CN104584120B - 生成舒适噪声 - Google Patents

Abstract

描述了用于生成CN(舒适噪声)控制参数的舒适噪声控制器(50)。具有预定大小的缓冲器(200)被配置为：存储SID(静默插入描述符)帧和活跃延迟帧的CN参数。子集选择器(50A)被配置为：基于存储的CN参数的寿命以及剩余能量来确定与SID帧有关的CN参数子集。舒适噪声控制参数提取器(50B)被配置为：使用所确定的CN参数子集来确定跟随在活跃信号帧之后的第一SID帧的CN控制参数。

Description

生成舒适噪声

技术领域

所提出的技术大体上涉及生成舒适噪声(CN)，并具体地涉及生成舒适噪声控制参数。

背景技术

在用于会话语音的编码系统中，使用非连续发射(DTX)来增加编码效率是常见的。这是由在会话语音(例如，当一个人正在讲话时，另一个人正在听)中嵌入的大量暂停来激励的。通过使用DTX，语音编码器可以平均仅在约50％的时间是活跃的。具有该特征的编解码器的示例是3GPP自适应多速率窄带(AMR NB)编解码器和ITU-T G.718编解码器。

在DTX操作中，在正常编解码模式中对活跃帧进行编码，而使用舒适噪声对活跃区域之间的不活跃信号周期进行表示。信号描述参数被提取并用编码器进行编码并且在静默插入描述符(SID)帧中向解码器发送。与用于活跃语音编码模式的帧速率和比特率相比，以减小的帧速率和降低的比特率来发送SID帧。在SID帧之间不发送关于信号特征的信息。由于较低的SID速率，因此与活跃信号帧编码相比，舒适噪声只能表示相对稳定的性质。在解码器中，接收到的参数被解码并用于表征舒适噪声。

对于高质量DTX操作，即，在不降级语音质量的情况下，检测输入信号中语音的周期是重要的。这是通过使用语音活跃检测器(VAD)或者声音活跃检测器(SAD)来完成的。图1示出了通用的VAD的框图，其分析数据帧(5-30ms，这取决于实现)中的输入信号，并产生针对每个帧的活跃判决。

在初始语音检测器12中通过将由特征提取器10估计的当前帧的特征与由背景估计块14根据先前输入帧估计的背景特征进行比较来做出初始的活跃判决(初始VAD判决)。大于指定阈值的差值导致活跃的初始判决。在延迟附加块16中，基于过去的初始判决对初始判决进行扩展，以形成最终的活跃判决(最终VAD判决)。使用延迟的主要原因是为了减小在语音段中中间和后端削波的风险。

对于基于线性预测(LP)的语音编解码器(例如G.718)，使用与活跃帧的表示类似的表示对包络和帧能量进行建模是合理的。这一点是有利的，其原因在于可以通过在DTX操作中的不同模式之间的公共功能来降低编解码器的存储要求和复杂度。

对于这种编解码器，舒适噪声可以用其LP系数(也称为自回归(AR)系数)以及LP剩余部分的能量来表示，即作为LP模型的输入给出参考音频段的信号。在解码器中，在激励生成器中生成剩余信号作为随机噪声，通过CN参数对随机噪声进行成型以形成舒适噪声。

LP系数通常通过根据下式计算加窗音频段x[n]，n＝0，...，N-1的自相关r[k]而获得：

$r\left[k\right]=\underset{n=k}{\overset{N-1}{\mathrm{\Σ}}}x\left[n\right]x[n-k],k=0,...,P---\left(1\right)$

其中P是预定义的模型阶数。于是使用例如Levinson-Durbin算法根据自相关序列获得LP系数α_k。

在使用这种编解码器的通信系统中，应当有效地将LP系数从编码器发送到解码器。由于这个原因，通常使用可能对于量化噪声不太敏感的更加紧凑的表示。例如，LP系数可以变换为线谱对(LSP)。在备选的实现中，LP系数可以取而代之地变换到导抗谱对(ISP)、线谱频率(LSF)或导抗谱频率(ISF)域。

LP剩余部分是通过经由逆LP合成滤波器A[z]对参考信号进行滤波而获得，A[z]通过下式定义：

$A\left[z\right]=1+\underset{k=1}{\overset{P}{\mathrm{\Σ}}}{a}_k{z}^{-k}---\left(2\right)$

滤波后的剩余信号s[n]因此通过下式给出：

$s\left[n\right]=x\left[n\right]+\underset{k=1}{\overset{P}{\mathrm{\Σ}}}{a}_{k}x[n-k],n=0,...,N-1---\left(3\right)$

对于其能量被定义为：

$E=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}s{\left[n\right]}^2---\left(4\right)$

