CN101174411B - 对音频信号进行编码、解码和传输的方法以及传输系统 - Google Patents

Abstract

本发明公开了一种对音频信号进行编码、解码和传输的方法以及传输系统。编码方法是在将音频信号进行模数转换后通过分形分析器计算预定时间段的数字信号的分形指数，然后根据分形指数确定信号类型以及生成控制信号，对编码处理过程进行控制。解码的同时解出控制信号并利用控制信号控制解码过程。传输方法为将编码处理过的信号通过媒介传送到接收端，进行解码处理后进行数模转换。传输系统包括模数转换器、编码器、解码器、数模转换器和分形分析器。本发明通过计算一个时间段的分形指数，根据分形指数来确定信号类型以及生成控制信号，并利用这些控制信号来控制编解码的多个环节，可以对编解码更优化。

Description

对音频信号进行编码、解码和传输的方法以及传输系统

技术领域

本发明涉及信号传输，具体涉及音频信号的编码、解码和传输方法及系统。

背景技术

一个信号传输系统一般包括一个发送器和一个接收器。对于一个具有固定采样率Fs的数字信号，例如，一个数字音频信号，在传输时被分成连续的帧，每个帧包含一些信息包，每个信息包有N(N＞1)bits，每个帧至少要包含同步信息。发送器将这些连续的被分成帧的数字信号，编码成一定的格式，然后通过一个传输媒介发送到接收器，接收器接收到信号后经过解码生成相应的数字信号。

上面描述的传输系统可以从“The Critical Band Coder-Digital Encodingof Speech signals based on the Perceptual requirements of the AuditorySystem”by M.E.Krasner in Proc.IEEE ICASSP 80，Vol.1，pp 327-331，Apr.9-11，1980.得到更详细的描述。这篇文章描述了一个传输系统，传输系统包括一个发送器和一个接收器，发送器有一个子带编码系统，接收器有一个相应的子带解码系统。

上面所描述的传输系统中，音频信号被分成一些子段，这些子段的宽度和人耳听觉的关键频段近似上一致。这样划分是因为根据心理声学试验，如果允许利用人耳的噪声屏蔽曲线，这样划分的子段量化噪声可以更好的被信号屏蔽。

然后，这些子带信号被加窗，加了窗的时域数字信号被变换到相应的频域，经过变换后的信号被量化编码成某种格式的信号，通过某种媒介(例如广播，卫星，存储设备等等)进行传输。接收端接收到信号后经过反变换、解码和反量化，得到相应的数字信号。

现有的传输信号的方法，对于所有类型的信号，其基本的编码、传输和解码的过程基本上都是相同的，例如相同的比特率的信号采用的屏蔽阈值都是相同的，在某些环节，可能存在一些选择，例如，在多声道编码中利用信号的某些特征来选择各声道单独编码还是立体声编码，但是这个信号特征仅仅用于某一个环节，不能使用它来优化其他的环节。现有技术中也有的使用了根据信号的变化来区分信号是平缓的还是剧烈变化的，然后根据此来优化编解码，此种技术虽然能根据具体的信号特征来优化编解码，但是信号类型划分过于单一，不能充分进行优化，能优化的环节也不多，仅局限于一两个环节。

现有的技术不能根据不同的信号来调整编码解码，或者能调整的步骤有限，仅仅局限于一个阶段，或者调整的根据过于粗糙，例如编解码不能根据信号的特点来调整屏蔽阈值，造成了编码中仍然含有冗余信息。这种对所有类型的信号都相同的编解码方法不可能对一个特定的信号做到尽可能的编解码优化，因为它没有利用信号的特点来进一步的减少冗余信息，提高音频质量，所以这样的编解码是可以进一步优化的。还有一些技术虽然能根据信号特征来优化编解码，但信号特征划分过于粗糙，对信号特征的利用也不够充分。

发明内容

本发明要解决的技术问题是，针对现有技术的缺陷，提出一种能根据不同的具体的信号来调整编码、解码的方法，以及在此基本上提出一种根据不同的具体的信号来调整编码解码的信号传输方法和传输系统，能进一步优化编解码。

本发明中的对音频信号进行编码的方法，是在将音频信号进行模数转换后通过分形分析器计算预定时间段的数字信号的分形指数，然后根据分形指数确定信号类型以及生成控制信号，对编码处理过程进行控制。

