[发明专利]用于产生频率增强音频信号的译码器、译码方法、用于产生编码信号的编码器以及使用紧密选择边信息的编码方法

说明书

一种用于生成频率增强音频信号(120)的译码器，包括：特征提取器(104)，用于自核心信号(100)提取特征；边信息提取器(110)，用于提取与该核心信号相关联的选择边信息；参数生成器(108)，用于产生用于估计未由所述核心信号(100)限定的所述频率增强音频信号(120)的频谱范围的参数表示，其中所述参数生成器(108)被配置成响应于所述特征(112)提供数个参数表示替代例(702,704,706,708)，且其中所述参数生成器(108)被配置成响应于所述选择边信息(712‑718)选择所述参数表示替代例中的一者作为所述参数表示；以及信号估计器(118)，用于使用选择的所述参数表示来估计所述频率增强音频信号(120)。

说明书

本发明涉及音频编码，且特别涉及在频率增强(即，译码器输出信号相比于编码信号具有较多数目个频带)的上下文中的音频编码。该过程包含带宽扩展、频谱复制或智能间隙填充。

当前的语音编码系统能够在低至6千位/秒的位速率下对宽带(wideband,WB)数字音频内容(亦即，具有高达7kHz至8kHz的频率的信号)编码。经最广泛论述的实例为ITU-T建议G.722.2[1]，以及经新近开发的G.718[4、10]及MPEG-D统一语音与音频编码(UnifiedSpeech and Audio Coding,USAC)[8]。G.722.2(亦被称为AMR-WB)及G.718两者使用介于6.4kHz与7kHz间的带宽扩展(BWE)技术以允许基础ACELP核心编码器“集中”于感知上较相关的较低频率(特别是人类听觉系统为相位灵敏处的频率)，且由此尤其在极低位速率下实现足够质量。在USAC扩展高效率进阶音频编码(eXtended High Efficiency AdvancedAudio Coding,xHE-AAC)规格中，使用增强频谱带复制(enhanced spectral bandreplication,eSBR)以将音频带宽扩展成超出通常在16千位/秒下低于6kHz的核心编码器带宽。当前现有技术BWE处理通常可被划分成两种概念性方式：

·盲或人工BWE，其中高频(high-frequency,HF)分量仅从解码低频(low-frequency,LF)核心编码器信号重新建构，亦即，无需自编码器传输的边信息。此方案由在16千位/秒及16千位/秒以下的AMR-WB及G.718以及对传统窄带电话语音[5、9、12]操作的一些向前兼容BWE后处理器使用(实例：图15)。

·导引式BWE，其不同于盲BWE之处在于：用于HF内容重新建构的参数中的一些作为边信息被传输至译码器，而非根据译码核心信号来估计。AMR-WB、G.718、xHE-AAC以及一些其它编译码器[2、7、11]使用此方式，但不在极低位速率下(图16)。

图15示出了如Bernd Geiser、Peter Jax及Peter Vary的公开物“ROBUSTWIDEBAND ENHANCEMENT OF SPEECH BY COMBINED CODING AND ARTIFICIAL BANDWIDTHEXTENSION”(国际声学回音与噪声控制工作组(International Workshop on AcousticEcho and Noise Control,IWAENC)学报，2005年)中描述的此盲或人工带宽扩展。图15所示的独立带宽扩展算法包含插值程序1500、分析滤波1600、激励扩展1700、合成滤波器1800、特征提取程序1510、包络估计程序1520及统计模型1530。在窄带信号至宽带取样率的内插之后，计算特征向量。接着，借助于经预训练的统计隐式马尔可夫模型(hidden Markovmodel,HMM)，依据线性预测(linear prediction,LP)系数来判定针对宽带频谱包络的估计。将该宽带系数用于内插窄带信号的分析滤波。在所得激励的扩展之后，应用反向合成滤波器(inverse synthesis filter)。选择不会更改窄带的激励扩展对于窄带分量是明显的。