CN101529721A - 使用复位的音频动态处理 - Google Patents

Abstract

一种使用复位机制或复位处理以快速地适应于音频信号的内容变化的音频动态处理器或音频动态处理方法。可以通过分析音频信号自身来产生复位信号，或者可以从诸如电视机上的频道变化或音频/视频接收机上的输入选择变化等的外部事件来触发复位。在外部触发的情况下，对用于当前音频源的动态处理器的状态的一个或更多个指示器可以被保存且与切换到新的音频源之前的音频源相关联。然后，如果该系统切换回第一音频源，则动态处理器可以被复位到先前存储的状态或其近似状态。

Description

使用复位的音频动态处理

技术领域

本发明涉及音频信号处理。具体来说，本发明涉及使用复位机制或复位处理以快速适应于音频信号的内容变化的音频动态处理器或音频动态处理方法。可以通过分析音频信号自身来产生复位信号，或者可以从诸如电视机上的频道变化或者音频/视频接收机上的输入选择变化等的外部事件来触发复位。在外部触发的情况下，对用于当前音频源的动态处理器的状态的一个或多个指示器可以被保存且与切换到新的音频源之前的音频源相关联。然后，如果该系统切换回到第一音频源，则动态处理器可以被复位到先前存储的状态或该状态的近似状态。本发明还涉及用于实施这种方法或控制这种设备的计算机程序。

背景技术

音频动态处理的目的是将音频信号的电平或动态特性改变为处于某些期望的范围内。这一般是通过以下方式来实现的：建立对音频信号的电平(例如均方根值电平或峰值电平)的时变测量，然后计算和应用取决于电平估计的时变信号修正(例如增益改变)。使用这种操作模式的动态处理器包括自动增益控制(AGC)、动态范围控制(DRC)、扩展器、限幅器、噪声门限等。在2006年5月4日被公开为WO2006/047600的、AlanJeffrey Seefeldt的国际专利申请PCT/US 2005/038579中提出了各种类型的信号动态处理。该申请尤其指定了美国。该申请的全部内容通过引用合并于此。

图1示出了一般的音频动态处理器的高层次框图。该处理器可以被认为具有两个通路：上部“信号”通路2和下部“控制”通路4。在下部通路上，动态控制处理或控制器(“动态控制”)6测量音频信号的电平，并产生取决于该电平测量的一个或更多个时变修正参数。如同所示出的，该修正参数源自输入的音频信号。或者，该修正参数可以源自处理后的(输出)音频或者源自输入音频信号和输出音频信号的结合。在上部音频通路2上，由动态控制6产生的修正参数被应用于音频，以产生处理后的音频。对音频信号应用修正参数可以以许多已知的方式来完成，并且由乘法器符号8一般地示出。例如，在简单的自动增益控制装置或自动增益控制处理的情况下，可以存在对主通路中的可变增益/损耗装置或可变增益/损耗处理的增益进行控制的单个宽带增益修正参数。实际上，还可以在应用修正参数之前延迟该音频，以对该动态控制处理中与修正参数的计算相关联的任何延迟进行补偿。为了陈述的简明起见，在图1或这里的其它图示中没有示出延迟。

在动态控制处理中，典型的是时间上连续地计算信号电平度量和作为结果的修正参数这二者。另外，信号电平度量和修正参数之一或这二者通常被跨时间地进行平滑，以使被引入到处理后的音频中的、可感知的伪影(artifact)最小化。最经常使用“快速启动(fast attack)”和“缓慢释放(slow release)”来进行平滑，这意味着：响应于信号电平的增大而相对快速地改变修正参数，并随着信号电平的减小而较慢地进行响应。这种平滑符合自然声音的动态特性以及人类对响度在时间上的变化进行感知的方式。因此，这种时间平滑在音频动态处理器中几乎是通用的。

对于一些动态处理应用，与这种平滑相关的时间常数可以是相当大的，可以约为一秒或更多秒。例如，AGC可以使用大的时间常数来计算对信号的长期平均电平的估计，然后使用作为结果的估计来产生缓变的修正参数，该缓变的修正参数使音频的平均电平移动到更接近于所期望的目标电平。在这种情况下，为了保持音频信号的短期动态特性，大的时间常数可能是合乎需要的。假定这种AGC对电视机的音频进行操作，其目的是保持跨节目编排和跨不同频道的一致的平均电平。在这种情况下，例如当频道被改变时，由AGC处理的音频信号的内容可能突然改变或具有中断，并且该音频信号的相关的平均电平也可能因此而突然改变或具有中断。但是，AGC利用其大的时间常数而占用相当大的量的时间来收敛到新的电平和使处理后的音频的修正的电平符合所期望的目标电平。在这种适应时间期间，电视的观看者可能感到音频的电平过响或过轻。结果，观看者可能很快就伸手去拿遥控器以调节音量，可是发现他或她自己正在随着AGC的收敛而对抗AGC。

