專利名稱：語音解碼中語音幀差錯隱蔽的方法和系統(tǒng)的制作方法
技術領域：
本發(fā)明一般涉及對來自已編碼位流的語音信號的解碼，更具體而言，涉及在語音解碼期間語音幀中檢測到差錯時將受損語音參數隱蔽。
背景技術：
語音和聲頻編碼算法在通信，多媒體和存儲系統(tǒng)中具有廣泛的應用。編碼算法的發(fā)展是由在保持高質量合成信號的同時節(jié)省傳輸和存儲容量的需要所驅動的。編碼器的復雜性是由，例如，應用平臺的處理能力所限制。在某些應用中，例如，話音存儲，編碼器可以非常復雜，而解碼器應該盡可能簡單。
現代的語音編碼解碼器是通過處理被稱為幀的短數據段中的語音信號進行工作的。典型的語音編碼解碼器的幀長度是20ms，假定采樣頻率為8KHz，這對應于160個語音樣本。在寬帶的編碼解碼器中，假定采樣頻率為16KHz，典型的20ms的幀長度對應于320個語音樣本。幀可被進一步劃分成許多子幀。對于每個幀，編碼器確定一個輸入信號的參數表示。這些參數被量化并以數字形式通過一個通信信道發(fā)送(或存儲在一種存儲介質中)。解碼器根據接收到的參數產生合成的語音信號，如圖1中所示。
一個典型的被抽取的編碼參數集包括對信號短時間預測中使用的譜參數(如線性預測編碼(LPC)參數)，對信號長時間預測(LTP)使用的參數，各種增益參數，和激活參數。LTP參數與語音信號的基頻緊密相關。這種參數通常被稱為所謂的基音-滯后(Pitch-Lag)參數，它用語音樣本來描述基本周期，增益參數之一也與基本周期關系密切，所以被稱為LTP增益。在使語音盡可能自然方面LTP增益是一個非常重要的參數。以上的編碼參數的描述一般地說適合于各種各樣的語音編碼解碼器，包括所謂的代碼-激活的線性預測(CELP)編碼解碼器，它暫時是最成功的語音編碼解碼器。
語音參數被以數字形式通過一個通信信道進行發(fā)送。有時通信信道的條件改變，這可能對位流造成差錯。這將造成幀差錯(壞幀)，也就是描述一個特定的語音段(典型情況下是20ms)的某些參數被損壞。有兩種幀差錯全部受損的幀和部分受損的幀。這些幀有時在解碼器中根本沒有接收到。在基于分組的傳輸系統(tǒng)中，如在通常的因特網連接中，當數據分組將不再到達接收機，或者數據分組到達如此之晚，以致由于談話語音的實時性質不可能被使用時，可能產生這種情況。部分受損的幀是一個這樣的幀，它到達接收機并可能仍然包含某些未出差錯的參數。這通常是在電路交換連接，如在現有的GSM連接中的情況。典型情況下在部分受損的幀中位差錯率(BER)大約是0.5-5％。
從以上的描述可以看到，在處理由于丟失語音參數使重建的語音降質方面，兩種壞的或受損的幀將需要不同的措施。
丟失或出錯的語音幀是通信信道不良狀況的結果，使得位流出差錯。當在接收到的語音幀中檢測到差錯時，啟動差錯校正步驟。這種差錯校正步驟通常包括置換步驟和靜音步驟。在先前技術中，壞幀的語音參數被經衰減或修改的來自前面的好幀的值替代。然而，在受損幀中某些參數(如CELP參數中的激勵值)可能仍然被用于解碼。
圖2示出現有技術方法的原理。如圖2中所示，一個標記為“參數歷史”的緩存器被用于存儲上一次好幀的語音參數。當檢測到一個壞幀時，壞幀指示器(BFI)被設置為1，并啟動差錯隱蔽步驟。當BFI未被設置(BFI＝0)時，參數歷史值被更新，語音參數被用于解碼而不進行差錯隱蔽。在先前技術系統(tǒng)中，差錯隱蔽步驟使用參數歷史值以便隱蔽在受損的幀中丟失或出錯的參數。從接收到的幀中可以使用某些語音參數，即使該幀被分類為一個壞幀(BFI＝1)。例如，在GSM自適應多速率(AMR)語音編碼解碼器(ETSI技術說明06.91)中，始終使用來自信道的激勵向量。當語音幀是完全丟失的幀(例如，在某些基于IP的傳輸系統(tǒng)中)，將不使用來自接收到的壞幀的參數。在某些情況下，將接收不到幀，或者該幀將到達如此之晚，以致不得不被分類為一個丟失的幀。
在現有技術系統(tǒng)中，LTP-滯后隱蔽使用上一個良好的LTP-滯后值，其中小部分稍作修改，并且用稍向恒定的平均值推移的上一個良好的參數替代譜參數。通?？捎帽凰p的上一個良好的值或幾個前面的良好值的中值代替增益(LTP和編碼簿)。對所有的子幀使用相同的被置換的語音參數，其中某些稍作修改。
現有技術LTP隱蔽對于穩(wěn)態(tài)的語音信號可能是合適的，例如，語音或穩(wěn)態(tài)的語音。然而，對于非穩(wěn)態(tài)語音信號，先前技術方法可能引起不愉快的和可聽到的人為產物。例如，當語音信號是非話音的或非穩(wěn)態(tài)時，簡單地利用上一個良好的滯后值替代壞幀中的滯后值具有在非話音語音脈沖串的中間生成短的話音語音段的效果(見圖10)。這種效果，被稱為“堆”(bing)的人為產物，可能是令人煩惱的。
提供一種用于在語音解碼中差錯隱蔽以改進語音質量的方法和系統(tǒng)是有益的并且是所希望的。

發(fā)明內容
本發(fā)明利用這樣的事實，即在語音信號中長時間預測(LTP)參數之間有可辨認的關系。特別是，LTP-滯后與LTP-增益有牢固的相關性。當LTP-增益是高的和合乎情理地穩(wěn)定時，LTP-滯后在典型情況下是非常穩(wěn)定的，并且在相鄰的滯后值之間的變化很小。在這種情況下，語音參數是話音的語音序列的指示。當LTP-增益是低的或非穩(wěn)定時，LTP-滯后在典型情況下是非話音的，語音參數是非話音的語音序列的指示。一旦語音序列被分類為穩(wěn)態(tài)的(話音的)或非穩(wěn)態(tài)的(非話音的)，在序列中的受損的或壞幀可以不同方式進行處理。
