CN1044293C

CN1044293C - 背景音的编码/译码方法和设备

Info

Publication number: CN1044293C
Application number: CN94190028A
Authority: CN
Inventors: R·A·柏格斯特龙
Original assignee: Telefonaktiebolaget LM Ericsson AB
Current assignee: Telefonaktiebolaget LM Ericsson AB
Priority date: 1993-01-29
Filing date: 1994-01-17
Publication date: 1999-07-21
Anticipated expiration: 2014-01-17
Also published as: AU666612B2; BR9403927A; HK1015183A1; JPH07505732A; NO943584D0; SG46992A1; ATE168809T1; SE9300290D0; DE69411817T2; SE470577B; AU5981394A; WO1994017515A1; EP0634041B1; KR950701113A; TW262618B; DE69411817D1; NO306688B1; ES2121189T3; KR100216018B1; PH31235A

Abstract

在以数字帧为基础的话音编码器和/或译码器中对背景音进行编码和/或译码的一种方法和设备，该编码器和/或译码器有一信号源与一滤波器相连接，滤波器由每一帧的一组滤波器参量所限定(12)，供再现待编码和/或译码的信号之用。该方法包括下列步骤：检测发送到编码器/译码器的信号主要是表示话音还是背景音(16)；和当该信号主要是表示背景音时，抑制各连续帧之间的暂时性变化和/或限制所述一组参量中的至少某些滤波器参量的范围(18)。

Description

背景音的编码/译码方法和设备

本发明涉及在以数字帧为基础的话音编码器和/或译码器中对背景音进行编码/译码的一种方法和设备，该话音编码和/或译码器有一个信号源，与一个滤波器相连接，所述滤波器由一组确定各帧参量的滤波器所确定，供再现待编码和/或译码的信号之用。

现代的话音编码器有很多属于叫做LPC(线性预测编码器)这一大类的话音编码器。属于这一类编码器的例子有：美国国防部的4.8千比特/秒的CELP，欧洲蜂窝式数字移动电话系统GSM的RPE-LTP编码器，相应美国系统ADC的VSELP编码器，和太平洋数字蜂窝系统PDC的VSELP编码器。

这些编码器在产生信号的过程中都应用信号源/滤波器原理。滤波器用以模拟待再现信号的短时信号频谱，信号源则用来处理所有其它信号变化。

这些信号源/滤波器模式的共同特点是待再现的信号用确定信号源输出信号的参量和确定滤波器的参量表示。“线性预测性”这一术语是指经常用来估计滤波器参量的一类方法。因此，待再生的信号一部分是用一组滤波器参量表示的。实践证明，应用信号源/滤波器组合作为信号模式的方法对话音信号来说，效果是相当好的。然而，当使用移动电话的人不说话且输入信号中含有环境音时，目前周知的编码器就难以适应这种情况，因为这些编码器对话音信号才能发挥最佳作用。这时由于编码器“误处理”了背景音，因而在另一端收听电话的人在辨认不出熟悉的背景音时可能容易感到困扰。

本发明的目的是提供一种能精确将背景音编码并使之再现的背景音编码/译码方法和设备。

上述目的是通过这样一种方法实现的，该方法包括下列步骤：

(a)检测发送到所述编码器/译码器的信号主要是表示话音还是背景音；和

(b)当所述发送到所述编码器/译码器的信号主要是表示背景音时，抑制各连续帧之间的暂时性变化和/或限制所述一组参量中的至少一个限定滤波器的参量的范围。

本发明的设备包括：

(a)检测装置，用以检测发送到所述编码器/译码器的信号主要是表示话音还是背景音；和

(b)限制装置，用以当所述发送到所述编码器/译码器的信号主要是表示背景音时，抑制各连续帧之间的暂时性变化和/或限制所述一组参量中的至少一个限定滤波器的参量的范围。