对刚才描述的问题的典型的现有技术解决方案包括使用基于信号的动态特性而调整的时间常数。例如，如果信号的短期电平显著地大于或小于由一些在平滑后的电平附近的阈值边界所限定的平滑后的电平，则平滑操作分别切换到更快的启动时间常数和/或释放时间常数，直到该短期电平落回到在平滑后的电平附近的阈值边界之内。随后该系统切换回到初始的较慢的时间常数。这种系统可以减少AGC的适应时间，但是必须谨慎地选择该阈值和较小的时间常数。一般来说，对于任何合理的阈值，都可能存在其中初始期望的信号动态波动到在平均电平附近的阈值边界之外的信号，由此使得平滑处理错误地切换到快速启动模式或快速释放模式中。由于这种错误的切换可能频繁发生，因此为了避免AGC在正常的节目资料期间的不稳定性，必须不将快速启动模式时间常数和快速释放模式时间常数选择得过小。结果，AGC在音频内容的突然转变或中断的期间的收敛仍可能不如所期望的那样快速。

因此，本发明的目的是对于音频内容改变期间的动态处理适应时间的问题提供更好的解决方案。

发明内容

根据本发明的一方面，一种用于处理音频信号的方法(或实施该方法的设备)，包括：根据动态控制处理来改变音频信号的动态特性；检测音频信号的内容的变化；以及响应于检测到这种变化而对动态控制处理进行复位。对音频信号的内容的变化的检测可以包括如下的两个操作之一或这两个操作：(1)检测在音频信号的时间演变(temporal evolution)中的以下事件：音频信号的电平在不短于第一时间阈值t_寂静的时间间隔内始终保持低于阈值L_寂静，以及(2)检测在音频信号的时间演变中的以下事件：音频信号的电平在不大于第二时间阈值t_下降的时间间隔内降低了比差值阈值L_下降大的量。

根据本发明的另一方面，一种用于处理音频信号的方法(或实施该方法的设备)，包括：根据动态控制处理来改变音频信号的动态特性；接收从外部提供的表示所述音频信号的变化的复位触发信号；以及响应于复位触发信号而对动态控制处理进行复位。该复位触发信号可表示以下情况中的一个或更多个：(1)用户改变频道的动作；(2)用户改变输入源的动作；(3)用户选择播放、倒带或前进功能的动作；(4)一个文件到另一文件的切换；(5)节目的改变；(6)一个音频编码格式到另一音频编码格式的切换；以及(7)编码参数的改变。

根据以上方面中的任一方面，对动态控制处理进行复位的操作可以使动态处理适应于输入信号变化的速度加速。对动态控制处理进行复位的操作可以将一个或更多个处理控制参数(或这种一个或更多个处理控制参数所取决于的信号)的值设置为存储的值或缺省值。对动态控制处理进行复位的操作可以缩小在确定一个或更多个处理控制参数(或这种一个或更多个处理控制参数所取决于的信号)时所使用的一个或更多个时间常数的值。

尽管以上说明的适应性时间常数的方法可能在减少音频动态处理器或音频动态处理的适应时间上有些帮助，并且可以随本发明的多方面一起使用，但是，通过给这种处理器或处理增加在正被处理的音频信号的内容中出现某些突然改变或中断时启动的、明确的复位机制或复位处理，可以显著地改进这种处理器或处理。图2以一般的形式描述了本发明，其中进一步的控制通路，即，复位控制通路10被添加到图1的一般的动态处理器中。复位控制机制或处理(“复位控制”)12可以响应于音频信号自身(输入音频信号或输入音频信号和输出音频信号的结合)和外部触发信号之一或这两种信号。因此，存在三种可能的配置：(1)音频信号自身(其又可以包括输入音频信号或输入音频信号和输出音频信号的结合)，(2)外部触发信号，以及(3)音频信号自身和外部触发信号这两种信号。如果由复位控制12做出复位的决定，则该复位控制机制或处理将复位消息发送到动态控制6，以指示动态控制6以允许该音频动态处理快速地适应于输入的音频信号的新电平的方式来复位其动态控制状态的某些方面。例如，对动态控制状态的某些方面的复位可以进行以下操作：(1)对于短的时间段，将一个或更多个时间常数设置为较小的值(由此使音频处理的适应速度加速)，和/或(2)将音频信号电平的平滑后的度量或者一个或更多个修正参数设置为存储的值，或设置为平均值或缺省值。

分析音频信号以确定信号内容中的突然变化或中断的出现

复位决定可以由复位控制12以多种方式发起，例如，通过分析输入的音频信号自身来发起，或者通过接收外部的复位触发信号来发起。在分析音频信号时，复位控制12尝试对表示内容中的突然变化或中断的信号条件进行检测。当以一定程度的确信度检测到这种条件时，复位控制12做出复位决定，并随后指示动态控制6使其动态控制状态的一个或更多个方面复位。下面描述了用于进行该检测的两个实用的且有效的示例，尽管可以利用其它技术来检测信号内容中的突然变化或中断。

