CN1436416A

CN1436416A - 通过分组交换网络的传输

Info

Publication number: CN1436416A
Application number: CN01811275A
Authority: CN
Inventors: 蒂纳·亚伯拉罕森; 索伦·旺安德森; 罗尔·哈根; W·巴斯琴·克莱吉恩
Original assignee: Global IP Sound AB
Current assignee: Google LLC
Priority date: 2000-05-10
Filing date: 2001-05-09
Publication date: 2003-08-13
Anticipated expiration: 2021-05-09
Also published as: WO2001086887A1; DE60129325D1; CN1260925C; EP1290835A1; US20010040871A1; SE0001727L; US7009935B2; EP1290835B1; AU2001260877A1; SE0001727D0; ATE367034T1; DE60129325T2

Abstract

本发明涉及用于以提供分集的方式对通过分组交换网络传输的数字化声音信号进行编码/解码的方法。数字化声音信号的每个声音段编码为至少两个不同的段描述，即声音信号段的不同表示。这些段描述相互不同之处在于，它们提供数字声音信号样本的不同量化值。这些不同的段描述在不同的时间点通过网络分别在各自的数据分组中进行传输。

Description

通过分组交换网络的传输

技术领域

本发明涉及对数字化声音信号的编码和通过分组交换网络对编码数字化声音信号的传输，其中，以提供分集的方式执行编码和传输。

因此，本发明还涉及对数据分组的接收和对其内容的解码，以提取原始传输的数字化声音信号，其中，以利用由接收分组提供的分集的方式执行解码。

技术背景和现有技术

通过分组交换网络如基于IP(Internet Protocol，网际协议)的网络(主要是因特网或内部网)的电话由于很多特性而日益具有吸引力。这些特性包括诸如相对低的运营成本、容易集成新业务以及一个网络就可用于语音和数据。分组交换系统中的语音或音频信号转换为数字信号，即比特流，它分为多个具有适当大小的部分，以通过分组交换网络从发送器端传输到接收器端。

分组交换网络最初设计为用于传输非实时数据，并且通过这种网络传输语音将导致一些问题。因为数据分组会由于拥堵问题或传输错误而被网络有意丢弃，所以它们在传输期间会发生丢失。在非实时应用中，这不是问题，因为丢失的分组可以被重新传输。然而，重新传输对于实时应用而言不是一个可能的解决方案。对于实时应用，到达太迟的分组不能用来重构相应的信号，因为该信号已经或应该已经被传送到接收扬声器。因此，到达太迟的分组相当于丢失的分组。

IP网络的一个特性是，如果一个分组到达，则其内容未被破坏。IP分组具有一个首标，其中包括CRC(Cyclic Redundancy Check，循环冗余校验)字段。CRC用来检查分组内容是否未被破坏。如果CRC表示一个错误，则丢弃该分组。换句话说，不存在比特错误，只有分组丢失。

丢失或延迟的数据分组所带来的主要问题是给重构的语音或音频信号带来失真。失真是由于这一事实而产生的：不能重构由丢失或延迟的数据分组传达的信号段。现今所使用的语音编码器最初设计用于其信道不存在错误或信道具有比特错误特性的电路交换网络。因此，这些语音编码器的问题是它们不能很好地处理分组丢失。

鉴于上述内容以及分组交换网络的其他细节，所存在的问题就是如何在通过分组交换网络的电话中提供与通过电路交换网络的普通电话相同的质量。为了解决这些问题，必须考虑分组交换网络的特性。

在通过分组交换网络传输数据的系统中，一个或多个首标加到每个数据分组。这些首标包含具有分组目的地、发送者地址、分组内的数据大小信息的数据字段，以及其他与分组传输相关的数据字段。加到分组的首标大小构成必须加以考虑的开销信息。为了保持小的数据分组的分组组装延迟，数据分组的有效负荷具有有限大小。有效负荷是分组内由一应用所使用的信息。与包括开销信息在内的实际传输数据分组的大小相比，有效负荷的大小是一种考虑有效带宽量时的重要尺度。传输若干相对小的数据分组的问题是首标的大小与对应用有用的信息的大小相比将是相当大的。实际上，首标的大小往往大于有用信息的大小。

为了减轻带宽问题，最好通过对所要传输的信息进行适当的编码来减小比特速率。然而，通过编码减小比特速率的优点不大显著，并且如果在传输数据分组之前将非常大的首标形式的开销加到应用信息，带宽仍然是一个问题。

一个经常用来减小比特速率的方案是使用数据预测来对信息数据进行编码。这些预测是根据相同信息信号的前面信息数据来生成的。然而，由于在传输期间分组会丢失这一现象，插入不同分组之间的依赖性不是一个好主意。如果分组丢失并且后面信息段的重构依赖于包含在丢失分组中的信息，则后面信息段的重构将出现问题。避免这种误差传播是重要的。因此这种使用预测来减小语音或音频信号的比特速率的普通方法对于这种传输信道而言是无效的，因为这种预测将导致误差传播。因此，存在一个问题是，当传输具有语音或音频信号信息的数据分组时，如何在分组交换系统中提供预测。

