[发明专利]用于控制稳态背景噪声的平滑的方法和设备

说明书

技术领域

本发明大体上涉及电信系统中的语音编码，尤其涉及用于控制此 类系统中稳态背景噪声的平滑(smoothing)的方法和设备。

背景技术

语音编码是获得话音信号的紧凑(compact)表示以实现在带宽受 限的有线和无线信道和/或存储装置上的高效传输的过程。当今，语音 编码器已经成为电信和多媒体基础设施中的重要组成部分。依赖于高 效语音编码的商用系统包括蜂窝通信、互联网协议语音(VOIP)、视 频会议、电子玩具、存档和数字同步语音和数据(DSVD)，以及众 多的基于PC的游戏和多媒体应用。

作为连续时间信号，可以通过采样和量化过程对语音进行数字表 示。通常使用16比特或8比特量化来对语音采样进行量化。类似于 许多其他信号，语音信号包含大量冗余信息(信号中的连续采样之间 的非零互信息)或者在感知上无关的信息(收听人无法感知的信息)。 多数电信编码器是有损耗的，这意味着合成语音在感知上类似于原始 语音、但是可能在物理上不一样。

语音编码器将数字化语音信号转换为经编码的表示，后者通常是 以帧来传送的。相应地，语音解码器接收经编码的帧并对所重构的语 音进行合成。

许多现代语音编码器属于被称作LPC(线性预测编码器)的一大 类语音编码器。此类编码器的实例是：3GPP FR、EFR、AMR和 AMR-WB语音编解码器，3GPP2 EVRC、SMV和EVRC-WB语音编 解码器，以及诸如G.278、G.723、G.729等等之类的各种ITU-T编解 码器。

这些编码器都在信号生成过程中采用合成滤波器概念。该滤波器 用于对将被再生的信号的短时频谱进行建模，而该滤波器的输入被假 设为处理所有其他信号变化。

这些合成滤波器模型的共同特征是：将被再生的信号是由定义该 滤波器的参数来表示的。术语“线性预测”指的是通常用于估计滤波 器参数的一类方法。因而，将被再生的信号部分由一组滤波器参数来 表示并且部分由驱动滤波器的激励信号来表示。

此类编码概念的益处源于这样的事实：能够用相对少的比特高效 地描述滤波器和其驱动激励信号这二者。

一个特定类别的基于LPC的编解码器是基于综合分析(AbS)原 则。这些编解码器在编码器中包括了解码器的本地复本(local copy)， 并且通过在一组候选激励信号之中选择使合成的输出信号与原始语 音信号的相似性最高的激励信号来寻找合成滤波器的驱动激励信号。

采用此类线性预测编码并且尤其是AbS编码的概念已被证明对 于语音信号而言是比较适用的，即使是在例如4-12kbps的低比特率的 情况下也是如此。然而，当使用此类编码技术的移动电话的用户沉默 并且输入信号包括环境声音时，目前已知的编码器难以应对该情况， 原因是它们是针对语音信号而被优化的。当不能识别所熟悉的声音时 (原因是它们已经被编码器“错误处理(mistreat)”了)，另一侧的 收听者会很容易变得气恼。

所谓的涡流(swirling)引起再生背景声音中最为严重的质量降级。 该现象发生于具有相对稳态的背景声音的场景中，诸如汽车噪声，并 且是由经解码信号的频谱和功率的非自然时间波动(temporal fluctuation)引起的。这些波动又是由对合成滤波器因子和其激励信号 的估计和量化不足引起的。通常，当编解码器比特率增加时，涡流会 变小。

涡流先前已经被认为是一个问题，并且在文献中已经针对其提出 了多种解决方案。美国专利5632004[1]公开了一种所提出的解决方 案。根据该专利，在语音不活动(inactive)期间，通过低通滤波或带 宽扩展来修改滤波器参数以使得合成的背景声音的频谱变化减少。美 国专利5579432[2]中进一步改进了该方法，以使得所描述的反涡流技 术仅仅在检测到背景噪声的稳态时才应用。

美国专利5487087[3]公开了另一种解决涡流问题的方法。该方法 利用经修改的信号量化方案，后者匹配信号本身和其时变这二者。特 别地，设想了在不活动语音的时段(period)期间为LPC滤波器参数 和信号增益参数使用此类波动减少的量化器。