BR112015032273B1 - Método de decodificação e aparelho de decodificação para sinal de fala - Google Patents
Método de decodificação e aparelho de decodificação para sinal de fala Download PDFInfo
- Publication number
- BR112015032273B1 BR112015032273B1 BR112015032273-5A BR112015032273A BR112015032273B1 BR 112015032273 B1 BR112015032273 B1 BR 112015032273B1 BR 112015032273 A BR112015032273 A BR 112015032273A BR 112015032273 B1 BR112015032273 B1 BR 112015032273B1
- Authority
- BR
- Brazil
- Prior art keywords
- frame
- subframe
- gain
- current frame
- subframes
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 7
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 abstract description 9
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000005284 excitation Effects 0.000 description 11
- 230000015572 biosynthetic process Effects 0.000 description 10
- 238000003786 synthesis reaction Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000004704 glottis Anatomy 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L21/0232—Processing in the frequency domain
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/005—Correction of errors induced by the transmission channel, if related to the coding algorithm
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/0204—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using subband decomposition
- G10L19/0208—Subband vocoders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/038—Speech enhancement, e.g. noise reduction or echo cancellation using band spreading techniques
- G10L21/0388—Details of processing therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Mobile Radio Communication Systems (AREA)
- Error Detection And Correction (AREA)
Abstract
processo de decodificação e aparelho de decodificação a presente invenção refere-se a um processo de decodificação e a um aparelho de decodificação. o processo de decodificação compreende: no caso no qual se determina que um quadro atual é um quadro perdido, sintetizar (s110) um sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio; determinar (s120) ganhos de subquadros múltiplos do quadro atual , de acordo com ganhos de subquadros de subquadros de pelo menos um quadro prévio ao quadro atual, e um gradiente de ganho entre os subquadros do pelo menos um quadro; determinar (s130) um ganho global do quadro atual (130); e ajustar (s140), de acordo com o ganho global e o ganho de subquadro dos múltiplos subquadros, o sinal de banda de alta frequência sintetizado para obter um sinal de banda de alta frequência do quadro atual. um ganho de subquadro do quadro atual é obtido de acordo com um gradiente entre ganhos de subquadros de subquadros prévios ao quadro atual, de modo que a transição, antes e após perda do quadro, é mais contínua, desse modo, reduzindo a reconstrução do ruído do sinal, e aperfeiçoando a qualidade de fala.
Description
[0001] Este pedido de patente reivindica a prioridade para o pedido de patente chinesa de n° 2013/10298040.4, depositado na repartição de patentes chinesa em 16 de julho de 2013 e intitulado "DECODING METHOD AND DECODING APPARATUS", que é incorporado no presente relatório descritivo por referência na sua totalidade.
[0002] A presente invenção refere-se ao campo de codificação e decodificação, e, em particular, a um método de decodificação e a um aparelho de decodificação.
[0003] Com o progresso contínuo das tecnologias, uma demanda de um usuário para qualidade de voz é ficando cada vez maior. Aumentar a largura de banda de voz é um método básico de aperfeiçoamento de qualidade de voz. Geralmente, a largura de banda é aumentada por uso de uma tecnologia de extensão de largura de banda, e a tecnologia de extensão de largura de banda inclui uma tecnologia de extensão de largura de banda de domínio temporal e uma tecnologia de extensão de largura de banda de domínio de frequência.
[0004] Na tecnologia de extensão de largura de banda de domínio temporal, uma taxa de erro de pacote é um fator básico, que afeta a qualidade de sinal. No caso de perda de pacote, um quadro perdido precisa ser restaurado o mais corretamente possível. Um lado de decodificador determina, por análise das informações do fluxos de bits, se ocorre perda de quadro. Caso não ocorra perda de quadro, um processamento normal de decodificação é executado. Se ocorrer perda de quadro, o processamento de perda de quadro precisa ser feito.
[0005] Quando o processamento de perda de quadro é feito, o lado de decodificador obter um sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio, e executa ajuste de ganho no sinal de banda de alta frequência por uso de um ganho de subquadro estabelecido, e um ganho global, que é obtido por multiplicação de um ganho global do quadro prévio por um fator de atenuação fixo, para obter um sinal de banda de alta frequência final.
[0006] O ganho de subquadro, usado durante o processamento de perda de quadro, é um valor estabelecido, e, portanto, pode ocorrer um fenômeno de descontinuidade espectral, resultando em que a transição, antes e depois de perda de quadro, é descontínua, aparecendo um fenômeno de ruído durante a reconstrução de sinal, e a qualidade de fala se deteriora.
[0007] As modalidades da presente invenção proporcionam um método de decodificação e um aparelho de decodificação, que podem impedir ou reduzir um fenômeno de ruído durante processamento de perda de quadro, desse modo, aperfeiçoando a qualidade de fala.
[0008] De acordo com um primeiro aspecto, um método de decodificação é proporcionado, em que o método inclui, em um caso no qual se determina que um quadro atual é um quadro perdido, sintetizar um sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio ao quadro atual; determinar ganhos de subquadros de pelo menos dois subquadros do quadro atual, de acordo com ganhos de subquadros de subquadros de pelo menos um quadro prévio ao quadro atual, e um gradiente de ganho entre os subquadros do pelo menos um quadro; determinar um ganho global do quadro atual; e ajustar, de acordo com o ganho global e os ganhos de subquadros dos pelo menos dois subquadros, o sinal de banda de alta frequência sintetizado para obter um sinal de banda de alta frequência do quadro atual.
[0009] Com referência ao primeiro aspecto, em uma primeira possível maneira de implementação, a determinação de ganhos de subquadros de pelo menos dois subquadros do quadro atual, de acordo com ganhos de subquadros de pelo menos um quadro prévio ao quadro atual e um gradiente de ganho entre os subquadros do pelo menos um quadro, inclui: determinar um ganho de subquadro de um subquadro de partida do quadro atual, de acordo com ganhos de subquadros dos subquadros do pelo menos um quadro e o gradiente de ganho entre os subquadros do pelo menos um quadro; e determinar um ganho de subquadro de outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o ganho de subquadro do subquadro de partida do quadro atual e o gradiente de ganho entre os subquadros do pelo menos um quadro.
[0010] Com referência à primeira possível maneira de implementação, em uma segunda possível maneira de implementação, a determinação de um ganho de subquadro de um subquadro de partida do quadro atual, de acordo com ganhos de subquadros dos subquadros do pelo menos um quadro e o gradiente de ganho entre os subquadros do pelo menos um quadro, inclui: estimar um primeiro gradiente de ganho entre um último subquadro do quadro prévio ao quadro atual e o subquadro de partida do quadro atual, de acordo com um gradiente de ganho entre subquadros do quadro prévio ao quadro atual; e estimar o ganho de subquadro do subquadro de partida do quadro atual, de acordo com um ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho.
[0011] Com referência à segunda possível maneira de implementação, em uma terceira possível maneira de implementação, a estimativa de um primeiro gradiente de ganho, entre um último subquadro do quadro prévio ao quadro atual e o subquadro de partida do quadro atual, de acordo com um gradiente de ganho entre subquadros do quadro prévio ao quadro atual, inclui: obter a média ponderada em um gradiente de ganho, entre pelo menos dois subquadros do quadro prévio ao quadro atual, para obter o primeiro gradiente de ganho, em que, quando a obtenção da média ponderada é feita, um gradiente de ganho entre subquadros do quadro prévio ao quadro atual, que são mais próximos do quadro atual, ocupa um peso maior.
[0012] Com referência à segunda possível maneira de implementação ou terceira possível maneira de implementação, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula: I-2
, em que GainGradFEC [0] é o j=0 primeiro gradiente, GainGrad[n-1, j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual, 
, em que o ganho de subquadro j=0 é obtido por uso das seguintes fórmulas: GainShapeTemp [n,0] = GainShape [n -1,I-1]+Φ * GainGradFEC [0]; e GainShape [n, 0] = GainShapeTemp [n,0] * Φ ,
[0013] em que GainShape[n-1,I-1] é um ganho de subquadro de um (I - 1)° subquadro do (n - 1)° quadro, GainShape[n,0] é o ganho de subquadro do subquadro de partida do quadro atual, GainShapeTemp[n,0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < ^ < 1.0, 0 < ^ < 1.0, ^ é determinado por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual, e um sinal de adição ou subtração do primeiro gradiente de ganho, e r?2 é determinado por uso da classe de quadro do último quadro recebido, antes do quadro atual, e de uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0014] Com referência à segunda possível maneira de implementação, em uma quinta possível maneira de implementação, a estimativa de um primeiro gradiente de ganho, entre um último subquadro do quadro prévio ao quadro atual e o subquadro de partida do quadro atual, de acordo com um gradiente de ganho entre subquadros do quadro prévio ao quadro atual, inclui: usar um gradiente de ganho, entre um subquadro prévio ao último subquadro do quadro prévio ao quadro atual e o último subquadro do quadro prévio ao quadro atual, como o primeiro gradiente de ganho.
[0015] Com referência à segunda ou quinta possível maneira de implementação, em uma sexta possível maneira de implementação, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula: GainGradFEC [0] = GamGrad [n-1,I-2], em que GarnGradFEC [0] é o primeiro gradiente de ganho, GamGrad [n-1,l-2] é um gradiente de ganho entre um (I - 2)° subquadro e um (I - 1)° subquadro do quadro prévio ao quadro atual, em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeT emp [n, 0] = GainShape [n -1,I-1]+\ * GainGradFEC [0]; GainShapeTemp [n, 0] = min (Z2 * GainShape [n -1,I-1], GainShapeTemp [n, 0]); e GainShape [n, 0] = max (^ * GainShape [n -1,I-1], GainShapeTemp [n,0]),
[0016] em que GainShape[n -1,I -1] é um ganho de subquadro do (I - 1)° subquadro do quadro prévio ao quadro atual, GamShapeTemp[n,0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < \ < 1,0, 1 < ^ < 2, 0 < ^ < 1,0, \ é determinado por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma múltipla relação entre ganhos de subquadros dos últimos dois subquadros do quadro prévio ao quadro atual, e ^ e ^ são determinados por uso da classe de quadro do último quadro recebido, antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0017] Com referência a qualquer uma das segunda à sexta possíveis maneiras de implementação, em uma sétima possível maneira de implementação, a estimativa do ganho de subquadro do subquadro de partida do quadro atual, de acordo com um ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho, inclui: estimar o ganho de subquadro do subquadro de partida do quadro atual, de acordo com o ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0018] Com referência a qualquer uma das primeira à sétima possíveis maneiras de implementação, em uma oitava possível maneira de implementação, a determinação de um ganho de subquadro de outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o ganho de subquadro do subquadro de partida do quadro atual e o gradiente de ganho entre os subquadros do pelo menos um quadro, inclui: estimar um gradiente de ganho entre os pelo menos dois subquadros do quadro atual, de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro; e estimar o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual.
[0019] Com referência à oitava possível maneira de implementação, em uma nona possível maneira de implementação, cada quadro inclui I subquadros, e a estimativa de um gradiente de ganho entre os pelo menos dois subquadros do quadro atual, de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro, inclui: obter uma média ponderada em um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro do quadro prévio ao quadro atual e um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro de um quadro prévio ao quadro atual; e estimar um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um peso, ocupado pelo gradiente de ganho, entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, é maior do que um peso, ocupado pelo gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro prévio ao quadro atual.
[0020] Com referência à oitava ou nona possível maneira de implementação, em uma décima possível maneira de implementação, quando o quadro prévio ao quadro atual é o (n - 1)° quadro, e o quadro atual é o n° quadro, o gradiente de ganho entre os pelo menos dois subquadros do quadro atual é determinado por uso da seguinte fórmula: GainGradFEC [i+1 ] = GainGrad [n - 2,i] * β + GainGrad [n -1,i] * β2
[0021] em que GainGradFEC[i+1] é um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro, GainGrad[n - 2,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, GainGrad[n -1,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, β2 > β1, β2 + β1 = 1,0, e i = 0, 2, ..., I - 2, em que o gradiente de ganho do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i]* @3; e GainShape[n,i] = GainShapeTemp[n,i]* @4,
[0022] em que GainShape[n,i] é um ganho de subquadro de um i° subquadro do quadro atual, GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, 0 < β3 <, 0 < β4 <1,0, β3 é determinado por uso de uma relação múltipla entre GainGrad[n - 1,i] e GainGrad[n - 1,i + 1] e um sinal de adição ou subtração de GainGrad[n - 1,i + 1], e ^4 é determinado por uso da classe de quadro do último quadro, recebido antes do quadro atual, e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0023] Com referência à oitava possível maneira de implementação, em uma décima primeira possível maneira de implementação, cada quadro inclui I subquadros, e a estimativa de um gradiente de ganho entre os pelo menos dois subquadros, de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro, inclui: obter uma média ponderada de I gradientes de ganho entre os (I + 1) subquadros prévios a um i° subquadro do quadro atual, e estimar um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro do quadro atual, em que i = 0, 2, ..., I - 2, e um gradiente de ganho entre subquadros, que estão mais próximos ao i° subquadro, ocupa um maior peso.
[0024] Com referência à oitava ou décima primeira possível maneira de implementação, em uma décima segunda possível maneira de implementação, quando o quadro prévio ao quadro atual é o (n - 1)° quadro, o quadro atual é o n° quadro, e cada quadro inclui quatro subquadros, o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, é determinado por uso das seguintes fórmulas: GainGradFEC[1] = GainGrad[n - 1,0]* 71 + GainGrad[n - 1,1]* 72 + GainGrad[n - 1,2]* 7 + GainGradFEC [0]* 74; GainGradFEC[2] = GainGrad[n - 1,1]* 7 + GainGrad[n - 1,2]* 7 + GainGradFEC [0]* 7 + GainGradFEC[1]* 74; e GainGradFEC[3] = GainGrad[n - 1,2]*Y1 + GainGradFEC [0]*Y2 + GainGradFEC[1]*Y3 + GainGradFEC[2]*Y4,
[0025] em que GainGradFEC[j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro atual, GainGrad[n-1,j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual, j = 0, 1, 2, ..., I - 2, 71 + 72+ 73+74 = 1,0, e 74> 73> 72 > 71, em que 71, 72, 73, e 74 são determinados por uso da classe de quadro do último quadro recebido, em que o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i], em que i = 1, 2, 3, e GainShapeTemp[n,0] é o primeiro gradiente de ganho; GainShapeTemp[n,i] = min(75 *GainShape[n - 1,i],GainShapeTemp[n,i]); e GainShape[n,i] = max(76 *GainShape[n - 1,i],GainShapeTemp[n,i]),
[0026] em que i = 1, 2, 3, GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, GainShape[n,i] é um ganho de subquadro do i° subquadro do quadro a-tual, 75 e 76 são determinados por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual, 1 < 75 < 2, e 0 < 76 < 1.
[0027] Com referência a qualquer uma das oitava à décima segunda possíveis maneiras de implementação, em uma décima terceira possível maneira de implementação, a estimativa do ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual, inclui: estimar o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual, e o gradiente de ganho do subquadro de partida do quadro atual, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0028] Com referência ao primeiro aspecto ou qualquer uma das possíveis maneiras de implementação, em uma décima quarta possível maneira de implementação, a estimativa de um ganho global do quadro atual inclui: estimar um gradiente de ganho global do quadro atual, de acordo com a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual; e estimar o ganho global do quadro atual, de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro atual.
[0029] Com referência à décima quarta possível maneira de implementação, em uma décima quinta possível maneira de implementação, o ganho global do quadro atual é determinado por uso da seguinte fórmula: GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 < GainAtten < 1.0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0030] De acordo com um segundo aspecto, um método de decodificação é proporcionado, em que o método inclui; em um caso no qual se determina que um quadro atual é um quadro perdido, sintetizar um sinal de banda de alta frequência de acordo com um resultado de decodificação de um quadro prévio ao quadro atual; determinar ganhos de subquadros de pelo menos dois subquadros do quadro atual; estimar um gradiente de ganho global do quadro atual, de acordo com uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual; estimar um ganho global do quadro atual, de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro atual; e ajustar, de acordo com o ganho global e os ganhos de subquadros dos pelo menos dois subquadros, o sinal de banda de alta frequência sintetizado, para obter um sinal de banda de alta frequência do quadro atual.
[0031] Com referência ao segundo aspecto, em uma primeira possível maneira de implementação, o ganho global do quadro atual é determinado por uso da seguinte fórmula: GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 < GainAtten < 1.0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0032] De acordo com um terceiro aspecto, um aparelho de decodificação é proporcionado, em que o aparelho inclui: um módulo gerador, configurado para, em um caso no qual se determina que um quadro atual é um quadro perdido, sintetizar um sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio ao quadro atual; um módulo determinador, configurado para determinar ganhos de subquadros de pelo menos dois subquadros do quadro atual, de acordo com ganhos de subquadros de pelo menos um quadro prévio ao quadro atual, e um gradiente de ganho entre os subquadros do pelo menos um quadro, e determinar um ganho global do quadro atual; e um módulo ajustador, configurado para ajustar, de acordo com o ganho global e os ganhos de subquadros dos pelo menos dois subquadros, que são determinados pelo módulo determinador, o sinal de banda de alta frequência sintetizado, sintetizado pelo módulo gerador, para obter um sinal de banda de alta frequência do quadro atual.
[0033] Com referência ao terceiro aspecto, em uma primeira possível maneira de implementação, o módulo determinador determina um ganho de subquadro de um subquadro de partida do quadro atual, de acordo com ganhos de subquadros dos subquadros do pelo menos um quadro e o gradiente de ganho entre os subquadros do pelo menos um quadro, e determina um ganho de subquadro de outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o ganho de subquadro do subquadro de partida do quadro atual e o gradiente de ganho entre os subquadros do pelo menos um quadro.
[0034] Com referência à primeira possível maneira de implementação do terceiro aspecto, em uma segunda possível maneira de implementação, o módulo determinador estima um primeiro gradiente de ganho entre um último subquadro do quadro prévio ao quadro atual e o subquadro de partida do quadro atual, de acordo com um gradiente de ganho entre subquadros do quadro prévio ao quadro atual, e estima o ganho de subquadro do subquadro de partida do quadro atual, de acordo com um ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho.