由于SID帧的低传输速率，CN参数应当缓慢地演变，以不会迅速地改变噪声特征。例如，G.718编解码器限制SID帧之间的能量变化，并为处理这一问题而对LSP系数进行内插。

为了找到SID帧处的代表CN参数，针对每个帧(包括无数据帧)，计算LSP系数和剩余能量(因此，对于无数据帧，所述参数被确定但未被发送)。在SID帧，中值LSP系数和平均剩余能量被计算、编码并向解码器发送。为了使得舒适噪声不是不自然静态的，可以向舒适噪声参数添加随机变量，例如剩余能量的变量。该技术例如被用于G.718编解码器中。

此外，舒适噪声特征并不总是与参考背景噪声良好地匹配，并且舒适噪声的轻微衰减可能减少听众对这一点的注意。感知的音频质量可能因此变高。此外，活跃信号帧中的编码噪声可以具有与未编码的参考噪声相比更低的能量。因此，为了使活跃帧和不活跃帧中的噪声表示更好地能量匹配，也可能需要衰减。衰减通常在0-5dB的范围内，并且可以是固定的或取决于活跃编码模式比特率。

在高效DTX系统中，可以使用一种更积极的VAD，并且信号的高能量部分(相对于背景噪声电平)可以相应地用舒适噪声表示。在该情况下，限制SID帧之间的能量变化将造成感知的降级。为了更好地处理高能量段，该系统可以针对这些情况允许CN参数的较大的瞬时变化。

在不活跃帧处执行CN参数的低通滤波或内插以获得自然平滑的舒适噪声动态。对于跟随在一个或几个活跃帧之后的第一SID帧(此后仅称为“第一SID”)，LSP内插和能量平滑的最佳基础将是来自先前不活跃帧(即在活跃信号段之前)的CN参数。

对于每个不活跃帧(SID或无数据)，可以按照下式根据先前LSP系数对LSP矢量q_i进行内插：

$q_i=\mathrm{\α}{\tilde{q}}_{\mathrm{SID}}+(1-\mathrm{\α})q_{i-l}---\left(5\right)$

其中i是不活跃帧的帧号，α∈[0，1]是平滑因子并且是使用当前SID和自从先前SID帧起的全部无数据帧的参数计算的中值LSP系数。对于G.718编解码器，使用平滑因子α＝0.1。

类似地，按照下式在SID或无数据帧处对剩余能量E_i进行内插：

$E_i=\mathrm{\β}{\stackrel{\‾}{E}}_{\mathrm{SID}}+(1-\mathrm{\β})E_{i-1}---\left(6\right)$

其中β∈[0，1]是平滑因子并且是对于当前SID和自从先前SID帧起的无数据帧的平均能量。对于G.718编解码器，使用平滑因子β＝0.3。

所描述的内插的问题是：对于第一SID，内插存储器(E_i-1和q_i-1)可以与先前高能量帧有关，例如未发声的语音帧，其由VAD分类为不活跃的。在该情况下，第一SID内插将从不代表邻近活跃模式延迟帧中的编码噪声的噪声特征开始。如果在活跃信号段(例如语音信号段)期间改变背景噪声的特征，则出现同一问题。

图2中示出了与现有技术有关的问题的示例。在DTX操作中编码的噪声语音信号的频谱图示出了在一段活跃编码音频(例如语音)之前和之后的两段舒适噪声。可以看出，当来自第一CN段的噪声特征用于第一SID中的内插时，存在噪声特征的急剧变化。在一段时间之后，舒适噪声与活跃编码音频的末尾更好地匹配，但是较差的过渡导致感知音频质量的明显降级。

使用较高的平滑因子α和β将使CN参数集中于当前SID的特征，而这仍将引起问题。由于在噪声的周期期间不能如后续SID帧可以的那样对第一SID中的参数进行平均，因此CN参数仅基于当前帧中的信号属性。与内插存储器中的长期特征相比，这些参数可以更好地表示当前帧处的背景噪声。然而，这些SID参数可能是异常值，并且不表示长期噪声特征。这将例如导致噪声特征的快速不自然的改变，以及更低的感知音频质量。

