CN101542599B - 用于编码和解码宽带语音信号的方法、装置和系统 - Google Patents

Abstract

提供一种用于编码或解码宽带语音信号的方法、装置和系统。该方法包括：从宽带语音信号中提取线性预测系数(LPC)；输出线性预测(LP)残留信号；音调-搜索LP残留信号的谱；提取LP残留信号的谱幅度和相位，其与阻尼因子对应；从所提取的谱幅度和相位当中获取其中将LP残留信号的功率值最小化的第一谱幅度和第一相位；量化第一谱幅度和第一相位；以及解码宽带语音信号。该装置包括：线性预测系数(LPC)分析器；LPC逆滤波器；音调搜索单元；正弦分析器；以及相位和谱幅度量化器。该系统包括：宽带语音编码装置；以及宽带语音解码装置。

Description

用于编码和解码宽带语音信号的方法、装置和系统

技术领域

符合本发明的方法、装置和系统涉及编码和解码宽带语音信号，而且更具体地，涉及利用添加有阻尼因子的匹配追踪正弦模型来编码和解码宽带语音信号。 

背景技术

语音通信的应用领域的多样化以及网络的数据传输率的增加已经导致对高质量语音通信的需求的增长。为了满足高质量语音通信的需求，需要传输具有50-7000赫兹带宽的宽带语音信号，其与300-3400赫兹的现有电话频带相比在诸如自然性和清晰性的多种方面具有更优越的性能，而为了有效地压缩宽带语音信号，期望开发新的宽带语音压缩器。 

特别地，数字通信使用分组交换方法用于集成语音通信和数据通信。然而，分组交换方法可能引起信道拥塞，导致分组丢失和声音质量低劣。虽然可以使用隐藏损坏分组的技术以便解决这些问题，但是该技术并非这些问题的长期解决方案。因此，最近的语音压缩器已经尝试通过利用扩充功能减少通信量来解决这些问题。 

扩充功能允许通过在各种级中形成语音数据、并在将语音数据分组化时根据拥塞的等级调整所传输的的级的量而在给定的信道环境下执行最佳通信。扩充功能用于借助分组网络的语音通信，而且可以根据网络状态提供最佳通信。而且，如果在经由具有不同的位率的信道发送语音分组时提供扩充功能，则可以执行无串接(tandem-free)通信，借以通过调整传输级来发送语音分组而不使用双编码。 

因此，已经开展关于利用扩充功能的语音编码和解码的研究，而且更详细地，利用正弦合成模型编码和解码16位线性脉冲编码调制(PCM)格式语音信号。正弦模型是以低位率编码语音信号的高效率技术，而且在最近用于语音转换、声音质量改善、以及低数据率音频编码。由于对背景噪声和非语音信号的壮健性，正弦模型用于其中对视频信号、生物信号等执行分析和 合成的数字信号处理的领域。 

然而，在用于将语音信号建模的现有技术正弦模型中，假定在单个帧中基频的整数倍中正弦参数是恒定的。由于该假设，当由解码器端合成具有时间变化特性的语音信号时，时间变化特性失真，而且出现帧之间的不连续性。为了解决这些问题，解码器端使用参数内插方法或波形内插方法。然而，参数内插方法或波形内插方法引起语音波形的修改，导致非稳定时段期间波形的失真。特别地，因肇始(onset)或消退(offset)转变持续时间中语音信号的波形失真而发生声音质量的显著下降。 

此外，已经由具有低传输率的语音编码器使用的现有技术谐波编码方法利用峰检测方法来检测谐波幅度，峰检测方法用于做成零相位并执行快速傅立叶变换(FFT)以便防止相位传输。然而，现有技术谐波编码方法的局限在于，由于复杂度和导通(on)数据率的限制而必须应用小于512个点的频率分辨率。频率分辨率的下降和相位参数的传输限制妨碍了正确的谐波峰检测，作为结果，语音编码器的性能因合成语音信号的脉冲位置的延迟以及帧之间的相位差而下降。 

发明内容

技术方案 

本发明的示范性实施例通过改善现有正弦模型并减少量化误差以便编码宽带语音信号而提供用于编码宽带语音信号并以良好的性能支持信噪比(SNR)可扩展性的方法和系统。 

有益效果 

根据本发明的示范性实施例的编码/解码宽带语音信号的方法有利于高声音质量和低复杂度，因为其解决现有正弦模型中出现的帧之间的不连续性以及语音波形失真的问题，并将量化误差最小化。此外，通过提供SNR扩展功能，可以执行给定信道环境下的最佳通信。 

附图说明

通过参照附图详细描述其示范性实施例，本发明的以上和其它方面将变得更加显而易见，其中： 

图1是根据本发明的示范性实施例的宽带语音编码和解码系统的框图； 

图2是根据本发明的示范性实施例的正弦分析器的框图； 

图3A和3B是示出根据本发明的示范性实施例的正弦幅度和相位搜索单元已经首次操作其呈环形配置的内部块时的信号波形和幅度的曲线图； 

图4A和4B是示出根据本发明的示范性实施例的正弦幅度和相位搜索单元已经第二次操作其呈环形配置的内部块时的信号波形和幅度的曲线图； 

图5A和5B是根据本发明的示范性实施例的谱幅度量化器的编码器端和解码器端的框图；以及 

图6是根据本发明的示范性实施例的相位量化器的框图。 

具体实施方式

最佳模式 

根据本发明的一个方面，提供一种编码和解码宽带语音信号的方法，该方法包括：从宽带语音信号中提取线性预测系数(LPC)；输出通过利用LPC从宽带语音信号中去除包络(envelope)而获得的线性预测(LP)残留信号；音调(pitch)-搜索LP残留信号的谱；通过向匹配追踪算法添加阻尼因子来提取LP残留信号的谱幅度和相位，谱幅度和相位与阻尼因子对应；从所提取的谱幅度和相位当中获取其中将LP残留信号的功率值最小化的第一谱幅度和第一相位；量化第一谱幅度和第一相位；以及解码宽带语音信号。 

