ES2755166T3 - Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo - Google Patents

Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo Download PDF

Info

Publication number
ES2755166T3
ES2755166T3 ES17201221T ES17201221T ES2755166T3 ES 2755166 T3 ES2755166 T3 ES 2755166T3 ES 17201221 T ES17201221 T ES 17201221T ES 17201221 T ES17201221 T ES 17201221T ES 2755166 T3 ES2755166 T3 ES 2755166T3
Authority
ES
Spain
Prior art keywords
audio
time domain
error concealment
information
frame
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES17201221T
Other languages
English (en)
Inventor
Jérémie Lecomte
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Original Assignee
Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV filed Critical Fraunhofer Gesellschaft zur Foerderung der Angewandten Forschung eV
Application granted granted Critical
Publication of ES2755166T3 publication Critical patent/ES2755166T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
    • G10L19/125—Pitch excitation, e.g. pitch synchronous innovation CELP [PSI-CELP]
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/005—Correction of errors induced by the transmission channel, if related to the coding algorithm
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/012—Comfort noise or silence coding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—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
    • G10L19/032—Quantisation or dequantisation of spectral components
    • G10L19/038—Vector quantisation, e.g. TwinVQ audio
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
    • 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

Landscapes

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

Abstract

Decodificador (200; 400) de audio para proporcionar una información (220; 412) de audio decodificada basándose en una información (210; 410) de audio codificada, comprendiendo el decodificador de audio: una ocultación (240; 480; 600) de error configurada para proporcionar una información (242; 482; 612) de audio de ocultación de error para la ocultación de una pérdida de una trama de audio, en el que la ocultación de error está configurada para modificar una señal (452, 456; 610) de excitación de dominio de tiempo obtenida para una o más tramas de audio que preceden una trama de audio perdida, para obtener la información de audio de ocultación de error; caracterizado porque la ocultación (240; 480; 600) de error está configurada para escalar en el tiempo la señal (452,456; 610) de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, o la una o más copias de la misma, dependiendo de una predicción de un tono para el tiempo de la una o más tramas de audio perdidas.

