ES2664348T3 - Estimación de ruido de fondo en señales de audio - Google Patents

Abstract

Un método para un estimador de ruido de fondo para estimación de ruido de fondo en una señal de audio, en el que la señal de audio comprende una pluralidad de segmentos de señal de audio, comprendiendo el método: - obtener (201) al menos un parámetro asociado con un segmento de señal de audio, basándose en: - una primera ganancia de predicción lineal calculada como un cociente entre una señal residual (E(0)) de una predicción lineal de orden 0 y una señal residual (E(2)) de una predicción lineal de 2º orden para el segmento de señal de audio; y - una segunda ganancia de predicción lineal calculada como un cociente entre una señal residual (E(2)) de una predicción lineal de 2º orden y una señal residual (E(16)) de una predicción lineal de 16º orden para el segmento de señal de audio; - determinar (202) si el segmento de señal de audio comprende una pausa, es decir, está libre de contenido activo tal como voz y música, basándose al menos en al menos dicho parámetro obtenido; y - cuando el segmento de señal de audio comprende una pausa, actualizar (203) una estimación de ruido de fondo basándose en el segmento de señal de audio.

Description

imagen1

imagen2

imagen3

imagen4

imagen5

imagen6

imagen7

imagen8

Para la mayoría de los tipos de señales de fondo, tanto G1_2_16 como G2_2_16 estarán cerca de 0, pero tendrán diferentes respuestas al contenido donde se necesita la predicción lineal de 16º orden, que típicamente es para voz y otro contenido activo. La primera estimación a largo plazo, G1_2_16 generalmente será más alta que la segunda

5 estimación a largo plazo G2_2_16. Esta diferencia entre las características a largo plazo se mide de acuerdo con:

Gd_2_16 = G1_2_16 -G2_2_16 (Ec. 9)

El parámetro Gd_2_16 podría alternativamente denominarse como epsP_2_16_dlp o gad_2_16.

10 Gd_2_16 se puede usar como una entrada a un filtro que crea una tercera característica a largo plazo de acuerdo con:

Gad_2_16 = (1-c) Gad_2_16 + c Gd_2_16 (Ec. 10)

donde si Gd_2_16 < Gad_2_16 entonces c = 0,02 si no c = 0,05

15 Este filtro aplica diferentes coeficientes de filtro dependiendo de si la tercera señal de largo plazo debe ser aumentada o no. El parámetro Gad_2_16 puede alternativamente denominarse por ejemplo epsP_2_16_dlp_lp2 o

imagen9ad_2_16. Además, la señal a largo plazo Gad_2_16 se puede combinar con la señal de entrada del filtro Gd_2_16 para evitar que el filtrado enmascare las altas entradas ocasionales para la trama actual. El parámetro final es 20 entonces el máximo de la trama o segmento y la versión a largo plazo de la característica

Gmax_2_16 = max (Gad_2_16, Gd_2_16) (Ec. 11)

El parámetro Gmax_2_16 podría alternativamente denominarse, por ejemplo epsP_2_16_dlp_max o gmax_0_2.

25 Cercanía espectral/medida de diferencia

Una característica de cercanía espectral usa el análisis de frecuencia de la trama o segmento de entrada actual donde se calcula la energía de la subbanda y se compara con la estimación de fondo de la subbanda. Un parámetro

o característica de cercanía espectral se puede usar en combinación con un parámetro relacionado con las

30 ganancias de predicción lineal descritas anteriormente, por ejemplo para asegurarse de que el segmento o trama actual está relativamente cerca, o al menos no muy lejos, de una estimación previa de fondo.

La figura 5 muestra un diagrama de bloques del cálculo de una cercanía espectral o medida de diferencia. Durante el período de inicialización, por ejemplo las 150 primeras tramas, la comparación se realiza con una constante

35 correspondiente a la estimación de fondo inicial. Después de la inicialización pasa al funcionamiento normal y se compara con la estimación de fondo. Obsérvese que, si bien el análisis espectral produce energías de subbanda para 20 subbandas, el cálculo de nonstaB aquí solo usa subbandas i = 2, ... 16, ya que es principalmente en estas bandas donde se ubica la energía de voz. Aquí nonstaB refleja la no estacionariedad.

40 Entonces, durante la inicialización, nonstaB se calcula usando un Emin, que aquí se establece en Emin = 0,0035 como:

nonstaB = sum (abs (log (Ecb (i) +1) -log (Emin + 1))) (Ec. 12)

donde la suma se hace sobre i = 2 ... 16.

45 Esto se hace para reducir el efecto de los errores de decisión en la estimación de ruido de fondo durante la inicialización. Después del período de inicialización, el cálculo se realiza usando la estimación de ruido de fondo actual de la subbanda respectiva, de acuerdo con:

nonstaB = suma (abs (log (Ecb (i) +1) -log (Ncb (i) +1))) (Ec. 13) 50 donde la suma se hace sobre i = 2 ... 16.

La adición de la constante 1 a cada energía de subbanda antes del logaritmo reduce la sensibilidad para la diferencia espectral para tramas de baja energía. El parámetro nonstaB podría alternativamente denominarse por 55 ejemplo non_staB o nonstatB.

En la figura 6 se muestra un diagrama de bloques que ilustra una realización ejemplar de un estimador de fondo. La realización en la figura 6 comprende un bloque para el entramado 601 de entrada, que divide la señal de audio de

10

imagen10

imagen11

imagen12

imagen13

imagen14

recibirse, a través de la interfaz de E/S desde un codificador de señal de audio que realiza una codificación predictiva lineal.