所述阻尼因子可以包括LP残留信号的谱幅度阻尼因子和频率阻尼因子。 

所述提取LP残留信号的谱幅度和相位可以包括：相对于利用频率阻尼因子通过音调-搜索LP残留信号获得的每个频率设置多个候选频率；通过相对于通过音调-搜索获得的每个频率从候选频率当中获得其中将误差值最小化的频率和相位来计算正弦字典值，并累加相对于通过音调-搜索获得的每个频率计算的正弦字典值；通过从作为目标信号的LP残留信号中减去所累加的正弦字典值来产生最终残留信号；以及检测与其中相对于通过音调-搜索获得的每个频率将最终残留信号的功率值最小化的第一谱幅度和第一相位对应的频率阻尼因子。 

所述设置候选频率的步骤可以包括：相对于与LP残留信号中基频的n倍对应的频率利用频率阻尼因子设置与基频的n-1倍对应的频率和与基频的 n+1倍对应的频率之间的候选频率。 

累加的正弦字典的数量可以与宽带语音信号的谱的数量相等。 

可以利用第一谱幅度和第一相位来获得和量化谱幅度阻尼因子。 

可以利用离散余弦变换(DCT)量化第一谱幅度。 

量化第一相位的方法可以包括：通过获得第一相位与从第一相位产生的第一码本相位之间的差、将所述差乘以与第一相位对应的包络值、并将每个差加到各个相乘结果来获得距离；检测和输出允许将距离最小化的第一码本相位；通过调整从第一码本相位与第一相位之间的差产生的相位误差向量来产生第二相位，并通过获得第二相位与从第二相位产生的第二码本相位之间的差、将所述差乘以与第二相位对应的包络值、并将所述差加到各个相乘结果来获得距离；以及检测和输出允许将距离最小化的第二码本相位。 

可以通过根据各种传输率借助模式信息确定位分配来量化阻尼因子、谱幅度、相位和音调。 

所述解码宽带语音信号的步骤可以包括：解码经量化的第一谱幅度和经量化的第一相位；解码经量化的阻尼因子；利用第一谱幅度、第一相位、阻尼因子、音调值其中至少一个来合成LP残留信号；以及从LP残留信号解码宽带语音信号。 

根据本发明的另一个方面，提供一种用于在宽带语音编码系统中编码宽带语音信号的装置，该装置包括：线性预测系数(LPC)分析器，其从宽带语音信号中提取LPC；LPC逆滤波器，其输出通过利用LPC从宽带语音信号中去除包络而获得的线性预测(LP)残留信号；音调搜索单元，其音调-搜索LP残留信号的谱；正弦分析器，其通过向匹配追踪算法添加阻尼因子来提取LP残留信号的与阻尼因子对应的谱幅度和相位，并从所提取的谱幅度和相位当中获得其中将LP残留信号的功率值最小化的第一谱幅度和第一相位；以及相位和谱幅度量化器，其量化第一谱幅度和第一相位。 

所述正弦分析器可以包括：频率阻尼因子施加单元，其相对于利用频率阻尼因子通过音调-搜索LP残留信号获得的每个频率设置多个候选频率；误差最小化单元，其相对于通过音调-搜索获得的每个频率从候选频率当中获得其中将误差值最小化的频率和相位；字典分量产生器，其借助从误差最小化单元输出的频率和相位获得正弦字典值；累加器，其从字典分量产生器接收相对于通过音调-搜索获得的每个频率产生的正弦字典值，并累加正弦字 典值；计算器，其通过从LP残留信号中减去所累加的正弦字典值来产生最终残留信号；以及阻尼因子选择器，其检测与其中相对于通过音调-搜索获得的每个频率将最终残留信号的功率值最小化的第一谱幅度和第一相位对应的频率阻尼因子。 

根据本发明的另一个方面，提供一种宽带语音编码和解码系统，包括：宽带语音编码装置，其通过利用从宽带语音信号中提取的线性预测系数(LPC)从宽带语音信号中去除包络而获得线性预测(LP)残留信号，通过向匹配追踪算法添加阻尼因子来提取LP残留信号的与阻尼因子对应的谱幅度和相位，从所提取的谱幅度和相位当中获得其中将LP残留信号的功率值最小化的第一谱幅度和第一相位，并量化第一谱幅度和第一相位；以及宽带语音解码装置，其通过解码经量化的第一谱幅度、经量化的第一相位和经量化的阻尼因子并合成LP残留信号来解码宽带语音信号。 

发明模式 

参照用于例示本发明的优选实施例的附图以便充分理解本发明、其优点、以及由本发明一般概念的实施实现的目的。 

以下，将通过参照附图说明本发明的示范性实施例来详细描述本发明概念。附图中，类似的引用数字指代类似的元素。 

图1是根据本发明的示范性实施例的宽带语音编码和解码系统的框图。 

参照图1，所述宽带语音编码和解码系统包括宽带语音编码器100和宽带语音解码器200。 

宽带语音编码器100包括线性预测系数(LPC)分析器105、线性谱对(LSP)转换器110、LSP内插器113、LSP量化器115、感知加权滤波器120、LPC逆滤波器125、整数音调搜索单元130、正弦分析器140、分数音调搜索单元150、阻尼因子向量量化器155、相位/谱幅度量化器160、音调量化器170、参数分配单元180、以及多路复用器(MUX)190。 

大约每20毫秒(即，每帧)将具有大约50赫兹至大约7000赫兹的宽带宽的语音信号输入到LPC分析器105、感知加权滤波器120和整数音调搜索单元130。LPC分析器105相对于每帧施加汉明窗口的输入信号利用自相关方法输出16阶LPC参数。 

LSP转换器110通过将时域中的LPC参数转换为频域中的LSP参数来减少位率。LSP内插器113利用两个子帧LPC滤波器内插过去的LSP值， 并通过将经内插的过去的LSP值转换为LPC而输出2个子帧的2对LPC。LSP量化器115量化LSP参数。 

感知加权滤波器120接收宽带语音信号和包含LPC参数的LPC，并利用被量化为适合人类听觉的感知特性的LPC来修改宽带语音信号。LPC逆滤波器125输出通过从谱中去除包络而获得的线性预测(LP)残留信号。利用从LSP内插器113输出的LPC信号产生LP残留信号。 

