ES2659838T3 - Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de errores en base a una señal de excitación de dominio de tiempo - Google Patents

Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de errores en base a una señal de excitación de dominio de tiempo Download PDF

Info

Publication number
ES2659838T3
ES2659838T3 ES14790073.2T ES14790073T ES2659838T3 ES 2659838 T3 ES2659838 T3 ES 2659838T3 ES 14790073 T ES14790073 T ES 14790073T ES 2659838 T3 ES2659838 T3 ES 2659838T3
Authority
ES
Spain
Prior art keywords
audio
time domain
tone
information
error concealment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES14790073.2T
Other languages
English (en)
Inventor
Jérémie Lecomte
Goran MARKOVIC
Michael Schnabel
Grzegorz PIETRZYK
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Original Assignee
Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV filed Critical Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Application granted granted Critical
Publication of ES2659838T3 publication Critical patent/ES2659838T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/005—Correction of errors induced by the transmission channel, if related to the coding algorithm
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/09—Long term prediction, i.e. removing periodical redundancies, e.g. by using adaptive codebook or pitch predictor
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
    • G10L19/125—Pitch excitation, e.g. pitch synchronous innovation CELP [PSI-CELP]
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/90—Pitch determination of speech signals
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L2019/0001—Codebooks
    • G10L2019/0011—Long term prediction filters, i.e. pitch estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mathematical Physics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Detection And Prevention Of Errors In Transmission (AREA)

Abstract

Un decodificador de audio (100; 300) para proporcionar una información de audio decodificada (112; 312) en base a una información de audio codificada (110; 310), comprendiendo el decodificador de audio: un ocultamiento de errores (130; 380; 500) configurado para proporcionar una información de audio de ocultamiento de errores (132; 382; 512) para el ocultamiento de una pérdida de una trama de audio después de una trama de audio codificada en una representación de dominio de frecuencia (322) usando una señal de excitación de dominio de tiempo (532); estando el decodificador de audio caracterizado porque: el ocultamiento de errores (130: 380; 500) está configurado para combinar una señal de excitación de dominio de tiempo extrapolada (552) y una señal de ruido (562), para obtener una señal de entrada (572) para una síntesis de LPC (580), y en el que el ocultamiento de errores está configurado para realizar la síntesis de LPC, en el que la síntesis de LPC está configurada para filtrar la señal de entrada (572) de la síntesis de LPC dependiendo de los parámetros de codificación de predicción lineal, para obtener la información de audio de ocultamiento de errores (132; 382; 512), en el que el ocultamiento de errores (130; 380; 500) está configurado para un filtro de paso alto de la señal de ruido (562) que se combina con la señal de excitación de dominio de tiempo extrapolada (552).

