CN100414606C

CN100414606C - 用于从pcm信号中减去量化噪声的方法和单元

Info

Publication number: CN100414606C
Application number: CNB028274733A
Authority: CN
Inventors: E·F·奇奇
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2002-01-25
Filing date: 2002-12-23
Publication date: 2008-08-27
Anticipated expiration: 2022-12-23
Also published as: KR100984637B1; CN1615521A; ATE343207T1; DE60215547D1; EP1472693B1; US7453942B2; DE60215547T2; US20050117656A1; JP2005516442A; JP4286666B2; KR20040073589A; EP1472693A1; WO2003063160A1

Abstract

本发明涉及用于从被分段成帧的脉码调制PCM信号中减去量化噪声的方法和单元。为实现此，建议：首先根据下式(I)为所述PCM信号的每帧计算量化噪声电平Bq：其中n表示PCM信号的特定抽样；S*_min[n]代表所述PCM信号的特定抽样值s*[n]的最小量化噪声电平；S*_max[n]代表所述PCM信号的特定抽样值s*[n]的最大量化噪声电平；w[n]代表窗函数；和W代表每窗口的抽样的数量。随后，最好借助于合适的背景噪声减去系统，从所述PCM信号中减去利用所述量化噪声电平Bq所表示的量化噪声。

Description

用于从PCM信号中减去量化噪声的方法和单元

技术领域

本发明涉及用于从PCM信号中减去量化噪声的方法和单元。

背景技术

脉码调制(PCM)是一种广泛使用的代表例如数字域中的音频信号的技术。线性PCM使用均匀分布的量化电平，而对数PCM使用其中利用比大信号振幅更密集间隔开的电平量化小信号振幅的分布。线性PCM的一个实例是CD-音频，它使用16个比特来代表均匀分布的信号电平。

图5表示线性编码PCM信号振幅的量化(曲线(a))和两个对数编码的PCM信号振幅的量化(曲线(b)和(c))。曲线b表示μ律编码PCM信号振幅的量化，其中μ律具有下式的输入-输出振幅特征：

| y | = \frac{\log (1 + μ | s |)}{\log (1 + μ)}, - - - (1)

其中，|s|是输入的振幅，|y|是输出的振幅，而μ是被选择以给出期望的压缩特征的参数。

在图5中，曲线c)表示A律编码PCM信号振幅的量化，其中A律具有下式的输入-输出振幅特征：

| y | = \frac{1 + \log A | s |}{1 + \log A}, - - - (2)

其中y和s的含义如上所述，并且A是常数。现有技术的μ律和A律编码器被ComitéConsultatif International de Téléfonique etTélégraphique CCITT标准化为G.71164kbit/s PCM。G.711的量化器特征被公开在N.S.Jayant和P.No11，“Digital Coding ofWaveforms(波形的数字编码)”，Englewood Cliffs NJ：prentice-Hall，1984中。

信号的被量化抽样值可以被数学模型化为：

s*[n]＝s[n]+q[n]， (3)

其中S*[n]代表原始的未量化抽样值s[n]的被量化值，而q[n]代表由于所述量化引起的量化误差。量化误差可以被解释为降低原始抽样值s[n]的质量的不希望的加性噪声。

发明内容

因此，本发明的目的是提供用于从PCM信号中减去所述量化噪声的方法和单元。

利用包含以下步骤的方法来实现上述目的：

根据下面等式为所述PCM信号的每帧，计算量化噪声电平Bq：

B_{q} = \sqrt{Σ_{n = 0}^{W - 1} \frac{{({s^{*}}_{\min} [n] - {s^{*}}_{\max} [n]) \cdot w [n]}^{2}}{12}}

其中

n：表示PCM信号的特定抽样；

S*_min[n]：代表所述PCM信号的特定抽样值s*[n]的最小量化噪声电平；

S*_max[n]：代表所述PCM信号的特定抽样值s*[n]的最大量化噪声电平；

w[n]：代表窗函数；和

W：代表每窗口的抽样的数量；以及

从所述PCM信号中减去利用所述量化噪声电平Bq所表示的量化噪声。

本发明的基本思想是，根据所述要求保护的公式为每帧计算所述量化噪声电平Bq，并且使用任何合适的本领域已知的(背景)噪声减去方法-有可能在进行微小修改之后-从PCM信号中减去量化噪声。

