MX2011000368A - Proveedor de la señal de activacion de distorsion de tiempo, codificador de señal de audio, metodo para proveer una señal de activacion de distorsion de tiempo, metodo para codificar una señal de audio y programas de computacion. - Google Patents
Proveedor de la señal de activacion de distorsion de tiempo, codificador de señal de audio, metodo para proveer una señal de activacion de distorsion de tiempo, metodo para codificar una señal de audio y programas de computacion.Info
- Publication number
- MX2011000368A MX2011000368A MX2011000368A MX2011000368A MX2011000368A MX 2011000368 A MX2011000368 A MX 2011000368A MX 2011000368 A MX2011000368 A MX 2011000368A MX 2011000368 A MX2011000368 A MX 2011000368A MX 2011000368 A MX2011000368 A MX 2011000368A
- Authority
- MX
- Mexico
- Prior art keywords
- audio signal
- time
- signal
- time distortion
- distortion
- Prior art date
Links
- 230000005236 sound signal Effects 0.000 title claims abstract description 315
- 230000004913 activation Effects 0.000 title claims description 93
- 230000003595 spectral effect Effects 0.000 claims description 173
- 238000005056 compaction Methods 0.000 claims description 116
- 238000001228 spectrum Methods 0.000 claims description 103
- 230000006870 function Effects 0.000 claims description 74
- 238000000034 method Methods 0.000 claims description 68
- 230000002123 temporal effect Effects 0.000 claims description 67
- 238000005259 measurement Methods 0.000 claims description 61
- 238000012545 processing Methods 0.000 claims description 50
- 238000005070 sampling Methods 0.000 claims description 49
- 239000000945 filler Substances 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 20
- 230000001965 increasing effect Effects 0.000 claims description 20
- 230000002829 reductive effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000005311 autocorrelation function Methods 0.000 claims description 15
- 230000007423 decrease Effects 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 206010011878 Deafness Diseases 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 claims 1
- 230000009467 reduction Effects 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000002592 echocardiography Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 230000000873 masking effect Effects 0.000 description 6
- 230000036961 partial effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012952 Resampling Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000009849 deactivation Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/04—Time compression or expansion
-
- 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
- G10L19/002—Dynamic bit allocation
-
- 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
- G10L19/022—Blocking, i.e. grouping of samples in time; Choice of analysis windows; Overlap factoring
-
- 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
- G10L19/028—Noise substitution, i.e. substituting non-tonal spectral components by noisy source
-
- 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
- G10L19/03—Spectral prediction for preventing pre-echo; Temporary noise shaping [TNS], e.g. in MPEG2 or MPEG4
-
- 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
- G10L19/032—Quantisation or dequantisation of spectral components
-
- 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
- G10L19/26—Pre-filtering or post-filtering
- G10L19/265—Pre-filtering, e.g. high frequency emphasis prior to encoding
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/04—Time compression or expansion
- G10L21/043—Time compression or expansion by changing speed
-
- 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
- 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
- G10L19/022—Blocking, i.e. grouping of samples in time; Choice of analysis windows; Overlap factoring
- G10L19/025—Detection of transients or attacks for time/frequency resolution switching
-
- 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
- G10L19/10—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a multipulse excitation
-
- 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
- G10L25/78—Detection of presence or absence of voice signals
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)
- Quality & Reliability (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Geophysics And Detection Of Objects (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
Un codificador de audio comprende un controlador de la función de generación de ventanas (504), un windower (502), un distorsionador de tiempo (506) con una funcionalidad de control de calidad final, un convertidor de tiempo/frecuencia (508), una etapa de TNS (510) o un codificador cuantificador (512), el controlador de la función de generación de ventanas (504), el distorsionador de tiempo (506), la etapa de TNS (510) o un analizador de relleno de ruido adicional (524) se controlan mediante resultados de análisis de señal obtenidos por un analizador de distorsión de tiempo (516) o un clasificador de señal (520). Más aún, un decodificador aplica una operación de relleno de ruido utilizando un estimado de relleno de ruido manipulado que depende de una característica armónica o de expresión de la señal de audio.
Description
PROVEEDOR DE LA SEÑAL DE ACTIVACIÓN DE DISTORSIÓN DE TIEMPO, CODIFICADOR DE SEÑAL DE AUDIO, MÉTODO PARA PROVEER UNA SEÑAL DE ACTIVACIÓN DE DISTORSIÓN DE TIEMPO, MÉTODO PARA CODIFICAR UNA SEÑAL DE AUDIO Y PROGRAMAS DE COMPUTACIÓN
Memoria descriptiva
La presente invención se refiere a codificación y decodificación de audio y específicamente a la codificación/decodificación de la señal de audio con un contenido armónico o de expresión, el cual se puede someter a un procesamiento · de distorsión de tiempo.
A continuación, se dará una breve introducción al campo de la codificación de audio distorsionado en el tiempo, cuyos conceptos se pueden aplicar en conjunto con algunas de las realizaciones de la invención.
En los últimos años, se han desarrollado técnicas para transformar una señal de audio en una representación de dominio de frecuencia, y para codificar con eficiencia esta representación de dominio de frecuencia, por ejemplo tomando en cuenta umbrales de enmascaramiento perceptual. Este concepto de codificación de señal de audio es particularmente eficiente si la longitud del bloque, para el cual se transmite un conjunto de coeficientes espeptrales · codificados, es larga, y si sólo un número relativamente pequeño de coeficientes espectrales están bien por encima del umbral de enmascaramiento global mientras que un gran número de coeficientes espectrales está cerca o por debajo del umbral de enmascaramiento global y de este modo puede ser insignificante (o codificado dentro de la longitud de código mínima).
Por ejemplo, las transformadas del tipo lapped moduladas por seno o coseno a menudo se utilizan en aplicaciones para codificación de fuente debido a sus propiedades de compactación de energía. Es decir, para tonos armónicos con frecuencias fundamentales constantes (tono), éstas concentran la energía de señal hasta una número bajo de componentes espectrales (sub-bandas), lo cual conduce a una representación de señal eficiente.
En general, el tono (fundamental) de una señal se entenderá como la frecuencia dominante más baja que se distingue del espectro de la señal. En el modelo de expresión común, el tono es la frecuencia de la señal de excitación modulada por la garganta humana. Si solo una frecuencia fundamental simple estuviera presente, el espectro sería extremadamente simple, comprendiendo la frecuencia fundamental y los sobretonos únicamente. Un espectro de este tipo podría codificarse en forma muy eficiente. Para señales con tono variable, sin embargo, la energía correspondiente a cada componente armónico se dispersa sobre varios coeficientes de transformación, conduciendo de este modo a una reducción de la eficiencia de codificación.
Á fin de solucionar esta reducción de la eficiencia de codificación, la señal de audio a ser codificada se re-muestrea en forma eficaz sobre una grilla temporal no uniforme. En el procesamiento subsiguiente, las posiciones, de muestra obtenidas por el re-muestreado no uniforme se procesan como si representaran los valores sobre una grilla temporal uniforme. Esta operación normalmente se denota por la frase "distorsión de tiempo". Los tiempos de muestra se pueden elegir en forma ventajosa dependiendo de la variante temporal del tono, de modo que una variante de tono en la versión de tiempo distorsionado de la señal de audio es más pequeña que una variante de tono en la versión original de la señal
de audio (antes de la distorsión de tiempo). Esta variante detono además puede denotarse con la frase "contorno de distorsión de tiempo". Después de la distorsión de tiempo de la señal de audio, la versión distorsionada de tiempo de la señal de audio se convierte en el dominio de frecuencia. La distorsión de tiempo que depende del tono tiene el efecto de que la representación de dominio de frecuencia de la señal de audio distorsionada en el tiempo exhibe típicamente una compactación de energía en un número mucho más pequeño de componentes espectrales que una representación de dominio de frecuencia de la señal de audio original (sin distorsión de tiempo).
En el lado del decodificador, la representación de dominio de frecuencia de la señal de audio distorsionada en el tiempo se retro convierte al dominio de tiempo, de modo que una representación de dominio de tiempo de la señal de audio distorsionada en el tiempo está disponible en el lado del decodificador. Sin embargo, en la representación de dominio de tiempo de la señal de audio distorsionada en el tiempo reconstruida en el lado del decodificador, las variantes del tono original de la señal de audio de entrada por el lado del decodificador no se incluyen. En consecuencia, incluso se aplica otra distorsión de tiempo por el re-muestreado de la representación del dominio del tiempo reconstruido en el lado del decodificador de la señal de audio distorsionada en el tiempo. A fin de obtener una buena reconstrucción de la señal de audio de entrada por el lado del decodificador en el decodificador, se desea que la distorsión de tiempo del lado del decodificador sea al menos aproximadamente la operación inversa con respecto a la distorsión de tiempo del lado del decodificador. A fin de obtener una distorsión de tiempo apropiada, se desea tener información disponible en el
decodificador lo cual permite un ajuste de la distorsión de tiempo en el lado del decodificador.
Dado que típicamente se requiere transferir este tipo de información desde el codificador de señal de audio al decodificador de señal de audio, se desea mantener una pequeña velocidad de bits requerida para esta transmisión mientras aún se permite una reconstrucción confiable de la información de distorsión de tiempo requerida en el lado del decodificador.
En vista de la descripción anterior, existe el deseo de crear un concepto el cual permita una aplicación de velocidad de bits eficiente del concepto de distorsión de tiempo en un codificador de audio.
Es el objetivo de la invención crear conceptos para mejorar la impresión del oído provista por una señal de audio codificada sobre la base de información disponible in un codificador de señal de audio de distorsión de tiempo o un decodificador de señal de audio de distorsión de tiempo.
Este objetivo se logra mediante un proveedor de la señal de activación de distorsión de tiempo para aportar una señal de activación de distorsión de tiempo sobre la base de una representación de una señal de audio de acuerdo con la reivindicación 1 , un codificador de señal de audio para codificar una señal de audio de entrada de acuerdo con la reivindicación 12, un método para proveer una señal de activación de distorsión de tiempo de acuerdo con la reivindicación 14, un método para proveer una representación codificada de una señal de audio de entrada de acuerdo con la reivindicación 15, o un programa de computación de acuerdo con la reivindicación 16.
Es otro objetivo de la presente invención proveer un esquema de codificación/decodificación de audio mejorado, el cual provee una velocidad de bits más baja o de calidad superior
Este objetivo se obtiene mediante un codificador de audio de acuerdo con la reivindicación 17, 26, 32, 37, un decodificador de audio de acuerdo con la reivindicación 20, un método de codificación de audio de acuerdo con la reivindicación 23, reivindicación 30, reivindicación 35 o reivindicación 37, un método de decodificación de acuerdo con la reivindicación 24, o un programa de computación de acuerdo con la reivindicación 25, 31 , 36, o 43.
Las realizaciones de acuerdo con la invención se refieren a métodos para un codificador de transformación MDCT de distorsión de tiempo. Algunas realizaciones se refieren a herramientas sólo para ^ el codificador. Sin embargo, otras realizaciones además se refieren a herramientas para el decodificador.
Una realización de la invención crea un proveedor de la señal de activación de distorsión de tiempo para aportar una señal de activación de distorsión de tiempo sobre la base de una representación de una señal de audio. El proveedor de la señal de activación de distorsión de tiempo comprende un proveedor de información de compactación de energía configurado para proveer una información de compactación de energía que describe una compactación de energía en una representación del espectro transformado por la distorsión de tiempo de la señal de audio. El proveedor de la señal de activación de distorsión de tiempo además comprende un comparador configurado para comparar la información de compactación de energía con un valor de referencia, y proveer la señal de activación de distorsión de tiempo con dependencia de un resultado de la comparación.
Esta realización se basa en el hallazgo de que el uso de una funcionalidad de distorsión de tiempo en un codificador de señal de audio típicamente otorga una mejora, en el sentido de una reducción de la velocidad de bits de la señal de audio codificada, si la representación del espectro transformado por la distorsión de tiempo de la señal de audio comprende una distribución de energía lo suficientemente compacta en que la energía se concentra en una ó más regiones espectrales (o líneas espectrales). Esto se debe al hecho de que una distorsión de tiempo exitosa otorga el efecto de disminuir la velocidad de bits al transformar un espectro embarrado, por ejemplo de un marco de audio, dentro del espectro que tiene uno o más picos discernibles, y en consecuencia tiene una compactación de energía más alta que el espectro de la señal de audio original (sin distorsión de tiempo).
Con respecto a este enunciado, debe entenderse que un marco de la señal de audio, durante el cual el tono de la señal de audio varía significativamente, comprende un espectro embarrado. El tono con variación en el tiempo de la señal de audio tiene el efecto de que una transformación de dominio de tiempo en un dominio de frecuencia sobre el marco de la señal de audio da por resultado una distribución embarrada de la energía de señal sobre la frecuencia, en particular en la región de mayor frecuencia. En consecuencia, una representación del espectro de esta señal de audio original (sin distorsión de tiempo) comprende una compactación de energía baja y típicamente no exhibe picos espectrales en una porción de frecuencia más alta del espectro, o sólo exhibe picos espectrales relativamente pequeños en la porción de frecuencia más alta del espectro. A diferencia, si la distorsión de tiempo es con éxito (en término de suministrar una mejora de la eficiencia de codificación) la distorsión de tiempo de la señal de audio
original da una señal de audio distorsionada en el tiempo con un espectro con picos relativamente más altos y claros (en particular en la porción de frecuencia más alta del espectro). Esto se debe al hecho de que una señal de audio con un tono con variación en el tiempo se transforma en una señal de audio distorsionada en el tiempo que tiene una variación de tono más pequeña o incluso un tono aproximadamente constante. En consecuencia; la representación del espectro de la señal de audio distorsionada en el tiempo (la cual se puede considerar como una representación del espectro transformado por la distorsión de tiempo de la señal de audio) comprende uno o más picos espectrales claros. En otras palabras, el manchado del espectro de la señal de audio original (con tono temporalmente variable) es reducido por una operación de distorsión de tiempo con éxito, de modo que la representación del espectro transformado por la distorsión de tiempo de la señal de audio comprende compactación de energía más alta que el espectro de la señal de audio original. No obstante, la distorsión de tiempo no siempre es con éxito en la mejora de la eficiencia de la codificación. Por ejemplo, la distorsión de tiempo no mejora la eficiencia de la codificación, si la señal de audio de entrada comprende grandes componentes de ruido, o si el contorno de distorsión de tiempo extraído es impreciso.
En vista de esta situación, la información de compactación de energía provista por el proveedor de información de compactación de energía es un indicador valioso para decidir si la distorsión de tiempo es con éxito en términos de reducción de la velocidad.
Una realización de la invención crea un proveedor de la señal de activación de distorsión de tiempo para aportar una señal de activación de distorsión de tiempo sobre la base de una representación de una señal de audio. El proveedor
de activación de la distorsión de tiempo comprende dos proveedores de representación de la distorsión de tiempo configurado para proveer dos representaciones de la distorsión de tiempo de la misma señal de audio que utiliza diferente información del contorno de distorsión de tiempo. De este modo, los proveedores de representación de la distorsión de tiempo pueden estar cpnfigurados (en forma estructural y/o funcional) de la misma forma y utilizar la misma señal de audio pero diferente información del contorno de distorsión de tiempo. El proveedor de la señal dé activación de distorsión de tiempo además comprende dos · proveedores de información de compactación de energía configurado para proveer una primera información de compactación de energía sobre la base de la primera representación de distorsión de tiempo y proveer una segunda información de compactación de energía sobre la base de la segunda representación de distorsión de tiempo. Los proveedores de información de compactación de energía pueden estar configurados de la misma forma pero para utilizar las diferentes representaciones de distorsión de tiempo. Más aún el proveedor de la señal de activación de distorsión de tiempo comprende un comparador para comparar las dos informaciones de compactación de energía diferentes y proveer la señal de activación de distorsión de tiempo con dependencia de un resultado de la comparación.
En una realización preferida, el proveedor de información de compactación de energía está configurado para proveer una medida de planicidad espectral que describe la representación del espectro transformado por la distorsión de tiempo de la señal de audio como la información de compactación de energía. Se ha hallado que la distorsión de tiempo es con éxito, en término de reducir una velocidad, si transforma un espectro de una señal de audio de entrada en un
espectro de distorsión de tiempo menos plano , representando una versión distorsionada en el tiempo de la señal de audio de entrada. En consecuencia, la medida de planicidad espectral se puede utilizar para decidir, sin realizar un procesó de codificación espectral completo, si la distorsión de tiempo debe ser activada o desactivada.
En una realización preferida, el proveedor de información de compactación de energía está configurado para computar un cociente de un medio geométrico de un medio geométrico de espectro de potencia de transformación de la distorsión de tiempo y un medio aritmético de espectro de potencia de transformación de la distorsión de tiempo, para obtener la medida de la planicidad espectral. Se ha hallado que este cociente es una medida de planicidad espectral la cual está bien adaptada para describir los posibles ahorros de velocidad de bits que pueden obtenerse mediante una distorsión de tiempo.
En otra realización preferida, el proveedor de información de compactación de energía está configurado para enfatizar una porción de frecuencia más alta de la representación del espectro transformado por la distorsión de tiempo cuando se compara con una porción de frecuencia más baja de la representación del espectro transformado por la distorsión de tiempo, para obtener la información de compactación de energía. Este concepto se basa en el hallazgo de que la distorsión de tiempo típicamente tiene un impacto mucho mayor sobre el rango de frecuencia más alto que sobre el rango de frecuencia más bajo. En consecuencia, , una evaluación dominante del rango de frecuencia más alto es apropiada para determinar la efectividad de la distorsión de tiempo utilizando una medida de la planicidad espectral. Además, las señales típicas de audio exhiben un contenido armónico (que comprende la armonía de una frecuencia fundamental) la cual
decae en intensidad con la frecuencia creciente. Un énfasis de una porción de frecuencia superior de la representación del espectro transformado por la distorsión de tiempo cuando se compara con una porción de frecuencia inferior a la de la representación del espectro transformado por la distorsión de tiempo además ayuda a compensar esta decadencia típica de las líneas espectrales con frecuencia creciente. Para resumir, una consideración enfatizada de la porción de frecuencia ' más alta del espectro otorga una confiabilidad aumentada de la información de compactación de energía y por lo tanto permite una provisión más confiable de la señal de activación de distorsión de tiempo.
En otra realización preferida, el proveedor de información de compactación de energía está configurado para proveer una pluralidad de medidas banda por banda de planicidad espectral, y para computar un promedio de la pluralidad de medidas banda por banda de planicidad espectral, para obtener la información de compactación de energía. Se ha hallado que la consideración de medidas espectrales de planicidad banda por banda otorga una información particularmente confiable respecto a si la distorsión de tiempo es efectiva para reducir la velocidad de bits de una señal de audio codificada. En primer lugar, la codificación de la representación del espectro transformado por la distorsión de tiempo se realiza típicamente en el modo banda por banda, de modo que una combinación de las medidas banda por banda de planicidad espectral se adapta bien a la codificación y por lo tanto representa una mejora que puede obtenerse de la velocidad de bits con buena precisión. Además, un cómputo banda por banda de medidas de planicidad espectral sustancialmente elimina la dependencia de la información de compactación de energía a partir de una distribución de la armonía. Por ejemplo, incluso si una banda de frecuencia más alta comprende una energía relativamente
pequeña (más pequeña que las energías de bandas de frecuencia inferiores), la banda de frecuencia más alta puede ser incluso perceptualmente relevante. Sin embargo, el impacto positivo de una distorsión de tiempo (en el sentido de una reducción del manchado de las líneas espectrales) sobre esta banda de frecuencia más alta sería considerado como bajo, simplemente debido a la baja energía de la banda de frecuencia más alta, Si la medida de planicidad espectral no se computase en el modo banda por banda. A diferencia, al aplicar el cálculo banda por banda, se puede tomar en consideración un impacto positivo de la distorsión de tiempo con un peso apropiado, porque las medidas de planicidad espectral banda por banda son independientes de las energías absolutas en las bandas de frecuencia respectivas.
En otra realización preferida, el proveedor de la señal de activación de distorsión de tiempo comprende un calculador de valor de referencia configurado para computar una medida de planicidad espectral que describe una representación del espectro sin distorsión, de tiempo de la señal de audio, para obtener el valor de referencia. En consecuencia, la señal de activación de distorsión de tiempo puede ser provista sobre la base de una comparación de la planicidad espectral de una versión sin distorsión de tiempo de la señal de audio de entrada y una planicidad espectral de una versión de distorsión de tiempo de la señal de audio de entrada.
En otra realización preferida, el proveedor de información de compactación de energía está configurado para proveer una medida de entropía perceptual que describe la representación del espectro transformado por la distorsión de tiempo de la señal de audio como la información de compactación de energía. Este concepto se basa en el hallazgo de que la entropía perceptual de la
representación del espectro transformado por la distorsión de tiempo es un buen estimado de un número de bits (o una velocidad) requerido para codificar el espectro transformado por la distorsión de tiempo. En consecuencia, la medida de entropía perceptual de la representación del espectro transformado por la distorsión de tiempo es una buena medida respecto si puede esperarse una reducción de la velocidad de bits por la distorsión de tiempo, incluso en vista del hecho de que una información de distorsión, de tiempo adicional debe ser codificada si se utiliza la distorsión de tiempo.
En otra realización preferida, el proveedor de información de compactación de energía está configurado para proveer una medida de autocorrelacion que describe una autocorrelacion de una representación de la distorsión de tiempo de la señal de audio como la información de compactación de energía. Este concepto se basa en el hallazgo de que la eficiencia de la distorsión de tiempo (en términos de reducción de la velocidad) se puede medir (o al menos estimar) sobre la base de una señal de dominio de tiempo (o un remuestreado no uniforme) distorsionada en el tiempo. Se ha hallado que la distorsión de tiempo es eficiente si la señal del dominio de tiempo distorsionada en el tiempo comprende un grado relativamente alto de periodicidad, lo cual se refleja por la medida de autocorrelacion. A diferencia, si la señal del dominio de tiempo distorsionada en el tiempo no comprende una periodicidad significativa, puede concluirse que la distorsión de tiempo no es eficiente.
Este hallazgo se basa en el hecho de que una distorsión de tiempo eficiente transforma una porción de una señal sinusoide de una frecuencia variable (la cual no comprende una periodicidad) en una porción de una señal sinusoide de frecuencia aproximadamente constante (la cual comprende un grado alto de
periodicidad). A diferencia, si la distorsión de tiempo no es capaz de proveer una señal de dominio de tiempo con un grado alto de periodicidad, puede esperarse que la distorsión de tiempo tampoco provea un ahorro de velocidad de bits significativa, lo cual justificaría su aplicación.
En una realización preferida, el proveedor de información de compactación de energía está configurado para determinar una suma de valores absolutos de una función de autocorrelación normalizada (sobre una pluralidad de valores de retardo) de la representación de distorsión de tiempo de la señal de audio, para obtener la información de compactación de energía. Se ha hallado que la determinación del complejo por computación de los picos de autocorrelación no es necesaria para estimar la eficiencia de la distorsión de tiempo. En cambio, se ha hallado que una evaluación de de la suma de la autocorrelación sobre un rango (amplio) de valores de retardo de la autocorrelación además otorga resultados muy confiables. Esto se debe al hecho de que la distorsión de tiempo realmente transforma una pluralidad de componentes de señal (por ej. una frecuencia fundamental y armónica de la misma) de frecuencia variable en componentes de señal periódicos. En consecuencia, la autocorrelación de este tipo señal de distorsión de tiempo exhibe picos a una pluralidad de valores de retardo de autocorrelación. De este modo, la formación de la suma es una forma eficiente desde el punto de vista computacional para extraer la información de compactación de energía de la autocorrelación.