Description

Campo técnico
Realizaciones de acuerdo con la invención crean decodificadores de audio para proporcionar una información de audio decodificada en base a una información de audio codificada.
10 Algunas realizaciones de acuerdo con la invención crean métodos para proporcionar una información de audio decodificada en base a una información de audio codificada.
Algunas realizaciones de acuerdo con la invención crean programas de ordenador para la realización de uno de 15 dichos métodos.
Algunas realizaciones de acuerdo con la invención se refieren a un ocultamiento de dominio de tiempo para un códec de dominio de transformada.
20 Antecedentes de la invención
En los últimos años, ha habido una creciente demanda de transmisión y almacenamiento digital de contenidos de audio. Sin embargo, los contenidos de audio con frecuencia son transmitidos sobre canales no fiables, lo que acarrea el riesgo de que las unidades de datos (por ejemplo, paquetes) que comprenden una o más tramas de audio 25 (por ejemplo, en la forma de una representación codificada, como una representación de dominio de tiempo codificada o una representación de dominio de frecuencia codificada) se pierdan. En algunas situaciones, sería posible requerir una repetición (reenvío) de las tramas de audio perdidas (o de unidades de datos, como paquetes, que comprenden una o más tramas de audio perdidas). Sin embargo, esto típicamente produciría un retardo sustancial, y, por lo tanto, requerirá un extenso almacenamiento temporal de tramas de audio. En otros casos, es
30 casi imposible requerir una repetición de tramas de audio perdidas.
Para obtener una buena, o al menos aceptable, calidad de audio dado el caso que las tramas de audio se pierdan sin proporcionar un extenso almacenamiento temporal (lo que consumiría una gran cantidad de memoria, y lo que, además, degradaría sustancialmente las capacidades en tiempo real de la codificación de audio), es deseable tener
35 conceptos para manejar una pérdida de una o más tramas de audio. En particular, es deseable tener conceptos que produzcan una buena calidad de audio, o por lo menos, una calidad de audio aceptable, incluso, en el caso de que las tramas de audio se pierdan.
En el pasado, se han desarrollado algunos conceptos de ocultamiento de errores, que pueden emplearse en 40 diferentes conceptos de codificación de audio.
A continuación, se describirá un concepto de codificación de audio convencional.
En el estándar 3gpp TS26.290 se explica una decodificación de excitación codificada transformada (decodificación 45 TCX) con ocultamiento de errores. A continuación, se proporcionarán algunas explicaciones, que se basan en la sección de “Síntesis de señal y decodificación de modo TCX” en la referencia [1].
Un decodificador TCX de acuerdo con el Estándar Internacional 3gpp TS 26.290 se muestra en las figuras 7 y 8, en el que las figuras 7 y 8 muestran diagramas de bloques del decodificador TCX. Sin embargo, la figura 7 muestra
50 aquellos bloques funcionales que son relevantes para la decodificación TCX en una operación normal, o en un caso de una pérdida de paquetes parcial. En contraste, la figura 8 muestra el procesamiento relevante de la decodificación TCX en el caso de ocultamiento de borrado de paquetes TCX256.
En otras palabras, las figuras 7 y 8 muestran un diagrama de bloques del decodificador TCX que incluye los 55 siguientes casos:
Caso 1 (figura 8): Ocultamiento de borrado de paquetes en TCX256 cuando la longitud de trama TCX es de 256 muestras y el paquete relacionado está perdido, es decir, BFI_TCX = (1); y
60 Caso 2 (figura 7): Decodificación TCX normal, posiblemente, con pérdidas de paquetes parciales.
A continuación, se proporcionarán algunas explicaciones en relación con las figuras 7 y 8.
Tal como se menciona, la figura 7 muestra un diagrama de bloques de un decodificador TCX que realiza una
decodificación TCX en operación normal o en el caso de pérdida de paquete parcial. El decodificador TCX 700 de acuerdo con la figura 7 recibe parámetros específicos de TCX 710 y proporciona, sobre su base, información de audio decodificada 712, 714.
5 El decodificador de audio 700 comprende un demultiplexor “DEMUX TCX 720”, que está configurado para recibir los parámetros específicos de TCX 710 y la información “BFI_TCX”. El demultiplexor 720 separa los parámetros específicos de TCX 710, y proporciona una información de excitación codificada 722, una información de relleno de ruido codificada 724, y una información de ganancia global codificada 726. El decodificador de audio 700 comprende un decodificador de excitación 730, que está configurado para recibir la información de excitación codificada 722, la
10 información de relleno de ruido codificada 724 y la información de ganancia global codificada 726, así como cierta información adicional (por ejemplo, como una bandera de tasa de bits “tasa_bits_bandera”, una información “BFI_TCX” y una información de longitud de trama TCX. El decodificador de excitación 730 proporciona, sobre su base, una señal de excitación de dominio de tiempo 728 (también designada con “x”). El decodificador de excitación 730 comprende un procesador de información de excitación 732, que demultiplexa la información de excitación
15 codificada 722 y decodifica los parámetros de cuantificación algebraica. El procesador de información de excitación 732 proporciona una señal de excitación intermedia 734, que, típicamente, se encuentra en una representación de dominio de frecuencia, y que se designa con Y. El codificador de excitación 730 además comprende un inyector de ruido 736, que está configurado para inyectar ruido en subbandas no cuantificadas, para derivar una señal de excitación rellena con ruido 738 de la señal de excitación intermedia 734. La señal de excitación rellena con ruido
20 738 típicamente se encuentra en el dominio de frecuencia, y se designa con Z. El inyector de ruido 736 recibe una información de intensidad de ruido 742 desde un decodificador de nivel de relleno de ruido 740. El decodificador de excitación además comprende un desénfasis de baja frecuencia adaptativo 744, que está configurado para realizar una operación de desénfasis de baja frecuencia en base a la señal de excitación rellena con ruido 738, para obtener así una señal de excitación procesada 746, que se encuentra aún en el dominio de frecuencia, y que se designa con
25 X’. El decodificador de excitación 730 además comprende un transformador de dominio de frecuencia a dominio de tiempo 748, que está configurado para recibir la señal de excitación procesada 746 y para proporcionar, sobre su base, una señal de excitación de dominio de tiempo 750, que se asocia con una cierta porción de tiempo representada por un conjunto de parámetros de excitación de dominio de frecuencia (por ejemplo, de la señal de excitación procesada 746). El decodificador de excitación 730 además comprende un escalador 752, que está
30 configurado para escalar la señal de excitación de dominio de tiempo 750 para obtener una señal de excitación de dominio de tiempo escalada 754. El escalador 752 recibe una información de ganancia global 756 desde un decodificador de ganancia global 758, en el que, en respuesta, el decodificador de ganancia global 758 recibe la información de ganancia global codificada 726. El decodificador de excitación 730 además comprende una síntesis de superposición y adición 760, que recibe las señales de excitación de dominio de tiempo escaladas 754 asociadas
35 con una pluralidad de porciones de tiempo. La síntesis de superposición y adición 760 realiza una operación de superposición y adición (que puede incluir una operación de ventaneado) en base a las señales de excitación de dominio de tiempo escaladas 754, para obtener así una señal de excitación de dominio de tiempo temporalmente combinada 728 durante un período más largo en el tiempo (más largo que los períodos en el tiempo para los cuales se proporcionan las señales de excitación de dominio de tiempo individuales 750, 754).
40 El decodificador de audio 700 además comprende una síntesis de LPC 770, que recibe la señal de excitación de dominio de tiempo 728 proporcionada por la síntesis de superposición y adición 760 y uno o más coeficientes de LPC que definen una función de filtro de síntesis de LPC 772. La síntesis de LPC 770, por ejemplo, puede comprender un primer filtro 774, que, por ejemplo, puede filtrar por síntesis la señal de excitación de dominio de
45 tiempo 728, para obtener la señal de audio decodificada 712. Opcionalmente, la síntesis de LPC 770 puede comprender además un segundo filtro de síntesis 772 que está configurado para filtrar por síntesis la señal de salida del primer filtro 774 usando otra función de filtro de síntesis, para obtener así la señal de audio decodificada 714.
A continuación, se describirá la decodificación TCX en el caso de un ocultamiento de borrado de paquetes TCX256. 50 La figura 8 muestra un diagrama de bloques del decodificador TCX, en este caso.
El ocultamiento de borrado de paquetes 800 recibe una información de tono 810, que se designa además con “tono_tcx”, y que se obtiene a partir de una trama TCX decodificada previa. Por ejemplo, la información de tono 810 puede obtenerse usando un estimador de tono dominante 747 desde la señal de excitación procesada 746 en el 55 decodificador de excitación 730 (durante la decodificación “normal”). Además, el ocultamiento de borrado de paquetes 800 recibe parámetros de LPC 812, que pueden representar una función de filtro de síntesis de LPC. Los parámetros de LPC 812, por ejemplo, pueden ser idénticos a los parámetros de LPC 772. En consecuencia, el ocultamiento de borrado de paquetes 800 puede configurarse para proporcionar, en base a la información de tono 810 y los parámetros de LPC 812, una señal de ocultamiento de errores 814, que puede considerarse una 60 información de audio de ocultamiento de errores. El ocultamiento de borrado de paquetes 800 comprende una memoria intermedia de excitación 820 que, por ejemplo, puede almacenar temporariamente una excitación previa. La memoria intermedia de excitación 820, por ejemplo, puede hacer uso del libro de códigos adaptativo de ACELP, y puede proporcionar una señal de excitación 822. El ocultamiento de borrado de paquetes 800 puede comprender adicionalmente un primer filtro 824, una función de filtro que puede definirse como se muestra en la figura 8. Por lo
tanto, el primer filtro 824 puede filtrar la señal de excitación 822 en base a los parámetros de LPC 812, para obtener así una versión filtrada 826 de la señal de excitación 822. El ocultamiento de borrado de paquetes además comprende un limitador de amplitud 828, que puede limitar una amplitud de la señal de excitación filtrada 826 en base a información objetivo o información de nivel rmswsyn. Además, el ocultamiento de borrado de paquetes 800 puede comprender un segundo filtro 832, que puede estar configurado para recibir la señal de excitación filtrada de limitada amplitud 830 desde el limitador de amplitud 822 y para proporcionar, sobre su base, la señal de ocultamiento de errores 814. Una función de filtro del segundo filtro 832, por ejemplo, puede definirse como se muestra en la figura 8.
A continuación, se describirán algunos detalles respecto a la decodificación y al ocultamiento de errores.
En el Caso 1 (ocultamiento de borrado de paquetes en TCX256), no hay información disponible para la decodificación de la trama TCX de 256 muestras. La síntesis de TCX se halla mediante el procesamiento de la excitación pasada retardada por T, donde T=tono_tcx es una demora de tono estimada en la trama TCX
1/ Aˆ( z)
previamente decodificada, por un filtro no lineal aproximadamente equivalente a . Se usa un filtro no lineal
1/ Aˆ( z)
en lugar de para evitar clics en la síntesis. Este filtro se descompone en 3 etapas.
Etapa 1: filtración mediante:
Aˆ(z / γ )1 Aˆ(z)1 −αz −1
para asignar la excitación retardada por T en el dominio objetivo de TCX;
Etapa 2: aplicación de un limitador (la magnitud se limita a ±rmswsyn)
Etapa 3: filtración mediante:
1 −αz −1
Aˆ(z / γ )
para hallar la síntesis. Obsérvese que la memoria intermedia OVLP_TCX se establece en cero, en este caso.
Decodificación de los parámetros VQ algebraicos.
En el Caso 2, la decodificación de TCX involucra la decodificación de los parámetros VQ algebraicos que describen
cada bloque cuantificado Bˆ' k del espectro escalado X', donde X' es como se describe en la Etapa 2 de la Sección
5.3.5.7 de 3gpp TS 26.290. Recuérdese que X' tiene dimensión N, donde N = 288, 576 y 1152 para TCX256, 512 y 1024, respectivamente, y que cada bloque B'k tiene dimensión 8. El número K de bloques B'k es, por lo tanto, 36, 72 y 144 para TCX256, 512 y 1024, respectivamente. Los parámetros VQ algebraicos para cada bloque B'k se describen el Etapa 5 de la Sección 5.3.5.7. Para cada bloque B'k, tres grupos de índices binarios son enviados por el codificador:
a) el índice de libro de códigos nk, transmitido en código unario como se describe en el Etapa 5 de la Sección 5.3.5.7;
b) la serie Ik de un punto de rejilla seleccionado c en un así denominado libro de códigos base, que indica la permutación que debe aplicarse a un líder específico (ver Etapa 5 de la Sección 5.3.5.7) para obtener un punto de rejilla c;
Bˆ'
c) y, si el bloque cuantificado k (un punto de rejilla) no se presentó en el libro de códigos base, los 8 índices del vector de índice de extensión de Voronoi k calculado en la subetapa V1 del Etapa 5 en la Sección; a partir de índices de extensión de Voronoi, puede computarse un vector de extensión z como en la referencia [1] de 3gpp TS 26.290. El número de bits en cada componente del vector de índice k es provisto por el orden de extensión r, que puede obtenerse a partir del valor de código unario de índice nk. El factor de escala M de la extensión de Voronoi se proporciona mediante M =2r .
A continuación, a partir del factor de escala M, el Vector de extensión de Voronoi z (un punto de rejilla en RE8) y el punto de rejilla c en el libro de códigos base (también, un punto de rejilla en RE8), cada bloque escalado cuantificado
Bˆ'
k puede computarse como:
Bˆ' k
= Mc+ z Cuando no hay extensión de Voronoi (es decir, nk < 5, M=1 y z=0), el libro de códigos base es o bien el libro de 5 códigos Q0, Q2, Q3o Q4 de la referencia [1] de 3gpp TS 26.290. Entonces no se requieren bits para transmitir el
Bˆ'
vector k. De lo contrario, cuando se usa la extensión de Voronoi debido a que k es suficientemente grande, entonces solo Q3o Q4 de la referencia [1] se usa como un libro de códigos base. La selección de Q3o Q4 está implícita en el valor de índice de libro de códigos nk, como se describe en el Etapa 5 de la Sección 5.3.5.7.
10 Estimación del valor de tono dominante.
La estimación del tono dominante se realiza de modo tal que la siguiente trama por ser decodificada puede ser apropiadamente extrapolada si corresponde a TCX256, y si el paquete relacionado está perdido. Esta estimación se basa en la asunción de que el pico de máxima magnitud en el espectro del objetivo TCX corresponde al tono
15 dominante. La búsqueda de la máxima M es restringida a una frecuencia inferior a Fs/64 kHz
M = maxi=1..N/32 ( X' 2i )2+( X' 2i+1 )2
y el índice mínimo 1 ≤ imax ≤ N/32 de modo tal que también se encuentra ( X' 2i )2+( X' 2i+1 )2 = M. A continuación, el
20 tono dominante se estima en el número de muestras como Test = N / imax (este valor puede no ser entero). Recuérdese que el tono dominante se calcula para el ocultamiento de borrado de paquetes en TCX256. Para evitar problemas de almacenamiento temporal (la memoria intermedia de excitación se limita a 256 muestras), si Test > 256 muestras, tono_tcx se establece en 256; de lo contrario, si Test ≤ 256, se evita período de tono múltiple en 256 muestras estableciendo tono_tcx en
25 tono_tcx = max { ⎣nTest | n entero> 0 y nTest≤ 256}
donde ⎣. indica el redondeo al entero más cercano hacia ∞.
30 A continuación, se describirán brevemente algunos conceptos convencionales adicionales.
En ISO_IEC_DIS_230033 (referencia [3]), se explica una decodificación TCX que emplea MDCT en el contexto del Códec Unificado de Voz y Audio.
35 En el estado de la técnica de AAC (conferir, por ejemplo, referencia [4]), solo se describe un modo de interpolación. De acuerdo con la referencia [4], el decodificador núcleo AAC incluye una función de ocultamiento que incrementa el retardo del decodificador por una trama.
En la Patente Europea EP 1207519 B1 (referencia [5]), se describe proporcionar un decodificador de voz y un
40 método de compensación de errores capaz de lograr el mejoramiento adicional para la voz decodificada en una trama en la cual se detectar un error. De acuerdo con la patente, un parámetro de codificación de voz incluye información de modo que expresa rasgos de cada segmento corto (trama) de voz. El codificador de voz calcula de manera adaptativa los parámetros de demora y los parámetros de ganancia utilizados para la decodificación de voz de acuerdo con la información de modo. Además, el decodificador de voz controla de manera adaptativa la relación
45 de ganancia de excitación adaptativa y la ganancia de excitación fijada de acuerdo con la información de modo. Además, el concepto de acuerdo con la patente comprende el control adaptativo de los parámetros de ganancia de excitación adaptativa y los parámetros de ganancia de excitación fijada utilizados para la decodificación de voz de acuerdo con valores de parámetros de ganancia decodificada en una unidad de decodificación normal en la cual no se detecta error, inmediatamente después de una unidad de decodificación cuyos datos codificados son detectados
50 con un error. También se conoce de acuerdo con la solicitud internacional WO 2005/078706 A1 un método para el ocultamiento de borrado de paquetes de una trama que sigue una trama de audio codificada en una representación de dominio de frecuencia, TCX. En vista de la técnica anterior, existe la necesidad de hallar un mejoramiento adicional del ocultamiento de errores, que proporcione una mejor impresión auditiva.
55 3. Sumario de la invención
La invención define un decodificador de audio de acuerdo con la reivindicación 1, un método de acuerdo con la reivindicación 29 y un programa de ordenador de acuerdo con la reivindicación 30. Una realización de acuerdo con la invención crea un decodificador de audio para proporcionar una información de audio decodificada en base a una 60 información de audio codificada. El decodificador de audio comprende un ocultamiento de errores configurado para proporcionar una información de audio de ocultamiento de errores para el ocultamiento de una pérdida de una trama
de audio (o más de una pérdida de trama) luego de una trama de audio codificada en una representación de dominio de frecuencia, usando una señal de excitación de dominio de tiempo. Esta realización de acuerdo con la invención se basa en el hallazgo de que puede obtenerse un ocultamiento de errores mejorado al proporcionar la información de audio de ocultamiento de errores en base a una señal de
5 excitación de dominio de tiempo, incluso, si la trama de audio que precede una trama de audio perdida está codificada en una representación de dominio de frecuencia. En otras palabras, se ha reconocido que una calidad de un ocultamiento de errores típicamente es mejor si el ocultamiento de errores se realiza en base a una señal de excitación de dominio de tiempo, cuando se compara con un ocultamiento de errores realizado en un dominio de frecuencia, de modo tal que vale la pena la conmutación a un ocultamiento de errores de dominio de tiempo, usando
10 una señal de excitación de dominio de tiempo, incluso si el contenido de audio que precede la trama de audio perdida está codificado en el dominio de frecuencia (es decir, en una representación de dominio de frecuencia). Esto es válido, por ejemplo, para una señal monofónica y, en su mayoría, para voz.
Por consiguiente, la presente invención permite obtener un buen ocultamiento de errores, incluso si la trama de
15 audio que precede la trama de audio perdida está codificada en el dominio de frecuencia (es decir, en una representación de dominio de frecuencia).
En una realización preferida, la representación de dominio de frecuencia comprende una representación codificada de una pluralidad de valores espectrales y una representación codificada de una pluralidad de factores de escala 20 para la escala de los valores espectrales, o el decodificador de audio está configurado para derivar una pluralidad de factores de escala para la escala de los valores espectrales a partir de una representación codificada de parámetros de LPC. Esto podría realizarse usando FDNS (Forma de Ruido de Dominio de frecuencia). Sin embargo, se ha hallado que es conveniente derivar la señal de excitación de dominio de tiempo (que puede servir como una excitación para una síntesis de LPC) incluso si la trama de audio que precede la trama de audio perdida es 25 originalmente codificada en la representación de dominio de frecuencia que comprende información sustancialmente diferente (a decir, una representación codificada de una pluralidad de valores espectrales en una representación codificada de una pluralidad de factores de escala para la escala de los valores espectrales). Por ejemplo, en el caso de TCX, no enviamos factores de escala (desde un codificador hacia un decodificador), sino LPC, y luego, en el decodificador, transformamos la LPC en una representación de factor de escala para los bins de MDCT. En otras
30 palabras, en el caso de TCX, enviamos el coeficiente de LPC, y luego, en el decodificador, transformamos dichos coeficientes de LPC en una representación de factor de escala para TCX en USAC o en AMRWB+ donde no hay ningún factor de escala.
En una realización preferida, el decodificador de audio comprende un núcleo de decodificador de dominio de
35 frecuencia configurado para la aplicación de una escala en base a factores de escala, a una pluralidad de valores espectrales derivados de la representación de dominio de frecuencia. En este caso, el ocultamiento de errores está configurado para proporcionar la información de audio de ocultamiento de errores para el ocultamiento de una pérdida de una trama de audio después de una trama de audio codificada en la representación de dominio de frecuencia que comprende una pluralidad de factores de escala codificados usando una señal de excitación de
40 dominio de tiempo derivada de la representación de dominio de frecuencia. Esta realización de acuerdo con la invención se basa en el hallazgo de que la derivación de la señal de excitación de dominio de tiempo a partir de la arriba mencionada representación de dominio de frecuencia típicamente proporciona un mejor resultado de ocultamiento de errores en comparación con un ocultamiento de errores realizado directamente en el dominio de frecuencia. Por ejemplo, la señal de excitación se crea en base a la síntesis de la trama previa; entonces, no importa
45 realmente si la trama previa es una trama de dominio de frecuencia (MDCT, FFT �) o una trama de dominio de tiempo. Sin embargo, pueden observarse ventajas particulares si la trama previa era un dominio de frecuencia. Además, debe observarse que se logran resultados particularmente buenos, por ejemplo, para señal monofónica como voz. A modo de otro ejemplo, los factores de escala podrían ser transmitidos como coeficientes de LPC, por ejemplo, usando una representación polinomial que es luego convertida en factores de escala del lado del
50 decodificador.
En una realización preferida, el decodificador de audio comprende un núcleo de decodificador de dominio de frecuencia configurado para derivar una representación de señal de audio de dominio de tiempo a partir de la representación de dominio de frecuencia sin el uso de una señal de excitación de dominio de tiempo como una
55 cantidad intermedia para la trama de audio codificada en la representación de dominio de frecuencia. En otras palabras, se ha hallado que el uso de una señal de excitación de dominio de tiempo para un ocultamiento de errores es conveniente incluso si la trama de audio que precede la trama de audio perdida está codificada en un modo de frecuencia “real” que no usa ninguna señal de excitación de dominio de tiempo como una cantidad intermedia (y que, en consecuencia, no se basa en una síntesis de LPC).
60 En una realización preferida, el ocultamiento de errores está configurado para obtener la señal de excitación de dominio de tiempo en base a la trama de audio codificada en la representación de dominio de frecuencia que precede una trama de audio perdida. En este caso, el ocultamiento de errores está configurado para proporcionar la información de audio de ocultamiento de errores para el ocultamiento de la trama de audio perdida usando dicha
señal de excitación de dominio de tiempo. En otras palabras, se ha reconocido que la señal de excitación de dominio de tiempo, que se usa para el ocultamiento de errores, debería derivar de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida, ya que esta señal de excitación de dominio de tiempo derivada de la trama de audio codificada en la representación de dominio de frecuencia que
5 precede la trama de audio perdida proporciona una buena representación de un contenido de audio de la trama de audio que precede la trama de audio perdida, de modo tal que el ocultamiento de errores pueda ser realizado con moderado esfuerzo y buena exactitud.
En una realización preferida, el ocultamiento de errores está configurado para realizar un análisis de LPC en base a
10 la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida, para obtener un conjunto de parámetros de codificación de predicción lineal y la señal de excitación de dominio de tiempo que representa un contenido de audio de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida. Se ha hallado que es conveniente el esfuerzo de realizar un análisis de LPC, para derivar los parámetros de codificación de predicción lineal y la señal de excitación de dominio
15 de tiempo, aun si la trama de audio que precede la trama de audio perdida está codificada en una representación de dominio de frecuencia (que no contiene ningún parámetro de codificación de predicción lineal y ninguna representación de una señal de excitación de dominio de tiempo), debido a que puede obtenerse una información de audio de ocultamiento de errores de buena calidad para muchas señales de audio de entrada en base a dicha señal de excitación de dominio de tiempo. Alternativamente, el ocultamiento de errores puede ser configurado para realizar
20 un análisis de LPC en base a la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida, para obtener la señal de excitación de dominio de tiempo que representa un contenido de audio de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida. Además, alternativamente, el decodificador de audio puede estar configurado para obtener un conjunto de parámetros de codificación de predicción lineal usando una estimación de parámetros de codificación
25 de predicción lineal, o el decodificador de audio puede estar configurado para obtener un conjunto de parámetros de codificación de predicción lineal en base a un conjunto de factores de escala usando una transformada. En otras palabras, los parámetros de LPC pueden obtenerse usando la estimación de parámetros de LPC. Esto podría realizarse o bien mediante el ventaneado/autocorr/levinson durbin en base a la trama de audio codificada en la representación de dominio de frecuencia o mediante la transformación a partir del factor de escala previo
30 directamente a la representación de LPC.
En una realización preferida, el ocultamiento de errores está configurado para obtener una información de tono (o retardo) que describe un tono de la trama de audio codificada en el dominio de frecuencia que precede la trama de audio perdida, y para proporcionar la información de audio de ocultamiento de errores de acuerdo con la información
35 de tono. Al considerar la información de tono, puede lograrse que la información de audio de ocultamiento de errores (que típicamente es una señal de audio de ocultamiento de errores que cubre la duración temporal de por lo menos una trama de audio perdida) se adapte bien al contenido de audio real.
En una realización preferida, el ocultamiento de errores está configurado para obtener la información de tono en
40 base a la señal de excitación de dominio de tiempo derivada de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida. Se ha hallado que una derivación de la información de tono a partir de la señal de excitación de dominio de tiempo acarrea una alta exactitud. Además, se ha hallado que es conveniente si la información de tono se adapta bien a la señal de excitación de dominio de tiempo, ya que la información de tono se usa para una modificación de la señal de excitación de dominio de tiempo. Al derivar la
45 información de tono de la señal de excitación de dominio de tiempo, puede lograrse dicha relación cercana.
En una realización preferida, el ocultamiento de errores está configurado para evaluar una correlación cruzada de la señal de excitación de dominio de tiempo, para determinar una información de tono aproximada. Además, el ocultamiento de errores puede estar configurado para refinar la información de tono aproximada usando una
50 búsqueda de circuito cerrado alrededor de un tono determinado por la información de tono aproximada. En consecuencia, puede lograrse una información de tono altamente exacta con moderado esfuerzo computacional.
En una realización preferida, el ocultamiento de errores del decodificador de audio puede estar configurado para obtener una información de tono en base a una información lateral de la información de audio codificada.
55 En una realización preferida, el ocultamiento de errores puede estar configurado para obtener una información de tono en base a una información de tono disponible para una trama de audio previamente decodificada.
En una realización preferida, el ocultamiento de errores está configurado para obtener una información de tono en 60 base a una búsqueda de tono realizada sobre una señal de dominio de tiempo o sobre una señal residual.
En otras palabras, el tono puede ser transmitido como información lateral o podría además provenir de la trama previa si hay, por ejemplo, LTP. La información de tono además podría ser transmitida en la corriente de bits si está disponible en el codificador. Se podría opcionalmente hacer la búsqueda de tono sobre la señal de dominio de
tiempo directamente, o sobre la residual, que habitualmente proporciona mejores resultados sobre la residual (señal de excitación de dominio de tiempo).
En una realización preferida, el ocultamiento de errores está configurado para copiar un ciclo de tono de la señal de
5 excitación de dominio de tiempo derivada de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida una vez o múltiples veces, para obtener una señal de excitación para una síntesis de la señal de audio de ocultamiento de errores. Mediante el copiado de la señal de excitación de dominio de tiempo una vez o múltiples veces, puede lograrse que el componente determinista (es decir, sustancialmente periódico) de la información de ocultamiento de errores audio se obtenga con buena exactitud, y
10 sea una buena continuación del componente determinista (por ejemplo, sustancialmente periódico) del contenido de audio de la trama de audio que precede la trama de audio perdida. En una realización preferida, el ocultamiento de errores está configurado para filtrar en paso bajo el ciclo de tono de la señal de excitación de dominio de tiempo derivada de la representación de dominio de frecuencia de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida usando un
15 filtro dependiente de la tasa de muestreo, cuyo ancho de banda depende de una tasa de muestreo de la trama de audio codificada en una representación de dominio de frecuencia. En consecuencia, la señal de excitación de dominio de tiempo puede ser adaptada para un ancho de banda de audio disponible, lo que produce una buena impresión auditiva de la información de audio de ocultamiento de errores. Por ejemplo, se prefiere el paso bajo solo sobre la primera trama perdida, y preferentemente, además, el paso bajo solo si la señal no es 100 % estable. Sin
20 embargo, debe observarse que el filtrado de paso bajo es opcional, y puede realizarse solo sobre el primer ciclo de tono. Por ejemplo, el filtro puede depender de la tasa de muestreo, de modo tal que la frecuencia de corte sea independiente del ancho de banda.
En una realización preferida, el ocultamiento de errores está configurado para predecir un tono en un extremo de
25 una trama perdida para adaptar la señal de excitación de dominio de tiempo, o una o más de sus copias, al tono predicho. En consecuencia, los cambios de tono esperados durante la trama de audio perdida pueden ser considerados. En consecuencia, se evitan fallos en una transición entre la información de audio de ocultamiento de errores y una información de audio de una trama apropiadamente decodificada luego de una o más tramas de audio perdidas (o por lo menos se reducen, ya que es solo una trama predicha, no la real). Por ejemplo, la adaptación va
30 desde el último buen tono hasta el predicho. Esto se realiza por medio de la resincronización de pulsos [7].
En una realización preferida, el ocultamiento de errores está configurado para combinar una señal de excitación de dominio de tiempo extrapolada y una señal de ruido, para obtener una señal de entrada para una síntesis de LPC. En este caso, el ocultamiento de errores está configurado para realizar la síntesis de LPC, en el que la síntesis de
35 LPC está configurada para filtrar la señal de entrada de la síntesis de LPC de acuerdo con parámetros de codificación de predicción lineal, para obtener la información de audio de ocultamiento de errores. En consecuencia, tanto un componente determinista (por ejemplo, aproximadamente periódico) del contenido de audio como un componente de tipo ruido del contenido de audio pueden ser considerados. Por lo tanto, se logra que la información de audio de ocultamiento de errores comprenda una impresión auditiva “natural”.
40 En una realización preferida, el ocultamiento de errores está configurado para computar una ganancia de la señal de excitación de dominio de tiempo extrapolada, que se usa para obtener la señal de entrada para la síntesis de LPC, usando una correlación en el dominio de tiempo que se realiza en base a una representación de dominio de tiempo de la trama de audio codificada en el dominio de frecuencia que precede la trama de audio perdida, en el que se
45 establece un retardo de correlación dependiente de una información de tono obtenida en base a la señal de excitación de dominio de tiempo. En otras palabras, una intensidad de un componente periódico se determina dentro de la trama de audio que precede la trama de audio perdida, y esta intensidad determinada del componente periódico se usa para obtener la información de audio de ocultamiento de errores. Sin embargo, se ha hallado que la computación citada anteriormente de la intensidad del componente periódico proporciona resultados particularmente
50 buenos, ya que se considera la señal de audio de dominio de tiempo real de la trama de audio que precede la trama de audio perdida. Alternativamente, puede obtenerse una correlación en el dominio de excitación o directamente en el dominio de tiempo para obtener la información de tono. Sin embargo, hay también diferentes posibilidades, de acuerdo con la realización utilizada. En una realización, la información de tono podría ser solo el tono obtenido desde la ltp de última trama, o el tono que se transmite como información lateral o el calculado.
55 En una realización preferida, el ocultamiento de errores está configurado para el filtro de paso alto de la señal de ruido que está combinada con la señal de excitación de dominio de tiempo extrapolada. Se ha hallado que la filtración de paso alto de la señal de ruido (que típicamente es ingresada en la síntesis de LPC) logra una impresión auditiva natural. Por ejemplo, la característica de paso alto puede cambiar con la cantidad de trama perdida, luego
60 de una cierta cantidad de pérdida de trama ya no puede haber paso alto. La característica de paso alto además puede depender de la tasa de muestreo con la que se ejecuta el decodificador. Por ejemplo, el paso alto depende de la tasa de muestreo, y la característica de filtro puede cambiar en función del tiempo (sobre pérdida de trama consecutiva). La característica de paso alto además puede cambiar opcionalmente sobre pérdida de trama consecutiva, de modo tal que luego de una cierta cantidad de pérdida de trama, ya no hay filtración, para solo
