CN1127913A - 自适应数字音频编码装置及其一种位分配方法 - Google Patents

Abstract

编码输入数字音频信号的装置，包括分波段滤波装置，用于逐分波段地接收及滤波该输入信号；第一估算器，用于为该信号的各分波段估算信号——掩蔽比数据、声压水平及掩蔽阈值；第二估算器，用于为该输信号的各帧估算感觉熵及为与所估算的感觉熵对应的一帧群推导一平均及一标准偏差参数；位分配单元，用于为各分波段自适应地确定位及位分配信息；量化器，用于量化该信号的各滤波后的分波段；及格式电路，用于和所生成的位分配信息一起格式化量化后的音频信号。

Description

自适应数字音频编码装置及其一种 位分配方法

本发明涉及一种数字音频编码方法及其装置；更具体地，涉及用于根据与人类的听觉一致的感觉平均信息量编码包括多个帧的输入数字音频信号的一种改进的自适应数字音频编码装置及其一种位分配方法。

数字化的音频信号的传输使得发送与光盘与/或数字音频磁带相匹敌的高质量音频信号成为可能。当用数字形式表示音频信号时，便需要传输可观的数据量，尤其是在高清晰度电视系统的情况中。然而，由于分配给这种数字音频信号的可利用的频带宽度是有限的，为了通过有限的音频带宽(诸如大约128KHz)传输这一可观的数字数据量(诸如用48KHz采样频率的16位PCM(脉冲码调制)音频信号的768千位每秒)，不可避免地要压缩这些数字音频数据。

在各种音频压缩装置或技术中，采用心理声学算法的称作MPEG(活动图像专家组)音频算法已被提议用在HDTV应用中。

MPEG音频算法利用四个主要部分：分波段滤波、心理声学模型化、量化与编码、以及帧格式化。分波段滤波是将一个输入PCM数字音频信号从时域映射到频域上的过程。可采用具有B(诸如32)个分波段的一个滤波器组。在各分段波中，为处理而组合12或36个抽样；而来自所述B个分波段的成组抽样，即B×12或36，构成一个“帧”，它是音频信号的编码、传输与解码的一个处理单位。心理声学模型化为各分波段或分波段组建立一组数据，诸如SMR(信号-掩蔽比)数据以控制其量化与编码。然后，在量化与编码分波段抽样过程中，参照SMR将得到的位自适应地分配给一帧的各分波段。一个帧格式器以适合于传输的方式连同其它需要的附加信息格式化该帧数据。

然而，在上述MPEG音频技术中，由于分配给各帧的是固定数目的位，便不能反映可能在帧间连续变化的输入数字音频信号的诸如平均值、偏差及感觉平均信息量等统计性质。

因此，本发明的一个主要目的为提供一种用于根据与人类的听觉相容的帧的感觉平均信息量编码包括多个帧的一个数字音频信号的新颖装置及其位分配方法，借此增进编码效率与声音质量。

按照本发明的一个方面，提供了一种用于自适应地编码包含多个帧的一个输入数字音频信号的新颖装置，其中各帧包含多个分波段，该装置包括：用于在逐个分波段的基础上接收输入数字音频信号及滤波所接收的数字音频信号的装置；第一估算装置，用于估算该数字音频信号的各分波段的信号-掩蔽比数据、声压水平及掩蔽阈值；第二估算装置，用于根据估算的信号-掩蔽比数据、声压水平及掩蔽阈值估算输入数字音频信号的各帧的感觉平均信息量，及用于为包含与估算的感觉平均信息量相对应的两个或两个以上的当前与前面的帧的一个帧群，推导一个平均及一个标准偏差参数；位分配装置，用于根据估计的信号-掩蔽比数据、感觉平均信息量、以及平均与标准偏差参数，为各分波段自适应地确定位，及用于为各分波段生成与确定的位对应的位分配信息；用于响应为各分波段生成的位分配信息，量化该数字音频信号的各滤波后的分波段的装置；以及用于和所生成的位分配信息一起格式化该量化的音频信号的装置。