结合附图参看下列说明可以更好地理解本发明及其进一步的目的和优点。附图中：

图1(a)-(f)是表示背景音的一个滤波器的传递函数的6个连续帧的频谱图，该滤波器已由事先已知的编码器估算过。

图2是用以实施本发明方法的话音编码器的方框图；

图3是用以实施本发明方法的话音译码器的方框图；

图4(a)-(c)是对应于图1中各图但用了实施本发明方法的编码器的频谱的频谱图；

图5是图2参量修整器的方框图；

图6是本发明方法的流程图。

在线性预测编码器中，合成话音

是由串联连接的信号源和滤波器产生的，信号源用其Z变换G(Z)表示，滤波器用其Z变换H(Z)表示，得出的合成话音

\hat{S} (Z) = G (Z) H (Z)

。滤波器经常模拟成全极滤波器H(Z)=1/A(Z)，其中

A (Z) = 1 + Σ_{m = 1}^{M} a_{m} z^{- m}

M为滤波器的级数。

这种滤波器模拟输入的话音信号的短时相关性。滤波器参量a_m在各话音帧中都假设为常量。一般来说，滤波器参量每20毫秒都要更新一次。若抽样频率为8千赫，则每一这种话音帧就相当于160个样本。这些样本，可能还和上一帧的末尾和下一帧的开端结合在一起，用来按标准化程序估计各帧的滤波器参量。这种程序的实例有Levinson-Durbin算法、Bury算法、Cholesky分解法(Rabiner和Schafer写的“话音信号的数字处理”第八章，Prentice-Hall出版社，1978年版)、Schur算法(Strobach写的“新型的Levinson和Schur算法”IEEESP杂志，1991年1月，第12-36页)、Le Roux-Gueguen算法(Le Roux和Gueguen写的“部分相关系数的定点计算”(IEEE声学、话音和信号处理论文集”，ASSP-26卷，第3期，第257-259页，1977年版)。应该理解的是，一个帧可以由多于或少于上述数量的样本组成，这视乎应用情况而定。在级端的情况下，一个“帧”甚至可以只由单个样本组成。

上面说过，编码器是为处理话音信号而设计并使其发挥最佳作用的。因此对话音以外的其它诸如背景音、乐音之类音响的编码效果就差了。所以没有话音信号出现时，这些编码器的性能就不好。

图1示出了用普通编码方法对背景音进行编码情况下，滤波器的传递函数作为6个连续帧的频率的函数(Z=e^i2πf/Fs)的函数值(以分贝即dB计)。虽然背景音在只有21.25毫秒的“快速摄取”(包括上一帧末尾和下一帧开端的样本在内)过程中估计时，在整个估计过程中其特性应该是均匀(背景音的“质地”均匀)的，但滤波器的各参量a_m的变化却是很大的，每一个帧都不同，如图1(a)-(f)的6个帧所示。在另一端收听的人听来，这个经编码的音响会有“旋涡”式的特点。即使整个音响的“质地”相当均匀或性能平均，这些短暂“快速摄取”在滤波器进行估计而加以分析时，得出的滤波器参量对各个帧都不同。