obtener el ruido de forma de banda completa para obtener así un buen ruido de confort cercano al ruido de fondo.
En una realización preferida, el ocultamiento de errores está configurado para cambiar selectivamente la forma espectral de la señal de ruido (562) usando el filtro de énfasis previo en el que la señal de ruido se combina con la
5 señal de excitación de dominio de tiempo extrapolada si la trama de audio codificada en una representación de dominio de frecuencia que precede la trama de audio perdida es una trama de audio con voz o comprende un inicio. Se ha encontrado que la impresión auditiva de la información de audio de ocultamiento de errores puede ser mejorada por dicho concepto. Por ejemplo, en algún caso, es mejor disminuir las ganancias y la forma, y en algún lugar, es mejor incrementarlas.
10 En una realización preferida, el ocultamiento de errores está configurado para computar una ganancia de la señal de ruido de acuerdo con una correlación en el dominio de tiempo, que se realiza en base a una representación de dominio de tiempo de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida. Se ha hallado que dicha determinación de la ganancia de la señal de ruido proporciona
15 resultados particularmente exactos, ya que puede considerarse la señal de audio de dominio de tiempo real asociada con la trama de audio que precede la trama de audio perdida. Usando este concepto, es posible poder obtener una energía de la trama ocultada cercana a la energía de la trama buena previa. Por ejemplo, la ganancia para la señal de ruido puede ser generada midiendo la energía del resultado: excitación de señal de entradaexcitación en base a tono generada.
20 En una realización preferida, el ocultamiento de errores está configurado para modificar una señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama de audio perdida, para obtener la información de audio de ocultamiento de errores. Se ha hallado que la modificación de la señal de excitación de dominio de tiempo permite la adaptación de la señal de excitación de dominio de tiempo a una
25 evolución temporal deseada. Por ejemplo, la modificación de la señal de excitación de dominio de tiempo permite el “atenuación” del componente determinista (por ejemplo, sustancialmente periódico) del contenido de audio en la información de audio de ocultamiento de errores. Además, la modificación de la señal de excitación de dominio de tiempo además permite adaptar la señal de excitación de dominio de tiempo a una variación de tono (estimada o esperada). Esto permite el ajuste de las características de la información de audio de ocultamiento de errores en
30 función del tiempo.
En una realización preferida, el ocultamiento de errores está configurado para usar una o más copias modificadas de la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama de audio perdida, para obtener la información de ocultamiento de errores. Las copias modificadas de la señal de
35 excitación de dominio de tiempo pueden obtenerse con un esfuerzo moderado, y la modificación puede ser realizada usando un simple algoritmo. En consecuencia, las características deseadas de la información de audio de ocultamiento de errores pueden lograrse con esfuerzo moderado.
En una realización preferida, el ocultamiento de errores está configurado para modificar la señal de excitación de 40 dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama de audio perdida, o una
o más de sus copias, para reducir un componente periódico de la información de audio de ocultamiento de errores en función del tiempo. En consecuencia, puede considerarse que la correlación entre el contenido de audio de la trama de audio que precede la trama de audio perdida y el contenido de audio de una o más tramas de audio perdidas disminuye en función del tiempo. Además, puede evitarse causar una impresión auditiva no natural por una
45 larga preservación de un componente periódico de la información de audio de ocultamiento de errores.
En una realización preferida, el ocultamiento de errores está configurado para escalar la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden la trama de audio perdida, o una o más de sus copias, para modificar la señal de excitación de dominio de tiempo. Se ha hallado que la operación de
50 escala puede realizarse con poco esfuerzo, en el que la señal de excitación de dominio de tiempo escalada típicamente proporciona una buena información de audio de ocultamiento de errores.
En una realización preferida, el ocultamiento de errores está configurado para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio
55 que preceden una trama de audio perdida, o una o más de sus copias. Por consiguiente, puede lograrse una atenuación del componente periódico dentro de la información de audio de ocultamiento de errores.
En una realización preferida, el ocultamiento de errores está configurado para ajustar una velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida en 60 base a una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, de acuerdo con uno o más parámetros de una o más tramas de audio que preceden la trama de audio perdida, y/o de acuerdo con una cantidad de tramas de audio perdidas consecutivas. Por consiguiente, es posible ajustar la velocidad a la cual el componente determinista (por ejemplo, por lo menos aproximadamente periódico) se atenúa en la información de audio de ocultamiento de errores. La velocidad de atenuación puede adaptarse a
características específicas del contenido de audio, que típicamente pueden observarse a partir de uno o más parámetros de una o más tramas de audio que preceden la trama de audio perdida. Alternativamente, o además, la cantidad de tramas de audio perdidas consecutivas puede ser considerada cuando se determina la velocidad utilizada para la atenuación del componente determinista (por ejemplo, por lo menos aproximadamente periódico) de
5 la información de audio de ocultamiento de errores, que ayuda a adaptar el ocultamiento de errores a la situación específica. Por ejemplo, la ganancia de la parte tonal y la ganancia de la parte ruidosa pueden atenuarse de manera separada. La ganancia para la parte tonal puede converger a cero luego de una cierta cantidad de pérdida de trama, mientras que la ganancia de ruido puede converger a la ganancia determinada para alcanzar un cierto ruido de confort.
10 En una realización preferida, el ocultamiento de errores está configurado para ajustar la velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, de acuerdo con una longitud de un período de tono de la señal de excitación de dominio de tiempo, de modo que una
15 entrada de señal de excitación de dominio de tiempo en una síntesis de LPC se atenúa de forma más rápida para señales que tienen una longitud más corta del período de tono en comparación con señales que tienen una mayor longitud del período de tono. Por consiguiente, puede evitarse que las señales que tienen una longitud más corta del período de tono sean repetidas con demasiada frecuencia con alta intensidad, ya que esto típicamente resultará en una impresión auditiva no natural. En consecuencia, una calidad general de la información de audio de ocultamiento
20 de errores puede ser mejorada.
En una realización preferida, el ocultamiento de errores está configurado para ajustar la velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, de 25 acuerdo con un resultado de un análisis de tono o una predicción de tono, de modo tal que un componente determinista de la entrada de señal de excitación de dominio de tiempo en una síntesis de LPC se atenúa más rápidamente para señales que tienen un mayor cambio de tono por unidad de tiempo en comparación con señales que tienen un cambio de tono menor por unidad de tiempo, y/o de modo tal que un componente determinista de la entrada de señal de excitación de dominio de tiempo en una síntesis de LPC se atenúa más rápidamente para 30 señales para las cuales una predicción de tono falla en comparación con señales para las cuales la predicción de tono tiene éxito. Por consiguiente, la atenuación puede hacerse más rápidamente para señales en las cuales hay una gran incertidumbre del tono en comparación con señales para las cuales hay una menor incertidumbre del tono. Sin embargo, mediante la atenuación de un componente determinista más rápidamente para señales que comprenden una incertidumbre comparativamente grande del tono, pueden evitarse fallos audibles, o al menos
35 pueden reducirse sustancialmente.
En una realización preferida, el ocultamiento de errores está configurado para la escala de tiempo de la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, de acuerdo con una predicción de un tono para el tiempo de una o más tramas
40 de audio perdidas. Por consiguiente, la señal de excitación de dominio de tiempo puede adaptarse a un tono variable, de modo tal que la información de audio de ocultamiento de errores comprende una impresión auditiva más natural.
En una realización preferida, el ocultamiento de errores está configurado para proporcionar la información de audio
45 de ocultamiento de errores para un tiempo que es mayor que una duración temporal de una o más tramas de audio perdidas. Por consiguiente, es posible realizar una operación de superposición y adición en base a la información de audio de ocultamiento de errores, que ayuda a reducir fallos de bloqueo.
En una realización preferida, el ocultamiento de errores está configurado para realizar una superposición y adición
50 de la información de audio de ocultamiento de errores y de una representación de dominio de tiempo de una o más tramas de audio apropiadamente recibidas después de una o más tramas de audio perdidas. En consecuencia, es posible evitar (o al menos reducir) fallos de bloqueo.
En una realización preferida, el ocultamiento de errores está configurado para derivar la información de audio de
55 ocultamiento de errores en base a por lo menos tres ventanas o tramas parcialmente superpuestas que preceden una trama de audio perdida o una ventana perdida. Por consiguiente, la información de audio de ocultamiento de errores puede obtenerse con buena exactitud, aun para modos de codificación en los cuales más de dos tramas (o ventanas) están superpuestas (en el que dicha superposición puede ayudar a reducir una demora).
60 Otra realización de acuerdo con la invención crea un método para proporcionar una información de audio decodificada en base a una información de audio codificada. El método comprende proporcionar una información de audio de ocultamiento de errores para el ocultamiento de una pérdida de una trama de audio después de una trama de audio codificada en una representación de dominio de frecuencia usando una señal de excitación de dominio de tiempo. Este método se basa en las mismas consideraciones que el decodificador de audio citado anteriormente.
Aun otra realización de acuerdo con la invención, se crea un programa de ordenador para la realización de dicho método cuando el programa de ordenador se ejecuta en un ordenador.
5 Otra realización de acuerdo con la invención crea un decodificador de audio para proporcionar una información de audio decodificada en base a una información de audio codificada. El decodificador de audio comprende un ocultamiento de errores configurado para proporcionar una información de audio de ocultamiento de errores para el ocultamiento de una pérdida de una trama de audio. El ocultamiento de errores está configurado para modificar una señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama
10 de audio perdida, para obtener la información de audio de ocultamiento de errores.
Esta realización de acuerdo con la invención se basa en la idea de que un ocultamiento de errores con una buena calidad de audio puede obtenerse en base a una señal de excitación de dominio de tiempo, en el que una modificación de la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que 15 preceden una trama de audio perdida permite una adaptación de la información de audio de ocultamiento de errores a cambios esperados (o predichos) del contenido de audio durante la trama perdida. Por consiguiente, pueden evitarse fallos, y en particular, una impresión auditiva no natural, que serían causados por un uso no cambiado de la señal de excitación de dominio de tiempo. En consecuencia, se logra una provisión mejorada de una información de audio de ocultamiento de errores, de modo tal que las tramas de audio perdidas pueden ocultarse con resultados
20 mejorados.
En una realización preferida, el ocultamiento de errores está configurado para usar una o más copias modificadas de la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que preceden una trama de audio perdida para obtener la información de ocultamiento de errores. Al usar una o más copias modificadas de la
25 señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que preceden una trama de audio perdida, puede lograrse una buena calidad de la información de audio de ocultamiento de errores, con poco esfuerzo computacional.
En una realización preferida, el ocultamiento de errores está configurado para modificar la señal de excitación de
30 dominio de tiempo obtenida para una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, para reducir un componente periódico de la información de audio de ocultamiento de errores en función del tiempo. Al reducir el componente periódico de la información de audio de ocultamiento de errores en función del tiempo, puede evitarse una conservación artificialmente larga de un sonido determinista (por ejemplo, aproximadamente periódico), lo que ayuda a hacer natural el sonido de la información de audio de ocultamiento de
35 errores.
En una realización preferida, el ocultamiento de errores está configurado para escalar la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden la trama de audio perdida, o una o más de sus copias, para modificar así la señal de excitación de dominio de tiempo. El escalado de la señal de
40 excitación de dominio de tiempo constituye una manera particularmente eficiente para variar la información de audio de ocultamiento de errores en función del tiempo.
En una realización preferida, el ocultamiento de errores está configurado para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que 45 preceden una trama de audio perdida, o una o más de sus copias. Se ha hallado que la reducción gradual de la ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, permite obtener una señal de excitación de dominio de tiempo para la provisión de la información de audio de ocultamiento de errores, de modo tal que los componentes deterministas (por ejemplo, componentes al menos aproximadamente periódicos) se atenúan. 50 Por ejemplo, puede no haber solo una ganancia. Por ejemplo, se podría tener una ganancia para la parte tonal (también referida como la parte aproximadamente periódica), y una ganancia para la parte de ruido. Ambas excitaciones (o componentes de excitación) pueden ser atenuadas separadamente con diferente factor de velocidad, y luego, las dos excitaciones resultantes (o componentes de excitación) pueden combinarse antes de alimentarse a la LPC para síntesis. En el caso de no tener ninguna estimación de ruido de fondo, los factores de atenuación para
55 el ruido y para la parte tonal pueden ser similares, y entonces, se podría tener solo una aplicación de atenuación sobre los resultados de las dos excitaciones, multiplicada con su propia ganancia y combinados entre sí.
Por lo tanto, puede evitarse que la información de audio de ocultamiento de errores comprenda un componente de audio determinista (por ejemplo, por lo menos aproximadamente periódico) temporalmente extendido, que
60 típicamente proporcionaría una impresión auditiva no natural.
En una realización preferida, el ocultamiento de errores está configurado para ajustar una velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, de acuerdo con
uno o más parámetros de una o más tramas de audio que preceden la trama de audio perdida, y/o de acuerdo con una cantidad de tramas de audio perdidas consecutivas. Por lo tanto, la velocidad de la atenuación del componente determinista (por ejemplo, por lo menos aproximadamente periódico) en la información de audio de ocultamiento de errores puede adaptarse a la situación específica, con moderado esfuerzo computacional. Debido a que la señal de 5 excitación de dominio de tiempo utilizada para la provisión de la información de audio de ocultamiento de errores es típicamente una versión escalada (escalada usando la ganancia mencionada anteriormente) de la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que preceden la trama de audio perdida, una variación de dicha ganancia (utilizada para derivar la señal de excitación de dominio de tiempo para la provisión de la información de audio de ocultamiento de errores) constituye un simple, aunque eficaz método para adaptar la
10 información de audio de ocultamiento de errores a las necesidades específicas. Sin embargo, la velocidad de la atenuación además es controlable con muy poco esfuerzo.
En una realización preferida, el ocultamiento de errores está configurado para ajustar la velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida en 15 base a una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, de acuerdo con una longitud de un período de tono de la señal de excitación de dominio de tiempo, de modo tal que una entrada de señal de excitación de dominio de tiempo en una síntesis de LPC se atenúa más rápidamente para señales que tienen una longitud más corta del período de tono en comparación con señales que tienen una longitud más larga del período de tono. Por consiguiente, la atenuación se realiza en forma más veloz para señales que
20 tienen una longitud más corta del período de tono, lo que evita que un período de tono sea copiado demasiadas veces (lo que habitualmente lograría una impresión auditiva no natural).
En una realización preferida, el ocultamiento de errores está configurado para ajustar la velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida para 25 una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, de acuerdo con un resultado de un análisis de tono o una predicción de tono, de modo tal que un componente determinista de una entrada de señal de excitación de dominio de tiempo en una síntesis de LPC se atenúa más rápidamente para señales que tienen un mayor cambio de tono por unidad de tiempo, en comparación con señales que tienen un menor cambio de tono por unidad de tiempo, y/o de modo tal que un componente determinista de una entrada de 30 señal de excitación de dominio de tiempo en una síntesis de LPC se atenúa más rápidamente para señales para las cuales falla una predicción de tono en comparación con señales para las cuales la predicción de tono tiene éxito. Por consiguiente, un componente determinista (por ejemplo, por lo menos aproximadamente periódico) se atenúa más rápidamente para señales para las cuales hay una mayor incertidumbre del tono (donde un mayor cambio de tono por unidad de tiempo, o incluso, un fallo de la predicción de tono, indica una incertidumbre comparativamente grande
35 del tono). En consecuencia, pueden evitarse los fallos, que surgirían de la provisión de una información de audio de ocultamiento de errores altamente determinista en una situación en la cual el tono real es incierto.
En una realización preferida, el ocultamiento de errores está configurado para la escala de tiempo de la señal de excitación de dominio de tiempo obtenida para (o en base a) una o más tramas de audio que preceden una trama de 40 audio perdida, o una o más de sus copias, de acuerdo con una predicción de un tono para el tiempo de las una o más tramas de audio perdidas. Por consiguiente, la señal de excitación de dominio de tiempo, que se usa para la provisión de la información de audio de ocultamiento de errores, es modificada (en comparación con la señal de excitación de dominio de tiempo obtenida para (o en base a) una o más tramas de audio que preceden una trama de audio perdida, de modo tal que el tono de la señal de excitación de dominio de tiempo sigue los requerimientos de
45 un período de tiempo de la trama de audio perdida. En consecuencia, puede mejorarse la impresión auditiva, que puede lograrse por la información de audio de ocultamiento de errores.
En una realización preferida, el ocultamiento de errores está configurado para obtener una señal de excitación de dominio de tiempo, que ha sido utilizada para la decodificación de una o más tramas de audio que preceden la trama 50 de audio perdida, y para la modificación de dicha señal de excitación de dominio de tiempo, que ha sido utilizada para la decodificación de una o más tramas de audio que preceden la trama de audio perdida, para obtener una señal de excitación de dominio de tiempo modificada. En este caso, el ocultamiento de dominio de tiempo está configurado para proporcionar la información de audio de ocultamiento de errores en base a la señal de audio de dominio de tiempo modificada. Por consiguiente, es posible reutilizar una señal de excitación de dominio de tiempo,
55 que ya ha sido utilizada para decodificar una o más tramas de audio que preceden la trama de audio perdida. En consecuencia, puede mantenerse un esfuerzo computacional muy pequeño, si la señal de excitación de dominio de tiempo ya ha sido adquirida para la decodificación de una o más tramas de audio que preceden la trama de audio perdida.
60 En una realización preferida, el ocultamiento de errores está configurado para obtener una información de tono, que ha sido utilizada para la decodificación de una o más tramas de audio que preceden la trama de audio perdida. En este caso, el ocultamiento de errores además está configurado para proporcionar la información de audio de ocultamiento de errores de acuerdo con dicha información de tono. Por consiguiente, la información de tono previamente utilizada puede ser reusada, lo que evita un esfuerzo computacional para un nuevo cómputo de la
información de tono. Por lo tanto, el ocultamiento de errores es en particular computacionalmente eficiente. Por ejemplo, en el caso de ACELP, tenemos 4 demoras de tono y ganancias por trama. Podemos usar las últimas dos tramas para poder predecir el tono al final de la trama que tenemos que ocultar.
5 A continuación, comparamos con el códec de dominio de frecuencia previamente descrito donde solo se derivan uno
o dos tonos por trama (podemos tener más de dos, si bien esto agregaría mucha complejidad para una ganancia no muy grande en calidad). En el caso de un códec de conmutación que es, por ejemplo, ACELP FD pérdida, entonces, tenemos una precisión de tono mucho mejor, ya que el tono se transmite en la corriente de bits y se basa en la señal de entrada original (no en la decodificada, como se hace en el decodificador). En el caso de alta tasa de
10 bits, por ejemplo, podemos además enviar una información de demora de tono y ganancia, o información LTP, por trama codificada de dominio de frecuencia.
En una realización preferida, el ocultamiento de errores del decodificador de audio puede estar configurado para obtener una información de tono en base a una información lateral de la información de audio codificada.
15 En una realización preferida, el ocultamiento de errores puede estar configurado para obtener una información de tono en base a una información de tono disponible para una trama de audio decodificada previamente.
En una realización preferida, el ocultamiento de errores está configurado para obtener una información de tono en 20 base a una búsqueda de tono realizada sobre una señal de dominio de tiempo o sobre una señal residual.
En otras palabras, el tono puede transmitirse como información lateral o podría provenir también de la trama previa si hay LTP, por ejemplo. La información de tono además podría transmitirse en la corriente de bits si está disponible en el codificador. Podemos hacer opcionalmente la búsqueda de tono en la señal de dominio de tiempo
25 directamente o en la residual, lo que habitualmente proporciona mejores resultados sobre la residual (señal de excitación de dominio de tiempo).
En una realización preferida, el ocultamiento de errores está configurado para obtener un conjunto de coeficientes de predicción lineal, que se han utilizado para decodificar una o más tramas de audio que preceden la trama de
30 audio perdida. En este caso, el ocultamiento de errores está configurado para proporcionar la información de audio de ocultamiento de errores de acuerdo con dicho conjunto de coeficientes de predicción lineal. En consecuencia, la eficiencia del ocultamiento de errores se incrementa por medio de la reutilización de información previamente generada (o previamente decodificada), por ejemplo, el conjunto previamente utilizado de coeficientes de predicción lineal. En consecuencia, se evita la alta complejidad computacional innecesaria.
35 En una realización preferida, el ocultamiento de errores está configurado para extrapolar un nuevo conjunto de coeficientes de predicción lineal en base al conjunto de coeficientes de predicción lineal, que se han utilizado para decodificar una o más tramas de audio que preceden la trama de audio perdida. En este caso, el ocultamiento de errores está configurado para usar el nuevo conjunto de coeficientes de predicción lineal para proporcionar la
40 información de ocultamiento de errores. Al derivar el nuevo conjunto de coeficientes de predicción lineal, utilizados para proporcionar la información de audio de ocultamiento de errores, a partir de un conjunto de coeficientes de predicción lineal previamente utilizados usando una extrapolación, puede evitarse un recálculo completo de los coeficientes de predicción lineal, lo que ayuda a mantener el esfuerzo computacional razonablemente bajo. Además, al realizar una extrapolación en base al conjunto previamente utilizado de coeficientes de predicción lineal, puede
45 garantizarse que el nuevo conjunto de coeficientes de predicción lineal es al menos similar al conjunto previamente utilizado de coeficientes de predicción lineal, lo que ayuda a evitar discontinuidades cuando se proporciona la información de ocultamiento de errores. Por ejemplo, luego de una cierta cantidad de pérdida de trama, tendemos a estimar la forma de la LPC de ruido de fondo. La velocidad de esta convergencia, por ejemplo, puede depender de la característica de señal.
50 En una realización preferida, el ocultamiento de errores está configurado para obtener una información acerca de una intensidad de un componente de señal determinista en una o más tramas de audio que preceden una trama de audio perdida. En este caso, el ocultamiento de errores está configurado para comparar la información acerca de una intensidad de un componente de señal determinista en una o más tramas de audio que preceden una trama de
55 audio perdida con un valor de umbral, para decidir si ingresar un componente determinista de una señal de excitación de dominio de tiempo en una síntesis de LPC (síntesis en base al coeficiente de predicción lineal), o si ingresar solo un componente de ruido de una señal de excitación de dominio de tiempo en la síntesis de LPC. Por consiguiente, es posible omitir la provisión de un componente determinista (por ejemplo, por lo menos aproximadamente periódico) de la información de audio de ocultamiento de errores en el caso que solo haya una
60 pequeña contribución de señal determinista dentro de una o más tramas que preceden la trama de audio perdida. Se ha hallado que esto ayuda a obtener una buena impresión auditiva.
En una realización preferida, el ocultamiento de errores está configurado para obtener una información de tono que describe un tono de la trama de audio que precede la trama de audio perdida, y proporcionar la información de audio
de ocultamiento de errores de acuerdo con la información de tono. Por consiguiente, es posible adaptar el tono de la información de ocultamiento de errores al tono de la trama de audio que precede la trama de audio perdida. Por consiguiente, se evitan las discontinuidades, y puede lograrse una impresión auditiva natural.
5 En una realización preferida, el ocultamiento de errores está configurado para obtener la información de tono en base a la señal de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida. Se ha hallado que la información de tono obtenida en base a la señal de excitación de dominio de tiempo es particularmente fiable y, además, se adapta muy bien al procesamiento de la señal de excitación de dominio de tiempo.
10 En una realización preferida, el ocultamiento de errores está configurado para evaluar una correlación cruzada de la señal de excitación de dominio de tiempo (o, alternativamente, de una señal de audio de dominio de tiempo), para determinar una información de tono aproximada, y refinar la información de tono aproximada usando una búsqueda de circuito cerrado alrededor de un tono determinado (o descrito) por la información de tono aproximada. Se ha
15 hallado que este concepto permite obtener una muy precisa información de tono con moderado esfuerzo computacional. En otras palabras, en algunos códecs, hacemos la búsqueda de tono directamente sobre la señal de dominio de tiempo, mientras que, en algunos otros, hacemos la búsqueda de tono sobre la señal de excitación de dominio de tiempo.
20 En una realización preferida, el ocultamiento de errores está configurado para obtener la información de tono para la provisión de la información de audio de ocultamiento de errores en base a una información de tono previamente computada, que se usó para la decodificación de una o más tramas de audio que preceden la trama de audio perdida, y en base a una evaluación de una correlación cruzada de la señal de excitación de dominio de tiempo, que se modifica para obtener una señal de excitación de dominio de tiempo modificada para la provisión de la
25 información de audio de ocultamiento de errores. Se ha hallado que la consideración tanto de la información de tono previamente computada como de la información de tono obtenida en base a la señal de excitación de dominio de tiempo (usando una correlación cruzada) mejora la confiabilidad de la información de tono y, en consecuencia, ayuda a evitar fallos y/o discontinuidades.
30 En una realización preferida, el ocultamiento de errores está configurado para seleccionar un pico de la correlación cruzada, de una pluralidad de picos de la correlación cruzada, como un pico que representa un tono de acuerdo con la información de tono previamente computada, de modo tal que se selecciona un pico que representa un tono que está más cercana al tono representado por la información de tono previamente computada. Por consiguiente, pueden superarse posibles ambigüedades de la correlación cruzada, que, por ejemplo, pueden producir múltiples
35 picos. La información de tono previamente computada es así utilizada para seleccionar el pico “apropiado” de la correlación cruzada, lo que ayuda a incrementar de manera sustancial la confiabilidad. Por otra parte, la señal de excitación de dominio de tiempo real se considera principalmente para la determinación de tono, lo que proporciona una buena exactitud (que es sustancialmente mejor que una exactitud que se obtiene en base a solo la información de tono previamente computada).
40 En una realización preferida, el ocultamiento de errores del decodificador de audio puede estar configurado para obtener una información de tono en base a una información lateral de la información de audio codificada.
En una realización preferida, el ocultamiento de errores puede estar configurado para obtener una información de 45 tono en base a una información de tono disponible para una trama de audio decodificada previamente.
En una realización preferida, el ocultamiento de errores está configurado para obtener una información de tono en base a una búsqueda de tono realizada sobre una señal de dominio de tiempo o sobre una señal residual.
50 En otras palabras, el tono puede transmitirse como información lateral, o además podría provenir de la trama previa, si hay LTP, por ejemplo. La información de tono además podría ser transmitida en la corriente de bits si está disponible en el codificador. Podemos hacer opcionalmente la búsqueda de tono sobre la señal de dominio de tiempo directamente, o sobre la residual, lo que proporciona habitualmente mejores resultados sobre la residual (señal de excitación de dominio de tiempo).
55 En una realización preferida, el ocultamiento de errores está configurado para copiar un ciclo de tono de la señal de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida una vez o múltiples veces, para obtener una señal de excitación (o por lo menos uno de sus componentes deterministas) para una síntesis de la información de audio de ocultamiento de errores. Al copiar el ciclo de tono de la señal de
60 excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida una vez o múltiples veces, y al modificar dichas una o más copias usando un algoritmo de modificación comparativamente simple, la señal de excitación (o por lo menos sus componentes deterministas) para la síntesis de la información de audio de ocultamiento de errores puede ser obtenida con poco esfuerzo computacional. Sin embargo, la reutilización de la señal de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio
perdida (al copiar dicha señal de excitación de dominio de tiempo) evita discontinuidades audibles.
En una realización preferida, el ocultamiento de errores está configurado para el filtro de paso bajo del ciclo de tono de la señal de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio
5 perdida usando un filtro dependiente de la tasa de muestreo, cuyo ancho de banda depende de una tasa de muestreo de la trama de audio codificada en una representación de dominio de frecuencia. Por consiguiente, la señal de excitación de dominio de tiempo se adapta a un ancho de banda de señal del decodificador de audio, lo que produce una buena reproducción del contenido de audio.
10 Para detalles y mejoras opcionales, se hace referencia, por ejemplo, a las explicaciones anteriores.
Por ejemplo, se prefiere el paso bajo de solo la primera trama perdida, y preferentemente, además, hacemos el paso bajo solo si la señal no es sin voz. Sin embargo, debe observarse que la filtración de paso bajo es opcional. Adicionalmente, el filtro puede ser dependiente de la tasa de muestreo, de modo tal que la frecuencia de corte es
15 independiente del ancho de banda.
En una realización preferida, el ocultamiento de errores está configurado para predecir un tono en un extremo de una trama perdida. En este caso, el ocultamiento de errores está configurado para adaptar la señal de excitación de dominio de tiempo, o una o más de sus copias, al tono predicho. Al modificar la señal de excitación de dominio de 20 tiempo, de modo tal que la señal de excitación de dominio de tiempo que se usa realmente para la provisión de la información de audio de ocultamiento de errores es modificada con respecto a la señal de excitación de dominio de tiempo asociada con una trama de audio que precede la trama de audio perdida, pueden considerarse cambios de tono esperados (o predichos) durante la trama de audio perdida, de modo tal que la información de audio de ocultamiento de errores se adapta bien a la evolución real (o por lo menos a la evolución esperada o predicha) del
25 contenido de audio. Por ejemplo, la adaptación va desde el último buen tono hasta el predicho. Esto se realiza por medio de la resincronización de pulsos [7].
En una realización preferida, el ocultamiento de errores está configurado para combinar una señal de excitación de dominio de tiempo extrapolada y una señal de ruido, para obtener una señal de entrada para una síntesis de LPC. 30 En este caso, el ocultamiento de errores está configurado para realizar la síntesis de LPC, donde la síntesis de LPC está configurada para filtrar la señal de entrada de la síntesis de LPC de acuerdo con parámetros de codificación de predicción lineal, para obtener la información de audio de ocultamiento de errores. Al combinar la señal de excitación de dominio de tiempo extrapolada (que es típicamente una versión modificada de la señal de excitación de dominio de tiempo derivada para una o más tramas de audio que preceden la trama de audio perdida) y una señal de ruido,
35 pueden considerarse tanto componentes deterministas (por ejemplo, aproximadamente periódicos) como componentes de ruido del contenido de audio, en el ocultamiento de errores. Por lo tanto, puede lograrse que la información de audio de ocultamiento de errores provea una impresión auditiva que es similar a la impresión auditiva previsto por las tramas que preceden la trama perdida.
