專利名稱:用于語音解碼器的高分辨率后處理方法
技術(shù)領(lǐng)域:
本發(fā)明涉及語音編碼器中用來獲得高頻率分辨率的后處理方法。該語音編碼器最好用于移動(dòng)無線電系統(tǒng)的無線電接收機(jī)中。
以前技術(shù)的描述在語音和音頻編碼中,普遍的是在解碼器中采用后處理技術(shù)來增強(qiáng)解碼語音的感知質(zhì)量。
后處理技術(shù),比如傳統(tǒng)的自適應(yīng)后濾波技術(shù),被設(shè)計(jì)來通過加強(qiáng)共振峰和諧波結(jié)構(gòu)并且在某種程度上減弱共振波谷來增強(qiáng)感知度。
本發(fā)明提出一種新的后處理技術(shù),該技術(shù)包括解碼器中的一個(gè)高分辨率分析層。在噪聲削弱和語音增強(qiáng)方面來說,該新技術(shù)對(duì)于包括語音和音樂在內(nèi)的大范圍的信號(hào)來說更通用一些。
對(duì)于結(jié)合高度(非諧波)頻率選擇性減弱濾波方法、利用對(duì)所接收參數(shù)和所接收信號(hào)的譜分析來估計(jì)更精確的編碼噪聲電平的語音或音頻編碼器后處理方案來說,還沒有一種已知的解決方法。
基于LPC的編碼器中的共振峰后濾波器是眾所周知的,其中編碼器中的濾波器是根據(jù)所接收的LPC參數(shù)獲得的。這里并沒有使用譜的精細(xì)結(jié)構(gòu),并且給出了非常有限的頻率分辨率。
已知多種類型的LTP后濾波器。由于只能夠給出高頻率分辨率而不能處理局部的非諧波編碼噪聲和人為因素,這些濾波器也只能影響解碼信號(hào)的整個(gè)諧波結(jié)構(gòu)。它們還特別適用于語音信號(hào)。
另外還知道的是,在接收機(jī)一端對(duì)解碼語音的分析可以被用來估計(jì)例如音調(diào)后濾波器中的參數(shù)。比如,這種處理在LD-CELP中被執(zhí)行。然而,這僅僅是一個(gè)諧波音調(diào)后濾波器,其中的“分析”的目的僅在于找到音調(diào)諧波。而不會(huì)對(duì)實(shí)際編碼噪聲問題和人為因素會(huì)存在在哪里進(jìn)行整體的分析。
相對(duì)地,在消除沒有被非常低比特率編碼器[1]編碼的頻率域的意義上,也提出了相對(duì)頻率選擇后濾波器。發(fā)明簡介許多語音編碼器,例如基于LPC的通過合成分析的編碼器(LPAS),在參數(shù)搜索中使用了誤差準(zhǔn)則,這種搜索具有很有限的頻率可選性。此外,在很多此類編碼器中,波形匹配準(zhǔn)則將限制低能量區(qū)域的性能,例如譜波谷,即在這些頻率域中對(duì)噪聲分布的控制是很不精確的。
盡管受到加權(quán)濾波器的頻率分辨率的限制,當(dāng)編碼器中使用了譜噪聲加權(quán)時(shí),整個(gè)的誤差譜,即編碼噪聲,是進(jìn)行了譜形調(diào)整的。然而,仍然存在一些譜區(qū)域,一般位于譜谷或其它的低能量區(qū)域,具有相對(duì)較高的噪聲或聽覺上的人為因素,這些都限制了感知質(zhì)量。對(duì)于給定的比特率、編碼器結(jié)構(gòu)和輸入信號(hào),編碼器僅能達(dá)到某一噪聲電平。編碼器和后處理中相對(duì)差的頻率選擇性,以及有限的比特率不能為所有類型的信號(hào)解決質(zhì)量問題區(qū)域。
傳統(tǒng)的低階(一般為10階)帶寬擴(kuò)展LPC共振峰后濾波器具有相對(duì)較低的頻率選擇性,而且不能解決局部化噪聲和人為因素。
諧波音調(diào)后濾波器可以提供高頻率分辨率,但是只能進(jìn)行諧波濾波,即不能進(jìn)行局部化非諧波濾波。
