用以使用混疊切換方案將音頻信號編碼/解碼的裝置與方法

2023-06-28 02:07:46 4

專利名稱：用以使用混疊切換方案將音頻信號編碼/解碼的裝置與方法
技術領域：
本發明涉及音頻編碼，更特別地，涉及低比特率音頻編碼方案。
背景技術：
在現有技術中，已知頻域編碼方案，諸如MP3或AAC。這些頻域編碼器基於時域/ 頻域變換；隨後是量化級，其中使用來自心理聲學模塊的信息控制量化誤差；及編碼級，其 中使用碼錶對該已量化的頻譜係數及相對應輔助信息進行熵編碼。另一方面，存在極為適合用於語音處理的編碼器，諸如AMR-WB+，在3GPP TS 沈.290對此進行了說明。這種語音編碼方案執行時域信號的線性預測濾波。這種LP濾波 是由該輸入的時域信號的線性預測分析所導出。然後，所得的LP濾波係數經量化/編碼， 並作為輔助信息傳輸。該方法稱作為線性預測編碼(LPC)。在濾波器的輸出端，使用ACELP 編碼器的合成-分析級，或另外地，使用變換編碼器，對預測殘留信號或預測誤差信號(也 稱作為激勵信號)進行編碼，該變換編碼器使用具有重疊的傅立葉變換。ACELP編碼與變換 編碼激勵編碼(也稱作為TCX編碼)間的判定是使用閉環或開環算法進行的。組合AAC編碼方案及頻帶複製技術的頻域音頻編碼方案(諸如高效率-AAC編碼 方案)也可與藉助於術語「MPEG環繞」一詞而已知的聯合立體聲編碼工具或多聲道編碼工 具組合。另一方面，語音編碼器(諸如AMR-WB+)也有高頻加強級及立體聲功能。頻域編碼方案的優點在於，其對於音樂信號，以低比特率顯示高質量，但問題在於 低比特率的語音信號的質量。語音編碼方案即使以低比特率也對語音信號顯示高質量，但對音樂信號，以低比 特率顯示的質量不佳。頻域編碼方案經常使用所謂的MDCT(MDCT =修改型離散餘弦變換)。MDCT最初 在 J. Princen, A. Bradley 的「Analysis/Synthesis Filter Bank Design Based on Time Domain Aliasing Cancellation (基於時域混疊抵消的分析/合成濾波器組設計)」，IEEE Trans. ASSP,ASSP-34(5) :1153-1161,1986 中進行了說明。MDCT 或MDCT 濾波器組廣泛用於 近代且有效的音頻編碼器。這種信號處理提供下列優點各處理塊間的平滑交叉衰減即使各個處理塊的信號有不同變化(例如由於頻譜 係數的量化)，但由於窗口化重疊/加法操作，故不會因塊之間的突然轉換，造成遮蔽偽像。臨界採樣濾波器組的輸出端的頻譜值的數目等於其輸入端的時域輸入值與必須 傳輸的額外開銷值的數目。MDCT濾波器組提供高頻率選擇性及編碼增益。利用時域混疊抵消技術，可實現這些重大性質。時域混疊抵消是通過對兩相鄰已 窗口化信號進行重疊相加而在合成時進行的。如果在MDCT的分析級與合成級間未施加量 化，則獲得原始信號的完美重建。但該MDCT是用於特別適合音樂信號的編碼方案的。如前文所述，這些頻域編碼方案對於語音信號在低比特率下具有較低的質量，而特別適配的語 音編碼器與頻域編碼方案相比，在相似的比特率下具有較高質量，甚至對於相同質量具有 顯著更低的比特率。語音編碼技術(諸如定義於「Extended Adaptive Multi-Rate-Wideband (AMR-WB+) codec (延伸的適應性多速率-寬帶(AMR-WB+)編碼解碼 器)，3GPP TS 26. 290 V6. 3. 0，2005-06，技術規範」的所謂的AMR-WB+編碼解碼器)並未應 用MDCT，因此無法由MDCT的優異性質獲得任何優勢，特別地，MDCT 一方面仰賴臨界採樣處 理，而另一方面仰賴由一個塊至另一個塊的跨越。因此，通過MDCT所得的由一個塊至另一 個塊的跨越就比特率而言不會有任何犧牲，因此尚未在語音編碼器中獲得MDCT的臨界採 樣性質。當將語音編碼器及音頻編碼器組合於單一混合編碼方案中時，仍然存在以下問 題如何以低比特率及高質量獲得由一種編碼模式至另一種編碼模式的切換。

發明內容
本發明的目的是提供一種改良式編碼/解碼構想。本目的是通過如權利要求1的用於編碼音頻信號的裝置、如權利要求8的用於解 碼已編碼音頻信號的裝置、如權利要求14的已編碼音頻信號、如權利要求15的用於編碼音 頻信號的方法、如權利要求16的用於解碼已編碼音頻信號的方法、或如權利要求17的計算 機程序達成。本發明的一個方面在於應用混合編碼方案，其中應用特別適合某些信號並操作於 一個域的第一編碼模式，並且，共同使用特別適合其它信號並操作於不同域的另一編碼模 式。在本編碼/解碼構想中，由一個編碼模式至另一個編碼模式的臨界採樣切換為可能在 於，在編碼器端，已經由一次窗口化操作所產生的音頻採樣的同一個塊是以不同方式處理 的。特別地，音頻信號的該塊的混疊部的處理方式是在將與窗口的混疊部相關的子塊窗口 化之後，將該子塊由一個域變換至另一域；而在對相同窗口化操作所得的不同子塊使用分 析窗口窗口化之前，將該不同子塊由一域變換至另一域。已處理的第一子塊及已處理的第二子塊隨後使用相同塊變換規則變換成又一域， 來獲得該音頻信號的已變換的第一塊，其然後可使用眾所周知的數據壓縮算法(諸如量 化、熵編碼等)中的任一種進一步進行處理。在解碼器端，基於處理了該塊的混疊部還是該塊的其它另一部，以不同方式再度 處理此塊。混疊部是在進行合成窗口化之前被變換到目標域的，而另一部是在變換至目標 域之前接受合成窗口化處理的。此外，為了獲得臨界採樣性質，進行時域混疊抵消，其中在 另一已編碼的音頻信號塊的混疊部變換至目標域之後組合該音頻數據的窗口化混疊部及 該另一已編碼塊的窗口化混疊部，因此獲得與該第一塊的混疊部相對應的已解碼音頻信 號。有鑑於此，一個窗口確實存在有兩個子塊/部分。一個部分/子塊(混疊子塊)具有 混疊分量，其與在不同域中編碼的第二塊重疊；及第二子塊/部分(另一子塊)可具有或可 未具有混疊分量，其與第二塊或不同於第二塊的一塊重疊。優選地，引入彼此相對應但在不同域中編碼的某些部分的混疊可優異地用於通過 以不同方式處理音頻採樣的同一個已窗口化塊內部的混疊部及另一部，而獲得由一種編碼模式至另一種編碼模式的臨界採樣切換。此點與基於分析窗口及合成窗口的現有技術處理相反，原因在於至目前為止，通 過應用分析窗口所得的完整數據塊接受相同處理。但根據本發明，已窗口化塊的混疊部是 以與本塊的另一部不同的方式處理的。當使用特定開始/停止窗口時，另一部可包含非混疊部。另外，另一部包含與相鄰 窗口化處理所得的部分重疊的混疊部。然後，另一(混疊)部與在當前幀的另一(混疊) 部相同的域中處理的鄰近幀的混疊部重疊，而混疊部與在當前幀的混疊部不同的域中處理 的鄰近幀的混疊部重疊。依據不同的實現，另一部及混疊部共同形成對音頻採樣的塊應用窗口函數的完整 結果。另一部可完全不含混疊，或可完全混疊，或可包括一混疊子部及一無混疊子部。此外， 可任意選擇這些子部的順序以及混疊部和另一部的順序。在切換音頻編碼方案的較佳實施例中，輸入信號的相鄰分段可在兩個不同 域中處理。舉例而言，AAC在信號域計算MDCT，而MTPC (Sean A. Ramprashad，"The Multimode Transform predictive Coding Paradigm(多模式變換預測編碼範例)」，IEEE Transaction on Speech and Audio Processing,第 11 卷，第 2 其月，2003 年 3 月)在 LPC 殘 留域計算MDCT。由於MDCT的使用，當重疊區具有時域混疊分量時特別成問題。事實上，由 一個編碼器轉換至另一個編碼器時，時域混疊無法抵消，原因在於它們是在兩個不同域中 產生的。一種解決方案是以無混疊的交叉衰減窗口化信號進行轉換。然後，已切換的編碼 器不再經過臨界採樣，並產生信息的開銷。實施例允許通過抵消由於操作於兩個不同域所 計算的時域混疊分量，而維持臨界採樣的優點。在本發明的較佳實施例中，順序提供兩個開關，其中，第一開關在使用頻域編碼器 在頻譜域進行編碼和在LPC域進行編碼(亦即在LPC分析級的輸出端處理該信號)之間進 行判定。