CN1116348A - 自适应数字音频编码*** - Google Patents

Abstract

自适应数字音频编码***，包括：M个并联的编码装置，用于分别地编码当前帧的输入数字音频信号；M个并联的解码装置，用于解码各已编码的数字音频信号；第一估算器，用于估算输入数字音频信号同各已解码的数字音频信号间的差值信号的功率密度谱；第二估算器，用于估算输入数字音频信号当前帧的功率密度谱，并依据之确定其掩蔽阈值；第三估算装置，用于依据各差值信号的功率密度谱和该掩蔽阈值估算出一组可感知谱距；及用来选择具有最小可感知谱距的已编码数字音频信号的电路。

Description

自适应数字音频编码***

本发明涉及一种数字音频编码***，更具体地，涉及一种改进的数字音频编码***，其能够提供一种具有在人类的听觉上最小失真的编码音频信号。

数字化音频信号的发送使得传送可与标准光盘/或数字音频磁带相媲美的高质量音频信号成为可能。当一音频信号被以数字的形式表示时，需要发送大量的数据，这在高分辨率的电视***中表现得尤为突出。然而，由于可分配给这种音频信号的频率带宽是有限的，因而为了在例如约为128KHz的有限音频带宽内，发送如此大量的数字数据例如每秒768K比特的具有48KHz的取样频率的16位PCM(脉码调制)音频信号，就不可避免地要对上述音频信号进行压缩。在数字传送的接收端，压缩了的音频信号被解码。

被解码的音频信号的质量在很大程度上依赖于为编码所采用的压缩技术。有时，为了选择地产生一具有最小失真的音频信号，数字音频编码***被提供多个采用了不同压缩技术的编码器，相应数量的解码器以及一音频失真测量装置。在这种情况下，上述编码器是采用并联的方式以同时对输入的数字音频信号进行编码的；并且上述每一解码器都同与其相应的编码器配套，以对已在相应编码器被编码的数字音频信号进行解码。以这种方式，上述数字音频编码***有选择地产生一具有最小音频失真的编码数字音频信号。

音频的失真通常是以“总谐波失真(THD)”和信噪比(SNR)”来衡量的。其中，所说的THD是一所有单个谐波失真分量和/或由当两个或更多的信号经过一个编码器时所产生的和、差变异所构成的IMD’S(互调失真)的RMS(均方根)和；所说的SNR表示一输入数字信号幅度同一误差信号幅度的比率。

然而，这种THD或SNR测量是一物理值，与人类的听力或听觉设有直接关系；并且，相应地，上述具有这样的音频失真测量装置的数字音频编码***，其提供一可最好地反映人类的听觉的编码数字音频信号的能力是很有限的。

为此，本发明的一个主要目的就是提供一种新型数字音频编码***，其可用于自适应地编码输入数字音频信号，近似地与人类听觉相匹配。

依据本发明，提供了一新型***，用于对具有多个帧的一输入数字音频信号进行编码，其包括：M个并联设置的编码装置，用于分别地对当前帧的输入数字音频进行编码；M个并联设置的解码装置，用于分别地对每一已编码的数字音频信号进行解码；第一估算装置，用于对于所述输入数字音频信号同每一所述的解码数字音频信号的一差值信号的功率密度谱进行估算；第二估算装置，用于估算上述当前帧输入数字音频信号的功率密度谱，并依据该输入数字音频信号的功率密度谱确定一掩蔽阈值；第三估算装置，用于依据上述的每一差值信号的功率密度谱和上述的频率掩蔽阈值估算一组可感知谱距；以及用于选择一具有最小可感知谱距的编码数字音频信号的装置。

本发明的上述和其它目的及特点将通过借助附图对下面的较佳实施例的描述而明显地表现出来，其中：

附图1是一方框图，用来说明根据本发明的一新型数字音频编码***；

附图2是一方框图，用来描述示于图1中的前述的功率密度谱估算器；

参照图1，其示出一用来说明根据本发明的一数字音频编码***100的方框图。

该编码***100包括：一编码装置10，一解码装置20，一第一和一第二功率密度谱估算单元30和34，一掩蔽阈值估算单元40，一可感知谱距估算器50，一比较器60，一选择器70和一整形电路80。

一包括N个取样值的第i帧或当前帧的数字音频信号x(n，j)(n＝0，1，2，……N－1)被送到上述编码装置10，其用来对所述的以一预定的比特率输入的数字音频信号执行一编码操作，其中N为一正整数，并且一帧包括L(例如32)个子段。这里所用到的一“帧”是指对应于一固定数量的音频取样值的数字音频信号的一部分并且是用于对数字音频信号进行编码和解码的一个处理单位。

