ES2343862T3 - Metodos y disposiciones para un emisor y receptor de conversacion/audio. - Google Patents
Metodos y disposiciones para un emisor y receptor de conversacion/audio. Download PDFInfo
- Publication number
- ES2343862T3 ES2343862T3 ES06778434T ES06778434T ES2343862T3 ES 2343862 T3 ES2343862 T3 ES 2343862T3 ES 06778434 T ES06778434 T ES 06778434T ES 06778434 T ES06778434 T ES 06778434T ES 2343862 T3 ES2343862 T3 ES 2343862T3
- Authority
- ES
- Spain
- Prior art keywords
- audio
- frequency
- conversation
- segment
- cutoff frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005070 sampling Methods 0.000 claims abstract description 45
- 230000011218 segmentation Effects 0.000 claims abstract description 39
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 230000011664 signaling Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims 1
- 238000012952 Resampling Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 230000005236 sound signal Effects 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 7
- 238000011002 quantification Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 101100072002 Arabidopsis thaliana ICME gene Proteins 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 210000004704 glottis Anatomy 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/16—Vocoder architecture
- G10L19/18—Vocoders using multiple modes
- G10L19/24—Variable rate codecs, e.g. for generating different qualities using a scalable representation such as hierarchical encoding or layered encoding
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/022—Blocking, i.e. grouping of samples in time; Choice of analysis windows; Overlap factoring
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Quality & Reliability (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Paper (AREA)
- Manufacture, Treatment Of Glass Fibers (AREA)
- Input Circuits Of Receivers And Coupling Of Receivers And Audio Equipment (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
Abstract
Un emisor de audio/conversación (105) que comprende un codificador de núcleo adaptado a una banda de frecuencia de una señal de audio/conversación de entrada, operando el codificador de núcleo sobre tramas de la señal de audio/conversación de entrada que comprende un número predeterminado de muestras, teniendo la señal de audio/conversación de entrada una primera frecuencia de muestreo, y comprendiendo la banda de frecuencia de núcleo hasta una frecuencia de corte, caracterizado porque el emisor de audio/conversación (105) comprende también: - un dispositivo de segmentación (110) adaptado para estimar una frecuencia de corte para cada segmento asociado con la longitud de segmento adaptativa y adaptado para transmitir información sobre la frecuencia de corte estimada a un descodificador. - un filtro de paso bajo (120) adaptado para filtrar cada segmento a la citada frecuencia de corte estimada, y un remuestreador (130) adaptado para remuestrear cada segmento filtrado a una segunda frecuencia de muestreo que corresponde a la frecuencia de corte del citado segmento filtrado con el fin de generar una trama de audio/conversación del número de muestras predeterminado para ser codificada por el citado codificador de núcleo (140).
Description
Métodos y disposiciones para un emisor y
receptor de conversación/audio.
La presente invención se refiere a un emisor y
un receptor de conversación/audio. En particular, la presente
invención se refiere a un códec de conversación/audio mejorado que
proporciona una mayor eficiencia de codificación.
La codificación de conversación/audio
convencional se lleva a cabo mediante un códec de núcleo. Un códec
implica un codificador y un descodificador. El códec de núcleo está
adaptado para codificar/descodificar una banda de núcleo de la
banda de frecuencia de señal, por lo que la banda de núcleo incluye
las frecuencias esenciales de una señal hasta una frecuencia de
corte, que, por ejemplo, es 3400 Hz en el caso de una conversación
de banda estrecha. El códec de núcleo puede ser combinado con una
bandwidth extension (BWE - Extensión de Banda Ancha), que maneja
las altas frecuencias por encima de la banda de núcleo y por encima
de la frecuencia de corte. La BWE se refiere a un tipo de método
que aumenta el espectro de frecuencias (ancho de banda) en el
receptor por encima del espectro del ancho de banda de núcleo. La
ganancia con la BWE es que puede realizarse habitualmente sin
ninguna o muy pequeña velocidad de bits extra sumada a la velocidad
de bits del códec de núcleo. El punto de frecuencia que marca la
frontera entre la banda de núcleo y las altas frecuencias manejadas
por la extensión de ancho de banda se llama en esta memoria
frecuencia de cruce o frecuencia de corte.
El aumento de frecuencia es un método,
disponible por ejemplo en el códec de audio Adaptative
MultiRate-WideBand+ (AMR-WB+) en el
códec de 3GPP TS 26.290 Extended Adaptative MultiRate - Wideband
(AMR-WB+); Funciones de Transcodificación), que
permite operar el códec a una frecuencia de muestreo interna
modificada, incluso aunque fue diseñado originariamente para una
frecuencia interna fija de 25,6 kHz. Cambiar la frecuencia de
muestreo interna permite escalar la velocidad de bits, el ancho de
banda y la complejidad con el factor de aumento de frecuencia, como
se explica a continuación. Esto permite operar el códec de una
manera muy flexible dependiendo de los requisitos de la velocidad
de bits, del ancho de banda y de la complejidad. Por ejemplo si se
necesita una velocidad de bits muy baja, puede usarse un factor de
aumento de frecuencia (= disminución de frecuencia), lo que al mismo
tiempo significa que el ancho de banda de audio codificado y la
complejidad se reducen. Por otro lado, si se desea una calidad de
codificación muy elevada, se usa un factor de aumento de frecuencia
alto que permite codificar un ancho de banda de audio grande a costa
de una mayor velocidad de bits y una mayor complejidad.
El aumento de la frecuencia en el lado del
codificador se lleva a cabo usando un remuestreador flexible en el
extremo frontal del codificador, que convierte la velocidad de
muestreo de audio original de la señal de salida (por ejemplo 44,1
kHz) en una frecuencia de muestreo interna arbitraria, que se desvía
de la frecuencia de muestreo interna nominal en un factor de
aumento de frecuencia. El algoritmo de codificación real opera
sobre una trama de señal fija (que contiene un número de muestras
pre-definido) muestreada a la frecuencia de
muestreo interna; por ello es en principio independiente de
cualquier aumento de frecuencia. No obstante, varios atributos de
códec son escalados por un factor de aumento de frecuencia, tal como
la velocidad de bits, la complejidad, el ancho de banda y la
frecuencia de cruce.
Sería deseable usar el método de aumento de
frecuencia mencionado anteriormente con el fin de alcanzar una mayor
eficiencia de codificación. Esto llevaría a una mejor calidad de
señal a la misma velocidad de bits o a una menor velocidad de bits
aun manteniendo el mismo nivel de calidad.
La patente de US 7050972 describe un método para
un sistema de codificación de audio que adaptativamente en el
tiempo ajusta la frecuencia de cruce entre un códec de núcleo para
la codificación de una banda de frecuencia más baja y un sistema de
regeneración de frecuencia, llamado también extensión de ancho de
banda en esta memoria, de una banda de frecuencia mayor. Se
describe también que la adaptación puede llevarse a cabo en
respuesta a la capacidad del códec de núcleo de codificar
adecuadamente la banda de frecuencia baja.
No obstante, la US 7050972 no proporciona medios
para aumentar la eficiencia de codificación del códec de núcleo, es
decir, que opera a una frecuencia de muestreo menor. El método se
dirige meramente a mejorar la eficiencia del sistema de
codificación total adaptando el ancho de banda que va a ser
codificado por el códec de núcleo de manera que se asegura que el
códec de núcleo puede codificar adecuadamente su banda. Por ello,
el propósito es alcanzar una tasa de rendimiento óptima entre el
núcleo y la extensión de ancho de banda en lugar de hacer cualquier
intento que haría al códec de núcleo más eficiente.
La solicitud de patente
(WO-2005096508) describe otro método que comprende
un módulo de extensión de banda, un módulo de remuestreo y un códec
de núcleo que comprende un módulo analizador de acústica
psicológico, un módulo de mapeo de
tiempo-frecuencia, un módulo de cuantificación, un
módulo de codificación de entropía. El módulo de extensión de banda
analiza las señales de audio introducidas originales en todo el
ancho de banda, extrae la envoltura espectral de la parte de alta
frecuencia y los parámetros que caracterizan la dependencia entre
las partes más bajas y más altas del espectro. El módulo de
remuestreo remuestrea las señales de audio introducidas, cambia la
velocidad de muestreo y las extrae hacia el códec de núcleo.
No obstante, la solicitud de patente
(WO-2005096508) no contiene provisiones que
permitirían adaptar la operación del módulo de remuestreo
dependiendo de algún análisis de la señal de entrada. Además, no se
prevén medios de segmentación adaptativos de la señal de entrada
original, que permitirían mapear un segmento de entrada después de
un remuestreo adaptativo sobre una trama de entrada de un códec de
núcleo subsiguiente, conteniendo la trama de entrada un número de
muestras predefinido. La consecuencia de esto es que no puede
asegurarse que el códec de núcleo opere a la velocidad de muestreo
de señal más baja posible y por ello, la eficiencia del sistema de
codificación global no es tan alta como sería deseable.