第二開關設置用於在LPC域切換，以便在LPC域對該LPC域信號(諸如使用ACELP 編碼器)進行編碼；或在LPC頻譜域對該LPC域信號進行編碼，這需要用於將該LPC域信號 變換至LPC頻譜域的變換器，由於LPC頻譜域展現出LPC已濾波信號的頻譜而非時域信號 的頻譜，故LPC頻譜域與頻譜域不同。第一開關在兩個處理分支之間進行判定，此處一個分支主要是由宿(sink)模型 及/或心理聲學模型(亦即，通過聽覺遮蔽)激勵；而另一分支主要是由源(source)模型 及分段SNR計算激勵。舉例而言，一個分支具有頻譜域編碼器，而另一個分支具有基於LPC 的編碼器(諸如語音編碼器)。源模型通常為語音處理，因此通常使用LPC。第二開關再度在兩個處理分支之間進行判定，但是在與該「外部(outer) 」第一分 支域不同的域。再次，一個「內部(inner)」分支主要是由源模型或SNR計算激勵，而另一個 「內部」分支可由宿模型及/或心理聲學模型(亦即，通過遮蔽或至少包括頻率/頻譜域編 碼方面)來激勵。舉例而言，一個「內部」分支具有頻域編碼器/頻譜變換器，而另一個分 支具有在另一域(諸如LPC域)進行編碼的編碼器，其中這種編碼器例如是CELP或ACELP 量化器/定標器，其處理輸入信號而未作頻譜變換。又一較佳實施例是一種音頻編碼器，包含第一信息宿導向的編碼分支，諸如頻譜 域編碼分支；第二信息源或SNR導向編碼分支，諸如LPC域編碼分支；及用於在該第一編碼 分支與該第二編碼分支間切換的開關，其中，該第二編碼分支包含變換器，用於變換成與時域不同的特定域，諸如LPC分析級，以產生激勵信號；其中，該第二編碼分支進一步包含特 定域(諸如LPC域)處理分支及特定頻譜域(諸如LPC頻譜域)處理分支；及用於在該特 定域編碼分支與該特定頻譜域編碼分支間切換的另一開關。本發明的又一個實施例是一種音頻解碼器，包含第一域，諸如頻譜域解碼分支； 第二域，諸如用於對第二域的信號(諸如激勵信號)進行解碼的LPC域解碼分支；及第三 域，諸如用於對第三域(諸如LPC頻譜域)的信號(諸如激勵信號)進行解碼的LPC頻譜 解碼器分支，其中，該第三域是通過執行從第二域的頻率變換獲得的，其中，設置用於第二 域信號及第三域信號的第一開關，及其中，設置用於在該第一域解碼器與針對第二域或第 三域的解碼器間切換的第二開關。


隨後將就附圖來說明本發明的較佳實施例，附圖中圖IA是用於對音頻信號進行編碼的較佳裝置或方法的示意代表圖；圖IB是由MDCT-TCX轉換至AAC的示意代表圖；圖IC是由AAC轉換至MDCT-TCX的示意代表圖；圖ID是本發明的構想的較佳實施例作為流程圖的示例說明；圖2是用於示例說明發生於本發明的實施例的四個不同域及其關係的示意代表 圖；圖3A是示例說明用於對音頻信號進行解碼的本發明的裝置/方法的方案；圖;3B是根據本發明的實施例的解碼方案的進一步示例說明；圖4A示意了諸如應用於兩種編碼模式的MDCT的混疊變換的細節；圖4B示意了與圖4A的窗口函數類似但具有混疊部及非混疊部的窗口函數；圖5是在諸如AAC-MDCT編碼模式的一種編碼模式中編碼器及解碼器的示意代表 圖；圖6是在AMR-WB+中的TCX編碼的上下文中，在諸如LPC域的不同域應用MDCT的 編碼器及解碼器的代表圖；圖7是在AAC與AMR-WB+間轉換的窗口的特定序列；圖8A是在由TCX模式切換至AAC模式的上下文中，用於編碼器及解碼器的較佳實 施例的代表圖；圖8B是用於示意由AAC轉換至TCX的編碼器及解碼器的較佳實施例；圖9A是可應用本發明的較佳混合切換編碼方案的方框圖；圖9B是示例說明在圖9A的控制器中執行的處理的流程圖；圖IOA是在混合切換編碼方案中的解碼器的較佳實施例；圖IOB是用於示例說明在圖IOA的轉換控制器中執行的過程的流程圖；圖IlA示意了其中優選地應用本發明的編碼器的較佳實施例；及圖IlB示意了其中優選地應用本發明的較佳解碼器。
具體實施例方式圖IlA標示意了具有兩個級聯開關的本發明的一個實施例。單聲信號、立體聲信號、或多聲道信號被輸入開關200。開關200由判定級300控制。判定級接收輸入模塊200 的信號，作為輸入信號。另外，判定級300也接收輔助信息，該輔助信息被含括於該單聲信 號、立體聲信號、或多聲道信號中，或至少是與這些信號關聯，此處存在有信息，而該信息例 如是在最初產生該單聲信號、立體聲信號、或多聲道信號時生成的。判定級300激勵開關200，以便將信號饋送至圖IlA的上分支示意出的頻率編碼部 400，或饋送至圖IlA的下分支示意出的LPC域編碼部500。頻域編碼部的關鍵組件是頻譜 變換模塊411，該模塊411操作用於將公共預處理級輸出信號(容後詳述)變換至頻譜域。 頻譜域變換模塊可包括MDCT算法、QMF、FFT算法、小波分析或濾波器組，諸如具有某個數目 的濾波器組聲道的經臨界採樣(critically sampled)的濾波器組，此處濾波器組中的子頻 帶信號可為實值信號或復值信號。使用頻譜音頻編碼器421對頻譜變換模塊411的輸出進 行編碼，這可包括如由AAC編碼方案所已知的處理模塊。通常，分支400中的處理是基於感官模型或信息宿模型的處理。如此，該分支對接 收聲音的人類聽覺系統進行建模。相反地，分支500中的處理用於產生激勵域、殘留域或 LPC域的信號。大致上，分支500中的處理為語音模型或信息產生模型的處理。對於語音信 號，該模型為產生聲音的人類語音/聲音產生系統的模型。但若欲編碼來自要求不同聲音 產生模型的不同源的聲音，則分支500中的處理可不同。對於下編碼分支500，關鍵組件為LPC裝置510，其輸出用於控制LPC濾波器的特 性的LPC信息。這種LPC信息被傳輸至解碼器。LPC級510輸出信號是由激勵信號及/或 加權信號所組成的LPC域信號。LPC裝置通常輸出LPC域信號，其可為LPC域的任一信號，諸如激勵信號或加權 (TCX)信號，或通過將LPC濾波係數應用於音頻信號所產生的任何其它信號。此外，LPC裝 置也可決定這些係數，還可量化/編碼這些係數。判定級的判定可以是信號適應性判定，因此判定級執行音樂/語音鑑別，且控制 開關200，以使得音樂信號被輸入上分支400，而語音信號被輸入下分支500。在一個實施例 中，判定級將其判定信息饋入輸出比特流，以使得解碼器可使用該判定信息來執行正確的 解碼操作。這種解碼器示意於圖11B。由頻譜音頻編碼器421所輸出的信號在傳送後被輸入 頻譜音頻解碼器431。頻譜音頻解碼器431的輸出被輸入時域變換器440。同理，圖IlA的 LPC域編碼分支500的輸出被解碼器端接收且由組件536及537處理，以獲得LPC激勵信 號。該LPC激勵信號被輸入LPC合成級M0，該級540接收由相對應的LPC分析級510所產 生的LPC信息作為另一輸入。時域變換器440的輸出及/或LPC合成級540的輸出被輸入 開關600。開關600是通過開關控制信號控制的，該開關控制信號例如是由判定級300所產 生，或由外部提供，例如由原始單聲信號、立體聲信號或多聲道信號的形成器所提供。開關 600的輸出是完整單聲信號、立體聲信號或多聲道信號。輸入開關200及判定級300的輸入可以是單聲信號、立體聲信號或多聲道信號，或 通稱為音頻信號。依據可由開關200的輸入信號導出的或由任何外部源(諸如輸入級200 的信號隱含的原始音頻信號的產生器)導出的判定，開關在頻率編碼分支400與LPC編碼 分支500間切換。頻率編碼分支400包含頻譜變換級411及隨後連接的量化/編碼級421。 量化/編碼級包括由近代頻域編碼器(諸如AAC編碼器)已知的任一項功能。此外，可通過心理聲學模塊控制量化/編碼級421的量化操作，該心理聲學模塊產生心理聲學信息，諸 如頻率上的心理聲學遮蔽閾值，此處此項信息被輸入級421。在LPC編碼分支，開關輸出信號經由LPC分析級510處理而產生LPC輔助信息及 LPC域信號。激勵編碼器包含另一開關521，該開關用於在LPC域的量化/編碼操作5 或 處理LPC頻譜域的數值的量化/編碼級527間切換LPC域信號的進一步處理。為了達成此 項目的，設置頻譜變換器527。依據特定設定值而定，例如說明於AMR-WB+技術規範，以開環 方式或閉環方式控制開關521。針對閉環控制模式，編碼器還步包括用於LPC域信號的逆量化器/編碼器、用於 LPC頻譜域信號的逆量化器/編碼器、及用於該逆量化器/編碼器的輸出的頻譜逆變換器。 第二編碼分支的處理分支中的已編碼且再度已解碼的信號被輸入開關控制裝置。