CN1123865C - 小波音频编码信号处理中块效应消除方法 - Google Patents

Abstract

本发明涉及音频信号小波变换编码中的块效应消除方法。所提出的新方法通过改进小波变换的分解和重构算法，保证了帧边界基函数的连续性，使由于量化引起的帧间差异减到最小，从而彻底消除了块效应，同时避免了数据冗余，因此，实现在不增加数据冗余的前提下，彻底消除块效应现象，能有效提高小波音频编码器的编码效率。

Description

小波音频编码信号处理中块效应消除方法

技术领域

本发明涉及现代信息处理领域中一个快速发展的分枝——音频信号压缩算法。更详细的说，涉及一种有效解决小波音频编码中块效应问题。

背景技术

本发明主要是针对小波宽带音频压缩算法的改进。

目前，小波及小波包变换技术已经被成功的用于音频压缩编码领域。人类的听觉系统可以按频率分布划分出一个非等带宽的频带组合，在各个频带范围内人耳对声音的敏感程度有明显的不同，把这些频带范围称为临界子带(critical subband)。而利用小波和小波包变换的时频局域化和多分辨率分析性质，设计更贴近临界子带的非等宽子带滤波器组，可充分利用人耳的听觉特性去除音频信号的听觉冗余信息。

同时，为了消除小波编码的块效应问题，人们普遍采用了编码音频帧的重叠加窗技术。即编码时音频帧和帧之间有一定的数据重叠(如1/16)，解码时，将解码后的重叠部分加权相加，从而获得完整的解压缩的PCM音频流。

采用编码音频帧重叠加窗技术由于要将帧边界的时域样本重复编码，因此不可避免会带来一定的数据冗余。而且，重叠部分解码后的加权恢复会造成一定的信号频谱畸变，影响编码效率。

本发明的内容

据此，本发明的目的在于：在传统的小波和小波包技术基础上，对小波和小波包的实现方式做一定的改造，实现在不增加数据冗余的前提下，彻底消除块效应现象。

以采用1/16的帧重叠加窗技术为例。此时，编码时每帧的数据冗余为帧长度的1/16；在解码时，对解码后的重叠部分加权相加将产生信号的频谱畸变，并且该畸变随压缩比的增大而增大。

采用本发明的块效应消除方法，由于小波变换的临界采样特性，将不再存在数据冗余问题；且由于帧边界基函数的连续性，使由于量化引起的帧间差异减到最小，即彻底消除了块效应。

本发明为一种小波音频编码中块效应消除方法，在没有增加数据冗余的前提下，有效消除音频编码的块效应。

在小波音频编码器中，对小波变换实现如下：

a)根据所采用的变换之配置，将输入音频数据分解成帧，每帧时域样本数为M；

b)根据所选小波滤波器的长度L，将上述音频帧的时域样本添加L个样本，此时每

帧的时域样本数为M+L；

c)对上述音频帧做小波滤波处理；

d)将小波滤波后的每个子带的样本继续分解成帧，每帧样本数为M/2；

e)将上述音频帧的样本添加L个样本，此时每帧的样本数为M/2+L；

f)对上述音频帧做小波滤波处理；

g)重复上述操作，直到整个小波树分解完成。

在小波音频解码器中，对小波重构做如下处理：

h)将经过熵解码和逆量化的当前音频帧小波系数按子带组织；

i)根据所选小波滤波器的长度L，将上述音频帧的子带添加L/2个小波系数；

j)将对应两个子带的小波系数做小波逆滤波处理；

k)将小波逆滤波后的小波系数按子带组织；

l)并将每个子带添加L/2个小波系数；

m)将对应的子带系数做小波逆滤波处理；

n)重复上述操作，直到整个小波树重构完成。

本发明的原理：在音频编码中，编码帧都是有限长度的，设为M(M为偶数)。此时，小波变换矩阵为M×(M+N-1)维矩阵T，小波变换可表示为 $\stackrel{\mathrm{\ρ}}{y}=T\·\stackrel{\mathrm{\ρ}}{x}$ 其中 $\stackrel{\mathrm{\ρ}}{x}=[x\left(0\right),x\left(1\right),x\left(2\right),\mathrm{\Λ},x(M-1){]}^T---\stackrel{\mathrm{\ρ}}{y}=[y_0\left(0\right),y_1\left(0\right),y_0\left(1\right),y_1\left(1\right)\mathrm{\Λ}{y}_0(M/2-1),y_1{(M/2-1)]}^T$

在嵌套的小波分解的每一个节点都做如上变换。

在小波重构过程中，也采用类似的变换方式。若设小波逆滤波器组的冲激响应长度为N₁，K为有限长度小波逆变换矩阵，维数为M×(2M+N₁-2)，那么小波逆变换可表示为 $\stackrel{\mathrm{\ρ}}{x}=K\·{\stackrel{\mathrm{\ρ}}{y}}_{\mathrm{ext}}$

其中： $\stackrel{\mathrm{\ρ}}{x}={[\hat{x}\left(0\right),\hat{x}\left(1\right),\hat{x}\left(2\right),\mathrm{\Λ},\hat{x}\left(M\right)]}^T$