Description

DESCRIPCIÓN
Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
Campo técnico
Las realizaciones de acuerdo con la invención crean decodificadores de audio para proporcionar una información de audio decodificada basándose en una información de audio codificada.
Algunas realizaciones de acuerdo con la invención crean métodos para proporcionar una información de audio decodificada basándose en una información de audio codificada.
Algunas realizaciones de acuerdo con la invención crean programas informáticos para la realización de uno de dichos métodos.
Algunas realizaciones de acuerdo con la invención se refieren a una ocultación de dominio de tiempo para un códec de dominio de transformada.
Antecedentes de la invención
En los últimos años, ha habido una creciente demanda de transmisión y almacenamiento digital de contenidos de audio. Sin embargo, los contenidos de audio con frecuencia se transmiten sobre canales no confiables, lo que acarrea el riesgo de que se pierdan las unidades de datos (por ejemplo, paquetes) que comprenden una o más tramas de audio (por ejemplo, en la forma de una representación codificada, como, por ejemplo, una representación de dominio de frecuencia codificada o una representación de dominio de tiempo codificada). En algunas situaciones, será posible requerir una repetición (reenvío) de las tramas de audio perdidas (o de unidades de datos, como paquetes, que comprenden una o más tramas de audio perdidas). Sin embargo, esto típicamente producirá un retardo sustancial, y, por lo tanto, requerirá un extenso almacenamiento intermedio de tramas de audio. En otros casos, es casi imposible requerir una repetición de tramas de audio perdidas.
Para obtener una buena, o al menos aceptable, calidad de audio dado el caso que las tramas de audio se pierdan sin proporcionar extenso almacenamiento intermedio (lo que consumiría una gran cantidad de memoria, y lo que, además, degradaría sustancialmente las capacidades en tiempo real de la codificación de audio), es deseable contar con conceptos para manejar una pérdida de una o más tramas de audio. En particular, es deseable contar con conceptos que produzcan una buena calidad de audio, o al menos, una calidad de audio aceptable, incluso, en el caso de que las tramas de audio se pierdan.
En el pasado, se han desarrollado algunos conceptos de ocultación de error, que pueden emplearse en diferentes conceptos de codificación de audio.
A continuación, se describirá un concepto de codificación de audio convencional.
En la norma 3gpp TS26.290, se explica una decodificación por excitación codificada de transformada (decodificación TCX) con ocultación de error. A continuación, se proporcionarán algunas explicaciones, que se basan en la sección de “Síntesis de señal y decodificación de modo TCX” en la referencia [1].
Un decodificador TCX de acuerdo con la Norma Internacional 3gpp TS 26.290 se muestra en las figuras 7 y 8, en el que las figuras 7 y 8 muestran diagramas de bloques del decodificador TCX. Sin embargo, la figura 7 muestra aquellos bloques funcionales que son pertinentes para la decodificación TCX en una operación normal, o en un caso de una pérdida de paquetes parcial. En contraste, la figura 8 muestra el procesamiento pertinente de la decodificación TCX en el caso de ocultación de borrado de paquete TCX-256.
En otras palabras, las figuras 7 y 8 muestran un diagrama de bloques del decodificador TCX que incluye los siguientes casos:
Caso 1 (Fig. 8): Ocultación de borrado de paquetes en TCX-256 cuando la longitud de trama TCX es de 256 muestras y el paquete relacionado está perdido, es decir, BFI_TCX = (1); y
Caso 2 (Fig. 7): decodificación TCX normal, posiblemente, con pérdidas de paquetes parciales.
A continuación, se proporcionarán algunas explicaciones en relación con las figuras 7 y 8.
Tal como se menciona, la figura 7 muestra un diagrama de bloques de un decodificador TCX que realiza una decodificación TCX en operación normal, o, en el caso de pérdida de paquete parcial. El decodificador 700 TCX de acuerdo con la figura 7 recibe parámetros 710 específicos de TCX y proporciona, basándose en el mismo, la información 712, 714 de audio decodificada.
El decodificador 700 de audio comprende un demultiplexor “DEMUX TCX 720”, que está configurado para recibir los parámetros 710 específicos de TCX y la información “BFI_TCX”. El demultiplexor 720 separa los parámetros 710 específicos de TCX, y proporciona una información 722 de excitación codificada, una información 724 de relleno de ruido codificada, y una información de ganancia global codificada 726. El decodificador 700 de audio comprende un decodificador 730 de excitación, que está configurado para recibir la información 722 de excitación codificada, la información 724 de relleno de ruido codificada y la información 726 de ganancia global codificada, al igual que cierta información adicional (por ejemplo, una bandera de tasa de bits “tasa_bits_bandera”, una información “BFI_TCX” y una información de longitud de trama TCX. El decodificador 730 de excitación proporciona, basándose en el mismo, una señal 728 de excitación de dominio de tiempo (también designada con “x”). El decodificador 730 de excitación comprende un procesador 732 de información de excitación, que demultiplexa la información 722 de excitación codificada y decodifica los parámetros de cuantificación de vector algebraico. El procesador 732 de información de excitación proporciona una señal 734 de excitación intermedia, que, típicamente, se encuentra en una representación de dominio de frecuencia, y que se designa con Y. El codificador 730 de excitación además comprende un inyector 736 de ruido, que está configurado para inyectar ruido en subbandas no cuantificadas, para derivar una señal 738 de excitación rellena con ruido de la señal 734 de excitación intermedia. La señal de excitación rellena con ruido 738 típicamente se encuentra en el dominio de frecuencia, y se designa con Z. El inyector 736 de ruido recibe una información 742 de intensidad de ruido desde un decodificador de nivel de relleno de ruido 740. El decodificador de excitación además comprende un desénfasis de baja frecuencia adaptativo 744, que está configurado para realizar una operación de desénfasis de baja frecuencia basándose en la señal 738 de excitación rellena con ruido, para obtener de esta manera una señal 746 de excitación procesada, que se encuentra aún en el dominio de frecuencia, y que se designa con X'. El decodificador 730 de excitación además comprende un transformador 748 de dominio de frecuencia a dominio de tiempo, que está configurado para recibir la señal 746 de excitación procesada y para proporcionar, basándose en la misma, una señal 750 de excitación de dominio de tiempo, que se asocia con una cierta porción de tiempo representada por un conjunto de parámetros de excitación de dominio de frecuencia (por ejemplo, de la señal 746 de excitación procesada). El decodificador 730 de excitación además comprende un escalador 752, que está configurado para escalar la señal 750 de excitación de dominio de tiempo para obtener una señal de excitación de dominio de tiempo escalada 754. El escalador 752 recibe una información 756 de ganancia global desde un decodificador 758 de ganancia global, en el que, en respuesta, el decodificador 758 de ganancia global recibe la información 726 de ganancia global codificada. El decodificador 730 de excitación además comprende una síntesis 760 de superposición y adición, que recibe las señales 754 de excitación de dominio de tiempo escaladas asociadas con una pluralidad de porciones de tiempo. La síntesis 760 de superposición y adición realiza una operación de superposición y adición (que puede incluir una operación de generación de ventanas) basándose en las señales 754 de excitación de dominio de tiempo escaladas, para obtener una señal 728 de excitación de dominio de tiempo temporalmente combinada durante un periodo más largo en el tiempo (más largo que los periodos en el tiempo para los cuales se proporcionan las señales 750, 754 de excitación de dominio de tiempo individuales).
El decodificador 700 de audio además comprende una síntesis 770 de LPC, que recibe la señal 728 de excitación de dominio de tiempo proporcionada por la síntesis 760 de superposición y adición y uno o más coeficientes de LPC que definen una función de filtro 772 de síntesis de LPC. La síntesis 770 de LPC, por ejemplo, puede comprender un primer 774 filtro, que, por ejemplo, puede filtrar por síntesis la señal 728 de excitación de dominio de tiempo, para obtener de esta manera la señal 712 de audio decodificada. Opcionalmente, la síntesis 770 de LPC puede comprender además un segundo 772 filtro de síntesis que está configurado para filtrar por síntesis la señal de salida del primer 774 filtro usando otra función de filtro de síntesis, para obtener de esta manera la señal de audio decodificada 714.
A continuación, se describirá la decodificación TCX en el caso de una ocultación de borrado de paquetes TCX-256. La figura 8 muestra un diagrama de bloques del decodificador TCX, en este caso.
La ocultación 800 de borrado de paquetes recibe una información de tono 810, que se designa además con “tono_tcx”, y que se obtiene a partir de una trama TCX decodificada previa. Por ejemplo, la información de tono 810 puede obtenerse usando un estimador 747 de tono dominante desde la señal 746 de excitación procesada en el decodificador 730 de excitación (durante la decodificación “normal”). Además, la ocultación 800 de borrado de paquetes recibe parámetros 812 de LPC, que pueden representar una función de filtro de síntesis de LPC. Los parámetros 812 de LPC, por ejemplo, pueden ser idénticos a los parámetros 772 de LPC. En consecuencia, la ocultación 800 de borrado de paquetes puede configurarse para proporcionar, basándose en la información de tono 810 y los parámetros 812 de LPC, una señal 814 de ocultación de error, que puede considerarse una información de audio de ocultación de error. La ocultación 800 de borrado de paquetes comprende una memoria 820 intermedia de excitación, que, por ejemplo, puede almacenar en memoria intermedia una excitación previa. La memoria 820 intermedia de excitación, por ejemplo, puede hacer uso del libro de códigos adaptativo ACELP, y puede proporcionar una señal 822 de excitación. La ocultación 800 de borrado de paquetes puede comprender adicionalmente un primer 824 filtro, una función de filtro que puede definirse como se muestra en la figura 8. Por lo tanto, el primer 824 filtro puede filtrar la señal 822 de excitación basándose en los parámetros 812 de LPC, para obtener una versión 826 filtrada de la señal 822 de excitación. La ocultación de borrado de paquetes además comprende un limitador 828 de amplitud, que puede limitar una amplitud de la señal 826 de excitación filtrada basándose en información objetivo o información de nivel rmswsyn. Además, la ocultación 800 de borrado de paquetes puede comprender un segundo 832 filtro, que puede estar configurado para recibir la señal 830 de excitación filtrada limitada de amplitud desde el limitador 822 de amplitud y para proporcionar, basándose en la misma, la señal 814 de ocultación de error. Una función 832 de filtro del segundo filtro, por ejemplo, puede definirse como se muestra en la figura 8.
A continuación, se describirán algunos detalles con respecto a la decodificación y a la ocultación de error.
En el caso 1 (ocultación de borrado de paquetes en TCX-256), no hay información disponible para la decodificación de la trama TCX de 256 muestras. La síntesis de TCX se halla mediante el procesamiento de la excitación pasada retardada por T, donde T=tono_tcx es una demora de tono estimada en la trama TCX previamente decodificada, por un filtro no lineal aproximadamente equivalente a ^ A(z). Se usa un filtro no lineal en lugar de 1/A(z) para evitar chasquidos en la síntesis. Este filtro se descompone en 3 etapas.
Etapa 1: filtración mediante:
A( z / y) 1
A( z) 1 - a z -para mapear la excitación retardada por T en el dominio objetivo de TCX;
Etapa 2: la aplicación de un limitador (la magnitud se limita a rmswsyn)
Etapa 3: la filtración mediante:
1 - a z -1
A( z / y)
para hallar la síntesis. Obsérvese que la memoria intermedia OVLP_TCX se establece en cero, en este caso.
Decodificación de los parámetros VQ algebraicos
En el caso 2, la decodificación de TCX involucra la decodificación de los parámetros VQ algebraicos que describen cada bloque cuantificado k del espectro escalado X', donde X' es como se describe en la Etapa 2 de la Sección 5.3.5.7 de 3gpp TS 26.290. Recuérdese que X' tiene dimensión N, donde N = 288, 576 y 1152 para TCX-256, 512 y 1024, respectivamente, y que cada bloque B'k tiene dimensión 8. El número K de bloques B'k es, por lo tanto, 36, 72 y 144 para TCX-256, 512 y 1024, respectivamente. Los parámetros VQ algebraicos para cada bloque B'k se describen el Etapa 5 de la Sección 5.3.5.7. Para cada bloque B'k, se envían tres grupos de índices binarios por el codificador:
a) el índice de libro de códigos nk, transmitido en código unario como se describe en el etapa 5 de la Sección 5.3.5.7; b) la serie Ik de un punto de rejilla seleccionado c en un denominado libro de códigos base, que indica la permutación que debe aplicarse a un líder específico (véase la etapa 5 de la Sección 5.3.5.7) para obtener un punto de rejilla c;
c) y, si el bloque cuantificado k (un punto de rejilla) no se estaba en el libro de códigos base, los 8 índices del vector de índice de extensión de Voronoi k calculado en la subetapa V1 de la Etapa 5 en la Sección; a partir de índices de extensión de Voronoi, puede calcularse un vector de extensión z como en la referencia [1] de 3gpp TS 26.290. El número de bits en cada componente del vector de índice k se proporciona por el orden de extensión r, que puede obtenerse a partir del valor de código unario de índice nk. El factor de escala M de la extensión de Voronoi se proporciona por M = 2r.
A continuación, a partir del factor de escala M, el Vector de extensión de Voronoi z (un punto de rejilla en REa) y el punto de rejilla c en el libro de códigos base (también, un punto de rejilla en RE8), cada bloque escalado cuantificado k puede calcularse como:
B k = M c z
Cuando no hay extensión de Voronoi (es decir, nk< 5, M=1 y z=0), el libro de códigos base es o bien el libro de códigos Q0, Q2, Q3 o Q4 de la referencia [1] de 3gpp TS 26.290. Entonces no se requieren bits para transmitir el D
vector k. De lo contrario, cuando se usa la extensión de Voronoi debido a que k es suficientemente grande, entonces solo Q3 o Q4 de la referencia [1] se usan como un libro de códigos base. La selección de Q3 o Q4 está implícita en el valor de índice de libro de códigos nk, como se describe en el etapa 5 de la Sección 5.3.5.7.
Estimación del valor de tono dominante.
La estimación del tono dominante se realiza de modo tal que la siguiente trama a decodificarse puede extrapolarse apropiadamente si corresponde a TCX-256, y si el paquete relacionado está perdido. Esta estimación está basada en la asunción de que el pico de máxima magnitud en el espectro del objetivo TCX corresponde al tono dominante. La búsqueda de la máxima M se restringe a una frecuencia inferior a Fs/64 kHz
M = max¡=1.,N/32 ( X’2¡ )2+ ( X ' 2 ¡+ 1 )2
y el índice mínimo 1 < imax < N/32 de modo tal que (X'2i)2+(X'2i+1 )2 = M también se halla. A continuación, el tono dominante se estima en el número de muestras como Test= N / imax (este valor puede no ser entero). Recuérdese que el tono dominante se calcula para la ocultación de borrado de paquetes en TCX-256. Para evitar problemas de almacenamiento intermedio (la memoria intermedia de excitación se limita a 256 muestras), si Test > 256 muestras, tono_tcx se establece en 256; de lo contrario, si Test < 256, se evita periodo de tono múltiple en 256 muestras estableciendo tono tcx en
tono_tcx = max { Ln TestJ | n entero > 0 y nTest < 256}
donde L.J indica el redondeo al entero más cercano hacia -<».
A continuación, se describirán brevemente algunos conceptos convencionales adicionales.
En ISO_IEC_DIS_23003-3 (referencia [3]), se explica una decodificación TCX que emplea MDCT en el contexto del Códec Unificado de Voz y Audio.
En el estado de la técnica de AAC (consúltese, por ejemplo, referencia [4]), solo se describe un modo de interpolación. De acuerdo con la referencia [4], el decodificador núcleo AAC incluye una función de ocultación que incrementa el retardo del decodificador por una trama.
En la Patente Europea EP 1207519 B1 (referencia [5]), se describe la provisión de un decodificador de voz y método de compensación de error que pueden lograr el mejoramiento adicional para la voz decodificada en una trama en la cual se detectar un error. De acuerdo con la patente, un parámetro de codificación de voz incluye información de modo que expresa rasgos de cada segmento corto (trama) de voz. El codificador de voz calcula de manera adaptativa los parámetros de demora y los parámetros de ganancia utilizados para la decodificación de voz de acuerdo con la información de modo. Además, el decodificador de voz controla de manera adaptativa la relación de ganancia de excitación adaptativa y la ganancia de excitación fijada de acuerdo con la información de modo. Además, el concepto de acuerdo con la patente comprende el control adaptativo de los parámetros de ganancia de excitación adaptativa y los parámetros de ganancia de excitación fijada utilizados para la decodificación de voz de acuerdo con valores de parámetros de ganancia decodificada en una unidad de decodificación normal en la cual no se detecta error, inmediatamente después de una unidad de decodificación cuyos datos codificados se detectan con un error.
Se conoce según la patente US 8255207 B2 y los métodos de la solicitud internacional WO2005/070806 para la ocultación de errores de la trama, en vista de la técnica anterior, hay una necesidad de una mejora adicional de la ocultación de error, que proporciona una mejor impresión auditiva.
3. Sumario de la invención.
La presente invención proporciona un decodificador de audio según la reivindicación 1, un método según la reivindicación 2 y un programa informático según la reivindicación 3.
Todas las siguientes ocurrencias de la palabra “realizaciones” o de la palabra “aspecto” si se refieren a implementaciones que no comprenden todas las características de las reivindicaciones independientes, o equivalentes de las mismas, deben interpretarse como ejemplos adicionales.
Una realización según la invención crea un decodificador de audio para proporcionar una información de audio decodificada basándose en una información de audio codificada. El decodificador de audio comprende una ocultación de error configurada para proporcionar una información de audio de ocultación de errores para la ocultación de una pérdida de una trama de audio (o más de una pérdida de la trama) que sigue una trama de audio codificada en una representación de dominio de frecuencia, usando una señal de excitación de dominio de tiempo.
Esta realización de acuerdo con la invención está basada en el hallazgo de que puede obtenerse una ocultación de error mejorada al proporcionar la información de audio de ocultación de error basándose en una señal de excitación de dominio de tiempo, incluso, si la trama de audio que precede una trama de audio perdida está codificada en una representación de dominio de frecuencia. En otras palabras, se ha reconocido que una calidad de una ocultación de error típicamente es mejor si la ocultación de error se realiza basándose en una señal de excitación de dominio de tiempo, cuando se compara con una ocultación de error realizada en un dominio de frecuencia, de modo tal que vale la pena la conmutación a una ocultación de error de dominio de tiempo, usando una señal de excitación de dominio de tiempo, incluso si el contenido de audio que precede la trama de audio perdida está codificado en el dominio de frecuencia (es decir, en una representación de dominio de frecuencia). Esto es válido, por ejemplo, para una señal monofónica y, en su mayoría, para voz.
Por consiguiente, la presente invención permite obtener una buena ocultación de error, incluso si la trama de audio que precede la trama de audio perdida está codificada en el dominio de frecuencia (es decir, en una representación de dominio de frecuencia).
En una realización preferida, la representación de dominio de frecuencia comprende una representación codificada de una pluralidad de valores espectrales y una representación codificada de una pluralidad de factores de escala para la escala de los valores espectrales, o el decodificador de audio está configurado para derivar una pluralidad de factores de escala para la escala de los valores espectrales a partir de una representación codificada de parámetros de LPC. Esto podría realizarse usando FDNS (Conformación de Ruido de Dominio de Frecuencia). Sin embargo, se ha hallado que es conveniente derivar la señal de excitación de dominio de tiempo (que puede servir como una excitación para una síntesis de LPC) incluso si la trama de audio que precede la trama de audio perdida está originalmente codificada en la representación de dominio de frecuencia que comprende información sustancialmente diferente (a decir, una representación codificada de una pluralidad de valores espectrales en una representación codificada de una pluralidad de factores de escala para la escala de los valores espectrales). Por ejemplo, en el caso de TCX, no enviamos factores de escala (desde un codificador hacia un decodificador), sino la LPC, y luego, en el decodificador, transformamos la LPC en una representación de factor de escala para los segmentos de la MDCT. En otras palabras, en el caso de TCX, enviamos el coeficiente de LPC, y luego, en el decodificador, transformamos dichos coeficientes de LPC en una representación de factor de escala para TCX en USAC o en AMR-WB+ donde no hay ningún factor de escala en absoluto.
En una realización preferida, el decodificador de audio comprende un núcleo de decodificador de dominio de frecuencia configurado para la aplicación de una escala basándose en factores de escala, a una pluralidad de valores espectrales derivados de la representación de dominio de frecuencia. En este caso, la ocultación de error está configurada para proporcionar la información de audio de ocultación de error para la ocultación de una pérdida de una trama de audio seguido de una trama de audio codificada en la representación de dominio de frecuencia que comprende una pluralidad de factores de escala codificados usando una señal de excitación de dominio de tiempo derivada de la representación de dominio de frecuencia. Esta realización de acuerdo con la invención está basada en el hallazgo de que la derivación de la señal de excitación de dominio de tiempo a partir de la anteriormente mencionada representación de dominio de frecuencia típicamente proporciona un mejor resultado de ocultación de error en comparación con una ocultación de error realizada directamente en el dominio de frecuencia. Por ejemplo, la señal de excitación se crea basándose en la síntesis de la trama previa; entonces, no importa realmente si la trama previa es una trama de dominio de frecuencia (MDCT, FFT...) o una trama de dominio de tiempo. Sin embargo, pueden observarse ventajas particulares si la trama previa era un dominio de frecuencia. Además, debe observarse que se logran resultados particularmente buenos, por ejemplo, para señal monofónica como voz. A modo de otro ejemplo, los factores de escala podrían transmitirse como coeficientes de LPC, por ejemplo, usando una representación polinomial que a continuación se convierte en factores de escala en el lado del decodificador.
En una realización preferida, el decodificador de audio comprende un núcleo de decodificador de dominio de frecuencia configurado para derivar una representación de señal de audio de dominio de tiempo a partir de la representación de dominio de frecuencia sin el uso de una señal de excitación de dominio de tiempo como una cantidad intermedia para la trama de audio codificada en la representación de dominio de frecuencia. En otras palabras, se ha hallado que el uso de una señal de excitación de dominio de tiempo para una ocultación de error es ventajoso incluso si la trama de audio que precede a la trama de audio perdida está codificada en un modo de frecuencia “real” que no usa ninguna señal de excitación de dominio de tiempo como una cantidad intermedia (y que, en consecuencia, no está basada en una síntesis de LPC).
En una realización preferida, la ocultación de error está configurada para obtener la señal de excitación de dominio de tiempo basándose en la trama de audio codificada en la representación de dominio de frecuencia que precede una trama de audio perdida. En este caso, la ocultación de error está configurada para proporcionar la información de audio de ocultación de error para la ocultación de la trama de audio perdida usando dicha señal de excitación de dominio de tiempo. En otras palabras, se ha reconocido que la señal de excitación de dominio de tiempo, que se usa para la ocultación de error, debería derivarse de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida, ya que esta señal de excitación de dominio de tiempo derivada de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida proporciona una buena representación de un contenido de audio de la trama de audio que precede la trama de audio perdida, de modo tal que la ocultación de error pueda realizarse con moderado esfuerzo y buena exactitud.
En una realización preferida, la ocultación de error está configurada para realizar un análisis de LPC basándose en la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida, para obtener un conjunto de parámetros de codificación de predicción lineal y la señal de excitación de dominio de tiempo que representa un contenido de audio de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida. Se ha hallado que vale la pena el esfuerzo de realizar un análisis de LPC, para derivar los parámetros de codificación de predicción lineal y la señal de excitación de dominio de tiempo, incluso si la trama de audio que precede la trama de audio perdida está codificada en una representación de dominio de frecuencia (que no contiene ningún parámetro de codificación de predicción lineal y ninguna representación de una señal de excitación de dominio de tiempo), debido a que puede obtenerse una información de audio de ocultación de error de buena calidad para muchas señales de audio de entrada basándose en dicha señal de excitación de dominio de tiempo. Como alternativa, la ocultación de error puede configurarse para realizar un análisis de LPC basándose en la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida, para obtener la señal de excitación de dominio de tiempo que representa un contenido de audio de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida. Además, como alternativa, el decodificador de audio puede estar configurado para obtener un conjunto de parámetros de codificación de predicción lineal usando una estimación de parámetros de codificación de predicción lineal, o el decodificador de audio puede estar configurado para obtener un conjunto de parámetros de codificación de predicción lineal basándose en un conjunto de factores de escala usando una transformada. En otras palabras, los parámetros de LPC pueden obtenerse usando la estimación de parámetros de LPC. Esto podría realizarse o bien mediante la generación de ventanas/autocorr/levinson durbin basándose en la trama de audio codificada en la representación de dominio de frecuencia o mediante la transformación a partir del factor de escala previo directamente a la representación de LPC.
En una realización preferida, la ocultación de error está configurada para obtener una información de tono (o retardo) que describe un tono de la trama de audio codificada en el dominio de frecuencia que precede la trama de audio perdida, y para proporcionar la información de audio de ocultación de error de acuerdo con la información de tono. Al considerar la información de tono, puede lograrse que la información de audio de ocultación de error (que típicamente es una señal de audio de ocultación de error que cubre la duración temporal de al menos una trama de audio perdida) se adapte bien al contenido de audio real.
En una realización preferida, la ocultación de error está configurada para obtener la información de tono basándose en la señal de excitación de dominio de tiempo derivada de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida. Se ha hallado que una derivación de la información de tono a partir de la señal de excitación de dominio de tiempo acarrea una alta exactitud. Además, se ha hallado que es ventajoso si la información de tono se adapta bien a la señal de excitación de dominio de tiempo, ya que la información de tono se usa para una modificación de la señal de excitación de dominio de tiempo. Al derivar la información de tono de la señal de excitación de dominio de tiempo, puede lograrse dicha relación cercana.
En una realización preferida, la ocultación de error está configurada para evaluar una correlación cruzada de la señal de excitación de dominio de tiempo, para determinar una información de tono aproximada. Además, la ocultación de error puede estar configurada para perfeccionar la información de tono aproximada usando una búsqueda de bucle cerrado alrededor de un tono determinado por la información de tono aproximada. En consecuencia, puede lograrse una información de tono altamente exacta con moderado esfuerzo computacional.
En una realización preferida, la ocultación de error del decodificador de audio puede estar configurada para obtener una información de tono basándose en una información secundaria de la información de audio codificada.
En una realización preferida, la ocultación de error puede estar configurada para obtener una información de tono basándose en una información de tono disponible para una trama de audio previamente decodificada.
En una realización preferida, la ocultación de error está configurada para obtener una información de tono basándose en una búsqueda de tono realizada sobre una señal de dominio de tiempo o sobre una señal residual.
En otras palabras, el tono puede transmitirse como información secundaria o podría además provenir de la trama previa si hay, por ejemplo, LTP. La información de tono además podría transmitirse en la corriente de bits si está disponible en el codificador. Se podría opcionalmente hacer la búsqueda de tono sobre la señal de dominio de tiempo directamente, o sobre la residual, que habitualmente proporciona mejores resultados sobre la residual (señal de excitación de dominio de tiempo).
En una realización preferida, la ocultación de error está configurada para copiar un ciclo de tono de la señal de excitación de dominio de tiempo derivada de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida una vez o múltiples veces, para obtener una señal de excitación para una síntesis de la señal de audio de ocultación de error. Mediante el copiado de la señal de excitación de dominio de tiempo una vez o múltiples veces, puede lograrse que el componente determinista (es decir, sustancialmente periódico) de la información de ocultación de error audio se obtenga con buena exactitud, y sea una buena continuación del componente determinista (por ejemplo, sustancialmente periódico) del contenido de audio de la trama de audio que precede la trama de audio perdida.
En una realización preferida, la ocultación de error está configurada para filtrar en paso bajo el ciclo de tono de la señal de excitación de dominio de tiempo derivada de la representación de dominio de frecuencia de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida usando un filtro dependiente de la tasa de muestreo, cuyo ancho de banda depende de una tasa de muestreo de la trama de audio codificada en una representación de dominio de frecuencia. En consecuencia, la señal de excitación de dominio de tiempo puede adaptarse para un ancho de banda de audio disponible, lo que produce una buena impresión auditiva de la información de audio de ocultación de error. Por ejemplo, se prefiere el paso bajo solo sobre la primera trama perdida, y preferentemente, además, el paso bajo solo si la señal no es 100 % estable. Sin embargo, debe observarse que la filtración de paso bajo es opcional, y puede realizarse solo sobre el primer ciclo de tono. Por ejemplo, el filtro puede depender de la tasa de muestreo, de modo tal que la frecuencia de corte sea independiente del ancho de banda.
En una realización preferida, la ocultación de error está configurada para predecir un tono en un extremo de una trama perdida para adaptar la señal de excitación de dominio de tiempo, o una o más de sus copias, al tono predicho. En consecuencia, los cambios de tono esperados durante la trama de audio perdida pueden considerarse. En consecuencia, se evitan artefactos en una transición entre la información de audio de ocultación de error y una información de audio de una trama apropiadamente decodificada seguida de una o más tramas de audio perdidas (o al menos se reducen, ya que es solo una trama predicha, no la real). Por ejemplo, la adaptación va desde el último buen tono hasta el predicho. Esto se realiza por medio de la resincronización de pulsos [7].
En una realización preferida, la ocultación de error está configurada para combinar una señal de excitación de dominio de tiempo extrapolada y una señal de ruido, para obtener una señal de entrada para una síntesis de LPC. En este caso, la ocultación de error está configurada para realizar la síntesis de LPC, en el que la síntesis de LPC está configurada para filtrar la señal de entrada de la síntesis de LPC de acuerdo con parámetros de codificación de predicción lineal, para obtener la información de audio de ocultación de error. En consecuencia, puede considerarse tanto un componente determinista (por ejemplo, aproximadamente periódico) del contenido de audio como un componente de tipo ruido del contenido de audio. Por lo tanto, se logra que la información de audio de ocultación de error comprenda una impresión auditiva “natural”.
En una realización preferida, la ocultación de error está configurada para calcular una ganancia de la señal de excitación de dominio de tiempo extrapolada, que se usa para obtener la señal de entrada para la síntesis de LPC, usando una correlación en el dominio de tiempo que se realiza basándose en una representación de dominio de tiempo de la trama de audio codificada en el dominio de frecuencia que precede la trama de audio perdida, en el que se establece un retardo de correlación dependiente de una información de tono obtenido basándose en la señal de excitación de dominio de tiempo. En otras palabras, una intensidad de un componente periódico se determina dentro de la trama de audio que precede la trama de audio perdida, y esta intensidad determinada del componente periódico se usa para obtener la información de audio de ocultación de error. Sin embargo, se ha hallado que el cálculo anteriormente mencionado de la intensidad del componente periódico proporciona resultados particularmente buenos, ya que se considera la señal de audio de dominio de tiempo real de la trama de audio que precede la trama de audio perdida. Como alternativa, puede obtenerse una correlación en el dominio de excitación o directamente en el dominio de tiempo para obtener la información de tono. Sin embargo, hay también diferentes posibilidades, dependiendo de la realización utilizada. En una realización, la información de tono podría ser solo el tono obtenido desde la ltp de última trama, o el tono que se transmite como información secundaria o la calculada.
En una realización preferida, la ocultación de error está configurada para el filtro de paso alto de la señal de ruido que está combinada con la señal de excitación de dominio de tiempo extrapolada. Se ha hallado que la filtración de paso alto de la señal de ruido (que típicamente se introduce en la síntesis de LPC) logra una impresión auditiva natural. Por ejemplo, la característica de paso alto puede cambiar con la cantidad de trama perdida, seguido de una cierta cantidad de pérdida de trama ya no puede haber paso alto. La característica de paso alto además puede depender de la tasa de muestreo con la que se ejecuta el decodificador. Por ejemplo, el paso alto depende de la tasa de muestreo, y la característica de filtro puede cambiar en función del tiempo (sobre pérdida de trama consecutiva). La característica de paso alto además puede cambiar opcionalmente sobre pérdida de trama consecutiva, de modo tal que seguido de una cierta cantidad de pérdida de trama, ya no hay filtración, para solo obtener el ruido de forma de banda completa para obtener un buen ruido de confort cercano al ruido de fondo.
En una realización preferida, la ocultación de error está configurada para cambiar selectivamente la forma espectral de la señal de ruido (562) usando el filtro de preénfasis donde la señal de ruido se combina con la señal de excitación de dominio de tiempo extrapolada si la trama de audio codificada en una representación de dominio de frecuencia que precede la trama de audio perdida es una trama de audio con voz o comprende un inicio. Se ha hallado que la impresión auditiva de la información de audio de ocultación de error puede mejorarse por dicho concepto. Por ejemplo, en algún caso, es mejor disminuir las ganancias y la forma, y en algún lugar, es mejor incrementarlas.
En una realización preferida, la ocultación de error está configurada para calcular una ganancia de la señal de ruido dependiendo de una correlación en el dominio de tiempo, que se realiza basándose en una representación de dominio de tiempo de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida. Se ha hallado que dicha determinación de la ganancia de la señal de ruido proporciona resultados particularmente exactos, ya que puede considerarse la señal de audio de dominio de tiempo real asociada con la trama de audio que precede la trama de audio perdida. Usando este concepto, es posible poder obtener una energía de la trama ocultada cercana a la energía de la trama buena previa. Por ejemplo, la ganancia para la señal de ruido puede generarse midiendo la energía del resultado: excitación de señal de entrada -excitación basándose en tono generado.
En una realización preferida, la ocultación de error está configurada para modificar una señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, para obtener la información de audio de ocultación de error. Se ha hallado que la modificación de la señal de excitación de dominio de tiempo permite la adaptación de la señal de excitación de dominio de tiempo a una evolución temporal deseada. Por ejemplo, la modificación de la señal de excitación de dominio de tiempo permite el “desvanecimiento de salida” del componente determinista (por ejemplo, sustancialmente periódico) del contenido de audio en la información de audio de ocultación de error. Además, la modificación de la señal de excitación de dominio de tiempo además permite adaptar la señal de excitación de dominio de tiempo a una variación de tono (estimada o esperada). Esto permite el ajuste de las características de la información de audio de ocultación de error en función del tiempo.