在該開關 控制裝置中，這兩個輸出信號彼此比較及/或與目標函數比較，或計算目標函數，該目標函 數的計算可基於兩個信號的失真的比較，使得具有較低失真的信號被用於判定開關521須 採取哪一種位置。可選地，當兩個分支提供非恆定比特率時，可選擇用於提供較低比特率的 分支，即使此分支的信號與噪聲之比低於另一分支的信號與噪聲之比。可選地，目標函數可 使用各個信號的信號與噪聲之比及各個信號的比特率及/或額外標準，作為輸入，來找出 針對特定目的的最佳判定。例如，如果目的是比特率須儘可能地低，則目標函數極其仰賴由 逆量化器/編碼器及頻譜逆變換器輸出的兩個信號的比特率。但當主要目的是對某個比特 率具有最佳質量時，開關控制將拋棄高於容許比特率的各信號；而當兩個信號低於容許比 特率時，開關控制將選擇具有較佳信號與噪聲之比(亦即具有較小的量化/編碼失真)的 信號。如前文說明，根據本發明的解碼方案示意於圖11B。針對三種可能的輸出信號中 的每一種，存在特定解碼/再量化級431、536或537。當級431輸出頻譜(也稱作為「時頻 譜」(時域信號的頻譜)，且被使用頻率/時間變換器440變換至時域)時，級536輸出LPC 域信號，級537接收該LPC域信號的頻譜(也稱作為「LPC譜」)。為了確定輸入開關532的 輸入信號皆是LPC域的，在LPC域設置頻率/時間變換器537。開關532的輸出數據被使用 LPC合成級540變換回時域，該LPC合成級540是經由編碼器端所產生的且所傳輸的LPC信 息而控制的。然後，在模塊540之後，兩個分支具有時域信息，該時域信息根據開關控制信 號切換，以便最終獲得音頻信號，諸如單聲信號、立體聲信號或多聲道信號，這取決於輸入 圖IlA的編碼方案的信號。因此，圖IlA示意了根據本發明的較佳編碼方案。連接至開關200輸入端的公共預 處理方案包含環繞/聯合立體聲模塊101，其產生聯合立體聲參數及單聲輸出信號，作為輸 出信號，該單聲輸出信號是通過將具有兩個或多個聲道的輸入信號下混頻而產生的。大致 上，模塊101的輸出端的信號也可為具有多個聲道的信號，但由於模塊101的下混頻功能， 模塊101的輸出端的聲道數目將少於輸入模塊101的聲道的數目。替代模塊101或除了模塊101之外，公共預處理方案可包含帶寬延伸級102。在圖 IlA的實施例中，模塊101的輸出被輸入帶寬延伸級102，在圖IlA的編碼器中，帶寬延伸級 102在其輸出端輸出一帶限信號，諸如低頻帶信號或低通信號。優選的，此信號也經過下採 樣(例如通過因子2的下採樣)。此外，針對輸入模塊102的信號的高頻帶，產生帶寬延伸 參數，諸如頻譜包絡參數、反相濾波參數、噪聲本底參數等(如由MPEG-4的HE-AAC簡介所知的)，且將其轉發至比特流復用器800。優選地，判定級300接收輸入模塊101或輸入模塊102的信號，以便在音樂模式 或語音模式間作判定。在音樂模式中選擇上編碼分支400，而在語音模式選擇下編碼分支 500。優選地，判定級還控制聯合立體聲模塊101及/或帶寬延伸模塊102，來將這些模塊 的功能調整以適合特定信號。如此，當判定級判定輸入信號的某個時間部分具有第一模式 (諸如音樂模式)時，模塊101及/或模塊102的特定特性可由判定級300控制。可選地， 當判定級300判定信號是語音模式或一般而言是第二 LPC域模式時，模塊101及102的特 定特性將根據判定級的輸出而控制。優選地，編碼分支400的頻譜變換是使用MDCT操作進行的，MDCT操作又優選地為 時間翹曲的MDCT操作，此處強度或一般而言為翹曲強度被控制在零翹曲強度與高翹曲強 度間。在零翹曲強度中，模塊411的MDCT操作是本領域已知的直接式MDCT操作。時間翹 曲強度連同時間翹曲輔助信息可被傳輸/輸入比特流復用器800，作為輔助信息。在LPC編碼分支，LPC域編碼器可包括ACELP核心526，其計算音高增益、音高滯後 及/或碼本信息，諸如碼本指數及增益。由3GPP TS^. 290已知的TCX模式引起變換域的 感官加權信號的處理。傅立葉已變換且已加權的信號被使用帶有噪聲因數量化的分割多速 率格狀量化(代數VQ)而量化。以10對、512、或256個採樣窗口計算變換。通過反相加權 濾波器對該已量化且已加權的信號進行反相濾波，恢復激勵信號。在第一編碼分支400中，頻譜變換器優選地包含特別調整的MDCT操作，其具有某 些窗口功能、接著是量化/熵編碼級，該級可包含單一向量量化級，但優選地為類似於頻域 編碼分支中的量化器/編碼器(亦即圖IlA的項目421)的組合式標量量化器/熵編碼器。在第二編碼分支中，存在LPC模塊510，接著是開關521，再度接著是ACELP模塊 526 或 TCX 模塊 527。ACELP 被描述於 3GPP TS 26. 190，TCX 被描述於 3GPP TS 26.290。通 常，ACELP模塊5 接收LPC激勵信號。TCX模塊527接收加權信號。在TCX中，變換施加至通過基於LPC的加權濾波器對輸入信號進行濾波而得的已 加權信號。本發明的較佳實施例使用的加權濾波器由α-Α^/γυ/α-μζ—1)表示。如此， 已加權信號為LPC域信號，其變換至LPC頻譜域。由ACELP模塊5 處理的信號為激勵信 號，且與由模塊527處理的信號不同，但兩個信號皆在LPC域。激勵信號是通過分析濾波器 (l-A(z/y))對輸入信號進行濾波獲得的。在圖IlB的解碼器端，在模塊537的頻譜逆變換之後，施加加權濾波器的倒數，亦 即(l-yzl/d-Ab/Y))。任選地，信號可額外通過(l-A(z))濾波來進入LPC激勵域。
如此，經由？―廣,)、、(1 - 40))濾波，來自TCF1模塊537的信號可由加權域變換至
激勵域，然後用於模塊536。在最後編碼被選擇用於下一個幀的情況下，該典型濾波是在 AMR-WB+中在反相TCX (537)末端進行的，用於饋送ACELP的適應性碼本。雖然圖IlA的項目510示意了單一模塊，但模塊510也可輸出不同信號，只要這些 信號是在LPC域即可。模塊510的實際模式(諸如激勵信號模式或加權信號模式)可取決 於實際切換狀態。可選地，模塊510可具有兩個並聯處理裝置。如此，模塊510的輸出端的 LPC域可表示LPC激勵信號或LPC加權信號或任何其它LPC域信號。在圖Ila或圖lib的第二編碼分支(ACELP/TCX)中，優選地在編碼前通過濾波器1-0. 68Z—1對信號進行預加強。在圖IlB中的ACELP/TCX解碼器處，使用濾波器1/ (1-0. 68Z-1)對已合成的信號進行解除加強。預加強可構成LPC模塊510的一部分，此處在 分析與量化之前，對信號進行預加強。同理，解除加強可構成LPC合成模塊LPr1S^的一部 分。在較佳實施例中，第一開關200(參考圖11A)是經由開環判定控制的，而第二開關 是經由閉環判定控制的。舉例而言，可能存在下述情況在第一處理分支，第一 LPC域表示LPC激勵信 號；而在第二處理分支，第二 LPC域表示LPC加權信號。換言之，第一 LPC域信號是通過 (l-A(z))濾波而變換至LPC殘留域獲得的；而第二 LPC域信號是通過濾波器(1-Α(ζ/γ))/ (l-μζ-1)而變換至LPC加權信號獲得的。在較佳模式中，μ等於0.68。圖IlB示意了與圖IlA的編碼方案相對應的解碼方案。圖IlA中由比特流復用器 800產生的比特流被輸入比特流解復用器900。依據例如由模式檢測模塊601從比特流導 出的信息，解碼器端開關600被控制用於將來自上分支的信號或來自下分支的信號轉發至 帶寬延伸模塊701。帶寬延伸模塊701接收來自比特流解復用器900的輔助信息，並基於此 輔助信息及模式判定601的輸出，基於由開關600輸出的低頻帶而重建高頻帶。模塊701產生的全頻帶信號被輸入聯合立體聲/環繞處理級702，其重建兩個立 體聲聲道或數個多聲道。通常模塊702將輸出比輸入本模塊更多的聲道。依據應用用途而 定，輸入模塊702的信號甚至可以包括兩個聲道，諸如立體聲模式，並且甚至可以包括更多 個聲道，只要本模塊的輸出具有比本模塊的輸入更多個聲道即可。已經顯示開關200在兩個分支間切換，故只有一個分支接收信號進行處理，而另 一分支並未接收信號來處理。