如图所示，上述编码装置10包括多个编码器，例如两个编码器10A和10B，它们以并联方式连接以同时接收当前帧的数字音频信号并通过使用不同的压缩技术对该数字音频信号进行编码。例如，编码器10A可通过使用帧内比特分配技术对上述第i帧的输入数字音频信号执行一编码操作，该技术可自适应地根据多一子段的感觉熵值将比特分配给包含在一个帧内的各个子段；编码器10B可通过使用帧间比特分配技术对数字音频信号执行一编码操作，该技术可自适应地根据每一帧的感觉熵值将比特分配给包括在预定的一组帧内的每一帧；并且，可选择地，编码器10A和10B可分别包含一致的和不一致的量化器。

对第i帧的感觉熵PE(i)如在该技术中所共知的，可表示为： $\mathrm{PE}\left(i\right)=\frac{1}{L}\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{MAX}[0,\frac{1}{2}{\log }_2\frac{p\left(m\right)}{M\left(m\right)}]\mathrm{dB}$

                           方程式(1)其中m为一子段指数(m＝0，1，…L－1)，L则为一帧内的总子带数；P(m)是通过快速付利叶变换(FFT)技术估算的在子段m中的一声压水平；以及M(m)为子段m中的一掩蔽阈值。

来自每一编码器的编码数字音频信号被传送到所述的选择器70和包括有多个解码器例如20A和20B的解码装置20。各解码器用来对来自编码器的一相应的编码数字音频信号进行解码。来自解码器20A和20B的经解码的数字音频信号y1(n，i)和y2(n，i)分别被送到的第一和第二功率密度谱估算单元30和34，其中各功率密度谱估算单元都分别包括一减法器31(35)和一功率密度谱估算器32(36)。包含在第一功率密度谱估算单元30中的减法器31产生一差值信号e1(n，i)，表示进入***的输入数字音频信号x(n，i)同来自解码器20A的经解码的数字音频信号y1(n，i)之间的差值。该差值信号可表示为：

e1(n，i)＝x(n，i)－y1(n，i)

                            方程式(2)其中x(n，i)和y1(n，i)均为P(例如16)位脉码调制(PCM)音频信号。

跟下来，该差值信号被提供给功率密度谱估算器32，该估算器32用作执行由时域到频域的快速付利叶变换。

现在转到附图2，功率密度谱估算器32包括一窗口电路32A和一快速付利叶变换(FFT)电路32B。

该窗口电路32A接收来自减法器31的差值信号e1(n，i)并通过对该差异信号e1(n，i)乘上一预定的汉宁(hanning)窗执行窗处理。该预定的汉宁窗h(n)可表示为： $h\left(n\right)=0.5\sqrt{8/3}\{1-\cos (2\mathrm{\πn}/N)\}$

                            方程式(3)其中N是一正整数且n＝0，1，2，……N－1。

相应地，从上述窗口电路32A输出的w1(n，i)可表示为：

w1(n，i)＝e1(n，i)·h(n)

                            方程式(4)其中i为一帧指数而n则如前述定义。

该来自上述窗口电路的该输出w1(n，i)然后被传送到FFT电路中，在这里该电路对功率密度谱进行估算。作为本发明的一较佳实施例，此处还包括了一个用于音质模型I或移动画面专家组-音频层I(Psycoacoustic Model I或MPEG-Audio Layer I)的512点FFI。

相应地，该第i帧的差值信号e1(n，i)的功率密度谱E1(k，i)如在该技术中所共知的那样，可以如下计算出来： $E1(k,i)=10{\log }_{10}|\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}w1(n,i)\•e^{-j2\mathrm{\πkn}/N}{|}^2\mathrm{dB}$

                            方程(5)其中k＝0，1，……，(n/2)－1，N与n则如前述定义。

下面转回附图1，第二功率密度谱单元34同第一功率密度谱单元30基本相同，只不过对表示输入的数字音频信号x(n，i)同来自解码器20B的解码数字音频信号y2(n，i)间的差值的一差值信号e2(n，i)的功率密度谱E2(k，i)是在此推算出来的。来自减法器35的差值信号e2(n，i)可表示为：

e2(n，i)＝x(n，i)－y2(n，i)    方程式(6)其中n和i如前定义。

因而，上述差值信号e2(n，i)的功率密度谱E2(k，i)可通过用所述的汉宁窗h(n)对差值信号e2(n，i)进行窗口处理而获得，正如在方程式(4)中对差值信号e1(n，i)所做的处理一样。第i帧差值信号e2(n，i)功率密度谱E2(k，i)可通过如下处理获得： $E2(k,i)=10l{\mathrm{og}}_{10}|\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}w2(n,i)\•e^{-j2\mathrm{\πkn}/N}{|}^2\mathrm{dB}$

