ES2391715T3

ES2391715T3 - Esquema de codificación/decodificación de audio que tiene una derivación conmutable

Info

Publication number: ES2391715T3
Application number: ES09797423T
Authority: ES
Inventors: Bernhard; Bayer Stefan Grill; Guillaume; Geyersberger Stefan Fuchs; Ralf; Hilpert Johannes Geiger; Ulrich; Lecomte Jeremie Kraemer; Markus; Neuendorf Max Multrus; Harald; Rettelbach Nikolaus Popp; Roch; Bessette Bruno Lefebvre; Jimmy; Salami Redwan Lapierre; Philippe Gournay
Original assignee: VoiceAge Corp; Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Current assignee: VoiceAge Corp; Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Priority date: 2008-07-17
Filing date: 2009-07-06
Publication date: 2012-11-29
Anticipated expiration: 2029-07-06
Also published as: CN102099856A; TWI441167B; RU2483364C2; BRPI0910999B1; EP2146344B1; CA2727883A1; CA2727883C; US8959017B2; MX2011000534A; KR101224884B1; US8321210B2; PL2301024T3; US20130066640A1; PT2146344T; TW201009814A; WO2010006717A1; PL2146344T3; CN102099856B; JP2011528129A; US20110202355A1

Abstract

Aparato para codificar una señal de audio para obtener una señal de audio codificada, estando la señal deaudio en un primer dominio, que comprende:un primer conversor (510) de dominio para convertir la señal de audio desde el primer dominio en unsegundo dominio;una derivación (50) conmutable para puentear el primer conversor (510) de dominio si la derivaciónconmutable se pone en un estado activo o para ocasionar una conversión de la señal de audio por el primerconversor (510) de dominio si la derivación conmutable se pone en un estado inactivo en respuesta a unaseñal (51) de control de conmutación de la derivación;un segundo conversor (410) de dominio para convertir una señal de audio recibida desde la derivación (50)conmutable o el primer conversor (510) de dominio en un tercer dominio, siendo el tercer dominio diferentedel segundo dominio;un primer procesador (420) para codificar la señal de audio del tercer dominio según un primer algoritmo decodificación; yun segundo procesador (520) para codificar la señal de audio recibida desde el primer conversor (510) dedominio si la derivación conmutable se pone en un estado inactivo según un segundo algoritmo decodificación que es diferente del primer algoritmo de codificación para obtener una segunda señalprocesada,en el que la señal codificada para una parte de la señal de audio incluye la primera señal procesada o lasegunda señal procesada

Description

Esquema de codificación/decodificación de audio que tiene una derivación conmutable.

La presente invención se refiere a la codificación de audio y, en particular, a esquemas de codificación de audio de baja tasa de bits.

En la técnica se conocen esquemas de codificación en el dominio de frecuencia tales como MP3 o AAC. Estos codificadores en el dominio de frecuencia se basan en una conversión de dominio del tiempo/dominio de frecuencia, una etapa de cuantificación subsiguiente en la que se controla el error de cuantificación mediante el uso de información de un módulo psicoacústico, y una etapa de codificación en la que los coeficientes espectrales cuantificados y la correspondiente información secundaria se codifican por entropía mediante el uso de tablas de código.

Por otra parte, hay codificadores que son muy adecuados para el procesamiento del habla (speech) tal como el AMR-WB+ que se ha descrito en el documento 3GPP TS 26.290. Tales esquemas de codificación del habla llevan a cabo un filtrado predictivo lineal de una señal en el dominio del tiempo. Un filtrado LP de este tipo se deriva de un análisis predictivo lineal de la señal en el dominio del tiempo. Los coeficientes de filtro de LP resultantes son seguidamente codificados y transmitidos como información secundaria. Este proceso se conoce como LPC (Linear Prediction Coding, Codificación de Predicción Lineal). En la salida del filtro, la señal residual de predicción o la señal de error de predicción que también se conoce como señal de excitación, se codifica mediante las etapas de análisis por síntesis (analysis-by-synthesis stages) del codificador ACELP, o como alternativa, se codifica mediante un codificador de transformada, que utiliza una transformada de Fourier con una superposición. La decisión entre la codificación ACELP y la codificación de excitación codificada por transformada, que también recibe la denominación de codificación TCX, se lleva a cabo mediante el uso de un bucle cerrado o de un algoritmo de bucle abierto.

Los esquemas de codificación de audio en el dominio de la frecuencia, tales como el esquema de codificación AAC de alta eficiencia, que combina un esquema de codificación AAC con una técnica de replicación de ancho de banda espectral, también pueden combinarse para dar una herramienta de codificación conjunta estéreo o de múltiples canales, conocida con el término “MPEG surround”.

Por otra parte, los codificadores de habla tales como el AMR-WB+ también pueden tener una etapa de refuerzo de alta frecuencia y una funcionalidad estéreo.

Los esquemas de codificación en el dominio de la frecuencia son ventajosos porque muestran una elevada calidad a bajas velocidades de bits para las señales de música. Sin embargo, es problemática la calidad de las señales de habla a bajas velocidades de bits.

Los esquemas de codificación del habla muestran una elevada calidad para las señales de habla, aún a bajas velocidades de bits, pero muestran una pobre calidad para las señales de música a bajas velocidades de bits.

El documento WO 2008/071353 A2 da a conocer un códec híbrido de música y habla que combina codificación y decodificación en el dominio del tiempo y en el dominio de la frecuencia. La conmutación de dominio tiene lugar dependiendo de su la señal de auido parece habla o música. La síntesis conmutable al pasar el añadido de superposición tiene lugar en el decodificador si la señal que va a decodificarse se ha codificado en el dominio del tiempo.

Uno objeto de la presente invención es proporcionar un concepto mejorado de codificación/decodificación.

Se logra este objetivo mediante un aparato para codificar una señal de audio según la reivindicación 1, un método para codificar una señal de audio según la reivindicación 11, un aparato para decodificar una señal de audio codificada según la reivindicación 12, un método para decodificar una señal de audio codificada según la reivindicación 18, o un programa informático según la reivindicación 19.

En un codificador según la presente invención, se utilizan dos conversores de dominio, en el que el primer conversor de dominio convierte una señal de audio desde el primer dominio tal como el dominio del tiempo en un segundo dominio tal como un dominio de LPC. El segundo conversor de dominio está operativo para convertir desde un dominio de entrada en un dominio de salida, y el segundo conversor de dominio recibe, como una entrada, una señal de salida del primer conversor de dominio o una señal de salida de una derivación conmutable, que está conectado para puentear el primer conversor de dominio. En otras palabras, esto significa que el segundo conversor de dominio recibe, como una entrada, la señal de audio en el primer dominio tal como el dominio del tiempo, o como alternativa, la señal de salida del primer conversor de dominio, es decir, una señal de audio, que ya ha sido convertida desde uno de los dominios en un dominio diferente. La salida del segundo conversor de dominio se procesa por un primer procesador a fin de generar una segunda señal procesada, y la salida del primer conversor de dominio se procesa por un segundo procesador a fin de generar una segunda señal procesada. Es preferible que la derivación conmutable también pueda adicionalmente conectarse al segundo procesador de manera tal que la entrada en el segundo procesador sea la señal de audio en el dominio del tiempo en lugar de una salida del primer conversor de dominio.

Este concepto de codificación, sumamente flexible, es especialmente útil para la codificación de audio de alta calidad y de elevada eficiencia de bit, ya que permite codificar una señal de audio en al menos tres dominios diferentes y, cuando la derivación conmutable también está adicionalmente conectada al segundo procesador, incluso en cuatro dominios. Esto puede lograrse mediante la conmutación controlable de la derivación conmutable a fin de derivar o puentear o no, el primer conversor de dominio para una determinada parte de la señal de audio en el dominio del tiempo. Aunque se puentee el primer conversor de dominio, sigue habiendo dos posibilidades diferentes para codificar la señal de audio del dominio del tiempo, es decir por medio del primer procesador conectado a un segundo conversor de dominio o al segundo procesador.

Es preferible que el primer procesador y el segundo conversor de dominio formen conjuntamente un codificador de modelo de sumidero de información, tal como el codificador de audio accionado psicoacústicamente según se conoce de conocido de la capa 3 de MPEG 1 o MPEG 4 (AAC).

Es preferible que el otro codificador, es decir, el segundo procesador sea un codificador del dominio del tiempo, que es por ejemplo el codificador residual conocido de un codificador ACELP, en el que la señal residual de LPC residual se codifica mediante el uso de un codificador residual tal como un codificador de cuantificación de vectores para la señal residual de LPC o una señal del dominio del tiempo. En una forma de realización, este codificador del dominio del tiempo recibe como una entrada, una señal del dominio de LPC, cuando la derivación está abierta. Un codificador de este tipo es un codificador modelo de fuentes de información ya que, a diferencia del codificador modelo de sumideros de información, el codificador modelo de fuentes de información ha sido específicamente diseñado para utilizar caracteres específicos de un modelo generador de habla. Sin embargo, si la derivación está cerrada, la señal introducida en el segundo procesador será una señal del dominio del tiempo en lugar de una señal de dominio de LPC.

Sin embargo, si la derivación conmutable está desactivada, lo que significa que la señal de audio procedente del primer dominio se convierte en un segundo dominio antes de su procesamiento ulterior, nuevamente quedan dos posibilidades diferentes, es decir o bien codificar la salida del primer conversor de dominio en el segundo dominio, que puede ser por ejemplo un dominio de LPC, o bien, como alternativa, transformar la señal del segundo dominio en un tercer dominio, que puede ser por ejemplo un dominio espectral.

Es ventajoso que el conversor de dominio espectral, es decir el segundo conversor de dominio, esté adaptado para implementar el mismo algoritmo independientemente de si la señal introducida en el segundo conversor de dominio está en el primer dominio tal como el dominio del tiempo o de si está en el segundo dominio tal como el dominio LPC.

En el lado del decodificador, existen dos ramales de decodificación diferentes; uno de los ramales de decodificación incluye un conversor de dominio, es decir el segundo conversor de dominio, mientras que el otro ramal de decodificación incluye solamente un procesador inverso, pero no incluye un conversor de dominio. En función de la regulación real de derivación en el lado del codificador, es decir de si la derivación estaba activa o no, se puentea o no un primer conversor en un decodificador. En particular, el primer conversor en un decodificador se puentea en un decodificador cuando la salida del segundo conversor ya está en el dominio objetivo deseado tal como el primer dominio o dominio del tiempo. Sin embargo, si la salida del segundo conversor en el decodificador está en un dominio distinto del primer dominio, entonces se desactiva la derivación del decodificador y la señal se convierte desde el dominio diferente al dominio objetivo deseado, es decir, el primer dominio en la forma de realización preferida. En una forma de realización, la segunda señal procesada está en el mismo dominio, es decir, en el segundo dominio, pero en otras formas de realización en las que una derivación conmutable en el lado del codificador también puede conectarse al segundo procesador, la salida del segundo procesador inverso en el lado del decodificador ya puede estar también en el primer dominio. En este caso, el primer conversor se puentea mediante el uso de la derivación conmutable en el lado del decodificador de manera tal que un combinador de salida del decodificador recibe señales de entrada de una señal de audio y que se hallan en el mismo dominio. Estas señales pueden ser multiplexadas en el tiempo por el combinador, o pueden ser objeto de desvanecimiento cruzado (cross-faded) por el combinador de salida del decodificador.

En una forma de realización preferida, el aparato para codificar comprende una etapa de procesamiento previo en común para comprimir una señal de entrada. Esta etapa de procesamiento previo en común puede incluir el procesador de múltiples canales y/o un procesador de replicación de ancho de banda espectral de manera tal que la salida de la etapa de procesamiento previo en común para todos los diferentes modos de codificación, es una versión comprimida con respecto a una entrada en la etapa de procesamiento previo en común. De manera correspondiente, la señal de salida del combinador del lado del decodificador puede procesarse posteriormente por una etapa de procesado posterior en común que, por ejemplo está operativo para llevar a cabo una síntesis de replicación de ancho de banda espectral y/o una operación de expansión de múltiples canales tal como una operación de mezclado ascendente de múltiples canales, preferiblemente guiada mediante el uso de información paramétrica de múltiples canales transmitida desde el lado del codificador al lado del decodificador.

En una forma de realización preferida, el primer dominio en el que están situadas la señal de audio introducida en el codificador y la señal de audio de salida por el decodificador, es el dominio del tiempo. En una forma de realización preferida, el segundo dominio en el que está posicionada la salida del primer conversor de dominio, es un dominio de LPC, por lo que el primer conversor de dominio es una etapa de análisis de LPC. En otra forma de realización, el tercer dominio, es decir, aquel en el que está posicionada la salida del segundo conversor de dominio, es un dominio espectral o es un dominio espectral de la señal de dominio de LPC generada por el primer conversor de dominio. El primer procesador, conectado al segundo conversor de dominio se implementa preferiblemente como un codificador sumidero de información tal como un cuantificador/escalador junto con un código reductor de la entropía tal como un cuantificador accionado psicoacústicamente conectado a un codificador de Huffman o a un codificador aritmético, que lleve a cabo las mismas funcionalidades, independientemente de si la señal de entrada está en el dominio espectral o en el dominio espectral de LPC.

En una forma de realización adicional, el segundo procesador para procesar la salida del primer conversor de dominio o para procesar la salida de la derivación conmutable en un dispositivo de funcionalidad completa, es un codificador del dominio del tiempo tal como un codificador de señales residuales utilizado en el codificador ACELP o en otros codificadores CELP cualesquiera.