但在另一個可選實施例中，開關也可以配置在例如頻域編碼 器421及LPC域編碼器510、521、526、527之後，表示兩個分支400、500並行處理相同信號。 但為了不致於使比特率加倍，只有由這些編碼分支400或500中的一個輸出的信號被選擇 用於寫入輸出比特流。然後判定級操作，使得寫入比特流的信號最小化某個代價函數，此處 該代價函數可以是所產生的比特率、或所產生的感官失真、或比特率/失真的組合代價函 數。因此在該模式中或在附圖所示的模式中，判定級也可以在閉環模式下操作，以便確保最 後只有對給定感官失真有最低比特率、或對給定比特率有最低感官失真的編碼分支輸出被 寫入該比特流。在有二個開關的實施例中，亦即第一開關200及第二開關521，優選地，第一開關 的時間解析度低於第二開關的時間解析度。換言之，通過開關操作而切換的輸入第一開關 的輸入信號塊大於在LPC域操作的第二開關所切換的塊。舉例而言，頻域/LPC域開關200 可切換長IOM個採樣的塊，而第二開關521可切換各自有256個或512個採樣的塊。大致上用於第一編碼分支400的音頻編碼算法反映出音頻宿情況且對其進行建 模。音頻信息的宿通常為人耳。人耳可被建模為頻率分析器。因此，第一編碼分支輸出已 編碼的頻譜信息。優選地，第一編碼分支進一步包括心理聲學模型，用於額外施加心理聲學 遮蔽閾值。在量化音頻頻譜值時使用這種心理聲學遮蔽閾值，此處優選地進行量化以使得 通過量化隱藏於心理聲學遮蔽閾值下方的頻譜音頻值而導入量化噪聲。第二編碼分支表示信息源模型，反映出音頻聲音的產生。因此，信息源模型包括語 音模型，其由LPC分析級反映，亦即通過將時域信號變換至LPC域、且隨後處理該LPC殘留信號(亦即激勵信號)而反映。但另一種聲音源模型是表示某種樂器或任何其它聲音產生 器(諸如存在於實際世界的特定聲音源)的聲音源模型。不同聲音源模型間的選擇可在有 數個聲音源模型可用時進行，例如基於SNR計算，亦即基於計算來選出哪一個源模型最適 合用於編碼音頻信號的某個時間部分及/或頻率部分。但優選地，編碼分支間的切換是在 時域進行的，換言之，某個時間部分是使用一種模型編碼的，而中間信號的某個不同時間部 分是使用另一個編碼分支編碼的。信息源模型以某些參數表示。關於語音模型，當考慮諸如AMR-WB+的現代語音編 碼器時，參數為LPC參數及已編碼的激勵參數。AMR-WB+包含ACELP編碼器及TCX編碼器。 這種情況下，已編碼激勵參數可為整體增益、噪聲本底、及可變長度碼。圖IlA的音頻輸入信號是存在於第一域，該域例如可為時域，但也可為任何其它 域，諸如頻域、LPC域、LPC頻譜域或任何其它域。通常由一個域變換至另一個域是通過諸如 眾所周知的時間/頻率變換算法或頻率/時間變換算法中的任一者的變換算法進行的。由時域到例如LPC域的另一種變換是對時域信號進行LPC濾波，結果導致LPC殘 留信號或激勵信號。任何其它濾波操作產生已濾波信號，其在變換可用作變換算法(視情 況而定)之前，對相當大量信號採樣有影響。因此，使用基於LPC的加權濾波器來加權音頻 信號是又一種變換，其產生LPC域的信號。在時間/頻率變換中，在變換前對單一頻譜值的 修改將對全部時域值有影響。類似地，任何時域採樣的修改將對各個頻域採樣有影響。同 理，由於LPC濾波器的長度，在LPC域情況中激勵信號採樣的修改將在LPC濾波之前對相當 大量的採樣有影響。同理，LPC變換前的採樣修改將對通過此LPC變換所得的多個採樣有 影響，原因在於LPC濾波器特有的記憶效應。圖IA示意了用於編碼音頻信號10的裝置的較佳實施例。該音頻信號優選地被導 入具有諸如圖IlA中400的第一編碼分支的編碼裝置，用於在第三域對該音頻信號進行編 碼，第三域例如可為直接(straightforward)頻域。該編碼器還可包含用於基於第四域來 對該音頻信號進行編碼的第二編碼分支，該第四域例如為圖IlA的TCX模塊527所得的LPC 頻域。優選地，本發明裝置包含窗口化器11，用於使用具有分析窗口形狀的第一分析窗 口來窗口化第一域的該音頻信號的第一塊，該分析窗口具有如在圖8A及圖8B或其它圖所 討論的混疊部(諸如Lk或、及如圖5或其它圖所示意的非混疊部(諸如Mk)。該裝置還包含處理器12，用於處理與該分析窗口的混疊部相關聯的該音頻信號的 第一子塊，通過在對第一子塊窗口化之後，將該子塊從第一域(諸如信號域或直接時域)變 換至第二域(諸如LPC域)來獲得已處理的第一子塊；以及用於處理與該分析窗口的另一 部相關聯的該音頻信號的第二子塊，通過在對第二子塊窗口化之前，將該第二子塊從第一 域(諸如直接時域)變換至第二域(諸如LPC域)來獲得已處理的第二子塊。本發明裝置 還包含變換器13，用於使用相同的塊變換規則，將該已處理的第一子塊及已處理的第二子 塊由第二域變換至第四域(諸如LPC頻域)來獲得已變換的第一塊。然後，此已變換的第 一塊可在另一處理級14被進一步處理，來進行數據壓縮。優選地，進一步處理還接收與該第一塊重疊的第一域的音頻信號的第二塊作為輸 入，其中第一域(諸如時域)的音頻信號的第二塊是使用第二分析窗口在第三域(亦即直 接頻域)處理的。這種第二分析窗口具有混疊部，該混疊部與第一分析窗口的混疊部相對應。第一分析窗口的混疊部及第二分析窗口的混疊部優選地與窗口化之前的原始音頻信號 的相同音頻採樣相關，這些部分經過時域混疊抵消，亦即解碼器端的重疊-加法過程。圖IB示意了當進行從在第四域(例如LPC頻域)編碼的塊變換至第三域(諸如 頻域)時發生的情況。在一個實施例中，第四域為MDCT-TCX域，第三域為AAC域。施加在 於MDCT-TCX域編碼的音頻信號的窗口具有混疊部20及非混疊部21。該相同塊(在圖IB 中稱為「第一塊」)可具有或可不具有又一混疊部22。對於非混疊部亦為真。其可存在或 可不存在。在另一域(諸如AAC域)編碼的該音頻信號的第二塊包含相對應的混疊部23，視 情況而定，此第二塊可包括另一部，諸如非混疊部或混疊部，在圖IB中指示為24。因此，圖 IB示意了音頻信號的重疊處理，使得窗口化之前第一塊的混疊部20中的音頻採樣與窗口 化之前第二塊的相對應混疊部23的音頻採樣相同。如此，第一塊的音頻採樣是經由將分析 窗口施加至屬於音頻採樣流的音頻信號而獲得；第二塊是經由將第二分析窗口施加至多個 音頻採樣而獲得，這些多個音頻採樣包括第二塊的相對應混疊部23的採樣及另一部M的 採樣。因此，混疊部20的音頻採樣為與混疊部20相關聯的音頻信號的第一塊，音頻信號的 另一部21的音頻採樣與同該另一部21相關聯的音頻信號的第二子塊相對應。圖IC示意了如圖IB的類似情況，但是由AAC(亦即第三域)轉換至MDCT-TCX域 (亦即第四域)。圖IB與圖IC間的差異大致上為圖IB的混疊部20包括在時間上出現在另一部 21的音頻採樣之後的採樣；而圖IC中，混疊部20的音頻採樣在時間上是出現在另一部21 的音頻採樣之前。圖ID示意了使用音頻採樣的同一個窗口化塊的第一子塊及第二子塊中的音頻採 樣進行的步驟的細節代表圖。大致上，窗口有遞增部及遞減部，依據窗口形狀而定，可有或 無相對恆定的中部。在第一步驟30，進行塊形成操作，其中從音頻採樣流取得某個數目的音頻採樣。特 定而言，塊形成操作30將定義哪些音頻採樣屬於圖IB及圖IC中的第一塊及哪些音頻採樣