为了克服实时传输期间的与丢失或延迟的数据分组相关联的问题，通过分组交换网络的传输引入分集是适合的。分集是在时间上(如在移动电话的交织中)或通过一些物理实体(如当使用多个接收天线时)对信息进行扩展来提高传输稳健性的方法。在分组传输中，最好通过找到某种方式来创建分组间的分集，在分组级别上引入分集。在分组交换网络中创建分集的最简单的方式是在两个不同的分组中将相同的分组有效负荷传输两次。采用这种方式，丢失或延迟的数据分组将不打扰有效负荷信息的传输，因为最可能适时地接收具有相同有效负荷的另一分组。这种方式的缺点是在带宽方面它不是非常高效，因为网络或信道需要承载两倍信息量。

使用分集以减小分组丢失对因特网电话应用的音频质量的影响的一个例子由Bolot S.等人公开于“Adaptive FEC-Based Error Control forInteractive Audio in the Internet(对因特网交互式音频的自适应基于FEC的错误控制)”，IEEE Infocom′99，纽约，美国，1999年3月。Bolot描述如何使用前向纠错(FEC，Forward Error Correction)方案来创建分集。在这些FEC方案中，音频分组的冗余版本与后面分组的原始信息一起传输。如果具有原始信息的分组丢失，则后面分组中的冗余信息可以用来部分重构表示原始信息的样本。这是通过使用低速率编码器(与原始编码器相比速率低得多)对信号进行编码并且作为冗余信息传输该低码率信号来实现的。然而，这种解决方案存在很多缺点。因为对冗余信息需要额外且不同的编码方案，所以编码系统的复杂性将提高。另外，编码器对硬件的要求更高，以在低速率上提供合理的质量。而且，接收端将相应需要两个不同类型的解码器，并且在分组丢失的情况下，能够根据来自这两个不同类型解码器的交织信息无缝地再现语音。

上述分集方案或分集系统存在这样的缺点：声音信号的传输在正常工作状态下不受益于所传输的冗余信息所需的额外带宽。因此，对于大部分时间，当不存在分组丢失或延迟时，额外带宽将只是用于传输开销信息。

因为带宽经常是有限资源，所以如果所传输的声音信号能够以某种方式受益于分集系统所需的额外带宽，将是理想的。最好，如果额外的带宽能够用来在接收端改善解码声音信号的质量，将是理想的。

在“Design of Multiple Description Scalar Quantizers(多描述分级量化器的设计)”，V.A.Vaishampayan，IEEE Transactions on InformationTheory(IEEE信息理论学报)，Vol.39，No.3，1993年5月中，公开在分集系统中对多描述的使用。编码器通过两个不同的信道发送相同源信号的两个不同描述，并且解码器根据从当前工作的信道接收的信息重构源信号。因此，如果只有一个信道工作，重构信号的质量将基于一个描述。如果两个信道都工作，所再现的源信号将基于两个描述，并且在接收端获得更高的质量。在该文章中，作者解决了索引分配问题，从而最大化分集系统中多个描述的好处。

在EP 0 856 956 A1中，公开了一种多描述编码通信系统。该发明使用变换编码，其中，采用对偶变换(pairing transform)对系数对进行变换，以得到具有大致相等能量的新系数对。分别对这些系数进行编码，并且在不同的分组中进行传输。通过这种方式，原始系数的信息在两个分组中，并且获得对丢失一个分组的稳健性，因为反对偶变换(inverse pairingtransform)将根据所接收的一个系数产生两个系数，但是分辨率会小些。这种系统的一个缺点是效率低，因为仅为了互补以达到冗余的目的，就使用两个不同类型的量化器，并且当接收到系数对时，并不改善图像质量。

因此，关于通过分组交换网络传输声音信号，所要解决的问题是如何实现使用多描述、提供良好运行特性、带宽高效且保持复杂度低的分集系统。

发明概要

本发明的一个目的是克服在通过分组交换网络的实时通信传输期间丢失、丢弃或延迟数据分组的问题。

本发明的另一个目的是提供一种改进方法，这种方法有助于当对所要传输的语音或音频信号使用多描述编码时通过分组交换网络的分集传输。

根据本发明，通过具有如所附权利要求所限定的特性的方法，实现这些目的。

本发明提供一种新型且有利的方式来使用语音或音频信号的若干不同描述合并通过分组交换网络的分集传输。因此，所提供的分集不是通过传输纯粹的冗余信息而是通过传输同一信息的若干(两个或多个)表示来实现的。分集减小由于分组丢失或延迟而造成的失真，因为每个描述都可以提供再现语音/音频信号的良好基础。而且，当所有分组都到达接收器端而没有丢失/延迟时，在再现语音/音频信号之前将不同表示合并在一起，从而提供再现语音/音频信号的改善质量。所提供的分集是通过如下方式实现的时间分集：在不同时间点在不同的分组中传输同一声音段的不同编码段描述，并且根据在预定时间间隔内接收的那些段描述在接收端对声音段进行解码。

根据本发明，提供很多不同的声音编码器和对应的声音解码器，用于对数字化声音信号进行编码/解码。在本发明的不同实施例中所描述的这些声音编码器/解码器以获得高效的发送端和接收端之间信息分集传输的方式，使用多个描述工作。

