CN101064106B

CN101064106B - 用于低复杂度高级音频编码的自适应速率控制算法

Info

Publication number: CN101064106B
Application number: CN2007101029717A
Authority: CN
Inventors: E·库尼亚瓦蒂; S·乔治
Original assignee: STMicroelectronics Asia Pacific Pte Ltd
Current assignee: STMicroelectronics Asia Pacific Pte Ltd
Priority date: 2006-04-28
Filing date: 2007-04-27
Publication date: 2011-12-28
Anticipated expiration: 2027-04-27
Also published as: SG136836A1; EP1850327A1; US7873510B2; US20070255562A1; EP1850327B1; DE602007001625D1; CN101064106A

Abstract

本发明公开用于对音频数据编码的方法、用于对未压缩音频数据进行压缩的音频编码器以及能够以低功耗对音频数据编码的电子装置。电子装置包括音频播放器/记录器、PDA、袖珍组织器、带音频记录功能的照相机、计算机和移动电话。

Description

用于低复杂度高级音频编码的自适应速率控制算法

技术领域

一般来说，本发明涉及用于对音频信号编码的装置及过程，更具体来说，涉及适用于特别是包括低功率装置的、针对传送或存储目的的音频压缩领域的AAC-LC编码器及方法。

背景技术

有效的音频编码系统是可最佳地消除音频流的不相关和冗余部分的那些系统。第一个通过经由心理声学分析减小心理声学不相关来实现。术语“感知音频编码器”用来表示利用人类听觉的属性的那些压缩方案。从冗余减小中得到进一步的减小。

心理声学分析根据人类听力和听觉的心理声学模型生成掩蔽门限。心理声学建模考虑人类听力的频率相关门限以及称作掩蔽的心理声学现象，由此，接近一个或多个较弱频率分量的强频率分量倾向于掩蔽较弱的分量，使它们对人类听众是听不见的。这使得能够在对音频信号编码时省略较弱的频率分量，由此取得更高程度的压缩，而没有不利地影响编码音频数据流的感知质量。掩蔽数据包括来自滤波器组的每个子频段的信号掩码比值。这些信号掩码比值表示每个子频段中被人耳掩蔽的信号的量，因而又称作掩蔽门限。

图1说明一种典型感知编码器的示意功能框图。感知编码器1包括用于时间频率变换的滤波器组2、心理声学模型(PAM)3、量化单元4和熵单元5。滤波器组、PAM和量化单元是典型感知编码器的主要部分。量化单元采用来自PAM的掩蔽门限来判定如何最佳地利用可用数量的数据位表示输入音频数据流。

MPEG4高级音频编码(AAC)是以低至64kbps的比特率实现透明CD质量结果的目前技术水平的感知音频编码器。例如参见ISO/IEC14496-3，信息技术-视听对象的编码，第3部分：音频(1999)。图2说明一种AAC感知编码器的详细功能框图。AAC感知编码器10包括AAC增益控制工具模块11、心理声学模型12、窗口长度判定模块13、滤波器组模块14、频谱处理模块15、量化和编码模块16以及位流格式器模块17。值得注意，AAC的额外频谱处理由频谱处理模块15在量化之前执行。这个频谱处理块用来减少冗余成分，主要由预测工具组成。

AAC采用修改的离散余弦变换(MDCT)，在其滤波器组模块中具有50％交迭。在交迭添加过程之后，由于时域混叠抵消，预计得到原始信号的正确重构。但是，情况不是这样，因为在量化过程中产生误差。感知编码器的构思是隐藏这个量化误差，使得我们的听力不会注意到它。我们无法听到的那些频谱分量也从编码流中消除。这种不相关减小利用人耳的掩蔽属性。掩蔽门限的计算属于编码器的计算密集任务。

如图3所示，AAC量化模块16以两个嵌套循环进行操作。内循环包括调节全局增益32、计算已使用位33以及确定是否满足比特率限制34的操作。简言之，内循环量化输入向量，以及增加量化器步长，直到输出向量可采用可用数量的位来编码为止。在完成内循环之后，外循环检查各比例因子段35的失真，以及如果超过所允许失真36，则放大比例因子段31并再次调用内循环。AAC采用不均匀量化器。

高质量感知编码器具有详尽的心理声学模型(PAM)来计算掩蔽门限，它是所允许失真的指示。如图4所示，PAM通过以下步骤计算掩蔽门限：时域输入的FFT 41、在1/3巴克域中计算能量42、采用扩展函数进行卷积43、音调索引计算44、掩蔽门限调节45、安静地与门限进行比较46以及适配比例因子段域47。由于有限的时间或计算资源，常常不得不违反这个门限，因为仅仅可用的位不足以满足掩蔽门限需求。这造成位分配模块中的额外计算负担，因为它在达到退出条件之前迭代进行设法适应失真和比特率要求的嵌套循环。