发明内容

所提出的技术的目的是克服上述问题中的至少一个。

所提出的技术的第一方面涉及一种生成CN控制参数的方法。该方法包括以下步骤：

·在具有预定大小的缓冲器中存储SID帧和活跃延迟帧的CN参数。

·基于所存储的CN参数的寿命以及剩余能量来确定与SID帧有关的CN参数子集。

·使用确定的CN参数子集来确定跟随在活跃信号帧之后的第一SID帧的CN控制参数。

所提出的技术的第二方面涉及一种用于生成CN控制参数的计算机程序。计算机程序包括：当在计算机上运行时使计算机执行以下操作的计算机可读代码单元：

·在具有预定大小的缓冲器中存储SID帧和活跃延迟帧的CN参数。

·基于所存储的CN参数的寿命以及剩余能量来确定与SID帧有关的CN参数子集。

·使用确定的CN参数子集来确定跟随在活跃信号帧之后的第一SID帧(“第一SID”)的CN控制参数。

所提出的技术的第三方面涉及一种计算机程序产品，包括计算机可读介质和在计算机可读介质上存储的根据第二方面的计算机程序。

所提出的技术的第四方面涉及一种用于生成CN控制参数的舒适噪声控制器。该装置包括：

·具有预定大小的缓冲器，被配置为：存储SID帧和活跃延迟帧的CN参数。

·子集选择器，被配置为：基于存储的CN参数的寿命以及剩余能量来确定与SID帧有关的CN参数子集。

·舒适噪声控制参数提取器，被配置为：使用所确定的CN参数子集来确定跟随在活跃信号帧之后的第一SID帧的CN控制参数。

所提出的技术的第五方面涉及包括根据第四方面的舒适噪声控制器的解码器。

所提出的技术的第六方面涉及包括根据第五方面的解码器的网络节点。

所提出的技术的第七方面涉及包括根据第四方面的舒适噪声控制器的网络节点。

所提出的技术的优点在于：其改善了针对在DTX模式中操作的编解码器的活跃编码模式与不活跃编码模式之间的切换的音频质量。舒适噪声的包络和信号能量与先前SID和VAD延迟帧中的类似能量的先前信号特征相匹配。

附图说明

可以通过参照结合附图给出的以下描述来最佳地理解所提出的技术及其进一步的目的和优点，在附图中：

图1是通用VAD的框图；

图2是已经根据现有DTX解决方案解码的噪声语音信号的频谱图的示例；

图3是编解码器中的编码系统的框图；

图4是根据所提出的技术实现生成舒适噪声的方法的解码器的示例实施例的框图；

图5是已经根据所提出的技术解码的噪声语音信号的频谱图的示例；

图6是示出了根据所提出的技术的方法的示例实施例的流程图；

图7是示出了根据所提出的技术的方法的另一示例实施例的流程图；

图8是示出了根据所提出的技术的舒适噪声控制器的示例实施例的框图；

图9是示出了根据所提出的技术的舒适噪声控制器的另一示例实施例的框图；

图10是示出了根据所提出的技术的舒适噪声控制器的另一示例实施例的框图；

图11是示出了解码器的示例实施例的一些组件的示意图，其中通过计算机实现解码器的功能；以及

图12是示出了包括根据所提出的技术的舒适噪声控制器的网络节点的框图。

具体实施方式

下述实施例涉及音频编码器和解码器的系统，其主要针对使用DTX的语音通信应用，其中对于不活跃信号表示，使用舒适噪声。所考虑的系统使用LP对活跃信号帧和不活跃信号帧二者进行编码，其中VAD用于活跃判决。

在图3所示的编码器中，VAD 18输出用于通过编码器20进行编码的活跃判决。此外，VAD延迟判决由比特流复用器(MUX)22放入比特流中，并且与活跃帧(延迟帧和非延迟帧)和SID帧的编码参数一起向解码器发送。

所公开的实施例是音频解码器的一部分。这种解码器100在图4中示意性地示出。比特流解复用器(DEMUX)24将接收的比特流解复用为编码参数以及VAD延迟判决。解复用后的信号被转发给模式选择器26。在参数解码器28中对接收的编码参数进行解码。解码后的参数由活跃帧解码器30使用以对来自模式选择器26的活跃帧进行解码。

解码器100还包括：预定大小为M并被配置为接收并存储SID和活跃模式延迟帧的CN参数的缓冲器200、被配置为基于所存储的CN参数的寿命来确定所存储的CN参数中哪些CN参数与SID有关的单元300、被配置为基于剩余能量测量来确定所确定的CN参数中哪些CN参数与SID有关的单元400、以及被配置为针对跟随在活跃信号帧之后的第一SID帧使用所确定的与SID有关的CN参数的单元500。

为了相关，缓冲器中的参数被约束为最近的。由此，在活跃编码的较长周期期间，减小了用于选择相关缓冲器子集的缓冲器的大小。此外，在SID和活跃编码的延迟帧期间，所存储的参数由较新的值来替代。

通过使用循环缓冲器，可以降低缓冲器处理的复杂度和存储要求。在这种实现中，当添加新元素时，不必移动已存储的元素。最后添加的参数或参数集合的位置与缓冲器的大小一起用于放置新元素。当添加新元素时，较早的元素可以被覆盖。

