Superwideband带宽扩展使用规范化的多层螺旋ct系数可伸缩的语音和音频编码

文摘

从宽带带宽扩展(防波堤入口)算法superwideband(主客观)提出了一个可伸缩的语音/音频编解码器,使用修改后的离散余弦变换(MDCT)系数谱参数。首先分成几个部分波段superwideband表示为增益参数和规范化的多层螺旋ct系数提出防波堤入口算法。然后我们估计规范化的宽带多层螺旋ct系数获取superwideband和数字转换fetch指数。之后,我们量化增益参数通过使用相对相邻部分波段之间的比率。拟议的防波堤入口算法嵌入到一个标准superwideband编解码器,短轴距延长G.729.1附件E,和它的比特率和质量已经和防波堤入口算法相比,采用标准superwideband编解码器。显示的比较,提出防波堤入口算法相对降低了比特率约19%以更好的质量、防波堤入口算法相比在短轴距延长G.729.1附录E。

1。介绍

在早期的语音通信服务,窄带编解码器的带宽约3.4 kHz以来常用的可用的网络带宽是非常有限的。这些服务可以提供足够的质量的理解,但普遍认为,他们不满足用户的增加预期更高的音质。由于网络技术的进步,然而,这种传输带宽最近已经增加(1- - - - - -3]。因此,大量的研究都集中在进一步扩展带宽的言论和/或音频信号从窄带到宽带,superwideband和音频带(4- - - - - -6]。

有两种不同的方法来扩展带宽根据侧信息是否可用,如图1。如图1(一),通常是实现带宽扩展利用编码器的信息传播。另一方面,还可以扩展带宽只在译码器没有任何方面的信息(7),如图所示1 (b)。换句话说,而不是使用信息,人工带宽扩展可以估计高带信号从低波段信号通过使用模式识别算法,如隐马尔可夫模型(摘要)8高斯混合模型(gmm) (9]和[10- - - - - -15]。虽然人工带宽扩展算法不需要任何额外的发送的信息,他们的表现有点限制根据模式识别算法的性能在扩展,而带宽扩展使用方信息(16- - - - - -20.]。因此,这个问题出现在这个带宽扩展方法是如何提高带宽扩展算法的性能较低比特率的增加信息。

在本文中,我们提出一个superwideband带宽扩展(防波堤入口)算法使用归一化光谱系数可伸缩的语音和音频编码、语音和音频信号转换成光谱域离散余弦变换(MDCT)通过修改。为此,superwideband分为几个部分波段,多层螺旋ct属于每个部分波段系数归一化的部分波段获得所获得的每个多层螺旋ct系数的平方的总和。然后我们估计标准化多层螺旋ct系数适合superwideband为了获取他们的宽带。此外,提高编码效率,我们将一个量子化方案处理相邻部分波段之间的相对比例的收益,导致降低比特率提出防波堤入口的算法。

本文的其余部分组织如下。简要回顾superwideband扩展算法部分2。提出superwideband扩展算法中描述的部分3。绩效评估中说明了部分4。最后,给出了结论部分5。

2。Superwideband扩展算法

在本节中,我们简要回顾现有superwideband(主客观)扩展算法用于G.729.1附件E [17]。传统的主客观扩展算法运行在MDCT域执行640个样本的长度,是由一个通用的模式和一个正弦模式。在一般模式下,高带信号被置换重建低波段信号增益调节。然而,由于色调信号,所生成的乐器,比如吉他,具有几个音调的大小和位置,不适当的模型通过使用通用的模式。因此,正弦模式试图直接色调组件模型。事实上,模式选择是通过估算的音调输入音频信号。因此,我们感兴趣的是如何提高防波堤入口算法实现的通用模式G.729.1附件E相同的模式选择和正弦模式。