[0035] Com referência à segunda possível maneira de implementação do terceiro aspecto, em uma terceira possível maneira de implementação, o módulo determinador obtém uma média ponderada em um gradiente de ganho entre pelo menos dois subquadros do quadro prévio ao quadro atual, para obter o primeiro gradiente de ganho, em que quando a média ponderada é feita, um gradiente de ganho entre subquadros do quadro prévio ao quadro atual, que estão mais próximos do quadro atual, ocupa um maior peso.
[0036] Com referência à primeira possível maneira de implementação do terceiro aspecto ou à segunda possível maneira de implementação do terceiro aspecto, em uma quarta possível maneira de implementação, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da I-2 seguinte fórmula:
, em que j=0 GainGradFEC [0] é o primeiro gradiente de ganho, GainGrad[n -1, j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual, 
em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeTemp [n,0] = GainShape [n -1,I-1]+Φ * GainGradFEC [0]. θ GainShape [n, 0] = GainShapeT emp [n,0] * Φ ,
[0037] em que GainShape[n-1,I-1] é um ganho de subquadro de um (I - 1)° subquadro do (n - 1)° quadro, GainShape[n,0] é o ganho de subquadro do quadro atual, GainShapeTemp[n,0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0< Φi < W, 0< ^2 <1.0, ^1 é determinado por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual, e um sinal de adição ou subtração do primeiro gradiente de ganho, e Φ2 é determinado por uso da classe de quadro do último quadro recebido, antes do quadro atual, e de uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0038] Com referência à segunda possível maneira de implementação do terceiro aspecto, em uma quinta possível maneira de implementação, o módulo determinador usa um gradiente de ganho, entre um subquadro prévio ao último subquadro do quadro prévio ao quadro atual e o último subquadro do quadro prévio ao quadro atual, como o primeiro gradiente de ganho.
[0039] Com referência à segunda ou quinta possível maneira de implementação do terceiro aspecto, em um sexta possível maneira de implementação, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula: GainGadFECp] = GainGrad [n-lJ—2], em que GainGradFEC [0] é o primeiro gradiente de ganho, GainGrad [n-1,I-2] é um gradiente de ganho entre um (I - 2)° e um (I - 1)° subquadro do quadro prévio ao quadro atual, em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeT emp [n, 0] = GainShape [n -1,I-1]+^ * GainGradFEC [0]. ; GainShapeTemp [n, 0] = min (Z2 * GainShape [n -1,I-1], GainShapeTemp [n, 0]). θ GainShape [n, 0] = max (^ * GainShape [n -1,I-1], GainShapeTemp [n, 0]) ,
[0040] em que GainShape[n -1,I -1] é um ganho de subquadro do (I - 1)° subquadro do quadro prévio ao quadro atual, GainShape[n, 0] é o ganho de subquadro do subquadro de partida, GamShapeTemp [n,0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < Ài < 1,0, 1 < À2 < 2,0 < À3 < 1,0, Ài é determinado por uso de uma classe de quadro, de um último quadro, recebido antes do quadro atual, e uma relação múltipla entre ganhos de subquadros dos últimos dois subquadros do quadro prévio ao quadro atual, e À2 e À3 são determinados por uso da classe de quadro do último quadro, recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0041] Com referência a qualquer das segunda à sexta possíveis maneiras de implementação do terceiro aspecto, em uma sétima possível maneira de implementação, o módulo determinador estima o ganho de subquadro do subquadro de partida do quadro atual, de acordo com o ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro ganho de subquadro, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0042] Com referência a qualquer uma das primeira à sétima possíveis maneiras de implementação do terceiro aspecto, em uma oitava possível maneira de implementação, o módulo determinador estima um gradiente de ganho entre os pelo menos dois subquadros do quadro atual, de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro, e estima o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual.
[0043] Com referência à oitava possível maneira de implementação do terceiro aspecto, em uma nona possível maneira de implementação, cada quadro inclui I subquadros, e o módulo determinador obtém uma média ponderada em um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro do quadro prévio ao quadro atual, e gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro de um quadro prévio ao quadro prévio ao quadro atual, e estima um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um peso, ocupado pelo gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, é maior do que um peso, ocupado pelo gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro prévio ao quadro atual.
[0044] Com referência à oitava ou nona possível maneira de implementação do terceiro aspecto, em uma décima possível maneira de implementação, o gradiente de ganho entre os pelo menos dois subquadros do quadro atual é determinado por uso da seguinte fórmula: GainGradFEC [i+1] = GainGrad [n -2,i] * β + GainGrad [n -1,i] * β2 ,
[0045] em que GainGradFEC[i+1] é um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro, GainGrad[n-2,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro prévio ao quadro atual, GainGrad[n-2,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, p >p, p+ p = 1.0, e i = 0, 1, 2, ..., I - 2, em que o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i]* P3; e GainShape[n,i] = GainShapeTemp[n,i]*P4 ,
[0046] em que GainShape[n,i] é um ganho de subquadro de um i° subquadro do quadro atual, GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, 0< β3 < 1.0, 0< β4 <1.0, β3 é determinado por uso de uma relação múltipla entre GainGrad[n - 1,i] e GainGrad[n - 1,i + 1] e um sinal de adição ou subtração de GainGrad[n - 1,i + 1], e @4 é determinado por uso da classe de quadro do último quadro, recebido antes do quadro atual, e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0047] Com referência à oitava possível maneira de implementação do terceiro aspecto, em uma décima primeira possível maneira de implementação, o módulo determinado obtém uma média ponderada de I gradientes de ganho entre (I + 1) subquadros a um i° subquadro do quadro atual, e estima um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um gradiente de ganho, entre os subquadros que estão mais próximos ao i° subquadro, ocupa um maior peso.
[0048] Com referência à oitava ou a décima primeira possível maneira de implementação do terceiro aspecto, em uma décima segunda possível maneira de implementação, quando o quadro prévio ao quadro atual é o (n - 1)° quadro, o quadro atual é o n° quadro, e cada quadro inclui quatro subquadros, o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, é determinado por uso das seguintes fórmulas: GainGradFEC[1] = GainGrad[n - 1,0]* Y1 + GainGrad[n - 1,1]* ''2 + GainGrad[n - 1,2]* ^ + GainGradFEC [0]* r4; GainGradFEC[2] = GainGrad[n - 1,1]* ^ + GainGrad[n - 1,2]* ;' + GainGradFEC [0]* -^ + GainGradFEC[1]* r4; e GainGradFEC[3] = GainGrad[n - 1,2]* K + GainGradFEC [0]* + GainGradFEC[1]* ^ + GainGradFEC[2]* r4,
[0049] em que GainGradFEC[j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro atual, GainGrad[n-1,j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual, j = 0, 1, 2, ..., I - 2, %1 + 72 + 73+74 = I,O, e 74 >73 >% >/1, em queYI, %2, %3, e% 4 são determinados por uso da classe de quadro do último quadro recebido, em que o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadro, é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,I - 1] + GainGradFEC[i], em que i = 1, 2, 3, e GainShapeTemp[n,0] é o primeiro gradiente de ganho; GainShapeTemp[n,i] = min(Y5 *GainShape[n - 1,i],GainShapeTemp[n,i]); e GainShape[n,i] = max(Y6 *GainShape[n - 1,i],GainShapeTemp[n,i]),
[0050] em que GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, i = 1, 2, 3, e GainShape[n,i] é um subquadro do i° subquadro do quadro atual, Y5 e Y6 são determinados por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual , 1 < Y5 < 2, e 0 < Y6 < 1.
[0051] Com referência a qualquer um das oitava à décima segunda possíveis maneiras de implementação, em uma décima terceira possível maneira de implementação, o módulo determinador estima o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual, e o ganho de subquadro do subquadro de partida do quadro atual, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0052] Com referência ao terceiro aspecto ou a qualquer uma das possíveis maneiras de implementação, em uma décima quarta possível maneira de implementação, o módulo determinador estima um gradiente de ganho global do quadro atual, de acordo com a classe de quadro do último quadro recebido, antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual; e estima o ganho global do quadro atual, de acordo com o gradiente de ganho global, e o ganho global do quadro prévio ao quadro atual.
[0053] Com referência à décima quarta possível maneira de implementação do terceiro aspecto, em uma décima quinta possível maneira de implementação, o ganho global do quadro atual é determinado por uso da seguinte fórmula: GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 < GainAtten < 1.0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0054] De acordo com um quarto aspecto, um aparelho de decodificação é proporcionado, em que o aparelho inclui: um módulo gerador, configurado para, em um caso no qual se determina que um quadro atual é um quadro perdido, sintetizar um sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio ao quadro atual; um módulo determinador, configurado para determinar ganhos de subquadros de pelo menos dois subquadros do quadro atual, estimar um gradiente de ganho global do quadro atual, de acordo com uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual, e estimar um ganho global do quadro atual, de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro atual; e um módulo ajustador, configurado para ajustar, de acordo com o ganho global e os ganhos de subquadros dos pelo menos dois subquadros, que são determinados pelo módulo determinador, o sinal de banda de alta frequência sintetizado pelo módulo gerador, para obter um sinal de banda de alta frequência do quadro atual.
[0055] Com referência ao quarto aspecto, em uma primeira possível maneira de implementação, GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 < GainAtten < 1.0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso do classe de quadro, do último quadro recebido, e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0056] Nas modalidades da presente invenção, quando se determina que um quadro atual é um quadro perdido, os ganhos de subquadros do quadro atual são determinados de acordo com ganhos de subquadros, de subquadros prévios ao quadro atual, e um gradiente de ganho entre os subquadros prévios ao quadro atual; e um sinal de banda de alta frequência é ajustado por uso dos ganhos de subquadros determinados do quadro atual, Um ganho de subquadro do quadro atual é obtido de acordo com um gradiente (que é uma tendência de mudança), entre ganhos de subquadros de subquadros prévios ao quadro atual, de modo que a transição, antes e depois de perda de quadro, é mais contínua, desse modo, reduzindo o ruído durante reconstrução de sinal, e aperfeiçoando a qualidade de fala.
[0057] Para descrever as soluções técnicas nas modalidades da presente invenção mais claramente, são introduzidos a seguir os desenhos em anexo, necessários para descrever as modalidades da presente invenção. Evidentemente, os desenhos em anexo mostram, na descrição apresentada a seguir, meramente algumas modalidades da presente invenção, e uma pessoa versada na técnica pode ainda derivar outros desenhos desses desenhos em anexo, sem esforços criativos.
[0058] A Figura 1 é um fluxograma esquemático de um método de decodificação, de acordo com uma modalidade da presente invenção.
[0059] A Figura 2 é um fluxograma esquemático de um método de decodificação, de acordo com outra modalidade da presente invenção.
[0060] A Figura 3A é um diagrama de uma tendência de mudança de ganhos de subquadros de um quadro prévio ao quadro atual, de acordo com uma modalidade da presente invenção.
[0061] A Figura 3B é um diagrama de uma tendência de mudança de ganhos de subquadros de um quadro prévio ao quadro atual, de acordo com outra modalidade da presente invenção.
[0062] A Figura 3C é um diagrama de uma tendência de mudança de ganhos de subquadros de um quadro prévio ao quadro atual, de acordo com mais uma outra modalidade da presente invenção.
[0063] A Figura 4 é um diagrama esquemático de um método de estimativa de um primeiro gradiente de ganho, de acordo com uma modalidade da presente invenção.
[0064] A Figura 5 é um diagrama esquemático de um método de estimativa de um gradiente de ganho, entre pelo menos dois subquadros de um quadro atual, de acordo com uma modalidade da presente invenção.
[0065] A Figura 6 é um fluxograma esquemático de um método de decodificação, de acordo com uma modalidade da presente invenção.
[0066] A Figura 7 é um fluxograma esquemático de um aparelho de decodificação, de acordo com uma modalidade da presente invenção.
[0067] A Figura 8 é um fluxograma esquemático de um aparelho de decodificação, de acordo com outra modalidade da presente invenção.
[0068] A Figura 9 é um diagrama estrutural esquemático de um aparelho de decodificação, de acordo com outra modalidade da presente invenção.
[0069] A Figura 10 é um diagrama estrutural esquemático de um aparelho de decodificação, de acordo com uma modalidade da presente invenção.
[0070] Descreve-se a seguir, clara e completamente, as soluções técnicas nas modalidades da presente invenção, com referência aos desenhos em anexo nas modalidades da presente invenção. Evidentemente, as modalidades descritas são algumas, mas não todas as modalidades da presente invenção. Todas as outras modalidades obtidas por uma pessoa conhecedora da técnica comum, com base nas modalidades da presente invenção, sem esforços criativos, vão ficar dentro do âmbito de proteção da presente invenção.
[0071] Para reduzir a complexidade operacional e um retardo de processamento de um codec (codificador - decodificador), durante processamento de sinal de fala, geralmente, um processamento de divisão de quadro é conduzido em um sinal de fala, isto é, o sinal de fala é dividido em múltiplos quadros. Além disso, quando ocorre falas, a vibração da glote tem uma frequência específica (que corresponde a um período de frequência real do som). Em um caso de período de frequência real do som relativamente curto, se um quadro for excessivamente longo, múltiplos períodos de frequência real do som podem existir dentro de um quadro, e os períodos de frequência real do som são calculados incorretamente; portanto, um quadro pode ser dividido em múltiplos subquadros.
[0072] Em uma tecnologia de extensão de largura de banda de domínio temporal, durante a codificação, primeiramente, um codificador de núcleo codifica as informações de bandas de baixas frequências de um sinal, para obter parâmetros, tal como um período de frequência real do som, um livro de códigos algébrico, e um respectivo ganho, e executa análise de codificação preditiva linear (Codificação Preditiva Linear, LPC) em informações de bandas de altas frequências do sinal, para obter um parâmetro de LPC de banda de alta frequência, desse modo, obtendo um filtro de síntese de LPC; em segundo lugar, o codificador de núcleo obtém um sinal de excitação de banda de alta frequência por cálculo, com base em parâmetros, tal como o período de frequência real do som, o livro de códigos algébrico, e o respectivo ganho, e sintetiza um sinal de banda de alta frequência do sinal de excitação de banda de alta frequência por uso do filtro de síntese de LPC; depois, o codificador de núcleo compara um sinal de banda de alta frequência original com o sinal de banda de alta frequência sintetizado, para obter um ganho de subquadro e um ganho global; e, finalmente, o codificador de núcleo converte o parâmetro de LPC em um parâmetro (Frequência de Espectro Linear, LSF), e quantifica e codifica o parâmetro de FPS, o ganho de subquadro e o ganho global.
[0073] Durante a decodificação, primeiramente, a desquantificação é feita no parâmetro de LSF, no ganho de subquadro e no ganho global, e o parâmetro de LSF é convertido no parâmetro de LPC, desse modo, obtendo um filtro de síntese de LPC; em segundo lugar, os parâmetros, tais como o período de frequência real do som, o livro de códigos algébrico e o respectivo ganho, são obtidos por uso do codificador de núcleo, o sinal de excitação de banda de alta frequência é obtido com base em parâmetros, tais como o período de frequência real do som, o livro de códigos algébrico e o respectivo ganho, e o sinal de banda de alta frequência é sintetizado do sinal de excitação de banda de alta frequência por uso do filtro de síntese de LPC, e, finalmente, o ajuste de ganho é feito no sinal de banda de alta frequência, de acordo com o ganho de subquadro e o ganho global, para recuperar o sinal de banda de alta frequência de um quadro perdido.
[0074] De acordo com essa modalidade da presente invenção, pode-se determinar, por análise das informações do fluxos de bits, se ocorre perda de quadro no quadro atual. Se não ocorrer perda de quadro no quadro atual, o método de decodificação normal apresentado acima é conduzido. Se ocorrer perda de quadro no quadro atual, isto é, o quadro atual é um quadro perdido, o processamento de quadro perdido precisa ser conduzido, isto é, o quadro perdido precisa ser recuperado.
[0075] A Figura 1 é um fluxograma esquemático de um método de decodificação, de acordo com uma modalidade da presente invenção. O método na Figura 1 pode ser executado por um decodificador, e inclui as etapas apresentadas a seguir.
[0076] 110: Em um caso no qual se determina que um quadro a tual é um quadro perdido, sintetizar um sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio ao quadro atual.
[0077] Por exemplo, um lado de decodificador determina, por análise das informações do fluxos de bits, se ocorre perda de quadro. Se não ocorrer perda de quadro no quadro atual, o método de decodificação normal é conduzido. Se ocorrer perda de quadro, um processamento de perda de quadro é conduzido. Durante processamento de perda de quadro, primeiramente, um sinal de excitação de banda de alta frequência é gerado, de acordo com um parâmetro de decodificação do quadro prévio; em segundo lugar, um parâmetro de LPC do quadro prévio é duplicado e usado como um parâmetro de LPC do quadro atual, desse modo, obtendo um filtro de síntese de LPC; e, finalmente, um sinal de banda de alta frequência sintetizado é obtido do sinal de excitação de banda de alta frequência por uso do filtro de síntese de LPC.
[0078] 120: Determinar ganhos de subquadros de pelo menos dois subquadros do quadro atual, de acordo com ganhos de subquadros de pelo menos um quadro prévio ao quadro atual e um gradiente de ganho entre os subquadros do pelo menos um quadro.
[0079] Um ganho de subquadro de um subquadro pode se referir a uma relação de uma diferença entre um sinal de banda de alta frequência sintetizado do subquadro e um sinal de banda de alta frequência original para o sinal de banda de alta frequência sintetizado. Por exemplo, o ganho de subquadro pode se referir a uma relação de uma diferença entre uma amplitude do sinal de banda de alta frequência sintetizado do subquadro e uma amplitude do sinal de banda de alta frequência original para a amplitude do sinal de banda de alta frequência sintetizado.
[0080] Um gradiente de ganho entre subquadros é usado para indicar uma tendência e um grau de mudança, isto é, uma variação de ganho, de um ganho de subquadro entre subquadros adjacentes. Por exemplo, um gradiente de ganho entre um primeiro subquadro e um segundo subquadro pode se referir a uma diferença entre um ganho de subquadro do segundo subquadro e um ganho de subquadro do primeiro subquadro. Essa modalidade da presente invenção da presente invenção não é limitada a isso. Por exemplo, o gradiente de ganho entre subquadros pode também se referir a um fator de atenuação de ganho de subquadro.