由于缓冲器保存来自早先SID和延迟帧的参数，因此它们描述了可能但是不一定包含背景噪声的先前音频帧的信号特征。被认为相关的参数的数量是由缓冲器的大小和时间或者自从信息被存储起所经历的帧的相应数量来定义的。

这里所公开的技术可以用(例如在图4中所示的解码器侧执行的)多个算法步骤来描述。这些步骤为：

1a.步骤1a(通过图4中表示为步骤1a的单元执行)-针对SID和延迟帧的缓冲器更新：

对于每个SID和活跃延迟帧，量化的LSP系数矢量以及相应的量化的剩余能量被存储(在缓冲器200中)在缓冲器 $Q^M=\{q_0^M,...,q_{M-1}^M\}$ 和 $E^M=\{E_0^M,...,E_{M-1}^M\}$ 中，即

$\left\{\begin{array}{c}{q}_j^M=\hat{q}\\ E_j^M=\hat{E}\end{array}\right.---\left(7\right)$

缓冲器位置索引j∈[0，M-1]在每个缓冲器更新之前增加1，并且如果索引超出缓冲器大小M，则重置，即

j＝0如果j＞M-1 (8)

如以下将描述的，在Q^M和E^M中K₀个最新存储的元素的子集Q^K和E^K分别定义存储的参数集合。

1b.步骤1b(通过图4中表示为步骤1b的单元执行)-针对活跃非延迟帧的缓冲器更新

在对活跃帧进行解码期间，子集Q^K和E^K的大小根据下式以γ^-1元素每帧的速率递减：

其中K₀是在先前SID和延迟帧中存储的元素的数量，并且p_A是连续的活跃非延迟帧的数量。递减速率与时间有关，其中对于20ms的帧，γ＝25是可行的。这对应于在对活跃帧进行解码时以一个元素每半秒而递减。递减速率常数γ可以潜在地被定义为任何值但是应当被选择为使得不可能表示当前背景噪声的较早的噪声特征从子集Q^K和E^K中排除。可以例如基于背景噪声的期望的动态来选择该值。此外，由于较长的连续活跃帧序列是不可能的，因此可以考虑语音突发的自然长度和VAD的行为。通常对于20ms的帧，常数将在范围γ≤500内，其对应于少于10秒。作为备选，等式9可以用更紧凑的形式写成：

K＝K₀-η对于η·γ≤P_A＜(η+1)·γ (10)

其中

K₀是缓冲器200中存储的SID帧和活跃延迟帧的CN参数的数量，

γ是预定常数，

η是非负整数。

2.步骤2(通过图4中表示为步骤2的单元执行)-选择相关的缓冲器元素

在跟随在活跃帧之后的第一SID帧处，基于剩余能量选择缓冲器E^K的子集。大小为L的子集被定义为：

$E^S=\{E_k^K\&Element;E^K|E_{k_0}^K-{\mathrm{\&gamma;}}_1<E_k^K<E_{k_0}^K+{\mathrm{\&gamma;}}_2\}$ 对于k＝k₀，...，k_K-1 (11)

其中

是最新存储的剩余能量，

γ₁和γ₂分别是被认为表示从活跃帧向不活跃帧过渡时的噪声的剩余能量的预定下限和上限(例如γ₁＝200和γ₂＝20)，

k₀，...，k_K-1被分类使得k₀与最新存储的CN参数相对应并且k_K-1与最早存储的CN参数相对应。

通常，从范围γ₂∈[0，100]中选择γ₂，这是由于较大的值将包括相比于最新存储的剩余能量的高剩余能量。这可能导致舒适噪声能量的显著增加，从而导致可听见的降级。也希望从语音帧中排除通常具有较大能量的信号特征，这是由于这些特征通常未很好地表示背景噪声。γ₁可以被选择为略大于γ₂，例如从γ₁∈[50，500]的范围内进行选择，这是由于能量的下降通常不那么恼人。此外，与具有大于的剩余能量的帧相比，对于具有小于的剩余能量的帧而言，包括语音信号特征的可能性通常更小。

应注意，能量除了在线性域也可以在对数域表示，例如dB。对于对数域的能量，如等式(11)中规定的，相关缓冲器元素的选择与线性域的能量等同地描述为：

$E^S=\{E_k^K\&Element;E^K|E_{k_0}^K{\widetilde{\mathrm{\&gamma;}}}_1<E_k^K<E_{k_0}^K{\widetilde{\mathrm{\&gamma;}}}_2\}$ 对于k＝k₀，...，k_K-1 (12)

其中并且规定缓冲器E^K的子集的适合边界例如由和或者和给出。

LSP缓冲器Q^K中的相应矢量定义子集

3.步骤3(通过图4中表示为步骤3的单元执行)-确定代表舒适噪声参数

为了找到代表剩余能量，子集E^s的加权平均值被计算为：

$\stackrel{\&OverBar;}{E}=\frac{\underset{k=0}{\overset{L-1}{\mathrm{\&Sigma;}}}{w}_k^S{E}_k^S}{\underset{k=0}{\overset{L-1}{\mathrm{\&Sigma;}}}{w}_k^s}---\left(13\right)$