图2显示了传统的结构防波堤入口算法采用的通用模式G.729.1附件e .如图,传统的防波堤入口算法由两块:一个是获取索引搜索,另一个是增益补偿和比例因子量化块。作为第一步,为了获得适当的多层螺旋ct系数更高的乐队,最大互相关延迟,,j部分波段是决定 在哪里 和是次能带的总数。此外,多层螺旋ct系数属于的数量吗j部分波段。在(2),是kth乐队的多层螺旋ct系数高jth部分波段,是kth低波段多层螺旋ct重建系数由较低的译码器。此外,和是获取指数的高低边界搜索的j分别th部分波段。参数设置,,,(17]。

接下来,为了弥补之间的不匹配和为j部分波段,我们计算两种不同比例因素的线性光谱域以及日志中光谱域,和,它被定义为 在哪里,,。

3所示。提出主客观扩展算法

提出防波堤入口算法有三个主要区别从主客观扩展部分中描述的算法2。首先,每个部分波段而不是量化尺度因子,该算法对获得的每个部分波段。同时,高乐队的复制是通过使用多层螺旋ct系数归一化的部分波段上涨。其次,为了提高编码效率,部分波段是不同的数量分配的部分波段收益和获取指标,部分波段上涨和获取相关指数谱形状和光谱精细结构,分别。然而,由于更高的阈值在安静的乐队远远大于较低的乐队(21),光谱形状更重要的详细表示比更高的光谱精细结构的乐队。因此,它将更好的分配更多的比特部分波段比获取增益量化指标量化。因此,我们决定提供更多的部分波段获得,这被称为获得部分波段,但不取指数被称为获取部分波段。第三,而不是使用一个最大相关准则,我们应用最小均方误差(MMSE)准则获取索引搜索,可以提供更好的性能,以减少光谱错误。

图3显示了该防波堤入口的结构算法。对比图2,提出防波堤入口算法由一个获得标准化/量化块和获取索引搜索块。提出防波堤入口的算法,首先估计部分波段获得的jth获得部分波段,,使用的方程 在哪里获得部分波段和总数吗多层螺旋ct系数的数量吗j获得部分波段。此外,是k较高的波段多层螺旋ct系数j获得部分波段。

在这个提议防波堤入口算法,我们将微分的概念量化减少量化比特的部分波段上涨。换句话说,我们数字转换的相对比例部分波段上涨,这对应于微分量化应用日志中光谱域。这是因为动态范围的相对比率小于部分波段获得的。即,每个部分波段获得可以量化 在哪里是一个n位标量量化器对。具体来说,获得的第一个获得部分波段应与更高的量化比特量化器比其他部分波段收益;也就是说,。接下来,多层螺旋ct系数由使用对应的量化增益归一化,这样 在哪里是kth乐队标准化多层螺旋ct系数属于高j获得部分波段。

fetch指数的提出防波堤入口算法然后获得基于MMSE准则。换句话说,一个获取指数,,lth获取部分波段被发现使用的方程 在哪里和。此外,取部分波段的总数,多层螺旋ct系数属于的数量吗lth获取部分波段和低和高的边界l分别th获取部分波段。

在提出防波堤入口算法,有几种组合不同的设置,,,,而参数如正弦编码和信封成型参数用于在一样的操作17]。

4所示。绩效评估

在本节中,我们将提出防波堤入口算法的性能与传统的防波堤入口算法用于G.729.1附件E [17]的比特率、谱图和质量。注意,我们只取代了通用模式防波堤入口算法的编解码器。

4.1。比特率

传统防波堤入口的比特数/帧算法79位/框架,和60位/框架的,,()(1)和(3)。即使防波堤入口算法操作的通用模式,一个正弦分量总是建模,和它的位置,标志,振幅与10位/帧量化。剩下的9位/帧的79位/帧被分配模式指示器和信封成型应用于降低预处理和postecho工件。更详细的解释在传统防波堤入口的位分配算法,参考文献[17]。

提出防波堤入口的算法,有很多位组合的任务。为此,我们进行了详尽的实验通过改变设计参数提出防波堤入口的算法。最终,发现通过设置,,,,提出防波堤入口算法可以提供更好的质量比传统的防波堤入口较低比特率的算法。这也是从表中所示1拟议的防波堤入口算法实现相对比特率减少19%左右,相比传统的防波堤入口算法。