Otro ejemplo de tal técnica anterior es la
solicitud de patente (US 2006 161 427).
La publicación C. Shahabi et al.: A
comparison of different haptic compression techniques; ICME 2002
describe un sistema de muestreo adaptativo para datos hápticos que
operan en tramas de datos, que periódicamente identifica la
frecuencia de Nyquist para la ventana de datos y subsiguientemente
remuestrea los datos a esta frecuencia. La frecuencia de muestreo
se elige por razones prácticas de acuerdo con una frecuencia de
corte, por encima de la cual la energía de la señal puede ser
despreciada.
El problema con la solución descrita en la
publicación C. Shahabi et al. mencionada anteriormente es que
no proporciona ninguna ganancia en el contexto de la codificación
de conversación y de audio. Para el muestreo de datos hápticos
puede ser apropiado un criterio correspondiente al contenido de
energía relativa por encima de la frecuencia de corte (por ejemplo
1%), que se dirige a mantener una representación exacta de los datos
a la menor velocidad de muestreo posible. No obstante, en el
contexto de la codificación de conversación y audio, normalmente
existen restricciones fijas en la frecuencia de muestreo de entrada
o de salida que implican que la señal original es filtrada
primeramente con un filtro de paso bajo a una frecuencia de corte
fija y subsiguientemente muestreada por disminución hasta la
frecuencia de muestreo requerida de por ejemplo 8, 16, 32, 44,1 ó
48 kHz. Por ello, el ancho de banda de la señal de conversación o de
audio está ya artificialmente limitado a una frecuencia de corte
fija. Una adaptación subsiguiente de la frecuencia de muestreo de
acuerdo con el método de esta publicación no funcionaría
generalmente puesto que sólo conduciría a una frecuencia de muestreo
fija en lugar de adaptativa como consecuencia de la frecuencia de
corte fijada artificialmente.
Sin embargo, incluso en el caso en el que el
ancho de banda está limitado artificialmente, dependiendo de las
propiedades de percepción locales (en tiempo) de la señal de audio,
el impacto de la limitación del ancho de banda no siempre es
percibido de la misma manera. Para ciertas partes (segmentos) de la
señal, en las cuales las altas frecuencias son apenas perceptibles,
por ejemplo debido al enmascaramiento por el contenido en baja
frecuencia dominante, sería posible un filtrado de paso bajo más
agresivo y un muestreo a una frecuencia de muestreo baja de manera
correspondiente. Por ello, los sistemas de codificación de
conversación y audio operan sobre una frecuencia de muestreo
localmente demasiado elevada con respecto a la motivada
perceptualmente y así ponen en peligro la eficiencia de la
codificación.
El objeto de la presente invención es
proporcionar métodos y disposiciones para mejorar la eficiencia de
codificación en un códec de conversación/audio.
De acuerdo con la presente invención una mayor
eficiencia de codificación se logra adaptando localmente (en tiempo)
la frecuencia de muestreo y asegurando que no sea mayor de lo
necesario.
De acuerdo con un primer aspecto, la presente
invención se refiere a un emisor de audio/conversación que comprende
un codificador de núcleo adaptado para codificar una banda de
frecuencia de núcleo de una señal de audio/conversa-
ción de entrada. Operando el codificador de núcleo sobre tramas de la señal de audio/conversación de entrada que comprenden un número pre-determinado de muestras. Teniendo la señal de audio/conversación de entrada una primera frecuencia de muestreo y comprendiendo la banda de frecuencia de núcleo frecuencias hasta una frecuencia de corte. El emisor de audio/conversación de acuerdo con la presente invención comprende un dispositivo de segmentación adaptado para llevar a cabo una segmentación de la señal de audio/conversación de entrada en una pluralidad de segmentos, en el que cada segmento tiene una longitud de segmento adaptativa, un estimador de frecuencia de corte adaptado para estimar una frecuencia de corte para cada segmento asociado con la longitud de segmento adaptativa y adaptado para transmitir información sobre la frecuencia de corte estimada a un descodificador, un filtro de paso bajo adaptado para filtrar cada segmento a citada la frecuencia de corte estimada, y un remuestreador adaptado para remuestrear los segmentos filtrados a una segunda frecuencia de muestreo correspondiente a la citada frecuencia de corte, con el fin de generar una trama de audio/conversación del número de muestras predeterminado para ser codificadas por el citado codificador de núcleo.
ción de entrada. Operando el codificador de núcleo sobre tramas de la señal de audio/conversación de entrada que comprenden un número pre-determinado de muestras. Teniendo la señal de audio/conversación de entrada una primera frecuencia de muestreo y comprendiendo la banda de frecuencia de núcleo frecuencias hasta una frecuencia de corte. El emisor de audio/conversación de acuerdo con la presente invención comprende un dispositivo de segmentación adaptado para llevar a cabo una segmentación de la señal de audio/conversación de entrada en una pluralidad de segmentos, en el que cada segmento tiene una longitud de segmento adaptativa, un estimador de frecuencia de corte adaptado para estimar una frecuencia de corte para cada segmento asociado con la longitud de segmento adaptativa y adaptado para transmitir información sobre la frecuencia de corte estimada a un descodificador, un filtro de paso bajo adaptado para filtrar cada segmento a citada la frecuencia de corte estimada, y un remuestreador adaptado para remuestrear los segmentos filtrados a una segunda frecuencia de muestreo correspondiente a la citada frecuencia de corte, con el fin de generar una trama de audio/conversación del número de muestras predeterminado para ser codificadas por el citado codificador de núcleo.
Preferiblemente, el estimador de frecuencia de
corte está adaptado para hacer un análisis de las propiedades de un
segmento de entrada dado de acuerdo con un criterio perceptual, para
determinar la frecuencia de corte que se va a usar para el segmento
dado basándose en el análisis. Además, el estimador de frecuencia de
corte puede estar también adaptado para proporcionar una estimación
cuantificada de la frecuencia de corte, de manera que sea posible
reajustar la segmentación basándose en la citada estimación de la
frecuencia de corte.
\newpage
De acuerdo con un segundo aspecto de la presente
invención, se proporciona un receptor de audio/conversación
adaptado para descodificar una señal de audio/conversación
codificada recibida. El receptor de audio/conversación comprende un
remuestreador adaptado para remuestrear una trama de
audio/conversación descodificada usando información de una
estimación de frecuencia de corte para generar un segmento de
conversación de salida, en el que la citada información es recibida
de un emisor de audio/conversación que comprende un estimador de
frecuencia de corte adaptado para generar y transmitir la citada
información.
De acuerdo con un tercer aspecto, la presente
invención se refiere a un método en un emisor de audio/conversación.
El método comprende las etapas de segmentación de una señal de
audio/conversación de entrada en una pluralidad de segmentos, en la
que cada segmento tiene una longitud de segmento adaptativa, estimar
una frecuencia de corte para cada segmento asociada con la longitud
de segmento adaptativa y adaptado para transmitir información sobre
la frecuencia de corte estimada a un descodificador, filtrar con un
filtro de paso bajo cada segmento a la citada frecuencia de corte
estimada, y remuestrear los segmentos filtrados a una segunda
frecuencia de muestreo correspondiente a la citada frecuencia de
corte con el fin de generar una trama de audio/conversación del
número de muestras predeterminado para ser codificadas por el citado
codificador de núcleo.
De acuerdo con un cuarto aspecto, la presente
invención se refiere a un método en un receptor de
audio/conversación para descodificar una señal de
audio/conversación codificada recibida. El método comprende la etapa
de remuestrear una trama de audio/conversación descodificada usando
información de la estimación de la frecuencia de corte para generar
un segmento de audio/conversación de salida, en el que la citada
información es recibida desde un emisor de audio/conversación que
comprende un estimador de frecuencia de corte adaptado para generar
y transmitir la citada información.
De este modo, usando los métodos mencionados
anteriormente es posible aumentar la eficiencia de la
codificación.
De acuerdo con una realización de la invención,
otro aumento de la eficiencia se logra junto con la BWE. Esto
permite mantener el ancho de banda y por ello la velocidad de bits
del códec de núcleo en un mínimo y al mismo tiempo asegurar que el
códec de núcleo opera con datos muestreados críticamente
(Nyquist).
Una ventaja con la presente invención es que en
las aplicaciones con conmutación de paquetes que usan IP/UDP/
RTP, la transmisión de la frecuencia de corte requerida es gratis puesto que puede ser indicada indirectamente usando los campos de marcación de tiempo. Esto asume que preferiblemente la organización en paquetes se lleva a cabo de manera que un paquete de IP/UDP/RTP corresponde a un segmento codificado.