AAC的另一个特征是根据信号是稳定还是瞬变在两个不同窗口大小之间转换的能力。这个特征防止所有感知编码器易于遇到的前回波伪像。

要注意，图2说明具有包括下列各项的标准中定义的3个类型的MPEG4-AAC的完整图：主要类型(其中所有工具已启用，要求强大的处理能力)；低复杂度(LC)类型(具有较小的压缩比，以便节省处理和RAM使用)；以及可缩放抽样率类型(具有适应各种带宽的能力)。处理能力节省是我们主要关心的问题，本发明仅涉及LC类型。

还要注意，AAC-LC仅采用暂时噪声整形(TNS)子模块和立体编码子模块，而没有如图2所示的频谱处理模块15中的其余预测工具。与块交换配合工作，TNS还用于通过控制量化噪声的暂时形状来减小前回波伪像。但是，在LC类型中，TNS的阶数受到限制。立体编码用于通过把左和右系数编码为和与差，来控制编码噪声的成像。

AAC标准仅确保有效的AAC流可由所有AAC解码器正确解码。编码器可适应适合于不同的可用资源和应用区域的实现中的变化。AAC-LC是经过平铺以便具有比其它类型更少的计算负担的类型。但是，整体效率仍然取决于编码器本身的具体实现。在Kurniawati等人的“有效MPEG高级音频编码器的新实现技术”(IEEE Transactions onConsumer Electronics(2004)，Vol.50，第655-665页)中概述了优化AAC-LC编码器的某些先有尝试。但是，对MPEG4-AAC的进一步改进对于在以低电源运行的低比特率装置中传送和存储具有高质量的音频数据仍然是合乎需要的。

发明内容

根据本发明的一个方面，提供一种用于对音频数据编码的方法，包括：接收来自输入的未压缩音频数据；采用滤波器组生成所述未压缩音频数据的各帧的MDCT频谱；根据所述MDCT频谱来估算用于待编码的当前帧的掩蔽门限，其中，所述掩蔽门限反映用于所述当前帧的位预算；根据所述掩蔽门限执行所述当前帧的量化，其中，在所述当前帧的量化之后，更新用于下一帧的位预算以便估算所述下一帧的掩蔽门限；以及对所述量化音频数据编码。

根据本发明的另一方面，提供一种音频编码器，用于压缩未压缩音频数据，所述音频编码器包括：心理声学模型(PAM)，用于根据MDCT频谱来估算用于待编码的当前帧的掩蔽门限，其中，所述掩蔽门限反映用于所述当前帧的位预算；以及量化模块，用于根据所述掩蔽门限执行所述当前帧的量化，其中，在所述当前帧的量化之后，更新用于下一帧的位预算以用于估算所述下一帧的掩蔽门限；由此，所述PAM和量化模块经过电子方式配置，使得所述PAM通过考虑所述量化模块所更新的位状态来估算所述掩蔽门限。

根据本发明的又一方面，提供一种电子装置，包括：能够接收未压缩音频数据的电子电路；计算机可读媒体，嵌入了音频编码器，使得所述未压缩音频数据可经过压缩以用于传送和/或存储目的；以及能够向所述电子装置的用户输出所述压缩音频数据的电子电路；其中，所述音频编码器包括：心理声学模型(PAM)，用于根据MDCT频谱来估算用于待编码的当前帧的掩蔽门限，其中，所述掩蔽门限反映用于所述当前帧的位预算；以及量化模块，用于根据所述掩蔽门限执行所述当前帧的量化，其中，在所述当前帧的量化之后，更新用于下一帧的位预算以用于估算所述下一帧的掩蔽门限；由此，所述PAM和量化模块经过电子方式配置，使得所述PAM通过考虑所述量化模块所更新的位状态来估算所述掩蔽门限。