Seguidamente se describen formas de realización preferidas de la presente invención, con referencia a los dibujos adjuntos, en los cuales:

la figura 1a es un diagrama de bloques de un esquema de codificación según un primer aspecto de la presente invención;

la figura 1b es un diagrama de bloques de un esquema de decodificación según el primer aspecto de la presente invención;

la figura 1c es un diagrama de bloques de un esquema de codificación según otro aspecto de la presente invención;

la figura 1d es un diagrama de bloques de un esquema de decodificación según el otro aspecto de la presente invención;

la figura 2a es un diagrama de bloques de un esquema de codificación según un segundo aspecto de la presente invención; y

la figura 2b es un diagrama esquemático de un esquema de codificación según el segundo aspecto de la presente invención;

la figura 2c es un diagrama de bloques de un procesamiento previo común preferido de la figura 2a; y

la figura 2d es un diagrama de bloques de un procesado posterior común preferido de la figura 2b;

la figura 3a ilustra un diagrama de bloques de un esquema de codificación según otro aspecto de la presente invención;

la figura 3b ilustra un diagrama de bloques de un esquema de decodificación según el otro aspecto de la presente invención;

la figura 3c ilustra una representación esquemática de un aparato/método de codificación con conmutadores en cascada;

la figura 3d ilustra un diagrama esquemático de un aparato o método para decodificar, en el que se utilizan combinadores en cascada;

la figura 3e muestra una ilustración de una señal del dominio del tiempo y una correspondiente representación de la señal codificada, ilustrándose regiones de desvanecimiento breve que se hallan incluidas en ambas señales codificadas;

la figura 4a ilustra un diagrama de bloques con conmutador posicionado antes de los ramales de codificación;

la figura 4b ilustra un diagrama de bloques de un esquema de codificación, estando el conmutador posicionado después de la codificación de los ramales;

la figura 4c ilustra un diagrama de bloques para una forma de realización preferida para un combinador;

la figura 5a ilustra una forma de onda de un segmento de habla de dominio del tiempo como un segmento de señal casi-periódico o similar a un impulso:

la figura 5b ilustra un espectro del segmento de la figura 5a;

la figura 5c ilustra un segmento de habla en el dominio del tiempo, de habla no vocalizada, como un ejemplo de un segmento similar a ruido o estacionario;

la figura 5d ilustra un espectro de la onda de dominio del tiempo de la figura 5c;

la figura 6 ilustra un diagrama de bloques de un análisis mediante codificador CELP de síntesis;

las figuras 7a a 7d ilustran señales de excitación con vocalizado / no vocalizado como un ejemplo de señales similares a impulsos o estacionarias;

la figura 7e ilustra una etapa de LPC del lado del codificador, que provee información de predicción a corto plazo y la señal de error de predicción;

la figura 7f ilustra otra forma de realización de un dispositivo de LPC para generar una señal ponderada;

la figura 7g ilustra una implementación para transformar una señal ponderada en una señal de excitación mediante la aplicación de una operación de ponderación inversa y un subsiguiente análisis de excitación, requerido en el conversor 537 de la figura 2b;

la figura 8 ilustra un diagrama de bloques de un algoritmo conjunto de múltiples canales según una forma de realización de la presente invención;

la figura 9 ilustra una forma de realización preferida de un algoritmo de ampliación de ancho de banda;

la figura 10a ilustra una descripción detallada del conmutador cuando se lleva a cabo una decisión de bucle abierto; y

la figura 10b muestra una ilustración del conmutador cuando se opera en el modo de decisión de bucle cerrado.

En la figura 1a se ilustra una forma de realización de la invención en la que hay dos conversores 510, 410 de dominio, y la derivación 50 conmutable. La derivación 50 conmutable está adaptada para ser activa o inactiva en respuesta a una señal 51 de control, que se introduce en una entrada de control de conmutación de la derivación 50 conmutable. Si la derivación conmutable es activa, la señal de audio en una entrada 99, 195 de señal de audio no se alimenta en el primer conversor 510 de dominio, sino que se alimenta en la derivación 50 conmutable de manera que el segundo conversor 410 de dominio recibe la señal de audio en la entrada 99, 195 directamente. En una forma de realización, que se expondrá al hacerse referencia a las figuras 1c y 1d, la derivación 50 conmutable puede conectarse alternadamente al segundo procesador 520 sin estar conectado al segundo conversor 410 de dominio de manera tal que la señal de salida de la derivación 50 conmutable se procesa por intermedio del segundo procesador 520 solamente.

Sin embargo, si la derivación 50 conmutable se coloca en un estado inactivo por la señal 51 de control, la señal de audio en la entrada 99 o 195 de señal de audio se introduce en el primer conversor 510 de dominio y a la salida del primer conversor 510 de dominio, y se introduce o bien en el segundo conversor 410 de dominio o bien en el segundo procesador 520. La decisión en cuanto si la señal de salida del primer conversor de dominio se introduce en el segundo conversor 410 de dominio o en el segundo procesador 520 se toma preferiblemente basándose también en una señal de control del conmutador, pero puede, como alternativa, efectuarse mediante otros medios tales como metadatos o basándose en un análisis de la señal. Como alternativa, la señal del primer conversor 510 de dominio, puede incluso introducirse en ambos dispositivos 410, 520 y la selección, de qué señal de proceso se introduce en la interfaz de salida para representar la señal de audio en una determinada parte de tiempo, se efectúa mediante un conmutador conectado entre los procesadores y la interfaz de salida, como se expone al hacerse referencia a la figura 4b. Por otra parte, la decisión en cuanto a qué señal se introduce en la corriente de datos de salida, también puede efectuarse dentro de la interfaz 800 de salida como tal.

Tal como se ilustra en la figura 1a, el aparato según la invención para codificar una señal de audio para obtener una señal de audio codificada en la entrada 99/195 en el primer dominio comprende el primer conversor de dominio para convertir la señal de audio a partir del primer dominio en un segundo dominio. Además, se provee la derivación 54 conmutable que puentea el primer conversor 510 de dominio o para producir una conversión de la señal de audio por el primer conversor de dominio en respuesta a una señal de control de conmutación de derivación. Por lo tanto, en el estado activo la derivación conmutable puentea el primer conversor de dominio y, en el estado no activo, la señal de audio se introduce en el primer conversor de dominio.

Además, se provee el segundo conversor 410 de dominio para convertir la señal de audio recibida desde la derivación 50 conmutable o el primer conversor de dominio en un tercer dominio. El tercer dominio es diferente del segundo dominio. Además, se provee un primer procesador 420 para codificar la señal de audio del tercer dominio según un primer algoritmo de codificación para obtener una primera señal procesada. Además, se provee un segundo procesador 520 para codificar la señal de audio recibida desde el primer conversor de dominio según un segundo algoritmo de codificación, siendo el segundo algoritmo de codificación diferente del primer algoritmo de codificación. El segundo procesador provee la segunda señal procesada. En particular, el aparato está adaptado para tener un señal de audio codificada en su salida para una parte de la señal de audio; esta señal codificada incluye o bien la primera señal procesada o bien la segunda señal procesada. Por supuesto, puede haber regiones de cruce, pero en vista de una mayor eficiencia en la codificación, el objetivo es mantener las regiones de cruce lo menors posibles y eliminarlas en el mayor grado posible de manera que se obtenga una máxima compresión de la tasa de bits.

La figura 1b ilustra un decodificador correspondiente al codificador en la figura 1a en una forma de realización preferida. El aparato para decodificar una señal de audio codificada en la figura 1b recibe, como una entrada, una señal de audio codificada que comprende una primera señal procesada que está en un tercer dominio y una segunda señal procesada que está en un segundo dominio, siendo el segundo dominio y el tercer dominio diferentes entre sí. En particular, la señal introducida en una interfaz 900 de entrada, es similar a la salida procedente de la interfaz 800 de la figura 1a. El aparato para decodificar comprende un primer procesador 430 inverso para el procesamiento inverso de la primera señal procesada y un segundo 530 procesador inverso para el procesamiento inverso de la segunda señal procesada. Adicionalmente, se provee un segundo conversor 440 para convertir el dominio de la primera señal procesada inversa procedente del tercer dominio en un dominio diferente. Además, se provee un primer conversor 540 para convertir la segunda señal procesada inversa en un primer dominio o para convertir la primera señal procesada inversa en el primer dominio cuando el dominio diferente no es el primer dominio. Esto significa que la primera señal procesada inversa sólo se convierte por el primer conversor cuando la primera señal procesada no está ya en el primer dominio, es decir, en un dominio objetivo en el que ha de hallarse la señal de audio decodificada o la señal de audio intermedia en el caso de un circuito de procesamiento previo/procesamiento posterior. Además, el decodificador comprende una derivación 52 para puentear el primer conversor 540 cuando el dominio diferente es el primer dominio. El circuito en la figura 1b comprende además un combinador 600 para combinar una salida del primer conversor 540 y una salida de derivación, es decir, una salida de señal por la derivación 52 para obtener una señal 699 de audio decodificada combinada, que puede utilizarse como tal o que puede incluso descomprimirse mediante el uso de una etapa de procesado posterior en común, como se explicará más adelante.

La figura 1c ilustra una forma de realización preferida del codificador de audio según la invención en la que se ha provisto el clasificador de señales en el modelo 300 psicoacústico, para clasificar la señal de audio introducida en una etapa de procesamiento previo en común formada por un codificador 101 MPEG Surround y un procesador 102 de replicación de banda espectral reforzada. Además, el primer conversor 510 de dominio es una etapa de análisis de LPC, y la derivación conmutable está conectada entre una entrada y una salida de la etapa 510de análisis de LPC, que es el primer conversor de dominio.

Por lo general, el dispositivo de LPC emite una señal de dominio de LPC, que puede ser cualquier señal de dominio de LPC tal como la señal de excitación en la figura 7e o una señal ponderada en la figura 7f, o cualquier otra señal, que se haya generado mediante la aplicación de coeficientes de filtro de LPC a una señal de audio. Por otra parte, un dispositivo de LPC también puede determinar estos coeficientes y también puede cuantificar/codificar estos coeficientes.

Adicionalmente, se provee un conmutador 200 en la salida del primer conversor de dominio de manera tal que una señal en la salida en común de la derivación 50 y de la etapa 510 de LPC se envía o bien a un primer ramal 400 de codificación o bien a un segundo ramal 500 de codificación. El primer ramal 400 de codificación comprende el segundo conversor 410 de dominio y el primer procesador 420 de la figura 1a del segundo ramal 500 de codificación comprende el segundo procesador 520 de la figura 1a. En la forma de realización del codificador de la figura 1c, la entrada del primer conversor 510 de dominio está conectada a la entrada de la derivación 50 conmutable y la salida de la derivación 50 conmutable está conectada a la salida del primer conversor 510 de dominio para formar una salida en común, y esta salida en común es la entrada en el conmutador 200 donde el conmutador comprende dos salidas, pero puede incluso comprender salidas adicionales para procesadores de codificación adicionales.

Es preferible que el segundo conversor 410 de dominio en el primer ramal 400 de codificación comprenda una transformada de MDCT, que, adicionalmente, está combinada con una funcionalidad TW (time warp, distorsión de tiempo) conmutable. El espectro de MDCT se codifica mediante el uso de un escalar/cuantificador, que lleva a cabo una cuantificación de válvulas de entrada basándose en la información provista desde el modelo psicoacústico situado dentro del bloque 300 clasificador de señales. Por otra parte, el segundo procesador comprende un codificador del dominio del tiempo para la codificación en el dominio del tiempo de la señal de entrada. En una forma de realización, el conmutador 200 se controla de manera que en el caso de una derivación 50 activa/cerrada, el conmutador 200 se ajusta automáticamente al ramal 400 de codificación superior. Sin embargo, en otra forma de realización, el conmutador 200 también puede controlarse independientemente de la derivación 50 conmutable incluso si la derivación está activa/cerrada, por lo que el codificador 520 del dominio del tiempo puede recibir directamente la señal de entrada de audio del dominio del tiempo.

La figura 1d ilustra un decodificador correspondiente en el que el bloque 540 de síntesis de LPC corresponde al primer conversor de la figura 1b y puede puentearse por medio de la derivación 52, que es preferiblemente una derivación conmutable controlada mediante una señal de derivación generada por el demultiplexor 900 de la corriente de bits. El demultiplexor 900 de la corriente de bits puede generar esta señal y todas las otras señales de control para los ramales 430, 530 de codificación o del bloque 701 de síntesis de SBR o del bloque 702 decodificador MPEG Surround a partir de una corriente 899de bits de entrada, o puede recibir los datos para estas líneas de control de un análisis de la señal o según otra fuente de información separada.

En lo que sigue se dará una descripción más detallada de la forma de realización en la figura 1c para el codificador y en la figura 1d para el decodificador.

La forma de realización preferida consiste en un codificador híbrido de audio, que combina las ventajas de una tecnología MPEG exitosa, tal como AAC, SBR y MPEG Surround con la tecnología exitosa de la codificación del habla. El códec resultante comprende un procesamiento previo en común para todas las categorías de señal, consistente en MPEG Surround y un SBR reforzado(eSBR). Mediante el control de un modelo psicoacústico y basándose en la categoría de la señal, se selecciona una arquitectura de codificador derivada de sumidero o fuente de información basándose en trama por trama.

Es ventajoso que el códec propuesto utilice herramientas de codificación, como el MPEG Surround, SBR y el codificador de base de AAC. Los mismos han experimentado modificaciones y mejoras para mejorar el rendimiento para el habla y con muy bajas velocidades de bit. Con mayores velocidades de bit se consigue el rendimiento del AAC, ya que el nuevo códec puede volver a un modo muy cercano al AAC. Se implementa un modo de codificación insonoro reforzado que provee en promedio un rendimiento de codificación insonoro ligeramente mejor. Para velocidades de bit de aproximadamente 32 kbps y menos, se activan herramientas adicionales para mejorar el rendimiento del codificador de base para el habla y otras señales. Los principales componentes de estas herramientas son una configuración de frecuencia basada en LPC, más opciones de longitud de ventana alternativas para el codificador basado en MDCT, y un codificador del dominio del tiempo. Se utiliza una nueva técnica de ampliación de ancho de banda como una ampliación a la herramienta de SBR, que es más adecuada para bajas frecuencias de cruce y para el habla. La herramienta MPEG Surround provee una representación paramétrica de una señal estéreo o multicanal al proporcionar una mezcla descendente (“down mix”) y una imagen estéreo parametrizada. Para los casos de prueba dados, se utiliza para codificar señales estéreo solamente, pero también es adecuado para señales de entrada multicanal al hacer uso de la funcionalidad MPEG Surround existente a partir del MPEG-D.

