[发明专利]使用可切换模型核心的嵌入式语音和音频代码化

说明书

技术领域

本公开通用地涉及语音和音频代码化，并且更具体地，涉及使用利用增强型编码的混合核心编解码器的嵌入式语音和音频代码化。

技术背景

已知基于源滤波器模型的语音代码器具有处理诸如音乐、音调、背景噪声以及甚至混响语音的通用音频输入信号的质量问题。这样的编解码器包括线性预测代码化(LPC)处理器，如码激励线性预测(CELP)代码化器。语音代码器用于处理语音信号低比特率。相反，基于听觉模型的通用音频代码化系统通常由于比特率的限制而不能将语音信号很好地处理为对人类语音失真敏感。对该问题的一个解决方案已经提供了一种分类器，该分类器在逐个帧的基础上确定输入信号更像语音还是不太像语音，并且然后基于该分类来选择适当的代码化器，即语音或通用音频代码器。能够处理不同信号类型的音频信号处理器有时被称为混合核心编解码器。

在EVRC-WB(3GPP2C.S0014-C)中描述了使用语音通用音频输入辨别器的实际系统的示例。该方法的问题在于，作为一种实践，特别是当输入信号在切换阈值附近时，经常难以在语音和通用音频输入之间进行区分。例如，具有语音和音乐或混响语音的组合的信号的辨别可能造成在语音和通用音频代码器之间频繁切换，而导致所处理的信号具有不一致的声音质量。

提供良好语音和通用音频质量的另一解决方案是在语音代码器输出之上利用音频变换域增强层。该方法从输入信号中去掉语音代码器输出信号，并且然后将得到的误差信号变换为进一步进行代码化的频域。在ITU-T建议G.718中使用该方法。该解决方案的问题在于，当通用音频信号用作对语音代码器的输入时，输出可能失真，有时严重地失真，并且大部分增强层代码化工作进行对单个模式失配所产生的噪声的影响的反转，这导致了针对给定比特率的有限的整体质量。

在仔细考虑了下面的具体实施方式和下文描述的附图之后，本发明的各个方面、特征和优点对于本领域的普通技术人员来说将变得更加显而易见。为了简洁而简化了这些附图，并且没有必要按比例绘制。

附图说明

图1是音频信号编码处理示图。

图2是适用于处理语音和通用音频信号的混合核心编解码器的示意性框图。

图3是适用于处理语音和通用音频信号的替代混合核心编解码器的示意性框图。

图4是音频信号解码处理示图。

图5是混合核心编解码器的解码器部分。

具体实施方式

本公开通常涉及用于处理音频信号的方法和装置，并且更具体地，涉及用于处理以诸如帧或子帧序列的序列设置的音频信号的方法和装置。包括帧的输入音频信号通常被数字化。信号单元通常在逐个单元的基础上被分类为更适用于至少两个不同代码化方案中的一个。在一个实施例中，代码化的单元或帧与误差信号和代码化方案的指示进行组合，以进行存储和通信。本公开还涉及用于基于代码化方案指示来对代码化单元和误差信号的组合进行解码的方法和装置。将在下文更全面地讨论本公开的这些和其他方面。

在一个实施例中，音频信号被分类为更像语音或不太像语音，其中，利用更适用于像语音的信号的编解码器来处理更像语音的帧，并且利用更适用于不太像语音的信号的编解码器来处理不太像语音的帧。本公开不限于处理分类为语音或通用音频信号的音频信号帧。更通用地，本公开针对在不考虑编解码器的类型并且不考虑用于确定对特定帧应用哪个代码化方案的准则的情况下，利用至少两个不同的代码化器中的一个来处理音频信号帧。

在本申请中，不太像语音的信号被称为通用音频信号。然而，通用音频信号不必完全没有语音。通用音频信号可以包括音乐、音调、背景噪声或仅其组合和者与一些语音的组合。通用音频信号还可以包括混响语音。即，因为语音代码化算法所基于的模型参数在某种程度上可能被折衷，所以由于大量声反射(混响)而破坏的语音信号可能更适合于由通用音频代码器来代码化。在一个实施例中，分类为通用音频帧的帧包括背景中有语音的非语音、或者背景中有非语音的语音。在另一实施例中，通用音频帧包括作为显著非语音的一部分以及作为显著语音的不太显著的另一部分。