En una realización preferida, la ocultación de error está configurada para usar una o más copias modificadas de la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, para obtener la información de ocultación de error. Las copias modificadas de la señal de excitación de dominio de tiempo pueden obtenerse con un esfuerzo moderado, y la modificación puede realizarse usando un algoritmo sencillo. En consecuencia, las características deseadas de la información de audio de ocultación de error pueden lograrse con esfuerzo moderado.
En una realización preferida, la ocultación de error está configurada para modificar la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, para reducir de esta manera un componente periódico de la información de audio de ocultación de error en función del tiempo. En consecuencia, puede considerarse que la correlación entre el contenido de audio de la trama de audio que precede la trama de audio perdida y el contenido de audio de una o más tramas de audio perdidas disminuye en función del tiempo. Además, puede evitarse causar una impresión auditiva no natural por una larga preservación de un componente periódico de la información de audio de ocultación de error.
En una realización preferida, la ocultación de error está configurada para escalar la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden la trama de audio perdida, o una o más de sus copias, para modificar la señal de excitación de dominio de tiempo. Se ha hallado que la operación de escala puede realizarse con poco esfuerzo, en el que la señal de excitación de dominio de tiempo escalada típicamente proporciona una buena información de audio de ocultación de error.
En una realización preferida, la ocultación de error está configurada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias. Por consiguiente, puede lograrse un desvanecimiento de salida del componente periódico dentro de la información de audio de ocultación de error.
En una realización preferida, la ocultación de error está configurada para ajustar una velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, dependiendo de uno o más parámetros de una o más tramas de audio que preceden la trama de audio perdida, y/o dependiendo de una cantidad de tramas de audio perdidas consecutivas. Por consiguiente, es posible ajustar la velocidad a la cual el componente determinista (por ejemplo, al menos aproximadamente periódico) se desvanece de salida en la información de audio de ocultación de error. La velocidad del desvanecimiento de salida puede adaptarse a características específicas del contenido de audio, que típicamente pueden observarse a partir de uno o más parámetros de una o más tramas de audio que preceden la trama de audio perdida. Como alternativa, o además, la cantidad de tramas de audio perdidas consecutivas puede considerarse cuando se determina la velocidad utilizada para el desvanecimiento de salida del componente determinista (por ejemplo, al menos aproximadamente periódico) de la información de audio de ocultación de error, que ayuda a adaptar la ocultación de error a la situación específica. Por ejemplo, la ganancia de la parte tonal y la ganancia de la parte con ruido pueden desvanecerse de salida de manera separada. La ganancia para la parte tonal puede converger a cero seguido de una cierta cantidad de pérdida de trama, mientras que la ganancia de ruido puede converger a la ganancia determinada para alcanzar un cierto ruido de confort.
En una realización preferida, la ocultación de error está configurada para ajustar la velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, dependiendo de una longitud de un periodo de tono de la señal de excitación de dominio de tiempo, de modo que una señal de excitación de dominio de tiempo introducida en una síntesis de LPC se desvanece de salida de manera más rápida para señales que tienen una longitud más corta del periodo de tono en comparación con señales que tienen una mayor longitud del periodo de tono. Por consiguiente, puede evitarse que las señales que tienen una longitud más corta del periodo de tono se repitan con demasiada frecuencia con alta intensidad, ya que esto típicamente dará como resultado una impresión auditiva no natural. En consecuencia, puede mejorarse una calidad general de la información de audio de ocultación de error.
En una realización preferida, la ocultación de error está configurada para ajustar la velocidad utilizada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, dependiendo de un resultado de un análisis de tono o una predicción de tono, de modo tal que un componente determinista de la señal de excitación de dominio de tiempo introducido en una síntesis de LPC se desvanece de salida más rápidamente para señales que tienen un mayor cambio de tono por unidad de tiempo en comparación con señales que tienen un cambio de tono menor por unidad de tiempo, y/o de modo tal que un componente determinista de la entrada de señal de excitación de dominio de tiempo en una síntesis de LPC se desvanece de la salida más rápidamente para señales para las cuales una predicción de tono falla en comparación con señales para las cuales la predicción de tono tiene éxito. Por consiguiente, el desvanecimiento de salida puede hacerse más rápidamente para señales en las cuales hay una gran incertidumbre del tono en comparación con señales para las cuales hay una menor incertidumbre del tono. Sin embargo, mediante el desvanecimiento de salida de un componente determinista más rápidamente para señales que comprenden una incertidumbre comparativamente grande del tono, pueden evitarse artefactos audibles, o al menos pueden reducirse sustancialmente.
En una realización preferida, la ocultación de error está configurada para la escala de tiempo de la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, o una o más de sus copias, dependiendo de una predicción de un tono para el tiempo de una o más tramas de audio perdidas. Por consiguiente, la señal de excitación de dominio de tiempo puede adaptarse a un tono variable, de modo tal que la información de audio de ocultación de error comprende una impresión auditiva más natural.
En una realización preferida, la ocultación de error está configurada para proporcionar la información de audio de ocultación de error para un tiempo que es mayor que una duración temporal de una o más tramas de audio perdidas. Por consiguiente, es posible realizar una operación de superposición y adición basándose en la información de audio de ocultación de error, que ayuda a reducir los artefactos de bloqueo.
En una realización preferida, la ocultación de error está configurada para realizar una superposición y adición de la información de audio de ocultación de error y de una representación de dominio de tiempo de una o más tramas de audio apropiadamente recibidas seguido de una o más tramas de audio perdidas. En consecuencia, es posible evitar (o al menos reducir) los artefactos de bloqueo.
En una realización preferida, la ocultación de error está configurada para derivar la información de audio de ocultación de error basándose en al menos tres ventanas o tramas parcialmente superpuestas que preceden una trama de audio perdida o una ventana perdida. Por consiguiente, la información de audio de ocultación de error puede obtenerse con buena exactitud, incluso para modos de codificación en los cuales más de dos tramas (o ventanas) se superponen (donde dicha superposición puede ayudar a reducir una demora).
Otra realización según la invención crea un método para proporcionar una información de audio decodificada basándose en una información de audio codificada. El método comprende proporcionar una información de audio de ocultación de error para la ocultación de una pérdida de una trama de audio que sigue una trama de audio codificada en una representación de dominio de frecuencia usando una señal de excitación de dominio de tiempo. Este método se basa en las mismas consideraciones que el decodificador de audio mencionado anteriormente.
Aún otra realización según la invención crea un programa informático para realizar dicho método cuando se ejecuta el programa informático en un ordenador.
Otra realización según la invención crea un decodificador de audio para proporcionar una información de audio decodificada basándose en una información de audio codificada. El decodificador de audio comprende una ocultación de error configurada para proporcionar una información de audio de ocultación de error para la ocultación de una pérdida de una trama de audio. La ocultación de error está configurada para modificar una señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que precede(n) una trama de audio perdida, con el fin de obtener la información de audio de ocultación de error.
Esta realización según la invención se basa en la idea de que la ocultación de error con una buena calidad de audio puede obtenerse basándose en una señal de excitación de dominio de tiempo, en la que una modificación de la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que precede(n) una trama de audio perdida permite una adaptación de la información de audio de ocultación de error a los cambios esperados (o previstos) del contenido de audio durante la trama perdida. Por consiguiente, pueden evitarse artefactos y, en particular, una impresión auditiva no natural, que sería provocarse por un uso sin cambios de la señal de excitación de dominio de tiempo. Por consiguiente, se logra una provisión mejorada de una información de audio de ocultación de error, de manera que las tramas de audio perdidas pueden ocultarse con resultados mejorados.
En una realización preferida, la ocultación de error está configurada para usar una o más copias modificadas de la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, con el fin de obtener la información de ocultación de error. Al usar una o más copias modificadas de la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, puede lograrse una buena calidad de la información de audio de ocultación de error con poco esfuerzo computacional.
En una realización preferida, la ocultación de error está configurada para modificar la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o una o más copias de la misma, para reducir de ese modo un componente periódico de la información de audio de ocultación de error a lo largo del tiempo. Al reducir el componente periódico de la información de audio de ocultación de error a lo largo del tiempo, se puede evitar una larga preservación de manera no natural de un sonido determinista (por ejemplo, aproximadamente periódico), que ayuda a hacer que la información de audio de ocultación de error suene natural.
En una realización preferida, la ocultación de error está configurada para escalar la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que precede(n) la trama de audio perdida, o una o más copias de la misma, para modificar de ese modo la señal de excitación de dominio de tiempo. La escalada de la señal de excitación de dominio de tiempo constituye una manera particularmente eficiente para variar la información de audio de ocultación de error a lo largo del tiempo.
En una realización preferida, la ocultación de error está configurada para reducir de manera gradual la ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma. Se ha encontrado que reduciendo gradualmente la ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma, permite obtener una señal de excitación de dominio de tiempo para la provisión de la información de audio de ocultación de error, de modo que se desvanezcan los componentes deterministas (por ejemplo, al menos aproximadamente componentes periódicos). Por ejemplo, puede haber no solo una ganancia. Por ejemplo, se puede tener una ganancia para la parte tonal (también denominada como parte aproximadamente periódica), y una ganancia para la parte de ruido. Ambas excitaciones (o componentes de excitación) pueden atenuarse de por separado con un factor de velocidad diferente y luego las dos excitaciones resultantes (o componentes de excitación) pueden combinarse antes de alimentarse al LPC para síntesis. En el caso de que no se haya tenido cualquier estimación de ruido de antecedentes, el factor de desvanecimiento para el ruido y para la parte tonal pueden ser similares, y entonces sólo se puede aplicar un desvanecimiento sobre los resultados de las dos excitaciones multiplicadas con su propia ganancia y combinadas juntas.
Por tanto, puede evitarse que la información de audio de ocultación de error comprenda un componente de audio determinista extendido temporariamente (por ejemplo, al menos aproximadamente periódico), que normalmente proporcionaría una impresión auditiva no natural.
En una realización preferida, la ocultación de error está configurada para ajustar una velocidad usada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma, dependiendo de uno o más parámetros de una o más tramas de audio que precede(n) la trama de audio perdida, y/o dependiendo del número de tramas de audio perdidas consecutivas. Por tanto, puede adaptarse la velocidad del desvanecimiento del componente determinista (por ejemplo, al menos aproximadamente periódico) en la información de audio de ocultación de error a la situación específica con esfuerzo computacional moderado. Puesto que la señal de excitación de dominio de tiempo usada para la provisión de la información de audio de ocultación de error normalmente es una versión escalada (escalada usando la ganancia mencionada anteriormente) de la señal de excitación de dominio de tiempo obtenida para la una o más tramas de audio que precede(n) la trama de audio perdida, una variación de dicha ganancia (usada para derivar la señal de excitación de dominio de tiempo para la provisión de la información de audio de ocultación de error) constituye un método simple aún efectivo para adaptar la información de audio de ocultación de error a las necesidades específicas. Sin embargo, la velocidad del desvanecimiento también puede controlarse con muy poco esfuerzo.
En una realización preferida, la ocultación de error está configurad para ajustar la velocidad usada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma, dependiendo de una longitud de un periodo de tono de la señal de excitación de dominio de tiempo, de modo que una entrada de señal de excitación de dominio de tiempo en una síntesis de LPC se desvanece más rápidamente para señales que tienen una longitud más corta del periodo de tono cuando se compara con señales que tienen una longitud más larga del periodo de tono. Por consiguiente, el desvanecimiento se realiza más rápidamente para señales que tienen una longitud más corta del periodo de tono, lo que evita que un periodo de tono se copie demasiadas veces (lo que normalmente daría como resultado una impresión auditiva no natural).
En una realización preferida, la ocultación de error está configurada para ajustar la velocidad usada para reducir gradualmente una ganancia aplicada para escalar la señal de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma, dependiendo de un resultado de un análisis de tono o una predicción de tono, de modo que un componente determinista de una entrada de señal de excitación de dominio de tiempo en una síntesis de LPC se desvanece más rápidamente para señales que tienen un cambio de tono más largo por unidad de tiempo cuando se compara con señales que tienen un cambio de tono menor por unidad de tiempo, y/o de modo que una componente determinista de una entrada de señal de excitación de dominio de tiempo en una síntesis de LPC se desvanece más rápidamente para señales para la cual una predicción de tono falla cuando se compara con señales para las que la predicción de tono tiene éxito. Por consiguiente, un componente determinista (por ejemplo, al menos aproximadamente periódico) se desvanece más rápidamente para señales para las que hay una incertidumbre mayor del tono (en el que un cambio de tono más largo por unidad de tiempo, o incluso una falla de la predicción de tono, indica una incertidumbre comparativamente grande del tono). Por tanto, pueden evitarse artefactos, que surgirían de una provisión de una información de audio de ocultación de error altamente determinista en una situación en la que el tono real es incierto.
En una realización preferida, la ocultación de error está configurada para escalar en el tiempo de la señal de excitación de dominio de tiempo obtenida para (o basándose en) una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma, dependiendo de una predicción de un tono durante el tiempo de la una o más tramas de audio perdidas. Por consiguiente, la señal de excitación de dominio de tiempo, que se usa para la provisión de la información de audio de ocultación de error, se modifica (cuando se compara con la señal de excitación de dominio de tiempo obtenida para (o basándose en) una o más tramas de audio que precede(n) una trama de audio perdida, de modo que el tono de la señal de excitación de dominio de tiempo sigue los requisitos de un periodo de tiempo de la trama de audio perdida. Por consiguiente, puede mejorarse una impresión auditiva, que puede lograrse por la información de audio de ocultación de error.
En una realización preferida, la ocultación de error está configurada para obtener una señal de excitación de dominio de tiempo, que se ha usado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida, y para modificar dicha señal de excitación de dominio de tiempo, que se ha usado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida, para obtener una señal de excitación de dominio de tiempo modificada. En este caso, la ocultación de dominio de tiempo está configurada para proporcionar la información de audio de ocultación de error basándose en la señal de audio de dominio de tiempo modificada. Por consiguiente, es posible reutilizar una señal de excitación de dominio de tiempo, que ya se ha usado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida. Por tanto, puede mantenerse un esfuerzo computacional muy pequeño, si la señal de excitación de dominio de tiempo ya se ha adquirido para la decodificación de una o más tramas de audio que precede(n) la trama de audio perdida.
En una realización preferida, la ocultación de error está configurada para obtener una información de tono, que se ha usado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida. En este caso, la ocultación de error también está configurada para proporcionar la información de audio de ocultación de error dependiendo de dicha información de tono. Por consiguiente, puede reutilizarse la información de tono usada anteriormente, que evita un esfuerzo computacional para un nuevo cálculo de la información de tono. Por tanto, la ocultación de error es de manera particular computacionalmente eficiente. Por ejemplo, en el caso de ACELP se ha tenido 4 retrasos de tono y ganancias por trama. Se puede usar las dos últimas tramas para poder predecir el tono al extremo de la trama que se ha tenido que ocultar.
Entonces se compara con el códec de dominio de frecuencia descrito anteriormente en el que se derivan sólo uno o dos tonos por trama (podríamos tener más de dos, pero eso añadiría mucha complejidad po no mucha ganancia en calidad), en el caso de un códec de conmutación que va por ejemplo, pérdida de ACELP - FD - entonces, se ha tenido una precisión de tono mucho mejor ya que los tonos se transmiten en el flujo de bits y se basan en la señal de entrada original (no en la decodificada como se hizo en el decodificador). En el caso de alta velocidad de bits, por ejemplo, también se ha enviado una información de retraso de tono y ganancia, o información de LTP, por trama codificada por dominio de frecuencia.
En una realización preferida, puede configurarse la ocultación de error de decodificador de audio para obtener una información de tono basándose en una información secundaria de la información de audio codificada.
En una realización preferida, puede configurarse la ocultación de error para obtener una información de tono basándose en una información de tono disponible para una trama de audio decodificada anteriormente.
En una realización preferida, la ocultación de error está configurada para obtener una información de tono basándose en una búsqueda de tono realizada sobre una señal de dominio de tiempo o sobre una señal residual.
Dicho de otra manera, puede transmitirse el tono como una información secundaria o también podría venir de la trama anterior si hay LTP por ejemplo. La información de tono también podría transmitirse en el flujo de bits si está disponible en el codificador. Se puede hacer opcionalmente la búsqueda de tono en la señal de dominio de tiempo directamente o en el residual, que habitualmente dan mejores resultados en el residual (señal de excitación de dominio de tiempo).
En una realización preferida, la ocultación de error está configurada para obtener un conjunto de coeficientes de predicción lineal, que se han usado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida. En este caso, la ocultación de error está configurada para proporcionar la información de audio de ocultación de error dependiendo de dicho conjunto de coeficientes de predicción lineal. Por tanto, la eficiencia de la ocultación de error se aumenta reutilizando la información generada anteriormente (o decodificada anteriormente), como por ejemplo el conjunto de coeficientes de predicción lineal usados anteriormente, Por tanto, se evita la complejidad computacional innecesariamente alta.
En una realización preferida, la ocultación de error está configurada para extrapolar un nuevo conjunto de coeficientes de predicción lineal basándose en el conjunto de coeficientes de predicción lineal, que se han usado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida. En este caso, la ocultación de error está configurada para usar el nuevo conjunto de coeficientes de predicción lineal para proporcionar la información de ocultación de error. Al derivar el nuevo conjunto de coeficientes de predicción lineal, usado para proporcionar la información de audio de ocultación de error, a partir de un conjunto de coeficientes de predicción lineal usados anteriormente usando una extrapolación, se puede evitar un recálculo completo de los coeficientes de predicción lineal, que ayuda a mantener el esfuerzo computacional razonablemente pequeño. Además, al realizar una extrapolación basándose en el conjunto de coeficientes de predicción lineal usados anteriormente, puede garantizarse que el nuevo conjunto de coeficientes de predicción lineal es al menos similar al conjunto de coeficientes de predicción lineal usado anteriormente, que ayuda para evitar las discontinuidades cuando se proporciona la información de ocultación de error. Por ejemplo, tras una determinada cantidad de pérdida de trama se tiene a una estimación de la forma LPC del ruido de antecedentes. La velocidad de esta convergencia, puede, por ejemplo, depender de la característica de la señal.
En una realización preferida, la ocultación de error está configurada para obtener una información sobre una intensidad de un componente de señal determinista en una o más tramas de audio que precede(n) una trama de audio perdida. En este caso, la ocultación de error está configurada para comparar la información sobre una intensidad de un componente de señal determinista en una o más tramas de audio que preceden una trama de audio perdida con un valor umbral, para decidir si para la entrada de un componente determinista de una señal de excitación de dominio de tiempo en una síntesis de LPC (síntesis basada en coeficientes de predicción lineal), o si para la entrada sólo un componente de ruido de una señal de excitación de dominio de tiempo en la síntesis de LPC. Por consiguiente, es posible omitir la provisión de un componente determinista (por ejemplo, al menos aproximadamente periódico) de la información de audio de ocultación de error en el caso de que sólo haya una pequeña contribución de señal determinista dentro de la una o más tramas que preceden la trama de audio perdida. Se ha encontrado que esto ayuda a obtener una buena impresión auditiva.
En una realización preferida, la ocultación de error está configurada para obtener una información de tono que describe un tono de la trama de audio que precede la trama de audio perdida, y proporcionar la información de audio de ocultación de error dependiendo de la información de tono. Por consiguiente, es posible adaptar el tono de la información de ocultación de error al tono de la trama de audio que precede la trama de audio perdida. Por consiguiente, se evitan las discontinuidades y puede lograrse una impresión auditiva natural.
En una realización preferida, la ocultación de error está configurada para obtener la información de tono basándose en la señal de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida. Se ha encontrado que la información de tono obtenida basándose en la señal de excitación de dominio de tiempo es particularmente fiable, y también se adapta muy bien al procesamiento de la señal de excitación de dominio de tiempo.
En una realización preferida, la ocultación de error está configurada para evaluar una correlación cruzada de la señal de excitación de dominio de tiempo (o, alternativamente, de una señal de audio de dominio de tiempo), para determinar una información de tono aproximada, y para refinar la información de tono aproximada usando una búsqueda de bucle cerrado alrededor de un tono determinado (o descrito) por la información de tono aproximada. Se ha encontrado que este concepto permite obtener una información de tono muy precisa con esfuerzo computacional moderado. En otras palabras, en algunos códecs se hace la búsqueda de tono directamente sobre la señal de dominio de tiempo mientras que en algunos otros se hace la búsqueda de tono sobre la señal de excitación de dominio de tiempo.
En una realización preferida, la ocultación de error está configurada para obtener la información de tono para la provisión de la información de audio de ocultación de error basándose en una información de tono calculada anteriormente, que se usó para una decodificación de una o más tramas de audio que precede(n) la trama de audio perdida, y basándose en una evaluación de una correlación cruzada de la señal de excitación de dominio de tiempo, que se modifica con el fin de obtener una señal de excitación de dominio de tiempo modificada para la provisión de la información de audio de ocultación de error. Se ha encontrado que al considerar tanto la información de tono calculada anteriormente como la información de tono obtenida basándose en la señal de excitación de dominio de tiempo (usando una correlación cruzada) mejora la fiabilidad de la información de tono y por consiguiente ayuda a evitar artefactos y/o discontinuidades.
En una realización preferida, la ocultación de error está configurada para seleccionar un pico de la correlación cruzada, fuera de una pluralidad de picos de la correlación cruzada, como un pico que representa un tono dependiendo de la información de tono calculada anteriormente, de modo que se elige un pico que representa un tono que es más cercano al tono representado por la información de tono calculada anteriormente. Por consiguiente, se pueden superar posibles ambigüedades de la correlación cruzada, que puede, por ejemplo, dar como resultado múltiples picos. La información de tono calculada anteriormente se usa de ese modo para seleccionar el pico “apropiado” de la correlación cruzada, que ayuda a aumentar sustancialmente la fiabilidad. Por otro lado, se considera principalmente la señal de excitación de dominio de tiempo real para la determinación de tono, que proporciona una buena precisión (que es sustancialmente mejor que una precisión obtenible basándose en sólo la información de tono calculada anteriormente).
En una realización preferida, la ocultación de error de decodificador de audio puede configurarse para obtener una información de tono basándose en una información secundaria de la información de audio codificada.
En una realización preferida, la ocultación de error puede configurarse para obtener una información de tono basándose en una información de tono disponible para una trama de audio decodificada anteriormente.
En una realización preferida, la ocultación de error está configurada para obtener una información de tono basándose en una búsqueda de tono realizada en una señal de dominio de tiempo o en una señal residual.
Dicho de otra manera, puede transmitirse el tono como una o también podría venir de la trama anterior si hay LTP por ejemplo. La información de tono también podría transmitirse en el flujo de bits si está disponible en el codificador. Se puede hacer opcionalmente la búsqueda de tono en la señal de dominio de tiempo directamente o en el residual, que habitualmente dan mejores resultados en el residual (señal de excitación de dominio de tiempo).
En una realización preferida, la ocultación de error está configurada para copiar un ciclo de tono de la señal de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida una vez o múltiples veces, con el fin de obtener una señal de excitación (o al menos un componente determinista de la misma) para una síntesis de la información de audio de ocultación de error. Al copiar el ciclo de tono de la señal de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida una vez o múltiples veces, y al modificar dicha una o más copias usando un algoritmo de modificación comparativamente simple, puede obtenerse la señal de excitación (o al menos el componente determinista de la misma) para la síntesis de la información de audio de ocultación de error con poco esfuerzo computacional. Sin embargo, reutilizando la señal de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida (al copiar dicha señal de excitación de dominio de tiempo) evita las discontinuidades audibles.
En una realización preferida, la ocultación de error está configurada para filtrar en paso bajo el ciclo de tono de la señal de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida usando un filtro dependiente de la tasa de muestreo, un ancho de banda que es dependiente de una tasa de muestreo de la trama de audio codificada en una representación de dominio de frecuencia. Por consiguiente, la señal de excitación de dominio de tiempo se adapta a un ancho de banda de la señal del decodificador de audio, que da como resultado una buena reproducción del contenido de audio. Para detalles y mejoras opcionales, se hace referencia, por ejemplo, a las explicaciones anteriores.
Por ejemplo, se prefiere filtrar en paso bajo sólo en la primera trama perdida, y preferiblemente, también se ha filtrado en paso bajo sólo si no se detecta la señal. Sin embargo, debe observarse que el filtrado en paso bajo es opcional. Además el filtro puede ser dependiente de la tasa de muestreo, de modo que la frecuencia de corte es independiente del ancho de banda.
En una realización preferida, la ocultación de error está configurada para predecir un tono a un extremo de una trama perdida. En este caso, la ocultación de error está configurada para adaptar la señal de excitación de dominio de tiempo, o una o más copias de la misma, al tono predicho. A modificar la señal de excitación de dominio de tiempo, de modo que la señal de excitación de dominio de tiempo que se usa realmente para la provisión de la información de audio de ocultación de error se modifica con respecto a la señal de excitación de dominio de tiempo asociada con una trama de audio que precede la trama de audio perdida, pueden considerarse los cambios de tono esperados (o previstos) durante la trama de audio perdida, de modo que la información de audio de ocultación de error se adapta bien a la evolución real (o al menos a la evolución esperada o prevista) del contenido de audio. Por ejemplo, la adaptación va desde el último tono bueno hasta el previsto. Esto se realiza por medio de la resincronización de pulsos [7].
En una realización preferida, la ocultación de error está configurada para combinar una señal de excitación de dominio de tiempo extrapolada y una señal de ruido, con el fin de obtener una señal de entrada para una síntesis de LPC. En este caso, la ocultación de error está configurada para realizar la síntesis de LPC, en la que la síntesis de LPC está configurada para filtrar la señal de entrada de la síntesis de LPC dependiendo de parámetros de codificación de predicción lineal, con el fin de obtener la información de audio de ocultación de error. Al combinar la señal de excitación de dominio de tiempo extrapolada (que normalmente es una versión modificada de la señal de excitación de dominio de tiempo derivada para una o más tramas de audio que precede(n) la trama de audio perdida) y una señal de ruido, tanto componentes deterministas (por ejemplo, aproximadamente periódicos) y componente de ruidos del contenido de audio puede considerarse en la ocultación de error. Por tanto, se puede lograr que la información de audio de ocultación de error proporciona una impresión auditiva que es similar a la impresión auditiva proporcionada por las tramas que preceden la trama perdida.
Además, al combinar una señal de excitación de dominio de tiempo y una señal de ruido, con el fin de obtener la señal de entrada para la síntesis de LPC (que puede considerarse como una señal de excitación de dominio de tiempo combinada), es posible variar un porcentaje del componente determinista de la señal de audio de entrada para la síntesis de LPC mientras que se mantiene una energía (de la señal de entrada de la síntesis de LPC, o incluso de la señal de salida de la síntesis de LPC), Por consiguiente, es posible variar las características de la información de audio de ocultación de error (por ejemplo, características de tonalidad) sin cambiar sustancialmente una energía o volumen de la señal de audio de ocultación de error, de modo que es posible modificar la señal de excitación de dominio de tiempo sin provocar distorsiones audibles inaceptables.
Una realización según la invención crea un método para proporcionar una información de audio decodificada basándose en una información de audio codificada. El método comprende proporcionar una información de audio de ocultación de error para la ocultación de una pérdida de una trama de audio. Proporcionar la información de audio de ocultación de error comprende modificar una señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que precede(n) una trama de audio perdida, con el fin de obtener la información de audio de ocultación de error.
Este método se basa en las mismas consideraciones que el decodificador de audio descrito anteriormente.
Una realización adicional según la invención crea un programa informático para realizar dicho método cuando el programa informático se ejecuta en un ordenador.
Breve descripción de las figuras
Las realizaciones de la presente invención se describirán a continuación con referencia a las figuras adjuntas, en las cuales:
Fig. 1 muestra un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con una realización de la invención;
Fig. 2 muestra un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con otra realización de la invención;
Fig. 3 muestra un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con otra realización de la presente invención;
Fig. 4 muestra un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con otra realización de la presente invención;
Fig. 5 muestra un diagrama de bloques esquemático de una ocultación de dominio de tiempo para un codificador de transformada;
Fig. 6 muestra un diagrama de bloques esquemático de una ocultación de dominio de tiempo para un códec de conmutación;
Fig. 7 muestra un diagrama de bloques de un decodificador TCX que realiza una decodificación TCX en operación normal o en el caso de pérdida de paquete parcial;
Fig. 8 muestra un diagrama de bloques esquemático de un decodificador TCX que realiza una decodificación TCX en el caso de ocultación de borrado de paquetes TCX-256;
Fig. 9 muestra un diagrama de flujo de un método para proporcionar una información de audio decodificada basándose en una información de audio codificada, de acuerdo con una realización de la invención; y
Fig. 10 muestra un diagrama de flujo de un método para proporcionar una información de audio decodificada basándose en una información de audio codificada, de acuerdo con otra realización de la invención;
Fig. 11 muestra un diagrama de bloques esquemático de un decodificador de audio, de acuerdo con otra realización de la invención.
Descripción detallada de las realizaciones
1. Decodificador de audio de acuerdo con la figura 1
La figura 1 muestra un diagrama de bloques esquemático de un decodificador 100 de audio de acuerdo con una realización de la invención. El decodificador 100 de audio recibe una información 110 de audio codificada, que, por ejemplo, puede comprender una trama de audio codificada en una representación de dominio de frecuencia. La información de audio codificada, por ejemplo, puede recibirse por medio de un canal no confiable, de modo tal que se produce una pérdida de trama de vez en cuando. El decodificador de audio 100 además proporciona, basándose en la información 110 de audio codificada, la información 112 de audio decodificada.
El decodificador 100 de audio puede comprender una decodificación/procesamiento 120, que proporciona la información de audio decodificada basándose en la información de audio codificada en ausencia de una pérdida de trama.
El decodificador 100 de audio adicionalmente comprende una ocultación 130 de error, que proporciona una información de audio de ocultación de error. La ocultación 130 de error está configurada para proporcionar la información 132 de audio de ocultación de error para la ocultación de una pérdida de una trama de audio seguido de una trama de audio codificada en la representación de dominio de frecuencia, usando una señal de excitación de dominio de tiempo.
En otras palabras, la decodificación/procesamiento 120 puede proporcionar una información 122 de audio decodificada para tramas de audio que se codifican en forma de una representación de dominio de frecuencia, es decir, en forma de una representación codificada, cuyos valores codificados describen intensidades en diferentes segmentos de frecuencia. En otras palabras, la decodificación/procesamiento 120, por ejemplo, puede comprender un decodificador de audio de dominio de frecuencia, que deriva un conjunto de valores espectrales de la información 110 de audio codificada y realiza una transformada de dominio de frecuencia a dominio de tiempo, para de ese modo derivar una representación de dominio de tiempo que constituye la información 122 de audio decodificada, o que forma la base para proporcionar la información 122 de audio decodificada en el caso de que haya procesamiento posterior adicional.
Sin embargo, la ocultación 130 de error no realiza la ocultación de error en el dominio de frecuencia, sino que, en cambio, usa una señal de excitación de dominio de tiempo, que, por ejemplo, puede servir para excitar un filtro de síntesis, por ejemplo, un filtro de síntesis de LPC, que proporciona una representación de dominio de tiempo de una señal de audio (por ejemplo, la información de audio de ocultación de error) basándose en la señal de excitación de dominio de tiempo, y además, basándose en coeficientes de filtro de LPC (coeficientes de filtro de codificación de predicción lineal).