利用LP残留信号确定音调，而且正弦分析器140利用其中向正弦建模添加阻尼因子的匹配追踪算法执行LP残留信号的正弦建模。 

正弦分析器140通过基于从参数分配单元180输入的信息将其中宽带语音信号的谱幅度和相位是基频的谱幅度和相位的整数倍的位置设置为参考点来执行LP残留信号的建模，并基于该建模获得阻尼因子。 

即，正弦分析器140接收LP残留信号并利用添加有阻尼因子的匹配追踪正弦模型将LP残留信号建模。相位/谱幅度量化器160利用离散余弦变换(DCT)量化LP残留信号的谱幅度，并利用循环特性量化LP残留信号的相位。相位/谱幅度量化器160具有多级结构。 

该情况下，谱幅度由量化器(未示出)利用DCT量化，相位由循环加权量化器(未示出)量化，而阻尼因子由向量量化器(未示出)量化。将参照下面图2详细描述由正弦分析器140用于提取阻尼因子的方法，而且将参照下面图5和6详细描述由正弦分析器140分析的谱幅度和相位的量化。 

音调搜索包括整数音调搜索和分数音调搜索两级。即，整数音调搜索单元130接收LP残留信号和宽带语音信号，并通过利用快速傅里叶变换(FFT)系数值的自相关近似值执行整数音调搜索来获得LP残留信号的峰周期。分数音调搜索单元150通过从音调值的近似值当中获得具有最大互相关值的音调值来执行十进制小数点基础上的精细音调搜索。 

音调搜索方法使用其中利用FFT使用计算值计算自相关近似值的开环音调搜索。即，可以通过利用FFT获得近似音调值、并从近似音调值当中获得具有最大互相关值的音调值来获得正确的音调值。音调值由音调量化器170量化。MUX 190将谱幅度、相位、阻尼因子、以及音调值的码本索引分组化。 

码本索引和经量化的编码被输入到宽带语音解码器200，而宽带语音解码器200通过宽带语音编码器100的逆过程将经编码的宽带语音信号解码， 并输出经解码的宽带语音信号。 

即，宽带语音解码器200利用经量化的第一谱幅度、经量化的第一相位、经量化的阻尼因子和经量化的音调值合成LP残留信号，并通过从合成的LP残留信号中解码经编码的宽带语音信号来输出宽带信号。 

对于多级宽带语音编码器，将基本级设置为8Kbps，并通过向基本级添加具有4kbps、12Kbps和8Kbps的数据率的级来执行编码。 

于是，参数分配单元180根据信道状态基于模式信息确定参数选择和位分配，如下面表1中所示，并向正弦分析器140、阻尼因子向量量化器155、相位/谱幅度量化器160和音调量化器170提供关于参数选择和位分配的每个细节的信息。 

每个级通过在添加有阻尼因子的正弦模型中建模与基频相邻的频率来向基本级提供详细的信息。 

表1示出根据32Kbps、24Kbps、12Kbps和8Kbps模式的参数的位分配。 

[表1] 

现在将参照图2更详细地描述使用其中由正弦分析器140添加有阻尼因子的匹配追踪算法的正弦建模方法。 

本发明的示范性实施例通过借助给予一般正弦模型简单约束条件来获取称为‘阻尼因子’的两个传输参数(谱幅度阻尼因子g_l ^k和频率阻尼因子c_l ^k)而允许更高效率的建模。即，由于语音信号根据语音信号的特性而随着可以预先确定的当前帧与前一帧之间的相关而变换，所以将约束条件给予语音样本之间的相关。 

在描述本发明的示范性实施例之前，现在将描述阻尼因子。 

阻尼因子表示当前帧的参数与前一帧的参数的比率，而帧之间的谱的幅度和频率由等式1表示。 

[数学式1] 

$A_l^k=g_l^k\·A_l^{k-1},$ $w_l^k=c_l^k\·w_l^{k-1}---\left(1\right)$

等式1中， 

和 

分别表示第k帧的第l谱的幅度和频率。即，当前帧的相对于谱幅度和频率的阻尼因子分别由 

和 

表示。对利用匹配追踪正弦模型分析的谱幅度和频率进行参数内插以防止帧之间的不连续性，其中利用下面示出的等式2的第一行内插谱幅度，并利用下面示出的等式3的第一行内插相位。其中，可以利用谱幅度阻尼因子 

由等式2的第二行表示通过对前一帧的谱幅度进行内插而合成的谱幅度，而且可以利用频率阻尼因子 

和谱的相位改变率a由等式3的第二行表示通过对前一帧的相位进行内插而合成的相位。 

[数学式2] 

${\tilde{A}}_l^k\left(n\right)=(1-\frac{n}{N})\·A_l^k+\frac{n}{N}\·A_l^{k-1}$

(2) 

$=[1+(1-g_l^k)\·\frac{n}{N}]\·A_l^k$

[数学式3] 

${\widetilde{\mathrm{\θ}}}_l^k\left(n\right)={\mathrm{\θ}}_l^k+w_l^k\·a\·n^2$

(3) 

$a=\frac{w_l^{k+1}-w_l^k}{2N}=\frac{(c_l^k-1)w_l^k}{2N}$

等式2和3中，N表示帧长度。值a表示通过执行前一帧的谱的相位的2阶内插而合成的谱的相位改变率，而且可以利用频率阻尼因子 

由等式3表示。 

图2是根据本发明的示范性实施例的正弦分析器140的框图。 

参照图2，正弦分析器140包括正弦幅度/相位搜索单元143、频率阻尼因子施加单元145、阻尼因子选择器147和阻尼因子合成器149。 

由于在根据添加有阻尼因子的匹配追踪正弦模型的特性执行合成时利用谱幅度和频率阻尼因子代替内插，因而不需要额外的窗口块。 

将LPC逆滤波器125(图1中所示)输出的LP残留信号作为目标信号r[n]输入到正弦幅度/相位搜索单元143，并利用匹配追踪算法搜索目标信号r[n]的谱幅度和相位。即，正弦幅度/相位搜索单元143集成在利用添加有阻尼因子的匹配追踪正弦模型预测和合成参数时所使用的内插方法。 