在本发明中，多描述编码器/解码器是生成/接收至少两个信号描述的编码器/解码器。不同的描述是通过对数字信号样本进行编码由多描述编码器产生的。术语段描述在此表示声音信号段的描述，因为它根据其中一个描述的定义由多描述编码器进行编码。而且，术语数字信号样本在此应解释为实际样本或者从一个或多个样本获得或提取的任何信号表示形式。

根据本发明的第一方面，提供一种方法，以提供分集的方式对数字化声音信号进行编码，并且通过分组交换网络传输该编码数字化声音信号。在发送端，数字化声音信号的声音段编码为至少两个不同的段描述，即声音信号段的不同表示。这些段描述相互不同之处在于，它们提供数字声音信号样本的不同量化值。然后，在不同的时间点将这些不同的段描述分别在各自的数据分组中进行传输。

因此，根据第二方面，提供一种方法，通过利用由接收分组提供的分集的方式对来自分组交换网络的编码数字化声音信号进行接收和解码。在接收端，解码器在预定时间周期内等待接收具有声音段的各个段描述的多个分组。然后根据在预定时间间隔之内接收到的那些段描述的合并，对数字化声音信号的声音段进行解码。如果只接收到一个段描述，则根据那一个段描述对声音段进行解码。然后仍然以足够高的质量再现声音段。

因此，通过在不同时刻在不同数据分组中发送/接收相同声音段的各个不同段描述，从多个描述提供分集。这些时刻是以受控方式进行选择的。当在分组交换网络中发生局部时间瓶颈时，这一由在时刻之间并且因此在段描述之间的受控延迟提供的所谓时间分集尤其有利，因为当在不同的分组中以不同的时间点传输不同的段描述时，接收特定声音段的至少一个段描述的机会将提高。这些时刻是以引入在传输相同声音段的两个不同段描述之间的预定时间间隔的方式来选择的。

根据本发明，还通过分组交换网络中的不同路径传输相同声音段的各个段描述来增强分集，从而结合时间分集和路径分集。

最好，属于不同声音信号描述并且与不同声音段相关的段描述一起分在相同的分组中。至少两个连续声音段用来自不同声音信号描述的各个段描述来表示。这是有利的，因为它避免传输同一声音段的不同段描述的多个分组的首标所需的额外开销，同时当分组丢失或延迟时，仍然只有特定声音段的一个段描述丢失或延迟。

根据本发明，数字化声音信号可选地为n比特PCM编码声音信号，最好为遵循标准G.711的64k比特/秒PCM信号。n比特PCM编码信号描述由多描述编码器转换为对于它的表示使用小于n比特的至少两个描述，例如，两个(n-1)比特表示，三个(n-1)比特表示或四个(n-2)比特表示。在接收器端，多描述解码器将接收描述转换回到单个n比特PCM编码声音信号。码型转换对应于一个描述的码字与至少两个不同描述的各个码字之间的译码。通过将PCM编码信号转换为多个描述，不需要对PCM编码信号首先进行解码然后进行重新编码，就能够提供多个描述。

最好，对每个不同段描述单独执行无损编码/解码。这将降低所传输的多个描述所需的比特速率。而且，在发送和接收端对不同的描述分别使用相同类型的各自预测器。这将消除编码器中的预测器与解码器中的预测器之间的失步问题，当在发送/接收端使用单个预测器进行无损编码/解码时，如果具有段描述的分组丢失，则会出现这一问题。

而且，当对声音段的开始处进行无损编码/解码期间生成预测样本时，每个预测器的预测器状态最好设为0。通过这种方式，避免通过声音段边界的误差传播。一般，在无损编码/解码操作期间生成预测样本基于一个或多个量化数字声音样本。

需要理解的是，在此所使用的术语数字信号样本应解释为实际样本或者从一个或多个样本中获得或提取的任何信号表示形式。另外，预测样本应解释为实际数字信号样本的预测，或者从一个或多个数字信号样本中获得或提取的任何预测表示形式。