語音和音樂信號(hào),例如,具有根本上不同的結(jié)構(gòu),因此應(yīng)該采取不同的后處理策略。這一點(diǎn)是無法實(shí)現(xiàn)的,除非所接收的信號(hào)是經(jīng)過分析,并且在后處理中使用了高分辨率的選擇濾波器。這一點(diǎn)目前還沒有完成。
本發(fā)明的目標(biāo)是為來自語音或音頻解碼設(shè)備的解碼信號(hào)獲得高頻率分辨率后處理方法,這種方法至少削弱了解碼頻譜中不希望的非諧波影響以及其他的編碼噪聲。
解碼信號(hào)被分析以找到可能的具有編碼噪聲的頻率域。高分辨率分析是針對(duì)解碼語音信號(hào)的譜進(jìn)行的,并且基于語音編碼算法特性的知識(shí)和來自語音解碼器的參數(shù)而進(jìn)行的。這種分析的輸出是一種頻率域方面的濾波策略,在這些頻率域中,信號(hào)被減弱以削弱編碼噪聲并且增強(qiáng)編碼語音的整體感知質(zhì)量。
本發(fā)明的方法利用了一種變換,這種變換給出高頻率分辨率譜描述。這可以利用傅立葉變換以及其他與譜值具有強(qiáng)相關(guān)性的變換來實(shí)現(xiàn)。變換長度可以與解碼器的幀長一致(例如使延遲最小),但是必須允許足夠高的頻率分辨率。
在變換之后,會(huì)進(jìn)行對(duì)譜值的分析和解碼器屬性的分析以便識(shí)別出問題域,在這些區(qū)域中編碼方法引入了可聽噪聲或人為因素。這種分析還使用了人類聽覺的感知模型。來自解碼器的信息以及關(guān)于編碼算法的知識(shí)對(duì)于編碼噪聲量值和其分布的估計(jì)是有幫助的。
在分析步驟獲得的信息以及感知模型在兩個(gè)步驟中被用于濾波器設(shè)計(jì)確定將要被減弱的頻率域。
確定每個(gè)頻率域中的濾波量。
這給出一個(gè)候選濾波器,該濾波器可以在動(dòng)態(tài)特性上被進(jìn)一步精細(xì)化。例如,濾波器特性可以是不適當(dāng)?shù)模驗(yàn)樵谝郧暗臑V波器之后使用時(shí)會(huì)產(chǎn)生人為因素。而且,通過與解碼信號(hào)的變化量相比來限制濾波中的變化量,解碼信號(hào)的動(dòng)態(tài)特性可以被考慮。
上面描述的濾波器設(shè)計(jì)的策略允許非常強(qiáng)的頻率選擇后濾波,這種濾波的目標(biāo)在于自適應(yīng)地抑制問題域。這與當(dāng)前的通用后濾波相比差別在于沒有特定分析時(shí)也能使用。此外,這種方法允許對(duì)不同類型的信號(hào),比如語音和音樂采用不同的濾波。
對(duì)解碼信號(hào)的濾波必須在高頻率分辨率的情況下進(jìn)行。這種濾波器可以例如在頻域?qū)崿F(xiàn)并且最終遵從反向變換。然而,可以使用濾波處理的任何可替換的實(shí)現(xiàn)。
在所提出方案的另一可選的低延遲實(shí)現(xiàn)中,可以利用來自分析的結(jié)果和僅在以前幀獲得的濾波器設(shè)計(jì)進(jìn)行濾波。由該解決方案的另一可選實(shí)現(xiàn)造成的延遲可以被保持為很低。
附圖簡要描述根據(jù)本發(fā)明的方法將參考附圖詳細(xì)描述,其中
圖1是執(zhí)行根據(jù)本發(fā)明一個(gè)實(shí)施方案的方法的不同功能塊的方框圖;圖2是根據(jù)本發(fā)明方法的另一個(gè)實(shí)施方案的方框圖;圖3是圖1和2中分析和濾波器設(shè)計(jì)的更詳細(xì)的方框圖;圖4表示了解碼信號(hào)的頻譜,以及根據(jù)本發(fā)明的后處理的原理。
優(yōu)選實(shí)施方案描述下面的描述表明的是上面描述的該發(fā)明的可行實(shí)現(xiàn)方案。它是為結(jié)合CELP(碼激勵(lì)線性預(yù)測(cè))編碼器的使用而設(shè)計(jì)的。這種編碼器在譜的低能量域中產(chǎn)生噪聲,特別是在波峰之間的具有復(fù)雜的諧波關(guān)系,例如音樂,的波谷中產(chǎn)生噪聲。下面的觀點(diǎn)以及圖3說明了詳細(xì)的實(shí)現(xiàn)。
