[发明专利]音频信号的分类

说明书

相关申请引用

本申请是申请日为2005年2月16日、国际申请号为PCT/FI2005/050035、进入国家阶段日期为2006年8月22、中国申请号为200580005608.2的发明专利申请的分案申请。

技术领域

本发明涉及语音和音频编码，其中编码模式根据输入信号是类语音还是类音乐信号而改变。本发明涉及一种编码器，该编码器包括一个输入，用来输入在一个频带中的音频信号的帧，包括至少第一激励块，用来对类语音音频信号执行第一激励，以及第二激励块，用来对非类语音音频信号执行第二激励。本发明还涉及一种设备，该设备包括一个编码器，该编码器包括一个输入，用来输入在一个频带中音频信号的帧，包括至少第一激励块，用来对类语音音频信号执行第一激励，以及第二激励块，用来对非类语音音频信号执行第二激励。本发明还涉及一种系统，该系统包括一个编码器，该编码器包括一个输入，用来输入在一个频带中的音频信号的帧，包括至少第一激励块，用来对类语音音频信号执行第一激励，以及第二激励块，用来对非类语音音频信号执行第二激励。本发明还包括一种方法，用来压缩在一个频带中的音频信号，其中第一激励用于类语音音频信号，第二激励用于非类语音音频信号。本发明涉及一种模块，用来对在一个频带中的音频信号的帧进行分类，用于在至少用于类语音音频信号的第一激励和用于非类语音音频信号的第二激励中选择一个激励。本发明涉及一种计算机程序产品，该计算机程序产品包括一些机器可执行的步骤，用来压缩在一个频带中的音频信号，其中第一激励用于类语音音频信号，第二激励用于非类语音音频信号。

背景技术

在许多音频信号处理应用中，压缩音频信号，来减少在处理音频信号时的处理能力需求。例如，在数字通信系统中，在例如移动台的用户设备和基站之间的无线空中接口上传输之前，捕获一般是模拟信号的音频信号，在模-数(A/D)转换器中进行数字化，然后编码。编码的目的是压缩数字化信号，在空中接口上以最小量的数据传输它，同时保持可接受的信号质量水平。在蜂窝通信网络中无线空中接口上的无线信道容量有限的情况下，这尤为重要。还有一些应用，其中数字化音频信号存储在存储介质中，用于以后重现这些音频信号。

压缩可以是有损的，也可以是无损的。在有损压缩中，在压缩期间损失了一些信息，其中无法从压缩的信号完全重构原始信号。在无损压缩中，通常不损失信息。因此，一般可以从压缩的信号完全重构原始信号。

术语音频信号一般被理解为包含语音、音乐(非语音)或同时包含这两者的信号。语音和音乐的不同特性使得设计一种对语音和音乐都能工作的很好的压缩算法相当困难。因此，这个问题通常通过对音乐和语音设计不同的算法，并且利用某种形式的识别算法识别该音频信号是类语音还是类音乐，以及根据识别的结果选择适当的算法来解决。

总之，在语音和音乐或非语音信号之间进行完全的分类是一项困难的任务。所需的精确性很大程度上依赖于应用。在一些应用中，例如在语音识别，或者在用于存储和检索目的的精确存档中，精确性是非常重要的。但是如果分类是用于为输入信号选择最优压缩方法，那么情况就有些不一样。在这种情况下，可能会发生不存在一种压缩方法，其对于语音总是最优的，以及另一种压缩方法，其对于音乐或非语音信号总是最优的。实际上，对于语音瞬变的压缩方法也可以对于音乐瞬变非常有效。也可能对强音调分量的音乐压缩同样适应于浊音段。因此在这些情况下，用于仅完全针对语音和音乐进行分类的方法并不会生成选择最佳压缩方法的最优算法。

通常可以认为语音的带宽限制在约200赫兹至3400赫兹之间。A/D转换器在将模拟语音信号转换成数字信号时所用的采样率一般为8k赫兹或16k赫兹。音乐或非语音信号可能包含远在一般语音带宽之上的频率分量。在一些应用中，音频系统应当能够处理在大约20赫兹至20000k赫兹之间的频带。这类信号的采样率应当至少在40000k赫兹左右，以避免混叠。这里应当注意上面提到的这些值只是非限制性的例子。例如在一些系统中，音乐信号的上限可以是约10000k赫兹甚至比它还小。

采样的数字信号随后被编码，通常逐帧进行，从而产生数字数据流，其比特率由用于编码的编解码器决定。比特率越高就有更多的数据被编码，使得输入帧的表示更为准确。编码的音频信号随后被解码，并通过一个数模(D/A)转换器以重构信号，该信号尽可能接近原始信号。