La circuitería 1101 de procesamiento podría, como se ilustra en la figura 11b, comprender medios de procesamiento,

5 tales como un procesador 1103, por ejemplo una CPU y una memoria 1104 para almacenar o retener instrucciones. La memoria entonces comprendería instrucciones, por ejemplo en forma de un programa informático 1105, que cuando es ejecutado por los medios 1103 de procesamiento hace que el codificador 1100 realice las acciones descritas anteriormente.

Una implementación alternativa de la circuitería 1101 de procesamiento se muestra en la figura 11c. La circuitería de procesamiento aquí comprende una unidad o módulo 1106 de obtención o determinación, configurada para hacer que el estimador 1100 de ruido de fondo obtenga, por ejemplo, determine o calcule, al menos un parámetro, por ejemplo NEW_POS_BG, basándose en una primera ganancia de predicción lineal calculada como un cociente entre una señal residual de una predicción lineal de orden 0 y una señal residual de una predicción lineal de 2º orden para

15 el segmento de señal de audio; y una segunda ganancia de predicción lineal calculada como un cociente entre una señal residual de una predicción lineal de 2º orden y una señal residual de una predicción lineal de 16º orden para el segmento de señal de audio. El circuito de procesamiento comprende además una unidad o módulo 1107 de determinación, configurada para hacer que el estimador 1100 de ruido de fondo determine si el segmento de señal de audio comprende una pausa, es decir, está libre de contenido activo como voz y música, basándose al menos en al menos dicho parámetro La circuitería 1101 de procesamiento comprende además una unidad o módulo 1110 de actualización o estimación, configurada para hacer que el estimador de ruido de fondo actualice una estimación de ruido de fondo basándose en el segmento de señal de audio cuando el segmento de señal de audio comprende una pausa.

25 La circuitería 1101 de procesamiento podría comprender más unidades, tales como una unidad o módulo de filtro configurada para hacer que el estimador de ruido de fondo filtre de paso bajo a las ganancias de predicción lineal, creando así una o más estimaciones a largo plazo de las ganancias de predicción lineal. Acciones como el filtrado de paso bajo pueden realizarse de otro modo, por ejemplo por la unidad o módulo 1107 de determinación.

Las realizaciones de un estimador de ruido de fondo descrito anteriormente podrían configurarse para las diferentes realizaciones de método descritas en el presente documento, tales como limitar y filtrar de paso bajo las ganancias de predicción lineal; determinar una diferencia entre las ganancias de predicción lineal y las estimaciones a largo plazo y entre las estimaciones a largo plazo; y/o obtener y usar una medida de cercanía espectral, etc.

35 Puede suponerse que el estimador 1100 de ruido de fondo comprende una funcionalidad adicional, para llevar a cabo una estimación de ruido de fondo, tal como por ejemplo la funcionalidad ejemplificada en el Apéndice A.

La figura 12 ilustra un estimador 1200 de fondo de acuerdo con una realización ejemplar. El estimador 1200 de fondo comprende una unidad de entrada, por ejemplo para recibir energías residuales para los órdenes 0, 2 y 16 de modelo. El estimador de fondo comprende además un procesador y una memoria, conteniendo dicha memoria instrucciones ejecutables por dicho procesador, por lo que dicho estimador de fondo es operativo para: realizar un método de acuerdo con una realización descrita en el presente documento.

Por consiguiente, el estimador de fondo puede comprender, como se ilustra en la figura 13, una unidad 1301de

45 entrada/salida, un calculador 1302 para calcular los primeros dos conjuntos de características de las energías residuales para los órdenes 0, 2 y 16 de modelo y un analizador 1303 de frecuencia para calcular la característica de cercanía espectral.

Un estimador de ruido de fondo como los descritos anteriormente puede estar comprendido, por ejemplo en un VAD

o SAD, un codificador y/o un decodificador, es decir, un códec, y/o en un dispositivo, tal como un dispositivo de comunicación. El dispositivo de comunicación puede ser un equipo de usuario (UE) en forma de teléfono móvil, cámara de video, grabadora de sonido, tableta, ordenador de escritorio, ordenador portátil, decodificador de televisión o servidor doméstico/puerta de enlace doméstica/punto de acceso doméstico/enrutador doméstico. El dispositivo de comunicación puede ser en algunas realizaciones un dispositivo de red de comunicaciones adaptado

55 para codificar y/o transcodificar señales de audio. Ejemplos de tales dispositivos de red de comunicaciones son servidores, tales como servidores de medios, servidores de aplicaciones, enrutadores, pasarelas y estaciones base de radio. El dispositivo de comunicación también puede estar adaptado para colocarse, es decir, estar integrado en, un buque, tal como un barco, dron volador, avión y un vehículo de carretera, tal como un automóvil, autobús o camión. Tal dispositivo integrado típicamente pertenecería a una unidad telemática de vehículo o sistema de infoentretenimiento de vehículo.

Los pasos, funciones, procedimientos, módulos, unidades y/o bloques descritos en el presente documento pueden implementarse en hardware que use cualquier tecnología convencional, tal como tecnología de circuito discreto o de circuito integrado, que incluye circuitería electrónica de propósito general y circuitería específica de aplicación.

65 Los ejemplos particulares incluyen uno o más procesadores de señal digital configurados adecuadamente y otros

16

imagen15

imagen16

imagen17

imagen18

imagen19

imagen20

imagen21

Claims (1)

1. imagen1

   imagen2