附图说明

现在参照附图来描述根据本发明的优选实施例，附图中，相似参考标号表示相似元件。

图1说明一种典型感知编码器的示意功能框图。

图2说明MPEG4-AAC感知编码器的详细功能框图。

图3说明集中于PAM和位分配模块的传统编码器结构。

图4说明掩蔽门限的传统估算。

图5说明根据本发明的一个实施例的AAC-LC编码器的PAM和量化单元的配置。

图6说明根据本发明的一个实施例、用于掩蔽门限估算的图5的简化PAM 50的功能流程图。

图7说明Q值与用于长窗口中的位数量之间的相关。

图8说明Q值与用于长窗口中的位数量之间的相关。

图9说明Q值与用于短窗口中的位数量之间的相关。

图10说明梯度和Q调节。

图11说明本发明可适用的示范电子装置。

具体实施方式

通过参照本发明的某些实施例的以下详细描述，可更易于理解本发明。

在引用出版物的本申请中，这些出版物的公开通过引用完整地结合到本申请中，以便更全面地描述本发明涉及的技术发展水平。

本发明的一个实施例提供用于对音频数据编码的过程。在这个实施例中，该过程包括：接收来自输入的未压缩音频数据；采用滤波器组生成未压缩音频数据的各帧的MDCT频谱；根据MDCT频谱估算用于要编码的当前帧的掩蔽门限，其中，掩蔽门限反映用于当前帧的位预算；根据掩蔽门限执行当前帧的量化，其中，在当前帧的量化之后，更新用于下一帧的位预算以便估算下一帧的掩蔽门限；以及对量化音频数据编码。

在该过程的另一个实施例中，生成MDCT频谱的步骤还包括采用下式来生成MDCT频谱：

X_{i, k} = 2 Σ_{n = 0}^{N - 1} z_{i, n} \cos (\frac{2 π}{N} (n + n_{o}) (k + \frac{1}{2})), for 0 \leq k \leq N / 2

其中，X_i，k是在块索引i和频谱索引k的MDCT系数；z是加窗口输入序列；n是样本索引；k是频谱系数索引；i是块索引；以及N是窗口长度(长窗口为2048，以及短窗口为256)；其中n_o计算为(N/2+1)/2。

在该过程的另一个实施例中，估算掩蔽门限的步骤还包括：采用MDCT频谱在比例因子段域中计算能量；执行简单三角扩展函数；计算音调索引；执行掩蔽门限调节(以变量Q加权)；以及安静地执行与门限的比较；由此输出用于量化的掩蔽门限。

在该过程的又一个实施例中，执行量化的步骤还包括采用不均匀量化器按照下式执行量化：

x_quantized (i) = int [\frac{x^{3 / 4}}{2^{\frac{3}{16} (gl - scf (i))}} + 0.4054]

其中，x_quantized(i)是在比例因子段索引(i)处的量化频谱值；i是比例因子段索引，x是要量化的段内的频谱值，gl是全局比例因子(速率控制参数)，以及scf(i)是比例因子值(失真控制参数)。

在该过程的又一个实施例中，执行量化的步骤还包括仅寻找控制失真的比例因子值，不调节全局比例因子值，由此把全局比例因子值作为比例因子的第一值(scf(0))。

在该过程的又一个实施例中，执行掩蔽门限调节的步骤还包括采用下式线性调节变量Q：

NewQ＝Q1+(R1-desired_R)(Q2-Q1)/(R2-R1)

其中，NewQ是调节“之后”的变量Q；Q1和Q2分别是前一和二帧的Q值；R1和R2是用于前一和前二帧的位数量；以及desired_R是已使用位的预期数量；其中，值(Q2-Q1)/(R1-R2)是已调节梯度。在该过程的又一个实施例中，执行掩蔽门限调节的步骤还包括根据音频数据特性采用在块交换的情况中执行的值的硬重置来连续更新已调节梯度。在该过程的又一个实施例中，执行掩蔽门限调节的步骤还包括限制变量Q的值并根据各个帧中的能含量按比例地将其分布于三个帧。在该过程的又一个实施例中，执行掩蔽门限调节的步骤还包括通过采用Q的值以及音调索引对掩蔽门限的调节加权，以便更好地考虑可用于编码的位数量。

本发明的另一个实施例提供用于压缩未压缩音频数据的音频编码器。在这个实施例中，音频编码器包括：心理声学模型(PAM)，用于根据MDCT频谱来估算用于待编码的当前帧的掩蔽门限，其中，掩蔽门限反映用于当前帧的位预算；以及量化模块，用于根据掩蔽门限执行当前帧的量化，其中，在当前帧的量化之后，更新用于下一帧的位预算以便估算下一帧的掩蔽门限；由此，PAM和量化模块经过电子方式配置，使得PAM通过考虑量化模块所更新的位状态来估算掩蔽门限。在音频编码器的另一个实施例中，还包括：用于接收来自输入的未压缩音频数据的部件；以及滤波器组，电连接到接收部件，用于生成未压缩音频数据的各帧的MDCT频谱；其中，滤波器组电连接到PAM，使得MDCT频谱被输出到PAM。在音频编码器的另一个实施例中，还包括用于对量化音频数据编码的编码模块。在音频编码器的又一个实施例中，编码模块是熵编码模块。

