[发明专利]时间反转的音频子帧错误隐藏

说明书

提供了一种生成音频信号的隐藏音频子帧的方法和解码器设备。该方法包括：在子帧的基础上生成频谱，其中，该音频信号的连续子帧具有以下特性：连续子帧中的第一子帧的已施加窗口形状是连续子帧中的第二子帧的镜像版本或时间反转版本。针对隐藏子帧，检测先前接收的音频信号的信号频谱的峰值，以及估计每个峰值的相位。基于该估计相位来导出时间反转的相位调整，以及向信号频谱的峰值施加时间反转的相位调整以形成经时间反转的相位调整的峰值。

技术领域

本公开一般地涉及通信，并且更具体地涉及用于控制针对单声道、立体声或多声道音频编码和解码的分组丢失隐藏的方法和装置。

背景技术

现代电信服务通常在最终用户之间提供可靠的连接。但是，这样的服务仍然需要处理变化的信道条件，在这些信道条件下，偶尔的数据分组可能由于例如网络拥塞或不良小区覆盖而丢失。为了克服传输错误和丢失包的问题，电信服务可以使用分组丢失隐藏技术(PLC)。在数据分组由于不良连接、网络拥塞等而丢失的情况下，可以在解码器中由合成信号代替接收机侧的丢失分组的缺失信息。PLC技术通常可以与解码器密切关联，其中可以使用内部状态来产生信号延续或外推以弥补分组丢失。对于针对不同信号类型具有多种操作模式的多模式编解码器，通常存在多种PLC技术来处理隐藏。对于分组丢失隐藏技术使用许多不同的术语，包括帧错误隐藏(FEC)、帧丢失隐藏(FLC)、以及错误隐藏单元(ECU)。

对于基于线性预测(LP)的语音编码模式，PLC可以基于使用所估计的帧尾音高信息和前一个帧的音高周期的复本来调整声门脉冲位置[1]。长期预测器(LTP)的增益收敛到零，收敛速度取决于连续丢失帧的数量和最后一个良好(即，无错误)帧的稳定性[2]。基于频域(FD)的编码模式被设计为处理一般或复杂信号，例如音乐。可以根据最后一个接收帧的特征来使用不同的技术。这样的分析可以包括检测到的音调分量的数量和信号的周期。如果在高度周期性的信号(例如有效语音或单一器乐)期间发生帧丢失，则时域PLC(类似于基于LP的PLC)可能是合适的。在这种情况下，FD PLC可以通过基于最后一个接收帧估计LP参数和激励信号来模仿LP解码器[2]。如果在非周期性或类噪声信号期间发生丢失帧，则最后一个接收帧可以在频谱域中被重复，其中将系数与随机符号信号相乘以减少重复信号的金属声(metallic sound)。对于平稳音调信号，已发现使用基于检测到的音调分量的预测和外推的方法是有利的。有关上述技术的更多细节可以在[1][2][3]中找到。

在频域中操作的通用错误隐藏方法是相位ECU(错误隐藏单元)[4]。相位ECU是一种独立的工具，其在先前解码和重构的时域信号的缓冲区上操作。相位ECU的框架基于正弦分析和合成范式。在这种方法中，最后一个良好帧的正弦分量可以被提取和相移。当帧丢失时，在DFT(离散傅立叶变换)域中从过去的解码合成中获得正弦频率。首先，通过找到幅度频谱平面的峰值来识别对应的频率区间(frequency bin)。然后，使用峰值频率区间来估计峰值的分数频率。与峰值以及相邻峰值相对应的频率区间被使用分数频率进行相移。对于帧的其余部分，过去合成的幅度被保留，而相位被随机化。还处理突发错误，以使得通过将估计信号收敛到零而使估计信号被平滑地静音。有关相位ECU的更多详细信息可以在[4]中找到。

相位ECU的概念可以被用于在频域中操作的解码器。这一概念包括在频域中执行解码的编码和解码系统，如图1所示，而且还包括执行时域解码和附加频域处理的解码器，如图2所示。在图1中，时域输入音频信号(子)帧被加窗100并且通过DFT 101被变换到频域。编码器102在频域中执行编码并且提供用于传输103的编码参数。解码器104对接收的帧进行解码，或者在帧丢失的情况下施加PLC 109。在隐藏帧的构造中，PLC可以使用先前解码的帧的存储器108。解码或隐藏的帧通过逆DFT 110被变换到时域，然后通过重叠-相加运算111来重构输出音频信号。图2示出了编码器和解码器对，其中解码器施加DFT变换以促进频域处理。接收和解码的时域信号首先按(子)帧被加窗105，然后通过DFT 106被变换到频域以进行频域处理107，这可以在PLC 109之前或在PLC 109之后(在帧丢失的情况下)进行。