En otra realización preferida, el proveedor de la señal de activación de distorsión de tiempo comprende un calculador de valor de referencia configurado para computar el valor de referencia sobre la base de una representación espectral sin distorsión de tiempo de la señal de audio o sobre la base de una
representación de dominio de tiempo sin distorsión de tiempo de la señal de aüdio. En este caso, el comparador típicamente está configurado para formar un valor de relación utilizando la información de compactación de energía que describe una compactación de energía en un espectro transformado por la distorsión de tiempo de la señal de audio y el valor de referencia. El comparador además está configurado para comparar el valor de relación con uno o más valores de umbral para obtener la señal de activación de distorsión de tiempo. Se ha hallado que la relación entre una información de compactación de energía en el caso sin distorsión de tiempo y la información de compactación de energía en el caso de distorsión de tiempo permite una generación eficiente desde el punto de vista computacional a la vez de lo suficientemente confiable de la señal de activación de distorsión de tiempo.
Otra realización preferida de la invención crea un codificador de señal de audio para codificar una señal, de audio de entrada, para obtener una representación codificada de la señal de audio de entrada. El codificador de señal de audio comprende un transformador de distorsión de tiempo configurado para proveer una representación del espectro transformado por la distorsión de tiempo sobre la base de la señal de audio de entrada. El codificador de señal de audio además comprende un proveedor de la señal de activación de distorsión de tiempo, como se describió anteriormente. El proveedor de la señal de activación de distorsión de tiempo está configurado para recibir la señal de audio de entrada y proveer la información de compactación de energía de modo que la información de compactación de energía describe una compactación de energía en la representación del espectro transformado por la distorsión de tiempo de la señal de audio de entrada. El codificador de señal de audio además comprende un
controlador configurado para proveer en forma selectiva, con dependencia de la señal de activación de distorsión de tiempo, una porción de contorno de distorsión de tiempo no constante hallada (variable) o información de la distorsión de tiempo, o una porción de contorno de distorsión de tiempo estándar constante (no-variable) o información de la distorsión de tiempo a un transformador de distorsión de tiempo. De esta forma, es posible aceptar o rechazar en forma selectiva una porción de contorno de distorsión de tiempo no constante hallada en la derivación de la representación de la señal de audio codificada de la señal de audio de entrada.
Este concepto se basa en el hallazgo de que no siempre es eficiente, introducir una información de distorsión de tiempo en ' una representación codificada de la señal de audio de entrada, porque un número importante de bits es necesario para codificar la información de distorsión de tiempo. Además, se ha hallado que la información de compactación de energía, la cual se computa mediante el proveedor de la señal de activación de distorsión de tiempo, es una medida eficiente desde el punto de vista computacional para decidir respecto si es ventajoso proveer un transformador de distorsión de tiempo con la porción de contorno de distorsión de tiempo hallada variable (no-constante) o un contorno de distorsión de tiempo estándar (no-variable, constante). Debe observarse que cuando un transformador de distorsión de tiempo comprende una transformada superpuesta, una porción de contorno de distorsión, de tiempo hallada puede ser utilizada en el cómputo de dos o más bloques de transformada subsiguientes. En particular, se ha hallado que no es necesario codificar completamente tanto la versión de la representación espectral transformada por la distorsión de tiempo de la señal de audio de entrada utilizando la porción de contorno de distorsión de
tiempo recientemente hallada variable y la versión de la representación espectral transformada por la distorsión de tiempo de la señal de audio de entrada utilizando una porción de contorno de distorsión de tiempo estándar (no-variable) a fin de poder tomar la decisión si la distorsión de tiempo permite un ahorro en la velocidad de bits o no. En cambio, se ha hallado que una evaluación de la compactación de energía de la representación espectral transformada por la distorsión de tiempo de la señal de audio de entrada forma una base confiable de la decisión. En consecuencia, la velocidad de bits requerida se puede mantener baja.
En otra realización preferida, el codificador de señal de audio comprende una interfaz de salida configurado para incluir en forma selectiva, con dependencia de la señal de activación de distorsión de tiempo, una información del contorno de distorsión de tiempo que representa un contorno de distorsión hallado variable de tiempo dentro de la representación codificada de la señal de audio De este modo, se puede obtener una elevada eficiencia de la codificación de señal de audio, sin tomar en cuenta se la señal de entrada se ajusta bien para la distorsión de tiempo o no.
Otra realización de acuerdo con la invención crea un método para proveer una señal de activación de distorsión de tiempo sobre la base de una señal de audio. El método cumple la funcionalidad del proveedor de la señal de activación de distorsión de tiempo y puede ser suplementado por cualquiera de los rasgos y funcionalidad que se describen en la presente con respecto al proveedor de la señal de activación de distorsión de tiempo.
Otra realización de acuerdo con la invención crea un método para codificar una señal de audio de entrada, para obtener una representación codificada de la señal de audio de entrada. Este método puede ser suplementado por cualquier de
los rasgos y funcionalidades que se describen en la presente con respecto al , codificador de señal de audio.
Otra realización de acuerdo con la invención crea un programa de computación para realizar los métodos mencionados en la presente.
' De acuerdo con un primer aspecto de la presente invención, un análisis de la señal de audio, si sea una señal de audio tiene una característica armónica o una característica de expresión se utiliza en forma ventajosa para controlar el procesamiento del relleno de ruido del lado del codificador y/o del lado del decodificador. El análisis de la señal de audio se puede obtener fácilménte en un sistema, en el cual se utiliza una funcionalidad de distorsión de tiempo, dado que esta funcionalidad de distorsión de tiempo típicamente comprende un seguidor de tono y/o un clasificador de señal para distinguir entre la expresión por un lado y la música por el otro y/o para distinguir entre la expresión sonora y la expresión sorda. Dado que esta información está disponible en un contexto de este tipo sin costos adicionales, la información disponible se utiliza en forma ventajosa para controlar el rasgo de relleno de ruido de modo que, especialmente para las señales de expresión, un relleno de ruido entre líneas armónicas se reduce, o, para señales de expresión en particular, incluso se elimina. Aún en situaciones, donde un contenido armónico se obtiene, por una expresión no se detecta directamente por parte del detector de expresiones, una reducción del relleno de ruido no obstante dará por resultado una calidad de mayor percepción. Si bien este rasgo es particularmente útil en un sistema, en el cual el análisis armónico/de expresión se lleva a cabo de cualquier modo, y esta información, por lo tanto, está disponible sin costos adicionales, el control del esquema de relleno de ruido se basa en un análisis de la señal, si la señal tiene una característica armónica o de
expresión o no, también es útil, incluso cuando un analizador de señal específico debe ser inserto en el sistema, dado que la calidad se mejora sin el aumento de la velocidad de bits o, se establece en forma alternativa, la velocidad de bits es disminuida sin tener una pérdida de calidad, dado que los bits requeridos para codificar el nivel de relleno de ruido son reducidos cuando el nivel de relleno de ruido en si mismo, el cual puede transmitirse desde un codificador a un decodificador, se reduce.
En otro aspecto de la presente invención, el resultado del análisis de señal es decir, si la señal es una señal armónica o una señal de expresión se utiliza para controlar el procesamiento de la función de generación de ventanas de un codificador de audio. Se ha hallado que en una situación, en la cual una señal de expresión o una señal armónica se inician, la posibilidad es alta de modo que un codificador sencillo cambiará de ventanas largas a ventanas cortas. Estas ventanas cortas, sin embargo, tienen una resolución de frecuencia correspondientemente reducida la cual, por otro lado, disminuiría la ganancia de codificación para las señales fuertemente armónicas y por lo tanto aumentan el número de bits necesarios para codificar este tipo de porción de señal. En vista de esto, la presente invención que se define en este aspecto utiliza ventanas más largas que una ventana corta cuando se detecta el inicio de una señal de expresión o armónica. En forma alternativa, las ventanas se seleccionan con una longitud aproximadamente similar a las ventanas largas, pero con una superposición más corta a fin de reducir en forma efectiva los pre-ecos. En general, la característica de la señal, si el marco de tiempo de una señal de audio tiene una característica armónica o de expresión se utiliza para seleccionar una función de generación de ventanas para este marco de tiempo.
De acuerdo con otro aspecto de la presente invención, la herramienta de TNS (formato de ruido temporal) es controlada en base a si la señal subyacente se basa en una función de distorsión de tiempo o está en ún dominio lineal. Típicamente, una señal que ha sido procesada por una función de distorsión de tiempo tendrá un contenido armónico fuerte: De otro modo, un seguidor de tono asociado con una etapa de distorsión de tiempo no dará salida a un contorno de tono válido y, en ausencia de este contorno de tono válido, una funcionalidad de distorsión de tiempo habría sido desactivada para este marco de tiempo de la señal de audio. . Sin embargo, las señales armónicas, normalmente serán adecuadas para ser sometidas al procesamiento de TNS. El procesamiento de TNS es particularmente útil e induce una ganancia significativa en velocidad de bits/calidad, cuando la señal procesada por la etapa de TNS tiene un espectro bastante plano. Sin embargo, cuando la apariencia de la señal es tonal es decir, no plana, como es el caso de los espectros que tiene un contenido armónico o contenido sonoro, la ganancia en calidad/velocidad de bits provista por la herramienta de TNS será reducida. Por lo tanto, sin la modificación de la invención de la herramienta de TNS, las porciones distorsionadas en el tiempo típicamente no serían procesadas por la TNS, pero serían procesadas sin un filtro de TNS. Por otro lado, el rasgo de formateado de ruido de TNS no obstante provee una calidad mejorada específicamente en situaciones, done la señal es variable en amplitud/potencia. En casos, donde un inicio de una señal armónica o señal de expresión está presente, y donde el rasgo de cambio de bloque se implementa de modo que, en lugar de este inicio, largas ventanas o al menos ventanas más largas que las ventanas cortas se mantienen, la activación del rasgo de formato del ruido temporal para este marco dará pro resultado una concentración del ruido
.
alrededor del inicio de expresión lo cual reduce en forma efectiva los pre-ecos, que podrían ocurrir antes del inicio de la expresión debido a una cuantificación del marco que se produce en el procesamiento del subsiguiente codificador.
De acuerdo con otro aspecto de la presente invención, un número variable de líneas se procesa mediante un cuaritificador/codificador entrópico dentro de un aparato de codificación de audio, a fin de dar cuenta del ancho de banda variable, el cuál se introduce de marco a marco debido a la realización de la función de distorsión de tiempo con una característica de distorsión de tiempo variable/contorno de distorsión. Cuando la función de distorsión de tiempo da por resultado la situación que el tiempo del marco (en términos lineales) incluido en un marco de distorsión de tiempo se incrementa, el ancho de banda de una simple línea de frecuencia se disminuye, y, para un ancho de banda completo constante, el número de líneas de frecuencia a ser procesadas debe incrementarse con respecto a una situación sin distorsión de tiempo. Cuando, por otro lado, la función de distorsión de tiempo da por resultado el hecho de que el tiempo real de •la señal de audio en el dominio de distorsión de tiempo disminuye con respecto a la longitud del bloque de la señal de audio en el dominio lineal, el ancho de banda de la frecuencia de una línea de frecuencia simple se incrementa y, por lo tanto, el número de líneas procesadas por un codificador fuente debe ser incrementado con respecto a una situación sin distorsión de tiempo a fin .de tener una variación de ancho de banda reducida u, óptimamente, sin variación de ancho de banda.
A continuación se describen realizaciones preferidas con respecto a los dibujos adjuntos, en los cuales:
La Fig. 1 muestra un diagrama esquemático en bloque de un proveedor de la señal de activación de distorsión de tiempo, de acuerdo con una realización de la invención;
La Fig. 2a muestra un diagrama esquemático en bloque de un codificador de señal de audio, de acuerdo con una realización de la invención;
La Fig. 2b muestra otro diagrama esquemático en bloque de un proveedor de la señal de activación de distorsión de tiempo de acuerdo con una realización de la invención;
La Fig. 3a muestra una representación gráfica de un espectro de una versión sin distorsión de tiempo de una señal de audio;
La Fig. 3b muestra una representación gráfica de un espectro de una versión de distorsión de tiempo de la señal de audio;
La Fig. 3c muestra una representación gráfica de un cálculo individual de medidas de planicidad espectral para diferentes bandas de frecuencia;
La Fig. 3d muestra una representación gráfica de un cálculo de una medida de planicidad espectral que considera únicamente la porción , de frecuencia más alta del espectro;
La Fig. 3e muestra una representación gráfica de un cálculo de una medida de planicidad espectral que utiliza una representación espectral en la cual se enfatiza una porción de frecuencia más alta sobre una porción de frecuencia más baja;
La Fig. 3f muestra un diagrama esquemático en bloque de un proveedor de información de compactación de energía, de acuerdo con otra realización de la invención;
La F\g. 3g muestra una representación gráfica de una señal de audio que tiene un tono temporalmente variable en el dominio de tiempo;
La Fig. 3h muestra una representación gráfica de una versión de distorsión de tiempo (remuestreada no-uniforme) de la señal de audio de la Fig. 3g;
La Fig. 3i muestra una representación gráfica de una función de autocorrelación de la señal de audio de acuerdo con la Fig. 3g;
La Fig. 3j muestra una representación gráfica de una función de autocorrelación de la señal de audio de acuerdo con la Fig. 3h;
La Fig. 3k muestra un diagrama esquemático en bloque de un proveedor de información de compactación de energía, de acuerdo con otra realización de la invención;
La Fig. 4a muestra un diagrama de flujo de un método para proveer una señal de activación de distorsión de tiempo sobre la base de una señal de audio;
La Fig. 4b muestra un diagrama de flujo de un método para codificar una señal de audio de entrada para obtener una representación codificada de la señal de audio de entrada, de acuerdo con una realización de la invención;
La Fig. 5a ilustra una realización preferida de un codificador de audio con aspectos de la invención;
La Fig. 5b ¡lustra una realización preferida de un decodificador de audio con aspectos de la invención;
La Fig. 6a ilustra una realización preferida del aspecto de relleno de ruido de la presente invención;
La Fig. 6b ¡lustra una tabla que define la función de control llevada a cabo por el manipulador de nivel de relleno de ruido;
La Fig. 7a ilustra una realización preferida para llevar a cabo un cambio de bloque basado en la distorsión de tiempo de acuerdo con la presente invención;
La Fig. 7b ilustra una realización alternativa para influir en la función de generación de ventanas;
La Fig. 7c ilustra otra realización alternativa para ilustrar la función de generación de ventanas en base a la información de distorsión de tiempo;
La Fig. 7d ilustra una secuencia de generación de ventanas de ün comportamiento de AAC normal en un inicio sonoro;
La Fig. 7e ilustra secuencias de ventanas alternativas de acuerdo con una realización preferida de la presente invención;
La Fig. 8a ilustra la realización preferida de un control en base a la distorsión de tiempo de la herramienta de TNS (formato de ruido temporal);
La Fig. 8b ilustra una tabla que define los procedimientos de control realizados en el generador de la señal del control de umbral en la Fig. 8a;
La Fig. 9a-9eilustra diferentes características de distorsión de tiempo y la correspondiente influencia sobre el ancho de banda de la señal de audio que se produce a continuación de una función de sin distorsión de tiempo del lado del decodificador;
La Fig. 10a ilustra una realización preferida de un controlador para controlar el número de líneas dentro de un procesador de codificación;
La Fig. 10b ilustra la dependencia entre el número de líneas a ser descartadas/agregadas para una velocidad de muestreo;
La Fig. 1 1 ilustra una comparación entre una escala de tiempo lineal y una escala de tiempo distorsionado;
La Fig. 12a ilustra una implementación en el contexto de la extensión del ancho de banda; y
La Fig. 12b ilustra una tabla que muestra la dependencia entre la velocidad de muestreo local en el dominio de distorsión de tiempo y el control de coeficientes espectrales.
La Fig. 1 muestra un diagrama esquemático en bloque del proveedor de la señal de activación de distorsión de tiempo, de acuerdo con una realización de la invención. El proveedor de la señal de activación de distorsión de tiempo 100 está configurado para recibir una representación 10 de una señal de audio y proveer, sobre la base del mismo, una señal de activación de distorsión de tiempo 1 12. El proveedor de la señal de activación de distorsión de tiempo 100 comprende un proveedor de información de compactacion de energía 120, el cual está configurado para proveer una información de compactacion de energía 122, que describe una compactacion de energía en una representación del espectro transformado por la distorsión de tiempo de la señal de audio. El proveedor de la señal de activación de distorsión de tiempo 100 además comprende un comparador 130 configurado para comparar la información de compactacion de energía 122 con un valor de referencia 32, y proveer la señal de activación de distorsión de tiempo 1 12 con dependencia del resultado de la comparación.
Como se mencionó anteriormente, se ha hallado que la información de compactacion de energía es una información valiosa la cual permite si una distorsión de tiempo otorga un almacenamiento de bits o no. Se ha hallado que la presencia de almacenamiento de bits está íntimamente correlacionada con la cuestión si la distorsión de tiempo da por resultado una compactacion de energía o no.
La Fig. 2a muestra un diagrama esquemático en bloque de un codificador de señal de audio 200, de acuerdo con una realización de la invención. El codificador de señal de audio 200 está configurado para recibir una señal de audio de entrada 210 (además designada para a(t)) y proveer, sobre la base del mismo, una representación codificada 212 de la señal dé audio de entrada 210. El codificador de señal de audio 200 comprende un transformador de distorsión de tiempo 220, el cual está configurado para recibir la señal de audio de entrada 210 (la cual puede estar representada en un dominio de tiempo) y proveer, sobre la base del mismo, una representación espectral transformada por la distorsión de tiempo 222 de la señal de audio de entrada 210.
El codificador de señal de audio 200 además comprende un analizador de distorsión de tiempo 284, el cual está configurado para analizar la señal de audio de entrada 210 y proveer, sobre la base del mismo, una información del contorno de distorsión de tiempo (por ej. información absoluta o relativa del contorno de distorsión de tiempo) 286.
El codificador de señal de audio 200 además comprende un mecanismo de cambio, por ejemplo en la forma de un cambio controlado 240, para decidir respecto si la información hallada del contorno de distorsión de tiempo 286 o una información estándar del contorno de distorsión de tiempo 288 se utiliza para otro procesamiento. De este modo, el mecanismo de cambio 240 está configurado para proveer en forma selectiva, con dependencia de una información de activación de distorsión de tiempo, ya sea la información hallada del contorno de distorsión de tiempo 286 o una información estándar del contorno de distorsión de tiempo 288 como información nueva del contorno de distorsión de tiempo 242, para un posterior procesamiento, por ejemplo para un transformador de distorsión
de tiempo 220. Debe observarse, que un transformador de distorsión de tiempo 220 puede utilizar por ejemplo la nueva información del contorno de distorsión de tiempo 242 (por ejemplo una nueva porción de contorno de distorsión de tiempo) y, además, una información de distorsión de tiempo previamente obtenida (por ejemplo una o más porciones de contorno de distorsión de tiempo previamente obtenidas) para la distorsión de tiempo de un marco de audio. El pos-procesamiento del espectro opcional puede comprender por ejemplo un formato de ruido temporal y/o un análisis de relleno de ruido. El codificador de señal de audio 200 además comprende un cuantificador/codificador 260, el cual está configurado para recibir la representación espectral 222 (opcionalmente procesada por el pos procesamiento del espectro 250) y para cuantificar y codificar la representación espectral transformada 222. A este fin, el cuantificador/codificador 260 puede ser acoplado con un modelo perceptual 270 y recibir una información de relevancia perceptual 272 desde el modelo perceptual 270, para considerar un enmascaramiento perceptual y ajusfar las precisiones de cuantificación en diferentes cajas de frecuencia de acuerdo con la percepción humana. El codificador de señal de audio 200 además comprende una interfaz de salida 280 la cual está configurada para proveer la representación codificada 212 de la señal de audio sobre la base de la representación cuantificada y codificada 262 suministrada por el cuantificador/codificador 260.
El codificador de señal de audio 200 además comprende un proveedor de la señal de activación de distorsión de tiempo 230¡ el cual está configurado para proveer una señal de activación de distorsión de tiempo 232. La señal de activación de distorsión de tiempo 232, por ejemplo, se puede utilizar para controlar el mecanismo de cambio 240, para decidir respecto si la información del
contorno de distorsión de tiempo recientemente hallada 286 o una información estándar del contorno de distorsión de tiempo 288 se utiliza en otros pasos de procesamiento (por ejemplo por un transformador de distorsión de tiempo 220). Además, la información de activación de distorsión de tiempo 232 se puede utilizar en un contacto 280 para decidir respecto si información del contorno de distorsión de tiempo nueva seleccionada 242 (seleccionada de la información del contorno de distorsión de tiempo recientemente hallada 286 y la información estándar del contorno de distorsión de tiempo) está incluida en la representación codificada 212 de la señal de audio de entrada 210. Típicamente, la información del contorno de distorsión de tiempo sólo se incluye en la representación codificada 212 de la señal de audio si la información del contomo de distorsión de tiempo seleccionada describe un contorno de distorsión de tiempo no constante (variable). Además, la información de la activación de la distorsión de tiempo 232 puede en si misma estar incluida en la representación codificada 212, por ejemplo en la forma de una marca de un bit que indica la activación o desactivación de la distorsión de tiempo.
A fin de facilitar el entendimiento, debe observarse que un transformador de distorsión de tiempo 220 típicamente comprende un windower de análisis 220a, un remuestreador o "distorsionador de tiempo" 220b y un transformador de dominio espectral (o convertidor de tiempo/frecuencia) 220c. Dependiendo de la implementación, sin embargo, el distorsionador de tiempo 220b puede ser colocado - en una dirección de procesamiento de señal -antes del windower de análisis 220a. Sin embargo, la distorsión de tiempo y el dominio de tiempo para la transformación del dominio espectral puede combinarse en una sola unidad en algunas realizaciones.
A continuación se describirán los detalles con relación al funcionamiento del proveedor de la señal de activación de distorsión de tiempo 230. Debe observarse que el proveedor de la señal de activación de distorsión de tiempo 230 puede ser equivalente al proveedor de la señal de activación de distorsión de tiempo 100.
El proveedor de la señal de activación de distorsión de tiempo 230 está configurado con preferencia para recibir la representación de la señal de audio del dominio de tiempo 210 (además designado con a(t)), la información del contorno de distorsión de tiempo recientemente hallada 286, y la información estándar del contorno de distorsión de tiempo 288. El proveedor de la señal de activación de distorsión de tiempo 230 está además configurado para obtener, utilizando la señal de audio del dominio de tiempo 210, la información del contomo de distorsión de tiempo recientemente hallada 286 y la información estándar del contorno de distorsión de tiempo 288, una información de compactación de energía que describe una compactación de energía debido a la información del contorno de distorsión de tiempo recientemente hallada 286, y proveer la señal de activación de distorsión de tiempo 232 sobre la base de esta información de compactación de energía.
La Fig. 2b muestra un diagrama esquemático en bloque de un proveedor de la señal de activación de distorsión de tiempo 234, de acuerdo con una realización de la invención. El proveedor de la señal de activación de distorsión de tiempo 234 puede tomar la función del proveedor de la señal de activación de distorsión de tiempo 230 en algunas realizaciones. El proveedor de la señal de activación de distorsión de tiempo 234 está configurado para recibir una señal de audio de entrada 210, y dos informaciones del contorno de distorsión de tiempo 286 y 288, y proveer, sobre la base del mismo, una señal de activación de distorsión de
tiempo 234p. La señal de activación de distorsión de tiempo 234p puede tomar lá función de la señal de activación de distorsión de tiempo 232. El proveedor de la señal de activación de distorsión de tiempo comprende dos proveedores de la representación de la distorsión de tiempo idénticos 234a, 234g, los cuáles están configurados para recibir la señal de audio de entrada 210 y la información del contorno de distorsión de tiempo 286 y 288 respectivamente y proveer, sobre la base del mismo, dos representaciones de distorsión de tiempo 234e y 234k, respectivamente. El proveedor de la señal de activación de distorsión de tiempo 234 además comprende dos proveedores dé información de compactación de energía idénticos 234f y 2341, los cuales están configurados para recibir las representaciones de distorsión de tiempo 234e y 234k, respectivamente, y, sobre la base del mismo, proveer la información de compactación de energía 234m y 234n, respectivamente. El proveedor de la señal de activación de distorsión de tiempo además comprende un comparador 234o, configurado para recibir la información de compactación de energía 234m y 234n, y, sobre la base del mismo proveer la señal de activación de distorsión de tiempo 234p.