RTP, la transmisión de la frecuencia de corte requerida es gratis puesto que puede ser indicada indirectamente usando los campos de marcación de tiempo. Esto asume que preferiblemente la organización en paquetes se lleva a cabo de manera que un paquete de IP/UDP/RTP corresponde a un segmento codificado.
Otra ventaja con la presente invención es que
puede usarse para VoIP junto con los códecs de conversación
existentes, por ejemplo AMR como códec de núcleo, puesto que el
formato de transporte (por ejemplo RFC 3267) no está afectado.
La Fig. 1 muestra un códec que ilustra
esquemáticamente el concepto básico de la presente invención.
La Fig. 2 muestra el códec de la figura 1 con
extensión de ancho de banda.
La Fig. 3 muestra la operación de la presente
invención con extensión de ancho de banda en el dominio del residuo
de LPC.
La Fig. 4 ilustra la segmentación alineada en
altura, que se usa en una realización de la presente invención.
La Fig. 5 es un diagrama de flujo del método de
acuerdo con la presente invención.
La Fig. 6 ilustra la realización de bucle
cerrado.
En la siguiente descripción, con el propósito de
explicación y no de limitación, se explican detalles específicos,
tales como secuencias particulares de etapas, protocolos de
señalización y configuraciones de dispositivos con el fin de
proporcionar una completa comprensión de la presente invención.
Resultará evidente para un experto que la presente invención puede
ser practicada en otras realizaciones que se separan de estos
detalles específicos.
Además, los expertos apreciarán que las
funciones explicadas en lo que sigue pueden ser implementadas usando
funciones de software junto con un microprocesador programado o un
ordenador de propósito general, y/o usando un application specific
integrated circuit (ASIC - Circuito Integrado Específico para una
Aplicación). Resultará también evidente que mientras que la
invención actual se ha descrito en primer lugar en forma de métodos
y dispositivos, la invención puede ser también realizada en un
producto de programa de ordenador así como en un sistema que
comprenda un procesador de ordenador y una memoria acoplada al
procesador, en el que la memoria sea codificada con uno o más
programas que puedan llevar a cabo las funciones explicadas
aquí.
El concepto básico de la invención es dividir
una señal de conversación/audio que va a ser transmitida en
segmentos de una cierta longitud. Para cada segmento un estimador de
frecuencia de corte orientado perceptualmente deriva la localmente
(por segmento) adecuada frecuencia de corte fc, lo que conduce a una
pérdida de calidad perceptual definida. Esto implica que el
estimador de frecuencia de corte está adaptado para seleccionar una
frecuencia de corte tal que haga la distorsión de señal debida a la
limitación en banda de manera que una persona las percibiría como
por ejemplo tolerables, apenas audibles, inaudibles.
La figura 1 ilustra un emisor 105 y un receptor
165 de acuerdo con la presente invención. Un dispositivo de
segmentación 110 divide la señal de conversación entrante en
segmentos y un estimador de frecuencia de corte deriva una
frecuencia de corte para cada segmento, preferiblemente basándose en
un criterio perceptual. Los criterios perceptuales se dirigen a
imitar la percepción humana y se aplican frecuentemente en la
codificación de una señal de conversación y audio. La codificación
de acuerdo con un criterio perceptual significa realizar la
codificación aplicando un modelo psicoacústico de la audición. El
modelo psicoacústico determina un perfil de conformación de ruido
de objetivo al cual el ruido de codificación se adapta en forma de
manera que los errores de cuantificación (o codificación) son menos
audibles para un oído humano. Un modelo psicoacústico simple es
parte de muchos codificadores de conversación que aplican un
filtrado ponderado perceptual durante la determinación de la señal
de excitación del filtro mediante síntesis por LPC. Los códecs de
audio normalmente aplican modelos psicoacústicos más sofisticados
que pueden comprender enmascaramiento de frecuencia, lo que, por
ejemplo, hace que los componentes espectrales de baja energía estén
cerca de los componentes espectrales de alta energía inaudibles. La
modelización psicoacústica es bien conocida para los expertos en la
codificación de conversación y de audio. Los segmentos son a
continuación filtrados mediante un filtro de paso bajo 120 de
acuerdo con la frecuencia de corte. Un remuestreador 130
subsiguientemente remuestrea el segmento con una frecuencia (por
ejemplo 2fc) que está elegida de acuerdo con la frecuencia de corte
perceptual, conduciendo a una trama 135. Esta frecuencia es
transmitida al receptor 165 bien sea directa o indirectamente por
medio de la longitud del segmento. La longitud del segmento a su
vez corresponde a la diferencia de marcación de tiempo entre dos
paquetes sucesivos, asumiendo que se usa un protocolo de transporte
de IP/UDP/RTP o similar y que se transmite un segmento codificado
por paquete. Puede observarse también que la relación entre la
longitud del segmento l_{s} y f_{c} es: l_{s} =
n_{f}/2f_{c} donde n_{f} es igual a la longitud de trama en
las muestras. La trama es un vector de muestras de entrada al
codificador, sobre el que opera el codificador. La trama es así
codificada por el codificador 140 de un códec de conversación o
audio arbitrario y transmitida sobre el canal 170. En el receptor
165, la trama codificada es descodificada usando el descodificador
150. La trama descodificada es remuestreada en el remuestreador 160
a la frecuencia de muestreo original, lo que lleva a un segmento
reconstruido 175. Para ello la frecuencia que se ha usado para el
remuestreo (por ejemplo 2fc) tiene que estar disponible en el
receptor 165 como se ha indicado anteriormente.
De acuerdo con una realización, la frecuencia de
muestreo utilizada es transmitida directamente como un parámetro de
información lateral. Típicamente, con el fin de limitar la velocidad
de bits requerida para ello, debe llevarse a cabo una
cuantificación y una codificación de este parámetro. Por ello, el
bloque estimador de segmentación y de frecuencia de corte comprende
una entidad de cuantificación y de codificación para él. Una
realización típica es usar un cuantificador escalar y para
restringir el número de posibles frecuencias de corte a un número
pequeño de por ejemplo 2 ó 4, en cuyo caso es posible una
codificación de uno o de dos bits.
De acuerdo con realizaciones alternativas, la
frecuencia de muestreo utilizada es transmitida mediante
señalización indirecta por medio de la segmentación. Una manera es
señalar la longitud del segmento elegido (y cuantificado).
Típicamente, la frecuencia de corte es derivada de la longitud del
segmento por medio de la relación f_{c} = n_{f}/2l_{s}, que
relaciona la longitud del segmento l_{s} con la frecuencia de
corte f_{c} y la longitud de trama en las muestras n_{f}. Otra
posibilidad indirecta es transmitir la frecuencia de muestreo
utilizada indirectamente usando las marcas de tiempo de la primera
muestra de un paquete de IP/UDP/RTP y de la primera muestra del
paquete subsiguiente, donde se asume que la organización en paquetes
se lleva a cabo con un segmento codificado por paquete. De este
modo, el estimador de frecuencia de corte 110 está adaptado para
transmitir información sobre la frecuencia de corte estimada a un
descodificador 150 directamente como un parámetro de información
lateral o bien esté adaptado también para transmitir información
sobre la frecuencia de corte estimada a un descodificador 150
indirectamente usando instantes de tiempo de una primera muestra del
segmento actual y una primera muestra de un segmento
subsiguiente.
Otra manera de señalización indirecta es
utilizar la velocidad de bits asociada con cada segmento para
señalización. Asumiendo una configuración en la cual está
disponible una velocidad de bits constante para la codificación de
cada trama, una baja velocidad de bits (por intervalo de tiempo)
corresponde a un segmento largo y por ello a una frecuencia de
corte baja y vice-versa. Otra manera más es asociar
los instantes de tiempo de transmisión para los segmentos
codificados con sus instantes de tiempo de finalización o con los
instantes de tiempo de inicio de los respectivos siguientes
segmentos. Por ejemplo cada segmento codificado se transmite un
tiempo pre-definido después de su tiempo de
finalización. A continuación, siempre que la transmisión no
introduzca una fluctuación de retardo grande, las respectivas
longitudes de segmento pueden ser derivadas basándose en los tiempos
de llegada de los segmentos codificados en el receptor.
La derivación de una frecuencia de corte
perceptual y de una segmentación adaptativa de la señal de entrada
original se muestra como ejemplo mediante el siguiente
procedimiento:
1. Empezar con alguna longitud de segmento
inicial l_{0} que puede ser un valor pre-definido
(por ejemplo 20 ms) o puede estar basado en la longitud del segmento
previo.
2. Extraer un segmento con longitud l_{0}
empezando con la primera muestra que sigue al final del segmento
previo y proporcionarla al estimador de frecuencia de corte
perceptual.
