[发明专利]分组损失隐藏方法

说明书

技术领域

本发明涉及IP(Internet Protocol)网络，尤其涉及基于IP网络的实时多媒体传输系统中的分组损失隐藏方法。

背景技术

在Internet中实时传输多媒体数据，例如语音或视频流是比较困难的，IP网络不是设计为实时应用的，所以网络延时、丢包、延时抖动等现象都对语音质量有严重影响。这些参数与发送者和接收者的位置有关，典型分组丢失率是0-20％，单向延时一般5-500ms。在正常的语音通话中，一些相关的研究表明当分组丢失率大于5％，单向延时超过400ms，通话就变得比较困难。因此在VoIP(Voice over IP)系统中，如何保证通话的语音质量是关键问题，也是技术难点。为了解决上述问题，一般在VoIP(Voice over IP)中，采用了语音编码技术、分组损失隐藏技术、自适应抖动缓冲器等技术。

分组损失隐藏技术就是在接收端，利用已收到的语音数据包生成合成语音，来隐藏接收数据流中丢失的数据帧。如果采用好的分组损失隐藏技术，那么正常通话能容忍的分组丢失率可以达到10％以上。

在IP网络中数据是以分组的形式传送的，分组(数据包，帧)的大小可以是10ms，20ms等，在TCP的包头中给出。G.711语音编码采用8kHz进行抽样。因此若分组长为10ms，则包含80个样值，20ms则包含160样值。

在ITU-T Recommendat ion G.711-Appendix I中给出了一种分组损失隐藏PLC的生成方法，是以10ms为基本生成单位的，在VoIP系统中，用这种方法生成20ms的PLC或者更长的合成语音帧可能会出现BEEP，逆序等问题，影响语音质量。

利用G.711-Appendix I来生成20ms或者更长的合成语音帧：即以10ms为单位，多次生成需要的合成帧，存在的问题是：

1)参照图1a，若检测到的pitch长度大于80样值(10ms)，则可能破坏pitch周期(基音，音调，表征说话人的声音特性)；一般单个Pitch的长度P为40≤P≤120，单位为样值。

2)为了减小生成长合成帧可能出现的BEEP现象(参照图1b)，在构造第二个10ms的合成帧，要扩展pitch周期，从而带来逆序现象；

3)扩展的二个逆序pitch周期需要进行OLA(Overlap Add)等复杂处理；

4)实现复杂，且对语音质量有影响。

发明内容

为解决上述问题，本发明提出一种新的分组损失隐藏PLC方法及设备。

按照本发明的一方面，一种分组损失隐藏方法，包括步骤：

a)对于好的语音帧，保存语音译码后的结果；

b)对于第一个损失帧，在保存的语音数据中检测Pitch；

c)选取合适的几个Pitch周期构造损失语音片段L；

d)选取合适的语音数据段与损失语音片段L中尾部数据段进行平滑处理，并替换损失语音片段L的尾部数据；

e)利用所述损失语音片段L生成第一个损失帧所对应的合成PLC帧U。

按照本发明的另一方面，一种实现权利要求1方法的设备，在接收端包括：

a)网络协议模块，实现TCP/IP协议，RTP/RTCP协议等网络协议；

b)Audio驱动模块，处理设备部分的语音的输入/输出；

c)协议处理模块，处理H.323以及相关协议、MGCP协议以及SIP协议等；

d)媒体处理模块，负责设备端与网络端的语音数据的转换及控制，

以及语音质量QOS的保证等功能，所述媒体处理模块包括子模块：

控制模块，负责网络端以及设备端的语音数据流的输入输出，和各子模块间的语音数据流的传输；

语音编解码模块，用于处理语音的编码；

抖动缓冲模块，用于缓冲接收到的语音流，并根据估计的网络延时动态调整缓冲的大小，以获得实时连续的语音流；

PLC_MP模块，采用分组损失隐藏PLC方法的功能模块；

信号音生成模块，用于生成VoIP所需的各种信号音；

语音质量控制模块，包含回波抵消、回波抑制，静音检测抑制，舒适噪音生成，自动增益等多种语音质量处理功能。