A fin de facilitar el entendimiento, debe observarse que los proveedores de representación de la distorsión de tiempo 234a y 234g típicamente comprenden (opcional) idénticos windowers de análisis 234b y 234h, idénticos remuestreadores o distorsionadores de tiempo 234c y 234i, y (opcional) idénticos transformadores del dominio espectral 234d y 234j.
A continuación, se mencionarán diferentes conceptos para obtener la información de compactación de energía. De antemano, se dará una introducción que explica el efecto de distorsión de tiempo sobre una señal de audio típica.
A continuación, el efecto de distorsión de tiempo sobre una señal de audio se describirá tomando como referencia las Figs. 3a y 3b. La Fig. 3a muestra una representación gráfica de un espectro de una señal de audio. Una abscisa 301 describe una frecuencia y una ordenada 302 describe la intensidad de la señal de audio. Una curva 303 describe la intensidad de la señal de audio sin distorsión de tiempo como una función de la frecuencia f .
La Fig. 3b muestra una representación gráfica de un espectro de una versión de distorsión de tiempo de la señal de audio representada en la Fig. 3a. Nuevamente, una abscisa 306 describe una frecuencia y una ordenada 307 describe la intensidad de la versión distorsionada de la señal de audio. Una curva 308 describe la intensidad de la versión de la distorsión de tiempo de la señal de audio sobre la frecuencia. Como puede observarse a partir de una comparación de la representación gráfica de las Figs. 3a y 3b, la versión sin distorsión de tiempo de la señal de audio comprende un espectro embarrado, en particular én una región de frecuencia más alta. A diferencia, la versión de la distorsión de tiempo de la señal de audio de entrada comprende un espectro que tiene picos espectrales claramente distinguibles, incluso en la región de frecuencia más alta. Además, un moderado afilado de los picos espectrales incluso puede observarse en la región espectral más baja de la versión de la distorsión de tiempo de la señal de audio de entrada..
Debe observarse que el espectro de la versión de la distorsión de tiempo de la señal de audio de entrada, el cual se muestra en la Fig. 3b, puede cuantificarse y codificarse, por ejemplo mediante el cuantificador/codificador 260, con una velocidad de bits más baja que el espectro de la señal de audio de entrada sin distorsionar en la Fig. 3a. Esto se debe al hecho de que un espectro embarrado
típicamente comprende un gran número de coeficientes espectrales perceptualmente relevantes (es decir un número relativamente pequeño de coeficientes espectrales cuantificados en cero o cuantíficados a valores pequeños), mientras que un espectro "menos plano" como se muestra en lá Fig. 3 típicamente comprende un mayor número de coeficientes espectrales cuantificado en cero o cuantificados a valores pequeños. Los coeficientes espectrales cuantificados en cero o cuantificados a valores pequeños se pueden codificar con menos bits que los coeficientes espectrales cuantificados a valores superiores, de modo que el espectro de la Fig. 3b puede ser codificado utilizando, menos bits que el espectro de la Fig. 3a.
No obstante, debe observarse además que el uso de una distorsión de tiempo no siempre da por resultado una mejora significativa de la eficiencia de codificación de la señal de distorsión de tiempo. En consecuencia, en algunos casos, el precio, en términos de velocidad de bits, requerido para la codificación de la información de distorsión de tiempo (por ej. contorno de distorsión de tiempo) puede exceder los salvadós, en términos de velocidad de bits, para codificar el espectro transformado por la distorsión de tiempo (cuando se compara con el espectro transformado sin distorsión de tiempo). En este caso, es preferible proveer la representación codificada de la señal de audio utilizando un contorno de distorsión de tiempo estándar (no-variable) para controlar la transformación de la distorsión de tiempo. En consecuencia, la transmisión de cualquier información de distorsión de tiempo (es decir, información del contorno de distorsión de tiempo) se puede omitir (salvo una marca que indica la desactivación de la distorsión de tiempo), manteniendo de este modo la velocidad de bits baja.
A continuación, diferentes conceptos para un cálculo confiable y eficiente a nivel computacional de una señal de activación de distorsión de tiempo 112, 232, 234p se describirá tomando como referencia las Figs. 3c-3k. Sin embargo, antes de eso, el antecedente del concepto de la invención se resumirá brevemente.
La presunción básica es que la aplicación de la distorsión de tiempo sobre una señal armónica con un tono variable hace. el tono constante, y al hacer el tono constante mejora la codificación, de los espectros obtenidos por una siguiente transformación de la frecuencia de tiempo, porque en lugar del manchado de las diferentes armonías sobre varias cajas espectrales (ver las Figs. 3a) sólo un número limitado de líneas significativas permanecen (ver la Fig. 3b). Sin embargo, incluso cuando se detecta una variante de tono, la mejora en la ganancia de codificación (es decir la cantidad de bits almacenados) puede ser insignificante (por ej. si uno tiene un ruido fuerte subyacente a la señal armónica, o si la variante es tan pequeña que el manchado de las armonías más altas no es un problema), o puede ser inferior a la cantidad de bits necesarios para transferir el contorno de distorsión de tiempo al decodificador, o simplemente puede ser incorrecto. En estos casos, es preferible rechazar el contorno de distorsión de tiempo variable (por ej. 286) producido por un codificador del contorno de distorsión de tiempo y en su lugar utilizar una señalización de un bit eficiente, señalizando un contorno de distorsión de tiempo estándar (no-variable) . ,
El alcance de la presente invención comprende la creación de un método para decidir si una porción de contorno de distorsión de tiempo obtenida provee suficiente ganancia de codificación (por ejemplo suficiente ganancia de codificación para compensar el espacio libre inutilizado requerido para la codificación para el contorno de distorsión de tiempo).
Como se estableció anteriormente, el aspecto más importante de la distorsión de tiempo es la compactacion de la energía espectral para un número más pequeño de líneas (ver las Figs. 3a y 3b). Una mirada a ésta muestra que una compactacion de energía además corresponde a un espectro más "sin planicidad" (ver las Figs. 3a y 3b), dado que la diferencia entre los picos y los valles del espectro se incrementa. La energía se concentra en menos líneas teniendo las líneas entre aquéllos menos energía que antes.
Las Figs. 3a y 3b muestran un ejemplo esquemático con una espectro sin distorsión de un marco con fuertes armonías y variación de tono (Fig. 3a) y el espectro de la versión de la distorsión de tiempo del mismo marco (Fig. 3b).
En vista de la situación, se ha hallado que es ventajoso utilizar la medida de planicidad espectral como una medida posible para la eficiencia de la distorsión de tiempo.
La planicidad espectral puede calcularse, por ejemplo, dividiendo el medio geométrico del espectro de potencia por el medio aritmético del espectro de potencia. Por ejemplo, la planicidad espectral (además designada brevemente como "planicidad") se puede computar de acuerdo con la siguiente ecuación:
Planicidad
En lo anterior, x(n) representa la magnitud de un número binario n. Además, en lo anterior, N representa un número total de cajas espectrales consideradas para el cálculo de la medida de planicidad espectral.
En una realización de la invención, el cálculo mencionado anteriormente de la "planicidad", el cual puede ser útil como una información de compactacion de
energía, se puede llevar a cabo utilizando las representaciones del espectro transformado por la distorsión de tiempo 234e, 234k, de modo que se púede sostener la siguiente relación:
x(n) = | X| ,w (n).
En este caso, N puede ser igual al número de líneas espectrales provistas por el transformador de domino espectral 234d, 234j y | X| tw (n) es una representación del espectro transformado de la distorsión de tiempo 234e, 234k.
Aunque la medida espectral es una cantidad útil para la provisión de la señal de activación de distorsión de tiempo, una desventaja de la medida de planicidad espectral, al igual que la medida de relación señal a ruido (SNR), es que si se aplica al espectro total, enfatiza partes con energía más alta. Normalmente, los espectros armónicos tienen una cierta inclinación espectral, lo que significa que la mayor parte de la energía se concentra en los primeros pocos tonos parciales y a continuación disminuye con la frecuencia creciente, conduciendo a una sub-representación de los parciales más elevados en la medida. Esto no se desea en algunas realizaciones, dado que es la intención mejorar la calidad de estos parciales más altos, porque se embarran la mayoría de las veces (ver la Fig. 3a). A continuación, se describirán varios conceptos opcionales para la mejora de la relevancia de la medida de planicidad espectral.
En una realización de acuerdo con la invención, se elige un enfoque similar a la denominada medida de "SNR segmenta!", que conduce a una medida de la planicidad espectral banda por banda. Un cálculo de la medida de planicidad espectral se realiza (por ejemplo en forma separada) dentro de un número de bandas, y se toma la principal (o medio). Las diferentes bandas podrían tener igual
ancho de banda. Sin embargo, con preferencia, los anchos de banda pueden seguir una escala perceptual, al igual que las bandas críticas, o corresponder, por ejemplo, a las bandas del factor de escala de la denominada "codificación de audio avanzada", además denominada como AAC.
El concepto antes mencionado se explicará brevemente a continuación, tomando como referencia la Fig. 3c, la cual muestra una representación gráfica de un cálculo individual de medidas de planicidad espectral para diferentes bandas de frecuencia. Como puede observarse, el espectro puede dividirse en diferentes bandas de frecuencia 311 , 312, 313, las cuales pueden un ancho de banda igual o las cuales pueden tener diferentes anchos de banda: Por ejemplo, una primer medida de planicidad espectral puede computarse para la primera banda de frecuencia 31 1 , por ejemplo, utilizando la ecuación para la "planicidad" dada anteriormente. En este cálculo, se pueden considerar las cajas de frecuencia de la primera banda de frecuencia (n variable en funciones puede tomar los índices de caja de frecuencia de las cajas de frecuencia de la primera banda de frecuencia), y puede considerarse el ancho de la primera banda de frecuencia 311 (N variable puede tomar el ancho en término de cajas de frecuencia de la primera banda de frecuencia). En consecuencia, se obtiene una medida de planicidad para la primera banda de frecuencia 311. De manera similar, una medida de planicidad puede computarse para la segunda banda de frecuencia 312, tomando en cuenta las cajas de frecuencia de las segundas bandas de frecuencia 312 y además el ancho de la segunda banda de frecuencia. Más aún, las medidas de planicidad de las bandas de frecuencia adicionales, del tipo tercera banda de frecuencia 313, pueden computarse de la misma forma.
A continuación, un promedio de las medidas de plenitud para diferentes bandas de frecuencia 311 , 312, 313 se puede computar y el promedio puede ser útil como la información de compactación de energía.
Otro enfoque (para la mejora de la derivación de la señal de activación de distorsión de tiempo) consiste en aplicar la medida de planicidad espectral sólo por encima de una cierta frecuencia. Este enfoque se ilustra en la Fig. 3b. Como puede observarse, sólo cajas de frecuencia en una porción de frecuencia superior 316 de los espectros se consideran para un cálculo de la medida de planicidad espectral. Una porción de frecuencia inferior del espectro es insignificante para el cálculo de la medida de planicidad espectral. La porción de frecuencia más alta 316 se puede considerar banda de frecuencia por banda de frecuencia para el cálculo de la medida de planicidad espectral. En forma alternativa, la porción completa de frecuencia más alta 316 se puede considerar en su totalidad para el cálculo de la medida de planicidad espectral.
Para resumir lo anterior, se puede establecer que la disminución en la planicidad espectral (originada por la aplicación de la distorsión de tiempo) se puede considerar como una primera medida para la eficiencia de la distorsión de tiempo.
Por ejemplo, el proveedor de la señal de activación de distorsión de tiempo 100, 230, 234 (o el comparador 130, 234° del mismo) puede comparar la medida de planicidad espectral de la representación espectral transformada por la distorsión de tiempo 234e con una medida de planicidad espectral de la representación espectral transformada por la distorsión de tiempo 234k utilizando una información estándar del contorno de distorsión de tiempo, y para decidir sobre la base de dicha comparación si la señal de activación de distorsión de
tiempo debe ser activa o inactiva. Por ejemplo, la distorsión de tiempo se activa por medio de una configuración apropiada de la señal de activación de distorsión de tiempo si la distorsión de tiempo da por resultado una reducción suficiente de la medida de planicidad espectral cuando se compara con un caso sin distorsión de tiempo.
Además de los enfoques mencionados anteriormente, la porción de frecuencia superior del espectro se puede enfatizar (por ejemplo por un escalamiento apropiado) sobre la porción de frecuencia inferior para el cálculo de la medida de planicidad espectral. La Fig. 3c muestra una representación gráfica de un espectro transformado por la distorsión de tiempo en la cual una porción de frecuencia más alta es enfatizada sobre una porción de frecuencia más baja. En consecuencia, se compensa una sub-representación de parciales más altos en el espectro. De este modo, la medida de planicidad se puede computar sobre el espectro escalado completo eh el cual las cajas de frecuencia más alta son enfatizadas sobre las cajas de frecuencia más baja, como se muestra en la Fig. 3e.
En términos de almacenamientos de bits, una medida típica para codificar la eficiencia sería la entropía perceptual, la cual puede definirse de un modo que se correlacione muy bien con el número real de bits necesarios para codificar un cierto espectro como se describe en 3GPP TS 26.403 V7.0.0: 3rd Generation Partnership Project; Technical Specification Group Services and System Aspects; General audio codee audio processing functions; Enhanced aacPlus general audio codee; Encoder specification AAC part: Sección 5.6.1.1 .3 Relation between bit demand and perceptual entropy. Como resultado de ello, la reducción de la
entropía perceptual es otra medida para determinar como sería la eficiencia de la distorsión de tiempo.
La Fig. 3f muestra un proveedor de información de compactación de energía 325, el cual puede tomar el lugar del proveedor de información de compactación de energía 120, 234f, 234I, y el cual se puede utilizar en los proveedores de la señal de activación de distorsión de tiempo 100, 290, 234. El proveedor de información de compactación de energía 325 está configurado para recibir una representación de la señal de audio, por ejemplo, en la forma de una representación del espectro transformado por la distorsión de tiempo 234e, 234k, además designado con | X| tw- El proveedor de información de compactación de energía 325 además está configurado para proveer una información de entropía perceptual 326, la cual puede tomar el lugar de la información de compactación de energía 122, 234m, 234n.
El proveedor de información de compactación de energía 325 comprende un calculador del factor de forma 327, el cual está configurado para recibir la representación del espectro transformado por la distorsión de tiempo 234e, 234k y proveer, sobre la base del mismo, una información del factor de forma 328, la cual puede estar asociada con una banda de frecuencia. El proveedor de información de compactación de energía 325 además comprende una calculador de energía de la banda de frecuencia 329, el cual está configurado para calcular una información de energía de la banda de frecuencia en(n) (330) sobre la base de la representación del espectro de distorsión de tiempo 234e, 234k. El proveedor de información de compactación de energía 325 además comprende un estimador de número de líneas 331 , el cual está configurado para proveer una información estimada del número de líneas ni (332) para una banda de frecuencia que tiene
índice n. Además, el proveedor de información de compactación de energía 325 comprende un calculador de entropía perceptual 333, el cual está configurado para computar la información de entropía perceptual 326 sobre la base de la información de energía de la banda de frecuencia 330 y de la información estimada del número de líneas 332. Por ejemplo, el calculador del factor de forma 327 puede estar configurado para computar el factor forma de acuerdo con
(1 )
En la ecuación anterior, ffac(n) designa el factor forma pára la banda de frecuencia que tiene un índice de banda de frecuencia n. k designa una variable en funcionamiento, la cual funciona sobre los índices de caja espectral de la banda de factor en escala (o banda de frecuencia) n. X(k) designa un valor espectral (por ejemplo, un valor de energía o un valor de magnitud) de la caja espectral (o caja de frecuencia) que tiene un índice de caja espectral (o un índice de caja de frecuencia) k.
El estimador del número de líneas puede estar configurado para estimar el número de líneas que no son cero, designadas con ni, de acuerdo con la siguiente ecuación:
ffacjn)
enW
En la ecuación anterior, en(n) designa una energía en la banda de frecuencia o banda de factor de escala n. kOffset(n+1)-kOffset(n) designa un ancho de la banda de frecuencia o banda de factor de escala de índice n en términos de cajas de frecuencia.
Más aún, el calculador de entropía perceptual 332 puede estar configurado para computar la información de entropía perceptual sfbPe de acuerdo siguiente ecuación:
(3)
En lo anterior, se pueden sostener las siguientes relaciones:
el = log2 (8) c2 = log2 (2.5) c3 = 1 - c2 / el¦
Una entropía perceptual total pe se puede computar como' la suma de las entropías perceptuales de múltiples bandas de frecuencia o bandas de factor de escala.
Como se mencionó anteriormente, la información de entropía de percepción 326 se puede utilizar como una información de compactación de energía.
Para otros detalles que se refieren al cómputo de la entropía perceptual, se hace referencia a la sección 5.6.1.1.3 del International Standard "3GPP TS 26.403 V7.0.0(2006-06)".
A continuación, se describirá un concepto para el cómputo de la información de compactación de energía en el dominio de tiempo.
Otra mirada al TW-MDCT (transformada de coseno discreto modificada por la distorsión de tiempo) es la idea básica para cambiar la señal de una manera que tenga un tono constante o casi constante dentro de un bloque. Si se obtiene un tono constante, esto significa que la máxima de la autocorrelación de un bloque en proceso aumenta. Dado que no es trivial hallar la máxima correspondiente en la autocorrelación para el caso de distorsión de tiempo y sin distorsión de tiempo, la
suma de los valores absolutos para la autocorrelación normalizada se puede utilizar como medida para la mejora. Un aumento en esta suma corresponde a un aumento en la compactación de energía.
Este concepto se explicará en detalle a continuación, tomando como referencia las Figs. 3g, 3h, 3i, 3j y 3k.
La Fig. 3g muestra una representación gráfica de una señal sin distorsión de tiempo en el dominio de tiempo. Una abscisa 350 describe el tiempo, y una ordenada 351 describe un nivel a(t) de la señal de tiempo sin distorsión de tiempo. Una curva 352 describe la evolución temporal de la señal de tiempo sin distorsión de tiempo. Se presume que la frecuencia de la señal sin distorsión de tiempo descripta por la curva 352 aumenta en el tiempo, como puede observarse en la Fig. 3g.
La Fig. 3h muestra una representación gráfica de una versión de distorsión de tiempo de la señal de tiempo de la Fig. 3g. Una abscisa 355 describe la distorsión de tiempo (por ejemplo, en forma normalizada) y una ordenada 356 describe el nivel de la versión de la distorsión de tiempo a(tw) de la señal a(t). Como puede observarse in La Fig. 3h, la versión de la distorsión de tiempo a(tw) de la señal de tiempo sin distorsión de tiempo a(t) comprende (al menos aproximadamente) una frecuencia temporalmente constante en el dominio de distorsión de tiempo.
En otras palabras, La Fig. 3h ilustra el hecho de que una señal de tiempo de una frecuencia temporalmente variable se transforma en una señal de tiempo de una frecuencia temporalmente constante mediante una operación de distorsión de tiempo apropiada, la cual puede comprender un remuestreado de la distorsión de tiempo.
La Fig. 3i muestra una representación gráfica de una función de autocorrelación de la señal de tiempo sin distorsión de tiempo a(t). Una abscisa 360 describe un retardo en la autocorrelación t, y una ordenada 361 describe la magnitud de la función de autocorrelación. Las marcas 362 describen una evolución de la autocorrelación Ruw(T) como una función del retardo de la autocorrelación t. Como puede observarse a partir de la Fig. 3i, la función de autocorrelación Ruw de la señal de tiempo sin distorsión de tiempo a(t) comprende un pico para t = 0 (que refleja la energía de la señal a(t)) y toma pequeños valores para t ? 0.
La Fig. 3j muestra una representación gráfica de la función de autocorrelación Rtw de la señal de tiempo de distorsión de tiempo a(tw). Como puede observarse a partir de* la Fig. 3j, la función de autocorrelación Rtw comprende un pico para t = 0, y además comprende picos para otros valores Ti , t2, t3 del retardo de la autocorrelación t. Estos picos adicionales para t-?, ?2, T3 se obtienen por el efecto de la distorsión de tiempo para aumentar la periodicidad de la señal de tiempo de distorsión de tiempo a(tw). Esta periodicidad se refleja mediante los picos adicionales de la función de autocorrelación Rtw (t) cuando se compara con la función de autocorrelación RUW(T). De este modo, la presencia de picos adicionales (o la intensidad aumentada de picos) de la función de autocorrelación de la señal de audio distorsionada en el tiempo, cuando se compara con la función de autocorrelación de la señal de audio original puede ser utilizada como una indicación de la efectividad (en términos de una reducción de la velocidad de bits) de la distorsión de tiempo.
La Fig. 3k muestra un diagrama esquemático en bloque de un proveedor de información de compactación de energía 370 configurado para recibir una
representación de dominio de tiempo de distorsión de tiempo de la señal de audio, por ejemplo, la señal de distorsión de tiempo 234e, 234k (donde la transformada de dominio espectral 234d, 234j y opcionalmente el windower de análisis 234b y 234h se omite), y proveer, sobre la base del mismo, una información de compactación de energía 374, la cual puede tomar la función de la información de compactación de energía 372. El proveedor de información de compactación de energía 370 de la Fig. 3k comprende un calculador de autocorrelación 371 configurado para computar la función de autocorrelación RUO de la señal de distorsión de tiempo a(tw) sobre un rango predeterminado de valores discretos de T. El proveedor de información de compactación de energía 370 además comprende un sumador de autocorrelación 372 configurado para sumar una pluralidad de valores de la función de autocorrelación R ) (por ejemplo, sobre un rango predeterminado de valores discretos de t) y proveer la suma obtenida como la información de compactación de energía 122, 234m, 234n.
De este modo, el proveedor de información de compactación de energía
370 permite la provisión de información confiable que indica la eficiencia de la distorsión de tiempo sin realizar realmente la transformación dé dominio espectral de la versión del dominio de tiempo de distorsión de tiempo de la señal de audio de entrada 210. Por lo tanto, es posible realizar una transformación de dominio espectral de la versión de la distorsión de tiempo de la señal de audio de entrada 310 sólo si se halla, sobre la base de la información de compactación de energía 122, 234m, 234n provista por el proveedor de información de compactación de energía 370, que la distorsión de tiempo realmente otorga una eficiencia de codificación mejorada.
Para resumir lo anterior, las realizaciones de acuerdo con la invención crean un concepto para una revisión final de la calidad. Un contorno de tono resultante (utilizado en un codificador de señal de audio de distorsión de tiempo) se evalúa en términos de su ganancia de codificación y si se acepta o se rechaza. Varias medidas concernientes a la escasez de ganancia de codificación o del espectro se pueden tomar en cuenta para esta decisión, por ejemplo, una medida de planicidad espectral, una medida de plenitud espectral segmental banda por banda, y/o una entropía perceptual.
El uso de diferente información de compáctación espectral se ha discutido, por ejemplo, el uso de una medida de planicidad espectral, el uso de una medida de entropía perceptual, y el uso de una mediad de autocorrelación de dominio de tiempo. No obstante, existen otras medidas que muestran una compáctación de la energía en un espectro distorsionado en el tiempo.
Todas estas medidas se pueden utilizar. Con preferencia, para todas estas medidas, se define una relación entre la medida para espectro sin distorsión de tiempo y uno con distorsión de tiempo, y se establece un umbral para esta relación en el codificador para determinar si un el contorno de distorsión de tiempo obtenido brinda un beneficio en la codificación o no.