正弦幅度/相位搜索单元143包括计算器块143a、误差最小化块143b、 字典元素产生器块143c和累加器块143d，其呈环形配置依次彼此相互耦接。正弦幅度/相位搜索单元143通过将谱幅度阻尼因子g_l ^k固定为1来检测与从频率阻尼因子施加单元145输入的频率阻尼因子c_l ^k的每个候选对应的谱幅度和相位对。以下，将仅描述这样的状态，其中将频率阻尼因子c_l ^k固定为初始值，即，其中所检测的频率为基频的倍数的部分。 

将LP残留信号作为第一目标信号r[n]输入到正弦幅度/相位搜索单元143的计算器块143a，而计算器块143a向误差最小化块143b输出跟第一目标信号r[n]与从累加器块143d输出的信号r_l-1[n]之间的差对应的信号r_l[n]作为新的目标信号。 

该情况下，将从由整数音调搜索单元130和分数音调搜索单元150找到的音调检测到的基频w₀和新的目标信号r_l[n]输入到误差最小化块143b。 

误差最小化块143b利用新的目标信号r_l[n]借助等式4搜索正弦字典的幅度和相位。 

[数学式4] 

其中，r_l表示第l目标信号，而E_l表示r_l与第l正弦字典之间的均方误差。如果l为0，则r_l等于LP残留信号。如果如上所述假定g_l ^k为1，则由等式2表示的合成谱幅度 

与当前帧的谱幅度A_l ^k相同。 

误差最小化块143b利用等式5(如下所示)获得其中将误差E_l最小化的A_l和θ_l。即，其中将误差E_l最小化的A_l和θ_l由等式5表示。 

[数学式5] 

$A_l=\sqrt{a_l^2+b_l^2},{\mathrm{\θ}}_l=-{\tan }^{-1}\left(\frac{b_l}{a_l}\right)$

这里，A_l和θ_l分别是第l谱的幅度和相位。误差最小化块143b根据频率阻尼因子c_l ^k的候选值确定θ_k，并选择其中将误差E_l最小化的A_l和θ_l。该 情况下，使用初始值作为c_l ^k，而且所检测的频率点是基频的倍数。 

如上所述，误差最小化块143b向字典元素产生器块143c输出与第l谱对应的l*w₀、A_l和 

而字典元素产生器块143c产生由等式6表示的正弦字典d_l ^k。 

[数学式6] 

$d_l^k=A_l\cos {\widetilde{\mathrm{\θ}}}_l---\left(6\right)$

等式6中，正弦字典d_l ^k可以是与第k帧中的第l谱对应的时域波形。 

即，字典元素产生器块143c借助输出参数产生通过在时域中仅合成每个帧中的第l谱而获得的时域波形d_l ^k。 

累加器块143d通过线性地累加d_l ^k产生合成信号 

即，直到第l合成信号产生的合成信号，如等式7中所示。 

[数学式7] 

等式7中，L表示通过将音调除以2获得的整数，即，谐波的数量。 

当累加器块143d输出合成信号 时，计算器块143a通过从目标信号r[n]中减去合成信号 

来产生新的目标信号r_l[n]。最终，正弦幅度/相位搜索单元143合成从作为基频的倍数的频率中检测的谱幅度和相位。 

阻尼因子选择器147根据每个频率获得最终残留信号的功率值，选择与最小功率值对应的最佳参数，并向阻尼因子合成器149输出最佳参数。 

阻尼因子合成器149利用通过重复匹配追踪算法获得的最佳参数合成LP残留信号。 

现在将参照图2至4B更详细地描述根据本发明的示范性实施例的匹配追踪算法。 

图3A和3B是示出根据本发明的示范性实施例的正弦幅度/相位搜索单元143已经首次操作其呈环形配置的内部块时的信号波形和幅度的曲线图。 

图3A示出根据本发明的示范性实施例的频域中由字符a指示的作为目标信号r[n]的LP残留信号的幅度、以及由字符b指示的从累加器块143d输出的第一合成信号 的幅度。 

图3B示出根据本发明的示范性实施例的频域中由字符c指示的通过从目标信号r[n]中减去合成信号 

而产生的新的目标信号r₁[n]的幅度。 

将作为第一目标信号r[n]的LP残留信号输入到正弦幅度/相位搜索单元 143的计算器块143a并提供给误差最小化块143b。同时，通过音调搜索将基频w₀输入到误差最小化块143b。 

误差最小化块143b相对于第一目标信号r[n]利用如上面等式5中所示的最小化过程获得基频w₀中的正弦幅度A₁和相位θ₁。 

正弦幅度/相位搜索单元143相对于从频率阻尼因子施加单元145输出的c_l ^k的候选值额外地根据c_l ^k的每个候选值检测频率、谱幅度和相位参数。 

现在将更详细地描述正弦幅度/相位搜索单元143的相对于从频率阻尼因子施加单元145输出的c_l ^k的候选值的操作。 

误差最小化块143b利用从频率阻尼因子施加单元145输出的基频w₀和值a搜索能够相对于(1-2a*n)*w₀、(1-a*n)*w₀、w₀、(1+a*n)*w₀和(1+2a*n)*w₀中的每个频率将误差最小化的正弦幅度A₁和相位 

即，通过基于上面等式3中当前帧与前一帧的基频的差将c_l ^k乘以n/2(n＝0、±1、±2)来设置五个候选频率(1-2a*n)*w₀、(1-a*n)*w₀、w₀、(1+a*n)*w₀和(1+2a*n)*w₀。 

例如，如果将阻尼因子a设置为0，则误差最小化块143b获得能够相对于基频w₀将误差最小化的正弦幅度A₁和相位θ₁。 

于是，利用上述方法，误差最小化块143b获得能够相对于(1-2a*n)*w₀、(1-a*n)*w₀、w₀、(1+a*n)*w₀和(1+2a*n)*w₀中的每个频率将误差最小化的正弦幅度A₁和相位 