图2示出了想解决上述问题的本发明的编码器。

输入线路10上，输入信号发送到滤波估计器12，由该滤波估计器按上述标准化程序对滤波器各参量进行估计。滤波估计器12输出各帧的滤波器参量。这些滤波器参量传送到激励分析器14，该分析器也接收线路10上的输入信号。激励分析器14按标准程序确定最佳的信号源或激励参量。这种程序的实例有VSELP[Gerson和Jasiuk在Alal等人编写的“话音编码进展”一书(Kluwer学术出版社，1991年版)第69-79页上写的“受激矢量和的线性预测(VSELP)”]、TBPE[Salami写的“二进制脉冲激励法：复杂性低的CELP编码新方法”(上一个参考文献第145-156页)〕、随机编码手册[Campbell等人写的“DoD4.8KBPS标准(联邦标准1016草案)”(上一个参考文献第121-134页)]、ACELP[Adoul和Lamblin写的“话音CELP编码的一些代数结构比较”(《1987年声学、话音和信号处理国际会议记录》第1953～1956页)〕。这些激励参量、滤波器参量和线路10上的输入信号都传送到话音检测器16。该检测器16确定输入信号是主要包含话音还是背景音。可以采用的检测器例如有GSM系统中规定采用的话音活力检测器(《话音活力检测》一文，GSM06.32建议，ETSI/PT12)。欧洲专利EP,A,335521(美国电信产品目录通报)中介绍了适合这种用途的检测器。话音检测器16产生表明编码器输入信号主要是否包含话音的输出信号。该输出信号连同滤波器的诸参量一道传送给参量修整器18。

参量修整器18在传到编码器的输入信号中没有话音信号时修整经确定的滤波器参量，这稍后即将参看图5加以说明。若有话音信号，滤波器参量就都不变化地通过参量修整器18。可能变化的滤波器参量和激励参量传送到信道编码器20，该编码器产生比特流，通过线路22上的信道发送出去。

参量修整器18可按几种不同的方法进行参量修整。

其中一种可采用的修整方法是扩大滤波器的带宽。就是说，将滤波器的各极移向复平面的原点。假设原来的滤波器H(Z)=1/A(Z)按上述表达式表示，当各级按一个因数r移动，0≤r≤1，时，带宽扩大的形式可用A(Z/r)表示，即

A (\frac{z}{r}) = 1 + Σ_{m = 1}^{M} (a_{m} r^{m}) z^{- m}

另一种可采用的修整方法是低通滤除滤波器在暂时性范围内的参量。就是说，通过低通滤除至少某些所述参量，使滤波器参量逐帧地快速变化衰减。这种方法的特殊情况是求出若干帧(例如4～5帧)的滤波器参数平均值。

参量修整器18也可以混合采用上述两种方法，例如，先进行带宽扩大，然后进行低通滤除。也可以先进行低通滤除，再加上带宽扩大。

在图2的实施例中，话音检测器16安置在滤波估计器12和激励分析器14之后。因此在此实施例中，滤波器参量先经过估计然后在没有话音信号的情况下修整。另一种可采用的方法是采用两个话筒直接检测有无话音信号出现，一个话筒供传话音用，另一个话筒供传背景音用。在这样的实施例中，为得出合适的滤波器参量，可以修整滤波器估计结果本身，这也是在没有话音信号的情况下进行的。

在上面对本发明进行的说明中，假设参量的修整是在发信机的编码器中进行的。但不言而喻，类似的程序也可以在收信机的译码器中进行。图3所示的实施例即示出了这种情况。

图3中，在输出线路30上接收来自信道的比特流。该比特流由信道译码器32译码。信道译码器32输出滤波器参量和激励参量。在此情况下，假设各参量在发信机的译码器中是未经过修整的。滤波器参量和激励参量都传送到话音检测器34，由该检测器分析这些参量，以确定待由这些参量再现的信号是否含有话音信号。话音检测器34的输出信号传送到参量修整器36，该修整器也接收滤波器参量。若经话音检测器34测定，所收到的信号中没有话音信号，参量修整器36就进行与图2的参量修整器18所进行的类似的修整。若有话音信号，则不进行修整。可能被修整的滤波器参量和激励参量全都传送到话音译码器38，该译码器在线路40上产生合成输出信号。话音译码器38用激励参量产生上述源信号和可能被修整的滤波器参量，使滤波器成为信号源-滤波器的形式。