所述编码处理过程包括变换、量化和编码，在编码时将控制信号编入位流；对多声道信号，根据各声道的分形指数差值确定对信号编码的类型。

所述编码处理过程还可以包括对模数转换后的信号进行加窗处理；所述加窗处理的窗的形状由信号的分形指数决定。

所述编码处理过程还可以包括对信号进行心理声学处理，即根据设定的屏蔽阈值对与听觉无关的信号进行删除或衰减，其屏蔽阈值是根据信号的分形指数进行选择的。

进一步可以将一段时间内信号的分形指数分成若干个数值段，对分形指数不同数值段的信号分别选用不同的屏蔽阈值。

本发明中的一种传输音频信号的方法，在现有技术的在将音频信号进行模数转换后通过编码器进行编码处理，然后通过媒介传送到接收端，再在接收端通过解码器进行解码处理后进行数模转换的基础上，在发送端将信号模数转换后，通过分形分析器计算预定时间段的数字信号的分形指数，然后根据分形指数确定信号类型以及生成控制信号，对编码器的编码处理过程进行控制。

本发明的技术方案，对多声道信号，通过分形分析器计算预定的相同时间段的每一声道信号的分形指数，并根据这些各声道的分形指数确定信号类型以及生成控制信号。

本发明的技术方案中，所述编码器的编码处理过程包括变换、量化和编码，在编码时将控制信号编入位流；所述解码器的解码处理过程包括解码、反量化和反变换，解码时同时解出控制信号；根据信号类型生成控制信号控制量化的步长；对多声道信号，根据各声道的分形指数确定对信号编码的类型。

所述编码器的编码处理过程还可以包括对模数转换后的信号进行加窗处理，在解码处理过程中还包括综合窗处理；加窗处理的窗的形状由信号的分形指数决定。

所述编码器的编码处理过程还可以包括对信号进行心理声学处理，即根据设定的屏蔽阈值对与听觉无关的信号进行删除或衰减，其屏蔽阈值是根据信号的分形指数进行选择的。

进一步地，可以将一段时间内信号的分形指数分成若干个数值段，对分形指数不同数值段的信号分别选用不同的屏蔽阈值。

本发明的技术方案中，所述解码器的解码处理过程还包括均衡处理，所述均衡处理的均衡模式根据信号的分形指数确定。

进一步地，可以将一段时间内信号的分形指数分成若干个数值段，对分形指数不同数值段的信号分别采用不同的均衡模式进行均衡处理。

本发明中的对音频信号进行解码的方法，包括解码、反量化和反变换步骤，其特征在于，在解码时同时解出接收的信号中在编码过程中编入的根据信号分形指数生成的控制信号。

上述解码方法中还可以包括均衡处理，所述均衡处理的均衡模式根据信号的分形指数确定。进一步将一段时间内信号的分形指数分成若干个数值段，对分形指数不同数值段的信号分别采用不同的均衡模式进行均衡处理。

本发明中的一种对音频信号进行传输的系统，包括发送端和接收端，所述发送端包括模数转换器和编码器；所述接收端包括解码器和数模转换器，其特征在于，还包括分形分析器；音频信号在发送端的模数转换器进行模数转换后通过编码器进行编码处理，然后通过媒介传送到接收端，再在接收端通过解码器进行解码处理后进行数模转换；在发送端将信号模数转换后，还通过分形分析器计算预定时间段的数字信号的分形指数，然后根据分形指数确定信号类型以及生成控制信号，对编码器的编码处理过程进行控制。

利用本发明的方法和系统，通过计算一个时间段的分形指数，根据分形指数来确定信号类型以及生成一些控制信号，并利用这些控制信号来控制编解码的多个环节，可以对编码更优化。

附图说明

图1是本发明传输系统及传输流程图；

图2是对多声道信号计算分形指数、确定信号类型和生成控制信号示意图；

图3是本发明的一个实施例的具体流程图；

图4是一个具体实施例对双声道信号确定编码类型的示意图。

具体实施方式

本发明的核心内容是计算一段时间的信号的分形指数，如果是多声道的信号，则分别计算各声道在某个时间段内的分形指数，根据分形指数确定各声道信号的类型以及生成控制信号进行优化编解码。