按照本发明的另一方面，提供了一种用于在数字音频编码装置中自适应地编码包含多个帧的一个输入数字音频信号的新颖的位分配方法，其中各帧包含多个分波段，所述方法包括下述步骤：在逐个分波段的基础上，接收与滤波输入数字音频信号；为数字音频信号的各分波段估算信号-掩蔽比数据、声压水平及掩蔽阈值；根据估算的信号-掩蔽比数据、声压水平及掩蔽阈值，为输入数字音频信号的各帧估算感觉平均信息量，并为包含两个或两个以上当前与前面的帧的对应于估算的感觉平均信息量的一个帧群，推导出一个平均及一个标准偏差参数；根据估算的平均与标准偏差参数，估算该帧群的判别电平；生成分别表示各感觉平均信息量与平均参数之间的差的一个差信号；根据估算的判别电平、判别电平的总数、感觉平均信息量及平均位，为该帧群的各帧确定位，并为各帧生成与所确定的位对应的位分配信息；根据估算的信号-掩蔽比数据与生成的位分配信息为各帧的对应分波段确定位，并为各分波段生成与所确定的位对应的位分配信息。

从下面结合附图所取的较佳实施例的描述中，本发明的上述与其它目的及特征将是显而易见的，附图中：

图1示出示意性地说明按照本发明的用于自适应地编码一个输入数字音频信号的新颖装置与位分配方法的方框图；以及

图2描绘图1中所示的第一位分配单元的详细方框图。

参见图1，其中示出了示意性地说明按照本发明的一种自适应数字音频编码装置与位分配方法的方框图。

自适应数字音频编码装置包括一个分波段滤波装置10、第一与第二感觉参数估算器20与30、第一与第二位分配单元40与50、一个量化器60及一个格式电路70。

将包含N个抽样，即n＝0，1，…，n-1，的第i帧或当前帧的一个输入数字音频信号X(n)作用在第一感觉参数估算器20及适用于执行该输入数字音频信号的分波段滤波操作的分波段滤波装置10上，其中N为一个正整数。这里使用的“帧”表示对应于一个固定数目的音频抽样的数字音频信号的一部分，并且是编码与解码数字音频信号的一个处理单位。

如图所示，分波段滤波装置10接收当前帧的输入数字音频信号，并采用本技术中众所周知的一种分波段滤波技术(诸如公开在ISO/IEC JTCI/SC2/WG11，“部分3，音频建议”，CD-11172-3(1991)中所描述的称作MPEG音频算法中的方法)进行输入数字音频信号的滤波。即，分波段滤波装置10起到用抽样频率fs/B将具有抽样频率fs的输入数字音频信号分成等间隔的B(例如32)个分波段的作用，并将分开后的分波段音频抽样提供给量化器60。

另一方面，第一感觉参数估算器20接收当前帧的输入数字音频信号并利用一个心理声学模型(诸发在MPEG音频算法中讨论的)为包含在当前帧的输入数字音频信号中的各分波段估算信号-掩蔽比(SMR)数据、声压水平与掩蔽阈值。各分波段的信号-掩蔽比的推导如下：

      SMR(j)＝P(j)－M(j)

                            式(1)其中j为一个分波段数标，j＝0，1，…，B-1，B为一帧中的分波段的总数；SMR(j)为在分波段j中的信号-掩蔽比；P(j)为用FFT(快速傅里叶变换)技术估算的分波段j中的声压水平；M(j)为分波段j中的掩蔽阈值；而SMR(j)、P(j)与M(j)的单位都是dB(分贝)。

掩蔽阈值表示可听见的极限，它是本征可听见极限或一种声音的阈值与音频信号的其它音调与非音调分量的出现引起的一个增量之和。然后，将这些SMR(j)馈送给第二位分配单元50，同时将P(j)与M(j)耦合到第二感觉参数估算器30。

第二感觉参数估算器30起到根据来自第一感觉参数估算器20的声压水平P(j)与掩蔽阈值M(j)，为第i帧的输入数字音频信号估算一个感觉平均信息量PE(i)的作用。第i帧的输入数字音频信号的感觉平均信息量PE(i)，如本技术中熟知的，可表示为： $\mathrm{PE}\left(i\right)=\frac{1}{B}\underset{j=0}{\overset{B-1}{\mathrm{\Σ}}}\mathrm{MAX}[0,\frac{1}{2}{\log }_2\frac{P\left(j\right)}{M\left(j\right)}]\mathrm{dB}$ 式(2)其中i，j与B具有与前面的定义相同的含义。