40 Además, al combinar una señal de excitación de dominio de tiempo y una señal de ruido, para obtener la señal de entrada para la síntesis de LPC (que puede considerarse una señal de excitación de dominio de tiempo combinada), es posible variar un porcentaje del componente determinista de la señal de audio de entrada para la síntesis de LPC, mientras que se mantiene una energía (de la señal de entrada de la síntesis de LPC, o incluso, de la señal de salida de la síntesis de LPC). En consecuencia, es posible variar las características de la información de audio de
45 ocultamiento de errores (por ejemplo, las características de tonalidad), sin cambiar sustancialmente una energía o volumen de la señal de audio de ocultamiento de errores, de modo tal que es posible modificar la señal de excitación de dominio de tiempo sin causar distorsiones audibles inaceptables.
Una realización de acuerdo con la invención crea un método para proporcionar una información de audio
50 decodificada en base a una información de audio codificada. El método comprende la provisión de una información de audio de ocultamiento de errores para el ocultamiento de una pérdida de una trama de audio. La provisión de la información de audio de ocultamiento de errores comprende la modificación de una señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama de audio perdida, para obtener la información de audio de ocultamiento de errores.
55 Este método se basa en las mismas consideraciones que el decodificador de audio descrito anteriormente.
Una realización adicional de acuerdo con la invención crea un programa de ordenador para la realización de dicho método, cuando el programa de ordenador se ejecuta en un ordenador.
60 Breve descripción de las figuras
Realizaciones de la presente invención se describirán a continuación con referencia a las figuras adjuntas, en las cuales:
La figura 1 muestra un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con una realización de la invención;
5 La figura 2 muestra un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con otra realización de la presente invención;
La figura 3 muestra un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con otra realización de la presente invención; 10 La figura 4 muestran un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con otra realización de la presente invención;
La figura 5 muestra un diagrama de bloques esquemático de un ocultamiento de dominio de tiempo para un 15 codificador de transformada;
La figura 6 muestra un diagrama de bloques esquemático de un ocultamiento de dominio de tiempo para un códec de conmutación;
20 La figura 7 muestran un diagrama de bloques de un decodificador TCX que realiza una decodificación TCX en operación normal o en el caso de pérdida de paquete parcial;
La figura 8 muestra un diagrama de bloques esquemático de un decodificador TCX que realiza una decodificación TCX en el caso de ocultamiento de borrado de paquetes TCX256; 25
La figura 9 muestra un diagrama de flujo de un método para proporcionar una información de audio decodificada en base a una información de audio codificada, de acuerdo con una realización de la presente invención; y
30 La figura 10 muestra un diagrama de flujo de un método para proporcionar una información de audio decodificada en base a una información de audio codificada, de acuerdo con otra realización de la presente invención;
La figura 11 muestra un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con otra 35 realización de la presente invención.
Descripción detallada de las realizaciones
1. Decodificador de audio de acuerdo con la figura 1
40 La figura 1 muestra un diagrama de bloques esquemático de un decodificador de audio 100, de acuerdo con una realización de la presente invención. El decodificador de audio 100 recibe una información de audio codificada 110, que, por ejemplo, puede comprender una trama de audio codificada en una representación de dominio de frecuencia. La información de audio codificada, por ejemplo, puede ser recibida por medio de un canal no fiable, de
45 modo tal que se produce una pérdida de trama de vez en cuando. El decodificador de audio 100 además proporciona, en base a la información de audio codificada 110, la información de audio decodificada 112.
El decodificador de audio 100 puede comprender una decodificación/procesamiento 120, que proporciona la información de audio decodificada en base a la información de audio codificada en ausencia de una pérdida de 50 trama.
El decodificador de audio 100 adicionalmente comprende un ocultamiento de errores 130, que proporciona una información de audio de ocultamiento de errores. El ocultamiento de errores 130 está configurado para proporcionar la información de audio de ocultamiento de errores 132 para el ocultamiento de una pérdida de una trama de audio
55 después de una trama de audio codificada en la representación de dominio de frecuencia, usando una señal de excitación de dominio de tiempo.
En otras palabras, la decodificación/procesamiento 120 puede proporcionar una información de audio decodificada 122 para tramas de audio que son codificadas en la forma de una representación de dominio de frecuencia, es decir, 60 en la forma de una representación codificada, cuyos valores codificados describen intensidades en diferentes bins de frecuencia. En otras palabras, la decodificación/procesamiento 120, por ejemplo, puede comprender un decodificador de audio de dominio de frecuencia, que deriva un conjunto de valores espectrales de la información de audio codificada 110 y realiza una transformada de dominio de frecuencia a dominio de tiempo, para de ese modo derivar una representación de dominio de tiempo que constituye la información de audio decodificada 122, o que
forma la base para la provisión de la información de audio decodificada 122 en el caso de que haya procesamiento posterior adicional.
Sin embargo, el ocultamiento de errores 130 no realiza el ocultamiento de errores en el dominio de frecuencia, sino
5 que, en cambio, usa una señal de excitación de dominio de tiempo que, por ejemplo, puede servir para excitar un filtro de síntesis, por ejemplo, un filtro de síntesis de LPC, que proporciona una representación de dominio de tiempo de una señal de audio (por ejemplo, la información de audio de ocultamiento de errores) en base a la señal de excitación de dominio de tiempo, y además, en base a coeficientes de filtro de LPC (coeficientes de filtro de codificación de predicción lineal).
10 Por consiguiente, el ocultamiento de errores 130 proporciona la información de audio de ocultamiento de errores 132 que, por ejemplo, puede ser una señal de audio de dominio de tiempo, para tramas de audio perdidas, en el que la señal de excitación de dominio de tiempo utilizada por el ocultamiento de errores 130 puede sustentarse en una o más tramas de audio previas apropiadamente recibidas (que preceden la trama de audio perdida), que son
15 codificadas en la forma de una representación de dominio de frecuencia, o puede derivar de ellas. Como conclusión, el decodificador de audio 100 puede realizar un ocultamiento de errores (es decir, proporcionar una información de audio de ocultamiento de errores 132), que reduce una degradación de una calidad de audio debido a la pérdida de una trama de audio en base a una información de audio codificada, en el que por lo menos algunas tramas de audio son codificadas en una representación de dominio de frecuencia. Se ha hallado que la realización del ocultamiento
20 de errores usando una señal de excitación de dominio de tiempo, incluso si una trama luego de una trama de audio codificada en la representación de dominio de frecuencia apropiadamente recibida está perdida, acarrea una calidad de audio mejorada en comparación con un ocultamiento de errores que se realiza en el dominio de frecuencia (por ejemplo, usando una representación de dominio de frecuencia de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida). Esto se debe a que puede lograrse una transición
25 llana entre la información de audio decodificada asociada con la trama de audio que precede la trama de audio perdida apropiadamente recibida, y la información de audio de ocultamiento de errores asociada con la trama de audio perdida, usando una señal de excitación de dominio de tiempo, ya que la síntesis de señal, que se realiza habitualmente en base a la señal de excitación de dominio de tiempo, ayuda a evitar discontinuidades. Por lo tanto, puede lograrse una buena (o por lo menos aceptable) impresión auditiva, usando el decodificador de audio 100,
30 incluso si se pierde una trama de audio que sigue a una trama de audio codificada en la representación de dominio de frecuencia apropiadamente recibida. Por ejemplo, el enfoque de dominio de tiempo produce un mejoramiento sobre la señal monofónica, como voz, ya que está más cerca de lo que se hace en el caso del ocultamiento de códec de voz. El uso de la LPC ayuda a evitar las discontinuidades, y proporciona una mejor forma de las tramas.
35 Además, debe observarse que el decodificador de audio 100 puede ser suplementado por cualquiera de las características y de las funcionalidades que se describen a continuación, ya sea individualmente, ya sea tomadas en combinación.
2. Decodificador de audio de acuerdo con la figura 2
40 La figura 2 muestra un diagrama de bloques esquemático de un decodificador de audio 200 de acuerdo con una realización de la presente invención. El decodificador de audio 200 está configurado para recibir una información de audio codificada 210 y para proporcionar, sobre su base, una información de audio decodificada 220. La información de audio codificada 210, por ejemplo, puede adoptar la forma de una secuencia de tramas de audio codificadas en
45 una representación de dominio de tiempo, codificadas en una representación de dominio de frecuencia, o codificadas tanto en una representación de dominio de tiempo como en una representación de dominio de frecuencia. En otras palabras, todas las tramas de la información de audio codificada 210 pueden estar codificadas en una representación de dominio de frecuencia, o todas las tramas de la información de audio codificada 210 pueden estar codificadas en una representación de dominio de tiempo (por ejemplo, en la forma de una señal de
50 excitación de dominio de tiempo codificada y parámetros de síntesis de señal codificados, por ejemplo, parámetros de LPC). Alternativamente, algunas tramas de la información de audio codificada pueden estar codificadas en una representación de dominio de frecuencia, y algunas otras tramas de la información de audio codificada pueden estar codificadas en una representación de dominio de tiempo, por ejemplo, si el decodificador de audio 200 es un decodificador de audio de conmutación que puede conmutar entre diferentes modos de decodificación. La
55 información de audio decodificada 220, por ejemplo, puede ser una representación de dominio de tiempo de uno o más canales de audio.
El decodificador de audio 200 puede comprender típicamente una decodificación/procesamiento 220, que, por ejemplo, puede proporcionar una información de audio decodificada 232 para tramas de audio que son 60 apropiadamente recibidas. En otras palabras, la decodificación/procesamiento 230 puede realizar una decodificación de dominio de frecuencia (por ejemplo, una decodificación de tipo AAC, o similar) en base a una o más tramas de audio codificadas, codificadas en una representación de dominio de frecuencia. Alternativamente, o además, la decodificación/procesamiento 230 puede estar configurada para realizar una decodificación en el dominio de tiempo (o decodificación en el dominio de predicción lineal) en base a una o más tramas de audio codificadas, codificadas
en una representación de dominio de tiempo (o, en otras palabras, en una representación de dominio de predicción lineal), por ejemplo, una decodificación de predicción lineal excitada por TCX (TCX = excitación codificada transformada) o una decodificación de ACELP (decodificación de predicción lineal excitada por libro de códigos adaptativo). Opcionalmente, la decodificación/procesamiento 230 puede estar configurada para conmutar entre
5 diferentes modos de decodificación.
El decodificador de audio 200 adicionalmente comprende un ocultamiento de errores 240, que está configurado para proporcionar una información de audio de ocultamiento de errores 242 para una o más tramas de audio perdidas. El ocultamiento de errores 240 está configurado para proporcionar la información de audio de ocultamiento de errores 10 242 para el ocultamiento de una pérdida de una trama de audio (o incluso una pérdida de múltiples tramas de audio). El ocultamiento de errores 240 está configurado para modificar una señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama de audio perdida, para obtener la información de audio de ocultamiento de errores 242. En otras palabras, el ocultamiento de errores 240 puede obtener (o derivar) una señal de excitación de dominio de tiempo para (o en base a) una o más tramas de audio 15 codificadas que preceden una trama de audio perdida, y puede modificar dicha señal de excitación de dominio de tiempo, que es obtenida para (o en base a) una o más tramas de audio apropiadamente recibidas que preceden una trama de audio perdida, para obtener así (por medio de la modificación) una señal de excitación de dominio de tiempo que se usa para proporcionar la información de audio de ocultamiento de errores 242. En otras palabras, la señal de excitación de dominio de tiempo modificada puede usarse como una entrada (o como un componente de 20 una entrada) para una síntesis (por ejemplo, la síntesis de LPC) de la información de audio de ocultamiento de errores asociada con la trama de audio perdida (o incluso, con múltiples tramas de audio perdidas). Al proporcionar la información de audio de ocultamiento de errores 242 en base a la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio apropiadamente recibidas que preceden la trama de audio perdida, pueden evitarse discontinuidades audibles. Por otra parte, al modificar la señal de excitación de dominio de tiempo 25 derivada para (o a partir de) una o más tramas de audio que preceden la trama de audio perdida, y al proporcionar la información de audio de ocultamiento de errores en base a la señal de excitación de dominio de tiempo modificada, es posible considerar la variación de las características del contenido de audio (por ejemplo, un cambio de tono), y además es posible evitar una impresión auditiva no natural (por ejemplo, mediante la “atenuación” de un componente de señal determinista (por ejemplo, por lo menos aproximadamente periódico)). Por lo tanto, puede 30 lograrse que la información de audio de ocultamiento de errores 242 comprenda cierta similitud con la información de audio decodificada 232 obtenida en base a tramas de audio apropiadamente decodificadas que preceden la trama de audio perdida, y puede lograrse aunque la información de audio de ocultamiento de errores 242 comprenda un contenido de audio algo diferente cuando se compara con la información de audio decodificada 232 asociada con la trama de audio que precede la trama de audio perdida mediante cierta modificación de la señal de excitación de 35 dominio de tiempo. La modificación de la señal de excitación de dominio de tiempo usada para la provisión de la información de audio de ocultamiento de errores (asociada con la trama de audio perdida), por ejemplo, puede comprender una escala de amplitud o una escala de tiempo. Sin embargo, son posibles otros tipos de modificaciones (o incluso una combinación de una escala de amplitud y una escala de tiempo), en el que, preferentemente, debe permanecer un cierto grado de relación entre la señal de excitación de dominio de tiempo
40 obtenida (como una información de entrada) por el ocultamiento de errores y la señal de excitación de dominio de tiempo modificada.
Como conclusión, el decodificador de audio 200 permite la provisión de la información de audio de ocultamiento de errores 242, de modo tal que la información de audio de ocultamiento de errores proporciona una buena impresión
45 auditiva, aun en el caso de que una o más tramas de audio se pierdan. El ocultamiento de errores se realiza en base a una señal de excitación de dominio de tiempo, donde se considera una variación de las características de señal del contenido de audio durante la trama de audio perdida mediante la modificación de la señal de excitación de dominio de tiempo obtenida en base a una o más tramas de audio que preceden una trama de audio perdida.
50 Además, debe observarse que el decodificador de audio 200 puede ser suplementado por cualquiera de las características y de las funcionalidades que se describen en esta solicitud, ya sea individualmente o en combinación.
3. Decodificador de audio de acuerdo con la figura 3
55 La figura 3 muestra un diagrama de bloques esquemático de un decodificador de audio 300, de acuerdo con otra realización de la presente invención.
El decodificador de audio 300 está configurado para recibir una información de audio codificada 310 y para proporcionar, sobre su base, una información de audio decodificada 312. El decodificador de audio 300 comprende 60 un analizador de corriente de bits 320, que puede además ser designado como un “desformateador de corriente de bits” o “analizador sintáctico de corriente de bits”. El analizador de corriente de bits 320 recibe la información de audio codificada 310 y proporciona, sobre su base, una representación de dominio de frecuencia 322 y posiblemente, información de control adicional 324. La representación de dominio de frecuencia 322, por ejemplo, puede comprender valores espectrales codificados 326, factores de escala codificados 328 y, opcionalmente, una
información lateral adicional 330 que, por ejemplo, puede controlar etapas de procesamiento específicas, por ejemplo, un relleno de ruido, un procesamiento intermedio o un procesamiento posterior. El decodificador de audio 300 además comprende una decodificación de valor espectral 340 que está configurada para recibir los valores espectrales codificados 326, y para proporcionar, sobre su base, un conjunto de valores espectrales decodificados
5 342. El decodificador de audio 300 además puede comprender una decodificación de factor de escala 350, que puede estar configurada para recibir los factores de escala codificados 328 y para proporcionar, sobre su base, un conjunto de factores de escala decodificados 352.
Alternativamente a la decodificación de factor de escala, puede usarse una conversión de LPC a factor de escala
10 354, por ejemplo, en el caso de que la información de audio codificada comprenda una información de LPC codificada, en lugar de una información de factor de escala. Sin embargo, en algunos modos de codificación (por ejemplo, en el modo de codificación TCX del decodificador USAC de audio o en el decodificador de audio EVS), puede utilizarse un conjunto de coeficientes de LPC para derivar un conjunto de factores de escala del lado del decodificador de audio. Esta funcionalidad puede lograrse por medio de la conversión de LPC a factor de escala
15 354.
El decodificador de audio 300 puede además comprender un escalador 360, que puede estar configurado para aplicar el conjunto de factores escalados 352 al conjunto de valores espectrales 342, para obtener así un conjunto de valores espectrales decodificados escalados 362. Por ejemplo, una primera banda de frecuencia que comprende 20 múltiples valores espectrales decodificados 342 puede escalarse usando un primer factor de escala, y una segunda banda de frecuencia que comprende múltiples valores espectrales decodificados 342 pueden escalarse usando un segundo factor de escala. Por consiguiente, se obtiene el conjunto de valores espectrales decodificados escalados
362. El decodificador de audio 300 puede comprender adicionalmente un procesamiento opcional 366, que puede
aplicar cierto procesamiento a los valores espectrales decodificados escalados 362. Por ejemplo, el procesamiento 25 opcional 366 puede comprender un relleno de ruido o alguna otra operación.
El decodificador de audio 300 además comprende una transformada de dominio de frecuencia a dominio de tiempo 370, que está configurada para recibir los valores espectrales decodificados escalados 362, o una versión procesada 368 de los mismos, y para proporcionar una representación de dominio de tiempo 372 asociada con un conjunto de 30 valores espectrales decodificados escalados 362. Por ejemplo, la transformada de dominio de frecuencia a dominio de tiempo 370 puede proporcionar una representación de dominio de tiempo 372, que está asociada con una trama
o subtrama del contenido de audio. Por ejemplo, la transformada de dominio de frecuencia a dominio de tiempo puede recibir un conjunto de coeficientes de MDCT (que pueden considerarse valores espectrales decodificados escalados) y proporcionar, sobre su base, un bloque de muestras de dominio de tiempo, que pueden formar la
35 representación de dominio de tiempo 372.
El decodificador de audio 300 puede comprender opcionalmente un postprocesamiento 376, que puede recibir la representación de dominio de tiempo 372 y modificar en cierta forma la representación de dominio de tiempo 372, para obtener así una versión postprocesada 378 de la representación de dominio de tiempo 372.
40 El decodificador de audio 300 además comprende un ocultamiento de errores 380 que, por ejemplo, puede recibir la representación de dominio de tiempo 372 de la transformada de dominio de frecuencia a dominio de tiempo 370 y que, por ejemplo, puede proporcionar una información de audio de ocultamiento de errores 382 para una o más tramas de audio perdidas. En otras palabras, si una trama de audio se pierde, de modo tal que, por ejemplo, no hay
45 disponibles valores espectrales codificados 326 para dicha trama de audio (o subtrama de audio), el ocultamiento de errores 380 puede proporcionar la información de audio de ocultamiento de errores en base a la representación de dominio de tiempo 372 asociada con una o más tramas de audio que preceden la trama de audio perdida. La información de audio de ocultamiento de errores puede ser típicamente una representación de dominio de tiempo de un contenido de audio.
50 Debe observarse que el ocultamiento de errores 380, por ejemplo, puede realizar la funcionalidad del ocultamiento de errores 130 que se describe anteriormente. Además, el ocultamiento de errores 380, por ejemplo, puede comprender la funcionalidad del ocultamiento de errores 500 descrita con referencia a la figura 5. Sin embargo, en términos generales, el ocultamiento de errores 380 puede comprender cualquiera de las características y de las
55 funcionalidades que se describen con respecto al ocultamiento de errores en la presente solicitud.
Con respecto al ocultamiento de errores, debe observarse que el ocultamiento de errores no sucede al mismo tiempo que la decodificación de tramas. Por ejemplo, si la trama n es buena, entonces, hacemos una decodificación normal, y al final, guardamos alguna variable que ayudará si tenemos que ocultar la siguiente trama, entonces, si
60 n+1 se pierde, llamamos a la función de ocultamiento proveyendo la variable que proviene de la trama buena previa. Además, actualizaremos algunas variables para ayudar para la siguiente pérdida de trama o con la recuperación para la siguiente trama buena.
El decodificador de audio 300 además comprende una combinación de señales 390, que está configurada para
recibir la representación de dominio de tiempo 372 (o la representación de dominio de tiempo postprocesada 378 en el caso de que haya un postprocesamiento 376). Además, la combinación de señales 390 puede recibir la información de audio de ocultamiento de errores 382, que habitualmente es además una representación de dominio de tiempo de una señal de audio de ocultamiento de errores previsto para una trama de audio perdida. La 5 combinación de señales 390, por ejemplo, puede combinar representaciones de dominio de tiempo asociadas con tramas de audio posteriores. En el caso de que haya tramas de audio posteriores apropiadamente decodificadas, la combinación de señales 390 puede combinar (por ejemplo, superposición y adición) representaciones de dominio de tiempo asociadas con las tramas de audio posteriores apropiadamente decodificadas. Sin embargo, si una trama de audio se pierde, la combinación de señales 390 puede combinar (por ejemplo, superposición y adición) la 10 representación de dominio de tiempo asociada con la trama de audio apropiadamente decodificada que precede la trama de audio perdida, y la información de audio de ocultamiento de errores asociada con la trama de audio perdida, para obtener así una transición llana entre la trama de audio apropiadamente recibida y la trama de audio perdida. De manera similar, la combinación de señales 390 puede estar configurada para combinar (por ejemplo, superposición y adición) la información de audio de ocultamiento de errores asociada con la trama de audio perdida
15 y la representación de dominio de tiempo asociada con otra trama de audio apropiadamente decodificada después de la trama de audio perdida (u otra información de audio de ocultamiento de errores asociada con otra trama de audio perdida, en el caso de que múltiples tramas de audio consecutivas estén perdidas).
Por consiguiente, la combinación de señales 390 puede proporcionar una información de audio decodificada 312, de
20 modo tal de proporcionar la representación de dominio de tiempo 372, o una versión postprocesada 378 de la misma, para tramas de audio apropiadamente decodificadas, y de modo tal que la información de audio de ocultamiento de errores 382 sea previsto para tramas de audio perdidas, en el que habitualmente se realiza una operación de superposición y adición entre la información de audio (sin consideración de si se proporciona por una transformada de dominio de frecuencia a dominio de tiempo 370 o por el ocultamiento de errores 380) de tramas de
25 audio posteriores. Debido a que algunos códecs tienen cierto solapamiento sobre la parte de superposición y adición que debe ser cancelada, opcionalmente, podemos crear cierto solapamiento artificial sobre la mitad de la trama que hemos creado para realizar la adición de superposición.
Debe observarse que la funcionalidad del decodificador de audio 300 es similar a la funcionalidad del decodificador
30 de audio 100 de acuerdo con la figura 1, en el que los detalles adicionales se muestran en la figura 3. Además, debe observarse que el decodificador de audio 300 de acuerdo con la figura 3 puede suplementarse por cualquiera de las características y de las funcionalidades que se describen en la presente solicitud. En particular, el ocultamiento de errores 380 puede suplementarse por cualquiera de las características y de las funcionalidades que se describen en esta solicitud con respecto al ocultamiento de errores.
4. Decodificador de audio 400 de acuerdo con la figura 4
La figura 4 muestra un decodificador de audio 400 de acuerdo con otra realización de la presente invención. El decodificador de audio 400 está configurado para recibir una información de audio codificada y para proporcionar, 40 sobre su base, una información de audio decodificada 412. El decodificador de audio 400, por ejemplo, puede estar configurado para recibir una información de audio codificada 410, en el que diferentes tramas de audio son codificadas usando diferentes modos de codificación. Por ejemplo, el decodificador de audio 400 puede considerarse un decodificador de audio de múltiples modos o un decodificador de audio “de conmutación”. Por ejemplo, algunas de las tramas de audio pueden ser codificadas usando una representación de dominio de 45 frecuencia, donde la información de audio codificada comprende una representación codificada de valores espectrales (por ejemplo, valores FFT o valores MDCT) y factores de escala que representan una escala de diferentes bandas de frecuencia. Además, la información de audio codificada 410 puede además comprender una “representación de dominio de tiempo” de tramas de audio, o una “representación de dominio de predicción lineal” de múltiples tramas de audio. La “representación de dominio de codificación de predicción lineal” (también
50 designada brevemente como “representación de LPC“), por ejemplo, puede comprender una representación codificada de una señal de excitación, y una representación codificada de parámetros de LPC (parámetros de codificación de predicción lineal), donde los parámetros de codificación de predicción lineal describen, por ejemplo, un filtro de síntesis de codificación de predicción lineal, que se utiliza para reconstruir una señal de audio en base a la señal de excitación de dominio de tiempo.
55 A continuación, se describirán algunos detalles del decodificador de audio 400.
El decodificador de audio 400 comprende un analizador de corriente de bits 420 que, por ejemplo, puede analizar la información de audio codificada 410 y extraer, de la información de audio codificada 410, una representación de 60 dominio de frecuencia 422, que comprende, por ejemplo, valores espectrales codificados, factores de escala codificados y, opcionalmente, una información lateral adicional. El analizador de corriente de bits 420 además puede estar configurado para extraer una representación de dominio de codificación de predicción lineal 424, que, por ejemplo, puede comprender una excitación codificada 426 y coeficientes de predicción lineal codificada 428 (que también pueden considerarse parámetros de predicción lineal codificada). Además, el analizador de corriente de bits
puede opcionalmente extraer información lateral, que puede ser usada para el control de etapas de procesamiento adicionales, a partir de la información de audio codificada.
El decodificador de audio 400 comprende una vía de codificación de dominio de frecuencia 430, que, por ejemplo, 5 puede ser sustancialmente idéntica a la vía de codificación del decodificador de audio 300 de acuerdo con la figura
3. En otras palabras, la vía de codificación de dominio de frecuencia 430 puede comprender una decodificación de valor espectral 340, una decodificación de factor de escala 350, un escalador 360, un procesamiento 366 opcional, una transformada de dominio de frecuencia a dominio de tiempo 370, un postprocesamiento 376 opcional y un ocultamiento de errores 380, como se describe anteriormente con referencia a la figura 3.
10 El decodificador de audio 400 puede además comprender una vía de decodificación de dominio de predicción lineal 440 (que puede considerarse además una vía de decodificación de dominio de tiempo, ya que la síntesis de LPC se realiza en el dominio de tiempo). La vía de decodificación de dominio de predicción lineal comprende una decodificación de excitación 450, que recibe la excitación codificada 426 provista por el analizador de corriente de
15 bits 420 y proporciona, sobre su base, una excitación decodificada 452 (que puede adoptar la forma de una señal de excitación de dominio de tiempo decodificada). Por ejemplo, la decodificación de excitación 450 puede recibir una información de excitación codificada transformada codificada, y puede proporcionar, sobre su base, una señal de excitación de dominio de tiempo decodificada. Por lo tanto, la decodificación de excitación 450, por ejemplo, puede realizar una funcionalidad que es efectuada por el decodificador de excitación 730 descrito con referencia a la figura
20 7. Sin embargo, en forma alternativa o adicional, la decodificación de excitación 450 puede recibir una excitación de predicción lineal excitada por libro de códigos adaptativo (ACELP) codificada, y puede proporcionar la señal de excitación de dominio de tiempo 452 decodificada en base a dicha información de excitación ACELP codificada.
Debe observarse que hay diferentes opciones para la decodificación de excitación. Se hace referencia, por ejemplo,
25 a los estándares pertinentes y a las publicaciones que definen los conceptos de codificación de CELP, los conceptos de codificación de ACELP, las modificaciones de los conceptos de codificación de CELP y de los conceptos de codificación de ACELP y el concepto de codificación de TCX.
La vía de decodificación de dominio de predicción lineal 440 opcionalmente comprende un procesamiento 454 en el
30 cual una señal de excitación de dominio de tiempo procesada 456 es derivada de la señal de excitación de dominio de tiempo 452.
La vía de decodificación de dominio de predicción lineal 440 además comprende una decodificación de coeficiente de predicción lineal 460, que está configurada para recibir coeficientes de predicción lineal codificados y para
35 proporcionar, sobre su base, coeficientes de predicción lineal decodificados 462. La decodificación de coeficiente de predicción lineal 460 puede usar diferentes representaciones de un coeficiente de predicción lineal como información de entrada 428, y puede proporcionar diferentes representaciones de los coeficientes de predicción lineal decodificados como la información de salida 462. Para detalles, se hace referencia a diferentes documentos de estándares en los cuales se describe una codificación y/o decodificación de coeficientes de predicción lineal.
40 La vía de decodificación de dominio de predicción lineal 440 opcionalmente comprende un procesamiento 464, que puede procesar los coeficientes de predicción lineal decodificados y proporcionar una versión procesada 466 de los mismos.
45 La vía de decodificación de dominio de predicción lineal 440 además comprende una síntesis de LPC 470, que está configurada para recibir la excitación decodificada 452, o su versión procesada 456, y los coeficientes de predicción lineal decodificados 462, o su versión procesada 466, y para proporcionar una señal de audio de dominio de tiempo decodificada 472. Por ejemplo, la síntesis de LPC 470 puede estar configurada para aplicar una filtración, que es definida por los coeficientes de predicción lineal decodificados 462 (o su versión procesada 466), a la señal de
50 excitación de dominio de tiempo decodificada 452, o su versión procesada, de modo tal que la señal de audio de dominio de tiempo decodificada 472 es obtenida por la filtración (filtración de síntesis) de la señal de excitación de dominio de tiempo 452 (o 456). La vía de codificación de dominio de predicción lineal 440 puede comprender en forma opcional un postprocesamiento 474, que puede ser utilizado para refinar o ajustar las características de la señal de audio de dominio de tiempo decodificada 472.
55 La vía de decodificación de dominio de predicción lineal 440 además comprende un ocultamiento de errores 480, que está configurado para recibir los coeficientes de predicción lineal decodificados 462 (o su versión procesada 466) y la señal de excitación de dominio de tiempo decodificada 452 (o su versión procesada 456). El ocultamiento de errores 480 puede recibir opcionalmente información adicional, por ejemplo, una información de tono. El
60 ocultamiento de errores 480 puede, en consecuencia, proporcionar una información de audio de ocultamiento de errores, que puede presentarse en la forma de una señal de audio de dominio de tiempo, en el caso de que una trama (o subtrama) de la información de audio codificada 410 se pierda. Por lo tanto, el ocultamiento de errores 480 puede proporcionar la información de audio de ocultamiento de errores 482 de modo tal que las características de la información de audio de ocultamiento de errores 482 se adaptan sustancialmente a las características de una última
trama de audio apropiadamente decodificada que precede la trama de audio perdida. Debe entenderse que el ocultamiento de errores 480 puede comprender cualquiera de las características y de las funcionalidades que se describen con respecto al ocultamiento de errores 240. Asimismo, debe observarse que el ocultamiento de errores 480 puede además comprender cualquiera de las características y de las funcionalidades que se describen con
5 respecto al ocultamiento de dominio de tiempo de la figura 6.
El decodificador de audio 400 además comprende un combinador de señal (o combinación de señales 490), que está configurado para recibir la señal de audio de dominio de tiempo decodificada 372 (o su versión postprocesada 378), la información de audio de ocultamiento de errores 382 provista por el ocultamiento de errores 380, la señal de 10 audio de dominio de tiempo decodificada 472 (o su versión postprocesada 476) y la información de audio de ocultamiento de errores 482 provista por el ocultamiento de errores 480. El combinador de señal 490 puede estar configurado para combinar dichas señales 372 (o 378), 382, 472 (o 476) y 482 para obtener la información de audio decodificada 412. En particular, puede aplicarse una operación de superposición y adición por medio del combinador de señal 490. Por consiguiente, el combinador de señal 490 puede proporcionar transiciones llanas entre tramas de 15 audio posteriores para las cuales se proporciona la señal de audio de dominio de tiempo por medio de diferentes entidades (por ejemplo, por diferentes vías de codificación 430, 440). Sin embargo, el combinador de señal 490 puede además proporcionar transiciones llanas si la señal de audio de dominio de tiempo es provista por la misma entidad (por ejemplo, transformada de dominio de frecuencia a dominio de tiempo 370, o síntesis de LPC 470) para tramas subsiguientes. Debido a que algunos códecs tienen cierto solapamiento sobre la parte de superposición y