在音频编码器的另一个实施例中，滤波器组采用下式生成MDCT频谱：

X_{i, k} = 2 Σ_{n = 0}^{N - 1} z_{i, n} \cos (\frac{2 π}{N} (n + n_{o}) (k + \frac{1}{2})), for 0 \leq k \leq N / 2

其中，X_i，k是在块索引i和频谱索引k处的MDCT系数；z是加窗口输入序列；n是样本索引；k是频谱系数索引；i是块索引；以及N是窗口长度(长窗口为2048，以及短窗口为256)；其中n_o计算为(N/2+1)/2。

在音频编码器的另一个实施例中，心理声学模型(PAM)通过以下操作来估算掩蔽门限：采用MDCT频谱在比例因子段域中计算能量；执行简单三角扩展函数；计算音调索引；执行掩蔽门限调节(以变量Q加权)；以及安静地执行与门限的比较；由此输出掩蔽门限用于量化。

在音频编码器的另一个实施例中，执行量化的步骤还包括采用不均匀量化器按照下式执行量化：

x_quantized (i) = int [\frac{x^{3 / 4}}{2^{\frac{3}{16} (gl - scf (i))}} + 0.4054]

在音频编码器的一个实施例中，执行量化的步骤还包括仅寻找控制失真的比例因子值，不调节全局比例因子值，由此把全局比例因子值作为比例因子的第一值(scf(0))。

在音频编码器的另一个实施例中，执行掩蔽门限调节的步骤还包括采用下式线性调节变量Q：

NewQ＝Q1+(R1-desired_R)(Q2-Q1)/(R2-R1)

其中，NewQ是调节“之后”的变量Q；Q1和Q2分别是前一和二帧的Q值；R1和R2是用于前一和前二帧的位数量；以及desired-R是已使用位的预期数量；其中，值(Q2-Q1)/(R1-R2)是已调节梯度。在音频编码器的又一个实施例中，执行掩蔽门限调节的步骤还包括根据音频数据特性采用在块交换的情况中执行的值的硬重置来连续更新已调节梯度。在音频编码器的又一个实施例中，执行掩蔽门限调节的步骤还包括限制变量Q的值并根据各个帧中的能含量按比例地将其分布于三个帧。在编码器的又一个实施例中，执行掩蔽门限调节的步骤还包括通过采用Q的值以及音调索引对掩蔽门限的调节加权，以便更好地考虑可用于编码的位数量。

本发明的另一个实施例提供一种电子装置，它包括：能够接收未压缩音频数据的电子电路；计算机可读媒体，嵌入了音频编码器，使得未压缩音频数据可经过压缩以用于传送和/或存储目的；以及能够把压缩音频数据输出给电子装置的用户的电子电路；其中，音频编码器包括：心理声学模型(PAM)，用于根据MDCT频谱来估算用于待编码的当前值的掩蔽门限，其中，掩蔽门限反映用于当前帧的位预算；以及量化模块，用于根据掩蔽门限执行当前帧的量化，其中，在当前帧的量化之后，更新用于下一帧的位预算以便估算下一帧的掩蔽门限；由此，PAM和量化模块经过电子方式配置，使得PAM通过考虑量化模块所更新的位状态来估算掩蔽门限。

在电子装置的另一个实施例中，音频编码器还包括：用于接收来自输入的未压缩音频数据的部件；以及滤波器组，电连接到接收部件，用于生成未压缩音频数据的各帧的MDCT频谱；其中，滤波器组电连接到PAM，使得MDCT频谱被输出到PAM。在电子装置的另一个实施例中，音频编码器还包括用于对量化音频数据编码的编码模块。在电子装置的另一个实施例中，编码模块是熵编码模块。

在电子装置的另一个实施例中，滤波器组采用下式生成MDCT频谱：

X_{i, k} = 2 Σ_{n = 0}^{N - 1} z_{i, n} \cos (\frac{2 π}{N} (n + n_{o}) (k + \frac{1}{2})), for 0 \leq k \leq N / 2

在电子装置的另一个实施例中，心理声学模型(PAM)通过以下操作来估算掩蔽门限：采用MDCT频谱在比例因子段域中计算能量；执行简单三角扩展函数；计算音调索引；执行掩蔽门限调节(以变量Q加权)；以及安静地执行与门限的比较；由此输出掩蔽门限用于量化。

在电子装置的另一个实施例中，执行量化的步骤还包括采用不均匀量化器按照下式执行量化：

x_quantized (i) = int [\frac{x^{3 / 4}}{2^{\frac{3}{16} (gl - scf (i))}} + 0.4054]