Todas estas medidas se pueden aplicar a un marco completo, donde sólo la tercera porción del contorno de tono es nuevo (donde, por ejemplo, tres porciones del contorno de tono están asociadas con el marco completo), o con preferencia sólo para la porción de la señal, para lo cual se obtuvo esta nueva porción, por ejemplo, utilizando una transformada con una ventana superpuesta baja centrada sobre la porción de señal (respectiva).
Naturalmente, una sola medida o una combinación de las medidas antes mencionadas se pueden utilizar según se desee.
La Fig. 4a muestra un diagrama de flujo de un método para proveer una señal de activación de distorsión de tiempo sobre la base de una señal de audio. El método 400 de la Fig. 4a comprende un paso 410 para suministrar una información de compactación de energía que describe una compactación de energía en una representación espectral transformada por la distorsión de tiempo de la señal de audio. El método 400 además comprende un paso 420 para comparar la información de compactación de energía con un valor de referencia. El método 400 además comprende un paso 430 para suministrar la señal de activación de distorsión de tiempo con dependencia del resultado de la comparación.
El método 400 puede ser suplementado por cualquiera de los rasgos y funcionalidades que se describen en la presente con respecto a la provisión de la señal de activación de distorsión de tiempo.
La Fig. 4b muestra un diagrama de flujo de un método para codificar una señal de audio de entrada para obtener una representación codificada de la señal de audio de entrada. El método 450 opcionalmente comprende un paso 460 para suministrar una representación espectral transformada por la distorsión de tiempo sobre la base de la señal de audio de entrada. El método 450 además comprende un paso 470 para suministrar una señal de activación de distorsión de tiempo. El paso 470, por ejemplo, puede comprender la funcionalidad del método 400. De este modo, la información de compactación de energía puede ser provista de modo que la información de compactación de energía describa una compactación de energía en la representación del espectro transformado por la distorsión de
tiempo de la señal de audio de entrada. El método 450 además comprende un paso 480 para suministrar en forma selectiva, con dependencia de la señal de activación de distorsión de tiempo, una descripción de la representación espectral transformada por la distorsión de tiempo de la señal de audio de entrada utilizando una información del contorno de distorsión de tiempo recientemente hallada o una descripción de una representación espectral transformada sin distorsión de tiempo de la señal de audio de entrada utilizando una información estándar del contorno de distorsión de tiempo (no-variable) .para la inclusión en la representación codificada de la señal de audio de entrada.
El método 450 puede ser suplementado por cualquiera de los rasgos y funcionalidades mencionados en la presente con respecto a la codificación de la señal de audio de entrada.
La Fig. 5 ilustra una realización preferida de un codificador de audio de acuerdo con la presente invención, en la cual varios aspectos de la presente invención son implementados. Se provee una señal de audio en una entrada del codificador 500. Esta señal de audio será típicamente una señal de audio discreta la cual ha sido derivada de una señal de audio análoga utilizando una velocidad de muestreado la cual además se denomina la velocidad de muestreado normal. Esta velocidad de muestreado normal es diferente de una velocidad de muestreado local generada en una operación de la función de distorsión de tiempo, y la velocidad de muestreado normal de la señal de audio en la entrada 500 es una velocidad de muestreado constante que de, por resultado muestras de audio separadas por una porción de tiempo constante. La señal se coloca en un windower de análisis 502, el cual está, en esta realización, conectado un controlador de función de generación de ventanas 504. El windower de análisis
502 está conectado a un distorsionador de tiempo 506. Dependiendo de la implementacion, sin embargo, el distorsionador de tiempo 506 puede ser colocado - en una dirección de procesamiento de señal - antes del windower de análisis 502. Se prefiere esta implementacion, cuando una característica de distorsión de tiempo se requiere para la generación de ventanas de análisis en bloque 502, y cuando la función de distorsión de tiempo deba realizarse sobre muestras de distorsión de tiempo en vez de muestras sin distorsión de tiempo. Específicamente en el contexto de distorsión de tiempo basado en MDCT como se describe en Bernd Edler et al., "Time Warped MDCT", Solicitud de Patente Internacional PCT/EP2009/0021 18. Para otras aplicaciones de distorsión de tiempo tal como las que se describen en L. Villemoes, "Time Warped Transform Coding of Audio Signáis", Solicitud de Patente Internacional PCT/EP2006/010246, Noviembre 2005., la colocación entre el distorsionador de tiempo 506 y el windower de análisis 502 se puede establecer según lo requerido. Además, un convertidor de tiempo/frecuencia 508 se provee para realizar una conversión de tiempo/frecuencia de una señal de audio distorsionada en el tiempo en una representación espectral. La representación espectral puede ser ingresada en una etapa de TNS (formato de ruido temporal) 510, la cual provee, como una salida 510a, información de TNS y, como una salida 510b, valores residuales espectrales. La salida 510b está acoplada a un cuantificador y bloque codificador 512 el cual puede ser controlado por un modelo perceptual 514 para cuantificar una señal de modo que el ruido de cuantificación se esconda por debajo del umbral de enmascaramiento perceptual de la señal de audio.
Además, el codificador que se ilustra en la Fig. 5a comprende un analizador de distorsión de tiempo 516, el cual puede ser implementado como un seguidor de
tono, que provee una información de la distorsión de tiempo en la salida 518. La señal en la línea 518 puede comprender una característica de distorsión de tiempo, una característica de tono, un contorno de tono, o una información, si la señal analizada por el analizador de distorsión de tiempo es una señal armónica o una señal sin armonía. El analizador de distorsión de tiempo además puede implementar la funcionalidad de distinguir entre la expresión sonora y la expresión sorda. Sin embargo, dependiendo de la implementación, y si un clasificador de señal 520 está implementado, la decisión sonora/sorda puede efectuarse además mediante el clasificador de señal 520. En este caso, el analizador de distorsión de tiempo no necesariamente debe realizar la misma funcionalidad. La salida del analizador de distorsión de tiempo 518 está conectada a al menos una y con preferencia más de una funcionalidad en el grupo de funcionalidad que comprende el controlador de la función de generación de ventanas 504, el distorsionador de tiempo 506, la etapa de TNS 510, el cuantificador y codificador 512 y una interfaz de salida 522.
En forma análoga, una salida 522 del clasificador de señal 520 puede estar conectada a una o más de las funcionalidades de un grupo de funcionalidades que comprende el controlador de la función de generación de ventanas 504, la etapa de TNS 510, un analizador de relleno de ruido 524 o la interfaz de salida 522. Además, una salida del analizador de distorsión de tiempo 518 puede estar conectada al analizador de relleno de ruido 524.
Aunque la Fig. 5a ilustra una situación, donde la señal de audio en la entrada del windower de análisis 500 es ingresada en un analizador de distorsión de tiempo 516 y el clasificador de señal 520, las señales de entrada para estas funcionalidades además se pueden tomar de la salida del windower de análisis
502 y, con respecto al clasificador de señal, incluso se pueden tomar de la salida del distorsionador de tiempo "506, la salida del convertidor de tiempo/frecuencia 508 o la salida de la etapa del TNS 510.
Además de la salida de una señal por el cuantificador codificador 512 que se indica en 526, la interfaz de salida 522 recibe la información del lado del TNS 510a, una información del lado del modelo perceptual 528, el cual puede incluir factores de escala en forma codificada, datos de indicación de distorsión de tiempo para más información del lado de la distorsión de tiempo avanzada tal como el contorno de tono en la línea 518 y la información de clasificación de señal en la línea 522. Además, el analizador de relleno de ruido 524 puede producir además datos de relleno de ruido en la salida 530 en la interfaz de salida 522. La interfaz de salida 522 está configurada para generar datos de salida de audio codificada en la línea 532 para la transmisión a un decodificador o para almacenar en un dispositivo de almacenamiento tal como un dispositivo de memoria. Dependiendo de la implementación, los datos de salida 532 pueden incluir todos los de la entrada en la interfaz de salida 522 o pueden contener menos información, siempre que la información no sea requerida por el correspondiente decodificador, el cual tiene una funcionalidad reducida, o siempre que la información ya esté disponible en el decodificador debido a una transmisión mediante un canal de transmisión diferente.
El codificador que se ¡lustra en la Fig. 5a puede ser implementado como se • define en detalle en estándar MPEG-4 además de las funcionalidades adicionales que se ilustran en el codificador de la invención en la Fig. 5a representada por el controlador de la función de generación de ventanas 504, el analizador de relleno de ruido 524, el cuantificador codificador 512 y la etapa de TNS 510, los cuales
tienen, en comparación con el estándar MPEG-4, una funcionalidad avanzada. Otra descripción se encuentra en el estándar AAC ( estándar internacional 13818-7) o 3GPP TS 26.403 V7.0.0: Third generation partnership project; technical specification group services and system aspect; general audio codee audio processing functions; enhanced AAC plus general audio codee.
A continuación, se describe la Fig. 5b, la cual ilustra una realización preferida de un decodificador de audio para decodificar una señal de audio codificada recibida a través de la entrada 540. La interfaz de entrada 540 es operativa para procesar la señal de audio codificada de modo que los diferentes ítems de información de la información son extraídos de la señal en la línea 540. Esta información comprende información de clasificación de señal 541 , información de distorsión de tiempo 542, datos de relleno de ruido 543, factores de escala 544, datos de TNS 545 e información espectral codificada 546. La información espectral codificada es ingresada en un decodificador entrópico 547, el cual puede comprender un decodificador Huffman o un decodificador aritmético, siempre que la funcionalidad del codificador en el bloque 512 in la Fig. 5a sea implementada en la forma del correspondiente codificador tal como un codificador Huffman o un codificador aritmético. La información espectral codificada es ingresada al re-cuantificador 550, el cual está conectado a un relleno de ruido 552. La salida del relleno de ruido 552 es ingresada a una etapa de TNS inversa 554, la cual además recibe los datos de TNS en la línea 545. Dependiendo de la implementación, el relleno de ruido 552 y la etapa de TNS 554 se pueden aplicar en diferente orden de modo que el relleno de ruido 552 operes en los datos de salida de la etapa de TNS 554 más que en los datos de entrada de TNS. Además, se provee un convertidor de frecuencia/tiempo 556, el cual alimenta un
distorsionador de tiempo 558. A la salida de la cadena de procesamiento de señal, un windower de síntesis que realiza con preferencia un procesamiento de superposición/agregado se aplica como se indica en 560. El orden del distorsionador de tiempo 558 y la etapa de síntesis 560 se puede cambiar, pero, en la realización preferida, se prefiere realizar un algoritmo de codificado/decodificación en base a MDCT como se define en el estándar AAC (AAC = codificación de audio avanzada). A continuación, la operación de desvanecimiento cruzado inherente de un bloque al próximo debido al procedimiento de superposición/agregado se utiliza con ventaja como la última operación en las cadenas de procesamiento de modo que todos los artefactos que bloquean la distorsión en la conversión se evitan en forma efectiva.
Adicionalmente, se proporciona un analizador de relleno de ruido 562, que está configurado para controlar el relleno de ruido 552 y que recibe como una entrada, información sobre la distorsión temporal 542 y/o información sobre la clasificación de señales 541 e información sobre el espectro recuantificado, según sea el caso.
Preferiblemente, todas las funcionalidades descritas de aquí en adelante se aplican juntas en un esquema de codificador/decodificador de audio mejorado. No obstante, las funcionalidades descritas de aquí en adelante también pueden aplicarse independientemente una a la otra, Le., de manera que solamente se implementa una o un grupo,- pero no todas las funcionalidades en un cierto esquema de codificador/decodificador.
Posteriormente, se describe en detalle el aspecto de relleno de ruido de la presente invención.
En una realización, la información adicional proporcionada por la herramienta de contornos de tono/distorsión temporal 516 en la Figura 5a se utiliza de manera beneficiosa para controlar otras herramientas del codificador/decodificador y, específicamente, la herramienta de relleno de ruido implementada por el analizador de relleno de ruido 524 del lado del codificador y/o implementada por el analizador de relleno de ruido 562 y el relleno de ruido 552 del lado del decodificador.
Varias herramientas del codificador dentro del marco AAC tal como una herramienta de relleno de ruido se controlan mediante la información recopilada por el análisis de contornos de tonos y/o por un conocimiento adicional de una clasificación de señales proporcionada por el clasificador de señales 520.
Un contorno de tonos encontrado indica segmentos de señales con una estructura armónica clara, de manera que el relleno de ruido entre las líneas armónicas podría disminuir la calidad percibida, especialmente en las señales de expresión, por lo tanto el nivel de ruido se reduce, cuando se encuentra un contorno de tono. De otra manera, habría ruido entre los tonos parciales, que poseen el mismo efecto que el ruido de cuantificación incrementado para un espectro manchado. Además, la cantidad de reducción del nivel de ruido además puede mejorarse utilizando la información del clasificador de señales, de modo que p. ej. para las señales de expresión no habría ningún relleno de ruido y se aplicaría un relleno de ruido moderado a las señales genéricas con una estructura armónica fuerte.
Generalmente, el relleno de ruido 552 es útil para insertar líneas espectrales en un espectro decodificado, donde los ceros se han transmitido de un codificador a un decodificador, Le., donde el cuantificador 512 en la Figura 5a ha
cuantificado líneas espectrales en cero. Naturalmente, cuantificar las líneas espectrales en cero redujo mucho la velocidad de bits de la señal transmitida, y, en teoría, la eliminación de estas líneas espectrales (pequeñas) no es audible, cuando estas líneas espectrales están por debajo del umbral de enmascaramiento perceptual según lo determinado por el modelo perceptual 514. No obstante, se ha descubierto que estos "agujeros espectrales", que pueden incluir muchas líneas espectrales adyacentes dan como resultado un sonido bastante poco natural. Por lo tanto, se proporciona una herramienta de relleno de ruido para insertar líneas espectrales en las posiciones, donde las líneas se han cuantificado en cero mediante u.n cuantificador del lado del codificador. Estas líneas espectrales pueden tener una amplitud o fase aleatoria, y estas líneas espectrales sintetizadas del lado del decodificador se escalan utilizando una medición de relleno de ruido determinada del lado del codificador según lo ilustrado en la Figura 5a o dependiendo de una medición determinada del lado del decodificador según lo ilustrado en la Figura 5b por bloque opcional 562. El analizador de relleno de ruido 524 en la Figura 5a, por lo tanto, está configurado para estimar una medición de relleno de ruido de una energía de valores de audio cuantificados en cero para un marco temporal de la señal de audio.
En una realización de la presente invención, el codificador de audio para codificar una señal de audio en línea 500 comprende el cuantificador 512 que se configura para cuantificar valores de audio, donde el cuantificador 512 además está configurado para cuantificar en cero valores de audio por debajo de un umbral de cuantificación. Este umbral de cuantificación puede ser el primer paso de un cuantificador basado en pasos, que se utiliza para la decisión, si un cierto valor de audio se cuantifica en cero, i.e., en un índice de cuantificación de cero, o
se cuantifica en uno, i.e., un índice de cuantificacion de uno que indica que el valor de audio está por encima de este primer umbral. Aunque el cuantificador en la Figura 5a se ilustra como que realiza la cuantificacion de valores de dominio de la frecuencia, el cuantificador también puede utilizarse para cuantificar valores de dominio del tiempo en una realización alternativa, en la que el relleno de ruido se realiza en el dominio del tiempo en vez del dominio de la frecuencia.
El analizador de relleno de ruido 524 se implementa como un calculador de relleno de ruido para estimar una medición de relleno de ruido de una energía de valores de audio cuantificados en cero para un marco de tiempo de la señal de audio por parte del cuantificador 512. Adicionalmente, el codificador de audio comprende un analizador de señales de audio 600 ilustrado en la Figura 6a, que se configura para analizar, si el marco temporal de la señal de audio posee una característica armónica o una característica de expresión. El analizador de señales 600 puede, por ejemplo, comprender el bloque 516 de la Figura 5a o el bloque 520 de la Figura 5a o puede comprender cualquiera de los dispositivos para analizar, si una señal es una señal armónica o una señal de expresión. Debido a que el analizador de distorsión temporal 516 se implementa para buscar siempre un contorno de tonos, y debido a que la presencia de un contorno de tonos indica una estructura armónica de la . señal, el analizador de señales 600 en la Figura 6a puede implementarse como un rastreador de tonos o un calculador de contornos de distorsión temporal de un analizador de distorsión temporal.
El codificador de audio adicionalmente comprende un manipulador del nivel de relleno de ruido 602 ilustrado en la Figura 6a, que produce una medición/nivel de relleno de ruido a ser producido en la interfaz de salida 522 indicada en 530 en la Figura 5a. El manipulador de medición de relleno de ruido 602 está configurado
para manipular la medición de relleno de ruido dependiendo de la característica armónica o de expresión de la señal de audio. El codificador de audio. adicionalmente comprende la interfaz de salida 522 para generar una señal codificada para transmisión o almacenamiento, la señal codificada que comprende la medición de relleno de ruido manipulada producida por el bloque 602 en línea 530. Este valor corresponde a los valores producidos por el bloque 562 en la implementación del lado del decodificador ilustrada en la Figura 5b.
Según lo indicado en la Figura 5a y Figura 5b, la manipulación del nivel de relleno de ruido puede implementarse en un codificador o puede implementarse en un decodificador o puede implementarse en ambos dispositivos juntos. En una implementación del lado del decodificador, el decodificador para decodificar una señal codificada de audio comprende la interfaz de entrada 539 para procesar la señal codificada en línea 540 para obtener una medición de relleno de ruido, i.e., datos de relleno de ruido en línea 543, datos de audio codificados en línea 546. El decodificador adicionalmente comprende un decodificador 547 y re-cuantificador 550 para generar datos recuantificados.
Adicionalmente, el decodificador comprende un analizador de señales 600 (Figura 6a) que puede implementarse en el analizador de relleno de ruido 562 en la Figura 5b para recuperar información, en el caso de un marco temporal de los datos de audio posea una característica armónica o de expresión.
Adicionalmente, se proporciona el relleno de ruido 552 para generar datos de audio de relleno de ruido, en donde el relleno de ruido 552 está configurado para generar los datos de relleno de ruido en respuesta a la medición de relleno de ruido transmitida a través de la señal codificada y generada por la interfaz de entrada en la línea 543 y la característica armónica o de expresión de los datos de
audio según lo definido por el analizador de señales 516 y/o 550 del lado del codificador o según lo definido por el ítem 562 del lado del decodificador a través del procesamiento e interpretación de la información sobre la distorsión temporal 542 que indica, si un cierto marco temporal ha sido sometido a un procesamiento de distorsión temporal o no.
Adicionalmente, el decodificador comprende un procesador para procesar los datos recuantificados y los datos de audio de relleno de ruido para obtener una señal de audio decodificada. El procesador puede incluir los ítems 554, 556, 558, 560 en la Figura 5b según sea el caso. Adicionalmente, dependiendo de la implementación específica del algoritmo del codificador/decodificador, el procesador puede incluir otros bloques de procesamiento, que se proporcionan, por ejemplo, en un codificador de dominio del tiempo tal como el codificador AMR WB+ u otros codificadores de expresión.
La manipulación inventiva de relleno de ruido puede, por lo tanto, · implementarse del lado del codificador solamente calculando la medición sencilla de ruido y manipulando esta medición de ruido sobre la base de la información armónica/de expresión y transmitiendo la medición de relleno de ruido manipulada ya correcta que entonces puede ser aplicada por un decodificador de manera sencilla. En forma alternativa, la medición de relleno de- ruido no manipulada puede transmitirse desde un codificador a un decodificador, y el decodificador entonces analizará, si el marco temporal real de una señal de audio ha sufrido una distorsión temporal, Le., posee una característica armónica o de expresión de manera que la manipulación real de la medición de relleno de ruido se produce del lado del decodificador.
Posteriormente, la Figura 6b se debate con el fin de explicar las realizaciones preferibles para manipular el cálculo aproximado del nivel de ruido.
En la primera realización, se aplica un nivel de ruido normal, cuando la señal no posee una característica armónica o de expresión. Este es el caso, cuando no se aplica ninguna distorsión temporal. Cuando, adicionalmente, se proporciona un clasificador de señales, después el clasificador de señales que distingue entre expresión y no expresión indicaría no expresión para la situación, donde la distorsión temporal no estaba activa, Le., donde no se encontró ningún contorno de tonos.
Cuando, sin embargo, la distorsión temporal estaba activa, i.e:, cuando se encontró un contorno de tonos, que indica un contenido armónico, entonces el nivel de nivel de relleno de ruido se manipularía para que sea más bajo que en el caso normal. Cuando se proporciona un clasificador de señales adicional, y después este clasificador de señales indica expresión, y cuando simultáneamente la información sobre la distorsión temporal indica un contorno de tonos, entonces se señala un nivel de relleno de ruido más bajo o aún igual a cero. De este modo, el manipulador del nivel de relleno de ruido 602 de la Figura 6a reducirá el nivel de ruido manipulado a cero o al menos a un valor menor que el valor bajo indicado en la Figura 6b. Preferiblemente, el clasificador de señales adicionalmente posee un detector sonoro/mudo según lo indicado a la izquierda de la Figura 6b. En el caso de expresión sonora, se señala/aplica un nivel de relleno de ruido muy bajo o igual a cero. Sin embargo, en el caso de expresión sorda, donde el indicio de distorsión temporal no indica un procesamiento de distorsión temporal debido al hecho de que no se encontró ningún tono, pero donde el clasificador de señales señala
contenido de expresión, la medición de relleno de ruido no se manipula, pero se aplica un nivel de relleno de ruido normal.
Preferiblemente, el analizador de señales de audio comprende un rastreador de tonos para generar un indicio de tono tal como un contorno de tonos o un tono absoluto de un marco temporal de la señal de audio. Entonces, el manipulador está configurado para reducir la medición de relleno de ruido cuando se encuentra un tono, y no reducir la medición de relleno de ruido cuando no se encuentra un tono.
Según ló indicado en la Figura 6a, un analizador de señales 600, cuando se aplica del lado del decodificador, no está realizando un análisis de señales real como un rastreador de tonos o un detector sonoro/mudo, sino que el analizador de señales analiza sintácticamente la señal codificada de audio con el fin de extraer una información sobre la distorsión temporal o una información sobre la clasificación de señales. Por lo tanto, el analizador de señales 600 puede implementarsé dentro de la interfaz de entrada 539 en el decodificador de la Figura 5b. ·
Una realización adicional de la presente invención se debatirá posteriormente con respecto a las Figuras 7a-7e.
Para inicios de expresión donde comienza una parte de expresión sonora después de una porción de señales silenciosas relativas, el algoritmo de cambio de bloques podría clasificar la misma como un accidente y podría elegir bloques cortos para este marco particular, con una pérdida de ganancia de codificación en el segmento de señales que posee una clara estructura armónica. Por lo tanto, la clasificación sonora/sorda del rastreador de tonos se utiliza para detectar inicios sonoros y evitar que el algoritmo de cambio de bloques indique un accidente del
circuito de tránsito alrededor del inicio encontrado. Esta característica también puede asociarse con el clasificador de señales para evitar el cambio de bloques en las señales de expresión y permitir las mismas en todas las otras señales. Además se podría implementar un control más preciso del cambio de bloques no sólo mediante el permiso o rechazo de la detección de accidentes, sino mediante el uso de un umbral variable para la detección de accidentes basado en inicio sonoro e información sobre la clasificación de señales. Además, la información puede utilizarse para detectar accidentes como los inicios sonoros mencionados más arriba pero en vez de cambiar a bloques cortos, utiliza ventanas largas con superposiciones cortas, que siguen siendo la resolución espectral preferible pero reduce la región temporal donde pueden surgir ecos previos o posteriores. La Figura 7d muestra el comportamiento típico sin la adaptación, la Figura 7e muestra dos diferentes posibilidades de adaptación (ventanas de baja superposición y prevención).