Todas las herramientas en la cadena de códec, con la excepción del codificador MDCT, se utilizan preferiblemente sólo a baja tasa de bits.

La tecnología MPEG Surround se utiliza para transmitir N canales de entrada de audio por intermedio de M canales de transmisión de audio. Por lo tanto, el sistema puede inherentemente manejar múltiples canales. La tecnología MPEG Surround ha recibido mejoras para incrementar el rendimiento a bajas velocidades de bit y para señales similares al habla.

El modo de operación básico es la creación de una mezcla descendente mono de alta calidad a partir de la señal estéreo de entrada. Adicionalmente, se extrae un conjunto de parámetros espaciales. En el lado del decodificador se genera una señal estéreo de salida mediante el uso de la mezcla descendente mono decodificada en combinación con los parámetros espaciales extraídos y transmitidos. Se ha añadido un modo 2-1-2 de baja tasa de bits a los puntos operativos 5-x-5 ó 7-x-7 existentes en MPEG Surround, para lo cual se utilizó una simple estructura de árbol que consiste en una única caja de OTT (one-to-two, uno a dos) en el mezclado ascendente de MPEG Surround. Algunos de los componentes han recibido modificaciones para adaptarse mejor a la reproducción del habla. Para mayores velocidades de datos, tales como 64 kbps y superiores, el codificador de núcleo está utilizando codificación estéreo discreta (Mid/Side o L/R), no se utiliza el MPEG Surround para este punto de operación.

La ampliación de ancho de banda propuesta en esta propuesta tecnológica se basa en la tecnología SBR MPEG. El banco de filtros utilizado es idéntico al banco de filtros QMF en MPEG Surround y SBR, con lo que ofrece la posibilidad de compartir muestras en el dominio de QMF entre MPEG Surround y SBR sin síntesis/análisis adicionales. En comparación con la herramienta SBR estandarizada, el SBR introduce un algoritmo de procesamiento reforzado, que es óptimo para el contenido tanto de habla como de audio. Se incluye una ampliación a SBR, que es más adecuada para muy bajas velocidades de bit y bajas frecuencias de cruce.

Como se sabe de una combinación de SBR y AAC, este aspecto puede desactivarse globalmente, dejando la decodificación de la totalidad del intervalo de frecuencias al codificador de núcleo.

La parte del codificador de núcleo del sistema propuesto puede considerarse como la combinación de un filtro LPC opcional y un codificador de núcleo del dominio de la frecuencia/dominio del tiempo, conmutable.

Como se sabe de las arquitecturas de codificadores del habla, el filtro LPC proporciona la base de un modelo de fuente para el habla humana. El procesamiento de LPC puede habilitarse o deshabilitarse (puentearse) globalmente basándose en trama por trama.

Después del filtro de LPC, se codifica la señal de dominio de LPC utilizándose o bien una arquitectura de codificador de dominio del tiempo o bien de dominio de basado en transformada. La conmutación entre estos dos ramales se controla mediante un modelo psicoacústico extendido.

La arquitectura de codificador del dominio del tiempo se basa en la tecnología ACELP, que proporciona un óptimo rendimiento de codificación especialmente para señales de habla con bajas velocidades de bit.

El ramal del códec basado en el dominio de la frecuencia se basa en una arquitectura MDCT con cuantificador escalar y codificación de entropía.

Opcionalmente, hay una herramienta de distorsión de tiempo disponible para reforzar la eficiencia de la codificación para señales de habla a velocidades de bit superiores (tales como 64 kbps y superiores) por medio de una representación más compacta de las señales.

La arquitectura basada en MDCT proporciona una buena calidad para velocidades de bit más bajas y escala hacia transparencia, como se conoce de las tecnologías de MPEG existentes. Puede converger a un modo de AAVC, con velocidades de bit superiores.

Los requisitos de memoria intermedia son idénticos a los de AAC, es decir, la cantidad máxima de bits en la memoria intermedia de entrada es de 6.144 por canal del codificador de núcleo: 6.144 bits por elemento de canal mono, 12.288 bits por elemento de par de canal estéreo.

En el codificador se controla una reserva de bits, que permite la adaptación del proceso de codificación a la demanda de bits actual. Las características de la reserva de bits son idénticas que para el AAC.

El codificador y decodificador pueden controlarse para operar sobre diferentes velocidades de bit entre 12 kbps mono y 64 kpbs estéreo.

La complejidad del decodificador se especifica en términos de PCU. Para el decodificador de base se requiere una complejidad de aproximadamente 11,7 PCU. En el caso de utilizarse la herramienta de distorsión del tiempo, como en el caso de modo de prueba de 64 kbps, se incrementa la complejidad del decodificador a 22.2 PCU.

Los requisitos para RAM y ROM para un decodificador estéreo preferido son:

RAM: ~24 kPalabras

ROM: ~150 kPalabras

Mediante la notificación del codificador de entropía, puede obtenerse una magnitud ROM global de solamente aproximadamente 98 kPalabras.

En el caso en que se utiliza la herramienta de distorsión del tiempo, la demanda de RAM se incrementa en aproximadamente 3 kPalabras, y la demanda de ROM se incrementa en aproximadamente 40kPalabras.

El retardo algorítmico teórico depende de las herramientas utilizadas en la cadena de códec (por ejemplo MPEG Surround, etc.): el retardo algorítmico de la tecnología propuesta se visualiza por punto de operación en la velocidad de muestreo de códec. Los valores dados a continuación no incluyen un retardo de trama, es decir, el retardo necesario para llenar la memoria intermedia de entrada del codificador con la cantidad de muestras necesaria para procesar la primera trama. Este retardo de trama es de 2.048 muestras para todos los modos operativos especificados. Las tablas subsiguientes contienen tanto el retardo algorítmico mínimo como el retardo para la implementación utilizada. El retardo adicional para muestrear nuevamente archivos de PCM introducidos de 48 kHz con la velocidad de muestreo de códec, se especifica en ‘(.)’.

ID del ensayo: Retardo algorítmico mínimo teórico (muestras) Retardo algorítmico según la implementación (muestras)

Ensayo 1, 64 kbps estéreo: 8278 8278 (+44)

Ensayo 2, 32 kbps estéreo: 9153 11201 (+44)

Ensayo 3, 24 kbps estéreo: 9153 11200 (+45)

Ensayo 4, 20 kbps estéreo: 9153 9153 (+44)

Ensayo 5, 16 kbps estéreo: 11201 11201 (+44)

Ensayo 6, 24 kbps mono: 4794 5021 (+45)

Ensayo 7, 20 kbps mono: 4794 4854 (+44)

Ensayo 8, 16 kbps mono: 6842 6842 (+44)

Ensayo 9, 12 kbps mono: 6842 6842 (+44)

Los atributos principales de este códec pueden resumirse como sigue:

La tecnología propuesta utiliza de manera ventajosa una tecnología de codificación de audio y del habla según el estado de la técnica, sin sacrificar rendimiento para codificar contenido o bien de habla o bien de música. Esto tiene como resultado un códec que puede entregar calidad según el estado de la técnica para contenido de habla, música y mixto, para una tasa de bits que empieza con velocidades de bit muy bajas (12 kbps) y que se eleva hasta elevadas velocidades de datos tales como 128 kbps y más, a la que el códec obtiene una calidad transparente.

En la figura 2a, en una etapa 100 de procesamiento previo común se introduce una señal mono, una señal estéreo o una señal de múltiples canales. El esquema de procesamiento previo común puede tener una de funcionalidad estéreo conjunto, una funcionalidad surround, y/o una funcionalidad de ampliación de ancho de banda. En la salida de bloque 100 hay un canal mono, un canal estéreo o múltiples canales que se introducen en un conjunto de derivación 50 y conversor 510 o en múltiples conjuntos de este tipo.

El conjunto de derivación 50 y conversor 510 puede existir para cada salida de etapa 100, cuando la etapa 100 tiene dos o más salidas, es decir, cuando la etapa 100 emite una señal estéreo o una señal de múltiples canales. A modo de ejemplo, el primer canal de una señal estéreo podría ser un canal de habla y el segundo canal de la señal estéreo podría ser un canal de música. En esta situación, la decisión en la etapa de decisión puede ser diferente entre los dos canales para el mismo instante de tiempo.

La derivación 50 se controla por una etapa 300 de decisión. La etapa de decisión recibe, como una entrada, una señal de entrada en el bloque 100 o una señal emitida por el bloque 100. Como alternativa, la etapa 300 de decisión puede también recibir una información secundaria que está incluida en la señal mono, la señal estéreo o la señal de múltiples canales o que está al menos asociada a una señal de este tipo, donde la información existe como se generó por ejemplo cuando se produjo inicialmente la señal mono, la señal estéreo o la señal de múltiples canales.

En una forma de realización, la etapa de decisión no controla la etapa 100 de procesamiento previo, y la flecha entre los bloques 300 y 100 no existe. En otra forma de realización, el procesamiento en el bloque 100 se controla en cierta medida por la etapa 300 de decisión a efectos de establecer uno o más parámetros en el bloque 100 basándose en la decisión. Sin embargo, esto no influirá sobre el algoritmo general en el bloque 100, de modo que la principal funcionalidad en el bloque 100 es activa, independientemente de la decisión en la etapa 300.

La etapa de decisión 300 acciona la derivación 50 a fin de alimentar la salida de la etapa de procesamiento previo en común o bien en una parte 400 codificadora de la frecuencia ilustrada en un ramal superior de la figura 1a,

o bien en el conversor 510 del dominio de LPC que puede ser parte de la segunda parte 500 codificadora ilustrada en un ramal inferior en la figura 2a y que tiene los elementos 510, 520.

En una forma de realización, la derivación puentea un único conversor de dominio. En otra forma de realización, puede haber conversores de dominio adicionales para diferentes ramales de codificación tales como un tercer ramal de codificación o incluso un cuarto ramal de codificación o una cantidad incluso mayor de ramales de codificación. En una forma de realización con tres ramales de codificación, el tercer ramal de codificación podría ser similar al segundo ramal de codificación, pero podría incluir un codificador de excitación diferente del codificador 520 de excitación en el segundo ramal 500. En esta forma de ramificación, el segundo ramal comprende la etapa 510 de LPC y un codificador de excitación basado en un libro de código tales como en el ACELP, y el tercer ramal comprende una etapa de LPC y un codificador de excitación que opera en una representación espectral de la señal de salida de la etapa de LPC.

Un elemento clave del ramal de codificación del dominio de la frecuencia es un bloque 410 de conversión espectral que está operativo para convertir la señal de salida de la etapa de procesamiento previo en común en un dominio espectral. El bloque de conversión espectral puede incluir un algoritmo de MDCT, un algoritmo QMF, un algoritmo de FFT, un análisis de Wavelet o un banco de filtros tal como un banco de filtros críticamente muestrado que tiene una determinada cantidad de canales de bancos de filtros, pudiendo las señales de subbanda en este banco de filtros ser señales valoradas reales o señales valoradas complejas. La salida del bloque 410 de conversión espectral se codifica mediante el uso de un codificador 420 de audio espectral, que puede incluir bloques de procesamiento como se conoce del esquema de codificación de AAC.

En el ramal 500 inferior de codificación, un elemento clave es un analizador de modelo de fuente tal como el LPC 510, que en esta forma de realización es el conversor 510 de dominio, y que emite dos tipos de señales. Una de las señales es una señal de información de LPC que se utiliza para controlar la característica de filtro de un filtro de síntesis de LPC. Esta información de LPC se transmite a un decodificador. La otra señal de salida de etapa 510 de LPC es una señal de excitación o una señal de dominio de LPC, que se introduce en un codificador 520 de excitación. El codificador 520 de excitación puede proceder de cualquier codificador de modelo de fuente-filtro tal como un codificador CELP, un codificador ACELP o cualquier otro codificador que procese una señal de dominio de LPC.

Otra implementación preferida de codificador de excitación es una codificación de transformada de la señal de excitación o una señal de dominio de LPC. En esta forma de realización, la señal de excitación no se codifica mediante el uso de un mecanismo de libro de código de ACELP, sino que la señal de excitación se convierte en una representación espectral y los valores de la representación espectral tales como las señales de subbanda en el caso de un banco de filtros o de coeficientes de frecuencia en el caso de una transformada tales como una FFT se codifican para obtener una compresión de los datos. Una implementación de este tipo de codificador de excitación es el modo de codificación de TCX conocido del AMR-WB+. Este modo se obtiene conectando la salida de la etapa 510 de LPC al conversor 410 espectral. El modo de TCX conocido del documento 3GPP TS 26.290 incurre en un procesamiento de la señal perceptualmente ponderada en el dominio de la transformada. Una señal ponderada transformada de Fourier se cuantifica mediante el uso de una cuantificación de retícula dividida de múltiples coeficientes (VQ algebraico) con una cuantificación del factor de ruido. Se calcula una transformada en 1024, 512, ó 256 ventanas de muestras. La señal de excitación se recupera mediante filtrado inverso de la señal ponderada cuantificada, por medio de un filtro de ponderación inverso.

En la figura 1a o en la figura 1c, al bloque 510 de LPC le sigue un codificador del dominio del tiempo, que puede ser un bloque de ACELP o un codificador del dominio de la transformada, que puede ser un bloque 527 de TCX. El ACELP se describe en el documento 3GPP TS 26.190, y el TCX se describe en el documento 3GPP TS

26.290. En términos generales, el bloque de ACELP recibe una señal de excitación de LPC calculada mediante un procedimiento descrito en la figura 7e. El bloque 527 de TCX recibe una señal ponderada generada como se muestra en la figura 7f.