附图简述

通过下面结合附图对本发明的多个示例性实施例进行详细描述，本发明的其他特性和优点将会变得更加清楚，其中相同的参考符号用于相同的部件，并且在其中：

图1示出根据现有技术实现多个描述的一个示例方式；

图2示出用于通过分组交换网络传输声音的系统的发送部分的概览；

图3示出用于通过分组交换网络传输声音的系统的接收部分的概览；

图4a示出根据本发明一个实施例的用于通过分组交换网络传输声音的系统的发送部分的概览；

图4b示出与图4a所示对应的根据本发明一个实施例的用于通过分组交换网络传输声音的系统的接收部分的概览；

图5示出根据本发明另一个实施例的用于通过分组交换网络传输声音的系统的发送部分的概览；

图6a和6b分别示出在图5所示的实施例中两个不同的丢失分组情况的结果；

图7a和7b分别示出根据本发明另一个实施例的用于通过分组交换网络传输声音的系统的发送部分和接收部分的概览；

图8a和8b分别示出根据本发明一个实施例在发送部分的多描述编码器中对描述进行无损编码和在接收部分的多描述解码器中对描述进行无损解码；和

图9a和9b分别示出根据本发明另一个实施例的用于通过分组交换网络传输声音的系统的发送部分和接收部分的概览。

优选实施例

在图1中，示出实现源信号如声音信号的多个描述的一个示例方式。该方法在本技术领域中是公知的，并且是可以由本发明使用的多个描述的一个例子。然而，实现多个描述的其他适当方式可以同样好地与本发明一起使用。在图1中，示出分别来自两个量化器的两个不同描述100、110的量化电平。如图所示，这两个描述具有相同的量化步长Q，但是描述110的量化电平相对于描述100的量化电平偏移量化步长Q的一半。根据这两个描述100、110，合并将导致具有更细量化步长Q/2的合并描述120。使用两个粗量化器，需要2R比特速率来匹配比特速率为R+1的单个细量化器性能。例如，如果每个描述100、110具有4个量化电平，每个描述将需要2个比特来对这些电平进行编码，即，总共4个比特。如果对合并描述120使用更细的量化器，7个量化电平在编码时将需要3个比特。对于大的R，当使用两个粗量化器来提供多个描述而不是使用一个更细的量化器来提供单个描述时，这将导致比特速率显著提高。

在图2中，示出用于通过分组交换网络传输声音的系统的发送部分的方框图。声音由麦克风210进行拾取，以产生模拟电信号215，模拟电信号215由A/D转换器220采样并量化为数字格式。声音信号的采样率依赖于声音信号的源和所需质量。典型地，采样率对于语音信号为8或16kHz，并且对于音频信号，高至48kHz。数字信号的质量还受A/D转换器的量化器的精度的影响。对于语音信号，精度通常在每样本8到16比特之间。在典型的系统中，发送端包括声音编码器230，以进一步压缩采样数字信号。根据本发明，声音编码器230的一个额外目的是在传输之前修改声音信号表示，从而提高对分组交换网络中分组丢失和延迟的稳健性。采样信号225输入到声音编码器230，它对采样信号进行编码并且将所获得的编码信号组装到数据分组中。数据分组235然后传输到控制器240，它将顺序和目标地址信息加到数据分组，从而使这些分组适于通过分组交换网络进行传输。数据分组245然后通过分组交换网络传输到接收器端。

在图3中，示出用于通过分组交换网络传输声音的系统的接收部分的方框图。控制器350从分组交换网络接收数据分组，剔除地址信息，并且将数据分组355放在抖动缓冲器360中。抖动缓冲器360是一个存储介质，典型地为RAM，它调整数据分组365离开抖动缓冲器360的速率。抖动缓冲器的物理容量是可以存储进入数据分组355的容量。离开抖动缓冲器360的数据分组365输入到声音解码器370。声音解码器370将数据分组中的信息解码为数字声音信号的再现样本。然后，数字信号375由D/A转换器380转换为模拟电信号385，该模拟信号驱动声音再现系统390，例如扬声器，在接收器端产生声音。

如前所述，本发明的声音编码器设计为在传输之前修改声音信号的表示，从而提高分组交换网络中对分组丢失和延迟的稳健性，并且减小比特速率。因此，接收端的声音解码器设计为对该修改后的表示进行解码。本发明使用多个描述来表示声音信号。从而，声音编码器包括多描述编码器，并且因此声音解码器包括多描述解码器。现在将参照图4a和4b对根据本发明一个实施例的声音编码器和声音解码器的设计和操作进行更详细的描述。除了下面对声音编码/解码块的描述之外，整体操作对应于前面参照图2和3所述。

在图4a中，发送端的声音编码器430包括多描述编码器410和分集控制器420。对应地，接收端的图4b所示的声音解码器470包括分集控制器450和多描述解码器480。

现在参照图4a，声音编码器430的多描述编码器410以两种不同的方式对采样声音信号425进行编码，从而获得声音信号的两个不同比特流表示，即两个不同描述。如前所述，每个描述都有其自己的一组量化电平，它是例如通过将其中一个描述的量化电平偏移一半量化步长而获得的。对应地，如果要提供三个描述，则第二描述的量化电平相对于第一描述偏移三分之一步长，并且第三描述相对于第二描述偏移三分之一步长。因此，如图4a所示，可以使用多于两个的描述对声音信号进行编码，而不脱离本发明的范围。然而，为方便描述起见，在此公开的本发明实施例中只使用两个信号描述。

每个描述提供声音信号的编码声音信号段的段描述。相同声音段的不同段描述在各自的分组中传输到分集控制器420。在图4a中，两个描述用D₁和D₂表示。连续段n、n+1、n+2等用描述D₁表示为段描述D₁(n)、D₁(n+1)、D₁(n+2)…，这些段描述在各自的连续数据分组415、416和417中从多描述编码器410传输到分集控制器420。对应地，相同的段还用描述D₂表示为段描述D₂(n)、D₂(n+1)、D₂(n+2)…，并且也在各自的数据分组中传输到分集控制器。因此，声音信号425的每个声音段用每个描述的一个段描述来表示，例如，在图4a中，声音段n+1用描述D₁的段描述D₁(n+1)和描述D₂的段描述D₂(n+1)来表示。