20 adición que debe ser cancelada, opcionalmente, podemos crear cierto solapamiento artificial sobre la mitad de la trama que hemos creado para realizar la adición de superposición. En otras palabras, puede usarse en forma opcional una compensación de solapamiento de domino de tiempo artificial (TDAC).
Además, el combinador de señal 490 puede proporcionar transiciones llanas hacia y desde tramas para las cuales
25 se proporciona una información de audio de ocultamiento de errores (que, habitualmente, además es una señal de audio de dominio de tiempo).
En resumen, el decodificador de audio 400 permite la decodificación de tramas de audio que son codificadas en el dominio de frecuencia, y tramas de audio que son codificadas en el dominio de predicción lineal. En particular, es 30 posible la conmutación entre el uso de la vía de codificación de dominio de frecuencia y el uso de la vía de codificación de dominio de predicción lineal de acuerdo con las características de la señal (por ejemplo, usando una información de señalización provista por un codificador de audio). Diferentes tipos de ocultamiento de errores pueden usarse para la provisión de una información de audio de ocultamiento de errores, en el caso de una pérdida de trama, de acuerdo con si una última trama de audio apropiadamente decodificada fue codificada en el dominio de
35 frecuencia (o, equivalentemente, en una representación de dominio de frecuencia), o en el dominio de tiempo (o equivalentemente, en una representación de dominio de tiempo, o, equivalentemente, en un dominio de predicción lineal, o, equivalentemente, en una representación de dominio de predicción lineal).
5. Ocultamiento de dominio de tiempo de acuerdo con la figura 5
40 La figura 5 muestra un diagrama de bloques esquemático de un ocultamiento de errores de acuerdo con una realización de la presente invención. El ocultamiento de errores de acuerdo con la figura 5 se designa en su totalidad como 500.
45 El ocultamiento de errores 500 está configurado para recibir una señal de audio de dominio de tiempo 510 y para proporcionar, sobre su base, una información de audio de ocultamiento de errores 512 que, por ejemplo, puede adoptar la forma de una señal de audio de dominio de tiempo.
Debe observarse que el ocultamiento de errores 500 puede, por ejemplo, ocupar el lugar del ocultamiento de errores
50 130, de modo tal que la información de audio de ocultamiento de errores 512 puede corresponder a la información de audio de ocultamiento de errores 132. Además, debe observarse que el ocultamiento de errores 500 puede ocupar el lugar del ocultamiento de errores 380, de modo tal que la señal de audio de dominio de tiempo 510 puede corresponder a la señal de audio de dominio de tiempo 372 (o a la señal de audio de dominio de tiempo 378), y de modo tal que la información de audio de ocultamiento de errores 512 puede corresponder a la información de audio
55 de ocultamiento de errores 382.
El ocultamiento de errores 500 comprende un preénfasis 520, que puede considerarse opcional. El preénfasis recibe la señal de audio de dominio de tiempo y proporciona, sobre su base, una señal de audio de dominio de tiempo preenfatizada 522.
60 El ocultamiento de errores 500 además comprende un análisis de LPC 530, que está configurada para recibir la señal de audio de dominio de tiempo 510, o su versión preenfatizada 522, y para obtener una información de LPC 532, que puede comprender un conjunto de parámetros de LPC 532. Por ejemplo, la información de LPC puede comprender un conjunto de coeficientes de filtro de LPC (o una representación de los mismos) y una señal de
excitación de dominio de tiempo (que se adapta para una excitación de un filtro de síntesis de LPC configurado de acuerdo con los coeficientes de filtro de LPC, para reconstruir, al menos en forma aproximada, la señal de entrada del análisis de LPC).
5 El ocultamiento de errores 500 además comprende una búsqueda de tono 540, que está configurada para obtener una información de tono 542, por ejemplo, en base a una trama de audio previamente decodificada.
El ocultamiento de errores 500 además comprende una extrapolación 550, que puede estar configurada para obtener una señal de excitación de dominio de tiempo extrapolada en base al resultado del análisis de LPC (por
10 ejemplo, en base a la señal de excitación de dominio de tiempo determinada por el análisis de LPC), y posiblemente, en base al resultado de la búsqueda de tono.
El ocultamiento de errores 500 además comprende una generación de ruido 560, que proporciona una señal de ruido 562. El ocultamiento de errores 500 además comprende un combinador/atenuador 570, que está configurado 15 para recibir la señal de excitación de dominio de tiempo extrapolada 552 y la señal de ruido 562, y para proporcionar, sobre su base, una señal de excitación de dominio de tiempo combinada 572. El combinador/atenuador 570 puede estar configurado para combinar la señal de excitación de dominio de tiempo extrapolada 552 y la señal de ruido 562, en el que puede realizarse una atenuación, de modo tal que una contribución relativa de la señal de excitación de dominio de tiempo extrapolada 552 (que determina un componente
20 determinista de la señal de entrada de la síntesis de LPC) disminuye en función del tiempo, mientras que una contribución relativa de la señal de ruido 562 incrementa en función del tiempo. Sin embargo, una funcionalidad diferente del combinador/atenuador es también posible. Además, se hace referencia a la descripción a continuación.
El ocultamiento de errores 500 además comprende una síntesis de LPC 580, que recibe la señal de excitación de
25 dominio de tiempo combinada 572 y que proporciona una señal de audio de dominio de tiempo 582 sobre su base. Por ejemplo, la síntesis de LPC además puede recibir coeficientes de filtro de LPC que describen un filtro de forma de LPC, que se aplica a la señal de excitación de dominio de tiempo combinada 572, para derivar la señal de audio de dominio de tiempo 582. La síntesis de LPC 580 puede, por ejemplo, usar coeficientes de LPC obtenidos en base a una o más tramas de audio previamente decodificadas (por ejemplo, provistas por el análisis de LPC 530).
30 El ocultamiento de errores 500 además comprende en desénfasis 584, que puede ser considerado opcional. El desénfasis 584 puede proporcionar una señal de audio de dominio de tiempo de ocultamiento de errores desenfatizada 586.
35 El ocultamiento de errores 500 además comprende, opcionalmente, una superposición y adición 590, que realiza una operación de superposición y adición de las señales de audio de dominio de tiempo asociadas con subsiguientes tramas (o subtramas). Sin embargo, debe observarse que la superposición y adición 590 debe considerarse opcional, ya que el ocultamiento de errores puede demás usar una combinación de señales que ya es provista en el entorno del decodificador de audio. Por ejemplo, la superposición y adición 590 puede ser
40 reemplazada por la combinación de señales 390 en el decodificador de audio 300 en algunas realizaciones. A continuación, se describirán algunos detalles adicionales respecto del ocultamiento de errores 500.
El ocultamiento de errores 500 de acuerdo con la figura 5 cubre el contexto de un códec de dominio de transformada como AAC_LC o AAC_ELD. En otras palabras, el ocultamiento de errores 500 se adapta bien para el uso en dicho 45 códec de dominio de transformada (y, en particular, en dicho decodificador de audio de dominio de transformada). En el caso de un códec de transformada solamente (por ejemplo, en ausencia de una vía de decodificación de dominio de predicción lineal), se usa una señal de salida de una última trama, como un punto de inicio. Por ejemplo, una señal de audio de dominio de tiempo 372 puede usarse como un punto de inicio para el ocultamiento de errores. Preferentemente, no hay disponible ninguna señal de excitación, solo una señal de dominio de tiempo de salida de
50 (una o más) tramas previas (por ejemplo, la señal de audio de dominio de tiempo 372).
A continuación, se describirá en más detalle las subunidades y funcionalidades del ocultamiento de errores 500.
5.1. Análisis de LPC
55 En la realización de acuerdo con la figura 5, todo el ocultamiento se realiza en el dominio de excitación para obtener así una transición más llana entre tramas consecutivas. Por lo tanto, es necesario primer hallar (o, más generalmente, obtener) un conjunto apropiado de parámetros de LPC. En la realización de acuerdo con la figura 5, se realiza un análisis de LPC 530 sobre la pasada señal de dominio de tiempo preenfatizada 522. Los parámetros de
60 LPC (o coeficientes de filtro de LPC) son utilizados para realizar el análisis de LPC de la señal de síntesis pasada (por ejemplo, en base a la señal de audio de dominio de tiempo 510, o en base a la señal de audio de dominio de tiempo preenfatizada 522) para obtener una señal de excitación (por ejemplo, una señal de excitación de dominio de tiempo).
5.2. Búsqueda de tono
Existen diferentes enfoques para obtener el tono que se utilizada para lograr la construcción de la nueva señal (por ejemplo, la información de audio de ocultamiento de errores).
5 En el contexto del códec usando un filtro de LTP (filtro de predicción de largo plazo), como un AACLTP, si la última trama fue AAC con LTP, usamos esta última demora de tono de LTP recibida y la correspondiente ganancia para la generación de la parte armónica. En este caso, la ganancia se utiliza para decidir si construir la parte armónica en la señal o no. Por ejemplo, si la ganancia de LTP es mayor que 0,6 (o cualquier otro valor predeterminado), entonces,
10 la información de LTP se utiliza para construir la parte armónica.
Si no hay ninguna información de tono disponible a partir de la trama previa, entonces, hay, por ejemplo, dos soluciones, que se describirán a continuación.
15 Por ejemplo, es posible realizar una búsqueda de tono en el codificador y transmitir en la corriente de bits la demora de tono y la ganancia. Esto es similar a la LTP, si bien no hay ninguna aplicación de filtración (además, ninguna filtración de predicción de largo plazo (LTP) en el canal limpio).
Alternativamente, es posible realizar una búsqueda de tono en el decodificador. La búsqueda de tono de AMRWB
20 en el caso de la TCX se realiza en el dominio de FFT. En el ELD, por ejemplo, si se usó el dominio de MDCT, entonces, se perderán las fases. Por lo tanto, la búsqueda de tono se realiza preferentemente directamente en el dominio de excitación. Esto proporciona mejores resultados que la realización de la búsqueda de tono en el dominio de síntesis. La búsqueda de tono en el dominio de excitación se realiza primero con un circuito abierto por medio de una correlación cruzada normalizada. A continuación, opcionalmente, refinamos la búsqueda de tono realizando una
25 búsqueda de circuito cerrado alrededor del tono de circuito abierto, con un cierto delta. Debido a las limitaciones del ventaneado de ELD, podría hallarse un tono erróneo y, en consecuencia, además, verificamos que el tono hallado sea correcto, o de lo contrario, se descarta.
Como conclusión, el tono de la última trama de audio apropiadamente decodificada que precede la trama de audio
30 perdida puede considerarse cuando se proporciona la información de audio de ocultamiento de errores. En algunos casos, hay una información de tono disponible de la decodificación de la trama previa (es decir, la última trama que precede la trama de audio perdida). En este caso, este tono puede reutilizarse (posiblemente, con cierta extrapolación y una consideración de un cambio de tono en función del tiempo). Además, podemos reutilizar opcionalmente el tono de más de una trama del pasado, para tratar de extrapolar el tono que necesitamos al final de
35 nuestra trama ocultada.
Además, si hay una información (por ejemplo, designada como ganancia de predicción de largo plazo) disponible, que describe una intensidad (o intensidad relativa) de un componente de señal determinista (por ejemplo, por lo menos aproximadamente periódico), este valor puede ser utilizado para decidir si un componente determinista (o
40 armónico) debe ser incluido en la información de audio de ocultamiento de errores. En otras palabras, al comparar dicho valor (por ejemplo, ganancia de LTP) con un valor de umbral predeterminado, puede decidirse si una señal de excitación de dominio de tiempo derivada de una trama de audio previamente decodificada debe considerarse para la provisión de la información de audio de ocultamiento de errores o no.
45 Si no hay información de tono disponible de la trama previa (o, más precisamente, de la decodificación de la trama previa), hay diferentes opciones. La información de tono podría transmitirse desde un codificador de audio hacia un decodificador de audio, lo que simplificaría el decodificador de audio si bien crearía una sobrecarga de tasa de bits. Alternativamente, la información de tono puede determinarse en el decodificador de audio, por ejemplo, en el dominio de excitación, es decir, en base a una señal de excitación de dominio de tiempo. Por ejemplo, la señal de
50 excitación de dominio de tiempo derivada de una trama de audio previa apropiadamente decodificada puede evaluarse para identificar la información de tono que se utiliza para la provisión de la información de audio de ocultamiento de errores.
5.3. Extrapolación de la excitación o creación de la parte armónica
55 La excitación (por ejemplo, la señal de excitación de dominio de tiempo) obtenida de la trama previa (o bien solo computada para la trama perdida o ya guardada en la trama perdida previa para múltiple pérdida de trama) es utilizada para la construcción de la parte armónica (además designada como componente determinista o componente aproximadamente periódico) en la excitación (por ejemplo, en la señal de entrada de la síntesis de
60 LPC) mediante el copiado del último ciclo de tono tantas veces como sean necesarias para obtener una trama y media. Para ahorrar complejidad, podemos además crear una trama y media solo para la primera trama de pérdida y luego, cambiar el procesamiento para la posterior pérdida de trama a la mitad de la trama, y crear solo una trama para cada una. A continuación, tenemos siempre acceso a la mitad de una trama de superposición.
En el caso de la primera trama perdida después de una trama buena (es decir, una trama apropiadamente decodificada), el primer ciclo de tono (por ejemplo, de la señal de excitación de dominio de tiempo obtenida en base a la última trama de audio apropiadamente decodificada que precede la trama de audio perdida) es el filtro de paso bajo con un filtro dependiente de la tasa de muestreo (ya que el retardo extra bajo (ELD) cubre una combinación de
5 tasa de muestreo realmente amplia que va de núcleo AACELD a AACELD con SBR o AACELD tasa dual SBR).
El tono en una señal de voz es casi siempre cambiante. Por lo tanto, el ocultamiento presentado anteriormente tiende a crear algunos problemas (o al menos distorsiones) en la recuperación, ya que el tono al final de la señal ocultada (es decir, al final de la información de audio de ocultamiento de errores) con frecuencia no coincide con el 10 tono de la primera trama buena. Por lo tanto, opcionalmente, en algunas realizaciones, se trata de predecir el tono al final de la trama ocultada para coincidir con el tono al comienzo de la trama de recuperación. Por ejemplo, se predice el tono al final de una trama perdida (que se considera una trama ocultada), en el que el objetivo de la predicción es establecer el tono al final de la trama perdida (trama ocultada) para aproximarse al tono al comienzo de la primera trama apropiadamente decodificada después de una o más tramas perdidas (cuya primera trama
15 apropiadamente decodificada además se denomina “trama de recuperación”). Esto podría realizarse durante la pérdida de trama o durante la primera trama buena (es decir, durante la primera trama apropiadamente recibida). Para obtener incluso mejores resultados, es posible reutilizar opcionalmente algunas herramientas convencionales y adaptarlas, como la resincronización de predicción de tono y pulsos. Para detalles, se hace referencia, por ejemplo, a la referencia [6] y [7].
20 Si se usa una predicción de largo plazo (LTP) en un códec de dominio de frecuencia, es posible usar la demora como la información de inicio acerca del tono. Sin embargo, en algunas realizaciones, se desea además contar con una mejor granularidad para poder rastrear mejor el contorno de tono. Por lo tanto, se prefiere realizar una búsqueda de tono al comienzo y al final de la última buena (apropiadamente decodificada) trama. Para adaptar la señal al tono
25 en movimiento, es deseable la utilización de una resincronización de pulsos, que se presenta en el estado de la técnica.
5.4. Ganancia de tono
30 En algunas realizaciones, se prefiere la aplicación de una ganancia sobre la excitación previamente obtenida para lograr el nivel deseado. La “ganancia de tono”(por ejemplo, la ganancia del componente determinista de la señal de excitación de dominio de tiempo, es decir, la ganancia aplicada a una señal de excitación de dominio de tiempo derivada de una trama de audio previamente decodificada, para obtener la señal de entrada de la síntesis de LPC), puede, por ejemplo, ser obtenida mediante la realización de una correlación normalizada en el dominio de tiempo al
35 final de la última trama buena (por ejemplo, apropiadamente decodificada). La longitud de la correlación puede ser equivalente a la longitud de dos subtramas, o puede cambiarse adaptativamente. El retardo es equivalente a la demora de tono que se usa para la creación de la parte armónica. Podemos además opcionalmente realizar el cálculo de ganancia solo sobre la primera trama perdida y luego solo aplicar una atenuación (ganancia reducida) para la siguiente pérdida de trama consecutiva.
40 La “ganancia de tono” determinará la cantidad de tonalidad (o la cantidad de componentes de señal deterministas, por lo menos aproximadamente periódicos) que se crearán. Sin embargo, es deseable agregar cierto ruido con forma para no tener solo un tono artificial. Si obtenemos muy baja ganancia de tono, entonces construimos una señal que consiste solo en un ruido con forma.
45 Como conclusión, en algunos casos, la señal de excitación de dominio de tiempo obtenida, por ejemplo, en base a una trama de audio previamente decodificada, se escala de acuerdo con la ganancia (por ejemplo, para obtener la señal de entrada para el análisis de LPC). Por consiguiente, debido a que la señal de excitación de dominio de tiempo determina un componente de señal determinista (por lo menos aproximadamente periódico), la ganancia puede determinar una intensidad relativa de dichos componentes de señal deterministas (por lo menos
50 aproximadamente periódicos) en la información de audio de ocultamiento de errores. Además, la información de audio de ocultamiento de errores puede sustentarse en un ruido, que es además formado por la síntesis de LPC, de modo tal que una energía total de la información de audio de ocultamiento de errores es adaptada, por lo menos hasta cierto grado, a una trama de audio apropiadamente decodificada que precede la trama de audio perdida e, idealmente, además a una trama de audio apropiadamente decodificada luego de las una o más tramas de audio
55 perdidas.
5.5. Creación de la parte de ruido
Una “innovación” se crea mediante un generador de ruido aleatorio. En forma opcional, este ruido es adicionalmente
60 filtrado paso alto y opcionalmente preenfatizado para tramas de voz y de inicio. Como para el paso bajo de la parte armónica, este filtro (por ejemplo, el filtro de paso alto) es dependiente de la tasa de muestreo. Este ruido (que se proporciona, por ejemplo, mediante una generación de ruido 560) estará formado por la codificación predictiva lineal (LPC) (por ejemplo, por la síntesis de LPC 580) para llegar lo más cerca posible del ruido de fondo. La característica de paso alto es además opcionalmente cambiada sobre pérdida de trama consecutiva, de modo tal que, sobre una
cierta cantidad de una pérdida de trama, ya no hay más filtración, para solo obtener el ruido con forma de banda completa para lograr un ruido de confort cercano al ruido de fondo.
Una ganancia de innovación (que, por ejemplo, puede determinar una ganancia del ruido 562 en la
5 combinación/atenuación 570, es decir, una ganancia usando la señal de ruido 562 que se incluye en la señal de entrada 572 de la síntesis de LPC), por ejemplo, se calcula mediante la eliminación de la contribución previamente computada de la tono (si existe) (por ejemplo, una versión escalada, escalada usando la “ganancia de tono”, de la señal de excitación de dominio de tiempo obtenida en base a la última trama de audio apropiadamente decodificada que precede la trama de audio perdida) y la realización de una correlación al final de la última buena trama. En
10 cuanto a la ganancia de tono, esta podría realizarse opcionalmente solo sobre la primera trama perdida, y luego, la atenuación, si bien, en este caso, la atenuación en forma saliente podría ir o bien a 0, que resulta en un silenciamiento completado, o a un nivel de ruido estimado presente en el fondo. La longitud de la correlación es, por ejemplo, equivalente a la longitud de dos subtramas, y el retardo es equivalente a la demora de tono utilizada para la creación de la parte armónica.
15 Opcionalmente, esta ganancia además se multiplica por (1“ganancia de tono”) para aplicar tanta ganancia sobre el ruido de modo de alcanzar la pérdida de ganancia si la ganancia de tono no es uno. Opcionalmente, esta ganancia además se multiplica por un factor de ruido. Este factor de ruido proviene, por ejemplo, de la trama válida previa (por ejemplo, de la última trama de audio apropiadamente decodificada que precede la trama de audio perdida).
5.6. Atenuación
La atenuación se usa en su mayoría para múltiple pérdida de trama. Sin embargo, la atenuación puede además utilizarse en el caso de que solo se pierda una sola trama de audio.
25 En el caso de una múltiple pérdida de trama, los parámetros de LPC no se recalculan. O bien, se mantiene el último computado, o se realiza el ocultamiento de LPC mediante la convergencia a una forma de fondo. En este caso, la periodicidad de la señal se converge a cero. Por ejemplo, la señal de excitación de dominio de tiempo 502 obtenida en base a una o más tramas de audio que preceden una trama de audio perdida aún utiliza una ganancia que se
30 reduce gradualmente en función del tiempo, mientras que la señal de ruido 562 se mantiene constante o escalada con una ganancia que es gradualmente creciente en función del tiempo, de modo tal que el peso relativo de la señal de excitación de dominio de tiempo 552 se reduce en función del tiempo en comparación con el peso relativo de la señal de ruido 562. En consecuencia, la señal de entrada 572 de la síntesis de LPC 580 se torna cada vez más “de tipo ruido”. Por lo tanto, la “periodicidad” (o, más precisamente, el componente determinista, o componente por lo
35 menos aproximadamente periódico de la señal de salida 582 de la síntesis de LPC 580) se reduce en función del tiempo.
La velocidad de la convergencia de acuerdo con la cual la periodicidad de la señal 572, y/o la periodicidad de la señal 582, converge a 0, depende de los parámetros de la última trama correctamente recibida (o apropiadamente
40 decodificada) y/o de la cantidad de tramas borradas consecutivas, y es controlada por un factor de atenuación, α. El factor, α, es adicionalmente dependiente de la estabilidad del filtro de LP. Opcionalmente, es posible alterar el factor α en la relación con la longitud de tono. Si el tono (por ejemplo, una longitud periódica asociada con el tono) es realmente largo, entonces mantenemos α “normal”, pero si el tono es realmente corto, habitualmente es necesario copiar una cantidad de veces la misma parte de la excitación pasada. Esto rápidamente sonará demasiado artificial
45 y, por lo tanto, se prefiere una atenuación más veloz de esta señal.
Además, opcionalmente, si está disponible, podemos considerar la salida de la predicción de tono. Si se predice un tono, esto significa que el tono ya estaba cambiando en la trama previa, y entonces, cuantas más tramas perdemos, más lejos estamos de la verdad. Por lo tanto, se prefiere acelerar algo la atenuación de la parte tonal, en este caso.
50 Si la predicción de tono fallara debido a que el tono cambia demasiado, esto significa que o bien los valores de tono no son realmente fiables, o que la señal es realmente impredecible. Por lo tanto, nuevamente, se prefiere realizar la atenuación en forma más veloz (por ejemplo, la atenuación de la señal de excitación de dominio de tiempo 552 obtenida en base a una o más tramas de audio apropiadamente decodificadas que preceden una o más tramas de
55 audio perdidas).
5.7. Síntesis de LPC
Para regresar al dominio de tiempo, se prefiere realizar una síntesis de LPC 580 sobre a la suma de las dos
60 excitaciones (parte tonal y parte ruidosa), seguida de un desénfasis. En otras palabras, se prefiere realizar la síntesis de LPC 580 en base a una combinación pesada de una señal de excitación de dominio de tiempo 552 obtenida en base a una o más tramas de audio apropiadamente decodificadas que preceden la trama de audio perdida (parte tonal) y la señal de ruido 562 (parte ruidosa). Como se menciona anteriormente, la señal de excitación de dominio de tiempo 552 puede ser modificada en comparación con la señal de excitación de dominio de tiempo 532 obtenida por
el análisis de LPC 530 (además de los coeficientes de LPC que describen una característica del filtro de la síntesis de LPC utilizado para la síntesis de LPC 580). Por ejemplo, la señal de excitación de dominio de tiempo 552 puede ser una copia escalada en tiempo de la señal de excitación de dominio de tiempo 532 obtenida por el análisis de LPC 530, en el que la escala de tiempo puede utilizarse para adaptar el tono de la señal de excitación de dominio de
5 tiempo 552 a un tono deseado.
5.8. Superposición y adición
En el caso de un códec de transformada solamente, para obtener la mejor superposición y adición, creamos una
10 señal artificial para media trama más que la trama ocultada, y podemos crear solapamiento artificial sobre la misma. Sin embargo, pueden aplicarse diferentes conceptos de superposición y adición.
En el contexto de AAC o TCX regular, se aplica una superposición y adición entre la media trama extra que proviene del ocultamiento y la primera parte de la primera buena trama (podría ser la mitad o menos, para ventanas de
15 retardo menores como AACLD).
En el caso especial de ELD (retardo extra bajo) para la primera trama perdida, se prefiere ejecutar el análisis tres veces para obtener la apropiada contribución de las tres ventanas, y luego, para la primera trama de ocultamiento, y todas las siguientes, el análisis es ejecuta una vez más. A continuación, se realiza una síntesis de ELD, para volver
20 al dominio de tiempo con toda la memoria apropiada para la siguiente trama en el dominio de MDCT.
Como conclusión, la señal de entrada 572 de la síntesis de LPC 580 (y/o la señal de excitación de dominio de tiempo 552) puede proporcionarse para una duración temporal que es mayor que una duración de una trama de audio perdida. Por consiguiente, la señal de salida 582 de la síntesis de LPC 580 puede además ser provista para
25 un período de tiempo que es mayor que una trama de audio perdida. Por consiguiente, puede realizarse una superposición y adición entre la información de audio de ocultamiento de errores (que es consecuentemente obtenida para un período de tiempo más largo que una extensión temporal de la trama de audio perdida) y una información de audio decodificada provista para una trama de audio apropiadamente decodificada luego de una o más tramas de audio perdidas.
30 En resumen, el ocultamiento de errores 500 se adapta bien al caso en el cual las tramas de audio se codifican en el dominio de frecuencia. Aun cuando las tramas de audio son codificadas en el dominio de frecuencia, la provisión de la información de audio de ocultamiento de errores se realiza en base a una señal de excitación de dominio de tiempo. Se aplican diferentes modificaciones a la señal de excitación de dominio de tiempo obtenida en base a una o
35 más tramas de audio apropiadamente decodificadas que preceden una trama de audio perdida. Por ejemplo, la señal de excitación de dominio de tiempo proporcionada por el análisis de LPC 530 se adapta a cambios de tono, por ejemplo, usando una escala de tiempo. Además, la señal de excitación de dominio de tiempo proporcionada por el análisis de LPC 530 también se modifica por una escala (aplicación de una ganancia), en el que una atenuación del componente determinista (o tonal, o por lo menos aproximadamente periódico) puede realizarse por el
40 escalador/atenuador 570, de modo tal que la señal de entrada 572 de la síntesis de LPC 580 comprende tanto un componente que deriva de la señal de excitación de dominio de tiempo obtenida por el análisis de LPC como un componente de ruido que se basa en la señal de ruido 562. Sin embargo, el componente determinista de la señal de entrada 572 de la síntesis de LPC 580 habitualmente se modifica (por ejemplo, escala de tiempo y/o escala de amplitud) con respecto a la señal de excitación de dominio de tiempo provista por el análisis de LPC 530.
45 En consecuencia, la señal de excitación de dominio de tiempo puede adaptarse a las necesidades, y se evita una impresión auditiva no natural.
6. Ocultamiento de dominio de tiempo de acuerdo con la figura 6
50 La figura 6 muestra un diagrama de bloques esquemático de un ocultamiento de dominio de tiempo que puede usarse para un códec de conmutación. Por ejemplo, el ocultamiento de dominio de tiempo 600 de acuerdo con la figura 6 puede, por ejemplo, tomar el lugar del ocultamiento de errores 240, o el lugar del ocultamiento de errores
480.
55 Además, debe observarse que la realización de acuerdo con la figura 6 cubre el contexto (que puede usarse dentro del contexto) de un códec de conmutación usando dominios de tiempo y frecuencia combinados, tales como USAC (MPEGD/MPEGH) o EVS (3GPP). En otras palabras, el ocultamiento de dominio de tiempo 600 puede usarse en decodificadores de audio en los cuales hay una conmutación entre una decodificación de dominio de frecuencia y
60 una decodificación de tiempo (o, equivalentemente, una decodificación en base a coeficientes de predicción lineal).
Sin embargo, debe observarse que el ocultamiento de errores 600 de acuerdo con la figura 6 además puede usarse en decodificadores de audio que meramente realizan una decodificación en el dominio de tiempo (o equivalentemente, en el dominio de coeficiente de predicción lineal).
En el caso de un códec conmutado (e incluso, en el caso de une códec que meramente realiza la decodificación en el dominio de coeficiente de predicción lineal), habitualmente ya tenemos la señal de excitación (por ejemplo, la señal de excitación de dominio de tiempo) que proviene de una trama previa (por ejemplo, una trama de audio 5 apropiadamente decodificada que precede una trama de audio perdida). De lo contrario (por ejemplo, si la señal de excitación de dominio de tiempo no está disponible), es posible actuar según lo explicado en la realización de acuerdo con la figura 5, es decir, realizar un análisis de LPC. Si la trama previa era de tipo ACELP, además ya tenemos la información de tono de las subtramas en la última trama. Si la última trama fue TCX (Excitación codificada transformada) con LTP (predicción de largo plazo), además tenemos la información de demora que
10 proviene de la predicción de largo plazo. Y si la última trama estuvo en el dominio de frecuencia sin predicción de largo plazo (LTP), entonces la búsqueda de tono se realiza preferentemente en forma directa en el dominio de excitación (por ejemplo, en base a una señal de excitación de dominio de tiempo provista por un análisis de LPC).
Si el decodificador ya utiliza algunos parámetros de LPC en el dominio de tiempo, los reutilizamos y extrapolamos un
15 nuevo conjunto de parámetros de LPC. La extrapolación de los parámetros de LPC se basa en la LPC pasada, por ejemplo, la media de las últimas tres tramas y (opcionalmente), la forma de la LPC derivada durante la estimación de ruido DTX si DTX (transmisión discontinua) existe en el códec.
Todo el ocultamiento se realiza en el dominio de excitación para obtener una transición más llana entre tramas 20 consecutivas.
A continuación, se describirá en más detalle el ocultamiento de errores 600 de acuerdo con la figura 6.
El ocultamiento de errores 600 recibe una excitación pasada 610 y una información de tono pasada 640. Además, el 25 ocultamiento de errores 600 proporciona una información de audio de ocultamiento de errores 612.
Debe observarse que la excitación pasada 610 recibida por el ocultamiento de errores 600 puede, por ejemplo, corresponder a la salida 532 del análisis de LPC 530. Además, la pasada información de tono 640 puede, por ejemplo, corresponder a la información de salida 542 de la búsqueda de tono 540.
30 El ocultamiento de errores 600 adicionalmente comprende una extrapolación 650, que puede corresponder a la extrapolación 550, de modo tal que se hace referencia a la descripción anterior.
Además, el ocultamiento de errores comprende un generador de ruido 660, que puede corresponder al generador de 35 ruido 560, de modo tal que se hace referencia a la descripción anterior.
La extrapolación 650 proporciona una señal de excitación de dominio de tiempo extrapolada 652, que puede corresponder a la señal de excitación de dominio de tiempo extrapolada 552. El generador de ruido 660 proporciona una señal de ruido 662, que corresponde a la señal de ruido 562.
40 El ocultamiento de errores 600 además comprende un combinador/atenuador 670, que recibe la señal de excitación de dominio de tiempo extrapolada 652 y la señal de ruido 662 y proporciona, sobre su base, una señal de entrada 672 para una síntesis de LPC 680, donde la síntesis de LPC 680 puede corresponder a la síntesis de LPC 580, de modo tal que se aplican, asimismo, las explicaciones anteriores. La síntesis de LPC 680 proporciona una señal de
45 audio de dominio de tiempo 682, que puede corresponder a la señal de audio de dominio de tiempo 582. El ocultamiento de errores además comprende (opcionalmente) un desénfasis 684, que puede corresponder al desénfasis 584 y que proporciona una señal de audio de dominio de tiempo de ocultamiento de errores desenfatizada 686. El ocultamiento de errores 600 opcionalmente comprende una superposición y adición 690, que puede corresponder a la superposición y adición 590. Sin embargo, se aplican asimismo las explicaciones con
50 respecto a la superposición y adición 590, a la superposición y adición 690. En otras palabras, la superposición y adición 690 puede además ser reemplazada por la superposición y adición general del decodificador de audio, de modo tal que la señal de salida 682 de la síntesis de LPC o la señal de salida 686 del desénfasis pueden considerarse la información de audio de ocultamiento de errores.
55 Como conclusión, el ocultamiento de errores 600 difiere sustancialmente del ocultamiento de errores 500, en términos de que el ocultamiento de errores 600 obtiene directamente la información de excitación pasada 610 y la información de tono pasada 640, de una o más tramas de audio previamente decodificadas, sin la necesidad de realizar un análisis de LPC y/o un análisis de tono. Sin embargo, debe observarse que el ocultamiento de errores 600, opcionalmente, puede comprender un análisis de LPC y/o un análisis de tono (búsqueda de tono).
60 A continuación, se describirán en más detalle algunos rasgos del ocultamiento de errores 600. Sin embargo, debe observarse que los detalles específicos deben considerarse ejemplares, en lugar de rasgos esenciales.
6.1. Tono pasado de búsqueda de tono
Hay diferentes enfoques para obtener el tono que se utiliza en la construcción de la nueva señal.
En el contexto del códec que utiliza el filtro de LTP, como AACLTP, si la última trama (que precede la trama
