EP1979901B1 - Verfahren und anordnungen zur audiosignalkodierung - Google Patents

Verfahren und anordnungen zur audiosignalkodierung Download PDF

Info

Publication number
EP1979901B1
EP1979901B1 EP06706508.6A EP06706508A EP1979901B1 EP 1979901 B1 EP1979901 B1 EP 1979901B1 EP 06706508 A EP06706508 A EP 06706508A EP 1979901 B1 EP1979901 B1 EP 1979901B1
Authority
EP
European Patent Office
Prior art keywords
audio signal
audio
fundamental period
signal
subband
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
EP06706508.6A
Other languages
English (en)
French (fr)
Other versions
EP1979901A1 (de
Inventor
Martin Gartner
Bernd Geiser
Peter Jax
Stefan Schandl
Herve Taddei
Peter Vary
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Unify GmbH and Co KG
Original Assignee
Unify GmbH and Co KG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Unify GmbH and Co KG filed Critical Unify GmbH and Co KG
Publication of EP1979901A1 publication Critical patent/EP1979901A1/de
Application granted granted Critical
Publication of EP1979901B1 publication Critical patent/EP1979901B1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/0204—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using subband decomposition
    • G10L19/0208—Subband vocoders
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/038—Speech enhancement, e.g. noise reduction or echo cancellation using band spreading techniques