因此，本發(fā)明的第一方面是一種用于隱蔽在指明語音解碼器中接收到的語音信號的已編碼位流中的差錯的方法，其中已編碼的位流包括多個排列在語音序列中的語音幀，語音幀包括至少一個受損的幀，在此幀前面有一個或多個未受損的幀，其中受損的幀包括一個第一長時間預測滯后值和一個第一長時間預測增益值，未受損的幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括一個上次的長時間預測滯后值，第二長時間預測增益值包括一個上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列，其中受損的幀可以部分地受損或完全地受損。該方法包括以下步驟確定是否第一長時間預測滯后值是在根據第二長時間預測滯后值確定的上限和下限以內還是以外；當第一長時間預測滯后值是在上限和下限以外時，用第三滯后值代替部分受損幀中的第一長時間預測滯后值；和當第一長時間預測滯后值在上限和下限以內時，保持部分受損幀中的第一長時間預測滯后值。
另一種方法，該方法包括以下步驟根據第二長時間預測增益值，確定受損幀排列在其間的語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的；當語音序列是穩(wěn)態(tài)時，用上次的長時間預測滯后值代替受損幀中的第一長時間預測滯后值；和當語音序列是非穩(wěn)態(tài)時，用根據第二長時間預測滯后值和有限自適應的隨機滯后抖動確定的第三長時間預測滯后值代替受損幀中的第一長時間預測滯后值，和用根據第二長時間預測增益值和有限自適應的隨機增益抖動確定的第三長時間預測增益值代替受損幀中的第一長時間預測增益值。
最好，第三長時間預測滯后值至少部分地基于第二長時間預測滯后值的加權中值計算，該有限自適應隨機滯后抖動是一個基于第二長時間預測滯后值確定的限值為界限的值。
最好，該第三長時間預測增益值至少部分地基于第二長時間預測增益值的加權中值計算，該有限自適應隨機增益抖動是一個基于第二長時間預測增益值的為界限的值。
另一種方法，該方法包括以下步驟確定是否受損幀是部分受損還是完全受損；如果受損幀是完全地受損，用第三滯后值代替受損幀中的第一長時間預測滯后值，其中當完全地受損幀排列在其間的語音序列是穩(wěn)態(tài)時，將第三滯后值設置為等于上次的長時間預測滯后值，當所述的語音序列是非穩(wěn)態(tài)時，根據第二長時間預測值和有限自適應隨機滯后抖動確定第三滯后值；和如果受損幀是部分地受損，用第四滯后值代替受損幀中的第一長時間預測滯后值，其中當部分受損幀排列在其間的語音序列是穩(wěn)態(tài)時，設置第四滯后值等于上次的預測滯后值，當所述的語音序列是非穩(wěn)態(tài)時，根據從與受損幀前面的非受損幀關聯的自適應編碼薄搜索到的被解碼的長時間預測滯后值設置第四滯后值。
本發(fā)明的第二方面是一種用于將已編碼位流中的語音信號編碼和將已編碼位流解碼成合成語音的語音信號發(fā)射機和接收機系統(tǒng)，其中已編碼位流包括多個排列在語音序列中的語音幀，語音幀包括至少一個受損幀，在該幀前面有一個或多個未受損的幀，其中受損的幀用第一信號指示，并包括一個第一長時間預測滯后值和一個第一長時間預測增益值，未受損的幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括上次的長時間預測滯后值，第二長時間預測增益值包括上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列，該系統(tǒng)包括一個第一裝置，對第一信號作出響應，用于根據第二長時間預測增益值，確定是否受損幀排列在其間的語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的，并用于提供一個第二信號，指明是否語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的；和一個第二裝置，對第二信號作出響應，用于當語音序列是穩(wěn)態(tài)時，用上次的長時間預測滯后值代替受損幀中的第一長時間預測滯后值，當語音序列是非穩(wěn)態(tài)時，分別用第三長時間預測滯后值和第三長時間預測增益值代替受損幀中的第一長時間預測滯后值和第一長時間增益值，其中第三長時間預測滯后值是根據第二長時間預測滯后值和有限自適應隨機滯后抖動確定的，第三長時間預測增益值是根據第二長時間預測增益值和有限自適應隨機增益抖動確定的。
最好，第三長時間預測滯后值至少部分地基于第二長時間預測滯后值的加權中值算得的，有限自適應隨機滯后抖動是一個基于第二長時間預測滯后值確定的限值為界限的值。
最好，第三長時間預測增益值至少部分地基于第二長時間預測增益值的加權中值計算，該有限自適應隨機增益抖動是一個基于第二長時間預測增益值確定的限值為界限的值。
本發(fā)明的第三方面是一種用于從已編碼的位流合成語音的解碼器，其中已編碼位流包括多個排列在語音序列中的語音帆，語音幀包括至少一個受損的幀，在該幀的前面有一個或多個未受損的幀，其中受損的幀用一個第一信號指示，并包括第一長時間預測滯后值和第一長時間預測增益值，未受損的幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括上次的長時間預測滯后值和第二長時間預測增益值包括上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列。該解碼器包括
一個第一裝置，對第一信號作出響應，用于根據第二長時間預測增益值確定是否受損幀安排在其間的語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的，并用于提供一個第二信號，指明是否語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的；和一個第二裝置，對第二信號作出響應，用于當語音序列是穩(wěn)態(tài)時，用上次的長時間預測滯后值代替受損幀的第一長時間預測滯后值，當語音序列是非穩(wěn)態(tài)時，分別用第三長時間預測滯后值和第三長時間預測增益值代替受損幀中的第一長時間預測滯后值和第一長時間預測增益值，其中第三長時間預測滯后值是根據第二長時間預測滯后值和有限自適應隨機滯后抖動確定的，第三長時間預測增益值是根據第二長時間預測增益值和有限自適性隨機增益抖動確定的。
