[发明专利]语音声响编码装置和解码装置、语音声响编码和解码方法

说明书

本发明的语音声响编码装置包括：转换单元，将语音声响信号从时域转换到频域；估计单元，对于将语音声响信号的频谱分割所得的多个子带，分别估计表示能级的能量包络线；量化单元，将能量包络线进行量化；群组确定单元，将量化的能量包络线分组为多个群组；第一比特分配单元，对多个群组分配比特；第二比特分配单元，将对多个群组分配的比特按每个群组分配给子带；以及编码单元，使用对子带分配的比特，编码频谱。多个群组的每一个由多个子带构成，群组确定单元在确定多个群组时，将能量包络线具有极大值的子带即优势频带、以及与优势频带两侧相邻并形成能量包络线的下降梯度的子带确定为优势群组，将优势群组以外的连续的子带确定为非优势群组。

本申请是国际申请日为2013年11月26日、申请号为201380063794.X、发明名称为“语音声响编码装置、语音声响解码装置、语音声响编码方法及语音声响解码方法”的发明专利申请的分案申请。

技术领域

本发明涉及使用转换编码方式的语音声响编码装置、语音声响解码装置、语音声响编码方法及语音声响解码方法。

背景技术

作为能够高效地编码0.02-20kHz频带的全频带(FB：Full band)语音信号或音乐信号的方式，有以ITU-T(International Telecommunication Union TelecommunicationStandardization Sector：国际电信联盟-电信标准化部门)标准化的技术。该技术中，将输入信号转换到频域，编码最大20kHz的频带(转换编码)。

这里，转换编码是指如下所述的编码方式，即使用离散余弦转换(DCT：DiscreteCosine Transform)或修正离散余弦转换(MDCT：Modified Discrete Cosine Transform)等时间频率转换，将输入信号从时域转换到频域，从而能够使信号正确地应对和匹配听觉特性。

在转换编码时，频谱系数被分割为多个频率子带。在各子带的编码时，将更多的量化比特分配到对人耳的知觉重要的频带，从而能够整体上提高音质。

为了实现此目的，正在研究高效的比特分配方法，例如已知有非专利文献1公开的技术。以下，使用图1和图2来说明专利文献1公开的比特分配方法。

图1是表示专利文献1公开的语音声响编码装置的结构的方框图。以48kHz采样的输入信号被输入到语音声响编码装置的瞬态检测器11及转换单元12。

瞬态检测器11从输入信号中检测与语音的开始端部或结束端部对应的瞬态帧、或与除此以外的语音区间对应的正常帧中的任一者，转换单元12根据由瞬态检测器11检测出的帧是瞬态帧还是正常帧，将高频率分辨率转换或低频率分辨率转换适用于输入信号的帧，获取频谱系数(或转换系数)。

范数估计单元13将由转换单元12获得的频谱系数分割为带宽不同的频带。另外，范数估计单元13估计分割的各频带的范数(或能量)。

范数量化单元14基于由范数估计单元13估计出的各频带的范数，求包含所有频带的范数的频谱包络线，并将求得的频谱包络线进行量化。

频谱标准化单元15根据由范数量化单元14量化的范数，将由转换单元12获得的频谱系数进行标准化。

范数调整单元16基于自适应频谱加权来调整由范数量化单元14量化的范数。

比特分配单元17使用经范数调整单元16调整的量化范数，对帧内的每个频带分配可使用的比特。

点阵矢量编码单元18将经频谱标准化单元15标准化的频谱系数，以由比特分配单元17对每个频带分配的比特进行点阵矢量编码。

噪声电平调整单元19估计点阵矢量编码单元18中的编码前的频谱系数的电平，对估计出的电平进行编码。由此求噪声电平调整索引。