3. El estimador de frecuencia de corte realiza
un análisis de frecuencia del segmento, que puede estar basado por
ejemplo en un análisis mediante LPC, en aluna transformada del
dominio de la frecuencia como la FTT o usando baterías de
filtros.
4. Calcular y aplicar un criterio perceptual,
que proporciona una indicación del impacto perceptual (audible) de
una limitación en banda de la señal de entrada. Preferiblemente,
esto tiene en cuenta el ruido de codificación que puede ser
introducido por una codificación subsiguiente (incluyendo una
posible BWE). En particular, en el caso de un elevado ruido de
codificación (por ejemplo como consecuencia de una baja velocidad de
bits), el impacto perceptual de una limitación en banda de la señal
de entrada será menor y por ello una mayor limitación en banda será
más tolerable.
5. Determinar la frecuencia f_{c} a la cual el
contenido espectral necesita ser mantenido con el fin de satisfacer
un nivel de calidad predefinido de acuerdo con el criterio
perceptual calculado.
6. Reajustar la longitud del segmento basándose
en f_{c} de acuerdo con la relación entre la frecuencia de corte y
la longitud del segmento, que es típicamente l_{f} =
n_{f}/2f_{c}, donde n_{f} es la longitud de trama del códec
subsiguiente.
7. Finalización: el algoritmo de segmentación
finaliza y propaga el segmento y la frecuencia de corte identificada
a los bloques de tratamiento subsiguientes. Alternativamente, la
segmentación puede ser revisada si la longitud del segmento
encontrado l_{f} se desvía más de una distancia predefinida de la
longitud del segmento inicial l_{0}. En este caso, con el fin de
aumentar la exactitud de la estimación de la frecuencia de corte, el
algoritmo es introducido de nuevo en la etapa 2, con una nueva
longitud de segmento inicial l_{0} = l_{f}.
Nota: Si la frecuencia de corte es cuantificada
y codificada, entonces el procedimiento se restringe preferiblemente
a considerar sólo longitudes de segmento que son posibles y que se
toman del conjunto discreto de frecuencias de corte que son
posibles tras la cuantificación. Asumiendo que tras la
cuantificación puede señalarse un conjunto discreto de P
frecuencias de corte F={f_{c}(i)} i=1...P, y a
continuación las etapas 1, 6 y 7 deben modificarse de manera que
las longitudes de segmento se tomen de un conjunto discreto L
de longitudes de segmento {l(i)} i=1...P. El conjunto
L a su vez se corresponde con el conjunto F por medio
de la relación entre la longitud del segmento y la frecuencia de
corte.
Debe observarse que los estados del códec
interno resultan afectados cuando se modifica la frecuencia de
muestreo a la cual el códec es operado. Estos estados tienen por
ello que convertirse de una frecuencia de muestreo utilizada
previamente a la frecuencia de corte de muestreo modificada.
Típicamente, en el caso de que el códec tenga estados en el dominio
del tiempo, esta conversión de velocidad de muestreo de los estados
puede llevarse a cabo muestreándolos de nuevo a la frecuencia de
muestreo cambiada.
La figura 2 muestra la presente invención en
combinación con un dispositivo de bandwidth extension (BWE -
Extensión de Ancho de Banda) 190. El uso del dispositivo de
extensión de ancho de banda 190 en asociación con el descodificador
de núcleo 150 permite reducir la frecuencia de corte perceptual
efectiva para el códec de núcleo en tal grado que un dispositivo de
BWE en el receptor puede aun reconstruir adecuadamente el contenido
de alta frecuencia eliminado. Mientras que el códec de núcleo
codifica/descodifica una banda de baja frecuencia hasta la
frecuencia de corte fc, el dispositivo de BWE 190 contribuye con
regenerar la banda superior que varía de fc a fs/2. Un dispositivo
codificador de BWE 180 puede ser también implementado en asociación
con el codificador de núcleo 140 como se ilustra en la figura 2.
En relación y a diferencia del método de la
patente US 705 09 72, esta realización lleva a cabo una adaptación
de la frecuencia de muestreo del códec de núcleo. Y por ello asegura
la operación del códec de núcleo lo más eficientemente posible con
datos muestreados críticamente. También, en contraste con US 705 09
72, que se refiere a la velocidad de muestreo a la cual el códec
opera, la invención no cambia ni adapta la frecuencia de cruce de
la BWE. Aunque la invención asume que el codificador de núcleo opera
en toda la banda de frecuencia hasta la frecuencia de corte, la
patente US 705 09 72 prevé un codificador de núcleo que tiene una
frecuencia de cruce variable.
La presente invención puede ser implementada en
una realización de bucle abierto y en una de bucle cerrado.
En la realización de bucle abierto el estimador
de frecuencia de corte realiza un análisis de las propiedades del
segmento de entrada dado de acuerdo con el mismo criterio
perceptual. Determina la frecuencia de corte que se va a usar para
un segmento dado basándose en este análisis y posiblemente basándose
en alguna suposición del rendimiento del códec de núcleo y en la
BWE. Específicamente, este análisis se lleva a cabo en la etapa 4
del procedimiento de segmentación y de frecuencia de corte.
En la realización de bucle cerrado, mostrada en
la figura 6, la etapa 4 del procedimiento de segmentación y
frecuencia de corte implica una versión local del descodificador de
núcleo 601, BWE 602, muestreador por aumento 603 y combinador de
banda (punto de adición) 604, que lleva a cabo una reconstrucción
605 completa de la señal recibida que puede ser generada por el
receptor. Subsiguientemente un calculador 606 de distorsión de
codificación compara la señal reconstruida con la señal de
conversación de entrada original de acuerdo con algún criterio de
fidelidad, que de nuevo típicamente implica un criterio perceptual.
Si la señal reconstruida no es suficientemente buena de acuerdo con
el citado criterio de fidelidad, el estimador de frecuencia de
corte 607 está adaptado para ajustar la frecuencia de corte y por
ello la velocidad de bits consumida por intervalo de tiempo de
manera que la distorsión de codificación determinada por la unidad
de cálculo de distorsión de codificación 606 permanece dentro de
los límites pre-definidos. Si, por otro lado, la
calidad de señal es demasiado buena, esto es una indicación de que
se invierte demasiada velocidad de bits por segmento. Por ello, la
longitud del segmento puede aumentar, correspondiendo a una
frecuencia de corte y velocidad de bits menor. Debe observarse que
el esquema de bucle cerrado funciona igualmente bien en otra
realización como se ha descrito anteriormente pero sin el uso de
ninguna BWE.
En una realización similar, un esquema de BWE
primaria puede ser asumido como parte del códec de núcleo. En este
caso, puede ser apropiado emplear una BWE secundaria, que de nuevo
extiende la banda de reconstrucción de fc a fs/2 y que corresponde
al bloque de la BWE 190 de la figura 2.
Hay algunos factores generales que pueden
preferiblemente influenciar la selección de la frecuencia de
segmentación y de corte:
La clase de la señal (conversación, música,
mezcla, inactividad) que puede ser obtenida basándose en alguna
decisión del detector (por ejemplo que implica un detector de
actividad de música/voz) o basándose en un conocimiento a
priori (derivado de meta-datos) de los medios
que se van a codificar.
La condición de ruido de la señal de entrada
obtenida de algún detector. Por ejemplo, en presencia de ruido de
ambiente, la frecuencia de corte puede ser ajustada a la baja con el
fin de reducir la cantidad de este componente no deseado de la
señal y por ello elevar la calidad general. También, reducir la
frecuencia de corte en respuesta a la condición de ruido de
ambiente es una medida para reducir la pérdida de recurso de
transmisión (velocidad de bits) para componentes de señal no
deseados.
La frecuencia de corte puede depender de la
velocidad de bits de objetivo (posiblemente) variable con el tiempo
para la codificación. Típicamente, una velocidad de bits de objetivo
más baja llevará a una frecuencia de corte más baja y
vice-versa.
La frecuencia de corte puede depender del
conocimiento de las propiedades del canal de transmisión y de las
condiciones en el extremo receptor, el cual se obtiene típicamente
por medio de algún canal de señalización de retorno. Por ejemplo,
una indicación de un mal canal de transmisión puede llevar a
disminuir la frecuencia de corte con el fin de reducir el contenido
de la señal espectral que puede estar afectada por errores de
transmisión y para mejorar con ello la calidad percibida en el
receptor. También, una reducción de la frecuencia de corte puede
corresponder a una reducción de la velocidad de bits consumida, lo
que tiene un efecto positivo en el caso de una condición de
congestión en la red de transporte.
Otra información desde el extremo receptor puede
comprender información sobre la capacidad del terminal del extremo
receptor y las condiciones de reproducción de la señal. Una
indicación por ejemplo de una reconstrucción de señal de baja
calidad en el receptor puede llevar a reducir la frecuencia de corte
con el fin de evitar la pérdida de velocidad de bits de
transmisión.