本發(fā)明的第四方面是一種移動站，被安排成接收包含指明語音信號的語音數據的已編碼位流，其中已編碼位流包括多個排列在語音序列中的語音幀，語音幀包括至少一個受損的幀，在該幀的前面有一個或多個未受損的幀，其中受損的幀用一個第一信號指示，并包括第一長時間預測滯后值和第一長時間預測增益值，未受損的幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括上次的長時間預測滯后值和第二長時間預測增益值包括上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列。該移動站包括一個第一裝置，對第一信號作出響應，用于根據第二長時間預測增益值確定是否受損的幀排列在其間的語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的，并用于提供一個第二信號，指明語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的；和一個第二裝置，對第二信號作出響應，用于當語音序列是穩(wěn)態(tài)時，用上次的長時間預測滯后值代替在受損的幀中的第一長時間預測滯后值，當語音序列是非穩(wěn)態(tài)時，分別用第三長時間預測滯后值和第三長時間預測增益值代替在受損幀中的第一長時間預測滯后值和第一長時間增益值，其中第三長時間預測滯后值是基于第二長時間預測滯后值和有限自適應隨機滯后抖動確定的，第三長時間預測增益值是基于第二長時間預測增益值和有限自適應隨機增益抖動確定的。
本發(fā)明的第五方面是一種在遠程通信網中的部件，被安排成接收包含來自一個移動站的語音數據的已編碼位流，其中語音數據包括多個排列在語音序列中的語音幀，語音幀包括至少一個受損的幀，在該幀的前面有一個或多個未受損的幀，其中受損的幀用一個第一信號指示，并包括第一長時間預測滯后值和第一長時間預測增益值，未受損的幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括上次的長時間預測滯后值和第二長時間預測增益值包括上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的非穩(wěn)態(tài)的語音序列。該部件包括一個第一裝置，對第一信號作出響應，用于根據第二長時間預測增益值確定是否受損幀排列在其間的語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的，并用于提供一個第二信號，指明語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的；和一個第二裝置，對第二信號作出響應，用于當語音序列是穩(wěn)態(tài)時，用上次的長時間預測滯后值代替受損幀中的第一長時間預測滯后值，當語音序列是非穩(wěn)態(tài)時，分別用第三長時間預測滯后值和第三長時間預測增益值代替在受損幀中的第一長時間預測滯后值和第一長時間增益值，其中第三長時間預測滯后值是基于第二長時間預測滯后值和有限自適應隨機滯后抖動確定的，第三長時間預測增益值是基于第二長時間預測增益值和有限自適應隨機增益抖動確定的。
通過閱讀本描述連同圖3到11C，本發(fā)明將變得更加明顯。


圖1是用作說明一般的分布式語音編碼解碼器的方框圖，其中包含語音數據的已編碼位流被通過通信信道或存儲介質從編碼器傳送到解碼器。
圖2是用作說明一種在接收機中的先前技術差錯隱蔽設備的方框圖。
圖3是用作說明依據本發(fā)明的一種在接收機中的差錯隱蔽設備的方框圖。
圖4是用作說明依據本發(fā)明的差錯隱蔽方法的流程圖。
圖5是一種包括依據本發(fā)明的差錯隱蔽模塊的移動站的簡要表示。
圖6是一種利用依據本發(fā)明的解碼器的遠程通信網的簡要表示。
圖7是用作說明在話音的語音序列中滯后和增益剖面的LTP參數圖。
圖8是用作說明在非話音的語音序列中滯后和增益剖面的LTP參數圖。
圖9是在子幀序列中LTP-滯后值的圖形，用作說明在先前技術差錯隱蔽方法和依據本發(fā)明的方法之間的差別。
圖10是子幀序列中LTP-滯后值的另一張圖，用作說明在先前技術差錯隱蔽方法和依據本發(fā)明的方法之間的差別。
圖11a是一張語音信號圖，用作說明具有如圖11b和11c中所示的語音信道中壞幀位置的無差錯語音序列。
圖11b是一張語音信號圖，用作說明依據先前技術的方法隱蔽壞幀中參數。
圖11c是一張語音信號圖，用作說明依據本發(fā)明隱蔽壞幀中參數。
最佳實施方式圖3示出一個解碼器10，包括一個解碼模塊20和一個差錯隱蔽模塊30。解碼模塊20接收一種信號140，它通常指明用于語音合成的語音參數102。解碼模塊20在本領域中是已知的。差錯隱蔽模塊30被安排成接收已編碼的位流100，它包括多個排列在語音序列中的語音流。壞幀檢測設備32被用于檢測在語音序列中的受損幀，并且當一個受損幀被檢測到時，提供表示BFI標記的壞幀指示(BFI)信號110。BFI在本領域中也是已知的。BFI信號110被用于控制兩個開關40和42。正常情況下，語音幀未被損壞，BFI標記為0。端接點S在工作情況下被連接到開關40和42中的端接點0。語音參數102被傳送到一種緩存器，或“參數歷史”存儲器50，和用于語音合成的解碼模塊20。當一個壞幀被壞幀檢測設備32檢測到時，BFI標記被設置為1。端接點S被連到開關40和42中的端接點1。因此，語音參數102被提供給一個分析器70，為語音合成所需的語音參數被參數隱蔽模塊60提供給解碼模塊20。語音參數102典型情況下包括用于短時間預測的LPC參數，激勵參數，長時間預測(LTP)滯后參數，LTP增益參數和其他的增益參數。參數歷史存儲器50被用于存儲許多未受損的語音幀的LTP-滯后和LTP-增益。