使用外部触发以确定信号内容中的突然变化或中断的出现

在许多应用中，高度可靠的外部信息可用于触发复位。例如，在电视机或有线“机顶盒”中，用户改变频道的动作可以用作对复位的外部触发。此外，在电视或音频/视频接收机中，用户改变输入源的动作(例如从“视频1”到“视频2”)可以用于触发复位。其它例子包括基于文件的媒体播放器，例如便携式音频装置或数字视频记录器。在这种情况下，当系统完成播放一个文件并切换到另一文件时，可以从外部触发复位。当用户自己明确地改变文件、按下播放或者快进或倒带到内容段中的一个新位置时，也可能触发复位。在正被处理的音频已被从数字数据压缩流(例如杜比数字音频)解码的情况下，可能存在外部复位触发信号的其它源。杜比(“Dolby”)和杜比数字(“Dolby Digital”)是杜比实验室特许公司(DolbyLaboratories Licensing Corporation)的商标。例如，在美国，杜比数字音频编码系统是用于高清晰度电视的强制音频格式。音频被在给定的节目频道上持续地发送，但是杜比数字格式可能在节目边界处改变。例如，主节目可能以5.1声道格式编码，但是广告可能以立体声格式编码。杜比数字解码器必须检测这种变化，并且可以将该信息作为复位触发而传送到本发明的音频动态处理器。也可以采用编码参数的其它变化，例如对于单个内容段一般保持恒定的杜比数字对话标准化参数“DIALNORM”的变化。还可以根据诸如MP3和AAC等的其它音频编码格式来产生类似的外部复位触发。除了刚才列出的外部复位触发源之外，其它的外部复位触发源也是可行的，并且本发明并不旨在局限于所列出的那些外部复位触发源。

在在可从已知的源的集合产生音频的装置中使用本发明的情况下，可以如图3所示地进一步加强本发明。沿着该图的底部示出了N个音频源(“音频源1”至“音频源N”)14-1至14-N，其中假定通过动态处理系统借助于源选择装置或处理(“源选择”)16来选择该N个音频源中的一个音频源以用于回放。这种音频源可以表示但不限于电视或机顶盒上的各种频道、音频/视频接收机上的各种输入、或便携式媒体播放器上的各种文件。随每个音频源一起存储对上次播放该特定音频源时动态控制处理的一个或更多个方面的状态的指示器。例如，这种动态控制的状态的方面可以包括以下方面中的一个或更多个方面：(1)音频信号电平的平滑后的度量，(2)由音频信号电平的平滑后的度量产生的一个或更多个修正参数，以及(3)在获取音频信号电平的平滑后的度量时使用的一个或更多个时间常数。在下面描述的示例性实施例中，使用间接地影响增益修正参数的、音频信号电平的平滑后的度量(在该示例中，增益取决于平滑后的音频信号电平)。当在实际切换到新的音频源之前通过源选择处理而选择了不同的音频源时，源选择16将外部复位触发发送到复位控制12’。这又导致复位控制12’捕获对用于当先播放的音频源的动态控制处理的当前状态的指示器。然后，复位控制12’将动态控制状态的指示器保存在与当前的音频选择(动态控制状态存储器1至N)18-1至18-N相关联的N个动态控制状态存储位置中。接着，源选择16切换到新的音频源，并将相关联地存储的动态控制状态的指示器发送到复位控制处理，该复位控制处理又使用所存储的状态指示器来对动态控制处理进行复位。

通过使用音频源的最近的动态控制状态的多方面而在切换到该音频源时对动态控制处理进行复位，可以实现比不使用这种初始状态的情况更好的性能。在没有这种信息的情况下，动态控制处理在其适应于新的音频源时依靠在复位之后输入的音频信号。音频的电平可能短期地快速波动，因此在动态控制处理尝试快速地适应于新的音频时，修正参数也可能快速波动。通过使用与音频源相关联的动态处理器的最近的状态的多方面来使动态处理器复位，动态处理器将可能以更接近于其针对该音频源而最终收敛到的状态的状态开始。结果，复位后的快速适应时间常数不需要被减小如同不使用与音频源相关联的动态处理器的最近的状态的多方面的情况下所需要的那样多，从而提供改进的稳定性，而不牺牲总的适应时间。作为例子，考虑两个电视台之间的切换，第一电视台具有以相对于全标度(full-scale)数字为-15dB的平均电平的音频，第二电视台具有以-30dB平均电平的音频，二者在它们各自的平均电平附近都具有正5dB或负5dB的范围。假定就在切换到第二台之前，第一台的平均电平是-13dB。进一步假定在切换之后第二台的平均电平是-33dB。这是-20dB的差别。例如，如果人们期望动态处理系统在半秒内适应，则在没有任何其它信息时需要每秒-40dB的适应速度。该速度是相当快的，并且可能在处理的音频中引入不稳定性。另一方面，假定所存储的第二台的最近的动态处理状态对应于-28dB的电平。那么在复位之后，动态控制处理可以以该状态复位，并且只存在-33dB-(-28dB)＝-5dB的差别。因此，为了在半秒内收敛到期望的电平，只需要每秒-10dB的适应速度(需要较少的时间常数缩小)。该例子示出了存储导致这种状态的音频源的动态控制处理的最近的状态的优点。

