[发明专利]用于在音频信号解码器中进行频带扩展的优化缩放因子

说明书

本发明涉及一种用于在对音频信号进行频带扩展的过程期间确定有待被应用于激励信号或滤波器的优化缩放因子的方法，该频带扩展过程（E601）包括在第一频带中对激励信号以及该第一频带的包括线性预测滤波器的那些系数在内的多个参数进行解码或提取的步骤、生成在至少一个第二频带上扩展的激励信号的步骤以及通过线性预测滤波器针对该第二频带进行滤波的步骤。该确定方法包括确定（E602）阶数低于该第一频带的该线性预测滤波器、被称为附加滤波器的线性预测滤波器的步骤以及至少根据该附加滤波器的那些系数计算（E603）该优化缩放因子的步骤，该附加滤波器的这些系数是从自该第一频带中解码或提取出来的那些参数中获得的。本发明还涉及一种用于使用如所描述的方法来确定优化缩放因子的装置并且涉及一种包括这种装置的解码器。

技术领域

本发明涉及为了对音频信号（如语音、音乐或其他此类信号）进行传输或存储而对其进行编码/解码和处理的领域。

更具体而言，本发明涉及一种用于确定优化缩放因子的方法和装置，作为在解码器或处理器中增强音频信号的频带扩展的一部分，该优化缩放因子可用来对激励信号的电平进行调整或者以等效方式对滤波器的电平进行调整。

背景技术

存在许多技术用于压缩（有损耗）音频信号（如语音或音乐）。

通常将用于对话式应用的常规编码方法分类为：波形编码（“脉冲编码调制”PCM、“自适应差分脉冲编码调制”ADCPM、变换编码等）；参数编码（“线性预测编码”LPC、正弦编码等）；以及通过“合成分析（analysis by synthesis）”对参数进行量化的参数混合编码，其中，CELP（“码激励线性预测”）编码是最著名的示例。

对于非对话式应用，（单）音频信号编码的现有技术由通过变换或以子频带进行的感知编码与通过频带复制进行的对高频的参数编码所组成。

可以在以下这些著作中找到对常规语音和音频编码方法的回顾：W.B. 克莱因（W.B. Kleijn）和K.K. 帕利埃尔（K.K. Paliwal）（编辑），《语音编码与合成》（SpeechCoding and Synthesis），爱思唯尔出版社，1995；M. 博瑟（M. Bosi）、R.E. 高德博格（R.E.Goldberg），《数字音频编码和标准介绍》（Introduction to Digital Audio Coding andStandards），斯普林格出版社，2002；J. 贝尼斯提（J. Benesty）、M.M. 松迪（M.M.Sondhi）、Y. 黄（Y. Huang）（编辑），《语音处理手册》（Handbook of Speech Processing），斯普林格出版社，2008。

在此，更具体地关注3GPP标准化AMR-WB（“宽带自适应多速率”）编解码器（编码器和解码器），该编解码器在16 kHz的输入/输出频率上进行操作并且其中信号被分成两个子频带：低频带（0 kHz-6.4 kHz）和高频带（6.4 kHz-7 kHz），该低频带以12.8 kHz进行采样并且由CELP模型进行编码，而该高频带取决于当前帧的模式在有附加信息或者没有附加信息的情况下通过“频带扩展”（或者“带宽扩展”BWE）参数化地进行重建。在此，可以注意到的是，在7 kHz上对AMR-WB编解码器的编码频带的限制实质上与以下事实相关联：根据在标准ITU-T P.341中所定义的频率掩模并且更具体地通过使用在标准ITU-T G.191中所定义的截断7 kHz以上的频率的所谓“P341”滤波器（此滤波器遵循在P.341中所定义的掩模）在进行标准化（ETSI/3GPP，然后ITU-T）时近似估计在宽带终端的传输过程中的频率响应。然而，理论上，众所周知的是，以16 kHz采样的信号可以具有所限定的从0 Hz到8000 Hz的音频频带；因此，AMR-WB编解码器通过与8 kHz的理论带宽进行比较来引入对高频带的限制。