先介绍一下序列的分形指数的计算方法，对于序列f_n，设它的小波变换为

满足不等式j＝N-1，N-2，...N-M，k∈Z，其中不等式成立时最大的α即为序列f_n的分形指数。N和M可以根据人耳的听觉范围来确定，人耳能听的音频频率一般来说在20Hz-20KHz之间，设使用的小波函数为

设

为小波函数

傅利叶变换的半径，则N和M所决定的频率范围是

选取合适的N和M，就可使小波变换的频率范围为20Hz-20KHz。因为

设β＝α+1/2，所以上述不等式等价于j＝N-1，N-2，...N-M，k∈Z，取

并对两边取对数，则上述不等式又变为

j＝N-1，N-2，...N-M，设b＝log₂c，不等式又变成

j＝N-1，N-2，...N-M，设j＝N-1，N-2，...N-M，最后问题变成求b和β，使得

最小，求出b和β，β-1/2即为f_n的分形指数。

对音频信号而言，设一个音频序列为f_S，先选取所用的小波函数，例如选用墨西哥帽小波函数，设墨西哥帽小波函数的的傅利叶变换半径为Δ_M，则M和N需要满足下列条件：M＜log₂(20/Δ_M)-1；N＞log₂(20000/Δ_M)-1。选取满足上面条件的最大的整数M和最小的整数N，则j的取值范围为M-N。设音频序列的采样点为L个，取k＝L；对所有的j，k计算取并对两边取对数，则小波变换满足的不等式变成

j＝N-1，N-2，...N-M，经过上面所列的一系列变换，最后转变为一个最小二乘问题，求出β，β-1/2即为f_s的分形指数。

图1是本发明的传输系统及传输流程图。如图所示，现有技术中音频信号的传输方法为，一个音频信号首先在模数转换器12中被转换成数字信号，然后在编码器13中进行编码处理，编码后的数据然后通过媒介14(如广播，电缆，光缆，存储器件等)被传输到接收端，接收端接收到数据后，先在解码器15中进行解码处理，解码出来的信号最后在数模转换器16中经过数模转换还原为和输入音频近似的信号。本发明是在现有技术的基础上，在音频信号进行模数转换后，通过分形分析器18中计算某个时间段内的数字信号的分形指数，然后根据分形指数确定信号类型以及生成控制信号，用控制信号来优化编解码。在编码时把控制信号同样编入位流，解码时解出信号类型，根据信号类型进行解码。

对多声道的信号，如图2所示，各分形指数计算单元21/23/24计算各个声道的分形指数，控制信号生成单元22根据各声道的分形指数确定信号类型。控制信号生成单元25可以根据确定的信号类型生成一些控制信号。

图3是本发明的实施例的具体流程图。图3中的窗分析、变换、心理声学处理、量化、编码等过程都是图1中的编码器编码处理过程的步骤。图3中的解码(解码时把控制信号也解出来)、反量化、反变换、综合窗处理等过程，都是图1中的解码器解码处理过程的步骤。

例一：对于录制并播放一个双声道的音乐信号，如图3所示，首先音乐信号在模数转换器31中被转换成数字信号，数字信号在分析窗32中经过加窗重组，同时数字信号被送入分形分析器314中，分形分析器计算某段时间内的信号的分形指数并根据分形指数生成一些控制信号控制如立体声编码的类型，量化的方式等等。下面具体介绍一下如何生成这些控制信号。先介绍一下如何通过分形指数确定立体声编码的类型。如图4所示，对于双声道的信号，在两个分形指数计算单元41和43中分别计算两个声道的分形指数，然后在立体声编码选择控制器42中根据两个声道的分形指数的差别决定立体声的编码类型，如果两个声道的分形指数相差较小，小于一个事先给定的值，则采用MS立体声编码；如果两个声道的分形指数相差比较大，大于一个事先给定的值，则采用双声道编码的方法。这样做是因为MS立体声在各声道信号相近的情况下编码效率较高，在各声道信号相差较大的情况下编码效率不高，而分形指数表示的是信号的类型，类型相近，则分形指数差别较小，类型差别大，则分形指数差别较大，所以分形指数相近可以表示各声道的信号相近，分形指数相差大可以表示各声道的信号差距较大，因此可以根据分形指数的差别来决定立体声编码的类型。