在整个说明书中*表示坐标化数量或信号中量化噪声的内容。

窗函数可以被随意选择。

所述要求保护的公式需要PCM信号的抽样值s*[n]的最小量化电平S*_min[n]以及最大量化电平S*_max[n]。

根据本发明的第一优选实施例，从用于生成PCM信号的量化方法中知道最小量化电平S*_min[n]以及最大量化电平S*_max[n]。

根据本发明的第二优选实施例，所述量化电平S*_min[n]和S*_max[n]是未知的，并因此必须根据权利要求3中所述的公式来预测。

有利的是，在第一实施例和第二实施例中都不必将任何附加信息与PCM抽样值s*[n]一起发送来实施所述方法。这是因为，当执行根据本发明的用于减去量化噪声的方法时，第一实施例中的量化电平和第二实施例中的基准电平I能够被假定为已知的(参见上面最后两个段落)。因此，有利地节省带宽。

最好，噪声减去以同一申请人的申请号为EP01201304.1的非先公开欧洲专利申请所述的背景噪声减去方法和系统为基础。所述系统的应用稍后作为优选实施例进行描述。所述专利申请的整个内容应被视为本申请公开的一部分。

最后，上述目的利用根据权利要求9的主题的噪声减去单元来实现。所述单元的优点对应于上面参照所要求保护方法所述的优点。

最好，在解码器一侧上应用所述要求保护的单元和方法，即，仅在PCM信号再次被解码之前。但是，尽管如此，还是可以在编码器一侧上应用所述方法和单元。

附图说明

下面结合附图对本发明进行说明，其中

图1表示根据本发明的量化噪声减去单元，包括背景噪声减去单元；

图2表示用于说明基准值I与抽抽样值S*[n]之间相关性的一个实例；

图3表示背景噪声减去单元的具体图示；

图4.1表示纯净(clean)男性话音的频谱；

图4.2表示图4.1所示频谱的μ律编码版本；

图4.3表示在根据本发明的量化噪声减去之后在图4.1中所示频谱的μ律编码版本；

图4.4表示为了把量化噪声减去方法应用于图4.2中所示频谱而生成的使用阵列(usage array)u[i]；

图5表示本领域已知的线性和非线性编码的PCM信号的量化电平。

具体实施方式

下面将参照图1至图4说明本发明的优选实施例。

图1表示量化噪声减去单元100-700，用于从输入的线性或对数编码PCM信号中减去量化噪声。

首先所述单元包括一个量化噪声电平计算单元100，用于在考虑最小量化噪声电平和最大量化噪声电平S*min[n]、S*max[n]的情况下计算所述PCM信号的每帧的量化噪声电平Bq。更具体地说，量化噪声电平Bq对于所述PCM信号的每帧是恒定的，并且根据下式对于特定帧独立计算Bq：

Bq = \sqrt{Σ_{n = 0}^{W - 1} \frac{{({S^{*}}_{\min} [n] - {S^{*}}_{\max} [n]) \cdot w [n]}^{2}}{12}} - - - (4)

其中

n：表示PCM信号的特定抽样；

S^* _min[n]：代表所述PCM信号的特定抽样值s^*[n]的最小量化噪声电平；

S^* _max[n]：代表所述PCM信号的特定抽样值s^*[n]的最大量化噪声电平；

w[n]：代表窗函数；和

W：代表每窗口的抽样的数量，至少包括当前计算其Bq的特定帧。

典型地，每个窗口的抽样的数量是每帧抽样数量的两倍。

在等式(4)中，项

\frac{{({S^{*}}_{\min} [n] - {S^{*}}_{\max} [n]) \cdot w [n]}^{2}}{12} = ϵ

代表量化误差的均方值，即，当前帧中量化噪声的能量。

帧大小通常是2ms。

根据第一实施例，所述量化噪声电平S^* _min[n]、S^* _max[n]被假定为已知的。

然而，根据本发明的第二实施例，这些量化电平S*_min[n]、S*_max[n]不被假定为已知的，例如，因为原始信号可能已经利用不同的量化器进行量化，并且可能具有在编码之前或之后应用于抽样的额外定标(scaling)。在这些情况下，量化电平必须被预测。