圖1是本發(fā)明執(zhí)行的各種功能的方框圖。語音解碼器1,例如移動(dòng)電話系統(tǒng)中的無線電接收機(jī),將流入的解調(diào)無線電信號(hào)解碼,在這些信號(hào)中,解碼器1的參數(shù)通過無線電媒體被傳輸。
在解碼器的輸出端可獲得解碼的語音信號(hào)。由于傳輸和語音解碼器1的解碼特性,解碼信號(hào)的頻譜具有某一特性。
時(shí)域的解碼信號(hào)被塊2表示的快速傅立葉變換FFT進(jìn)行變換因而可以獲得解碼信號(hào)的頻譜。該頻譜以及語音解碼器的頻率特性被(塊5)分析,分析的結(jié)果被提供給濾波器設(shè)計(jì)單元6。該設(shè)計(jì)單元6為后濾波器3提供信息信號(hào)。該濾波器對(duì)語音信號(hào)的頻譜進(jìn)行后濾波以便消除或至少削弱解碼語音信號(hào)譜中噪聲分量的影響。來自濾波器3的沒有干擾頻率分量或至少干擾分量被很大程度削弱的譜信號(hào)被傳送給塊4,在塊4中進(jìn)行對(duì)塊2中信息的反向變換感知模型7可以被加入到分析和濾波器設(shè)計(jì)中,這會(huì)如希望的那樣影響解碼語音信號(hào)譜的濾波(塊3)。這并不構(gòu)成本方法的任何基本部分因此不再進(jìn)一步描述。
通常來說,解碼信號(hào)的譜值按下述方法分析以便獲得識(shí)別將要減弱區(qū)域的測(cè)量值。
幅度譜的包絡(luò)被估計(jì)以便將整體譜形從高分辨率精細(xì)結(jié)構(gòu)中分離出來??梢岳米銐?qū)挼幕瑒?dòng)窗進(jìn)行峰值拾取處理來估計(jì)該包絡(luò)。
可以對(duì)幅度譜進(jìn)行平滑以避免波動(dòng)。
所產(chǎn)生的兩個(gè)矢量被用來識(shí)別足夠窄的具有某一深度的譜谷。這給出可以進(jìn)行濾波的候選區(qū)域。
該譜也可以利用感知模型來分析以獲得噪聲掩模閾值。
解碼器的屬性被分析以便估計(jì)可能的噪聲分布和電平或者由于使用中的特定編碼器引入的人為因素。這些屬性取決于編碼算法,但是可能包括例如譜形,噪聲整形,估計(jì)誤差加權(quán)濾波器,預(yù)計(jì)增益-例如在LPC或LTP中,比特分配等等。這些屬性表明了編碼算法的特征以及對(duì)即將到來的特定信號(hào)編碼性能。
關(guān)于所獲得的編碼信號(hào)的所有或部分信息是從分析塊5輸出的并被用于濾波器設(shè)計(jì)塊6。
在圖2中給出了后處理方法的另一個(gè)實(shí)施方案。與圖1的差別在于分析塊5和濾波器設(shè)計(jì)塊6是在頻域?qū)崿F(xiàn)的,而解碼語音信號(hào)的后濾波8是在時(shí)域?qū)崿F(xiàn)的。濾波器設(shè)計(jì)單元6的輸出給出一個(gè)信息/控制信號(hào),但是現(xiàn)在傳送給時(shí)域?yàn)V波器8,而不是上面的頻域?yàn)V波器3。
圖3給出一個(gè)比圖1和2更詳細(xì)的說明該發(fā)明方法的方框圖。
例如,在無線電接收機(jī)中的語音解碼器1的輸出被連接到執(zhí)行256點(diǎn)快速傅立葉變換(FFT)的功能塊21。然后,利用一個(gè)漢寧窗,每128個(gè)樣本進(jìn)行一次256點(diǎn)的FFT。這樣,每隔128個(gè)樣本,一個(gè)新的塊被處理。FFT變換的對(duì)數(shù)幅度以及相位譜(沒有被處理)被計(jì)算出來。