在电子装置的一个实施例中，执行量化的步骤还包括仅寻找控制失真的比例因子值，不调节全局比例因子值，由此把全局比例因子值作为比例因子的第一值(scf(0))。

在电子装置的另一个实施例中，执行掩蔽门限调节的步骤还包括采用下式线性调节变量Q：

NewQ＝Q1+(R1-desired_R)(Q2-Q1)/(R2-R1)

其中，NewQ是调节“之后”的变量Q；Q1和Q2分别是前一和二帧的Q值；R1和R2是用于前一和前二帧的位数量；以及desired_R是已使用位的预期数量；其中，值(Q2-Q1)/(R1-R2)是已调节梯度。在电子装置的又一个实施例中，执行掩蔽门限调节的步骤还包括根据音频数据特性采用在块交换的情况中执行的值的硬重置来连续更新已调节梯度。在电子装置的又一个实施例中，执行掩蔽门限调节的步骤还包括限制变量Q的值并根据各个帧中的能含量按比例地将其分布于三个帧。在电子装置的又一个实施例中，执行掩蔽门限调节的步骤还包括通过采用Q的值以及音调索引对掩蔽门限的调节加权，以便更好地考虑可用于编码的位数量。

在电子装置的另一个实施例中，电子装置包括音频播放器/记录器、PDA、袖珍组织器、带音频记录功能的照相机、计算机和移动电话。

本发明提供一种用于通过利用心理声学模型(PAM)和量化单元的互配低功率实现AAC-LC编码器的音频编码器和音频编码方法。参照图5，提供根据本发明的一个实施例的AAC-LC编码器的PAM和量化单元的配置。如上所述，传统编码器计算掩蔽门限要求，并将它作为输入馈送给量化模块；具有掩蔽门限的精确估算的构思是计算密集的，并且使位分配模块的工作是任务更繁重的。本发明旨在揭示反映当前帧中的位预算的掩蔽门限，它允许编码器跳过速率控制循环。在本发明中，位分配模块在确定下一帧的掩蔽门限中起作用，使得确保所使用的位不超过预算。当信号特性随时间改变时，不断需要调整以便让这个方案工作。此外，本发明具有使软件和硬件实现为最小的适当的简单结构。

现在参照图5，本发明的量化过程包括：下文所述的简化PAM模块52接收MDCT 51的输出作为输入以计算掩蔽门限；位分配过程，包括具有调节比例因子和全局增益53、计算失真54和确定失真是否低于掩蔽门限55的单循环；计算所使用的位56；调节Q调节梯度57；以及对于高质量类型，根据未来帧中的能量分布设置Q的限制58。与图3所示的传统方法的主要差别之一在于位分配模块，在其中，本发明仅采用失真控制循环代替原始的二嵌套循环。比例因子值经过选择，使得它们满足掩蔽门限要求。速率控制函数由按照已使用位的实际数量调节的变量Q来承担。这个值将用于对下一帧的掩蔽门限计算进行微调。

利用表示可用位的状态的变量Q，编码器尝试修整掩蔽门限以适合位预算，使得可省略速率控制循环。心理声学模型输出掩蔽门限，它已经结合从比特率限制中突出的噪声。Q的调节取决于把Q与已使用位的实际数量相关的梯度。这个梯度被逐帧调节，以便反映信号特性的变化。对于长块和短块维护两个分开的梯度，并且在块交换的情况中执行重置。

图6说明根据本发明的一个实施例、用于掩蔽门限估算的图5的简化PAM 50的功能流程图。掩蔽门限估算的操作包括：采用MDCT频谱在比例因子段域中计算能量61；执行简单三角扩展函数62；计算音调索引63；执行掩蔽门限调节(以Q加权)64；以及安静地执行与门限的比较65，对量化模块输出掩蔽门限。

现在提供根据本发明的一个实施例的AAC-LC编码器的操作的更详细描述。要注意，本发明是现有AAC-LC编码器的改进，所以许多共同特征不作详细论述，以便不影响对本发明的理解。本发明的AAC-LC编码器的操作包括：在滤波器组中生成MDCT频谱，在PAM中估算掩蔽门限，以及执行量化和编码。重点放在本发明的AAC-LC编码器的操作与标准AAC-LC编码器的操作之间的差别。

为了生成MDCT频谱，AAC-LC编码器的滤波器组模块中使用的MDCT用公式表示如下：

X_{i, k} = 2 Σ_{n = 0}^{N - 1} z_{i, n} \cos (\frac{2 π}{N} (n + n_{o}) (k + \frac{1}{2})), for 0 \leq k \leq N / 2 - - - (1)