屬於第二塊。混疊部20的音頻採樣在步驟31a經窗口化。但重要的是，在較佳實施例中，非混 疊部(亦即於第二子塊)的音頻採樣在步驟32變換至第二域，亦即LPC域。然後，在轉變 第二子塊的音頻採樣後，進行窗口化操作31b。窗口化操作31b所得的音頻採樣形成採樣， 這些採樣輸入至第四域的塊變換操作，這在圖ID中示意為項目35。模塊31a、31b的窗口化操作可包括或可未包括如就圖8A、8B、9A、10A所討論的折 疊操作。優選地，窗口化操作31a、31b額外包含摺疊操作。但在模塊33中，混疊部被變換至第二域(諸如LPC域)。如此，要變換至第四域 (指示於34)的採樣塊完成，模塊34組成一個數據塊，該一個數據塊被輸入一個塊變換操 作，諸如時間/頻率操作。因於在優選實施例中，第二域為LPC域，故步驟35的塊變換操作 的輸出將在第四域，亦即LPC頻域。由塊變換35所產生的此塊是已轉換的第一塊36，其然 後首先在步驟37處理，以便應用任一種數據壓縮，例如包含在AMR-WB+編碼器中施加至TCX 數據的數據壓縮操作。當然，所有其它數據壓縮操作也可在模塊37進行。因此，模塊37與 圖IA的項目14相對應，圖ID的模塊35與圖IA圖的項目13相對應，及窗口化操作相當於圖ID的31b及31a，與圖IA的項目11相對應，對另一部及混疊部而言不同的變換與窗口化 間的順序調度是由圖IA的處理器12進行的。圖ID示意了其中另一部是由圖IB或圖IC的非混疊子部21及混疊子部22所組 成的情況。可選地，另一部可只包括混疊部而不含非混疊部。在這種情況下，圖IB及圖IC 的21不存在，而22將由該塊的邊界延伸至混疊部20的邊界。總而言之，另一部/另一子 塊是以相同方式處理(而與完全無混疊或完全混疊或具有混疊子部或非混疊子部無關)， 但該處理方式與混疊子塊的處理方式不同。圖2示意了在本發明的較佳實施例中發生的不同域的綜論。通常音頻信號將在第一域40，例如為時域。但本發明實際上應用於將在兩個不 同域對音頻信號進行編碼時的情況，並應用於必須以比特率最佳化方式(亦即使用臨界採 樣)進行由一個域切換至另一個域時的全部情況。在較佳實施例中，第二域為LPC域41。由第一域變換至第二域將通過如圖2指示 的LPC濾波器/變換進行。在較佳實施例中，第三域為直接頻域42，這是通過眾所周知的時間/頻率變換的 任一種方式獲得的，該時間/頻率變換是諸如DCT (離散餘弦變換)、DST (離散正弦變換)、 傅立葉變換或快速傅立葉變換或任何其它時間/頻率變換。相對應地，由第二域變換至第四域43 (諸如LPC頻域，或一般而言的，關於第二域 41的頻域)也可通過諸如DCT、DST、FT、FFT的眾所周知的時間/頻率變換算法中的任一者獲得。然後，將圖2與圖IlA或圖IlB作比較，模塊421的輸出將具有第三域的信號。此 外，模塊5 的輸出將具有第二域的信號，模塊527的輸出將包含第四域的信號。輸入開關 200的其它信號(或一般而言，輸入判定級300或環繞/聯合立體聲級101的其它信號)將 在第一域，諸如時域。圖3A示意了用於對具有音頻數據的已編碼第一塊50的編碼音頻信號進行解碼的 本發明裝置的較佳實施例，此處，已編碼塊具有混疊部及另一部。本發明的解碼器還包含處 理器51，用於處理該混疊部，通過將該混疊部變換至目標域，以執行合成窗口化，來獲得已 窗口化混疊部52 ；以及用於在將另一部變換至目標域之前，執行該另一部的合成窗口化。因此，在解碼器端，屬於同一個窗口的塊的各部分是以不同方式處理。類似處理應 用於編碼器端，以允許不同域間切換的臨界採樣開關。本發明解碼器還包含時域混疊抵消器53，用於在已編碼第二塊的混疊部變換至目 標域之後，組合第一塊的已窗口化混疊部(亦即輸入5 與音頻數據的已編碼第二塊的已 窗口化混疊部，來獲得已解碼音頻信號55，其與第一塊的混疊部相對應。已編碼第二塊的已 窗口化混疊部經由M而輸入時域混疊抵消器53。優選地，時域混疊抵消器53被實現為重疊/加法裝置，例如施加50%的重疊。這 意味著，一個塊的合成窗口的結果與音頻數據的相鄰已編碼塊的合成窗口處理結果重疊， 此處，此重疊優選地包含該塊的50%。這意味著，在前塊的合成已窗口化音頻數據的第二部 以逐一採樣方式被加至已編碼音頻數據的在後第二塊的第一部，故最終，已解碼音頻數據 為兩個相鄰塊的相對應已窗口化採樣之和。在其它實施例中，重疊範圍可多於或少於50%。 這種時域混疊抵消器的組合特徵提供了由一個塊至下一個塊的連續交叉衰減，完全消除了出現在任何基於塊的變換編碼方案中的任何遮蔽偽像。由於實際上不同域的混疊部可通過 本發明組合，所以獲得了由一個域的塊至另一個域的塊的臨界採樣切換操作。與進行由一個塊至另一個塊的硬切換的不含任何交叉衰減的開關編碼器相比較， 本發明的過程改良了音頻質量，原因在於，硬切換無可避免地將導致塊邊界的遮蔽偽像，諸 如可聽聞的爆裂或任何其它非期望的雜音。但與確實將去除塊邊界的這種非期望的尖銳雜音的非臨界採樣交叉衰減相比較， 本發明不會因切換導致任何數據率增加。在先前技術中，當相同音頻信號經由第一編碼分 支編碼為第一塊、且經由第二編碼分支編碼為第二塊時，若在不引入混疊的情況下處理，則 在二個編碼分支編碼的採樣量將耗用比特率。但根據本發明，在塊邊界引入混疊。但這種 混疊引入是通過採樣減少而獲得的，結果導致可能通過時域混疊抵消器53應用交叉衰減 操作，而不會有比特率增高或非臨界採樣切換的損失。在最佳實施例中，進行真正臨界採樣切換。但在某些情況下，也存在低效實施例， 其中只引入某個量的混疊，而允許一定量的比特率開銷。但由於實際上使用且組合混疊部， 雖言如此，全部這些低效實施例總是優於帶有交叉衰減的完全無混疊轉換；或就質量方面 而言優於由一個編碼分支硬切換至另一個編碼分支。在該上下文中，須了解，TCX中的非混疊部仍然產生臨界採樣的已編碼採樣。添加 TCX中的非混疊部不會對臨界採樣造損害，但是危害轉換質量(較低切換)及頻譜呈示質量 (較低能量壓縮)。有鑑於此，優選地，使TCX中的非混疊部儘可能地小或甚至接近於零，故 該另一部完全混疊，而不具有不含混疊的子部。隨後將討論圖;3B來示意圖3A的過程的較佳實施例。在步驟56，進行處於例如第四域的該已編碼的第一塊的解碼器處理。這種解碼器 處理可為熵解碼，諸如霍夫曼解碼，或與圖IA的模塊14在編碼器端的額外處理操作相對應 的算術解碼。在步驟57，進行如步驟57所指示的完整第一塊的頻率/時間變換。根據圖 2，步驟57的該過程獲得第二域的完整第一塊。現在，根據本發明，第一塊的各部分以不同 方式處理。特定而言，混疊部(亦即步驟57的輸出的第一子塊)將在使用合成窗口進行窗 口化操作前變換至目標域。這由變換步驟58a及窗口化步驟59a的順序指示。如59b指示 的，第二子塊(亦即無混疊子塊)按原樣(亦即未經圖3B的項目58a的變換操作)使用合 成窗口而窗口化。模塊59a或59b的窗口化操作可包含或可未包含摺疊(展開)操作。但 優選地，窗口化操作包含摺疊(展開)操作。依據與另一部相對應的第二子塊實際上是混疊子塊還是非混疊子塊，進行如59b 指示的變換至目標域的操作，而在第二子塊為非混疊子塊的情況下，不進行TDAC操作/組 合操作。但當第二子塊為混疊子塊時，在步驟59b變換至目標域的變換操作之前，進行與另 一個塊的相對應部的TDAC操作，亦即組合操作60b，以算出第二塊的已解碼音頻信號。在另一分支，亦即對於第一子塊相對應的混疊部，步驟59a的窗口化操作結果被 輸入組合級60a。該組合級60a還接收第二塊的混疊部作為輸入信號，該第二塊亦即已經在 其它域(例如圖2的實例中的AAC域)編碼的塊。然後，模塊60a的輸出組成第一子塊的 已解碼音頻信號。比較圖3A與圖:3B，顯然組合操作60a是與圖3A的模塊53進行的處理相對應。此 外，處理器51進行的變換操作及窗口化操作就變換操作而言是與項目58a、58b相對應，而就窗口化操作而言是與59a及59b相對應，此處圖3A的處理器51進一步確保維持混疊部 與另一部(亦即第二子塊)的正確順序。在較佳實施例中，施用修改型離散餘弦變換(MDCT)來獲得由一個域的編碼操作 切換至不同的另一域的編碼操作的臨界採樣。但也可施用所有其它變換。但因MDCT為較 佳實施例，將就圖4A及圖4B討論MDCT的進一步細節。圖4A示意了窗口 70，其具有朝左的遞增部及朝右的遞減部，此處可將此窗口劃分 成為四部分a、b、c、及d。由該圖可知，窗口 70在示出的50%重疊/加法情況下只有混疊 部。特定而言，具有由零至N採樣的第一部是與前一個窗口 69的第二部相對應，延伸於窗 口 70的採樣N至採樣2N間的第二半個部分與窗口 71的第一部重疊，窗口 71在所示實施 例中為窗口 i+Ι，而窗口 70為窗口 i。可見MDCT操作為摺疊操作與隨後變換操作及特別為接著DCT操作的級聯，此處應 用IV型DCT (DCT-IV)。特定而言，經由將摺疊塊的第一部N/2計算為-cK-d，及摺疊輸出的 第二部N/2採樣計算為a_bK，此處R為倒序，獲得摺疊操作。如此，摺疊操作獲得N個輸出 值，而接收2N個輸入值。也在圖4A以方程式形式示意了解碼器端的相對應的展開操作。大致上，對(a, b，c, d)的MDCT操作恰好獲得與如圖4A指示的(-cR-d, a-bE)的 DCT-IV相同的輸出值。相對應地且使用展開操作，IMDCT操作獲得施加至DCT-IV逆變換的輸出的展開操 作的輸出。