Por consiguiente, la ocultación 130 de error proporciona la información 132 de audio de ocultación de error, que, por ejemplo, puede ser una señal de audio de dominio de tiempo, para tramas de audio perdidas, en el que la señal de excitación de dominio de tiempo utilizada por la ocultación 130 de error puede basarse en una o más tramas de audio previas apropiadamente recibidas (que preceden la trama de audio perdida), que se codifican en forma de una representación de dominio de frecuencia, o puede derivar de ellas. Como conclusión, el decodificador 100 de audio puede realizar una ocultación de error (es decir, proporcionar una información 132 de audio de ocultación de error), que reduce una degradación de una calidad de audio debido a la pérdida de una trama de audio basándose en una información de audio codificada, en la que al menos algunas tramas de audio se codifican en una representación de dominio de frecuencia. Se ha hallado que la realización de la ocultación de error usando una señal de excitación de dominio de tiempo, incluso si se perdiera una trama seguida de una trama de audio codificada en la representación de dominio de frecuencia apropiadamente recibida, acarrea una mejorada calidad de audio en comparación con una ocultación de error que se realiza en el dominio de frecuencia (por ejemplo, usando una representación de dominio de frecuencia de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida). Esto se debe a que puede lograrse una transición suave entre la información de audio decodificada asociada con la trama de audio que precede la trama de audio perdida apropiadamente recibida, y la información de audio de ocultación de error asociada con la trama de audio perdida, usando una señal de excitación de dominio de tiempo, ya que la síntesis de señal, que se realiza habitualmente basándose en la señal de excitación de dominio de tiempo, ayuda a evitar discontinuidades. Por lo tanto, puede lograrse una buena (o al menos aceptable) impresión auditiva, usando el decodificador 100 de audio, incluso si se pierde una trama de audio que sigue a una trama de audio codificada en la representación de dominio de frecuencia apropiadamente recibida. Por ejemplo, el enfoque de dominio de tiempo produce un mejoramiento sobre la señal monofónica, como voz, ya que está más cerca de lo que se hace en el caso de la ocultación de códec de voz. El uso de la LPC ayuda a evitar las discontinuidades, y proporciona una mejor conformación de las tramas.
Además, debe observarse que el decodificador 100 de audio puede complementarse por cualquiera de los rasgos y las funcionalidades que se describen a continuación, ya sea individualmente o tomados en combinación.
2. Decodificador de audio de acuerdo con la figura 2.
La figura 2 muestra un diagrama de bloques esquemático de un decodificador 200 de audio de acuerdo con una realización de la presente invención. El decodificador 200 de audio está configurado para recibir una información 210 de audio codificada y para proporcionar, basándose en la misma, una información 220 de audio decodificada. La información 210 de audio codificada, por ejemplo, puede adoptar la forma de una secuencia de tramas de audio codificadas en una representación de dominio de tiempo, codificadas en una representación de dominio de frecuencia, o codificadas tanto en una representación de dominio de tiempo como en una representación de dominio de frecuencia. En otras palabras, todas las tramas de la información 210 de audio codificada pueden estar codificadas en una representación de dominio de frecuencia, o todas las tramas de la información 210 de audio codificada pueden estar codificadas en una representación de dominio de tiempo (por ejemplo, en forma de una señal de excitación de dominio de tiempo codificada y parámetros de síntesis de señal codificados, por ejemplo, parámetros de LPC). Como alternativa, algunas tramas de la información de audio codificada pueden estar codificadas en una representación de dominio de frecuencia, y algunas otras tramas de la información de audio codificada pueden estar codificadas en una representación de dominio de tiempo, por ejemplo, si el decodificador 200 de audio es un decodificador de audio de conmutación que puede conmutar entre diferentes modos de decodificación. La información 220 de audio decodificada, por ejemplo, puede ser una representación de dominio de tiempo de uno o más canales de audio.
El decodificador 200 de audio puede comprender habitualmente una decodificación/procesamiento 220, que, por ejemplo, puede proporcionar una información 232 de audio decodificada para tramas de audio que se reciben apropiadamente. En otras palabras, la decodificación/procesamiento 230 puede realizar una decodificación de dominio de frecuencia (por ejemplo, una decodificación de tipo AAC, o similar) basándose en una o más tramas de audio codificadas, codificadas en una representación de dominio de frecuencia. Como alternativa, o además, la decodificación/procesamiento 230 puede estar configurado para realizar una decodificación en el dominio de tiempo (o la decodificación en el dominio de predicción lineal) basándose en una o más tramas de audio codificadas, codificadas en una representación de dominio de tiempo (o, en otras palabras, en una representación de dominio de predicción lineal), por ejemplo, una decodificación de predicción lineal excitada por TCX (TCX = excitación codificada transformada) o una decodificación de ACELP (decodificación de predicción lineal excitada por libro de códigos adaptativo). Opcionalmente, la decodificación/procesamiento 230 puede estar configurada para conmutar entre diferentes modos de decodificación.
El decodificador 200 de audio adicionalmente comprende una ocultación 240 de error, que está configurada para proporcionar una información 242 de audio de ocultación de error para una o más tramas de audio perdidas. La ocultación 240 de error está configurada para proporcionar la información 242 de audio de ocultación de error para la ocultación de una pérdida de una trama de audio (o incluso, una pérdida de múltiples tramas de audio). La ocultación 240 de error está configurada para modificar una señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, para obtener la información 242 de audio de ocultación de error. En otras palabras, la ocultación 240 de error puede obtener (o derivar) una señal de excitación de dominio de tiempo para (o basándose en) una o más tramas de audio codificadas que preceden una trama de audio perdida, y puede modificar dicha señal de excitación de dominio de tiempo, que se obtiene para (o basándose en) una o más tramas de audio apropiadamente recibidas que preceden una trama de audio perdida, para obtener de esta manera (por medio de la modificación) una señal de excitación de dominio de tiempo que se usa para proporcionar la información 242 de audio de ocultación de error. En otras palabras, la señal de excitación de dominio de tiempo modificada puede usarse como una entrada (o como un componente de una entrada) para una síntesis (por ejemplo, la síntesis de LPC) de la información de audio de ocultación de error asociada con la trama de audio perdida (o incluso, con múltiples tramas de audio perdidas). Al proporcionar la información 242 de audio de ocultación de error basándose en la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio apropiadamente recibidas que preceden la trama de audio perdida, pueden evitarse discontinuidades audibles. Por otra parte, al modificar la señal de excitación de dominio de tiempo derivada para (o a partir de) una o más tramas de audio que preceden la trama de audio perdida, y al proporcionar la información de audio de ocultación de error basándose en la señal de excitación de dominio de tiempo modificada, es posible considerar la variación de las características del contenido de audio (por ejemplo, un cambio de tono), y además es posible evitar una impresión auditiva no natural (por ejemplo, mediante el “desvanecimiento de salida” de un componente de señal determinista (por ejemplo, al menos aproximadamente periódico)). Por lo tanto, puede lograrse que la información 242 de audio de ocultación de error comprenda cierta similitud con la información 232 de audio decodificada obtenida basándose en tramas de audio apropiadamente decodificadas que preceden la trama de audio perdida, y puede lograrse aún que la información 242 de audio de ocultación de error comprenda un contenido de audio algo diferente cuando se compara con la información 232 de audio decodificada asociada con la trama de audio que precede la trama de audio perdida mediante cierta modificación de la señal de excitación de dominio de tiempo. La modificación de la señal de excitación de dominio de tiempo usada para proporcionar la información de audio de ocultación de error (asociada con la trama de audio perdida), por ejemplo, puede comprender una escala de amplitud o una escala de tiempo. Sin embargo, son posibles otros tipos de modificaciones (o incluso una combinación de una escala de amplitud y una escala de tiempo), en el que, preferentemente, debe permanecer un cierto grado de relación entre la señal de excitación de dominio de tiempo obtenida (como una información de entrada) por la ocultación de error y la señal de excitación de dominio de tiempo modificada.
Como conclusión, el decodificador 200 de audio permite la provisión de la información 242 de audio de ocultación de error, de modo tal que la información de audio de ocultación de error proporciona una buena impresión auditiva, incluso en el caso de que se pierda una o más tramas de audio. La ocultación de error se realiza basándose en una señal de excitación de dominio de tiempo, en la que se considera una variación de las características de señal del contenido de audio durante la trama de audio perdida mediante la modificación de la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida.
Además, debe observarse que el decodificador 200 de audio puede complementarse por cualquiera de los rasgos y las funcionalidades que se describen en el presente documento, ya sea individualmente o en combinación.
3. Decodificador de audio de acuerdo con la figura 3.
La figura 3 muestra un diagrama de bloques esquemático de un decodificador 300 de audio, de acuerdo con otra realización de la presente invención.
El decodificador 300 de audio está configurado para recibir una información de audio codificada 310 y para proporcionar, basándose en la misma, una información 312 de audio decodificada. El decodificador 300 de audio comprende un analizador 320 de corriente de bits, que puede además designarse como un “desformateador de corriente de bits” o “analizador sintáctico de corriente de bits”. El analizador 320 de corriente de bits recibe la información 310 de audio codificada y proporciona, basándose en el misma, una representación 322 de dominio de frecuencia y posiblemente, información 324 de control adicional. La representación 322 de dominio de frecuencia, por ejemplo, puede comprender valores 326 espectrales codificados, factores 328 de escala codificados y, opcionalmente, una información 330 secundaria adicional que, por ejemplo, puede controlar etapas de procesamiento específicas, por ejemplo, un relleno de ruido, un procesamiento intermedio o un procesamiento posterior. El decodificador 300 de audio además comprende una decodificación 340 de valor espectral que está configurada para recibir los valores 326 espectrales codificados, y para proporcionar, basándose en los mismos, un conjunto 342 de valores espectrales decodificados. El decodificador 300 de audio además puede comprender una decodificación 350 de factor de escala, que puede estar configurada para recibir los factores 328 de escala codificados y para proporcionar, basándose en los mismos, un conjunto 352 de factores de escala decodificados.
Como alternativa a la decodificación de factor de escala, puede usarse una conversión 354 de LPC a factor de escala, por ejemplo, en el caso de que la información de audio codificada comprenda una información de LPC codificada, en lugar de una información de factor de escala. Sin embargo, en algunos modos de codificación (por ejemplo, en el modo de codificación TCX del decodificador de audio USAC o en el decodificador de audio EVS), puede utilizarse un conjunto de coeficientes de LPC para derivar un conjunto de factores de escala en el lado del decodificador de audio. Esta funcionalidad puede lograrse por medio de la conversión 354 de LPC a factor de escala.
El decodificador 300 de audio puede además comprender un escalador 360, que puede estar configurado para aplicar el conjunto 352 de factores escalados al conjunto 342 de valores espectrales, para obtener de esta manera un conjunto de valores 362 espectrales decodificados escalados. Por ejemplo, una primera banda de frecuencia que comprende múltiples valores 342 espectrales decodificados puede escalarse usando un primer factor de escala, y una segunda banda de frecuencia que comprende múltiples valores 342 espectrales decodificados puede escalarse usando un segundo factor de escala. Por consiguiente, se obtiene el conjunto de valores 362 espectrales decodificados escalados. El decodificador 300 de audio puede comprender adicionalmente un procesamiento opcional 366, que puede aplicar cierto procesamiento a los valores 362 espectrales decodificados escalados. Por ejemplo, el procesamiento 366 opcional puede comprender un relleno de ruido o alguna otra operación.
El decodificador 300 de audio además comprende una transformada 370 de dominio de frecuencia a dominio de tiempo, que está configurada para recibir los valores 362 espectrales decodificados escalados, o una versión procesada 368 de los mismos, y para proporcionar una representación 372 de dominio de tiempo asociada con un conjunto de valores 362 espectrales decodificados escalados. Por ejemplo, la transformada 370 de dominio de frecuencia a dominio de tiempo puede proporcionar una representación 372 de dominio de tiempo, que está asociada con una trama o subtrama del contenido de audio. Por ejemplo, la transformada de dominio de frecuencia a dominio de tiempo puede recibir un conjunto de coeficientes de MDCT (que pueden considerarse valores espectrales decodificados escalados) y proporcionar, basándose en los mismos, un bloque de muestras de dominio de tiempo, que pueden formar la representación 372 de dominio de tiempo.
El decodificador 300 de audio puede comprender opcionalmente un post-procesamiento 376, que puede recibir la representación 372 de dominio de tiempo y modificar en cierta forma la representación 372 de dominio de tiempo, para obtener una versión 378 post-procesada de la representación 372 de dominio de tiempo.
El decodificador 300 de audio además comprende una ocultación 380 de error que, por ejemplo, puede recibir la representación 372 de dominio de tiempo de la transformada de dominio de frecuencia a dominio 370 de tiempo y que, por ejemplo, puede proporcionar una información 382 de audio de ocultación de error para una o más tramas de audio perdidas. En otras palabras, si una trama de audio se pierde, de modo tal que, por ejemplo, no hay disponibles valores 326 espectrales codificados para dicha trama de audio (o subtrama de audio), la ocultación 380 de error puede proporcionar la información de audio de ocultación de error basándose en la representación 372 de dominio de tiempo asociada con una o más tramas de audio que preceden la trama de audio perdida. La información de audio de ocultación de error puede ser típicamente una representación de dominio de tiempo de un contenido de audio.
Debe observarse que la ocultación 380 de error, por ejemplo, puede realizar la funcionalidad de la ocultación 130 de error que se ha descrito anteriormente. Además, la ocultación 380 de error, por ejemplo, puede comprender la funcionalidad de la ocultación 500 de error descrita con referencia a la figura 5. Sin embargo, en términos generales, la ocultación 380 de error puede comprender cualquiera de los rasgos y de las funcionalidades que se describen con respecto a la ocultación de error en el presente documento.
Con respecto a la ocultación de error, debe observarse que la ocultación de error no sucede al mismo tiempo que la decodificación de trama. Por ejemplo, si la trama n es buena, entonces, hacemos una decodificación normal, y al final, guardamos alguna variable que ayudará si tenemos que ocultar la siguiente trama, entonces, si n+1 se pierde, llamamos a la función de ocultación que proporciona la variable que proviene de la trama buena previa. Además, actualizaremos algunas variables para ayudar para la siguiente pérdida de trama o con la recuperación para la siguiente trama buena.
El decodificador 300 de audio además comprende una combinación 390 de señales, que está configurada para recibir la representación 372 de dominio de tiempo (o la representación de dominio de tiempo post-procesada 378 en el caso de que haya un post-procesamiento 376). Además, la combinación 390 de señales puede recibir la información 382 de audio de ocultación de error, que habitualmente es además una representación de dominio de tiempo de una señal de audio de ocultación de error prevista para una trama de audio perdida. La combinación 390 de señales, por ejemplo, puede combinar representaciones de dominio de tiempo asociadas con subsiguientes tramas de audio. En el caso de que haya subsiguientes tramas de audio apropiadamente decodificadas, la combinación 390 de señales puede combinar (por ejemplo, superposición y adición) representaciones de dominio de tiempo asociadas con las subsiguientes tramas de audio apropiadamente decodificadas. Sin embargo, si una trama de audio se pierde, la combinación 390 de señales puede combinar (por ejemplo, superposición y adición) la representación de dominio de tiempo asociada con la trama de audio apropiadamente decodificada que precede la trama de audio perdida, y la información de audio de ocultación de error asociada con la trama de audio perdida, para obtener de esta manera una suave transición entre la trama de audio apropiadamente recibida y la trama de audio perdida. De manera similar, la combinación 390 de señales puede estar configurada para combinar (por ejemplo, superposición y adición) la información de audio de ocultación de error asociada con la trama de audio perdida y la representación de dominio de tiempo asociada con otra trama de audio apropiadamente decodificada seguido de la trama de audio perdida (u otra información de audio de ocultación de error asociada con otra trama de audio perdida, en el caso de que se pierdan múltiples tramas de audio consecutivas).
Por consiguiente, la combinación 390 de señales puede proporcionar una información 312 de audio decodificada, de modo tal que se proporciona la representación 372 de dominio de tiempo, o una versión 378 post-procesada de la misma, para tramas de audio apropiadamente decodificadas, y de modo tal que la información 382 de audio de ocultación de error se proporciona para tramas de audio perdidas, en el que habitualmente se realiza una operación de superposición y adición entre la información de audio (sin consideración de si se proporciona por una transformada de dominio de frecuencia a dominio 370 de tiempo o por la ocultación 380 de error) de subsiguientes tramas de audio. Debido a que algunos códecs tienen cierto solapamiento sobre la parte de superposición y adición que debe cancelarse, opcionalmente, podemos crear cierto solapamiento artificial sobre la mitad de la trama que hemos creado para realizar la adición de superposición.
Debe observarse que la funcionalidad del decodificador 300 de audio es similar a la funcionalidad del decodificador 100 de audio de acuerdo con la figura 1, en el que se muestran detalles adicionales en la figura 3. Además, debe observarse que el decodificador 300 de audio de acuerdo con la figura 3 puede complementarse por cualquiera de los rasgos y de las funcionalidades que se describen en el presente documento. En particular, la ocultación 380 de error puede complementarse por cualquiera de los rasgos y de las funcionalidades descritos en el presente documento con respecto a la ocultación de error.
4. Decodificador de audio 400 de acuerdo con la figura 4.
La figura 4 muestra un decodificador 400 de audio de acuerdo con otra realización de la presente invención. El decodificador 400 de audio está configurado para recibir una información de audio codificada y para proporcionar, basándose en la misma, una información 412 de audio decodificada. El decodificador 400 de audio, por ejemplo, puede estar configurado para recibir una información 410 de audio codificada, en el que diferentes tramas de audio se codifican usando diferentes modos de codificación. Por ejemplo, el decodificador 400 de audio puede considerarse un decodificador de audio de múltiples modos o un decodificador de audio “de conmutación”. Por ejemplo, algunas de las tramas de audio pueden codificarse usando una representación de dominio de frecuencia, en el que la información de audio codificada comprende una representación codificada de valores espectrales (por ejemplo, valores FFT o valores MDCT) y factores de escala que representan una escala de diferentes bandas de frecuencia. Además, la información 410 de audio codificada puede además comprender una “representación de dominio de tiempo” de tramas de audio, o una “representación de dominio de predicción lineal” de múltiples tramas de audio. La “representación de dominio de codificación de predicción lineal” (también designada brevemente como “representación de LPC“), por ejemplo, puede comprender una representación codificada de una señal de excitación, y una representación codificada de parámetros de LPC (parámetros de codificación de predicción lineal), en el que los parámetros de codificación de predicción lineal describen, por ejemplo, un filtro de síntesis de codificación de predicción lineal, que se utiliza para reconstruir una señal de audio basándose en la señal de excitación de dominio de tiempo.
A continuación, se describirán algunos detalles del decodificador 400 de audio.
El decodificador 400 de audio comprende un analizador 420 de corriente de bits que, por ejemplo, puede analizar la información 410 de audio codificada y extraer, de la información 410 de audio codificada, una representación 422 de dominio de frecuencia, que comprende, por ejemplo, valores espectrales codificados, factores de escala codificados y, opcionalmente, una información secundaria adicional. El analizador 420 de corriente de bits además puede estar configurado para extraer una representación 424 de dominio de codificación de predicción lineal, que, por ejemplo, puede comprender una excitación 426 codificada y coeficientes 428 de predicción lineal codificada (que también pueden considerarse parámetros de predicción lineal codificada). Además, el analizador de corriente de bits puede opcionalmente extraer información secundaria, que puede usarse para controlar etapas de procesamiento adicionales, a partir de la información de audio codificada.
El decodificador 400 de audio comprende una ruta 430de codificación de dominio de frecuencia, que, por ejemplo, puede ser sustancialmente idéntica a la ruta de codificación del decodificador 300 de audio de acuerdo con la figura 3. En otras palabras, la ruta 430 de codificación de dominio de frecuencia puede comprender una decodificación 340 de valor espectral, una decodificación 350 de factor de escala, un escalador 360, un procesamiento 366 opcional, una transformada de dominio de frecuencia a dominio 370 de tiempo, un post-procesamiento 376 opcional y una ocultación 380 de error, como se ha descrito anteriormente con referencia a la figura 3.
El decodificador 400 de audio puede además comprender una ruta de decodificación de dominio de predicción lineal 440 (que puede considerarse además una ruta de decodificación de dominio de tiempo, ya que la síntesis de LPC se realiza en el dominio de tiempo). La ruta de decodificación de dominio de predicción lineal comprende una decodificación 450 de excitación, que recibe la excitación 426 codificada proporcionada por el analizador 420 de corriente de bits y proporciona, basándose en la misma, una excitación 452 decodificada (que puede adoptar la forma de una señal de excitación de dominio de tiempo decodificada). Por ejemplo, la decodificación de excitación 450 puede recibir una información de excitación codificada transformada codificada, y puede proporcionar, basándose en la misma, una señal de excitación de dominio de tiempo decodificada. Por lo tanto, la decodificación 450 de excitación, por ejemplo, puede realizar una funcionalidad que se realiza por el decodificador 730 de excitación descrito con referencia a la figura 7. Sin embargo, de manera alternativa o adicional, la decodificación de excitación 450 puede recibir una excitación ACELP codificada, y puede proporcionar la señal 452 de excitación de dominio de tiempo decodificada basándose en dicha información de excitación ACELP codificada.
Debe observarse que hay diferentes opciones para la decodificación de excitación. Se hace referencia, por ejemplo, a las Normas pertinentes y a las publicaciones que definen los conceptos de codificación de CELP, los conceptos de codificación de ACELP, las modificaciones de los conceptos de codificación CELP y de los conceptos de codificación de ACELP y el concepto de codificación de TCX.
La ruta 440 de decodificación de dominio de predicción lineal opcionalmente comprende un procesamiento 454 en el cual una señal 456 de excitación de dominio de tiempo procesada se deriva de la señal 452 de excitación de dominio de tiempo.
La ruta 440 de decodificación de dominio de predicción lineal además comprende una decodificación 460 de coeficiente de predicción lineal, que está configurada para recibir coeficientes de predicción lineal codificados y para proporcionar, basándose en los mismos, coeficientes 462 de predicción lineal decodificados. La decodificación 460 de coeficiente de predicción lineal puede usar diferentes representaciones de un coeficiente de predicción lineal como información 428 de entrada, y puede proporcionar diferentes representaciones de los coeficientes de predicción lineal decodificados como la información 462 de salida. Para detalles, se hace referencia a diferentes documentos de Normas en los cuales se describe una codificación y/o decodificación de coeficientes de predicción lineal.
La ruta 440 de decodificación de dominio de predicción lineal opcionalmente comprende un procesamiento 464, que puede procesar los coeficientes de predicción lineal decodificados y proporcionar una versión procesada 466 de los mismos.
La ruta 440 de decodificación de dominio de predicción lineal además comprende una síntesis de LPC (síntesis de codificación de predicción lineal) 470, que está configurada para recibir la excitación 452 decodificada, o su versión 456 procesada, y los coeficientes 462 de predicción lineal decodificados, o su versión 466 procesada, y para proporcionar una señal 472 de audio de dominio de tiempo decodificada. Por ejemplo, la síntesis 470 de LPC puede estar configurada para aplicar una filtración, que se define por los coeficientes 462 de predicción lineal decodificados (o su versión 466 procesada), a la señal 452 de excitación de dominio de tiempo decodificada, o su versión procesada, de modo tal que la señal 472 de audio de dominio de tiempo decodificada se obtiene por la filtración (filtración de síntesis) de la señal 452 (o 456) de excitación de dominio de tiempo. La ruta 440 de decodificación de dominio de predicción lineal puede comprender opcionalmente un post-procesamiento 474, que puede utilizarse para perfeccionar o ajustar las características de la señal 472 de audio de dominio de tiempo decodificada.
La ruta 440 de decodificación de dominio de predicción lineal además comprende una ocultación 480 de error, que está configurada para recibir los coeficientes 462 de predicción lineal decodificados (o su versión 466 procesada) y la señal 452 de excitación de dominio de tiempo decodificada (o su versión 456 procesada). La ocultación 480 de error puede recibir opcionalmente información adicional, por ejemplo, una información de tono. La ocultación 480 de error puede, en consecuencia, proporcionar una información de audio de ocultación de error, que puede presentarse en forma de una señal de audio de dominio de tiempo, en el caso de que se pierda una trama (o subtrama) de la información 410 de audio codificada. Por lo tanto, la ocultación 480 de error puede proporcionar la información 482 de audio de ocultación de error de modo tal que las características de la información 482 de audio de ocultación de error se adapten sustancialmente a las características de una última trama de audio apropiadamente decodificada que precede la trama de audio perdida. Debe entenderse que la ocultación 480 de error puede comprender cualquiera de los rasgos y de las funcionalidades que se describen con respecto a la ocultación 240 de error. Asimismo, debe observarse que la ocultación 480 de error puede además comprender cualquiera de los rasgos y de las funcionalidades que se describen con respecto a la ocultación de dominio de tiempo de la figura 6.
El decodificador 400 de audio además comprende un combinador de señal (o combinación 490 de señales), que está configurado para recibir la señal 372 de audio de dominio de tiempo decodificada (o su versión 378 post­ procesada), la información 382 de audio de ocultación de error proporcionada por la ocultación 380 de error, la señal 472 de audio de dominio de tiempo decodificada (o su versión 476 post-procesada) y la información 482 de audio de ocultación de error proporcionada por la ocultación 480 de error. El combinador de señal 490 puede estar configurado para combinar dichas señales 372 (o 378), 382, 472 (o 476) y 482 para obtener de esta manera la información 412 de audio decodificada. En particular, puede aplicarse una operación 490 de superposición y adición por medio del combinador de señal. Por consiguiente, el combinador 490 de señal puede proporcionar transiciones suaves entre subsiguientes tramas de audio para las cuales se proporciona la señal de audio de dominio de tiempo por medio de diferentes entidades (por ejemplo, por diferentes rutas 430, 440 de codificación). Sin embargo, el combinador 490 de señal puede además proporcionar transiciones suaves si la señal de audio de dominio de tiempo se proporciona por la misma entidad (por ejemplo, transformada de dominio de frecuencia a dominio 370 de tiempo, o síntesis 470 de LPC) para tramas subsiguientes. Debido a que algunos códecs tienen cierto solapamiento sobre la parte de superposición y adición que debe cancelarse, opcionalmente, podemos crear cierto solapamiento artificial sobre la mitad de la trama que hemos creado para realizar la adición de superposición. En otras palabras, puede usarse opcionalmente una compensación de solapamiento de domino de tiempo artificial (TDAC).
Además, el combinador 490 de señal puede proporcionar transiciones suaves hacia y desde tramas para las cuales se proporciona una información de audio de ocultación de error (que, habitualmente, además es una señal de audio de dominio de tiempo).
En síntesis, el decodificador 400 de audio permite la decodificación de tramas de audio que se codifican en el dominio de frecuencia, y tramas de audio que se codifican en el dominio de predicción lineal. En particular, es posible la conmutación entre el uso de la ruta de codificación de dominio de frecuencia y el uso de la ruta de codificación de dominio de predicción lineal dependiendo de las características de la señal (por ejemplo, usando una información de señalización proporcionada por un codificador de audio). Diferentes tipos de ocultación de error pueden usarse para proporcionar una información de audio de ocultación de error, en el caso de una pérdida de trama, dependiendo de si una última trama de audio apropiadamente decodificada se codificó en el dominio de frecuencia (o, equivalentemente, en una representación de dominio de frecuencia), o en el dominio de tiempo (o equivalentemente, en una representación de dominio de tiempo, o, equivalentemente, en un dominio de predicción lineal, o, equivalentemente, en una representación de dominio de predicción lineal).
5. Ocultación de dominio de tiempo de acuerdo con la figura 5.
La figura 5 muestra un diagrama de bloques esquemático de una ocultación de error de acuerdo con una realización de la presente invención. La ocultación de error de acuerdo con la figura 5 se designa en su totalidad como 500. La ocultación 500 de error está configurada para recibir una señal 510 de audio de dominio de tiempo y para proporcionar, basándose en la misma, una información 512 de audio de ocultación de error, que, por ejemplo, puede adoptar la forma de una señal de audio de dominio de tiempo.
Debe observarse que la ocultación 500 de error puede, por ejemplo, tomar el lugar de la ocultación 130 de error, de modo tal que la información 512 de audio de ocultación de error puede corresponder a la información 132 de audio de ocultación de error. Además, debe observarse que la ocultación 500 de error puede ocupar el lugar de la ocultación 380 de error, de modo tal que la señal 510 de audio de dominio de tiempo puede corresponder a la señal 372 de audio de dominio de tiempo (o a la señal 378 de audio de dominio de tiempo), y de modo tal que la información 512 de audio de ocultación de error puede corresponder a la información 382 de audio de ocultación de error.
La ocultación 500 de error comprende un preénfasis 520, que puede considerarse opcional. El preénfasis recibe la señal de audio de dominio de tiempo y proporciona, basándose en la misma, una señal 522 de audio de dominio de tiempo pre-enfatizada.
La ocultación 500 de error además comprende un análisis 530 de LPC, que está configurado para recibir la señal 510 de audio de dominio de tiempo, o su versión 522 pre-enfatizada, y para obtener una información 532 de LPC, que puede comprender un conjunto 532 de parámetros de LPC. Por ejemplo, la información de LPC puede comprender un conjunto de coeficientes de filtro de LPC (o una representación de los mismos) y una señal de excitación de dominio de tiempo (que se adapta para una excitación de un filtro de síntesis de LPC configurado de acuerdo con los coeficientes de filtro de LPC, para reconstruir, al menos aproximadamente, la señal de entrada del análisis de LPC).
La ocultación 500 de error además comprende una búsqueda 540 de tono, que está configurada para obtener una información 542 de tono, por ejemplo, basándose en una trama de audio previamente decodificada.
La ocultación 500 de error además comprende una extrapolación 550, que puede estar configurada para obtener una señal de excitación de dominio de tiempo extrapolada basándose en el resultado del análisis de LPC (por ejemplo, basándose en la señal de excitación de dominio de tiempo determinada por el análisis de LPC), y posiblemente, basándose en el resultado de la búsqueda de tono.
La ocultación 500 de error además comprende una generación 560 de ruido, que proporciona una señal de ruido 562. La ocultación 500 de error además comprende un combinador/desvanecedor 570, que está configurado para recibir la señal 552 de excitación de dominio de tiempo extrapolada y la señal 562 de ruido, y para proporcionar, basándose en las mismas, una señal 572 de excitación de dominio de tiempo combinada. El combinador/desvanecedor 570 puede estar configurado para combinar la señal 552 de excitación de dominio de tiempo extrapolada y la señal 562 de ruido, donde puede realizarse un desvanecimiento, de modo tal que una contribución relativa de la señal 552 de excitación de dominio de tiempo extrapolada (que determina un componente determinista de la señal de entrada de la síntesis de LPC) disminuye en función del tiempo, mientras que una contribución relativa de la señal 562 de ruido incrementa en función del tiempo. Sin embargo, una funcionalidad diferente del combinador/desvanecedor es también posible. Además, se hace referencia a la descripción a continuación.
La ocultación 500 de error además comprende una síntesis 580 de LPC, que recibe la señal 572 de excitación de dominio de tiempo combinada y que proporciona una señal 582 de audio de dominio de tiempo basándose en la misma. Por ejemplo, la síntesis de LPC además puede recibir coeficientes de filtro de LPC que describen un filtro de conformación de LPC, que se aplica a la señal 572 de excitación de dominio de tiempo combinada, para derivar la señal 582 de audio de dominio de tiempo. La síntesis 580 de LPC puede, por ejemplo, usar coeficientes de LPC obtenidos basándose en una o más tramas de audio previamente decodificadas (por ejemplo, proporcionadas por el análisis 530 de LPC). La ocultación 500 de error además comprende un des-énfasis 584, que puede considerarse opcional. El des-énfasis 584 puede proporcionar una señal 586 de audio de dominio de tiempo de ocultación de error des-enfatizada.
La ocultación 500 de error además comprende, opcionalmente, una superposición 590 y adición, que realiza una operación de superposición y adición de las señales de audio de dominio de tiempo asociadas con subsiguientes tramas (o subtramas). Sin embargo, debe observarse que la superposición 590 y adición debe considerarse opcional, ya que la ocultación de error puede demás usar una combinación de señales que ya se proporciona en el entorno del decodificador de audio. Por ejemplo, la superposición 590 y adición puede remplazarse por la combinación 390 de señales en el decodificador 300 de audio en algunas realizaciones.
A continuación, se describirán algunos detalles adicionales con respecto a la ocultación 500 de error.
La ocultación 500 de error de acuerdo con la figura 5 cubre el contexto de un códec de dominio de transformada como AAC_LC o AAC_ELD. En otras palabras, la ocultación 500 de error se adapta bien para el uso en un códec de dominio de transformada de este tipo (y, en particular, en un decodificador de audio de dominio de transformada de este tipo). En el caso de un códec de transformada solamente (por ejemplo, en ausencia de una ruta de decodificación de dominio de predicción lineal), se usa una señal de salida de una última trama, como un punto de inicio. Por ejemplo, una señal 372 de audio de dominio de tiempo puede usarse como un punto de inicio para la ocultación de error. Preferentemente, no hay disponible ninguna señal de excitación, solo una señal de dominio de tiempo de salida de (una o más) tramas previas (por ejemplo, la señal 372 de audio de dominio de tiempo).
A continuación, se describirá en más detalle las subunidades y funcionalidades de la ocultación 500 de error.
5.1. Análisis de LPC.
En la realización de acuerdo con la figura 5, toda la ocultación se realiza en el dominio de excitación para obtener una transición más suave entre tramas consecutivas. Por lo tanto, es necesario en primer lugar hallar (o, más generalmente, obtener) un conjunto apropiado de parámetros de LPC. En la realización de acuerdo con la figura 5, se realiza un análisis 530 de LPC sobre la señal 522 de dominio de tiempo pre-enfatizada pasada. Los parámetros de LPC (o coeficientes de filtro de LPC) se utilizan para realizar el análisis de LPC de la señal de síntesis pasada (por ejemplo, basándose en la señal 510 de audio de dominio de tiempo, o basándose en la señal 522 de audio de dominio de tiempo pre-enfatizada) para obtener una señal de excitación (por ejemplo, una señal de excitación de dominio de tiempo).
5.2. Búsqueda de tono.