¦ Un codificador de audio conforme a una realización de la presente invención funciona para generar una señal de audio tal como la señal producida por la interfaz de salida 522 de la Figura 5a. El codificador de audio comprende un analizador de señales de audio tal como el analizador de distorsión temporal 5 6 o un clasificador de señales 520 de la Figura 5a. Generalmente, el analizador de señales de audio analiza si un marco temporal de la señal de audio posee una característica armónica o de expresión. Para este fin, el clasificador de señales 520 de la Figura 5a puede incluir un detector sonoro/mudo 520a o un detector de expresión /no expresión 520b. Aunque no se muestra en la Figura 7a, también puede proporcionarse un analizador de distorsión temporal tal como el analizador de distorsión temporal 516 de la Figura 5a, que puede incluir un rastreador de
tonos en vez de los ítems 520a y 520b o además de estas funcionalidades. Adicionalmente, el codificador de audio comprende el controlador de funciones de ventanas 504 para seleccionar una función de ventana dependiendo de una característica armónica o de expresión de la señal de audio según lo determinado por el analizador de señales de audio. El generador de ventanas 502 entonces genera ventanas de la señal de audio o, dependiendo de cierta implementación, la señal de audio distorsionada en el tiempo utilizando la función de ventana seleccionada para obtener un marco de ventana. Este marco de ventana, entonces además es procesado por un procesador para obtener una señal codificada de audio. El procesador puede comprender los ítems 508, 510, 512 ilustrados en la Figura 5a o más o menos funcionalidades de los codificadores de audio bien conocidos tales como codificadores de audio basados en transformadas o codificadores de audio basados en dominios temporales que comprenden un filtro LPC tal como codificadores de expresión y, específicamente, codificadores de expresión implementados conforme la norma AMR-WB+.
En una realización preferente, el controlador de funciones de ventanas 504 comprende un detector de circuitos de tránsito 700 para detectar un circuito de tránsito en la señal de audio, en donde el controlador de funciones de ventanas está configurado para cambiar de una función de ventana para un bloque largo a una función de ventana para un bloque corto, cuando se detecta un circuito de tránsito y el analizador de señales de audio no encuentra una característica armónica o de expresión. Cuando, sin embargo, se detecta un circuito de tránsito y el analizador de señales de audio encuentra una característica armónica o de expresión, entonces el controlador de funciones de ventanas 504 no cambia a la función de ventana para bloque corto. Las salidas de la función de ventana que
indican una ventana larga cuando no se obtiene ningún circuito de tránsito y una ventana corta cuando el detector de circuitos de tránsito detecta un circuito de. tránsito se ilustran como 701 y 702 en la Figura 7a. Este procedimiento normal según lo ejecutado por el bien conocido codificador AAC se ilustra en la Figura 7d.-En la posición del inicio de voz, el detector de circuitos de tránsito 700 detecta un incremento en la energía desde un marco al siguiente marco y, por lo tanto, cambia de una ventana larga 710 a ventanas cortas 712. Con el fin de acomodar este cambio, se utiliza una ventana de detención larga 714, que posee una primer porción de superposición 714a, una porción de no aliasing (generación de señal ajena) 714b, una segunda porción de superposición más corta 714c y una porción cero que se extiende entre el punto 716 y el punto en el eje temporal indicado por las muestras 2048. Entonces, se ejecuta la secuencia de ventanas cortas indicada en 712 que, entonces, se termina mediante una ventana de inicio larga 718 que posee una porción larga de superposición 718a que se superpone con la siguiente ventana larga no ilustrada en la Figura 7d. Además, esta ventana posee una porción de no aliasing 718b, una porción de superposición corta 718c. y una porción cero que se extiende entre el punto 720 en el eje temporal hasta el punto 2048. Esta porción es una porción cero.
Normalmente, el cambio a ventanas cortas es útil para evitar preecos que aparezcan dentro de un marco, antes del evento del circuito de tránsito que es la posición de inicio sonoro o, generalmente, el comienzo de la expresión o el comienzo de una señal que posee un contenido armónico. Generalmente, una señal posee un contenido armónico, cuando un rastreador de tonos decide que la señal posee un tono. En forma alternativa, existen otras mediciones de armonicidad tales como una medición de tonalidad por encima de un cierto nivel
mínimo junto con la característica de que los picos prominentes tienen una relación armónica uno con otro. Existe una pluralidad de otras técnicas para determinar, si una señal es armónica o no.
Una desventaja de las ventanas cortas es que disminuye la resolución de frecuencia, ya que se incrementa la resolución temporal. Para codificación de alta calidad de la expresión y, específicamente, porciones de expresión sonora o porciones que poseen una fuerte contenido armónico, se desea una buena resolución de frecuencia. Por lo tanto, el analizador de señales de audio ilustrado en 516, 520 o 520a, 520b es operativo para producir una señal desactivada para el detector de circuitos de tránsito 700 de manera que se evita uh cambio a ventanas cortas cuando se detecta un segmento de expresión sonora o un segmento de señales que posee una fuerte característica armónica. Esto asegura que, para codificar dichas porciones de señales, se mantiene una alta resolución de frecuencia. Este es un equilibrio entre los preecos por un lado y la codificación de alta calidad y alta resolución del tono para la señal de expresión o el tono para una señal de no expresión armónica por otro lado. Se ha descubierto que es mucho más perturbador cuando el espectro armónico no está codificado con precisión en comparación con cualquier preeco que pudiera aparecer. Con el fin de disminuir además los preecos, se favorece un procesamiento TNS para dicha situación, que se debatirá con relación a las Figuras 8a y 8b.
En una realización alternativa ilustrada en la Figura 7b, él analizador de señales de audio comprende un detector de sonoro/mudo y/o de expresión /no expresión 520a, 520b. Sin embargo, el detector de circuitos de tránsito 700 incluido en el controlador de funciones de ventanas no está completamente activado/desactivado como en la Figura 7a, sino que el umbral incluido en el
detector de circuitos de tránsito se controla utilizando una señal de control de umbral 704. En esta realización, el detector de circuitos de tránsito 700 está configurado para determinar una característica cuantitativa de la señal de audio y para comparar la característica cuantitativa con el umbral controlable, en donde se detecta un circuito de tránsito cuando la característica cuantitativa posee una relación predeterminada con el umbral controlable. La característica cuantitativa puede ser un número que indica el incremento de energía de un bloque al siguiente bloque, y el umbral puede ser un cierto incremento umbral de energía. Cuando el incremento de energía de un bloque al siguiente es mayor que el incremento umbral de energía, entonces se detecta un circuito de tránsito, de manera que, en este caso, la relación predeterminada es una relación de "mayor que". En otras realizaciones, la relación predeterminada también puede ser una relación de "menor que", por ejemplo cuando la característica cuantitativa es un incremento invertido de energía. En la realización de la Figura 7b, el umbral controlable se controla de manera que se reduce la posibilidad de un cambio a una función de ventana para un bloque corto, cuando el analizador de señales de audio ha encontrado una característica armónica o de expresión. En la realización del incremento de energía, la señal de control de umbral 704 dará como resultado un incremento del umbral de manera que los cambios a bloques cortos sucede solamente cuando el incremento de energía de un bloque al siguiente es un incremento de energía particularmente alto.
En una realización alternativa, la señal de salida del detector sonoro/mudo 520a o el detector de expresión/no expresión 520b también puede utilizarse para controlar el controlador de funciones de ventanas 504 de manera tal que en vez de cambiar a un bloque corto en un inicio de expresión, se ejecuta un cambio a una
función de ventana que es más larga que la función de ventana para el bloque corto. Esta función de ventana asegura una resolución de frecuencia más alta que una función de ventana corta, pero posee una longitud más corta que la función de ventana larga de manera que se obtiene una buena composición entre los preecos por un lado y una resolución de frecuencia suficiente por otro lado. En una realización alternativa, se puede realizar una cambiar a una función de ventana que posee una superposición más pequeña según lo indicado por la línea sombreada en la Figura 7e en 706. La función de ventana 706 posee una longitud de muestras 2048 como el bloque largo, pero esta ventana posee una porción cero 708 y una porción de no aliasing 710 de manera que se obtiene una longitud de superposición corta 712 desde la ventana 706 a la ventana correspondiente 707. La función de ventana 707, nuevamente, posee una porción cero a la izquierda de la región 712 y una porción de no aliasing a la derecha de la región 712 en analogía a la función de ventana 710. Esta realización de baja superposición, efectivamente da como resultado una longitud de tiempo más corta para reducir los preecos debido a la porción cero de ventana 706 y 707, pero por otro lado posee una longitud suficiente debido a la porción de superposición 714 y la. porción de no aliasing 710 de manera que se mantiene una resolución de frecuencia suficiente.
En una implementación de MDCT preferente según lo implementado por el codificador AAC, mantener una. cierta superposición proporciona la ventaja adicional de que, del lado del decodificador, se puede realizar un procesamiento de superposición/agregado lo que significa que se realiza una clase de fundido cruzado entre bloques. Esto efectivamente evita "artefactos" (en este contexto se refiere a errores en la conversión) de bloqueo. Adicionalmente, esta característica
de superposición/agregado proporciona la característica de fundido cruzado sin incrementar la velocidad de bits, i.e., se obtiene un fundido cruzado críticamente mostrado. En ventanas cortas o ventanas largas regulares, la porción de superposición es una superposición del 50% según lo indicado por la porción de superposición 714. En la realización donde la función de ventana es larga como las muestras 2048, la porción de superposición es del 50%, i.e., muestras 1024. La función de ventana que posee una superposición más corta que se utiliza para efectivamente generar ventanas de un inicio de expresión o un inicio de una señal armónica es preferiblemente menos del 50% y es, en la realización de la Figura 7e, solamente las muestras 128, que es un 1/16 del total de la longitud de ventana. Preferiblemente, se utilizan las porciones de superposición entre 1/4 y 1/32 de la longitud total de la función de ventana.
La Figura 7c ilustra esta realización, en la que un detector sonoro/mudo 520a ejemplar controla un selector de formas de ventanas incluido en el controlador de funciones de ventanas 504 con el fin de seleccionar una forma de ventana con una superposición corta según lo indicado en 749 o una forma de ventana con una superposición larga según lo indicado en 750. Se implementa la selección de una de ambas formas, cuando el detector sonoro/mudo 500a emite una señal sonora detectada en 751 , donde la señal de audio utilizada para análisis puede ser la señal de audio en la entrada 500 en la Figura 5a o una señal de audio preprocesada tal como una señal de audio distorsionada en el tiempo o una señal de audio que haya sido sometida a cualquier otra funcionalidad de preprocesamiento. Preferiblemente, en selector de formas de ventanas 504 en la Figura 7c que está incluido en el controlador de funciones de ventanas 504 en la Figura 5a solamente utiliza la señal 751 , cuando un detector de circuitos de
tránsito incluido en el controlador de funciones de ventanas detecta un circuito de tránsito y ordena un cambio de una función de ventana larga a una función de ventana corta según lo debatido con relación a la Figura 7a.
Preferiblemente, la realización del cambio de función de ventana se combina con una realización de formato de ruido temporal debatida con relación a las Figuras 8a y 8b. Sin embargo, la realización de TNS (formato de ruido temporal) también puede implementarse son la realización de cambios de bloques.
La propiedad de compactación de energía espectral de la MDCT distorsionada en el tiempo también influye en la herramienta de formato de ruido temporal (TNS), debido a que la ganancia de TNS tiende a disminuir para los marcos distorsionados en el tiempo especialmente para algunas señales de expresión. No obstante es deseable activar TNS, p. ej. para reducir los preecos en los inicios sonoros o desviaciones sonoras (consultar la adaptación del cambio de bloques), donde no se desea ningún cambio de bloques pero aún el envolvente temporal de la señal de expresión exhibe cambios rápidos. Típicamente, un codificador utiliza alguna medición para ver si la aplicación de la TNS es provechosa para un cierto marco, p. ej. la ganancia de predicción del filtro de TNS cuando se aplica al espectro. Entonces se prefiere un umbral de ganancia de TNS variable, que sea menor para los segmentos con un contorno de tonos activo, se manera que se asegure que la TNS esté activa más a menudo para dichas porciones de señales críticas como inicios sonoros. Como para las otras herramientas, esto también puede complementarse teniendo en cuenta la clasificación de señales.
El codificador de audio conforme a esta realización para generar una señal de audio comprende un distorsionador temporal, controlable tal como el
distorsionador temporal 506 para la distorsión temporal de la señal de audio para obtener una señal de audio distorsionada en el tiempo. Adicionalmente, se proporciona un convertidor de frecuencia/tiempo 508 para convertir al menos una porción de la señal de audio distorsionada en el tiempo en una representación espectral. El convertidor de frecuencia/tiempo 508 preferiblemente ¡mplementa una transformada MDCT tal como se conoce del codificador AAC, pero el convertidor de frecuencia/tiempo también puede realizar cualquier otra clase de transformada tal como una transformada DCT, DST, DFT, FFT o MDST o puede comprender un banco de filtros tal como un banco dé filtros QMF.
Adicionalmente, el codificador comprende una etapa de formato de ruido temporal 510 para realizar un filtrado de predicción sobre la frecuencia de la representación espectral : conforme a la orden de control del formato de ruido temporal, en donde no se realiza el filtrado de predicción, cuando no existe la orden de control del formato de ruido temporal.
Adicionalmente, el codificador comprende un controlador de formato de ruido temporal para generar la orden de control del formato de ruido temporal sobre la base de la representación espectral.
Específicamente, el controlador de formato de ruido temporal está configurado para incrementar la posibilidad de realizar el filtrado de predicción sobre la frecuencia, cuando la representación espectral se basa en una señal temporal distorsionada en el tiempo o para reducir la posibilidad de realizar el filtrado de predicción sobre la frecuencia, cuando la representación espectral no está basada en una señal temporal distorsionada en el tiempo. Los detalles del controlador de formato de ruido temporal se debaten con relación a la Figura 8.
El codificador de audio adicionalmente comprende un procesador para además procesar un resultado del filtrado de predicción sobre la frecuencia para obtener la señal codificada. En una realización, el procesador comprende la etapa del etapa del codificador del cuantificador 512 ilustrada en la Figura 5a.
La etapa de TNS 510 ilustrada en la Figura 5a se ilustra en detalle en la
Figura 8. Preferiblemente, el controlador de formato de ruido temporal incluido en la etapa 510 comprende un calculador de ganancia de TNS 800, un tomador de decisión de TNS 802 posteriormente conectado y un generador de señal de control de umbral 804. Dependiendo de la señal del analizador de distorsión temporal 516 o el clasificador de señales 520 o ambos, el generador de señal de control de umbral 804 produce una señal de control de umbral 806 para el tomador de decisión de TNS. El tomador de decisión de TNS 802 posee un umbral controlable, que se incrementa o se reduce conforme a la señal de control de umbral 806. El umbral en el tomador de decisión de TNS 802 es, en esta realización, un Umbral de ganancia de TNS. Cuando la ganancia de TNS realmente calculada producida por bloque 800 excede el umbral, entonces la orden de control de TNS requiere un procesamiento de TNS como salida, mientras, en el otro caso cuando la ganancia de TNS está por debajo del umbral de ganancia de TNS, no se produce ninguna orden de TNS o se produce una señal que ordena que el procesamiento de TNS no es útil y no se va a realizar en este marco temporal específico.
El calculador de ganancia de TNS 800 recibe, como una entrada, la representación espectral obtenida de la señal distorsionada en el tiempo. Típicamente, una señal distorsionada en el tiempo tendrá una ganancia de TNS menor, pero por otro lado, u procesamiento de TNS debido a la característica de
formato de ruido temporal en el rdominio del tiempo es beneficiario en la situación específica, donde existe una señal sonora/armónica que haya sido sometida a una operación de distorsión temporal. Por otro lado, el procesamiento de TNS no es útil en situaciones, donde la ganancia de TNS es baja, lo que significa que lá señal residual de TNS en la línea 510b tiene la misma energía o mayor energía. que la señal antes de la etapa de TNS 510. En una situación, donde la energía de la señal residual de TNS en línea 51 Od es levemente menor que la energía antes de la etapa de TNS 510, el procesamiento de TNS podría no ser ventajoso, debido a la reducción de bits debido a que la energía levemente menor en la señal que efectivamente es utilizada por la etapa del codificador de entropía/cuantificador 512 es más pequeña que el incremento de bits introducido por la transmisión necesaria de la información secundaria de TNS indicada en 510a en la Figura 5a. Aunque una realización cambia automáticamente en el procesamiento de TNS para todos los marcos, en el que se ingresa una señal distorsionada en el tiempo indicada por la información sobre tonos del bloque 516 o la información del clasificador de señales del bloque 520, una realización preferente también mantienen la posibilidad del procesamiento de TNS desactivado, pero solo cuando la ganancia es realmente baja o al menos menor que en el caso normal, cuando no se procesa ninguna señal armónica/de expresión.
La Figura 8b ilustra una implementación donde tres ajustes de umbral diferentes son implementados por el generador de señal de control de umbral 804/tomador de decisión de TNS 802. Cuando no existe un contorno de tonos, y cuando el clasificador de señales indica una expresión sorda o ninguna expresión, entonces la el umbral de decisión de TNS se ajusta para que esté en un estado normal requiriendo una ganancia de TNS relativamente alta para activar la TNS.
Cuando, sin embargo, se detecta un contorno de tonos, pero el clasificador de señales no indica ninguna expresión o el detector sonoro/mudo detécta una expresión sorda, entonces el umbral de decisión de TNS se fija en un nivel menor, lo que significa que aún cuando las ganancias de TNS comparativamente bajas son calculadas por el bloque 800 en la Figura 8a, sin embargo se activa el procesamiento de TNS.
En una situación, en la que se detecta un contorno de tonos activo y en la que se encuentra una expresión sonora, entonces, el umbral de decisión de TNS se fija en el mismo nivel más bajo o se fija en un estado aún menor de manera que aún las pequeñas ganancias de TNS sean suficientes para activar un procesamiento de TNS.
En una realización, el controlador de ganancia de TNS 800 está configurado para estimar una ganancia en calidad o velocidad de bits, cuando la señal de
*
audio se somete al filtrado de predicción sobre la frecuencia. Un tomador de decisión de TNS 802 compara la ganancia estimada con una umbral de decisión, y una información de control de TNS a favor del filtrado de predicción se produce por bloque 802, cuando la ganancia estimada está en una relación predeterminada con respectó al umbral de decisión, donde esta relación predeterminada puede ser una relación de "mayor que", pero también puede ser una relación de "menor que" para una ganancia invertida de TNS por ejemplo. Según lo debatido, el controlador de formato de ruido temporal además está configurado para variar el umbral de decisión utilizando preferiblemente la señal de control de umbral 806 de manera que, para la misma ganancia estimada, se activa el filtrado de predicción, cuando la representación espectral se basa en la señal de audio distorsionada en el
tiempo, y no se activa, cuando la representación espectral no se basa en la señal de audio distorsionada en el tiempo.
Normalmente, la expresión sonora exhibirá un contorno de tonos, y la expresión sorda tal como sonidos fricativos o sonidos sibilantes no exhibirá un contorno de tonos. Sin embargo, existen señales de no expresión, con fuerte contenido armónico y, por lo tanto, poseen un contorno de tonos aunque el detector de expresión no detecta la expresión. Adicionalmente, existe cierta expresión sobre la música o música sobre señales de expresión, que el analizador de señales de audio (516 de la Figura 5a por ejemplo) determina que poseen un contenido armónico, pero que no son detectadas por el clasificador de señales 520 como señal de expresión. En dicha situación, también pueden aplicarse todas las operaciones de procesamiento para señales de expresión sonoras y también darán como resultado una ventaja.
Posteriormente, se describe otra realización preferente de la presente invención con respecto a un codificador de audio para codificar una señal de audio. Este codificador de audio es específicamente útil en el contexto de la extensión del ancho de banda, pero también es útil en la aplicaciones del codificador por sí solas, donde el codificador de audio se ajusta para codificar un cierto número de líneas con el fin de obtener una cierta limitación de ancho de banda/operación de filtrado de paso bajo. En las aplicaciones no distorsionadas en el tiempo, esta limitación de ancho de banda seleccionando un cierto número predeterminado de líneas dará como resultado un ancho de banda constante, ya que la frecuencia de muestreo de la señal de audio es constante. En situaciones, sin embargo, en las que se realiza un procesamiento de distorsión temporal tal como por bloque 506 en la Figura 5a, un codificador que depende de un número
fijo de líneas dará como resultado un ancho de banda variable introduciendo fuertes artefactos no sólo perceptibles para oyentes capacitados sino también perceptibles para oyentes no capacitados.
El codificador central AAC normalmente codifica un número fijo de líneas, ajusfando en cero todos los otros por encima de la línea máxima. En el caso no distorsionado esto lleva a un efecto de paso bajo con una frecuencia de corte constante y por lo tanto un ancho de banda constante de la señal AAC decodificada. En el caso del caso distorsionado en el tiempo el ancho de banda varía debido a la variación de la frecuencia de muestreo local, una función del contorno de distorsión temporal local, que lleva a artefactos audibles. Estos artefactos pueden reducirse eligiendo en forma adaptable el número de líneas -como una función del contorno de distorsión temporal local y su velocidad de muestreo promedio obtenida- a ser codificadas en el codificador central dependiendo de la frecuencia de muestreo local de manera que se obtiene un ancho de banda promedio constante después de redistorsionar en el tiempo en el decodificador para todos los marcos. Un beneficio adicional es el ahorro de bits en el codificador.
El codificador de audio conforme a esta realización comprende el distorsionador temporal 506 para distorsionar en el tiempo una señal de audio que utiliza una característica de distorsión temporal variable. Adicionalmente, se proporciona un convertidor de frecuencia/tiempo 508 para convertir una señal de audio distorsionada en el tiempo en una representación espectral que posee un número de coeficientes espectrales. Adicionalmente, se utiliza un procesador para procesar un número variable de coeficientes espectrales para generar las señal de audio codificada, donde este procesador que comprende el bloque del
cuantificador/codificador 512 de la Figura 5a está configurado para fijar un número • de coeficientes espectrales para un marco de la señal de audio basado en la característica de la distorsión temporal para el marco de manera que se reduzca o se elimine la variación del ancho de banda representada por el número procesado de coeficientes de frecuencia de marco a marco.
El procesador implementado por el bloque 512 puede comprender un controlador 1000 para controlar el número de líneas, donde el resultado del controlador 1000 es aquel, con respecto a un número de líneas fiado para el caso de un marco temporal que está siendo codificado sin ninguna distorsión temporal, se agrega o se descarta un cierto número variable de líneas en el extremo superior del espectro. Dependiendo de la implementación, el controlador 1000 puede recibir una información sobre el contomo de tonos en un cierto marco 1001 y/o una frecuencia de muestreo promedio local en el marco indicado en 1002.
En las Figuras 9(a) a 9(e), los dibujos de la derecha ilustran una cierta situación de ancho de banda para ciertos contornos de tonos sobre un marco, donde los contornos de tonos sobre el marco se ilustran en los respectivos dibujos de la izquierda para la distorsión temporal y se ilustran en los dibujos del medio después de la distorsión temporal, donde se obtiene una característica de tono, sustancialmente constante. Este es el objetivo de la funcionalidad de la distorsión temporal que, después de la. distorsión temporal, la característica del tono es lo más constante posible.
El ancho de banda 900 ilustra el ancho de banda que se obtiene cuando se toma un cierto número de líneas producido por un convertidor de frecuencia/tiempo 508 o producido por una etapa de TNS 510 de la Figura 5a, y cuando no se realiza una operación de distorsión temporal, i.e., cuando el
distorsionador temporal 506 se desactivó, según lo indicado por la línea sombreada 507. Cuando, sin embargo, se obtiene un contorno de distorsión temporal no constante, y cuando este contorno de distorsión temporal se lleva a un tono más alto induciendo un incremento en la velocidad de muestreo (Figura 9(a), (c)) el ancho de banda del espectro disminuye con respecto a una situación no distorsionada en el tiempo, normal. Esto significa que el número de líneas a ser transmitidas para este marco debe incrementarse con el fin de equilibrar esta pérdida de ancho de banda.
