專利名稱：用于噪聲注入的系統(tǒng)、方法、設備和計算機可讀媒體的制作方法
技術領域：
本發(fā)明涉及音頻信號處理領域。
背景技術：
基于修改離散余弦變換(MDCT)的譯碼方案通常用于對一般音頻信號進行譯碼，所述音頻信號可以包含語音和/或非語音內容，例如音樂?，F(xiàn)有的使用MDCT譯碼的音頻編解碼器的實例包含MPEG-1音頻層3 (MP3)、杜比數(shù)碼(杜比實驗室，英國倫敦；也稱為AC-3，且標準化為ATSC A/52)、Vorbis (Xiph. 0rg基金會，美國馬薩諸塞州薩默維爾)、視窗媒體音頻(WMA，微軟公司，華盛頓州雷蒙德)、自適應變換聲學譯碼(ATRAC，索尼公司，日本東京)和高級音頻譯碼(AAC，最近在IS0/IEC14496-3:2009中標準化)。MDCT譯碼也是一些電信標準的組成部分，例如增強可變速率編解碼器(EVRC，在第3代合作伙伴計劃2 (3GPP2)文檔C. S0014-D v3. 0 (2010年10月，電信行業(yè)聯(lián)盟，馬薩諸塞州阿靈頓)中標準化)。G. 718編解碼器(“來自8-32kbit/s的語音和音頻的幀誤差穩(wěn)健窄帶和寬帶嵌入式可變位速率譯石馬(Frame error robust narrowband and wideband embedded variable bit-rate codingof speech and audio from8_32kbit/s) ”(電信標準化部門(ITU-T),日內瓦，CH, 2008 年 6月，于2008年11月和2009年8月修改，于2009年3月和2010年3月修訂))是使用MDCT譯碼的多層編解碼器的一個實例。

發(fā)明內容
一種根據(jù)一般配置處理音頻信號的方法，其包含基于來自所述音頻信號的信息，在碼簿的多個條目中選擇一個條目；以及確定基于所述選定碼簿條目的第一信號的零值元素在頻率域中的位置。此方法包含計算所述確定的頻率域位置處的所述音頻信號的能量；計算所述音頻信號的所述能量在所述確定的頻率域位置之間的分布的測量值；以及基于所述計算出的能量和所述計算出的值，計算噪聲注入增益因子。還揭示計算機可讀存儲媒體(例如，非暫時性媒體)，其具有有形特征，所述有形特征使得讀取所述特征的機器執(zhí)行此方法。一種根據(jù)一般配置處理音頻信號的設備，其包含用于基于來自所述音頻信號的信息在碼簿的多個條目中選擇一個條目的裝置；以及用于確定基于所述選定碼簿條目的第一信號的零值元素在頻率域中的位置的裝置。此設備包含用于計算所述確定的頻率域位置處的所述音頻信號的能量的裝置；用于計算所述音頻信號的所述能量在所述確定的頻率域位置之間的分布的測量值的裝置；以及用于基于所述計算出的能量和所述計算出的值計算噪聲注入增益因子的裝置?！N根據(jù)另一一般配置處理音頻信號的設備，其包含向量量化器，其經(jīng)配置以基于來自所述音頻信號的信息在碼簿的多個條目中選擇一個條目；以及零值檢測器，其經(jīng)配置以確定基于所述選定碼簿條目的第一信號的零值元素在頻率域中的位置。此設備包含能量計算器，其經(jīng)配置以計算所述確定的頻率域位置處的所述音頻信號的能量；稀疏性計算器，其經(jīng)配置以計算所述音頻信號的所述能量在所述確定的頻率域位置之間的分布的測量值；以及增益因子計算器，其經(jīng)配置以基于所述計算出的能量和所述計算出的值，計算噪聲注入增益因子。