4.2。谱图的比较

数据4 (b)和4 (c)显示原始音频信号的谱图(图4(一))传统和提出防波堤入口算法应用时,分别。注意,原始信号的音质评价材料(SQAM) [22]32 kHz的采样速率,但解码信号的带宽G.729.1附件E有限14千赫。本文获得的谱图是通过应用Blackman窗的长度是1024个样本的512个样本的解码信号重叠。

如图4 (b)解码信号的谱图的传统防波堤入口算法水平线在圆9.6 kHz和11.6 kHz,用一个虚线框,增益不匹配造成的。然而,这种不匹配,是减轻了防波堤入口算法通过使用;因此,没有横线图4 (b)。这些结果暗示该防波堤入口算法比传统的防波堤入口算法可以提供更好的质量。

4.3。质量优先测试

主观指标,我们进行了一次AB偏好测验之间传统的防波堤入口算法和提出的。在这里,我们选择了三个不同的信号类型的偏好测试,包括演讲、音乐,和嘈杂的语音信号。这里需要注意的是语音信号被从数据库(6从SQAM]和其他22]。我们准备为每个信号类型五个文件,每个文件是根据G.729.1预处理/ G。718短轴距处理计划(23]。所有文件被提交给九个听众没有听觉障碍。表2显示了测试结果的偏好。提出防波堤入口显示信号类型的得分高于传统的防波堤入口。特别是,音乐的强劲的周期性信号导致最好的偏好得分。从表中可以得出结论,提出防波堤入口的听众喜欢信号解码算法对所有信号类型,而不是传统的防波堤入口解码的算法。

5。结论

在本文中,我们提出了一个superwideband带宽扩展算法使用规范化的多层螺旋ct系数可伸缩的语音和音频编码。在该算法中,每个部分波段的获得是量子化的,高乐队的复制是通过使用多层螺旋ct系数归一化的部分波段上涨。部分波段的数量也以不同的方式分配根据部分波段收益和获取指标。此外,我们应用最小均方误差(MMSE)准则获取索引搜索,可以提供更好的性能,以减少光谱错误。谱图中显示的结果,这是比较和AB偏好测验,提出防波堤入口算法提供了更好的质量,尤其是对音乐信号比防波堤入口算法目前受雇于G.729.1附件E,虽然取得了相对比特率减少18.99%。