当复位被触发时的效果

触发复位使音频动态处理适应速度(动态处理适应于输入信号的变化的速度)加速。例如，当复位被触发时，与适应速度相关的一个或更多个时间常数可以快速地被切换到显著较小的值，然后在指定的时间段上平滑地返回到它们初始的大的值。或者，该一个或更多个时间常数可以切换到显著较小的值，并在指定的时间段内保持在该值处。在AGC配置中，时间常数控制信号c[t]可以使在计算平滑后的平均电平时使用的时间常数暂时减小。例如，平滑时间常数可以在复位之后的大约一秒的持续时间上减小。在示例实施例中，在出现复位触发时，时间常数控制信号c[t]可以以值“1”开始(表示对一个或更多个时间常数的最大变化影响)；当时间常数控制信号c[t]为“1”时，启动系数和释放系数被设置为与它们的标称值相比显著地小的值。当c[t]在例如一秒的短时间段(该时间段的长度不是临界的)上衰减到零时，该系数被插值回到它们的标称正常(非复位)值。替代性地或另外地，当出现复位触发时，由动态控制处理计算出的平滑后的平均电平的值可以被复位到随特定音频源一起存储的状态，或者可以被复位为缺省值。

附图说明

图1是以高层次示出一般的音频动态处理器的示意性功能框图。

图2是示出了根据本发明的方面的、本发明的实施例的示例的示意性功能框图，其中进一步的控制通路(即，复位控制通路)被以一般的形式而添加到图1的一般的动态处理器中。

图3是示出了根据本发明的方面的、本发明的实施例的示例的示意性功能框图，其中音频动态处理器被进一步增强。

图4示出了用于典型的自动增益控制(AGC)的示例性输入/输出函数。

图5示出了被选择用于对沿着人耳中的基底膜而观测到的临界频带滤波进行模拟的带通频率响应的集合。

图6是示出了根据本发明的方面的、本发明的AGC实施例的示例的示意性功能框图。

具体实施方式

所描述的发明可应用于诸如动态范围控制、压缩器、限幅器、扩展器等的各种动态处理应用。然而，本发明在被应用于其中在缺少本发明的情况下大的时间常数通常导致慢的适应的AGC时是特别有用的。因此，优选的实施例作为示例描述了本发明在AGC中的应用。

基本的AGC实现

AGC的基本实现计算对信号的平均电平的时变估计，并计算取决于输入电平和期望的目标电平的、期望的修正的输出电平。然后，可以计算取决于输入电平与期望的输出电平之间的差的时变信号修正。将输入映射到输出的函数被设计为使修正后的音频的电平更接近于期望的目标电平，图4示出了一个这种输入/输出函数。对于高于目标电平的输入，AGC要求信号衰减，而对于低于目标电平的输入，AGC要求信号增强。可以通过改变图4中的线的斜率来控制衰减或增强的程度。

理想地，用于计算音频的平均电平的测量应与人类的响度知觉相关联。这可以以多种方式来实现，例如，通过加权均方功率测量或者心理声学响度测量来实现。简单的未加权均方功率测量与上述两种方法相比略为不准确一些，但是对于大多数现实世界的音频信号仍表现出与人类的响度知觉之间的高度相关性。由于未加权均方功率测量的计算的简单性，所以在优选实施例中使用未加权均方功率测量，但不应将其视为对本发明的限定。

尽管原则上可以在模拟域和/或数字域中实现本发明的多方面，但是实际实现可能是在通过个别的样本或数据块中的样本来表示每个音频信号的数字域中实现的。可以针对模拟音频信号或根据数字信号逐个样本地连续计算输入电平估计以及对应的期望的输出电平和信号修正参数，但是对于本示例实施例，替代性地期望计算针对数字音频信号的连续重叠的样本块的这种量。这主要是由于稍后要描述的以下事实：数字块处理对于根据信号自身来检测复位条件而言是有用的。假定x[n]代表数字音频信号，音频信号的重叠块可以被计算如下：

x[n，t]＝w[n]x[n+tN/2]，     其中0＜n＜N-1                (1)

其中N是块长度，N/2是连续块之间的重叠程度，t是块索引，w[n]是窗口函数，例如正弦窗口。对于以44100Hz采样的信号，设置N＝512或N＝1024是适用的。在Fielder等的美国专利5899969(“Frame-based audiowith gain-control words”)中提出了使用重叠的样本块的数字音频处理配置的更多细节，该专利的全部内容通过引用合并于此。如下文所述，AGC计算时变增益G[t]，然后将时变增益G[t]与信号的每个块相乘。然后，将这些修正后的块中的各个修正后的块重叠相加，以产生最终修正后的音频信号y[n+tN/2]：

y[n+tN/2]＝G[t]x[n，t]+G[t-1]x[n+N/2，t-1]，其中0＜n＜N/2      (2)

作为计算增益G[t]时的第一步，信号L[t]的时变即时电平被计算作为每个块x[n，t]的均方功率。该电平被按分贝计算如下：

$L\left[t\right]=10{\log }_{10}\left(\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{x}^2\right[n,t\left]\right)---\left(3\right)$

其中0dB对应于全标度数字方波的电平。

接下来，可以利用快速启动和缓慢释放来对该即时电平进行平滑，以产生该音频信号的平滑后的平均电平L[t]：

$\stackrel{\&OverBar;}{L}\left[t\right]=\left\{\begin{array}{cc}\mathrm{\&alpha;}\left[t\right]\&CenterDot;\stackrel{\&OverBar;}{L}[t-1]+(1-\mathrm{\&alpha;}[t\left]\right)L\left[t\right]& L\left[t\right]\&GreaterEqual;L_{\min }\\ \stackrel{\&OverBar;}{L}[t-1]& L\left[t\right]<L_{\min }\end{array}---\left(4a\right)\right.$