其中是权重子集中的元素：

$w^s=\{w_j^M\&Element;w^M\}$ 对于 $\&ForAll;j|E_j^M\&Element;E^S$

对于最大缓冲器大小M＝8，合适的权重子集是：

w^M＝{0.2，0.16，0.128，0.1024，0.08192，0.065536，0.0524288，0.01048576}这意味着最近的能量在剩余能量平均值中获得更多的权重，这使得活跃帧和不活跃帧之间的能量过渡更加平滑。

在子集Q^S中的LSP矢量之间，通过根据下式计算子集缓冲器E^S中全部LSP矢量之间的距离来选择中值LSP矢量：

$R_{\mathrm{lm}}=\underset{p=1}{\overset{P}{\mathrm{\&Sigma;}}}{\left(q_l^s\right[p]-q_m^s[p\left]\right)}^2$ 对于l，m＝0，...，L-1 (14)

其中是矢量中的元素。

对于每个LSP矢量，对到其他矢量的距离进行求和，即

通过子集缓冲器中与其他矢量的距离最小的矢量来给出中值LSP矢量，即

如果几个矢量具有相等的总距离，则中值可以在这些矢量中任意选择。

作为备选，代表LSP矢量可以被确定为子集Q^s的平均矢量。

4.步骤4(通过图4中表示为步骤4的单元执行)-第一SID帧的舒适噪声参数的内插

在等式(5)和(6)中将用于第一SID帧中的CN参数的内插的

LSP中值或平均矢量以及平均的剩余能量描述为：

$\left\{\begin{array}{c}{q}_{i-1}=\tilde{q}\\ E_{i-1}=\stackrel{\&OverBar;}{E}\end{array}\right.---\left(17\right)$

从参数解码器28获得和的值。针对第一SID帧的平滑因子α∈[0，1]和β∈[0，1]可以不同于在后续SID和无数据帧的CN参数的内插中使用的因子。此外，因子可以例如取决于进一步描述所确定的参数和的可靠性的度量，例如子集Q^S和E^S的大小。合适的值为例如α＝0.2和β＝0.2或β＝0.05。第一SID帧的舒适噪声参数于是由舒适噪声生成器32使用以控制用基于来自激励生成器34的激励的噪声填充来自模式选择器26的无数据帧。

如果子集Q^S和E^S为空，则最新提取的SID参数可以被直接使用而无需根据较早的噪声参数内插。

在内插中使用的所发送的LSP矢量在编码器中通常直接根据对当前帧的LP分析获得，即不考虑先前帧。优选地，使用用于在解码器中进行信号合成的与LSP参数相对应的LP参数来获得发送的剩余能量可以在编码器中通过使用相应的编码器侧缓冲器执行步骤1-4来获得这些LSP参数。以这种方式来操作编码器意味着可以通过控制经编码并发送的剩余能量来将解码器输出的能量与输入信号能量匹配，这是由于解码器合成的LP参数在编码器中已知。

图5是已经根据所提出的技术解码的噪声语音信号的频谱图的示例。该频谱图与图2中的频谱图相对应，即该频谱图基于同一编码器侧的输入信号。通过将现有技术(图2)与提出的解决方案(图5)的频谱图进行比较，可以清楚地看出：对于后者而言，活跃编码的音频与第二舒适噪声区域之间的过渡对于后者更加平滑。在该示例中，VAD延迟帧处的信号特征的子集用于获得平滑过渡。对于其他具有更短的活跃帧段的信号，参数缓冲器也可以包含来自在时间上邻近的SID帧的参数。

尽管的确跟随在活跃信号帧之后将存在仅一个第一SID帧，但是它将由于平滑/内插而间接地影响后续SID帧中的CN参数。

图6是示出了根据所提出的技术的方法的示例实施例的流程图。步骤S1在具有预定大小的缓冲器中存储SID帧和活跃延迟帧的CN参数。步骤S2基于所存储的CN参数的寿命以及剩余能量来确定与SID帧有关的CN参数子集。步骤S3使用所确定的CN参数子集来确定跟随在活跃信号帧之后的第一SID帧的CN控制参数(换言之，它基于所确定的CN参数子集来确定跟随在活跃信号帧之后的第一SID帧的CN控制参数)。

