[发明专利]采用高质量音高校正的音频处理

说明书

技术领域

本发明的多个实施例涉及音频处理器，所述音频处理器使用对信号 的依赖于音高的采样和重采样来产生成帧后的音频信号的处理后的表 示。

背景技术

由于与经调制的滤波器组相对应的、基于余弦或正弦调制的重叠变 换具有能量紧致特性，在源编码应用中会经常使用到该变换。也就是说， 对于具有恒定基频(音高)的谐音，该变换将信号能量集中至较少数目 的频谱分量(子带)，能够产生有效的信号表示。通常，信号的音高应 当被理解为能够从信号频谱中区分出来的最低主频率。在常见的语音模 型中，音高是由人嗓调制的激励信号的频率。如果只存在单一的基频， 则频谱极其简单，仅包括该基频和泛音(overtone)。可以对这样的频谱 进行高效编码。然而，对于具有变化音高的信号，与每个谐波分量相对 应的能量被遍布在多个变换系数上，从而导致了编码效率的下降。

可以尝试通过首先创建具有实质上恒定音高的时间离散信号来改 进对具有变化音高的信号的编码效率。为了实现这一点，采样率可以与 音高成比例地变化。这就是说，可以在应用变换之前对整个信号进行重 采样，使得音高在整个信号持续时间内尽可能恒定。可以通过非等间隔 采样来实现这一点，其中，采样间隔是局部自适应的，并被选择为使得 当按照等间隔采样来解释重采样后的信号时，重采样后的信号比原始信 号具有更接近于公共均值音高的音高轮廓。在这种意义上，音高轮廓应 当被理解为音高的局部变化。例如，可以将该局部变化参数化为时间或 样本数的函数。

等效地，可以将该操作视为对采样信号或等间隔采样前的连续信号 的时间轴进行的重新缩放。这种时间变换也称为扭曲(warping)。对经 过预处理而达到了几乎恒定音高的信号应用频率变换可以使编码效率 接近具有一般恒定音高的信号可实现的效率。

然而，前述方式有一些缺点。首先，根据采样定理，处理完整信号 所需的、采样率在较大范围内的变化可能导致信号带宽产生较大改变。 其次，表示固定数目的输入样本的每一块变换系数将可能表示原始信号 中持续时间发生变化的时间段。这可能使具有有限编码延迟的应用几乎 不可能实现，此外要实现同步也很困难。

国际专利申请2007/051548的申请人提出了另一种方法。该作者提 出了一种基于每帧来执行扭曲的方法。然而，这是通过对可应用的扭曲 轮廓引入非期望的约束来实现的。

因此，需要替代方式来提高编码效率并保持编码和解码后的音频信 号的高质量。

发明内容

本发明的多个实施例允许通过以下方式来提高编码效率：执行每个 信号块(音频帧)内的信号局部变换，以在每个输入块的持续时间内提 供(实质上)恒定的音高，在基于块的变换中，所述每个输入块贡献一 个变换系数集合。例如，当使用改进型离散余弦变换作为频域变换时， 可以由音频信号的两个连续帧来创建这样的输入块。

在使用调制的重叠变换(如改进型离散余弦变换(MDCT))时， 输入进频域变换的两个连续块发生重叠，以允许块边界处信号的交互淡 变，从而抑制分块处理的可听见的伪像。与非重叠变换相比，通过临界 采样避免了变换系数数目的增加。然而，在MDCT中，将前向和后向 变换应用至一个输入块不会导致其完全重构，这是因为，由于临界采样 而在重构的信号中引入了伪像。输入块与前向和后向变换后的信号之间 的差值通常被称为“时域混叠”。但是，在MDCT方案中，通过在重构 之后以半块的宽度使重构的块重叠，并将重叠的样本相加，可以完美地 重构输入信号。根据一些实施例，即使在基于每一块来对基础信号进行 时间扭曲(等效于应用局部自适应采样率)时，也可以保持改进型离散 余弦变换的这种特性。

如上所述，采用局部自适应采样率(变化的采样率)的采样可以被 视为在扭曲的时间标度上的均匀采样。按照这种观点，在采样之前对时 间标度的压缩导致较低效的采样率，而对时间标度的拉伸能够有效提高 基础信号的采样率。

考虑频率变换或另一种变换(该变换在重构中使用重叠和相加来补 偿可能的伪像)，如果在两个连续块的重叠区域中执行相同的扭曲处理 (音高校正)，则时域混叠消除仍然有效。因此，可以在对扭曲进行反 转之后重构原始信号。当在两个重叠的变换块中选择了不同的局部采样 率时也是如此，这是由于，假定满足采样定理，相应连续时间信号的时 域混叠仍能够消除。