为了估算掩蔽门限，结合图6描述本发明的简化PAM的详细操作。简化PAM的特征包括下列各项。首先，为了效率的原因，简化PAM采用MDCT频谱进行分析。其次，能量等级的计算直接在比例因子段域中执行。第三，采用简单三角扩展函数，其中斜率为每巴克+25dB以及每巴克-10dB。第四，音调索引采用频谱平坦性度量来计算。最后，作为速率控制变量的已加权Q用来调节掩蔽门限。在传统上，这个步骤反映信号音和噪声的不同掩蔽能力。由于噪声更好地掩蔽，所以，掩蔽门限在音调值低时调节成更高，以及在音调值高时调节成更低。在本发明中，除了音调之外，还结合Q以便对掩蔽门限进行微调以适合可用位。

对于位分配量化，AAC采用不均匀量化器：

x_quantized (i) = int [\frac{x^{3 / 4}}{2^{\frac{3}{16} (gl - scf (i))}} + 0.4054] - - - (2)

在本发明中，仅寻找比例因子值以控制失真。全局比例因子值从不调节，并且作为比例因子的第一值(scf(0))。

对于Q和梯度调节，图10说明这些调节。Q采用下式线性调节：

NewQ＝Q1+(R1-desired_R)(Q2-Q1)/(R2-R1)(3)

其中，NewQ是调节“之后”的变量Q；Q1和Q2分别是前一和二帧的Q值；R1和R2是用于前一和前二帧的位数量；以及desired_R是已使用位的预期数量；其中，值(Q2-Q1)/(R1-R2)是已调节梯度。

当Q高时，掩蔽门限经过调节，使得它更精确，从而引起所使用位的数量的增加。另一方面，当位预算低时，Q将减小，使得在下一帧中，掩蔽门限不要求过多数量的位。

Q和比特率的相关取决于信号的性质。图7、图8和图9说明这两个变量之间的相关。Q的不同变化表示用于信号的不同部分的位的不同变化。因此，把这两个变量相关的梯度必须不断调节。最显著的实例是长块(图7和图8)与短块(图9)中梯度之间的差别。本发明在块交换事件期间执行这个梯度的硬重置。

在高质量类型中，除比特率之外，本发明还采用三个帧上的能量分布来确定Q调节。这将确保没有对具有较高能含量的帧设置Q的较低值。通过这种方案，取得更大的灵活性，并且获得帧上的更优化位分布。

本发明提供单循环速率失真控制算法，它基于掩蔽门限的加权调节，采用由从与根据能量把位分布于帧的选项配合使用的实际位所计算的变化梯度得到的自适应变量Q。

本发明的AAC-LC编码器可在任何适当的电子装置中用于音频信号处理。如图11所示，AAC-LC编码引擎可把未压缩音频数据变换为AAC格式的音频数据以便进行传送和存储。例如音频播放器/记录器、PDA、袖珍组织器、带音频记录功能的照相机、计算机和移动电话之类的电子装置包括其中可嵌入AAC-LC算法的计算机可读媒体。

虽然参照具体实施例描述了本发明，但是大家会理解，这些实施例是说明性的，并且本发明的范围不受此限制。对于本发明涉及的领域的技术人员，本发明的备选实施例非常明显。这类备选实施例被认为包含在本发明的精神和范围之内。因此，本发明的范围由所附权利要求来描述，并由前面的描述支持。

Claims

1.一种用于编码音频数据的方法，包括：

接收来自输入的未压缩的音频数据；

使用滤波器组为所述未压缩的音频数据的各帧生成MDCT频谱；

基于所述MDCT频谱来估算用于待编码的当前帧的掩蔽门限，其中，所述掩蔽门限反映用于所述当前帧的位预算；

基于所述掩蔽门限执行所述当前帧的量化，其中，在所述当前帧的所述量化之后，更新用于下一帧的位预算以便估算所述下一帧的掩蔽门限；以及

编码量化的音频数据。

2.如权利要求1所述的方法，其特征在于，其中所述生成MDCT频谱的步骤还包括采用下式来生成MDCT频谱：

用于0≤k≤N/2

其中，X_i，k是在块索引i和频谱索引k处的MDCT系数；z_i，n是加窗后的输入序列；n是样本索引；k是频谱系数索引；i是块索引；以及N是窗口长度；并且其中n_o被计算为（N/2+1)/2。