[0081] Por exemplo, uma variação de ganho de um último subquadro de um quadro prévio para um subquadro de partida (que é um primeiro subquadro) de um quadro atual pode ser estimada de acordo com uma tendência e um grau de variação de um ganho de subquadro entre subquadros do quadro prévio, e um ganho de subquadro do subquadro de partida do quadro atual é estimado por uso da variação de ganho e de um ganho de subquadro do último subquadro do quadro prévio; depois, uma variação de ganho entre subquadros do quadro atual pode ser estimada de acordo com uma tendência e um grau de variação de um ganho de subquadro entre subquadros de pelo menos um quadro prévio ao quadro atual; e, finalmente, um ganho de subquadro de outro subquadro do quadro atual pode ser estimado por uso da variação de ganho e do ganho de subquadro estimado do subquadro de partida.
[0082] 130: Determinar um ganho global do quadro atual.
[0083] Um ganho global de um quadro pode se referir a uma relação de uma diferença entre um sinal de banda de alta frequência sintetizado do quadro e um sinal de banda de alta frequência original para o sinal de banda de alta frequência sintetizado. Por exemplo, um ganho global pode indicar uma relação de uma diferença entre uma amplitude do sinal de banda de alta frequência sintetizado e uma amplitude do sinal de banda de alta frequência original para a amplitude do sinal de banda de alta frequência sintetizado.
[0084] Um gradiente de ganho global é usado para indicar uma tendência e um grau de variação de um ganho global entre quadros adjacentes. Um gradiente de ganho global entre um quadro e outro quadro pode se referir a uma diferença entre um ganho global do quadro e um ganho global do outro quadro. Essa modalidade da presente invenção não é limitada a isso. Por exemplo, um gradiente de ganho global entre um quadro e outro quadro pode também se referir a um fator de atenuação de ganho global.
[0085] Por exemplo, um ganho global de um quadro atual pode ser estimado por multiplicação de um ganho global de um quadro prévio ao quadro atual por um fator de atenuação fixo. Particularmente, nessa modalidade da presente invenção, o gradiente de ganho global pode ser determinado de acordo com uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual, e o ganho global do quadro atual pode ser estimado de acordo com o gradiente de ganho global determinado.
[0086] 140: Ajustar (ou controlar), de acordo com o ganho global e os ganhos de subquadros dos pelo menos dois subquadros, o sinal de banda de alta frequência sintetizado, para obter um sinal de banda de alta frequência do quadro atual.
[0087] Por exemplo, uma amplitude de um sinal de banda de alta frequência de um quadro atual pode ser ajustada de acordo com um ganho global, e uma amplitude de um sinal de banda de alta frequência de um subquadro pode ser ajustada de acordo com um ganho de subquadro.
[0088] Nessa modalidade da presente invenção, quando se determina que um quadro atual é um quadro perdido, os ganhos de subquadros do quadro atual são determinados de acordo com ganhos de subquadros prévios ao quadro atual e um gradiente de ganho entre os subquadros prévios ao quadro atual, e um sinal de banda de alta frequência é ajustado por uso dos ganhos de subquadros determinados do quadro atual. Um ganho de subquadro do quadro atual é obtido de acordo com um gradiente (que é uma tendência e um grau de variação) entre ganhos de subquadros de subquadros prévios ao quadro atual, de modo que a transição, antes e depois de perda de quadro, é mais contínua, desse modo, reduzindo, o ruído durante a reconstrução do sinal, e aperfeiçoando a qualidade de fala.
[0089] De acordo com essa modalidade da presente invenção, em 120, um ganho de subquadro de um subquadro de partida do quadro atual é determinado de acordo com ganhos de subquadros, dos subquadros do pelo menos um quadro, e o gradiente de ganho entre os subquadros do pelo menos um quadro; e um ganho de subquadro de outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é determinado de acordo com o ganho de subquadro do subquadro de partida do quadro atual o gradiente de ganho entre os subquadros do pelo menos um quadro.
[0090] De acordo com essa modalidade da presente invenção, em 120, um primeiro gradiente de ganho, entre um último subquadro do quadro prévio ao quadro atual e o subquadro de partida do quadro atual, é estimado de acordo com um gradiente de ganho entre subquadros do quadro prévio ao quadro atual; o ganho de subquadro do subquadro de partida do quadro atual é estimado de acordo com um ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho; um gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, é estimado de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro; e o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é estimado de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual.
[0091] De acordo com essa modalidade da presente invenção, um gradiente de ganho, entre os últimos dois subquadros do quadro prévio, pode ser usado como um valor estimado do primeiro gradiente de ganho. Essa modalidade da presente invenção não é limitada a isso, e uma média ponderada pode ser feita nos gradientes de ganhos entre os múltiplos subquadros do quadro prévio, para obter o valor estimado do primeiro gradiente de ganho.
[0092] Por exemplo, um valor estimado de um gradiente de ganho, entre dois subquadros adjacentes de um quadro atual, pode ser: uma média ponderada de um gradiente de ganho, entre dois subquadros correspondentes em posição aos dois subquadros adjacentes em um quadro prévio ao quadro atual, e de um gradiente de ganho, entre dois subquadros correspondentes em posição aos dois subquadros adjacentes em um quadro prévio ao quadro prévio ao quadro atual, ou um valor estimado de um gradiente de ganho, entre dois subquadros adjacentes de um quadro atual, pode ser: uma média ponderada de gra-dientes de ganhos entre vários subquadros adjacentes, prévios aos dois subquadros adjacentes de um subquadro prévio.
[0093] Por exemplo, em um caso no qual um gradiente de ganho, entre dois subquadros, se refere a uma diferença entre ganhos dos dois subquadros, um valor estimado de um ganho de subquadro de um subquadro de partida de um quadro atual pode ser a soma de um ganho de subquadro de um último subquadro de um quadro prévio e um primeiro gradiente de ganho. Em um caso no qual um gradiente de ganho entre dois subquadros se refere a um fator de atenuação de ganho de subquadro entre dois subquadros, um ganho de subquadro de um subquadro de partida de um quadro atual pode ser o produto de um ganho de subquadro de um último subquadro de um quadro prévio e um primeiro gradiente de ganho.
[0094] Em 120, a média ponderada é feita em um gradiente de ganho, entre os pelo menos dois subquadros do quadro prévio ao quadro atual, para obter o primeiro gradiente de ganho, em que, quando a média ponderada é feita, um gradiente de ganho, entre os subquadros do quadro prévio ao quadro atual, que estão mais próximos do quadro atual, ocupa um maior peso; e o ganho de subquadro do subquadro de partida do quadro atual é estimado de acordo com o ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho, e o tipo (ou referido como uma classe de quadro de um último quadro normal) do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[0095] Por exemplo, em um caso no qual um gradiente de ganho, entre subquadros de um quadro prévio, está aumentando monotonicamente ou diminuindo monotonicamente, a média ponderada pode ser feita em dois gradientes de ganhos (um gradiente de ganho entre um terceiro ao último subquadro e um segundo ao último subquadro, e um gradiente de ganho entre o segundo ao último subquadro e um último subquadro) entre os últimos três subquadros no quadro prévio, para obter um primeiro gradiente de ganho. Em um caso no qual um gradiente de ganho, entre subquadros de um quadro prévio, não está nem aumentando monotonicamente nem diminuindo monotonicamente, a média ponderada pode ser feita em um gradiente de ganho entre dos os subquadros adjacentes no quadro prévio. Os dois subquadros adjacentes prévios a um quadro atual, que estão mais próximos ao quadro atual, indicam uma correlação mais forte entre um sinal de fala, transmitido nos dois subquadros adjacentes, e um sinal de fala transmitido no quadro atual. Nesse caso, o gradiente de ganho, entre subquadros adjacentes, podem ficar mais próximos a um valor real do primeiro gradiente de ganho. Portanto, quando o primeiro gradiente de ganho é estimado, um peso, ocupado por um gradiente de ganho entre subquadros no quadro prévio, que estão mais próximos do quadro atual, pode ser estabelecido em um maior valor. Desse modo, um valor estimado do primeiro gradiente de ganho pode ficar mais próximo do valor real do primeiro gradiente de ganho, de modo que a transição, antes e depois de perda de quadro, é mais contínua, desse modo, aperfeiçoando a qualidade de fala.
[0096] De acordo com essa modalidade da presente invenção, em um método de estimativa de um ganho de subquadro, o ganho estimado pode ser ajustado de acordo com a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual. Especificamente, um gradiente de ganho, entre subquadros do quadro atual, pode ser estimado primeiro, e depois, os ganhos de subquadros, de todos os subquadros do quadro atual, são estimados por uso do gradiente de ganho entre os subquadros, com referência ao ganho de subquadro do último subquadro do quadro prévio ao quadro atual, e com a classe de quadro do último quadro normal prévio ao quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual, como condições determinantes.
[0097] Por exemplo, uma classe de quadro de um último quadro, recebido antes de um quadro atual, pode se referir a uma classe de quadro de um quadro normal mais próximo (que não é um quadro perdido), que é prévio ao quadro atual e é recebido por um lado de decodificador. Por exemplo, considera-se que um lado de codificador envie quatro quadros a um lado de decodificador, em que o lado de decodificador recebe corretamente um primeiro quadro e um segundo quadro, e um terceiro quadro e um quarto quadro são perdidos, e, depois, um último quadro normal, antes de perda de quadro, pode se referir ao segundo quadro. Geralmente, um tipo de quadro pode incluir: (1) um quadro (quadro UNVOICED_CLAS), que tem uma das seguintes características: não pronunciado, silêncio, ruído, e terminação pronun-ciada; (2) um quadro (quadro UNVOICED_TRANSITION) de transição de som não pronunciado a som pronunciado, em que o som pronunciado fica no início, mas é relativamente fraco; (3) um quadro (quadro VOICED_TRANSITION) de transição após o som pronunciado, em que uma característica do som pronunciado já é muito fraca; (4) um quadro (quadro VOICED_CLAS), que tem a característica do som pronunciado, em que um quadro, prévio a esse quadro, é um quadro pronunciado ou um quadro de início pronunciado; (5) um quadro de início (quadro ONSET), que tem um som pronunciado óbvio; (6) um quadro de início (quadro SIN_ONSET), que tem harmônica e ruído misturados; e (7) um quadro (quadro INACTIVE_CLAS), que tem uma característica inativa.
[0098] A quantidade de quadros perdidos consecutivos pode se referir à quantidade de quadros perdidos consecutivos após o último quadro normal, ou pode se referir a um ranking de um quadro atual perdido nos quadros perdidos consecutivos. Por exemplo, um lado de codificador envia cinco quadros a um lado de decodificador, o lado de decodificador recebe corretamente um primeiro quadro e um segundo quadro, e um terceiro quadro e um quarto quadro são perdidos. Se um quadro atual perdido for o quarto quadro, uma quantidade de quadros perdidos consecutivos é 2; ou se um quadro atual perdido for o quinto quadro, uma quantidade de quadros perdidos consecutivos é 3.
[0099] Por exemplo, em um caso no qual um classe de quadro de um quadro atual (que é um quadro perdido) for igual a uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos for menor ou igual a um limiar (por exemplo, 3), um valor estimado de um gradiente de ganho, entre subquadros do quadro atual, fica próximo de um valor real de um gradiente de ganho, entre os subquadros do quadro atual; de outro modo, o valor estimado do gradiente de ganho, entre os subquadros do quadro atual, fica distante do valor real do gradiente de ganho entre os subquadros do quadro atual. Portanto, o gradiente de ganho estimado, entre os subquadros do quadro atual, pode ser ajustado de acordo com a classe de quadro do último quadro recebido, antes do quadro atual, e a quantidade de quadros perdidos consecutivos, de modo que o gradiente de ganho ajustado, entre os subquadros do quadro atual, fique mais próximo do valor real do gradiente de ganho, de modo que a transição, antes e depois de perda de quadro, seja mais contínua, desse modo, aperfeiçoando a qualidade de fala.
[00100] Por exemplo, quando uma quantidade de quadros perdidos consecutivos é inferior a um limiar, se um lado de decodificador determinar que um último quadro normal é um quadro de início de um quadro pronunciado ou um quadro não pronunciado, pode-se determinar que um quadro atual pode ser também um quadro pronunciado ou um quadro não pronunciado. Em outras palavras, pode-se determinar, por uso de uma classe de quadro do último quadro normal, prévio ao quadro atual, e da quantidade de quadros perdidos consecutivos, prévios ao quadro atual, e a quantidade de quadros perdidos consecutivos, prévios ao quadro atual, como condições determinantes, se uma classe de quadro for igual a uma classe de quadro de um último quadro, recebido antes do quadro atual; e se a classe de quadro do quadro atual for igual à classe de quadro do último quadro, recebido antes do quadro atual, um coeficiente de ganho é ajustado para representar um valor relativamente grande; ou se a classe de quadro do quadro atual for diferente da classe de quadro do último quadro, recebido antes do quadro atual, um coeficiente de ganho é ajustado para representar um valor relativamente pequeno.
[00101] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula (1): I-2
[00102]
[00103] em que GainGradFEC [0] é o primeiro gradiente, GainGrad[n -1, j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual,
j = 0, 1, 2, ..., I - 2,
[00104] em que o ganho de subquadro é obtido por uso das seguintes fórmulas (2) e (3): GainShapeTemp [n, 0] = GainShape [n -1,I-1]+Φ * GainGradFEC [0] (2); e GainShape [n, 0] = GainShapeTemp [n, 0] * Φ (3),
[00105] em que GainShape[n-1,I-1] é um ganho de subquadro de um (I - 1)° subquadro do (n - 1)° quadro, GainShape[n,0] é o ganho de subquadro do subquadro de partida do quadro atual, GainShapeTemp[n,0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < Φ < 1.0, 0 < Φ < 1.0, Φ é determinado por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual, e um sinal de adição ou subtração do primeiro gradiente de ganho, e Φ2 é determinado por uso da classe de quadro do último quadro recebido, antes do quadro atual, e de uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00106] Por exemplo, quando uma classe de quadro, de um último quadro recebido antes de um quadro atual, for um quadro pronunciado ou um quadro não pronunciado, se um primeiro gradiente de ganho for positivo, um valor de 91 é relativamente pequeno, por exemplo, inferior a um limiar preestabelecido; ou se um primeiro gradiente de ganho for negativo, um valor de 91 é relativamente grande, por exemplo, superior a um limiar preestabelecido.
[00107] Por exemplo, quando uma classe de quadro de um último quadro, recebido antes de um quadro atual, for um quadro de início de um quadro pronunciado ou um quadro não pronunciado, se um primeiro gradiente de ganho for positivo, um valor de 91 é relativamente grande, por exemplo, superior a um limiar preestabelecido; ou se um primeiro gradiente de ganho for negativo, um valor de 91 é relativamente pequeno, por exemplo, inferior a um limiar preestabelecido.
[00108] Por exemplo, quando uma classe de quadro, de um último quadro recebido antes de um quadro atual, for um quadro pronunciado ou um quadro não pronunciado, e uma quantidade de quadros perdidos consecutivos for inferior ou igual a 3, um valor de 92 é relativamente pequeno, por exemplo, inferior a um limiar preestabelecido.
[00109] Por exemplo, quando uma classe de quadro de um último quadro, recebido antes de um quadro atual, for um quadro de início de um quadro pronunciado ou um quadro de início de um quadro não pronunciado, e uma quantidade de quadros perdidos consecutivos for igual ou inferior a 3, um valor de 92 é relativamente grande, por exemplo, superior a um limiar preestabelecido.
[00110] Por exemplo, para um mesmo tipo de quadros, uma menor quantidade de quantidade de quadros perdidos consecutivos indica um valor superior de 92.
[00111] Em 120, um gradiente de ganho, entre um subquadro, prévio ao último subquadro do quadro prévio ao quadro atual, e o último subquadro do quadro prévio ao quadro atual, é usado como o primeiro gradiente de ganho; e o ganho de subquadro do subquadro de partida do quadro atual é estimado de acordo com o ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00112] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula (4): GainGradFEC [0] = GanGrad [n-1,I-2] (4),
[00113] em que GainGradFEC [0] é o primeiro gradiente de ganho, GainGrad[n-1,l-2] é um gradiente de ganho entre um (I - 2)° subquadro e um (I - 1)° subquadro do quadro prévio ao quadro atual,
[00114] em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas (5), (6) e (7): GainShapeT emp [n, 0] = GainShape [n -1,I-1]+^ * GainGradFEC [0] (5); GainShapeTemp [n, 0] = min (\ * GainShape [n -1,I-1], GainShapeTemp [n, 0]) (6); e GainShape [n, 0] = max (^ * GainShape [n -1,I-1], GainShapeTemp [n,0]) (7),
[00115] em que GainShape[n -1,I -1] é um ganho de subquadro do (I - 1)° subquadro do quadro prévio ao quadro atual, GainShapeTemp[n, 0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < ^ < 1,0, 1 < ^ < 2, 0 < ^ < 1,0, ^ é determinado por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma múltipla relação entre ganhos de subquadros dos últimos dois subquadros do quadro prévio ao quadro atual, e ^ e ^ são determinados por uso da classe de quadro do último quadro recebido, antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00116] Por exemplo, quando uma classe de quadro de um último quadro, recebido antes de um quadro atual, for um quadro pronunciado ou um quadro não pronunciado, o quadro atual pode ser também um quadro pronunciado ou um quadro não pronunciado. Nesse caso, uma maior relação de um ganho de subquadro, de um último subquadro em um quadro prévio, a um ganho de subquadro, do segundo ao último subquadro, indica um maior valor de À1, e uma menor relação de um ganho de subquadro, de um último subquadro em um quadro prévio, a um ganho de subquadro, do segundo ao último subquadro, indica um menor valor de Xi. Além disso, um valor Ài, quando a classe de quadro do último quadro, recebido antes do quadro atual, for o quadro não pronunciado, é maior do que um valor de ÀI, quando a classe de quadro do último quadro, recebido antes do quadro atual, é o quadro pronunciado.