数字信号被加窗后在变换单元33中进行变换，得到频域的信号，然后在心理声学处理单元34中根据心理声学模型和屏蔽阈值进行裁减，删除或衰减与听觉无关的信号。下面介绍如何根据分形指数选择不同的屏蔽阈值进行心理声学处理，即根据设定的屏蔽阈值对与听觉无关的信号进行删除或衰减。如图2所示，根据分形指数得到信号类型，根据信号类型生成一些控制信号，包括屏蔽阈值选择控制信号。不同的音频信号，其屏蔽阈值也不相同，现有的屏蔽阈值一般是根据采样频率和比特率进行选择的，对于相同的采样率和比特率的信号采用的屏蔽阈值都是相同的，没有根据信号的不同来进一步进行优化。而本发明可以根据信号的分形指数来确定信号的类型，譬如把某个时间段的信号的分形指数的取值范围划分成几个数值段，根据一个时间段的分形指数位于哪个段中来确定这个时间段的信号的类型，再根据信号类型选用对应的屏蔽阈值，给出屏蔽阈值控制信号。举个例子来说，设分形指数的取值范围是(a，b)，其中0＜a＜b，把(a，b)分成4个段，a-a1，a1-a2，a2-a3，a3-b，这四个段对应的信号类型分别是j，k，l和m，也可以给j，k等取个名字，譬如蓝调，布鲁斯等等，当然也可以采用其它的信号类型划分。分形指数在a-a1的信号认为是一个相同的类型，采用相同的经过优化的屏蔽阈值，在其他范围亦是如此，采用经过根据信号类型专门优化的屏蔽阈值，可以进一步减少和人耳听觉效果无关的信息量，从而在不影响听觉质量的情况下进一步提高压缩效率。如果某个时间段的信号的分形指数是d，而且a1＜d＜a2，那么这个时间段的信号对应的信号类型则是k，则选用信号类型k对应的屏蔽阈值，给出屏蔽阈值选择控制信号。

经过裁减处理过的信号在量化器35中进行量化，量化使用指数量化，根据某个时间段内的信号的最大值决定量化步长，量化后的信号在编码单元36中被编码，某个时间段内根据分形指数得到的控制信号也被编入码流编码数据在传输媒介中被储存在存储设备上。

在播放时，首先在解码单元38中进行解码，解码时需要先解出控制信号，解码根据立体声控制信号进行解码，解码的结果在反量化单元39中进行反量化，然后在反变换单元310中进行反变换，反变换后在综合窗311中被综合窗重组，在随后的均衡中根据均衡控制信号自动选择合适的均衡模式，在均衡器312中利用选择的均衡模式进行均衡处理，均衡控制信号同样是由图3中的分形分析器314给出的。如图2所示，均衡控制信号同样是根据分形指数生成的，如同选择屏蔽阈值一样，把某个时间段的信号的分形指数的取值范围划分成几个数值段，再根据分形指数在哪个范围确定信号的类型，然后根据类型来选择相应的均衡模式，以达到更加悦耳的听觉效果，比如信号类型是摇滚，那就选用摇滚的均衡模式，如果信号类型是乡村音乐，就选择乡村音乐得均衡模式，此处的信号类型可能不同于选择屏蔽阈值时的划分。最后在数模转换器313中通过DA就可以还原音乐信号。