分集控制器420根据所使用的分集方案调度从多描述编码器410接收的分组。在图4a中，分集控制器420将一个声音段的每个段描述顺序安排到不同的分组中。包含相同声音段的不同段描述的分组在不同的时刻传输到控制器440。例如，如图4a所示，声音段n的两个段描述D₁(n)和D₂(n)分别在不同的时间点t₁与t₂和不同的分组421与422中传送到控制器440。因此引入t₂-t₁的延迟来创建时间分集。对于典型的声音段长度20ms，可以使用的典型延迟t₂-t₁为10ms。当从分集控制器420接收到分组时，控制器440对分组进行格式化，如加入顺序和目标地址信息，以随即在分组交换网络上传输。因此，控制器440将带信息的首标H加到每个分组。在使用UDP(User DatagramProtocol，用户数据报协议)和RTP(Real Time Protocol，实时协议)的IPv4传输的情况下，首标大小为320比特。对于20ms的典型语音段长度，每个描述的首标将占用320比特/20毫秒，即16k比特/秒。如果每个语音段用两个段描述表示，则传输段描述的分组的首标一起将需要2*16＝32k比特/秒的比特速率。这可以与用于标准PCM(Pulse Code Modulation，脉冲编码调制)电话的比特速率64k比特/秒相比。因此，开销比特速率将为有效负荷速率的50％(32除以64)。

如前面参照图3所述，由控制器350在接收器端接收分组。控制器删除首标信息，并且将分组传输到抖动缓冲器360，缓冲器360又将分组传输到声音解码器370。现在参照图4b，声音解码器470的分集控制器450从抖动缓冲器接收具有不同段描述的分组。然后，分集控制器调度相同声音段的不同段描述，以同时传输到多描述解码器480。因此，如图4b所示，多描述解码器480将例如同时接收分别具有声音段n的段描述D₁(n)和D₂(n)的分组471和472，然后是分别具有声音段n+1的段描述D₁(n+1)和D₂(n+1)的分组474和475，等等。多描述解码器480从不同分组中为每个声音段提取联合信息(joint information)，并且对声音信号段进行解码，以传输到D/A转换器。如果例如段描述D₁(n)没有到达接收器端或者到达太迟，分集控制器450将只把D₂(n)(如果使用两个描述)调度到多描述解码器480，然后多描述解码器480从所接收的单个段描述D₂(n)中以足够的质量对声音信号的声音段n进行解码。

在图5中，示出本发明的另一个实施例。本实施例与前面参照图4a和4b所述的实施例不同的方面是在由分组交换网络传输的分组中对段描述的组织。因此不同之处在于由声音编码器/解码器的分集控制器在发送/接收端执行的分组组装/拆卸。下面将描述该不同之处。

如参照图4a和4b所述，传输相同声音段的不同段描述的不同分组的首标所导致的开销相当大。为了减轻这一问题，在通过分组交换网络传输分组之前，将属于不同描述且与不同声音段相关的段描述一起分在相同的分组中。如图5所示，发送端的声音编码器的分集控制器520将分别属于两个连续声音段的两个段描述一起分在每个分组中。分组的两个段描述属于声音信号的不同描述。例如，一个分组将包含声音段n-1的段描述D₂(n-1)和声音段n的段描述D₁(n)。控制器540在通过分组交换网络传输包含两个段描述的分组之前，如前所述将首标信息加到每个分组。

因此，如同图4的实施例，本实施例的分集控制器520将声音段的每个段描述顺序安排到各自的分组中，并且如同图4的实施例，包含相同声音段的不同段描述的分组将在不同的时刻传输到控制器540。在图5中，声音段n和n+1的两个段描述D₂(n)和D₁(n+1)在分组522中传送到控制器540。因此，段n+1必须在段描述D₂(n)可以传输到控制器之前已被编码。另一方面，段描述D₁(n)在前一分组521中传输到控制器。如果声音段为20ms，因为D₂(n)要调度到与D₁(n+1)相同的分组522中，所以D₂(n)的传输与D₁(n)的传输相比必须延迟20ms。因此，该方案将自动提供时间分集，因为相同声音段的不同段描述将以20ms的间隔(假定声音段的长度为20ms)传输到控制器540。因此，与图4的实施例相比，使用在分组中组装若干段描述的这一方案，将自动引入相同声音段的两个不同段描述之间的额外延迟。段描述之间的这一额外延迟提供额外的时间分集优点，并且可以在传输链的后面进行补偿，例如，通过使接收端的抖动缓冲器中的延迟设置更小。

而且，根据本实施例的一个分组中的有效负荷量对应于从一个声音段生成的总数据量，因此，当采用这种方案创建时间分集时，不增加开销信息。

与上面所述相对应，本实施例的接收端的分集控制器在对应于图4b所示将段描述传输到多描述解码器之前将接收分组分为它们的段描述部分。

如果一个分组在通过分组交换网络进行传输期间丢失或延迟，图5所示的时间分集方案的效果是一样的，在接收端仍然可以获得所有声音段的描述，并且将感觉不到任何声音段的丢失。在图6a中，示出分组丢失的场景。当包含段描述D₂(n+1)和D₁(n+2)的分组603丢失时，声音段n+1将仍然用前一分组602中的段描述D₁(n+1)来表示，并且声音段n+2用后一分组604中的段描述D₂(n+2)来表示。在图6b中，示出丢失两个连续分组的场景。在这种情况下，当分组611和612丢失时，将得不到段n+2的表示，并且段n+1和n+3将分别用分组610和613中的一个段描述来表示。因此，本实施例示例的分集方案由于总是可以获得一个描述而能够修复一个分组的丢失。两个连续分组的丢失将导致一个声音信号段所有信息的丢失。然而，在一般情况下，通过对于一个声音信号段采用大于两个的段描述，并且与之对应，将大于两个的段描述分在一个分组中，可以在增加延迟的代价下获得更大的分集好处。

如图7a和7b所示，根据本发明另一个实施例，无损编码/解码加到用于通过分组交换网络发送和接收数字化声音信号的传输系统。在图7a中，多描述编码器710的每个描述在由声音编码器730的分集控制器720进行接收之前经过无损编码。对应地，在图7b中，来自声音解码器770的分集控制器750的每个段描述在通过合并器775由多描述解码器780进行接收之前经过无损解码。在声音解码器770中包括合并器是为了保证相同声音段的不同段描述同时到达多描述解码器780。段描述的无损编码/解码分别由发送端和接收端的无损编码器715、716、717和无损解码器760、761、762执行。

无损编码的一般目的是找到一种更不浪费比特的方式来描述数据而不损失任何信息。无损编码器使用有关输入信号的统计信息来减小平均比特速率。例如采用这样的方式来执行：在得出输入信号中的码字出现频率之后在一个表中对这些码字进行排序。然后，最常用的码字用比其他码字更少的比特来表示。一个使用这种思想的本领域公知的无损编码器的例子是Huffman(哈夫曼)编码器。

无损编码只在接收数据中没有比特错误的网络中正常工作。结合无损编码所用的码字具有不同的长度，并且如果发生比特错误，则不可能知道码字何时结束以及新码字何时开始。因此，单个比特错误不仅给当前码字的解码还给整个数据块引入错误。当分组交换网络为IP(网际协议)网络时，所有被破坏的数据分组将被自动丢弃。因此，在这种分组交换网络中，在接收端所接收的数据分组中将不存在比特错误。因此，根据本发明，无损编码如分级或分块Huffman编码适用于分别对声音信号段的多个段描述进行单独压缩。而且，由于当使用多个声音描述时声音信号的比特速率提高，因此最好对段描述进行压缩。

图7a和7b实施例的无损编码器/解码器均包括创建用来包括所有可能的码字及其比特表示的表。在发送端将声音段描述输入到分集控制器720之前，执行简单的表查询，以对声音段描述进行无损压缩。对应地，在接收端，来自分集控制器750的声音段描述在输入到多描述解码器780之前经过无损解码。

参照图8a和8b，根据本发明的一个实施例，进一步分别说明与多描述编码器一起使用无损编码以及与多描述解码器一起使用无损解码。图8a和8b分别示出多描述编码器/解码器相对于使用其工作的其中一个描述的设计和操作。因此，图8a的量化器800表示用于一个描述的量化器，并且在多描述编码器中将分别为所使用的每个描述提供一组图8a所示的所有单元。相应地，在多描述解码器中将分别为所使用的每个描述提供一组图8b所示的所有单元。

参照图8a，对于每个被安置为产生的描述，多描述编码器包括第一量化器800、反量化器810、延迟块820、预测器830、第二量化器840和无损编码器850。因为反量化器810和第二量化器840不是本实施例的必需单元，所以它们用虚线表示。后面将在另一实施例中描述对这些可选单元的使用。

对应地，在图8b中，对于被安置为解码的描述，多描述解码器包括无损解码器855、量化器870、预测器880、延迟块890以及反量化器860和863。因为量化器870和反量化器863不是本实施例的必需单元，所以它们用虚线表示。后面将在另一实施例中描述对这些可选单元的使用。

图8a和8b实施例的每个无损编码器850和每个无损解码器855均包括创建用来包括所有可能的码字及其比特表示的表。在声音段作为码字通过分组交换网络进行传输之前，执行表查询以对具有由量化器800量化的数字声音样本的声音段进行无损编码。对应地，在接收器端，具有数字声音样本的编码声音段的码字经过无损解码为量化数字声音样本，然后这些声音样本由反量化器860反量化为数字声音样本的重构声音段。

在图8a中，从A/D转换器接收的数字化声音信号的数字声音样本由量化器800量化为量化数字声音样本。对于每个量化数字样本，由预测器830根据一个或多个前面量化数字样本生成一个预测样本。预测器830根据前面量化数字样本的量化电平即量化索引或量化值生成预测样本的量化索引，其中前面量化数字样本的电平由量化器800进行输出，并且由延迟块820进行延迟。然后预测样本的量化索引传输到减法器845，其中，将其从由量化器800输出的当前量化数字样本的量化索引中减去。减法器845的结果，即预测样本的量化索引与当前量化数字样本的量化索引之间的差值传输到无损编码器850。无损编码器通过使用从减法器845接收的索引差值作为查询表的条目以输出对应的码字，对当前量化数字样本进行编码。具有量化数字样本的完整编码声音段的码字最终组装到传输到分集控制器的不同分组。可选地，编码声音段的每个码字由分集控制器集中，然后组装到用于编码声音段的不同分组。控制器在通过分组交换网络传输数据分组之前加入首标信息。

在图8b中，无损解码器855从分集控制器接收具有码字的分组。每个码字由无损解码器用来选择查询表中的条目，以输出对应的索引差值，该索引差值又对应一个量化数字样本。对于每个量化数字样本，由预测器880根据一个或多个前面量化数字样本生成一个预测样本。接收端的预测器880构造为以与发送端的预测器830相同的方式工作。这些预测器的典型结构是当生成数字化声音信号的开始量化数字样本所对应的预测样本时，预测器的状态为零。采用与发送端相同的方式，预测器880根据前面量化数字样本的量化电平即量化索引或量化值生成一个量化索引，其中前面量化数字样本的电平隐式地由无损解码器855进行输出，并且由延迟块890进行延迟。然后所生成预测样本的量化索引传输到加法器865，其中，将其加到从无损解码器855输出的索引差别。加法器865的结果，即预测样本的量化索引与索引差别之和传输到反量化器860，其中，它在传输到D/A转换器之前经过反量化。

在另一些实施例中，多描述编码器包括如图8a所示的反量化器810和/或第二量化器840。对应地，根据这些其他实施例的多描述解码器包括量化器870和/或反量化器863。

使用反量化器810和863，量化将输入到预测器830和880的数字样本的量化值而不是量化索引，并且预测器将根据值而不是索引生成预测样本。

如果预测器830和880不包括用于输出所生成预测样本的量化电平如索引的量化表，多描述编码器/解码器将包括量化器840、870来提供所生成预测样本的量化电平，例如索引。通过这种方式，减法器845和加法器865的输入仍将是预测样本的量化电平。而且，使用量化器840和870，可以确定所生成预测样本的量化电平为属于预定电平集的合法电平，而不是落在不同合法量化电平之间的电平。

根据本发明，为了避免误差传播，具有数字声音样本的一个声音段的数字样本所对应的所生成预测样本不应基于前面声音段的数字样本。根据一个实施例，这通过在对具有量化数字样本的新声音段进行编码之前将预测器830的预测器状态设为0来实现。对应地，在接收端的多描述解码器中，在对具有量化数字样本的新声音段进行解码之前，将预测器880的预测器状态设为0。可选地，不同于将预测器状态设为0，可以在具有数字样本的每个声音段中包含状态信息。

参照图9a和9b描述本发明的另一实施例。在本实施例中，声音编码器的多描述编码器910由普通PCM编码器911以及随后的码型变换器912组成。因此，使用普通PCM编码器911对由声音编码器从A/D转换器接收的数字化声音信号进行编码。然后所获得的PCM比特流由码型变换器912转换，即译码为若干比特流，然后，每个比特流提供PCM的粗表示。图9b示出对应的多描述解码器。多描述解码器980包括码型变换器981，用于将所接收的多个比特流描述转换为单个PCM比特流。然后，该PCM比特流在传输到D/A转换器之前由普通PCM解码器982进行解码。下面将举例说明码型转换或译码方法，其中，一个64k比特/秒PCM比特流转换为提供多个PCM信号描述的两个比特流。

采用μ律对数压缩的标准64k比特/秒PCM编码器使用8比特/样本对样本进行编码。这提供256个不同码字，但是量化器只包括255个不同的电平。零电平用两个不同的码字来表示以简化硬件实现。根据本实施例，每个量化电平用一个整数索引表示，从用于最负电平的零开始直到用于最高电平的254。通过删除每个整数索引的最低位比特，获得两个比特流中的第一比特流。该新索引表示两个粗量化器的第一量化器中的量化电平。通过在删除最低位比特之前对每个索引加1来获得第二比特流。因此，从原始8比特PCM表示中获取两个7比特表示。对两个表示的解码方式是：在分组丢失的情况下，可以对单个表示执行解码；或者对两个表示执行解码，在这种情况下，原始PCM信号被重构。解码只是简单地转换回到PCM索引，然后进行表查询。

可选地，PCM编码器910是使用A律对数压缩的标准64k比特/秒PCM编码器。在这种情况下，量化器中的电平数目为256，比μ律编码器多一个。为使用两个新量化网格表示该256个电平，并且能够完全重构该信号，一个网格需要采用128个电平，并且另一个需要采用129个电平。最好使用如同μ律情况的两个7比特网格，然而必须解决额外量化电平的问题。根据本发明，每个量化电平用一个整数索引表示，从用于最负电平的零开始直到用于最高电平的255。除表示索引号255之外，使用与μ律情况完全相同的规则来形成新索引。索引号255对于第一量化器用索引号126表示，并且对于第二量化器用索引号127表示，而不是假如遵循上述规则所得到的128和127。当将两个比特流转换为A律PCM比特流时，解码器必须检查该索引表示。如果在传输之后只接收到两个描述中的第一描述并且所编码的是第255索引，则解码器将引入比其他索引稍高的量化误差。

编码PCM信号包含高度的冗余。因此，结合采用PCM编码/解码的本实施例与对从PCM声音信号获得的多个描述的无损编码/解码，是尤其有利的。如图9a和9b所示，分别由发送端和接收端的无损编码器930、931、932和无损解码器960、961、962执行对描述的无损编码/解码。

如果已经由声音编码器接收的数字化声音信号表示为64k比特/秒PCM比特流，并且如果接收部分的声音解码器应输出64k比特/秒PCM比特流，则不需要发送部分的PCM编码器和接收部分的PCM解码器。在这种情况下，本发明的多描述编码器接收PCM比特流，并且将PCM索引转换为上述0到254表示。该表示直接输入到码型转换器，它使用上面给出的简单规则将比特流转换为两个新比特流。在系统的接收器端，分集控制器集中接收分组中的信息。如果所有分组到达，则码型转换器合并来自多个描述的信息，并且将其转换回到原始PCM比特流。如果一些分组丢失，则不能完全重构原始比特流，但是从已到达的描述中获得良好的近似。

尽管在上面本发明是参照其不同实施例来举例描述的，但应该理解，在不脱离由所附权利要求限定的本发明范围的情况下，可以对其进行各种修改和改变。

Claims

1.一种对数字化声音信号进行编码并且通过分组交换网络传输编码数字化声音信号的方法，所述方法提供分集并且包括如下步骤：

将所述数字化声音信号及其声音段编码为具有各自段描述的至少两个不同段描述，每个描述是具有各自量化电平集的声音信号表示，其中，每个声音段用至少两个不同的段描述来表示；以及

对于每一个所述声音段，将所述至少两个不同段描述分别在不同的时间点在各自的数据分组中进行传输，其中，在传输声音段的两个不同段描述之间引入预定时间间隔。

2.如权利要求1所述的方法，包括如下步骤：将若干不同声音段的若干段描述一起分在同一数据分组中，其中，数据分组的每个段描述根据对应的声音信号描述来描述一个声音段。

3.如权利要求1-2中的任一权利要求所述的方法，包括如下步骤：将第一声音段的第一段描述与第二声音段的第二段描述一起分在同一数据分组中，其中，数据分组的每个段描述根据对应的声音信号描述来描述一个声音段。

4.如权利要求3所述的方法，其中，所述第一声音段和所述第二声音段为所述数字化声音信号的两个连续声音段。

5.如权利要求1-4中的任一权利要求所述的方法，其中，包含声音段的一个段描述的数据分组在所述分组交换网络中的传输路径不同于包括同一声音段的另一段描述的分组。

6.如权利要求1-5中的任一权利要求所述的方法，其中，所述数字化声音信号为PCM编码比特流。

7.如权利要求6所述的方法，其中，所述编码步骤包括将n比特PCM表示比特流转换为至少两个表示比特流，其中每个表示比特流用小于n比特来表示，并且为具有各自量化电平集的声音信号描述。

8.如权利要求1-7中的任一权利要求所述的方法，其中，每个段描述在包含到传输数据分组中之前经过无损编码，无损编码包括通过采用编码数字化声音信号中的冗余压缩段描述。

9.如权利要求8所述的方法，其中，所述无损编码包括如下步骤：

对声音段的数字化声音样本进行量化；

根据所述声音段的前面量化数字声音样本，生成预测样本；以及

根据所生成的预测样本对量化数字声音样本进行无损编码。

10.一种对来自分组交换网络的编码数字化声音信号进行接收和解码的方法，所述方法利用由接收分组提供的分集，并且包括如下步骤：

在预定时间周期内等待接收至少两个不同的分组，其中，这些分组包含同一声音段的不同段描述；以及

a)如果在所述时间周期内接收到所述不同段描述，根据所述至少两个不同分组所包含的所述不同段描述的合并，对所述声音信号段进行解码，或者

b)根据在所述时间周期内接收的那些不同段描述，一个或者多个的合并，对所述声音信号段进行解码。

11.如权利要求10所述的方法，其中，每个接收分组包括分在一起的若干不同声音段的若干段描述，所述方法包括如下步骤：相对于所包含的段描述，连续分解接收分组，从而获得每个声音段的若干不同段描述，根据这些段描述，对所述每个声音段进行解码。

12.如权利要求10或11所述的方法，其中，所述编码数字化声音信号为PCM编码比特流。

13.如权利要求12所述的方法，其中，相同声音信号段的两个段描述的合并包括将每个均用小于n比特表示的至少两个段表示转换为所述相同声音信号段的单个n比特PCM表示。

14.如权利要求10-13中的任一权利要求所述的方法，其中，接收段描述在与相同声音信号段的另一段描述进行合并之前经过无损解码。

15.如权利要求14所述的方法，其中，所述无损解码包括如下步骤：

将接收段描述的码字无损解码为接收量化电平；

根据所述数字化声音信号的量化数字声音样本，生成预测样本；

根据所生成的预测样本，从所述量化电平获得所述数字化声音信号的接收量化数字声音样本；以及

将所述接收量化数字声音样本反量化为所述数字化声音信号的数字化声音样本。

16.一种计算机可读介质，具有计算机可执行指令，用于使数字化声音信号以提供分集的方式进行编码并且通过分组交换网络进行传输，所述计算机可执行指令执行如权利要求1-9中的任一权利要求所述的方法的步骤。

17.一种计算机可读介质，具有计算机可执行指令，用于使来自分组交换网络的数字化声音信号以利用由接收分组提供的分集的方式进行接收和解码，所述计算机可执行指令执行如权利要求10-15中的任一权利要求所述的方法的步骤。