[00117] Por exemplo, se um classe de quadro de um último quadro normal for um quadro não pronunciado, e se, no momento, uma quantidade de quadros perdidos consecutivos prévios for i, o quadro perdido atual segue o último quadro normal, há uma correlação muito forte entre o quadro perdido e o último quadro normal, podendo-se determinar que a energia do quadro perdido é relativamente próxima da energia do último quadro normal, e os valores de X2 e À3 podem ser próximos de 1. Por exemplo, o valor de À2 pode ser 1,2, e o valor de À3 pode ser 0,8.
[00118] Em 120, a obtenção de média ponderada é feita em um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro do quadro prévio ao quadro atual, e em um gradiente de ganho, entre um i° quadro e um (i + 1)° subquadro de um quadro prévio ao quadro prévio ao quadro atual, e um gradiente de ganho, entre um i° subquadro e um (i + 1) subquadro do quadro atual, é estimado, em que i = 0, 1, ..., I - 2, e um peso ocupado pelo gradiente de ganho, entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, é maior do que um peso ocupado pelo gradiente de ganho, entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro prévio ao quadro a-tual; e o ganho de subquadro do outro quadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é estimado de acordo com o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, e o gradiente de ganho do subquadro de partida do quadro atual, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00119] De acordo com essa modalidade da presente invenção, em 120, a obtenção de média ponderada pode ser feita em um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro do quadro prévio ao quadro atual, e um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro do quadro atual, pode ser estimado, em que i = 0, 1, ..., I - 2, e um peso ocupado pelo gradiente de ganho, entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, é maior do que um peso ocupado pelo gradiente de ganho, entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro prévio ao quadro atual; e o ganho de subquadro do outro quadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é estimado de acordo com o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, e o gradiente de ganho do subquadro de partida do quadro atual, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00120] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, e o quadro atual é um n° quadro, o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, é determinado por uso da seguinte equação (8): GainGradFEC [i+1] = GainGrad [n -2,i] * β + GainGrad [n -1,i] * β2
[00121] em que GainGradFEC[i+1] é um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro, GainGrad[n - 2,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro prévio ao quadro atual, GainGrad[n - 2,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, p >pi, p2+ pi = 1.0, e i = 0, 1,2, ..., I - 2,
[00122] em que o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é determinado por uso das seguintes fórmulas (9) e (i0): GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i]* P3 (9); e GainShape[n,i] = GainShapeTemp[n,i]* P4 (10),
[00123] em que GainShape[n,i] é um ganho de subquadro de um i° subquadro do quadro atual, GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, 0< β3 <1.0, o< β4 <1.0, β3 é determinado por uso de uma relação múltipla entre GainGrad[n - 1,i] e GainGrad[n - 1,i + 1] e um sinal de adição ou subtração de GainGrad[n - 1,i + 1], e P4 é determinado por uso da classe de quadro do último quadro, recebido antes do quadro atual, e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00124] Por exemplo, se GainGrad[n - 1,i + 1] for um valor positivo, uma maior relação de GainGrad[n - 1,i + 1] para GainGrad[n - 1,i] indica um maior valor de βa; ou se GainGradFEC [0] for um valor negativo, uma maior relação de GainGrad[n - 1,i + 1] para GainGrad[n - 1,i] indica um menor valor de β3.
[00125] Por exemplo, quando uma classe de quadro de um último quadro, recebido antes que um quadro atual seja um quadro pronunciado ou um quadro não pronunciado, e uma quantidade de quadros perdidos consecutivos é menor ou igual a 3, um valor de β4 é relativamente pequeno, por exemplo, inferior a um limiar preestabelecido.
[00126] Por exemplo, quando uma classe de quadro de um último quadro, recebido antes que um quadro atual seja um quadro inicial de um quadro pronunciado ou um quadro inicial de um quadro não pronunciado, e uma quantidade de quadros perdidos consecutivos é inferior ou igual a 3, um valor de β4 é relativamente grande, por exemplo, maior do que um valor preestabelecido.
[00127] Por exemplo, para um mesmo tipo de quadros, uma quantidade de quadros perdidos consecutivos menor indica um maior valor de β4.
[00128] De acordo com essa modalidade da presente invenção, cada quadro inclui I subquadros, e a estimativa de um gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro, inclui:
[00129] executar a obtenção de média ponderada de I gradientes de ganho entre (I + 1) subquadros prévios a um i° subquadro do quadro atual, e estimar um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um gradiente de ganho entre subquadros, que estão mais próximos ao i° subquadro, ocupa uma maior peso,
[00130] em que a estimativa do ganho de subquadro do outro subquadro, exceto para o subquadro de partida, nos pelo menos dois subquadros, de acordo com o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, e do gradiente de ganho do subquadro de partida do quadro atual, inclui:
[00131] estimar o ganho de subquadro do outro subquadro, exceto para o subquadro de partida, nos pelo menos dois subquadros, de acordo com o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, e o ganho de subquadro do subquadro de partida do quadro atual, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00132] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro, e cada quadro inclui quatro subquadros, o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, é determinado por uso das seguintes fórmulas (11), (12) e (13): GainGradFEC[1] = GainGrad[n - 1,0]* 71 + GainGrad[n - 1,1]* 72 + GainGrad[n - 1,2]* 7 + GainGradFEC [0]* 74; (11) GainGradFEC[2] = GainGrad[n - 1,1]* 7 + GainGrad[n - 1,2]* 7 + GainGradFEC [0]* 7 + GainGradFEC[1]* 74; (12) e GainGradFEC[3] = GainGrad[n - 1,2]*Y1 + GainGradFEC [0]*Y2 + GainGradFEC[1]*Y3 + GainGradFEC[2]*Y4, (13)
[00133] em que GainGradFEC[j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro atual, GainGrad[n-1,j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual, j = 0, 1, 2, ..., I - 2, 7 + 7+7+74 = 1,0, e 7 >7 >7 >/1, em que71, 72, 73, e7 são determinados por uso da classe de quadro do último quadro recebido,
[00134] em que o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadro, é determinado por uso das seguintes fórmulas (14), (15) e (16): GainShapeTemp[n,i] = GainShapeTemp[n,I - 1] + GainGradFEC[i], (14) em que i = 1, 2, 3, e GainShapeTemp[n,0] é o primeiro gradiente de ganho; GainShapeTemp[n,i] = min(75 *GainShape[n - 1,i],GainShapeTemp[n,i]); (15) e GainShape[n,i] = max(76 *GainShape[n - 1,i],GainShapeTemp[n,i]) (16),
[00135] em que GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, i = 1, 2, 3, e GainShape[n,i] é um subquadro do i° subquadro do quadro atual, 75 e 76 são determinados por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual , 1 < r5 < 2, e 0 < r6 < 1.
[00136] Por exemplo, se uma classe de quadro de um último quadro normal for um quadro não pronunciado, e, no momento, uma quantidade de quadros perdidos consecutivos prévios é igual a 1, o quadro perdido atual segue o último quadro normal, há uma correlação muito forte entre o quadro perdido e o último quadro normal, podendo- se determinar que a energia do quadro perdido é relativamente próxima da energia do último quadro normal, e os valores de À5 e Àe podem ser próximos de 1. Por exemplo, o valor de À5 pode ser 1,2, e o valor de Àe pode ser 0,8.
[00137] Em 130, um gradiente de ganho global do quadro atual é estimada de acordo com a classe de quadro do último quadro recebido, antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual; e o ganho global do quadro atual é estimado de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro atual.
[00138] Por exemplo, durante estimativa de um ganho global, um ganho global de um quadro perdido pode ser estimado com base em um ganho global de pelo menos um quadro (por exemplo, um quadro prévio) prévio a um quadro atual, e por uso de condições, tal como uma classe de quadro de um último quadro, que é recebida antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00139] De acordo com essa modalidade da presente invenção, o ganho global do quadro atual é determinado por uso da seguinte fórmula (17): GainFrame = GainFrame_prevfrm*GainAtten, (17)
[00140] em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 < GainAtten < 1.0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00141] Por exemplo, em um caso no qual um lado de decodificador determina que uma classe de quadro de um quadro atual é igual a uma classe de quadro de um último quadro recebido, antes do quadro atual, e uma quantidade de quadros perdidos consecutivos é inferior ou igual a 3, o lado do decodificador pode determinar que um gradiente de ganho global é 1. Em outras palavras, um ganho global de um quadro atual perdido pode ser igual ao ganho global de um quadro prévio, e, portanto, pode-se determinar que o gradiente de ganho global é 1.
[00142] Por exemplo, pode-se determinar que um último quadro normal é um quadro não pronunciado ou um quadro pronunciado, e uma quantidade de quadros perdidos consecutivos é inferior ou igual a 3, um lado de decodificador pode determinar que um gradiente de ganho global é um valor relativamente pequeno, isto é, o gradiente de ganho global pode ser inferior a um limiar preestabelecido. Por exemplo, o limiar pode ser estabelecido em 0,5.
[00143] Por exemplo, em um caso no qual um lado de decodificador determina que um último quadro normal é um quadro inicial de um quadro pronunciado, o lado do decodificador pode determinar um gradiente de ganho global, se modo que o gradiente de ganho global seja maior do que um primeiro limiar preestabelecido. Se a determinação de que o último quadro normal é um quadro inicial de um quadro pronunciado, o lado do decodificador pode determinar que um quadro atual perdido pode ser, muito provavelmente, um quadro pronunciado, e então pode determinar que o gradiente de ganho global é um valor relativamente grande, isto é, o gradiente de ganho global pode ser maior do que um limiar preestabelecido.
[00144] De acordo com essa modalidade da presente invenção, em um caso no qual o lado do decodificador determina que o último quadro normal é um quadro inicial de um quadro não pronunciado, o lado do decodificador pode determinar o gradiente de ganho global, de modo que o gradiente de ganho global seja menor do que o limiar preestabelecido. Por exemplo, se o último quadro normal for um quadro inicial de um quadro não pronunciado, o quadro atual perdido pode ser, muito provavelmente, um quadro não pronunciado, e então o lado do decodificador pode determinar que o gradiente de ganho global é um valor relativamente pequeno, isto é, o gradiente de ganho global pode ser inferior ao limiar preestabelecido.
[00145] Nessa modalidade da presente invenção, um gradiente de ganho de sinal de excitação de banda de alta frequência e um gradiente de ganho global são estimados por uso de condições, tais como, uma classe de quadro de um último quadro normal, antes que ocorra perda de quadro, e uma quantidade de quadros perdidos consecutivos, então um ganho de subquadro e um ganho global de um quadro atual são determinados com referência a um ganho de subquadro de pelo menos um quadro prévio, e o controle de ganho é feito em um sinal de banda de alta frequência reconstruído por uso de dois ganhos, para transmitir um sinal de banda de alta frequência final. Nessa modalidade da presente invenção, quando ocorre perda de quadro, valores fixos não são usados como valores de um ganho de subquadro e de um ganho global, que são necessários durante decodificação, desse modo, impedindo a descontinuidade da energia de sinal provocada por estabelecimento de um valor de ganho fixo, em um caso no qual ocorre perda de quadro, de modo que a transição, antes e após perda de quadro, é mais natural e mais estável, desse modo, atenuando um fenômeno de ruído, e aperfeiçoando a qualidade de um sinal reconstruído.
[00146] A Figura 2 é um fluxograma esquemático de um método de decodificação, de acordo com outra modalidade da presente invenção. O método na Figura 2 é executado por um decodificador, e inclui o seguinte conteúdo:
[00147] 210: Em um caso no qual se determina que um quadro atual é um quadro perdido, sintetizar um sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio ao quadro atual;
[00148] 220: Determinar ganhos de subquadros de pelo menos dois subquadros do quadro atual;
[00149] 230: Estimar um gradiente de ganho global do quadro atual, de acordo com uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual;
[00150] 240: Estimar um ganho global do quadro atual, de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro atual; e
[00151] 250: Ajustar, de acordo com o ganho global e os ganhos de subquadros dos pelo menos dois subquadros, o sinal de banda de alta frequência sintetizado, para obter um sinal de banda de alta frequência do quadro atual.
[00152] De acordo com essa modalidade da presente invenção, o ganho global do quadro atual é determinado por uso da seguinte fórmula:
[00153] GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 <GainAtten < 1.0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00154] As Figuras 3A a 3C são diagramas de tendências de mudança de ganhos de subquadros de um quadro prévio, de acordo com as modalidades da presente invenção. A Figura 4 é um diagrama esquemático de um método de estimativa de um primeiro gradiente de ganho, de acordo com uma modalidade da presente invenção. A Figura 5 é um diagrama esquemático de um método de estimativa de um gradiente de ganho, entre pelo menos dois subquadros de um quadro atual, de acordo com uma modalidade da presente invenção. A Figura 6 é um fluxograma esquemático de um método de decodificação, de acordo com uma modalidade da presente invenção. Essa modalidade na Figura 6 é um exemplo do método da Figura 1.
[00155] 610: Um lado de decodificador analisa as informações do fluxo de bits recebido por um lado de codificador.
[00156] 615: Determinar, de acordo com um sinalizador de perda de quadro, analisado as informações do fluxo de bits, se ocorre perda de quadro.
[00157] 620: Se não ocorre perda de quadro, executar processamento de decodificação normal de acordo com um parâmetro de fluxo de bits obtido do fluxo de bits.
[00158] Durante a decodificação, primeiramente, uma desquantificação é feita em um parâmetro de LSF, um ganho de subquadro e um ganho global, e o parâmetro de LSF é convertido em um parâmetro de LPC, desse modo, obtendo um filtro de síntese de LPC; em segundo lugar, parâmetros, tais como um período de frequência real de som, um livro de códigos algébrico e um respectivo ganho, são obtidos por uso de um decodificador de código, um sinal de excitação de banda de alta frequência é obtido com base em parâmetros, tais como, o período de frequência real de som, o livro de códigos algébrico e o respectivo ganho, e um sinal de banda de alta frequência é sintetizado do sinal de excitação de banda de alta frequência por uso do filtro de síntese de LPC, e, finalmente, um ajuste de ganho é feito no sinal de banda de alta frequência, de acordo com o ganho de subquadro e o ganho global, para recuperar o sinal de banda de alta frequência final.
[00159] Se ocorrer perda de quadro, o processamento de perda de quadro é conduzido. O processamento de perda de quadro inclui as etapas 625 a 660.
[00160] 625: Obter parâmetros, tais como, um período de frequência real de som, um livro de códigos algébrico e um respectivo ganho, de um quadro prévio por uso de um decodificador de código, e com base em parâmetros, tais como, o período de frequência real de som, o livro de códigos algébrico e o respectivo ganho, obter um sinal de excitação de banda de alta frequência.
[00161] 630: Duplicar um parâmetro de LPC do quadro prévio.
[00162] 635: Obter um filtro de síntese de LPC, de acordo com o LPC do quadro prévio, e sintetizar um sinal de banda de alta frequência do sinal de excitação de banda de alta frequência por uso do filtro de síntese de LPC.
[00163] 640: Estimar um primeiro gradiente de ganho de um último subquadro do quadro prévio a um subquadro de partida do quadro atual, de acordo com um gradiente de ganho entre subquadros do quadro prévio.
[00164] Nessa modalidade, uma descrição é proporcionada por uso de um exemplo, no qual cada quadro tem nele os ganhos totais de quatro subquadros. Considera-se que o quadro atual é um n° quadro, isto é, o n° quadro é um quadro perdido. Um quadro prévio é um (n - 1)° quadro, e um quadro prévio ao quadro prévio é um (n - 2)° quadro. Os ganhos de quatro subquadros do n° quadro são GainShape[n,0], GainShape[n,1], GainShape[n,2], e GainShape[n,3]. De modo similar, os ganhos de quatro subquadros do (n - 1)° quadro são GainShape[n - 1,0], GainShape[n - 1,1], GainShape[n - 1,2], e GainShape[n - 1,3], e os ganhos de quatro subquadros do *n - 2)° quadro são GainShape[n - 2,0], GainShape[n - 2,1], GainShape[n - 2,2], e GainShape[n - 2,3]. Nessa modalidade da presente invenção, diferentes algoritmos de estimativa são usados para um ganho de subquadro GainShape[n,0] (isto é, um ganho de subquadro do quadro atual cujo número de série é 0) de um primeiro subquadro do n° quadro e os ganhos de subquadros dos três subquadros seguintes. Um procedimento de estimativa do ganho de subquadro GainShape[n,0] do primeiro subquadro é: uma variação de ganho é calculada, de acordo com uma tendência e um grau de variação, entre ganhos de subquadro do (n - 1)° quadro, e o ganho de subquadro GainShape[n,0] do primeiro subquadro é estimado por uso da variação de ganho e o ganho GainShape[n - 1,3] do quarto subquadro (isto é, um ganho de um subquadro do quadro prévio cujo número de série é 3) do (n - 1)° quadro e com referência a uma classe de quadro de um último quadro, recebido antes do quadro atual, e a uma quantidade de quadros perdidos consecutivos. Um procedimento de estimativa para os três subquadros seguintes é: uma variação de ganho é calculada, de acordo com uma tendência e um grau de variação entre um ganho de subquadro do (n - 1)° quadro e um ganho de subquadro do (n - 2)° quadro, e os ganhos do três subquadros seguintes são estimados por uso da variação de ganho e do ganho de subquadro estimado do primeiro subquadro do n° subquadro e com referência à classe de quadro do último quadro, recebido antes do quadro atual, e à quantidade de quadros perdidos consecutivos.
[00165] Como mostrado na Figura 3A, a tendência e o grau (ou gradiente) de mudança entre os ganhos do (n - 1)° quadro aumentam monotonicamente. Como mostrado na Figura 3B, a tendência e o grau (ou gradiente) de mudança entre os ganhos do (n - 1)° quadro diminuem monotonicamente. Uma fórmula para calcular o primeiro gradiente de ganho pode ser a seguinte: GainGradFEC [0] = GainGrad[n-1,1]* a1 + GainGrad[n-1,2]* a2,
[00166] em que GainGradFEC [0] é o primeiro gradiente de ganho, isto é, um gradiente de ganho entre um último subquadro do (n - 1)° quadro e o primeiro subquadro do n° quadro, GainGrad[n-1,1] é um gradiente de ganho entre um primeiro subquadro e um segundo subquadro do (n - 1)° subquadro, ('a > a1, e a + ('a = 1, isto é, um gradiente de ganho, entre subquadros que estão mais próximos ao n° subquadro, ocupa um maior peso. Por exemplo, a1 = 0,1 e a2 = 0,9.