En forma alternativa, llevar el tono a un tono constante más bajo ilustrado en la Figura 9(b) o Figura 9(d) da como resultado una reducción de la tasa de muestreo. La reducción de la tasa de muestreo da como resultado un incremento del ancho de banda del espectro de este marco con respecto a la escala lineal, y este incremento de ancho de banda debe equilibrarse utilizando una supresión o desecho de un cierto número de líneas con respecto al valor del número de líneas para la situación normal no distorsionada en el tiempo.
La Figura 9(e) ilustra un caso especial, en el que un contorno de tonos se lleva a un nivel medio de manera que la frecuencia de muestreo promedio dentro de un marco es, en vez de realizar la operación de distorsión temporal, igual que la frecuencia de muestreo sin ninguna distorsión temporal. De este modo, el ancho de banda de la señal no es afectada, y puede procesarse el sencillo número de líneas a ser utilizado para el caso normal sin distorsión temporal, aunque se tenga que realizar la operación de distorsión temporal. De la Figura 9, se torna claro que realizar una operación de distorsión temporal no necesariamente influye en el ancho de banda, sino que la influencia en el ancho de banda depende del contorno de tonos y la forma, como se lleva a cabo la distorsión temporal en un
marco. Por lo tanto, es preferible utilizar, como valor de control, una tasa de muestreo local o promedio. La determinación de esta tasa de muestreo local se ¡lustra en la Figura 11. La porción superior en la Figura 11 ilustra una porción temporal con valores de muestreo equidistantes. Un marco incluye, por ejemplo, siete valores de muestreo indicados por Tn en la línea superior. La línea inferior muestra el resultado de una operación de distorsión temporal, en la que, totalmente, se ha producido un incremento de la tasa de muestreo. Esto significa que la longitud del marco distorsionado en el tiempo es más pequeña que la longitud temporal del marco no distorsionado en el tiempo. Sin embargo, debido a que la longitud temporal del marco distorsionado en el tiempo a ser introducido en el convertidor de frecuencia/tiempo es fija, el caso de un incremento de la tasa de muestreo hace que una porción adicional de la señal temporal que no pertenece al marco indicado por Tn sea introducido en el marco distorsionado en el tiempo según lo indicado por las líneas 1 100. De este modo, un marco distorsionado en el tiempo cubre una porción temporal de la señal de audio indicada por T|in el cual es mayor que el tiempo Tn. En vista de ello, la distancia efectiva entre dos líneas de . frecuencia o el ancho de banda de la frecuencia de una única línea en el dominio lineal (el cual es el valor inverso para la resolución) ha disminuido, y el número de líneas Nn fijadas para un caso no distorsionado en el tiempo cuando se multiplica por la distancia de frecuencia reducida da como resultado un ancho de banda más pequeño, i.e., una reducción del ancho de banda.
El otro caso, no ilustrado en la Figura 11 , donde el distorsionador temporal lleva a cabo una reducción de la tasa de muestreo, la longitud de tiempo efectivo de un marco en el dominio distorsionado en el tiempo es más pequeña que la longitud temporal del dominio no distorsionado en el tiempo de manera que el
ancho de banda de la frecuencia de una única línea o la distancia entre dos líneas de frecuencia se ha incrementado. Ahora, multiplicar este ?? incrementado por el número NN de líneas para el caso normal dará como resultado un ancho de banda incrementado debido a la resolución de frecuencia reducida/distancia de frecuencia incrementada entre dos coeficientes de frecuencias adyacentes.
La Figura 11 adicionalmente ilustra, como se calcula una tasa de muestreo promedio ÍSR. Para este fin, se determina la distancia temporal entre dos muestras distorsionadas en el tiempo y se toma el valor inverso, el que se define que es la tasa de muestreo local entre dos muestras distorsionadas en el tiempo. Dicho valor puede calcularse entre cada par de muestras adyacentes, y puede calcularse el valor promedio aritmético y este valor finalmente da como resultado la tasa de muestreo promedio local, que preferiblemente se utiliza para ser ingresada en el controlador 1000 de la Figura 10a.
La Figura 10b ilustra una línea que indica cuantas líneas deben agregarse o descartarse dependiendo de la frecuencia de muestreo local, donde la frecuencia de muestreo fN para el caso no distorsionado junto con el número de líneas NN para el caso no distorsionado en el tiempo define el ancho de banda previsto, el que debe mantenerse constante tanto como sea posible para una secuencia de marcos distorsionados en el tiempo o para una secuencia de marcos distorsionados en el tiempo y no distorsionados en el tiempo.
La Figura 12b ilustra la dependencia entre los diferentes parámetros debatidos con relación a la Figura 9, Figura 10b y Figura 11. Básicamente, cuando la tasa de muestreo, Le., la tasa de muestreo promedio ÍSR disminuye con respecto a el caso no distorsionado en el tiempo, las líneas deben suprimirse, mientras que las líneas deben agregarse, cuando la tasa de muestreo aumenta con respecto a
la tasa de muestreo normal ÍN para el caso no distorsionado en el tiempo de manera que las variaciones del ancho de banda de marco a marco se reducen o preferiblemente aún se eliminan tanto como sea posible.
El ancho de banda que resulta en el número de líneas NN y la tasa de muestreo preferiblemente define la frecuencia de cruce 1200 para un codificador de audio que, además de un codificador de audio central fuente, posee un codificador de extensión de ancho de banda (codificador BWE). Tal como se conoce en el arte, un codificador de extensión de ancho de banda solamente codifica un espectro con una alta velocidad de bits hasta la frecuencia de cruce y codifica el espectro dé la banda alta, i.e., entre la frecuencia de cruce 1200 y la frecuencia ÍMAX con una velocidad de bits baja, donde esta velocidad de bits baja típicamente es aún menor que 1/10 o menos de la velocidad de bits requerida para la banda baja entre una frecuencia de 0 y la frecuencia de cruce 1200. La Figura 12a además ilustra el ancho de banda BWAAC de un codificador de audio AAC sencillo, que es mucho mayor que la frecuencia de cruce. Por lo tanto, las líneas no solamente pueden descartares, sino que también pueden agregarse. Además, también se ¡lustra la variación del ancho de banda para un número de líneas constante dependiendo de la tasa de muestreo local fSR. Preferiblemente, el número de líneas a ser agregadas o a ser suprimidas con respecto al número de líneas para el caso normal se fija de manera que cada marco de los datos codificados de AAC posee una frecuencia máxima tan cercana como sea posible a la frecuencia de cruce 1200. De este modo, se evita cualquier agujero espectral debido a la reducción del ancho de banda por un lado o un espacio libre inutilizado transmitiendo información en una frecuencia por encima de la frecuencia de cruce
en el marco codificado de banda baja. Esto, por un lado, incrementa la calidad de la señal de audio decodificada y, por otro lado, disminuye la velocidad de bits.
El agregado real de líneas con respecto a un número fijo de líneas o una supresión de líneas con respecto al número fijo de líneas puede realizarse antes de cuantificar las líneas , i.e., en la entrada del bloque 512, o puede realizarse después de cuantificar o también puede realizarse, dependiendo del código de entropía específico, después de la codificación de entropía.
Además, es preferible llevar las variaciones de ancho de banda a un nivel mínimo y aún eliminar las variaciones de ancho de banda, pero, en otras ¡mplementaciones, aún una reducción de las variaciones del ancho de banda determinando el número de líneas que dependen de la característica de distorsión temporal aún aumenta la calidad de audio y reduce la velocidad de bits requerida en comparación con una situación, donde se aplica un número de líneas constante independientemente de una cierta característica de distorsión temporal.
Aunque se han descrito algunos aspectos en el contexto de un equipo, está claro que estos aspectos también representan una descripción del método correspondiente, donde un bloque o dispositivo corresponde a un paso del método o una característica del paso del método. En forma análoga, los aspectos descritos en el contexto de un paso del método representan una descripción de un bloque correspondiente o ítem o característica del equipo correspondiente.
Dependiendo de ciertos requerimientos de implementación, las realizaciones de la invención pueden implementarse en hardware o en software. La implementación puede realizarse utilizando un medio de almacenamiento digital, por ejemplo un floppy disk, un DVD, un CD, un ROM, un PROM, un EPROM, un EEPROM o una memoria FLASH, que posea señales de control
electrónicamente legibles almacenadas en los mismos, que cooperen (o sean capaces de cooperar) con un sistema informático programable de manera tal que se lleve a cabo el método respectivo. Algunas realizaciones conforme a la invención comprenden un soporte de datos que posee señales de control electrónicamente legibles, que son capaces de cooperar con un sistema informático programable, de manera tal que se lleve a cabo uno de los métodos descritos en la presente. Generalmente, las realizaciones de la presente invención pueden implementarse como un producto de programa informático con un código de programa, el código de programa que es operativo para realizar uno de los métodos cuando el producto de programa informático funciona en la computadora. El código de programa puede por ejemplo almacenarse en un soporte legible en la máquina. Otras realizaciones comprenden el programa informático para llevar a cabo uno de los métodos descritos en la presente, almacenado en el soporte legible en la máquina. En otras palabras; una realización del método inventivo es, por lo tanto, un programa informático que posee un código de programa para llevar a cabo uno de los métodos descritos en la presente, cuando el programa informático funciona en una computadora. Una realización adicional de los métodos inventivos es, por lo tanto, un soporte de datos (o un medio de almacenamiento digital, o un medio legible en computadora) que comprende, grabado en los mismos, el programa informático que lleva a cabo uno de los métodos descritos en la presente. Una realización adicional del método inventivo es, por lo tanto, una corriente de datos o una secuencia de señales que representan el programa informático para llevar a cabo uno de los métodos descritos en la presente. La corriente de datos o la secuencia de señales puede por ejemplo configurarse para ser transferida a través de una conexión de
comunicación de datos, por ejemplo a través de Internet. Una realización adicional comprende un medio de procesamiento, por ejemplo una computadora, o un dispositivo lógico programable, configurado para o adaptado para llevar a cabo uno de los métodos descritos en la presente. Una realización adicional comprende una computadora que posee el programa informático instalado en la mismo para llevar a cabo uno de los métodos descritos en la presente. En algunas realizaciones, puede utilizarse un dispositivo lógico programable (por ejemplo una matriz de puertas programables del campo) para llevar a cabo algunas o todas las funcionalidades de los métodos descritos en la presente. En algunas realizaciones, una matriz de puertas programables del campo puede cooperar con un microprocesador con el fin de llevar a cabo uno de los métodos descritos en la presente.
Claims (43)
1. Un proveedor de la señal de activación de distorsión de tiempo (100; 230; 234) para aportar una señal de activación de distorsión de tiempo (112; 232; 234p) sobre la base de una representación (1 10; 234e; 234k) de una señal de audio, comprendiendo el proveedor de la señal de activación de distorsión de tiempo : un proveedor de información de compactación de energía (120; 234f; 234I; 325; 370) configurado para proveer una información de compactación de energía (122; 234m; 234n; 326; 374) que describe una compactación de energía én una representación del espectro transformado por la distorsión de tiempo (222) de la señal de audio; y un comparador (130; 234o) configurado para comparar la información de compactación de energía (122; 234m; 234n; 326; 374) con un valor de referencia, y proveer la señal de activación de distorsión de tiempo (112; 232; 234p) con dependencia de un resultado de la comparación.
2. El proveedor de la señal de activación de distorsión de tiempo (100; 230; 234) de acuerdo con la reivindicación 1 , donde el proveedor de información de compactación de energía (120; 234f; 234I) está configurado para proveer una medida de planicidad espectral que describe la representación del espectro transformado por la distorsión de tiempo (234e; 234k) de la señal de audio as la información de compactación de energía (122; 234m; 234n).
3. El proveedor de la señal de activación de distorsión de tiempo (100; 230; 234) de acuerdo con la reivindicación 2, donde el proveedor de información de compactación de. energía (120; 234f; 234I) está configurado para computar un cociente de un medio geométrico de espectro de potencia de transformación de la distorsión de tiempo (234e; 234k) de la señal de audio y un medio aritmético de espectro de potencia de transformación de la distorsión de tiempo (234e; 234k) de la señal de audio para obtener la medida de planicidad espectral.
4. El proveedor de la señal de activación de distorsión de tiempo (100; 230; 234) de acuerdo con una de las reivindicaciones 1 a 3, donde el proveedor de información de compactación de energía (120; 234f; 234I) está configurado para enfatizar una porción de frecuencia más alta de la representación del espectro transformado por la distorsión de tiempo (234e; 234k) cuando se compara con una porción de frecuencia más baja de la representación del espectro transformado por la distorsión de tiempo (234e; 234k) para obtener la información de compactación de energía (122; 234m; 234n).
5. El proveedor de la señal de activación de distorsión de tiempo (100;230; 234) de acuerdo con una de las reivindicaciones 1 a 4, donde el proveedor de información de compactación de energía (120; 234m; 234n) está configurado para obtener una pluralidad de medidas banda por banda de planicidad espectral, y para computar un promedio de la pluralidad de medidas banda por banda de planicidad espectral para obtener la información de compactación de energía (122,234m;234n).
6. El proveedor de la señal de activación de distorsión de tiempo (100;230;234) de acuerdo con la reivindicación 1 , donde el proveedor de información de compactación de energía (120;234f;234l;325) está configurado para proveer una medida de entropía perceptual (pe) que describe la representación del espectro transformado por la distorsión de tiempo (234e;234k) de la señal de audio como la información de compactación de energía (122;234m;234n).
7. El proveedor .de la señal de activación de distorsión de tiempo (100; 230; 234; 325) de acuerdo con la reivindicación 6, donde el proveedor de información de compactación de energía (120;234f;234l;325) está configurado para computar un número estimado (ni) de líneas que no son cero para una o más bandas de factor en escala de la representación espectral transformada por la distorsión de tiempo (234e; 234k) de la señal de audio sobre la base de una información de factor de forma (ffac(n)) de la banda de factor en escala, y para computar la medida de entropía perceptual (326) para una banda de factor en escala en consideración utilizando una multiplicación del número estimado (ni) de líneas que no son cero y una medida de energía de la banda de factor en escala en consideración.
8. El proveedor de la señal de activación de distorsión de tiempo (100;230;234) de acuerdo con la reivindicación 1 , donde el proveedor de / información de compactación de energía (120;234f;234l;370) está configurado para proveer una medida de autocorrelación (374) que describe una autocorrelación de una representación de dominio de tiempo de distorsión de tiempo de la señal de audio (234e; 234k) como la información de compactación de energía.
9. El proveedor de la señal de activación de distorsión de tiempo (100;230;234) de acuerdo con la reivindicación 8, donde el proveedor de información de compactación de energía (120;234f;234l;370) está configurado para determinar una suma de valores absolutos de una función de autocorrelación normalizada de la representación de distorsión de tiempo (234e;234k) de la señal de audio para obtener la información de compactación de energía.
10. El proveedor de la señal de activación de distorsión de tiempo (100;230) de acuerdo con una de las reivindicaciones 1 a 9, donde el proveedor de la señal de activación de distorsión de tiempo comprende un calculador de valor de referencia configurado para computar el valor de referencia sobre la base de una representación del espectro sin distorsionar la señal de audio (210) o sobre la base de una representación del dominio de tiempo sin distorsionar la señal de audio (210); y donde el comparador está configurado para formar un valor de relación que utiliza la información de compactación de energía (122) que describe Jna compactación de energía en una representación del espectro transformado por la distorsión de tiempo de la señal de audio y el valor de referencia, y para comparar el valor de la relación con uno o más valores de umbral para obtener la señal de activación de distorsión de tiempo como resultado de la comparación.
11. El proveedor de la señal de activación de distorsión de tiempo 5 (230;234) de acuerdo con una de las reivindicaciones 1 a 9, donde el proveedor de la señal de activación de distorsión de tiempo comprende un calculador de valor de referencia configurado para computar el valor de referencia sobre la base de una representación de la distorsión de tiempo de la señal de entrada (210), distorsión de tiempo que utiliza una información estándar del contorno de * 10 distorsión de tiempo (288); y donde el comparador está configurado para formar un valor de relación que utiliza la información de compactación de energía (234e) que describe una compactación de energía en una representación de distorsión de tiempo de la señal de audio y el valor de referencia, y para comparar el valor de relación con 15 uno o más valores de umbral para obtener la señal de activación de distorsión de tiempo como resultado de la comparación.
12. Un, codificador de señal de audio (200) para codificar una señal de audio de entrada (210) para obtener una representación codificada (212) de la 20 señal de audio de entrada, comprendiendo el codificador de señal de audio : un transformador de distorsión de tiempo (220) configurado para proveer una representación espectral transformada por la distorsión de tiempo (222) sobre la base de la señal de audio de entrada (210) utilizando un contorno de distorsión de tiempo; un proveedor de la señal de activación de distorsión de tiempo (100; 230; 234) de acuerdo con una de las reivindicaciones 1 a 11 donde el proveedor de la señal de activación de distorsión de tiempo está configurado para recibir la señal de audio de entrada (210) y proveer la señal de activación de distorsión de tiempo (1 12; 232; 234p) ; y un controlador (240) configurado para proveer en forma selectiva, con dependencia de la señal de activación de distorsión de tiempo (1 12; 232; 234p), una información del contorno de distorsión de tiempo recientemente hallada (286), que describe una porción de contorno de distorsión de tiempo no constante, o una información estándar del contorno de distorsión de tiempo (288), que describe una porción constante del contorno de distorsión de tiempo, a un transformador de distorsión de tiempo (220) para describir el contorno de distorsión de tiempo utilizado por un transformador de distorsión de tiempo (220).
13. El codificador de señal de audio de acuerdo con la reivindicación 12, donde el codificador de señal de audio comprende una interfaz de salida (280) configurada para incluir la representación espectral transformada por la distorsión de tiempo (222) dentro de la representación codificada (212) de la señal de audio, y para incluir en forma selectiva, con dependencia de la señal de activación de distorsión de tiempo (232), una información del contorno de distorsión de tiempo dentro de la representación codificada (212) de la señal de audio.
14. Un método (400) para aportar una señal de activación de distorsión de tiempo sobre la base de una señal de audio, comprendiendo el método : suministrar (410) una información de compactación de energía que describe una compactación de energía en una representación espectral transformada por la distorsión de tiempo de la señal de audio; comparar (420) la información de compactación de energía con un valor de referencia; y suministrar (430) la señal de activación de distorsión de tiempo con dependencia del resultado de la comparación.
15. Un método (450) para codificar una señal de audio de entrada para obtener una representación codificada de la señal de audio de entrada, comprendiendo el método : suministrar (470) una señal de activación de distorsión de tiempo de acuerdo con la reivindicación 14, donde la información de compactación de energía describe una compactación de energía en una representación del espectro transformado por la distorsión de tiempo de la señal de audio de entrada; I ' y suministrar en forma selectiva (480), con dependencia de la señal de activación de distorsión de tiempo, una descripción de la representación espectral transformada por la distorsión de tiempo de la señal de audio de entrada o una descripción de una representación espectral transformada sin distorsión de tiempo de la señal de audio de entrada para su inclusión en la representación codificada de la señal de audio de entrada.
16. Un programa de computación para realizar el método de reivindicación 14 o 15 cuando el programa de computación corre en una computadora.
17. Codificador de audio para codificar una señal de audio, que comprende: un cuantificador (512) para cuantificar valores de audio, donde el cuantificador está configurado para cuantificar en cero valores de audio o debajo de un umbral de cuantización; un calculador de relleno de ruido (524) para estimar una medida de una energía de valores de audio cuantificados en cero para un marco de tiempo de la señal de audio; un analizador de la señal de audio (516,520) para analizar, si el marco de tiempo de la señal de audio tiene una característica armónica o de expresión; un manipulador (602) para manipular la medida de relleno de ruido que depende de una característica armónica o de expresión de la señal de audio para obtener una medida de relleno de ruido manipulada; y una interfaz de salida (522) para generar una señal codificada para la transmisión o almacenamiento, comprendiendo la señal codificada la medida de relleno de ruido manipulada (530).
18. El codificador de audio de acuerdo con la reivindicación 17, en el cual el analizador de la señal de audio (516, 520) comprende un disparador de tono para generar una indicación de un tono, cuando un tono se encuentra en el marco de tiempo de la señal de audio, y en el cual el manipulador (602) está configurado para reducir la medida de relleno de ruido, cuando se encuentra un tono.
19. Codificador de audio de acuerdo con la reivindicación 17 o 18, en el cual el analizador de la señal de audio comprende un detector sonoro/sorda (520) para detectar, si al menos una porción del marco de tiempo es sonora, en el cual el manipulador (602) está configurado para reducir la medida de relleno de ruido o para poner en cero la medida de relleno de ruido, cuando se detecta que la porción es sonora, y en el cual el manipulador (602) está configurado para no manipulear o para manipulear la medida de relleno de ruido a un grado más bajo, cuando se detecta que la porción no es sonora.
20. Un decodificador para decodificar una señal de audio codificada que comprende: una interfaz de entrada (539) para procesar la señal de audio codificada para obtener una medida de relleno de ruido (543) y datos de audio codificados (546); un decodificador/re-cuantificador (547, 550) para generar datos re-cuantificados; una analizador de señal (600) para recuperar información, si un marco de tiempo de los datos de audio tiene característica armónica o de expresión; y un relleno de ruido (552) para generar datos de audio de relleno de ruido, donde el relleno de ruido (552) está configurado para generar datos de relleno de ruido en respuesta a la medida de relleno de ruido y a la característica armónica o de expresión de los datos de audio; y un procesador (556, 558, 560) para procesar los datos re-cuantificados y los datos de audio de relleno de ruido para obtener una señal de audio decodificada (564).
21. Decodificador de acuerdo con la reivindicación 20, en el cual la señal de audio codificada comprende datos (542, 541 ) que indican, si el marco de tiempo de los datos de audio data tiene una característica armónica o de expresión, y en el cual el analizador de señal (600) está configurado para analizar la señal de audio codificada para recuperar datos que indican, si el marco de tiempo de los datos de audio tiene una característica armónica o de expresión.
22. Decodificador de acuerdo con la reivindicación 21 , en el cual los datos es una indicación de que la porción de tiempo ha sido sometida a un procesamiento de distorsión de tiempo processing, y donde el procesador comprende un distorsionador de tiempo (558) para distorsionar en el tiempo una señal de audio que deriva de los datos de relleno de ruido y los datos re-cuantificados.
23. Método para codificar una señal de audio, que comprende: cuantificar (512) valores de audio, donde el cuantificador está configurado para cuantificar en cero valores de audio por debajo de un umbral de cuantificación; estimar (524) una medida de una energía de valores de audio cuantificados en cero para un marco de tiempo de la señal de audio; analizar (516,520), si el marco de tiempo de la señal de audio tiene una característica armónica o de expresión; manipular (602) la medida de relleno de ruido dependiendo de la característica armónica o de expresión de la señal de audio para obtener una medida de relleno de ruido manipulada; y generar (522) una señal codificada para la transmisión o el almacenamiento, comprendiendo, la señal codificada la medida de relleno de ruido manipulada (530).
24. Método para decodificar una señal de audio codificada, comprendiendo: procesar (539) la señal de audio codificada para obtener una medida de relleno de ruido (543) y datos de audio codificados'(546); generar (547, 550) datos re-cuantificados; recuperar (600) información, si un marco de tiempo de los datos de audio tiene característica armónica o de expresión; y generar (552) datos de audio de relleno de ruido en respuesta a la medida de relleno de ruido y la característica armónica o de expresión de los datos de audio; y procesar (556, 558, 560) los datos re-cuant¡f¡cados y los datos de audio de relleno de ruido para obtener una señal de audio decodificada (564).
25. Programa de computación que. tiene un código de programa para llevar a cabo, cuando corre en un computadora, el método de la reivindicación 23 o el método de la reivindicación 24.