參數歷史存儲器50的內容被不斷地更新，以致存儲在存儲器50中的上次的LTP-增益參數和上次的LTP-滯后參數是上次的未受損的語音幀的參數。當在解碼器10中接收到語音序列中的受損幀時，BFI標記被設置為1，受損幀的語音參數102被通過開關40傳送到分析器70。通過比較在受損幀中的LTP-增益參數和存儲在存儲器50中的LTP-增益參數，分析器70可以根據在相鄰幀中LTP-增益參數的量值和它的變化確定語音序列是穩(wěn)態(tài)的還是非穩(wěn)態(tài)的。典型情況下，在穩(wěn)態(tài)的序列中，LTP-增益參數是高的并且是合理地穩(wěn)定的，LTP-滯后值是穩(wěn)定的并且在相鄰LTP-滯后值中的變化是較小的，如圖7中所示。相反，在非穩(wěn)態(tài)序列中，LTP-增益參數是低的并且不穩(wěn)定，LTP-滯后也是不穩(wěn)定的，如圖8中所示，LTP-滯后值或多或少隨機地變化著。圖7示出字“viini”的語音序列，圖8示出字“exhibition”的語音序列。
如果包括受損幀的語音序列是話音的或穩(wěn)態(tài)的，上次的良好的LTP-滯后被從存儲器50中檢索出并傳送到參數隱蔽模塊60。被檢索出的良好的LTP-滯后被用于代替受損幀的LTP-滯后。因為在穩(wěn)態(tài)語音序列中的LTP-滯后是穩(wěn)定的并且它的變化很小，利用稍作修改的前面的LTP-滯后來隱蔽受損幀中的相應參數是合乎情理的。然后，RX信號104使替換參數，用參考數字134表示，被通過開關42傳送到解碼模塊20。
如果包括受損幀的語言序列是非話音的或非穩(wěn)態(tài)的，分析器70計算用于參數隱蔽的替代的LTP-滯后值和替代的LTP-增益值。因為在一個非穩(wěn)態(tài)的語音序列中的LTP-滯后是不穩(wěn)定的，典型情況下在相鄰幀中的變化是非常大的，參數隱蔽應該使在被差錯隱蔽的非穩(wěn)態(tài)序列中的LTP-滯后能夠以隨機方式起伏。如果在受損幀中的參數被完全地受損，如在一個丟失的幀中，利用前面的良好的LTP-滯后值的加權中值以及有限自適應的隨機抖動計算替代的LTP-滯后。有限自適應隨機抖動被允許在從LTP-值的歷史值算得的限值內變化，所以在一個被隱蔽差錯的數據段中參數的起伏與相同的語音序列中前面的良好部分是類似的。
用于LTP-滯后的示范性的規(guī)則由一組如下所示的條件所支配如果minGain＞0.5AND LagDif＜10；ORlastGain＞0.5AND secondLastGain＞0.5，則上次接收到的良好的LTP-滯后被用于完全受損的幀。否則，帶有隨機性的LTP-滯后緩存器的加權平均，Update_lag，被用于完全受損的幀。Update_lag是按以下所描述的方式算得的LTP-滯后緩存器被分類，檢索出三個最大的緩存器值。這三個最大的值的平均被稱為加權平均滯后(WAL)，與這些最大值的差被稱為加權滯后差(WLD)。
設RAND是帶有比例為(-WLD/2，WLD/2)的隨機化，則Update_lag＝WAL+RAND(-WLD/2，WLD/2)，其中，minGain是LTP-增益緩存器的最小值；LagDif是最小和最大LTP-滯后值之間的差值；LastGain是上次接收到的良好的LTP-增益；和secondLastGain是第二個上次接收到的良好的LTP-增益。
如果在受損幀中的參數是部分受損，則在受損幀中的LTP-滯后值被相應地替換。部分受損的幀是由一組以下給出的示范性的LTP-特性準則確定的如果(1)LagDif＜10AND(minLag-5)＜Tbf＜(maxLag+5)；OR(2)lastGain＞0.5AND secondLastGain＞0.5AND(lastLag-10)＜Tbf＜(lastLag+10)；OR(3)minGain＜0.4AND lastGain＝minGain AND minLag＜Tbf＜maxLag；OR(4)LagDif＜70AND minLag＜Tbf＜maxLag；OR(5)meanLag＜Tbf＜maxLag是真的，則Tbf被用于替代受損幀中的LTP-滯后，否則，如以上所描述的那樣，受損幀被當作完全受損幀處理。在以上的條件中maxlag是LTP-滯后緩存器的最大值；meanlag是LTP-滯后緩存器的平均值；minlag是LTP-滯后緩存器的最小值；Lastlag是上次接收到的良好的LTP-滯后值；和Tbf是當BFI被設置時，好象BFI未被設置那樣從自適應編碼簿搜索到的被解碼的LTP-滯后。
兩個參數隱蔽的例子示于圖9和10中。如圖所示，在壞幀中的替代的LTP-滯后值的剖面圖，依據先前技術，是相當平的，但是依據本發(fā)明的替代的剖面圖，允許某些起伏，與無差錯剖面圖類似。在先前技術方法和本發(fā)明之間的差別，根據如圖11a中所示的在無差錯信道中的語音信號，分別進一步示于圖11b和11c中。
當在受損幀中的參數是部分受損時，參數隱蔽可被進一步最佳化。在部分受損幀中，在受損幀中的LTP-滯后仍然可以獲得可接受的合成的語音段。依據GSM技術說明，BFI標記是由一種循環(huán)冗余檢驗(CRC)機制或其他的差錯校正機制設置的。在信道解碼過程中，這些差錯校正機制檢測最高有效位中的差錯。因此，即使只有幾位出錯，差錯可被檢出并相應地設置BFI標記。在先前技術參數隱蔽方法中，整個幀被拋棄。結果，包含在正確的位中的信息被扔掉。
通常情況下，在信道解碼過程中，每幀的BER是一種對于信道條件的良好的指示器。當信道條件良好時，每幀的BER很小，在出錯的幀中很高的百分數的LTP-滯后值被校正。例如，當幀差錯率(FER)是0.2％時，超過70％的LTP-滯后值被校正。甚至當FER達到3％時，仍然有大約60％的LTP-滯后值被校正。CRC可以準確地檢測出一個壞幀并相應地設置BFI標記。然而，CRC并不提供幀中BER的估值。如果BFI標記僅僅被用于參數隱蔽，則很高百分數的正確的LTP-滯后值可能被浪費掉。為了防止大量的正確的LTP-滯后值被扔掉，可以根據LTP歷史值使決策準則適應于參數隱蔽，例如，也可以使用FER作為決策準則。如果LTP-滯后滿足決策準則，不需要參數隱蔽。在這種情況下，分析器70將通過開關40接收到的語音參數102傳送到參數隱蔽模塊60，然后將同樣的參數通過開關42傳送到解碼模塊20。如果LTP-滯后不滿足決策準則，則如以上所描述的那樣，利用LTP-特性準則進一步檢查受損的幀以便進行參數隱蔽。