分析(塊5)包括通過在每個(gè)方向上按照長度為200Hz滑動(dòng)窗中對(duì)數(shù)幅度譜的最大值來計(jì)算每個(gè)頻率點(diǎn)從而估計(jì)對(duì)數(shù)幅度譜的包絡(luò)。通過找到對(duì)數(shù)幅度譜等于最大值矢量的頻率點(diǎn)來進(jìn)行對(duì)所產(chǎn)生矢量的峰值拾取。在峰值之間進(jìn)行線性內(nèi)插以獲取包絡(luò)矢量。
通過在每個(gè)方向上選取長度為75Hz的滑動(dòng)窗中的最大值來平滑對(duì)數(shù)幅度譜。
估計(jì)譜的斜率。
濾波器設(shè)計(jì)(塊6)包括確定平滑后的對(duì)數(shù)譜曲線低于對(duì)數(shù)幅度包絡(luò)曲線一個(gè)特定值以上的區(qū)域。如果它們對(duì)應(yīng)于多于一個(gè)的連續(xù)頻率點(diǎn),那麼這些區(qū)域被抑制。此外,如果波谷比某一特定高度值還深,抑制被擴(kuò)展到包括波峰之間的整個(gè)區(qū)域。在對(duì)數(shù)域中,每個(gè)將要被抑制的頻率點(diǎn)上譜抑制的量值是由斜率確定的,使得低能量區(qū)域得到的抑制更多。所使用的公式在對(duì)數(shù)域中是線性的,對(duì)抑制低端的最后1KHz不做任何抑制(即,對(duì)于低通斜率,開始的1KHz沒有被抑制,在高通斜率附近則是相反的)。這是因?yàn)镃ELP編碼器趨于在低能量區(qū)域產(chǎn)生更多的噪聲的特性造成的。
當(dāng)前譜和以前譜之間的對(duì)數(shù)幅度譜的平方距離以及抑制矢量的同樣測(cè)量值被計(jì)算出來。如果用于抑制矢量的值和譜本身之間的比例高于某一特定值(即,與信號(hào)譜相比,抑制量變化相對(duì)太快),那麼可以通過簡單地用當(dāng)前和以前抑制值的平均替代抑制矢量來平滑該抑制矢量。
通過簡單地將以前點(diǎn)上確定的抑制量從解碼信號(hào)的對(duì)數(shù)幅度譜中減去,來執(zhí)行濾波操作(塊31)。
通過首先根據(jù)由濾波產(chǎn)生的對(duì)數(shù)幅度譜以及由變換直接得到的相位譜重構(gòu)傅立葉變換,以及反變換(塊4)被執(zhí)行。注意到重疊和相加過程被采用來避免由于分析幀之間的不連續(xù)造成的人為因素。
圖1的分析塊5在該實(shí)施方案中包括包絡(luò)檢測(cè)器51,平滑濾波器52和斜率檢測(cè)器53。
從包洛檢測(cè)器可以獲得FFT譜的包絡(luò)信號(hào)e,如圖4所示。平滑濾波器52給出表示從FFT(塊21)獲得的平滑后的頻率特性的信號(hào)sm。
濾波器設(shè)計(jì)單元6在該實(shí)施方案中包括比較單元61,抑制器62和執(zhí)行動(dòng)態(tài)處理的單元63。
來自分析塊5的兩個(gè)信號(hào)e和sm在比較單元61中被組合。信號(hào)e和sm之間的差值在比較器61中與一個(gè)固定的閾值Th比較以便確定不希望的共振波谷和相關(guān)的頻率間隔。包括關(guān)于這些的信息的信號(hào)s1被獲得。
抑制值產(chǎn)生單元62由從分析塊5中斜率單元53獲得的信號(hào)s2控制。信號(hào)s2表示斜率,根據(jù)對(duì)斜率依賴程度的大小,對(duì)信號(hào)s1確定的頻譜進(jìn)行抑制。
動(dòng)態(tài)單元63執(zhí)行一幀到另一幀之間的抑制量調(diào)整,使得不會(huì)發(fā)生抑制單元62的輸出信號(hào)所表示的抑制量突然增加的現(xiàn)象。
