語(yǔ)音音響編碼裝置、語(yǔ)音音響解碼裝置、語(yǔ)音音響編碼方法和語(yǔ)音音響解碼方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及使用了變換編碼方式的語(yǔ)音音響編碼裝置、語(yǔ)音音響解碼裝置、語(yǔ)音 音響編碼方法及語(yǔ)音音響解碼方法。
【背景技術(shù)】
[0002] 作為能夠高效率地編碼0. 05-14kHz頻帶的超寬頻帶（SWB !Super-Wide-Band) 的語(yǔ)音信號(hào)或音樂(lè)信號(hào)的方式，有按ITU-T (International Telecommunication Union Telecommunication Standardization Sector ;國(guó)際電信聯(lián)盟電信標(biāo)準(zhǔn)化部門(mén)）標(biāo)準(zhǔn)化的 非專(zhuān)利文獻(xiàn)1及非專(zhuān)利文獻(xiàn)2中記載的技術(shù)。在這些技術(shù)中，將7kHz為止的頻帶在核心編 碼單元中編碼，將7kHz以上的頻帶（以下，稱(chēng)為"擴(kuò)展頻帶"）在擴(kuò)展編碼單元中編碼。
[0003] 在核心編碼單元中，使用碼激勵(lì)線(xiàn)性預(yù)測(cè)（CELP :Code Excited Linear Prediction)進(jìn)行編碼，在將CELP中不能編碼的剩余信號(hào)用MDCT(Modified Discrete Cosine Transform;改進(jìn)離散余弦變換）變換到頻域后，以稱(chēng)為FPC(Factorial Pulse Coding;階乘脈沖編碼）或AVQ(Algebraic Vector Quantization;代數(shù)矢量量化）的變換 編碼進(jìn)行編碼。在擴(kuò)展編碼單元中，在7kHz以上的擴(kuò)展頻帶中，搜索與7kHz為止的低頻的 頻譜之間相關(guān)較高的頻帶，將相關(guān)最高的頻帶使用在擴(kuò)展頻帶的編碼中利用的方法等進(jìn)行 編碼。再有，在非專(zhuān)利文獻(xiàn)1及非專(zhuān)利文獻(xiàn)2中，在7kHz為止的低頻側(cè)和7kHz以上的高頻 偵牝分別被預(yù)先確定編碼比特?cái)?shù)，以分別確定的編碼比特?cái)?shù)編碼低頻側(cè)和高頻側(cè)。
[0004] 此外，在非專(zhuān)利文獻(xiàn)3中，也公開(kāi)了將SWB編碼的方式已被ITU-T標(biāo)準(zhǔn)化。在非專(zhuān) 利文獻(xiàn)3中記載的編碼裝置中，將輸入信號(hào)通過(guò)MDCT變換到頻域，分割為子帶，對(duì)每個(gè)子帶 進(jìn)行編碼。具體地說(shuō)，該編碼裝置首先計(jì)算各子帶能量，并進(jìn)行編碼。接著，為了編碼頻率 精細(xì)結(jié)構(gòu)，基于子帶能量，對(duì)各子帶分配用于編碼頻率精細(xì)結(jié)構(gòu)的編碼比特。頻率精細(xì)結(jié)構(gòu) 使用格型矢量量化（Lattice Vector Quantization)來(lái)編碼。與FPC或AVQ同樣，格型矢 量量化也是適合頻譜的編碼的一種變換編碼。在格型矢量量化中，由于編碼比特未被充分 地分配，所以有時(shí)解碼過(guò)的頻譜的能量和子帶能量的誤差較大。這種情況下，通過(guò)進(jìn)行將子 帶能量和解碼頻譜的能量的誤差用噪聲矢量填補(bǔ)的處理，進(jìn)行編碼。
[0005] 此外，在非專(zhuān)利文獻(xiàn)4中，論述了基于AAC(Advanced Audio Coding ;高級(jí)音頻編 碼）的編碼技術(shù)。在AAC中，基于聽(tīng)覺(jué)模型計(jì)算掩蔽閾值，通過(guò)將掩蔽閾值以下的MDCT系 數(shù)從編碼對(duì)象中除去，高效率地進(jìn)行編碼。
[0006] 現(xiàn)有技術(shù)文獻(xiàn)
[0007] 非專(zhuān)利文獻(xiàn)
[0008] 非專(zhuān)利文獻(xiàn) I : ITU-T Standard G. 718AnnexB，2010 年