Existen diferentes enfoques para obtener el tono a utilizarse para lograr la construcción de la nueva señal (por ejemplo, la información de audio de ocultación de error).
En el contexto del códec usando un filtro de LTP (filtro de predicción a largo plazo), como AAC-LTP, si la última trama era AAC con LTP, usamos esta última demora de tono de LTP recibida y la correspondiente ganancia para la generación de la parte armónica. En este caso, la ganancia se utiliza para decidir si construir la parte armónica en la señal o no. Por ejemplo, si la ganancia de LTP es mayor que 0,6 (o cualquier otro valor predeterminado), entonces, la información de LTP se utiliza para construir la parte armónica.
Si no hay ninguna información de tono disponible de la trama previa, entonces, hay, por ejemplo, dos soluciones, que se describirán a continuación.
Por ejemplo, es posible realizar una búsqueda de tono en el codificador y transmitir en la corriente de bits la demora de tono y la ganancia. Esto es similar a la LTP, pero no hay ninguna aplicación de filtración (además, ninguna filtración de LTP en el canal limpio).
Como alternativa, es posible realizar una búsqueda de tono en el decodificador. La búsqueda de tono de AMR-WB en el caso de TCX se realiza en el dominio de FFT. En el ELD, por ejemplo, si se usó el dominio de MDCT, entonces, se perderán las fases. Por lo tanto, la búsqueda de tono se realiza preferentemente de manera directa en el dominio de excitación. Esto proporciona mejores resultados que la realización de la búsqueda de tono en el dominio de síntesis. La búsqueda de tono en el dominio de excitación se realiza primero con un bucle abierto por medio de una correlación cruzada normalizada. A continuación, opcionalmente, refinamos la búsqueda de tono realizando una búsqueda de bucle cerrado alrededor del tono de bucle abierto, con un cierto delta. Debido a las limitaciones de la generación de ventanas de ELD, podría hallarse un tono erróneo, y en consecuencia, además, verificamos que el tono hallado sea correcta, o de lo contrario, lo descartamos.
Como conclusión, el tono de la última trama de audio apropiadamente decodificada que precede la trama de audio perdida puede considerarse cuando se proporciona la información de audio de ocultación de error. En algunos casos, hay una información de tono disponible de la decodificación de la trama previa (es decir, la última trama que precede la trama de audio perdida). En este caso, este tono puede reutilizarse (posiblemente, con cierta extrapolación y una consideración de un cambio de tono en función del tiempo). Además, podemos reutilizar opcionalmente el tono de más de una trama del pasado para intentar extrapolar el tono que necesitamos al final de nuestra trama ocultada.
Además, si hay una información (por ejemplo, designada como ganancia de predicción a largo plazo) disponible, que describe una intensidad (o intensidad relativa) de un componente de señal determinista (por ejemplo, al menos aproximadamente periódico), este valor puede utilizarse para decidir si un componente determinista (o armónico) debe ser incluido en la información de audio de ocultación de error. En otras palabras, al comparar dicho valor (por ejemplo, ganancia de LTP) con un valor umbral predeterminado, puede decidirse si una señal de excitación de dominio de tiempo derivada de una trama de audio previamente decodificada debe considerarse para proporcionar la información de audio de ocultación de error o no.
Si no hay información de tono disponible de la trama previa (o, más precisamente, de la decodificación de la trama previa), hay diferentes opciones. La información de tono podría transmitirse desde un codificador de audio hacia un decodificador de audio, lo que simplificaría el decodificador de audio si bien crearía una sobrecarga de tasa de bits. Como alternativa, la información de tono puede determinarse en el decodificador de audio, por ejemplo, en el dominio de excitación, es decir, basándose en una señal de excitación de dominio de tiempo. Por ejemplo, la señal de excitación de dominio de tiempo derivada de una trama de audio previa apropiadamente decodificada puede evaluarse para identificar la información de tono para utilizarse para proporcionar la información de audio de ocultación de error.
5.3. Extrapolación de la excitación o creación de la parte armónica.
La excitación (por ejemplo, la señal de excitación de dominio de tiempo) obtenida de la trama previa (o bien solo calculada para la trama perdida o ya guardada en la trama perdida previa para múltiple pérdida de trama) se utiliza para la construcción de la parte armónica (también designada como componente determinista o componente aproximadamente periódico) en la excitación (por ejemplo, en la señal de entrada de la síntesis de LPC) mediante el copiado del último ciclo de tono tantas veces como sean necesarias para obtener una trama y media. Para ahorrar complejidad, podemos además crear una trama y media solo para la primera trama de pérdida y luego, cambiar el procesamiento para subsiguiente pérdida de trama a la mitad de la trama, y crear solo una trama para cada una. A continuación, tenemos siempre acceso a la mitad de una trama de superposición.
En el caso de la primera trama perdida después de una trama buena (es decir, una trama apropiadamente decodificada), el primer ciclo de tono (por ejemplo, de la señal de excitación de dominio de tiempo obtenida basándose en la última trama de audio apropiadamente decodificada que precede la trama de audio perdida) se realiza filtro paso bajo con un filtro dependiente de la tasa de muestreo (ya que el ELD cubre una combinación de tasa de muestreo realmente amplia - que va de núcleo AAC-ELD a AAC-ELD con SBR o AAC-ELD de tasa dual SBR).
El tono en una señal de voz es casi siempre cambiante. Por lo tanto, la ocultación presentada anteriormente tiende a crear algunos problemas (o al menos distorsiones) en la recuperación, ya que el tono al final de la señal ocultada (es decir, al final de la información de audio de ocultación de error) con frecuencia no coincide con el tono de la primera trama buena. Por lo tanto, opcionalmente, en algunas realizaciones, se intenta predecir el tono al final de la trama ocultada para coincidir con el tono al comienzo de la trama de recuperación. Por ejemplo, se predice el tono al final de una trama perdida (que se considera una trama ocultada), en el que el objetivo de la predicción es establecer el tono al final de la trama perdida (trama ocultada) a aproximarse a el tono al comienzo de la primera trama apropiadamente decodificada seguido de una o más tramas perdidas (cuya primera trama apropiadamente decodificada además se denomina “trama de recuperación”). Esto podría realizarse durante la pérdida de trama o durante la primera trama buena (es decir, durante la primera trama apropiadamente recibida). Para obtener incluso mejores resultados, es posible reutilizar opcionalmente algunas herramientas convencionales y adaptarlas, como la resincronización de predicción de tono y pulsos. Para detalles, se hace referencia, por ejemplo, a la referencia [6] y [7].
Si se usa una predicción a largo plazo (LTP) en un códec de dominio de frecuencia, es posible usar la demora como la información de inicio acerca del tono. Sin embargo, en algunas realizaciones, se desea además contar con una mejor granularidad para poder rastrear mejor el contorno de tono. Por lo tanto, se prefiere realizar una búsqueda de tono al comienzo y al final de la última buena (apropiadamente decodificada) trama. Para adaptar la señal al tono en movimiento, es deseable la utilización de una resincronización de pulsos, que se presenta en el estado de la técnica.
5.4. Ganancia de tono
En algunas realizaciones, se prefiere la aplicación de una ganancia sobre la excitación previamente obtenida para lograr el nivel deseado. La “ganancia del tono” (por ejemplo, la ganancia del componente determinista de la señal de excitación de dominio de tiempo, es decir, la ganancia aplicada a una señal de excitación de dominio de tiempo derivada de una trama de audio previamente decodificada, para obtener la señal de entrada de la síntesis de LPC), puede, por ejemplo, obtenerse mediante la realización de una correlación normalizada en el dominio de tiempo al final de la última buena (por ejemplo, apropiadamente decodificada) trama. La longitud de la correlación puede ser equivalente a la longitud de dos subtramas, o puede cambiarse adaptativamente. El retardo es equivalente a la demora de tono que se usa para la creación de la parte armónica. Podemos además opcionalmente realizar el cálculo de ganancia solo sobre la primera trama perdida y a continuación solo aplicar un desvanecimiento de salida (ganancia reducida) para la siguiente pérdida de trama consecutiva.
La “ganancia de tono” determinará la cantidad de tonalidad (o la cantidad de componentes de señal deterministas, al menos aproximadamente periódicos) que se crearán. Sin embargo, es deseable agregar cierto ruido con forma para no tener solo un tono artificial. Si obtenemos muy baja ganancia del tono, entonces construimos una señal que consiste solo en un ruido con forma.
Como conclusión, en algunos casos, la señal de excitación de dominio de tiempo obtenida, por ejemplo, basándose en una trama de audio previamente decodificada, se escala dependiendo de la ganancia (por ejemplo, para obtener la señal de entrada para el análisis de LPC). Por consiguiente, debido a que la señal de excitación de dominio de tiempo determina un componente de señal determinista (al menos aproximadamente periódico), la ganancia puede determinar una intensidad relativa de dichos componentes de señal deterministas (al menos aproximadamente periódicos) en la información de audio de ocultación de error. Además, la información de audio de ocultación de error puede basarse en un ruido, que también está conformado por la síntesis de LPC, de modo tal que se adapta una energía total de la información de audio de ocultación de error, al menos hasta cierto grado, a una trama de audio apropiadamente decodificada que precede la trama de audio perdida e, idealmente, además a una trama de audio apropiadamente decodificada seguida de las una o más tramas de audio perdidas.
5.5. Creación de la parte de ruido
Una “innovación” se crea por un generador de ruido aleatorio. Opcionalmente, a este ruido se realiza además opcionalmente filtrado paso alto y opcionalmente se pre-enfatiza para tramas de voz y de inicio. Como para el paso bajo de la parte armónica, este filtro (por ejemplo, el filtro paso alto) es dependiente de la tasa de muestreo. Este ruido (que se proporciona, por ejemplo, por una generación 560 de ruido) se conformará por la LPC (por ejemplo, por la síntesis 580 de LPC) para llegar lo más cerca posible del ruido de fondo. La característica de paso alto se cambia también opcionalmente sobre pérdida de trama consecutiva, de modo tal que sobre una cierta cantidad de una pérdida de trama, ya no hay más filtración, para solo obtener el ruido con forma de banda completa para lograr un ruido de confort cercano al ruido de fondo.
Una ganancia de innovación (que, por ejemplo, puede determinar una ganancia 562 del ruido en la combinación/desvanecimiento 570 de salida, es decir, una ganancia usando la señal 562 de ruido que se incluye en la señal 572 de entrada de la síntesis de LPC) se calcula, por ejemplo, mediante la eliminación de la contribución previamente calculada del tono (si existe) (por ejemplo, una versión escalada, escalada usando la “ganancia de tono”, de la señal de excitación de dominio de tiempo obtenida basándose en la última trama de audio apropiadamente decodificada que precede la trama de audio perdida) y la realización de una correlación al final de la última buena trama. En cuanto a la ganancia de tono, esta podría realizarse opcionalmente únicamente sobre la primera trama perdida, y a continuación, el desvanecimiento de salida, si bien, en este caso, el desvanecimiento de salida podría ir o bien a 0, que da como resultado un silenciamiento completado, o a un nivel de ruido estimado presente en el fondo. La longitud de la correlación es, por ejemplo, equivalente a la longitud de dos subtramas, y el retardo es equivalente a la demora de tono utilizada para la creación de la parte armónica.
Opcionalmente, esta ganancia además se multiplica por (1-“ganancia de tono”) para aplicar tanta ganancia sobre el ruido de modo de alcanzar la pérdida de ganancia si la ganancia de tono no es uno. Opcionalmente, esta ganancia se multiplica también por un factor de ruido. Este factor de ruido proviene, por ejemplo, de la trama válida previa (por ejemplo, de la última trama de audio apropiadamente decodificada que precede la trama de audio perdida).
5.6. Desvanecimiento de salida
El desvanecimiento de salida se usa en su mayoría para múltiple pérdida de trama. Sin embargo, el desvanecimiento de salida puede además usarse en el caso de que solo se pierda una sola trama de audio.
En el caso de una múltiple pérdida de trama, los parámetros de LPC no se recalculan. O bien, se mantiene el último calculado, o se realiza la ocultación de LPC mediante la convergencia a una forma de fondo. En este caso, la periodicidad de la señal se converge a cero. Por ejemplo, la señal 502 de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida aún utiliza una ganancia que se reduce gradualmente en función del tiempo, mientras que la señal 562 de ruido se mantiene constante o escalada con una ganancia que es gradualmente creciente en función del tiempo, de modo tal que el peso relativo de la señal 552 de excitación de dominio de tiempo se reduce en función del tiempo en comparación con el peso relativo de la señal 562 de ruido. En consecuencia, la señal 572 de entrada de la síntesis 580 de LPC se vuelve cada vez más “de tipo ruido”. Por lo tanto, la “periodicidad” (o, más precisamente, el componente determinista, o componente al menos aproximadamente periódico de la señal 582 de salida de la síntesis 580 de LPC) se reduce en función del tiempo. La velocidad de la convergencia de acuerdo con la cual la periodicidad 572 de la señal, y/o la periodicidad de la señal 582, convergen a 0, depende de los parámetros de la última trama correctamente recibida (o apropiadamente decodificada) y/o de la cantidad de tramas borradas consecutivas, y se controla por un factor de atenuación, a. El factor, a, es adicionalmente dependiente de la estabilidad del filtro LP. Opcionalmente, es posible alterar el factor a en la relación con la longitud de tono. Si el tono (por ejemplo, una longitud periódica asociada con el tono) es realmente larga, entonces mantenemos a “normal”, pero si el tono es realmente corto, habitualmente es necesario copiar una cantidad de veces la misma parte de la excitación pasada. Esto rápidamente sonará demasiado artificial, y por lo tanto, se prefiere el desvanecimiento de salida más rápidamente de esta señal.
Además, opcionalmente, si está disponible, podemos considerar la salida de la predicción de tono. Si se predice un tono, esto significa que el tono ya estaba cambiando en la trama previa, y entonces, cuantas más tramas perdemos, más lejos estamos de la verdad. Por lo tanto, se prefiere acelerar algo el desvanecimiento de salida de la parte tonal, en este caso.
Si la predicción de tono fallara debido a que el tono cambia demasiado, esto significa que o bien los valores de tono no son realmente confiables, o que la señal es realmente impredecible. Por lo tanto, nuevamente, se prefiere realizar el desvanecimiento de salida de manera más rápida (por ejemplo, el desvanecimiento de salida más rápidamente de la señal 552 de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio apropiadamente decodificadas que preceden una o más tramas de audio perdidas).
5.7. Síntesis de LPC
Para regresar al dominio de tiempo, se prefiere realizar una síntesis 580 de LPC sobre la suma de las dos excitaciones (parte tonal y parte con ruido), seguido de un des-énfasis. En otras palabras, se prefiere realizar la síntesis 580 de LPC basándose en una combinación ponderada de una señal 552 de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio apropiadamente decodificadas que preceden la trama de audio perdida (parte tonal) y la señal 562 de ruido (parte con ruido). Como se ha mencionado anteriormente, la señal 552 de excitación de dominio de tiempo puede modificarse en comparación con la señal de excitación de dominio de tiempo 532 obtenida por el análisis 530 de LPC (además de los coeficientes de LPC que describen una característica del filtro de la síntesis de LPC utilizado para la síntesis 580 de LPC). Por ejemplo, la señal 552 de excitación de dominio de tiempo puede ser una copia escalada en tiempo de la señal 532 de excitación de dominio de tiempo obtenida por el análisis 530 de LPC, en el que la escala de tiempo puede utilizarse para adaptar el tono de la señal 552 de excitación de dominio de tiempo a un tono deseado.
5.8. Superposición y adición.
En el caso de un códec de transformada solamente, para obtener la mejor superposición y adición, creamos una señal artificial para media trama más que la trama ocultada, y podemos crear solapamiento artificial sobre esta. Sin embargo, pueden aplicarse diferentes conceptos de superposición y adición.
En el contexto de la AAC o TCX regular, se aplica una superposición y adición entre la media trama adicional que proviene de la ocultación y la primera parte de la primera buena trama (podría ser la mitad o menos, para ventanas de retardo menores como AAC-LD).
En el caso especial del ELD (retardo bajo adicional) para la primera trama perdida, se prefiere ejecutar el análisis tres veces para obtener la contribución apropiada de las tres ventanas, y a continuación, para la primera trama de ocultación, y todas las siguientes, se ejecuta el análisis una vez más. A continuación, se realiza una síntesis de ELD, para volver al dominio de tiempo con toda la memoria apropiada para la siguiente trama en el dominio de MDCT. Como conclusión, la señal 572 de entrada de la síntesis 580 de LPC (y/o la señal 552 de excitación de dominio de tiempo) puede proporcionarse para una duración temporal que es mayor que una duración de una trama de audio perdida. Por consiguiente, la señal 582 de salida de la síntesis 580 de LPC puede proporcionarse además para un periodo de tiempo que es mayor que una trama de audio perdida. Por consiguiente, puede realizarse una superposición y adición entre la información de audio de ocultación de error (que se obtiene en consecuencia para un periodo de tiempo más largo que una extensión temporal de la trama de audio perdida) y una información de audio decodificada proporcionada para una trama de audio apropiadamente decodificada seguido de una o más tramas de audio perdidas.
En síntesis, la ocultación 500 de error se adapta bien al caso en el cual las tramas de audio se codifican en el dominio de frecuencia. Incluso aunque las tramas de audio se codifiquen en el dominio de frecuencia, la provisión de la información de audio de ocultación de error se realiza basándose en una señal de excitación de dominio de tiempo. Se aplican diferentes modificaciones a la señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio apropiadamente decodificadas que preceden una trama de audio perdida. Por ejemplo, la señal de excitación de dominio de tiempo proporcionada por el análisis 530 de LPC se adapta a cambios de tono, por ejemplo, usando una escala de tiempo. Además, la señal de excitación de dominio de tiempo proporcionada por el análisis 530 de LPC se modifica además por una escala (aplicación de una ganancia), en el que un desvanecimiento de salida del componente determinista (o tonal, o al menos aproximadamente periódico) puede realizarse por el escalador/desvanecedor 570, de modo tal que la señal 572 de entrada de la síntesis 580 de LPC comprende tanto un componente que se deriva de la señal de excitación de dominio de tiempo obtenida por el análisis de LPC como un componente de ruido que se basa en la señal 562 de ruido. El componente determinista de la señal 572 de entrada de la síntesis 580 de LPC, sin embargo, se modifica habitualmente (por ejemplo, se escala en tiempo y/o se escala en amplitud) con respecto a la señal de excitación de dominio de tiempo proporcionada por el análisis 530 de LPC.
En consecuencia, la señal de excitación de dominio de tiempo puede adaptarse a las necesidades, y se evita una impresión auditiva no natural.
6. Ocultación de dominio de tiempo de acuerdo con la figura 6.
La figura 6 muestra un diagrama de bloques esquemático de una ocultación de dominio de tiempo que puede usarse para un códec de conmutación. Por ejemplo, la ocultación 600 de dominio de tiempo de acuerdo con la figura 6 puede, por ejemplo, tomar el lugar de la ocultación 240 de error, o el lugar de la ocultación 480 de error.
Además, debe observarse que la realización de acuerdo con la figura 6 cubre el contexto (que puede usarse dentro del contexto) de un códec de conmutación usando dominios de tiempo y frecuencia combinados, tales como USAC (MPEG-D/MPEG-H) o EVS (3GPP). En otras palabras, la ocultación 600 de dominio de tiempo puede usarse en decodificadores de audio en los cuales hay una conmutación entre una decodificación de dominio de frecuencia y una decodificación de tiempo (o, equivalentemente, una decodificación basándose en coeficientes de predicción lineal).
Sin embargo, debe observarse que la ocultación 600 de error de acuerdo con la figura 6 además puede usarse en decodificadores de audio que meramente realizan una decodificación en el dominio de tiempo (o equivalentemente, en el dominio de coeficiente de predicción lineal).
En el caso de un códec conmutado (e incluso, en el caso de une códec que meramente realiza la decodificación en el dominio de coeficiente de predicción lineal), habitualmente ya tenemos la señal de excitación (por ejemplo, la señal de excitación de dominio de tiempo) que proviene de una trama previa (por ejemplo, una trama de audio apropiadamente decodificada que precede una trama de audio perdida). De lo contrario (por ejemplo, si la señal de excitación de dominio de tiempo no está disponible), es posible actuar según lo explicado en la realización de acuerdo con la figura 5, es decir, realizar un análisis de LPC. Si la trama previa era de tipo ACELP, además ya tenemos la información de tono de las subtramas en la última trama. Si la última trama fue TCX (excitación codificada transformada) con LTP (predicción a largo plazo), además tenemos la información de demora que proviene de la predicción a largo plazo. Y si la última trama estuvo en el dominio de frecuencia sin predicción a largo plazo LTP, entonces la búsqueda de tono se realiza preferentemente de manera directa en el dominio de excitación (por ejemplo, basándose en una señal de excitación de dominio de tiempo proporcionada por un análisis de LPC). Si el decodificador ya utiliza algunos parámetros de LPC en el dominio de tiempo, los reutilizamos y extrapolamos un nuevo conjunto de parámetros de LPC. La extrapolación de los parámetros de LPC está basada en la LPC pasada, por ejemplo, la media de las últimas tres tramas y (opcionalmente), la forma de la LPC derivada durante la estimación de ruido DTX si existe DTX (transmisión discontinua) en el códec.
Toda la ocultación se realiza en el dominio de excitación para obtener una transición más suave entre tramas consecutivas.
A continuación, se describirá en más detalle la ocultación 600 de error de acuerdo con la figura 6.
La ocultación 600 de error recibe una excitación 610 pasada y una información 640 de tono pasada. Además, la ocultación 600 de error proporciona una información 612 de audio de ocultación de error.
Debe observarse que la excitación pasada 610 recibida por la ocultación 600 de error puede, por ejemplo, corresponder a la salida 532 del análisis 530 de LPC. Además, la información 640 de tono pasada puede, por ejemplo, corresponder a la información 542 de salida de la búsqueda 540 de tono.
La ocultación 600 de error adicionalmente comprende una extrapolación 650, que puede corresponder a la extrapolación 550, de modo tal que se hace referencia al análisis anterior.
Además, la ocultación de error comprende un generador 660 de ruido, que puede corresponder al generador 560 de ruido, de modo tal que se hace referencia al análisis anterior.
La extrapolación 650 proporciona una señal 652 de excitación de dominio de tiempo extrapolada, que puede corresponder a la señal 552 de excitación de dominio de tiempo extrapolada. El generador 660 de ruido proporciona una señal 662 de ruido, que corresponde a la señal 562 de ruido.
La ocultación 600 de error además comprende un combinador/desvanecedor 670, que recibe la señal de excitación de dominio de tiempo extrapolada 652 y la señal de ruido 662 y proporciona, basándose en las mismas, una señal 672 de entrada para una síntesis 680 de LPC, en el que la síntesis 680 de LPC puede corresponder a la síntesis 580 de LPC, de modo tal que se aplican también las explicaciones anteriores. La síntesis 680 de LPC proporciona una señal 682 de audio de dominio de tiempo, que puede corresponder a la señal 582 de audio de dominio de tiempo. La ocultación de error además comprende (opcionalmente) un des-énfasis 684, que puede corresponder al des-énfasis 584 y que proporciona una señal de audio de dominio de tiempo de ocultación de error des-enfatizada 686. La ocultación 600 de error opcionalmente comprende una superposición 690 y adición, que puede corresponder a la superposición 590 y adición. Sin embargo, se aplican también las explicaciones anteriores con respecto a la superposición 590 y adición, a la superposición 690 y adición. En otras palabras, la superposición 690 y adición puede además reemplazarse por la superposición y adición general del decodificador de audio, de modo tal que la señal de salida 682 de la síntesis de LPC o la señal 686 de salida del des-énfasis pueden considerarse la información de audio de ocultación de error.
Como conclusión, la ocultación 600 de error difiere sustancialmente de la ocultación 500 de error, en términos de que la ocultación 600 de error obtiene directamente la información 610 de excitación pasada y la información 640 de tono pasada, directamente de una o más tramas de audio previamente decodificadas, sin la necesidad de realizar un análisis de LPC y/o un análisis de tono. Sin embargo, debe observarse que la ocultación 600 de error, opcionalmente, puede comprender un análisis de LPC y/o un análisis de tono (búsqueda de tono).
A continuación, se describirán en más detalle algunos rasgos de la ocultación 600 de error. Sin embargo, debe observarse que los detalles específicos deben considerarse ejemplares, en lugar de rasgos esenciales.
6.1. Tono pasado de búsqueda de tono
Hay diferentes enfoques para obtener el tono a usarse en la construcción de la nueva señal.
En el contexto del códec que utiliza el filtro de LTP, como AAC-LTP, si la última trama (que precede la trama perdida) fue AAC con LTP, tenemos la información de tono que proviene de la última demora de tono de LTP y la ganancia correspondiente. En este caso, usamos la ganancia para decidir si queremos construir la parte armónica en la señal o no. Por ejemplo, si la ganancia de LTP es superior a 0,6, entonces, usamos la información de LTP para construir la parte armónica.
Si no tenemos ninguna información de tono disponible de la trama previa, entonces hay, por ejemplo, dos soluciones adicionales.
Una solución es realizar una búsqueda de tono en el codificador y transmitir en la corriente de bits la demora de tono y la ganancia. Esto es similar a la predicción a largo plazo (LTP), si bien no aplicamos ninguna filtración (tampoco, ninguna filtración de predicción a largo plazo en el canal limpio).
Otra solución es realizar una búsqueda de tono en el decodificador. La búsqueda de tono de AMR-WB en el caso de TCX se realiza en el dominio de FFT. En TCX, por ejemplo, usamos el dominio de MDCT, entonces, perdemos las fases. Por lo tanto, la búsqueda de tono se realiza directamente en el dominio de excitación (por ejemplo, basándose en la señal de excitación de dominio de tiempo utilizada como la entrada de la síntesis de LPC, o utilizada para derivar la entrada para la síntesis de LPC), en una realización preferida. Esto habitualmente proporciona mejores resultados que la realización de la búsqueda de tono en el dominio de síntesis (por ejemplo, basándose en una señal de audio de dominio de tiempo completamente decodificada).
La búsqueda de tono en el dominio de excitación (por ejemplo, basándose en la señal de excitación de dominio de tiempo) se realiza primero con un bucle abierto por medio de una correlación cruzada normalizada. A continuación, opcionalmente, la búsqueda de tono puede perfeccionarse realizando una búsqueda de bucle cerrado alrededor del tono de bucle abierto con una cierta delta.
En implementaciones preferidas, no consideramos simplemente un valor máximo de la correlación. Si tenemos una información de tono de una trama previa no propensa al error, entonces seleccionamos el tono que corresponde a aquella de los cinco valores más altos en el dominio de correlación cruzada normalizada, aunque el más cercano al tono de la trama previa. Entonces, se verifica además que el máximo hallado no sea un máximo erróneo debido a la limitación de ventana.
Como conclusión, hay diferentes conceptos para determinar el tono, en el que es computacionalmente eficaz considerar un tono pasado (es decir, tono asociado con una trama de audio previamente decodificada). Como alternativa, la información de tono puede transmitirse desde un codificador de audio hacia un decodificador de audio. Como otra alternativa, una búsqueda de tono puede realizarse en el lado del decodificador de audio, en el que la determinación de tono se realiza, preferentemente, basándose en la señal de excitación de dominio de tiempo (es decir, en el dominio de excitación).
Una búsqueda de tono de dos etapas que comprende una búsqueda de bucle abierto y una búsqueda de bucle cerrado puede realizarse para obtener una información de tono particularmente confiable y precisa. Como alternativa, o además, una información de tono de una trama de audio previamente decodificada puede usarse para garantizar que la búsqueda de tono proporciona un resultado confiable.
6.2. Extrapolación de la excitación o creación de la parte armónica
La excitación (por ejemplo, en forma de una señal de excitación de dominio de tiempo) obtenida de la trama previa (o bien solo calculada para la trama perdida o ya guardada en la trama perdida previa para múltiple pérdida de trama) se utiliza para construir la parte armónica en la excitación (por ejemplo, la señal 662 de excitación de dominio de tiempo extrapolada) mediante el copiado del último ciclo de tono (por ejemplo, una porción de la señal 610 de excitación de dominio de tiempo, cuya duración temporal es igual a una duración de periodo del tono) tantas veces como sean necesarias para obtener, por ejemplo, una y media de la trama (perdida).
Para obtener aún mejores resultados, es opcionalmente posible reutilizar algunas herramientas conocidas del estado de la técnica y adaptarlas. Para detalles, se hace referencia, por ejemplo, a las referencias [6] y [7].
Se ha hallado que el tono en una señal de voz es casi siempre cambiante. Se ha hallado que, por lo tanto, la ocultación anteriormente presentada tiende a crear algunos problemas en la recuperación, ya que el tono al final de la señal ocultada a menudo no coincide con el tono de la primera trama buena. Por lo tanto, opcionalmente, se trata de predecir el tono al final de la trama ocultada, para coincidir con el tono al comienzo de la trama de recuperación. Esta funcionalidad se realizará, por ejemplo, por la extrapolación 650.
Si se usa la LTP en TCX, puede usarse la demora como la información inicial acerca del tono. Sin embargo, es deseable contar con una mejor granularidad para poder rastrear mejor el contorno de tono. Por lo tanto, se realiza una búsqueda de tono opcionalmente al comienzo y al final de la última buena trama. Para adaptar la señal al tono en movimiento, puede usarse una resincronización de pulsos, que está presente en el estado de la técnica.
Como conclusión, la extrapolación (por ejemplo, de la señal de excitación de dominio de tiempo asociada con, u obtenida basándose en, una última trama de audio apropiadamente decodificada que precede la trama perdida) puede comprender un copiado de una porción de tiempo de dicha señal de excitación de dominio de tiempo asociada con una trama de audio previa, en el que la porción de tiempo copiada puede modificarse dependiendo de un cálculo, o una estimación, de un cambio de tono (esperado) durante la trama de audio perdida. Están disponibles diferentes conceptos para la determinación del cambio de tono.
6.3. Ganancia de tono
En la realización de acuerdo con la figura 6, se aplica una ganancia sobre la excitación obtenida previamente para alcanzar un nivel deseado. La ganancia del tono se obtiene, por ejemplo, realizando una correlación normalizada en el dominio de tiempo al final de la última buena trama. Por ejemplo, la longitud de la correlación puede ser equivalente a la longitud de dos subtramas, y el retardo puede ser equivalente a la demora de tono utilizada para la creación de la parte armónica (por ejemplo, para el copiado de la señal de excitación de dominio de tiempo). Se ha hallado que al hacer el cálculo de ganancia en el dominio de tiempo, se proporciona una ganancia mucho más confiable, que realizándolo en el dominio de excitación. La LPC cambia en cada trama, y entonces, la aplicación de una ganancia, calculada sobre la trama previa, sobre una señal de excitación que se procesará por otro conjunto de LPC, no proporcionará la energía esperada en el dominio de tiempo.
La ganancia del tono determina la cantidad de tonalidad que se creará, aunque también se agregará cierto ruido conformado para no tener solo un tono artificial. Si se obtiene una muy baja ganancia de tono, entonces, puede construirse una señal que consiste solo en un ruido conformado.
Como conclusión, una ganancia que se aplica para escalar la señal de excitación de dominio de tiempo obtenida basándose en la trama previa (o una señal de excitación de dominio de tiempo que se obtiene para una trama previamente decodificada, o que se asocia con la trama previamente decodificada) se ajusta para determinar de esta manera una ponderación de un componente tonal (o determinista, o al menos aproximadamente periódico) dentro de la señal de entrada de la síntesis 680 de LPC, y, en consecuencia, dentro de la información de audio de ocultación de error. Dicha ganancia puede determinarse basándose en una correlación, que se aplica a la señal de audio de dominio de tiempo obtenida por una decodificación de la trama previamente decodificada (en el que dicha señal de audio de dominio de tiempo puede obtenerse usando una síntesis de LPC que se realiza en el curso de la decodificación).
6.4. Creación de la parte de ruido
Se crea una innovación por medio de un generador 660 de ruido aleatorio. Este ruido adicionalmente se realiza filtrado de paso alto y opcionalmente pre-enfatizado para tramas de voz y de inicio. La filtración de paso alto y el preénfasis, que pueden realizarse selectivamente para tramas de voz y de inicio, no se muestran explícitamente en la figura 6, sino que pueden realizarse, por ejemplo, dentro del generador 660 de ruido o dentro del combinador/desvanecedor 670.
El ruido se conformará (por ejemplo, seguido de la combinación con la señal 652 de excitación de dominio de tiempo obtenida por la extrapolación 650) por la LPC para obtener lo más cercano posible al ruido de fondo.
Por ejemplo, la ganancia de innovación puede calcularse mediante la eliminación de la contribución previamente calculada del tono (si existe) y realizando una correlación al final de la última buena trama. La longitud de la correlación puede ser equivalente a la longitud de dos subtramas, y el retardo puede ser equivalente a la demora de tono utilizada para la creación de la parte armónica.
Opcionalmente, esta ganancia puede además multiplicarse por (1-ganancia de tono) para aplicar tanta ganancia sobre el ruido para alcanzar la pérdida de energía si la ganancia del tono no es uno. Opcionalmente, esta ganancia además se multiplica por un factor de ruido. Este factor de ruido puede provenir de una trama válida previa.
Como conclusión, un componente de ruido de la información de audio de ocultación de error se obtiene mediante la conformación de ruido proporcionada por el generador 660 de ruido usando la síntesis 680 de LPC (y, posiblemente, el des-énfasis 684). Además, puede aplicarse una filtración de paso alto adicional y/o un preénfasis. La ganancia de la contribución de ruido a la señal 672 de entrada de la síntesis 680 de LPC (también designada “ganancia de innovación”) puede calcularse basándose en la última trama de audio apropiadamente decodificada que precede la trama de audio perdida, en el que un componente determinista (o al menos aproximadamente periódico) puede eliminarse de la trama de audio que precede la trama de audio perdida, y en el que puede realizarse entonces una correlación para determinar la intensidad (o ganancia) del componente de ruido dentro de la señal de dominio de tiempo decodificada de la trama de audio que precede la trama de audio perdida.
Opcionalmente, pueden aplicarse ciertas modificaciones adicionales a la ganancia del componente de ruido.
6.5. Desvanecimiento de salida
El desvanecimiento de salida se usa en su mayoría para múltiples pérdidas de tramas. Sin embargo, el desvanecimiento de salida puede usarse además en el caso de que solo se pierda una única trama de audio.
En el caso de múltiple pérdida de trama, los parámetros de LPC no se recalculan. O bien se mantiene el último calculado, o se realiza una ocultación de LPC como se ha explicado anteriormente.
Una periodicidad de la señal se converge a cero. La velocidad de la convergencia depende de los parámetros de la última trama correctamente recibida (o correctamente decodificada) y la cantidad de tramas borradas consecutivas (o perdidas), y se controla por un factor de atenuación, a. El factor, a, además depende de la estabilidad del filtro de LP. Opcionalmente, el factor a puede modificarse en relación con la longitud de tono. Por ejemplo, si el tono es realmente largo, entonces a puede mantenerse normal, pero si el tono es realmente corto, puede ser conveniente (o necesario) copiar una cantidad de veces la misma parte de excitación pasada. Debido a que se ha hallado que esto rápidamente sonará demasiado artificial, la señal, por lo tanto se desvanece de salida más rápidamente.
Además opcionalmente, es posible considerar la salida de predicción de tono. Si se predice un tono, esto significa que el tono ya estaba cambiando en la trama previa, y entonces, cuantas más tramas se pierdan, más lejos estamos de la verdad. Por lo tanto, es deseable acelerar algo el desvanecimiento de salida de la parte tonal, en este caso. Si la predicción de tono fallara debido a que el tono cambia demasiado, esto significa que o bien los valores de tono no son realmente confiables, o que la señal es realmente impredecible. Por lo tanto, nuevamente, deberíamos realizar el desvanecimiento de salida más rápidamente.