Definitions

  • the invention relates to a method and arrangements for audio signal coding.
  • the invention relates to a method and an audio signal decoder for forming an audio signal and an audio signal encoder.
  • Efficient compression of audio signals is also an important consideration in the context of storage or archival of audio signals.
  • Coding methods in which an audio signal synthesized by an audio synthesis filter is timed to an audio signal to be transmitted prove to be particularly efficient is adjusted by optimizing filter parameters. Such a procedure is often referred to as Analysisby Synthesis.
  • the audio synthesis filter is excited by a preferably also to be optimized excitation signal. Filtering is often referred to as formant synthesis.
  • LPC coefficients LPC: Linear Predictive Coding
  • / or parameters specifying a spectral and / or temporal envelope of the audio signal can be used as filter parameters.
  • the optimized filter parameters and parameters specifying the excitation signal are then transmitted to the receiver on a timely basis in order to form a synthetic audio signal there by means of an audio signal decoder provided on the receiver side, which is as similar as possible to the original audio signal with regard to the subjective auditory impression.
  • Such an audio coding method is known from ITU-T Recommendation G.729.
  • a real-time audio signal with a bandwidth of 4 kHz can be reduced to a transmission rate of 8 kbit / s.
  • the achievable transmission bandwidth and audio synthesis quality depend significantly on the generation of a suitable excitation signal.
  • a bandwidth-expanding excitation signal u hb (k) in a high subband can be formed as a spectral copy of the narrow-band excitation signal u nb (k) , (Through the index k, samples of the excitation signal or of other signals are indicated here and below.)
  • the copy can hereby be formed by spectral translation or by spectral reflection of the narrow-band excitation signal u nb (k).
  • spectral translation or reflection distorts the spectrum of the excitation signal inharmonic and / or it causes a significant audible phase error in the spectrum.
  • the document D1 discloses a voice bandwidth extender and a voice bandwidth extension method.
  • the device comprises inter alia a demultiplexer which divides a received signal into multiplexed parameters such as voice information, ie an index.
  • This index includes and outputs a gain code vector, an adaptive codebook delay index, information about a sound source signal and an index of a sound source codevector, and an index of a spectrum parameter.
  • An adder uses a sound source signal which is expanded in the frequency bandwidth, and adds this signal to a signal from the conversion of the reproduction speech signal at a sampling frequency representing a higher frequency component and outputting a voice signal extended by a frequency bandwidth.
  • frequency components of the audio signal attributable to a first subband are formed by means of a subband decoder on the basis of supplied basic period values each indicating a fundamental period of the audio signal.
  • a second subband attributable frequency components of the audio signal are formed by exciting an audio synthesis filter by means of an excitation signal specific for the second subband.
  • a basic period parameter is derived from the basic period values by an excitation signal generator.
  • pulses with a pulse shape dependent on the basic period parameter are formed by the excitation signal generator in a time interval determined by the basic period parameter and mixed with a noise signal.
  • frequency components of the audio signal attributable to a further second subband can be synthesized on the basis of basic period values which have already been made available for a subband decoder specific to the first subband. Since no additional audio parameters are generally required for the generation of the noise signal, the generation of the excitation signal generally requires no additional transmission bandwidth.
  • the audio quality of the audio signal can be considerably improved, in particular since a harmonic harmonic content determined by the basic period values can be reproduced in the second subband.
  • the basic period parameter may specify the fundamental period of the audio signal except for a fraction of a first sampling interval associated with the subband decoder.
  • the pulses can be spaced with a relation to the sub-band decoder higher accuracy, whereby a harmonic spectrum of the audio signal in the second sub-band can be modeled finer.
  • the pulse shape of a respective pulse can be selected from different pulse forms stored in a look-up table, depending on a portion of the fundamental period parameter which is not integral in units of the first sampling interval. From the look-up table, very different pulse shapes can be retrieved in real-time by simple retrieval with low switching, processing or computational effort.
  • the pulse shapes to be stored can be optimized in advance in terms of a lifelike audio playback. In fact, the cumulative effects or the cumulative impulse response of several filters, decimators and / or modulators can be calculated in advance and stored in the look-up table as a correspondingly shaped pulse.
  • a decimator in this context is a converter which multiplies a sampling interval of a signal by a decimation factor m by rejecting all samples except for every m-th sample.
  • a modulator is a filter that multiplies individual samples of a signal by predetermined individual factors and outputs the respective product.
  • the time interval of the pulses can be determined by an integral part of the basic period parameter in units of the first sampling interval.
  • the pulses from a predetermined pulse shape can be formed by samples having a second sampling distance which is smaller by a bandwidth expansion factor than the first sampling distance.
  • the time interval of the pulses can then be in units of the second sample pitch are determined by the basic period parameter multiplied by the bandwidth expansion factor.
  • the bandwidth expansion factor it is preferable to select the inverse N of the fraction 1 / N corresponding to the accuracy of the basic period parameter in units of the first sampling pitch.
  • the pulses may be formed by a pulse shaping filter having filter coefficients set at the second sampling pitch.
  • the pulses can be filtered before or after admixing of the noise signal by at least one high, low and / or bandpass and / or decimated by at least one decimator.
  • the basic period parameter can be derived from one or more basic period values on a timely basis.
  • the basic period parameter can be derived from fluctuation-compensating, preferably non-linear, associated basic period values of several time frames. In this way it can be avoided that fluctuations or jumps in the fundamental period values, e.g. may result from spurious noise measurements of an audio background frequency, adversely affect the basic period parameters.
  • a relative deviation of a current base period value from a previous base period value or from a quantity derived therefrom can be determined and attenuated as part of the derivation of the basic period parameter.
  • a mixing ratio between the pulses and the noise signal by at least one mixing parameter certainly.
  • This time frame can be derived from a subband decoder existing in the level ratio between a tonal and atonal audio signal component of the first subband.
  • an overtone-to-noise ratio in the first subband level parameter related to the formation of the audio signal components in the second sub-band can be used.
  • the level ratio can be converted in such a way that, when the atonal audio signal component predominates, the tonal audio signal component is further lowered. Since, in the case of natural audio sources, an atonal audio signal component in higher frequency bands, in particular from 6 kHz, increasingly prevails, the quality of reproduction can generally be improved by such a reduction.
  • FIG. 1 shows a schematic representation of an audio signal decoder which generates a synthetic audio signal SAS from a supplied data stream of coded audio data AD.
  • the generation of the synthetic audio signal SAS is divided into different subbands.
  • frequency components of the synthetic audio signal SAS attributable to a first, low subband are generated separately from frequency components of the synthetic audio signal SAS attributable to a second, high subband.
  • the deep subband is also referred to below as narrowband.
  • the supplied audio data AD is decoded by a deep subband-specific low-band decoder LBD, ie a decoder having a bandwidth substantially only the low subband.
  • LBD deep subband-specific low-band decoder
  • a synthetic excitation signal u (k) is formed by a high-band excitation signal generator HBG on the basis of the side information g FIX , g LTP and ⁇ LTP extracted by the low-band decoder LBD.
  • the variable k here and in the following denotes an index by which digital samples of the excitation signal or other signals are indexed.
  • an audio signal encoder can also be realized in a simple manner.
  • the synthesized audio signal SAS is to be forwarded to a comparison device (not shown), which compares the synthesized audio signal SAS with an audio signal to be encoded.
  • the synthesized audio signal SAS is then adjusted to the audio signal to be encoded.
  • the invention may be used to advantage for general audio coding, subband audio synthesis and artificial bandwidth expansion of audio signals.
  • the latter can be interpreted as a special case of a subband audio synthesis in which information about a particular subband is used to reconstruct or estimate missing frequency components of another subband.
  • the aforementioned applications are based on a suitably formed excitation signal u (k).
  • the excitation signal u (k) which represents a spectral fine structure of an audio signal, can be converted by the audio synthesis filter ASYN in different ways, eg by shaping its time and / or frequency response.
  • the synthetic excitation signal u (k) is preferably to be generated so that an overtone-to-noise ratio, i. An energy or intensity ratio of the tonal and atonal components of the original audio signal is reproduced as accurately as possible.
  • a broadband noise component is generally added to the harmonics of the audio fundamental frequency F 0 .
  • This noise component is often dominant at higher frequencies, in particular from 6 kHz.
  • the excitation signal u (k) is considered to be on at a predetermined sampling rate of e.g. 16 kHz or 8 kHz sampled subband signal generated.
  • This subband signal u (k) represents the frequency components of the high subband of 4-8 kHz, by which the bandwidth of the narrowband audio signal NAS is to be extended.
  • the narrowband audio signal NAS extends over a frequency range of 0-4 kHz and is sampled at a sampling rate of 8 kHz.
  • the formed excitation signal u (k) excites the audio synthesis filter ASYN and is thereby formed into the high band audio signal HAS.
  • the synthetic broadband audio signal SAS is finally synthesized by combining the shaped high-band audio signal HAS and the narrow-band audio signal NAS with a higher sampling rate of e.g. 16 kHz generated.
  • excitation signal u (k) is based on an audio generation model in which tonal, i. voiced sounds through a sequence of pulses and atonal, i. unvoiced sounds are excited by preferably white noise.
  • tonal i. voiced sounds through a sequence of pulses
  • atonal i. unvoiced sounds are excited by preferably white noise.
  • Various modifications are contemplated to allow for mixed excitation forms that can provide improved hearing.
  • the generation of the tonal components of the excitation signal u (k) is based on two audio parameters of the audio generation model, namely the audio base frequency F 0 and the energy / intensity ratio ⁇ between the tonal and atonal audio components in the deep subband.
  • the latter is often referred to as the overtone-to-noise ratio or "harmonics to Noise Ratio ", HNR for short
  • the audio base frequency F 0 is also called” fundamental speech frequency ".
  • Both audio parameters F 0 and ⁇ can be extracted at the receiver of a transmitted audio signal; preferably (eg in the case of a bandwidth extension) directly from the low frequency band of the audio signal or (eg in the case of subband audio synthesis) from the low band decoder of an underlying lowband audio codec, where such audio parameters are usually available.
  • the audio base frequency F 0 is often represented by a basic period value divided by the sampling rate divided by the audio basic frequency F 0 .
  • the base period value is often referred to as "pitch lag".
  • the base period value is an audio parameter generally transmitted to standard audio codecs, such as the G.729 recommendation, for purposes of so-called “long-term prediction", LTP for short. If such a standard deep subband audio codec is used, the audio base frequency F 0 may be determined or estimated from the LPT audio parameters provided by this audio codec.
  • an LTP fundamental period value is transmitted at a temporal resolution, ie, accuracy that is a fractional 1 / N of the sampling distance used by this audio codec.
  • the basic LTP period value is provided with an accuracy of 1/3 of the sampling distance. In units of this sampling distance, the basic period value can also be accept non-integer values.
  • accuracy can be achieved by the relevant audio encoder, for example, by a sequence of so-called “open-loop” and "closed-loop” searches. The audio encoder attempts to find that fundamental period value at which the intensity or energy of an LTP residual signal is minimized.
  • an LTP basic period value determined in this way can deviate from the basic period value corresponding to the actual audio basic frequency F 0 of the tonal audio components, particularly in the case of strong background noises, and thus impair accurate reproduction of these tonal audio components.
  • Typical deviations include period-doubling errors and period bisecting errors. That is, the frequency corresponding to the departing LPT basic period value is one-half, or twice, the actual audio basic frequency F 0 of the tonal audio components.
  • the function round maps its argument to the nearest integer.
  • a moving average is formed over the fundamental period values ⁇ post ( ⁇ ) for further smoothing.
  • the moving average corresponds to a type of low-pass filtering.
  • tonal mixing parameters g v ( ⁇ ) and atonal mixing parameters g uv ( ⁇ ) for mixing corresponding tonal and atonal components of the excitation signal u (k) in the high subband time-frame from the subband specific mixing parameters g LTP ( ⁇ ) and g FIX ( ⁇ ) of the low-band decoder LBD are derived.
  • the low-band decoder LBD is a so-called CELP decoder (CELP: Codebook Excited Linear Prediction), which has a so-called adaptive or LTP codebook and a so-called fixed codebook.
  • the intensity ratio between tonal and atonal signal components can be reconstructed from the mixing parameters LTP g and g FIX of the low-band decoder LBD.
  • Both mixing parameters g LTP , g FIX can be extracted on a timely basis from the low-band decoder LBD.
  • an instantaneous intensity ratio between the contributions of the adaptive and fixed codebooks ie the overtone-to-noise ratio ⁇ , can be determined by dividing the energy contributions of the adaptive and fixed codebooks.
  • the mixing parameter g LTP ( ⁇ ) indicates a gain for the adaptive codebook signals
  • the mixing parameter g FIX ( ⁇ ) indicates a gain for the fixed codebook signals.
  • This "Wiener” filtering further lowers a small ⁇ (atonal audio segment) while barely changing large values of ⁇ (tonally dominated audio segment). Such a reduction better approximates natural audio signals.
  • both mixing parameters g v ( ⁇ ) and g uv ( ⁇ ) generally have (at the same time) a non-vanishing one Value.
  • the above calculation rule ensures that the sum of the squares of the mixing parameters g v and g uv , ie a total energy of the mixed excitation signal u (k), is substantially constant.
  • the generation of the excitation signal u (k) is explained in more detail below on the basis of the audio parameters g v , g uv and ⁇ p derived from the low-band decoder LBD using the example of two embodiment variants of the excitation signal generator HBG.
  • the following statements are of course readily generalizable to any values of N.
  • a first embodiment of the excitation signal generator HBG is in FIG. 2 shown schematically.
  • the noise generator NOISE preferably generates white noise.
  • the pulse generator PG1 in turn comprises a rectangular pulse generator SPG and a pulse shaping filter SF with a predetermined filter coefficient set p (k) of finite length. While the noise generator NOISE serves to generate the atonal components of the excitation signal u (k), the pulse generator PG1 contributes to the generation of the tonal components of the excitation signal u (k).
  • the audio parameters g v , g uv and ⁇ p are time-frame continuous in audio sequence of the low-band decoder LBD or derived and adapted by means of a suitable audio parameter extraction block.
  • the filter operations are designed for a fractional basic period parameter ⁇ p with an accuracy of 1 / (2N), equal to 1/6, in units of the sampling rate of the low-band decoder LBD and for a target bandwidth corresponding to the bandwidth of the low-band decoder LBD ,
  • Pulse generator PG1 provide a sampling rate of at least 8 kHz.
  • the rectangular pulse generator SPG generates individual rectangular pulses in a time interval given by 6 * ⁇ p in units of the sampling interval 1/48000 s of the rectangular pulse generator SPG.
  • the individual rule pulses have an amplitude of 6 * ⁇ p . such that the average energy of a long pulse sequence is substantially constant equal to 1.
  • the rectangular pulses generated by the rectangular pulse generator SPG are multiplied by the "tonal" mixing parameter g v and fed to the pulse shaping filter SF.
  • the rectangular pulses are smeared to a certain extent by folding or correlation with the filter coefficients p (k) .
  • This filtering can considerably reduce the so-called crest factor, ie a ratio of peak to average samples, and considerably improve the audio quality of the synthesized audio signal SAS
  • the rectangular pulses may advantageously be spectrally shaped by the pulse shaping filter SF
  • the pulse shaping filter SF may have a bandpass characteristic with a transition region around 4 kHz and a substantially uniform increase in attenuation in the direction of higher and lower frequencies can be achieved that higher frequencies of the excitation signal u (k) have less harmonic components and thus the noise component increases with increasing frequency.
  • FIGS. 3a and 3b An exemplary choice of the filter coefficients p (k) is in the FIGS. 3a and 3b shown schematically. While FIG. 3a the filter coefficient p (k) plotted against its sample index k is in FIG. 3b the energy spectrum of the filter coefficients p (k) plotted against the frequency. For the target frequency range relevant in the present exemplary embodiment, essentially only the spectral range of 4-8 kHz is relevant for the filter coefficients p (k). This frequency range is in FIG. 3b indicated by a widened line.
  • the rectangular pulses "blurred" by the pulse shaping filter SF are added to a noise signal generated by the noise generator NOISE and multiplied by the "atonal" mixing parameter g uv , and the resultant sum signal is fed to the low-pass filter LP.
  • the generated excitation signal u (k) contains the frequency components required for bandwidth expansion. However, these are available as spectrum mirrored around the 4 kHz frequency. In order to invert the spectrum, the excitation signal u (k) can be modulated with modulation factors (-1) k .
  • the tonal and atonal components of the excitation signal u (k) can be treated independently of each other.
  • filtering and decimation operations for the tonal audio components are also summarized in a single processing block.
  • the impulse response of all in FIG. 2 provided filtering, decimation and modulation operations for the tonal audio components are calculated in advance and stored in a look-up table in a suitable form.
  • FIG. 4 Such a configured, second embodiment of the excitation signal generator HBG is in FIG. 4 schematically illustrated and will be explained below.
  • the pulse generator PG2 in turn comprises a pulse positioner PP and a look-up table LOOKUP, in which predetermined pulse shapes v j (k) are stored.
  • the noise generator NOISE serves to generate the atonal components of the excitation signal u (k)
  • the pulse generator PG2 contributes to the generation of the tonal components of the excitation signal u (k).
  • the derivation of the audio parameters g v , g uv and ⁇ p has already been explained above.
  • the fractional basic period parameter ⁇ p is given as above with an accuracy of 1 / (2N), here equal to 1/6, in units of the sampling rate of the low-band decoder LBD.
  • the impulse response of all can FIG. 2 Filtering, decimation and modulation operations are calculated in advance and stored in the form of certain pulse shapes v j (k) in the look-up table LOOKUP.
  • several pulse shapes v j (k) in the lookup table LOOKUP are kept.
  • the number of pulse shapes v j (k) to be provided is preferably given by the inverse of the accuracy of the basic period parameter ⁇ p , ie here by 2N.
  • the index j runs from 0 to 2N-1.
  • the look-up table LOOKUP is supplied with the fractional component ⁇ p - ⁇ ⁇ p ⁇ of the respective basic period parameter ⁇ p .
  • the parenthesis ⁇ ⁇ denotes an integer part of a rational or real number.
  • a pulse shape is selected from the stored pulse shapes v j (k) and a correspondingly shaped pulse is output from the look-up table LOOKUP.
  • ⁇ p - ⁇ ⁇ p ⁇ can assume the values 0, 1/6, 2/6, 3/6, 4/6 and 5/6.
  • that impulse form v j (k) is selected whose index j corresponds to the respective counter of the relevant fraction.
  • Each of the stored pulse forms v j (k) corresponds to an impulse response of the in FIG. 2 shown chain from the filters SF, LP, D3, HP and D2 (and optionally a modulator) for a particular fractional fraction ⁇ p - ⁇ ⁇ p ⁇ the basic period parameter ⁇ p .
  • the illustrated pulse shapes v j (k) are for a fractional resolution of ⁇ p of 1/6 (at a sampling rate of 8 kHz) and plotted against its scan index k.
  • An assignment of a respective pulse shape v j (k) to the associated fractional fraction ⁇ p - ⁇ ⁇ p ⁇ is the legend of FIG. 5 refer to.
  • the pulse output by the LOOKUP look-up table which has a pulse shape selected on the basis of the fractional fraction ⁇ p- ⁇ ⁇ p ⁇ , is multiplied by the "tonal" mixing parameter g v and fed to the pulse positioner PP.
  • the supplied pulses are temporally positioned depending on the integer part ⁇ ⁇ p ⁇ of the basic period parameter ⁇ p .
  • the pulses are output by the pulse positioning device PP at a time interval which corresponds to the integer component ⁇ ⁇ p ⁇ of the basic period parameter ⁇ p.
  • the pulses may be modulated by a respective sign of the pulse shapes v j (k) or of the respective pulses, either for even values of ⁇ ⁇ p ⁇ or for odd values of ⁇ ⁇ is inverted p ⁇ .
  • the noise signal of the noise generator NOISE multiplied by the "atonal" mixture parameter g uv is finally added to obtain the excitation signal u (k).
  • FIG. 4 illustrated embodiment can be generally with less effort than in FIG. 2 implement illustrated embodiment variant.
  • an excitation signal generator according to FIG. 4 by specifying suitable pulse shapes v j (k) effectively the same excitation signals u (k) as with an excitation signal generator according to FIG. 2 to generate. Since the output pulses have a relatively large distance (typically 20-134 sampling distances), the computational effort for an inventive excitation signal generator according to FIG. 4 relatively low.
  • the invention can be implemented by means of a low-cost digital signal processor with relatively low memory and computing power requirements.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Description