为了预测量化电平，整个原始信号(在下文中，还称之为波形)被扫描，以接收已量化波形的抽样值s*[n]。接着，检查是否利用至少一个所述抽样值s*[n]表示(使用)由于应用于该波形的量化方法而被预先定义的所有可能的表示电平(representation level)i。对于16比特线性PCM量化方法，具有2¹⁶＝65536个可能的表示电平i，并且在具有65536个值的所谓的使用表u[i]中描述所述检查的结果。所述使用表u[i]的值或者是1(如果具有对应于当前表示电平i的整个波形的至少一个抽样值)或者是0(如果没有对应于当前表示电平i的整个波形的抽样值)。这种情况在数学上被表达为

u [i] = \min (1, Σ_{n = 0}^{L - 1} \{\begin{matrix} 0, & s^{*} [n] &NotEqual; i \\ 1, & otherwise \end{matrix}), - 2^{N - 1} \leq i < 2^{N - 1} - - - (5)

在公式(5)中，L是波形长度，即，整个波形的抽样数量，而N是线性PCM量化所使用的比特的数量；在上述实例中，N＝16。通过利用0初始化u[i]的所有值和使用公式(6)，可以简化该操作：

u[s^*[n]]＝1，0≤n＜L (6)

现在使用公式(5)或者(6)来查找用于预测期望量化电平所要求的特殊表示电平i_min[n]和i_max[n]。更具体地，i_min[n]被定义为开始于i[n]的表示电平，即，其u[n]＝1的下一个较小的非零表示电平，而i_max[n]被定义为开始于i[n]的表示电平，即，其u[n]＝1的下一个较大的非零表示电平。

借助于所述坐标化的表示电平，根据下式预测或计算期望的量化电平：

S^* _min＝i[n]-(i[n]-i_min[n])/2 (7)

S^* _max＝i[n]+(i_max[n]-i[n])/2 (8)

其中

i：代表多个预定义的可能表示电平之中的一个；

i[n]：代表对应于抽样值s^*[n]的预定义表示电平。

图2图示说明了一个给定波形的所述特殊表示电平i_min[n]、i_max[n]以及期望量化电平S^* _min[n]、S^* _max[n]的使用阵列的计算，包括在如表1所示分布的实例中的L＝9的抽样值S^*[n]：

N	1	2	3	4	5	6	7	8	9
N	1	2	3	4	5	6	7	8	9	S<sup>*</sup>[n]＝i[n]	3	1	-1	-1	2	1	1	3	-3

表1

在图2中，提供8个不同可能的表示电平i＝-4，...-1，0，1，...，3，这些表示电平是从N＝3比特线性PCM量化中得到的。表1的实例的根据等式(5)或(6)计算的使用阵列u[i]为：

u[-3]＝u[-1]＝u[1]＝u[2]＝u[3]＝1；和

u[-4]＝u[-2]＝u[0]＝0

现在，依据所述使用阵列，例如，对于n＝2，s^*[2]＝i[2]＝1，-根据上面给出的定义-计算基准电平i_min[n]和i_max[n]为：

i_max[2]＝2和i_min[2]＝-1

并且，根据等式(7)和(8)，期望的量化电平结果为：

s^* _min＝1-(1-(-1))/2＝0

s^* _max＝1+(2-1)/2＝1.5

当坐标化到s^*[n]的i[n]是使用阵列u中的第一或者最后的非零值时必需特别关注。一个选择是分配两个额外阵列值u[-2^N-1-1]和u[2^N-1]，把它们都设置为1，并且总是继续搜索，直至找到非零值。

另一个问题是，当波形中未使用一些有效量化电平时做什么。特别是，短于1秒钟的波形将导致具有许多未使用(但有效)的量化电平的使用阵列。由于这通常将在边界上给出量化步长的错误结果(在波形处于其最大或最小值时)，对量化噪声的测量电平的作用将是小的。虽然可以使用一种算法来预测未使用的有效量化电平，但是额外复杂性的附加值与性能增益不等值。实际上，似乎假定波形中的已用信号电平是唯一有效电平就足以。

