將使用該切換決策信號371來例如調整用於決定頻譜包絡104的數目102的閾值， 並開啟/關閉可選的瞬變檢測器。將該音頻信號105輸入到該切換決策單元370並輸入到 該立體聲編碼單元380以使該立體聲編碼單元380可產生輸入到該頻帶擴展單元210、310 中的採樣值。視由切換決策單元370所產生的決策信號371而定，該帶寬擴展工具210、310 將產生頻帶複製數據，該頻帶複製數據接著被轉送到音頻編碼器372或語音編碼器373。該切換決策信號371是信號相關的且可由該切換決策單元370藉由分析該音頻信 號(例如通過使用可包含或不包含可變閾值的瞬變檢測器或其它檢測器)來獲得。備選地， 還可手動地調整該切換決策信號371或從數據流(包括在該音頻信號中)獲得該切換決策 信號371。該音頻編碼器372及該語音編碼器373的輸出又可被輸入到比特流格式化器 350(見圖3a)中。圖7b顯示針對該切換決策信號371的例子，其在小於第一時間ta及大於第二時 間tb的時間段期間檢測到音頻信號。在該第一時間ta與該第二時間tb之間，該切換決策 單元370檢測到語音信號，暗示針對該切換決策信號371的不同的離散值。因此，如圖7c所示，在該時間期間，檢測到該音頻信號，這就是說，在ta之前的時 間，該編碼的該時間解析度是低的，而在檢測到語音信號的該時段期間(在該第一時間ta 與該第二時間tb之間)，該時間解析度增加。該時間解析度增加意味著時域內較短的分析 窗。該增加的時間解析度還意味著上述增加數目的頻譜包絡(見對圖4的描述)。對於需要高頻率的精確時間表示的語音信號，由該切換決策單元370來控制用來 傳輸較多數目的參數集的決策閾值(例如在圖4中使用)。對於以切換核心編碼器的語音或 時域編碼部分373編碼的語音及類似語音的信號，要使用較多參數集的決策閾值例如可被 減小，從而增加了該時間解析度。然而，情況並不總是如上面提到的這樣。類時(time-like) 解析度按信號的適配與該基本編碼器結構(在圖4中未使用)無關。這就是說，所描述的 方法在SBR模塊只包含單一核心編碼器的系統中也是可用的。儘管在以裝置為上下文的情況下描述了一些方面，但是清楚的是這些方面也表示 相對應方法的描述，其中模塊或裝置對應於方法的步驟或方法步驟的特徵。類似地，在以方 法步驟為上下文的情況下描述的方面也表示相對應的模塊或相對應的裝置的項目或特徵 的描述。可將本發明的編碼音頻信號儲存在數字儲存介質上，或在諸如無線傳輸介質或有 線傳輸介質(如網際網路)的傳輸介質上傳輸。視某些實施需求而定，本發明之實施例可在硬體或在軟體中實施。該實施可通過 使用具有電子可讀取控制信號儲存於其上的數字儲存介質(例如軟盤、DVD、CD、ROM、PR0M、 EPROM、EEPROM或快閃記憶體)來實現，這些數字儲存介質與可編程計算機系統協作(或能夠協 作)以便於執行相應的方法。依據本發明的一些實施例包含具有電子可讀取控制信號的數據載體，該電子可讀 取控制信號能夠與可編程計算機系統協作，以便於執行本文所描述的方法當中的一種方法。
大體上，本發明之實施例可作為具有程序代碼的電腦程式產品來實施，當該計 算機程序產品運行在計算機上時，該程序代碼可操作以執行該方法當中的一種方法。該程 序代碼可例如儲存在機器可讀取載體上。其它實施例包含儲存在機器可讀取載體上、用來執行本文所描述的該方法當中的 一種方法的電腦程式。換言之，本發明方法的實施例進而是一種具有程序代碼的電腦程式，當該計算 機程序運行在計算機上時，程序代碼用來執行本文所描述的該方法當中的一種方法。本發明方法的進一步的實施例是一種數據載體(或數字儲存介質或計算機可讀 取介質)，該數據載體包含記錄於其上的、用來執行本文所描述的方法當中的一種方法的計 算機程序。本發明方法的進一步的實施例是數據流或信號序列，表示用來執行本文所描述的 方法中的一種方法的電腦程式。該數據流或信號序列例如可被配置為經由數據通信連接 (例如經由網際網路)而傳輸。進一步的實施例包含被配置或適配用於執行本文所描述的方法中的一種方法的 處理裝置(例如計算機或可編程邏輯器件)。