26. Codificador de audio para generar una señal de audio codificada, que comprende: un analizador de señal de audio (516, 520) para analizar, si un marco de tiempo de la señal de audio tiene una característica armónica o de expresión; un controlador de función de generación de ventanas (504) para seleccionar una función de generación de ventanas que depende de una característica armónica o de expresión de la señal de audio; un windower (502) para generar ventanas de la señal de audio utilizando la función de generación de ventanas seleccionada para obtener un marco generado por la ventana; y un procesador (508, 512) para procesar posteriormente el marco generado por la ventana para obtener la señal de audio codificada.
27. Codificador de audio de acuerdo con la reivindicación 26, donde el controlador de la función de generación de ventanas (504) comprende un detector de circuito de tránsito (700) para detectar un circuito de tránsito, donde el controlador de la función de generación de ventanas está configurado para cambiar de una función de generación de ventanas para un bloque largo a una función de generación de ventanas para un bloque corto, cuando se detecta un circuito de tránsito y el analizador de señal de audio (516, 520) no halla una característica armónica o de expresión, y para no cambiar a la función de generación de ventanas para el bloque corto, cuando un circuito de tránsito se detecta y una característica armónica o de expresión es encontrada por el analizador de la señal de audio (516, 520).
28. Codificador de audio de acuerdo con la reivindicación 26 o 27, en el cual el detector de circuito de tránsito (700) está configurado para detectar una característica cuantitativa de la señal de audio y para comparar la característica cuantitativa con un umbral controlable, donde un se detecta un circuito de tránsito, cuando la característica cuantitativa tiene una relación predeterminada con el umbral controlable, y donde el analizador de señal de audio está configurado para controlar el umbral variable de modo que se reduzca la probabilidad de un cambio a una función de ventana para un bloque corto, cuando el analizador de señal de audio (516, 520) ha encontrado una característica armónica o de expresión.
29. Codificador de audio de acuerdo con la reivindicación 27 o 28, en el cual el controlador de la función de generación de ventanas (504) está configurado para cambiar a una función de ventana (706, 707) que es más larga que la función de generación . de ventanas para un bloque corto (712) o para cambiar a una función de generación de ventanas con una superposición más corta (712) que la función de generación de ventanas (714) para un bloque largo, cuando se detecta un circuito de tránsito y la señal tiene una característica armónica o de expresión.
30. Método para generar una señal de audio codificada, que comprende: analizar (516, 520), si un marco de tiempo de la señal de audio tiene una característica armónica o de expresión; seleccionar (504) una función de generación de ventanas que depende de una característica armónica o de expresión de la señal de audio; generar ventanas de (502) la señal de audio utilizando la función de generación de ventanas seleccionada para obtener un marco generado por ventanas; y procesar (508, 512) el marco generado por ventanas para obtener la señal de audio codificada.
31 . Programa de computación que tiene un código de programa para realizar, cuando se corre en una computadora, el método de la reivindicación 30.
32. Codificador de audio para generar una señal de audio, que comprende: un distorsionador de tiempo controlable (506) para distorsionar en el tiempo la señal de audio para obtener una señal de audio distorsionada en el tiempo; un convertidor de tiempo/frecuencia (508) para convertir al menos una porción de la señal de audio distorsionada en el tiempo en una representación espectral; una etapa de formato de ruido temporal para realizar una filtración de predicción sobre la frecuencia de la representación espectral de acuerdo con una instrucción de control del formato de ruido temporal (803), donde la filtración de predicción no se realiza, cuando no existe la instrucción de control del formato de ruido temporal; un controlador de formato de ruido temporal (800, 802, 804) para generar la instrucción de control del formato de ruido temporal sobre la base de la representación espectral, donde el controlador del formato de ruido temporal está configurado para aumentar la probabilidad de realizar la filtración predictiva sobre la frecuencia, cuando la representación espectral se basa en una señal de audio distorsionada en el tiempo o para disminuir la probabilidad de realizar la filtración predictiva sobre la frecuencia, cuando la representación espectral no se basa en una señal de audio distorsionada en el tiempo; y una procesador (512) para procesar posteriormente una salida de la etapa de formato de ruido temporal para obtener la señal de audio codificada (532).
33. Codificador de audio de acuerdo con la reivindicación 32, en el cual el controlador de formato de ruido temporal (800, 802, 804) está configurado para estimar una ganancia en una velocidad de bits o una calidad, cuando la señal de audio se somete a la filtración de predicción mediante la etapa de formato de ruido temporal (510), para comparar (802) la ganancia estimada con un umbral de decisión, y para decidir (802), en favor de la filtración de predicción; cuando al ganancia estimada está en una relación predeterminada con el umbral de decisión. donde el controlador de formato de ruido temporal está además configurado para variar (804) el umbral de decisión de modo qué, para la misma ganancia estimada, se activa la filtración de predicción, cuando la representación espectral se basa en una señal distorsionada en el tiempo, y no se activa, cuando la representación espectral no se basa en una señal de audio sin distorsión de tiempo.
34. Codificador de audio de acuerdo con la reivindicación 32 o 33, en el cual el distorsionador de tiempo comprende un clasificador de señal (520) para detectar una expresión sonora/soda, y en el cual el controlador de formato de ruido temporal (800, 802, 804) está configurado para aumentar la probabilidad, cuando se detecta una expresión sonora, o cuando se detecta una expresión sorda y la representación espectral se basa en la señal de audio distorsionada en el tiempo.
35. Método para generar una señal de audio, que comprende: distorsionar en el tiempo (506) la señal de audio para obtener una señal de audio distorsionada en el tiempo; convertir (508) al menos una porción de la señal de audio distorsionada en el tiempo en una representación espectral; realizar una filtración de predicción sobre la frecuencia de la representación espectral de acuerdo con una instrucción de control del formato de ruido temporal (803), donde no se realiza la filtración de predicción, cuando no existe la instrucción de control del formato de ruido temporal control; generar (800, 802, 804) la instrucción de control del formato de ruido temporal sobre la base dé la representación espectral, donde el controlador del formato de ruido temporal está configurado para aumentar la probabilidad de realizar la filtración predictiva sobre la frecuencia, cuando la representación espectral se basa en una señal de audio distorsionada en el tiempo o para disminuir la probabilidad de realizar la filtración predictiva sobre la frecuencia, cuando la representación espectral no se basa en una señal de audio sin distorsión de tiempo ; y procesar (512) una salida de la etapa del formato de ruido temporal para obtener la señal de audio codificada (532).
36. Programa de computación que tiene un código de programación para llevar a cabo, cuando se corre en una computadora, el método de la reivindicación 35.
37. Codificador de audio para codificar una señal de audio, que comprende: un distorsionador de tiempo (506) para distorsionar una señal de audio que utiliza una característica de distorsión de tiempo variable; un convertidor de tiempo/frecuencia (508) para convertir una señal de audio ' distorsionada en el tiempo en una representación espectral qué tiene un número de coeficientes espectrales; y un procesador (512) para procesar un número variable de coeficientes espectrales para generar una señal de audio codificada, donde el procesador (512, 1000) está configurado para establecer en forma variable un número de coeficientes espectrales para un marco de la señal de audio sobre la base de la característica de la distorsión de tiempo para el marco de modo que una variación del ancho de banda representada por el número procesado de coeficientes de frecuencia de marco a marco se reduce o se elimina.
38. Codificador de audio de acuerdo con la reivindicación 37, en el cual la característica de distorsión de tiempo variable comprende una frecuencia de muestreado local (ÍSR) para un marco, y en el cual el procesador (512, 1000) está configurado para aumentar el número de coeficientes espectrales, cuando la frecuencia de muestreado local se aumenta, o en el cual el procesador (512, 1000) está configurado para disminuir número de coeficientes espectrales, cuando la frecuencia de muestreado local se disminuye.
39. Codificador de audio de acuerdo con la reivindicación 37 o 38, que además comprende un codificador de la extensión de ancho de banda para codificar una banda espectral por encima de una frecuencia cruzada (1200) que utiliza parámetros que derivan de una banda de la señal de audio por encima de la frecuencia cruzada (1200), donde la frecuencia cruzada es una frecuencia máxima de un ancho de banda blanco para cada marco.
40. Codificador de audio de acuerdo con cualquiera de las reivindicaciones 37 a 39, en el cual la señal de audio, antes de ser distorsionada en el tiempo, se muestrea utilizando una frecuencia de muestreado normal (fN), y en el cual el procesador (512, 1000) está configurado para utilizar un número predeterminado de coeficientes espectrales (NN) que derivan de la frecuencia cruzada y la frecuencia de muestreado normal, cuando la frecuencia de muestreado local es igual a la frecuencia de muestreado normal, o para utilizar un número más alto de coeficientes espectrales en comparación con el número predeterminado de coeficientes espectrales (NN), cuando la frecuencia de muestreado local es superior que la frecuencia de muestreado normal (ÍN), O para utilizar un número inferior en comparación con el número predeterminado de coeficientes espectrales, cuando la frecuencia de muestreado local es inferior que la frecuencia de muestreado normal (fN).
41 . Codificador de audio de acuerdo con una de las reivindicaciones 37 a 40, en el cual el procesador comprende un cuantificador para cuantificar los coeficientes espectrales para obtener coeficientes espectrales cuantificados, y un codificador entrópico para codificar por entropía los coeficientes espectrales cuantificados, donde el procesador (512, 1000) incluye un selector para descartar coeficientes espectrales no incluidos en el conjunto de números de coeficientes espectrales antes o después de cuantificar de modo que la señal de audio codificada sólo comprende los coeficientes . espectrales, que no han sido descartados, o donde el procesador incluye un selector para agregar los coeficientes espectrales requeridos por el conjunto de números de coeficientes espectrales antes o después de cuantificar de modo que la señal de audio codificada comprende además los coeficientes espectrales agregados.
42. Método para codificar una señal de audio, que comprende: distorsionar en el tiempo (506) una señal de audio que utiliza una característica de distorsión de tiempo variable; convertir (508) una señal de audio distorsionada en el tiempo en una representación espectral que tiene un número de coeficientes espectrales; y procesar (512) un número variable de coeficientes espectrales para generar una señal de audio codificada, donde un número variable de coeficientes espectrales para un marco de la señal de audio se establece sobre la base de la característica de distorsión de tiempo para el marco de modo que una variación de ancho de banda representada por el número procesado de coeficientes de frecuencia de marco a marco se reduce o se elimina.
43. Programa de computación que tiene un código de programación para llevar a cabo, cuando se corre en una computadora, el método de la reivindicación
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US7987308P | 2008-07-11 | 2008-07-11 | |
| PCT/EP2009/004874 WO2010003618A2 (en) | 2008-07-11 | 2009-07-06 | Time warp activation signal provider, audio signal encoder, method for providing a time warp activation signal, method for encoding an audio signal and computer programs |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| MX2011000368A true MX2011000368A (es) | 2011-03-02 |
Family
ID=41037694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| MX2011000368A MX2011000368A (es) | 2008-07-11 | 2009-07-06 | Proveedor de la señal de activacion de distorsion de tiempo, codificador de señal de audio, metodo para proveer una señal de activacion de distorsion de tiempo, metodo para codificar una señal de audio y programas de computacion. |
Country Status (17)
| Country | Link |
|---|---|
| US (7) | US9015041B2 (es) |
| EP (5) | EP2410520B1 (es) |
| JP (5) | JP5538382B2 (es) |
| KR (5) | KR101400535B1 (es) |
| CN (5) | CN102150201B (es) |
| AR (8) | AR072740A1 (es) |
| AT (1) | ATE539433T1 (es) |
| AU (1) | AU2009267433B2 (es) |
| CA (5) | CA2730239C (es) |
| ES (5) | ES2654433T3 (es) |
| HK (5) | HK1155551A1 (es) |
| MX (1) | MX2011000368A (es) |
| PL (4) | PL2410522T3 (es) |
| PT (3) | PT2410522T (es) |
| RU (5) | RU2536679C2 (es) |
| TW (1) | TWI463484B (es) |
| WO (1) | WO2010003618A2 (es) |
Families Citing this family (85)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7720677B2 (en) * | 2005-11-03 | 2010-05-18 | Coding Technologies Ab | Time warped modified transform coding of audio signals |
| EP2107556A1 (en) * | 2008-04-04 | 2009-10-07 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Audio transform coding using pitch correction |
| ES2654433T3 (es) | 2008-07-11 | 2018-02-13 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Codificador de señal de audio, método para codificar una señal de audio y programa informático |
| MY154452A (en) * | 2008-07-11 | 2015-06-15 | Fraunhofer Ges Forschung | An apparatus and a method for decoding an encoded audio signal |
| EP2517201B1 (en) * | 2009-12-23 | 2015-11-04 | Nokia Technologies Oy | Sparse audio processing |
| ES2461183T3 (es) * | 2010-03-10 | 2014-05-19 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V | Decodificador de señales de audio, codificador de señales de audio, procedimiento para decodificar una señal de audio, método para codificar una señal de audio y programa de ordenador que utilizan una adaptación dependiente de la frecuencia de un contexto de codificación |
| RU2683175C2 (ru) | 2010-04-09 | 2019-03-26 | Долби Интернешнл Аб | Стереофоническое кодирование на основе mdct с комплексным предсказанием |
| US20120029926A1 (en) | 2010-07-30 | 2012-02-02 | Qualcomm Incorporated | Systems, methods, apparatus, and computer-readable media for dependent-mode coding of audio signals |
| US9208792B2 (en) * | 2010-08-17 | 2015-12-08 | Qualcomm Incorporated | Systems, methods, apparatus, and computer-readable media for noise injection |
| WO2012037515A1 (en) | 2010-09-17 | 2012-03-22 | Xiph. Org. | Methods and systems for adaptive time-frequency resolution in digital data coding |
| CN103282958B (zh) | 2010-10-15 | 2016-03-30 | 华为技术有限公司 | 信号分析器、信号分析方法、信号合成器、信号合成方法、变换器和反向变换器 |
| US9792925B2 (en) * | 2010-11-25 | 2017-10-17 | Nec Corporation | Signal processing device, signal processing method and signal processing program |
| JP5722916B2 (ja) * | 2011-01-14 | 2015-05-27 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 符号化装置および符号化方法 |
| PT3239978T (pt) | 2011-02-14 | 2019-04-02 | Fraunhofer Ges Forschung | Codificação e descodificação de posições de pulso de faixas de um sinal de áudio |
| MY160265A (en) | 2011-02-14 | 2017-02-28 | Fraunhofer-Gesellschaft Zur Forderung Der Angewandten Forschung E V | Apparatus and Method for Encoding and Decoding an Audio Signal Using an Aligned Look-Ahead Portion |
| TWI488176B (zh) | 2011-02-14 | 2015-06-11 | Fraunhofer Ges Forschung | 音訊信號音軌脈衝位置之編碼與解碼技術 |
| BR112013020324B8 (pt) | 2011-02-14 | 2022-02-08 | Fraunhofer Ges Forschung | Aparelho e método para supressão de erro em fala unificada de baixo atraso e codificação de áudio |
| PT2676270T (pt) * | 2011-02-14 | 2017-05-02 | Fraunhofer Ges Forschung | Codificação de uma parte de um sinal de áudio utilizando uma deteção de transiente e um resultado de qualidade |
| AR085794A1 (es) | 2011-02-14 | 2013-10-30 | Fraunhofer Ges Forschung | Prediccion lineal basada en esquema de codificacion utilizando conformacion de ruido de dominio espectral |
| PL2676268T3 (pl) | 2011-02-14 | 2015-05-29 | Fraunhofer Ges Forschung | Urządzenie i sposób przetwarzania zdekodowanego sygnału audio w domenie widmowej |
| KR101424372B1 (ko) | 2011-02-14 | 2014-08-01 | 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. | 랩핑 변환을 이용한 정보 신호 표현 |
| JP5969513B2 (ja) | 2011-02-14 | 2016-08-17 | フラウンホーファー−ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン | 不活性相の間のノイズ合成を用いるオーディオコーデック |
| US9015042B2 (en) * | 2011-03-07 | 2015-04-21 | Xiph.org Foundation | Methods and systems for avoiding partial collapse in multi-block audio coding |
| US8838442B2 (en) | 2011-03-07 | 2014-09-16 | Xiph.org Foundation | Method and system for two-step spreading for tonal artifact avoidance in audio coding |
| US9009036B2 (en) | 2011-03-07 | 2015-04-14 | Xiph.org Foundation | Methods and systems for bit allocation and partitioning in gain-shape vector quantization for audio coding |
| EP2707873B1 (en) * | 2011-05-09 | 2015-04-08 | Dolby International AB | Method and encoder for processing a digital stereo audio signal |
| AU2012276367B2 (en) * | 2011-06-30 | 2016-02-04 | Samsung Electronics Co., Ltd. | Apparatus and method for generating bandwidth extension signal |
| CN102208188B (zh) | 2011-07-13 | 2013-04-17 | 华为技术有限公司 | 音频信号编解码方法和设备 |
| EP2795617B1 (en) * | 2011-12-21 | 2016-08-10 | Dolby International AB | Audio encoders and methods with parallel architecture |
| KR20130109793A (ko) * | 2012-03-28 | 2013-10-08 | 삼성전자주식회사 | 잡음 감쇄를 위한 오디오 신호 부호화 방법 및 장치 |
| KR102123770B1 (ko) * | 2012-03-29 | 2020-06-16 | 텔레폰악티에볼라겟엘엠에릭슨(펍) | 하모닉 오디오 신호의 변환 인코딩/디코딩 |
| CN104221082B (zh) | 2012-03-29 | 2017-03-08 | 瑞典爱立信有限公司 | 谐波音频信号的带宽扩展 |
| EP2709106A1 (en) | 2012-09-17 | 2014-03-19 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for generating a bandwidth extended signal from a bandwidth limited audio signal |
| CN103854653B (zh) | 2012-12-06 | 2016-12-28 | 华为技术有限公司 | 信号解码的方法和设备 |
| WO2014096236A2 (en) * | 2012-12-19 | 2014-06-26 | Dolby International Ab | Signal adaptive fir/iir predictors for minimizing entropy |
| JP6180544B2 (ja) | 2012-12-21 | 2017-08-16 | フラウンホーファー−ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン | オーディオ信号の不連続伝送における高スペクトル−時間分解能を持つコンフォートノイズの生成 |
| RU2633107C2 (ru) * | 2012-12-21 | 2017-10-11 | Фраунхофер-Гезелльшафт Цур Фердерунг Дер Ангевандтен Форшунг Е.Ф. | Добавление комфортного шума для моделирования фонового шума при низких скоростях передачи данных |
| ES2613747T3 (es) | 2013-01-08 | 2017-05-25 | Dolby International Ab | Predicción basada en modelo en un banco de filtros críticamente muestreado |
| ES2834929T3 (es) | 2013-01-29 | 2021-06-21 | Fraunhofer Ges Forschung | Llenado con ruido en la codificación de audio por transformada perceptual |
| RU2612589C2 (ru) | 2013-01-29 | 2017-03-09 | Фраунхофер-Гезелльшафт Цур Фердерунг Дер Ангевандтен Форшунг Е.Ф. | Низкочастотное акцентирование для основанного на lpc кодирования в частотной области |
| MY172752A (en) * | 2013-01-29 | 2019-12-11 | Fraunhofer Ges Forschung | Decoder for generating a frequency enhanced audio signal, method of decoding encoder for generating an encoded signal and method of encoding using compact selection side information |
| CN103971694B (zh) * | 2013-01-29 | 2016-12-28 | 华为技术有限公司 | 带宽扩展频带信号的预测方法、解码设备 |
| MX347080B (es) | 2013-01-29 | 2017-04-11 | Fraunhofer Ges Forschung | Llenado con ruido sin informacion secundaria para celp (para codificadores tipo celp). |
| JP6026678B2 (ja) | 2013-04-05 | 2016-11-16 | ドルビー ラボラトリーズ ライセンシング コーポレイション | 高度なスペクトラム拡張を使用して量子化ノイズを低減するための圧縮伸張装置および方法 |
| KR102150496B1 (ko) | 2013-04-05 | 2020-09-01 | 돌비 인터네셔널 에이비 | 오디오 인코더 및 디코더 |
| ES2688134T3 (es) | 2013-04-05 | 2018-10-31 | Dolby International Ab | Codificador y decodificador de audio para codificación de forma de onda intercalada |
| CN105474313B (zh) * | 2013-06-21 | 2019-09-06 | 弗劳恩霍夫应用研究促进协会 | 时间缩放器、音频解码器、方法和计算机可读存储介质 |
| SG11201510459YA (en) | 2013-06-21 | 2016-01-28 | Fraunhofer Ges Forschung | Jitter buffer control, audio decoder, method and computer program |
| CA2916150C (en) * | 2013-06-21 | 2019-06-18 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Apparatus and method realizing improved concepts for tcx ltp |
| CN104301064B (zh) | 2013-07-16 | 2018-05-04 | 华为技术有限公司 | 处理丢失帧的方法和解码器 |
| EP2830055A1 (en) * | 2013-07-22 | 2015-01-28 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Context-based entropy coding of sample values of a spectral envelope |
| EP2830061A1 (en) | 2013-07-22 | 2015-01-28 | Fraunhofer Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for encoding and decoding an encoded audio signal using temporal noise/patch shaping |
| US9379830B2 (en) * | 2013-08-16 | 2016-06-28 | Arris Enterprises, Inc. | Digitized broadcast signals |
| CN106683681B (zh) * | 2014-06-25 | 2020-09-25 | 华为技术有限公司 | 处理丢失帧的方法和装置 |