其中

且

α_释放＞α_启动                    (4c)

选择平滑系数α_启动和α_释放，以提供期望的启动时间和释放时间。一种用于指定该系数的方式是平滑滤波器的半衰减时间，即，时间平滑滤波器的脉冲响应衰减到其初始值的一半所占用的时间。尽管为AGC选择与1秒的半衰减时间相对应的α_启动以及与4秒的半衰减时间相对应的α_释放，但是该值不是临界的。方程式4a中的值L_min代表最小电平，即时信号电平L[t]必须高于该最小电平，以使平滑后的电平被更新。这防止了当信号下降到相对寂静时平滑后的平均电平下降得过低以及对应的增益升得过高。假设0dB代表全标度数字方波的电平，则设置L_min＝-60dB是合理的选择，尽管该电平不是临界的。

如图4所示，根据平滑后的平均电平L[t]和AGC输入/输出函数F_AGC来计算期望的输出电平L_out[t]：

L_out[t]＝F_AGC{L[t]}                                (5)

最后，根据输出电平L_out[t]与输入电平L[t]之间的差来计算增益G[t]：

$G\left[t\right]={10}^{\left({\stackrel{\&OverBar;}{L}}_{\mathrm{out}}\right[t]-\stackrel{\&OverBar;}{L}[t\left]\right)/20}---\left(6\right)$

当L_out[t]＞L[t]时增益大于1，这意味着信号被增强，而当L_out[t]＜L[t]时增益小于1，这意味着信号被衰减。

利用复位的AGC

如上文所述，复位机制或复位功能可能导致以下两个动作之一或者这两个动作：(1)对于短的时间段，将一个或多个时间常数设置为较小的值(由此使音频处理的适应速度增速)，以及(2)将音频信号电平的平滑后的度量或者一个或更多个修正参数设置为存储的值，或设置为平均值或缺省值，可以将其表示为L_init(见下面的等式8a以及在该等式前后的描述)。首先，描述对一个或更多个时间常数的复位。

因为修正参数(即，增益G[t])是平滑后的平均电平L[t]的函数，因此所描述的AGC适应于音频的速度受控于在计算L[t]时所使用的启动时间和释放时间。如上文所述，将这种平滑时间常数选择为相对大(即，约为几秒)，使得在正常音频内容的时间演变期间AGC不会过快地改变音频的电平。然而，如果音频内容突然改变或具有中断，特别是如果新内容处于与先前内容显著不同的电平，则AGC可能占用过长的时间来适应。为了使该适应加速，可以使用先前描述的复位信号来触发对与电平平滑相关的一个或更多个时间常数的修正。在这种情况下，当复位被触发时，所述时间常数快速切换到显著较小的值，然后在特定时间段上平滑地返回到它们的大的初始值(或其近似值)。其它的用于在复位被触发之后使适应速度加速的方法也是可行的。例如，作为对平滑地返回到它们的初始值或其近似值的替代，可以使所述时间常数在特定时间段上保持在它们的较小值处并随后直接返回到它们的初始值或其近似值。另一可行的是提供所述时间常数在特定时间段上的逐步返回。本发明并不旨在为时间常数返回到它们的初始值或其近似值的有限的方式。

为了触发复位，可存在二值复位信号R[t]，使得在正常操作期间R[t]＝0，且当在时间块t处期望复位时R[t]＝1。如先前所描述的，可以通过分析该音频信号或通过外部源来触发复位。下面描述通过信号分析来触发复位的示例的细节。如图3所示，在外部触发的情况下，可以存在存储的状态，利用该存储的状态可以使动态处理复位。对于所描述的优选实施例，这种存储的状态可以包括在特定音频源被处理时的最近的时间决处的平滑后的平均电平L[t]的值。可以用值L_init来表示在外部触发的复位期间从存储器中取回的初始状态(或者替代性地，无论是否使用外部触发的复位，初始状态都可以是缺省值)。

可以根据二值复位信号R[t]产生时间常数控制信号，并随后使用时间常数控制信号来暂时缩小在计算平滑后的平均值L[t]时使用的时间常数，由此使处理适应速度加速。可以计算时间常数控制信号c[t]，以使时间常数控制信号c[t]在复位发生时等于“1”且随后以受衰减系数λ＜1控制的速度而按指数规律地衰减到“0”：

c[t]＝1，如果R[t]＝1                        (7a)

否则

$c\left[t\right]=\left\{\begin{array}{cc}\mathrm{\&lambda;c}[t-1]& L\left[t\right]\&GreaterEqual;L_{\min }\\ c[t-1]& L\left[t\right]<L_{\min }\end{array}---\left(7b\right)\right.$

例如，可以选择衰减系数λ以提供一秒的半衰减时间，这意味着平滑时间常数在复位之后的约一秒的持续时间上被缩小。此外应当注意，只有当信号电平L[t]≥L_min时才可以更新控制信号，以防止在相对寂静期间出现快速适应。