Como conclusión, la contribución de la señal de excitación de dominio de tiempo extrapolada 652 a la señal 672 de entrada de la síntesis 680 de LPC habitualmente se reduce en función del tiempo. Esto puede lograrse, por ejemplo, reduciendo un valor de ganancia, que se aplica a la señal 652 de excitación de dominio de tiempo extrapolada, en función del tiempo. La velocidad utilizada para reducir gradualmente la ganancia aplicada para escalar la señal 552 de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida (o una o más de sus copias) se ajusta dependiendo de uno o más parámetros de una o más tramas de audio (y/o dependiendo de una cantidad de tramas de audio perdidas consecutivas). En particular, la longitud de tono y/o la tasa a la que cambia el tono en función del tiempo, y/o la cuestión de si una predicción de tono falla o tiene éxito, pueden utilizarse para ajustar dicha velocidad.
6.6. Síntesis de LPC
Para retornar al dominio de tiempo, se realiza una síntesis 680 de LPC sobre la suma en general (o generalmente, la combinación ponderada) de las dos excitaciones (parte 652 tonal y parte 662 con ruido), seguido del des-énfasis 684.
En otras palabras, el resultado de la combinación ponderada (desvanecimiento) de la señal 652 de excitación de dominio de tiempo extrapolada y la señal 662 de ruido forma una señal de excitación de dominio de tiempo combinada, que se introduce en la síntesis 680 de LPC, que, por ejemplo, puede realizar una filtración de síntesis basándose en dicha señal 672 de excitación de dominio de tiempo combinada dependiendo de los coeficientes de LPC que describen el filtro de síntesis.
6.7. Superposición y adición
Debido a que no se conoce, durante la ocultación, el modo de la siguiente trama que llega (por ejemplo, ACELP, TCX o FD), se prefiere preparar diferentes superposiciones por adelantado. Para lograr la mejor superposición y adición si la siguiente trama se encuentra en un domino de transformada (TCX o FD), una señal artificial (por ejemplo, una información de audio de ocultación de error) puede, por ejemplo, crearse para la mitad de una trama más que la trama ocultada (perdida). Además, puede crearse solapamiento artificial sobre ella (donde el solapamiento artificial puede, por ejemplo, adaptarse a la superposición y adición de MDCT).
Para obtener una buena superposición y adición sin discontinuidad con la futura trama en el dominio de tiempo (ACELP), hacemos como anteriormente, pero sin solapamiento, para poder aplicar ventanas de superposición y adición largas, o si queremos usar una ventana cuadrada, se calcula la respuesta de entrada a cero (ZIR) al final de la memoria intermedia de síntesis.
Como conclusión, en un decodificador de audio de conmutación (que, por ejemplo, puede conmutar entre una decodificación de ACELP, una decodificación de TCX y una decodificación de dominio de frecuencia (decodificación de FD)), puede realizarse una superposición y adición entre la información de audio de ocultación de error que se proporciona principalmente para una trama de audio perdida, pero también para una cierta porción de tiempo seguida de la trama de audio perdida, y la información de audio decodificada proporcionada para la primera trama de audio apropiadamente decodificada seguida de una secuencia de una o más tramas de audio perdidas. Para obtener una apropiada superposición y adición, incluso, para modos de decodificación que acarrean un solapamiento de dominio de tiempo en una transición entre subsiguientes tramas de audio, puede proporcionarse una información de cancelación de solapamiento (por ejemplo, designada como solapamiento artificial). Por consiguiente, una superposición y adición entre la información de audio de ocultación de error y la información de audio de dominio de tiempo obtenida basándose en la primera trama de audio apropiadamente decodificada seguida de una trama de audio perdida, logra una cancelación del solapamiento.
Si la primera trama de audio apropiadamente decodificada seguida de la secuencia de una o más tramas de audio perdidas se codifica en el modo de ACELP, puede calcularse una información de superposición específica, que puede basarse en una respuesta de entrada a cero (ZIR) de un filtro de LPC.
Como conclusión, la ocultación 600 de error se adapta bien para el uso en un códec de audio de conmutación. Sin embargo, la ocultación 600 de error puede además usarse en un códec de audio que meramente decodifica un contenido de audio codificado en un modo de TCX o en un modo de ACELP.
6.8. Conclusión
Debe observarse que se logra una ocultación de error particularmente buena mediante el concepto anteriormente mencionado, para extrapolar una señal de excitación de dominio de tiempo, para combinar el resultado de la extrapolación con una señal de ruido usando un desvanecimiento (por ejemplo, un desvanecimiento cruzado), y para realizar una síntesis de LPC basándose en un resultado del desvanecimiento cruzado.
7. Decodificador de audio de acuerdo con la figura 11
La figura 11 muestra un diagrama de bloques esquemático de un decodificador 1100 de audio, de acuerdo con una realización de la presente invención.
Debe observarse que el decodificador 1100 de audio puede ser parte de un decodificador de audio de conmutación. Por ejemplo, el decodificador 1100 de audio puede reemplazar la ruta 440 de decodificación de dominio de predicción lineal en el decodificador 400 de audio.
El decodificador 1100 de audio está configurado para recibir una información 1110 de audio codificada y para proporcionar, basándose en la misma, una información 1112 de audio decodificada. La información 1110 de audio codificada puede, por ejemplo, corresponder a la información 410 de audio codificada, y la información 1112 de audio decodificada puede, por ejemplo, corresponder a la información 412 de audio decodificada.
El decodificador 1100 de audio comprende un analizador 1120 de corriente de bits, que está configurado para extraer una representación 1122 codificada de un conjunto de coeficientes espectrales y una representación 1124 codificada de coeficientes de codificación de predicción lineal de la información 1110 de audio codificada. Sin embargo, el analizador 1120 de corriente de bits puede opcionalmente extraer información adicional de la información 1110 de audio codificada.
El decodificador 1100 de audio además comprende una decodificación 1130 de valor espectral, que está configurada para proporcionar un conjunto 1132 de valores espectrales decodificados basándose en los coeficientes 1122 espectrales codificados. Puede usarse cualquier concepto de decodificación conocido para la decodificación de coeficientes espectrales.
El decodificador 1100 de audio además comprende un coeficiente de codificación de predicción lineal para la conversión 1140 de factor de escala, que está configurado para proporcionar un conjunto de factores 1142 de escala basándose en la representación 1124 codificada de coeficientes de codificación de predicción lineal. Por ejemplo, el coeficiente de codificación de predicción lineal para la conversión 1142 de factor de escala puede realizar una funcionalidad que se describe en la norma USAC. Por ejemplo, la representación 1124 codificada de los coeficientes de codificación de predicción lineal puede comprender una representación polinomial, que se decodifica y convierte en un conjunto de factores de escala por el coeficiente de codificación de predicción lineal para la conversión 1142 de factor de escala.
El decodificador 1100 de audio además comprende un escalar 1150, que está configurado para aplicar los factores de escala 1142 a los valores espectrales decodificados 1132, para obtener de esta manera valores 1152 espectrales decodificados escalados. Además, el decodificador 1100 de audio comprende, opcionalmente, un procesamiento 1160, que, por ejemplo, puede corresponder al procesamiento 366 que se ha descrito anteriormente, en el que los valores 1162 espectrales decodificados escalados procesados se obtienen por el procesamiento opcional 1160. El decodificador 1100 de audio además comprende una transformada de dominio de frecuencia a dominio de tiempo 1170, que está configurada para recibir los valores 1152 espectrales decodificados escalados (que pueden corresponder a los valores 362 espectrales decodificados escalados), o los valores 1162 espectrales decodificados escalados procesados (que pueden corresponder a los valores espectrales decodificados escalados procesados 368) y proporcionar, basándose en los mismos, una representación 1172 de dominio de tiempo, que puede corresponder a la representación 372 de dominio de tiempo que se ha descrito anteriormente. El decodificador 1100 de audio además comprende un primer 1174 post-procesamiento opcional, y un segundo 1178 post-procesamiento opcional, que, por ejemplo, pueden corresponder, al menos en parte, al post-procesamiento 376 opcional anteriormente mencionado. Por consiguiente, el decodificador 1110 de audio obtiene (opcionalmente) una versión 1179 post-procesada de la representación 1172 de audio de dominio de tiempo.
El decodificador 1100 de audio también comprende un bloque 1180 de ocultación de error que está configurado para recibir la representación 1172 de audio de dominio de tiempo, o una versión post-procesada de la misma, y los coeficientes de codificación de predicción lineal (o bien en forma codificada, o en una forma decodificada) y proporciona, basándose en los mismos, una información 1182 de audio de ocultación de error.
El bloque 1180 de ocultación de error está configurado para proporcionar la información 1182 de audio de ocultación de error para la ocultación de una pérdida de una trama de audio seguida de una trama de audio codificada en una representación de dominio de frecuencia usando una señal de excitación de dominio de tiempo, y por lo tanto, es similar a la ocultación 380 de error y a la ocultación 480 de error, y también a la ocultación 500 de error y a la ocultación 600 de error.
Sin embargo, el bloque 1180 de ocultación de error comprende un análisis 1184 de LPC, que es sustancialmente idéntico al análisis 530 de LPC. Sin embargo, el análisis 1184 de LPC puede, opcionalmente, usar los coeficientes 1124 de LPC para facilitar el análisis (en comparación con el análisis 530 de LPC). El análisis de LPC 1134 proporciona una señal de excitación de dominio de tiempo 1186, que es sustancialmente idéntica a la señal 532 de excitación de dominio de tiempo (y también a la señal 610 de excitación de dominio de tiempo). Además, el bloque 1180 de ocultación de error comprende una ocultación de error 1188, que, por ejemplo, puede realizar la funcionalidad de los bloques 540, 550, 560, 570, 580, 584 de la ocultación 500 de error, o que, por ejemplo, puede realizar la funcionalidad de los bloques 640, 650, 660, 670, 680, 684 de la ocultación 600 de error. Sin embargo, el bloque 1180 de ocultación de error difiere ligeramente de la ocultación 500 de error, y también de la ocultación 600 de error. Por ejemplo, el bloque 1180 de ocultación de error (que comprende el análisis 1184 de LPC) difiere de la ocultación 500 de error en términos de que los coeficientes de LPC (utilizados para la síntesis 580 de LPC) no se determinan por el análisis 530 de LPC, sino que se reciben (opcionalmente) desde la corriente de bits. Asimismo, el bloque 1188 de ocultación de error, que comprende el análisis 1184 de LPC, difiere de la ocultación 600 de error en términos de que la “excitación 610 pasada” se obtiene por el análisis 1184 de LPC, en lugar de estar disponible directamente.
El decodificador 1100 de audio además comprende una combinación 1190 de señales, que está configurada para recibir la representación 1172 de audio de dominio de tiempo, o una versión post-procesada de la misma, y también, la información 1182 de audio de ocultación de error (de manera evidente, para subsiguientes tramas de audio), y combina dichas señales, preferentemente, usando una operación de superposición y adición, para obtener la información 1112 de audio decodificada.
Para más detalles, se hace referencia a las explicaciones anteriores.
8. Método de acuerdo con la figura 9
La figura 9 muestra un diagrama de flujo de un método para proporcionar una información de audio decodificada basándose en una información de audio codificada. El método 900 de acuerdo con la figura 9 comprende proporcionar 910 una información de audio de ocultación de error para la ocultación de una pérdida de una trama de audio seguido de una trama de audio codificada en una representación de dominio de frecuencia usando una señal de excitación de dominio de tiempo. El método 900 de acuerdo con la figura 9 está basado en las mismas consideraciones que el decodificador de audio de acuerdo con la figura 1. Además, debe observarse que el método 900 puede complementarse por cualquiera de los rasgos y de las funcionalidades que se describen en el presente documento, o bien individualmente, o en combinación.
9. Método de acuerdo con la figura 10
La figura 10 muestra un diagrama de flujo de un método para proporcionar una información de audio decodificada basándose en una información de audio codificada. El método 1000 comprende proporcionar 1010 una información de audio de ocultación de error para la ocultación de una pérdida de una trama de audio, en el que una señal de excitación de dominio de tiempo obtenida para (o basándose en) una o más tramas de audio que preceden una trama de audio perdida se modifican para obtener la información de audio de ocultación de error.
El método 1000 de acuerdo con la figura 10 está basado en las mismas consideraciones que el decodificador de audio anteriormente mencionado de acuerdo con la figura 2.
Además, debe observarse que el método de acuerdo con la figura 10 puede complementarse por cualquiera de los rasgos y de las funcionalidades que se describen en el presente documento, o bien individualmente, o en combinación.
10. Observaciones adicionales
En las realizaciones descritas anteriormente, pueden manipularse múltiples pérdidas de trama de diferentes maneras. Por ejemplo, si se pierden dos o más tramas, la parte periódica de la señal de excitación de dominio de tiempo para la segunda trama perdida puede derivar de (o ser igual a) una copia de la parte tonal de la señal de excitación de dominio de tiempo asociada con la primera trama perdida. Como alternativa, la señal de excitación de dominio de tiempo para la segunda trama perdida puede basarse en un análisis de LPC de la señal de síntesis de la trama previa perdida. Por ejemplo, en un códec, la LPC puede ser cambiante en cada trama perdida; entonces, tiene sentido la nueva realización del análisis para cada trama perdida.
11. Alternativas de implementación
Aunque se han descrito algunos aspectos en el contexto de un aparato, es evidente que estos aspectos además representan una descripción del correspondiente método, donde un bloque o dispositivo corresponde a una etapa de método o a un rasgo de una etapa de método. De manera análoga, los aspectos descritos en el contexto de una etapa de método además representan una descripción de un correspondiente bloque o elemento o rasgo de un correspondiente aparato. Algunas o la totalidad de las etapas de método pueden ejecutarse por (o usando) un aparato de hardware, por ejemplo, un microprocesador, un ordenador programable o un circuito electrónico. En algunas realizaciones, una o más de las etapas de método más importantes pueden ejecutarse por dicho aparato. Dependiendo de ciertos requerimientos de implementación, las realizaciones de la invención pueden implementarse en hardware o software. La implementación puede realizarse usando un medio de almacenamiento digital, por ejemplo, un disquete, un DVD (disco versátil digital), un Blu-Ray, un CD, una ROM, una PROM, una EPROM, una EEPROM o una memoria FLASH, que tiene señales de control electrónicamente legibles almacenadas en las mismas, que cooperan (o pueden cooperar) con un sistema informático programable de manera tal que se realiza el respectivo método. Por lo tanto, el medio de almacenamiento digital puede ser legible por ordenador.
Algunas realizaciones de acuerdo con la invención comprenden un soporte de datos que tiene señales de control electrónicamente legibles, que pueden cooperar con un sistema informático programable, de manera que se realiza uno de los métodos descritos en el presente documento.
En general, las realizaciones de la presente invención pueden implementarse como un producto de programa informático con un código de programa, el código de programa es operativo para realizar uno de los métodos cuando se ejecuta el producto de programa informático en un ordenador. El código de programa puede almacenarse, por ejemplo, en un portador legible por máquina.
Otras realizaciones comprenden el programa informático para realizar uno de los métodos que se describen en el presente documento, almacenado en un portador legible por máquina.
En otras palabras, una realización del método de la invención, por lo tanto, es un programa informático que tiene un código de programa para la realización de uno de los métodos que se describen en el presente documento, cuando el programa informático se ejecuta en un ordenador.
Una realización adicional del método de la invención es, por lo tanto, un soporte de datos (o un medio de almacenamiento digital, o un medio legible por ordenador) que comprende, grabado en el mismo, el programa informático para llevar a cabo uno de los métodos que se describen en el presente documento. El soporte de datos, el medio de almacenamiento digital o el medio grabado son típicamente tangibles y/o no transitorios.
Una realización adicional del método de la invención es, por lo tanto, una corriente de datos o una secuencia de señales que representan el programa informático para llevar a cabo uno de los métodos que se describen en el presente documento. La corriente de datos o la secuencia de señales, por ejemplo, pueden estar configuradas para transferirse por medio de una conexión de comunicación de datos, por ejemplo, por medio de Internet.
Una realización adicional comprende un medio de procesamiento, por ejemplo, un ordenador, o un dispositivo lógico programable, configurado o adaptado para llevar a cabo uno de los métodos que se describen en el presente documento.
Una realización adicional comprende un ordenador que tiene instalado en el mismo el programa informático para llevar a cabo uno de los métodos que se describen en el presente documento.
Una realización adicional de acuerdo con la invención comprende un aparato o un sistema configurado para transferir (por ejemplo, electrónica u ópticamente) un programa informático para la realización de uno de los métodos descritos en el presente documento, a un receptor. El receptor puede ser, por ejemplo, un ordenador, un dispositivo móvil, un dispositivo de memoria o similar. El aparato o el sistema pueden comprender, por ejemplo, un servidor de archivos para transferir el programa informático al receptor.
En algunas realizaciones, puede usarse un dispositivo lógico programable (por ejemplo, un campo de matrices de puertas programables) para realizar algunas o la totalidad de las funcionalidades de los métodos que se describen en el presente documento. En algunas realizaciones, un campo de matrices de puertas programables puede cooperar con un microprocesador para llevar a cabo uno de los métodos que se describen en el presente documento. En general, los métodos se realizan, preferentemente, por cualquier aparato de hardware.
El aparato descrito en el presente documento puede implementarse usando un aparato de hardware, o usando un ordenador, o empleando una combinación de un aparato de hardware y un ordenador.
Los métodos que se describen en el presente documento pueden realizarse usando un aparato de hardware, o usando un ordenador, o empleando una combinación de un aparato de hardware y un ordenador.
Las realizaciones anteriormente descritas son meramente ilustrativas de los principios de la presente invención. Se entiende que las modificaciones y variaciones de las disposiciones y los detalles que se describen en el presente documento serán evidentes para los expertos en la técnica. Por lo tanto, se tiene la intención de limitación solo por el alcance de las reivindicaciones de patente inminentes, y no por los detalles específicos presentados a modo de descripción y explicación de las realizaciones del presente documento.
12. Conclusiones
Como conclusión, aunque se ha descrito cierta ocultación para códecs de dominio de transformada en el campo, las realizaciones de acuerdo con la invención superan los códecs (o decodificadores) convencionales. Las realizaciones de acuerdo con la invención usan un cambio de dominio para la ocultación (dominio de frecuencia a dominio de tiempo o excitación). Por consiguiente, las realizaciones de acuerdo con la invención crean una ocultación de voz de alta calidad para decodificadores de dominio de transformada.
El modo de codificación de transformada es similar al de USAC (consúltese, por ejemplo, referencia [3]). Utiliza la transformada de coseno discreta modificada (MDCT) como una transformada, y la conformación de ruido espectral se logra mediante la aplicación de la envoltura espectral de LPC ponderada en el dominio de frecuencia (además conocida como FDNS, “conformación de ruido de dominio de frecuencia”). En otras palabras, las realizaciones de acuerdo con la invención pueden usarse en un decodificador de audio, que utiliza los conceptos de decodificación que se describen en la norma USAC. Sin embargo, el concepto de ocultación de error divulgado en el presente documento puede además usarse en un decodificador de audio que es de tipo “AAC” o en cualquier códec (o decodificador) de la familia AAC.
El concepto de acuerdo con la presente invención se aplica a un códec conmutado tal como USAC, al igual que a un códec de dominio de frecuencia puro. En ambos casos, la ocultación se realiza en el dominio de tiempo o en el dominio de excitación.
A continuación, se describirán algunas ventajas y algunos rasgos de la ocultación de dominio de tiempo (o de la ocultación de dominio de excitación).
La ocultación de TCX convencional, como se describe, por ejemplo, con referencia a las figuras 7 y 8, se denomina además sustitución de ruido, no es bien adecuada para las señales de tipo voz, o incluso, para señales tonales. Las realizaciones de acuerdo con la invención crean una nueva ocultación para un códec de dominio de transformada que se aplica en el dominio de tiempo (o en el dominio de excitación de un decodificador de codificación de predicción lineal). Es similar a una ocultación de tipo ACELP, y aumenta la calidad de la ocultación. Se ha hallado que la información de tono es ventajosa (o incluso requerida, en algunos casos) para una ocultación de tipo ACELP. Por lo tanto, las realizaciones de acuerdo con la presente invención están configuradas para hallar valores de tono confiables para la trama previa codificada en el dominio de frecuencia.
Diferentes partes y detalles se han explicado anteriormente, por ejemplo, basándose en las realizaciones de acuerdo con las figuras 5 y 6.
Como conclusión, las realizaciones de acuerdo con la invención crean una ocultación de error que supera las soluciones convencionales.
De acuerdo con un primer aspecto, un decodificador 200; 400 de audio para proporcionar una información 220; 412 de audio decodificada basándose en una información 210;410 de audio codificada puede comprender: una ocultación 240; 480; 600 de error configurada para proporcionar una información 242;482;612 de audio de ocultación de error para la ocultación de una pérdida de una trama de audio, en la que la ocultación de error está configurada para modificar una señal 452,456;610 de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, con el fin de obtener la información de audio de ocultación de error. De acuerdo con un segundo aspecto cuando se hace referencia de nuevo al primer aspecto, en el decodificador de audio, la ocultación de error puede estar configurada para modificar una señal 452,456;610 de excitación de dominio de tiempo derivada de una o más tramas de audio codificadas en una representación de dominio de frecuencia que preceden una trama de audio perdida, con el fin de obtener la información de audio de ocultación de error.
De acuerdo con un tercer aspecto cuando se hace referencia de nuevo al primer aspecto o segundo aspecto, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para usar una o más copias modificadas de la señal 452,456;610 de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, con el fin de obtener la información 242;482;612 de ocultación de error.
De acuerdo con un cuarto aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al quinto, en el decodificador 200;400 de audio, la ocultación 240;482;612 de error puede estar configurada para modificar la señal 452,456;610 de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o una o más copias de la misma, para reducir de ese modo un componente periódico de la información 242;482;612 de audio de ocultación de error a lo largo del tiempo.
De acuerdo con un quinto aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al cuarto, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para escalar la señal 452,456;610 de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) la trama de audio perdida, o una o más copias de la misma, para modificar de ese modo la señal de excitación de dominio de tiempo.
De acuerdo con un sexto aspecto cuando se hace referencia de nuevo al aspecto cuarto o quinto, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para reducir gradualmente una ganancia aplicada para escalar la señal 452,456;610 de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma. De acuerdo con un séptimo aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos cuarto a sexto, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para ajustar una velocidad usada para reducir gradualmente una ganancia aplicada para escalar la señal 452,456;610 de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma, dependiendo de uno o más parámetros de una o más tramas de audio que precede(n) la trama de audio perdida, y/o dependiendo de un número de tramas de audio perdidas consecutivas.
De acuerdo con un octavo aspecto cuando se hace referencia de nuevo al sexto aspecto o séptimo aspecto, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para ajustar la velocidad usada para reducir gradualmente una ganancia aplicada para escalar la señal 452,456;610 de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma, dependiendo de una longitud de un periodo de tono de la señal de excitación de dominio de tiempo, de modo que un componente determinista de la entrada 672 de la señal de excitación de dominio de tiempo en una Síntesis 680 de LPC se desvanece más rápidamente para señales que tienen una longitud más corta del periodo de tono en comparación con señales que tienen una longitud más larga del periodo de tono.
De acuerdo con un noveno aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos sexto al octavo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para ajustar la velocidad usada para reducir gradualmente una ganancia aplicada para escalar la señal 452,456;610 de excitación de dominio de tiempo obtenida para una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma, dependiendo de un resultado de un análisis de tono o una predicción de tono, de modo que un componente determinista de la señal de excitación de dominio de tiempo 572 entra en una síntesis 580 de LPC puede desvanecerse más rápidamente para señales que tienen un cambio de tono más largo por unidad de tiempo en comparación con señales que tienen un cambio de tono menor por unidad de tiempo, y/o de modo que un componente determinista de una entrada 572 de señal de excitación de dominio de tiempo en una síntesis 580 de LPC puede desvanecerse más rápidamente para las señales para las cuales falla una predicción de tono en comparación con las señales para las cuales la predicción de tono tiene éxito.
De acuerdo con un décimo aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al noveno, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para escalar en el tiempo la señal 452,456;610 de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que precede(n) una trama de audio perdida, o la una o más copias de la misma, dependiendo de una predicción de un tono para el tiempo de la una o más tramas de audio perdidas.
De acuerdo con un undécimo aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al décimo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para obtener una señal 452,456;610 de excitación de dominio de tiempo, que se ha usado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida, y para modificar dicha señal de excitación de dominio de tiempo, que se ha usado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida, para obtener una señal 652, 672 de excitación de dominio de tiempo modificada, y la ocultación de error puede estar configurada para proporcionar la información 242;482;612 de audio de ocultación de error basándose en la señal 652, 672 de excitación de dominio de tiempo modificada.
De acuerdo con un duodécimo aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al undécimo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para obtener un una información de tono, que se ha usado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida, y la ocultación de error puede estar configurada para proporcionar la información 242;482;612 de audio de ocultación de error dependiendo de dicha información de tono.
De acuerdo con un decimotercer aspecto cuando se hace referencia de nuevo al aspecto duodécimo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para obtener la información de tono basándose en la señal de excitación de dominio de tiempo derivada de la trama de audio codificada en la representación de dominio de frecuencia que precede la trama de audio perdida.
De acuerdo con un decimocuarto aspecto cuando se hace referencia de nuevo al aspecto decimotercero, en el decodificador 200;400 de audio, la ocultación de error puede estar configurada para evaluar una correlación cruzada de la señal de excitación de dominio de tiempo, para determinar una información de tono aproximada, y la ocultación de error puede estar configurada para perfeccionar la información de tono aproximada usando una búsqueda de bucle cerrado alrededor de un tono determinado por la información de tono aproximada.
De acuerdo con un decimoquinto aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al decimocuarto, en el decodificador de audio la ocultación de error puede estar configurada para obtener una información de tono basándose en una información lateral de la información de audio codificada.
De acuerdo con un decimosexto aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al decimoquinto, en el decodificador de audio la ocultación de error puede estar configurada para obtener una información de tono basándose en una información de tono disponible para una trama de audio decodificada anteriormente.
De acuerdo con un decimoséptimo aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al decimosexto, en el decodificador de audio la ocultación de error puede estar configurada para obtener una información de tono basándose en una búsqueda de tono realizada sobre una señal de dominio de tiempo o sobre una señal residual.
De acuerdo con un decimoctavo aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al decimoséptimo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para obtener un conjunto 462,466 de coeficientes de predicción lineal, que se ha utilizado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida, y la ocultación de error puede estar configurada para proporcionar la información 242;482;612 de audio de ocultación de error dependiendo de dicho conjunto de coeficientes de predicción lineal.
De acuerdo con un decimonoveno aspecto cuando se hace referencia de nuevo al aspecto decimoctavo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para extrapolar un nuevo conjunto de coeficientes de predicción lineal basándose en el conjunto 462,466 de coeficientes de predicción lineal, se ha utilizado para decodificar una o más tramas de audio que precede(n) la trama de audio perdida, y la ocultación de error puede estar configurada para usar el nuevo conjunto de coeficientes de predicción lineal para proporcionar la información 242;482;612 de audio de ocultación de error.
De acuerdo con un vigésimo aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al decimonoveno, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para obtener una información sobre una intensidad de un componente de señal determinista en una o más tramas de audio que precede(n) una trama de audio perdida, y la ocultación de error puede estar configurada para comparar la información sobre una intensidad de un componente de señal determinista en una o más tramas de audio que precede(n) una trama de audio perdida con un valor umbral, para decidir si introducir una señal 652 de excitación de dominio de tiempo determinista con la adición de una señal 662 de excitación de dominio de tiempo de tipo ruido, en una síntesis 680 de LPC, o si introducir solo una señal de excitación de dominio de tiempo de ruido (662) en la síntesis de LPC.
De acuerdo con un vigésimo primer aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al vigésimo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para obtener a información de tono que describe un tono de la trama de audio que precede la trama de audio perdida, y para proporcionar la información 242;482;612 de audio de ocultación de error dependiendo de la información de tono.
De acuerdo con un vigésimo segundo aspecto cuando se hace referencia de nuevo al aspecto vigésimo primer, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para obtener la información de tono basándose en la señal 452,456;610 de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida.
De acuerdo con un vigésimo tercer aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al vigésimo segundo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para evaluar una correlación cruzada de la señal de excitación de dominio de tiempo o de una señal 452,456;610 de audio de dominio de tiempo, para determinar una información de tono aproximada, y la ocultación de error puede estar configurada para perfeccionar la información de tono aproximada usando una búsqueda de bucle cerrado alrededor de un tono determinado por la información de tono aproximada
De acuerdo con un vigésimo cuarto aspecto cuando se hace referencia de nuevo al aspecto vigésimo segundo o vigésimo tercero, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para obtener la información de tono para proporcionar la información 242;482;612 de audio de ocultación de error basándose en una información de tono previamente calculada, que se usó para una decodificación de de una o más tramas de audio que precede(n) la trama de audio perdida, y basándose en una evaluación de una correlación cruzada de la señal de excitación de dominio de tiempo 252,256;610, que se modifica con el fin de obtener una señal 652,672 de excitación de dominio de tiempo modificada para proporcionar la información 242;482;612 de audio de ocultación de error.
De acuerdo con un vigésimo quinto aspecto cuando se hace referencia de nuevo al aspecto vigésimo cuarto, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para seleccionar un pico de la correlación cruzada, fuera de una pluralidad de picos de la correlación cruzada, como un pico que representa un tono dependiendo de la información de tono previamente calculada, de modo que se elige un pico que representa un tono que está más cerca del tono representado por la información de tono previamente calculada.
De acuerdo con un vigésimo sexto aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al vigésimo quinto, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para copiar un ciclo de tono de la señal 452,456;610 de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida una vez o múltiples veces, con el fin de obtener una señal 672 de excitación para una síntesis 680 de la información 242;482;612 de audio de ocultación de error.
De acuerdo con un vigésimo séptimo aspecto cuando se hace referencia de nuevo al aspecto vigésimo sexto, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para el filtro paso bajo del ciclo de tono de la señal 452,456;610 de excitación de dominio de tiempo asociada con la trama de audio que precede la trama de audio perdida, usando un filtro dependiente de la tasa de muestreo, cuyo ancho de banda depende de una tasa de muestreo de la trama de audio codificada en una representación de dominio de frecuencia.
De acuerdo con un vigésimo octavo aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al vigésimo séptimo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para predecir un tono en el extremo de una trama perdida, y la ocultación de error puede estar configurada para adaptar la señal de excitación de dominio de tiempo, o una o más copias de la misma, al tono predicho.
De acuerdo con un vigésimo noveno aspecto cuando se hace referencia de nuevo a uno cualquiera de los aspectos primero al vigésimo octavo, en el decodificador 200;400 de audio, la ocultación 240;480;600 de error puede estar configurada para combinar una señal 652 de excitación de dominio de tiempo extrapolada y una señal 662 de ruido, con el fin de obtener una señal 672 de entrada para una síntesis 680 de LPC, y la ocultación de error puede estar configurada para realizar la síntesis de LPC, en la que la síntesis de LPC puede estar configurada para filtrar la señal de entrada de la síntesis de LPC dependiendo de parámetros 462,466 de codificación de predicción lineal, con el fin de obtener la información de audio de ocultación de error.
De acuerdo con un trigésimo aspecto, un método 1000 para proporcionar una información de audio decodificada basándose en una información de audio codificada puede comprender: proporcionar 1010 una información de audio de ocultación de error para la ocultación de una pérdida de una trama de audio, en la que una señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que precede(n) una trama de audio perdida puede modificarse con el fin de obtener la información de audio de ocultación de error.
Un trigésimo primer aspecto puede proporcionar un programa informático para realizar el método de acuerdo con el trigésimo aspecto cuando el programa informático se ejecuta en un ordenador
Bibliografía.
[1] 3GPP, “Audio codec processing functions; Extended Adaptive Multi-Rate - Wideband (AMR-WB+) codec; Transcoding functions,” 2009, 3GPP TS 26.290.
[2] “MDCT-BASED CODER FOR HIGHLY ADAPTIVE SPEECH AND AUDIO CODING”; Guillaume Fuchs & al.; EUSIPCO 2009.
[3] ISO_IEC_DIS_23003-3_(E); Information technology - MPEG audio technologies - Part 3: Unified speech and audio coding.
[4] 3GPP, “General Audio Codec audio processing functions; Enhanced aacPlus general audio codec; Additional decoder tools,” 2009, 3GPP TS 26.402.
[5] “Audio decoder and coding error compensating method”, 2000, EP 1207519 B1
[6] “Apparatus and method for improved concealment of the adaptive codebook in ACELP-like concealment employing improved pitch lag estimation”, 2014, PCT/EP2014/062589
[7] “Apparatus and method for improved concealment of the adaptive codebook in ACELP-like concealment employing improved pulse resynchronization”, 2014, PCT/EP2014/062578