  • Die Erfindung betrifft ein Verfahren und Anordnungen zur Audiosignalkodierung. Insbesondere betrifft die Erfindung ein Verfahren und einen Audiosignaldekoder zum Bilden eines Audiosignals sowie einen Audiosignalenkoder.
  • In vielen zeitgemäßen Kommunikationssystemen und insbesondere in mobilen Kommunikationssystemen stehen für Echtzeit-Audioübertragungen, wie z.B. Sprach- oder Musikübertragungen, nur begrenzte Übertragungsbandbreiten zur Verfügung. Um über eine Übertragungsstrecke mit begrenzter Bandbreite, wie z.B. über ein Funknetz, möglichst viele Audiokanäle in Echtzeit zu übertragen, ist deshalb häufig vorgesehen, die zu übertragenden Audiosignale durch echtzeit- oder quasiechtzeitfähige Audio-Kodierungsverfahren zu komprimieren und nach der Übertragung zu dekomprimieren. Im Folgenden sei unter dem Begriff Audio insbesondere auch Sprache verstanden.
  • Bei derartigen Audio-Kodierungsverfahren wird in der Regel angestrebt, die zu übertragende Datenmenge und damit die Übertragungsrate möglichst zu reduzieren ohne den subjektiven Höreindruck bzw. bei Sprachübertragungen die Verständlichkeit, zu sehr zu beinträchtigen.
  • Eine effiziente Komprimierung von Audiosignalen ist auch im Zusammenhang mit einer Speicherung oder Archivierung von Audiosignalen ein wesentlicher Gesichtspunkt.
  • Als besonders effizient erweisen sich Kodierungsverfahren, bei denen ein durch ein Audiosynthesefilter synthetisiertes Audiosignal zeitrahmenweise an ein zu übertragendes Audiosignal durch Optimierung von Filterparametern angeglichen wird. Eine derartige Verfahrensweise wird häufig auch als Analysisby-Synthesis bezeichnet. Das Audiosynthesefilter wird dabei durch ein vorzugsweise ebenfalls zu optimierendes Anregungssignal angeregt. Die Filterung wird häufig auch als Formant-Synthese bezeichnet. Als Filterparameter können z.B. sog. LPC-Koeffizienten (LPC: Linear Predictive Coding) und/oder Parameter, die eine spektrale und/oder zeitliche Einhüllende des Audiosignals spezifizieren, verwendet werden. Die optimierten Filterparameter sowie das Anregungssignal spezifizierende Parameter werden dann zeitrahmenweise zum Empfänger übertragen, um dort mittels eines empfängerseitig vorgesehenen Audiosignaldekoders ein synthetisches Audiosignal zu formen, das dem ursprünglichen Audiosignal hinsichtlich des subjektiven Höreindrucks möglichst ähnlich ist.
  • Ein derartiges Audio-Kodierungsverfahren ist aus der ITU-T-Empfehlung G.729 bekannt. Mittels des dort beschriebenen Audio-Kodierungsverfahrens kann ein Echtzeit-Audiosignal mit einer Bandbreite von 4 kHz auf eine Übertragungsrate von 8 kbit/s reduziert werden.
  • Darüber hinaus wird derzeit angestrebt, ein zu übertragendes Audiosignal zur Verbesserung des Höreindrucks mit höherer Bandbreite zu synthetisieren. Bei der gegenwärtig diskutierten Erweiterung G.729EV der G.792-Empfehlung wird versucht, die Audio-Bandbreite von 4 kHz auf 8 kHz zu erweitern.
  • Die erzielbare Übertragungsbandbreite und Audiosynthesequalität hängen wesentlich von der Erzeugung eines geeigneten Anregungssignals ab.
  • Im Falle einer Bandbreitenerweiterung, bei der ein Anregungssignal unb(k) in einem tiefen Subband, z.B. im Frequenzbereich von 50 Hz bis 3,4 kHz, bereits vorliegt, kann ein bandbreitenerweiterndes Anregungssignal uhb(k) in einem hohen Subband, z.B. im Frequenzbereich von 3,4 - 7 kHz, als spektrale Kopie des schmalbandigen Anregungssignals unb(k) gebildet werden. (Durch den Index k seien hier und im Folgenden Abtastwerte des Anregungssignals oder anderer Signale indiziert.) Die Kopie kann hierbei durch spektrale Translation oder durch spektrale Spiegelung des schmalbandigen Anregungssignals unb(k)gebildet werden. Durch eine solche spektrale Translation oder Spiegelung wird jedoch das Spektrum des Anregungssignals unharmonisch verzerrt und/oder es wird ein erheblicher, hörbarer Phasenfehler im Spektrum verursacht. Dies führt jedoch zu einem hörbaren Qualitätsverlust des Audiosignals.
  • Das Dokument D1 ( EP 1 420 389 A1 ) offenbart eine Sprachbandbreitenerweiterungsvorrichtung und ein Sprachbandbreitenerweiterungsverfahren. Die Vorrichtung umfasst unter anderem einen Demultiplexer, der ein empfangenes Signal in multiplexe Parameter wie Sprachinformation, d. h. in einen Index, aufteilt. Dieser Index umfasst einen Verstärkungscodevektor, einen Index für die Verzögerung eines adaptiven Codebuchs, Informationen über ein Schallquellensignal und einen Index eines Schallquellencodevektors und einen Index eines Spektrumparameters und gibt diese aus. Ein Addierer benutzt ein Schallquellensignal, das in der Frequenzbandbreite erweitert wird, und addiert dieses Signal auf ein Signal aus der Umwandlung des Wiedergabesprachsignals mit einer Abtastfrequenz, die eine höhere Frequenzkomponente wiedergibt und ein um eine Frequenzbandbreite erweitertes Sprachsignal ausgibt.
  • Es ist Aufgabe der vorliegenden Erfindung ein Verfahren zum Bilden eines Audiosignals anzugeben, das eine Verbesserung der Hörqualität erlaubt, wobei die Übertragungsbandbreite nicht oder nur verhältnismäßig wenig erhöht wird. Es ist weiterhin Aufgabe der Erfindung, einen Audiosignaldekoder zur Durchführung des Verfahrens sowie einen Audiosignalenkoder anzugeben.
  • Gelöst wird diese Aufgabe durch ein Verfahren mit den Merkmalen des Anspruchs 1, durch einen Audiosignaldekoder mit den Merkmalen des Anspruchs 14 sowie durch einen Audiosignalenkoder mit den Merkmalen des Anspruchs 15.
  • Beim erfindungsgemäßen Verfahren zum Bilden eines Audiosignals werden auf ein erstes Subband entfallende Frequenzkomponenten des Audiosignals mittels eines Subband-Dekoders anhand von zugeführten, jeweils eine Grundperiode des Audiosignals angebenden Grundperiodenwerten gebildet. Auf ein zweites Subband entfallende Frequenzkomponenten des Audiosignals werden durch Anregen eines Audiosynthesefilters mittels eines für das zweite Subband spezifischen Anregungssignals gebildet. Zur Erzeugung des für das zweite Subband spezifischen Anregungssignals wird durch einen Anregungssignalgenerator ein Grundperiodenparameter aus den Grundperiodenwerten abgeleitet. Anhand des Grundperiodenparameters werden durch den Anregungssignalgenerator Impulse mit einer vom Grundperiodenparameter abhängigen Impulsform in einem durch den Grundperiodenparameter bestimmten Zeitabstand gebildet und mit einem Rauschsignal gemischt.
  • Mittels der Erfindung können auf ein weiteres, zweites Subband entfallende Frequenzkomponenten des Audiosignals anhand von Grundperiodenwerten synthetisiert werden, die bereits für einen für das erste Subband spezifischen Subband-Dekoder zur Verfügung gestellt werden. Da auch für die Erzeugung des Rauschsignals im Allgemeinen keine zusätzlichen Audioparameter benötigt werden, erfordert die Erzeugung des Anregungssignals im Allgemeinen keine zusätzliche Übertragungsbandbreite. Durch die Hinzufügung der Frequenzkomponenten des weiteren, zweiten Subbands kann die Hörqualität des Audiosignals indes erheblich verbessert werden, insbesondere da ein durch die Grundperiodewerte bestimmter, harmonischer Oberwellengehalt im zweiten Subband reproduziert werden kann.
  • Vorteilhafte Ausführungsformen und Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen angegeben.
  • Nach einer vorteilhaften Ausführungsform der Erfindung kann der Grundperiodenparameter die Grundperiode des Audiosignals bis auf einen Bruchteil eines ersten, dem Subband-Decoder zugeordneten Abtastabstandes angeben. Durch einen bis auf einen Bruchteil - vorzugsweise 1/N mit ganzzahligem N - des ersten Abtastabstandes genau angegebenen Grundperiodenparameter können die Impulse mit einer gegenüber dem Subband-Decoder höheren Genauigkeit beabstandet werden, wodurch sich ein Oberwellenspektrum des Audiosignals im zweiten Subband feiner modellieren lässt.
  • Weiterhin kann die Impulsform eines jeweiligen Impulses abhängig von einem in Einheiten des ersten Abtastabstandes nicht-ganzzahligen Anteil des Grundperiodenparameters aus unterschiedlichen, in einer Nachschlagetabelle gespeicherten Impulsformen ausgewählt werden. Aus der Nachschlagetabelle lassen sich ganz unterschiedliche Impulsformen durch einfachen Abruf mit geringem Schaltungs-, Verarbeitungs- oder Rechenaufwand in Echtzeit abrufen. Die abzuspeichernden Impulsformen können vorab hinsichtlich einer möglichst naturgetreuen Audiowiedergabe optimiert werden. Tatsächlich lassen sich die kumulierten Effekte oder die kumulierte Impulsantwort mehrerer Filter, Dezimatoren und/oder Modulatoren vorab berechnen und jeweils-als entsprechend geformter Impuls in der Nachschlagetabelle abspeichern. Als Dezimator wird in diesem Zusammenhang ein Umsetzer bezeichnet, der einen Abtastabstand eines Signals um einen Dezimierungsfaktor m vervielfacht, indem alle Abtastwerte bis auf jeden m-ten Abtastwert verworfen werden. Unter einem Modulator wird ein Filter verstanden, das einzelne Abtastwerte eines Signals mit vorgegebenen Einzelfaktoren multipliziert und das jeweilige Produkt ausgibt.
  • Ferner kann der Zeitabstand der Impulse durch einen in Einheiten des ersten Abtastabstandes ganzzahligen Anteil des Grundperiodenparameters bestimmt werden.
  • Nach einer weiteren vorteilhaften Ausführungsform der Erfindung können die Impulse aus einer vorgegebenen Impulsform, z.B. einem Rechteckimpuls, durch Abtastwerte gebildet werden, die einen zweiten Abtastabstand aufweisen, der um einen Bandbreitenerweiterungsfaktor geringer ist als der erste Abtastabstand. Der Zeitabstand der Impulse kann dann in Einheiten des zweiten Abtastabstandes durch den mit dem Bandbreitenerweiterungsfaktor multiplizierten Grundperiodenparameter bestimmt werden. Als Bandbreitenerweiterungsfaktor kann vorzugsweise das Inverse N desjenigen Bruchteils 1/N gewählt werden, der der Genauigkeit des Grundperiodenparameters in Einheiten des ersten Abtastabstandes entspricht.
  • Vorzugsweise können die Impulse durch ein Impulsformungsfilter mit im zweiten Abtastabstand vorgegebenen Filterkoeffizienten geformt werden.