现在启动系数和释放系数可以取决于时间常数控制信号c[t]而随时间变化，而不是如同等式4b所示的使用固定的启动系数和释放系数来对信号电平进行平滑。当c[t]＝1时，这意味着复位刚发生，可以将启动和释放系数设置为等于与根据等式4b的值α_启动和α_释放相比显著更小的值(例如约为初始值的百分之十或更小)。当c[t]随后衰减到“0”时，所述系数可被插值回到它们的标称值α_启动和α_释放。另外，可选地，在复位之后立即使用的小的系数值也可以根据是否存在初始状态值L_init而变化。如果不存在存储的初始状态，则可以使用很小的系数值，而如果存在存储的初始状态，则可以使用略大的系数值。在后者的情况下，假定利用L_init的对L[t]的初始化在更接近于其最终将收敛到的值的值处开始L[t]。因此，与无初始状态可用的情况相比，可以利用对应于较大系数的稍慢的适应时间。适应性平滑处理可以被表示为：

L[t]＝L_init，如果R[t]＝1且L_init存在                    (8a)

否则

$\stackrel{\&OverBar;}{L}\left[t\right]=\left\{\begin{array}{cc}\mathrm{\&gamma;}\left[t\right]\&CenterDot;\stackrel{\&OverBar;}{L}[t-1]+(1-\mathrm{\&gamma;}[t\left]\right)L\left[t\right]& L\left[t\right]\&GreaterEqual;L_{\min }\\ \stackrel{\&OverBar;}{L}[t-1]& L\left[t\right]<L_{\min }\end{array}---\left(8b\right)\right.$

其中

γ_启动[t]＝c[t]β_启动[t]+(1-c[t])α_启动                    (8d)

γ_释放[t]＝c[t]β_释放[t]+(1-c[t])α_释放                    (8e)

β_afast＜β_aslow＜＜α_启动                                 (8h)

且

β_rfast＜β_rslow＜＜α_释放                                 (8i)

值β_afast和β_rfast表示当未提供初始状态L_init时紧接在复位之后的初始的启动平滑系数和释放平滑系数。已经发现，分别对应于50毫秒和200豪秒的半衰减时间的值是可用的。该具体值不是临界的。值β_aslow和β_rslow表示当提供了初始状态L_init时紧接在复位之后的较大的初始的启动平滑系数和释放平滑系数。在这种情况下，已经发现，分别与等于其较快的对应值的两倍的半衰减时间相对应的值100毫秒和400毫秒是可用的。同样地，在这种情况下该具体值不是临界的。

通过信号分析的复位检测

在所公开的本发明中用于触发复位的最可靠的方法是根据已知的直接依赖于音频内容变化的机制或处理而从外部接收触发。先前讨论了若干这种机制，例如电视机上的频道改变或音频/视频接收机上的输入选择改变。然而，在许多情况下，没有这种外部机制可以使用，因此系统必须依赖于对音频信号自身的分析以确定是否应当触发复位。例如，假定所公开的本发明处于电视机中，用户已将外部的有线机顶盒连接到该电视机。该有线机顶盒负责调谐和改变频道，并且解码后的音频作为连续音频流而只被传送到该电视。因此该电视并不接收与何时选择新频道相关的明确信息。唯一可用的信息是可从该电视接收的音频流推断的信息。

用于通过信号分析来触发复位的相对简单但有效的方式是检测在音频信号的时间演变中的以下事件：音频信号的电平在最小时间段(不短于时间阈值t_寂静的时间间隔)中始终保持低于阈值L_寂静。换言之，检测具有至少与特定阈值时间间隔一样长的持续时间的、相对寂静的时段。这种事件可能表示音频内容的突然改变或中断。当音频源改变时，许多装置(特别是有线机顶盒)会使音频信号在短的时间段内静音。该静音的动作使音频信号减小到远低于一般在正常的音频内容中遇到的电平的电平。例如，在数字音频的情况下，该静音的动作可以使信号的样本减小到零。通过分析先前讨论的短期电平L[t]可以检测信号的时间演变中的这种条件。如果L[t]在至少t_寂静的时间间隔内始终保持低于阈值L_寂静，则可以触发复位。该方法可以被表示为：

其中根据下式来更新寂静计数信号s[t]：

假定0dB对应于全标度数字方波的电平，则在实践中设置L_寂静等于例如-90dB是合适的，尽管该电平不是临界的。对于许多应用来说，将t_寂静设置为例如0.25秒的时间是合理的选择，尽管该时间段不是临界的。

在一些情况下，当音频内容突然改变或具有中断时，可能未引入相对寂静的间隙，因此上述技术在触发复位时可能不是有效的。因此，期望用于处理附加情况的替代性的复位触发事件。在音频内容突然改变或具有中断的任何情况下，新音频的电平将大于、等于或小于先前的音频内容的电平。因为大多数动态处理器使用显著快于其释放的启动，所以与新音频内容的电平显著低于旧音频内容的电平的情况相比，新音频内容的电平大于或等于旧音频内容的电平的情况较少有问题。在后者的情况下，慢的释放时间可能导致不能采用的长的适应时间。因此，当新音频内容显著低于旧音频内容时对复位的触发可被认为是特别期望的。为此，可利用由自然声音构成的大多数音频信号所共有的特征。自然声音可能表现出在电平上的突然增大，但是它们一般表现出更为缓慢的衰减。在大多数音频记录中，突然截止的声音不是很常见的。但是，如果例如通过输入选择改变而突然切换音频内容且新音频输入的电平显著低于旧音频输入的电平，则作为结果的音频流在电平上表现出急剧的不自然的瞬时下降。这种电平下降可从短期电平L[t]检测出，并可用于触发复位。