在穩(wěn)態(tài)的語音序列中，LTP-滯后是非常穩(wěn)定的。無論在受損幀中大多數的LTP-滯后值是正確的還是有錯的都可以高的概率被正確地預測。因此，可以使非常嚴格的準則適應于參數隱蔽。在非穩(wěn)態(tài)的語音序列中，由于LTP參數的不穩(wěn)定性質，可能難以預測是否在受損幀中的LTP-滯后值是正確的。然而，預測正確與否在非穩(wěn)態(tài)語音中沒有在穩(wěn)態(tài)語音中那么重要。雖然允許有錯的LTP-滯后值使用在對穩(wěn)態(tài)語音的解碼中可能使合成的語音不可能辨認，但允許有錯的LTP-滯后值使用在對非穩(wěn)態(tài)語音的解碼中通常只增加可聽到的人為產物。因此，用于在非穩(wěn)態(tài)語音中參數隱蔽的決策準則可以是相當不嚴格的。
正如以前提到的那樣，在非穩(wěn)態(tài)語音中LTP-增益起伏很大。如果來自上次的良好幀的相同LTP-增益值被重復地用于替代在語音序列中一個或多個受損幀的LTP-增益值，在增益被隱蔽的段中LTP-增益剖面將是平的(與圖7和8中所示的先前技術LTP-滯后的替代類似)，與未受損幀的起伏剖面完全相反。在LTP-增益剖面中突然的變化可以產生令人不愉快的聽得見的人為產物。為了使這些聽得見的人為產物為最小，使替代的LTP-增益值在差錯被隱蔽的段中起伏是可能的。為此目的，分析器70也可用于確定替代的LTP-增益值被允許根據在LTP歷史值中的增益值起伏所在范圍的限值。
可按以下所描述的方式實現LTP-增益隱蔽。當BFI被設置時，按照一組LTP-增益隱蔽規(guī)則計算替代的LTP-增益值。替代的LTP-增益值被標記為Updated_gain。
(1)如果gainDif＞0.5AND lastGain＝maxGain＞0.9AND subBF＝1，則Updated_gain＝(secondLastGain+thidLastGain)/2；(2)如果gainDif＞0.5AND lastGain＝maxGain＞0.9AND subBF＝2，則Updated_gain＝meanGain+randVar*(maxGain-meanGain)；(3)如果gaindif＞0.5AND lastGain＝maxGain＞0.9AND subBF＝3，則Updated_gain＝meanGain-randVar*(meanGai-minGain)；(4)如果，gainDif＞0.5AND lastGain＝maxGain＞0.9AND subBF，則Updated_gain＝meanGain+randVar*(maxGain-meanGain)；在以前的條件中，Updated_gain不可能大于lastGain。如果以前的條件不可能被滿足，使用以下的條件(5)如果gainDif＞0.5，則Updated_gain＝lastGain；(6)如果gainDif＜0.5AND lastGain＝maxGain，則Updated_gain＝meanGain；(7)如果gainDIF＜0.5，則Updated_gain＝lastGain，其中meanGain是LTP-增益緩存器的平均值；
maxGain是LTP-增益緩存器的最大值；minGain是LTP-增益緩存器的最小值；randVar是在0和1之間的隨機值，gainDif是在LTP-增益緩存器中最小和最大LTP-增益值之間的差值；lastGain是上次接收到的良好的LTP-增益；secondlastGain是第二個上次接收到的良好的LTP-增益；thirdlastGain是第三個上次接收到的良好的LTP-增益；和subBF是子幀的階數。
圖4示出依據本發(fā)明的差錯隱蔽方法。在步驟160接收已編碼位流，在步驟162檢查幀看看是否它是受損的。如果該幀未受損，則在步驟164語音序列的參數歷史值被更新，在步驟166當前幀的語音參數被解碼。然后步驟返回到步驟162。如果該幀是壞的或受損，在步驟170從參數歷史值存儲器檢索參數。在步驟172確定是否受損的幀是穩(wěn)態(tài)的語音序列或非穩(wěn)態(tài)的語音序列的部分。如果語音序列是穩(wěn)態(tài)的，在步驟174上次良好的幀的LTP-滯后被用于替代在受損幀中的LTP-滯后。如果語音序列是非穩(wěn)態(tài)的，在步驟180根據LTP歷史值計算新的滯后值和新的增益值，在步驟182它們被用于替代在受損幀中的相應參數。
圖5示出依據本發(fā)明一種示范性實施方案的移動站200方框圖。移動站包括設備的典型部件，如話筒201，鍵板207，顯示器206，耳機214，發(fā)送/接收開關208，天線209和控制單元205。此外，該圖示出一個移動站中典型的發(fā)射機和接收機方框204，211。發(fā)射機方框204包括用于對語音信號編碼的編碼器221。發(fā)射機方框204也包括為信道編碼，解密和調制以及RF功能所需的操作，為清楚起見它們未被畫在圖5中。接收機方框211也包括依據本發(fā)明的解碼方框220。解碼方框220包括與圖3所示的參數隱蔽模塊30相似的差錯隱蔽模塊222。來自話筒201的信號在放大級202被放大并在A/D變換器中被數字化，被送到發(fā)射機方框204，典型情況下送到發(fā)送方框所包含的語音編碼設備。被發(fā)送方框處理，調制和放大的發(fā)送信號經發(fā)送/接收開關208送到天線209。要接收的信號從天線經發(fā)送/接收開關208送到接收機方框211，將接收到的信號解調和解密并對信道編碼進行解碼。所得到的語音信號經D/A變換器212送到放大器213并進一步送到耳機214?？刂茊卧?058控制移動站200的操作，讀出由用戶從鍵板207給出的控制命令并藉助于顯示器206給用戶消息。