  • Weiterhin können die Impulse vor oder nach Beimischung des Rauschsignals durch mindestens einen Hoch-, Tief- und/oder Bandpass gefiltert und/oder durch mindestens einen Dezimator dezimiert werden.
  • Nach einer weiteren vorteilhaften Ausführungsform der Erfindung kann der Grundperiodenparameter zeitrahmenweise aus einem oder mehreren Grundperiodenwerten abgeleitet werden.
  • Insbesondere kann der Grundperiodenparameter dabei aus schwankungsausgleichend, vorzugsweise nicht linear verknüpften Grundperiodenwerten mehrerer Zeitrahmen abgeleitet werden. Auf diese Weise kann vermieden werden, dass Schwankungen oder Sprünge der Grundperiodenwerte, die z.B. aus durch Störgeräusche verursachten Fehlmessungen einer Audiogrundfrequenz resultieren können, sich auf den Grundperiodenparameter nachteilig auswirken.
  • In diesem Zusammenhang kann eine relative Abweichung eines aktuellen Grundperiodenwertes von einem früheren Grundperiodenwert oder von einer daraus abgeleiteten Größe ermittelt werden und im Rahmen der Ableitung des Grundperiodenparameters abgedämpft werden.
  • Gemäß einer weiteren vorteilhaften Ausführungsform der Erfindung wird ein Mischungsverhältnis zwischen den Impulsen und dem Rauschsignal durch mindestens einen Mischungsparameter bestimmt. Dieser kann zeitrahmenweise aus einem im Subband-Decoder bestehenden Pegelverhältnis zwischen einem tonalen und atonalen Audiosignalanteil des ersten Subbandes abgeleitet werden. Auf diese Weise können im Subband-Dekoder vorliegende, ein Oberton-Rausch-Verhältnis im ersten Subband betreffende Pegelparameter zur Bildung der Audiosignalkomponenten im zweiten Subband genutzt werden.
  • Weiterhin kann im Rahmen der Ableitung des Mischungsparameters das Pegelverhältnis derart umgesetzt werden, dass bei Überwiegen des atonalen Audiosignalanteils der tonale Audiosignalanteil weiter abgesenkt wird. Da bei natürlichen Audioquellen ein atonaler Audiosignalanteil in höheren Frequenzbändern, insbesondere ab 6 kHz zunehmend überwiegt, kann durch eine solche Absenkung die Wiedergabequalität in der Regel verbessert werden.
  • Vorteilhafte Ausführungsbeispiele der Erfindung werden nachfolgend anhand der Zeichnung näher erläutert.
  • Dabei zeigen jeweils in schematischer Darstellung:
    • Figur 1 einen Audiosignaldekoder,
    • Figur 2 eine erste Ausführungsvariante eines Anregungssignalgenerators,
    • Figur 3a Filterkoeffizienten eines Impulsformungsfilters,
    • Figur 3b ein Energiespektrum der Filterkoeffizienten,
    • Figur 4 eine zweite Ausführungsvariante eines Anregungssignalgenerators und
    • Figur 5 vorab berechnete Impulsformen.
  • Figur 1 zeigt in schematischer Darstellung einen Audiosignaldekoder, der aus einem zugeführten Datenstrom kodierter Audiodaten AD ein synthetisches Audiosignal SAS erzeugt. Die Erzeugung des synthetischen Audiosignals SAS ist auf verschiedene Subbänder aufgeteilt. So werden auf ein erstes, tiefes Subband entfallende Frequenzkomponenten des synthetischen Audiosignals SAS separat von auf ein zweites, hohes Subband entfallenden Frequenzkomponenten des synthetischen Audiosignals SAS erzeugt. Es sei in den nachfolgenden Ausführungsbeispielen beispielhaft angenommen, dass das tiefe Subband einen Frequenzbereich f = 0-4 kHz und das hohe Subband einen Frequenzbereich f = 4-8 kHz umfasst. Das tiefe Subband wird im Folgenden auch als schmalbandig bezeichnet.
  • Im tiefen Subband werden die zugeführten Audiodaten AD von einem für das tiefe Subband spezifischen Tiefband-Decoder LBD, d.h. einem Decoder mit einer im Wesentlichen nur das tiefe Subband umfassenden Bandbreite dekodiert. Hierfür werden insbesondere in den Audiodaten AD enthaltene, für das tiefe Subband spezifische Nebeninformationen, nämlich atonale Mischungsparameter gFIX, tonale Mischungsparameter gLTP sowie Grundperiodenwerte λLTP verwertet. Der Tiefband-Dekoder, z.B. ein Sprachcodec gemäß der ITU-Empfehlung G.729, erzeugt dabei ein schmalbandiges Audiosignal NAS im Frequenzbereich f = 0-4 kHz mit einer Abtastrate fs = 8 kHz.
  • Im hohen Subband wird durch einen Hochband-Anregungssignalgenerator HBG anhand von den vom Tiefband-Dekoder LBD zeitrahmenweise extrahierten Nebeninformationen gFIX, gLTP und λLTP ein synthetisches Anregungssignal u(k) gebildet. Die Variable k bezeichnet hier und im Folgenden einen Index, durch den digitale Abtastwerte des Anregungssignals oder anderer Signale indiziert werden. Das Anregungssignal u(k) wird vom Anregungssignalgenerator HBG einem Audiosynthesefilter ASYN zugeführt, das dadurch zur Erzeugung eines synthetischen Hochband-Audiosignals HAS im Frequenzbereich f = 4-8 kHz angeregt wird. Das Hochband-Audiosignal HAS wird mit dem schmalbandigen Audiosignal NAS kombiniert, um schließlich das breitbandige synthetische Audiosignal SAS im Frequenzbereich f = 0-8 kHz zu erzeugen und auszugeben.
  • Mittels des Audiosignaldekoders kann auf einfache Weise auch ein Audiosignalenkoder realisiert werden. Zu diesem Zweck ist das synthetisierte Audiosignal SAS einer Vergleichseinrichtung (nicht dargestellt) zuzuleiten, die das synthetisierte Audiosignal SAS mit einem zu enkodierenden Audiosignal vergleicht. Durch Variation der Audiodaten AD und insbesondere der Nebeninformationen gFIX, gLTP und λLTP wird dann das synthetisierte Audiosignal SAS an das zu enkodierende Audiosignal angeglichen.
  • Die Erfindung kann vorteilhaft zur allgemeinen Audiokodierung, zur Subband-Audiosynthese sowie zur künstlichen Bandbreitenerweiterung von Audiosignalen verwendet werden. Letzteres kann hierbei als Spezialfall einer Subband-Audiosynthese interpretiert werden, bei der Information über ein bestimmtes Subband genutzt wird, um fehlende Frequenzkomponenten eines anderen Subbandes zu rekonstruieren oder zu schätzen.
  • Die vorstehend genannten Anwendungsmöglichkeiten basieren auf einem geeignet gebildeten Anregungssignal u(k). Das Anregungssignal u(k), das eine spektrale Feinstruktur eines Audiosignals repräsentiert, kann durch das Audiosynthesefilter ASYN auf unterschiedliche Weise, z.B. durch Formung seines Zeit- und/oder Frequenzverlaufs, umgesetzt werden.
  • Damit ein synthetisch gebildetes Anregungssignal u(k) möglichst genau mit einem ursprünglichen, von einem (Subband-) Audiosignalenkoder verwendeten Anregungssignal (nicht dargestellt) übereinstimmt, sollte das synthetische Anregungssignal u(k) vorzugsweise folgende Eigenschaften aufweisen:
    • Das synthetische Anregungssignal u(k) sollte im Allgemeinen ein flaches Spektrum aufweisen. Bei atonalen, d.h. stimmlosen Lauten kann das synthetische Anregungssignal u(k) dazu aus weißem Rauschen gebildet werden.
    • Für tonale, d.h. stimmhafte Laute sollte das synthetische Anregungssignal u(k) harmonische Signalkomponenten, d.h. spektrale Spitzen in ganzzahligen Vielfachen einer Audiogrundfrequenz F0 aufweisen.
  • In der Praxis treten indes kaum reine tonale oder reine atonale Audiosignale auf. Stattdessen enthalten reale Audiosignale in der Regel eine Mischung aus tonalen und atonalen Komponenten. Das synthetische Anregungssignal u(k) ist vorzugsweise so zu erzeugen, dass ein Oberton-Rausch-Verhältnis, d.h. ein Energie- oder Intensitätsverhältnis der tonalen und atonalen Komponenten des ursprünglichen Audiosignals möglichst genau reproduziert wird.
  • Während tonaler Laute addiert sich zu den Harmonischen der Audiogrundfrequenz F0 im Allgemeinen ein breitbandiger Geräuschanteil. Dieser Geräuschanteil wird bei höheren Frequenzen insbesondere ab 6 kHz häufig dominant.
  • Im Folgenden wird die Bildung eines zur Audiokodierung, zur Subband-Audiosynthese sowie zur künstlichen Bandbreitenerweiterung von Audiosignalen geeigneten Anregungssignals u(k) näher erläutert.
  • Das Anregungssignal u(k) wird als ein mit einer vorgegebenen Abtastrate von z.B. 16 kHz oder 8 kHz abgetastetes Subband-Signal erzeugt. Dieses Subband-Signal u(k) repräsentiert die Frequenzkomponenten des hohen Subbandes von 4-8 kHz, durch die die Bandbreite des schmalbandigen Audiosignals NAS zu erweitern ist. Das schmalbandige Audiosignal NAS erstreckt sich über einen Frequenzbereich von 0-4 kHz und wird mit einer Abtastrate von 8 kHz abgetastet.
  • Das gebildete Anregungssignal u(k) regt das Audiosynthesefilter ASYN an und wird dadurch zum Hochband-Audiosignal HAS geformt. Das synthetische, breitbandige Audiosignal SAS wird schließlich durch Kombination des geformten Hochband-Audiosignals HAS und des schmalbandigen Audiosignals NAS mit einer höheren Abtastrate von z.B. 16 kHz erzeugt.
  • Die Bildung des Anregungssignals u(k) basiert auf einem Audioerzeugungsmodell, bei dem tonale, d.h. stimmhafte Laute durch eine Sequenz von Impulsen und atonale, d.h. stimmlose Laute durch vorzugsweise weißes Rauschen angeregt werden. Verschiedene Modifikationen sind vorgesehen, um gemischte Anregungsformen zuzulassen, durch die sich ein verbesserter Höreindruck erzielen lässt.
  • Die Erzeugung der tonalen Komponenten des Anregungssignals u(k) basiert auf zwei Audioparametern des Audioerzeugungsmodells, nämlich der Audiogrundfrequenz F0 und dem Energie- bzw. Intensitätsverhältnis γ zwischen den tonalen und den atonalen Audiokomponenten im tiefen Subband. Letzteres wird häufig auch als Oberton-Rausch-Verhältnis oder "Harmonics to Noise Ratio", kurz HNR bezeichnet. Die Audiogrundfrequenz F0 wird in der Fachsprache auch "fundamental speech frequency" genannt.
  • Beide Audioparameter F0 und γ können beim Empfänger eines übertragenen Audiosignals extrahiert werden; vorzugsweise (z.B. im Fall einer Bandbreitenerweiterung) direkt vom tiefen Frequenzband des Audiosignals oder (z.B. im Fall einer Subband-Audiosynthese) vom Tiefband-Decoder eines zugrunde liegenden Tiefband-Audiocodecs, bei dem solche Audioparameter in der Regel verfügbar sind.
  • Die Audiogrundfrequenz F0 wird häufig durch einen Grundperiodenwert repräsentiert, der durch Abtastrate geteilt durch die Audiogrundfrequenz F0 gegeben ist. Der Grundperiodenwert wird häufig auch als "pitch lag" bezeichnet. Der Grundperiodenwert ist ein Audioparameter, der im Allgemeinen bei Standard-Audiocodecs, wie z.B. gemäß G.729-Empfehlung, zu Zwecken einer so genannten "long-term prediction", kurz LTP, übermittelt wird. Falls ein solcher Standard-Audiocodec für das tiefe Subband verwendet wird, kann die Audiogrundfrequenz F0 anhand der von diesem Audiocodec bereitgestellten LPT-Audioparameter ermittelt oder geschätzt werden.