因此，用于通过信号分析来触发复位的另一有效方式是检测在音频信号的时间演变中的以下事件：音频信号的电平在不大于时间阈值t_下降的时间间隔内减小了比差值阈值L_下降大的量。更具体地，如果在时间间隔t_下降内L[t]与L[t-1]之间的差值大于特定阈值L_下降，则复位被触发：

适当的时间差t_下降是一个数字处理块的时间。例如，在一半的块重叠的情况下，一个块时间对应于N/2个样本。如果N＝512且采样速度为48000Hz，则t_下降约为10毫秒。已经发现，大约-10dB至-20dB的电平差L_下降是适当的，尽管该电平差不是临界的。

上述技术在当新音频内容的电平显著低于旧音频内容的电平时触发复位时是有效的，但是上述技术在正常的音频内容期间有时可能易于错误地触发复位。上述技术寻找信号的总电平的下降，并且有时诸如底鼓(kickdrum)之类的音频信号的主要部分可能表现出这种行为，而该信号的剩余部分不表现出这种行为。但是，主要信号分量对总电平贡献最显著，因此可能导致复位被触发。为了处理这种非预期的触发，可以通过以下方式来改进检测方案：当信号电平在阈值时间段内跨多个频带(例如所有频带)地同时表现出显著的电平下降时，对复位进行检测。这样，不管任何给定频带的绝对电平如何，所有这种频带都对复位检测处理做出同等的贡献。为了实施这种技术，首先计算多个频带内的即时电平。该电平被表示为L[b，t]，其中b表示频带索引。通过以下方式可以有效地产生该即时电平：计算每个音频块x[n，t]的离散傅立叶变换(DFT)，并将DFT与每个频带b的带通频率响应C_b[k]相乘：

$L[b,t]=10{\log }_{10}\left(\underset{k=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{C}_b^2\right[k\left]{\left|X\right[k,t\left]\right|}^2\right)---\left(11a\right)$

其中x[n，t]的DFT(即，X[k，t])被计算如下：

$X[k,t]=\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}x[n,t]e^{-j\frac{2\mathrm{\&pi;kn}}{N}}---\left(11b\right)$

可以有利地选择带通频率响应C_b[k]的集合，以模拟沿着人耳中的基底膜观测到的临界频带滤波。如同Moore和Glasberg所建议的(作者为Brian Moore、Brian Glasberg和Thomas Baer，J.的“A Model for thePrediction of Thresholds，Loudness，and Partial Loudness”，Audio Eng.Soc.，Vol.45，No.4，1997年4月)，这种滤波器在等效矩形带宽(equivalentrectangular bandwidth，ERB)标度上表现为近似于圆形指数(roundedexponential)形状且被均匀地隔开。图5示出了具有1ERB的间隔的适当的滤波器集合，结果形成共40个频带。

根据每个频带的即时电平L[b，t]，可以计算跨所有频带地平均的、连续时间块之间的差值：

$D\left[t\right]=\frac{1}{B}\underset{b=1}{\overset{B}{\mathrm{\&Sigma;}}}L[b,t]-L[b,t-1]---\left(12\right)$

对于真实世界的音频信号，只有当多数频带b中的信号电平显著下降时D[t]才会非常小。如果所述差值小于某阈值D_下降，则检测到复位：

在实践中，将D_下降设置在-10dB到-20dB之间是适用的，尽管该设置不是临界的。与只考虑总信号电平的差值的较简单的技术相比，作为结果的多频带技术较不容易错误地触发复位。

图6示出了体现本发明的方面的AGC的框图。数字音频输入信号x[n，t](见等式1)被应用于AGC装置或AGC处理的两个通路。在控制通路中，“计算电平”装置或处理20计算音频的度量，该音频的度量可以是被计算作为输入信号x[n，t]的每个块的均方功率(见等式3)的、该信号的时变的即时电平L[t]。接下来，在“平滑电平”装置或处理22中，对即时电平L[t]进行时间平滑，以产生该音频信号的平滑后的平均电平L[t](见等式4a)。在不存在复位时，时间平滑具有快速启动和缓慢释放的特征。可以通过“时间常数控制信号c[t]”输入和/或“初始化L[t]”输入来控制平滑电平22。如上文所述，时间常数控制信号c[t]输入可能导致在平滑电平22中使用的一个或更多个时间常数在出现复位时被更改。如上文所述，初始化L[t]输入可能导致平滑电平22的输出在出现复位时采用存储的值或缺省值L_init。平滑电平22的输出L[t]被应用于“应用输入/输出功能F_AGC”装置或功能24和“计算增益”装置或功能26。装置或功能24应用结合图4描述的功能以提供期望的输出电平L_out[t](见等式5)。计算增益26根据输出电平L_out[t]与输入电平L[t]之间的差值来计算增益G[t](见等式6)。当L_out[t]＞L[t]时增益大于一，这意味着信号被增强，而当L_out[t]＜L[t]时增益小于一，这意味着信号被衰减。然后将作为修正参数的时变的增益G[t]应用于“相乘”装置或处理28，然后在“相乘”装置或处理28中将G[t]与信号x[n，t]的每个块相乘，以产生修正后的音频信号y[n+tN/](见等式2)。尽管如同所描述的，增益修正参数G[t]是频率无关的，但是也可以计算频率相关的增益修正参数G[b，t]，其中b是频带索引。在这种情况下，计算电平20可以计算频率相关的即时信号电平L[b，t]，平滑电平22可以提供频率相关的输出L[b，t](其控制输入，即，时间常数控制信号c[t]和初始化L[t]也可以是频率相关的)，应用功能F_AGC可以应用频率相关的功能，并且计算增益26提供了频率相关的时变的增益G[b，t]。