${\stackrel{\mathrm{\ρ}}{y}}_{\mathrm{ext}}=[y_0\left(0\right),y_1\left(0\right),\mathrm{0,0},y_0\left(1\right),y_1\left(1\right),\mathrm{0,0},\mathrm{\Λ},y_0{(M_2+N_{1_4}-1),y_1(M_2+N_{1_4}-1),\mathrm{0,0}]}^T$

相同的，在嵌套的小波重构的每一个节点都做如上变换。

和普通的小波变换相比，本发明中用于消除音频编码块效应的小波变换实现的创新在于：在分解端和重构端，对每一个小波变换节点的数据都做重叠处理，然后做小波变换，以实现帧边界基函数的连续性，从而在不增加每帧编码数据量的情况下，彻底消除块效应。

附图说明

图1为本发明基于音频编码块效应消除小波变换的音频感知编码算法流程图。

图2本发明音频编码块效应消除块小波变换和传统小波变换的编码实例：(a)(b)采用小波音频编码块效应消除方法的解码信号块边界波形和频谱；(c)(d)采用传统小波变换的解码信号块边界波形和频谱。

本发明的具体实例

设计这个基于感知的音频编码器，基本框架如图1所示，主要包括小波包分析滤波器组模块、心理声学模块、量化编码模块和打包模块四个部分。

在图1所示的音频编码器中，音频信号分两路进入本发明音频编码块效应消除小波变换和心理声学计算模块。小波包基的分解数结构采用P.Philippe等人的优化小波包分解结构[Pierrick Philippe,,Francois Moreau de Saint-Martin,and Michel Lever,“Wavelet Packet Filterbanks forLow Time Delay Audio Coding”，IEEE Trans.on Speech and Audio Procession,Vol.7,No.3,May 1999]，并采用上节提出的音频编码块效应消除小波变换技术。心理声学模型基本基本结构类似于MPEG1Psychoacoutic Model I[International Standard，“Coding of moving pictures and associated audio for digitalstorage media up to about 1.5 Mbit/s-Part 3：Audio”，ISO/IEC 11172-3：1993(E)]，并针对小波包滤波器做一定修正，以计算小波包子带的掩蔽阈值。小波包子带系数采用一个简单有效的固定比特率的优化量化策略，使在给定目标码率下感知失真最大的子带最小。为简化编码器结构，不做熵编码，将量化结果直接送入打包模块形成压缩码流。

其中对小波分解和重构部分做如下细节操作：

设每帧时域样本数M＝1024，小波滤波器长度L＝10，在小波音频编码器的编码端，对小波变换实现如下：

a)根据所采用的变换之配置，将输入音频数据分解成帧，每帧时域样本数为1024；

b)根据所选小波滤波器的长度，将上述音频帧的时域样本添加10个样本，此时每帧

的时域样本数为1034；

c)对上述音频帧做小波滤波处理；

d)将小波滤波后的每个子带的样本继续分解成帧，每帧样本数为512；

e)将上述音频帧的样本添加10个样本，此时每帧的样本数为522；

对上述音频帧做小波滤波处理；

f)重复上述操作，直到整个小波树分解完成。

在小波音频编码器的编码段，对小波重构做如下处理：

g)将经过熵解码和逆量化的当前音频帧小波系数按子带组织；

h)根据所选小波滤波器的长度，将上述音频帧的子带添加5个小波系数；

i)将对应两个子带的小波系数做小波逆滤波处理；

j)将小波逆滤波后的小波系数按子带组织；

k)并将每个子带添加5个小波系数；

l)将对应的子带系数做小波逆滤波处理；

m)重复上述操作，直到整个小波树重构完成。

在主观测试中，该技术和普通小波变换相比有明显的优势，这里我们用在低码率下的编码实例图示这种改进。

图2为在较低码率下，采用小波音频编码块效应消除方法和不采用该技术的小波变换的量化后的重构信号的块边界波形和频谱，可以看到前者的重构信号没有“块效应”。

Claims (1)

1、一种小波音频编码信号处理中块效应消除方法，其特征在于在小波音频编码器中，对小波变换实现如下处理：

a)根据所采用的变换之配置，将输入音频数据分解成帧，每帧时域样本数为M；

b)根据所选小波滤波器的长度L，将上述音频帧的时域样本添加L个样本，此时每

  帧的时域样本数为M+L；

c)对上述音频帧做小波滤波处理；

d)将小波滤波后的每个子带的样本继续分解成帧，每帧样本数为M/2；

e)将上述音频帧的样本添加L个样本，此时每帧的样本数为M/2+L；

f)对上述音频帧做小波滤波处理；

g)重复上述操作，直到整个小波树分解完成；

在小波音频解码器中，对小波重构做如下处理：

h)将经过熵解码和逆量化的当前音频帧小波系数按子带组织；

i)根据所选小波滤波器的长度L，将上述音频帧的子带添加L/2个小波系数；

j)将对应两个子带的小波系数做小波逆滤波处理；

k)将小波逆滤波后的小波系数按子带组织；

l)并将每个子带添加L/2个小波系数；

m)将对应的子带系数做小波逆滤波处理；

n)重复上述操作，直到整个小波树重构完成。

Images