| EP2980794A1 (en) * | 2014-07-28 | 2016-02-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Audio encoder and decoder using a frequency domain processor and a time domain processor |
| EP2980798A1 (en) * | 2014-07-28 | 2016-02-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Harmonicity-dependent controlling of a harmonic filter tool |
| EP2980801A1 (en) * | 2014-07-28 | 2016-02-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Method for estimating noise in an audio signal, noise estimator, audio encoder, audio decoder, and system for transmitting audio signals |
| PT3000110T (pt) * | 2014-07-28 | 2017-02-15 | Fraunhofer Ges Forschung | Seleção de um de entre um primeiro algoritmo de codificação e um segundo algoritmo de codificação com o uso de redução de harmônicos. |
| EP2980795A1 (en) | 2014-07-28 | 2016-02-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Audio encoding and decoding using a frequency domain processor, a time domain processor and a cross processor for initialization of the time domain processor |
| EP2980792A1 (en) | 2014-07-28 | 2016-02-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for generating an enhanced signal using independent noise-filling |
| EP2980793A1 (en) | 2014-07-28 | 2016-02-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Encoder, decoder, system and methods for encoding and decoding |
| CA2990891A1 (en) | 2015-06-30 | 2017-01-05 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forchung E.V. | Method and device for associating noises and for analyzing |
| US9514766B1 (en) * | 2015-07-08 | 2016-12-06 | Continental Automotive Systems, Inc. | Computationally efficient data rate mismatch compensation for telephony clocks |
| JP6705142B2 (ja) * | 2015-09-17 | 2020-06-03 | ヤマハ株式会社 | 音質判定装置及びプログラム |
| US10186276B2 (en) * | 2015-09-25 | 2019-01-22 | Qualcomm Incorporated | Adaptive noise suppression for super wideband music |
| EP3182410A3 (en) * | 2015-12-18 | 2017-11-01 | Dolby International AB | Enhanced block switching and bit allocation for improved transform audio coding |
| US9711121B1 (en) * | 2015-12-28 | 2017-07-18 | Berggram Development Oy | Latency enhanced note recognition method in gaming |
| US9640157B1 (en) * | 2015-12-28 | 2017-05-02 | Berggram Development Oy | Latency enhanced note recognition method |
| PL3405949T3 (pl) | 2016-01-22 | 2020-07-27 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Urządzenie i sposób szacowania międzykanałowej różnicy czasowej |
| US10281556B2 (en) * | 2016-02-29 | 2019-05-07 | Nextnav, Llc | Interference detection and rejection for wide area positioning systems |
| US10397663B2 (en) * | 2016-04-08 | 2019-08-27 | Source Digital, Inc. | Synchronizing ancillary data to content including audio |
| CN106093453B (zh) * | 2016-06-06 | 2019-10-22 | 广东溢达纺织有限公司 | 整经机经轴密度检测装置及方法 |
| CN106356076B (zh) * | 2016-09-09 | 2019-11-05 | 北京百度网讯科技有限公司 | 基于人工智能的语音活动性检测方法和装置 |
| EP4254403A3 (en) * | 2016-09-14 | 2023-11-01 | Magic Leap, Inc. | Virtual reality, augmented reality, and mixed reality systems with spatialized audio |
| US10475471B2 (en) * | 2016-10-11 | 2019-11-12 | Cirrus Logic, Inc. | Detection of acoustic impulse events in voice applications using a neural network |
| US10242696B2 (en) | 2016-10-11 | 2019-03-26 | Cirrus Logic, Inc. | Detection of acoustic impulse events in voice applications |
| US20180218572A1 (en) | 2017-02-01 | 2018-08-02 | Igt | Gaming system and method for determining awards based on matching symbols |
| EP3382704A1 (en) * | 2017-03-31 | 2018-10-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for determining a predetermined characteristic related to a spectral enhancement processing of an audio signal |
| EP3382700A1 (en) * | 2017-03-31 | 2018-10-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for post-processing an audio signal using a transient location detection |
| EP3382701A1 (en) | 2017-03-31 | 2018-10-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for post-processing an audio signal using prediction based shaping |
| US10431242B1 (en) * | 2017-11-02 | 2019-10-01 | Gopro, Inc. | Systems and methods for identifying speech based on spectral features |
| 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 |
| JP6975928B2 (ja) * | 2018-03-20 | 2021-12-01 | パナソニックＩｐマネジメント株式会社 | トリマー刃及び体毛切断装置 |
| CN109448749B (zh) * | 2018-12-19 | 2022-02-15 | 中国科学院自动化研究所 | 基于有监督学习听觉注意的语音提取方法、系统、装置 |
| CN113470671B (zh) * | 2021-06-28 | 2024-01-23 | 安徽大学 | 一种充分利用视觉与语音联系的视听语音增强方法及系统 |
Family Cites Families (90)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07850B2 (ja) * | 1986-03-11 | 1995-01-11 | 河本製機株式会社 | フイラメント糸の経糸糊付乾燥方法と経糸糊付乾燥装置 |
| US5054075A (en) | 1989-09-05 | 1991-10-01 | Motorola, Inc. | Subband decoding method and apparatus |
| JP3076859B2 (ja) | 1992-04-20 | 2000-08-14 | 三菱電機株式会社 | ディジタルオーディオ信号の信号処理装置 |
| US5408580A (en) | 1992-09-21 | 1995-04-18 | Aware, Inc. | Audio compression system employing multi-rate signal analysis |
| FI105001B (fi) | 1995-06-30 | 2000-05-15 | Nokia Mobile Phones Ltd | Menetelmä odotusajan selvittämiseksi puhedekooderissa epäjatkuvassa lähetyksessä ja puhedekooderi sekä lähetin-vastaanotin |
| US5704003A (en) | 1995-09-19 | 1997-12-30 | Lucent Technologies Inc. | RCELP coder |
| JP3707116B2 (ja) | 1995-10-26 | 2005-10-19 | ソニー株式会社 | 音声復号化方法及び装置 |
| US5659622A (en) | 1995-11-13 | 1997-08-19 | Motorola, Inc. | Method and apparatus for suppressing noise in a communication system |
| US5848391A (en) | 1996-07-11 | 1998-12-08 | Fraunhofer-Gesellschaft Zur Forderung Der Angewandten Forschung E.V. | Method subband of coding and decoding audio signals using variable length windows |
| US6134518A (en) | 1997-03-04 | 2000-10-17 | International Business Machines Corporation | Digital audio signal coding using a CELP coder and a transform coder |
| US6131084A (en) * | 1997-03-14 | 2000-10-10 | Digital Voice Systems, Inc. | Dual subframe quantization of spectral magnitudes |
| KR100261254B1 (ko) | 1997-04-02 | 2000-07-01 | 윤종용 | 비트율 조절이 가능한 오디오 데이터 부호화/복호화방법 및 장치 |
| KR100261253B1 (ko) | 1997-04-02 | 2000-07-01 | 윤종용 | 비트율 조절이 가능한 오디오 부호화/복호화 방법및 장치 |
| US6016111A (en) | 1997-07-31 | 2000-01-18 | Samsung Electronics Co., Ltd. | Digital data coding/decoding method and apparatus |
| US6070137A (en) | 1998-01-07 | 2000-05-30 | Ericsson Inc. | Integrated frequency-domain voice coding using an adaptive spectral enhancement filter |
| ATE302991T1 (de) * | 1998-01-22 | 2005-09-15 | Deutsche Telekom Ag | Verfahren zur signalgesteuerten schaltung zwischen verschiedenen audiokodierungssystemen |
| US6115689A (en) | 1998-05-27 | 2000-09-05 | Microsoft Corporation | Scalable audio coder and decoder |
| US6453285B1 (en) * | 1998-08-21 | 2002-09-17 | Polycom, Inc. | Speech activity detector for use in noise reduction system, and methods therefor |
| US6449590B1 (en) | 1998-08-24 | 2002-09-10 | Conexant Systems, Inc. | Speech encoder using warping in long term preprocessing |
| US6330533B2 (en) | 1998-08-24 | 2001-12-11 | Conexant Systems, Inc. | Speech encoder adaptively applying pitch preprocessing with warping of target signal |
| US7047185B1 (en) * | 1998-09-15 | 2006-05-16 | Skyworks Solutions, Inc. | Method and apparatus for dynamically switching between speech coders of a mobile unit as a function of received signal quality |
| US7272556B1 (en) | 1998-09-23 | 2007-09-18 | Lucent Technologies Inc. | Scalable and embedded codec for speech and audio signals |
| US6424938B1 (en) * | 1998-11-23 | 2002-07-23 | Telefonaktiebolaget L M Ericsson | Complex signal activity detection for improved speech/noise classification of an audio signal |
| US6691084B2 (en) | 1998-12-21 | 2004-02-10 | Qualcomm Incorporated | Multiple mode variable rate speech coding |
| SE9903553D0 (sv) * | 1999-01-27 | 1999-10-01 | Lars Liljeryd | Enhancing percepptual performance of SBR and related coding methods by adaptive noise addition (ANA) and noise substitution limiting (NSL) |
| US6223151B1 (en) | 1999-02-10 | 2001-04-24 | Telefon Aktie Bolaget Lm Ericsson | Method and apparatus for pre-processing speech signals prior to coding by transform-based speech coders |
| DE19910833C1 (de) * | 1999-03-11 | 2000-05-31 | Mayer Textilmaschf | Kurzketten-Schärmaschine |
| KR20010072035A (ko) | 1999-05-26 | 2001-07-31 | 요트.게.아. 롤페즈 | 오디오 신호 송신 시스템 |
| US6581032B1 (en) | 1999-09-22 | 2003-06-17 | Conexant Systems, Inc. | Bitstream protocol for transmission of encoded voice signals |
| US6782360B1 (en) | 1999-09-22 | 2004-08-24 | Mindspeed Technologies, Inc. | Gain quantization for a CELP speech coder |
| US6366880B1 (en) * | 1999-11-30 | 2002-04-02 | Motorola, Inc. | Method and apparatus for suppressing acoustic background noise in a communication system by equaliztion of pre-and post-comb-filtered subband spectral energies |
| US6718309B1 (en) * | 2000-07-26 | 2004-04-06 | Ssi Corporation | Continuously variable time scale modification of digital audio signals |
| JP2002149200A (ja) * | 2000-08-31 | 2002-05-24 | Matsushita Electric Ind Co Ltd | 音声処理装置及び音声処理方法 |
| US6850884B2 (en) | 2000-09-15 | 2005-02-01 | Mindspeed Technologies, Inc. | Selection of coding parameters based on spectral content of a speech signal |
| EP1340317A1 (en) * | 2000-11-03 | 2003-09-03 | Koninklijke Philips Electronics N.V. | Parametric coding of audio signals |
| US6925435B1 (en) * | 2000-11-27 | 2005-08-02 | Mindspeed Technologies, Inc. | Method and apparatus for improved noise reduction in a speech encoder |
| SE0004818D0 (sv) * | 2000-12-22 | 2000-12-22 | Coding Technologies Sweden Ab | Enhancing source coding systems by adaptive transposition |
| KR20030009515A (ko) | 2001-04-05 | 2003-01-29 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 결정된 신호 타입들로 한정된 기술들을 사용하는 신호들의시간 스케일 변경 |
| FI110729B (fi) * | 2001-04-11 | 2003-03-14 | Nokia Corp | Menetelmä pakatun audiosignaalin purkamiseksi |
| DE60225130T2 (de) | 2001-05-10 | 2009-02-26 | Dolby Laboratories Licensing Corp., San Francisco | Verbesserung der transientenleistung bei kodierern mit niedriger bitrate durch unterdrückung des vorgeräusches |
| DE20108778U1 (de) | 2001-05-25 | 2001-08-02 | Mannesmann Vdo Ag | Gehäuse für ein in einem Fahrzeug verwendbares Gerät zur automatischen Ermittlung von Straßenbenutzungsgebühren |
| US6879955B2 (en) * | 2001-06-29 | 2005-04-12 | Microsoft Corporation | Signal modification based on continuous time warping for low bit rate CELP coding |
| EP1278185A3 (en) | 2001-07-13 | 2005-02-09 | Alcatel | Method for improving noise reduction in speech transmission |
| US6963842B2 (en) * | 2001-09-05 | 2005-11-08 | Creative Technology Ltd. | Efficient system and method for converting between different transform-domain signal representations |
| KR20040060946A (ko) | 2001-10-26 | 2004-07-06 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 오디오 코더에서의 사인곡선의 파라미터의 추적 |
| CA2365203A1 (en) | 2001-12-14 | 2003-06-14 | Voiceage Corporation | A signal modification method for efficient coding of speech signals |
| JP2003316392A (ja) | 2002-04-22 | 2003-11-07 | Mitsubishi Electric Corp | オーディオ信号の復号化及び符号化装置、復号化装置並びに符号化装置 |
| US6950634B2 (en) | 2002-05-23 | 2005-09-27 | Freescale Semiconductor, Inc. | Transceiver circuit arrangement and method |
| US7457757B1 (en) | 2002-05-30 | 2008-11-25 | Plantronics, Inc. | Intelligibility control for speech communications systems |
| US7447631B2 (en) * | 2002-06-17 | 2008-11-04 | Dolby Laboratories Licensing Corporation | Audio coding system using spectral hole filling |
| TWI288915B (en) * | 2002-06-17 | 2007-10-21 | Dolby Lab Licensing Corp | Improved audio coding system using characteristics of a decoded signal to adapt synthesized spectral components |
| US7043423B2 (en) | 2002-07-16 | 2006-05-09 | Dolby Laboratories Licensing Corporation | Low bit-rate audio coding systems and methods that use expanding quantizers with arithmetic coding |
| CA2501368C (en) | 2002-10-11 | 2013-06-25 | Nokia Corporation | Methods and devices for source controlled variable bit-rate wideband speech coding |
| KR20040058855A (ko) | 2002-12-27 | 2004-07-05 | 엘지전자 주식회사 | 음성 변조 장치 및 방법 |
| IL165425A0 (en) * | 2004-11-28 | 2006-01-15 | Yeda Res & Dev | Methods of treating disease by transplantation of developing allogeneic or xenogeneic organs or tissues |
| WO2004084182A1 (en) * | 2003-03-15 | 2004-09-30 | Mindspeed Technologies, Inc. | Decomposition of voiced speech for celp speech coding |
| JP4629353B2 (ja) * | 2003-04-17 | 2011-02-09 | インベンテイオ・アクテイエンゲゼルシヤフト | エスカレータまたは動く歩道のための移動手摺り駆動装置 |
| WO2004097797A1 (en) | 2003-05-01 | 2004-11-11 | Nokia Corporation | Method and device for gain quantization in variable bit rate wideband speech coding |
| US7363221B2 (en) | 2003-08-19 | 2008-04-22 | Microsoft Corporation | Method of noise reduction using instantaneous signal-to-noise ratio as the principal quantity for optimal estimation |
| JP3954552B2 (ja) * | 2003-09-18 | 2007-08-08 | 有限会社スズキワーパー | ヤーンガイドの空転防止機構付サンプル整経機 |
| KR100640893B1 (ko) * | 2004-09-07 | 2006-11-02 | 엘지전자 주식회사 | 음성 인식용 베이스밴드 모뎀 및 이동통신용 단말기 |
| KR100604897B1 (ko) * | 2004-09-07 | 2006-07-28 | 삼성전자주식회사 | 하드 디스크 드라이브 조립체, 하드 디스크 드라이브의장착 구조 및 이를 채용한 휴대폰 |
| US7630902B2 (en) * | 2004-09-17 | 2009-12-08 | Digital Rise Technology Co., Ltd. | Apparatus and methods for digital audio coding using codebook application ranges |
| PL1849154T3 (pl) | 2005-01-27 | 2011-05-31 | Synchro Arts Ltd | Sposoby i urządzenie do zastosowania w modyfikacji dźwięku |
| US8155965B2 (en) * | 2005-03-11 | 2012-04-10 | Qualcomm Incorporated | Time warping frames inside the vocoder by modifying the residual |
| KR100956877B1 (ko) | 2005-04-01 | 2010-05-11 | 콸콤 인코포레이티드 | 스펙트럼 엔벨로프 표현의 벡터 양자화를 위한 방법 및장치 |
| JP4550652B2 (ja) | 2005-04-14 | 2010-09-22 | 株式会社東芝 | 音響信号処理装置、音響信号処理プログラム及び音響信号処理方法 |
| US7885809B2 (en) * | 2005-04-20 | 2011-02-08 | Ntt Docomo, Inc. | Quantization of speech and audio coding parameters using partial information on atypical subsequences |
| PT1875463T (pt) | 2005-04-22 | 2019-01-24 | Qualcomm Inc | Sistemas, métodos e aparelho para nivelamento de fator de ganho |
| CN1862969B (zh) * | 2005-05-11 | 2010-06-09 | 尼禄股份公司 | 自适应块长、常数变换音频解码方法 |
| US20070079227A1 (en) | 2005-08-04 | 2007-04-05 | Toshiba Corporation | Processor for creating document binders in a document management system |
| JP4450324B2 (ja) * | 2005-08-15 | 2010-04-14 | 日立オートモティブシステムズ株式会社 | 内燃機関の始動制御装置 |
| JP2007084597A (ja) | 2005-09-20 | 2007-04-05 | Fuji Shikiso Kk | 表面処理カーボンブラック組成物およびその製造方法 |
| US7720677B2 (en) * | 2005-11-03 | 2010-05-18 | Coding Technologies Ab | Time warped modified transform coding of audio signals |
| US7366658B2 (en) * | 2005-12-09 | 2008-04-29 | Texas Instruments Incorporated | Noise pre-processor for enhanced variable rate speech codec |
| BRPI0706488A2 (pt) | 2006-02-23 | 2011-03-29 | Lg Electronics Inc | método e aparelho para processar sinal de áudio |
| TWI294107B (en) * | 2006-04-28 | 2008-03-01 | Univ Nat Kaohsiung 1St Univ Sc | A pronunciation-scored method for the application of voice and image in the e-learning |
| JP5205373B2 (ja) | 2006-06-30 | 2013-06-05 | フラウンホーファーゲゼルシャフト・ツア・フェルデルング・デア・アンゲバンテン・フォルシュング・エー・ファウ | 動的可変ワーピング特性を有するオーディオエンコーダ、オーディオデコーダ及びオーディオプロセッサ |
| US8682652B2 (en) | 2006-06-30 | 2014-03-25 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Audio encoder, audio decoder and audio processor having a dynamically variable warping characteristic |
| US7873511B2 (en) | 2006-06-30 | 2011-01-18 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Audio encoder, audio decoder and audio processor having a dynamically variable warping characteristic |
| US8239190B2 (en) * | 2006-08-22 | 2012-08-07 | Qualcomm Incorporated | Time-warping frames of wideband vocoder |
| US8036903B2 (en) | 2006-10-18 | 2011-10-11 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Analysis filterbank, synthesis filterbank, encoder, de-coder, mixer and conferencing system |
| CN101025918B (zh) * | 2007-01-19 | 2011-06-29 | 清华大学 | 一种语音/音乐双模编解码无缝切换方法 |
| US9653088B2 (en) | 2007-06-13 | 2017-05-16 | Qualcomm Incorporated | Systems, methods, and apparatus for signal encoding using pitch-regularizing and non-pitch-regularizing coding |
| EP2107556A1 (en) | 2008-04-04 | 2009-10-07 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Audio transform coding using pitch correction |
| ES2654433T3 (es) | 2008-07-11 | 2018-02-13 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Codificador de señal de audio, método para codificar una señal de audio y programa informático |
| MY154452A (en) | 2008-07-11 | 2015-06-15 | Fraunhofer Ges Forschung | An apparatus and a method for decoding an encoded audio signal |
| JP5297891B2 (ja) | 2009-05-25 | 2013-09-25 | 京楽産業．株式会社 | 遊技機 |
| US8670990B2 (en) | 2009-08-03 | 2014-03-11 | Broadcom Corporation | Dynamic time scale modification for reduced bit rate audio coding |
| EP2492911B1 (en) | 2009-10-21 | 2017-08-16 | Panasonic Intellectual Property Management Co., Ltd. | Audio encoding apparatus, decoding apparatus, method, circuit and program |
-
2009
- 2009-07-06 ES ES11180990.1T patent/ES2654433T3/es active Active
- 2009-07-06 CA CA2730239A patent/CA2730239C/en active Active
- 2009-07-06 ES ES11180989.3T patent/ES2654432T3/es active Active
- 2009-07-06 CA CA2836862A patent/CA2836862C/en active Active
- 2009-07-06 EP EP11180988.5A patent/EP2410520B1/en active Active
- 2009-07-06 EP EP11180989.3A patent/EP2410521B1/en active Active
- 2009-07-06 KR KR1020137016914A patent/KR101400535B1/ko active IP Right Grant
- 2009-07-06 PT PT111809901T patent/PT2410522T/pt unknown
- 2009-07-06 EP EP11180983.6A patent/EP2410519B1/en active Active
- 2009-07-06 CN CN2009801358374A patent/CN102150201B/zh active Active
- 2009-07-06 KR KR1020137016921A patent/KR101400484B1/ko active IP Right Grant
- 2009-07-06 CN CN201210491613.0A patent/CN103000177B/zh active Active
- 2009-07-06 CA CA2836871A patent/CA2836871C/en active Active
- 2009-07-06 ES ES11180988T patent/ES2741963T3/es active Active
- 2009-07-06 PT PT11180988T patent/PT2410520T/pt unknown
- 2009-07-06 EP EP09776982A patent/EP2311033B1/en active Active
- 2009-07-06 RU RU2011104002/08A patent/RU2536679C2/ru active
- 2009-07-06 KR KR1020137016928A patent/KR101400513B1/ko active IP Right Grant
- 2009-07-06 CN CN201210491652.0A patent/CN103000186B/zh active Active
- 2009-07-06 MX MX2011000368A patent/MX2011000368A/es active IP Right Grant
- 2009-07-06 AT AT09776982T patent/ATE539433T1/de active
- 2009-07-06 CN CN201210491654.XA patent/CN103000178B/zh active Active
- 2009-07-06 CA CA2836858A patent/CA2836858C/en active Active
- 2009-07-06 JP JP2011517015A patent/JP5538382B2/ja active Active
- 2009-07-06 AU AU2009267433A patent/AU2009267433B2/en active Active
- 2009-07-06 KR KR1020137016934A patent/KR101400588B1/ko active IP Right Grant
- 2009-07-06 WO PCT/EP2009/004874 patent/WO2010003618A2/en active Application Filing
- 2009-07-06 ES ES09776982T patent/ES2379761T3/es active Active
- 2009-07-06 PT PT111809893T patent/PT2410521T/pt unknown
- 2009-07-06 PL PL11180990T patent/PL2410522T3/pl unknown
- 2009-07-06 PL PL09776982T patent/PL2311033T3/pl unknown
- 2009-07-06 KR KR1020117000659A patent/KR101360456B1/ko active IP Right Grant
- 2009-07-06 CA CA2836863A patent/CA2836863C/en active Active
- 2009-07-06 RU RU2012150074/08A patent/RU2589309C2/ru active
- 2009-07-06 PL PL11180989T patent/PL2410521T3/pl unknown
- 2009-07-06 CN CN201210491312.8A patent/CN103077722B/zh active Active
- 2009-07-06 PL PL11180988T patent/PL2410520T3/pl unknown
- 2009-07-06 RU RU2012150076A patent/RU2621965C2/ru active
- 2009-07-06 ES ES11180983T patent/ES2758799T3/es active Active
- 2009-07-06 EP EP11180990.1A patent/EP2410522B1/en active Active
- 2009-07-10 TW TW098123433A patent/TWI463484B/zh active
- 2009-07-13 AR ARP090102631A patent/AR072740A1/es active IP Right Grant
-
2011
- 2011-01-11 US US13/004,525 patent/US9015041B2/en active Active
- 2011-09-20 HK HK11109868.7A patent/HK1155551A1/xx unknown
-
2012
- 2012-11-23 RU RU2012150077/08A patent/RU2586843C2/ru active
- 2012-11-23 RU RU2012150075/08A patent/RU2580096C2/ru active IP Right Revival
-
2013
- 2013-08-13 HK HK13109484.9A patent/HK1182213A1/xx unknown
- 2013-08-13 HK HK13109483.0A patent/HK1182212A1/xx unknown
- 2013-08-14 JP JP2013168612A patent/JP5591386B2/ja active Active
- 2013-08-14 JP JP2013168606A patent/JP5567191B2/ja active Active
- 2013-08-14 JP JP2013168610A patent/JP5567192B2/ja active Active
- 2013-08-14 JP JP2013168605A patent/JP5591385B2/ja active Active
- 2013-08-23 HK HK13109892.5A patent/HK1182830A1/xx unknown
- 2013-10-31 HK HK13112277.4A patent/HK1184903A1/xx unknown
-
2014
- 2014-10-08 AR ARP140103754A patent/AR097966A2/es active IP Right Grant
- 2014-10-08 AR ARP140103758A patent/AR097970A2/es active IP Right Grant
- 2014-10-08 AR ARP140103757A patent/AR097969A2/es active IP Right Grant
- 2014-10-08 AR ARP140103756A patent/AR097968A2/es active IP Right Grant
- 2014-10-08 AR ARP140103753A patent/AR097965A2/es active IP Right Grant
- 2014-10-08 AR ARP140103755A patent/AR097967A2/es active IP Right Grant
- 2014-11-11 US US14/538,741 patent/US9466313B2/en active Active
- 2014-11-11 US US14/538,751 patent/US9502049B2/en active Active
- 2014-11-11 US US14/538,728 patent/US9263057B2/en active Active
- 2014-11-11 US US14/538,748 patent/US9293149B2/en active Active
- 2014-11-11 US US14/538,735 patent/US9431026B2/en active Active
- 2014-11-11 US US14/538,756 patent/US9646632B2/en active Active
-
2019
- 2019-08-14 AR ARP190102320A patent/AR116330A2/es active IP Right Grant
Also Published As
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| MX2011000368A (es) | Proveedor de la señal de activacion de distorsion de tiempo, codificador de señal de audio, metodo para proveer una señal de activacion de distorsion de tiempo, metodo para codificar una señal de audio y programas de computacion. | |
| AU2013206267B2 (en) | Providing a time warp activation signal and encoding an audio signal therewith |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FG | Grant or registration |