[发明专利]一种时域噪声整形工具启动判决方法及装置

说明书

技术领域

本发明涉及信号处理领域，尤指一种用于高级音频编码(Advanced AudioCoding，AAC)的时域噪声整形(Temporal Noise Shaping，TNS)工具的启动判决方法及装置。

背景技术

AAC采用通用的变换域音频编码器结构，如图1所示。心理声学模型模块负责计算得到掩蔽阈值，即各频段内的最大允许量化噪声；以及基于频域感知熵进行块类型判决，决定后续各编码模块使用的块长。时域信号同时送入时频映射模块，根据块类型采用一个2048点或8个256点的MDCT变换将输入时域音频信号转换为频域离散余弦变换(Modified Discrete Cosine Transform，MDCT)谱系数。谱处理模块中包含时域噪声整形TNS、联合立体声等编码工具，对频域数据进行处理，以提高编码质量。量化和熵编码模块根据掩蔽阈值和可用比特数对谱系数进行量化和编码，同时进行比特分配，以尽可能的减少可感知量化噪声的出现。最后由比特封装模块将谱系数的编码值和有关边信息按规范中的语义规定写入码流。

TNS工具是AAC编码器中用来解决预回声问题(pre-echo)的一个重要工具。‘预回声’的产生是由于解码端的合成滤波器组会将频域谱系数的量化噪声分散到合成滤波器时间窗涵盖的全体时域信号中，使得位于时间窗起始端的小幅度信号段中存在的量化噪声幅度相对过大，而前向掩蔽(pre-masking)时间又很短，造成解码后该小幅度信号段中存在可感知的编码失真，如图2所示，其中量化噪声如虚线所示(考虑了窗函数的影响)。TNS对频域谱系数进行开环线性预测，对预测残差进行量化编码，使得在解码端量化误差的时域包络与输入信号的时域包络近似，即进行时域噪声整形，能从根本上抑制预回声的出现。

TNS工具具有抑制预回声的功能，但并不是任何时候启动该工具都是合适的：对于缓变帧信号或者低幅度信号段位于后端的快变帧，不存在预回声问题，启动TNS只会增加编、解码端的复杂度，白白耗费传递TNS边信息所需的比特。有时由于频域线性预测增益小，某个尺度因子带中可能存在残差信号幅值大于原始信号的情况，需要更多的比特编码残差信号，引起编码质量下降。因此AAC编码端需要一个判决机制，决定编码当前时间窗信号是否需要启动TNS工具。

现有技术中，根据频域线性预测增益比进行TNS工具启动判决的方法如下：

AAC编码端采用MDCT变换实现时频映射。MDCT变换时，对相邻的两个时间块信号加窗后，再进行变换。所加的时间窗可以包括长窗和短窗；其中，MDCT变换的长窗长度采用2048点，其短窗长度为256点。如采用2048点这种长窗模式，对于一帧输入信号，变换得到1024个MDCT谱系数；如采用256点这种短窗模式，每个时间窗内的256点时域信号变换得到一组128点MDCT谱系数，一帧输入信号使用8个短窗，变换得到8组共1024个MDCT谱系数。

长窗和长短窗切换时的窗形示例如图3所示。

在AAC编码器中，以时间窗为基本单元计算有关边信息，进行TNS工具启动判决以及启用TNS工具，对于长窗模式，各时间窗对应的频域谱系数使用相同的TNS控制边信息；对于短窗模式，各时间窗对应的频域谱系数也使用相同的TNS控制边信息；属于不同模式的时间窗的频域谱系数使用不同的TNS控制边信息。

对于长窗模式，全体1024个谱系数对应一个时间窗。对于短窗模式，则固定的有8个时间窗。

对于一个时间窗的1024点(或128点)谱系数进行判决计算时，具体执行下列步骤：

步骤1：以尺度因子带(Scale factor Bands)为基本单位选择一个频率范围，基本原则是低频在2kHz以上，最高尺度因子带序号应尽可能的高，但不超过AAC规范规定的最高频率TNS_MAX_BANDS。

步骤2：用通用的莱文森-德宾(Levinson-Durbin)递推算法对选定频率范围内的频率谱系数进行线性预测(linear predictive coding，LPC)分析，得到线性预测加权系数α_i；其中，LPC分析阶数为AAC规范规定的最大阶数TNS_MAX_ORDER。

步骤3：考察频域预测增益比g_p，判决是否需要启用TNS工具。

根据线性预测加权系数得到预测信号，并根据预测信号计算预测残差，进而得到反映原始信号总能量和预测残差信号总能量比值的线性预测增益比g_p：