  • Bei vielen Standard-Audiocodecs, wie z.B. gemäß G.729-Empfehlung, wird ein LTP-Grundperiodenwert mit einer zeitlichen Auflösung, d.h. Genauigkeit übermittelt, die einen Bruchteil 1/N des von diesem Audiocodec verwendeten Abtastabstandes beträgt. Bei einem Audiocodec gemäß der G.729-Empfehlung wird der LTP-Grundperiodenwert mit einer Genauigkeit von 1/3 des Abtastabstandes bereitgestellt. In Einheiten dieses Abtastabstandes kann der Grundperiodenwert also auch nicht-ganzzahlige Werte annehmen. Eine solche Genauigkeit kann von dem betreffenden Audioenkoder beispielsweise durch eine Abfolge von sog. "open-loop"- und "closed-loop"-Suchen erzielt werden. Der Audioenkoder versucht hierbei denjenigen Grundperiodenwert zu finden, bei dem die Intensität bzw. Energie eines LTP-Restsignals minimiert wird. Ein auf diese Weise ermittelter LTP-Grundperiodenwert kann jedoch insbesondere bei starken Nebengeräuschen von dem der tatsächlichen Audiogrundfrequenz F0 der tonalen Audiokomponenten entsprechenden Grundperiodenwert abweichen und somit eine genaue Reproduktion dieser tonalen Audiokomponenten beeinträchtigen. Als typische Abweichungen treten Periodenverdoppelungsfehler und Periodenhalbierungsfehler auf. Das heißt, die dem abweichenden LPT-Grundperiodenwert entsprechende Frequenz ist die Hälfte bzw. das Doppelte der tatsächlichen Audiogrundfrequenz F0 der tonalen Audiokomponenten.
  • Bei Verwendung solcher LTP-Grundperiodenwerte zur Synthese der tonalen Audiokomponenten im hohen Subband sollten derart große Frequenzabweichungen vermieden werden. Um die Auswirkungen von typischen Periodenverdoppelungs- und Periodenhalbierungsfehlern zu minimieren, kann im Rahmen der Erfindung die nachfolgend erläuterte Nachverarbeitungstechnik eingesetzt werden:
    • Mit λLTP(µ) sei ein aus dem Tiefband-Dekoder LBD aktuell extrahierter LTP-Grundperiodenwert bezeichnet, wobei µ einen Index eines jeweils verarbeiteten Zeitrahmens oder Subrahmens darstellt. Der Grundperiodenwert λLTP(µ) ist in Einheiten des Abtastabstandes des Tiefband-Dekoders LBD gegeben und kann auch nicht-ganzzahlige Werte annehmen.
  • Aus dem Verhältnis zwischen dem aktuellen Grundperiodenwert λLTP(µ) und einem gefilterten Grundperiodenwert λpost(µ-1) des vorhergehenden Rahmens wird zunächst ein ganzzahliger Faktor f errechnet als f = round ⁢ λ LTP μ λ post ⁢ μ - 1 .
    Figure imgb0001
  • Die Funktion round bildet hierbei ihr Argument auf die nächstgelegene ganze Zahl ab.
  • Eine Entscheidung, ob der aktuelle Grundperiodenwert λLTP(µ) zu modifizieren ist, wird abhängig von einem relativen Fehler e = 1 - λ LTP μ f ⋅ λ post ⁢ μ - 1
    Figure imgb0002
    getroffen. Falls der relative Fehler e unterhalb einer vorgegebenen Schwelle ε von z.B. 1/10 liegt, wird angenommen, dass der aktuelle Grundperiodenwert λLTP(µ) das Ergebnis einer beginnenden Phase mit Periodenverdopplungs- oder -Vervielfachungsfehler ist. In einem solchen Fall wird der aktuelle Grundperiodenwert λLTP(µ) durch Division mit dem Faktor f dergestalt korrigiert bzw. gefiltert, dass sich die gefilterten Grundperiodenwerte λpost(µ) über mehrere Zeitrahmen µ hinweg im Wesentlichen stetig verhalten. Es erweist sich als vorteilhaft den gefilterten Grundperiodenwert λpost(µ) gemäß λ post μ = { 1 N ⋅ round N f ⋅ λ LTP μ falls f > 1 ∨ e < ε λ LTP μ sonst .
    Figure imgb0003
    zu bestimmen. Durch die Multiplikation mit dem Faktor N, z.B. N=3, im Argument der round-Funktion ist der resultierende Grundperiodenwert λpost(µ) wieder bis auf den Bruchteil 1/N des Abtastabstandes des Tiefband-Dekoders LBD genau.
  • Schließlich wird über die Grundperiodenwerte λpost(µ) zur weiteren Glättung ein gleitender Durchschnitt gebildet. Der gleitende Durchschnitt entspricht einer Art Tiefpassfilterung. Mit einem gleitenden Durchschnitt über beispielsweise zwei aufeinander folgende Grundperiodenwerte λpost(µ) ergibt sich ein Grundperiodeparameter λ p μ = 1 2 ⋅ λ post ⁢ μ - 1 + λ post μ ,
    Figure imgb0004
    anhand dessen das Anregungssignal u(k) für das hohe Subband abgeleitet wird. Aufgrund der Durchschnittsbildung über zwei Werte weist der Grundperiodeparameter λp(µ) eine um den Faktor zwei höhere Auflösung auf, die einem Bruchteil 1/(2N) des Abtastabstandes des Tiefband-Dekoders LBD entspricht.
  • Durch die vorstehend erläuterte, nicht-lineare Filterungsprozedur können die meisten Periodenverdoppelungs- oder allgemein -Vervielfachungsfehler vermieden werden. Dies resultiert in einer erheblichen Verbesserung der Wiedergabequalität.
  • Im Folgenden wird erläutert, wie tonale Mischungsparameter gv(µ) und atonale Mischungsparameter guv(µ) zur Mischung entsprechender tonaler und atonaler Komponenten des Anregungssignals u(k) im hohen Subband zeitrahmenweise aus für das tiefe Subband spezifischen Mischungsparametern gLTP(µ) und gFIX(µ) des Tiefband-Dekoders LBD abgeleitet werden. Es sei hierbei angenommen, dass der Tiefband-Dekoder LBD ein sog. CELP-Dekoder (CELP: Codebook Excited Linear Prediction) ist, der ein sog. adaptives oder LTP-Kodebuch und ein sog. fixes Kodebuch aufweist.
  • In realen Audiosignalen treten tonale Laute fast nie ohne Beiträge von atonalen Signalkomponenten auf. Zur Abschätzung eines Energie- oder Intensitätsverhältnisses zwischen tonalen und atonalen Signalbeiträgen sei modellhaft angenommen, dass das adaptive Kodebuch nur tonale Komponenten im tiefen Subband und das fixe Kodebuch nur atonale Komponenten im tiefen Subband beiträgt. Ferner sei angenommen, dass diese beiden Beiträge zueinander orthogonal sind.
  • Anhand dieser Annahmen kann aus den Mischungsparametern gLTP und gFIX des Tiefband-Dekoders LBD das Intensitätsverhältnis zwischen tonalen und atonalen Signalkomponenten rekonstruiert werden. Beide Mischungsparametern gLTP, gFIX können zeitrahmenweise aus dem Tiefband-Dekoder LBD extrahiert werden. Für jeden Zeitrahmen oder Subrahmen (indiziert durch (µ) kann ein momentanes Intensitätsverhältnis zwischen den Beiträgen des adaptiven und des fixen Kodebuchs, d.h. das Oberton-Rausch-Verhältnis γ durch Dividieren der Energiebeiträge des adaptiven und fixen Kodebuchs ermittelt werden.
  • Während der Mischungsparameter gLTP(µ) einen Verstärkungsfaktor für die Signale des adaptiven Kodebuchs angibt, gibt der Mischungsparameter gFIX(µ) einen Verstärkungsfaktor für die Signale des fixen Kodebuchs an. Werden aus dem adaptiven Kodebuch ausgegebene Kodebuchvektoren mit xLTP(µ) und aus dem fixen Kodebuch ausgegebene Kodebuchvektoren mit xFIX(µ) bezeichnet, ergibt sich das Oberton-Rausch-Verhältnis als γ μ = ‖ g LTP μ ⁢ x LTP μ ‖ 2 ‖ g FIX μ ⁢ x FIX μ ‖ .
    Figure imgb0005
  • Zur besseren Modellierung der atonalen Audiokomponenten im hohen Subband wird das aus dem tiefen Subband abgeleitete Oberton-Rausch-Verhältnis γ durch eine Art Wiener-Filter umgesetzt gemäß γ post μ = γ μ ⋅ γ μ 1 + γ μ .
    Figure imgb0006
  • Durch diese "Wiener"-Filterung wird ein kleines γ (atonales Audiosegment) weiter abgesenkt, während große Werte von γ (tonal dominiertes Audiosegment) kaum verändert werden. Durch eine solche Absenkung werden natürliche Audiosignale besser approximiert.
  • Aus dem gefilterten Oberton-Rausch-Verhältnis γpost können schließlich Verstärkungsfaktoren, d.h. Mischungsparameter gv und guv für tonale bzw. atonale Komponenten des Anregungssignals u(k) im hohen Subband bestimmt werden zu g v μ = γ post μ 1 + γ post μ und g u v μ = 1 1 + γ post μ .
    Figure imgb0007
  • Da in der Praxis kaum reine tonale oder reine atonale Audiosignale auftreten, haben beide Mischungsparameter gv(µ) und guv(µ) in der Regel (gleichzeitig) einen nicht verschwindenden Wert. Durch die vorstehende Berechnungsvorschrift wird sichergestellt, dass die Summe der Quadrate der Mischungsparameter gv und guv, d.h. eine Gesamtenergie des gemischten Anregungssignals u(k) im Wesentlichen konstant ist.
  • Im Folgenden wird die Erzeugung des Anregungssignals u(k) anhand der vom Tiefband-Dekoder LBD abgeleiteten Audioparameter gv, guv und λp am Beispiel zweier Ausführungsvarianten des Anregungssignalgenerators HBG näher erläutert. Hierbei wird aus Gründen der Übersichtlichkeit angenommen, dass die Genauigkeit der Grundperiodewerte in Einheiten des Abtastabstandes des Tiefband-Dekoders LBD durch 1/N mit N=3 gegeben ist. Die nachfolgenden Ausführungen sind selbstverständlich ohne Weiteres auf beliebige Werte von N verallgemeinerbar.
  • Eine erste Ausführungsvariante des Anregungssignalgenerators HBG ist in Figur 2 schematisch dargestellt. Die in Figur 2 dargestellte Ausführungsvariante weist einen Impulsgenerator PG1, einen Rauschgenerator NOISE, einen Tiefpass LP mit Abschneidefrequenz fc = 8 kHz, einen Dezimator D3 mit Dezimierungsfaktor m=3 (oder allgemein m=N), einen Hochpass HP mit Abschneidefrequenz fc = 4 kHz sowie einen Dezimator D2 mit Dezimierungsfaktor m=2 auf. Der Rauschgenerator NOISE erzeugt vorzugsweise weißes Rauschen. Der Impulsgenerator PG1 umfasst seinerseits einen Rechteckimpulsgeber SPG und ein Impulsformungsfilter SF mit einem vorgegebenen Filterkoeffizientensatz p(k) endlicher Länge. Während der Rauschgenerator NOISE zur Erzeugung der atonalen Komponenten des Anregungssignals u(k) dient, trägt der Impulsgenerator PG1 zur Erzeugung der tonalen Komponenten des Anregungssignals u(k) bei.
  • Die Audioparameter gv, guv und λp werden zeitrahmenweise in kontinuierlicher Folge aus Audioparametern des Tiefband-Dekoders LBD oder mittels eines geeigneten Audioparameter-Extraktionsblocks abgeleitet und angepasst. Die Filteroperationen sind für einen fraktionalen Grundperiodeparameter λp mit einer Genauigkeit von 1/(2N), hier gleich 1/6, in Einheiten der Abtastrate des Tiefband-Dekoders LBD und für eine Zielbandbreite, die der Bandbreite des Tiefband-Dekoders LBD entspricht, ausgelegt.