En el TCX, se aplica la transformada a la señal ponderada calculada mediante el filtrado de la señal de entrada por medio de un filtro de ponderación basado en LPC. El filtro de ponderación utilizado en las formas de

-: 1

(1-A(z / y)) /(1-jz )

realización preferidas de la invención, está dado por . Por lo tanto, la señal ponderada es una señal de dominio de LPC y su transformada es un dominio espectral de LPC. La señal procesada por el bloque 526 ACELP es la señal de excitación y es diferente de la señal procesada por el bloque 527, pero ambas señales se hallan en el dominio de LPC.

En el lado del decodificador, después de la transformada espectral inversa, se aplica la inversa del filtro de

-: 1

(1 -jz)/ A(z / y)

ponderación, es decir . Seguidamente se filtra la señal a través de (1-A(z)) para pasar al dominio de excitación del LPC. Por lo tanto, la conversión al dominio de LPC y una operación de TCX-1 incluyen una transformada inversa y seguidamente un filtrado a través para convertir desde el dominio de la señales ponderada al dominio de la excitación.

Si bien el ítem 510 ilustra un único bloque, el bloque 510 puede emitir diferentes señales siempre y cuando estas señales se encuentren en el dominio de LPC. El modo real del bloque 510 tal como el modo de la señal de excitación o el modo de señal ponderada, puede depender del estado de conmutación real. De manera alternativa, el bloque 510 puede tener dos dispositivos de procesamiento paralelos, estando un dispositivo implementado de manera similar a la figura 7e, y estando el otro dispositivo implementado como en la figura 7f. Por ello, el dominio de LPC a la salida de 510 puede representar o bien la señal de excitación de LPC o bien la señal ponderada de LPC o bien cualquier otra señal de dominio de LPC.

En el modo de LPC, cuando la derivación está inactiva, es decir, cuando haya una codificación de

-: 1

1-0.68z

ACELP/TCX, es preferible que la señal se enfatice previamente a través de un filtro antes de la codificación. En el decodificador de ACELP/TCX se desenfatiza la señal sintetizada mediante el filtro

-: 1

1/(1-0.68z )

. El énfasis previo puede ser parte del bloque 510 de LPC donde la señal se enfatiza previamente antes del análisis y cuantificación de LPC. De manera similar, el desénfasis puede ser parte del bloque 540 de síntesis de LPC-1.

Existen varios dominios de LPC. Un primer dominio de LPC representa la excitación de LPC, y el segundo dominio de LPC representa la señal ponderada de LPC. Es decir, la primera señal de dominio de LPC se obtiene mediante el filtrado a través de (1-A(z)) para convertir al dominio residual/de excitación de LPC, mientras que la

-: 1

(1-A(z / y)) /(1-jz )

segunda señal de dominio de LPC se obtiene por filtrado a través del filtro para convertir al dominio ponderado de LPC.

La decisión en la etapa de decisión puede adaptarse a la señal de manera que la etapa de la decisión lleve a cabo una discriminación entre música y habla y controle la derivación 50 y si está presente, el conmutador 200 en la figura 1c de manera tal que las señales de música se introducen en el ramal 400 superior, y las señales de habla se introducen en el ramal 500 inferior. En una forma de realización, la etapa de decisión alimenta su información de decisión hacia una corriente de bits de salida de manera tal que un decodificador puede utilizar esta información de decisión a fin de llevar a cabo las operaciones de decodificación correctas.

En la figura 2b se ilustra un decodificador de este tipo. La señal emitida por el codificador 420 de audio espectral se introduce, después de su transmisión, en un decodificador 430 de audio espectral. La salida del decodificador 430 de audio espectral se introduce en un conversor 440 del dominio del tiempo. De manera análoga, la salida del codificador 520 de excitación de la figura 2a se introduce en un decodificador 530 de excitación que emite una señal del dominio de LPC. La señal del dominio de LPC se introduce en una etapa 540 de síntesis de LPC, que recibe, como entrada adicional, la información de LPC generada por la correspondiente etapa 510 de análisis de LPC. La salida del conversor 440 del dominio del tiempo y/o la salida de la etapa 540 de síntesis de LPC se introducen en una derivación 52 conmutable. La derivación 52 se controla por medio de una señal de control de derivación que ha sido, por ejemplo, generada por la etapa 300 de decisión, o que se había provisto externamente tal como por un creador de la señal mono, señal estéreo o señal de múltiples canales, original.

La salida de la derivación 540 o de la etapa 540 que se introduce en el combinador 600 es una señal mono completa que se introduce subsiguientemente en una etapa 700 de procesado posterior en común, que puede llevar a cabo un procesamiento de estéreo conjunto o un procesamiento de ampliación de ancho de banda, etc. En función de la funcionalidad especifica de la etapa de procesado posterior en común, se emite una señal mono, una señal estéreo o una señal de múltiples canales, que tiene, cuando la etapa 700 de procesado posterior en común lleva a cabo una operación de ampliación de ancho de banda, un ancho de banda más grande que la señal de entrada en el bloque 700.

En una forma de realización, la derivación 52 está adaptada para puentear el conversor 540 individual. En otra forma de realización, puede haber conversores adicionales que definen ramales de decodificación adicionales tales como un tercer ramal de decodificación o incluso un cuarto ramal de decodificación o incluso más ramales de decodificación. En una forma de realización con tres ramales de decodificación, el tercer ramal de decodificación podría ser similar al segundo ramal de decodificación, pero podría incluir un decodificador de excitación diferente del decodificador 530 de excitación en el segundo ramal, 530, 540. En esta forma de ramificación, el segundo ramal comprende la etapa 540 de LPC y un decodificador de excitación basado en libro de código tal como en el ACELP, y el tercer ramal comprende una etapa de LPC y un decodificador de excitación que opera en una representación espectral de la señal emitida de la etapa 540 de LPC.

Como se enunció anteriormente, en la figura 2c se ilustra un esquema de codificación preferido según un segundo aspecto de la invención. El esquema de procesamiento previo en común en 100 (figura 1a) comprende ahora un bloque 101 de estéreo conjunto/“surround” que genera, como salida, parámetros de estéreo conjunto y una señal de salida mono, que se genera mediante el mezclado descendente de la señal de entrada que es una señal que tiene dos o más canales. En términos generales, la señal en la salida de bloque 101 también puede ser una señal que tiene más canales, pero debido a la funcionalidad del mezclado descendente del bloque 101, el número de canales en la salida del bloque 101 será menor que el número de canales introducidos en el bloque 101.

La salida de bloque 101 se introduce en un bloque 102 de ampliación de ancho de banda que, en el codificador de la figura 2c, emite una señal limitada en banda tal como la señal de banda baja o la señal de pase bajo en su salida. Por otra parte, para la banda elevada de la señal de entrada en el bloque 102, se generan parámetros de ampliación de ancho de banda tales como parámetros de envoltura espectral, parámetros de filtrado inverso, parámetros de umbral mínimo de ruido, etc., como se conoce del perfil HE-AAC de MPEG-4, y se los envía a un multiplexor 800 de corriente de bits.

Es preferible que la etapa 300 de decisión reciba la señal introducida en el bloque 101 o introducida en el bloque 102 a fin de decidir entre, por ejemplo, un modo de música o un modo de habla. En el modo de música, se selecciona el ramal 400 superior de codificación, mientras que en el modo de habla, se selecciona el ramal 500 inferior de codificación. Es preferible que la etapa de decisión adicionalmente controle el bloque 101 de estéreo conjunto y/o el bloque 102 de ampliación de ancho de banda para adaptar la funcionalidad de estos bloques a la señal específica. Por lo tanto, cuando la etapa de decisión determina que una determinada parte de tiempo de la señal de entrada es del primer modo tal como el modo de música, entonces es posible controlar aspectos específicos del bloque 101 y/o del bloque 102 mediante la etapa 300 de decisión. De manera alternativa, cuando la etapa 300 de decisión determina que la señal está en un modo de habla o, en términos generales, en un modo de codificación del dominio de LPC, entonces los aspectos específicos de los bloques 101 y 102 pueden controlarse según la salida de la etapa de decisión.

En función de la decisión del conmutador, que puede derivarse de la señal de entrada del conmutador 200

o a partir de cualquier fuente externa tal como un productor de la señal de audio original subyacente a la señal de entrada en la etapa 200, el conmutador conmuta entre el ramal 400 de frecuencia de codificación y el ramal 500 de LPC de codificación. El ramal 400 de frecuencia de codificación comprende una etapa de conversión espectral y una subsiguiente etapa conectada de cuantificación /codificación. La etapa de cuantificación / codificación puede incluir cualquiera de las funcionalidades conocidas de los modernos codificadores del dominio de la frecuencia, tales como el codificador AAC. Por otra parte, la operación de cuantificación en la etapa de cuantificación/codificación puede controlarse mediante un módulo psicoacústico que genera información psicoacústica tal como un umbral de enmascaramiento psicoacústico sobre la frecuencia, donde esta información se introduce en la etapa.

Es preferible que la conversión espectral se efectúe mediante el uso de una operación de MDCT que, más preferiblemente es la operación de MDCT de distorsión del tiempo, donde la intensidad o en términos generales, la intensidad de la distorsión puede controlarse entre cero y una elevada intensidad de arrollamiento. En una intensidad de arrollamiento cero, la operación de MDCT en el bloque 400 en la figura 1c es una operación de MDCT directa conocida en la técnica. La intensidad del arrollamiento de tiempo, junto con la información secundaria del arrollamiento del tiempo, puede transmitirse/introducirse en el multiplexor 800 de la corriente de bits en forma de información secundaria. Por ello, si se utiliza TW-MDCT, debería enviarse información secundaria de arrollamiento de tiempo a la corriente de bits, como se ilustra mediante 424 en la figura 1c, y (en el lado del decodificador) debería recibirse información secundaria de arrollamiento de tiempo a partir de la corriente de bits, como se ilustra mediante el ítem 434 en la figura 1d.

En el ramal de codificación de LPC, el codificador en el dominio de LPC puede incluir un núcleo de ACELP que calcule una ganancia de paso, un retardo de paso y/o información de libro de código tal como un índice de libro de código y una ganancia de código.

En el primer ramal 400 de codificación, es preferible que un conversor espectral comprenda una operación de MDCT específicamente adaptada que tiene determinadas funciones de ventana seguido por una etapa de codificación de cuantificación/entropía que puede ser una etapa de cuantificación de vectores, pero es preferible que sea un cuantificador/codificador similar al cuantificador/codificador en el ramal de codificación del dominio de la frecuencia.

La figura 2d ilustra un esquema de decodificación correspondiente al esquema de codificación de la figura 2c. La corriente de bits generada por un multiplexor de corrientes de bits se introduce en un demultiplexor de corrientes de bits. En función de una información derivada por ejemplo de la corriente de bits por medio de un bloque de detección de modos, se controla un conmutador del lado de decodificador para o bien enviar señales desde el ramal superior o bien señales desde el ramal inferior al bloque 701 de ampliación de ancho de banda. El bloque 701 de ampliación de ancho de banda recibe información secundaria procedente del multiplexor de la corriente de bits, y, basándose en esta información secundaria y la la salida de la decisión de modo, reconstruye la banda alta basándose en la banda baja emitida por el combinador 600 de la figura 1d, por ejemplo.

La señal de banda completa generada por el bloque 701 se introduce en la etapa 702 de procesamiento de estéreo conjunto/surround, que reconstruye dos canales estéreo o varios multicanales. En términos generales, el bloque 702 emitirá más canales que los que introdujeron en este bloque. En función de la aplicación, la entrada en el bloque 702 puede incluir incluso dos canales tales como en un modo estéreo y pueden incluir incluso más canales siempre y cuando la salida por este bloque tenga más canales que la entrada en este bloque.

Se ha mostrado que el conmutador 200 en la figura 1c conmuta entre ambos ramales de manera que solamente un ramal recibe una señal para procesar y el otro ramal no recibe una señal para procesar, como se muestra en términos generales en la figura 4a. Sin embargo, en una forma de realización alternativa ilustrada en la figura 4b, el conmutador también puede estar dispuesto subsiguientemente a por ejemplo el codificador 420 de audio y al codificador 520 de excitación, lo que significa que ambos ramales 400, 500 procesan la misma señal en paralelo. Sin embargo, a fin de no duplicar la velocidad de los bits, se selecciona solamente la señal emitida por uno de los ramales 400 ó 500 de codificación para escribirse en la corriente emitida de bits. La etapa de decisión operará entonces de manera tal que la señal escrita en la corriente de bits minimiza una determinada función de costos, en la que la función de los costos puede ser la tasa de bits generada o la distorsión perceptual generada o una función de costos de velocidad/distorsión combinada. Por ello, sea en este modo sea en el modo ilustrado en las figuras, la etapa de decisión también puede operar en un modo de bucle cerrado para asegurar que finalmente sólo se escribe la salida de ramal de codificación en la corriente de bits que tiene la tasa de bits más baja para una distorsión perceptual o, para una tasa de bits dada, tiene la distorsión perceptual más baja.

En términos generales, el procesamiento en el ramal 400 es un procesamiento en un modelo basado en la percepción, o en un modelo de sumidero de información. Por lo tanto, este ramal representa un modelo del sistema auditivo humano que recibe sonido. En cambio, el procesamiento en el ramal 500 sirve para generar una señal en la excitación, residual o dominio de LPC. En términos generales, el procesamiento en el ramal 500 es un procesamiento en un modo de habla o un modelo de generación de información. Para las señales de habla, este modelo es un modelo del sistema humano de habla/sonido que genera sonido. Sin embargo, si ha de codificarse un sonido procedente de una fuente diferente que requiere un modelo diferente de generación de sonido, entonces el procesamiento en el ramal 500 puede ser diferente.

Si bien las figuras 1a a 4c se ilustran como diagramas de bloques de un aparato, estas figuras son al mismo tiempo una ilustración de un método, en el que las funcionalidades de bloque corresponden a los pasos de método.

La figura 3c ilustra un codificador de audio para codificar una señal 195 de entrada de audio. La señal 195 de entrada de audio está presente en un primer dominio que puede ser por ejemplo el dominio pero que también puede ser cualquier otro dominio tal como un dominio de la frecuencia, un dominio de LCP, un dominio espectral de LPC o cualquier otro dominio. En términos generales, la conversión desde un dominio al otro dominio se lleva a cabo

mediante un tipo de algoritmo de conversión tal como cualquiera de los algoritmos de conversión de tiempo/frecuencia o de los algoritmos de conversión frecuencia/tiempo, bien conocidos.

Una transformada alternativa del dominio del tiempo, por ejemplo en el dominio de LPC, es el resultado del filtrado basado en LPC de una señal del dominio del tiempo que da como resultado una señal residual de LPC o una señal de excitación, u otra señal de dominio de LPC. Cualquier otra operación de filtrado que produzca una señal filtrada que tenga un impacto sobre una cantidad sustancial de muestras de señal antes de la transformada puede utilizarse como transformada de algoritmo, cualquiera que sea el caso. Por ello la ponderación de una señal de audio mediante el uso de un filtro de ponderación basado en LPC, es otra transformada, que genera una señal de dominio de LPC. En una transformada de tiempo/frecuencia, la modificación de un sólo valor espectral tendrá un impacto sobre todos los valores de dominio del tiempo antes de la transformada. De forma análoga, una modificación de cualquier muestra en el dominio del tiempo tendrá un impacto en cada muestra en el dominio de la frecuencia. De manera similar, una modificación de una muestra de la señal de excitación en una situación de dominio de LPC tendrá, debido a la longitud del filtro de LPC, un impacto sobre una cantidad sustancial de muestras antes del filtrado de LPC. De manera similar, una modificación de una muestra antes de una transformación de LPC tendrá un impacto sobre muchas muestras obtenidas mediante esta transformación de LPC debido al efecto de memoria inherente del filtro de LPC.

El codificador de audio de la figura 3c incluye un primer ramal 522 de codificación que genera una primera señal codificada. Esta primera señal codificada puede estar en un cuarto dominio que es, en la forma de realización preferida, el dominio de tiempo-espectral, es decir, el dominio que se obtiene cuando una señal del dominio del tiempo se procesa mediante una conversión de tiempo/frecuencia.

Por ello, el primer ramal 522 de codificación para codificar una señal de audio utiliza un primer algoritmo de codificación para obtener una primera señal codificada, pudiendo este primer algoritmo de codificación, pudiendo este primer algoritmo de codificación incluir o no un algoritmo de conversión de tiempo/frecuencia.

Por otra parte el codificador de audio incluye un segundo ramal 523 de codificación para codificar una señal de audio. El segundo ramal 523 de codificación utiliza un segundo algoritmo de codificación para obtener una segunda señal codificada, que es diferente del primer algoritmo de codificación.

Además el codificador de audio incluye un primer conmutador 521 para conmutar entre el primer ramal 522 de codificación y el segundo ramal 523, 524 de codificación por lo que para una parte de la señal de audio introducida, sea la primera señal codificada en la salida de bloque 522 sea la segunda señal codificada en la salida del segundo ramal de codificación está incluida en una señal de salida de codificador. Por lo tanto, cuando para una determinada parte de la señal 195 de audio de entrada, la primera señal codificada en el cuarto dominio está incluida en la señal de salida de codificador, la segunda señal codificada que es o bien la primera señal procesada en el segundo dominio o bien la segunda señal procesada en el tercer dominio no está incluida en la señal de salida de codificador. Esto asegura que este codificador es eficiente en cuanto a tasa de bits. En algunas formas de realización cualquier parte de tiempo de la señal de audio que se halle incluida en dos señales codificadas diferentes es pequeña en comparación con una longitud de trama, como se expondrá al hacerse referencia a la figura 3e. Estas pequeñas partes son útiles para un desvanecimiento cruzado desde una señal codificada a la otra señal codificada en el caso de un acontecimiento de conmutador a fin de reducir los artefactos que podrían presentarse sin ningún desvanecimiento cruzado. Por ello, aparte de la región de desvanecimiento cruzado, cada bloque de dominio en el tiempo está representado por una señal codificada de un sólo dominio único.

Como se ilustra en la figura 3c, el segundo ramal 523 de codificación sigue a un conversor 521 para convertir la señal de audio en el primer dominio, es decir, la señal 195 en un segundo dominio, y la derivación 50. Por otra parte, el primer ramal 522 de procesamiento obtiene una primera señal procesada que preferiblemente también está en el segundo dominio de manera tal que el primer ramal 522 de procesamiento no lleve a cabo un cambio de dominio, o que se halle en el primer dominio.

El segundo ramal 523, 524 de codificación convierte la señal de audio en un tercer dominio o en un cuarto dominio, que es diferente del primer dominio y que es también diferente del segundo dominio para obtener una segunda señal procesada en la salida del segundo ramal 523, 524de procesamiento.

Además, el codificador comprende un conmutador 521 para conmutar entre el primer ramal 522 de procesamiento y el segundo ramal 523, 524 de procesamiento, correspondiendo este conmutador al conmutador 200 de la figura 1c.

La figura 3 ilustra un decodificador correspondiente para decodificar una señal de audio codificada generada por el codificador de la figura 3c. En términos generales, cada bloque de la señal de audio del primer dominio está representada por o bien una señal de segundo o primer dominio, o bien una señal de tercer o cuarto dominio codificada aparte de una región de desvanecimiento opcional que es preferiblemente corta en comparación con la longitud de una trama para obtener un sistema que se halle lo más cercano posible al limite de muestreo critico. La señal de audio codificada incluye la primera señal de control, una segunda señal codificada, refiriéndose la primera señal codificada y la segunda señal codificada a diferentes partes de tiempo de la señal de audio

decodificada y siendo el segundo dominio, el tercer dominio y el primer dominio para una señal de audio decodificada, diferentes entre sí.

El decodificador comprende un primer ramal de decodificación para decodificar basado en el primer algoritmo de codificación. El primer ramal de decodificación se ilustra en 531 en la figura 3d.

El decodificador de la figura 3d comprende además un segundo ramal 533, 534 de decodificación, que comprende varios elementos.

El decodificador comprende además un primer combinador 532 para combinar la primera señal procesada inversa y la segunda señal procesada inversa para obtener una señal de dominio primero o segundo, estando esta señal combinada, en el primer instante de tiempo, influida solamente por la primera señal procesada inversa y en un instante de tiempo ulterior, recibe la influencia de solamente la segunda señal procesada inversa.

El decodificador comprende además el conversor 540 para convertir la señal combinada en el primer dominio y la derivación 52 conmutable.

Finalmente, el decodificador ilustrado en la figura 3d comprende un segundo combinador 600 para combinar la primera señal decodificada a partir de la derivación 52 y la señal de salida del conversor 540 para obtener una señal de salida decodificada en el primer dominio. Nuevamente, la señal de salida decodificada en el primer dominio recibe, en el primer instante de tiempo, solamente la influencia de la señal emitida por el conversor 540, y en un instante de tiempo ulterior, recibe solamente la influencia de la señal puenteada.

Esta situación se ilustra, desde un punto de vista del codificador, en la figura 3e. La parte superior en la figura 3e ilustra en la representación esquemática, una señal de audio en el primer dominio tal como una señal de audio en el dominio del tiempo, en el que el índice de tiempo crece de izquierda a derecha y el ítem 3 podría considerarse como una corriente de muestras de audio que representan la señal 195 en la figura 3c. La figura 3e ilustra los tramas 3a, 3b, 3c, 3d que pueden generarse mediante la conmutación entre la primera señal codificada y la segunda señal codificada como se ilustra en el ítem 4 en la figura 3e. La primera señal codificada y la segunda señal codificada se hallan, todas ellas, en dominios diferentes. A fin de asegurar que la conmutación entre dominios diferentes no tenga como resultado un artefacto en el lado del decodificador, las tramas 3a, 3b, 3c, … de la señal del dominio del tiempo tienen un intervalo de superposición que se indica como una región de desvanecimiento cruzado. Sin embargo, no existe ninguna región de desvanecimiento cruzado entre las tramas 3d, 3c lo que significa que la trama 3d podría también representarse mediante una señal en el mismo dominio que la señal 3c anterior, y no hay un cambio de dominio entre las tramas 3c y 3d.

Por ello, en términos generales, se prefiere no proporcionar una región de desvanecimiento cruzado donde no haya un cambio de dominio y proporcionar una región de desvanecimiento cruzado, es decir, una parte de la señal de audio que se codifica mediante dos señales codificadas/procesadas subsiguientes cuando hay un cambio de dominio, es decir, una acción de conmutación de cualquier de los dos conmutadores.

En la forma de realización en la que la primera señal codificada o la segunda señal procesada ha sido generada por un procesamiento de MCDT que tiene por ejemplo una superposición del 50 por ciento, cada muestra del dominio del tiempo está incluida en dos tramas subsiguientes. Sin embargo, debido a las características del MDCT, esto no da como resultado un encabezamiento, ya que el MDCT es un sistema críticamente muestreado. En este contexto, la expresión “críticamente muestreadas” significa que la cantidad de valores espectrales es igual a la cantidad de los valores en el dominio del tiempo. El MDCT es ventajoso por cuanto el efecto del cruce se proporciona sin una región de cruce específica, por lo que se proporciona un cruce desde un bloque de MDCT al siguiente bloque de MDCT sin ningún encabezamiento que infringiría el requisito crítico del muestreo.

Es preferible que el primer algoritmo de codificación en el primer ramal de codificación esté basado en un modelo de sumidero de información, y que el segundo algoritmo de codificación en el segundo ramal de codificación esté basado en una fuente de información o en un modelo de SNR. Un modelo de SNR es un modelo que no está específicamente relacionado con un mecanismo de generación específico de sonido sino que es un modo de codificación que puede seleccionarse entre una pluralidad de modos de codificación basados por ejemplo en una decisión de bucle cerrado. Por lo tanto, un modelo de SNR es cualquier modelo de codificación disponible pero que no ha de estar relacionado necesariamente con la constitución física del generador de sonido sino que es cualquier módulo de codificación parametrizado diferente del modelo de sumidero de información, que puede seleccionarse mediante una decisión de bucle cerrado y, específicamente, mediante la comparación de diferentes resultados de SNR de diferentes modelos.

Como se ilustra en la figura 3c, se provee un controlador 300, 525. Este controlador puede incluir las funcionalidades de la etapa 300 de decisión de la figura 1c. En términos generales, el controlador es para controlar la derivación y el conmutador 200 en la figura 1c de una manera adaptativa a las señales. El controlador está operativo para analizar una señal de entrada en la derivación o emitida por el primer o segundo ramal de codificación o las señales obtenidas mediante la codificación y decodificación a partir del primer y segundo ramal de codificación con respecto a la función objetivo. Alternativa, o adicionalmente, el controlador está operativo para analizar la señal de entrada en el conmutador o emitida por el primer ramal de procesamiento o por el segundo

ramal de procesamiento u obtenida por procesamiento y procesamiento inverso a partir del primer ramal de procesamiento y del segundo ramal de procesamiento, nuevamente con respecto a una función objetivo.

En una forma de realización, el primer ramal de codificación o el segundo ramal de codificación comprende un algoritmo de tiempo frecuencia que introduce un efecto aleatorio tal como un algoritmo de MDCT o de MDST, que es diferente de una transformada FFT directa, que no introduce un efecto de repliegue. Por otra parte, uno de los ramales, o ambos, comprende un bloque codificador cuantificador/de entropía. Específicamente, solamente el segundo ramal de procesamiento del segundo ramal de codificación incluye el conversor de tiempo/frecuencia que introduce una operación de aleatorización y el primer ramal de procesamiento del segundo ramal de codificación comprende un codificador cuantificador y/o de entropía y no introduce ningún efecto aleatorizante. Es preferible que el conversor de tiempo/frecuencia que introduce la aleatorización comprenda un dispositivo de ventana para aplicar una ventana de análisis y un algoritmo de transformada MDCT. Específicamente, el dispositivo de ventana está operativo para aplicar la función de ventana a tramas subsiguientes en un modo de solapamiento de manera que tiene lugar una muestra de una señal tratada en ventana en al menos dos tramas subsiguientes tratadas en ventana.

En una forma de realización, el primer ramal de procesamiento comprende un codificador de ACELP y un segundo ramal de procesamiento comprende un conversor espectral de MDCT y el cuantificador para cuantificar componentes espectrales para obtener componentes espectrales cuantificados, siendo cada componente espectral cuantizado cero, o estando definido por un índice de cuantificador de la pluralidad de índices cuantificadores diferentes posibles.

Como se mencionó anteriormente, ambos ramales de codificación operan para codificar la señal de audio en un modo de a bloques, en lo que la derivación o el conmutador operan de una manera de a bloques de manera tal que tiene lugar una acción de conmutación o de puenteo, como mínimo después de un bloque de una cantidad predefinida de muestras de una señal, formando la cantidad predefinida una longitud de trama para el conmutador correspondiente. Por lo tanto, el gránulo para puentear mediante la derivación puede ser, por ejemplo un bloque de 2048 o 1028 muestras, y la longitud de trama, basándose en la cual la derivación está conmutando puede ser variable, pero es preferible que esté fijado en un intervalo más bien prolongado.

Contrariamente a ello, la longitud de bloque para el conmutador 200, es decir, cuando el conmutador 200 conmuta de un modo al otro, es sustancialmente menor que la longitud de bloque para el primer conmutador. Es preferible que ambas longitudes de bloque para los conmutadores se seleccionen de manera que la mayor longitud de bloque sea un número entero múltiplo de la longitud de bloque más pequeña. En la forma de realización preferida, la longitud de bloque es de 2048 y la longitud de bloque del segundo conmutador es de 1024 o más, preferiblemente 512 y más preferiblemente aún 256 y más preferiblemente aún 256 o incluso de 128 muestras por lo que, como máximo, el conmutador puede conmutar 16 veces cuando la derivación cambia solamente una vez.

En otra forma de realización, el controlador 300 está operativo para llevar a cabo una discriminación entre música y habla para el primer conmutador, de una manera tal que se favorece una decisión a favor del habla con respecto a la música. En esta forma de realización, se toma una decisión para el habla aunque una parte inferior al 50 % de una trama para el primer conmutador sea habla y la parte de más del 50 % del trama sea música.

Además, el controlador ya está operativo para conmutar al modo de habla, cuando una parte bastante pequeña de la primera trama sea habla y, específicamente, cuando una parte de la primera trama consista en habla, que es el 50% de la longitud de la segunda trama menor. Por lo tanto, una decisión de conmutación de favorecer el habla, preferida, ya se conmuta a habla incluso si, por ejemplo, sólo el 6% o 12% de un bloque correspondiente a la longitud de trama del primer conmutador consiste en habla.

Es preferible que este procedimiento, a fin de explotar por completo la capacidad de economizar la tasa de bits del primer ramal de procesamiento, que tiene un núcleo de habla vocalizada en una forma de realización y para no perder ninguna calidad ni siquiera para el resto de la primera trama grande, que es de no habla debido al hecho de que el segundo ramal de procesamiento incluye un conversor y, por ello es útil para señales de audio que también tengan señales de no-habla. Es preferible que este segundo ramal de procesamiento incluya un MDCT superpuesto críticamente muestreado, y que incluso con pequeños tamaños de ventana provean una operación sumamente eficiente y libre de aleatorización debido al procesamiento de cancelación de la aleatorización del dominio del tiempo tal como superponer y añadir en el lado del decodificador. Además una gran longitud de bloque para el primer ramal de codificación, preferiblemente un ramal de codificación de MDCT similar a AAC, es útil, ya que las señales de no habla se normalmente bastante estacionarias y una ventana de transformada grande provee una resolución de alta frecuencia, y por ello una alta calidad y, adicionalmente, provee una eficiencia en materia de tasa de bits debido a un módulo de cuantificación psicoacústicamente controlado, que también puede aplicarse al modo de codificación basado en transformada en el segundo ramal de procesamiento del segundo ramal de codificación.

Con respecto a la ilustración del decodificador de la figura 3d, se prefiere que la señal transmitida incluya un indicador explicito como información 4a secundaria, como se ilustra en la figura 3e. Esta información 4a secundaria se extrae mediante un analizador sintáctico de corrientes de bits, no ilustrado en la figura 3d, a fin de enviar la correspondiente primera señal procesada o segunda señal procesada al procesador correcto tal como el primer ramal inverso de procesamiento o el segundo ramal inverso de procesamiento en la figura 3d. Por ello, una señal codificada no sólo tiene señales codificadas/procesadas sino que también incluye información secundaria relacionada con estas señales. Sin embargo, en otras formas de realización puede haber una señalización implícita que permita que un analizador sintáctico de la corriente de bits del lado del decodificador distinga entre las señales determinadas. Con respecto a la figura 3e, se señala que la primera señal procesada o la segunda señal procesada sea la salida del segundo ramal de codificación y por ello la segunda señal codificada.

Es preferible que el primer ramal de decodificación y/o el segundo ramal inverso de procesamiento incluyan una transformada de MDCT para convertir desde el dominio espectral al dominio del tiempo. A tal efecto se provee un adicionador de superposición para llevar a cabo una funcionalidad de cancelación aleatorizante en el dominio del tiempo que, al mismo tiempo, provea un efecto de desvanecimiento cruzado para evitar bloquear artefactos. En términos generales, el primer ramal de decodificación convierte una señal codificada en el cuarto dominio en el primer dominio, mientras que el segundo ramal inverso de procesamiento para llevar a cabo una conversión a partir del tercer dominio al segundo dominio y el conversor subsiguientemente conectado al primer combinador, proporciona una conversión desde el segundo dominio al primer dominio de manera tal que, en la entrada del combinador 600, solo hay señales del primer dominio, que en la forma de realización de la figura 3d representan la señal de salida decodificada.

La figura 4c ilustra otro aspecto de una implementación de decodificador preferida. A fin de evitar artefactos audibles específicamente en una situación en la que el primer decodificador es un decodificador generador de aleatorización temporal o indicado en términos generales un decodificador en el dominio de la frecuencia y el segundo decodificador es un dispositivo en el dominio del tiempo, los limites entre los bloques o tramas emitidos por el primer decodificador 450 y el segundo decodificador 550 no deberían ser completamente continuos, específicamente en una situación de conmutación. Por lo tanto, cuando se emite el primer bloque del primer decodificador 450 y, cuando para la subsiguiente parte de tiempo se emite un bloque del segundo decodificador, se prefiere llevar a cabo una operación de desvanecimiento cruzado como se ilustra en el bloque 607 de desvanecimiento cruzado. A tal efecto, el bloque 607 de desvanecimiento cruzado podría implementarse como se ilustra en la figura 4c en 607a, 607b y 607c. Cada ramal podría tener un ponderador que tiene un factor de ponderación m1 con un valor de entre 0 y 1 en la escala normalizada, pudiendo el factor de ponderación variar como se indica en el gráfico 609, de manera que una regla de desvanecimiento cruzado de este tipo asegura que tiene lugar un desvanecimiento cruzado continuo y suave, que adicionalmente asegura que un usuario no percibirá ninguna variación de sonoridad. Pueden aplicarse reglas de desvanecimiento cruzado no lineales tales como una regla de desvanecimiento cruzado sin2, en lugar de una regla de desvanecimiento cruzado lineal.

En determinados casos, el último bloque del primer decodificador se generó mediante el uso de una ventana en donde la ventana en realidad llevó a cabo un desvanecimiento de este bloque. En este caso, el factor de ponderación m1 en el bloque 607a es igual a 1, y de hecho, no se requiere ninguna ponderación en absoluto para este ramal.

Cuando tiene lugar una conmutación desde el segundo decodificador hacia el primer decodificador, y cuando el segundo decodificador incluye una ventana que de hecho desvanece la salida hacia el extremo del bloque, entonces el ponderador indicado como “m2” no sería necesario, o el parámetro de ponderación puede ajustarse a 1 en la totalidad de la región de desvanecimiento.

Si el primer bloque después de una conmutación se generó mediante el uso de una operación de ventana, y si esta ventana realmente llevó a cabo una operación de “fundido en imagen”, entonces es también posible poner el correspondiente factor de ponderación a 1, por lo que un ponderador no es realmente necesario. Por ello, si el último bloque es objeto de una operación de ventana a fin de desvanecerse mediante el decodificador y si el primer bloque después de la conmutación es objeto de una operación de ventana mediante el uso del decodificador a fin de proveer un fundido en imagen, entonces los ponderadores 607a, 607b no se requieren en absoluto y es suficiente una operación de adición por el adicionador 607c.

En este caso, la parte de desvanecimiento de la última trama y el fundido en imagen en parte de la trama siguiente, definen la región de desvanecimiento cruzado indicada en el bloque 609. Por otra parte, se prefiere en una situación de este tipo que el último bloque de un decodificador tenga una determinada superposición de tiempo con el primer bloque del otro decodificador.

Si no se requiere una operación de desvanecimiento cruzado, o no es posible o no es deseada, y si sólo hay una conmutación dura de uno de los decodificadores al otro decodificador, se prefiere llevar a cabo una conmutación de este tipo en los pasajes silenciosos de la señal de audio o al menos en los pasajes de la señal de audio en los que hay una energía baja, es decir, que se perciben como silenciosos o casi silenciosos. En una forma de realización de este tipo, es preferible que la etapa 300 de decisión asegure que el conmutador 200 se active solamente cuando la correspondiente parte de tiempo que sigue al acontecimiento de conmutación tenga una energía que sea por ejemplo inferior a la energía media de la señal de audio, y sea preferiblemente inferior al 50% de la energía media de la señal de audio relacionada con, por ejemplo dos o incluso más partes/tramas de tiempo de la señal de audio.

Es preferible que la segunda regla de codificación /regla de decodificación sea un algoritmo de codificación basado en LPC de codificación. En la codificación de habla basada en LPC, se efectúa una diferenciación entre partes de señales o segmentos de señales de excitación similares a impulsos casi periódicos, y partes de señales o segmentos de señales de excitación similares a ruido. Esto se lleva a cabo para codificadores de voz de LPC con una tasa de bits muy baja (2,4 kbps) como en la figura 7b. Sin embargo, en los codificadores de CELP de velocidad media, la excitación se obtiene para la adición de vectores escalados a partir de un libro de código adaptable y un libro de código fijo.

Los segmentos de señales de excitación similares a impulsos casi periódicos, es decir, los segmentos de señales que tienen un paso específico, se codifican con mecanismos que son diferentes de los de las señales de excitación similares a ruido. Mientras que las señales de excitación de tipo impulso casi periódico se conectan al habla vocalizada, las señales de tipo ruido están relacionadas con el habla no vocalizada.

A modo de ejemplo se hace referencia a las figuras 5a a 5d. Aquí se exponen a modo de ejemplo partes de señales o segmentos de señales similares a impulsos casi periódicos y partes de señales o segmentos similares a ruido. Específicamente, un habla vocalizada como se ilustra en la figura 5a en el dominio del tiempo y en la figura 5b en el dominio de la frecuencia, se expone como un ejemplo para una parte de señal similar a un impulso casi periódico, y se expone un segmento de habla no vocalizado como un ejemplo de una parte de señal similar a ruido en relación con las figuras 5c y 5d. En términos generales, el habla puede clasificarse como vocalizada, no vocalizada, o mixta. En las figuras 5a a 5d se muestran gráficos de dominio de tiempo y frecuencia para segmentos vocalizados y no vocalizados. El habla vocalizada es casi periódica en el dominio del tiempo y está estructurada armónicamente en el dominio de la frecuencia, mientras que el habla no vocalizada es aleatoria y de banda ancha. El espectro de tiempo corto del habla vocalizada se caracteriza por su estructura fina y formante. La estructura armónica fina es una consecuencia de la casi periodicidad del habla, y puede atribuirse a las cuerdas vocales vibrantes. La estructura formante (envoltura espectral) se debe a la interacción de la fuente y tractos vocales. Los tractos vocales consisten en la faringe y la cavidad de la boca. La forma de la envoltura espectral que “encaja” (fits) el espectro de tiempo breve del habla vocalizada, está asociada con las características de transferencia del tracto vocal y de la pendiente espectral (6 dB /octava) debido al pulso glótico. La envoltura espectral se caracteriza por un conjunto de picos que llevan la denominación de “formantes”. Los formantes son los nodos resonantes del tracto vocal. Para el tracto vocal promedio hay de tres a cinco formantes inferiores a 5 kHz. Las amplitudes y localizaciones de los tres primeros formantes, que habitualmente tiene lugar por debajo de los 3 kHz, son ambas bastante importantes, en la síntesis y percepción del habla. Los formantes superiores son también importantes para representaciones de banda ancha y de habla no vocalizada. Las propiedades del habla están relacionadas con el sistema de producción del habla física, como sigue. El habla vocalizada se produce excitando el tracto vocal con pulsos de aire glóticos casi periódicos generados por las cuerdas vocales vibrantes. La frecuencia de los pulsos periódicos lleva la denominación de frecuencia o paso fundamental. El habla no vocalizada se produce forzando el paso del aire a través de una constricción en las cuerdas vocales. Los sonidos nasales se deben al acoplamiento acústico del tracto nasal al tracto vocal, y los sonidos (ex)plosivos se producen mediante la liberación abrupta de la presión de aire que se había acumulado detrás del cierre en el tracto.

Por lo tanto, una parte similar a ruido de la señal de audio no muestra ni estructura en el dominio del tiempo similar a impulsos ni estructura armónica en el dominio de la frecuencia, como se ilustra en la figura 5c y en la figura 5d, que es diferente de la parte similar a impulso casi periódica como se ilustra por ejemplo en la figura 5a y en la figura 5b. Sin embargo, y como se señalará más adelante, la diferenciación entre las partes similares a ruido y las partes similares a pulsos casi periódicos, también puede observarse después de un LPC para la señal de excitación. El LPC es un método que modeliza el tracto vocal y extrae de la señal la excitación de los tractos vocales.

Por otro lado, las partes similares a impulsos casi periódicos y las partes similares a ruido pueden presentarse de una manera oportuna, es decir, lo que significa que una parte de la señal de audio en el tiempo es ruidosa y otra parte de la señal de audio en el tiempo es casi periódica, es decir, tonal. Alternativa, o adicionalmente, la característica de una señal puede ser diferente en diferentes bandas de frecuencia. Por lo tanto, la determinación de si la señal de audio es ruidosa o tonal, también puede llevarse a cabo de manera selectiva en las frecuencias de manera que una determinada frecuencia de banda o varias bandas de frecuencia se consideran ruidosas y otras bandas de frecuencia se consideran tonales. En este caso, una determinada parte de tiempo de la señal de audio podrían incluir componentes tonales y componentes ruidosos.

La figura 7a ilustra un modelo lineal de un sistema de producción de habla. Este sistema supone una excitación en dos etapas, es decir, un tren de impulsos para el habla vocalizada como se indica en la figura 7c, y un ruido aleatorio para el habla no vocalizada como se indica en la figura 7d. El tracto vocal se modeliza como un filtro 70 todo polo que procesa los pulsos de la figura 7c o de la figura 7d, generados por el modelo 72 glótico. Por lo tanto, el sistema de la figura 7a puede reducirse a un modelo de filtro todo polo de la figura 7b que tiene una etapa 77 de ganancia, una trayectoria 78 hacia delante, una trayectoria 79 de retroalimentación, y una etapa 80 de adición. En la trayectoria 79 de retroalimentación, hay un filtro 81 de predicción, y la totalidad del sistema de síntesis del modelo de fuente, ilustrado en la figura 7b, puede representarse mediante el uso de funciones en el dominio de las z, como sigue:

S(z)=g/(1-A(z))·X(z),

donde g representa la ganancia, A(z) es el filtro de predicción determinado mediante un análisis de LP, X(z) es la señal de excitación, y S(z) es la salida de habla de la síntesis.

Las figuras 7c y 7d dan una descripción gráfica del dominio del tiempo de la síntesis del habla, vocalizada y no vocalizada, mediante el uso del modelo del sistema de fuente lineal. Este sistema y los parámetros de excitación en la ecuación anterior, son desconocidos y han de determinarse a partir de un conjunto finito de muestras del habla. Los coeficientes of A(z) se obtienen mediante una predicción lineal de la señal de entrada y una cuantificación de los coeficientes de filtro. En un predictor lineal directo de orden p, la muestra presente de la secuencia del habla se predice a partir de una combinación lineal de p muestras pasadas. Los coeficientes predictores pueden determinarse mediante algoritmos bien conocidos tales como el algoritmo de Levinson-Durbin, o en términos generales mediante un método de autocorrelación o mediante un método de reflexión.

La figura 7e ilustra una implementación más detallada del bloque 510 de análisis de LPC. La señal de audio se introduce en un bloque de determinación de filtro que determina la información de filtro A(z). Esta información se emite como la información de predicción a corto plazo requerida para un decodificador. Esta información se cuantifica mediante un cuantificador 81 como se sabe, por ejemplo de la especificación AMR-WB+. La información de predicción a corto plazo es requerida por el filtro 85 de predicción real. En un sustractor 86, se introduce una muestra actual de la señal de audio, y se resta un valor predicho para la muestra vigente de modo que para esta muestra, la señal de error de predicción se genera en la línea 84. En la figura 7c ó 7d se ha ilustrado de manera muy esquemática una secuencia de tales muestras de señales de errores de predicción. Por ello, las figuras 7c, 7d pueden considerarse como una especie de señal similar a impulso rectificada.

Mientras que en la figura 7e se ilustra una manera preferida para calcular la señal de excitación, en la figura 7f se ilustra una manera preferida para calcular la señal ponderada. A diferencia de la figura 7e, el filtro 85 es diferente, cuando y es diferente de 1. Para y se prefiere un valor inferior a 1. Por otra parte, el bloque 87 está presente, y es preferible que 1 sea un valor inferior a 1. En términos generales, los elementos en las figuras 7e y 7f pueden implementarse como en 3GPP TS 26.190 o en 3GPP TS 26.290.

La figura 7g ilustra un procesamiento inverso que puede aplicarse en el lado del decodificador tal como en el elemento 537 de la figura 2b. En particular, el bloque 88 genera una señal no ponderada a partir de la señal ponderada, y el bloque 89 calcula una excitación a partir de la señal no ponderada. En términos generales, todas las señales, con la excepción de la señal no ponderada en la figura 7g se hallan en el dominio de LPC, pero la señal de excitación y la señal ponderada son señales diferentes en el mismo dominio. El bloque 89 emite una señal de excitación que puede seguidamente utilizarse junto con la salida de bloque 536. A continuación puede llevarse a cabo la transformada de LPC inversa común en el bloque 540 de la figura 2b.

Subsiguientemente se expondrá un codificador de CELP de análisis-por-síntesis en relación con la figura 6 a fin de ilustrar las modificaciones aplicadas a este algoritmo. Este codificador CELP se expone con detalle en: “Speech Coding: A Tutorial Review”, Andreas Spanias, Proceedings of the IEEE, Vol. 82, n.º 10, October 1994, págs. 1541-1582. El codificador CELP ilustrado en la figura 6 incluye un componente 60 de predicción a largo plazo y un componente 62 de predicción a corto plazo. Además, se utiliza un libro de código que se indica con el número de referencia 64. Un filtro de ponderación perceptual W(z) se ha implementado en 66, y se ha provisto un controlador de la minimización de errores en 68. s(n) es la señal de entrada en el dominio del tiempo. Después de haberse ponderado visualmente, la señal ponderada se introduce en un sustractor 69, que calcula el error entre la señal de síntesis ponderada en la salida de bloque 66 y la señal original ponderada sw(n). En términos generales, los coeficientes de filtro de predicción a corto plazo A(z) se calculan mediante una etapa de análisis de LP, y suscoeficientes se cuantifican en Â(z), como se indica en la figura 7e. La información de predicción a largo plazo AL(z) que incluye la ganancia de predicción a largo plazo g y el índice de cuantificación de los vectores, es decir, las referencias del libro de código se calculan en la señal de error de predicción en la salida de la etapa de análisis de LPC indicada como 10a en la figura 7e. Los parámetros de LTP son el retardo de paso y la ganancia. En el CELP esto se implementa habitualmente en forma de un libro de código adaptable que contiene la señal de excitación anterior (no la residual). El retardo de CB adaptable y la ganancia se encuentran mediante la minimización del error ponderado cuadrático (búsqueda del paso en bucle cerrado, closed-loop pitch search).

El algoritmo de CELP codifica seguidamente la señal residual obtenida después de las predicciones a corto plazo y a largo plazo mediante el uso de un libro de código de por ejemplo secuencias gaussianas. El algoritmo de ACELP, donde “A” representa “Algebraico” tiene un libro de código específico diseñado algebraicamente.

Un libro de código puede contener más o menos vectores, teniendo cada vector una longitud de varias muestras. Un factor de ganancia, g, escala el vector de código, y el código ganado se filtra mediante el filtro de síntesis de predicción a largo plazo y el filtro de síntesis de predicción a corto plazo. El vector de código “óptimo” se selecciona de manera que se minimiza el error cuadrático medio perceptualmente ponderado en la salida del sustractor 69. El proceso de búsqueda en el CELP se efectúa mediante una optimización de análisis-por-síntesis como se ilustra en la figura 6.

Para casos específicos, cuando una trama es una mezcla de habla no vocalizada y vocalizada o cuando tiene lugar un habla sobre la música, una codificación de TCX puede ser más adecuada para codificar la excitación

en el dominio de LPC. La codificación de TCX procesa la señal ponderada en el dominio de la frecuencia sin efectuar ninguna suposición en cuanto a la producción de la excitación. El TCX es por lo tanto más genérico que la codificación de CELP, y no se restringe a un modelo de fuente vocalizado o no vocalizado de la excitación. El TCX sigue siendo una codificación de modelo de fuente -filtro que utiliza un filtro predictivo lineal para modelizar los formantes de las señales similares al habla.

En la codificación similar a AMR-WB+-, tiene lugar una selección entre diferentes modos de TCX y ACELP, como se sabe de la descripción del AMR-WB+. Los modos de TCX son diferentes, ya que la longitud de la Transformada Discreta de Fourier, de a bloques, es diferente para diferentes modos, y puede seleccionarse el mejor modo mediante un enfoque de análisis por síntesis o mediante un modo de “alimentación hacia delante” directa (direct “feedforward” mode).

Como se expuso en relación con las figuras 2c y 2d, es preferible que la etapa 100 de procesamiento previo en común incluya un multicanal 101 conjunto (dispositivo estéreo conjunto /de surround) y, adicionalmente, una etapa 102 de ampliación de ancho de banda. De manera correspondiente, el decodificador incluye una etapa 701 de ampliación de ancho de banda y una etapa 702 multicanal conjunta conectada subsiguientemente. Es preferible que la etapa 101 de multicanal conjunta esté conectada, con respecto al codificador, antes de la etapa 102 de ampliación del ancho de banda, y, en el lado del decodificador, que la etapa 701 de ampliación de ancho de banda esté conectada antes de la etapa 702 de multicanal conjunta con respecto a la dirección de procesamiento de la señal. Sin embargo, alternativamente, la etapa de procesamiento previo en común puede incluir una etapa multicanal conjunta sin la etapa de ampliación subsiguientemente conectada o una etapa de ampliación de ancho de banda sin una etapa multicanal conjunta conectada.

En el contexto de la figura 8 se ilustra un ejemplo preferido para una etapa multicanal conjunta en el lado del codificador 101a, 101b y en el lado del decodificador 702a y 702b. Se introduce un número de E canales de entrada originales en el mezclador 101a descendente de manera que el mezclador descendente genere un número de K canales transmitidos, donde el número K es mayor o igual a uno, y es inferior o igual a E.

Es preferible que los E canales de entrada se introduzcan en un analizador 101b conjunto de los parámetros multicanal , que genera información paramétrica. Es preferible que esta información paramétrica se codifique por entropía tal como mediante una codificación diferente y subsiguiente codificación de Huffman o, alternativamente, subsiguiente codificación aritmética. La información paramétrica codificada emitida por el bloque 101d se transmite a un decodificador 702b de parámetros que puede ser parte del ítem 702 en la figura 2b. El decodificador 702b de parámetros decodifica la información paramétrica transmitida, y envía la información paramétrica decodificada al mezclador 702a ascendente. El mezclador 702a ascendente recibe los K canales transmitidos y genera un número de L canales de salida, siendo el número L mayor que o igual a K, e inferior o igual a E.

La información paramétrica puede incluir diferencias de nivel entre canales, diferencias de tiempo entre canales, diferencias de fase entre canales y/o medidas de coherencia entre canales, como se sabe de la técnica de BCC o como se conoce y describe en detalle en la norma de MPEG surround. La cantidad de canales transmitidos puede ser un sólo canal mono para aplicaciones de tasa de bits ultra baja, o puede incluir una aplicación estéreo compatible, o puede incluir una señal estéreo compatible, es decir, dos canales. Normalmente, el número de E canales de salida puede ser de cinco o tal vez incluso mayor. De manera alternativa, el número de E canales de salida también puede ser E objetos de audio, como se sabe en el contexto del SAOC (spatial audio object coding, codificación de objeto audio espacial).

En una implementación, el mezclador descendente lleva a cabo una adición, ponderada o sin ponderar, de los E canales de entrada originales o una adición de los E objetos de audio de entrada. En el caso de los objetos de audio como canales de entrada, el analizador 101b conjunto de los parámetros multicanal, calculará preferiblemente los parámetros de objetos de audio tales como una matriz de correlación entre los objetos de audio; preferiblemente para cada parte de tim’o e incluso más preferiblemente para cada banda de frecuencia. A tal efecto, es posible dividir la totalidad del intervalo de frecuencia en al menos 10 y preferiblemente 32 ó 64 bandas de frecuencia.

La figura 9 ilustra una forma de realización preferida para la implementación de la etapa 102 de ampliación del ancho de banda, en la figura 2a y la correspondiente etapa 701 de ampliación de ancho de banda, en la figura 2b. En el lado del codificador, es preferible que el bloque 102 de ampliación de ancho de banda incluya un bloque 102b de filtrado de paso bajo, un bloque de muestreador descendente, que sigue al paso bajo, o que es parte del QMF inverso, que actúa sobre solamente la mitad de las bandas de QMF, y un analizador 102a de banda alta. La señal de audio original de entrada en el bloque 102 de ampliación de ancho de banda es objeto de filtrado de paso bajo para generar la señal de banda baja que se introduce seguidamente en los ramales de codificación y/o el conmutador. El filtro de paso bajo tiene una frecuencia de corte que puede estar en el intervalo de 3 kHz a 10 kHz. Por otra parte, el bloque 102 de ampliación de ancho de banda, incluye además un analizador de banda alta para calcular los parámetros de ampliación de ancho de banda tales como una información sobre los parámetros de envoltura espectral, una información sobre los parámetros del umbral mínimo de ruido, una información sobre los parámetros de filtrado inverso, otra información paramétrica relacionada con determinadas líneas armónicas en la

banda alta y parámetros adicionales, tal como se expuso en detalle en la norma MPEG-4 en el capítulo relacionado con la replicación de banda espectral.

En el lado del decodificador, el bloque 701 de ampliación de ancho de banda incluye un emparchador 701a, un ajustador 701b y un combinador 701c. El combinador 701c combina la señal de banda baja decodificada y la señal de banda alta ajustada emitida por el ajustador 701b. La entrada en el ajustador 701b está provista por un emparchador que se hace funcionar para derivar la señal de banda alta de la señal de banda baja, tal como mediante replicación de banda espectral, o en términos generales, mediante una ampliación de ancho de banda. El emparchado llevado a cabo por el emparchador 701a puede ser un emparchado llevado a cabo de una manera armónica o de una manera no armónica. La señal generada por el emparchador 701a se ajusta subsiguientemente por el ajustador 701b mediante el uso de la información paramétrica transmitida sobre la ampliación del ancho de banda.

Como se indica en las figuras 8 y 9, en una forma de realización preferida los bloques descritos pueden tener una entrada de control de modo. Esta entrada de control de modo se deriva de la señal de salida de etapa 300 de decisión. En una forma de realización preferida de este tipo, una característica de un bloque correspondiente puede adaptarse a la salida de la etapa de decisión, es decir, si en una forma de realización preferida, se toma una decisión acerca de habla o una decisión de música para una determinada parte de tiempo de la señal de audio. Es preferible que el control de modo se refiera solamente a una o más de las funcionalidades de estos bloques pero no a la totalidad de las funcionalidades de los bloques. Por ejemplo, la decisión puede influir solamente sobre el emparchador 701a, pero es posible que no influya sobre los otros bloques en la figura 9, o pueden por ejemplo influir solamente sobre el analizador 101b conjunto de los parámetros de multicanal, en la figura 8 pero no sobre los otros bloques en la figura 8. Es preferible que esta implementación sea tal que se obtenga una señal de salida de mayor flexibilidad, mayor calidad y menor tasa de bits, al proporcionar flexibilidad en la etapa de procesamiento previo en común. Sin embargo, por otra parte el uso de algoritmos en la etapa de procesamiento previo en común para ambos tipos de señales, permite implementar un esquema de codificación/decodificación eficiente.

Las figuras 10a y 10b ilustran dos implementaciones diferentes de la etapa 300 de decisión. En la figura 10a, se indica una decisión de bucle abierto. En este caso, el analizador 300a de señales en la etapa de decisión tiene determinadas reglas a fin de decidir si la determinada parte de tiempo o una determinada parte de frecuencia de la señal de entrada tiene una característica que requiere que esta parte de señal esté codificada por el primer ramal 400 de codificación o por el segundo ramal 500 de codificación. A tal efecto, el analizador 300a de señales puede analizar la señal de audio de entrada en la etapa de procesamiento previo en común, o puede analizar la señal de audio emitida por la etapa de procesamiento previo en común, es decir, la señal intermedia de audio, o puede analizar una señal intermedia dentro de la etapa de procesamiento previo en común tal como la salida de la señal de mezclado descendente que puede ser una señal mono o que puede ser una señal que tiene k canales indicadas en la figura 8. En el lado de salida, el analizador 300a de señales genera la decisión de conmutación para controlar el conmutador 200 en el lado del codificador o el correspondiente conmutador 600 o el combinador 600 en el lado del decodificador.

Como alternativa, la etapa 300 de decisión puede llevar a cabo una decisión de bucle cerrado, lo que significa que ambos ramales de codificación llevan a cabo sus tareas sobre la misma parte de la señal de audio y ambas señales codificadas se decodifican por los correspondientes ramales 300c, 300d de decodificación. La salida de los dispositivos 300c y 300d se introduce en un comparador 300b que compara la salida de los dispositivos de decodificación para colocar la correspondiente parte de por ejemplo la señal intermedia de audio. Seguidamente, y en función de una función de costo tal como una razón de señal respecto a ruido para cada ramal, se lleva a cabo una decisión de conmutación. Esta decisión de bucle cerrado tiene una complejidad incrementada en comparación con la decisión de bucle abierto, pero esta complejidad existe solamente en el lado del codificador, y un decodificador no tiene ninguna desventaja debido a este procesamiento ya que el decodificador puede utilizar de manera ventajosa la salida de esta decisión de codificación. Por ello se prefiere el modo de bucle cerrado debido a consideraciones de complejidad y calidad en aquellas aplicaciones en las que la complejidad del decodificador no es un problema como en aplicaciones de radiodifusión donde existe solamente una pequeña cantidad de codificadores pero existe una gran cantidad de decodificadores, que además han de ser inteligentes y baratos.

La función de costo aplicada por el comparador 300d puede ser una función de costo basada en aspectos de calidad, o puede ser una función de costo basada en aspectos de ruido, o puede ser una función de costo basada en aspectos de tasa de bits, o puede ser una función de costos combinada basada en cualquier combinación de tasa de bits, calidad, ruido (introducido por los artefactos de codificación, específicamente, por la cuantificación), etc.

Es preferible que el primer ramal de codificación o el segundo ramal de codificación incluya una funcionalidad de distorsión del tiempo en el lado del codificador y correspondientemente en el lado del decodificador. En una forma de realización, el primer ramal de codificación comprende un módulo de distorsión del tiempo para calcular una característica de distorsión variable que depende de una parte de la señal de audio, un remuestreador para muestrear nuevamente según la característica de distorsión determinada, un conversor de dominio del tiempo/dominio de la frecuencia, y un codificador de entropía para convertir un resultado del conversor de dominio del tiempo/dominio de la frecuencia en una representación codificada. La característica variable de distorsión está incluida en la señal de audio codificada. Esta información se lee en un ramal de decodificación reforzada en

distorsión de tiempo, y procesada para tener finalmente una señal de salida en una escala de tiempo no distorsionada. Por ejemplo, el ramal de decodificación lleva a cabo una decodificación de entropía, decuantificación y una conversión a partir del dominio de la frecuencia de regreso al dominio del tiempo. En el dominio del tiempo, puede aplicarse una operación inversa a la distorsión, y la misma puede ser seguida por una correspondiente 5 operación de remuestreo obtener finalmente una señal de audio discreta con una escala de tiempo no distorsionada.

En función de determinados requisitos para la implementación de los métodos inventivos, los métodos inventivos pueden implementarse en hardware o en software. La implementación puede llevarse a cabo mediante el uso de un medio de almacenamiento digital, en particular, un disco, un DVD o un CD que tenga señales de control electrónicamente legibles almacenadas en ellos, que cooperen con sistemas de ordenador programables de manera

10 que los métodos inventivos se lleven a cabo. En términos generales, la presente invención es por lo tanto un producto de programa informático con un código de programa almacenado en un portador legible por máquina, operándose el código de programa para llevar a cabo los métodos inventivos cuando el producto de programa informático se ejecuta en un ordenador. En otras palabras, los métodos inventivos son por ello un programa informático que tiene un código de programa para llevar a cabo al menos uno de los métodos inventivos cuando el

15 programa informático se ejecuta en un ordenador.

La señal de audio codificada inventiva puede almacenarse en un medio de almacenamiento digital, o puede transmitirse en un medio de transmisión tal como un medio de transmisión inalámbrica o un medio de transmisión por cable tal como Internet.

Las formas de realización anteriormente son meramente ilustrativas de los principios de la presente

20 invención. Se entiende modificaciones y variaciones de las disposiciones y de los detalles descritos en el presente documento serán evidentes para los expertos en la técnica. Por ello la intención es que la invención se limite solamente por los alcances de las reivindicaciones de patente adjuntas, y no por los detalles específicos presentados en modo descriptivo y explicativo de las formas de realización en el presente documento.

Claims

REIVINDICACIONES

1. Aparato para codificar una señal de audio para obtener una señal de audio codificada, estando la señal de audio en un primer dominio, que comprende:

un primer conversor (510) de dominio para convertir la señal de audio desde el primer dominio en un segundo dominio;

una derivación (50) conmutable para puentear el primer conversor (510) de dominio si la derivación conmutable se pone en un estado activo o para ocasionar una conversión de la señal de audio por el primer conversor (510) de dominio si la derivación conmutable se pone en un estado inactivo en respuesta a una señal (51) de control de conmutación de la derivación;

un segundo conversor (410) de dominio para convertir una señal de audio recibida desde la derivación (50) conmutable o el primer conversor (510) de dominio en un tercer dominio, siendo el tercer dominio diferente del segundo dominio;

un primer procesador (420) para codificar la señal de audio del tercer dominio según un primer algoritmo de codificación; y

un segundo procesador (520) para codificar la señal de audio recibida desde el primer conversor (510) de dominio si la derivación conmutable se pone en un estado inactivo según un segundo algoritmo de codificación que es diferente del primer algoritmo de codificación para obtener una segunda señal procesada,

en el que la señal codificada para una parte de la señal de audio incluye la primera señal procesada o la segunda señal procesada.
2.

Aparato según la reivindicación 1, en el que el primer conversor (510) de dominio comprende un filtro de análisis de LPC para el filtrado en LPC de la señal de audio para obtener una señal residual de LPC y datos de parámetros de LPC.
3.

Aparato según la reivindicación 1 ó 2, en el que el segundo conversor (410) de dominio comprende un conversor de tiempo-frecuencia para convertir una señal de entrada en una representación espectral de la misma.
4.

Aparato según una de las reivindicaciones anteriores, en el que el segundo procesador (520) está operativo para generar una señal de salida codificada de manera que la señal de salida codificada esté en el mismo dominio que una señal de entrada en el segundo procesador (520).
5.

Aparato según una de las reivindicaciones anteriores, en el que el primer procesador (420) comprende un cuantificador y un codificador de entropía y en el que el segundo procesador (520) comprende un codificador de fuente basado en un libro de código.
6.

Aparato según una de las reivindicaciones anteriores, en el que el primer procesador (420) se basa en un modelo de sumidero de información y el segundo procesador (520) se basa en un modelo de fuente de información.
7.

Aparato según una de las reivindicaciones anteriores, que además comprende una etapa (200) de conmutación conectada entre una salida del primer conversor (510) de dominio y una entrada del segundo conversor (410) de dominio y una entrada del segundo procesador (520),

en el que la etapa (200) de conmutación está adaptada para conmutar entre la entrada del segundo conversor (410) de dominio y la entrada del segundo procesador (520) en respuesta a una señal de control de la etapa de conmutación.
8.

Aparato según una de las reivindicaciones anteriores, en el que una salida de la derivación (50) conmutable está conectada a una salida del primer conversor (510) de dominio y una entrada de la derivación (50) conmutable está conectada a una entrada en el primer conversor (510) de dominio.
9.

Aparato según una de las reivindicaciones anteriores, que además comprende un clasificador de señales para controlar la derivación (50) conmutable para una parte de la señal de audio en función de un resultado de análisis para la parte de la señal de audio.
10.

Aparato según una de las reivindicaciones anteriores, en el que el segundo conversor (410) de dominio está operativo para convertir una señal de entrada por bloques y en el que el segundo conversor de dominio está operativo para llevar a cabo una conmutación basada en bloques en respuesta a un análisis de señal de audio de manera que se controla el segundo conversor (410) de dominio porque los bloques de diferentes longitudes se convierten en función del contenido de la señal de audio.
11.

Método para codificar una señal de audio para obtener una señal de audio codificada, estando la señal de audio en un primer dominio, que comprende:

convertir (510) la señal de audio del primer dominio en un segundo dominio;

puentear (50) la etapa de la conversión (510) de la señal de audio del primer dominio en un segundo dominio u ocasionar una conversión de la señal de audio del primer dominio en un segundo dominio en respuesta a una señal (51) de control de conmutación de la derivación;

convertir (410) una señal (50) de audio derivada o una señal de audio en el segundo dominio en un tercer dominio, siendo el tercer dominio diferente del segundo dominio;

codificar (420) la señal de audio del tercer dominio generada por la etapa de convertir (410) la señal (50) de audio derivada o la señal de audio en el segundo dominio según un primer algoritmo de codificación; y

codificar (520) la señal de audio en el segundo dominio si la derivación (50) no se ha activado según un segundo algoritmo de codificación que es diferente del primer algoritmo de codificación para obtener una segunda señal procesada,

en el que la señal codificada para una parte de la señal de audio incluye la primera señal procesada o la segunda señal procesada.
12. Aparato para decodificar una señal de audio codificada, comprendiendo la señal de audio codificada una primera señal procesada que está en un tercer dominio y una segunda señal procesada que está en un segundo dominio, en el que el segundo dominio y el tercer dominio son diferentes entre sí, que comprende:

un primer procesador (430) inverso para el procesamiento inverso de la primera señal procesada;

un segundo procesador (530) inverso para el procesamiento inverso de la segunda señal procesada;

un segundo conversor (440) para la conversión de dominio de la primera señal procesada inversa del tercer dominio en un dominio diferente;

un primer conversor (540) para convertir la segunda señal procesada inversa en un primer dominio o para convertir la primera señal procesada inversa, que se convirtió en un dominio diferente, en el primer dominio cuando el dominio diferente no es el primer dominio; y

una derivación (52) para puentear el primer conversor (540) cuando el dominio diferente es el primer dominio.
13.

Aparato según la reivindicación 12, que además comprende un combinador (600) para combinar una salida del primer conversor (540) y una salida de la derivación (52) para obtener una señal (699) de audio decodificada combinada.
14.

Aparato para decodificar según una cualquiera de las reivindicaciones 12 ó 13, que además comprende una interfaz (900) de entrada para extraer, de una señal de audio codificada, la primera señal procesada, la segunda señal procesada y la señal de control indicativa de si para una determinada primera señal procesada inversa, el primer conversor (540) debe puentearse por la derivación o no.
15.

Aparato para decodificar según una cualquiera de las reivindicaciones 12 a 14, en el que el primer conversor (540) comprende una etapa de síntesis de codificación de predicción lineal (LPC), y

en el que el segundo conversor (440) comprende un conversor de tiempo espectral para convertir una representación espectral de una señal de audio en una representación de tiempo de la señal de audio.
16.

Aparato para decodificar según una cualquiera de las reivindicaciones 12 a 15, en el que el primer procesador (430) inverso comprende un decodificador de entropía y un decuantificador y en el que el segundo procesador (530) inverso comprende el decodificador de fuente basado en un libro de código.
17.

Aparato para decodificar según una cualquiera de las reivindicaciones 12 a 16, en el que el segundo conversor (440) está operativo para llevar a cabo una operación de filtrado de síntesis tal como una operación inversa de filtrado de transformada de coseno discreta modificada distorsionada en tiempo controlable mediante información (434) adicional incluida en la señal de audio codificada.
18.

Método para decodificar una señal de audio codificada, comprendiendo la señal de audio codificada una primera señal procesada que está en un tercer dominio y una segunda señal procesada que está en un segundo dominio, en el que el segundo dominio y el tercer dominio son diferentes entre sí, que comprende:

el procesamiento (430) inverso de la primera señal procesada;

el procesamiento (530) inverso de la segunda señal procesada;

la conversión (440) de segundo dominio de la primera señal procesada inversa del tercer dominio en un

dominio diferente;

5

la conversión (540) de primer dominio de la segunda señal procesada inversa en un primer dominio o la conversión de la primera señal procesada inversa, que se convirtió en un dominio diferente, en el primer

dominio cuando el dominio diferente no es el primer dominio; y

puentear (52) la etapa de la conversión (540) de primer dominio cuando el dominio diferente es el primer

dominio.

10

19. Programa informático para llevar a cabo, cuando se ejecuta en un ordenador, un método para codificar una señal de audio según la reivindicación 11 o un método para decodificar una señal de audio codificada

según la reivindicación 18.