[发明专利]控制音频信号的时间缩放

说明书

技术领域

本发明涉及一种控制音频信号的时间缩放的方法。本发明同样 地涉及支持控制音频信号的时间缩放的芯片组、音频接收器、电子 设备和系统。本发明进一步涉及存储用于控制音频信号的时间缩放 的软件代码的软件程序产品。

背景技术

可以例如在音频接收器中支持时间缩放音频信号，该音频接收 器适于经由分组交换网络(例如因特网)来接收分组中的编码的音 频信号，从而解码编码的音频信号并且向用户回放解码的音频信号。

分组交换通信的属性通常引入对分组的传输时间的改变，这称 为抖动，其由接收器视为分组以不规则的间隔到达。除了分组丢失 情况，网络抖动是通过分组交换网络提供的会话语音服务的主要障 碍。

更具体地，实时操作的音频接收器的音频回放组件需要固定的 输入来维持良好的声音质量。甚至应该避免短的中断。因此，如果 包括音频帧的一些分组仅在音频帧需要用于解码和进一步处理后到 达时，则那些分组和包括的音频帧被认为丢失。音频解码器将执行 错误隐藏以补偿在丢失的帧中所携带的音频信号。显然，大量的错 误隐藏也将降低声音质量。

通常，使用抖动缓冲器来隐藏不规则的分组到达时间并且向解 码器和随后的音频回放组件提供持续的输入。抖动缓冲器为此在预 定的时间量存储到来的音频帧。该时间可以在例如接收到分组流的 第一分组时指定。然而，抖动缓冲器引入附加的延迟分量，因为在 进一步处理前存储了接收到的分组。这增加了端到端的延迟。抖动 缓冲器特征在于在所有接收到的帧中，延迟帧所占的比例和平均缓 冲延迟。

使用固定延迟的抖动缓冲器是在低端到端延迟和低数量的延迟 帧之间的不可避免的妥协，并且找到最佳的折衷并不是容易的任务。 尽管可以存在特定的环境和应用，其中可以估计预计的抖动量保持 在预定的限度内，通常抖动可以从零到几百毫秒变化-甚至在相同的 会话内。使用设定成足够大的值的固定延迟来覆盖根据预计最差情 形的抖动将保持对延迟帧数量的控制，但同时也存在这样的危险， 即引入太长的端到端延迟以致无法支持自然会话。因此，在大多数 通过分组交换网络进行操作的音频传输应用中，应用固定缓冲不是 最佳的选择。

自适应抖动缓冲器可以用于动态地控制足够短的延迟和足够低 数量的延迟帧之间的平衡。在该方法中，固定地监视进入的分组流， 并且根据在进入的分组流的延迟性态中观察到的改变来调节该缓冲 延迟。如果传输延迟增加或抖动将变坏，则缓冲延迟被增加以满足 网络条件。在相反的情况下，缓冲延迟可以被减小，并且因此，整 体端到端延迟被最小化。

由于音频回放组件需要规则的输入，缓冲器调节并不是完全直 接的。事实上如果缓冲延迟被减小，则提供给回放组件的音频信号 需要被缩短，以补偿缩短的缓冲延迟；并且另一方面，如果缓冲延 迟被增加，则音频信号必须被加长以补偿增加的缓冲延迟，这将出 现问题。

对于通过IP的话音(VoIP)应用，已知在增加或减小的缓冲器 延迟的情况下，通过当非连续传输(DTX)被启用时丢弃或重复在 活跃的语音周期间的一部分柔性噪声信号来修改信号。然而，此类 方法不总是可能的。例如，DTX功能可能没有被使用，或由于复杂 的背景噪声条件，例如背景中干扰的发言者，DTX可能不切换到柔 性噪声。

在考虑到改变的缓冲器延迟的更为高级的解决方案中，使用信 号时间缩放来改变转发到回放组件的输出音频信号帧的长度。该信 号时间缩放可以实现在解码器内或解码器后的后处理单元内。在该 方法中，当减小延迟时，解码器将比常规操作期间更为频繁地读取 抖动缓冲器中的帧，而增加的延迟将放慢来自抖动缓冲器的帧输出 率。

在配备有自适应抖动缓冲器和时间缩放功能的音频接收器中， 将固定地监视网络状态和缓冲器状态。基于缓冲器和网络的状态， 通过增加或移除音频信号的段(多个段)，对音频信号执行时间缩 放修改，从而补偿缓冲器延迟中的任何改变。

在音频信号的活跃部分中执行时间缩放修改的挑战在于，将感 知的音频质量保持在足够高的水平。

发明内容

本发明的目的是改进应用于音频信号的时间缩放操作。

本发明另外的目的是优化时间缩放的音频信号的音频质量。