[0009] 非專(zhuān)利文獻(xiàn) 2 : ITU-T Standard G. 729. lAnnexE，2010 年
[0010] 非專(zhuān)利文獻(xiàn) 3 : ITU-T Standard G. 719, 2008 年
[0011] 非專(zhuān)利文獻(xiàn)4 :MP3AND AAC explained，AES 17th International Conference on High Quality Audio Coding，1999 年

【發(fā)明內(nèi)容】

[0012] 發(fā)明要解決的問(wèn)題
[0013] 在非專(zhuān)利文獻(xiàn)1及非專(zhuān)利文獻(xiàn)2中，對(duì)核心編碼單元編碼的低頻側(cè)和擴(kuò)展編碼單 元編碼的高頻側(cè)以固定方式分配比特，不能對(duì)低頻和高頻按照信號(hào)的特性適當(dāng)?shù)胤峙渚幋a 比特。因此，存在因輸入信號(hào)的特性而不能發(fā)揮充分的性能的課題。
[0014] 另一方面，在非專(zhuān)利文獻(xiàn)3中，有按照子帶能量從低頻到高頻自適應(yīng)地分配比特 的機(jī)制，但著眼于高頻越高，相對(duì)頻譜的誤差的靈敏度越低這樣的聽(tīng)覺(jué)特性，存在對(duì)高頻容 易分配需要以上的比特的課題。有關(guān)該課題在以下說(shuō)明。
[0015] 在編碼過(guò)程中，首先，計(jì)算各子帶中需要的比特量，以使對(duì)每個(gè)子帶計(jì)算出的子帶 能量越大，分配越多的比特。但是，在變換編碼中，在算法的性質(zhì)上，即使將編碼比特分配增 加1比特，編碼能力也不會(huì)提高，有時(shí)如果不分配一定程度匯集的比特?cái)?shù)，編碼結(jié)果就不改 變。因此，如果不是以比特單位，而是以這樣匯集的比特?cái)?shù)的單位進(jìn)行比特的分配，則是便 利的。將這樣的編碼上需要的比特?cái)?shù)的單位在這里稱(chēng)為單元。分配的單元（unit)數(shù)越多， 能夠越正確地表現(xiàn)頻譜的形狀及振幅。再有，考慮到聽(tīng)覺(jué)特性，高頻的子帶與低頻的子帶相 比，一般來(lái)說(shuō)其帶寬取得寬，但帶寬越寬，1單元所需要的比特量就越多，所以1單元的比特 數(shù)隨著帶寬而改變。
[0016] 在本發(fā)明所設(shè)想的變換編碼中，將頻譜用頻率軸上的少數(shù)脈沖串近似，所以在該 脈沖串的振幅信息和位置信息上，消耗以單元單位分配的編碼比特。
[0017] 而且，在非專(zhuān)利文獻(xiàn)4中，通過(guò)將聽(tīng)覺(jué)特性上不重要的MDCT系數(shù)從編碼對(duì)象中除 去，而進(jìn)行高效率地編碼，要編碼的各個(gè)頻譜的位置信息被正確地表現(xiàn)。因此，子帶的帶寬 越寬，為了表現(xiàn)各個(gè)頻譜的位置，必然消耗越多的比特。
[0018] 然而，高頻越高，相對(duì)頻譜的位置的聽(tīng)覺(jué)的靈敏度就變得越低，如果能夠表現(xiàn)主要 的頻譜振幅、子帶能量，則難以感覺(jué)聽(tīng)感上的劣化。然而，在非專(zhuān)利文獻(xiàn)3及非專(zhuān)利文獻(xiàn)4 中，在高頻中都消耗很多的比特，才準(zhǔn)確地表現(xiàn)各個(gè)頻譜的位置。即，為了準(zhǔn)確地表現(xiàn)頻譜 位置，存在使用需要以上的編碼比特的課題。
[0019] 本發(fā)明的目的在于，提供在抑制擴(kuò)展頻帶的音質(zhì)的劣化的同時(shí)降低對(duì)擴(kuò)展頻帶的 頻譜的編碼分配的編碼比特量的語(yǔ)音音響編碼裝置、語(yǔ)音音響解碼裝置、語(yǔ)音音響編碼方 法及語(yǔ)音音響解碼方法。
[0020] 解決問(wèn)題的方案