[00167] Como mostrado na Figura 3C, a tendência e o grau (ou gradiente) de mudança entre os ganhos do (n - 1)° quadro não são monotônicos (por exemplo, são aleatórios). Uma fórmula para calcular o gradiente de ganho pode ser a seguinte: GainGradFEC [0] = GainGrad[n-1,0]* a1 + GainGrad[n-1,1]* a2 + GainGrad[n-1,2]* a3,
[00168] em que a > a2 > a1, e a + a2 + a = 1,0, isto é, um gradiente de ganho, entre subquadros que estão mais próximos ao n° subquadro, ocupa um maior peso. Por exemplo, a1 = 0.2, a2 = 0.3, e a3 = 0.5.
[00169] 645: Estimar um ganho de subquadro do subquadro de partida do quadro atual de acordo com um ganho de subquadro do último subquadro do quadro atual o primeiro gradiente de ganho.
[00170] Nessa modalidade da presente invenção, uma quantidade intermediária GainShapeTemp[n,0], do ganho de subquadro GainShape[n,0] do primeiro subquadro do n° quadro, pode ser calculada de acordo com uma classe de quadro de um último quadro recebido antes do n° quadro e o primeiro gradiente de ganho GainGradFEC [0]. As etapas específicas são as seguintes: GainShapeTemp[n,0] = GainShape[n-1,3] + Φ1 *GainGradFEC [0],
[00171] em que 0 < 91 < 0, e 91 é determinado por uso da classe de quadro do último quadro recebido antes do n° quadro e positividade ou negatividade de GainGradFEC [0].
[00172] GainShape[n,0]é obtido por cálculo de acordo com a quantidade intermediária de GainShapeTemp[n,0]: GainShape[n,0] = GainShapeTemp[n,0] * r?2,
[00173] em que r?2é determinado por uso da classe de quadro do último quadro recebido antes do n° quadro e de uma quantidade de quadros perdidos consecutivos prévios ao n° quadro.
[00174] 650: Estimar um gradiente de ganho entre múltiplos subquadros do quadro atual, de acordo com um gradiente de ganho entre subquadros de pelo menos um quadro; e estimar um ganho de subquadro de outro subquadro, exceto para o subquadro de partida nos múltiplos subquadros, de acordo com o gradiente de ganho entre os múltiplos subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual.
[00175] Com referência à Figura 5, nessa modalidade da presente invenção, um gradiente de ganho GainGradFEC[i + 1], entre os pelo menos dois subquadros do quadro atual, pode ser estimado de acordo com o gradiente de ganho entre subquadros do (n - 1)° quadro e um gradiente de ganho entre subquadros do (n - 2)° quadro: GainGradFEC[i + 1] = GainGrad[n-2,i]* Abetta1 + GainGrad[n-1,i]* &,
[00176] em que i = 0, 1, 2, e ^ + @2 = 1,0, isto é, um gradiente de ganho entre subquadros, que estão mais próximos a n° subquadro, ocupa um maior peso, por exemplo, β1 = 0,4 e β2 = 0,6.
[00177] Uma quantidade intermediária GainShapeTemp[n,i] de ganhos de subquadros é calculada de acordo com a seguinte fórmula: GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i]* β3,
[00178] em que i = 1, 2, 3, 0- β3 -1.0, e β3 pode ser determinado por uso de GainGrad[n-1,x]; por exemplo, quando GainGrad[n-1,2] é maior do que 10.0*GainGrad[n-1,1], e GainGrad[n-1,1] é maior do que 0, um valor de βs é 0,8.
[00179] Os ganhos de subquadros dos subquadros são calculados de acordo com a seguinte fórmula: GainShape[n,i] = GainShapeTemp[n,i]* @4,
[00180] em que i = 1, 2, 3, e ^4 é determinado por uso da classe de quadro do último quadro recebido antes do n° quadro e da quantidade de quadros perdidos consecutivos prévios ao n° quadro.
[00181] 655: Estimar um gradiente de ganho global de acordo com uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00182] Um gradiente de ganho global GainAtten pode ser determinado de acordo com a classe de quadro do último quadro, recebido antes do quadro atual, e da quantidade de quadros perdidos consecutivos, e 0 < GainAtten < 1,0. Por exemplo, um princípio básico de determinação de um gradiente de ganho global pode ser: quando uma classe de quadro de um último quadro recebido antes de um quadro atual for um som de atrito, o gradiente de ganho global adota um valor próximo a 1, por exemplo, GainAtten = 0,95. Por exemplo, quando a quantidade de quadros perdidos consecutivos é superior a 1, o gradiente de ganho global adota um valor relativamente pequeno (por exemplo, que é próximo de 0), por exemplo, GainAtten = 0,5.
[00183] 660: Estimar um ganho global do quadro atual de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro atual. Um ganho global de um quadro atual perdido pode ser obtido por uso da seguinte fórmula: GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame_prevfrm é o ganho global do quadro prévio.
[00184] 665: Executar ajuste de ganho em um sinal de banda de alta frequência sintetizado de acordo com o ganho global e os ganhos de subquadros, desse modo, recuperando um sinal de banda de alta frequência do quadro atual. Essa etapa é similar a uma técnica convencional, e detalhes não são descritos de novo no presente relatório descritivo.
[00185] Nessa modalidade da presente invenção, um método de processamento de perda de quadro convencional, em uma tecnologia de extensão de alta largura de banda de domínio temporal, é usado, de modo que a transição, quando ocorre perda de quadro, é mais natural e mais estável, desse modo, enfraquecendo um fenômeno de ruído (clique) provocado por perda de quadro, e aperfeiçoando a qualidade de um sinal de fala.
[00186] Opcionalmente, como uma outra modalidade, 640 e 645, nessa modalidade da Figura 6, podem ser substituídos pelas seguintes etapas:
[00187] Primeira etapa: Usar um gradiente de variação GainGrad[n - 1,2], de um ganho de subquadro, do segundo ao último subquadros, a um ganho de subquadro de um último subquadro em um (n - 1)° subquadro (que é o quadro prévio), como um primeiro gradiente de ganho GainGradFEC [0], isto é, GainGradFEC [0] = GainGrad[n-1,2].
[00188] Segunda etapa: Com base no ganho de subquadro do último subquadro do (n - 1)° quadro, e com referência a uma classe de quadro do último quadro, recebido antes do quadro atual, no primeiro gradiente de ganho GainGradFEC [0], calcular uma quantidade intermediária de GainShapeTemp[n,0] de um ganho GainShape[n,0] de um primeiro subquadro: GainShapeTemp[n,0] = GainShape[n-1,3] + ^ * GainGradFEC [0],
[00189] em que GainShape[n-1,3] é um ganho de um quarto subquadro do (n - 1)° quadro, 0 < 4 < 1,0, e 4 é determinado por uso de uma relação múltipla entre uma classe de quadro de um último quadro recebido, antes do n° quadro, e ganhos de pelo menos dois subquadros do quadro prévio ao quadro prévio.
[00190] Terceira etapa: Obter GainShape[n,0] por cálculo de acordo com a quantidade intermediária GainShapeTemp[n,0]: GainShapeTemp[n,0] = min( ^2 * GainShape[n-1,3],GainShapeTemp[n,0]); e GainShape[n,0] = max( 7 *GainShape[n-1,3],GainShapeTemp[n,0]);
[00191] em que 72 e 73 são determinados por uso da classe de quadro do último quadro recebido, antes do quadro atual, e da quantidade de quadros perdidos consecutivos, e uma relação do ganho de subquadro estimado GainShape[n,0] de um primeiro subquadro para o ganho de subquadro GainShape[n-1,3] do último subquadro do (n - 1)° quadro está dentro de uma faixa.
[00192] Opcionalmente, como uma outra modalidade, 650, nessa modalidade na Figura 6, pode ser substituído pelas seguintes etapas:
[00193] Primeira etapa: Estimar gradientes de ganho GainGrad[n- 1,x] and GainGradFEC [0]: GainGradFEC[1] = GainGrad[n-1,0]* 71 + GainGrad[n-1,1]* 72 + GainGrad[n-1,2]* 73 + GainGradFEC [0]* 74; GainGradFEC[2] = GainGrad[n-1,1]* 7 + GainGrad[n-1,2]* 72 + GainGradFEC [0]*73 + GainGradFEC[1]*74; and GainGradFEC[3] = GainGrad[n-1,2]* 7 + GainGradFEC [0]* 72 + GainGradFEC[1]*73 + GainGradFEC[2]*74;
[00194] em que 7 + 72+ 73+ 7 = 1,0, 7 >73 >72 >7S e 71, 72, 73, e 7 são determinados por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual.
[00195] Segunda etapa: Calcular as quantidades intermediárias GainShapeTemp[n,1] a GainShapeTemp[n,3] dos ganhos de subquadros GainShape[n,1] a GainShape[n,3], entre os subquadros do n° quadro: GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i], em que i = 1, 2, 3, e GainShapeTemp[n,0] é um ganho de subquadro de um primeiro subquadro do n° quadro.
[00196] Terceira etapa: Calcular os ganhos de subquadros GainShape[n,1] a GainShape[n,3] entre os subquadros do n° quadro, de acordo com as quantidades intermediárias GainShapeTemp[n,1] a GainShapeTemp[n,3]: GainShapeTemp[n,i] = min( ^5 *GainShape[n-1,i],GainShapeTemp[n,i]); e GainShape[n,i] = max( ^6 * GainShape[n-1,i],GainShapeTemp[n,i]);
[00197] em que i = 1, 2, 3, e 75 e 76 são determinados por uso da classe de quadro do último quadro recebido antes do n° quadro e da quantidade de quadros perdidos consecutivos prévios ao n° quadro.
[00198] A Figura 7 é um diagrama estrutural esquemático de um aparelho de decodificação 700, de acordo com uma modalidade da presente invenção. O aparelho de decodificação 700 inclui um módulo gerador 710, um módulo determinador 720 e um módulo ajustador 730.
[00199] O módulo gerador 710 é configurado para, em um caso no qual se determina que um quadro atual é um quadro perdido, sintetizar um sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio ao quadro atual. O módulo determinador 720 é configurado para determinar ganhos de subquadros de pelo menos dois subquadros do quadro atual, de acordo com ganhos de subquadros de subquadros de pelo menos um quadro prévio ao quadro atual, e um gradiente de ganho entre os subquadros do pelo menos um quadro, e determinar um ganho global do quadro atual. O módulo ajustador 730 é configurado para ajustar, de acordo com o ganho global e os ganhos de subquadros dos pelo menos dois subquadros, que são determinados pelo módulo determinador, o sinal de banda de alta frequência sintetizado pelo módulo gerador, para obter um sinal de banda de alta frequência do quadro atual.
[00200] De acordo com essa modalidade da presente invenção, o módulo determinador 720 determina um ganho de subquadro de um subquadro de partida do quadro atual, de acordo com ganhos de subquadros dos subquadros do pelo menos um quadro, e o gradiente de ganho entre os subquadros do pelo menos um quadro; e determina um ganho de subquadro de outro subquadro, exceto par a o subquadro de partida nos pelo menos dois subquadros, de acordo com o ganho de subquadro do subquadro de partida do quadro atual e do gradiente de ganho entre os subquadros do pelo menos um quadro.
[00201] De acordo com essa modalidade da presente invenção, o módulo determinador 720: estima um primeiro gradiente de ganho, entre um último subquadro do quadro prévio ao quadro atual e o subquadro de partida do quadro atual, de acordo com um gradiente de ganho entre subquadros do quadro prévio ao quadro atual; estima o ganho de subquadro do subquadro de partida do quadro atual, de acordo com um ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho; estima um gradiente de ganho entre os pelo menos dois subquadros do quadro atual, de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro; e estima o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual, e o gradiente de ganho do subquadro de partida do quadro atual.
[00202] De acordo com essa modalidade da presente invenção, o módulo determinador 720 executa a obtenção de uma média ponderada em um gradiente de ganho, entre os pelo menos dois subquadros do quadro prévio ao quadro atual, para obter o primeiro gradiente de ganho, e estima o ganho de subquadro do subquadro de partida do quadro atual, de acordo com o ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho, e a classe de quadro do último quadro, recebido antes do quadro a-tual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual, em que, quando uma média ponderada é obtida, um gradiente de ganho entre subquadros do quadro prévio ao quadro a-tual, que estão mais próximos do quadro atual, ocupa um maior peso.
[00203] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula:
, em que GainGradFEC [0] é o j=0 primeiro gradiente de ganho, GainGrad[n-1, j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual, 
, em que o ganho j=0 de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeTemp [n,0] = GainShape [n -1,I-1]+Φ * GainGradFEC [0]. θ GainShape [n, 0] = GainShapeTemp [n, 0] * Φ2 • ;
[00204] em que GainShape[n-1,I-1] é um ganho de subquadro de um (I - 1)° subquadro do (n - 1)° quadro, GainShape[n,0] é o ganho de subquadro do subquadro de partida do quadro atual, GainShapeTemp[n,o] é um valor intermediário de ganho de subquadro, 0 < Φ1 < 1,0, 0 < Φ2 < 1,0, Φ1 é determinado por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual, e um sinal de adição ou subtração do primeiro gradiente de ganho, e 92 é determinado por uso da classe de quadro, do último quadro, recebido antes do quadro atual, e de uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00205] De acordo com essa modalidade da presente invenção, o módulo determinador 720: usa um gradiente de ganho, entre um subquadro prévio ao último subquadro do quadro prévio ao quadro atual e o último subquadro do quadro prévio ao quadro atual, como o primeiro gradiente de ganho; e estima o ganho de subquadro do subquadro de partida do quadro atual, de acordo com o ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho, e a classe de quadro, do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00206] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula: GainGradFEC[o] = GainGrad [n -1, I - 2], em que GainGradFEC [o] é o primeiro gradiente de ganho, GainGrad[n -1, I - 2] é um gradiente de ganho entre um (I - 2)° subquadro e um (I - 1)° subquadro do quadro prévio ao quadro atual, em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeT emp [n, 0] = GainShape [n -1,I-1]+^ * GainGradFEC [0]; GainShapeTemp [n, 0] = min ( A 2 * GainShape [n -1,I-1], GainShapeTemp [n,0]); e GainShape [n, 0] = max(A * GainShape [n -1,I-1], GainShapeTemp [n,0]),
[00207] em que GainShape[n -1,I -1] é um ganho de subquadro do (I - 1)° subquadro do quadro prévio ao quadro atual, GainShapeTemp[n,0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < \ < 1,0, 1 < ^ < 2, 0 < ^ < 1,0, \ é determinado por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma múltipla relação entre ganhos de subquadros dos últimos dois subquadros do quadro prévio ao quadro atual, e ^ e ^ são determinados por uso da classe de quadro do último quadro recebido, antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00208] De acordo com essa modalidade da presente invenção, cada quadro inclui I subquadros, o módulo determinador 720 obtém a média ponderada em um gradiente de ganho, entre (i)° subquadro prévio do quadro prévio ao quadro atual, e um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro de um quadro prévio ao quadro prévio ao quadro atual, e estima um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um peso ocupado pelo gradiente de ganho, entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, é maior do que um peso ocupado pelo gradiente de ganho, entre o i° subquadro e um (i + 1)° subquadro de um quadro prévio ao quadro prévio ao quadro atual; e o módulo determinador 720 estima o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho, entre os pelo menos dois subquadros do quadro prévio, e o ganho de subquadro do subquadro de partida do quadro atual, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00209] De acordo com essa modalidade da presente invenção, o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, é determinado por uso da seguinte equação: GainGradFEC [i+1] = GainGrad [n -2,i] * β + GainGrad [n -1,i] * β2 ,
[00210] em que GainGradFEC[i+1] é um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro, GainGrad [n-2,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro prévio ao quadro atual, GainGrad[n-2,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, P2 >p, P2+ p1 = 1.0, e i = 0, 1,2, ..., I - 2,
[00211] em que o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é determinado por uso das seguintes fórmulas (9) e (10): GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i]* P3; e GainShape[n,i] = GainShapeTemp[n,i]*P4 ,
[00212] em que GainShape[n,i] é um ganho de subquadro de um i° subquadro do quadro atual, GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, 0< β3 < 1.0, o< β4 < 1.0, β3 é determinado por uso de uma relação múltipla entre GainGrad[n - 1,i] e GainGrad[n - 1,i + 1] e um sinal de adição ou subtração de GainGrad[n - 1,i + 1], e P4 é determinado por uso da classe de quadro do último quadro, recebido antes do quadro atual, e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00213] De acordo com essa modalidade da presente invenção, o módulo determinador 720 obtém a média ponderada em um gradiente de ganho, entre um i° subquadro e um (i + 1) subquadro do quadro prévio ao quadro atual, e um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro de um quadro prévio ao quadro prévio ao quadro atual, e estima um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um peso ocupado pelo gradiente de ganho, entre um i° subquadro e um (i + 1) subquadro do quadro prévio ao quadro atual, é maior do que um peso ocupado pelo gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro do quadro prévio ao quadro prévio ao quadro atual; e o módulo determinador 720 estima o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho, entre os pelo menos dois subquadros do quadro prévio, e o ganho de subquadro do subquadro de partida do quadro atual, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00214] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro, e cada quadro inclui quatro subquadros, o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, é determinado por uso das seguintes fórmulas: GainGradFEC[1] = GainGrad[n - 1,0]* Y1 + GainGrad[n - 1,1]* Y2 + GainGrad[n - 1,2]* ^ + GainGradFEC [0]* r4; GainGradFEC[2] = GainGrad[n - 1,1]* K + GainGrad[n - 1,2]* ;' + GainGradFEC [0]* ^ + GainGradFEC[1]* r4; e GainGradFEC[3] = GainGrad[n - 1,2]* K + GainGradFEC [0]* ;' + GainGradFEC[1]* -^ + GainGradFEC[2]* r4,
[00215] em que GainGradFEC[j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro atual, GainGrad[n-1,j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual, j = 0, 1, 2, ..., I - 2, %1 + 72 + 73+74 = I,O, e 74 >73 >% >/1, em queYI, %2, %3, e% 4 são determinados por uso da classe de quadro do último quadro recebido,
[00216] em que o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadro, é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,I - 1] + GainGradFEC[i],
[00217] em que i = 1, 2, 3, e GainShapeTemp[n,0] é o primeiro gradiente de ganho; GainShapeTemp[n,i] = min( Y5 *GainShape[n - 1,i],GainShapeTemp[n,i]); e GainShape[n,i] = max( Y6 *GainShape[n - 1,i],GainShapeTemp[n,i]),
[00218] em que GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, i = 1, 2, 3, e GainShape[n,i] é um subquadro do i° subquadro do quadro atual, Y5 e Y6 são determinados por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual , 1 < Y5 < 2, e 0 < Y6 < 1.