在利用已知的或者利用预测的量化电平s*_min和s*_max计算量化噪声电平Bq之后，该量化噪声电平被输入到背景噪声减去单元BNS 200，该BNS 200也是所述量化噪声减去单元的一部分。

图3表示所述背景噪声减去单元200的具体图示，用于在频域中从PCM信号中减去量化噪声。它包括：振幅形成单元210，用于形成PCM信号的频谱S*[k]的振幅|S*[K]|；信噪比计算单元220，用于根据下式计算PCM信号的信噪比：

SNR[k]＝|S*[k]|/Bq， (9)

其中Bq是代表所述PCM信号中量化噪声电平的噪声电平。

所述信噪比SNR[k]被输入到滤波更新单元230，用于基于至少一个滤波更新参数根据预定滤波算法计算一个滤波振幅F[k]。所述滤波振幅F[k]被输入到计算单元240，用于通过将频谱S*[k]的实部R{S*[k]}与虚部I{S*[k]}和所述滤波振幅F{k}相乘来计算输出频谱S^b[k]。最好调整滤波更新参数，并且也因而调整滤波振幅F[k]，以使输出频谱S^b[k]至少基本上没有量化噪声。

由于所述背景噪声减去单元200被具体实施为执行频域中量化噪声的减去，因此该量化噪声减去单元还包括若干单元，用于计算被输入到所述背景噪声减去单元200中的PCM信号的频谱S*[k]，并且用于将所述单元200输出的频谱S^b[k]变换回时域信号。这些单元将在下面的段落中进行描述。

返回参见图1，量化噪声减去单元还包括第一窗口块300，用于通过利用第一窗口w1[n]加权输入PCM信号的帧来生成已加权的PCM信号s*_w[n]。所述已加权的PCM信号s*_w[n]被输入到频谱计算单元400，以便从所述已加权信号中计算出频谱S*[k]。优选地，利用快速傅立叶变换算法来计算该频谱。频谱S*[k]随后被输入到背景噪声减去单元200，并在此如上面结合图3所述进行处理。

由所述背景减去单元200输出的频谱S^b[k]被输入到再变换单元500，以便被变换回时域中的信号s^b[n]。在使用FFT计算频谱S^*[k]的情况下，使用逆FFT进行再变换。

量化噪声减去单元还可以包括：第二窗口块600，用于通过利用第二窗口W2[n]加权在变换之后接收的信号s^b[n]来生成已加权的输出信号s^b _w[n]；以及重叠和相加单元700，用于从所述已加权的输出信号s^b _w[n]中独立地计算出用于PCM信号的每一帧的最终输出信号

以使两个连续的输出帧之间的过渡被平滑。第一和第二窗口w1[n]和W2最好是相同的，它们独立于用于计算量化噪声电平Bq的窗函数。然而，对于w[n]和w1[n]，最好使用相同的函数。

重叠和相加单元700的供给仅仅改善了输出信号的质量，但对于执行量化噪声减去而言，该单元700不是绝对需要的，因此可以省去该单元。这同样适用于仅仅用来改善所述重叠和相加单元700操作的第一和第二窗口块300和600。

图4表示说明在将所述方法应用于μ律编码语音信号时实现的好的信号质量的一个示例。

更具体地，图4.1表示一个纯净(即，无量化噪声)的男性话音的频谱，该男性话音是利用以下发声记录的：“Any dictionary will give at leasttwenty different definitions for it(任何字典都将为它提供至少20种不同的定义)”。图4.2表示图4.1中所示频谱的μ律编码版本。从图4.2中可以看出，所述μ律编码引起添加到图4.1的纯净频谱的量化噪声。在图4.2中，量化噪声利用灰阴影区域410来表示；而在图4.1中的相应区域则是干净的。图4.3表示在应用根据本发明的量化噪声减去方法之后来自图4.2的频谱。可以看到，该频谱基本上对应于图4.1所示的原始纯净频谱；这意味着根据本发明的方法能够很好地清除PCM信号的频谱中的量化噪声。图4.4表示利用根据本发明的方法生成的使用阵列u[i]，用于从图4.2所示的频谱中减少量化噪声。

Claims

1. 用于从被分段成帧的脉码调制PCM信号中减去量化噪声的一种方法，包括以下步骤：

根据下式为所述PCM信号的每帧，计算恒定量化噪声电平Bq：

Bq = \sqrt{Σ_{n = 0}^{W - 1} \frac{{({S^{*}}_{\min} [n] - {S^{*}}_{\max} [n]) \cdot w [n]}^{2}}{12}}

其中

n：表示PCM信号的特定抽样；

w[n]：代表窗函数；和

W：代表每窗口的抽样的数量；以及

从所述PCM信号中减去利用所述量化噪声电平Bq所表示的量化噪声.