圖1展示MDCT操作的典型正弦窗形狀的三個實例。圖2展示不同窗函數(shù)w (η)的一個實例。圖3Α展示根據(jù)一般配置處理音頻信號的方法MlOO的框圖。圖3Β展示方法MlOO的實施方案MllO的流程圖。圖4A-C展示增益形狀向量量化結構的實例。圖5展示在脈沖編碼之前和之后的輸入頻譜向量的實例。圖6Α展示排序的一組頻譜系數(shù)能量中的一子組的實例。圖6Β展示稀疏因子值對增益調整因子值的映射的曲線圖。圖6C展示圖6Β針對特定閾值的映射的曲線圖。圖7Α展示任務Τ500的此實施方案Τ502的流程圖。圖7Β展示任務Τ500的實施方案Τ504的流程圖。圖7C展示任務Τ502和Τ504的實施方案Τ506的流程圖。圖8Α展示任務Τ520的一實例的限幅操作的曲線圖。圖8Β展示任務Τ520針對特定閾值的一實例的曲線圖。圖SC展示可執(zhí)行以執(zhí)行任務Τ520的一實施方案的偽碼列表。圖8D展示可執(zhí)行以執(zhí)行噪聲注入增益因子的基于稀疏性的調制的偽碼列表。圖SE展示可執(zhí)行以執(zhí)行任務Τ540的一實施方案的偽碼列表。圖9Α展示根據(jù)單調減小函數(shù)的LPC增益值(以分貝計)對因子ζ的值的映射的實例。圖9Β展示圖9Α針對特定閾值的映射的曲線圖。圖9C展示圖9Α所示的映射的不同實施方案的一實例。圖9D展示圖9C針對特定閾值的映射的曲線圖。圖10A展示參考幀與目標幀中的子帶位置之間的關系的實例。圖10B展示根據(jù)一般配置的噪聲注入方法Μ200的流程圖。
圖1OC展示根據(jù)一般配置的噪聲注入設備MF200的框圖。圖1OD展示根據(jù)另一一般配置的噪聲注入設備A200的框圖。圖11展示低帶音頻信號中的選定子帶的實例。圖12展示高帶音頻信號中的選定子帶和殘余分量的實例。圖13A展示根據(jù)一般配置的用于處理音頻信號的設備MF100的框圖。圖13B展示根據(jù)另一一般配置的用于處理音頻信號的設備AlOO的框圖。圖14展示編碼器E20的框圖。圖15A到E展示編碼器ElOO的應用范圍。圖16A展示信號分類方法MZ100的框圖。圖16B展示通信裝置DlO的框圖。圖17展示手持機HlOO的前視圖、后視圖和側視圖。
具體實施例方式在用于對信號向量進行編碼以用于存儲或傳輸?shù)南到y(tǒng)中，可能需要包含噪聲注入算法以適當?shù)卣{整被注入的噪聲的增益、頻譜形狀和/或其它特性，以便使感知質量最大化，同時使要傳輸?shù)男畔⒘孔钚』＠?，可能需要如本文中所述應用稀疏因子，以控制此噪聲注入方?例如，以控制要注入的噪聲的水平)。在此方面，可能需要特別注意避免向不像噪聲的音頻信號(例如，高音調信號或其它稀疏頻譜)添加噪聲，因為可以假設這些信號已經(jīng)通過基礎譯碼方案加以良好譯碼。同樣，可能相對于譯碼的信號為被注入的信號的頻譜成形或者其它方式以調整其頻譜特性是有益的。除非受其上下文明確地限制，否則術語“信號”在本文中用以指示其普通意義中的任一者，包括如在導線、總線或其它傳輸媒體上表達的存儲器位置(或存儲器位置組)的狀態(tài)。除非受其上下文明確地限制，否則本文中使用術語“產(chǎn)生”來指示其普通意義中的任一者，例如計算或以另外方式產(chǎn)生。除非受其上下文明確地限制，否則術語“計算”在本文中用以指示其普通意義中的任一者，例如運算、評估、平滑及/或從多個值中進行選擇。除非受其上下文明確地限制，否則使用術語“獲得”來指示其普通意義中的任一者，例如計算、導出、接收(例如，從外部裝置)及/或檢索(例如，從存儲元件陣列)。除非受其上下文明確地限制，否則使用術語“選擇”來指示其普通意義中的任一者，例如識別、指示、應用和/或使用兩個或兩個以上的組中的至少一者且不到全部。在術語“包含”用于本描述和權利要求書中的情況下，其不排除其它元件或操作。使用術語“基于(如在“A基于B”中)”來指示其普通意義中的任一者，包含以下情況⑴“從……導出”(例如，“B是A的前體”)，