因此，經由在解碼器端執行摺疊操作，引入了時間混疊。然後使用需要N個輸入值 的DCT-IV塊變換，將摺疊操作結果變換至頻域。在解碼器端，使用DCT-IV—1操作，將N個輸入值變換回時域，這種逆變換操作的輸 出改變為展開操作，而獲得2N個輸出值，但這些輸出值為混疊輸出值。為了移除已經由摺疊操作引入並在展開操作之後仍然存在的混疊，需要通過圖3A 的時域混疊抵消器53進行重疊/加法操作。因此，當展開操作的結果與重疊半數的先前IMDCT結果相加時，在圖4A底部的方 程式中，反相項抵消，而只獲得例如b及d，如此恢復了原始數據。為了對已窗口化的MDCT獲得TDAC，存在有一種要求，被稱作為「普林生-布拉利 (Princen-Bradley) 」條件，表示對於時域混疊抵消器中組合的相對應採樣的窗口係數升至 平方，從而針對各個採樣獲得一單位(1)。圖4A示意了例如對長窗口或短窗口、在AAC-MDCT中應用的窗口序列；圖4D示意 了不同的窗口函數，其除了混疊部之外，還具有非混疊部。圖4D示意了分析窗口函數72具有零部 及d2、具有混疊部72a、72b並具有非混 疊部72c。延伸在c2、Cl1上的混疊部72b具有隨後窗口 73的相對應混疊部，以7 指示。相 對應地，窗口 73還包含非混疊部73a。將圖4B與圖4A比較，顯然，由於窗口 72有零部 、 Cl1或窗口 73有零部C1，兩個窗口獲得非混疊部，並且混疊部的窗口函數比圖4A更陡峭。有 鑑於此，在圖4B中，混疊部7 對應於Lk，非混疊部72c對應於Mk部，及混疊部72b對應於Rk。
當摺疊函數施用於通過窗口 72而窗口化的採樣塊時，獲得如圖4B所示的情況。延 伸在前N/4個採樣上的左部具有混疊。延伸在N/2個採樣上的第二部不含混疊，原因在於 摺疊操作是應用於具有零值的窗口部分，最後N/4個採樣再度具有混疊。由於摺疊操作，故 摺疊操作的輸出值數目等於N，而輸入值數目為2N，但實際上，因使用窗口 72進行窗口化操 作，本實施例的N/2個值被設定為零。現在將DCT IV應用於摺疊操作的結果，但重要的是，由一個編碼模式轉換至另一 個編碼模式的混疊部72是以與非混疊部不同的方式處理，儘管這兩個部分是屬於音頻採 樣的同一塊，重要的是，這兩個部分被輸入圖IA中由變換器30所執行的相同塊變換操作。圖4B還示意了窗口 72、73、74的窗口序列，此處窗口 73為由確實存在有非混疊部 的情況轉換至只存在有混疊部的情況的轉換窗口。這是由非對稱地形成窗口函數形狀而獲 得的。窗口 73的右部是類似於圖4A的窗口序列中窗口的右部，而左部具有非混疊部及相 對應的零部(位於q)。因此，圖4B示意了當欲使用完全重疊窗口進行AAC時，由MDCT-TCX 至AAC的轉換；或可選地，示意了當窗口 74以完全重疊方式窗口化TCX數據塊時、由AAC至 MDCT-TCX的轉換，當並無理由由一種模式切換至另一種模式時，此乃一方面為MDCT-TCX的 常規操作，另一方面為MDCT-AAC的常規操作。因此，窗口 73被稱為「開始窗口」或「停止窗口」，其額外具有的較佳特性為本 窗口長度是與至少一個鄰近窗口的長度相等，因此當一塊被設定為具有與窗口係數相等數 目，亦即圖4D或圖4A的實例中的2η個採樣時，維持一般塊格柵(raster)或幀格柵。隨後，就圖5討論編碼器端及解碼器端的AAC-MDCT過程。在窗口化操作80中，應用如81示意的窗口函數。該窗口函數具有兩個混疊部Lk 及&及非混疊部Mk。因此，窗口函數81類似於圖4B的窗口函數72。應用該窗口函數至相 對應的多數音頻採樣，結果產生具有對應於IVlk的混疊子塊及對應於Mk的非混疊子塊的 音頻採樣的已窗口化塊。如圖4B所指示的，執行以82示意的摺疊操作，獲得N個輸出，表示Lk部、&部減 少成具有較少數採樣。然後如結合圖4A的MDCT方程式所討論的，執行DCT IV 83。通過任何可利用的數 據壓縮器(諸如量化器84)或任何其它執行眾所周知的AAC工具的裝置，進一步處理MDCT 輸出。在解碼器端，執行逆處理85。然後，通過DCr1IV 86，執行由第三域變換至第一域。 然後如圖4A所討論的，執行展開操作87。然後在模塊88，執行合成窗口化操作，項目89a及 89b共同執行時域混疊抵消。項目89b為應用採樣延遲的延遲裝置，以便獲得如結合 圖4A所討論的重疊；加法器89執行音頻信號的當前部分的組合，諸如當前窗口輸出的第一 部Lk與前一個窗口的最末部Rlri的組合。如90所指示的，結果產生無混疊部Lk及Mk。須 注意，Mk由一開始即為無混疊，但通過裝置89a、89b的處理已經抵消了混疊部Lk中的混疊。在較佳實施例中，AAC-MDCT也可施加以只有混疊部的窗口，如圖4A所指示的，但 對一種編碼模式至另一種編碼模式的切換，優選地，應用具有混疊部並具有非混疊部的AAC 窗口。本發明的實施例是用於在AAC與AMR_WB+[4]間切換的切換音頻編碼。如圖5所述，AAC使用MDCT。AAC極為適合用於音樂信號。當在先前處理中檢測得到輸入信號為音樂或由使用者標示為音樂時，切換編碼使用AAC。輸入信號幀k是通過尺寸為Lk、Mk& &的三部分窗口而窗口化。在將信號變換至 執行量化的頻域之前，MDCT引入時域混疊分量。在加上大小Rlri = Lk的重疊前一個窗口化 信號之後，若引入了任何量化誤差，則可恢復原始信號幀的頭Lk+Mk採樣。時域混疊被抵消。隨後，就圖6討論本發明的TCX-MDCT過程。與圖5的編碼器相反，變換至第二域是由項目92執行。項目92為產生LPC殘留 信號或加權信號的LPC變換器，該加權信號可使用如由TCX處理已知的加權濾波器，經由對 LPC殘留信號進行加權而計算出。當然，該TCX信號也可使用單一濾波器計算，通過對時域 信號濾波，獲得TCX信號，該TCX信號是LPC域的信號或概括言而言是第二域的信號。因此， 第一域/第二域變換器92在其輸出端提供輸入窗口化裝置80的信號。除了變換器92的 外，圖6的編碼器中的過程是類似圖5的編碼器中的過程。當然，在圖5及圖6的模塊84 可應用不同的數據壓縮算法，當比較AAC編碼工具與TCX編碼工具時，這是顯而易見的。在解碼器端，執行如結合圖5討論的相同步驟，但這些步驟並非對直接頻域(第三 域)的已編碼信號執行，而是對在第四域(亦即LPC頻域)所產生的已編碼信號執行。因此，圖6中裝置89a、89b的重疊加法過程是在第二域執行的，而非如圖5所示在 第一域執行的。AMR-WB+是基於語音編碼ACELP及基於變換的編碼TCX。對IOM個採樣的各個超 幀而言，AMR-WB+是用閉環判定在TCX與ACELP的17種不同的組合間作選擇。使用kgSNR 客觀評估，根據閉環判定選出最佳者。AMR-WB+適合用於語音及語音/音樂信號。原先的 TCX的DFT由MDCT置換來享有其重要性質。然後，AMR-WB+的TCX等於MPTC編碼，但量化 除外，量化仍然存在。當輸入信號被檢測或被標示為語音或語音/音樂時，由已切換的音頻 編碼器使用修改型AMR-WB+。TCX-MDCT並非直接對信號域執行MDCT，而是在基於LPC係數通過分析濾波器W (ζ) 對該信號濾波後執行MDCT。濾波器被稱作為加權分析濾波器，允許TCX同時白化該信號且 按照符合心理聲學理論的基於共振峰(formant)的曲線來對量化噪聲進行整形。圖5示意的處理是對直接AAC-MDCT模式執行的，不使用圖4A的完全重疊窗口切 換至TCX模式或任何其它模式。但當檢測到轉換時，應用特定窗口，該窗口為用於轉換至其 它編碼模式的AAC開始窗口，或為用於由其它編碼模式轉換至AAC模式的AAC停止窗口，如 圖7所示。AAC停止窗口 93具有混疊部(示於93b)及非混疊部(示於93a)，亦即在圖中 示為窗口 93的水平部分。相對應地，AAC停止窗口 94被示為具有混疊部94b及非混疊部 94a。在AMR-WB+部中，應用類似於圖4B的窗口 72的窗口，此處該窗口具有混疊部7 及非 混疊部72c。雖然圖7示出有單一 AMR-WB+窗口，可看作開始/停止窗口，但可存在多個優 選具有50 %重疊的窗口，因此可類似於圖4A的窗口。通常AMR-WB+中的TCX不使用50 % 重疊。只採用小量重疊，以能夠使用特有的矩形窗口，亦即0%重疊，敏捷地切換至ACELP/ 從ACELP切換。但當進行轉換時，如圖7的左中位置所示的，應用AMR-WB+開始窗口 ；當判定欲執 行由AMR-WB+切換至AAC時，應用AMR-WB+停止窗口。開始窗口在左側具有混疊部，而停止 窗口在右側具有混疊部，此處這些混疊部示於72a，及此處這些混疊部與示於9 或94b的 鄰近AAC開始/停止窗口的混疊部相對應。
