[发明专利]生成舒适噪声

说明书

技术领域

所提出的技术大体上涉及生成舒适噪声(CN)，并具体地涉及生成舒适噪声控制参数。

背景技术

在用于会话语音的编码系统中，使用非连续发射(DTX)来增加编码效率是常见的。这是由在会话语音(例如，当一个人正在讲话时，另一个人正在听)中嵌入的大量暂停来激励的。通过使用DTX，语音编码器可以平均仅在约50％的时间是活跃的。具有该特征的编解码器的示例是3GPP自适应多速率窄带(AMR NB)编解码器和ITU-T G.718编解码器。

在DTX操作中，在正常编解码模式中对活跃帧进行编码，而使用舒适噪声对活跃区域之间的不活跃信号周期进行表示。信号描述参数被提取并用编码器进行编码并且在静默插入描述符(SID)帧中向解码器发送。与用于活跃语音编码模式的帧速率和比特率相比，以减小的帧速率和降低的比特率来发送SID帧。在SID帧之间不发送关于信号特征的信息。由于较低的SID速率，因此与活跃信号帧编码相比，舒适噪声只能表示相对稳定的性质。在解码器中，接收到的参数被解码并用于表征舒适噪声。

对于高质量DTX操作，即，在不降级语音质量的情况下，检测输入信号中语音的周期是重要的。这是通过使用语音活跃检测器(VAD)或者声音活跃检测器(SAD)来完成的。图1示出了通用的VAD的框图，其分析数据帧(5-30ms，这取决于实现)中的输入信号，并产生针对每个帧的活跃判决。

在初始语音检测器12中通过将由特征提取器10估计的当前帧的特征与由背景估计块14根据先前输入帧估计的背景特征进行比较来做出初始的活跃判决(初始VAD判决)。大于指定阈值的差值导致活跃的初始判决。在延迟附加块16中，基于过去的初始判决对初始判决进行扩展，以形成最终的活跃判决(最终VAD判决)。使用延迟的主要原因是为了减小在语音段中中间和后端削波的风险。

对于基于线性预测(LP)的语音编解码器(例如G.718)，使用与活跃帧的表示类似的表示对包络和帧能量进行建模是合理的。这一点是有利的，其原因在于可以通过在DTX操作中的不同模式之间的公共功能来降低编解码器的存储要求和复杂度。

对于这种编解码器，舒适噪声可以用其LP系数(也称为自回归(AR)系数)以及LP剩余部分的能量来表示，即作为LP模型的输入给出参考音频段的信号。在解码器中，在激励生成器中生成剩余信号作为随机噪声，通过CN参数对随机噪声进行成型以形成舒适噪声。

LP系数通常通过根据下式计算加窗音频段x[n]，n＝0，...，N-1的自相关r[k]而获得：

r[k]=Σn=kN-1x[n]x[n-k],k=0,...,P---(1)]]>

其中P是预定义的模型阶数。于是使用例如Levinson-Durbin算法根据自相关序列获得LP系数α_k。

在使用这种编解码器的通信系统中，应当有效地将LP系数从编码器发送到解码器。由于这个原因，通常使用可能对于量化噪声不太敏感的更加紧凑的表示。例如，LP系数可以变换为线谱对(LSP)。在备选的实现中，LP系数可以取而代之地变换到导抗谱对(ISP)、线谱频率(LSF)或导抗谱频率(ISF)域。

LP剩余部分是通过经由逆LP合成滤波器A[z]对参考信号进行滤波而获得，A[z]通过下式定义：