并向阻尼因子选择器147提供与每个频率对应的一对正弦幅度和相位(A₁， 

)。当输入正弦幅度A₁和相位 

时，字典元素产生器块143c产生由下面等式8表示的正弦字典信号d₁ ^k，并向累加器块输出正弦字典信号d₁ ^k。 

[数学式8] 

值a表示通过执行前一帧的谱的相位的2阶内插而合成的谱的相位改变率，而且可以利用从频率阻尼因子施加单元145输入的频率阻尼因子c_l ^k由上面等式3表示。 

于是，根据如上面等式3中所示的c_l ^k确定值a，并根据a计算检测的频率点，即，(1-2a*n)*w₀、(1-a*n)*w₀、w₀、(1+a*n)*w₀和(1+2a*n)*w₀。 

累加器块通过线性地累加d_l ^k产生合成信号 

(图3A中的信号b)。该情况下，累加器块143d仅产生d₁ ^k。累加器块143d输出通过在时域中合成d₁ ^k 产生的信号 

计算器块143a通过从作为目标信号r[n](图3A中的信号a)的LP残留信号中减去合成信号 (图3A中的信号b)来产生新的目标信号r₁[n](图3B中的信号c)，并执行下一环操作。 

如图3A中所示，目标信号r[n](信号a)和合成信号 

(信号b)二者在基频w₀中形成峰值，以及如图3B中所示当新的目标信号r₁[n](信号c)的幅度在基频w₀中接近0时，基频w₀中的误差值小于其它频率中的误差值。 

如上所述，如果相对于基频w₀和周围频率的搜索的第一环操作结束，则执行对新的目标信号r₁[n]的第二环操作。 

图4A和4B是示出根据本发明的示范性实施例的正弦幅度/相位搜索单元143已经第二次操作其呈环形配置的内部块时的信号波形和幅度的曲线图。 

图4A示出根据本发明的示范性实施例的频域中由字符a指示的作为目标信号r[n]的LP残留信号的幅度、以及由字符b指示的从累加器块143d输出的第二合成信号 

的幅度。 

图4B示出根据本发明的示范性实施例的频域中由字符c指示的新的目标信号r₂[n]的幅度。 

在第二环操作中，搜索能够相对于与两倍基频对应的频率2*w₀和周围频率将误差最小化的正弦幅度A₂和相位 

如第一环操作一样，在第二环操作中，当第二目标信号r[n]被输入到误差最小化块143b时，借助音调搜索将与两倍基频对应的频率2*w₀同时输入到误差最小化块143b。 

误差最小化块143b相对于第二目标信号r₁[n]利用如上面等式5中所示的最小化过程获得频率2*w₀和周围频率中的正弦幅度A₂和相位 

并向字典元素产生器块143c输出正弦幅度A₂和相位 

即，如第一环操作中一样，误差最小化块143b利用阻尼因子值a搜索能够相对于(1-2a*n)*2*w₀、(1-a*n)*2*w₀、2*w₀、(1+a*n)*2*w₀和(1+2a*n)*2*w₀中的每个频率将误差最小化的正弦幅度A₂和相位 

当输入正弦幅度A₂和相位 

时，字典元素产生器块143c产生由下面等式9表示的正弦字典d₂ ^k，并向累加器块143d输出正弦字典d₂ ^k。 

[数学式9] 

该情况下，与第一环操作中一样，正弦字典 

根据找到的正弦幅度A₂和相位 变化。 

累加器块143d通过线性地累加 

并累加第一环操作中产生的时域波形 

和第二环操作中产生的时域波形 来产生合成信号。 

于是，累加器块143d输出从 

在时域中产生的合成信号 

同样地，在第三环操作中，通过从目标信号r[n](图4A中的信号a)中减去合成信号 

(图4A中的信号b)来产生第三目标信号r₂[n](图4B中的信号c)。 

如图4A中所示，第一目标信号r[n]的谱的峰值可能不匹配频率2*w₀中的信号 

的谱的峰值。于是，误差最小化块143b获得能够相对于(1-2a*n)*2*w₀、(1-a*n)*2*w₀、2*w₀、(1+a*n)*2*w₀和(1+2a*n)*2*w₀中的每个频率将误差最小化的正弦幅度A₂和相位 

并向阻尼因子选择器147提供与每个频率对应的一对正弦幅度和相位 

即，如果LP残留信号在与基频w₀的整数倍近似对应的位置处形成峰值而不在基频w₀的整数倍处形成峰值，则出现帧之间的不连续性，于是为了防止不连续性，搜索与峰值对应的频率以尽可能多地减少误差。 

于是，在第二环操作中通过从目标信号中减去通过合成在与两倍基频对应的频率处分析的参数获得的信号而产生新的信号，在第三环操作中通过从目标信号中减去通过合成在与三倍基频对应的频率处分析的参数获得的信号而再次产生新的信号，并重复该过程。 

以这样的方式，如果执行了与第一目标信号r[n]的谱的数量l对应的数量的轮转，则相对于作为基频w₀的整数倍的频率的周围频率的正弦幅度和相位对被输入到并存储在阻尼因子选择器147中。 

通过划分由整数音调搜索单元130和分数音调搜索单元150获得的音调来计算谱的数量，如等式10所示。 

[数学式10] 

$H_{\mathrm{num}}=\frac{p}{2}---\left(10\right)$

在等式10中，H_num表示谱的数量，而p表示音调周期。 

阻尼因子选择器147根据每个频率获得最终残留信号的功率值，选择其中将功率值最小化的最佳频率阻尼因子c_l ^k，并向阻尼因子合成器149输出与最佳频率阻尼因子c_l ^k对应的A_k和 

即，如果已经最终执行与谱的数量l对应的数量的轮转，则累加器块输出 ${\stackrel{\↔}{r}}_l\left[n\right]=d_1^k+d_2^k+\·\·\·+d_l^k,$ 而计算器块通过从第一目标信号r[n]中减去 