De acuerdo con otra realización la presente
invención se aplica con Linear Predictive Coding (LPC - Codificación
de Predicción Lineal) como se ilustra en la figura 3. La figura 3
ilustra un emisor y un receptor como se describen junto con la
figura 2. Específicamente, un análisis mediante LPC es llevado a
cabo por un dispositivo de LPC 301 que es una redundancia para
eliminar el dispositivo de predicción adaptativo. El dispositivo de
LPC 301 puede estar situado antes del filtrado de paso bajo 120 y
tras el estimador de la segmentación y de la frecuencia de corte
110 o bien antes del estimador de la segmentación y de la frecuencia
de corte 110 que lleva al residuo de LPC que es proporcionado al
dispositivo de remuestreo (es decir el filtro de paso bajo y el
muestreador por reducción). El residuo de LPC es la entrada (de
conversación) filtrada por el filtro de análisis mediante LPC. Se
llama también señal de error de predicción mediante LPC. El receptor
genera la señal de salida final por medio de la síntesis mediante
LPC inverso que filtra la señal obtenida por el combinador de banda
(es decir un punto de adición). Los parámetros de LPC 303 que
describen la envoltura espectral del segmento y posiblemente un
factor de ganancia son transmitidos al receptor para la síntesis
mediante LPC 302 como información lateral adicional. El beneficio
con este planteamiento -puesto que el análisis mediante LPC se lleva
a cabo a la velocidad de muestreo f_{s} original y antes del
remuestreo- que proporciona al receptor una descripción exacta de
la envoltura de muestreo completa (es decir que incluye la banda de
BWE de la realización anterior) hasta fs/2 en lugar de sólo f_{c}
que sería el caso si la LPC fuese sólo parte del códec de núcleo.
El planteamiento descrito con LPC tiene el efecto positivo de que la
BWE puede incluso ser tan simple como un esquema por ejemplo que
comprende meramente un generador de ruido blanco complejo simple y
bajo, una carpeta espectral o un desviador de frecuencia
(modulador).
De acuerdo con otra realización, la frecuencia
de corte y la correspondiente frecuencia de remuestreo de señal
2f_{c} son seleccionadas basándose en una estimación de frecuencia
de altura. Esta realización hace uso del hecho de que la
conversación de voz es altamente periódica con la altura de la
frecuencia fundamental, lo que tiene su origen en la excitación
periódica de la glotis durante la generación de la conversación de
voz humana. La segmentación y por ello la frecuencia de corte es
ahora elegida de manera que cada segmento 401 contenga un periodo o
un múltiplo entero de periodos de la señal de conversación de
acuerdo con la figura 4. De manera más específica, típicamente la
frecuencia fundamental de conversación está en el intervalo de
aproximadamente 100 a 400 Hz, lo que corresponde a periodos de 10 ms
hasta 2,5 ms. Si la señal de conversación no tiene voz carece de
periodicidad con una frecuencia de altura. En ese caso la
segmentación puede ser realizada de acuerdo con una elección fijada
de la frecuencia de remuestreo o, preferiblemente, la selección de
la segmentación y de la frecuencia de corte se lleva a cabo de
acuerdo con cualquiera de las reivindicaciones de este
documento.
Una segmentación correspondiente permite una
operación síncrona en altura que puede hacer que el algoritmo de
codificación sea más eficiente puesto que la periodicidad de la
conversación puede ser explotada más fácilmente y la estimación de
varios parámetros estadísticos de la señal de conversación (tales
como parámetros de ganancia o e LPC) se hace más consistente.
Como se ha explicado anteriormente, la presente
invención se refiere a un emisor de audio/conversación y a un
receptor de audio/conversación. Además, la presente invención se
refiere también a métodos para un emisor de audio/conversación y
para un receptor de audio/conversación. Una realización del método
en el emisor se ilustra en el diagrama de flujo de la figura 5a y
comprende las etapas de:
501. Llevar a cabo una segmentación inicial de
la señal de conversación de entrada en una pluralidad de
segmentos.
502. Estimar una frecuencia de corte para cada
segmento y adaptada para transmitir información sobre la frecuencia
de corte estimada a un descodificador.
502a. Reajustar la segmentación basándose en las
estimaciones de la frecuencia de corte. Si la nueva segmentación se
desvía más de un umbral de la previa volver a la etapa 502.
503. Filtrar mediante un filtro de paso bajo
cada segmento y la citada frecuencia de corte estimada.
504. Remuestrear los segmentos filtrados con una
segunda frecuencia de muestreo correspondiente a la citada
frecuencia de corte con el fin de generar una trama de conversación
para ser codificada por el citado codificador de núcleo.
El método en el receptor se ilustra en el
diagrama de flujo de la figura 5b y comprende la etapa de:
505. Remuestrear la trama de conversación
descodificada usando información de una estimación de frecuencia de
corte para generar un segmento de conversación de salida, en el que
la citada información es recibida desde un emisor de
audio/conversación que comprende un estimador de frecuencia de corte
adaptado para estimar y transmitir la citada información.
Aunque la presente invención se ha descrito con
respecto a realizaciones particulares (que incluyen ciertas
disposiciones de dispositivo y ciertas órdenes de etapas dentro de
varios métodos), los expertos reconocerán que la presente invención
no está limitada a las realizaciones específicas descritas e
ilustradas aquí. Por lo tanto, debe entenderse que esta descripción
es sólo ilustrativa. De acuerdo con esto, se pretende que la
invención esté limitada sólo por el ámbito de las reivindicaciones
dependientes de la misma.
Claims (36)
1. Un emisor de audio/conversación (105) que
comprende un codificador de núcleo adaptado a una banda de
frecuencia de una señal de audio/conversación de entrada, operando
el codificador de núcleo sobre tramas de la señal de
audio/conversación de entrada que comprende un número predeterminado
de muestras, teniendo la señal de audio/conversación de entrada una
primera frecuencia de muestreo, y comprendiendo la banda de
frecuencia de núcleo hasta una frecuencia de corte,
caracterizado porque el emisor de audio/conversación (105)
comprende también:
- un dispositivo de segmentación (110) adaptado
para estimar una frecuencia de corte para cada segmento asociado con
la longitud de segmento adaptativa y adaptado para transmitir
información sobre la frecuencia de corte estimada a un
descodificador.
- un filtro de paso bajo (120) adaptado para
filtrar cada segmento a la citada frecuencia de corte estimada, y un
remuestreador (130) adaptado para remuestrear cada segmento filtrado
a una segunda frecuencia de muestreo que corresponde a la frecuencia
de corte del citado segmento filtrado con el fin de generar una
trama de audio/conversación del número de muestras predeterminado
para ser codificada por el citado codificador de núcleo (140).
2. El emisor de audio/conversación (105) de
acuerdo con la reivindicación 1, caracterizado porque el
estimador de frecuencia de corte (110) está adaptado para hacer un
análisis de las propiedades de un segmento de entrada dado de
acuerdo con un criterio perceptual, para determinar la frecuencia de
corte que se va a usar para un segmento dado basándose en el
análisis.
3. El emisor de audio/conversación (105) de
acuerdo con cualquiera de las reivindicaciones 1-2,
caracterizado porque el estimador de frecuencia de corte
(110) está también adaptado para proporcionar una estimación
cuantificada de la frecuencia de corte.
4. El emisor de audio/conversación (105) de
acuerdo con cualquiera de las reivindicaciones 1-3,
caracterizado porque el estimador de frecuencia de corte
(110) está también adaptado para transmitir información sobre la
frecuencia de corte estimada a un descodificador directamente como
un parámetro de información lateral.
5. El emisor de audio/conversación (105) de
acuerdo con cualquiera de las reivindicaciones 1-3,
caracterizado porque el estimador de frecuencia de corte
(110) está también adaptado para transmitir información sobre la
frecuencia de corte estimada a un descodificador mediante
señalización indirecta por medio de la segmentación.
6. El emisor de audio/conversación (105) de
acuerdo con la reivindicación 5, caracterizado porque el
estimador de frecuencia de corte (110) está también adaptado para
utilizar la longitud de cada segmento para la señalización
indirecta.
7. El emisor de audio/conversación (105) de
acuerdo con la reivindicación 5, caracterizado porque el
estimador de frecuencia de corte (110) está también adaptado para
utilizar la velocidad de bits asociada con cada segmento para la
señalización indirecta.
8. El emisor de audio/conversación (105) de
acuerdo con la reivindicación 5, caracterizado porque el
estimador de frecuencia de corte (110) está también adaptado para
transmitir información sobre la frecuencia de corte estimada al
descodificador indirectamente usando instantes de tiempo de una
primera muestra del segmento actual y una primera muestra de un
segmento subsiguiente.