例二：对于一个数字广播系统。首先广播电台的音频信号通过模数转换器31转换成为数字信号，数字信号被送入分形分析器314中，分形分析器可以计算某段时间内的信号的分形指数并且确定立体声编码的类型，如图4所示，对于双声道的信号，在两个分形指数计算单元41和43中分别计算两个声道的分形指数，然后在立体声编码选择控制器42中根据两个声道的分形指数的差别决定立体声的编码类型，如果两个声道的分形指数相差较小，则采用MS立体声编码；如果两个声道得分形指数相差比较大，则采用双声道编码的方法。因为MS立体声在各声道信号相近的情况下编码效率较高，在各声道信号相差较大的情况下编码效率不高，而分形指数表示的信号的类型，类型相近，则分形指数差别较小，类型差别大，则分形指数差别较大，所以可以根据分形指数的差别来决定立体声编码的类型。同时，分形分析器314给出加窗控制信号，根据加窗控制信号来选择所加的窗的形状，譬如长窗还是短窗。信号所加的长窗具有较好的频选特性，但是量化造成的误差会延伸到窗口外部，而短窗的频选特性则比较糟糕，但是短窗可以把误差限制在窗口之内，有些类型的信号对频选要求比较严格，譬如频率剧烈变化的，而有些类型的信号，对误差比较敏感，对于某一类型的信号，可以事先统计出人耳对每种类型的信号是对频率敏感还是对误差敏感，计算出使用不同窗可能造成的频率变化和误差，看人耳更不能忍受哪种偏差，如果人耳对频率变化的忍受能力超过对误差的忍受能力，这表明人耳对误差敏感，反之则表明人耳对频率敏感。因此可以根据信号类型来选择所加窗口的类型，对频率敏感的使用长窗，对误差敏感的使用短窗，这样可以改善编码效果。加窗控制信号通过以下方法给出，在图2中，首先根据分形指数在控制信号生成单元22确定信号的类型，然后在控制信号生成单元25生成控制信号后，对于对频选要求比较严格的信号类型(此处的信号类型可能不同于立体声编码方式控制信号出的划分)，选用长窗，对误差要求比较严格的，选用短窗，然后给出相应的加窗控制信号。此外，分形分析器314还生成量化控制信号，对于不同的信号，其频谱是不相同的，有的信号高频含量较多，有的信号高频含量比较少，因为高频信号的幅值通常都比较小，为了更好的还原音频信号，量化时的误差不能过大，否则这些高频信息可能丢失，对于含有高频信息较少的信号，则能允许较大的量化误差。首先计算出某个时间段的各声道的分形指数，同样把这个时间段的信号的分形指数的取值范围划分成几个数值段，根据分形指数落在哪个段内确定信号的类型，事先统计出每种类型的信号是否含有较多的高频信号，这种统计以高频分量所占的能量百分比为标准，譬如以5KHz以上的频谱作为高频分量，计算某种类型的高频分量的能量在整个信号中所占的百分比的期望值。含有高频信号较多的，需要采用精细的量化方式，例如使用较小的量化步长，对于含有高频信号较少的音频信号，则采用较大的量化步长。然后根据信号类型和事先统计出的百分比的期望值来确定是否采用较精细的量化方法，具体为，设置一个百分比的阈值，对于高于此阈值的信号类型采用精细的量化方式，对于低于此阈值的信号类型采用较粗糙的量化方式，给出量化方式的控制信号。同时数字信号也进入32，根据314所得的加窗控制信号进行相应的加窗处理，信号被加窗后在变换单元33中进行变换，得到频域的信号，根据各声道分形指数确定的信号类型优化心理声学模型，选用优化过的屏蔽阈值，频域信号在心理声学处理单元34中根据优化过的心理声学模型和屏蔽阈值进行裁减，删除或衰减与听觉无关的信号。经过裁减处理过的信号在量化器35中进行量化，量化使用根据量化控制信号来决定量化步长，量化后的信号在编码单元36中被编码，编码根据立体声编码控制信号进行相应的立体声编码，同时，某个时间段内根据分形指数得到的控制信号也被编入码流，编码数据在传输媒介37(例如电缆)中进行传输。在播放时，首先在解码单元38中进行解码，解码时需要先解出一系列的控制信号，然后根据立体声编码方式进行解码，解码的结果在反量化单元39中进行反量化，反量化的步长通过已经解码出来的量化控制信号确定，然后在反变换单元310中进行反变换，反变换后在综合窗311中被综合窗重组，使用的窗函数根据加窗控制信号确定，可以不进行均衡处理而直接进入数模转换器313中，最后通过DA就可以还原音乐信号。

需要指出的是，以上介绍的实施例不构成对本发明保护范围的限制。任何可以由本领域普通技术人员在本发明构思的基础上进行各种不需要创造性劳动的改进，以及用等同替换的方式进行的改进，都在本发明的保护范围之内。

Claims (17)

1.一种对音频信号进行编码的方法，其特征在于，将音频信号进行模数转换后通过分形分析器计算预定时间段的数字信号的分形指数，然后根据分形指数确定信号类型以及生成控制信号，对编码处理过程进行控制。