[0021] 本發(fā)明的語(yǔ)音音響編碼裝置采用以下結(jié)構(gòu)，包括：時(shí)間頻率變換單元，將時(shí)域的輸 入信號(hào)變換為頻域的頻譜；分割單元，將所述頻譜分割為子帶；頻帶壓縮單元，在擴(kuò)展頻帶 內(nèi)的子帶中，將頻譜從低頻側(cè)或高頻側(cè)起按順序分成各自多個(gè)樣本的組合，選擇各組合之 中振幅的絕對(duì)值大的頻譜，將選擇出的頻譜在頻率軸上靠緊配置而壓縮該子帶的頻帶；以 及變換編碼單元，將比所述擴(kuò)展頻帶低的低頻的子帶的頻譜和頻帶壓縮過(guò)的頻譜通過(guò)變換 編碼進(jìn)行編碼。
[0022] 本發(fā)明的語(yǔ)音音響解碼裝置采用以下結(jié)構(gòu)，包括：變換編碼解碼單元，在擴(kuò)展頻帶 內(nèi)的子帶中，將頻譜從低頻側(cè)或高頻側(cè)起按順序分成各自多個(gè)樣本的組合，選擇各組合之 中振幅的絕對(duì)值大的頻譜，將選擇出的頻譜在頻率軸上靠緊配置，從而將壓縮了該子帶的 頻帶的頻譜和比所述擴(kuò)展頻帶低的低頻的子帶的頻譜，都通過(guò)變換編碼所編碼的編碼數(shù)據(jù) 解碼；頻帶擴(kuò)展單元，將所述壓縮的子帶的帶寬擴(kuò)展到原來(lái)的子帶的帶寬；子帶集中單元， 將比解碼過(guò)的所述擴(kuò)展頻帶低的低頻的子帶的頻譜和擴(kuò)展過(guò)的所述擴(kuò)展頻帶內(nèi)的子帶的 頻譜集中在一個(gè)矢量中；以及頻率時(shí)間變換單元，將集中后的頻域的頻譜變換為時(shí)域的信 號(hào)。
[0023] 本發(fā)明的語(yǔ)音音響編碼方法，包括以下步驟：時(shí)間頻率變換步驟，將時(shí)域的輸入信 號(hào)變換為頻域的頻譜；分割步驟，將所述頻譜分割為子帶；頻帶壓縮步驟，將擴(kuò)展頻帶內(nèi)的 子帶的頻譜從低頻側(cè)或高頻側(cè)起按順序分成各自多個(gè)樣本的組合，選擇各組合之中振幅的 絕對(duì)值大的頻譜，并將選擇出的頻譜在頻率軸上靠緊配置而壓縮頻帶；以及變換編碼步驟， 將比所述擴(kuò)展頻帶低的低頻的子帶的頻譜和頻帶壓縮過(guò)的頻譜，通過(guò)變換編碼進(jìn)行編碼。
[0024] 本發(fā)明的語(yǔ)音音響解碼方法，包括：變換編碼解碼步驟，將擴(kuò)展頻帶內(nèi)的子帶的頻 譜從低頻側(cè)或高頻側(cè)起按順序分成各自多個(gè)樣本的組合，選擇各組合之中振幅的絕對(duì)值大 的頻譜，將選擇出的頻譜在頻率軸上靠緊配置，從而將壓縮了頻帶的頻譜和比所述擴(kuò)展頻 帶低的低頻的子帶的頻譜，都通過(guò)變換編碼所編碼的編碼數(shù)據(jù)解碼；頻帶擴(kuò)展步驟，將經(jīng)壓 縮的子帶的帶寬擴(kuò)展到原來(lái)的子帶的帶寬；子帶集中步驟，將比經(jīng)解碼的所述擴(kuò)展頻帶低 的低頻的子帶的頻譜和經(jīng)擴(kuò)展的所述擴(kuò)展頻帶內(nèi)的子帶的頻譜集中在一個(gè)矢量中；以及頻 率時(shí)間變換步驟，將集中后的頻域的頻譜變換為時(shí)域的信號(hào)。
[0025] 發(fā)明的效果
[0026] 根據(jù)本發(fā)明，在能夠抑制擴(kuò)展頻帶的音質(zhì)的劣化的同時(shí)，并且能夠降低對(duì)擴(kuò)展頻 帶的頻譜的編碼分配的編碼比特量。
【附圖說(shuō)明】
[0027] 圖1是表示本發(fā)明的實(shí)施方式1、3、5的語(yǔ)音音響編碼裝置的結(jié)構(gòu)的框圖。
[0028] 圖2是用于說(shuō)明頻帶壓縮的圖。
[0029] 圖3是用于說(shuō)明單元數(shù)重新計(jì)算單元的動(dòng)作的圖。
[0030] 圖4是表示本發(fā)明的實(shí)施方式1、3、5的語(yǔ)音音響解碼裝置的結(jié)構(gòu)的框圖。
[0031] 圖5是用于說(shuō)明頻帶擴(kuò)展的圖。
[0032] 圖6是表示本發(fā)明的實(shí)施方式1的語(yǔ)音音響編碼裝置的另一結(jié)構(gòu)的框圖。
[0033] 圖7是表示本發(fā)明的實(shí)施方式1的語(yǔ)音音響解碼裝置的另一結(jié)構(gòu)的框圖。
[0034] 圖8是表示本發(fā)明的實(shí)施方式2的語(yǔ)音音響編碼裝置的結(jié)構(gòu)的框圖。
[0035] 圖9是表示本發(fā)明的實(shí)施方式2的語(yǔ)音音響解碼裝置的結(jié)構(gòu)的框圖。
[0036] 圖10是表示基于位置校正信息