9. El emisor de audio/conversación (105) de
acuerdo con cualquiera de las reivindicaciones 1-8,
caracterizado porque comprende un dispositivo de predicción
(301) lineal situado antes del filtro de paso bajo (120) y después
del dispositivo de segmentación (110) y del estimador de frecuencia
de corte (110) y adaptado para producir un residuo de LPC que es
proporcionado al remuestreador.
10. El emisor de audio/conversación (105) de
acuerdo con cualquiera de las reivindicaciones 1-8,
caracterizado porque comprende un dispositivo de predicción
(301) lineal situado antes del dispositivo de segmentación y del
estimador de frecuencia de corte y adaptado para producir un residuo
de LPC que es proporcionado al dispositivo de segmentación
(110).
11. El emisor de audio/conversación (105) de
acuerdo con cualquiera de las reivindicaciones 1-10,
caracterizado porque al menos una de las frecuencias de corte
y la segunda frecuencia de muestreo es seleccionada basándose en una
estimación de frecuencia de altura.
12. El emisor de audio/conversación (105) de
acuerdo con la reivindicación 1, caracterizado porque
comprende medios para la generación de una señal que corresponde a
la señal de salida del receptor (165).
13. El emisor de audio/conversación (105) de
acuerdo con la reivindicación 12, caracterizado porque
comprende una versión local de un descodificador de núcleo (601) y
un muestreador por aumento (603) adaptado para llevar a cabo una
reconstrucción completa de la señal recibida, comprende también un
calculador de distorsión de codificación (606) adaptado para
comparar la señal reconstruida con la señal de conversación de
entrada original de acuerdo con algún criterio de fidelidad, por lo
que si la señal reconstruida no es suficientemente buena de acuerdo
con el citado criterio de fidelidad, el estimador de frecuencia de
corte (110) está adaptado para reajustar la frecuencia de corte y
la velocidad de bits consumida por intervalo de tiempo hacia arriba
de manera que la distorsión de codificación permanece dentro de
ciertos límites predefinidos, y si la calidad de la señal es
demasiado buena el estimador de frecuencia de corte (110) está
adaptado para aumentar la longitud del segmento correspondiente
hasta una menor frecuencia de corte y velocidad de bits.
14. El emisor de audio/conversación (105) de
acuerdo con la reivindicación 12, caracterizado porque
comprende también una versión local de un dispositivo de extensión
de ancho de banda (602) y un combinador de banda (604) adaptado
para llevar a cabo una reconstrucción completa de la señal recibida
incluyendo una banda de alta frecuencia reconstruida por la BWE.
15. Un receptor de audio/conversación (165)
adaptado para descodificar una señal de audio/conversación
codificada recibida, caracterizado porque comprende un
remuestreador (160) adaptado para remuestrear una trama de
audio/conversación descodificada usando información (162) de una
estimación de frecuencia de corte para generar un segmento de
conversación de salida, en el que la citada información es recibida
desde un emisor de audio/conversación que comprende un estimador de
frecuencia de corte adaptado para estimar la frecuencia de corte
asociada con la longitud de segmento adaptativa y adaptado para
generar y transmitir la citada información.
16. El receptor de audio/conversación (165) de
acuerdo con la reivindicación 15, caracterizado porque
comprende al menos un dispositivo de extensión de ancho de banda
(190) adaptado para reconstruir las frecuencias por encima de la
frecuencia de corte estimada.
17. El receptor de audio/conversación (165) de
acuerdo con cualquiera de las reivindicaciones
15-16, caracterizado porque está también
adaptado para recibir información sobre la frecuencia de corte
estimada directamente como un parámetro de información lateral.
18. El receptor de audio/conversación (165) de
acuerdo con cualquiera de las reivindicaciones
15-17, caracterizado porque está adaptado
para recibir información sobre la frecuencia de corte estimada
mediante señalización indirecta por medio de la segmentación.
19. El receptor de audio/conversación (165) de
acuerdo con la reivindicación 18, caracterizado porque está
adaptado para recibir la longitud de segmento elegida y
cuantificada.
20. el receptor de audio/conversación (165) de
acuerdo con la reivindicación 18, caracterizado porque está
adaptado para recibir la velocidad de bits asociada con cada
segmento para la señalización indirecta.
21. El receptor de audio/conversación (165) de
acuerdo con la reivindicación 18, caracterizado porque está
también adaptado para recibir información sobre la frecuencia de
corte estimada por cada instante de tiempo de una primera muestra de
segmento actual y una primera muestra de un segmento
subsiguiente.
22. Un método en un emisor de audio/conversación
que comprende un codificador de núcleo adaptado para codificar una
banda de frecuencia de núcleo de una señal de audio/conversación de
entrada, operando el codificador de núcleo sobre tramas de la señal
de audio/conversación de entrada que comprende un número
predeterminado de muestras, la señal de conversación de entrada
tiene una primera frecuencia de muestreo y la banda de frecuencia de
núcleo comprende frecuencias hasta una frecuencia de corte
caracterizado por:
- segmentación (501) de la señal de
audio/conversación de entrada en una pluralidad de segmentos, en la
que cada segmento tiene una longitud de segmento adaptativa,
- estimar (502) una frecuencia de corte para
cada segmento asociada con la longitud de segmento adaptativa y
adaptada para transmitir información sobre la frecuencia de corte
estimada a un descodificador,
- filtrar mediante un filtro de paso bajo (503)
cada segmento a la citada frecuencia de corte estimada, y
- remuestrear (504) los segmentos filtrados con
una segunda frecuencia de muestreo que corresponde a la citada
frecuencia de corte con el fin de generar una trama de
audio/conversación del número de muestras predeterminado para ser
codificadas por el citado codificador (140).
23. El método de acuerdo con la reivindicación
22, caracterizado por la siguiente etapa de:
- hacer un análisis de las propiedades de un
segmento de entrada dado de acuerdo con un criterio perceptual, para
determinar la frecuencia de corte que se va a usar para el segmento
dado basándose en el análisis.
24. El método de acuerdo con cualquiera de las
reivindicaciones 22-23, caracterizado por la
siguiente etapa de:
- reajustar (502a) la segmentación basándose en
las estimaciones de la frecuencia de corte.
25. El método de acuerdo con cualquiera de las
reivindicaciones 22-24, caracterizado por la
siguiente etapa de:
- transmitir información sobre la frecuencia de
corte estimada a un descodificador directamente como un parámetro de
información lateral.
26. El método de acuerdo con cualquiera de las
reivindicaciones 22-25, caracterizado por la
siguiente etapa de:
- transmitir información sobre la frecuencia de
corte estimada a un descodificador indirectamente por medio de la
segmentación.
27. El método de acuerdo con cualquiera de las
reivindicaciones 22-26, caracterizado por la
siguiente etapa de:
- producir un residuo de LPC, antes del filtrado
mediante un filtro de paso bajo y después de la segmentación y de la
estimación de la frecuencia de corte, que es proporcionado al
remuestreador.
28. El método de acuerdo con cualquiera de las
reivindicaciones 22-27, caracterizado por la
siguiente etapa de:
- producir un residuo de LPC, antes de la
segmentación y de la estimación de la frecuencia de corte, que es
proporcionado a la etapa de segmentación.
29. El método de acuerdo con cualquiera de las
reivindicaciones 22-28, caracterizado porque
al menos una de las frecuencias de corte y la segunda frecuencia de
muestreo está seleccionada basándose en una estimación de la
frecuencia de altura.
30. El método de acuerdo con la reivindicación
22, caracterizado por la siguiente etapa de generar una señal
que se corresponde con la señal de salida del receptor (165).
31. El método de acuerdo con la reivindicación
30, caracterizado por la siguiente etapa de:
- llevar a cabo una completa reconstrucción de
la señal recibida, comparar la señal reconstruida con la señal de
conversación de entrada original de acuerdo con algún criterio de
fidelidad, por lo que si la señal reconstruida no es
suficientemente buena de acuerdo con el citado criterio de
fidelidad, se ajusta la frecuencia de corte y la velocidad de bits
consumida por cada intervalo de tiempo ascendente de manera que la
distorsión de la codificación permanece dentro de ciertos límites
predefinidos, y si la calidad de la señal es demasiado buena, se
aumenta la longitud del segmento correspondiente a una menor
frecuencia de corte y velocidad de bits.
32. El método de acuerdo con la reivindicación
30, caracterizado por la siguiente etapa de llevar a cabo una
completa reconstrucción de la señal recibida incluyendo una banda de
alta frecuencia reconstruida mediante BWE.