依據本發(fā)明的參數隱蔽模塊30也可用在遠程通信網300中，如普通的電話網，或移動站網，如GSM網。圖6示出這樣一種遠程通信網方框圖的一個例子。例如，遠程通信網300可以包括電話交換局或相應的交換系統(tǒng)360，普通的電話370，基站340，基站控制器350和遠程通信網的其他中心設備可連接在上面。移動站330可以通過基站340建立對遠程通信網的連接。解碼方框320包括與圖3所示的差錯隱蔽模塊30類似的差錯隱蔽模塊322，例如，可以特別有利地放在基站340中。然而，例如，解碼方框320也可以放在基站控制器350或其他的中心或交換設備355中。如果，例如，移動站系統(tǒng)在基站和基站控制器之間使用分離的代碼轉換器，用以將通過無線電信道所取得的編碼信號變換成在遠程通信系統(tǒng)中傳送的典型的64K bit/s信號，反過來也一樣，則解碼方框320也可放在這樣一種代碼轉換器中。一般來說，包括參數隱蔽模塊322的解碼方框320可以放在遠程通信網300的任何將編碼數據流變換成未編碼數據流的部件中。解碼方框320將來自移動站330的編碼語音信號解碼和濾波，此后語音信號可在遠程通信網300中以通常的未被壓縮的方式向前傳送。
應該指出，本發(fā)明的差錯隱蔽方法已經對于穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列作了描述，穩(wěn)態(tài)的語音序列通常是話音，非穩(wěn)態(tài)的語音序列通常是非話音。因此，將會理解，所公開的方法適用于在話音和非話音的語音序列中的差錯隱蔽。
本發(fā)明適用于CELP型的語音編碼解碼器，同樣也適應于其他類型的語音編碼解碼器。因此，雖然對本發(fā)明已經根據它的優(yōu)選實施方案作了描述，本領域的技術人員將會理解，在形式和細節(jié)上可以進行前面的和各種各樣的其他改變，省略和偏移而并不偏離本發(fā)明的精神和范圍。
權利要求
1.一種用于在語音解碼器中指明接收到的語音信號的編碼位流中隱蔽差錯的方法，其中編碼的位流包括多個排列在語音序列中的語音幀，語音幀包括至少一個部分受損的幀，在該幀前面有一個或多個未受損的幀，其中部分受損的幀包括一個第一長時間預測滯后值和一個第一長時間預測增益值，未受損的幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括一個上次的長時間預測滯后值，和第二長時間預測增益值包括一個上次的長時間預測增益值，所述的方法包括以下步驟根據第二長時間預測滯后值提供一個上限和一個下限；確定是否第一長時間預測滯后值是在上限和下限以內或以外；當第一長時間預測滯后值是在上限和下限之外時，用第三滯后值替代部分受損幀中的第一長時間預測滯后值；和當第一長時間預測滯后值是在上限和下限以內時，保持部分受損幀中的第一長時間預測滯后值。
2.如權利要求1的方法，當第一長時間滯后值是在上限和下限以外時，進一步包括用第三增益值替代部分受損幀中的第一長時間預測增益值。
3.如權利要求1的方法，根據第二長時間預測滯后值和由基于第二長時間預測滯后值確定的進一步的限值為界限的有限自適應隨機滯后抖動計算第三滯后值。
4.如權利要求2的方法，根據第二長時間預測增益值和由基于第二長時間預測增益值確定的限值為界限的有限自適應隨機增益抖動計算第三增益值。
5.一種用于在語音解碼器中指明接收到的語音信號的編碼位流中隱蔽差錯的方法，其中編碼的位流包括多個排列在語音序列中的語音幀，語音幀包括至少一個受損的幀，在該幀前面有一個或多個未受損的幀，其中受損的幀包括一個第一長時間預測滯后值和一個第一長時間預測增益值，未受損的幀包括第二長時間預測滯后值和第二長時間預測增益值，和其中第二長時間預測滯后值包括一個上次的長時間預測滯后值，第二長時間預測增益值包括一個上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列，和其中受損的幀可以是完全受損的幀或部分受損的幀，所述的方法包括以下步驟確定是否受損幀是部分受損或完全受損；如果受損幀是完全受損，用第三滯后值替代受損幀中的第一長時間預測滯后值；和如果受缶幀是部分受損，用第四滯后值替代受損幀中的第一長時間預測滯后值。
6.如權利要求5的方法，還包括以下步驟確定是否部分受損幀所在的語音序列是穩(wěn)態(tài)的或非穩(wěn)態(tài)的；當所述的語音序列是穩(wěn)態(tài)時，設置第四滯后值等于上次的長時間預測滯后值；和當所述的語音序列是非穩(wěn)態(tài)時，根據從與在受損幀前面的非受損幀有關的自適應編碼簿搜索到的被解碼的長時間預測滯后值確定第四滯后值。
7.如權利要求5的方法，還包括以下步驟確定是否完全受損幀所在的語音序列是穩(wěn)態(tài)的或非穩(wěn)態(tài)的；當所述的語音序列是穩(wěn)態(tài)時，設置第三滯后值等于上次的長時間預測滯后值；和當所述的語音序列是非穩(wěn)態(tài)時，根據第二長時間預測值和有限自適應隨機滯后抖動確定第三滯后值。
8.如權利要求6的方法，其中第二長時間預測滯后值進一步包括第二個上次的長時間預測滯后值和第三個上次的長時間預測滯后值，第二長時間預測增益值進一步包括第二個上次的長時間預測增益值和第三個上次的長時間預測增益值，所述的方法進一步包括以下步驟確定minLag，它是在第二長時間預測滯后值之間的最小滯后值；確定maxLag，它是在第二長時間預測滯后值之間的最大滯后值；確定meanLag，它是第二長時間預測滯后值的平均值；確定difLag，它是maxLag和minLag的差值；確定minGain，它是在第二長時間預測增益值之間的最小增益值；確定maxGain，它是在第二長時間預測增益值之間的最大增益值；確定meanGain，它是第二長時間增益值的平均值；在其中如果difLag＜0和(minLag-5)＜第四滯后值＜(maxLag+5)；或如果上次的長時間預測增益值大于0.5，第二個上次的長時間預測增益值大于0.5，第四個滯后值小于上次的長時間預測值與10之和，第四滯后值與10之和大于上次的長時間預測值；或如果minGain＜0.4，上次的長時間預測增益值等于minGain，和第四滯后值大于minLag但小于maxLag；或如果difLag＜70，第四滯后值大于minLag但小于maxLag；或如果第四滯后值大于meanLag但小于maxLag；則受損的幀被確定為部分受損。