图7是示出了根据所提出的技术的方法的另一示例实施例的流程图。该图示出了针对每个帧执行的方法步骤。根据该帧是活跃非延迟帧还是SID/延迟帧(在与图4中的模式选择器26相对应的步骤A中决定)来更新缓冲器(例如图4中的200)的不同部分。如果帧是SID或延迟帧，则步骤1a(对应于图4中表示为步骤1a的单元)用新的CN参数更新缓冲器，例如上面在小节1a下所描述的。如果帧是活跃非延迟帧，则步骤1b(对应于图4中表示为步骤1b的单元)基于连续的活跃非延迟帧的数量来更新所存储的CN参数的寿命受限子集的大小，例如上面在小节1b下所描述的。步骤2(对应于图4中表示为步骤2的单元)基于剩余能量从寿命受限子集中选择CN参数子集，例如上面在小节2下所描述的。步骤3(对应于图4中表示为步骤3的单元)根据CN参数子集来确定代表CN参数，例如上面在小节3下所描述的。步骤4(对应于图4中表示为步骤4的单元)用解码的CN参数来对代表CN参数进行内插，例如上面在小节4下所描述的。步骤B用下一帧替代当前帧，并且之后用该帧来重复该过程。

图8是示出了根据所提出的技术的舒适噪声控制器50的示例实施例的框图。具有预定大小的缓冲器200被配置为：存储SID帧和活跃延迟帧的CN参数。子集选择器50A被配置为：基于所存储的CN参数的寿命以及剩余能量来确定与SID帧有关的CN参数子集。舒适噪声控制参数提取器50B被配置为：使用所确定的CN参数子集来确定跟随在活跃信号帧之后的第一SID帧(“第一SID”)的CN控制参数。

图9是示出了根据所提出的技术的舒适噪声控制器50的另一示例实施例的框图。SID和延迟帧缓冲器更新器52被配置为：针对SID帧和活跃延迟帧用新的CN参数来更新缓冲器200，例如上面在小节1a下描述的。非延迟帧缓冲器更新器54被配置为：针对活跃非延迟帧，基于连续活跃非延迟帧的数量p_A来更新存储的CN参数的寿命受限子集Q^K，E^K的大小K，例如上面在小节1b下所描述的。缓冲器元素选择器300被配置为：基于剩余能量来从寿命受限子集Q^K，E^K中选择CN参数子集Q^S，E^S，例如上面在小节2下所描述的。舒适噪声参数估计器400被配置为：根据CN参数子集Q^S，E^S确定代表CN参数如上面在小节3下所描述的。舒适噪声参数内插器500被配置为：用经解码的CN参数来对代表CN参数进行内插，例如上面在小节4下所描述的。所获得的第一SID帧的舒适噪声控制参数q_i，E_i于是由舒适噪声生成器32使用以控制用基于来自激励生成器34的激励的噪声填充无数据帧。

这里所描述的步骤、功能、过程和/或框可以在硬件中使用任何常规技术(例如分立电路或集成电路技术，包括通用电路和专用电路二者)来实现。

备选地，这里所描述的步骤、功能、过程和/或框中的至少一些可以通过合适的处理设备运行的软件来实现。该设备可以包括例如一个或几个微处理器、一个或几个数字信号处理器(DSP)、一个或几个专用集成电路(ASIC)、视频加速硬件或者一个或几个合适的可编程逻辑设备(例如现场可编程门阵列(FPGA))。这些处理元件的组合也是可行的。

也应理解，可以重用已经存在于网络节点(例如移动终端或pc)中的通用处理能力。这一点可以例如通过对现有软件进行重新编程或者通过添加新的软件组件来完成。

图10是示出了根据所提出的技术的舒适噪声控制器50的另一示例实施例的框图。该实施例基于例如执行用于生成CN控制参数的计算机程序的处理器62(例如微处理器)。程序被存储在存储器64中。程序包括：用于在预定大小的缓冲器中存储SID帧和活跃延迟帧的CN参数的代码单元66、用于基于所存储的CN参数的寿命和剩余能量来确定与SID帧有关的CN参数子集的代码单元68、以及用于使用所确定的CN参数子集来确定跟随在活跃信号帧之后的第一SID帧的CN控制参数的代码单元70。处理器62在系统总线上与存储器64进行通信。通过控制I/O总线的输入/输出(I/O)控制器72来接收输入p_A，其中处理器62和存储器64连接到I/O总线。由I/O控制器72在I/O总线上将通过程序获得的CN控制参数q_i，E_i从存储器64输出。

根据实施例的一个方案，提供了用于生成表示不活跃信号的舒适噪声的解码器。解码器可以以DTX模式操作并且可以在移动终端中通过可以在移动终端或pc中实现的计算机程序产品来实现。可以从服务器向移动终端下载计算机程序产品。

