[发明专利]确定与音频信号的人工带宽限制有关的特性的装置和方法

说明书

一种用于确定与音频信号的人工带宽限制处理有关的预定特征的装置包括被配置用于评估所述音频信号的频谱的斜率以获得斜率评估结果的斜率评估器。装置包括被配置用于评估音频信号的频率的截止频率以获得频率评估结果的频率评估器，以及包括用于取决于所述斜率评估结果的评估和频率评估结果的评估而提供指示音频信号包括所述预定特性的信息。

背景技术

在多媒体应用中，音频信号通常使用专用感知编码方法，如MPEG1/2层3(“mp3”)、MPEG2/4高级音频编码(AAC)等被编码。当解码编码的音频信号时，可以应用各种处理方法以便重构初始被编码的音频信号。然而，由于诸如感知自适应量化的有损编码操作或诸如频谱带宽复制(SBR)的参数编码技术，有可能在解码的音频信号中获得可能是令人烦扰的伪像。

很长时间以来，已经开发了感知音频编码器以首先保持原始信号的感知质量。如果编码和非编码信号在感知上是不可区分的，则这个特性被称为“感知透明度”。

然而，只有在可用比特率(即，使用的数据量)足够高时才能实现透明度。近年来，认识到的是，在低比特率下，在透明意义上感知愉悦变得比接近原始信号更重要。因此，与以感知愉悦为目标的现代编码方法相比，诸如MP3或AAC等沿用已久的感知编码方案可能听起来不是最理想的。

下面，简要描述一些编码伪像。

鸟伪像

在低比特率转换编码中，通常必须将用于频谱线的编码的量化器设置为非常粗糙的精度，使得它们的动态范围适应于信号。结果，许多频谱线由量化器的死区量化为0，或量化为值1，对应于第一量化器步长。随着时间的过去，频谱线或线群可能在0和1之间切换，从而引入不希望的时间调制。这种伪像被称为“鸟”，使人联想到鸟的吱吱叫。因此，频谱空洞和频谱岛的这种强时变存在是导致令人反感的感知伪像的不希望的编解码器行为，参见[2]和[3]。

带宽限制

另一种熟知的编码伪像是带宽限制。如果在低比特率编码条件下，可用的比特预算不足以容纳透明度所需的精度，则传统编解码器通常引入静态低通以限制音频带宽。这可能导致单调和沉闷的声音印象，参见[2]和[3]。

音调尖峰伪像

当音调噪声比被高估时，这种伪像与诸如频带复制(SBR)的人工带宽扩展方法结合出现，参见[4]。在这种情况下，音调分量以太多的能量重新创造，这导致金属声音，参见[3]。

跳动伪像

除了音调尖峰伪像之外，跳动伪像与人工带宽扩展一起出现。跳动产生粗糙感，并从具有接近频率距离的两个音调分量中显现出来，这可能是由SBR中使用的复制引起的，参见[3]。

因此，目的是检测音频信号是否经受了能够引入伪像和/或减少这种伪像的处理。

可能是伪像的来源的处理方法的示例是频带复制(SBR)，其是用于在解码器侧扩展音频信号的带宽的半参数方法。在第一步骤中，通过将频谱系数从较低频率区域复制到较高频率区域来复制发送的低通信号频谱的部分。在第二步骤中，调整频谱包络。执行频谱包络的调整，使得频谱的粗略形状与给定目标匹配，而精细结构保持不变。

SBR的检测是所希望的，因为从获得的信息可以得出结论：

1.信号已经通过感知音频编码而被压缩(即，有损)。因此，解决上述伪像类型的增强方法的应用是适当的。

2.信号的声音质量可以通过用于降低由SBR引入的伪像的可听度的专用方法来潜在地改进。这种方法受益于关于SBR在其处生效的开始频率的知识。