上面说过，参量修整器36按图2所示参量修整器18类似的方式修整滤波器参量。因此，可以采用的修整方法是带宽扩大法、低通滤除法或这两种方法混合使用。

在一个最佳实施例中，图2的译码器还装有后置滤波器计算器42和后置滤波器44。话音译码器中的后置滤波器用以加强或削弱所产生的话音信号某些部分的频谱。若所收到的信号以背景音为主，则可以通过调整线路40上输出信号的频谱获取经改善的信号以减小较高频率的频幅。因此在图3的实施例中，话音检测器34的输出信号和参量修整器36输出的滤波器参量都传送到后置滤波器42。所收到的信号中没有话音信号时，后置滤波器计算器42就计算线路40上输出信号频谱合适的调整度，从而调节后置滤波器44。最终输出信号在线路46上得出。

从以上所述可知，滤波器参数的修整既可以在发信机的编码器中进行也可以在收信机的译码器中进行。利用这个特点可以在基地台的编码器和译码器中进行参量修整。这样就可以利用本发明得出的背景音经改良的译码性能而无须改装移动台的编码器/译码器。基地台通过陆上系统收到含有背景杂音的信号时，各参量就在基地台经过修整，从而使移动台收到业已修整的参量而无须另外采取任何措施。另一方面，移动台给基地台发送主要含背景杂音的信号时，具有该信号特征的滤波器参量就可以在基地台的译码器中加以修整，以便进一步传送到陆上系统。

另一种可能的作法是将滤波器参量的修整任务分派给发信机端的编码器和收信机端的译码器。例如可以把滤波器的各极一部分移到靠近编码器复平面原点，一部分移到靠近译码器原点的位置。在此实施例中，移动台中不用参量修整设备，也能获得部分性能改进，移动台中用参量修整设备时，性能上就能获得全面改进。

为举例说明本发明所获得和改进，图4示出了滤波器的传递函数在主要含有背景音的三个连续帧中的频谱。图4(a)-(c)是用图1(a)-(c)同样的输入信号产生的。但图4中的各滤波器参量业已按本发明修整过。可以看出，图4中各帧的频谱变化极小。

图5示出了本发明采用的参量修整器18、36的一个最佳实施例的原理图。开关50根据来自话音检测器16、34的控制信号，将未经修整的滤波器参量直接传送到输出端，或传送到方框52、54，以进行参量修整。若话音检测器16、34主要检测出话音，开关50就把参量直接传送到参量修整器18、36的输出端。若话音检测器16、34主要检测出背景音，开关50就把滤波器参量传送到分配方框52。

分配方框52通过将各滤波器系数a_m(k)乘上因数r^m(其中0≤r≤1，k指当时的帧)，对滤波器参量进行带宽扩大，并将这些新值分派给各a_m(k)。r最好在0.85-0.96之间，以0.89为宜。

方框52的新值a_m(k)传送到分配方框54，在方框54中各系数a_m(k)按公式ga_m(k-1)+(1-g)a_m(k)进行低通滤除，其中0≤g≤1,a_m(k-1)指上一帧的滤波器系数。g最好在0.92-0.995之间，以0.995为宜。然后这些经修整的参量传送到参量修整器18、26的输出端。

在所述实施例中，带宽扩大和低通滤除是在两个分开的方框中进行的。但也可以按公式a_m(k)＜-ga_m(k-1)+(1-g)a_m(k)r^m将这两个步骤合并成一个步骤。此外，低通滤除步骤只牵涉到现有的帧和上一个帧。但也可以将较早的帧包括进来，例如2-4个早先的帧。

图6示出说明本发明方法的一个最佳实施例的流程图。程序从步骤60开始。在步骤61中，按上述方法之一估计滤波器参量。然后在步骤62中用这些滤波器参量来估计激励参量。这是按上述方法之一进行的。在步骤63中，用滤波器参量和激励参量，可能的话还用输入信号本身，来确定输入信号是否为话音信号。若输入信号是话音信号，程序就进入最后步骤66，对滤波器参量不作任何修整。若输入信号不是话音信号，则程序进入步骤64，通过将滤波器各级移近复平面原点来扩大滤波器的带宽。这之后在步骤65中低通滤除滤波器各参量，例如求出获自步骤64的现行滤波器参量和来自早先各信号帧的滤波器参量的平均值。最终，程序进入最后步骤66。