33. Un método en un receptor de
audio/conversación para descodificar una señal de audio/conversación
codificada recibida, caracterizado por la etapa de:
- remuestrear (505) una trama de
audio/conversación descodificada usando información de una
estimación de frecuencia de corte para generar un segmento de
audio/conversación de salida, en el que la citada información es
recibida desde un emisor de audio/conversación que comprende un
estimador de frecuencia de corte adaptado para generar y transmitir
la citada información.
34. El método de acuerdo con la reivindicación
33, caracterizado por la siguiente etapa de:
- reconstruir las frecuencias por encima de la
frecuencia de corte estimada por al menos un dispositivo de
extensión de ancho de banda.
35. El receptor de audio/conversación (165) de
acuerdo con cualquiera de las reivindicaciones
33-34, caracterizado porque está también
adaptado para recibir información sobre la frecuencia de corte
estimada directamente como un parámetro de información lateral.
36. El receptor de audio/conversación (165) de
acuerdo con cualquiera de las reivindicaciones
33-34, caracterizado porque está adaptado
para recibir información sobre la frecuencia de corte estimada
mediante señalización indirecta por medio de la segmentación.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/EP2006/066324 WO2008031458A1 (en) | 2006-09-13 | 2006-09-13 | Methods and arrangements for a speech/audio sender and receiver |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2343862T3 true ES2343862T3 (es) | 2010-08-11 |
Family
ID=37963957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES06778434T Active ES2343862T3 (es) | 2006-09-13 | 2006-09-13 | Metodos y disposiciones para un emisor y receptor de conversacion/audio. |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US8214202B2 (es) |
| EP (1) | EP2062255B1 (es) |
| JP (1) | JP2010503881A (es) |
| CN (1) | CN101512639B (es) |
| AT (1) | ATE463028T1 (es) |
| DE (1) | DE602006013359D1 (es) |
| ES (1) | ES2343862T3 (es) |
| WO (1) | WO2008031458A1 (es) |
Families Citing this family (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0705328D0 (en) * | 2007-03-20 | 2007-04-25 | Skype Ltd | Method of transmitting data in a communication system |
| BRPI0910285B1 (pt) * | 2008-03-03 | 2020-05-12 | Lg Electronics Inc. | Métodos e aparelhos para processamento de sinal de áudio. |
| ES2464722T3 (es) * | 2008-03-04 | 2014-06-03 | Lg Electronics Inc. | Método y aparato para procesar una señal de audio |
| AU2009267532B2 (en) | 2008-07-11 | 2013-04-04 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | An apparatus and a method for calculating a number of spectral envelopes |
| CN102089814B (zh) * | 2008-07-11 | 2012-11-21 | 弗劳恩霍夫应用研究促进协会 | 对编码的音频信号进行解码的设备和方法 |
| AU2009267507B2 (en) | 2008-07-11 | 2012-08-02 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Method and discriminator for classifying different segments of a signal |
| GB2466668A (en) * | 2009-01-06 | 2010-07-07 | Skype Ltd | Speech filtering |
| CN101930736B (zh) * | 2009-06-24 | 2012-04-11 | 展讯通信（上海）有限公司 | 基于子带滤波框架的解码器的音频均衡方法 |
| US9196254B1 (en) * | 2009-07-02 | 2015-11-24 | Alon Konchitsky | Method for implementing quality control for one or more components of an audio signal received from a communication device |
| US9196249B1 (en) * | 2009-07-02 | 2015-11-24 | Alon Konchitsky | Method for identifying speech and music components of an analyzed audio signal |
| US9026440B1 (en) * | 2009-07-02 | 2015-05-05 | Alon Konchitsky | Method for identifying speech and music components of a sound signal |
| GB2476041B (en) * | 2009-12-08 | 2017-03-01 | Skype | Encoding and decoding speech signals |
| EP2375409A1 (en) | 2010-04-09 | 2011-10-12 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Audio encoder, audio decoder and related methods for processing multi-channel audio signals using complex prediction |
| KR101826331B1 (ko) * | 2010-09-15 | 2018-03-22 | 삼성전자주식회사 | 고주파수 대역폭 확장을 위한 부호화/복호화 장치 및 방법 |
| CN103262162B (zh) * | 2010-12-09 | 2015-06-17 | 杜比国际公司 | 用于有理重采样器的心理声学滤波器设计 |
| MY186055A (en) * | 2010-12-29 | 2021-06-17 | Samsung Electronics Co Ltd | Coding apparatus and decoding apparatus with bandwidth extension |
| US8666753B2 (en) | 2011-12-12 | 2014-03-04 | Motorola Mobility Llc | Apparatus and method for audio encoding |
| WO2014068817A1 (ja) * | 2012-10-31 | 2014-05-08 | パナソニック株式会社 | オーディオ信号符号化装置及びオーディオ信号復号装置 |
| CN103915104B (zh) * | 2012-12-31 | 2017-07-21 | 华为技术有限公司 | 信号带宽扩展方法和用户设备 |
| PL3550562T3 (pl) * | 2013-02-22 | 2021-05-31 | Telefonaktiebolaget Lm Ericsson (Publ) | Sposoby i urządzenia dla zawieszenia DTX w kodowaniu audio |
| TWI546799B (zh) * | 2013-04-05 | 2016-08-21 | 杜比國際公司 | 音頻編碼器及解碼器 |
| US20180317019A1 (en) | 2013-05-23 | 2018-11-01 | Knowles Electronics, Llc | Acoustic activity detecting microphone |
| US9711166B2 (en) | 2013-05-23 | 2017-07-18 | Knowles Electronics, Llc | Decimation synchronization in a microphone |
| US10020008B2 (en) | 2013-05-23 | 2018-07-10 | Knowles Electronics, Llc | Microphone and corresponding digital interface |
| CN110244833B (zh) | 2013-05-23 | 2023-05-12 | 美商楼氏电子有限公司 | 麦克风组件 |
| US10028054B2 (en) | 2013-10-21 | 2018-07-17 | Knowles Electronics, Llc | Apparatus and method for frequency detection |
| EP2830064A1 (en) | 2013-07-22 | 2015-01-28 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for decoding and encoding an audio signal using adaptive spectral tile selection |
| FR3011408A1 (fr) * | 2013-09-30 | 2015-04-03 | Orange | Re-echantillonnage d'un signal audio pour un codage/decodage a bas retard |
| FR3015754A1 (fr) * | 2013-12-20 | 2015-06-26 | Orange | Re-echantillonnage d'un signal audio cadence a une frequence d'echantillonnage variable selon la trame |
| CN104882145B (zh) * | 2014-02-28 | 2019-10-29 | 杜比实验室特许公司 | 使用音频对象的时间变化的音频对象聚类 |
| KR102244612B1 (ko) | 2014-04-21 | 2021-04-26 | 삼성전자주식회사 | 무선 통신 시스템에서 음성 데이터를 송신 및 수신하기 위한 장치 및 방법 |
| KR20160000680A (ko) * | 2014-06-25 | 2016-01-05 | 주식회사 더바인코퍼레이션 | 광대역 보코더용 휴대폰 명료도 향상장치와 이를 이용한 음성출력장치 |
| CN105279193B (zh) * | 2014-07-22 | 2020-05-01 | 腾讯科技（深圳）有限公司 | 文件处理方法及装置 |
| FR3024582A1 (fr) * | 2014-07-29 | 2016-02-05 | Orange | Gestion de la perte de trame dans un contexte de transition fd/lpd |
| EP2988300A1 (en) * | 2014-08-18 | 2016-02-24 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Switching of sampling rates at audio processing devices |
| CN107112012B (zh) | 2015-01-07 | 2020-11-20 | 美商楼氏电子有限公司 | 用于音频处理的方法和***及计算机可读存储介质 |
| US10061554B2 (en) * | 2015-03-10 | 2018-08-28 | GM Global Technology Operations LLC | Adjusting audio sampling used with wideband audio |
| US10373608B2 (en) | 2015-10-22 | 2019-08-06 | Texas Instruments Incorporated | Time-based frequency tuning of analog-to-information feature extraction |
| JP6976277B2 (ja) * | 2016-06-22 | 2021-12-08 | ドルビー・インターナショナル・アーベー | 第一の周波数領域から第二の周波数領域にデジタル・オーディオ信号を変換するためのオーディオ・デコーダおよび方法 |
| CN106328153B (zh) * | 2016-08-24 | 2020-05-08 | 青岛歌尔声学科技有限公司 | 电子通信设备语音信号处理***、方法和电子通信设备 |