2.权利要求1所述的对音频信号进行编码的方法，其特征在于，所述编码处理过程包括变换、量化和编码，在编码时将控制信号编入位流；对多声道信号，根据各声道的分形指数差值确定对信号编码的类型。

3.权利要求1或2所述的对音频信号进行编码的方法，其特征在于，所述编码处理过程还包括对模数转换后的信号进行加窗处理；所述加窗处理的窗的形状由信号的分形指数决定。

4.权利要求1或2所述的对音频信号进行编码的方法，其特征在于，所述编码处理过程还包括对信号进行心理声学处理，即根据设定的屏蔽阈值对与听觉无关的信号进行删除或衰减，其屏蔽阈值是根据信号的分形指数进行选择的。

5.权利要求4所述的对音频信号进行编码的方法，其特征在于，进一步将一段时间内信号的分形指数分成若干个数值段，对分形指数不同数值段的信号分别选用不同的屏蔽阈值。

6.一种对音频信号进行解码的方法，包括解码、反量化和反变换步骤，其特征在于，在解码时同时解出接收的信号中在编码过程中编入的根据信号分形指数生成的控制信号。

7.权利要求6所述的对音频信号进行解码的方法，其特征在于，还包括均衡处理，所述均衡处理的均衡模式根据信号的分形指数确定。

8.权利要求7所述的对音频信号进行解码的方法，其特征在于，进一步将一段时间内信号的分形指数分成若干个数值段，对分形指数不同数值段的信号分别采用不同的均衡模式进行均衡处理。

9.一种传输音频信号的方法，在将音频信号进行模数转换后通过编码器进行编码处理，然后通过媒介传送到接收端，再在接收端通过解码器进行解码处理后进行数模转换，其特征在于：在发送端将信号模数转换后，通过分形分析器计算预定时间段的数字信号的分形指数，然后根据分形指数确定信号类型以及生成控制信号，对编码器的编码处理过程进行控制。

10.权利要求9所述的传输音频信号的方法，其特征在于，对多声道信号，通过分形分析器计算预定的相同时间段的每一声道信号的分形指数，并根据各声道的分形指数确定信号类型以及生成控制信号。

11.权利要求9或10所述的传输音频信号的方法，其特征在于，所述编码器的编码处理过程包括变换、量化和编码，在编码时将控制信号编入位流；所述解码器的解码处理过程包括解码、反量化和反变换，解码时同时解出控制信号；根据信号类型生成控制信号控制量化的步长；对多声道信号，根据各声道的分形指数确定对信号编码的类型。

12.权利要求11所述的传输音频信号的方法，其特征在于，所述编码器的编码处理过程还包括对模数转换后的信号进行加窗处理，在解码处理过程中还包括综合窗处理；加窗处理的窗的形状由信号的分形指数决定。

13.权利要求11所述的传输音频信号的方法，其特征在于，所述编码器的编码处理过程还包括对信号进行心理声学处理，即根据设定的屏蔽阈值对与听觉无关的信号进行删除或衰减，其屏蔽阈值是根据信号的分形指数进行选择的。

14.权利要求13所述的传输音频信号的方法，其特征在于，进一步将一段时间内信号的分形指数分成若干个数值段，对分形指数不同数值段的信号分别选用不同的屏蔽阈值。

15.权利要求11所述的传输音频信号的方法，其特征在于，所述解码器的解码处理过程还包括均衡处理，所述均衡处理的均衡模式根据信号的分形指数确定。

16.权利要求15所述的传输音频信号的方法，其特征在于，进一步将一段时间内信号的分形指数分成若干个数值段，对分形指数不同数值段的信号分别采用不同的均衡模式进行均衡处理。

17.一种对音频信号进行传输的系统，包括发送端和接收端，所述发送端包括模数转换器和编码器；所述接收端包括解码器和数模转换器，其特征在于，还包括分形分析器；

音频信号在发送端的模数转换器进行模数转换后通过编码器进行编码处理，然后通过媒介传送到接收端，再在接收端通过解码器进行解码处理后进行数模转换；在发送端将信号模数转换后，还通过分形分析器计算预定时间段的数字信号的分形指数，然后根据分形指数确定信号类型以及生成控制信号，对编码器的编码处理过程进行控制。

Images