式(2)可通过应用所谓速率失真理论求出；并对应于根据人类听觉的感觉平均信息量。此外，为了按照第一位分配单元40的处理在它们之间自适应地分配位，采用第二感觉参数估算器30来组合Q(例如4)个当前与其前面的帧的估算的感觉平均信息量，即PE(i)、PE(i-1)、PE(i-2)与PE(i-3)，(第一位分配单元40将在下面参照图1与2详细描述)，其中组合的感觉平均信息量表示包含四个当前与前面的帧的一个帧群的感觉平均信息量；并用该帧群的总的感觉平均信息量估算表示它们的统计性质的一个平均及一个标准偏差参数PEm及PEstd。该帧群的总的感觉平均信息量的平均参数PEm，如本技术中所熟知的，可得出如下： $\mathrm{PEm}=\frac{1}{Q}\underset{p=0}{\overset{Q-1}{\mathrm{\Σ}}}\mathrm{PE}\left(p\right)$ 式(3)其中p为用在该组合帧数据中的一个帧数标，p＝0，1，…Q-1，Q为该帧群的总帧数；而PE(p)则表示帧群中第p个帧的感觉平均信息量。

相应地，该帧群的总的感觉平均信息量的标准偏差参数PEstd，如本技术中所熟知的，可计算如下：

其中p与Q具有与前面的定义相同的含义。

然后，将在第二感觉参数估算器30中组合与估算的第p帧的感觉平均信息量PE(p)及平均与标准偏差参数PEm与PEstd作用在第一位分配单元40上，第一位分配单元40是用来根据来自第二感觉参数估算器30的第p帧的感觉平均信息量及平均与标准偏差参数，确定包含在该帧群中的各帧的位的，并将对应于为该群的各帧所确定的位的位分配信息FBI提供给第二分配单元30与格式电路70。

参见图2，其中示出了图1中所示的第一位分配单元40的详细方框图。第一位分配单元40包括一个判别电平估算器41、一个减法器42及一个位分配装置43。

判别电平估算器41用于根据来自图1中所示的第二感觉参数估算器30的平均与标准偏差参数PEm与PEstd，为位分配装置43估算帧群的最佳判别电平，以自适应地将位分配给该帧群中的各帧。按照本发明的一个较佳实施例，该帧群的第k个判别电平D(k)可表示如下：

        D(k)＝NF·PEstd·k

                              式(5)其中k为一个判别电平数标，k＝-q至q，q为一个正整数，NF为该帧群中的一个正规化因子。

从式(5)中可见，组合的帧数据的第k个判别电平D(k)与第(k-1)个判别电平D(k-1)之间的电平间隔取决于来自第二感觉参数估算器30的标准偏差PEstd与组合的帧数据的正规化因子NF，而判别电平的总数则是预定的。应当理解，判别电平的总数可根据所要求的编码效率及编码装置的声音质量来确定。为了得出与实际的人类听觉紧密匹配的组合帧数据的最佳判别电平，用在判别电平估算器41中的帧群的正规化因子NF最好能用来自第二感觉参数估算器30的平均与标准偏差参数PEm与PEstd以及事先存储在其一个存储器(未示出)中的一个全程平均与一个全程标准偏差的一个平均参数PEgm与PEgstd来确定。各全程平均与全程标准偏差的平均参数可以分别通过使用为一个预定的持续时间估算的平均与标准偏差参数容易地测定。按照本发明，帧群的正规化因子NF得出如下： $\mathrm{NF}=\left(\frac{\mathrm{PEgstd}}{\mathrm{PEgm}}\right)\·\left(\frac{\mathrm{PEm}}{\mathrm{PEstd}}\right)$ 式(6)