[00219] De acordo com essa modalidade da presente invenção, o módulo determinador 720: estima um gradiente de ganho global do quadro atual, de acordo com a classe de quadro do último quadro recebido, antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual; e estima o ganho global do quadro atual, de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro atual.
[00220] De acordo com essa modalidade da presente invenção, o ganho global do quadro atual é determinado por uso da seguinte fórmula: GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 < GainAtten < 1,0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00221] A Figura 8 é um diagrama estrutural esquemático de um aparelho de decodificação 800, de acordo com outra modalidade da presente invenção. O aparelho de decodificação 800 inclui um módulo gerador 810, um módulo determinador 820 e um módulo ajustador 830.
[00222] Em um caso no qual se determina que um quadro atual é um quadro perdido, o módulo gerador 810 sintetiza um sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio ao quadro atual. O módulo determinador 820 determina ganhos de subquadros de pelo menos dois subquadros do quadro atual, estima um gradiente de ganho global do quadro atual, de acordo com uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual, e estima um ganho global do quadro atual, de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro atual. O módulo ajustador 830 ajusta, de acordo com o ganho global e os ganhos de subquadros dos dois pelo menos dois subquadros, que são determinados pelo módulo determinador, o sinal de banda de alta frequência sintetizado pelo módulo gerador, para obter um sinal de banda de alta frequência do quadro atual.
[00223] De acordo com essa modalidade da presente invenção, GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 < GainAtten < 1,0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00224] A Figura 9 é um diagrama estrutural esquemático de um aparelho de decodificação 900, de acordo com outra modalidade da presente invenção. O aparelho de decodificação 900 inclui um processador 910, uma memória 920 e uma barra de comunicações 930.
[00225] O processador 910 é configurado para invocar, por uso da barra de comunicações 930, o código armazenado na memória 920, para: sintetizar, em um caso no qual se determina que um quadro atual é um quadro perdido, uma sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio ao quadro atual; determinar ganhos de subquadros de pelo menos dois subquadros do quadro atual, de acordo com ganhos de subquadros de subquadros de pelo menos um quadro prévio ao quadro atual, e um gradiente de ganho entre os subquadros do pelo menos um quadro; determinar um ganho global do quadro atual; e ajustar, de acordo com o ganho global e os ganhos de subquadros dos pelo menos dois subquadros, o sinal de banda de alta frequência sintetizado pelo módulo gerador, para obter um sinal de banda de alta frequência do quadro atual.
[00226] De acordo com essa modalidade da presente invenção, o processador 910 determina um ganho de subquadro de um subquadro de partida do quadro atual, de acordo com ganhos de subquadros dos subquadros do pelo menos um quadro, e o gradiente de ganho entre os subquadros do pelo menos um quadro; e determina um ganho de subquadro de outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o ganho de subquadro do quadro atual e o gradiente de ganho entre os subquadros do pelo menos um quadro.
[00227] De acordo com essa modalidade da presente invenção, o processador 910: estima um primeiro gradiente de ganho, entre um último subquadro do quadro prévio ao quadro atual e o subquadro de partida do quadro atual, de acordo com um gradiente de ganho entre subquadros do quadro prévio ao quadro atual; estima o ganho de subquadro do subquadro de partida do quadro atual, de acordo com um ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho; estima um gradiente de ganho entre os pelo menos dois subquadros do quadro atual, de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro; e estima o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual.
[00228] De acordo com essa modalidade da presente invenção, o processador 910 obtém uma média ponderada em um gradiente de ganho, entre pelo menos dois subquadros do quadro prévio ao quadro atual, para obter o primeiro gradiente de ganho, e estima o ganho de subquadro do subquadro de partida do quadro atual, de acordo com o ganho de subquadro do ultimo subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual, em que, quando a média ponderada é obtida, um gradiente de ganho entre subquadros do quadro prévio ao quadro atual, que estão mais próximos do quadro atual, ocupa um maior peso.
[00229] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula:
, em que GainGradFEC [0] é o j=0 primeiro gradiente de ganho, GainGrad[n-1, j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual, 
, em que o ganho j=0 de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeTemp [n,0] = GainShape [n -1,I-1]+Φ * GainGradFEC [0]. θ GainShape [n, 0] = GainShapeTemp [n, 0] * Φ2 • ;
[00230] em que GainShape[n-1,I-1] é um ganho de subquadro de um (I - 1)° subquadro do (n - 1)° quadro, GainShape[n,0] é o ganho de subquadro do subquadro de partida do quadro atual, GainShapeTemp[n,0] é um valor intermediário de ganho de subquadro, 0 < Φi < 1,0, 0, 92 < 1,0, Φi é determinado por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual, e um sinal de adição ou subtração do primeiro gradiente de ganho, e Φ2 é determinado por uso da classe de quadro, do último quadro, recebido antes do quadro atual, e de uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00231] De acordo com essa modalidade da presente invenção, o processador 910: usa um gradiente de ganho, entre um subquadro prévio ao último subquadro do quadro prévio ao quadro atual e o último subquadro do quadro prévio ao quadro atual, como o primeiro gradiente de ganho; e estima o ganho de subquadro do subquadro de partida do quadro atual, de acordo com o ganho de subquadro do último subquadro do quadro prévio ao quadro atual e o primeiro gradiente de ganho, e a classe de quadro do último quadro recebido, antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00232] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula: GainGradFEC [0] = GainGrad [n-1,I-2], em que GainGradFEC [0] é o primeiro gradiente de ganho, GainGrad [n-1,l-2] é um gradiente de ganho entre um (I - 2)° subquadro e um (I - 1)° subquadro do quadro prévio ao quadro atual, em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeT emp [n, 0] = GainShape [n -1,I-1]+\ * GainGradFEC [0]; GainShapeTemp [n, 0] = min (Z2 * GainShape [n -1,I-1], GainShapeTemp [n,0]); e GainShape [n, 0] = max (^ * GainShape [n -1,I-1], GainShapeTemp [n,0]),
[00233] em que GainShape[n -1,I -1] é um ganho de subquadro do (I - 1)° subquadro do quadro prévio ao quadro atual, GainShapeTemp[n, 0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < À1 < 1,0, 1 < À2 < 2, 0 < À3 < 1,0, À1 é determinado por uso de uma classe de quadro de um último quadro, recebido antes do quadro atual, e uma múltipla relação entre ganhos de subquadros dos últimos dois subquadros do quadro prévio ao quadro atual, e À2 e À3 são determinados por uso da classe de quadro do último quadro recebido, antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00234] De acordo com essa modalidade da presente invenção, cada quadro inclui I subquadros, o processador 910 obtém uma média ponderada em um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro do quadro prévio ao quadro atual, e um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro de um quadro prévio ao quadro prévio ao quadro atual, e estima um ganho de subquadro entre um i° subquadro e um (i + 1)° subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um peso ocupado pelo gradiente de ganho, entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, é maior do que um peso ocupado pelo gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual; e estima o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual, e o gradiente de ganho do subquadro de partida do quadro atual, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00235] De acordo com essa modalidade da presente invenção, o gradiente de ganho entre os pelo menos dois subquadros do quadro atual é determinado por da seguinte equação: GainGradFEC [i+1] = GainGrad [n -2,i] * β + GainGrad [n -1,i] * β2 , em que GainGradFEC[i+1] é um gradiente de ganho entre um i° subquadro e um (i + 1)° subquadro, GainGrad[n-2,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro prévio ao quadro atual, GainGrad[n-2,i] é o gradiente de ganho entre o i° subquadro e o (i + 1)° subquadro do quadro prévio ao quadro atual, p2>p, p+p= 1.0, e i = 0, 1, 2, ..., I - 2, em que o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i]* P3; e GainShape[n,i] = GainShapeTemp[n,i]* @4,
[00236] em que GainShape[n,i] é um ganho de subquadro de um i° subquadro do quadro atual, GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, 0 < βs < 1,0, 0 < β4 < 1,0, βs é determinado por uso de uma relação múltipla entre GainGrad[n - 1,i] e GainGrad[n - 1,i + 1] e um sinal de adição ou subtração de GainGrad[n - 1,i + 1], e β4 é determinado por uso da classe de quadro do último quadro, recebido antes do quadro atual, e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00237] De acordo com essa modalidade da presente invenção, o processador 910 executa a obtenção de média ponderada em um I gradientes de ganho, entre (i + 1) subquadros prévios a um i° subquadro do quadro atual, e estima um gradiente de ganho, entre um i° subquadro e um (i + 1)° subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um gradiente de ganho entre subquadros, que estão mais próximos ao i° subquadro, ocupa um maior peso, e estima o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadros, de acordo com o gradiente de ganho, entre os pelo menos dois subquadros do quadro prévio, e o ganho de subquadro do subquadro de partida do quadro atual, e a classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00238] De acordo com essa modalidade da presente invenção, quando o quadro prévio ao quadro atual é um (n - 1)° quadro, o quadro atual é um n° quadro, e cada quadro inclui quatro subquadros, o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual, é determinado por uso das seguintes fórmulas: GainGradFEC[1] = GainGrad[n - 1,0]* Y1 + GainGrad[n - 1,1]* Y2 + GainGrad[n - 1,2]* 7 + GainGradFEC [0]* 74; GainGradFEC[2] = GainGrad[n - 1,1]* 7 + GainGrad[n - 1,2]* 7 + GainGradFEC [0]* 7 + GainGradFEC[1]* 74; e GainGradFEC[3] = GainGrad[n - 1,2]*Y1 + GainGradFEC [0]*Y2 + GainGradFEC[1]*Y3 + GainGradFEC[2]*Y4,
[00239] em que GainGradFEC[j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro atual, GainGrad[n-1,j] é um gradiente de ganho entre um j° subquadro e um (j + 1)° subquadro do quadro prévio ao quadro atual, j = 0, 1, 2, ..., I - 2, Yi + Y2 + Y3+Y4 = 1,0, e 74 >7 >7 >Xi, em queYi, 72, 73, θ74 são determinados por uso da classe de quadro do último quadro recebido,
[00240] em que o ganho de subquadro do outro subquadro, exceto para o subquadro de partida nos pelo menos dois subquadro, é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,I - 1] + GainGradFEC[i], em que i = 1, 2, 3, e GainShapeTemp[n,0] é o primeiro gradiente de ganho; GainShapeTemp[n,i] = min(75 *GainShape[n - 1,i],GainShapeTemp[n,i]); e GainShape[n,i] = max(76 *GainShape[n - 1,i],GainShapeTemp[n,i]),
[00241] em que GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i° subquadro do quadro atual, i = 1, 2, 3, e GainShape[n,i] é um subquadro do i° subquadro do quadro atual, 75 e 76 são determinados por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual , 1 < 75 < 2, e 0 < 76 < 1.
[00242] De acordo com essa modalidade da presente invenção, o processador 910: estima um gradiente de ganho global do quadro a- tual, de acordo com uma classe de quadro do último quadro, recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual; e estima o ganho global do quadro atual, de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro prévio.
[00243] De acordo com essa modalidade da presente invenção, o ganho global do quadro atual é determinado por uso da seguinte fórmula:
[00244] GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 < GainAtten < 1,0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00245] A Figura 10 é um diagrama estrutural esquemático de um aparelho de decodificação 1000, de acordo com uma modalidade da presente invenção. O aparelho de decodificação 1000 inclui um processador 1010, uma memória 1020 e um barramento de comunicação 1030.
[00246] O processador 1010 é configurado para invocar, por uso da barra de comunicações 1030, o código armazenado na memória 1020, para: sintetizar, em um caso no qual se determina que um quadro atual é um quadro perdido, uma sinal de banda de alta frequência, de acordo com um resultado de decodificação de um quadro prévio ao quadro atual; determinar ganhos de subquadros de pelo menos dois subquadros do quadro atual; estimar um gradiente de ganho global do quadro atual, de acordo com uma classe de quadro de um último quadro recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual; estimar um ganho global do quadro atual, de acordo com o gradiente de ganho global, e um ganho global do quadro prévio ao quadro atual; e ajustar, de acordo com o ganho global e os ganhos de subquadros dos pelo menos dois subquadros, o sinal de banda de alta frequência sintetizado para obter um sinal de banda de alta frequência do quadro atual.
[00247] De acordo com essa modalidade da presente invenção, GainFrame = GainFrame_prevfrm*GainAtten, em que GainFrame é o ganho global do quadro atual, GainFrame_prevfrm é o ganho global do quadro prévio ao quadro atual, 0 < GainAtten < 1,0, GainAtten é o gradiente de ganho global, e GainAtten é determinado por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
[00248] Uma pessoa versada na técnica pode estar ciente que, em combinação com os exemplos descritos nas modalidades apresentadas neste relatório descritivo, unidades e etapas de algoritmos podem ser implementadas por hardware eletrônico ou por uma combinação de software computadorizado e hardware eletrônico. Se as funções são executadas por hardware ou software depende das aplicações particulares e de condições limitantes de projeto das soluções técnicas. Uma pessoa versada na técnica pode usar diferentes métodos para implementar as funções descritas para cada aplicação particular, mas não se deve considerar que a implementação exceda o âmbito da presente invenção.
[00249] Uma pessoa versada na técnica vai entender claramente que, com a finalidade de descrição conveniente e sucinta, para um método operacional detalhado dos sistemas, aparelho e unidade, vai- se fazer referência a um método correspondente nas modalidades de métodos precedentes, e os detalhes não vão ser descritos de novo.
[00250] Nas várias modalidades proporcionadas no presente relatório descritivo, deve-se entender que os sistema, aparelho e método descritos podem ser implementados em outras maneiras. Por exemplo, a modalidade de aparelho descrita é meramente exemplificativa. Por exemplo, a divisão de unidade é meramente uma divisão de função lógica, e pode ser outra divisão em uma implementação real. Por exemplo, várias unidades ou componentes podem ser combinados ou integrados em outro sistema, ou algumas características podem ser ignoradas ou não executadas. Além disso, os acoplamentos mútuos ou os acoplamentos ou as conexões de comunicações diretos podem ser implementados por uso de algumas interfaces. Os acoplamentos ou as conexões de comunicações indiretos entre os aparelhos ou unidades podem ser implementados em formas eletrônicas, mecânicas ou outras.
[00251] As unidades descritas como partes separadas podem ser ou não separadas fisicamente, e as partes exibidas como unidades podem ser ou não unidades físicas, podem ser localizadas em uma posição, ou podem ser distribuídas em várias unidades de rede. Algumas ou todas as unidades podem ser selecionadas de acordo com as necessidades reais para atingir os objetivos das soluções das modalidades.
[00252] Além disso, as unidades funcionais nas modalidades da presente invenção podem ser integradas em uma unidade de processamento, ou cada uma das unidades pode existir fisicamente sozinha, ou duas ou mais unidades são integradas em uma unidade.
[00253] Quando as funções são implementadas na forma de uma unidade funcional e vendida ou usada como um produto independente, as funções são armazenadas em um meio de armazenamento legível por computador. Com base nesse entendimento, as soluções técnicas da presente invenção essencialmente, ou contribuindo parcialmente com a técnica anterior, ou algumas das soluções técnicas podem ser implementadas em uma forma de produto de software. O produto de software computadorizado é armazenado em um meio de armazenamento, e inclui várias instruções para instruir um dispositivo computadorizado (que pode ser um computador pessoal, um servidor, ou um dispositivo de rede), para executar todas ou algumas das etapas dos métodos descritos nas modalidades da presente invenção. O meio de armazenamento precedente inclui: qualquer meio que possa armazenar código de programa, tal como uma unidade de alta velocidade USB, um disco rígido removível, uma memória exclusiva de leitura (ROM, Memória Exclusiva de Leitura), uma memória de acesso aleatório (RAM, Memória de Acesso Aleatório), um disco magnético ou um disco óptico.
[00254] As descrições apresentadas acima são meramente maneiras específicas de implementação da presente invenção, mas não são tencionadas para limitar o âmbito de proteção da presente invenção. Qualquer variação ou substituição, que é percebida por uma pessoa versada na técnica, dentro do âmbito técnico descrito na presente invenção, vai ficar dentro do âmbito de proteção da presente invenção. Portanto, o âmbito de proteção da presente invenção vai estar sujeito ao âmbito de proteção das concretizações.
Claims (24)
1. Método de decodificação para sinal de fala, o método compreendendo: em um caso no qual é determinado que um quadro atual é um quadro perdido, sintetizar um sinal de banda de alta frequência, de acordo com parâmetros de decodificação de núcleo e com um resultado de decodificação de um quadro prévio do quadro atual; determinar ganhos de subquadro de pelo menos dois subquadros do quadro atual de acordo com ganhos de subquadro de subquadros de pelo menos um quadro prévio ao quadro atual e um gradiente de ganho entre os subquadros do pelo menos um quadro; determinar um ganho global do quadro atual; e ajustar, de acordo com o ganho global e os ganhos de subquadro dos pelo menos dois subquadros, o sinal de banda de alta frequência sintetizado para obter um sinal de banda de alta frequência do quadro atual, em que a determinação de ganhos de subquadro de pelo menos dois subquadros do quadro atual de acordo com ganhos de subquadro de subquadros de pelo menos um quadro prévio ao quadro atual e um gradiente de ganho entre os subquadros do pelo menos um quadro compreende: determinar um ganho de subquadro de um subquadro de partida do quadro atual de acordo com os ganhos de subquadro dos subquadros do pelo menos um quadro e o gradiente de ganho entre os subquadros do pelo menos um quadro; e determinar um ganho de subquadro de outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros de acordo com o ganho de subquadro do subquadro de partida do quadro atual e o gradiente de ganho entre os subquadros do pelo menos um quadro; em que a determinação de um ganho de subquadro de um subquadro de partida do quadro atual de acordo com os ganhos de subquadro dos subquadros do pelo menos um quadro e caracterizado pelo fato de que o gradiente de ganho entre os subquadros do pelo menos um quadro compreende: estimar um primeiro gradiente de ganho entre um último subquadro do quadro prévio do quadro atual e o subquadro de partida do quadro atual de acordo com um gradiente de ganho entre subquadros do quadro prévio do quadro atual; e estimar o ganho de subquadro do subquadro de partida do quadro atual de acordo com um ganho de subquadro do último subquadro do quadro prévio do quadro atual e o primeiro gradiente de ganho.