(ii)“至少基于”(例如“A至少基于B”)，且如果在特定的上下文中合適，(iii) “等于”(例如，“A等于B”)。類似地，使用術語“響應于”來指示其普通意義中的任一者，包含“至少響應于”。除非另有指示，否則使用術語“系列”來指示兩個或兩個以上項目的序列。使用術語“對數(shù)”來指示底數(shù)為十的對數(shù)，但是此運算擴展到其它底數(shù)也在本發(fā)明的范圍內。使用術語“頻率分量”來指示一 組信號頻率或頻帶中的一者，例如信號頻率域(例如，由快速傅立葉變換或MDCT產(chǎn)生)或信號的子帶(例如，巴克標度(Bark scale)或梅爾標度(melscale)子帶)的頻率域表示的樣本。
除非另外指出，否則對具有特定特征的設備的操作的任何揭示內容還明確地希望揭示具有類似特征的方法(且反之亦然)，且對根據(jù)特定配置的設備的操作的任何揭示內容還明確地希望揭示根據(jù)類似配置的方法(且反之亦然)。術語“配置”可用于參考一種方法、設備和/或系統(tǒng)，如由其特定上下文所指示。除非特定上下文另有指示，否則普遍且互換地使用術語“方法”、“過程”、“程序”和“技術”。具有多個子任務的“任務”也是方法。除非特定上下文另有指示，否則普遍且互換地使用術語“設備”和“裝置”。術語“元件”和“模塊”通常用于指示較大配置的一部分。除非受其上下文明確限制，否則在本文中使用術語“系統(tǒng)”來指示其普通意義中的任一者，包含“交互以服務于共同目的的一群組的元件”。以引用方式對一份文檔的一部分的任何并入應當被理解為并入有所述部分內參考的術語定義或變化形式，而此些定義在文檔中的其它地方以及并入部分中參考的任何圖中出現(xiàn)。本文中所述的系統(tǒng)、方法和設備一般適用于頻率域中的音頻信號的譯碼表示。此表示的典型實例是變換域中的一系列變換系數(shù)。合適變換的實例包含離散正交變換，例如正弦單一變換。合適的正弦單一變換的實例包含離散三角變換，其包含但不限于離散余弦變換(DCT)、離散正弦變換(DST)和離散傅立葉變換(DFT)。合適變換的其它實例包含此些變換的重疊形式。合適變換的一特定實例是上文介紹的修改DCT (MDCT)。本揭示中始終參照音頻頻率范圍的“低帶”和“高帶”(等效地稱為“上部帶”)，并且參照零到四千赫(kHz)的低帶和3. 5到七kHz的高帶的特定實例。明確指出，本文中論述的原理不以任何方式限于此特定實例，除非明確陳述了此限制。這些編碼、解碼、分配、量化和/或其它處理的這些原理對其的應用被明確涵蓋且在此揭示的頻率范圍的其它實例(同樣不限于)包含具有0、25、50、100、150和200Hz中的任一者下的下界和3000、3500、4000和4500Hz中的任一者下的上界的低帶，和具有3000、3500、4000、4500和5000Hz中的任一者下的下界和6000、6500、7000、7500、8000、8500和9000Hz中的任一者下的上界的高帶。還明確涵蓋且在此揭示此些原理(同樣不限于)對于具有3000、3500、4000、4500、5000、5500、6000、6500、7000、7500、8000、8500 和 9000Hz 中的任一者下的下界和 10,10. 5、11、11· 5、12、
12.5、13、13. 5、14、14. 5、15、15. 5和16kHz中的任一者下的上界的高帶的應用。還明確指出，雖然高帶信號一般將在譯碼過程的較早階段轉換成較低采樣速率(例如，經(jīng)由重新采樣和/或抽取)，但是其仍然是高帶信號，且其承載的信息仍然表示高帶音頻頻率范圍。包含對如本文中所述的噪聲注入增益的計算和/或應用的譯碼方案可以應用于對任何音頻信號(例如，包含語音)進行譯碼?；蛘?，可能需要此譯碼方案僅用于非語音音頻(例如，音樂)。