  • Da der Tiefband-Dekoder LBD entsprechend seiner Bandbreite von 0-4 kHz eine Abtastrate von 8 kHz verwendet, und mittels des Anregungssignals u(k) Audiokomponenten von 4-8 kHz, d.h. mit einer Bandbreite von 4 kHz erzeugt werden sollen, ist für den Impulsgenerator PG1 eine Abtastrate von mindestens 8 kHz vorzusehen. Entsprechend der im vorliegenden Ausführungsbeispiel um den Faktor 2N=6 höheren zeitlichen Auflösung des Grundperiodeparameters λp ist jedoch sowohl für den Impulsgenerator PG1 als auch für den Rauschgenerator NOISE eine Abtastrate von fs = 2*N*8 kHz = 6*8 kHz = 48 kHz vorzusehen.
  • Zur Erzeugung des tonalen Anteils des Anregungssignals wird der Grundperiodeparameters λp mit dem Faktor 2N=6 multipliziert und das Produkt 6*λp dem Rechteckimpulsgeber SPG zugeführt. Der Rechteckimpulsgeber SPG erzeugt infolgedessen einzelne Rechteckimpulse in einem durch 6*λp in Einheiten des Abtastabstandes 1/48000 s des Rechteckimpulsgebers SPG gegebenen Zeitabstand. Die einzelnen Recheckimpulse haben eine Amplitude von 6 * λ p ,
    Figure imgb0008
     so dass die mittlere Energie einer langen Impulssequenz im Wesentlichen konstant gleich 1 ist.
  • Die vom Rechteckimpulsgeber SPG erzeugten Rechteckimpulse werden mit dem "tonalen" Mischungsparameter gv multipliziert und dem Impulsformungsfilter SF zugeleitet. Im Impulsformungsfilter SF werden die Rechteckimpulse durch Faltung oder Korrelation mit den Filterkoeffizienten p(k) gewissermaßen zeitlich "verschmierte. Durch diese Filterung kann der sog. Crest-Faktor, d.h. ein Verhältnis von Spitzen- zu Durchschnittsabtastwerten erheblich verringert und die Hörqualität des synthetisierten Audiosignals SAS erheblich verbessert werden. Darüber hinaus können die Rechteckimpulse durch das Impulsformungsfilter SF in vorteilhafter Weise spektral geformt werden. Vorzugweise kann das Impulsformungsfilter SF dazu eine Bandpasscharakteristik aufweisen mit einer Übergangsregion um 4 kHz und einem im Wesentlichen gleichmäßigen Dämpfungsanstieg in Richtung höherer und niedrigerer Frequenzen. Auf diese Weise kann erreicht werden, dass höhere Frequenzen des Anregungssignals u(k) weniger harmonische Komponenten aufweisen und somit der Rauschanteil mit steigender Frequenz ansteigt.
  • Eine beispielhafte Wahl der Filterkoeffizienten p(k) ist in den Figuren 3a und 3b schematisch dargestellt. Während Figur 3a die gegen ihren Abtastwertindex k aufgetragenen Filterkoeffizienten p(k) zeigt, ist in Figur 3b das Energiespektrum der Filterkoeffizienten p(k) gegen die Frequenz aufgetragen. Für den im vorliegenden Ausführungsbeispiel maßgeblichen Zielfrequenzbereich ist bei den Filterkoeffizienten p(k) im Wesentlichen nur der spektrale Bereich von 4-8 kHz relevant. Dieser Frequenzbereich ist in Figur 3b durch eine verbreiterte Linie angedeutet.
  • Wie in Figur 2 veranschaulicht werden die durch das Impulsformungsfilter SF "verschmierten" Rechteckimpulse zu einem vom Rauschgenerator NOISE erzeugten, mit dem "atonalen" Mischuhgsparameter guv multiplizierten Rauschsignal addiert und das resultierende Summensignal dem Tiefpass LP zugeleitet. Bis zu diesem Verfahrensschritt wurde eine erhöhte Abtastrate von fs = 48 kHz verwendet. Die verbleibenden der in Figur 2 dargestellten Verarbeitungsblöcke dienen nun dazu, die Frequenzbereiche außerhalb eines Zielfrequenzbereichs von 4-8 kHz wegzufiltern und das Anregungssignal u(k) in einer diesen Zielfrequenzbereich repräsentierenden Darstellung (mit einer Abtastrate von fs = 8 kHz) zu erzeugen.
  • Zu diesem Zweck wird das Summensignal zunächst vom Tiefpass LP gefiltert und das gefilterte Signal dann durch den Dezimator D3 von 48 kHz Abtastrate auf eine Abtastrate von fs = 16 kHz umgesetzt. Das umgesetzte Signal wird anschließend dem Hochpass HP zugeführt, der das hochpass-gefilterte Signal dem Dezimator D2 zuleitet, der aus dem zugeführten Signal mit 16 kHz Abtastrate schließlich das Anregungssignal u(k) mit der Zielabtastrate von fs = 8 kHz erzeugt.
  • Das erzeugte Anregungssignal u(k) enthält die zur Bandbreitenerweiterung erforderlichen Frequenzkomponenten. Diese liegen jedoch als um die Frequenz 4 kHz gespiegeltes Spektrum vor. Um das Spektrum zu invertieren, kann das Anregungssignal u(k) mit Modulationsfaktoren (-1)k moduliert werden.
  • Da die Komponenten des Audiosignaldekoders gemäß Figur 1 im Wesentlichen linear und zeitinvariant sind, können der tonale und der atonale Anteil des Anregungssignals u(k) unabhängig voneinander behandelt werden. Somit können die in der Ausführungsvariante gemäß Figur 2 vorgesehenen Filter- und Dezimierungsoperationen für die tonalen Audiokomponenten auch in einem einzigen Bearbeitungsblock zusammengefasst werden. Tatsächlich kann die Impulsantwort aller in Figur 2 vorgesehenen Filterungs-, Dezimierungs- und Modulierungsoperationen für die tonalen Audiokomponenten vorab berechnet und in einer Nachschlagetabelle in geeigneter Form abgespeichert werden.
  • Eine derartig ausgestaltete, zweite Ausführungsvariante des Anregungssignalgenerators HBG ist in Figur 4 schematisch dargestellt und wird im Folgenden erläutert. Die in Figur 4 dargestellte Ausführungsvariante weist einen Impulsgenerator PG2 sowie einen vorzugsweise weißes Rauschen erzeugenden Rauschgeneratör NOISE auf. Der Impulsgenerator PG2 umfasst seinerseits eine Impulspositioniereinrichtung PP sowie eine Nachschlagetabelle LOOKUP, in der vorgegebene Impulsformen vj(k) gespeichert sind. Während der Rauschgenerator NOISE zur Erzeugung der atonalen Komponenten des Anregungssignals u(k) dient, trägt der Impulsgenerator PG2 zur Erzeugung der tonalen Komponenten des Anregungssignals u(k) bei. Sowohl der Rauschgenerator NOISE als auch der Impulsgenerator PG2 verwenden direkt die Zielabtastrate von fs = 8 kHz.
  • Dem Anregungssignalgenerator werden die Audioparameter gv, guv und λp zeitrahmenweise in kontinuierlicher Folge zugeleitet. Die Ableitung der Audioparameter gv, guv und λp wurde bereits oben erläutert. Der fraktionale Grundperiodeparameter λp sei wie oben mit einer Genauigkeit von 1/(2N), hier gleich 1/6, in Einheiten der Abtastrate des Tiefband-Dekoders LBD gegeben.
  • Für die tonalen Komponenten des Anregungssignals u(k) kann die Impulsantwort aller durch Figur 2 veranschaulichten Filter-, Dezimierungs- und Modulationsoperationen vorab berechnet werden und in Form bestimmter Impulsformen vj(k) in der Nachschlagetabelle LOOKUP abgespeichert werden. Sofern - wie im vorliegenden Ausführungsbeispiel - auch nicht-ganzzahlige Grundperiodeparameter λp berücksichtigt werden sollen, sind mehrere Impulsformen vj(k) in der Nachschlagetabelle LOOKUP vorzuhalten. Die Anzahl der vorzuhaltenden Impulsformen vj(k) ist dabei vorzugsweise durch das Inverse der Genauigkeit des Grundperiodeparameters λp, d.h. hier durch 2N gegeben. Der Index j läuft damit z.B. von 0 bis 2N-1. Im vorliegenden Fall sind entsprechend 6 vorab berechnete Impulsformen vj(k), j=0,...,5 in der Nachschlagetabelle LOOKUP vorzuhalten.
  • Bei Betrieb des Impulsgenerators PG2 wird der Nachschlagetabelle LOOKUP der gebrochenzahlige Anteil λp-└λp┘ des jeweiligen Grundperiodenparameters λp zügeführt. Die Klammer └ ┘ bezeichnet hierbei einen ganzzahligen Anteil einer rationalen oder reellen Zahl. Anhand des zugeführten gebrochenzahligen Anteils λp-└λp┘ wird aus den gespeicherten Impulsformen vj(k) eine Impulsform ausgewählt und ein entsprechend geformter Impuls von der Nachschlagetabelle LOOKUP ausgegeben. Im vorliegenden Ausführungsbeispiel kann λp-└λp┘ die Werte 0, 1/6, 2/6, 3/6, 4/6 und 5/6 annehmen. Vorzugsweise wird diejenige Impulsform vj(k) ausgewählt, deren Index j dem jeweiligen Zähler des betreffenden Bruches entspricht.
  • Jeder der abgespeicherten Impulsformen vj(k) korrespondiert zu einer Impulsantwort der in Figur 2 dargestellten Kette aus den Filtern SF, LP, D3, HP und D2 (und gegebenenfalls einem Modulator) für einen bestimmten gebrochenzahligen Anteil λp-└λp┘ des Grundperiodeparameters λp.
  • Figur 5 zeigt beispielhaft berechnete Impulsformen vj(k) für j=0,...,5 in schematischer Darstellung. Die dargestellten Impulsformen vj(k) sind für eine fraktionale Auflösung von λp von 1/6 (bei einer Abtastrate von 8 kHz) konstruiert und gegen ihren Abtastindex k aufgetragen. Eine Zuordnung einer jeweiligen Impulsform vj(k) zum zugehörigen gebrochenzahligen Anteil λp-└λp┘ ist der Legende von Figur 5 zu entnehmen.
  • Wie in Figur 4 veranschaulicht wird der von der Nachschlagetabelle LOOKUP ausgegebene Impuls, der eine anhand des gebrochenzahligen Anteils λp-└λp┘ ausgewählte Impulsform aufweist, mit dem "tonalen" Mischungsparameter gv multipliziert und der Impulspositionierungseinrichtung PP zugeleitet. Durch Letztere werden die zugeleiteten Impulse abhängig vom ganzzahligen Anteil └λp┘ des Grundperiodeparameters λp zeitlich positioniert. Die Impulse werden hierbei von der Impulspositionierungseinrichtung PP in einem Zeitabstand ausgegeben, der dem ganzzahligen Anteil └λp┘ des Grundperiodeparameters λp entspricht. Die Impulse können moduliert werden indem ein jeweiliges Vorzeichen der Impulsformen vj(k) bzw. der betreffenden Impulse entweder für gerade Werte von └λp┘ oder für ungerade Werte von └λp┘ invertiert wird.
  • Zu den von der Impulspositionierungseinrichtung PP ausgegebenen Impulsen wird schließlich das mit dem "atonalen" Mischungsparameter guv multiplizierte Rauschsignal des Rauschgenerators NOISE addiert, um das Anregungssignal u(k) zu erhalten.
  • Die in Figur 4 dargestellte Ausführungsvariante lässt sich im Allgemeinen mit geringerem Aufwand als die in Figur 2 dargestellte Ausführungsvariante implementieren. Tatsächlich lassen sich mit einem Anregungssignalgenerator gemäß Figur 4 durch Vorgabe geeigneter Impulsformen vj(k) effektiv gleiche Anregungssignale u(k) wie mit einem Anregungssignalgenerator gemäß Figur 2 generieren. Da die ausgegebenen Impulse einen verhältnismäßig großen Abstand (typischerweise 20-134 Abtastabstände) aufweisen, ist der rechnerische Aufwand für einen erfindungsgemäßen Anregungssignalgenerator gemäß Figur 4 verhältnismäßig gering. Die Erfindung kann infolgedessen mittels eines günstigen digitalen Signalprozessors mit verhältnismäßig geringen Anforderungen hinsichtlich Speicherbedarf und Rechenleistung implementiert werden.