3.如权利要求1所述的方法，其特征在于，其中所述估算掩蔽门限的步骤还包括：

使用所述MDCT频谱在比例因子段域中计算能量；

执行简单三角扩展函数；

计算音调索引；

通过变量Q加权执行掩蔽门限调节；以及

执行与静音阈值的比较；由此输出所述掩蔽门限用于量化。

4.如权利要求3所述的方法，其特征在于，其中所述执行量化的步骤还包括使用不均匀量化器按照下式执行量化：

其中，x_quantized(i)是在比例因子段索引i处的量化的频谱值；i是所述比例因子段索引，x是待量化的段内的频谱值，gl是表示速率控制参数的全局比例因子值，以及scf(i)是表示失真控制参数的比例因子值。

5.如权利要求4所述的方法，其特征在于，其中所述执行量化的步骤还包括仅寻找表示失真控制参数的比例因子值，并且不调节所述全局比例因子值，由此把所述全局比例因子值作为所述比例因子值的第一值scf(0)。

6.如权利要求3所述的方法，其特征在于，其中所述执行掩蔽门限调节的步骤还包括采用下式线性地调节变量Q：

NewQ＝Q1+(R1-desired_R)(Q2-Q1)/(R2-R1)

其中，NewQ是所述调节之后的变量Q；Q1和Q2分别是用于前一和二帧的Q值；并且R1和R2是用于前一和前二帧的位数量；以及desired_R是使用的位的预期数量；并且其中，值(Q2-Q1)/(R1-R2)是调节的梯度。

7.如权利要求6所述的方法，其特征在于，其中所述执行掩蔽门限调节的步骤还包括基于音频数据特性用在块交换的情况中执行的值的硬复位来连续地更新所述调节的梯度。

8.如权利要求6所述的方法，其特征在于，其中所述执行掩蔽门限调节的步骤还包括基于在未来帧中的能量分布而设置用于所述变量Q的值的限制。

9.如权利要求6所述的方法，其特征在于，其中所述执行掩蔽门限调节的步骤还包括通过采用所述调节之后的变量Q的值以及音调索引对所述掩蔽门限的调节加权，以更好地考虑可用于编码的位数量。

10.一种用于压缩未压缩的音频数据的音频编码器，所述音频编码器包括：

心理声学模型(PAM)，所述心理声学模型(PAM)用于基于MDCT频谱来估算用于待编码的当前帧的掩蔽门限，其中，所述掩蔽门限反映用于所述当前帧的位预算；以及

量化模块，所述量化模块用于基于所述掩蔽门限执行所述当前帧的量化，其中，在所述当前帧的所述量化之后，更新用于下一帧的位预算以用于估算所述下一帧的掩蔽门限；

由此，所述心理声学模型和量化模块经电子方式配置，使得所述心理声学模型通过考虑由所述量化模块更新的所述位预算来估算所述掩蔽门限。

11.如权利要求10所述的音频编码器，其特征在于，还包括：用于接收来自输入的未压缩的音频数据的部件；以及滤波器组，所述滤波器组被电连接到所述接收部件，用于为所述未压缩的音频数据的每帧生成所述MDCT频谱；其中，所述滤波器组被电连接到所述心理声学模型，使得所述MDCT频谱被输出到所述心理声学模型。

12.如权利要求10所述的音频编码器，其特征在于，还包括用于对量化的音频数据编码的编码模块。

13.如权利要求12所述的音频编码器，其特征在于，其中所述编码模块是熵编码模块。

14.如权利要求11所述的音频编码器，其特征在于，其中所述滤波器组采用下式生成所述MDCT频谱：

用于0≤k≤N/2

其中，X_i，k是在块索引i和频谱索引k处的MDCT系数；z_i，n是加窗后的输入序列；n是样本索引；k是频谱系数索引；i是块索引；以及N是窗口长度；并且其中n_o被计算为(N/2+1)/2。

15.如权利要求10所述的音频编码器，其特征在于，其中所述心理声学模型(PAM)通过以下操作来估算所述掩蔽门限：

使用所述MDCT频谱在比例因子段域中计算能量；

执行简单三角扩展函数；

计算音调索引；

通过变量Q加权执行掩蔽门限调节；以及

执行与静音阈值的比较；由此输出所述掩蔽门限用于量化。

16.如权利要求15所述的音频编码器，其特征在于，其中所述量化模块采用不均匀量化器按照下式执行量化：

其中，x_quantized(i)是在比例因子段索引i处的量化的频谱值；i是比例因子段索引，x是待量化的段内的频谱值，gl是表示速率控制参数的全局比例因子值，以及scf(i)是表示失真控制参数的比例因子值。

17.如权利要求16所述的音频编码器，其特征在于，其中所述量化模块仅寻找表示失真控制参数的比例因子值，并且不调节所述全局比例因子值，由此把所述全局比例因子值作为所述比例因子值的第一值scf(0)。