承认

这项研究受到了基础科学研究项目通过韩国国家研究基金会(NRF)由教育部(没有。2013 r1a1a2007971)。

引用

1. c . Lamblin”最近ITU-T音频/语音编码的发展和未来的趋势,”信号处理程序的欧洲会议(EUSIPCO ' 08)2008年瑞士洛桑,全体讲座。视图:谷歌学术搜索
2. j·a·康和h k金”,一个自适应包丢失恢复方法基于实时语音质量评估和冗余语音传输,”国际期刊的创新计算、信息和控制,7卷,不。12日,第6783 - 6773页,2011年。视图:谷歌学术搜索
3. j·a·康和h k金,”言论自适应冗余传输无线多媒体传感器网络基于感知的语音质量,估计”传感器,11卷,不。9日,第8484 - 8469页,2011年。视图:出版商的网站|谷歌学术搜索
4. “ITU-T颞文档298 R1 Q23/16报告员的会议报告,2008。视图:谷歌学术搜索
5. n i公园和h·k·金,“人工窄带语音的带宽扩展应用到CELP-type语音编码、”Information-International跨学科杂志,16卷,不。3 (B), 3153 - 3164年,2013页。视图:谷歌学术搜索
6. m . y . r .哦,y . g . Kim Kim h . k . Kim m . s . Lee)和h . j . Bae”语音学上平衡的文本语料库设计使用相似度测量立体宽频段雷语音数据库,”IEICE交易信息和系统,E94-D卷,不。7,1459 - 1466年,2011页。视图:出版商的网站|谷歌学术搜索
7. p变化和r·马丁,数字语音传输:增强、编码和错误隐藏威利奇切斯特,英国,2006年。
8. p . Jax和p不同,“人工电话语音的带宽延伸,”信号处理,卷83,不。8,1707 - 1719年,2003页。视图:出版商的网站|谷歌学术搜索
9. G.-B。歌和p . Martynovich HMM-based研究语音信号的带宽延伸,”信号处理,卷89,不。10日,2036 - 2044年,2009页。视图:出版商的网站|谷歌学术搜索
10. 美国Kornagel”技术人工电话语音的带宽延伸,”信号处理,卷86,不。6,1296 - 1306年,2006页。视图:出版商的网站|谷歌学术搜索
11. h . Pulakka l . Laaksonen m . Vainio j . Pohjalainen和p . Alku”评价的人工语音带宽扩展方法在三种语言中,“IEEE音频、语音和语言处理,16卷,不。6,1124 - 1137年,2008页。视图:出版商的网站|谷歌学术搜索
12. K.-T。金,M.-K。李,H.-G。康,“语音带宽扩展使用时间信封建模,”IEEE信号处理信件15卷,第432 - 429页,2008年。视图:出版商的网站|谷歌学术搜索
13. j . h .公园,h·k·金·m·b·金和s . r . Kim”用户的声音还原算法基于双耳信号分离为便携式数码影像设备,“IEEE消费类电子产品,卷。58岁的没有。2、679 - 684年,2012页。视图:出版商的网站|谷歌学术搜索
14. j·A·康c . j . Chun h·k·金·m·b·金和s . r . Kim“智能背景音乐混合算法为便携式数码成像设备,“IEEE消费类电子产品卷,57号3、1258 - 1263年,2011页。视图:出版商的网站|谷歌学术搜索
15. y . r .哦,j . s . Yoon h·k·金·m·b·金和s . r . Kim”便携式数码影像设备的语音驱动模式的推荐服务,“IEEE消费类电子产品,55卷,不。4、1739 - 1747年,2009页。视图:出版商的网站|谷歌学术搜索
16. Herre和m .迪茨”,mpeg - 4高效AAC编码”,IEEE信号处理杂志,25卷,不。3、137 - 142年,2008页。视图:出版商的网站|谷歌学术搜索
17. m·塔米l . Laaksonen a雷默,h . Toukomaa“宽带编码,可伸缩superwideband扩展”《IEEE国际会议音响、演讲和信号处理(ICASSP ' 09)台湾,页161 - 164年,2009年4月。视图:谷歌学术搜索
18. b·盖斯,p . Jax, p . et al .,不同“带宽扩展层次语音和音频编码ITU-T Rec, G.729.1”IEEE音频、语音和语言处理,15卷,不。8,2496 - 2509年,2007页。视图:出版商的网站|谷歌学术搜索
19. h . Ehara - t . Morii, k .吉田“预测矢量量化的宽带使用窄带LSF LSF带宽可伸缩编码人员,“言语交际卷,49号6,490 - 500年,2007页。视图:出版商的网站|谷歌学术搜索
20. m . s . y . h·李,h . k . Kim Lee和d . y .金正日“窄带语音编码器的带宽扩展音乐交付通过IP,”在人工智能课堂讲稿卷,4413年,第208 - 198页,2007年。视图:谷歌学术搜索
21. t .画家和a . Spanias“感知编码的数字音频,”IEEE学报》,卷88,不。4、451 - 515年,2000页。视图:出版商的网站|谷歌学术搜索
22. 如3253年技术文档,声音质量评估材料(SQAM), 1988年。
23. ITU-T ITU-T WP3/16、加工测试计划联合(G.718 / G.729.1)主客观/立体扩展优化/描述阶段,2008年。

版权

版权©2013名年轻汉族李和崔Seung Ho)。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。