实现

本发明可以以硬件或软件或者硬件或软件的结合(例如可编程逻辑阵列)来实现。除非另外指出，否则作为本发明的一部分而包括的算法并不固有地涉及任何特定计算机或其它设备。具体地，可以随根据在此的教导而编写的程序一起使用各种通用机器，或者可以更方便地构造更专门的设备(例如集成电路)以执行所需方法的步骤。因此，可以以运行在一个或更多个可编程计算机系统上的一个或更多个计算机程序来实现本发明，每个可编程计算机系统均包括至少一个处理器、至少一个数据存储系统(包括易失性的和非易失性的存储器和/或存储元件)、至少一个输入装置或输入端口、以及至少一个输出装置或输出端口。将程序代码应用于输入数据以执行在此描述的功能和产生输出信息。以已知的方式将该输出信息应用于一个或更多个输出装置。

可以以任何期望的计算机语言(包括机器编程语言、汇编编程语言或高级过程编程语言、逻辑编程语言或面向对象的编程语言)来实现每个这种程序，以便与计算机系统进行通信。在任何情况下，该语言可以是编译语言或解释语言。

每个这种计算机程序优选地被存储在(或被下载到)可由通用的或专用的可编程计算机读取的存储介质或存储装置(例如固态存储器或固态介质、或者磁介质或光学介质)上，用于在该存储介质或装置被计算机系统读取时配置和操作计算机以执行在此描述的过程。还可以考虑将本发明的系统实现为利用计算机程序配置的计算机可读存储介质，其中该存储介质被配置成使得计算机系统按特定的预定方式来操作以执行在此描述的功能。

已经描述了本发明的多个实施例。然而应该理解，在不背离本发明的精神和范围的情况下可以进行各种修改。例如，在此描述的一些步骤可以是顺序无关的，因此可以以与所描述的顺序不相同的顺序来执行。

Claims (10)

1.一种用于处理音频信号的方法，包括：

根据动态控制处理来改变所述音频信号的动态特性，

检测所述音频信号的内容的变化，以及

响应于检测到这种变化而对所述动态控制处理进行复位。

2.根据权利要求1所述的方法，其中所述检测所述音频信号的内容的变化包括以下两种操作之一或这两种操作：

检测在所述音频信号的时间演变中的以下事件：所述音频信号的电平在不短于第一时间阈值t_寂静的时间间隔内始终保持低于阈值L_寂静，以及

检测在所述音频信号的时间演变中的以下事件：所述音频信号的电平在不大于第二时间阈值t_下降的时间间隔内降低了比差值阈值L_下降大的量。

3.根据权利要求2所述的方法，其中上述第二个检测事件的操作对多个频带中的音频信号电平的降低进行检测。

4.一种用于处理音频信号的方法，包括：

根据动态控制处理来改变所述音频信号的动态特性，

接收从外部提供的表示所述音频信号的变化的复位触发信号，以及

响应于所述复位触发信号而对所述动态控制处理进行复位。

5.根据权利要求4所述的方法，其中所述复位触发信号表示以下中的一个或更多个：

用户改变频道的动作，

用户改变输入源的动作，

用户选择播放、倒带或前进功能的动作，

一个文件到另一文件的切换，

节目的改变，

一个音频编码格式到另一音频编码格式的切换，以及

编码参数的改变。

6.根据权利要求1-5中任一项所述的方法，其中对所述动态控制处理进行复位的步骤使得所述动态处理适应于输入信号的变化的速度加速。

7.根据权利要求1-6中任一项所述的方法，其中对所述动态控制处理进行复位的步骤将一个或更多个处理控制参数或这种一个或更多个处理控制参数所取决于的信号的值设置为存储的值或缺省值。

8.根据权利要求1-7中任一项所述的方法，其中对所述动态控制处理进行复位的步骤使得在确定一个或更多个处理控制参数或这种一个或更多个处理控制参数所取决于的信号时所使用的一个或更多个时间常数的值缩小。

9.一种适合于执行根据权利要求1-8中任一项所述的方法的设备。

10.一种存储在计算机可读介质上的计算机程序，所述计算机程序用于使计算机执行根据权利要求1-8中任一项所述的方法。

Images