来产生最终目标信号r_l+1[n]。 

最终目标信号r_l+1[n]可以是到当前时刻为止借助轮转通过从第一目标信号r[n]中减去合成信号而获得的最终残留信号。 

即，通过从原始信号中减去具有最大能量的频率的正弦字典并借助从目标信号中减去具有第二大能量的频率的正弦字典来合成新的目标信号，以与产生目标信号的方法的谱的数量相同的次数重复执行正弦幅度/相位搜索单元143的匹配追踪算法。 

该情况下，由于执行了与谱的数量l对应的数量的轮转，以与谱的数量l对应的次数产生与每个c_l ^k对应的其中将E_k最小化的A_k和 

其中将E_k最小化的A_l和 

与每个阻尼因子c_l ^k一起被存储在阻尼因子选择器147中。 

阻尼因子选择器147根据c_l ^k的每个候选获得最终剩下的最终残留信号的功率值，选择其中将功率值最小化的最佳参数，并向阻尼因子合成器149输出最佳参数。 

阻尼因子合成器149利用借助重复匹配追踪算法获得的最佳参数合成LP残留信号。 

由阻尼因子合成器149合成的LP残留信号是利用最佳频率阻尼因子c_l ^k以及相应的频率中的谱幅度和相位合成的信号。这里，由于谱幅度阻尼因子g_l ^k被固定为1，不考虑谱幅度阻尼因子g_l ^k，因而仅考虑频率阻尼因子c_l ^k。 

阻尼因子选择器147从最终目标信号r_l+1[n]获得能够相对于(1-2a*n)*l*w₀、(1-a*n)*l*w₀、l*w₀、(1+a*n)*l*w₀和(1+2a*n)*l*w₀中的每个频率将误差最小化的正弦幅度A_l和相位 并存储与每个频率对应的一对正弦幅度和相位(A， 

)。 

阻尼因子选择器147最终相对于5个频率阻尼因子c_l ^k中的每一个获得最终残留信号的功率值，选择其中将功率值最小化的最佳频率阻尼因子c_l ^k，并向阻尼因子合成器149输出与最佳频率阻尼因子c_l ^k对应的A_l和 

通过将残留信号的谱自乘来获得功率值。 

阻尼因子合成器149接收最佳频率阻尼因子c_l ^k以及与最佳频率阻尼因子c_l ^k对应的A_l和 

并利用等式11合成LP残留信号。 

[数学式11] 

这里，作为上标的标记(即，r帽)表示考虑阻尼因子的影响的谱的幅度和相位。 

阻尼因子合成器149还利用下面示出的等式12至14确定谱幅度阻尼因子g_l ^k。这里，通过考虑数据率的约束假定g_l ^k为g₀ ^k来估计g₀ ^k。 

[数学式12] 

其中， 

最后，由于在 $\frac{\∂\mathrm{\ζ}(n,g_0^k)}{{\∂g}_0^k}=0$ 时获得g₀ ^k的最佳解，将等式12改写为等式13。 

[数学式13] 

于是，为g₀ ^k将等式12改写为等式14。 

[数学式14] 

这些最终估计的参数，即，谱幅度和相位以及阻尼因子g₀ ^k和c₀ ^k，用于正弦合成公式。 

即，通过利用频率阻尼因子c_l ^k调整每个峰脉冲的位置、利用谱幅度阻尼因子g₀ ^k将前一帧的最后一个峰脉冲的幅度与当前帧的第一个峰脉冲的幅度 之间的斜坡调整为线性的、并调整每个当前帧的各个峰脉冲之间的斜坡来改善不连续的语音信号。 

现在将参照图5A和5B更详细地描述由相位/谱幅度量化器160用于量化从正弦分析器140输出的LP残留信号的谱幅度和阻尼因子的方法。 

相位/谱幅度量化器160包括谱幅度量化器160a和相位量化器160b。 

图5A和5B是根据本发明的示范性实施例的谱幅度量化器160a的编码器端和解码器端的框图。 

参照图5A，谱幅度量化器160a的编码器端包括正规化块161、离散余弦变换(DCT)块162、初级变量向量匹配单元163、向量缓冲器164和次级变量向量匹配单元165。 

谐波幅度值的数量为大约6-120，而为了量化该可变数量的谱幅度(谐波值和非谐波值)，使用DCT功能。利用分离向量量化方法和多级向量量化方法来量化经变换的DCT值。根据DCT量化器的分析过程，利用上面等式10获得谐波的数量。 

正规化块161如下面等式15中所示利用谱幅度的平均能量正规化每个谱幅度。因为根据语音信号的能量检测的谱幅度的变化范围很大，所以为了量化效率执行正规化以将谱幅度的变化范围减小到阈值范围之内。该阈值范围可以预先确定。 

[数学式15] 

$H_{\mathrm{norm}}\left(n\right)=\frac{H\left(n\right)}{\sqrt{\underset{i=1}{\overset{H_{\mathrm{num}}}{\mathrm{\Σ}}}\frac{H\left(i\right)\·H\left(i\right)}{H_{\mathrm{num}}}}}---\left(15\right)$

DCT块162如等式16中所示利用改进DCT(MDCT)变换经正规化的谱值。 

[数学式16] 

$S\left(k\right)=\underset{n=0}{\overset{N}{\mathrm{\Σ}}}{H}_{\mathrm{norm}}\left(n\right)\mathrm{\λ}\left(k\right)\cos \left[\frac{(2n+1)\mathrm{\πk}}{2N}\right]---\left(16\right)$

初级变量向量匹配单元163从码本1选择N个候选向量以使得将DCT系数之间的欧几里得距离最小化，并在向量缓冲器164中存储该N个候选向量。 

次级变量向量匹配单元165获得N个候选向量之间的差值，从码本2选择N个码本候选向量，并最终选择将利用原始DCT系数的欧几里得距离最小化的码本候选向量。 

参照图5B，谱幅度量化器160a的解码器端包括逆DCT(IDCT)块166，而IDCT块166通过执行由解码器端选择的码本1和码本2的码本值的逆MDCT(IMDCT)来获得逆量化的值和原始谱幅度。 