图11是示出了解码器100的示例实施例的一些组件的示意图，其中由计算机实现解码器的功能。计算机包括能够运行包含在计算机程序产品上存储的计算机程序中的软件指令的处理器62。此外，计算机包括非易失性存储器64或易失性存储器的形式的至少一种计算机程序产品，例如EEPROM(电可擦除可编程只读存储器)、闪存、光盘驱动或RAM(随机存取存储器)。计算机程序使得能够在具有预定大小的缓冲器中存储SID和活跃模式延迟帧的CN参数，基于存储的CN参数的寿命和剩余能量测量来确定存储的CN参数中哪些个与SID有关，并使用所确定的与SID有关的CN参数来估计跟随在活跃信号帧之后的第一SID帧中的CN参数。

图12是示出了包括根据所提出的技术的舒适噪声控制器50的网络节点80的框图。网络节点80通常是用户设备(UE)，例如移动终端或PC。如虚线所指示，可以在解码器100中提供舒适噪声控制器50。作为备选，如上面所述，可以在编码器中提供舒适噪声控制器50。

在上述所提出的技术的实施例中，LP系数α_k被变换到LSP域。然而，同一原则也可以应用于LP系数，LP系数变换到LSF、ISP或ISF域。

对于具有舒适噪声的衰减的编解码器，在VAD延迟帧期间逐渐衰减活跃编码信号可以是有利的。舒适噪声的能量于是将更好地与最新的活跃编码帧相匹配，这进一步改善了感知的音频质量。对于每个延迟帧，衰减因子λ可以通过下式来计算并应用于LP剩余部分：

s[n]＝λ·s[n] (18)

其中

$\mathrm{\&lambda;}=\max (0.6,\frac{1}{1+0.1p_{\mathrm{HO}}})---\left(19\right)$

其中p_HO是连续VAD延迟帧的数量。作为备选，λ可以被计算为：

$\mathrm{\&lambda;}=\max (L,\frac{1}{1+\frac{L}{L_0}{p}_{\mathrm{HO}}})---\left(20\right)$

其中L＝0.6和L₀＝6控制最大衰减和衰减速率。最大衰减通常可以在L＝[0.5，1)的范围内选择，并且速率控制参数L₀例如可以被选择使得其中是针对最大衰减所需的帧的数量。可以例如被设置为连续VAD延迟帧的可能的平均或最大数量(由于VAD中的延迟附加)。通常这将在个帧的范围内。

应理解，这里所描述的技术可以与处理跟随在活跃信号段之后的第一CN帧的其他解决方案合作。例如，可以补充这样的算法：对于高能量帧(相对于背景噪声电平)，允许CN参数的较大改变。对于这些帧，先前噪声特征对当前SID帧中的更新没有太大影响。所描述的技术于是可以用于未被检测为高能量帧的帧。

本领域技术人员将理解，可以对所提出的技术做出各种修改和变化而不偏离由所附权利要求限定的所提出的技术的范围。

缩写词

ACELP 代数编码激励线性预测

AMR 自适应多速率

AMR NB AMR窄带

AR 自回归

ASIC 专用集成电路

CN 舒适噪声

DFT 离散傅里叶变换

DSP 数字信号处理器

DTX 非连续发射

EEPROM 电可擦除可编程只读存储器

FPGA 现场可编程门阵列

ISF 导抗谱频率

ISP 导抗谱对

LP 线性预测

LSF 线谱频率

LSP 线谱对

MDCT 修正离散余弦变换

RAM 随机存取存储器

SAD 声音活跃检测器

SID 静默插入描述符

UE 用户设备

VAD 语音活跃检测器

Claims (13)