9.如權利要求6的方法，其中當所述的語音序列是非穩(wěn)態(tài)時，所述的方法進一步包括確定語音的幀差錯率，使得如果幀差錯率達到所確定的值，根據所述的被解碼的長時間預測滯后值確定第四滯后值，和如果幀差錯率小于所確定的值，第四滯后值被設置為等于上次的長時間預測滯后值。
10.如權利要求5的方法，其中穩(wěn)態(tài)的語音序列包括語音的序列，非穩(wěn)態(tài)的語音序列包括非話音序列。
11.一種用于將已編碼位流中的語音信號編碼和將已編碼位流解碼成合成的語音的的語音信號發(fā)射機和接收機系統(tǒng)，其中已編碼位流包括多個排列在語音序列中的語音幀，語音幀包括至少一個受損幀，在該幀前面有一個或多個未受損的幀，其中受損幀包括一個第一長時間預測滯后值和一個第一長時間預測增益值，未受損的幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括一個上次的長時間預測滯后值和第二長時間預測增益值包括一個上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列，和一個第一信號被用于指明受損幀，所述的系統(tǒng)包括一個第一裝置，對第一信號作出響應，用于確定是否受損幀排列在其間的語音序列是穩(wěn)態(tài)的或非穩(wěn)態(tài)的，和用于提供一個第二信號指明所述的確定；一個第二裝置，對第二信號作出響應，當所述的語音序列是穩(wěn)態(tài)時，用上次的長時間預測滯后值替代受損幀中第一長時間預測滯后值，當所述的語音序列是非穩(wěn)態(tài)時，用第三滯后值替代受損幀中的第一長時間預測滯后值。
12.如權利要求11的系統(tǒng)，其中根據第二長時間預測滯后值和有限自適應隨機滯后抖動確定第三滯后值。
13.如權利要求11的系統(tǒng)，其中當所述的語音序列是非穩(wěn)態(tài)時，第二裝置進一步用第三增益值替代受損幀中的第一長時間預測增益值。
14.如權利要求13的系統(tǒng)，其中根據第二長時間預測增益值和有限自適應隨機增益抖動確定第三增益值。
15.如權利要求11的系統(tǒng)，其中穩(wěn)態(tài)的語音序列包括語音的序列，非穩(wěn)態(tài)的語音序列包括非話音序列。
16.一種用于從已編碼位流合成語音的解碼器，其中已編碼位流包括多個排列在語音序列中的語音幀，語音幀包括至少一個受損幀，在該幀前面有一個或多個未受損的幀，其中受損幀包括一個第一長時間預測滯后值和一個第一長時間預測增益值，未受損幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括一個上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列，一個第一信號被用于指明受損的幀，所述的解碼器包括一個第一裝置，對第一信號作出響應，用于確定是否受損幀排列在其間的語音序列是穩(wěn)態(tài)的或非穩(wěn)態(tài)的，并用于提供一個第二信號，指明所述的確定；一個第二裝置，對第二信號作出響應，當所述的語音序列是穩(wěn)態(tài)時，用上次的長時間預測滯后值替代在受損幀中的第一長時間預測滯后值，當所述的語音幀是非穩(wěn)態(tài)時，用第三滯后值替代在受損幀中的第一長時間預測滯后值。
17.如權利要求16的解碼器，其中滯后值是基于第二長時間預測滯后值和有限自適應隨機抖動確定的。
18.如權利要求16的解碼器，其中當所述的語音序列是非穩(wěn)態(tài)時，第二裝置進一步用第三增益值替代受損幀中的第一長時間增益值。
19.如權利要求18的解碼器，其中第三增益值是基于第二長時間預測增益值和有限自適應隨機增益抖動確定的。
20.如權利要求16的解碼器，其中穩(wěn)態(tài)的語音序列包括語音的序列，非穩(wěn)態(tài)的語音序列包括非話音序列。
21.一種被安排成接收包含指明語音信號的語音數據的已編碼位流的移動站，其中已編碼位流包括多個排列在語音序列中的語音幀，語音幀包括至少一個受損的幀，在該幀前面有一個或多個未受損的幀，其中受損幀包括一個第一長時間預測滯后值和一個第一長時間預測增益值，未受損幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括一個上次的長時間預測滯后值，第二長時間預測增益值包括一個上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列，其中一個第一信號被用于指明受損的幀，所述的移動站包括一個第一裝置，對第一信號作出響應，用于確定是否受損幀安排在其間的語音序列是穩(wěn)態(tài)的或非穩(wěn)態(tài)的，并用于提供一個第二信號指明所述的確定；和一個第二裝置，對第二信號作出響應，當所述的語音序列是穩(wěn)態(tài)時，用于用上次的長時間預測滯后值替代受損幀中第一長時間預測滯后值，當所述的語音序列是非穩(wěn)態(tài)時，用第三滯后值替代受損幀中第一長時間預測滯后值。
22.如權利要求21的移動站，其中第三滯后值是基于第二長時間預測滯后值和有限自適應隨機滯后抖動確定的。
23.如權利要求21的移動站，其中當所述的語音序列是非穩(wěn)態(tài)時，第二裝置進一步用第三增益值替代受損幀中的第一長時間增益值。