Claims (1)

  1. REIVINDICACIONES
    Decodificador (200; 400) de audio para proporcionar una información (220; 412) de audio decodificada basándose en una información (210; 410) de audio codificada, comprendiendo el decodificador de audio: una ocultación (240; 480; 600) de error configurada para proporcionar una información (242; 482; 612) de audio de ocultación de error para la ocultación de una pérdida de una trama de audio,
    en el que la ocultación de error está configurada para modificar una señal (452, 456; 610) de excitación de dominio de tiempo obtenida para una o más tramas de audio que preceden una trama de audio perdida, para obtener la información de audio de ocultación de error;
    caracterizado porque la ocultación (240; 480; 600) de error está configurada para escalar en el tiempo la señal (452,456; 610) de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, o la una o más copias de la misma, dependiendo de una predicción de un tono para el tiempo de la una o más tramas de audio perdidas.
    Método (1000) para proporcionar una información de audio decodificada basándose en una información de audio codificada, comprendiendo el método:
    proporcionar (1010) una información de audio de ocultación de error para la ocultación de una pérdida de una trama de audio.
    en el que una señal de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que precede(n) una trama de audio perdida se modifica para obtener la información de audio de ocultación de error;
    en el que el método se caracteriza por comprender escalar en el tiempo la señal (452, 456; 610) de excitación de dominio de tiempo obtenida basándose en una o más tramas de audio que preceden una trama de audio perdida, o la una o más copias de la misma, dependiendo de una predicción de un tono para el tiempo de la una o más tramas de audio perdidas.
    Programa informático para realizar el método según la reivindicación 2 cuando el programa informático se ejecuta en un ordenador.
ES17201221T 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo Active ES2755166T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP13191133 2013-10-31
EP14178825 2014-07-28