在此情況下，所述譯碼方案可以配合分類方案一起使用以確定音頻信號的每一幀的內容的類型，并且選擇一種合適的譯碼方案。包含對如本文中所述的噪聲注入增益的計算和/或應用的譯碼方案可以用作主要編解碼器或者多層或多階編解碼器中的一層或一階。在一個此實例中，使用此譯碼方案對音頻信號(例如，低帶或高帶)的頻率含量的一部分進行譯碼，且使用另一譯碼方案對信號的頻率含量的另一部分進行譯碼。在另一此實例中，使用此譯碼方案對另一譯碼層的殘余(即，原始信號與編碼的信號之間的誤差)進行譯碼。可能需要將音頻信號處理為頻率域中的信號的表示。此表示的典型實例是變換域中的一系列變換系數(shù)。通過對時域中的信號的PCM(偽碼調制)樣本的幀執(zhí)行變換操作(例如，F(xiàn)FT或MDCT操作)，可以獲得信號的此變換域表示。變換域譯碼可有助于提高譯碼效率，例如通過支持利用信號的子帶之間的能量譜在頻率(例如，從一個子帶到另一個)和/或時間(例如，從一個幀到另一個)上的相關的譯碼方案。正被處理的音頻信號可以是對輸入信號(例如，語音和/或音樂信號)的另一譯碼操作的殘余。在一個此實例中，正被處理的音頻信號是對輸入音頻信號(例如，語音和/或音樂信號)的線性預測譯碼(LPC)分析操作的殘余。本文中所述的方法、系統(tǒng)和設備可以經(jīng)配置以將音頻信號作為一系列區(qū)段來處理。一區(qū)段(或“幀”)可以是對應于長度一般在從大約五或十毫秒到大約四十或五十毫秒的范圍內的時域區(qū)段的變換系數(shù)塊。時域區(qū)段可以是重疊(例如，鄰近區(qū)段重疊25%或50% )或不重疊的。可能需要獲得音頻譯碼器中的高質量和低延遲兩者。音頻譯碼器可以使用大的幀大小來獲得高質量，但遺憾的是，大的幀大小通常會導致較長的延遲。本文中所述的音頻編碼器的潛在優(yōu)勢包含對于短的幀大小的高質量譯碼(例如，二十毫秒的幀大小，其中有十毫秒的預看)。在一個特定實例中，將時域信號分成一系列二十毫秒的非重疊區(qū)段，并且獲得與每一相鄰巾貞重疊十毫秒的四十毫秒的窗上的用于每一巾貞的MDCTο可用于產(chǎn)生待由本文中揭示的系統(tǒng)、方法或設備處理的音頻信號的MDCT變換操作的一個實例在上文引用的文檔C. S0014-D v3. O的段落4. 13. 4 (修改離散余弦變換(MDCT)，pp. 4-134到4-135)中予以描述，所述段落作為MDCT變換操作的一實例以引用的方式并入本文中。由本文中描述的方法、系統(tǒng)或設備處理的區(qū)段也可以是通過變換產(chǎn)生的塊的一部分(例如，低帶或高帶)，或者是由對此塊的先前操作產(chǎn)生的塊的一部分。在一個特定實例中，由此方法、系統(tǒng)或設備處理的一系列區(qū)段(或“幀”)中的每一者含有表示O到4kHz的低帶頻率范圍的一組160MDCT系數(shù)。在一個特定實例中，由此方法、系統(tǒng)或設備處理的一系列幀中的每一者含有表示3. 5到7kHz的高帶頻率范圍的一組140個MDCT系數(shù)。MDCT譯碼方案使用一編碼窗，所述編碼窗在兩個或兩個以上連續(xù)幀上延伸(即，與其重疊)。對于為M的幀長度，MDCT基于2M個樣本的輸入而產(chǎn)生M個系數(shù)。因此，MDCT譯碼方案的一個特征在于其允許變換窗在一個或一個以上幀邊界上延伸而不會增加表示編碼的幀所需的變換系數(shù)的數(shù)目?？梢詫個MDCT系數(shù)的計算表示為X的
權利要求
1.一種處理音頻信號的方法，所述方法包括 基于來自所述音頻信號的信息，在碼簿的多個條目中選擇一個條目； 確定基于所述選定碼簿條目的第一信號的零值元素在頻率域中的位置； 計算所述確定的頻率域位置處的所述音頻信號的能量； 計算所述音頻信號的所述能量在所述確定的頻率域位置之間的分布的測量值；以及 基于所述計算出的能量和所述計算出的值，計算噪聲注入增益因子。