5 perdida) fue AAC con LTP, tenemos la información de tono que proviene de la última demora de tono de LTP y la ganancia correspondiente. En este caso, usamos la ganancia para decidir si queremos construir la parte armónica en la señal o no. Por ejemplo, si la ganancia de LTP es superior a 0,6, entonces, usamos la información de LTP para construir la parte armónica.
10 Si no tenemos ninguna información de tono disponible de la trama previa, entonces hay, por ejemplo, dos soluciones adicionales.
Una solución es realizar una búsqueda de tono en el codificador y transmitir en la corriente de bits la demora de tono y la ganancia. Esto es similar a la predicción de largo plazo (LTP), si bien no aplicamos ninguna filtración (tampoco
15 ninguna filtración de predicción de largo plazo en el canal limpio).
Otra solución es realizar una búsqueda de tono en el decodificador. La búsqueda de tono de AMRWB en el caso de la TCX se realiza en el dominio de la FFT. En la TCX, por ejemplo, usamos el dominio de la MDCT, entonces, perdemos las fases. Por lo tanto, la búsqueda de tono se realiza directamente en el dominio de excitación (por
20 ejemplo, en base a la señal de excitación de dominio de tiempo utilizada como la entrada de la síntesis de LPC, o utilizada para derivar la entrada para la síntesis de LPC), en una realización preferida. Esto habitualmente proporciona mejores resultados que la realización de la búsqueda de tono en el dominio de síntesis (por ejemplo, en base a una señal de audio de dominio de tiempo completamente decodificada).
25 La búsqueda de tono en el dominio de excitación (por ejemplo, en base a la señal de excitación de dominio de tiempo) se realiza primero con un circuito abierto por medio de una correlación cruzada normalizada. A continuación, opcionalmente, la búsqueda de tono puede refinarse realizando una búsqueda de circuito cerrado alrededor del tono de circuito abierto con una cierta delta.
30 En implementaciones preferidas, no consideramos simplemente un valor máximo de la correlación. Si tenemos una información de tono de una trama previa no propensa a errores, entonces seleccionamos el tono que corresponde al de los cinco valores más altos en el dominio de correlación cruzada normalizada, aunque el más cercano al tono de la trama previa. Entonces, se verifica además que el máximo hallado no sea un máximo erróneo debido a la limitación de ventana.
35 Como conclusión, hay diferentes conceptos para determinar el tono, en el que es computacionalmente eficiente considerar un tono pasado (es decir, un tono asociada con una trama de audio previamente decodificada). Alternativamente, la información de tono puede transmitirse desde un codificador de audio hacia un decodificador de audio. Como otra alternativa, una búsqueda de tono puede realizarse en el lado del decodificador de audio, en el
40 que la determinación de tono se realiza, preferentemente, en base a la señal de excitación de dominio de tiempo (es decir, en el dominio de excitación).
Una búsqueda de tono de dos etapas que comprende una búsqueda de circuito abierto y una búsqueda de circuito cerrado puede realizarse para obtener una información de tono particularmente fiable y precisa. Alternativamente o
45 además, una información de tono de una trama de audio previamente decodificada puede usarse para garantizar que la búsqueda de tono proporciona un resultado fiable.
6.2. Extrapolación de la excitación o creación de la parte armónica
50 La excitación (por ejemplo, en la forma de una señal de excitación de dominio de tiempo) obtenida de la trama previa (o bien solo computada para la trama perdida o ya guardada en la trama perdida previa para múltiple pérdida de trama) se utiliza para construir la parte armónica en la excitación (por ejemplo, la señal de excitación de dominio de tiempo extrapolada 662) mediante el copiado del último ciclo de tono (por ejemplo, una porción de la señal de excitación de dominio de tiempo 610, cuya duración temporal es igual a una duración de período de la tono) tantas
55 veces como sean necesarias para obtener, por ejemplo, una y media de la trama (perdida).
Para obtener aún mejores resultados, es opcionalmente posible reutilizar algunas herramientas conocidas del estado de la técnica y adaptarlas. Para detalles, se hace referencia, por ejemplo, a las referencias [6] y [7].
60 Se ha hallado que el tono en una señal de voz es casi siempre cambiante. Se ha hallado que, por lo tanto, el ocultamiento presentado anteriormente tiende a crear algunos problemas en la recuperación, ya que el tono al final de la señal ocultada a menudo no coincide con el tono de la primera trama buena. Por lo tanto, opcionalmente, se trata de predecir el tono al final de la trama ocultada, para coincidir con el tono al comienzo de la trama de recuperación. Esta funcionalidad se realizará, por ejemplo, mediante la extrapolación 650.
Si se usa la LTP en la TCX, puede usarse la demora como la información inicial acerca del tono. Sin embargo, es deseable contar con una mejor granularidad para poder rastrear mejor el contorno de tono. Por lo tanto, se realiza una búsqueda de tono opcionalmente al comienzo y al final de la última buena trama. Para adaptar la señal al tono
5 en movimiento, puede usarse una resincronización de pulsos, que se presenta en el estado de la técnica.
Como conclusión, la extrapolación (por ejemplo, de la señal de excitación de dominio de tiempo asociada con, u obtenida en base a, una última trama de audio apropiadamente decodificada que precede la trama perdida) puede comprender un copiado de una porción de tiempo de dicha señal de excitación de dominio de tiempo asociada con
10 una trama de audio previa, en el que la porción de tiempo copiada puede modificarse de acuerdo con un cómputo, o una estimación, de un cambio de tono (esperado) durante la trama de audio perdida. Pueden obtenerse diferentes conceptos para la determinación del cambio de tono.
6.3. Ganancia de tono
15 En la realización de acuerdo con la figura 6, se aplica una ganancia sobre la excitación previamente obtenida para alcanzar un nivel deseado. La ganancia del tono se obtiene, por ejemplo, realizando una correlación normalizada en el dominio de tiempo al final de la última trama buena. Por ejemplo, la longitud de la correlación puede ser equivalente a la longitud de dos subtramas, y el retardo puede ser equivalente a la demora de tono utilizada para la
20 creación de la parte armónica (por ejemplo, para el copiado de la señal de excitación de dominio de tiempo). Se ha hallado que, al hacer el cálculo de ganancia en el dominio de tiempo, se proporciona una ganancia mucho más fiable, que realizándolo en el dominio de excitación. La LPC cambia en cada trama, y entonces, la aplicación de una ganancia, calculada sobre la trama previa, sobre una señal de excitación que será procesada por otro conjunto de LPC, no proporcionará la energía esperada en el dominio de tiempo.
25 La ganancia del tono determina la cantidad de tonalidad que se creará, si bien además se agregará cierto ruido con forma para no tener solo un tono artificial. Si se obtiene una muy baja ganancia de tono, entonces, puede construirse una señal que consiste solo en un ruido con forma.
30 Como conclusión, una ganancia que se aplica para escalar la señal de excitación de dominio de tiempo obtenida en base a la trama previa (o una señal de excitación de dominio de tiempo que es obtenida para una trama previamente decodificada, o que se asocia con la trama previamente decodificada) se ajusta de modo de determinar un valor de un componente tonal (o determinista, o por lo menos aproximadamente periódico) dentro de la señal de entrada de la síntesis de LPC 680, y, en consecuencia, dentro de la información de audio de ocultamiento de errores. Dicha
35 ganancia puede ser determinada en base a una correlación, que se aplica a la señal de audio de dominio de tiempo obtenida por una decodificación de la trama previamente decodificada (en el que dicha señal de audio de dominio de tiempo puede ser obtenida usando una síntesis de LPC que se realiza en el curso de la decodificación).
6.4. Creación de la parte de ruido
40 Se crea una innovación por medio de un generador de ruido aleatorio 660. Este ruido es adicionalmente filtrado de paso alto y opcionalmente preenfatizado para tramas de voz y de inicio. La filtración de paso alto y el preénfasis, que pueden realizarse selectivamente para tramas de voz y de inicio, no se muestran explícitamente en la figura 6, si bien pueden realizarse, por ejemplo, dentro del generador de ruido 660 o dentro del combinador/atenuador 670.
45 El ruido se conformará (por ejemplo, después de la combinación con la señal de excitación de dominio de tiempo 652 obtenida por la extrapolación 650) mediante la LPC para obtener así lo más cercano posible al ruido de fondo.
Por ejemplo, la ganancia de innovación puede calcularse mediante la eliminación de la contribución previamente
50 computada del tono (si existe) y realizando una correlación al final de la última trama buena. La longitud de la correlación puede ser equivalente a la longitud de dos subtramas, y el retardo puede ser equivalente a la demora de tono utilizada para la creación de la parte armónica.
Opcionalmente, esta ganancia puede además ser multiplicada por (1ganancia de tono) para aplicar tanta ganancia
55 sobre el ruido para alcanzar la pérdida de energía si la ganancia del tono no es uno. Opcionalmente, esta ganancia además es multiplicada por un factor de ruido. Este factor de ruido puede provenir de una trama válida previa.
Como conclusión, un componente de ruido de la información de audio de ocultamiento de errores se obtiene mediante la formación de ruido proporcionado mediante el generador de ruido 660 usando la síntesis de LPC 680 (y,
60 posiblemente, el desénfasis 684). Además, puede aplicarse una filtración de paso alto adicional y/o un preénfasis. La ganancia de la contribución de ruido a la señal de entrada 672 de la síntesis de LPC 680 (además designada “ganancia de innovación”) puede computarse en base a la última trama de audio apropiadamente decodificada que precede la trama de audio perdida, en el que un componente determinista (o por lo menos aproximadamente periódico) puede ser eliminado de la trama de audio que precede la trama de audio perdida, y en el que puede
realizarse entonces una correlación para determinar la intensidad (o ganancia) del componente de ruido dentro de la señal de dominio de tiempo decodificada de la trama de audio que precede la trama de audio perdida.
Opcionalmente, pueden aplicarse ciertas modificaciones adicionales a la ganancia del componente de ruido. 5
6.5. Atenuación
La atenuación se usa en su mayoría para múltiples pérdidas de tramas. Sin embargo, la atenuación puede usarse además en el caso de que solo se pierda una única trama de audio.
10 En el caso de múltiple pérdida de trama, los parámetros de LPC no son recalculados. O bien se mantiene el último computado, o se realiza un ocultamiento de LPC como se explica anteriormente.
Una periodicidad de la señal se converge a cero. La velocidad de la convergencia depende de los parámetros de la
15 última trama correctamente recibida (o correctamente decodificada) y la cantidad de tramas borradas consecutivas (o perdidas), y se controla mediante un factor de atenuación, α. El factor, α, además depende de la estabilidad del filtro de LP. Opcionalmente, el factor α puede alterarse en relación con la longitud de tono. Por ejemplo, si el tono es realmente largo, entonces α puede mantenerse normal, pero si el tono es realmente corto, puede ser conveniente (o necesario) copiar una cantidad de veces la misma parte de excitación pasada. Debido a que se ha hallado que esto
20 rápidamente sonará demasiado artificial, la señal, por lo tanto, se atenúa más velozmente.
Además, opcionalmente, es posible considerar la salida de predicción de tono. Si se predice un tono, esto significa que el tono ya estaba cambiando en la trama previa, y entonces, cuantas más tramas se pierdan, más lejos estamos de la verdad. Por lo tanto, es deseable acelerar algo la atenuación de la parte tonal, en este caso.
25 Si la predicción de tono fallara debido a que el tono cambia demasiado, esto significa que o bien los valores de tono no son realmente fiables, o que la señal es realmente impredecible. Por lo tanto, nuevamente, deberíamos realizar la atenuación de manera más veloz.
30 Como conclusión, la contribución de la señal de excitación de dominio de tiempo extrapolada 652 a la señal de entrada 672 de la síntesis de LPC 680 habitualmente se reduce en función del tiempo. Esto puede lograrse, por ejemplo, reduciendo un valor de ganancia, que se aplica a la señal de excitación de dominio de tiempo extrapolada 652, en función del tiempo. La velocidad utilizada para reducir gradualmente la ganancia aplicada para escalar la señal de excitación de dominio de tiempo 552 obtenida en base a una o más tramas de audio que preceden una
35 trama de audio perdida (o una o más de sus copias) se ajusta de acuerdo con uno o más parámetros de una o más tramas de audio (y/o de acuerdo con una cantidad de tramas de audio perdidas consecutivas). En particular, la longitud de tono y/o el índice al cual cambia el tono en función del tiempo, y/o la cuestión de si una predicción de tono falla o tiene éxito, pueden utilizarse para ajustar dicha velocidad.
40 6.6. Síntesis de LPC
Para retornar al dominio de tiempo, se realiza una síntesis de LPC 680 sobre la suma en general (o generalmente, la combinación ponderada) de las dos excitaciones (parte tonal 652 y parte ruidosa 662), seguida del desénfasis 684.
45 En otras palabras, el resultado de la combinación pesada (atenuación) de la señal de excitación de dominio de tiempo extrapolada 652 y la señal de ruido 662 forma una señal de excitación de dominio de tiempo combinada, que se ingresada en la síntesis de LPC 680, que, por ejemplo, puede realizar una filtración de síntesis en base a dicha señal de excitación de dominio de tiempo combinada 672 de acuerdo con coeficientes de LPC que describen el filtro de síntesis.
6.7. Superposición y adición
Debido a que no se conoce, durante el ocultamiento, el modo de la siguiente trama que llega (por ejemplo, ACELP, TCX o FD), se prefiere preparar diferentes superposiciones por adelantado. Para lograr la mejor superposición y
55 adición si la siguiente trama se encuentra en un domino de transformada (TCX o FD), una señal artificial (por ejemplo, una información de audio de ocultamiento de errores) puede, por ejemplo, crearse para la mitad de una trama más que la trama ocultada (perdida). Además, puede crearse solapamiento artificial sobre la misma (en el que el solapamiento artificial puede, por ejemplo, adaptarse a la superposición y adición de MDCT).
60 Para obtener una buena superposición y adición sin discontinuidad con la futura trama en el dominio de tiempo (ACELP), hacemos como anteriormente, pero sin solapamiento, para poder aplicar largas ventanas de superposición y adición, o si queremos usar una ventana cuadrada, se computa la respuesta de entrada cero (ZIR) al final de la memoria intermedia de síntesis.
Como conclusión, en un decodificador de audio de conmutación (que, por ejemplo, puede conmutar entre una decodificación de ACELP, una decodificación de TCX y una decodificación de dominio de frecuencia (decodificación de FD)), puede realizarse una superposición y adición entre la información de audio de ocultamiento de errores que se proporciona principalmente para una trama de audio perdida, pero además, para una cierta porción de tiempo 5 luego de la trama de audio perdida, y la información de audio decodificada proporcionada para la primera trama de audio apropiadamente decodificada después de una secuencia de una o más tramas de audio perdidas. Para obtener una apropiada superposición y adición, incluso, para modos de decodificación que acarrean un solapamiento de dominio de tiempo en una transición entre tramas de audio posteriores, puede proporcionarse una información de cancelación de solapamiento (por ejemplo, designado solapamiento artificial). Por consiguiente, una
10 superposición y adición entre la información de audio de ocultamiento de errores y la información de audio de dominio de tiempo obtenida en base a la primera trama de audio apropiadamente decodificada luego de una trama de audio perdida, logra una cancelación del solapamiento.
Si la primera trama de audio apropiadamente decodificada luego de la secuencia de una o más tramas de audio
15 perdidas es codificada en el modo de ACELP, puede computarse una información de superposición específica, que puede sustentarse en una respuesta de entrada cero (ZIR) de un filtro de LPC.
Como conclusión, el ocultamiento de errores 600 se adapta bien para el uso en un códec de audio de conmutación. Sin embargo, el ocultamiento de errores 600 puede además ser usado en un códec de audio que meramente
20 decodifica un contenido de audio codificado en un modo de TCX o en un modo de ACELP.
6.8. Conclusión
Debe observarse que se logra un ocultamiento de errores particularmente bueno mediante el concepto arriba
25 mencionado, para la extrapolación de una señal de excitación de dominio de tiempo, la combinación del resultado de la extrapolación con una señal de ruido usando una atenuación (por ejemplo, una atenuación cruzada), y para la realización de una síntesis de LPC en base a un resultado de la atenuación cruzada.
7. Decodificador de audio de acuerdo con la figura 11
30 La figura 11 muestra un diagrama de bloques esquemático de un decodificador de audio 1100, de acuerdo con una realización de la presente invención.
Debe observarse que el decodificador de audio 1100 puede ser parte de un decodificador de audio de conmutación.
35 Por ejemplo, el decodificador de audio 1100 puede reemplazar la vía de decodificación de dominio de predicción lineal 440 en el decodificador de audio 400.
El decodificador de audio 1100 está configurado para recibir una información de audio codificada 1110 y para proporcionar, sobre su base, una información de audio decodificada 1112. La información de audio codificada 1110
40 puede, por ejemplo, corresponder a la información de audio codificada 410, y la información de audio decodificada 1112 puede, por ejemplo, corresponder a la información de audio decodificada 412.
El decodificador de audio 1100 comprende un analizador de corriente de bits 1120, que está configurado para extraer una representación codificada 1122 de un conjunto de coeficientes espectrales y una representación
45 codificada de coeficientes de codificación de predicción lineal 1124 de la información de audio codificada 1110. Sin embargo, el analizador de corriente de bits 1120 puede opcionalmente extraer información adicional de la información de audio codificada 1110.
El decodificador de audio 1100 además comprende una decodificación de valor espectral 1130, que está
50 configurada para proporcionar un conjunto de valores espectrales decodificados 1132 en base a los coeficientes espectrales codificados 1122. Puede usarse cualquier concepto de decodificación conocido para la decodificación de coeficientes espectrales.
El decodificador de audio 1100 además comprende un coeficiente de codificación de predicción lineal para la
55 conversión de factor de escala 1140, que está configurado para proporcionar un conjunto de factores de escala 1142 en base a la representación codificada 1124 de coeficientes de codificación de predicción lineal. Por ejemplo, el coeficiente de codificación de predicción lineal para la conversión de factor de escala 1142 puede realizar una funcionalidad que se describe en el estándar USAC. Por ejemplo, la representación codificada 1124 de los coeficientes de codificación de predicción lineal puede comprender una representación polinomial, que es
60 decodificada y convertida en un conjunto de factores de escala por el coeficiente de codificación de predicción lineal para la conversión de factor de escala 1142.
El decodificador de audio 1100 además comprende un escalar 1150, que está configurado para aplicar los factores de escala 1142 a los valores espectrales decodificados 1132, para obtener así valores espectrales decodificados
escalados 1152. Además, el decodificador de audio 1100 comprende, opcionalmente, un procesamiento 1160, que, por ejemplo, puede corresponder al procesamiento 366 que se describe anteriormente, en el que los valores espectrales decodificados escalados procesados 1162 son obtenidos por el procesamiento 1160 opcional. El decodificador de audio 1100 además comprende una transformada de dominio de frecuencia a dominio de tiempo 5 1170, que está configurada para recibir los valores espectrales decodificados escalados 1152 (que pueden corresponder a los valores espectrales decodificados escalados 362), o los valores espectrales decodificados escalados procesados 1162 (que pueden corresponder a los valores espectrales decodificados escalados procesados 368) y proporcionar, sobre su base, una representación de dominio de tiempo 1172, que puede corresponder a la representación de dominio de tiempo 372 que se describe anteriormente. El decodificador de
10 audio 1100 además comprende un primer postprocesamiento 1174 opcional, y un segundo postprocesamiento 1178 opcional, que, por ejemplo, pueden corresponder, al menos en parte, al postprocesamiento 376 opcional mencionado anteriormente. Por consiguiente, el decodificador de audio 1110 obtiene (opcionalmente) una versión postprocesada 1179 de la representación de audio de dominio de tiempo 1172.
15 El decodificador de audio 1100 además comprende un bloque de ocultamiento de errores 1180 que está configurado para recibir la representación de audio de dominio de tiempo 1172, o una versión postprocesada de la misma, y los coeficientes de codificación de predicción lineal (o bien en forma codificada, o en una forma decodificada) y proporciona, sobre su base, una información de audio de ocultamiento de errores 1182.
20 El bloque de ocultamiento de errores 1180 está configurado para proporcionar la información de audio de ocultamiento de errores 1182 para el ocultamiento de una pérdida de una trama de audio luego de una trama de audio codificada en una representación de dominio de frecuencia usando una señal de excitación de dominio de tiempo y, por lo tanto, es similar al ocultamiento de errores 380 y al ocultamiento de errores 480, y además, al ocultamiento de errores 500 y al ocultamiento de errores 600.
25 Sin embargo, el bloque de ocultamiento de errores 1180 comprende un análisis de LPC 1184, que es sustancialmente idéntico al análisis de LPC 530. Sin embargo, el análisis de LPC 1184 puede, opcionalmente, usar los coeficientes de LPC 1124 para facilitar el análisis (en comparación con el análisis de LPC 530). El análisis de LPC 1134 proporciona una señal de excitación de dominio de tiempo 1186, que es sustancialmente idéntica a la
30 señal de excitación de dominio de tiempo 532 (y, además, a la señal de excitación de dominio de tiempo 610). Además, el bloque de ocultamiento de errores 1180 comprende un ocultamiento de errores 1188, que, por ejemplo, puede realizar la funcionalidad de los bloques 540, 550, 560, 570, 580, 584 del ocultamiento de errores 500, o que, por ejemplo, puede realizar la funcionalidad de los bloques 640, 650, 660, 670, 680, 684 del ocultamiento de errores
600. Sin embargo, el bloque de ocultamiento de errores 1180 difiere levemente del ocultamiento de errores 500 y,
35 además, del ocultamiento de errores 600. Por ejemplo, el bloque de ocultamiento de errores 1180 (que comprende el análisis de LPC 1184) difiere del ocultamiento de errores 500 en términos de que los coeficientes de LPC (utilizados para la síntesis de LPC 580) no son determinados por el análisis de LPC 530, si bien son (opcionalmente) recibidos desde la corriente de bits. Asimismo, el bloque de ocultamiento de errores 1188, que comprende el análisis de LPC 1184, difiere del ocultamiento de errores 600 en términos de que la “excitación pasada” 610 es obtenida por
40 el análisis de LPC 1184, en lugar de estar disponible directamente.
El decodificador de audio 1100 además comprende una combinación de señales 1190, que está configurada para recibir la representación de audio de dominio de tiempo 1172, o una versión postprocesada de la misma y, además, la información de audio de ocultamiento de errores 1182 (naturalmente, para tramas de audio posteriores), y
45 combina dichas señales, preferentemente, usando una operación de superposición y adición, para obtener así la información de audio decodificada 1112.
Para más detalles, se hace referencia a las explicaciones anteriores.
50 8. Método de acuerdo con la figura 9
La figura 9 muestra un diagrama de flujo de un método para proporcionar una información de audio decodificada en base a una información de audio codificada. El método 900 de acuerdo con la figura 9 comprende la provisión de 910 una información de audio de ocultamiento de errores para el ocultamiento de una pérdida de una trama de audio
55 luego de una trama de audio codificada en una representación de dominio de frecuencia usando una señal de excitación de dominio de tiempo. El método 900 de acuerdo con la figura 9 se basa en las mismas consideraciones que el decodificador de audio de acuerdo con la figura 1. Además, debe observarse que el método 900 puede suplementarse mediante cualquiera de las características y de las funcionalidades que se describen en esta solicitud, o bien individualmente, o en combinación.
9. Método de acuerdo con la figura 10
La figura 10 muestra un diagrama de flujo de un método para proporcionar una información de audio decodificada en base a una información de audio codificada. El método 1000 comprende proporcionar 1010 una información de
5 audio de ocultamiento de errores para el ocultamiento de una pérdida de una trama de audio, en el que una señal de excitación de dominio de tiempo obtenida para (o en base a) una o más tramas de audio que preceden una trama de audio perdida es modificada para obtener la información de audio de ocultamiento de errores.
El método 1000 de acuerdo con la figura 10 se basa en las mismas consideraciones que el decodificador de audio 10 arriba mencionado de acuerdo con la figura 2.
Además, debe observarse que el método de acuerdo con la figura 10 puede suplementarse mediante cualquiera de las características y de las funcionalidades que se describen en esta solicitud, o bien individualmente, o en combinación.
10. Observaciones adicionales
En las realizaciones descritas anteriormente, pueden manipularse múltiples pérdidas de trama de diferentes maneras. Por ejemplo, si se pierden dos o más tramas, la parte periódica de la señal de excitación de dominio de
20 tiempo para la segunda trama perdida puede derivar de (o ser igual a) una copia de la parte tonal de la señal de excitación de dominio de tiempo asociada con la primera trama perdida. Alternativamente, la señal de excitación de dominio de tiempo para la segunda trama perdida puede sustentarse en un análisis de LPC de la señal de síntesis de la trama previa perdida. Por ejemplo, en un códec, la LPC puede ser cambiante en cada trama perdida; entonces, tiene sentido la nueva realización del análisis para cada trama perdida.
11. Alternativas de implementación
Aunque se han descrito algunos aspectos en el contexto de un aparato, es claro que estos aspectos además representan una descripción del correspondiente método, donde un bloque o dispositivo corresponde a una etapa de
30 método o a un rasgo de una etapa de método. En forma análoga, los aspectos descritos en el contexto de una etapa de método además representan una descripción de un correspondiente bloque o ítem o rasgo de un correspondiente aparato. Algunas o la totalidad de las etapas de método pueden ser ejecutadas por (o usando) un aparato de soporte físico, por ejemplo, un microprocesador, un ordenador programable o un circuito electrónico. En algunas realizaciones, una o más de las etapas de método más importantes pueden ser ejecutadas mediante dicho aparato.
35 De acuerdo con ciertos requerimientos de implementación, las realizaciones de la invención pueden implementarse en soporte físico o soporte lógico. La implementación puede realizarse usando un medio de almacenamiento digital, por ejemplo, un disquete, un DVD, un BluRay, un CD, una ROM, una PROM, una EPROM, una EEPROM o una memoria FLASH, que tiene señales de control electrónicamente legibles allí almacenadas, que cooperan (o son
40 capaces de cooperar) con un sistema de ordenador programable de manera tal de realizar el respectivo método. Por lo tanto, el medio de almacenamiento digital puede ser legible por ordenador.
Algunas realizaciones de acuerdo con la invención comprenden un portador de datos que tiene señales de control electrónicamente legibles, que son capaces de cooperar con un sistema de ordenador programable, de manera de
45 llevar a cabo uno de los métodos que se describen en la presente solicitud.
En general, las realizaciones de la presente invención pueden ser implementadas como un producto de programa de ordenador con un código de programa, donde el código de programa es operativo para realizar uno de los métodos cuando se ejecuta el producto de programa de ordenador en un ordenador. El código de programa puede ser
50 almacenado, por ejemplo, en un portador legible en una máquina.
Otras realizaciones comprenden el programa de ordenador para realizar uno de los métodos que se describen en la presente solicitud, almacenado en un portador legible en una máquina.
55 En otras palabras, una realización del método de la invención, por lo tanto, es un programa de ordenador que tiene un código de programa para la realización de uno de los métodos que se describen en la presente solicitud, cuando se ejecuta el programa de ordenador en un ordenador.
Una realización adicional del método de la invención es, por lo tanto, un portador de datos (o un medio de
60 almacenamiento digital, o un medio legible por ordenador) que comprende, allí grabado, el programa de ordenador para llevar a cabo uno de los métodos que se describen en la presente solicitud. El portador de datos, el medio de almacenamiento digital o el medio grabado son típicamente tangibles y/o no transitorios.
Una realización adicional del método de la invención es, por lo tanto, una corriente de datos o una secuencia de
señales que representan el programa de ordenador para realizar uno de los métodos que se describen en la presente solicitud. La corriente de datos o la secuencia de señales, por ejemplo, puede estar configurada para ser transferida por medio de una conexión de comunicación de datos, por ejemplo, por medio de Internet.
5 Una realización adicional comprende un medio de procesamiento, por ejemplo, un ordenador, o un dispositivo lógico programable, configurado o adaptado para realizar uno de los métodos que se describen en la presente solicitud.
Una realización adicional comprende un ordenador que tiene allí instalado el programa de ordenador para realizar uno de los métodos que se describen en la presente solicitud.
10 Una realización adicional de acuerdo con la invención comprende un aparato o un sistema configurado para transferir (por ejemplo, electrónica u ópticamente) un programa de ordenador para la realización de uno de los métodos descritos en esta solicitud, a un receptor. El receptor puede ser, por ejemplo, un ordenador, un dispositivo móvil, un dispositivo de memoria o similar. El aparato o el sistema puede comprender, por ejemplo, un servidor de
15 archivos para transferir el programa de ordenador al receptor.
En algunas realizaciones, puede usarse un dispositivo lógico programable (por ejemplo, una matriz de puertas programables de campo) para realizar algunas o la totalidad de las funcionalidades de los métodos que se describen en la presente solicitud. En algunas realizaciones, una matriz de puertas programables de campo puede cooperar
20 con un microprocesador para llevar a cabo uno de los métodos que se describen en la presente solicitud. En general, los métodos son llevados a cabo, preferentemente, por cualquier aparato de soporte físico.
El aparato descrito en la presente solicitud puede implementarse usando un aparato de soporte físico, o usando un ordenador, o empleando una combinación de un aparato de soporte físico y un ordenador.
25 Los métodos que se describen en esta solicitud pueden ser realizados usando un aparato de soporte físico, o usando un ordenador, o empleando una combinación de un aparato de soporte físico y un ordenador.
Las realizaciones descritas anteriormente son meramente ilustrativas de los principios de la presente invención. Se
30 entiende que las modificaciones y variaciones de las disposiciones y los detalles que se describen en la presente solicitud serán evidentes para los expertos en la técnica. Por lo tanto, se tiene la intención de limitación solo por el alcance de las reivindicaciones de patente inminentes, y no por los detalles específicos presentados a modo de descripción y explicación de las realizaciones de la presente solicitud.
35 12. Conclusiones
Como conclusión, aunque cierto ocultamiento para códecs de dominio de transformada ha sido descrito en el campo, las realizaciones de acuerdo con la invención superan los códecs (o decodificadores) convencionales. Las realizaciones de acuerdo con la invención usan un cambio de dominio para el ocultamiento (dominio de frecuencia a
40 dominio de tiempo o excitación). Por consiguiente, las realizaciones de acuerdo con la invención crean un ocultamiento de voz de alta calidad para decodificadores de dominio de transformada.
El modo de codificación de transformada es similar a aquel en USAC (conferir, por ejemplo, referencia [3]). Utiliza la Transformada de coseno discreta modificada (MDCT) como una transformada, y la formación de ruido espectral se
45 logra mediante la aplicación de la envoltura espectral de LPC pesada en el dominio de frecuencia (además conocida como FDNS, “formación de ruido de dominio de frecuencia”). En otras palabras, las realizaciones de acuerdo con la invención pueden usarse en un decodificador de audio, que utiliza los conceptos de decodificación que se describen en el estándar USAC. Sin embargo, el concepto de ocultamiento de errores divulgado en esta solicitud puede además se usado en un decodificador de audio que es de tipo “AAC”, o en cualquier códec (o decodificador) de la
50 familia AAC.
El concepto de acuerdo con la presente invención se aplica a un códec conmutado tal como USAC, al igual que a un códec de dominio de frecuencia puro. En ambos casos, el ocultamiento se realiza en el dominio de tiempo o en el dominio de excitación.
55 A continuación, se describirán algunas ventajas y algunas características del ocultamiento de dominio de tiempo (o del ocultamiento de dominio de excitación).
El ocultamiento de TCX convencional, como se describe, por ejemplo, con referencia a las figuras 7 y 8, además
60 denominado sustitución de ruido, no es adecuado para las señales de tipo voz, o incluso, para señales tonales. Las realizaciones de acuerdo con la invención crean un nuevo ocultamiento para un códec de dominio de transformada que se aplica en el dominio de tiempo (o en el dominio de excitación de un decodificador de codificación de predicción lineal). Es similar a un ocultamiento de tipo ACELP, y aumenta la calidad del ocultamiento. Se ha hallado que la información de tono es conveniente (o incluso requerida, en algunos casos) para un ocultamiento de tipo
ACELP. Por lo tanto, las realizaciones de acuerdo con la presente invención están configuradas para hallar valores de tono fiables para la trama previa codificada en el dominio de frecuencia.
Diferentes partes y detalles se han explicado anteriormente, por ejemplo, en base a las realizaciones de acuerdo con 5 las figuras 5 y 6.
Como conclusión, las realizaciones de acuerdo con la invención crean un ocultamiento de errores que supera las soluciones convencionales.
10 Bibliografía:
[1] 3GPP, “Audio codec processing functions; Extended Adaptive MultiRate Wideband (AMRWB+) codec; Transcoding functions,” 2009, 3GPP TS 26.290.
15 [2] “MDCTBASED CODER FOR HIGHLY ADAPTIVE SPEECH AND AUDIO CODING”; Guillaume Fuchs & al.; EUSIPCO 2009.
[3] ISO_IEC_DIS_230033_(E); Information technology MPEG audio technologies Part 3: Unified speech and
audio coding. 20
[4] 3GPP, “General Audio Codec audio processing functions; Enhanced aacPlus general audio codec; Additional decoder tools,” 2009, 3GPP TS 26.402.
[5] “Audio decoder and coding error compensating method”, 2000, EP 1207519 B1 25
[6] “Apparatus and method for improved concealment of the adaptive codebook in ACELPlike concealment employing improved pitch lag estimation”, 2014, PCT/EP2014/062589
[7] “Apparatus and method for improved concealment of the adaptive codebook in ACELPlike concealment 30 employing improved pulse resynchronization”, 2014, PCT/EP2014/062578