1.一种生成舒适噪声“CN”控制参数的方法，包括：

在具有预定大小(M)的缓冲器(200)中存储(S1；1a)静默插入描述符“SID”帧和活跃延迟帧的CN参数

基于所存储的CN参数的寿命以及剩余能量来确定(S2，1b，2)与SID帧有关的CN参数子集(Q^S，E^S)；以及

使用(S3，3，4)所确定的CN参数子集(Q^S，E^S)来确定跟随在活跃信号帧之后的第一SID帧“第一SID”的CN控制参数(q_i,E_i)；

所述方法还包括：

针对SID帧和活跃延迟帧，用新的CN参数来更新(1a)所述缓冲器(200)；

针对活跃非延迟帧，基于连续的活跃非延迟帧的数量p_A来更新(1b)所存储的CN参数的寿命受限子集(Q^K，E^K)的大小K；

基于剩余能量从所述寿命受限子集(Q^K，E^K)中选择(2)所述CN参数子集(Q^S，E^S)；

根据所述CN参数子集(Q^S，E^S)来确定(3)代表CN参数用经解码的CN参数来对所述代表CN参数进行内插。

2.根据权利要求1所述的方法，包括：针对活跃非延迟帧，根据下式来更新(1b)所述寿命受限子集(Q^K，E^K)的大小K：

K＝K₀-η对于η·γ≤p_A<(η+1)·γ

其中

K₀是所述缓冲器(200)中存储的SID帧和活跃延迟帧的CN参数的数量，

γ是预定常数，

η是非负整数。

3.根据权利要求1或2所述的方法，包括：通过仅包括满足下式的CN参数，从所述寿命受限子集(Q^K，E^K)中选择(2)所述CN参数子集(Q^S，E^S)：

对于k＝k₀,...,k_K-1

其中

是最新存储的剩余能量，

γ₁和γ₂分别是被认为表示从活跃帧向不活跃帧过渡时的噪声的剩余能量的预定的下限和上限，

k₀,...,k_K-1被分类使得k₀与最新存储的CN参数相对应并且k_K-1与最早存储的CN参数相对应。

4.根据权利要求1、2或3所述的方法，包括：根据所述CN参数子集(Q^S，E^S)来确定(3)代表CN参数其中，

是所述CN参数子集(Q^S，E^S)中的矢量集合Q^S的中值矢量，所述中值矢量表示自回归“AR”系数，以及

是所选择的CN参数子集(Q^S，E^S)中的剩余能量集合E^s的加权平均剩余能量。

5.根据权利要求4所述的方法，其中，所述中值矢量将所述AR系数表示为线谱对。

6.一种用于生成舒适噪声“CN”控制参数的舒适噪声控制器(50)，包括：

具有预定大小(M)的缓冲器(200)，被配置为：存储SID帧和活跃延迟帧的CN参数

子集选择器(50A；54，300)，被配置为：基于所存储的CN参数的寿命以及剩余能量来确定与静默插入描述符“SID”帧有关的CN参数子集(Q^S，E^S)；

舒适噪声控制参数提取器(50B；400，500)被配置为：使用所确定的CN参数子集(Q^S，E^S)来确定跟随在活跃信号帧之后的第一SID帧“第一SID”的CN控制参数(q_i，E_i)，

SID和延迟帧缓冲器更新器(52)，被配置为：针对SID帧和活跃延迟帧，用新的CN参数来更新所述缓冲器(200)；

非延迟帧缓冲器更新器(54)，被配置为：针对活跃非延迟帧，基于连续的活跃非延迟帧的数量p_A来更新所存储的CN参数的寿命受限子集(Q^K，E^K)的大小K；

缓冲器元素选择器(300)，被配置为：基于剩余能量从所述寿命受限子集(Q^K，E^K)中选择所述CN参数子集(Q^S，E^S)；

舒适噪声参数估计器(400)，被配置为：根据所述CN参数子集(Q^S，E^S)来确定(3)代表CN参数以及

舒适噪声参数内插器(500)，被配置为：用经解码的CN参数来对所述代表CN参数进行内插。

7.根据权利要求6所述的控制器(50)，其中，所述缓冲器元素选择器(300)被配置为：针对活跃非延迟帧，根据下式更新所述寿命受限子集(Q^K，E^K)的大小K：

K＝K₀-η对于η·γ≤p_A<(η+1)·γ

其中

K₀是所述缓冲器(200)中存储的SID帧和活跃延迟帧的CN参数的数量，

γ是预定常数，

η是非负整数。

8.根据权利要求6或7所述的控制器(50)，其中，所述缓冲器元素选择器(300)被配置为：通过仅包括满足下式的CN参数，从所述寿命受限子集(Q^K，E^K)中选择所述CN参数子集(Q^S，E^S)：

对于k＝k₀,...,k_K-1

其中

是最新存储的剩余能量，

γ₁和γ₂分别是被认为表示从活跃帧向不活跃帧过渡时的噪声的剩余能量的预定的下限和上限，

k₀,...,k_K-1被分类使得k₀与最新存储的CN参数相对应并且k_K-1与最早存储的CN参数相对应。

9.根据权利要求6、7或8所述的控制器(50)，其中，所述舒适噪声参数估计器(400)被配置为：根据所述CN参数子集(Q^S，E^S)来确定代表CN参数其中，

是所述CN参数子集(Q^S，E^S)中的矢量集合Q^S的中值矢量，所述中值矢量表示自回归“AR”系数，以及

是所选择的CN参数子集(Q^S，E^S)中的剩余能量集合E^s的加权平均剩余能量。

10.一种解码器(100)，包括根据前述权利要求6-9中任一项所述的舒适噪声控制器(50)。

11.一种网络节点(80)，包括根据权利要求10所述的解码器(100)。

12.一种网络节点(80)，包括根据前述权利要求6-9中任一项所述的舒适噪声控制器(50)。

13.根据权利要求11或12所述的网络节点(80)，其中网络节点是移动终端。