[发明专利]在预测编码与变换编码之间交替的低延迟声音编码

说明书

技术领域

本发明涉及对数字信号进行编码的领域。

有利地，本发明应用于具有交替的语音和音乐的声音的编码。

背景技术

为了有效地对语音声音进行编码，推荐CELP（代码激励线性预测）类型的技术。为了有效地对音乐声音进行编码，优先推荐变换编码技术。

CELP类型的编码器是预测编码器。它们的目的是基于各种元素对语音的产生进行建模：对声道进行建模的短期线性预测，对发音阶段的声带震动进行建模的长期预测，以及为了表示尚不能被建模的“创新”而源自固定字典的激励（白噪声，代数激励）。

最广泛使用的变换编码器（例如MPEG AAC或ITU-T G.722.1 Annex C编码器）使用临界采样变换，以便简化（compact）变换域中的信号。“临界采样变换”是其中变换域中的系数数量等于分析的时间样本数量的变换。

对包含这两种类型的内容的信号进行有效编码的一种方案在于随时间选择最好的技术。该方案已被3GPP（第三代合作伙伴计划）标准化组织特别推荐，并且已经提出了称为AMR WB+的技术。

该技术基于AMR-WB类型、更具体地ACELP（“代数码激励线性预测”）类型的CELP技术，以及基于TCX（“变换编码激励”）类型的模型中的重叠傅里叶变换的变换编码。

ACELP编码和TCX编码都是预测线性类型的技术。应该注意，已开发了AMR-WB+编解码器用于3GPP PSS（“分组交换流化”）、MBMS（“多媒体广播/多播服务”）和MMS（“多媒体消息服务”）服务，换句话说，用于对算术延迟没有强烈限制的广播和存储服务。

该方案忍受音乐的质量不足。该不足特别来自于变换编码。特别地，重叠傅里叶变换不是临界采样变换，因此是次优的。

此外，在此编码器中使用的窗口对于能量集中不是最优的：这些几乎矩形窗口的频率形状是次优的。

ISO/MPEG仍在开发的MPEG USAC（“统一语音音频编码”）编解码器给出了与MPEG AAC（“高级音频编码”）编码的原理结合的AMR-WB+编码的改进。MPEG USAC瞄准的应用不是会话的，而是对应于对算法延迟没有强烈限制的广播和存储服务。

M.Neuendorf等的文章A Novel Scheme for Low Bitrate Unified Speech and Audio Coding-MPEG RM0,7-10 May 2009,126th AES Convention描述了USAC编解码器的初始版本，称为RM0（参考模型0）。该RM0编解码器在若干编码模式之间交替：

·对于语音类型的信号：LPD（“线性预测域”）模式包括源自AMR-WB+编码的两种不同的模式：

-ACELP模式

-使用MDCT类型的变换的TCX模式，称为wLPT（“加权线性预测变换”）（不同于AMR-WB+编解码器）。

·对于音乐类型的信号：对1024个样本使用MPEG AAC（“高级音频编码”）类型的MDCT（“改进型离散余弦变换”）变换编码的FD（“频域”）模式。

与AMR-WB+编解码器相比，USAC RM0编码对于单声道部分提供的各种主要不同是使用用于变换编码的MDCT类型的临界抽取变换，以及通过利用算术编码的标量量化的MDCT谱的量化。应该注意，通过各种模式（LPD、FD）编码的声波带取决于选择的模式，这并不是其中ACELP和TCX模式以同一内部采样频率操作的AMR-WB+编解码器中的情况。此外，对于1024个样本的每帧，在开环中执行USAC RM0编解码器中的关于模式的判决。注意：通过并行执行各种编码模式，并且通过根据预定义的标准按照后验选择给出最好结果的模式，来进行闭环判决。在开环判决的情况下，判决采取根据数据和可用观察的先验，但是不测试该判决是否最优。