现在将参照图6描述量化利用添加有阻尼因子的匹配追踪正弦模型提取的参数当中的相位的方法。 

图6是根据本发明的示范性实施例的相位量化器160b的框图。 

参照图6，相位量化器160b包括距离计算块167、权重函数块168和最小化块169。 

虽然相位量化器160b被示出为一个级的量化器，但是也可以通过并行地连接两个或更多量化器来调整传输率以减少前一级的量化错误或调整被量化的相位的数量。即，被量化的相位的数量针对每个传输率变化，而且针对每个传输率出现的相位量化错误也被量化。 

距离计算块167接收目标相位，并获得目标相位与从目标相位产生的码本相位之间的距离。即，在所有类型的向量量化中，使用搜索在要量化的目标信号与经量化信号的码本索引之间具有最小差的量化值的方法。这是因为，由于具有最小差的量化值与目标相位最相似，所以量化错误被最小化。 

根据垂直线上的标量量化，每个维度中的误差为最大2π。然而，如果利用相位的模2π旋转特性在极坐标上获得误差，则最大误差是π。通过利用相位的该旋转特性，可以高效率地减少位的数量。将目标量化信号与码本相位之间的相关表示为等式17和18。 

[数学式17] 

phase_tar(n)＝phase_code1(n)+phase_error0(n)                (17) 

[数学式18] 

phase_error0(n)＝phase_code2(n)+phase_error1(n)              (18) 

这里，phase_tar(n)表示第n维度的目标相位，phase_code1(n)表示第n维度的第1级码本相位，而phase_error0(n)表示第n维度的第1级误差相位。为了如等式15中表示phase_tar(n)，有利的是如等式16中根据目标信号和码本索引的符号而不同地表示phase_error0(n)。该相关由等式19表示。 

[数学式19] 

${\mathrm{phase}}_{\mathrm{error}0}=\left\{\begin{array}{c}{\mathrm{phase}}_{\mathrm{tar}}\left(n\right)-{\mathrm{phase}}_{\mathrm{codel}}\left(n\right);{\mathrm{phase}}_{\mathrm{tar}}>0,{\mathrm{phase}}_{\mathrm{code}}>0\\ \left|{\mathrm{phase}}_{\mathrm{error}0}\left(n\right)\right|-2\mathrm{\&pi;};{\mathrm{phase}}_{\mathrm{tar}}>0,{\mathrm{phase}}_{\mathrm{code}}<0\\ 2\mathrm{\&pi;}-\left|{\mathrm{phase}}_{\mathrm{error}0}\right(n\left)\right|;{\mathrm{phase}}_{\mathrm{tar}}<0,{\mathrm{phase}}_{\mathrm{code}}>0\\ {\mathrm{phase}}_{\mathrm{tar}}\left(n\right)-{\mathrm{phase}}_{\mathrm{codel}}\left(n\right);{\mathrm{phase}}_{\mathrm{tar}}<0,{\mathrm{phase}}_{\mathrm{code}}<0\end{array}\right\}---\left(19\right)$

此外，利用相位的旋转特性，使用加权滤波器的设计以便通过根据输入语音的谱幅度改变相位码本中的误差权重而在时域中将合成的语音表示为与输入语音最相似的语音。权重函数块168根据LP残留信号的LPC系数和谱幅度利用包络值获得相对于具有相同的维度的相位的权重函数PW(N)。 

最小化块169利用从权重函数块168接收的权重函数以及从下面等式20获得的均方误差(MSE)来搜索最佳相位索引，并向MUX 190发送最佳相位索引。 

[数学式20] 

MSE＝PW²(N)(phase_tar(n)-phase_code(n))²                (20) 

这里，PW(N)表示第n维度的输入语音信号的谱幅度，而phase_code(n)表示利用码本合成的合成相位。 

如上所述，本发明的示范性实施例涉及扩展用于提供具有良好频率分辨率的匹配追踪方法以对语音信号进行高效率正弦建模的正弦模型、以及使用该扩展正弦模型的宽带语音编码器。此外，为了高效率地量化扩展正弦模型的参数，使用利用DCT的谐波量化器以及旋转权重相位量化器。另外，通过发送全部级的参数量化误差或根据级增加参数的数量可以支持信噪比(SNR)可扩展性。 

本发明的概念也可以实现为计算机程序。本发明的概念所属领域的程序员可以容易地得出用于实现所述计算机程序的代码和代码段。根据本发明的计算机程序的示范性实施例通过存储在计算机可读记录介质中并在之后由计算机系统读取和执行来实现编码/解码宽带语音信号的方法。计算机可读记录介质的示例包括磁记录介质、光记录介质和载波介质。 

虽然已经参照其示范性实施例具体地展示和描述了本发明的概念，但是本领域技术人员将理解，可以在其中从形式和细节上作出各种变更而不背离由所附权利要求书限定的本发明的精神和范围。示范性实施例应当仅作描述的意义考虑而非用于限制的目的。因而，本发明的范围并非由本发明的详细描述而是由所附权利要求书限定，而且该范围内的全部变化将被解读为包含 在本发明之内。 

对相关申请的交叉引用 

本申请要求于2006年11月28日向韩国特许厅提交的韩国专利申请No.10-2006-0118546的优先权，其公开的全部内容通过引用而被合并于此。 

Claims (18)

1.一种用于编码宽带语音信号的方法，包括：

从宽带语音信号中提取线性预测系数；

利用线性预测系数从宽带语音信号中去除包络以获得线性预测残留信号；

搜索线性预测残留信号的谱得到音调；

通过向匹配追踪算法添加阻尼因子，提取线性预测残留信号的与阻尼因子对应的多个谱幅度和相位；

从所提取的多个谱幅度和相位当中获取其中将线性预测残留信号的功率值最小化的第一谱幅度和第一相位；以及

量化第一谱幅度和第一相位，

其中所述阻尼因子包括线性预测残留信号的谱幅度阻尼因子和频率阻尼因子，

其中所述提取线性预测残留信号的多个谱幅度和相位的步骤包括：

利用频率阻尼因子相对于通过音调搜索线性预测残留信号获得的每个频率设置多个候选频率；

通过相对于通过音调搜索获得的每个频率从多个候选频率当中获得其中将误差值最小化的频率和相位来计算正弦字典值，并累加相对于通过音调搜索获得的每个频率计算的正弦字典值；