从式(5)与(6)中可以看出，帧群的判别电平可确定为平均参数的整数倍。

另一方面，减法器42通过从感觉平均信息量PE(p)中减去来自第二感觉参数估算器30的平均参数PEm计算帧群中第p帧的差信号E(p)。随后，将在判别电平估算器41中估算与预定的判别电平D(k)及判别电平的总数2q＋1，以及在减法器42计算的差信号E(p)，同时提供给位分配装置43。

位分配装置43根据来自判别电平估算器41的判别电平与判别电平的总数，以及来自减法器42的差信号为帧群中的各帧确定位，并将与为各帧所确定的位对应的位分配信息FBI提供给图1中所示的第二位分配单元50及格式电路70。按照本发明的一个较佳实施例，帧群中的第p个帧的位分配FB(p)可确定如下： $\mathrm{FB}\left(p\right)=\mathrm{FBm}+\frac{\mathrm{BV}}{2q+1}\·I$ 式(7)其中p具有与前面的定义相同的含义；FBm为平均位，诸如，对于在每秒128Kbits(千位)数据传输率上的48KHz抽样频率的16位PCM(脉冲码调制)音频数据为每帧3072位；BV为一个预定的位变量值；2q＋1为预定的判别电平的总数；而I为帧p中的一个电平数标。

从式(7)中可见，第p帧的位分配FB(p)可通过在平均位的数目FBm上加上可从其第二项中推算出的变化位的数目而确定。其中的预定位变量值可以作为与式(7)中所定义的一帧的平均位相等的一个值来确定，而帧群中第p帧的电平数标I可以根据来自判别电平估算器41的判别电平D(k)及来自减法器42的差信号E(p)得出。按照本发明的较佳实施例，帧群中的第p帧的电平数标I可以表示成如表1中所示(其中假定了判别电平的间隔为1.27而判别电平数标k为-2至2)

从表1中可见，如果差信号E(p)存在于判别电平-1.28与-2.0之间，则第p帧的电平数标I可选择为-1；而如果它在判别电平1.27与2.0之间，则电平数标I可选择为1，以此类推。以这一方式，第p帧的位分配FB(p)可用式(7)方便地确定。

随后，将位分配单元43上对应于为帧群的各帧所确定的位的位分配信息FBI，及来自图1中所示的第一感觉参数估算器20的信号-掩蔽比SMR(j)同时作用在第二位分配单元50上；并将各帧的位分配信息FBI提供给格式电路70。

回头参见图1，第二位分配单元50接收从第一感觉参数估算器20馈入的信号-掩蔽比SMR(j)及从第一位分配单元40提供的各帧的位分配信息FBI，为包含在帧群的各帧中的各分波段确定位，并分别将对应于为各分波段确定的位的位分配信息SBI提供给量化器60与格式电路70。用在第二位分配单元50中的原理在于在所使用位数不得超过从第一位分配单元40传送的该帧可得到的位数的制约下，在一帧上优化总的信噪比。随后，将来自第二位分配单元50的各分波段的位分配信息SBI及来自分波段滤波装置10的分裂的分波段音频抽样同时作用在量化器60上。

量化器60起到根据来自第二位分配单元50的对应位分配信息，自适应地量化来自分波段滤波装置10的分裂的分波段音频抽样的作用，并将各分波段的量化音频信号提供给格式电路70。

在格式电路70中，来自量化器60的量化音频抽样及来自第一与第二位分配单元40与50的位分配信息被格式化与传输给一台发送机(未示出)供其传输，借此改进输入数字音频信号的编码效率及声音质量。分波段滤波装置10、第一感觉参数估算器20、第二位分配单元50、量化器60及格式电路70的原理与功能基本上与MPEG音频算法中所得出的那些相同。

虽然本发明是参照特定的实施例示出与描述的，但对于熟悉本技术的人员而言，显而易见可以在不脱离所附的权利要求书中所定义的本发明的精神与范围的条件下，作出许多改变与修正。

                      表1

判别电平D的范围	电平数标(I)
		～-2.56	-2
-2.55～-1.28	-1
		-1.27～1.26	0
1.27～2.54	1
		2.55～	2

Claims (7)