在圖7的1 個採樣的兩個重疊區進行特殊處理。為了抵消AAC的時域混疊， AMR-WB+分段的第一個幀及最後一個幀被強制變成TCX而非ACELP。這可通過在閉環判定 中對kgSNR分數進行偏移來進行。此外，特別地，如圖8A所示來處理TCX-MDCT的前1 個採樣，此處Lk = 128。如圖8B所示來處理AMR-WB+的最末1 個採樣，此處& = 128。圖8A示意了混疊部&朝非混疊部右側的處理，用於由TCX轉換至AAC ；圖8B示意 了混疊部Lk朝非混疊部左側的特殊處理，用於由AAC轉換至TCX。該處理與圖6相似，但加 權操作(亦即由第一域變換至第二域)的位置不同。特定而言，圖6中，變換是在窗口化之 前進行；而圖8B中，變換92是於窗口化80 (及摺疊8 之後進行，亦即以「TDA」指示的時 域混疊引入操作。再度，在解碼器端，進行如圖6的相當類似的處理步驟；但再度，混疊部的反相加 權位置是位於窗口化88之前(及展開87之前)，而在圖8A以86指示的由第一域變換至第 二域之後。因此，根據本發明的較佳實施例，如圖IA或圖IB所指示地處理TCX的轉換窗口的 混疊部，而根據圖6處理該窗口的非混疊部。任何AAC-MDCT窗口的處理維持相同，除了轉換時選擇開始窗口或停止窗口之外。 但在其它實施例中，TCX處理維持相同，AAC-MDCT窗口的混疊部與非混疊部相比較以不同 方式處理。此外，視情況而定，兩個窗口(亦即AAC窗口或TCX窗口)的兩個混疊部可以以與 其非混疊部不同的方式處理。但在較佳實施例中，優選地AAC處理就照現在的樣子進行；原 因在於由圖5顯然易知，在重疊-加法過程之後AAC處理已經在信號域；以及針對TCX轉 換窗口，對非混疊部是如圖6的上下文所示地處理，而對混疊部是如圖8A或圖8B所示地處理。接著討論圖9A，其中圖IA的處理器12示為控制器98。圖9A中具有與圖IlA的各項相對應的附圖標記的裝置具有類似的功能而不再討 論。特別地，圖9A示出的控制器98如圖9B所示地進行操作。在步驟98a，檢測到轉 換，此處此轉換是由判定級300指示。然後控制器98啟動而偏移開關521，使得開關521選 擇替代(2b)。然後由控制器98執行步驟98b。特別地，控制器進行操作而取混疊部的數據，不將 該數據直接饋至LPC 510，而在LPC濾波器510之前，將該數據直接饋至TDA模塊527a，未 通過LPC濾波器加權。然後由控制器98取得此數據並加權，然後在已經通過控制器98輸 出端的加權濾波器加權後，饋至DCT模塊527b。控制器98的加權濾波器在信號分析後使 用在LPC模塊510計算出的LPC係數。LPC模塊可饋至ACELP或TCX，此外，執行LPC分析 來獲得LPC係數。MDCT裝置的DCT部分527b是由TDA裝置527a及DCT裝置527b組成。 控制器98輸出端的加權濾波器具有與LPC模塊510的濾波器及可能存在的額外加權濾波 器(諸如AMR-WB+TCX處理中的感官濾波器)相同的特性。如此，在步驟98b，照此順序進行 TDA-、LPC-、及 DCT 處理。另一部分的數據饋入LPC模塊510，及隨後如圖9A的正常信號路徑所示，饋至MDCT模塊527a、527b。在這種情況下，TCX加權濾波器並未明示於圖9A，原因在於其屬於 LPC 模塊 510。如前述，如圖8A指示，混疊部的數據在模塊527a窗口化，在模塊527內部產生的 已窗口化數據在控制器輸出端經LPC濾波，然後LPC濾波結果被應用至MDCT模塊527的變 換部527b。用於加權由LPC裝置510所產生的LPC殘留信號的TCX加權濾波器未顯示在圖 9A中。此外，如結合圖8A所討論的，裝置527a包括窗口化級80及摺疊級82 ；裝置527b包 括DCT IV級83。然後DCT IV級83/527b接收處理後的混疊部及相對應處理後的另一部 分，進行公共的MDCT操作，隨後如圖9B中步驟98d所指示地，進行模塊5 中的數據壓縮。 因此，在就圖9A所討論的有線編碼器或軟體控制編碼器的情況下，如圖9D所指示的，控制 器98在不同模塊510與527a、527b間進行數據調度。在解碼器端，除了圖IlB所指示的模塊之外，設置轉換控制器99，如前文說明。轉換控制器99的功能將就圖IOB進行討論。一旦如圖IOB的步驟99a所摘述，轉換控制器99檢測到轉換，在數據解壓縮器 537a的數據解壓縮後，整個幀被饋至MDCr1級537b。此過程指示於圖IOB的步驟99b。然 後如步驟99c所指示，在進行TDAC處理之前，混疊部被直接饋至LPCT1級。但混疊部並未接 受完整「MDCT」處理，而如圖8B所示，只接受由第四域至第二域的反相變換。在圖8B的DCr1IV級86/級537b之後，混疊部被饋至圖IOA的額外LPC—1級537d， 確保由第二域變換至第一域，隨後，在模塊537c進行圖8B的展開操作87及窗口化操作88。 因此，在級86的DCT1操作後，轉換控制器99接收來自模塊537b的數據，然後將此數據饋 至LPCT1模塊537d。然後本過程的輸出信號被饋入模塊537d來進行展開87及窗口化88。 然後混疊部的窗口化結果被轉發至TDAC模塊440b，以便執行與AAC-MDCT塊的相對應混疊 部的重疊-加法操作。有鑑於此，混疊塊的處理順序為537a中的數據解壓縮，537b中的 DCT1，537d中的反相LPC及反相TCX感官加權(共同表示反相加權)，537c中的TDA—1處理 及然後440b中的重疊及加法。雖言如此，當忽略與模塊99連接的箭頭時，幀的其餘部分在540中的TDAC及反相 濾波/加權之前被饋至窗口化級，如就圖6所討論且如圖IOA的正常信號流程圖指示。有鑑於此，步驟99c獲得TDAC 440b後混疊部的已解碼音頻信號；步驟99d獲得 TDAC 537c的LPC域及模塊MO的反相加權後的剩餘部分/另一部的已解碼音頻信號。依據某些實施要求而定，本發明的實施例可以以硬體或軟體實施。該實施例可使 用數字存儲媒體，例如軟盤、DVD、CD、ROM、PROM、EPROM、EEPROM、或快閃記憶體進行，這些數字存儲 媒體有電可讀控制信號儲存於其上，與可變成計算機系統協力合作(或可協力合作)而進 行各種方法。根據本發明的若干實施例包含具有電可讀控制信號的數據載體，這些控制信號可 與可變成計算機系統協力合作，而執行如此處所述的方法之一。大致上，本發明的實施例可實施為帶有程序代碼的電腦程式產品，當該計算機 程序產品在計算機上運轉時，該程序代碼可操作用以執行這些方法之一。程序代碼例如可 儲存於機器可讀取載體上。其它實施例包含儲存於機器可讀取載體上的用於執行此處所述方法之一的計算 機程序。
換言之，因此本發明的實施例為一種電腦程式，具有一程序代碼，當該計算機程 序於計算機上運轉時，用於執行此處所述的方法之一。因此本發明的又一實施例為一種數據載體(或數字存儲媒體或計算機可讀取媒 體)，包含記錄於其上的用於執行此處所述方法之一的電腦程式。因此本發明的又一實施例為一種表示該電腦程式的數據流或信號序列，用於執 行此處所述方法之一。該數據流或信號序列例如可配置成通過數據通信連接(例如因特 網)傳送。又一實施例包含一種處理裝置，例如計算機或可變成邏輯裝置，其被配置成或適 合執行此處所述方法之一。又一實施例包含一種計算機，其上安裝用於執行此處所述方法之一的電腦程式。在若干實施例中，可變成邏輯裝置(例如現場可編程柵極陣列)可用於執行部分 或全部此處所述的方法功能。在若干實施例中，現場可編程柵極陣列可與微處理器協力合 作來執行此處所述方法之一。前文說明的實施例僅供舉例說明本發明的原理。須了解，本領域技術人員顯然易 知前文說明的配置及細節的修改及變化。因此本發明的範圍僅受隨附的權利要求所限，而 非受此處實施例的說明及解釋表示的特定細節所限。
權利要求
