[发明专利]数字音频信号中的前回声的有效衰减

说明书

技术领域

本发明涉及用于当解码数字音频信号时处理前回声的衰减的方法和设备。

背景技术

针对在电信网络上的数字音频信号的传输，不管它们例如是固定网络还是移动网络，或者针对信号的存储，涉及实现编码系统的压缩(或源编码)过程，这些系统通常具有通过线性预测类型的时间编码或通过变换类型的频率编码。

本发明的方法和设备、主题因此位于声音信号、特别是通过频率变换而被编码的数字音频信号的压缩的范围内。

通过展示的方式，图1表示根据现有技术通过重叠相加包括分析-合成的变换的数字音频信号的编码和解码的示意图。

特定的音乐序列诸如打击乐和特定的语音片段如爆破音(/k/、/t/等)特征在于非常突然的开始，这些开始反映在几个样本的空间中的信号的动态范围的非常迅速的过渡和非常强的变化中。示例性过渡从样本410在图1中给出。

针对编码/解码处理，输入信号被细分为长度为L的样本块，这些块的边界在图1中由竖直的点线表示。输入信号表示为x(n)，其中n是样本的索引。分解为连续块(或帧)导致了块X_N(n)＝[x(N.L)…x(N.L+L-1)]＝[x_N(0)…x_N(L-1)]的定义，其中N是块(或帧)的索引，L是帧的长度。在图1中，L＝160个样本。在修正离散余弦变换MDCT的情况下，两个块X_N(n)和X_N+1(n)被联合分析以给出一批与索引为N的帧相关联的变换系数，并且分析窗口是正弦的。

通过变换编码应用的划分成块(也称为帧)完全独立于声音信号并且过渡能够因此出现在分析窗口的任一点。现在，在变换解码之后，重构信号被由量化(Q)-逆量化(Q^-1)操作导致的“噪声”(或失真)影响。此编码噪声在变换块的全部时间媒介上(也就是说，在长度为2L个样本(与L个样本重叠)的窗口的全部长度上)以相对统一的方式在时间上分布。编码噪声的能量总体上与块的能量成比例并且是编码/解码比特率的函数。

针对包括开始的块(如图1中的块320-480)，信号的能量较高，噪声也因此具有高电平。

在变换编码中，针对立即跟随过渡的高能量片段，编码噪声的电平典型地低于信号的电平，但是针对低能量片段，显著地是在过渡之前的部分上(图1的样本160-410)，该电平高于信号的电平。针对上述部分，信噪比是负的并且所导致的退化在倾听时会变得非常恼人。前回声是给过渡之前的编码噪声的名称，并且后回声是给过渡之后的噪声的名称。

在图1中可以看出前回声影响过渡之前的帧以及过渡发生处的帧。

心理声学实验已经示出人耳执行几毫秒级的相当有限的声音的时间前掩蔽。当前回声的时长大于前掩蔽时长时，开始之前的噪声或前回声是可听见的。

在从高能量序列到低能量序列的过渡中，人耳也执行从5至60毫秒的更长时长的后掩蔽。因此针对后回声比针对前回声可接受的不舒适的比率或水平较高。

当块的长度就样本的数量而言是显著的时，前回声的现象更关键地是格外恼人的。现在，在变换编码中，众所周知的是针对静态信号，变换的长度增加的越多，编码增益变得越大。在具有固定采样频率和固定比特率的情况下，如果窗口的点数(因此变换的长度)增加，每帧将会有更多比特编码被心理声学模型认为有用的频率射线，因此会有利用大长度的块的益处。例如，MPEG AAC(高级音频编码)编码使用包含固定数目2048的样本的大长度的窗口，即，如果采样频率是32kHz，大于64ms的时长；前回声的问题通过使其能够通过中间窗口(被称为过渡窗口)从这些长窗口切换到8个短窗口而被管理，这要求在编码中的特定延迟以检测过渡的出现并且适配窗口。这些短窗口的长度因此是256个样本(在32kHz处的8ms)。在低比特率处，具有几毫秒的可听见的前回声仍然是可能的。窗口的切换使得衰减前回声而不是消除前回声成为可能。用于对话式的应用如ITU-T G.722.1、G.722.1C或G.719的变换编码器经常在16、32或48kHz处(分别地)使用20ms的帧长度和40ms时长的窗口。可以注意到，ITU-T G.719编码器结合具有瞬态检测的窗口切换机制，但是前回声并不以低比特率(典型地以32kbit/s)完全地减少。

为了减少前回声现象的上述恼人的影响，在编码器和/或解码器水平已经提出了不同的解决方案。