2.根據(jù)權利要求1所述的方法，其中所述選定碼簿條目是基于單位脈沖模式。
3.根據(jù)權利要求1和2中任一權利要求所述的方法，其中所述計算所述音頻信號的所述能量的分布的測量值包含 計算所述確定的頻率域位置中的每一者處的所述音頻信號的元素的能量；以及 將所述元素的所述計算出的能量排序。
4.根據(jù)權利要求1到3中任一權利要求所述的方法，其中能量分布的所述測量值是基于以下兩者之間的關系(A)所述確定的頻率域位置處的所述音頻信號的所述元素的適當子組的總能量，與(B)所述確定的頻率域位置處的所述音頻信號的所述元素的總能量。
5.根據(jù)權利要求1到4中任一權利要求所述的方法，其中所述噪聲注入增益因子是基于以下兩者之間的關系(A)所述確定的頻率域位置處的所述音頻信號的所述計算出的能量，與(B)在包含所述確定的頻率域位置的頻率范圍中的所述音頻信號的能量。
6.根據(jù)權利要求1到5中任一權利要求所述的方法，其中所述計算所述噪聲注入增益因子包含 檢測所述噪聲注入增益因子的初始值不大于閾值；以及 響應于所述檢測對所述噪聲注入增益因子的所述初始值進行限幅。
7.根據(jù)權利要求6所述的方法，其中所述噪聲注入增益因子是基于對所述被限幅的值應用所述能量分布的所述測量的所述計算出的值的結果。
8.根據(jù)權利要求1到7中任一權利要求所述的方法，其中所述音頻信號是多個經(jīng)修改的離散余弦變換系數(shù)。
9.根據(jù)權利要求1到8中任一權利要求所述的方法，其中所述音頻信號是基于對第二音頻信號的線性預測譯碼分析的殘余。
10.根據(jù)權利要求9所述的方法，其中所述噪聲注入增益因子還基于線性預測譯碼增益,且 其中所述線性預測譯碼增益是基于由對所述第二音頻信號的所述線性預測譯碼分析產(chǎn)生的一組系數(shù)。
11.一種用于處理音頻信號的設備，所述設備包括 用于基于來自所述音頻信號的信息在碼簿的多個條目中選擇一個條目的裝置； 用于確定基于所述選定碼簿條目的第一信號的零值元素在頻率域中的位置的裝置； 用于計算所述確定的頻率域位置處的所述音頻信號的能量的裝置； 用于計算所述音頻信號的所述能量在所述確定的頻率域位置之間的分布的測量值的裝置；以及 用于基于所述計算出的能量和所述計算出的值計算噪聲注入增益因子的裝置。
12.根據(jù)權利要求11所述的設備，其中所述選定碼簿條目是基于單位脈沖模式。
13.根據(jù)權利要求11和12中任一權利要求所述的設備，其中所述用于計算所述音頻信號的所述能量的分布的測量值的裝置包含 用于計算所述確定的頻率域位置中的每一者處的所述音頻信號的元素的能量的裝置；以及 用于將所述元素的所述計算出的能量排序的裝置。
14.根據(jù)權利要求11到13中任一權利要求所述的設備，其中能量分布的所述測量值是基于以下兩者之間的關系(A)所述確定的頻率域位置處的所述音頻信號的所述元素的適當子組的總能量，與(B)所述確定的頻率域位置處的所述音頻信號的所述元素的總能量。
15.根據(jù)權利要求11到14中任一權利要求所述的設備，其中所述噪聲注入增益因子是基于以下兩者之間的關系(A)所述確定的頻率域位置處的所述音頻信號的所述計算出的能量，與(B)在包含所述確定的頻率域位置的頻率范圍中的所述音頻信號的能量。
16.根據(jù)權利要求11到15中任一權利要求所述的設備，其中所述用于計算所述噪聲注入增益因子的裝置包含 用于檢測所述噪聲注入增益因子的初始值不大于閾值的裝置；以及 用于響應于所述檢測對所述噪聲注入增益因子的所述初始值進行限幅的裝置。
17.根據(jù)權利要求16所述的設備，其中所述噪聲注入增益因子是基于對所述被限幅的值應用所述能量分布的所述測量的所述計算出的值的結果。