Claims (25)

  1. REIVINDICACIONES
    1. Un decodificador de audio (100; 300) para proporcionar una información de audio decodificada (112; 312) en base a una información de audio codificada (110; 310), comprendiendo el decodificador de audio:
    5 un ocultamiento de errores (130; 380; 500) configurado para proporcionar una información de audio de ocultamiento de errores (132; 382; 512) para el ocultamiento de una pérdida de una trama de audio después de una trama de audio codificada en una representación de dominio de frecuencia (322) usando una señal de excitación de dominio de tiempo (532); estando el decodificador de audio caracterizado porque:
    10 el ocultamiento de errores (130: 380; 500) está configurado para combinar una señal de excitación de dominio de tiempo extrapolada (552) y una señal de ruido (562), para obtener una señal de entrada (572) para una síntesis de LPC (580), y en el que el ocultamiento de errores está configurado para realizar la síntesis de LPC,
    15 en el que la síntesis de LPC está configurada para filtrar la señal de entrada (572) de la síntesis de LPC dependiendo de los parámetros de codificación de predicción lineal, para obtener la información de audio de ocultamiento de errores (132; 382; 512), en el que el ocultamiento de errores (130; 380; 500) está configurado para un filtro de paso alto de la señal de ruido (562) que se combina con la señal de excitación de dominio de tiempo extrapolada (552).
  2. 2. El decodificador de audio (100; 300) de acuerdo con la reivindicación 1, en el que el decodificador de audio comprende un núcleo de decodificador de dominio de frecuencia (120; 340, 350, 350, 366, 370) configurado para derivar una representación de señal de audio de dominio de tiempo (122; 372) a partir de la representación de dominio de frecuencia (322) sin usar una señal de excitación de dominio de tiempo como una cantidad intermedia
    25 para la trama de audio codificada en la representación de dominio de frecuencia.
  3. 3. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 1 a 2, en el que el ocultamiento de errores (130; 380; 500) está configurado para obtener la señal de excitación en el dominio de tiempo (532) sobre la base de la trama de audio codificada en la representación de dominio de frecuencia (322) que precede a una
    30 trama de audio perdida, y en el que el ocultamiento de errores está configurado para proporcionar la información de audio de ocultamiento de errores (122; 382; 512) para ocultar la trama de audio perdida usando dicha señal de excitación de dominio de tiempo.
    35 4. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 1 a 3, en el que el ocultamiento de errores (130; 380; 500) está configurado para realizar un análisis de LPC (530) sobre la base de la trama de audio codificada en la representación de dominio de frecuencia (322) anterior a la trama de audio perdida, para obtener un conjunto de parámetros de codificación de predicción lineal y la señal de excitación de dominio de tiempo
    (532) que representa un contenido de audio de la trama de audio codificada en la representación de dominio de
    40 frecuencia que precede a la trama de audio; o en el que el ocultamiento de errores (130; 380; 500) está configurado para realizar un análisis de LPC (530) sobre la base de la trama de audio codificada en la representación de dominio de frecuencia (322) anterior a la trama de audio perdido, para obtener la señal de excitación del dominio de tiempo (532) que representa un contenido de audio de la trama de audio codificada en la representación de dominio de frecuencia que precede a la trama de audio
    45 perdida; o en el que el decodificador de audio está configurado para obtener un conjunto de parámetros de codificación de predicción lineal usando una estimación de parámetro de codificación de predicción lineal; o en el que el decodificador de audio está configurado para obtener un conjunto de parámetros de codificación de predicción lineal sobre la base de un conjunto de factores de escala que utilizan una transformada.
  4. 5. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 1 a 4, en el que el ocultamiento de errores (130; 380; 500) está configurado para obtener una información de tono (542) que describe un tono de la trama de audio codificada en la representación de dominio de frecuencia que precede a la trama de audio perdida, y para proporcionar la información de audio de ocultamiento de errores (122; 382; 512) en función de la información de
    55 tono.
  5. 6. El decodificador de audio (100; 300) de acuerdo con la reivindicación 5, en el que el ocultamiento de errores (130; 380; 500) está configurada para obtener la información de tono (542) sobre la base de la señal de excitación de dominio de tiempo (532) derivada de la trama de audio codificada en la representación de dominio de frecuencia
    60 (322) que precede a la trama de audio perdida.
  6. 7. El decodificador de audio (100; 300) de acuerdo con la reivindicación 6, en el que el ocultamiento de errores (130; 380; 500) está configurado para evaluar una correlación cruzada de la señal de excitación en el dominio de tiempo
    (532) o la señal de dominio de tiempo (522), para determinar una información de tono grueso, y
    en el que el ocultamiento de errores está configurado para refinar la información de tono grueso usando una búsqueda de bucle cerrado alrededor de un tono determinado por la información de paso aproximado.
  7. 8. El decodificador de audio de acuerdo con una de las reivindicaciones 1 a 4, en el que el ocultamiento de errores
    5 está configurado para obtener una información de tono sobre la base de una información lateral de la información de audio codificada.
  8. 9. El decodificador de audio de acuerdo con una de las reivindicaciones 1 a 4, en el que el ocultamiento de errores
    está configurado para obtener una información de tono sobre la base de una información de tono disponible para 10 una trama de audio previamente decodificada.
  9. 10. El decodificador de audio de acuerdo con una de las reivindicaciones 1 a 4, en el que el ocultamiento de errores está configurado para obtener información de tono sobre la base de una búsqueda de tono realizada en una señal de dominio de tiempo o en una señal residual.
  10. 11. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 1 a 10, en el que el ocultamiento de errores (130; 380; 500) está configurado para copiar un ciclo de tono de la señal de excitación en el dominio de tiempo (532) derivado de la trama de audio codificada en la representación de dominio de frecuencia (322) que precede a la trama de audio perdida una vez o múltiples veces, para obtener una señal de excitación (572) para una
    20 síntesis (580) de la información de audio de ocultamiento de errores (132; 382; 512).
  11. 12. El decodificador de audio (100; 300) de acuerdo con la reivindicación 11, en el que el ocultamiento de errores (130; 380; 500) está configurado para el filtrado de paso bajo del ciclo de tono de la señal de excitación de dominio de tiempo (532) derivada de la representación de dominio de tiempo de la trama de audio codificada en la
    25 representación de dominio de frecuencia (322) que precede la trama de audio perdida utilizando un filtro dependiente de la frecuencia de muestreo, cuyo ancho de banda depende de una frecuencia de muestreo de la trama de audio codificada en una representación de dominio de frecuencia.
  12. 13. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 1 a 12, en el que el ocultamiento
    30 de errores (130; 380; 500) está configurado para predecir un tono al final de una trama perdida, y en el que el ocultamiento de errores está configurado para adaptar la señal de excitación en el dominio del tiempo (532), o una o más copias de la misma, al tono predicho, para obtener una señal de entrada (572) para una síntesis de LPC (580).
    35 14. El decodificador de audio (100; 300) de acuerdo con las reivindicaciones 1 a 13, en el que el ocultamiento de errores (130; 380; 500) está configurado para calcular una ganancia de la señal de excitación de dominio de tiempo extrapolado (552), que se utiliza para obtener la señal de entrada (572) para la síntesis de LPC (580), usando una correlación en el dominio de tiempo que se realiza sobre la base de una representación de dominio de tiempo (122; 372; 378; 510) de la trama de audio codificada en la representación de dominio de frecuencia (322) que precede a la
    40 trama de audio perdida, en el que se establece un retardo de correlación en dependencia de una información de tono obtenida en base a la señal de excitación en el dominio de tiempo (532), o usando una correlación en el dominio de excitación.
  13. 15. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 11 a 13, en el que el 45 ocultamiento de errores (130; 380; 500) está configurado para cambiar la forma espectral de una señal de ruido
    (562) usando un filtro de preénfasis en el que la señal de ruido se combina con la señal de excitación de dominio de tiempo extrapolada (552) si la trama de audio codificada en una representación de dominio de frecuencia (322) que precede a la trama de audio perdida es una trama de audio sonora o comprende un inicio.
    50 16. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 1 a 15, en el que el ocultamiento de errores (130; 380; 500) está configurado para calcular una ganancia de la señal de ruido (562) en función de una correlación en el dominio de tiempo que se realiza sobre la base de una representación de dominio de tiempo (122; 372; 378; 510) de la trama de audio codificada en la representación de dominio de frecuencia (322) que precede a la trama de audio perdida.
  14. 17. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 1 a 16, en el que el ocultamiento de errores (130; 380; 500) está configurado para modificar una señal de excitación en el dominio de tiempo (532) obtenida en base a una o más tramas de audio que preceden a una trama de audio perdida, para obtener la información de audio de ocultamiento de errores (132; 382; 512).
  15. 18. El decodificador de audio (100; 300) de acuerdo con la reivindicación 17, en el que el ocultamiento de errores (130; 380; 500) está configurado para usar una o más copias modificadas de la señal de excitación en el dominio de tiempo (532) obtenida sobre la base de una o más tramas de audio que preceden a una trama de audio perdida, para obtener la información de ocultamiento de errores (132; 382; 512).
  16. 19. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 17 o 18, en el que el ocultamiento de errores (132; 380; 500) está configurado para modificar la señal de excitación en el dominio de tiempo (532) obtenida sobre la base de una o más tramas de audio que preceden a una trama de audio perdida, o
    5 una o más copias de la misma, para reducir de ese modo un componente periódico de la información de audio de ocultamiento de errores (132; 382; 512) a lo largo del tiempo.
  17. 20. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 17 a 19, en el que el ocultamiento de errores (132; 380; 500) está configurado para escalar la señal de excitación en el dominio de tiempo
    10 (532) obtenida en base a una o más tramas de audio que preceden a la trama de audio perdida, o una o más copias de la misma, para modificar de ese modo la señal de excitación del dominio de tiempo.
  18. 21. El decodificador de audio (100; 300) de acuerdo con la reivindicación 19, en el que el ocultamiento de errores (130; 380; 500) está configurado para reducir gradualmente una ganancia aplicada para escalar la señal de
    15 excitación en el dominio de tiempo (532) obtenida sobre la base de una o más tramas de audio que preceden a una trama de audio perdida, o una o más copias de la misma.
  19. 22. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 19 a 21, en el que el ocultamiento de errores (130; 380; 500) está configurado para ajustar una velocidad utilizada para reducir
    20 gradualmente una ganancia aplicada para escalar la señal de excitación del dominio de tiempo (532) obtenida sobre la base de una o más tramas de audio que preceden a una trama de audio perdida, o la una o más copias de la misma, dependiendo de uno o más parámetros de una o más tramas de audio que preceden a la trama de audio perdida, y/o dependiendo de una cantidad de tramas de audio perdidas consecutivas.
    25 23. El decodificador de audio (100; 300) de acuerdo con la reivindicación 21 o 22, en el que el ocultamiento de errores está configurado para ajustar la velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación en el dominio de tiempo (532) obtenida en base a una o más tramas de audio que preceden a una trama de audio perdida, o una o más copias de la misma, dependiendo de la duración de un período de tono de la señal de excitación de dominio de tiempo (532), de manera que una entrada de señal de excitación de
    30 dominio de tiempo en una síntesis de LPC se atenúa más rápido para las señales que tienen una duración más corta del período de tono en comparación con las señales que tienen una duración mayor del período de tono.
  20. 24. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 21 a 23, en el que el ocultamiento de errores (130; 380; 500) está configurado para ajustar la velocidad utilizada para reducir
    35 gradualmente una ganancia aplicada para escalar la señal de excitación del dominio de tiempo (532) obtenida sobre la base de una o más tramas de audio que preceden a una trama de audio perdida, o la una o más copias de la misma, dependiendo de un resultado de un análisis de tono (540) o una predicción de tono, de modo que un componente determinista de una señal de excitación de dominio de tiempo (572) introducida en una síntesis de LPC (580) se atenúa más rápidamente para señales que tienen un cambio de tono mayor por unidad de
    40 tiempo cuando se compara con señales que tienen un cambio de tono menor por unidad de tiempo, y/o de modo que un componente determinístico de una señal de excitación de dominio de tiempo (572) introducida en una síntesis de LPC (580) se atenúa más rápidamente para señales para las cuales falla una predicción de tono cuando se compara con señales para las que la predicción de tono tiene éxito.
    45 25. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 17 a 24, en el que el ocultamiento de errores (130; 380; 500) está configurado para escalar en el tiempo la señal de excitación en el dominio de tiempo (532) obtenida sobre la base de una o más tramas de audio que preceden a una trama de audio perdida, o la una o más copias de la misma, dependiendo de una predicción (540) de un tono para el tiempo de una
    o más tramas de audio perdidas. 50
  21. 26. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 1 a 25, en el que el ocultamiento de errores (130; 380; 500) está configurado para proporcionar la información de audio de ocultamiento de errores (132; 382; 512) durante un tiempo que es más largo que una duración temporal de la una o más tramas de audio perdidas.
  22. 27. El decodificador de audio (100; 300) de acuerdo con la reivindicación 26, en el que el ocultamiento de errores (130; 380; 500) está configurado para realizar una superposición y adición (390; 590) de la información de audio de ocultamiento de errores (132; 382; 512) y una representación en el dominio del tiempo (122; 372, 378; 512) de una o más tramas de audio recibidas apropiadamente después de una o más tramas de audio perdidas.
  23. 28. El decodificador de audio (100; 300) de acuerdo con una de las reivindicaciones 1 a 27, en el que el ocultamiento de errores (130; 380; 500) está configurado para derivar la información de audio de ocultamiento de errores (132; 382; 512) sobre la base de al menos tres tramas o ventanas parcialmente superpuestas que preceden a una trama de audio perdida o una ventana perdida.
  24. 29. Un método (900) para proporcionar una información de audio decodificada sobre la base de una información de audio codificada, comprendiendo el método:
    5 proporcionar (910) una información de audio de ocultamiento de errores para ocultar una pérdida de una trama de audio después de una trama de audio codificada en una representación de dominio de frecuencia usando una señal de excitación de dominio de tiempo; estando el método caracterizado porque comprende combinar una señal de excitación en el dominio del tiempo extrapolada (552) y una señal de ruido (562), para obtener una señal de entrada (572) para una síntesis de LPC (580), y
    10 en el que el método comprende realizar la síntesis de LPC, en el que la síntesis de LPC filtra la señal de entrada (572) de la síntesis de LPC dependiendo de los parámetros de codificación de predicción lineal, para obtener la información de audio de ocultamiento de errores (138; 382; 512), en el que el método comprende el filtrado de paso alto de la señal de ruido (562) que se combina con la señal de excitación de dominio de tiempo extrapolado (552).
  25. 30. Un programa de ordenador para realizar el método de acuerdo con la reivindicación 29 cuando el programa de ordenador se ejecuta en un ordenador.
ES14790073.2T 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de errores en base a una señal de excitación de dominio de tiempo Active ES2659838T3 (es)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP13191133 2013-10-31
EP13191133 2013-10-31
EP14178824 2014-07-28
EP14178824 2014-07-28
PCT/EP2014/073035 WO2015063044A1 (en) 2013-10-31 2014-10-27 Audio decoder and method for providing a decoded audio information using an error concealment based on a time domain excitation signal