Publications (1)

Publication Number Publication Date
ES2755166T3 true ES2755166T3 (es) 2020-04-21

Family

ID=51795635

Family Applications (6)

Application Number Title Priority Date Filing Date
ES17201221T Active ES2755166T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
ES17207108T Active ES2902587T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
ES14789568.4T Active ES2661732T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
ES17201219T Active ES2752213T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
ES17201222T Active ES2774492T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de error que modifica una señal de excitación de dominio de tiempo
ES17207093T Active ES2760573T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proveer una información de audio decodificada usando un ocultamiento de error que modifica una señal de excitación de dominio de tiempo

Family Applications After (5)

Application Number Title Priority Date Filing Date
ES17207108T Active ES2902587T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
ES14789568.4T Active ES2661732T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
ES17201219T Active ES2752213T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
ES17201222T Active ES2774492T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de error que modifica una señal de excitación de dominio de tiempo
ES17207093T Active ES2760573T3 (es) 2013-10-31 2014-10-27 Decodificador de audio y método para proveer una información de audio decodificada usando un ocultamiento de error que modifica una señal de excitación de dominio de tiempo

Country Status (17)

Country Link
US (7) US10339946B2 (es)
EP (6) EP3355306B1 (es)
JP (1) JP6306177B2 (es)
KR (6) KR101984117B1 (es)
CN (1) CN105793924B (es)
AU (4) AU2014343905B2 (es)
BR (6) BR122022008596B1 (es)
CA (6) CA2984066C (es)
ES (6) ES2755166T3 (es)
MX (4) MX372602B (es)
MY (1) MY175460A (es)
PL (6) PL3336839T3 (es)
PT (5) PT3336841T (es)
RU (1) RU2667029C2 (es)
SG (6) SG10201709062UA (es)
TW (1) TWI571864B (es)
WO (1) WO2015063045A1 (es)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103928029B (zh) * 2013-01-11 2017-02-08 华为技术有限公司 音频信号编码和解码方法、音频信号编码和解码装置
ES2755166T3 (es) 2013-10-31 2020-04-21 Fraunhofer Ges Forschung Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
JP6306175B2 (ja) 2013-10-31 2018-04-04 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ 時間ドメイン励振信号に基づくエラーコンシールメントを用いて、復号化されたオーディオ情報を提供するオーディオデコーダおよび復号化されたオーディオ情報を提供する方法
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
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
EP3320539A1 (en) * 2015-07-06 2018-05-16 Nokia Technologies OY Bit error detector for an audio signal decoder
WO2017129270A1 (en) 2016-01-29 2017-08-03 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus and method for improving a transition from a concealed audio signal portion to a succeeding audio signal portion of an audio signal
JP6883047B2 (ja) * 2016-03-07 2021-06-02 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ 適切に復号されたオーディオフレームの復号化表現の特性を使用する誤り隠蔽ユニット、オーディオデコーダ、および関連する方法およびコンピュータプログラム
EP3427257B1 (en) * 2016-03-07 2021-05-05 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Error concealment unit, audio decoder, and related method and computer program fading out a concealed audio frame out according to different damping factors for different frequency bands
CA3016837C (en) * 2016-03-07 2021-09-28 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Hybrid concealment method: combination of frequency and time domain packet loss concealment in audio codecs
CA3061833C (en) 2017-05-18 2022-05-24 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Managing network device
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
EP3483883A1 (en) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audio coding and decoding with selective postfiltering
EP3483884A1 (en) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Signal filtering
EP3483878A1 (en) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audio decoder supporting a set of different loss concealment tools
EP3483880A1 (en) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Temporal noise shaping
WO2019091576A1 (en) 2017-11-10 2019-05-16 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audio encoders, audio decoders, methods and computer programs adapting an encoding and decoding of least significant bits
EP3483882A1 (en) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Controlling bandwidth in encoders and/or decoders
EP3483886A1 (en) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Selecting pitch lag
ES3017425T3 (en) 2018-12-20 2025-05-12 Ericsson Telefon Ab L M Method and apparatus for controlling multichannel audio frame loss concealment
CN113678197B (zh) * 2019-03-25 2024-06-11 雷蛇(亚太)私人有限公司 在音频错误消除中使用递增搜索序列的方法和设备
ES2984773T3 (es) * 2019-06-12 2024-10-31 Fraunhofer Ges Zur Foerderungder Angewandten Forschung E V Ocultación de la pérdida de paquetes para la codificación de audio espacial basada en DirAC
CN113129910B (zh) * 2019-12-31 2024-07-30 华为技术有限公司 音频信号的编解码方法和编解码装置
CN111554309B (zh) * 2020-05-15 2024-11-22 腾讯科技（深圳）有限公司 一种语音处理方法、装置、设备及存储介质
IL298812A (en) * 2020-06-11 2023-02-01 Dolby Int Ab Image loss hiding for low-frequency results channel
CN111755017B (zh) * 2020-07-06 2021-01-26 全时云商务服务股份有限公司 云会议的音频录制方法、装置、服务器及存储介质
CN113763973B (zh) * 2021-04-30 2026-02-27 腾讯科技（深圳）有限公司 音频信号增强方法、装置、计算机设备和存储介质

Family Cites Families (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5615298A (en) * 1994-03-14 1997-03-25 Lucent Technologies Inc. Excitation signal synthesis during frame erasure or packet loss
JPH1091194A (ja) 1996-09-18 1998-04-10 Sony Corp 音声復号化方法及び装置
US6148935A (en) 1998-08-24 2000-11-21 Earth Tool Company, L.L.C. Joint for use in a directional boring apparatus
US6188980B1 (en) 1998-08-24 2001-02-13 Conexant Systems, Inc. Synchronized encoder-decoder frame concealment using speech coding parameters including line spectral frequencies and filter coefficients
WO2000060576A1 (en) 1999-04-05 2000-10-12 Hughes Electronics Corporation Spectral phase modeling of the prototype waveform components for a frequency domain interpolative speech codec system
DE19921122C1 (de) 1999-05-07 2001-01-25 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Verschleiern eines Fehlers in einem codierten Audiosignal und Verfahren und Vorrichtung zum Decodieren eines codierten Audiosignals
JP4464488B2 (ja) 1999-06-30 2010-05-19 パナソニック株式会社 音声復号化装置及び符号誤り補償方法、音声復号化方法
US6636829B1 (en) 1999-09-22 2003-10-21 Mindspeed Technologies, Inc. Speech communication system and method for handling lost frames
JP3804902B2 (ja) 1999-09-27 2006-08-02 パイオニア株式会社 量子化誤差補正方法及び装置並びにオーディオ情報復号方法及び装置
US6757654B1 (en) 2000-05-11 2004-06-29 Telefonaktiebolaget Lm Ericsson Forward error correction in speech coding
JP2002014697A (ja) 2000-06-30 2002-01-18 Hitachi Ltd ディジタルオーディオ装置
FR2813722B1 (fr) 2000-09-05 2003-01-24 France Telecom Procede et dispositif de dissimulation d'erreurs et systeme de transmission comportant un tel dispositif
US7447639B2 (en) * 2001-01-24 2008-11-04 Nokia Corporation System and method for error concealment in digital audio transmission
US7308406B2 (en) * 2001-08-17 2007-12-11 Broadcom Corporation Method and system for a waveform attenuation technique for predictive speech coding based on extrapolation of speech waveform
CA2388439A1 (en) * 2002-05-31 2003-11-30 Voiceage Corporation A method and device for efficient frame erasure concealment in linear predictive based speech codecs
FR2846179B1 (fr) * 2002-10-21 2005-02-04 Medialive Embrouillage adaptatif et progressif de flux audio
US6985856B2 (en) 2002-12-31 2006-01-10 Nokia Corporation Method and device for compressed-domain packet loss concealment
WO2004084182A1 (en) 2003-03-15 2004-09-30 Mindspeed Technologies, Inc. Decomposition of voiced speech for celp speech coding
JP2004361731A (ja) 2003-06-05 2004-12-24 Nec Corp オーディオ復号装置及びオーディオ復号方法
US7021316B2 (en) 2003-08-07 2006-04-04 Tools For Surgery, Llc Device and method for tacking a prosthetic screen
CN1839426A (zh) * 2003-09-17 2006-09-27 北京阜国数字技术有限公司 多分辨率矢量量化的音频编解码方法及装置
KR100587953B1 (ko) 2003-12-26 2006-06-08 한국전자통신연구원 대역-분할 광대역 음성 코덱에서의 고대역 오류 은닉 장치 및 그를 이용한 비트스트림 복호화 시스템
CA2457988A1 (en) 2004-02-18 2005-08-18 Voiceage Corporation Methods and devices for audio compression based on acelp/tcx coding and multi-rate lattice vector quantization
EP1775717B1 (en) 2004-07-20 2013-09-11 Panasonic Corporation Speech decoding apparatus and compensation frame generation method
US20070147518A1 (en) 2005-02-18 2007-06-28 Bruno Bessette Methods and devices for low-frequency emphasis during audio compression based on ACELP/TCX
US8355907B2 (en) * 2005-03-11 2013-01-15 Qualcomm Incorporated Method and apparatus for phase matching frames in vocoders
US8255207B2 (en) * 2005-12-28 2012-08-28 Voiceage Corporation Method and device for efficient frame erasure concealment in speech codecs
US8798172B2 (en) 2006-05-16 2014-08-05 Samsung Electronics Co., Ltd. Method and apparatus to conceal error in decoded audio signal
WO2008007698A1 (en) 2006-07-12 2008-01-17 Panasonic Corporation Lost frame compensating method, audio encoding apparatus and audio decoding apparatus
KR101040160B1 (ko) 2006-08-15 2011-06-09 브로드콤 코포레이션 패킷 손실 후의 제한되고 제어된 디코딩
JP2008058667A (ja) * 2006-08-31 2008-03-13 Sony Corp 信号処理装置および方法、記録媒体、並びにプログラム
RU2437170C2 (ru) 2006-10-20 2011-12-20 Франс Телеком Ослабление чрезмерной тональности, в частности, для генерирования возбуждения в декодере при отсутствии информации
FR2907586A1 (fr) 2006-10-20 2008-04-25 France Telecom Synthese de blocs perdus d'un signal audionumerique,avec correction de periode de pitch.
KR101292771B1 (ko) * 2006-11-24 2013-08-16 삼성전자주식회사 오디오 신호의 오류은폐방법 및 장치
KR100862662B1 (ko) 2006-11-28 2008-10-10 삼성전자주식회사 프레임 오류 은닉 방법 및 장치, 이를 이용한 오디오 신호복호화 방법 및 장치
CN101207468B (zh) 2006-12-19 2010-07-21 华为技术有限公司 丢帧隐藏方法、系统和装置
GB0704622D0 (en) 2007-03-09 2007-04-18 Skype Ltd Speech coding system and method
CN100524462C (zh) * 2007-09-15 2009-08-05 华为技术有限公司 对高带信号进行帧错误隐藏的方法及装置
CN101399040B (zh) 2007-09-27 2011-08-10 中兴通讯股份有限公司 一种帧错误隐藏的谱参数替换方法
US8527265B2 (en) 2007-10-22 2013-09-03 Qualcomm Incorporated Low-complexity encoding/decoding of quantized MDCT spectrum in scalable speech and audio codecs
US8515767B2 (en) 2007-11-04 2013-08-20 Qualcomm Incorporated Technique for encoding/decoding of codebook indices for quantized MDCT spectrum in scalable speech and audio codecs
KR100998396B1 (ko) 2008-03-20 2010-12-03 광주과학기술원 프레임 손실 은닉 방법, 프레임 손실 은닉 장치 및 음성송수신 장치
CN101588341B (zh) * 2008-05-22 2012-07-04 华为技术有限公司 一种丢帧隐藏的方法及装置
EP2144231A1 (en) 2008-07-11 2010-01-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Low bitrate audio encoding/decoding scheme with common preprocessing
WO2010003556A1 (en) * 2008-07-11 2010-01-14 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audio encoder, audio decoder, methods for encoding and decoding an audio signal, audio stream and computer program
EP2144230A1 (en) * 2008-07-11 2010-01-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Low bitrate audio encoding/decoding scheme having cascaded switches
DE102008042579B4 (de) 2008-10-02 2020-07-23 Robert Bosch Gmbh Verfahren zur Fehlerverdeckung bei fehlerhafter Übertragung von Sprachdaten
US8706479B2 (en) * 2008-11-14 2014-04-22 Broadcom Corporation Packet loss concealment for sub-band codecs
CN101958119B (zh) 2009-07-16 2012-02-29 中兴通讯股份有限公司 一种改进的离散余弦变换域音频丢帧补偿器和补偿方法
US9076439B2 (en) * 2009-10-23 2015-07-07 Broadcom Corporation Bit error management and mitigation for sub-band coding
US8321216B2 (en) 2010-02-23 2012-11-27 Broadcom Corporation Time-warping of audio signals for packet loss concealment avoiding audible artifacts
US9263049B2 (en) * 2010-10-25 2016-02-16 Polycom, Inc. Artifact reduction in packet loss concealment
KR101551046B1 (ko) * 2011-02-14 2015-09-07 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. 저-지연 통합 스피치 및 오디오 코딩에서 에러 은닉을 위한 장치 및 방법
US9460723B2 (en) * 2012-06-14 2016-10-04 Dolby International Ab Error concealment strategy in a decoding system
US9406307B2 (en) * 2012-08-19 2016-08-02 The Regents Of The University Of California Method and apparatus for polyphonic audio signal prediction in coding and networking systems
US9830920B2 (en) * 2012-08-19 2017-11-28 The Regents Of The University Of California Method and apparatus for polyphonic audio signal prediction in coding and networking systems
CN105453173B (zh) 2013-06-21 2019-08-06 弗朗霍夫应用科学研究促进协会 利用改进的脉冲再同步化的似acelp隐藏中的自适应码本的改进隐藏的装置及方法
CA2915805C (en) 2013-06-21 2021-10-19 Jeremie Lecomte Apparatus and method for improved concealment of the adaptive codebook in acelp-like concealment employing improved pitch lag estimation
CN104282309A (zh) 2013-07-05 2015-01-14 杜比实验室特许公司 丢包掩蔽装置和方法以及音频处理系统
JP6306175B2 (ja) 2013-10-31 2018-04-04 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ 時間ドメイン励振信号に基づくエラーコンシールメントを用いて、復号化されたオーディオ情報を提供するオーディオデコーダおよび復号化されたオーディオ情報を提供する方法
ES2755166T3 (es) 2013-10-31 2020-04-21 Fraunhofer Ges Forschung Decodificador de audio y método para proporcionar una información de audio decodificada usando una ocultación de error que modifica una señal de excitación de dominio de tiempo
EP3230980B1 (en) 2014-12-09 2018-11-28 Dolby International AB Mdct-domain error concealment

Also Published As

Publication number Publication date
AU2017251671B2 (en) 2019-08-15
PT3063759T (pt) 2018-03-22
SG10201609186UA (en) 2016-12-29
AU2017251671A1 (en) 2017-11-09
PL3336839T3 (pl) 2020-02-28
CA2984066A1 (en) 2015-05-07
BR112016009805B1 (pt) 2022-08-30
PT3355305T (pt) 2020-01-09
JP6306177B2 (ja) 2018-04-04
EP3336840A1 (en) 2018-06-20
BR122022008598B1 (pt) 2023-01-31
US20160379657A1 (en) 2016-12-29
KR20170117616A (ko) 2017-10-23
US20160379647A1 (en) 2016-12-29
KR101984117B1 (ko) 2019-05-31
JP2016535867A (ja) 2016-11-17
SG11201603425UA (en) 2016-05-30
MX2016005542A (es) 2016-07-21
EP3336839B1 (en) 2019-07-31
AU2017251669A1 (en) 2017-11-09
US10964334B2 (en) 2021-03-30
SG10201709062UA (en) 2017-12-28
KR101854296B1 (ko) 2018-05-03
EP3063759B1 (en) 2017-12-20
SG10201709061WA (en) 2017-12-28
KR20170117617A (ko) 2017-10-23
KR20170118247A (ko) 2017-10-24
MY175460A (en) 2020-06-29
CA2984042C (en) 2019-12-31
BR122022008597B1 (pt) 2023-01-31
US10290308B2 (en) 2019-05-14
AU2014343905B2 (en) 2017-11-30
AU2014343905A1 (en) 2016-06-02
BR122022008596B1 (pt) 2023-01-31
ES2752213T3 (es) 2020-04-03
HK1257256A1 (en) 2019-10-18
BR122022008603B1 (pt) 2023-01-10
HK1257257A1 (en) 2019-10-18
CA2984050A1 (en) 2015-05-07
EP3355305B1 (en) 2019-10-23
KR20170118246A (ko) 2017-10-24
US20200066288A1 (en) 2020-02-27
SG10201609218XA (en) 2016-12-29
KR20160079849A (ko) 2016-07-06
EP3336839A1 (en) 2018-06-20
US10249309B2 (en) 2019-04-02
SG10201609146YA (en) 2016-12-29
PL3355305T3 (pl) 2020-04-30
US10276176B2 (en) 2019-04-30
AU2017251670A1 (en) 2017-11-09
CA2984042A1 (en) 2015-05-07
AU2017251670B2 (en) 2019-02-14
TW201523584A (zh) 2015-06-16
KR101940742B1 (ko) 2019-01-22
US10339946B2 (en) 2019-07-02
US10249310B2 (en) 2019-04-02
US10262667B2 (en) 2019-04-16
TWI571864B (zh) 2017-02-21
PL3336841T3 (pl) 2020-06-29
PL3063759T3 (pl) 2018-06-29
MX356036B (es) 2018-05-09
PL3336840T3 (pl) 2020-04-30
CA2984017A1 (en) 2015-05-07
AU2017251669B2 (en) 2019-08-15
KR101940740B1 (ko) 2019-01-22
US20160379646A1 (en) 2016-12-29
CN105793924A (zh) 2016-07-20
BR122022008602B1 (pt) 2023-01-10
US20160240203A1 (en) 2016-08-18
HK1259431A1 (en) 2019-11-29
CA2984030A1 (en) 2015-05-07
CA2984030C (en) 2020-01-14
EP3063759A1 (en) 2016-09-07
ES2661732T3 (es) 2018-04-03
CA2928974A1 (en) 2015-05-07
ES2902587T3 (es) 2022-03-29
US20160379645A1 (en) 2016-12-29
EP3355306B1 (en) 2021-11-24
PT3336839T (pt) 2019-11-04
CA2928974C (en) 2020-06-02
US20160379648A1 (en) 2016-12-29
RU2667029C2 (ru) 2018-09-13
EP3355305A1 (en) 2018-08-01
HK1259430A1 (en) 2019-11-29
MX381839B (es) 2025-03-13
PT3336841T (pt) 2020-03-26
MX372602B (es) 2020-04-23
CA2984066C (en) 2019-12-24
EP3355306A1 (en) 2018-08-01
ES2774492T3 (es) 2020-07-21
HK1257258A1 (en) 2019-10-18
EP3336841B1 (en) 2019-12-04
RU2016121148A (ru) 2017-12-05
ES2760573T3 (es) 2020-05-14
EP3336840B1 (en) 2019-09-18
WO2015063045A1 (en) 2015-05-07
PT3336840T (pt) 2019-12-09
MX392006B (es) 2025-03-21
CN105793924B (zh) 2019-11-22
EP3336841A1 (en) 2018-06-20
CA2984050C (en) 2019-11-26
BR112016009805A2 (es) 2017-08-01
KR101941978B1 (ko) 2019-01-24
KR101952752B1 (ko) 2019-02-28
KR20170117615A (ko) 2017-10-23
CA2984017C (en) 2019-12-31
PL3355306T3 (pl) 2022-04-04

Similar Documents

Publication Publication Date Title
ES2760573T3 (es) Decodificador de audio y método para proveer una información de audio decodificada usando un ocultamiento de error que modifica una señal de excitación de dominio de tiempo
ES2746034T3 (es) Decodificador de audio y método para proporcionar una información de audio decodificada usando un ocultamiento de error sobre la base de una señal de excitación de dominio de tiempo
HK1251348A1 (en) Audio decoder and method for providing a decoded audio information using an error concealment based on a time domain excitation signal
HK1251349A1 (en) Audio decoder and method for providing a decoded audio information using an error concealment based on a time domain excitation signal
HK1259430B (en) Audio decoder and method for providing a decoded audio information using an error concealment modifying a time domain excitation signal
HK1257258B (en) Audio decoder and method for providing a decoded audio information using an error concealment modifying a time domain excitation signal
HK1257256B (en) Audio decoder and method for providing a decoded audio information using an error concealment modifying a time domain excitation signal
HK1251710B (en) Audio decoder and method for providing a decoded audio information using an error concealment based on a time domain excitation signal
HK1227541B (en) Audio decoder and method for providing a decoded audio information using an error concealment based on a time domain excitation signal
HK1227541A1 (en) Audio decoder and method for providing a decoded audio information using an error concealment based on a time domain excitation signal