18.根據(jù)權利要求11到17中任一權利要求所述的設備，其中所述音頻信號是多個經(jīng)修改的離散余弦變換系數(shù)。
19.根據(jù)權利要求11到18中任一權利要求所述的設備，其中所述音頻信號是基于對第二音頻信號的線性預測譯碼分析的殘余。
20.根據(jù)權利要求19所述的設備，其中所述噪聲注入增益因子還基于線性預測譯碼增益,且 其中所述線性預測譯碼增益是基于由對所述第二音頻信號的所述線性預測譯碼分析產(chǎn)生的一組系數(shù)。
21.一種用于處理音頻信號的設備，所述設備包括 向量量化器，其經(jīng)配置以基于來自所述音頻信號的信息在碼簿的多個條目中選擇一個條目； 零值檢測器，其經(jīng)配置以確定基于所述選定碼簿條目的第一信號的零值元素在頻率域中的位置； 能量計算器，其經(jīng)配置以計算所述確定的頻率域位置處的所述音頻信號的能量； 稀疏性計算器，其經(jīng)配置以計算所述音頻信號的所述能量在所述確定的頻率域位置之間的分布的測量值；以及 增益因子計算器，其經(jīng)配置以基于所述計算出的能量和所述計算出的值來計算噪聲注入增益因子。
22.根據(jù)權利要求21所述的設備，其中所述選定碼簿條目是基于單位脈沖模式。
23.根據(jù)權利要求21和22中任一權利要求所述的設備，其中所述稀疏性計算器經(jīng)配置以計算所述確定的頻率域位置處的所述音頻信號的元素的能量，并且將所述元素的所述計算出的能量排序。
24.根據(jù)權利要求21到23中任一權利要求所述的設備，其中能量分布的所述測量值是基于以下兩者之間的關系(A)所述確定的頻率域位置處的所述音頻信號的所述元素的適當子組的總能量，與(B)所述確定的頻率域位置處的所述音頻信號的所述元素的總能量。
25.根據(jù)權利要求21到24中任一權利要求所述的設備，其中所述噪聲注入增益因子是基于以下兩者之間的關系(A)所述確定的頻率域位置處的所述音頻信號的所述計算出的能量，與(B)包含所述確定的頻率域位置的頻率范圍中的所述音頻信號的能量。
26.根據(jù)權利要求21到25中任一權利要求所述的設備，其中所述增益因子計算器經(jīng)配置以檢測所述噪聲注入增益因子的初始值不大于閾值，且響應于所述檢測對所述噪聲注入增益因子的所述初始值進行限幅。
27.根據(jù)權利要求26所述的設備，其中所述噪聲注入增益因子是基于對所述被限幅的值應用所述能量分布的所述測量的所述計算出的值的結果。
28.根據(jù)權利要求21到27中任一權利要求所述的設備，其中所述音頻信號是多個經(jīng)修改的離散余弦變換系數(shù)。
29.根據(jù)權利要求21到28中任一權利要求所述的設備，其中所述音頻信號是基于對第二音頻信號的線性預測譯碼分析的殘余。
30.根據(jù)權利要求29所述的設備，其中所述噪聲注入增益因子還基于線性預測譯碼增益,且 其中所述線性預測譯碼增益是基于由對所述第二音頻信號的所述線性預測譯碼分析產(chǎn)生的一組系數(shù)。
31.一種計算機可讀存儲媒體，其具有有形特征，所述有形特征使得讀取所述特征的機器執(zhí)行根據(jù)權利要求1到10中任一權利要求所述的方法。
全文摘要
根據(jù)原始頻譜的能量在頻譜的未譯碼元素的位置之間的分布的測量值來控制在所述未譯碼元素處注入噪聲的方案。
文檔編號G10L19/038GK103069482SQ201180039077
公開日2013年4月24日 申請日期2011年8月17日 優(yōu)先權日2010年8月17日
發(fā)明者維韋克·拉金德朗, 伊桑·羅伯特·杜尼, 文卡特什·克里希南 申請人:高通股份有限公司