Publications (1)

Publication Number Publication Date
ES2659838T3 true ES2659838T3 (es) 2018-03-19

Family

ID=51830301

Family Applications (5)

Application Number Title Priority Date Filing Date
ES17191503T Active ES2805744T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de errores en base a una señal de excitación de dominio de tiempo
ES17191505T Active ES2739477T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de errores en base a una señal de excitación de dominio de tiempo
ES17191506T Active ES2746034T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de error sobre la base de una señal de excitación de dominio de tiempo
ES17191502T Active ES2732952T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y procedimiento para proporcionar una información de audio decodificada usando un ocultamiento de error basado en una señal de excitación en el dominio del tiempo
ES14790073.2T Active ES2659838T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de errores en base a una señal de excitación de dominio de tiempo

Family Applications Before (4)

Application Number Title Priority Date Filing Date
ES17191503T Active ES2805744T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de errores en base a una señal de excitación de dominio de tiempo
ES17191505T Active ES2739477T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de errores en base a una señal de excitación de dominio de tiempo
ES17191506T Active ES2746034T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de error sobre la base de una señal de excitación de dominio de tiempo
ES17191502T Active ES2732952T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y procedimiento para proporcionar una información de audio decodificada usando un ocultamiento de error basado en una señal de excitación en el dominio del tiempo

Country Status (20)

Country Link
US (6) US10381012B2 (es)
EP (5) EP3285254B1 (es)
JP (1) JP6306175B2 (es)
KR (4) KR101854297B1 (es)
CN (1) CN105765651B (es)
AU (5) AU2014343904B2 (es)
BR (1) BR112016009819B1 (es)
CA (5) CA2929012C (es)
ES (5) ES2805744T3 (es)
HK (3) HK1251710A1 (es)
MX (1) MX356334B (es)
MY (1) MY178139A (es)
PL (5) PL3063760T3 (es)
PT (5) PT3285256T (es)
RU (1) RU2678473C2 (es)
SG (3) SG10201609234QA (es)
TR (1) TR201802808T4 (es)
TW (1) TWI569261B (es)
WO (1) WO2015063044A1 (es)
ZA (1) ZA201603528B (es)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PL3063760T3 (pl) * 2013-10-31 2018-05-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Dekoder audio i sposób dostarczania zdekodowanej informacji audio z wykorzystaniem ukrywania błędów na bazie sygnału pobudzenia w dziedzinie czasu
SG10201709062UA (en) * 2013-10-31 2017-12-28 Fraunhofer Ges Forschung Audio decoder and method for providing a decoded audio information using an error concealment modifying a time domain excitation signal
WO2016142002A1 (en) * 2015-03-09 2016-09-15 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Audio encoder, audio decoder, method for encoding an audio signal and method for decoding an encoded audio signal
US10504525B2 (en) * 2015-10-10 2019-12-10 Dolby Laboratories Licensing Corporation Adaptive forward error correction redundant payload generation
ES2797092T3 (es) 2016-03-07 2020-12-01 Fraunhofer Ges Forschung Técnicas de ocultamiento híbrido: combinación de ocultamiento de pérdida paquete de dominio de frecuencia y tiempo en códecs de audio
MX2018010756A (es) 2016-03-07 2019-01-14 Fraunhofer Ges Forschung Unidad de ocultamiento de error, decodificador de audio, y método relacionado y programa de computadora que usa características de una representación decodificada de una trama de audio decodificada apropiadamente.
EP3427257B1 (en) 2016-03-07 2021-05-05 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Error concealment unit, audio decoder, and related method and computer program fading out a concealed audio frame out according to different damping factors for different frequency bands
CN107248411B (zh) 2016-03-29 2020-08-07 华为技术有限公司 丢帧补偿处理方法和装置
CN108922551B (zh) * 2017-05-16 2021-02-05 博通集成电路（上海）股份有限公司 用于补偿丢失帧的电路及方法
EP3483882A1 (en) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Controlling bandwidth in encoders and/or decoders
WO2019091573A1 (en) * 2017-11-10 2019-05-16 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus and method for encoding and decoding an audio signal using downsampling or interpolation of scale parameters
EP3483883A1 (en) * 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audio coding and decoding with selective postfiltering
EP3483879A1 (en) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Analysis/synthesis windowing function for modulated lapped transformation
EP3483884A1 (en) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Signal filtering
US10278034B1 (en) 2018-03-20 2019-04-30 Honeywell International Inc. Audio processing system and method using push to talk (PTT) audio attributes
EP3576088A1 (en) 2018-05-30 2019-12-04 Fraunhofer Gesellschaft zur Förderung der Angewand Audio similarity evaluator, audio encoder, methods and computer program
WO2020164751A1 (en) 2019-02-13 2020-08-20 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Decoder and decoding method for lc3 concealment including full frame loss concealment and partial frame loss concealment
WO2020207593A1 (en) * 2019-04-11 2020-10-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audio decoder, apparatus for determining a set of values defining characteristics of a filter, methods for providing a decoded audio representation, methods for determining a set of values defining characteristics of a filter and computer program
CN111554309A (zh) * 2020-05-15 2020-08-18 腾讯科技（深圳）有限公司 一种语音处理方法、装置、设备及存储介质
CN113763973A (zh) * 2021-04-30 2021-12-07 腾讯科技（深圳）有限公司 音频信号增强方法、装置、计算机设备和存储介质
CN112992160B (zh) * 2021-05-08 2021-07-27 北京百瑞互联技术有限公司 一种音频错误隐藏方法及装置
CN114613372B (zh) * 2022-02-21 2022-10-18 北京富通亚讯网络信息技术有限公司 一种音频传输抗丢包的错误隐藏技术方法

Family Cites Families (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5615298A (en) 1994-03-14 1997-03-25 Lucent Technologies Inc. Excitation signal synthesis during frame erasure or packet loss
JPH1091194A (ja) 1996-09-18 1998-04-10 Sony Corp 音声復号化方法及び装置
US6188980B1 (en) 1998-08-24 2001-02-13 Conexant Systems, Inc. Synchronized encoder-decoder frame concealment using speech coding parameters including line spectral frequencies and filter coefficients
WO2000060575A1 (en) 1999-04-05 2000-10-12 Hughes Electronics Corporation A voicing measure as an estimate of signal periodicity for a frequency domain interpolative speech codec system
DE19921122C1 (de) 1999-05-07 2001-01-25 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Verschleiern eines Fehlers in einem codierten Audiosignal und Verfahren und Vorrichtung zum Decodieren eines codierten Audiosignals
JP4464488B2 (ja) 1999-06-30 2010-05-19 パナソニック株式会社 音声復号化装置及び符号誤り補償方法、音声復号化方法
JP3804902B2 (ja) 1999-09-27 2006-08-02 パイオニア株式会社 量子化誤差補正方法及び装置並びにオーディオ情報復号方法及び装置
US6757654B1 (en) * 2000-05-11 2004-06-29 Telefonaktiebolaget Lm Ericsson Forward error correction in speech coding
JP2002014697A (ja) 2000-06-30 2002-01-18 Hitachi Ltd ディジタルオーディオ装置
FR2813722B1 (fr) * 2000-09-05 2003-01-24 France Telecom Procede et dispositif de dissimulation d'erreurs et systeme de transmission comportant un tel dispositif
US7447639B2 (en) 2001-01-24 2008-11-04 Nokia Corporation System and method for error concealment in digital audio transmission
US7308406B2 (en) 2001-08-17 2007-12-11 Broadcom Corporation Method and system for a waveform attenuation technique for predictive speech coding based on extrapolation of speech waveform
CA2388439A1 (en) 2002-05-31 2003-11-30 Voiceage Corporation A method and device for efficient frame erasure concealment in linear predictive based speech codecs
FR2846179B1 (fr) 2002-10-21 2005-02-04 Medialive Embrouillage adaptatif et progressif de flux audio
US6985856B2 (en) * 2002-12-31 2006-01-10 Nokia Corporation Method and device for compressed-domain packet loss concealment
JP2004361731A (ja) 2003-06-05 2004-12-24 Nec Corp オーディオ復号装置及びオーディオ復号方法
WO2005027094A1 (fr) 2003-09-17 2005-03-24 Beijing E-World Technology Co.,Ltd. Procede et dispositif de quantification de vecteur multi-resolution multiple pour codage et decodage audio
KR100587953B1 (ko) * 2003-12-26 2006-06-08 한국전자통신연구원 대역-분할 광대역 음성 코덱에서의 고대역 오류 은닉 장치 및 그를 이용한 비트스트림 복호화 시스템
CA2457988A1 (en) * 2004-02-18 2005-08-18 Voiceage Corporation Methods and devices for audio compression based on acelp/tcx coding and multi-rate lattice vector quantization
EP1775717B1 (en) * 2004-07-20 2013-09-11 Panasonic Corporation Speech decoding apparatus and compensation frame generation method
US20070147518A1 (en) * 2005-02-18 2007-06-28 Bruno Bessette Methods and devices for low-frequency emphasis during audio compression based on ACELP/TCX
US8355907B2 (en) * 2005-03-11 2013-01-15 Qualcomm Incorporated Method and apparatus for phase matching frames in vocoders
US8255207B2 (en) * 2005-12-28 2012-08-28 Voiceage Corporation Method and device for efficient frame erasure concealment in speech codecs
US8798172B2 (en) 2006-05-16 2014-08-05 Samsung Electronics Co., Ltd. Method and apparatus to conceal error in decoded audio signal
US20090248404A1 (en) 2006-07-12 2009-10-01 Panasonic Corporation Lost frame compensating method, audio encoding apparatus and audio decoding apparatus
KR101046982B1 (ko) 2006-08-15 2011-07-07 브로드콤 코포레이션 전대역 오디오 파형의 외삽법에 기초한 부분대역 예측코딩에 대한 패킷 손실 은닉 기법
JP2008058667A (ja) * 2006-08-31 2008-03-13 Sony Corp 信号処理装置および方法、記録媒体、並びにプログラム
ATE536613T1 (de) 2006-10-20 2011-12-15 France Telecom Dämpfung von stimmüberlagerung, im besonderen zur erregungserzeugung bei einem decoder in abwesenheit von informationen
FR2907586A1 (fr) 2006-10-20 2008-04-25 France Telecom Synthese de blocs perdus d'un signal audionumerique,avec correction de periode de pitch.
KR101292771B1 (ko) 2006-11-24 2013-08-16 삼성전자주식회사 오디오 신호의 오류은폐방법 및 장치
KR100862662B1 (ko) 2006-11-28 2008-10-10 삼성전자주식회사 프레임 오류 은닉 방법 및 장치, 이를 이용한 오디오 신호복호화 방법 및 장치
CN101207468B (zh) 2006-12-19 2010-07-21 华为技术有限公司 丢帧隐藏方法、系统和装置
GB0704622D0 (en) * 2007-03-09 2007-04-18 Skype Ltd Speech coding system and method
CN100524462C (zh) 2007-09-15 2009-08-05 华为技术有限公司 对高带信号进行帧错误隐藏的方法及装置
CN101399040B (zh) * 2007-09-27 2011-08-10 中兴通讯股份有限公司 一种帧错误隐藏的谱参数替换方法
US8527265B2 (en) * 2007-10-22 2013-09-03 Qualcomm Incorporated Low-complexity encoding/decoding of quantized MDCT spectrum in scalable speech and audio codecs
US8515767B2 (en) * 2007-11-04 2013-08-20 Qualcomm Incorporated Technique for encoding/decoding of codebook indices for quantized MDCT spectrum in scalable speech and audio codecs
KR100998396B1 (ko) 2008-03-20 2010-12-03 광주과학기술원 프레임 손실 은닉 방법, 프레임 손실 은닉 장치 및 음성송수신 장치
CN101588341B (zh) 2008-05-22 2012-07-04 华为技术有限公司 一种丢帧隐藏的方法及装置
EP2144230A1 (en) 2008-07-11 2010-01-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Low bitrate audio encoding/decoding scheme having cascaded switches
EP2144231A1 (en) 2008-07-11 2010-01-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Low bitrate audio encoding/decoding scheme with common preprocessing
ES2642906T3 (es) 2008-07-11 2017-11-20 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Codificador de audio, procedimientos para proporcionar un flujo de audio y programa de ordenador
DE102008042579B4 (de) * 2008-10-02 2020-07-23 Robert Bosch Gmbh Verfahren zur Fehlerverdeckung bei fehlerhafter Übertragung von Sprachdaten
US8706479B2 (en) 2008-11-14 2014-04-22 Broadcom Corporation Packet loss concealment for sub-band codecs
CN101958119B (zh) * 2009-07-16 2012-02-29 中兴通讯股份有限公司 一种改进的离散余弦变换域音频丢帧补偿器和补偿方法
US9076439B2 (en) 2009-10-23 2015-07-07 Broadcom Corporation Bit error management and mitigation for sub-band coding
US8321216B2 (en) * 2010-02-23 2012-11-27 Broadcom Corporation Time-warping of audio signals for packet loss concealment avoiding audible artifacts
US9263049B2 (en) * 2010-10-25 2016-02-16 Polycom, Inc. Artifact reduction in packet loss concealment
MX2013009301A (es) 2011-02-14 2013-12-06 Fraunhofer Ges Forschung Aparato y metodo para ocultamiento de error en voz unificada con bajo retardo y codificacion de audio.
US9460723B2 (en) 2012-06-14 2016-10-04 Dolby International Ab Error concealment strategy in a decoding system
US9406307B2 (en) 2012-08-19 2016-08-02 The Regents Of The University Of California Method and apparatus for polyphonic audio signal prediction in coding and networking systems
US9830920B2 (en) 2012-08-19 2017-11-28 The Regents Of The University Of California Method and apparatus for polyphonic audio signal prediction in coding and networking systems
RU2666327C2 (ru) 2013-06-21 2018-09-06 Фраунхофер-Гезелльшафт Цур Фердерунг Дер Ангевандтен Форшунг Е.Ф. Устройство и способ для улучшенного маскирования адаптивной таблицы кодирования при acelp-образном маскировании с использованием улучшенной повторной синхронизации импульсов
ES2746322T3 (es) 2013-06-21 2020-03-05 Fraunhofer Ges Forschung Estimación del retardo del tono
CN104282309A (zh) 2013-07-05 2015-01-14 杜比实验室特许公司 丢包掩蔽装置和方法以及音频处理系统
SG10201709062UA (en) 2013-10-31 2017-12-28 Fraunhofer Ges Forschung Audio decoder and method for providing a decoded audio information using an error concealment modifying a time domain excitation signal
PL3063760T3 (pl) * 2013-10-31 2018-05-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Dekoder audio i sposób dostarczania zdekodowanej informacji audio z wykorzystaniem ukrywania błędów na bazie sygnału pobudzenia w dziedzinie czasu
CN112967727A (zh) 2014-12-09 2021-06-15 杜比国际公司 Mdct域错误掩盖

Also Published As

Publication number Publication date
CA2929012C (en) 2020-06-09
US10269358B2 (en) 2019-04-23
HK1251348B (zh) 2020-04-24
US10283124B2 (en) 2019-05-07
US20180114533A1 (en) 2018-04-26
RU2678473C2 (ru) 2019-01-29
EP3285256B1 (en) 2019-06-26
CA2984573A1 (en) 2015-05-07
CA2984562A1 (en) 2015-05-07
MX2016005535A (es) 2016-07-12
KR20160079056A (ko) 2016-07-05
TWI569261B (zh) 2017-02-01
PL3288026T3 (pl) 2020-11-02
KR101854297B1 (ko) 2018-06-08
BR112016009819A2 (es) 2017-08-01
CN105765651B (zh) 2019-12-10
US10373621B2 (en) 2019-08-06
KR101981548B1 (ko) 2019-05-23
US20160379649A1 (en) 2016-12-29
US20160379651A1 (en) 2016-12-29
AU2017265060B2 (en) 2019-01-31
EP3288026B1 (en) 2020-04-29
WO2015063044A1 (en) 2015-05-07
CA2929012A1 (en) 2015-05-07
EP3285255A1 (en) 2018-02-21
PT3288026T (pt) 2020-07-20
AU2017265038A1 (en) 2017-12-07
MX356334B (es) 2018-05-23
PT3285254T (pt) 2019-07-09
PT3063760T (pt) 2018-03-22
AU2017265062A1 (en) 2017-12-14
ES2805744T3 (es) 2021-02-15
TW201521016A (zh) 2015-06-01
TR201802808T4 (tr) 2018-03-21
PT3285256T (pt) 2019-09-30
ES2746034T3 (es) 2020-03-04
KR101957906B1 (ko) 2019-03-13
SG11201603429SA (en) 2016-05-30
EP3063760A1 (en) 2016-09-07
SG10201609235UA (en) 2016-12-29
PL3285255T3 (pl) 2019-10-31
PT3285255T (pt) 2019-08-02
CA2984532A1 (en) 2015-05-07
BR112016009819B1 (pt) 2022-03-29
HK1251710A1 (zh) 2019-02-01
AU2017265062B2 (en) 2019-01-17
CA2984573C (en) 2020-01-14
ES2739477T3 (es) 2020-01-31
EP3285256A1 (en) 2018-02-21
JP6306175B2 (ja) 2018-04-04
US20160247506A1 (en) 2016-08-25
CA2984532C (en) 2020-01-14
KR20180026552A (ko) 2018-03-12
CA2984562C (en) 2020-01-14
US20160379652A1 (en) 2016-12-29
KR101957905B1 (ko) 2019-03-13
US10262662B2 (en) 2019-04-16
MY178139A (en) 2020-10-05
SG10201609234QA (en) 2016-12-29
EP3063760B1 (en) 2017-12-13
RU2016121172A (ru) 2017-12-05
CN105765651A (zh) 2016-07-13
AU2014343904A1 (en) 2016-06-09
US10381012B2 (en) 2019-08-13
EP3285255B1 (en) 2019-05-01
US20160379650A1 (en) 2016-12-29
KR20180026551A (ko) 2018-03-12
AU2017265038B2 (en) 2019-01-17
CA2984535C (en) 2020-10-27
AU2017265060A1 (en) 2017-12-14
PL3285254T3 (pl) 2019-09-30
ZA201603528B (en) 2017-11-29
PL3285256T3 (pl) 2020-01-31
EP3288026A1 (en) 2018-02-28
AU2014343904B2 (en) 2017-12-14
EP3285254B1 (en) 2019-04-03
PL3063760T3 (pl) 2018-05-30
US10269359B2 (en) 2019-04-23
HK1251349B (zh) 2020-07-03
ES2732952T3 (es) 2019-11-26
AU2017265032B2 (en) 2019-01-17
EP3285254A1 (en) 2018-02-21
KR20180023063A (ko) 2018-03-06
CA2984535A1 (en) 2015-05-07
AU2017265032A1 (en) 2017-12-07
JP2016539360A (ja) 2016-12-15

Similar Documents

Publication Publication Date Title
ES2659838T3 (es) Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de errores en base a una señal de excitación de dominio de tiempo
ES2661732T3 (es) Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo