[发明专利]音频编码方法、装置、计算机可读存储介质及设备

说明书

本申请公开了一种音频编码方法、装置、计算机可读存储介质及设备，属于信号处理技术领域。包括：以第一采样率进行音频信号采集；将采集到的音频信号由时域变换至频域，获取频域上每个频点的第一功率谱；获取频域上每个频点的噪声功率谱估计值和听觉感知系数；听觉感知系数与听觉响度呈正相关，听觉响度用于描述声音的响亮程度，听觉感知系数用于描述人耳对不同频点声音的听觉感知程度；根据频域上每个频点的第一功率谱、噪声功率谱估计值和听觉感知系数，确定第二采样率；根据第二采样率进行音频编码。本申请实现了基于音频信号的听觉感知特征自适应地动态确定采样率，这样确定出来的采样率与音频信号的自身特性更为适配，能够有效指导音频编码。

技术领域

本申请涉及信号处理技术领域，特别涉及一种音频编码方法、装置、计算机可读存储介质及设备。

背景技术

音频编码是指对原始采集到的无损音频信号进行时域和频域上的冗余分析和压缩处理，从而降低语音传输带宽和存储空间，同时保持较好的语音质量。其中，音频编码器的常规输入参数包括但不限于：采样率、通道数和编码码率等。在这些常规输入参数中，由于采样率对计算存储开销和网络传输开销有着至关重要的影响，因此选择合适的采样率来指导音频编码具有重要意义。

相关技术中，音频编码器的采样率被设置为一个固定值，而这个采样率取值主要是基于用户对语音质量的要求(高或低)、硬件设备的音频信号采集、播放及处理能力、网络带宽适配度等外部因素决定的。例如，不同硬件设备支持的最大采样率不同，比如8kHz(赫兹)、16kHz、24kHz、48kHz、96kHz等；不同音频编码器支持的采样率不同，比如窄带音频编码器G.729仅支持8KHz采样率，而silk音频编码器可以支持8kHz、12kHz、16kHz、24kHz等多种采样率。

针对上述方案，由于单纯基于外部因素来确定采样率，因此确定出来的采样率可能并不太合适。比如确定出来的采样率可能过高，而高采样率会过度消耗计算存储资源和网络带宽资源，因为采样率越高需要处理的数据量便越大。比如，48kHz采样率下需要处理的数据量要比16kHz采样率下需要处理的数据量大3倍，这会极大增加计算存储开销，同时音频编码后的码流大小也会骤增，进而大幅增加网络传输开销。基于此，时下很有必要提出一种新的采样率确定方案，以有效指导音频编码过程。

发明内容

本申请实施例提供了一种音频编码方法、装置、计算机可读存储介质及设备，实现了基于音频信号的听觉感知特征来自适应地动态确定采样率，这样确定出来的采样率与音频信号的自身特性更为适配，数值既不会过高也不会过低，能够有效指导音频编码过程。所述技术方案包括如下内容。

一方面，提供了一种音频编码方法，所述方法包括：

以第一采样率进行音频信号采集；

将采集到的音频信号由时域变换至频域，获取频域上每个频点的第一功率谱；

获取频域上每个频点的噪声功率谱估计值和听觉感知系数；其中，所述听觉感知系数与听觉响度呈正相关，所述听觉响度用于描述声音的响亮程度，所述听觉感知系数用于描述人耳对不同频点声音的听觉感知程度；

根据频域上每个频点的第一功率谱、噪声功率谱估计值和听觉感知系数，确定第二采样率；根据所述第二采样率进行音频编码。

另一方面，提供了一种音频编码装置，所述装置包括：

采集模块，被配置为以第一采样率进行音频信号采集；

第一获取模块，被配置为将采集到的音频信号由时域变换至频域，获取频域上每个频点的第一功率谱；

第二获取模块，被配置为获取频域上每个频点的噪声功率谱估计值和听觉感知系数；其中，所述听觉感知系数与听觉响度呈正相关，所述听觉响度用于描述声音的响亮程度，所述听觉感知系数用于描述人耳对不同频点声音的听觉感知程度；