[发明专利]对音频信号的时间伸缩改进变换编码

说明书

技术领域

本发明涉及音频源编码系统，特别涉及使用基于块的变换的音频编码 方案。

背景技术

本领域内公知用于对音频和视频内容进行编码的若干方式。当然，通 常目的是以比特节省的方式对内容进行编码，且不降低信号的重建质量。

最近，开发出对音频和视频内容进行编码的新方法，其中基于变换的 感知音频编码实现了对于静止信号的最大编码增益，即当变换大小较大时 可应用(譬如，见T.Painter和A.Spanias：“Perceptual coding of digital audio”， Proceedings of the IEEE，Vol.88，No.4，April 2000，pages 451-513)。音频的 静止部分经常由固定的有限个静止正弦曲线来充分模拟。一旦变换大小足 够大而能够分解这些分量，对于给定的失真目标就需要固定数量的比特。 通过进一步增大变换大小，可描述音频信号的越来越大的分段，且不增加 比特需求。然而对于非静止信号，必须减小变换大小，因此编码增益会很 快下降。为了克服此问题，对于急剧的变化和瞬时事件，可应用变换大小 开关，且不显著提高平均编码成本。即，当检测到瞬时事件时，将要一起 进行编码的样本的块大小(帧大小)减小。对于持久瞬时信号，比特率自 然会极大地增加。

用于持久瞬时行为的特别令人感兴趣的示例是局部谐波信号的基音 (pitch)变化，这主要在语音和歌唱的声部中会遇到，但也可能源自某些 乐器的颤音和滑奏。关于谐波信号，即具有沿时间轴等间隔分布的信号峰 值的信号，术语基音描述信号的相邻峰值之间的时间的倒数。所以这种信 号具有理想的谐波谱，其由与所述基音相等的基频和更高阶谐波组成。在 更一般的情况下，基音可定义为局部谐波信号内的两个相邻的对应信号部 分之间的时间的倒数。然而，如果基音和基频随时间变化，如浊音(voiced sound)中的情况，则频谱会变得越来越复杂，从而编码效率更差。

与信号基音密切相关的参数是信号的伸缩(warp)。假定时间t处的信 号具有与p(t)相等的基音且此基音值随时间平滑变化，则时间t处的信号 的伸缩由对数导数来定义

a(t)=p′(t)p(t)]]>

对于谐波信号，就多个基音或多个部分基音而言，对伸缩的这种定义 不受谐波分量和系统误差的特定选择所影响。伸缩测量对数域中频率的变 化。伸缩的自然单位是赫兹[Hz]，但在音乐方面，带有恒定伸缩a(t)＝a₀的 信号是带有每秒a₀/log 2个八度音(octave倍频程)[oct/s]的扫描速率的扫 描。语音信号表现出至多10oct/s的伸缩和大约2oct/s的平均伸缩。

由于变换编码器的典型帧长度(块长度)非常大，以至于相关基音变 化在帧内显著，所以这种大小的伸缩或基音变化导致这些编码器的频率分 析的不规则(scrambling)。由于对于所需的恒定比特率，这一点只可通过 增加量化的粗糙度来克服，所以此效应导致量化噪声的引入，这经常被感 知为混响。

用来克服此问题的一种可能的技术是时间伸缩。时间伸缩编码的概念 可通过设想带有可变速度的磁带录音机来作最佳解释。当记录音频信号 时，动态调节速度以便实现整个话音分段上恒定的基音。所得到的局部静 止音频信号随所应用的磁带速度变化一起被编码。在解码器中，以相反的 速度变化来执行重放。然而，应用以上描述的简单时间伸缩具有一些显著 的缺点。首先，绝对磁带速度以不受控制的方式结束，导致违反整个被编 码信号的持续时间和带宽限制。对于重建，必须发送关于磁带速度的(或 等效地关于信号基音的)附加辅助信息，这引入了相当大的比特率开销， 尤其在低比特率情况下。