1、一种用于自适应地编码包含多个帧的一个输入数字音频信号的装置，其中各该帧包含多个分波段，该装置包括：

用于在逐个分波段的基础上接收与滤波该输入数字音频信号的装置；

第一估算装置，用于为该数字音频信号的各分波段估算信号-掩蔽比数据、声压水平及掩蔽阈值；

第二估算装置，用于根据估算的信号-掩蔽比数据、声压水平与掩蔽阈值，为该输入数字音频信号的各帧估算感觉平均信息量，及用于为与估算的感觉平均信息量相对应的包含两个或两个以上的当前与前面的帧的一个帧群推导一个平均及一个标准偏差参数；

位分配装置，用于根据估算的信号-掩蔽比数据、感觉平均信息量、及平均与标准偏差参数为各分波段自适应地确定位，及用于生成对应于为各分波段确定的位的位分配信息；

用于响应为各分波段生成的位分配信息，量化该数字音频信号的各滤波后的分波段的装置；以及

用于和所生成的位分配信息一起，格式化该量化音频信号的装置。

2、权利要求1中所述的装置，其中所述位分配装置包括：

用于根据估算的平均与标准偏差参数，估算该帧群的判别电平的装置；

用于生成一个表示各感觉平均信息量与平均参数之间的差的差信号的装置；

第一位分配装置，用于根据估算的判别电平、判别电平的总数、感觉平均信息量及预定的平均位，为该帧群的各帧确定位，及用于生成一个与为各帧确定的位对应的位分配信息；以及

第二位分配装置，用于根据估算的信号-掩蔽比数据及生成的位分配信息，为各帧的各分波段确定位，及用于生成与为各分波段确定的位对应的位分配信息。

3、权利要求2中所述的装置，其中该帧群的各判别电平D确定如下：

               D＝NF·PEstd.k其中k为一个判别电平数标，k＝-q至q，q为一个正整数，NF为该帧群中的一个正规化因子；而PEstd则为该帧群的标准偏差参数。

4、权利要求3中所述的装置，其中第p帧的位分配FB(p)是按下式计算的： $\mathrm{FB}\left(p\right)=\mathrm{FBm}+\frac{\mathrm{BV}}{2q+1}\·I$ 其中p为该帧群中的一个帧数标；FBm为一帧的平均位的一个函数；2q＋1为预定的判别电平的总数；而I则为第p帧中的一个电平数标。

5、一种用在自适应地编码包含多个帧的一个输入数字音频信号的一种数字音频编码装置中的位分配方法，其中各帧包括多个分波段，所述方法包括下述步骤：

在逐个分波段的基础上，接收与滤波该输入数字声频信号；

为该数字音频信号的各分波段估算信号-掩蔽比数据、声压水平与掩蔽阈值；

根据估算的信号-掩蔽比数据、声压水平与掩蔽阈值，为该输入数字音频信号的各帧估算感觉平均信息量，及为对应于估算的感觉平均信息量的包含两个或两个以上当前与前面的帧的一个帧群推导一个平均与一个标准偏差参数；

根据估算的平均与标准偏差参数，估算该帧群的判别电平；

生成一个表示各该感觉平均信息量与该平均参数之间的差的差信号；

根据估算的判别电平、判别电平的总数、感觉平均信息量及平均位，为该帧群的各帧确定位，及生成对应于为各帧所确定的位的位分配信息；以及

根据估算的信号-掩蔽比数据及生成的位分配信息，为各帧的各分波段确定位，及生成对应于为各分波段确定的位的位分配信息。

6、权利要求5中所述的方法，其中该帧群的各判别电平D确定如下：

             D＝NF·PEstd·k其中k为一个判别电平数标，k＝-q至q，q为一个正整数，NF为该帧群中的一个正规化因子；而PEstd则为该帧群的标准偏差参数。

7、权利要求6中所述的方法，其中第p帧的位分配FB(p)按下式得出： $\mathrm{FB}\left(p\right)=\mathrm{FBm}+\frac{\mathrm{BV}}{2q+1}\·I$ 其中p为该帧群中的一个帧数标；FBm为一个帧的平均位的一个函数；2q＋1为预定的判别电平的总数；而I则为第p帧中的一个电平数标。

Images