通过从作为目标信号的线性预测残留信号中减去所累加的正弦字典值来产生最终残留信号；以及

检测与其中相对于通过音调搜索获得的每个频率将最终残留信号的功率值最小化的第一谱幅度和第一相位对应的频率阻尼因子。

2.如权利要求1所述的方法，进一步包括解码宽带语音信号。

3.如权利要求1所述的方法，其中所述设置多个候选频率的步骤包括相对于与线性预测残留信号中基频的n倍对应的频率利用频率阻尼因子设置与基频的n-1倍对应的频率和与基频的n+1倍对应的频率之间的多个候选频率。

4.如权利要求3所述的方法，其中累加的正弦字典的数量与宽带语音信号的谱的数量相等，其中宽带语音信号的谱的数量等于音调周期的一半。

5.如权利要求1所述的方法，其中利用第一谱幅度和第一相位来获得和量化谱幅度阻尼因子。

6.如权利要求5所述的方法，其中利用离散余弦变换量化第一谱幅度。

7.如权利要求6所述的方法，其中量化第一相位的步骤包括：

通过获得第一相位与从第一相位产生的多个第一码本相位之间的第一多个差、将第一多个差乘以与第一相位对应的包络值以产生第一多个相乘结果、并将第一多个差中的每个差分别加到第一多个相乘结果中的各个相乘结果来获得第一多个距离；

检测和输出允许将第一多个距离当中的距离最小化的第一码本相位；

通过调整从第一码本相位与第一相位之间的差产生的相位误差向量来产生第二相位，并通过获得第二相位与从第二相位产生的多个第二码本相位之间的第二多个差、将第二多个差差乘以与第二相位对应的包络值以产生第二多个相乘结果、并将第二多个差中的每个差分别加到第二多个相乘结果中的各个相乘结果来获得第二多个距离；以及

检测和输出允许将第二多个距离当中的距离最小化的第二码本相位。

8.如权利要求7所述的方法，其中通过根据各种传输率基于模式信息确定位分配来量化阻尼因子、谱幅度、相位和音调。

9.如权利要求2所述的方法，其中所述解码宽带语音信号的步骤包括：

解码经量化的第一谱幅度和经量化的第一相位；

解码经量化的阻尼因子；

利用第一谱幅度、第一相位、阻尼因子、音调值其中至少一个来合成线性预测残留信号；以及

从线性预测残留信号解码宽带语音信号。

10.一种用于在宽带语音编码系统中编码宽带语音信号的装置，该装置包括：

线性预测系数分析器，其从宽带语音信号中提取线性预测系数；

线性预测系数逆滤波器，其输出通过利用线性预测系数从宽带语音信号中去除包络而获得的线性预测残留信号；

音调搜索单元，其搜索线性预测残留信号的谱获得音调；

正弦分析器，其通过向匹配追踪算法添加阻尼因子来提取线性预测残留信号的与阻尼因子对应的多个谱幅度和相位，并从所提取的多个谱幅度和相位当中获得其中将线性预测残留信号的功率值最小化的第一谱幅度和第一相位；以及

相位和谱幅度量化器，其量化第一谱幅度和第一相位，

其中所述阻尼因子包括线性预测残留信号的谱幅度阻尼因子和频率阻尼因子，

其中所述正弦分析器包括：

频率阻尼因子施加单元，其相对于利用频率阻尼因子通过音调搜索线性预测残留信号获得的每个频率设置多个候选频率；

误差最小化单元，其相对于通过音调搜索获得的每个频率从多个候选频率当中获得其中将误差值最小化的频率和相位；

字典分量产生器，其基于从误差最小化单元输出的频率和相位获得正弦字典值；

累加器，其从字典分量产生器接收相对于通过音调搜索获得的每个频率产生的正弦字典值，并累加正弦字典值；

计算器，其通过从线性预测残留信号中减去所累加的正弦字典值来产生最终残留信号；以及

阻尼因子选择器，其检测与其中相对于通过音调搜索获得的每个频率将最终残留信号的功率值最小化的第一谱幅度和第一相位对应的频率阻尼因子。

11.如权利要求10所述的装置，其中所述频率阻尼因子施加单元相对于与线性预测残留信号中基频的n倍对应的频率利用频率阻尼因子设置与基频的n-1倍对应的频率和与基频的n+1倍对应的频率之间的多个候选频率。

12.如权利要求11所述的装置，其中累加的正弦字典的数量与宽带语音信号的谱的数量相等，其中宽带语音信号的谱的数量等于音调周期的一半。

13.如权利要求10所述的装置，进一步包括阻尼因子合成器，其利用第一谱幅度和第一相位获得谱幅度阻尼因子。

14.如权利要求13所述的装置，其中所述相位和谱幅度量化器利用离散余弦变换量化第一谱幅度。

15.如权利要求14所述的装置，其中所述相位和谱幅度量化器包括：

距离计算块，其通过获得第一相位与从第一相位产生的多个第一码本相位之间的多个差、将所述多个差乘以与第一相位对应的包络值以产生多个相乘结果、并将所述多个差中的每个差分别加到所述多个相乘结果中的各个相乘结果来获得距离；

最小化块，其检测允许将所述距离最小化的第一码本相位，并通过向从与最小化距离对应的第一码本相位与第一相位之间的差产生的相位误差向量施加权重函数来输出第二相位；以及

权重函数块，其向最小化块输出谱幅度和音调的权重函数。

16.如权利要求15所述的装置，其中并行地耦接起来的多个相位和谱幅度量化器量化第一相位。

17.如权利要求15所述的装置，其中该装置通过根据各种传输率基于模式信息确定位分配来量化阻尼因子、谱幅度、相位和音调。

18.一种宽带语音编码和解码系统，包括：

如权利要求10所述的用于在宽带语音编码系统中编码宽带语音信号的装置；以及

宽带语音解码装置，其通过解码经量化的第一谱幅度、经量化的第一相位和经量化的阻尼因子并合成线性预测残留信号来解码宽带语音信号，

其中所述阻尼因子包括线性预测残留信号的谱幅度阻尼因子和频率阻尼因子。

Images