| GB201620317D0 (en) * | 2016-11-30 | 2017-01-11 | Microsoft Technology Licensing Llc | Audio signal processing |
| CN109036457B (zh) | 2018-09-10 | 2021-10-08 | 广州酷狗计算机科技有限公司 | 恢复音频信号的方法和装置 |
Family Cites Families (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4417102A (en) * | 1981-06-04 | 1983-11-22 | Bell Telephone Laboratories, Incorporated | Noise and bit rate reduction arrangements |
| US4626827A (en) * | 1982-03-16 | 1986-12-02 | Victor Company Of Japan, Limited | Method and system for data compression by variable frequency sampling |
| JPS58165443A (ja) * | 1982-03-26 | 1983-09-30 | Victor Co Of Japan Ltd | 信号の符号化記憶装置 |
| CA2483322C (en) * | 1991-06-11 | 2008-09-23 | Qualcomm Incorporated | Error masking in a variable rate vocoder |
| US5717823A (en) * | 1994-04-14 | 1998-02-10 | Lucent Technologies Inc. | Speech-rate modification for linear-prediction based analysis-by-synthesis speech coders |
| US5543792A (en) * | 1994-10-04 | 1996-08-06 | International Business Machines Corporation | Method and apparatus to enhance the efficiency of storing digitized analog signals |
| JPH11215006A (ja) * | 1998-01-29 | 1999-08-06 | Olympus Optical Co Ltd | ディジタル音声信号の送信装置及び受信装置 |
| US6208276B1 (en) * | 1998-12-30 | 2001-03-27 | At&T Corporation | Method and apparatus for sample rate pre- and post-processing to achieve maximal coding gain for transform-based audio encoding and decoding |
| US6496794B1 (en) * | 1999-11-22 | 2002-12-17 | Motorola, Inc. | Method and apparatus for seamless multi-rate speech coding |
| US6531971B2 (en) * | 2000-05-15 | 2003-03-11 | Achim Kempf | Method for monitoring information density and compressing digitized signals |
| JP2002169597A (ja) * | 2000-09-05 | 2002-06-14 | Victor Co Of Japan Ltd | 音声信号処理装置、音声信号処理方法、音声信号処理のプログラム、及び、そのプログラムを記録した記録媒体 |
| SE0004187D0 (sv) * | 2000-11-15 | 2000-11-15 | Coding Technologies Sweden Ab | Enhancing the performance of coding systems that use high frequency reconstruction methods |
| SE0004838D0 (sv) * | 2000-12-22 | 2000-12-22 | Ericsson Telefon Ab L M | Method and communication apparatus in a communication system |
| US6915264B2 (en) * | 2001-02-22 | 2005-07-05 | Lucent Technologies Inc. | Cochlear filter bank structure for determining masked thresholds for use in perceptual audio coding |
| FR2821218B1 (fr) * | 2001-02-22 | 2006-06-23 | Cit Alcatel | Dispositif de reception pour un terminal de radiocommunication mobile |
| DE60202881T2 (de) * | 2001-11-29 | 2006-01-19 | Coding Technologies Ab | Wiederherstellung von hochfrequenzkomponenten |
| US7240001B2 (en) * | 2001-12-14 | 2007-07-03 | Microsoft Corporation | Quality improvement techniques in an audio encoder |
| JP3875890B2 (ja) * | 2002-01-21 | 2007-01-31 | 株式会社ケンウッド | 音声信号加工装置、音声信号加工方法及びプログラム |
| JP3960932B2 (ja) * | 2002-03-08 | 2007-08-15 | 日本電信電話株式会社 | ディジタル信号符号化方法、復号化方法、符号化装置、復号化装置及びディジタル信号符号化プログラム、復号化プログラム |
| JP3881943B2 (ja) * | 2002-09-06 | 2007-02-14 | 松下電器産業株式会社 | 音響符号化装置及び音響符号化方法 |
| CN100505516C (zh) * | 2003-06-25 | 2009-06-24 | 美商内数位科技公司 | 包括高通滤波器补偿模块以抑制因模拟高通滤器不足所生群组延迟变异失真的数字基带接收器 |
| US20050091041A1 (en) * | 2003-10-23 | 2005-04-28 | Nokia Corporation | Method and system for speech coding |
| WO2005096508A1 (fr) * | 2004-04-01 | 2005-10-13 | Beijing Media Works Co., Ltd | Equipement de codage et de decodage audio ameliore, procede associe |
| US7386445B2 (en) * | 2005-01-18 | 2008-06-10 | Nokia Corporation | Compensation of transient effects in transform coding |
| US20070192086A1 (en) * | 2006-02-13 | 2007-08-16 | Linfeng Guo | Perceptual quality based automatic parameter selection for data compression |
| JP2007333785A (ja) * | 2006-06-12 | 2007-12-27 | Matsushita Electric Ind Co Ltd | オーディオ信号符号化装置およびオーディオ信号符号化方法 |
-
2006
- 2006-09-13 DE DE602006013359T patent/DE602006013359D1/de active Active
- 2006-09-13 WO PCT/EP2006/066324 patent/WO2008031458A1/en active Application Filing
- 2006-09-13 US US12/441,259 patent/US8214202B2/en active Active
- 2006-09-13 ES ES06778434T patent/ES2343862T3/es active Active
- 2006-09-13 AT AT06778434T patent/ATE463028T1/de not_active IP Right Cessation
- 2006-09-13 EP EP06778434A patent/EP2062255B1/en not_active Not-in-force
- 2006-09-13 JP JP2009527704A patent/JP2010503881A/ja active Pending
- 2006-09-13 CN CN2006800558420A patent/CN101512639B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| EP2062255A1 (en) | 2009-05-27 |
| US8214202B2 (en) | 2012-07-03 |
| WO2008031458A1 (en) | 2008-03-20 |
| EP2062255B1 (en) | 2010-03-31 |
| JP2010503881A (ja) | 2010-02-04 |
| CN101512639B (zh) | 2012-03-14 |
| US20090234645A1 (en) | 2009-09-17 |
| ATE463028T1 (de) | 2010-04-15 |
| DE602006013359D1 (de) | 2010-05-12 |
| CN101512639A (zh) | 2009-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2343862T3 (es) | Metodos y disposiciones para un emisor y receptor de conversacion/audio. | |
| ES2826374T3 (es) | Codificador, decodificador y método para codificar y decodificar contenido de audio que utiliza parámetros para potenciar una ocultación | |
| JP5096498B2 (ja) | エンベデッド無音及び背景雑音圧縮 | |
| KR101092167B1 (ko) | 피치-조정 및 비-피치-조정 코딩을 이용한 신호 인코딩 | |
| US9047863B2 (en) | Systems, methods, apparatus, and computer-readable media for criticality threshold control | |
| ES2354427T3 (es) | Mejora de la calidad de audio decodificado mediante la adición de ruido. | |
| JP6386376B2 (ja) | マルチレート・スピーチ／オーディオ・コーデックのためのフレーム損失隠匿 | |
| KR101422379B1 (ko) | 서브 밴드 코딩 디코더에서 손실 패킷들의 은닉 | |
| RU2673847C2 (ru) | Системы и способы передачи избыточной информации кадра | |
| EP1785984A1 (en) | Audio encoding apparatus, audio decoding apparatus, communication apparatus and audio encoding method | |
| JP5706445B2 (ja) | 符号化装置、復号装置およびそれらの方法 | |
| KR101668401B1 (ko) | 오디오 신호를 인코딩하기 위한 방법 및 장치 | |
| ES2452300T3 (es) | Dispositivo de alisamiento espectral, dispositivo de codificación, dispositivo de decodificación, dispositivo de terminal de comunicación, dispositivo de estación base y método de alisamiento espectral | |
| JP6335190B2 (ja) | 低ビットレートで背景ノイズをモデル化するためのコンフォートノイズ付加 | |
| ES2287150T3 (es) | Metodo y sistema para estimacion artificial de una señal de banda alta en un codificador-decodificador de voz. | |
| KR20030076646A (ko) | 음성 비활동 동안에 보이스 송신 시스템들 사이에상호운용성을 제공하는 방법 및 장치 | |
| JP2012529243A (ja) | スピーチフレーム内の情報のロスを防ぐためのシステムおよび方法 | |
| ES2844231T3 (es) | Modelado de señales de banda alta | |
| WO2005106848A1 (ja) | スケーラブル復号化装置および拡張レイヤ消失隠蔽方法 | |
| JPWO2007116809A1 (ja) | ステレオ音声符号化装置、ステレオ音声復号装置、およびこれらの方法 | |
| BR112016030384B1 (pt) | Ajuste de ganho temporal baseado em característica de sinal de banda alta | |
| ES2546028T3 (es) | Un método y un dispositivo de codificación/decodificación | |
| WO2014051964A1 (en) | Apparatus and method for audio frame loss recovery | |
| JP6286554B2 (ja) | 低演算資源を用いて符号化済みオーディオ信号を復号化する装置及び方法 | |
| RU2437170C2 (ru) | Ослабление чрезмерной тональности, в частности, для генерирования возбуждения в декодере при отсутствии информации |