進一步的實施例包含具有安裝在其上的、用來執行本文所描述的方法中的一種方 法的電腦程式的計算機。在一些實施例中，可編程邏輯器件(例如現場可編程門陣列)可用來執行本文所 描述的方法的一些或所有功能。在一些實施例中，現場可編程門陣列可與微處理器協作以 執行本文所描述的方法中的一種方法。大體上，該方法優選地由任何硬體裝置來執行。上面所描述的實施例只是用來說明本發明的原理。要明白的是本文所描述的安排 及細節的修改及變化對於本領域的技術人員而言將是顯而易見的。因此，意圖是只受後附 的權利要求書的限制，並不受本文中以對實施例的描述及說明所表示的特定細節的限制。
權利要求
1.一種用於計算要由頻帶複製(SBR)編碼器導出的頻譜包絡(104)的數目(102)的裝 置(100)，其中，所述SBR編碼器適於使用從初始時間(to)延伸到最後時間(tn)的SBR幀 內的預定數目的後續時間部分(110)中的多個採樣值來編碼音頻信號(105)，所述預定數 目的後續時間部分(110)按所述音頻信號(105)給定的時間序列排列，所述裝置(100)包 括決策值計算器(120)，用於決定決策值(125)，所述決策值(125)測量一對相鄰時間部 分的頻譜能量分布的偏差；檢測器(130)，用於藉由所述決策值(125)檢測閾值的違規(135)；處理器(140)，用於在檢測到閾值的違規時決定該對相鄰時間部分之間的第一包絡邊 界(145)；處理器(150)，基於針對不同對的相鄰時間部分的閾值的違規(13 或者基於所述SBR 幀中的該對或該不同對的時間位置，針對具有第一包絡邊界的包絡決定位於該不同對的 相鄰時間部分之間或在所述初始時間(t0)處或在所述最後時間(tn)處的第二包絡邊界 (155)；以及數目處理器(160)，用於確立具有第一包絡邊界(14 及第二包絡邊界(15 的頻譜包 絡(104)的數目(102)。
2.如權利要求1所述的裝置(100)，其中，所述預定數目的後續時間部分(110)中的 時間部分的時間長度等於最小時間長度，針對所述最小時間長度決定單一包絡，其中所述 決策值計算器(120)適於計算針對具有所述最小時間長度的兩個相鄰時間部分的決策值 (125)。
3.如權利要求1或2所述的裝置(100)，其中，所述處理器(140)適於在首次檢測到違 規(135)時確定第一邊界(145)，以及所述處理器(150)適於在將至少另一決策值(125)與 所述閾值比較後確定第二包絡邊界(巧5)。
4.如權利要求3所述的裝置(100)，進一步包括用於提供額外旁側信息的信息處理器， 所述額外旁側信息包括音頻信號(10 的時間序列中的第一包絡邊界(14 及第二包絡邊 界(155)0
5.如前述權利要求中任一項所述的裝置(100)，其中，所述檢測器(130)適於以時間順 序研究相鄰時間部分(110)之間的邊界中的每一個邊界。
6.如權利要求1或2所述的裝置(100)，其中，時間部分(110)的預定數目等於n，在相 鄰時間部分(110)之間具有n-1個邊界，這些邊界關於時間而編號和排序，以使這些邊界包 含偶數和奇數邊界，並且所述數目處理器(160)適於在所述檢測器(130)在奇數邊界處檢 測到違規(135)時確立η為頻譜包絡(104)的數目(102)。
7.如權利要求6所述的裝置(100)，其中，所述檢測器(130)適於首先在奇數邊界處檢 測違規(135)。
8.如前述權利要求中任一項所述的裝置(100)，其中，所述檢測器(150)適於決定第二 邊界(巧5)，使得頻譜包絡(104)包括相同的時間長度且頻譜包絡(104)的數目(10 是二 的冪次。
9.如權利要求8所述的裝置(100)，其中，所述預定數目等於8，並且所述數目處理器 (160)適於確立頻譜包絡(104)的數目(102)為1、2、4或8，使得頻譜包絡(104)中的每一個頻譜包絡包括相同的時間長度。
10.如權利要求8或9所述的裝置(100)，其中，所述檢測器(130)適於使用閾值，所述 閾值視違規(135)的時間位置而定，使得在產生較大數目的頻譜包絡(104)的時間位置比 產生較小數目的頻譜包絡(104)的時間位置使用較高的閾值。