在該實(shí)施方案中,圖1的濾波器3是根據(jù)圖3的濾波器31(對(duì)應(yīng)于圖1中的濾波器3)被稱為圖3中的減法器,它執(zhí)行譜的減法。從動(dòng)態(tài)單元63獲得的信號(hào)值為抑制值并被從頻譜特性中減去,該頻譜特性是在上述s1確定的頻率間隔中由FFT單元21獲得的。其結(jié)果是來自語音解碼器1的頻譜中的干擾波谷在塊4中的最終反向變換被進(jìn)行之前被削弱到期望的值。
取決于頻譜特性的斜率信號(hào)s1可以獲得譜幅度的不同平均值。在頻譜的開始處,斜率引起高的幅度值,在頻譜開始處語音解碼器1為“強(qiáng)”,即能夠獨(dú)立于譜中的可能噪聲分量而正確解碼。對(duì)于較高的頻率,其斜率意味著頻譜特性的較低幅度值,更重要的是對(duì)頻譜中的波谷進(jìn)行很好的抑制。
圖4的頻率圖旨在表示這一點(diǎn)。平滑后的頻譜sm和其包絡(luò)e如上面提到的那樣被比較,其差值被與一個(gè)固定閾值Th比較。在該例中,這在頻率f1和f2附近給出至少兩個(gè)不同的頻率域f1和f2,對(duì)應(yīng)于這兩個(gè)區(qū)域,波谷v1和v2被看作為干擾,即由于語音解碼器不能處理的非諧波/干擾噪聲造成的。盡管幾個(gè)其它的類似/區(qū)域也出現(xiàn)在頻譜的較高和較低部分,圖4中只給出了這兩個(gè)頻率區(qū)域。
來自比較器61的信號(hào)s1帶有關(guān)于將要被抑制的頻率域f1和f2的信息,來自斜率檢測(cè)器53的信號(hào)s2帶有關(guān)于進(jìn)行何種程度抑制的信息。如上面提到的,如果檢測(cè)到的頻率域位于頻譜的開始處,例如f1,抑制可以比較低,而對(duì)于位于高波段的區(qū)域f2,抑制量可以大一些。
動(dòng)態(tài)單元63從一個(gè)語音塊到另一個(gè)語音塊來調(diào)整抑制值。最好的是流入語音塊(128點(diǎn))被進(jìn)行重疊處理使得當(dāng)一半的語音塊已經(jīng)在塊5和6中被處理時(shí),新的后續(xù)語音塊的處理已經(jīng)在分析塊5中開始了。
動(dòng)態(tài)單元63給出這樣一種信號(hào),它表示將要從譜特性中減去的校正值,這一操作是在對(duì)應(yīng)于圖1中濾波器3的減法器31中完成的。如上面參考重疊語音塊描述的那樣,語音信號(hào)的改進(jìn)頻譜在反向快速傅立葉變化器4中被進(jìn)行反向傅立葉變換。
該方法可以適用于語音或音頻解碼器內(nèi)部的信號(hào)。這些信號(hào)會(huì)被該方法處理并且被解碼器進(jìn)一步使用來產(chǎn)生解碼的語音或音頻信號(hào)。一個(gè)例子是LPC編碼器中的激勵(lì)信號(hào),在解碼語音被線性預(yù)測(cè)合成濾波器重構(gòu)之前,它可以被所提出的信號(hào)處理。
減弱解碼信號(hào)中的頻率域的方法可以在編碼過程中采用使得編碼工作可以從減弱區(qū)域重定向。例如,LPAS編碼器的誤差加權(quán)濾波器可以被修正以便在減弱區(qū)域中削減對(duì)誤差的加權(quán)從而實(shí)現(xiàn)這一點(diǎn)。這樣,該方法可以結(jié)合修正的編碼器使用,其中的編碼器考慮了該方法引入的后處理。該發(fā)明的優(yōu)點(diǎn)有可能在具有高分辨率的局部頻率區(qū)域抑制編碼噪聲和人為因素。這對(duì)于復(fù)雜信號(hào)例如音樂尤其有用。該方法明顯地增強(qiáng)了復(fù)雜信號(hào)的聲音質(zhì)量,同時(shí)增強(qiáng)了純語音的質(zhì)量,盡管是邊緣性的。
參考文獻(xiàn)[1]D.Sen和W.H.Holmes,“PERCEP-Perceptrally EnhancedRandem Codebook Excited Linear Prediction”,IEEE workshopspeed coding文集,ste.Adele,Que.canada,第101-102,1993年
