[发明专利]运动图像专家组音频编码的窗口类型确定方法及设备

说明书

本申请是名称为“运动图像专家组音频编码方法及装置”(申请号：200380107679.4；申请日：2003年11月7日)的申请的分案申请

技术领域

本发明涉及窗口类型确定方法及设备，尤其涉及运动图像专家组音频编码的窗口类型确定方法及设备。

背景技术

MPEG音频是用于国际标准化组织/国际电工委员会(ISO/IEC)的高质量、高效率立体声编码的标准方法，也就是说，与运动图像编码平行，在ISO/IEC小组29/工作组11(SC 29/WG 11)的MPEG中，MPEG音频被标准化。当压缩时，使用基于32个频带的子带编码(频带分割编码)和改进的离散余弦变换(MDCT)，并且通过使用心理声学特性，获得高效率的压缩。利用该新技术，MPEG语音能实现比现有技术的压缩编码方法更高的声音质量。

MPEG音频使用感知编码方法，其中，为了以高效率压缩音频信号，通过采用人类的感知特性来忽略具有较低敏感性的细节信息，以减小编码量。

而且，在MPEG音频中使用心理声学特性的感知编码方法采用在无声环境下的最小可听界限(minimum audible limit)和掩蔽特性(maskingcharacteristic)。无声环境下的最小可听界限是可由人耳听见的最小级别的声音，并且涉及人耳可以听到的无声环境中的噪声限制。无声环境下的最小可听界限相对于声音频率而变化。在某一频率中，可以听见大于无声环境下的最小可听界限的声音，而小于该界限的声音不能被听见。而且，通过一起收听的另一声音，预定声音的可听界限大大改变，这被称为“掩蔽效应(maskingeffect)”。其中发生掩蔽效应的频率宽度被称为“临界频带”。为了有效地使用诸如这种临界频带的声音心理学，首先由频率分割信号是很重要的，为此，频带被分成32个频带，并执行子带编码。同时，在这时候，采用称为“多相位滤波器组”的滤波器来消除MPEG音频中的32个频带的混淆噪声(aliasingnoise)。

因而，MPEG音频包括使用滤波器组和心理声学模型的位分配以及量化。通过使用心理声学模型2、生成作为执行MDCT的结果的MDCT系数被压缩，同时分配最优量化位。为了分配最优位，心理声学模型2基于快速傅立叶变换(FFT)，并通过使用扩展函数计算掩蔽效应，从而需要大量的计算复杂性。

图1是示出MPEG-1第三层中的传统编码过程的流程图。

首先，如果在步骤S110中接收1152个采样的输入PCM信号，则在步骤S120中，这些信号通过滤波器组，且信号中的噪声被消除。然后，这些信号被输入到MDCT步骤。

而且，对于接收到这些输入信号，在步骤S130中执行心理声学模型2，其中在步骤S140中计算信噪比(SNR)，在步骤S150中执行预回声消除，并且在步骤S160中计算每一子带的信号掩蔽比(SMR)。

通过使用这样计算的SMR值，在步骤S170中，对通过滤波器组的信号执行MDCT。

然后，在步骤S180，对MDCT系数执行量化，并且在步骤S190，通过利用量化结果，执行MPEG-1第三层位流压缩。

在图2中示出图1所示的心理声学模型2的特定过程。

首先，如果从输入缓冲器接收到576个采样，则计算SNR。

首先，在步骤S141中对所接收信号执行FFT。在步骤S142中，针对FFT结果的量值r(w)，根据下列公式1和2计算能量eb(b)和非预测性Cw：

eb(b)＝∑r(w)²                               (1)