                                方程式(7)其中N，n，k和i均如前述定义，而w2(n，i)＝e2(n，i)·h(n)。

在此同时，掩蔽阈值估算单元40被用来接收第i帧的输入数字音频信号x(n，i)并估算其掩蔽阈值。该掩蔽阈值估算单元40包括一功率密度谱估算器41和一掩蔽阈值估算器42。上述功率密度谱估算器41同包括在第一或第二功率密度谱估算单元内的功率密度谱估算器基本相同，只不过第i帧的输入数字音频信号x(n，i)的功率密度谱x(k，i)是在此推算出来的。该第i帧的输入数字音频信号x(n，i)的功率密度谱x(k，i)可按下面计算获得： $X(k,i)=10\mathrm{lo}{g}_{10}|\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}w(n,i)\·e^{-j2\mathrm{\πkn}/N}{|}^2\mathrm{dB}$

                            方程式(8)其中N，n，k和i均如前面定义，w(n，i)＝x(n，i)·h(n)。

由上述功率密度谱估算器41估算的输入数字音频信号的功率密度谱x(k，i)然后被送到掩蔽阈值估算器42，该估算器42用来根据所述的输入数字音频信号估算的掩蔽阈值。

上述的掩蔽阈值表示一近似地反映人类听觉的可听界限，其为一声音的固有可听界限或阈值同一在频域内同时出现的另一(掩蔽)声音引起的增量的和，如在此引为参考一篇文章对此所做的描述的，该文章名称为“移动画面及相关音频的编码”，ISO/IEC/JTCI/SC29/WG11 NOS01 MPEG93(1993年7月)，其中所谓的音质模型(Psychoacoustic Model)I和II对掩蔽阈值的计算被讨论。在本发明的一较佳实施例中，音质模型I被优先地用在上述的掩蔽阈值估算器42中。

上述功率密度谱E1(k，i)和E2(k，i)，以及掩蔽阈值M(k，i)同时被送到所述的可感知谱距估算器50，该估算器用来为功率密度谱E1(k，i)和E2(k，i)导出第一和第二可感知谱距PSD1(i)和PSD2(i)，该PSD1(i)和PSD2(i)，因考虑了掩蔽效应，表示可由人的听力感觉到的音频失真。对于来自功率密度谱估算器32的功率密度谱E1(k，i)的第一可感知谱距PSD1(i)可表示为： $\mathrm{PSD}1\left(i\right)=\frac{1}{N/2}\underset{K=0}{\overset{(N/2)-1}{\mathrm{\Σ}}}\mathrm{MAX}[0,(E1(k,i)-M(k,i))]$

                                方程式(9)其中k和i如前述定义。

类似地，对于来自功率密度谱估算器36的功率密度谱的第二可感知谱距PSD2(i)可表示如下： $\mathrm{PSD}2\left(i\right)=\frac{1}{N/2}\underset{K=0}{\overset{(N/2)-1}{\mathrm{\Σ}}}\mathrm{MAX}[0,(E2(k,i)-M(k,i))]$

                                方程式(10)其中k和i如前定义。

如可在方程式(9)与(10)中看到的，所述的第i帧数字音频信号的可感知谱距是通过超出掩蔽阈值的差值信号的功率密度谱估算的。所述的第一和第二可感知谱距PSD1(i)和PSD2(i)被送到比较器60，该比较器60可产生一选择信号用以在上述的两个来自编码器(例如10A和10B)的已编码数字音频信号中，通过比较它们的可感知谱距，确认一具有最小失真的数字音频信号。该来自比较器60的选择信号然后被送到选择器70和整形电路80。

响应于来自比较器60的选择信号，选择器70在所述的来自编码器的已编码数字音频信号中选择一具有最小失真的数字音频信号并将该所选音频信号送到整形电路80。

在整形电路80，来自比较器60的选择信号和来自选择器70的所选音频信号被整形并传送到一发射机(未标示)以对其进行发送。

本发明已通上述具体实施例得以展示和说明，不背离所附权利要求限定本发明的主旨和范围，本领域技术人员能够做出许多变形和修改。

Claims (1)

1、一种用于自适应地对一具有多个帧的输入数字音频信号进行编码的***，包括：

M个并联设置的编码装置，用于分别地对一当前帧的输入数字音频信号进行编码；

M个并联设置的解码装置，用于分别地对所述各被编码的数字音频信号进行解码；

第一估算装置，用于估算所述输入数字音频信号与每一被解码的数字音频信号间的一差值信号的功率密度谱。

第二估算装置，用于估算所述当前帧的输入数字音频信号的一功率密度谱，并用于依据该输入数字音频信号的功率密度谱确定其掩蔽阈值；

第三估算装置，用于依据所述的每一差值信号的功率密度谱和所述的掩蔽阈值导出一组可感知谱距；以及

用于选择一具有最小可感知谱距的编码数字音频信号的装置。

Images