在上述说明中，应用了滤波器的各系数a_m来说明本发明的方法。但应理解的是，同样的基本概念也可应用到确定滤波器或与滤波器有关的其它参量，例如滤波器的反射系数、对数面积比(far)、多项式的根、自相关函数(Rabiner和Schafer写的“话音信号的数字式处理”，prentice-Hall,1978)、反射系数的反正弦、[Gray和markel写的“话音处理中的量化和比特分配”(《IEEE关于声学、话音和信号处理的论文集》ASSP-24卷第6期，1976)]、线路频谱对[Soog和Juang写的“线路频谱对(LSP)和话音数据压缩”(1984年IEEE声学、话音和信号处理国际会议记录，第1.10.1-1.10.4)|。

此外还可以把本发明的上述实施例改为收信机中没有后置滤波器的实施例。与上面所述的不同，频谱相应的调整业已在滤波器参量修整过程中在发信机或收信机中完成。这可例如通过改变所谓反射系数1进行。

本技术领域的行家都知道，在不脱离本发明所附权利要求书中所述精神和范围的前提下是可以对本发明作种种修改的。

Claims

1．在以数字帧为基础的话音编码器和/或译码器中对背景音进行编码和/或译码的一种方法，该话音编码器和/或译码器有一个信号源与一个滤波器相连接，所述滤波器由每一帧的一组参量所限定，供再现待编码和/或译码的信号之用，所述方法包括下列步骤：

(b)当所述发送到所述编码器/译码器的信号主要表示背景音时，抑制各连续帧之间的暂时性变化和/或限制所述一组参量中的至少一个限定滤波器参量的范围。

2．如权利要求1所述的方法，其特征在于，通过在若干帧中低通滤除所述限定滤波器参量来限制所述限定滤波器各参量的暂时性变化。

3．如权利要求2所述的方法，其特征在于，通过在若干帧中求出所述限定滤波器参量的平均值来限制限定滤波器各参量的暂时性变化。

4．如权利要求1、2或3所述的方法，其特征在于，修整所述限定滤波器各参量的范围，以将滤波器各极移近复平面的原点。

5．如权利要求1所述的方法，其特征在于，由所述信号源和所述滤波器用经修整的参量所获得的信号通过一后置滤波器而进一步被修整，以削弱其中预定的频率范围。

6．在以数字帧为基础的话音编码器和/或译码器中对背景音进行编码和/或译码的一种设备，该话音编码和/或译码器有一个信号源与一个滤波器相连接，所述滤波器由每一帧的一组参量所限定，供再现待编码和/或译码的信号之用，所述设备包括：

(a)检测装置(16,34)，用以检测发送到所述编码器/译码器的信号主要是表示话音还是背景音；和

(b)限制装置(18,36)，用以当所述发送到所述编码器/译码器的信号主要表示背景音时，抑制各连续帧之间的暂时性变化和/或限制所述一组参量中的至少一个限定滤波器参量的范围。

7．如权利要求6所述的设备，其特征在于，由滤除所述限定滤波器的若干帧中参量的一个低通滤波器(54)来限制所述限定滤波器各参量的暂时性变化。

8．如权利要求7所述的设备，其特征在于，由求出所述限定滤波器的若干帧中的参量平均值的一个低通滤波器来限制所述限定滤波器备参量的暂时性变化。

9．如权利要求6、7或8所述的设备，其特征在于，以将滤波器各极移近复平面原点的装置(52)来修整所述限定滤波器各参量的范围。

10．如权利要求6所述的设备，其特征在于，设有一后置滤波器(44)，以进一步修整所述信号源和所述滤波器用经修整的参量所获得的信号，以削弱其中预定的频率范围。