11.如前述權利要求中任一項所述的裝置(100)，進一步包括具有瞬變閾值的瞬變檢 測器，所述瞬變閾值大於所述閾值，和/或進一步包括包絡數據計算器O10)，所述包絡數 據計算器(210)適於計算針對從第一包絡邊界(14 延伸到第二包絡邊界(155)的頻譜包 絡(104)的頻譜包絡數據。
12.如前述權利要求中任一項所述的裝置(100)，進一步包括被配置為提供切換決策 信號(371)的切換決策單元(370)，所述切換決策信號(371)發信號通知類似語音的音頻信 號以及類似一般音頻的音頻信號，其中所述檢測器(130)適於降低針對類似語音的音頻信 號的閾值。
13.一種用於編碼音頻信號(105)的編碼器(300)，包括核心編碼器(340)，用於編碼核心頻帶內的音頻信號(105)；如權利要求1至12中任一項所述的用於計算頻譜包絡(104)的數目(102)的裝置 (100)；以及包絡數據計算器010)，用於根據所述音頻信號(10 和所述數目(10 計算包絡數據。
14.一種用於計算要由頻帶複製(SBR)編碼器導出的頻譜包絡(104)的數目的方法，其 中，所述SBR編碼器適於使用從初始時間(t0)延伸到最後時間(tn)的SBR幀內的預定數 目的後續時間部分(110)中的多個採樣值來編碼音頻信號(105)，所述預定數目的後續時 間部分(110)按所述音頻信號(10 給定的時間序列排列，所述方法包括決定決策值(125)，所述決策值(12 測量一對相鄰時間部分的頻譜能量分布的偏差；藉由所述決策值(125)檢測閾值的違規(135)；在檢測到閾值的違規(13 時決定該對相鄰時間部分之間的第一包絡邊界(145)；基於針對不同對的相鄰時間部分的閾值的違規(13 或者基於所述SBR幀中的該對或 該不同對的時間位置，針對具有第一包絡邊界的包絡決定位於該不同對的相鄰時間部分之 間或在所述初始時間(t0)處或在所述最後時間(tn)處的第二包絡邊界(15 ；以及確立具有第一包絡邊界(1妨)及第二包絡邊界(15 的頻譜包絡(104)的數目(102)。
15.一種電腦程式，當在處理器上執行時，用於執行如權利要求14所述的方法。
全文摘要
一種裝置(100)，計算要由頻帶複製(SBR)編碼器導出的頻譜包絡(104)的數目(102)，其中，所述SBR編碼器適於使用從初始時間(t0)延伸到最後時間(tn)的SBR幀內的預定數目的後續時間部分(110)中的多個採樣值來編碼音頻信號(105)，所述預定數目的後續時間部分(110)按所述音頻信號(105)給定的時間序列排列。所述裝置(100)包括決策值計算器(120)，用於決定決策值(125)，所述決策值(125)測量一對相鄰時間部分的頻譜能量分布的偏差。所述裝置(100)進一步包括檢測器(130)，用於藉由所述決策值(125)檢測閾值的違規(135)。所述裝置(100)進一步包括處理器(140)，用於在檢測到閾值的違規時決定該對相鄰時間部分之間的第一包絡邊界(145)。所述裝置(100)進一步包括處理器(150)，基於針對不同對的相鄰時間部分的閾值的違規(135)或者基於所述SBR幀中的該對或該不同對的時間位置，針對具有第一包絡邊界的包絡決定位於該不同對的相鄰時間部分之間或在所述初始時間(t0)處或在所述最後時間(tn)處的第二包絡邊界(155)。所述裝置(100)進一步包括數目處理器(160)，用於確立具有第一包絡邊界(145)及第二包絡邊界(155)的頻譜包絡(104)的數目(102)。
文檔編號G10L19/02GK102089817SQ200980127116
公開日2011年6月8日 申請日期2009年6月23日 優先權日2008年7月11日
發明者烏爾裡赫·克裡默, 伯恩哈德·格裡爾, 哈拉爾德·波普, 尼古勞斯·雷特爾巴, 弗雷德裡克·內格爾, 曼努埃爾·揚德爾, 維爾吉利奧·巴奇加盧波, 馬克思·諾伊恩多夫, 馬庫斯·洛瓦索, 馬庫斯·穆爾特魯斯, 馬雷·蓋爾 申請人:弗勞恩霍夫應用研究促進協會