Claims (15)

  1. Verfahren zum Bilden eines Audiosignals (SAS) aus einem Datenstrom kodierter Audiodaten (AD), wobei
    a) auf ein erstes, tiefes Subband entfallende Frequenzkomponenten (NAS) des Audiosignals mittels eines Subband-Dekoders (LBD) anhand von in den Audiodaten (AD) enthaltenen, jeweils eine Grundperiode des Audiosignals (SAS) angebenden Grundperiodenwerten (λLTP) gebildet werden,
    b) auf ein zweites, hohes Subband entfallende Frequenzkomponenten (HAS) des Audiosignals durch Anregen eines Audiosynthesefilters (ASYN) mittels eines für das zweite Subband spezifischen Anregungssignals (u(k)) gebildet werden, und
    c) zur Erzeugung des Anregungssignals (u(k)) durch einen Anregungssignalgenerator (HBG)
    - ein Grundperiodenparameter (λp) aus den Grundperiodenwerten (λLTP) abgeleitet wird sowie
    - Impulse mit einer vom Grundperiodenparameter (λp) abhängigen Impulsform in einem durch den Grundperiodenparameter (λp) bestimmten Zeitabstand gebildet und mit einem Rauschsignal gemischt werden.
  2. Verfahren nach Anspruch 1,
    dadurch gekennzeichnet,
    dass dem Subband-Decoder (LBD) ein für das erste Subband spezifischer, erster Abtastabstand zugeordnet ist, und dass der Grundperiodenparameter (λp) die Grundperiode des Audiosignals (SAS) bis auf einen Bruchteil des ersten Abtastabstandes angibt.
  3. Verfahren nach Anspruch 2,
    dadurch gekennzeichnet,
    dass die Impulsform (vj(k)) eines jeweiligen Impulses abhängig von einem in Einheiten des ersten Abtastabstandes nicht-ganzzahligen Anteil (λp-└λp┘) des Grundperiodenparameters (λp) aus unterschiedlichen, in einer Nachschlagetabelle gespeicherten, vorgegebenen Impulsformen (vj(k)) ausgewählt wird.
  4. Verfahren nach Anspruch 2 oder 3,
    dadurch gekennzeichnet,
    dass der Zeitabstand der Impulse durch einen in Einheiten des ersten Abtastabstandes ganzzahligen Anteil (└λp┘) des Grundperiodenparameters (λp) bestimmt wird.
  5. Verfahren nach Anspruch 2 oder 3,
    dadurch gekennzeichnet,
    dass die Impulse aus einer vorgegebenen Impulsform durch einen zweiten Abtastabstand aufweisende Abtastwerte gebildet werden, wobei der zweite Abtastabstand um einen Bändbreitenerweiterungsfaktor (N) geringer ist als der erste Abtastabstand, und
    dass der Zeitabstand der Impulse in Einheiten des zweiten Abtastabstandes durch den mit dem Bandbreitenerweiterungsfaktor (N) multiplizierten Grundperiodenparameter (λp) bestimmt wird.
  6. Verfahren nach Anspruch 5,
    dadurch gekennzeichnet,
    dass die Impulse durch ein Impulsformungsfilter (SF) mit im zweiten Abtastabstand vorgegebenen Filterkoeffizienten (p(k)) geformt werden.
  7. Verfahren nach Anspruch 5 oder 6,
    dadurch gekennzeichnet,
    dass die Impulse vor oder nach Beimischung des Rauschsignals durch mindestens einen Dezimator (D2, D3) dezimiert werden.
  8. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    dass die Impulse vor oder nach Beimischung des Rauschsignals durch mindestens einen Hoch-, Tief- und/oder Bandpass gefiltert werden.
  9. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    dass der Grundperiodenparameter (λp) zeitrahmenweise aus einem oder mehreren Grundperiodenwerten (λLTP) abgeleitet wird.
  10. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    dass der Grundperiodenparameter (λp) aus schwankungsausgleichend verknüpften Grundperiodenwerten (λLTP) mehrerer Zeitrahmen abgeleitet wird.
  11. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    dass eine relative Abweichung (e) eines aktuellen Grundperiodenwertes (λLTP) von einem früheren Grundperiodenwert oder von einer daraus abgeleiteten Größe (λpost) ermittelt und im Rahmen der Ableitung des Grundperiodenparameters (λp) abgedämpft wird.
  12. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    dass ein Mischungsverhältnis zwischen den Impulsen und dem Rauschsignal durch mindestens einen Mischungsparameter (gv, guv) bestimmt wird, der zeitrahmenweise aus einem im Subband-Decoder (LBD) bestehenden Pegelverhältnis (γ) zwischen einem tonalen und atonalen Audiosignalanteil des ersten Subbandes abgeleitet wird.
  13. Verfahren nach Anspruch 12,
    dadurch gekennzeichnet,
    dass im Rahmen der Ableitung des Mischungsparameters (gv, guv) das Pegelverhältnis (γ) derart umgesetzt wird, dass bei Überwiegen des atonalen Audiosignalanteils der tonale Audiosignalanteil abgesenkt wird.
  14. Audiosignaldekoder zum Bilden eines Audiosignals (SAS) aus einem Datenstrom kodierter Audiodaten (AD), mit
    a) einem Subband-Dekoder (LBD) zum Bilden von auf ein erstes, tiefes Subband entfallenden Frequenzkomponenten (NAS) des Audiosignals anhand von in den Audiodaten (AD) enthaltenen, jeweils eine Grundperiode des Audiosignals (SAS) angebenden Grundperiodenwerten (λLTP),
    b) einem Audiosynthesefilter (ASYN), und
    c) einem Anregungssignalgenerator (HBG) zum Generieren eines Anregungssignals (u(k)) zum Bilden von auf ein zweites, hohes Subband entfallenden Frequenzkomponenten (HAS) des Audiosignals durch Anregen des Audiosynthesefilters, wobei der Anregungssignalgenerator (HBG)
    - eine Ableitungseinrichtung zum Ableiten eines Grundperiodenparameters (λp) aus den Grundperiodenwerten (λLTP),
    - einen Rauschgenerator (NOISE) zum Bilden eines Rauschsignals,
    - einen Impulsgenerator (PG1, PG2) zum Bilden von Impulsen mit einer vom Grundperiodenparameter (λp) abhängigen Impulsform in einem durch den Grundperiodenparameter (λp) bestimmten Zeitabstand, sowie
    - eine Mischeinrichtung zum Mischen der Impulse mit dem Rauschsignal aufweist.
  15. Audiosignalenkoder mit einem Audiosignaldekoder nach Anspruch 14 sowie mit einer Vergleichseinrichtung zum Angleichen eines vom Audiosignaldekoder synthetisierten Audiosignals (SAS) an ein zu enkodierendes Audiosignal, wobei durch Variation der Audiodaten (AD), insbesondere der darin enthaltenen Nebeninformationen (gFIX, gLTP, λLTP), das synthetisierte Audiosignal (SAS) an das zu enkodierende Audiosignal angeglichen wird.
EP06706508.6A 2006-01-31 2006-01-31 Verfahren und anordnungen zur audiosignalkodierung Expired - Lifetime EP1979901B1 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2006/000812 WO2007087824A1 (de) 2006-01-31 2006-01-31 Verfahren und anordnungen zur audiosignalkodierung