2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a estimativa de um primeiro gradiente de ganho entre um último subquadro do quadro prévio do quadro atual e o subquadro de partida do quadro atual de acordo com um gradiente de ganho entre subquadros do quadro prévio do quadro atual compreende: realizar média ponderada em um gradiente de ganho entre pelo menos dois subquadros do quadro prévio do quadro atual, para obter o primeiro gradiente de ganho, em que, quando a média ponderada é realizada, um gradiente de ganho entre subquadros do quadro prévio do quadro atual, que são mais próximos do quadro atual, ocupa um peso maior.
3. Método, de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de que, quando o quadro prévio do quadro atual é um (n - 1)-ésimo quadro, o quadro atual é um n-ésimo quadro, e cada quadro compreende I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula:
em que GainGradFEC [0] é o primeiro gradiente, GainGrad[n-1, j] é um gradiente de ganho entre um j-ésimo subquadro e um (j + 1)-ésimo subquadro do quadro prévio do quadro atual,
em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeTemp[n,0] = GainShape[n -1,I-1] + Φ *GainGradFEC[0]; e GainShape [n, 0] = GainShapeTemp [n, 0] * Φ , em que GainShape[n-1, I-1] é um ganho de subquadro de um (I - 1)-ésimo subquadro do (n - 1)-ésimo quadro, GainShape[n,0] é o ganho de subquadro do subquadro de partida do quadro atual, GainShapeTemp[n,0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < 91 < 1,0, 0 < 92 < 1,0, e 91 é determinado por uso de uma classe de quadro de um último quadro recebido antes do quadro atual, e um sinal de adição ou subtração do primeiro gradiente de ganho, e 92 é determinado por uso da classe de quadro do último quadro recebido antes do quadro atual e de uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
4. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a estimativa de um primeiro gradiente de ganho entre um último subquadro do quadro prévio do quadro atual e o subquadro de partida do quadro atual de acordo com um gradiente de ganho entre subquadros do quadro prévio ao quadro atual compreende: usar um gradiente de ganho, entre um subquadro prévio ao último subquadro do quadro prévio do quadro atual e o último subquadro do quadro prévio ao quadro atual, como o primeiro gradiente de ganho.
5. Método, de acordo com a reivindicação 1 ou 4, caracterizado pelo fato de que, quando o quadro prévio do quadro atual é um (n - 1)-ésimo quadro, o quadro atual é um n-ésimo quadro, e cada quadro compreende I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula: GainGradFEC [0] = GainGrad [n -1,I- 2], em que GainGradFEC[0] é o primeiro gradiente de ganho, GainGrad[n -1, I - 2] é um gradiente de ganho entre um (I - 2)-ésimo subquadro e um (I - 1)-ésimo subquadro do quadro prévio do quadro atual, em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeT emp [n, 0] = GainShape [n -1,I-1]+\ * GainGradFEC [0]; GainShapeT emp [n,0] = min (/. 2 * GainShape [n -1,I -1], GainShapeT emp [n,0]); e GainShape [n, 0] = max (X3 * GainShape [n -1,I-1], GainShapeTemp [n, 0]) , em que GainShape[n -1, I -1] é um ganho de subquadro do (I - 1)-ésimo subquadro do quadro prévio do quadro atual, GainShape[n, 0] é o ganho de subquadro do subquadro de partida, GainShapeTemp[n, 0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < Ài < 1,0, 1 < À2 < 2, 0 < À3 < 1,0, Ài é determinado por uso de uma classe de quadro de um último quadro recebido antes do quadro atual, e uma múltipla relação entre ganhos de subquadro dos últimos dois subquadros do quadro prévio ao quadro atual, e À2 e À3 são determinados por uso da classe de quadro do último quadro recebido antes do quadro atual, e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
6. Método, de acordo a reivindicação 1 ou 2, caracterizado pelo fato de que a estimativa do ganho de subquadro do subquadro de partida do quadro atual de acordo com um ganho de subquadro do último subquadro do quadro prévio do quadro atual e o primeiro gradiente de ganho, compreende: estimar o ganho de subquadro do subquadro de partida do quadro atual de acordo com o ganho de subquadro do último subquadro do quadro prévio do quadro atual e o primeiro gradiente de ganho, e a classe de quadro do último quadro recebido antes do quadro atual, e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
7. Método, de acordo a reivindicação 1 ou 2, caracterizado pelo fato de que a determinação de um ganho de subquadro de outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros de acordo com o ganho de subquadro do subquadro de partida do quadro atual e o gradiente de ganho entre os subquadros do pelo menos um quadro compreende: estimar um gradiente de ganho entre os pelo menos dois subquadros do quadro atual de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro; e estimar o ganho de subquadro do outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual.
8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que cada quadro compreende I subquadros, e a estimativa de um gradiente de ganho entre os pelo menos dois subquadros do quadro atual de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro compreende: realizar média ponderada em um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro do quadro prévio do quadro atual e um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro de um quadro prévio do quadro prévio do quadro atual, e estimar um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um peso ocupado pelo gradiente de ganho entre o i- ésimo subquadro e o (i + 1)-ésimo subquadro do quadro prévio do quadro atual é maior do que um peso ocupado pelo gradiente de ganho entre o i-ésimo subquadro e o (i + 1)-ésimo subquadro do quadro prévio do quadro prévio do quadro atual.
9. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que quando o quadro prévio do quadro atual é o (n - 1)- ésimo quadro, e o quadro atual é o n-ésimo quadro, o gradiente de ganho entre os pelo menos dois subquadros do quadro atual é determinado por uso da seguinte fórmula: GainGradFEC [i + 1] = GainGrad [n -2,i] * β + GainGrad [n -1,i] * β2 em que GainGradFEC[i+1] é um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro, GainGrad[n - 2,i] é o gradiente de ganho entre o i-ésimo subquadro e o (i + 1)-ésimo subquadro do quadro prévio do quadro prévio do quadro atual, GainGrad[n -1,i] é o gradiente de ganho entre o i-ésimo subquadro e o (i + 1)-ésimo subquadro do quadro prévio do quadro atual, β 2 > β 1, β 2 + βi = 1,0, e i = 0, 2, ..., I - 2; em que o ganho de subquadro do outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i]*A; e GainShape[n,i] = GainShapeTemp[n,i]*^4, em que GainShape[n,i] é um ganho de subquadro de um i- ésimo subquadro do quadro atual, GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i-ésimo subquadro do quadro atual, 0 < β3 < 1,0, 0 < β4 < 1,0, β 3 é determinado por uso de uma relação múltipla entre GainGrad[n - 1,i] e GainGrad[n - 1,i + 1] e um sinal de adição ou subtração de GainGrad[n - 1,i + 1], e β4 é determinado por uso da classe de quadro do último quadro recebido antes do quadro atual e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
10. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que cada quadro compreende I subquadros, e a estimativa de um gradiente de ganho entre os pelo menos dois subquadros do quadro atual de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro compreende: realizar média ponderada de I gradientes de ganho entre os (I + 1) subquadros prévios a um i-ésimo subquadro do quadro atual, e estimar um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro do quadro atual, em que i = 0, 2, ..., I - 2, e um gradiente de ganho entre subquadros que estão mais próximos ao i- ésimo subquadro, ocupam um maior peso.
11. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que, quando o quadro prévio do quadro atual é o (n - 1)-ésimo quadro, o quadro atual é o n-ésimo quadro, e cada quadro compreende quatro subquadros, o gradiente de ganho, entre os pelo menos dois subquadros do quadro atual é determinado por uso das seguintes fórmulas: GainGradFEC[1] = GainGrad[n - 1,0]* ^1 + GainGrad[n - 1,1]* ^2 + GainGrad[n - 1,2]* ^3 + GainGradFEC[0]* r4; GainGradFEC[2] = GainGrad[n - 1,1]* r + GainGrad[n - 1,2]* r + GainGradFEC[θ]* r + GainGradFEC[1]* r4; e GainGradFEC[3] = GainGrad[n - 1,2]* r + GainGradFEC[θ]* r' + GainGradFEC[1]* r3 + GainGradFEC[2]* r4, em que GainGradFEC[j] é um gradiente de ganho entre um j-ésimo subquadro e um (j + 1)-ésimo subquadro do quadro atual, GainGrad[n-l,j] é um gradiente de ganho entre um j-ésimo subquadro e um (j + 1)-ésimo subquadro do quadro prévio do quadro atual, j = 0, 1, 2, ..., I - 2, r+ r+ r+ r = 1,0, e r >r >r2 >r\ em que \ n, r3t e r4 são determinados por uso da classe de quadro de último quadro recebido, em que o ganho de subquadro do outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i], em que i = 1, 2, 3, e GainShapeTemp[n,0] é o primeiro gradiente de ganho; GainShapeTemp[n,i] = min(r5 *GainShape[n - 1,i],GainShapeTemp[n,i]); e GainShape[n,i] = max(r6 *GainShape[n - 1,i],GainShapeTemp[n,i]), em que i = 1, 2, 3, GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i-ésimo subquadro do quadro atual, GainShape[n,i] é um ganho de subquadro do i-ésimo subquadro do quadro atual, r5 e r6 são determinados por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual, 1 < r5 < 2, e 0 < r6 < 1.
12. Método, de acordo com qualquer uma das reivindi- cações 8 a 11, caracterizado pelo fato de que a estimativa do ganho de subquadro do outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual compreende: estimar o ganho de subquadro do outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual, e a classe de quadro do último quadro recebido antes do quadro atual e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
13. Aparelho de decodificação para sinal de fala, o aparelho compreendendo: um módulo gerador, configurado para: em um caso no qual é determinado que um quadro atual é um quadro perdido, sintetizar um sinal de banda de alta frequência de acordo com parâmetros de decodificação de núcleo e com um resultado de decodificação de um quadro prévio do quadro atual; um módulo determinador, configurado para determinar ganhos de subquadro de pelo menos dois subquadros do quadro atual de acordo com ganhos de subquadro de subquadros de pelo menos um quadro prévio ao quadro atual e um gradiente de ganho entre os subquadros do pelo menos um quadro, e determinar um ganho global do quadro atual; e um módulo ajustador, configurado para ajustar, de acordo com o ganho global e os ganhos de subquadro dos pelo menos dois subquadros que são determinados pelo módulo determinador, o sinal de banda de alta frequência sintetizado pelo módulo gerador, para obter um sinal de banda de alta frequência do quadro atual, em que o módulo determinador determina um ganho de subquadro de um subquadro de partida do quadro atual de acordo com ganhos de subquadro dos subquadros do pelo menos um quadro e o gradiente de ganho entre os subquadros do pelo menos um quadro, e determina um ganho de subquadro de outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros de acordo com o ganho de subquadro do subquadro de partida do quadro atual e o gradiente de ganho entre os subquadros do pelo menos um quadro, caracterizado pelo fato de que o módulo determinador estima um primeiro gradiente de ganho entre um último subquadro do quadro prévio do quadro atual e o subquadro de partida do quadro atual de acordo com um gradiente de ganho entre subquadros do quadro prévio do quadro atual, e estima o ganho de subquadro do subquadro de partida do quadro atual de acordo com um ganho de subquadro do último subquadro do quadro prévio do quadro atual e o primeiro gradiente de ganho.
14. Aparelho de decodificação, de acordo com a reivindicação 13, caracterizado pelo fato de que o módulo determinador realiza média ponderada em um gradiente de ganho entre pelo menos dois subquadros do quadro prévio do quadro atual, para obter o primeiro gradiente de ganho, em que quando a média ponderada é realizada, um gradiente de ganho entre subquadros do quadro prévio do quadro atual que estão mais próximos do quadro atual ocupam um maior peso.
15. Aparelho de decodificação, de acordo com a reivindicação 13 ou 14, caracterizado pelo fato de que, quando o quadro prévio ao quadro atual é um (n - 1)-ésimo quadro, o quadro atual é um n-ésimo quadro e cada quadro inclui I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula:
em que GainGradFEC [0] é o primeiro gradiente de ganho, GainGrad[n-1, j] é um gradiente de ganho entre um j-ésimo subquadro e um (j + 1)-ésimo subquadro do quadro prévio do quadro atual, 
em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeTemp [n, 0] = GainShape [n -1,1 -1 ]+Φ * GainGradFEC [ 0]. ; e GainShape [n, 0] = GainShapeTemp [n, 0] * Φ2 , em que GainShape[n-1, I-1] é um ganho de subquadro de um (I - 1)-ésimo subquadro do (n - 1)-ésimo quadro, GainShape[n,0] é o ganho de subquadro do subquadro de partida do quadro atual, GainShapeTemp[n,0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < 91 < 1,0, 0 < 92 < 1,0, e 91 é determinado por uso de uma classe de quadro de um último quadro recebido antes do quadro atual e um sinal de adição ou subtração do primeiro gradiente de ganho, e 92 é determinado por uso da classe de quadro do último quadro recebido antes do quadro atual e de uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
16. Aparelho de decodificação, de acordo com a reivindicação 13, caracterizado pelo fato de que o módulo determinador usa um gradiente de ganho, entre um subquadro prévio ao último subquadro do quadro prévio do quadro atual e o último subquadro do quadro prévio do quadro atual, como o primeiro gradiente de ganho.
17. Aparelho de decodificação, de acordo com a reivindicação 13 ou 16, caracterizado pelo fato de que quando o quadro prévio do quadro atual é um (n - 1)-ésimo quadro, o quadro atual é um n-ésimo quadro, e cada quadro compreende I subquadros, o primeiro gradiente de ganho é obtido por uso da seguinte fórmula: GainGradFEC [0] = GainGrad [n -1,I- 2] , em que GainGradFEC [0] é o primeiro gradiente de ganho, GainGrad[n -1, I - 2] é um gradiente de ganho entre um (I - 2)-ésimo e um (I - 1)-ésimo subquadro do quadro prévio do quadro atual, em que o ganho de subquadro do subquadro de partida é obtido por uso das seguintes fórmulas: GainShapeT emp [n, 0] = GainShape [n -1,I-1]+\ * GainGradFEC [0]. ; GainShapeTemp [n,0] = min(*GainShape[n-1,I-1],GainShapeTemp[n,0]). θ GainShape [n, 0] = max (\ * GainShape [n -1,I-1], GainShapeTemp [n, 0]) , em que GainShape[n -1, I -1] é um ganho de subquadro do (I - 1)-ésimo subquadro do quadro prévio do quadro atual, GainShape[n, 0] é o ganho de subquadro do subquadro de partida, GainShapeTemp[n, 0] é um valor intermediário de ganho de subquadro do subquadro de partida, 0 < Ài < 1,0, 1 < À2 < 2,0 < À3 < 1,0, Ài é determinado por uso de uma classe de quadro de um último quadro recebido antes do quadro atual e uma relação múltipla entre ganhos de subquadro de pelo menos dois subquadros do quadro prévio do quadro atual, e À2 e À3 são determinados por uso da classe de quadro do último quadro recebido antes do quadro atual e uma quantidade de quadros perdidos consecutivos prévios ao quadro atual.
18. Aparelho de decodificação, de acordo com a reivindicação 13 ou 14, caracterizado pelo fato de que o módulo determinador estima o ganho de subquadro do subquadro de partida do quadro atual de acordo com o ganho de subquadro do último subquadro do quadro prévio do quadro atual e o primeiro gradiente de ganho, e a classe de quadro do último quadro recebido antes do quadro atual e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
19. Aparelho de decodificação, de acordo com a reivindicação 13 ou 14, caracterizado pelo fato de que o módulo determinador estima um gradiente de ganho entre os pelo menos dois subquadros do quadro atual de acordo com o gradiente de ganho entre os subquadros do pelo menos um quadro, e estima o ganho de subquadro do outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros de acordo com o gradiente de ganho entre os pelo menos dois subquadros do quadro atual e o ganho de subquadro do subquadro de partida do quadro atual.
20. Aparelho de decodificação, de acordo com a reivindicação 19, caracterizado pelo fato de que cada quadro inclui I subquadros e o módulo determinador realiza média ponderada em um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro do quadro prévio do quadro atual e um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro de um quadro prévio do quadro prévio do quadro atual, e estima um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um peso ocupado pelo gradiente de ganho, entre o i-ésimo subquadro e o (i + 1)-ésimo subquadro do quadro prévio do quadro atual, é maior do que um peso ocupado pelo gradiente de ganho entre o i-ésimo subquadro e o (i + 1)-ésimo subquadro do quadro prévio do quadro prévio do quadro atual.
21. Aparelho de decodificação, de acordo com a reivindicação 19, caracterizado pelo fato de que o gradiente de ganho entre os pelo menos dois subquadros do quadro atual é determinado por uso da seguinte fórmula: GainGradFEC [i + 1] = GainGrad [n -2,i] * β + GainGrad [n -1,i] * β2 , em que GainGradFEC[i +1] é um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro, GainGrad[n - 2,i] é o gradiente de ganho entre o i-ésimo subquadro e o (i + 1)-ésimo subquadro do quadro prévio do quadro prévio do quadro atual, GainGrad[n -1,i] é o gradiente de ganho entre o i-ésimo subquadro e o (i + 1)-ésimo subquadro do quadro prévio do quadro atual, β2 > βi, β2 + βi = 1,0, e i = 0, 1,2, ..., I - 2; em que o ganho de subquadro do outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,i-1] + GainGradFEC[i]*A; e GainShape[n,i] = GainShapeTemp[n,i]* ^4, em que GainShape[n,i] é um ganho de subquadro de um i- ésimo subquadro do quadro atual, GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i-ésimo subquadro do quadro atual, 0 < β3 < 1,0, 0 < β4 < 1,0, e β 3 é determinado por uso de uma relação múltipla entre GainGrad[n - 1,i] e GainGrad[n - 1,i + 1] e um sinal de adição ou subtração de GainGrad[n - 1,i + 1], e β4 é determinado por uso da classe de quadro do último quadro recebido antes do quadro atual e da quantidade de quadros perdidos consecutivos prévios ao quadro atual.