2. 根据权利要求1所述的方法，其特征在于，最小量化噪声电平S^* _mm以及最大量化噪声电平S^* _max是已知的。

3. 根据权利要求1所述的方法，其特征在于，根据下式预测最小量化噪声电平S^* _min和最大量化噪声电平S^* _max：

S^* _min＝i[n]-(i[n]-i_min[n])/2

S^* _max＝i[n]+(i_max[n]-i[n])/2

其中

i：代表由于应用于原始信号的特定PCM量化方法而预定义的多个可能的表示电平之中的一个；

i[n]：代表对应于用于特定n的抽样值s^*[n]的预定义表示电平；

i_min[n]：代表起始于i[n]的表示电平，即用于u[n]＝1的下一个较小的非零表示电平；

i_max[n]：代表起始于i[n]的表示电平，即用于u[n]＝1的下一个较大的非零表示电平；

使用阵列u[i]被定义为：

其中

L：代表整个PCM信号的抽样数量；和

N：代表用于使用PCM量化原始抽样值以生成PCM抽样值s^*[n]的比特数量。

4. 根据权利要求1所述的方法，其特征在于，根据以下步骤在频域中执行从PCM信号中减去利用所述量化噪声电平Bq所表示的量化噪声：

计算PCM信号s^*[n]的频谱S^*[k]，并形成其振幅|S^*[k]|；

根据SNR[k]＝|S^*[k]|/Bq计算所述频谱S^*[k]的信噪比SNR[k]；

基于至少一个滤波更新参数根据预定义的滤波算法，从所述信噪比SNR[k]中计算出滤波振幅F[k]；

通过利用所述滤波振幅F{k}乘以频谱S^*[k]的实部R{S^*[k]}和虚部I{S^*[k]}，计算至少基本上没有所述量化噪声的输出频谱S^b[k]；和

将输出频谱S^b[k]变换回时域中的信号s^b[n].

5. 根据权利要求4所述的方法，其特征在于，调整滤波更新参数，并且由此调整滤波振幅F[k]，以使剩余的输出频谱S^b[k]中的量化噪声尽可能低。

6. 根据权利要求4所述的方法，其特征在于，该方法还包括以下步骤：

利用第一窗口w1[n]加权输入PCM信号的帧，并从所述已加权的信号中计算频谱S^*[k]；

通过利用第二窗口w2[n]加权在再变换之后接收的信号s^b[n]，生成已加权的输出信号s^b _w[n]；和

从所述已加权的输出信号s^b _w[n]中计算出用于PCM信号的当前帧的最后输出信号

以使两个连续输出帧之间的过渡被平滑.

7. 根据权利要求4所述的方法，其特征在于，使用快速傅立叶变换FFT进行PCM信号的频谱S^*[k]的计算；和

使用逆FFT将输出频谱S^b[k]再变换回时域信号s^b[n].

8. 根据权利要求6所述的方法，其特征在于，第一和第二窗口w1和w2是相同的。

9. 一种量化噪声减去单元，用于从被分段成帧的脉码调制PCM信号中减去量化噪声，包括：

量化噪声电平计算单元(100)，用于根据下式为所述PCM信号的每帧计算恒定量化噪声电平Bq：

Bq = \sqrt{Σ_{n = 0}^{W - 1} \frac{{({S^{*}}_{\min} [n] - {S^{*}}_{\max} [n]) \cdot w [n]}^{2}}{12}}

其中

n：表示PCM信号的特定抽样；

w[n]：代表窗函数；和

W：代表每窗口的抽样的数量；以及

背景噪声减去单元(200)，用于从所述PCM信号中减去利用所述量化噪声电平Bq所表示的量化噪声。

10. 根据权利要求9所述的噪声减去单元，其特征在于，该噪声减去单元位于解码器一侧上。