24.如權利要求23的移動站，其中第三增益值是基于第二長時間預測增益值和有限自適應隨機增益抖動確定的。
25.如權利要求21的移動站，其中穩(wěn)態(tài)的語音序列包括話音的序列，非穩(wěn)態(tài)的語音序列包括非話音序列。
26.一種遠程通信網中的部件，被安排成從移動站接收包含語音數據的已編碼位流，其中語音數據包括多個排列在語音序列中的語音幀，語音幀包括至少一個受損的幀，在該幀前面有一個或多個未受損的幀，其中受損的幀包括一個第一長時間預測滯后值和一個第一長時間預測增益值，未受損的幀包括第二長時間預測滯后值和第二長時間預測增益值，其中第二長時間預測滯后值包括一個上次的長時間預測滯后值，第二長時間預測增益值包括一個上次的長時間預測增益值，語音序列包括穩(wěn)態(tài)的和非穩(wěn)態(tài)的語音序列，其中一個第一信號被用于指明受損的幀，所述的部件包括一個第一裝置，對第一信號作出響應，用于確定是否受損的幀排列在其間的語音序列是穩(wěn)態(tài)的或非穩(wěn)態(tài)的，并用于提供一個第二信號指明所述的確定；和一個第二裝置，對第二信號作出響應，當所述的語音序列是穩(wěn)態(tài)時，用上次的長時間預測滯后值替代受損幀中的第一長時間預測滯后值，當所述的語音序列是非穩(wěn)態(tài)時，用第三滯后值替代受損幀中的第一長時間預測滯后值。
27.如權利要求26的部件，其中第三長時間預測滯后值是基于第二長時間預測滯后值和有限自適應隨機滯后抖動確定的。
28.如權利要求26的部件，其中當所述的語音序列是非穩(wěn)態(tài)時，第三裝置進一步用第三增益值替代第一長時間預測增益值。
29.如權利要求28的部件，其中第三增益值是基于第二長時間預測增益值和有限自適應隨機增益抖動確定的。
30.如權利要求26的部件，其中穩(wěn)態(tài)語音序列包括語音的序列，非穩(wěn)態(tài)的語音序列包括非話音序列。
31.如權利要求5的(新)方法，其中第二長時間預測增益值進一步包括第二個上次的長時間預測增益值，和如果difLag＜10，和(minLag-5)＜decodedLag＜(maxLag+5)；或如果lastGain＞0.5，和secondlastGain＞0.5，和(lastLag-10)＜decodedLag＜lastLag+10)；或如果minGain＜0.4，和lastGain＞0.5，和minLag＜decodedLag＜maxLag；或如果difLag＜70，和minLag＜decodedLag＜maxLag；或如果meanLag＜decodedLag＜maxLag，則第四值被設置為等于decodedLag，其中minLag是在第二長時間預測滯后值之間的最小滯后值，maxLag是在第二長時間預測滯后值之間的最大滯后值，meanLag是第二長時間預測滯后值的平均值；difLag是maxLag和minLag的差值，minGain是在第二長時間預測增益值之間的最小增益值，meanGain是在第二長時間預測增益值的平均值，lastGain是上次的長時間預測增益值，lastLag是上次的長時間預測滯后值，secondlastGain是第二個上次的長時間預測滯后值；和decodedLag是被解碼的長時間預測滯后，是從與受損幀前面的未受損幀有關的自適應編碼簿搜索到的。
32.如權利要求8的(新)方法，其中第一長時間預測增益值被Updated_gain替代，并且在其中如果gainDif＞0.5AND lastGain＝maxGain＞0.9AND subBF＝1，則Updated_gain＝(secondLastGain+thirdLastGain)/2；如果gainDif＞0.5AND lastGain＝maxGain＞0.9AND subBF＝2，則Updated_gain＝meanGain+randVar*(maxGain-meanGain)；如果gainDif＞0.5AND lastGain＝maxGain＞0.9AND subBF＝3，則Updated_gain＝meanGain-randVar*(meanGain-minGain)；如果gainDif＞0.5AND lastGain＝maxGain＞0.9AND subBF＝4，則Updated_gain＝meanGain+randVar*(maxGain-meanGain)；和當Updated_gain是等于或小于lastGain時；或者如果gainDif＞0.5，則Updated_gain＝lastGain；(8)如果gainDif＜0.5AND lastGain＝maxGain，則Updated_gain＝meanGain；(9)如果gainDIF＜0.5，則Updated_gain＝lastGain，和當Updated_gain大于lastGain時，其中randVar是在0和1之間的一個隨機值，gainDif是在最小和最大長時間預測增益值之間的差值；lastGain是上次的長時間預測增益值；secondlastGain是第二個上次的長時間預測增益值；thirdlastain是第三個上次的長時間預測增益值；和subBF是子幀的階數。
全文摘要
一種用于在作為解碼器中接收到的已編碼位流的部分的語音序列中隱蔽一個或多個壞幀中的差錯的方法和系統(tǒng)。當語音序列是話音時，在壞幀中的LTP－參數被上一個幀中相應的參數替代。當語音序列是非話音時，在壞幀中的LTP－參數被基于LTP歷史值以及有限自適應隨機項算得的值替代。
文檔編號G10L19/04GK1489762SQ01818377
公開日2004年4月14日 申請日期2001年10月29日 優(yōu)先權日2000年10月31日
發(fā)明者J·梅基寧, H·J·米科拉, J·韋尼奧, J·羅托拉·－普基拉, J 梅基寧, 嵐, 欣 普基拉, 米科拉 申請人:諾基亞有限公司