22. Aparelho de decodificação, de acordo com a reivindicação 19, caracterizado pelo fato de que o módulo determinador realiza média ponderada de I gradientes de ganho entre (I + 1) subquadros para um i-ésimo subquadro do quadro atual, e estima um gradiente de ganho entre um i-ésimo subquadro e um (i + 1)-ésimo subquadro do quadro atual, em que i = 0, 1, ..., I - 2, e um gradiente de ganho entre subquadros que estão mais próximos ao i- ésimo subquadro ocupa um maior peso.
23. Aparelho de decodificação, de acordo com a reivindicação 19, caracterizado pelo fato de que quando o quadro prévio do quadro atual é o (n - 1)-ésimo quadro, o quadro atual é o n- ésimo quadro, e cada quadro compreende quatro subquadros, o gradiente de ganho entre os pelo menos dois subquadros do quadro atual é determinado por uso das seguintes fórmulas: GainGradFEC[1] = GainGrad[n - 1,0]* 7 + GainGrad[n - 1,1]* 7 + GainGrad[n - 1,2]* 7 + GainGradFEC[0]* 74; GainGradFEC[2] = GainGrad[n - 1,1]* 7 + GainGrad[n - 1,2]* 7 + GainGradFEC[0]*73 + GainGradFEC[1]*74; e GainGradFEC[3] = GainGrad[n - 1,2]*71 + GainGradFEC[0]*72 + GainGradFEC[1]*73 + GainGradFEC[2]*74, em que GainGradFEC[j] é um gradiente de ganho entre um j-ésimo subquadro e um (j + 1)-ésimo subquadro do quadro atual, GamM [n-1,j] é um gradiente de ganho entre um j-ésimo subquadro e um (j + 1)-ésimo subquadro do quadro prévio do quadro atual, j = 0, 1, 2, ..., I - 2, 7 + 7 + 73+ 74 = 1,0, e 74 >7>7 >71, em que7, 73, e74 são determinados por uso da classe de quadro do último quadro recebido, em que o ganho de subquadro do outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadro é determinado por uso das seguintes fórmulas: GainShapeTemp[n,i] = GainShapeTemp[n,I - 1] + GainGradFEC[i], em que i = 1, 2, 3, e GainShapeTemp[n,0] é um primeiro gradiente de ganho; GainShapeTemp[n,i] = min( ^5 *GainShape[n - 1,i],GainShapeTemp[n,i]); e GainShape[n,i] = max( ''6 *GainShape[n - 1,i],GainShapeTemp[n,i]), em que GainShapeTemp[n,i] é um valor intermediário de ganho de subquadro do i-ésimo subquadro do quadro atual, i = 1, 2, 3, GainShape[n,i] é um ganho de subquadro do i-ésimo subquadro do quadro atual, r5 e r6 são determinados por uso da classe de quadro do último quadro recebido e da quantidade de quadros perdidos consecutivos prévios ao quadro atual , 1 < r5 < 2, e 0 < r6 < 1.
24. Aparelho de decodificação, de acordo com qualquer uma das reivindicações 20 a 23, caracterizado pelo fato de que o módulo determinador estima o ganho de subquadro do outro subquadro exceto para o subquadro de partida nos pelo menos dois subquadros de acordo com o gradiente de ganho entre os pelo menos dois subquadros de quadro atual e o ganho de subquadro do subquadro de partida do quadro atual, e a classe de quadro do último quadro recebido antes do quadro atual e a quantidade de quadros perdidos consecutivos prévios ao quadro atual.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310298040.4 | 2013-07-16 | ||
| CN201310298040.4A CN104299614B (zh) | 2013-07-16 | 2013-07-16 | 解码方法和解码装置 |
| PCT/CN2014/077096 WO2015007114A1 (zh) | 2013-07-16 | 2014-05-09 | 解码方法和解码装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| BR112015032273A2 BR112015032273A2 (pt) | 2017-07-25 |
| BR112015032273B1 true BR112015032273B1 (pt) | 2021-10-05 |
Family
ID=52319313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR112015032273-5A BR112015032273B1 (pt) | 2013-07-16 | 2014-05-09 | Método de decodificação e aparelho de decodificação para sinal de fala |
Country Status (20)
| Country | Link |
|---|---|
| US (2) | US10102862B2 (pt) |
| EP (2) | EP2983171B1 (pt) |
| JP (2) | JP6235707B2 (pt) |
| KR (2) | KR101800710B1 (pt) |
| CN (2) | CN104299614B (pt) |
| AU (1) | AU2014292680B2 (pt) |
| BR (1) | BR112015032273B1 (pt) |
| CA (1) | CA2911053C (pt) |
| CL (1) | CL2015003739A1 (pt) |
| ES (1) | ES2746217T3 (pt) |
| HK (1) | HK1206477A1 (pt) |
| IL (1) | IL242430B (pt) |
| MX (1) | MX352078B (pt) |
| MY (1) | MY180290A (pt) |
| NZ (1) | NZ714039A (pt) |
| RU (1) | RU2628159C2 (pt) |
| SG (1) | SG11201509150UA (pt) |
| UA (1) | UA112401C2 (pt) |
| WO (1) | WO2015007114A1 (pt) |
| ZA (1) | ZA201508155B (pt) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104299614B (zh) | 2013-07-16 | 2017-12-29 | 华为技术有限公司 | 解码方法和解码装置 |
| US10109284B2 (en) | 2016-02-12 | 2018-10-23 | Qualcomm Incorporated | Inter-channel encoding and decoding of multiple high-band audio signals |
| CN107248411B (zh) * | 2016-03-29 | 2020-08-07 | 华为技术有限公司 | 丢帧补偿处理方法和装置 |
| CN108023869B (zh) * | 2016-10-28 | 2021-03-19 | 海能达通信股份有限公司 | 多媒体通信的参数调整方法、装置及移动终端 |
| CN108922551B (zh) * | 2017-05-16 | 2021-02-05 | 博通集成电路（上海）股份有限公司 | 用于补偿丢失帧的电路及方法 |
| JP7139238B2 (ja) | 2018-12-21 | 2022-09-20 | Ｔｏｙｏ Ｔｉｒｅ株式会社 | 高分子材料の硫黄架橋構造解析方法 |
| CN113473229B (zh) * | 2021-06-25 | 2022-04-12 | 荣耀终端有限公司 | 一种动态调节丢帧阈值的方法及相关设备 |
Family Cites Families (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB9512284D0 (en) * | 1995-06-16 | 1995-08-16 | Nokia Mobile Phones Ltd | Speech Synthesiser |
| JP3707116B2 (ja) * | 1995-10-26 | 2005-10-19 | ソニー株式会社 | 音声復号化方法及び装置 |
| US7072832B1 (en) | 1998-08-24 | 2006-07-04 | Mindspeed Technologies, Inc. | System for speech encoding having an adaptive encoding arrangement |
| US6636829B1 (en) | 1999-09-22 | 2003-10-21 | Mindspeed Technologies, Inc. | Speech communication system and method for handling lost frames |
| CA2388439A1 (en) * | 2002-05-31 | 2003-11-30 | Voiceage Corporation | A method and device for efficient frame erasure concealment in linear predictive based speech codecs |
| KR100501930B1 (ko) * | 2002-11-29 | 2005-07-18 | 삼성전자주식회사 | 적은 계산량으로 고주파수 성분을 복원하는 오디오 디코딩방법 및 장치 |
| US6985856B2 (en) * | 2002-12-31 | 2006-01-10 | Nokia Corporation | Method and device for compressed-domain packet loss concealment |
| US7146309B1 (en) * | 2003-09-02 | 2006-12-05 | Mindspeed Technologies, Inc. | Deriving seed values to generate excitation values in a speech coder |
| JP4698593B2 (ja) * | 2004-07-20 | 2011-06-08 | パナソニック株式会社 | 音声復号化装置および音声復号化方法 |
| TWI324336B (en) * | 2005-04-22 | 2010-05-01 | Qualcomm Inc | Method of signal processing and apparatus for gain factor smoothing |
| US7831421B2 (en) * | 2005-05-31 | 2010-11-09 | Microsoft Corporation | Robust decoder |
| US8150684B2 (en) * | 2005-06-29 | 2012-04-03 | Panasonic Corporation | Scalable decoder preventing signal degradation and lost data interpolation method |
| JP4876574B2 (ja) | 2005-12-26 | 2012-02-15 | ソニー株式会社 | 信号符号化装置及び方法、信号復号装置及び方法、並びにプログラム及び記録媒体 |
| WO2008007698A1 (fr) * | 2006-07-12 | 2008-01-17 | Panasonic Corporation | Procédé de compensation des pertes de blocs, appareil de codage audio et appareil de décodage audio |
| US8374857B2 (en) * | 2006-08-08 | 2013-02-12 | Stmicroelectronics Asia Pacific Pte, Ltd. | Estimating rate controlling parameters in perceptual audio encoders |
| US8346546B2 (en) * | 2006-08-15 | 2013-01-01 | Broadcom Corporation | Packet loss concealment based on forced waveform alignment after packet loss |
| KR101041895B1 (ko) * | 2006-08-15 | 2011-06-16 | 브로드콤 코포레이션 | 패킷 손실 후 디코딩된 오디오 신호의 시간 워핑 |
| US7877253B2 (en) | 2006-10-06 | 2011-01-25 | Qualcomm Incorporated | Systems, methods, and apparatus for frame erasure recovery |
| EP2088588B1 (en) | 2006-11-10 | 2013-01-09 | Panasonic Corporation | Parameter decoding device, parameter encoding device, and parameter decoding method |
| CN101286319B (zh) * | 2006-12-26 | 2013-05-01 | 华为技术有限公司 | 改进语音丢包修补质量的语音编码方法 |
| US8688437B2 (en) * | 2006-12-26 | 2014-04-01 | Huawei Technologies Co., Ltd. | Packet loss concealment for speech coding |
| CN101321033B (zh) | 2007-06-10 | 2011-08-10 | 华为技术有限公司 | 帧补偿方法及系统 |
| WO2008151408A1 (en) | 2007-06-14 | 2008-12-18 | Voiceage Corporation | Device and method for frame erasure concealment in a pcm codec interoperable with the itu-t recommendation g.711 |
| CN101207665B (zh) * | 2007-11-05 | 2010-12-08 | 华为技术有限公司 | 一种衰减因子的获取方法 |
| CN100550712C (zh) | 2007-11-05 | 2009-10-14 | 华为技术有限公司 | 一种信号处理方法和处理装置 |
| KR101413967B1 (ko) * | 2008-01-29 | 2014-07-01 | 삼성전자주식회사 | 오디오 신호의 부호화 방법 및 복호화 방법, 및 그에 대한 기록 매체, 오디오 신호의 부호화 장치 및 복호화 장치 |
| CN101588341B (zh) * | 2008-05-22 | 2012-07-04 | 华为技术有限公司 | 一种丢帧隐藏的方法及装置 |
| EP2301021B1 (en) * | 2008-07-10 | 2017-06-21 | VoiceAge Corporation | Device and method for quantizing lpc filters in a super-frame |
| JP2010079275A (ja) | 2008-08-29 | 2010-04-08 | Sony Corp | 周波数帯域拡大装置及び方法、符号化装置及び方法、復号化装置及び方法、並びにプログラム |
| US8428938B2 (en) * | 2009-06-04 | 2013-04-23 | Qualcomm Incorporated | Systems and methods for reconstructing an erased speech frame |
| CN101958119B (zh) * | 2009-07-16 | 2012-02-29 | 中兴通讯股份有限公司 | 一种改进的离散余弦变换域音频丢帧补偿器和补偿方法 |
| ES2453098T3 (es) * | 2009-10-20 | 2014-04-04 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Códec multimodo de audio |
| CA2821577C (en) * | 2011-02-15 | 2020-03-24 | Voiceage Corporation | Device and method for quantizing the gains of the adaptive and fixed contributions of the excitation in a celp codec |
| CN102915737B (zh) * | 2011-07-31 | 2018-01-19 | 中兴通讯股份有限公司 | 一种浊音起始帧后丢帧的补偿方法和装置 |
| KR20160007581A (ko) | 2013-05-14 | 2016-01-20 | 쓰리엠 이노베이티브 프로퍼티즈 컴파니 | 피리딘- 또는 피라진-함유 화합물 |
| CN104299614B (zh) * | 2013-07-16 | 2017-12-29 | 华为技术有限公司 | 解码方法和解码装置 |
-
2013
- 2013-07-16 CN CN201310298040.4A patent/CN104299614B/zh active Active
- 2013-07-16 CN CN201711101050.9A patent/CN107818789B/zh active Active
-
2014
- 2014-05-09 MY MYPI2015704599A patent/MY180290A/en unknown
- 2014-05-09 MX MX2015017002A patent/MX352078B/es active IP Right Grant
- 2014-05-09 WO PCT/CN2014/077096 patent/WO2015007114A1/zh active Application Filing
- 2014-05-09 KR KR1020157033903A patent/KR101800710B1/ko active IP Right Grant
- 2014-05-09 JP JP2016522198A patent/JP6235707B2/ja active Active
- 2014-05-09 CA CA2911053A patent/CA2911053C/en active Active
- 2014-05-09 BR BR112015032273-5A patent/BR112015032273B1/pt active IP Right Grant
- 2014-05-09 SG SG11201509150UA patent/SG11201509150UA/en unknown
- 2014-05-09 NZ NZ714039A patent/NZ714039A/en unknown
- 2014-05-09 KR KR1020177033206A patent/KR101868767B1/ko active IP Right Grant
- 2014-05-09 RU RU2015155744A patent/RU2628159C2/ru active
- 2014-05-09 AU AU2014292680A patent/AU2014292680B2/en active Active
- 2014-05-09 EP EP14826461.7A patent/EP2983171B1/en active Active
- 2014-05-09 ES ES14826461T patent/ES2746217T3/es active Active
- 2014-05-09 EP EP19162439.4A patent/EP3594942B1/en active Active
- 2014-09-05 UA UAA201512807A patent/UA112401C2/uk unknown
-
2015
- 2015-07-16 HK HK15106794.8A patent/HK1206477A1/xx unknown
- 2015-11-03 IL IL242430A patent/IL242430B/en active IP Right Grant
- 2015-11-04 ZA ZA2015/08155A patent/ZA201508155B/en unknown
- 2015-12-28 CL CL2015003739A patent/CL2015003739A1/es unknown
- 2015-12-31 US US14/985,831 patent/US10102862B2/en active Active
-
2017
- 2017-10-26 JP JP2017206975A patent/JP6573178B2/ja active Active
-
2018
- 2018-09-28 US US16/145,469 patent/US10741186B2/en active Active
Also Published As
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| BR112015032273B1 (pt) | Método de decodificação e aparelho de decodificação para sinal de fala | |
| BR112015017753B1 (pt) | Codificador de áudio, decodificador de áudio, método para fornecer uma informação de áudio codificado, método para fornecer uma informação de áudio decodificado, programa de computador e representação codificada utilizando uma extensão da largura de banda adaptável ao sinal. | |
| BR112016030056B1 (pt) | Aperfeiçoamento de classificação entre codificação de domínio de tempo e codificação de domínio de frequência | |
| BR112013020592B1 (pt) | Codec de áudio utilizando síntese de ruído durante fases inativas | |
| BR112012025570B1 (pt) | Aparelho decodificador e método de decodificação | |
| BR112015014956B1 (pt) | Método de codificação de sinal de áudio, método de decodificação de sinal de áudio, aparelho de codificação de sinal de áudio e aparelho de decodificação de sinal de áudio | |
| BR112016022466B1 (pt) | método para codificar um sinal sonoro, método para decodificar um sinal sonoro, dispositivo para codificar um sinal sonoro e dispositivo para decodificar um sinal sonoro | |
| BR112015002826B1 (pt) | método, meio de armazenamento legível por computador, e, controlador de ruído de conforto para gerar parâmetros de controle de ruído de conforto | |
| BR112014023577B1 (pt) | Método e dispositivo de codificação de sinal de áudio e método e dispositivo de decodificação de sinal de áudio | |
| BR112015029310B1 (pt) | Método e dispositivo de codificação de sinal | |
| AU2018253632B2 (en) | Audio coding method and related apparatus | |
| KR20170003969A (ko) | 오디오 코딩 방법 및 장치 | |
| BR112016020866B1 (pt) | Aparelho e método para geração de um sinal de ocultação de erro utilizando compensação de energia | |
| BR112020001633A2 (pt) | métodos de codificação e decodificação, e aparelhos de codificação e decodificação para sinal estéreo | |
| EP3120347A1 (en) | Apparatus, method and corresponding computer program for generating an error concealment signal using an adaptive noise estimation | |
| BR112016019937B1 (pt) | Aparelho e método para geração de um sinal de ocultação de erro utilizando representações de lpc de substituição individual para informação de livro de códigos individual | |
| BR112020003543A2 (pt) | método e aparelho para reconstruir sinal durante codificação de sinal estéreo | |
| BR122023026024A2 (pt) | Método de codificação de sinal de canal múltiplo, codificador, e meio de armazenamento legível por computador | |
| BR112015030686B1 (pt) | Aparelho e método de codificação, processamento e decodificação de envelope de sinal de áudio por modelagem da representação de soma cumulativa empregando codificação e quantização de distribuição |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B07A | Application suspended after technical examination (opinion) [chapter 7.1 patent gazette] | ||
| B15K | Others concerning applications: alteration of classification |
Free format text: AS CLASSIFICACOES ANTERIORES ERAM: G10L 19/00 , G10L 21/02 Ipc: G10L 19/005 (2013.01), G10L 19/02 (2000.01), G10L |
|
| B09B | Patent application refused [chapter 9.2 patent gazette] | ||
| B12B | Appeal against refusal [chapter 12.2 patent gazette] | ||
| B350 | Update of information on the portal [chapter 15.35 patent gazette] | ||
| B16A | Patent or certificate of addition of invention granted [chapter 16.1 patent gazette] |
Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 09/05/2014, OBSERVADAS AS CONDICOES LEGAIS. |