18.如权利要求15所述的音频编码器，其特征在于，其中所述通过变量Q加权执行掩蔽门限调节的步骤还包括采用下式线性地调节变量Q：

NewQ＝Q1+(R1-desired_R)(Q2-Q1)/(R2-R1)

其中，NewQ是所述调节之后的变量Q；Q1和Q2分别是用于前一和二帧的Q值；R1和R2是用于前一和前二帧的位数量；以及desired_R是使用的位的预期数量；并且其中，值(Q2-Q1)/(R1-R2)是调节的梯度。

19.如权利要求18所述的音频编码器，其特征在于，所述通过变量Q加权执行掩蔽门限调节的步骤还包括基于音频数据特性用在块交换的情况中执行的值的硬复位来连续地更新所述调节的梯度。

20.如权利要求18所述的音频编码器，其特征在于，所述通过变量Q加权执行掩蔽门限调节的步骤还包括基于在未来帧中的能量分布而设置用于所述变量Q的值的限制。

21.如权利要求18所述的音频编码器，其特征在于，所述通过变量Q加权执行掩蔽门限调节的步骤还包括通过采用所述调节之后的变量Q的值以及音调索引对所述掩蔽门限的所述调节加权，以更好地考虑可用于编码的位数量。

22.一种电子装置，包括：

能够接收未压缩的音频数据的电子电路；

音频编码器，所述音频编码器能够为传送和/或存储目的压缩所述未压缩的音频数据；以及

能够向所述电子装置的用户输出所述压缩的音频数据的电子电路；

其中，所述音频编码器包括：

23.如权利要求22所述的电子装置，其特征在于，其中所述音频编码器还包括：用于接收来自输入的未压缩的音频数据的部件；以及滤波器组，所述滤波器组被电连接到所述接收部件，用于为所述未压缩的音频数据的每帧生成所述MDCT频谱；其中，所述滤波器组被电连接到所述心理声学模型，使得所述MDCT频谱被输出到所述心理声学模型。

24.如权利要求22所述的电子装置，其特征在于，其中所述音频编码器还包括用于对量化的音频数据编码的编码模块。

25.如权利要求24所述的电子装置，其特征在于，其中所述编码模块是熵编码模块。

26.如权利要求23所述的电子装置，其特征在于，其中所述滤波器组采用下式生成所述MDCT频谱：

用于0≤k≤N/2

其中，X_i，k是在块索引i和频谱索引k处的MDCT系数；z_i,n是加窗后的输入序列；n是样本索引；k是频谱系数索引；i是块索引；以及N是窗口长度；并且其中n_o被计算为(N/2+1)/2。

27.如权利要求22所述的电子装置，其特征在于，其中所述心理声学模型(PAM)通过以下操作来估算所述掩蔽门限：

采用所述MDCT频谱在比例因子段域中计算能量；

执行简单三角扩展函数；

计算音调索引；

通过变量Q加权执行掩蔽门限调节；以及

执行与静音阈值的比较；由此输出所述掩蔽门限用于量化。

28.如权利要求27所述的电子装置，其特征在于，其中所述量化模块采用不均匀量化器按照下式执行量化：

29.如权利要求28所述的电子装置，其特征在于，其中所述量化模块仅寻找表示失真控制参数的比例因子值，并且不调节所述全局比例因子值，由此把所述全局比例因子值作为所述比例因子值的第一值 scf(0)。

30.如权利要求27所述的电子装置，其特征在于，其中所述通过变量Q加权执行掩蔽门限调节的步骤还包括采用下式线性地调节变量Q：

NewQ＝Q1+(R1-desired_R)(Q2-Q1)/(R2-R1)

31.如权利要求30所述的电子装置，其特征在于，其中所述通过变量Q加权执行掩蔽门限调节的步骤还包括基于音频数据特性用在块交换的情况中执行的值的硬复位来连续地更新所述调节的梯度。

32.如权利要求30所述的电子装置，其特征在于，其中所述通过变量Q加权执行掩蔽门限调节的步骤还包括基于在未来帧中的能量分布而设置用于所述变量Q的值的限制。

33.如权利要求30所述的电子装置，其特征在于，所述通过变量Q加权执行掩蔽门限调节的步骤还包括通过采用所述调节之后的变量Q的值以及音调索引对所述掩蔽门限的调节加权，以更好地考虑可用于编码的位数量。

34.如权利要求22所述的电子装置，其特征在于，其中所述电子装置是音频播放器/记录器、PDA、袖珍组织器、具有音频记录能力的照相机、计算机和移动电话中的一个。