權(quán)利要求
1.一種用于語音解碼器(1)的后處理方法,它給出時(shí)域的解碼語音信號(hào)以便從具有非諧波和噪聲缺陷的頻譜中獲得高頻率分辨率,包括以下步驟a)對(duì)解碼信號(hào)執(zhí)行(2)高頻率分辨率變換以獲得解碼語音信號(hào)的頻譜,b)通過在各個(gè)頻率區(qū)域(f1,f2)中估計(jì)可能的編碼噪聲特性來分析(5)所述的頻譜,c)基于分析步驟來執(zhí)行對(duì)所述頻譜的高頻率分辨率濾波以便至少明顯地削減所述頻率域中的頻率分量。
2.權(quán)利要求1的方法,其中所述的分析(5)使用解碼后的高分辨率信號(hào)譜。
3.權(quán)利要求2的方法,其中所述的分析(5)采用了解碼器屬性。
4.權(quán)利要求2的方法,其中所述的分析(5)采用了編碼算法的特性。
5.權(quán)利要求2的方法,其中所述的分析(5)采用了感知模型(7)。
6.權(quán)利要求1到5之一的方法,其中所述的濾波采用了濾波器的動(dòng)態(tài)特性。
7.權(quán)利要求6的方法,其中所述的濾波采用了解碼信號(hào)的動(dòng)態(tài)特性。
8.一種用于語音解碼器(1)的后處理方法,它給出時(shí)域的解碼語音信號(hào)以便從具有非諧波和噪聲缺陷的頻譜中獲得高頻率分辨率,其特征在于以下步驟a)通過高頻率分辨率變換(FFT)將解碼時(shí)域信號(hào)變換(21)成頻域信號(hào),b)在其整個(gè)頻率域上(4KHz)分析(5)所述頻域信號(hào)的能量分布以找到干擾頻率分量并按優(yōu)先序排列這種位于頻譜高端部分的頻率分量,c)基于所述按優(yōu)先序排列找到(6)對(duì)所述干擾頻率分量的抑制度,d)依賴于所述的尋找(6)控制所述變換的后濾波(31),以及e)反向變換(4)后濾波的變換以便在時(shí)域獲得后濾波的解碼語音信號(hào)。
9.根據(jù)權(quán)利要求8的方法,特征在于所述分析(5)包括a)檢測(cè)(51)表示所述頻譜的信號(hào)的包絡(luò),并形成對(duì)應(yīng)的包絡(luò)信號(hào)(e),b)估計(jì)(53)表示頻譜的所述信號(hào)的斜率,并形成對(duì)應(yīng)的斜率信號(hào)(s1),所述濾波設(shè)計(jì)(6)包括c)將表示頻譜的所述信號(hào)與所述斜率信號(hào)(s1)相比以便定位所述的干擾頻率分量(f1,f2),d)基于所述比較的結(jié)果以及對(duì)應(yīng)于該斜率的所述信號(hào)(s1),為特定的頻率分量形成表示抑制度的值,并且為一些這種特定分量重復(fù)所述形成過程,給出一些數(shù)值,所述數(shù)值被用做頻譜信號(hào)的所述后濾波的控制。
10.根據(jù)權(quán)利要求9的方法,特征在于表示頻譜的所述信號(hào)是來自所述變換(21)之后信號(hào)的平滑(53)后的信號(hào)。
全文摘要
一種用于語音解碼器(1)的后處理方法,它給出時(shí)域的解碼語音信號(hào)以便從具有非諧波和噪聲缺陷的頻譜中獲得高頻率分辨率,包括以下步驟:a)通過高頻率分辨率變換(FFT)將解碼時(shí)域信號(hào)變換(21)成頻域信號(hào),b)在其整個(gè)頻率域上(4KH
文檔編號(hào)G10L21/0232GK1254433SQ9880472
公開日2000年5月24日 申請(qǐng)日期1998年2月17日 優(yōu)先權(quán)日1997年3月3日
發(fā)明者E·埃庫頓, R·哈根, B·克雷恩 申請(qǐng)人:艾利森電話股份有限公司