Publications (2)

Publication Number Publication Date
EP1979901A1 EP1979901A1 (de) 2008-10-15
EP1979901B1 true EP1979901B1 (de) 2015-10-14

Family

ID=36616862

Family Applications (1)

Application Number Title Priority Date Filing Date
EP06706508.6A Expired - Lifetime EP1979901B1 (de) 2006-01-31 2006-01-31 Verfahren und anordnungen zur audiosignalkodierung

Country Status (4)

Country Link
US (1) US8612216B2 (de)
EP (1) EP1979901B1 (de)
CN (1) CN101336451B (de)
WO (1) WO2007087824A1 (de)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4972742B2 (ja) * 2006-10-17 2012-07-11 国立大学法人九州工業大学 高域信号補間方法及び高域信号補間装置
US8639500B2 (en) * 2006-11-17 2014-01-28 Samsung Electronics Co., Ltd. Method, medium, and apparatus with bandwidth extension encoding and/or decoding
KR101379263B1 (ko) * 2007-01-12 2014-03-28 삼성전자주식회사 대역폭 확장 복호화 방법 및 장치
USRE47180E1 (en) 2008-07-11 2018-12-25 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Apparatus and method for generating a bandwidth extended signal
US8515747B2 (en) * 2008-09-06 2013-08-20 Huawei Technologies Co., Ltd. Spectrum harmonic/noise sharpness control
US8532983B2 (en) * 2008-09-06 2013-09-10 Huawei Technologies Co., Ltd. Adaptive frequency prediction for encoding or decoding an audio signal
US8532998B2 (en) * 2008-09-06 2013-09-10 Huawei Technologies Co., Ltd. Selective bandwidth extension for encoding/decoding audio/speech signal
US8577673B2 (en) * 2008-09-15 2013-11-05 Huawei Technologies Co., Ltd. CELP post-processing for music signals
WO2010031003A1 (en) 2008-09-15 2010-03-18 Huawei Technologies Co., Ltd. Adding second enhancement layer to celp based core layer
EP2346032B1 (de) * 2008-10-24 2014-05-07 Mitsubishi Electric Corporation Rauschunterdrücker und audiodekodierer
CN101599272B (zh) * 2008-12-30 2011-06-08 华为技术有限公司 基音搜索方法及装置
JP5552988B2 (ja) * 2010-09-27 2014-07-16 富士通株式会社 音声帯域拡張装置および音声帯域拡張方法
US8924200B2 (en) * 2010-10-15 2014-12-30 Motorola Mobility Llc Audio signal bandwidth extension in CELP-based speech coder
US8868432B2 (en) * 2010-10-15 2014-10-21 Motorola Mobility Llc Audio signal bandwidth extension in CELP-based speech coder
KR20120046627A (ko) * 2010-11-02 2012-05-10 삼성전자주식회사 화자 적응 방법 및 장치
US9378746B2 (en) 2012-03-21 2016-06-28 Samsung Electronics Co., Ltd. Method and apparatus for encoding and decoding high frequency for bandwidth extension
JP5998603B2 (ja) * 2012-04-18 2016-09-28 ソニー株式会社 音検出装置、音検出方法、音特徴量検出装置、音特徴量検出方法、音区間検出装置、音区間検出方法およびプログラム
US9373337B2 (en) * 2012-11-20 2016-06-21 Dts, Inc. Reconstruction of a high-frequency range in low-bitrate audio coding using predictive pattern analysis
US8927847B2 (en) * 2013-06-11 2015-01-06 The Board Of Trustees Of The Leland Stanford Junior University Glitch-free frequency modulation synthesis of sounds
JP6385936B2 (ja) * 2013-08-22 2018-09-05 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 音声符号化装置およびその方法
US10083708B2 (en) * 2013-10-11 2018-09-25 Qualcomm Incorporated Estimation of mixing factors to generate high-band excitation signal
US10163447B2 (en) * 2013-12-16 2018-12-25 Qualcomm Incorporated High-band signal modeling
ES2975073T3 (es) 2014-03-31 2024-07-03 Fraunhofer Ges Forschung Codificador, descodificador, procedimiento de codificación, procedimiento de descodificación y programa
US20170010733A1 (en) * 2015-07-09 2017-01-12 Microsoft Technology Licensing, Llc User-identifying application programming interface (api)
US10264116B2 (en) * 2016-11-02 2019-04-16 Nokia Technologies Oy Virtual duplex operation
CN109003621B (zh) * 2018-09-06 2021-06-04 广州酷狗计算机科技有限公司 一种音频处理方法、装置及存储介质
WO2020157888A1 (ja) * 2019-01-31 2020-08-06 三菱電機株式会社 周波数帯域拡張装置、周波数帯域拡張方法、及び周波数帯域拡張プログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1170268C (zh) * 1996-11-07 2004-10-06 松下电器产业株式会社 声音编码或解码装置及方法
US6377915B1 (en) * 1999-03-17 2002-04-23 Yrp Advanced Mobile Communication Systems Research Laboratories Co., Ltd. Speech decoding using mix ratio table
DE10041512B4 (de) * 2000-08-24 2005-05-04 Infineon Technologies Ag Verfahren und Vorrichtung zur künstlichen Erweiterung der Bandbreite von Sprachsignalen
JP2003044098A (ja) * 2001-07-26 2003-02-14 Nec Corp 音声帯域拡張装置及び音声帯域拡張方法

Also Published As

Publication number Publication date
WO2007087824A1 (de) 2007-08-09
CN101336451A (zh) 2008-12-31
EP1979901A1 (de) 2008-10-15
CN101336451B (zh) 2012-09-05
US20090024399A1 (en) 2009-01-22
US8612216B2 (en) 2013-12-17

Similar Documents

Publication Publication Date Title
EP1979901B1 (de) Verfahren und anordnungen zur audiosignalkodierung
DE60012198T2 (de) Kodierung der hüllkurve des spektrums mittels variabler zeit/frequenz-auflösung
DE60013785T2 (de) VERBESSERTE SUBJEKTIVE QUALITäT VON SBR (SPECTRAL BAND REPLICATION)UND HFR (HIGH FREQUENCY RECONSTRUCTION) KODIERVERFAHREN DURCH ADDIEREN VON GRUNDRAUSCHEN UND BEGRENZUNG DER RAUSCHSUBSTITUTION
DE602004005846T2 (de) Audiosignalgenerierung
DE69317958T2 (de) Kodierer von Audiosignalen mit niedriger Verzögerung, unter Verwendung von Analyse-durch-Synthese-Techniken
DE69618422T2 (de) Verfahren zur Sprachdekodierung und tragbares Endgerät
DE69910240T2 (de) Vorrichtung und verfahren zur wiederherstellung des hochfrequenzanteils eines überabgetasteten synthetisierten breitbandsignals
DE68916944T2 (de) Verfahren zur schnellen Bestimmung der Grundfrequenz in Sprachcodierern mit langfristiger Prädiktion.
DE69219718T2 (de) Digitales Datenkodierungs-und Dekodierungsgerät mit hoher Wirksamkeit
DE102008015702B4 (de) Vorrichtung und Verfahren zur Bandbreitenerweiterung eines Audiosignals
DE69916321T2 (de) Kodierung eines verbesserungsmerkmals zur leistungsverbesserung in der kodierung von kommunikationssignalen
DE60011051T2 (de) Celp-transkodierung
DE69518452T2 (de) Verfahren für die Transformationskodierung akustischer Signale
DE69821089T2 (de) Verbesserung von quellenkodierung unter verwendung von spektralbandreplikation
DE60202881T2 (de) Wiederherstellung von hochfrequenzkomponenten
DE69634645T2 (de) Verfahren und Vorrichtung zur Sprachkodierung
DE69621393T2 (de) Quantisierung von Sprachsignalen in prädiktiven Kodiersystemen unter Verwendung von Modellen menschlichen Hörens
DE60128121T2 (de) Wahrnehmungsbezogen verbesserte aufbesserung kodierter akustischer signale
DE60103086T2 (de) Verbesserung von quellcodierungssystemen durch adaptive transposition
DE69123500T2 (de) 32 Kb/s codeangeregte prädiktive Codierung mit niedrigen Verzögerung für Breitband-Sprachsignal
DE60038279T2 (de) Beitband Sprachkodierung mit parametrischer Kodierung des Hochfrequenzanteils
DE69328064T2 (de) Zeit-Frequenzinterpolation mit Anwendung zur Sprachkodierung mit niedriger Rate
DE3710664A1 (de) System zum uebertragen eines sprachsignals
EP1023777B1 (de) Verfahren und vorrichtung zur erzeugung eines bitratenskalierbaren audio-datenstroms
DE3884839T2 (de) Codierung von akustischen Wellenformen.

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20080612

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): DE FR GB IT SE

RIN1 Information on inventor provided before grant (corrected)

Inventor name: TADDEI, HERVE

Inventor name: SCHANDL, STEFAN

Inventor name: GEISER, BERND

Inventor name: GARTNER, MARTIN

Inventor name: JAX, PETER

Inventor name: VARY, PETER

RBV Designated contracting states (corrected)

Designated state(s): DE FR GB IT SE

DAX Request for extension of the european patent (deleted)
17Q First examination report despatched

Effective date: 20130926

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: UNIFY GMBH & CO. KG

REG Reference to a national code

Ref country code: DE

Ref legal event code: R079

Ref document number: 502006014585

Country of ref document: DE

Free format text: PREVIOUS MAIN CLASS: G10L0021020000

Ipc: G10L0019020000

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

RIC1 Information provided on ipc code assigned before grant

Ipc: G10L 21/038 20130101ALI20150408BHEP

Ipc: G10L 19/02 20130101AFI20150408BHEP

INTG Intention to grant announced

Effective date: 20150512

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): DE FR GB IT SE

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

REG Reference to a national code

Ref country code: DE

Ref legal event code: R096

Ref document number: 502006014585

Country of ref document: DE

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 11

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20151014

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SE

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20151014

REG Reference to a national code

Ref country code: DE

Ref legal event code: R097

Ref document number: 502006014585

Country of ref document: DE

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed

Effective date: 20160715

REG Reference to a national code

Ref country code: DE

Ref legal event code: R082

Ref document number: 502006014585

Country of ref document: DE

Representative=s name: SCHAAFHAUSEN PATENTANWAELTE PARTNERSCHAFTSGESE, DE

Ref country code: DE

Ref legal event code: R082

Ref document number: 502006014585

Country of ref document: DE

Representative=s name: FRITZSCHE PATENTANWAELTE, DE

Ref country code: DE

Ref legal event code: R081

Ref document number: 502006014585

Country of ref document: DE

Owner name: UNIFY GMBH & CO. KG, DE

Free format text: FORMER OWNER: UNIFY GMBH & CO. KG, 81379 MUENCHEN, DE

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 12

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 13

REG Reference to a national code

Ref country code: DE

Ref legal event code: R082

Ref document number: 502006014585

Country of ref document: DE

Representative=s name: SCHAAFHAUSEN PATENTANWAELTE PARTNERSCHAFTSGESE, DE

REG Reference to a national code

Ref country code: DE

Ref legal event code: R081

Ref document number: 502006014585

Country of ref document: DE

Owner name: UNIFY BETEILIGUNGSVERWALTUNG GMBH & CO. KG, DE

Free format text: FORMER OWNER: UNIFY GMBH & CO. KG, 80807 MUENCHEN, DE

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 20241212

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: FR

Payment date: 20241209

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20241203

Year of fee payment: 20

REG Reference to a national code

Ref country code: GB

Ref legal event code: 732E

Free format text: REGISTERED BETWEEN 20250828 AND 20250903

REG Reference to a national code

Ref country code: GB

Ref legal event code: 732E

Free format text: REGISTERED BETWEEN 20251002 AND 20251008

REG Reference to a national code

Ref country code: DE

Ref legal event code: R071

Ref document number: 502006014585

Country of ref document: DE

REG Reference to a national code

Ref country code: GB

Ref legal event code: PE20

Expiry date: 20260130