1.一種用於編碼音頻信號的裝置，包含用於使用分析窗口將該音頻信號的第一塊窗口化的窗口化器(12)，該分析窗口具有混 疊部(Lk, Rk)及另一部(Mk)；處理器(12)，用於通過在窗口化該音頻信號的第一子塊00)之後將該音頻信號的第 一子塊變換至與該音頻信號所在的域不同的域來處理與混疊部相關聯的該音頻信號的第 一子塊，以獲得已處理的第一子塊；及用於通過在窗口化第二子塊(21)之前將第二子塊變 換至所述不同的域來處理與該另一部相關聯的該音頻信號的第二子塊而獲得已處理的第 二子塊；及變換器(13)，用於使用相同塊變換規則，將該已處理的第一子塊及該已處理的第二子 塊由所述不同的域變換至另一域而獲得已變換的第一塊，其中該裝置被配置用於使用數據壓縮算法進一步處理(14)該已變換的第一塊。
2.如權利要求1所述的裝置，其被配置成使用第二分析窗口(7 處理該音頻信號的與 第一塊重疊的第二塊，所述第二分析窗口具有與該第一分析窗口的混疊部(72b)相對應的 混疊部(73b)。
3.如權利要求1或2所述的裝置，其中該音頻信號所在的域為時域；所述不同的域為 LPC域；與該音頻信號的第一塊重疊的該音頻信號的第二塊所編碼的第三域為頻域；以及 該變換器(1 被配置用於進行變換的所述另一域為LPC頻域，及其中該處理器(1 包含用於由第一域變換至第二域的LPC濾波器；或其中該變換器 (13)包含用於將輸入數據變換至該輸入數據的頻域的基於傅立葉的變換算法，諸如DCT、 DST、FFT、或 DFT。
4.如前述權利要求中任一項所述的裝置，其中該窗口化器(11)包含用於將輸入值折 疊而獲得輸出值的摺疊函數(8 ，輸出值的數目小於輸入值的數目，其中該摺疊函數將時 間混疊引入輸出值。
5.如前述權利要求中任一項所述的裝置，其中該窗口化器(11)操作用於執行窗口化 來獲得用於隨後執行的摺疊函數(8 的輸入值。
6.如前述權利要求中任一項所述的裝置，其中該裝置包含用於在頻域編碼音頻信號的 第一編碼分支G00)，及用於基於不同頻域編碼音頻信號的第二編碼分支(500)，其中該第二編碼分支具有用於在另一頻域編碼該音頻信號的第一子分支(527，5 )， 及用於在另一域編碼該音頻信號的第二子分支(5 )；該裝置進一步包含判定級(300)，用 於判定音頻數據塊是使用該第一編碼分支還是該第二編碼分支的第一子分支或第二子分 支所產生的數據而呈現於輸出比特流，及其中該控制器(98)被配置成用於控制判定級(300)以在進行由第一編碼分支轉換至 第二編碼分支或由第二編碼分支轉換至第一編碼分支時判定有利於該第一子分支。
7.如前述權利要求中任一項所述的裝置，其中該另一部包含非混疊部(Mk)及附加混疊 部或與該音頻信號的鄰近塊的相對應混疊部重疊的混疊部。
8.一種用於解碼具有已編碼第一音頻數據塊的已編碼音頻信號的裝置，該已編碼塊具 有混疊部及另一部，該裝置包含處理器(51)，用於通過在執行合成窗口化(88)之前將該混疊部變換(86)至目標域， 處理該混疊部(Lk，Rk)，來獲得已窗口化的混疊部，以及用於在執行變換(98)至該目標域之前，執行該另一部的合成窗口化(88)；及時域混疊抵消器(53)，用於在將該音頻數據的已編碼第一塊的混疊部變換(91)至目 標域之後，將該已窗口化混疊部與音頻數據的已編碼第二塊的已窗口化混疊部組合，以獲 得與該第一塊的混疊部相對應的已解碼音頻信號。
9.如權利要求8所述的裝置，其中該處理器(51)包含用於將該混疊部由第四域變換至 第二域的變換器(86)；及該處理器進一步包含用於將呈現於第二域的混疊部變換至第一 域的變換器(91)，其中該變換器(86)操作用於執行基於塊的頻率時間變換算法。
10.如權利要求8或9所述的裝置，其中該處理器(12)操作用於執行展開操作(87)， 以用於獲得具有大於輸入該展開操作(87)的輸入值數目的數值數目的輸出數據。
11.如權利要求8、9或10中任一項所述的裝置，其中該處理器(12)操作用於使用合成 窗口化函數(88)，該合成窗口化函數(88)與在產生該已編碼音頻信號時所使用的分析窗 口函數相關。
12.如前述權利要求8至11中任一項所述的裝置，其中該已編碼音頻信號包含編碼模 式指示符，指示用於該已編碼第一塊及該已編碼第二塊的編碼模式，其中該裝置進一步包含轉換控制器(99)，用於當該編碼模式指示符指示編碼模式時， 控制該處理器(1 由第一編碼模式改變成不同的第二編碼模式，或反之亦然；以及當未以 信號通知兩個編碼塊間的編碼模式改變時，用於控制該處理器(1 針對整個編碼塊執行 相同操作。
13.如前述權利要求8至12中任一項所述的裝置，其中第一編碼模式及第二編碼模式 包含熵解碼級、解量化級、包含展開操作的頻率-時間變換級、及合成窗口化級，其中該時域混疊抵消器(53)包含加法器(89a)，用於將由該合成窗口化級(88)所得的 已編碼塊的相對應混疊部相加，這些相對應混疊部是通過該音頻信號的重疊處理(89b)獲 得的，及其中在該第一編碼模式中，該時域混疊抵消器(5 被配置用來將由合成窗口化所得 的各塊部分相加而獲得目標域的已解碼信號，作為該加法(89a)的輸出，及其中在該第二編碼模式中，該加法(89a)的輸出由該處理器(1 處理，以執行該加法 的輸出變換(91)至該目標域。
14.一種包含音頻信號的已編碼第一塊及該音頻信號的重疊的已編碼第二塊的已編碼 音頻信號，該音頻信號的已編碼第一塊包含混疊部及另一部，該混疊部在窗口化(80)該混 疊部之後已經由第一域變換至第二域，並且該另一部在窗口化(80)該第二子塊之前已經 由該第一域變換至第二域，其中該第二子塊已經使用相同塊變換規則變換至第四域，及其中已經通過將音頻採樣的重疊塊窗口化(80)及通過將已窗口化塊變換至第三域， 產生了已編碼第二塊，其中該已編碼第二塊具有與音頻採樣的已編碼第一塊的混疊部相對 應的混疊部。
15.一種編碼音頻信號的方法，包含使用分析窗口將該音頻信號的第一塊窗口化(11)，該分析窗口具有混疊部(Lk，Rk)及 另一部(Mk)；經由將該音頻信號的第一子塊00)變換至與該域不同的域來處理(1 與混疊部相關 聯的該音頻信號的該第一子塊，其中該音頻信號在窗口化第一子塊之後獲得已處理的第一子塊；通過在窗口化第二子塊之前，將該第二子塊變換至不同域，來處理與該另一部相 關聯的該音頻信號的第二子塊，獲得已處理的第二子塊；使用相同塊變換規則，將該已處理的第一子塊及該已處理的第二子塊由所述不同的域 變換(1 至另一域來獲得已變換的第一塊；及使用數據壓縮算法，進一步處理(14)該已變換的第一塊。
16.一種解碼具有音頻數據的已編碼第一塊的已編碼音頻信號的方法，該已編碼塊具 有混疊部及另一部，該方法包含通過在執行合成窗口化(88)之前，將該混疊部(Lk，&)變換(86)至目標域，處理(51) 該混疊部來獲得已窗口化混疊部；在變換(98)至該目標域之前，對該另一部進行合成窗口化(88)；及 在該音頻數據的已編碼第一塊的混疊部變換(91)至目標域之後，組合(5 該已窗口 化混疊部與該音頻數據的已編碼第二塊的已窗口化混疊部來獲得時域混疊抵消，而獲得與 該第一塊的混疊部相對應的已解碼音頻信號。
17.一種電腦程式，具有程序代碼，用於當在計算機上運行時，執行如權利要求15所 述的編碼方法或如權利要求16所述的解碼方法。
全文摘要
一種用於編碼音頻信號的裝置，包含窗口化器(11)，用於使用具有混疊部及另一部的分析窗口來窗口化該音頻信號的第一塊。該裝置進一步包含處理器(12)，用於通過將該第一子塊窗口化之後，將該子塊由一域變換至一不同域來處理與該混疊部相關聯的該音頻信號的第一子塊而獲得已處理的第一子塊；以及用於通過在窗口化該第二子塊之前，將該第二子塊由該域變換至該不同域來處理與該另一部相關聯的該音頻信號的第二子塊而獲得已處理的第二子塊。此外，該裝置包含變換器，用於使用相同塊變換規則，將該已處理的第一子塊及該已處理的第二子塊由該不同域變換至又一個不同域來獲得已變換的第一塊，然後該塊可使用眾所周知的數據壓縮算法中的任一者壓縮。如此，由於出現在不同域的混疊部彼此匹配，故可獲得兩種編碼模式間的臨界採樣的切換。
文檔編號G10L19/04GK102089812SQ200980127114
公開日2011年6月8日 申請日期2009年6月17日 優先權日2008年7月11日
發明者延斯·希斯費爾德, 拉爾夫·蓋格爾, 斯特凡·拜爾, 傑拉爾德·舒勒, 熱雷米·勒康特, 紀堯姆·福克斯, 馬庫斯·馬特拉斯 申請人:弗勞恩霍夫應用研究促進協會