[发明专利]多点环境中的可伸缩音频

说明书

相关申请的交叉引用

本申请是2010年7月1日提交的美国申请12/829,233的部分继续，并且要求享有2010年11月12日提交的美国临时申请61/413,213的权益，所述两个申请都在这里引入以作为参考。

背景技术

很多类型的系统使用了音频信号处理来创建音频信号，或是再现来自此类信号的声音。通常，信号处理会将音频信号转换成数字信号，并且会对该数据进行编码，以便在网络上进行传输。然后，附加信号处理解码所传输的数据，并且将其变回模拟信号，以便作为声波来再现。

用于编码或解码音频信号的技术有很多种。（用于编码和解码信号的处理器或处理模块通常被称为编解码器。）在会议中使用了音频编解码器来减小为了再现音频而必须从近端传送到远端的数据量。例如，用于音频和视频会议的音频编解码器压缩高保真音频输入，由此，得到的用于传输的信号将会保持最佳的质量，但是需要最少数量的比特。这样一来，具有音频编解码器的会议设备需要较少的存储容量，并且设备用以传送音频信号的通信信道需要较少的带宽。

音频编解码器可以使用各种技术来编码和解码音频，以便将其从会议中的一个端点传送到另一个端点。一些常用的音频编解码器使用了变换编码技术来编码和解码那些在网络上传送的音频数据。这其中的一种音频编解码器是Polycom的Siren编解码器。Polycom的Siren编解码器的一个版本是ITU-T（国际电联电信标准化部）建议G.722.1（Polycom Siren 7）。Siren 7是一个对上至7kHz的信号进行编码的宽带编解码器。另一个版本是ITU-T G.722.1.C（Polycom Siren 14）。Siren 14是一个对上至14kHz的信号进行编码的超宽带编解码器。

Siren编解码器是以调制重叠变换（MLT）为基础的音频编解码器。就此而论，Siren编解码器会将音频信号从时域变换到调制重叠变换（MLT）域。众所周知，调制重叠变换（MLT）是一种用于对各种类型的信号执行变换编码的余弦调制滤波器组的形式。通常，重叠变换获取长度为L的音频块，并且将所述块变换成M个系数，其中L>M。要想实现这一点，在连续块之间必须存在L-M个采样的重叠，以便可以使用经过变换的系数的连续块来获得合成信号。

图1A-1B简略显示了诸如Siren编解码器之类的变换编码编解码器的特征。关于特定音频编解码器的实际细节取决于实施方式和所使用的编解码器的类型。例如，关于Siren 14的已知细节可以在ITU-T建议G.722.1附录C中找到，并且关于Siren 7的已知细节可以在ITU-T建议G.722.1中找到，其中所述建议在这里引入以作为参考。此外，涉及音频信号变换编码的附加细节还可以在美国专利申请11/550,629以及11/550,682中找到，其中所述申请在这里引入以作为参考。

在图1A中示出了用于变换编码编解码器（例如Siren编解码器）的编码器10。编码器10接收从模拟音频信号转换而来的数字信号12。模拟音频信号的幅度已经以某个频率被采样，并且已被转换成代表幅度的数字。典型的采样频率约为8kHz（也就是每秒采样8000次），16kHz到196kHz，或是介于其间的某个值。在一个示例中，这个数字信号12可以是已经在大约20ms的块或帧中以48kHz或其他速率被采样的。

变换20可以是离散余弦变换（DCT），该变换会将数字信号12从时域变换到具有变换系数的频域。例如，变换20可以为每一个音频块或帧产生具有960个变换系数的频谱。编码器10在归一化处理22中找出系数的平均能量水平（平均值）。然后，编码器10使用快速点阵矢量量化（FLVQ）算法24或类似算法来量化这些系数，以便对输出信号14编码以执行分组化和传输。

在图1B中示出的是用于变换编码编解码器（例如Siren编解码器）的解码器50。解码器50获取从网络接收的输入信号52的进入比特流，并且从中重建原始信号的最佳估计。为此目的，解码器50对输入信号52执行点阵解码（反向FLVQ）60，并且使用去量化处理62来去量化那些经过解码的变换系数。此外，变换系数的能量水平然后可以在各种频段中被纠正。最后，反向变换64会作为反向DCT来操作，并且会将信号从频域变回到时域，以便作为输出信号54来传输。