專利名稱：音頻信號的編輯的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及編輯音頻信號。
通常，在變換編碼器中，輸入音頻信號被編碼為包括一個或多個幀的位流，每個幀包括頭部以及一個或多個段。編碼器將信號分成以給定采樣頻率采集的采樣塊，并且這些被變換成頻域以識別給定段的信號的譜特征。所得的系數(shù)(resulting coeeficient)不被傳輸至全精度，而相反被量化以代之以較小的精度，實現(xiàn)了字長的節(jié)省并因此實現(xiàn)了壓縮。解碼器執(zhí)行逆變換以產(chǎn)生具有較高、成形、噪聲底層的原始版本。
通常理想的是通過例如拼接原始信號以包括另一信號或簡單地去除原始信號的部分來編輯音頻信號。在以壓縮格式表示音頻信號的情況下，不理想的是首先將原始音頻信號壓縮成時域以使其在對所編輯的信號進行有損再壓縮之前可與另一時域信號拼接。這通常將導(dǎo)致音頻信號原始部分的較低質(zhì)量。這樣，位流被壓縮的數(shù)據(jù)的編輯一般是在幀基礎(chǔ)上進行的，這與壓縮格式關(guān)聯(lián)，同時使編輯點位于幀邊界。這使得原始信號質(zhì)量不受插入新信號的影響。
因此編輯的精度與幀的大小有關(guān)—其典型地具有近似100ms的分辨率。即使具有較高位速率要求的單段的幀被使用(由于幀頭部開銷)，精度可以在最佳段大小處—近似10ms的分辨率。
因此，為了允許精細網(wǎng)格編輯，幀需要為適當(dāng)短。短幀的缺點是過多的幀開銷，其涉及例如幀頭部，以及以下事實連續(xù)的幀之間的冗余不能被利用到最完全的程度，從而導(dǎo)致較高的位速率。
因此，為了有效的編碼，大幀是理想的，而就編輯能力而言，短幀是理想的。不幸的是，這些方面是沖突的。
在提交于2000年3月15日的歐洲專利申請No.00200939.7(代理RefPH-NL000120)中所述類型的正弦編碼器中，有可能限定所謂的瞬變位置，它是動態(tài)范圍突然變化的位置。典型地，在瞬變位置處，動態(tài)范圍的突然變化被觀察并且被合成為瞬變波形。
如果使用自適應(yīng)成幀，則從瞬變波形的位置，用于信號剩余正弦和噪聲分量的合成的分段(segmentation)被計算。
依照本發(fā)明，提供了一種編輯由被編碼的音頻位流表示的原始音頻信號的方法，所述被編碼的音頻位流包括多個幀，每個所述幀包括頭部以及一個或多個段，每個段都包括表示所述原始音頻信號的參數(shù)，該方法包括步驟確定對應(yīng)于所述原始音頻信號中時間上某一瞬間的編輯點；對含有時間上的所述瞬間的時間階段在表示所述原始音頻信號的目標幀中插入表示時間上所述瞬間的瞬變的參數(shù)和所述參數(shù)表示編輯點的指示符；以及產(chǎn)生表示經(jīng)編輯的音頻信號并包括所述目標幀的經(jīng)編碼的音頻信號。
在優(yōu)選實施例中，提供了一種以高子幀精度來編輯相對長的幀以便于在正弦編碼的情況下進行編輯的方法。為了提供這種用于高精度編輯的方法，所謂的瞬變位置可被應(yīng)用于先前所編碼的信號中需要編輯點的地方。通過例如音頻編輯應(yīng)用，作為某種后處理而進行添加。使用瞬變位置作為編輯點的優(yōu)點是信號可由此在原則上以采樣分辨率精度在瞬變位置處突然結(jié)束或開始，而在現(xiàn)有技術(shù)系統(tǒng)中，人們被局限于幀邊界，其例如每100ms出現(xiàn)一次。
事實上，本發(fā)明“濫用”瞬變位置來限定編輯點。這些編輯瞬變位置事實上是一種偽瞬變，因為在這些位置處沒有瞬變波形被產(chǎn)生。
本發(fā)明與現(xiàn)有技術(shù)自適應(yīng)成幀的不同之處在于，在自適應(yīng)成幀中，成幀依賴于瞬變位置而被確定(因此，幀的細分在兩個隨后的瞬變位置之間被進行)。本發(fā)明的不同之處在于，給定成幀是所需的(在編輯位置上)并且瞬變位置被限定給予所述所需的成幀。事實上，本發(fā)明可與自適應(yīng)成幀一起或無需它而工作。
現(xiàn)在將參照附圖來描述
具體實施例方式

圖1示出提交于2000年3月15日的歐洲專利申請No.00200939.7(代理人RefPH-NL000120)中所述類型的音頻編碼器的實施例；圖2示出被安排以播放依照本發(fā)明產(chǎn)生的音頻信號的音頻播放器的實施例；圖3示出依照本發(fā)明包括音頻編碼器、圖2的音頻播放器和編輯器的系統(tǒng)；以及圖4示出依照本發(fā)明來處理的位流的一部分。
在本發(fā)明的優(yōu)選實施例、圖1中，待編輯的音頻信號最初是由提交于2000年3月15日的歐洲專利申請No.00200939.7(代理RefPH-NL000120)中所述類型的正弦編碼器所產(chǎn)生的。在該較早的案例中，音頻編碼器1以特定采樣頻率來采樣輸入音頻信號，從而產(chǎn)生音頻信號的數(shù)字表示x(t)。這改變(render)了依賴于采樣速率的時間尺度t。編碼器1然后將所采樣的輸入信號分為三個分量瞬變信號分量、持續(xù)確定性分量和持續(xù)隨機分量。音頻編碼器1包括瞬變編碼器11、正弦編碼器13和噪聲編碼器14。音頻編碼器任選地包括增益壓縮機構(gòu)(GC)12。
在本案例中，在持續(xù)編碼之前進行瞬變編碼。這是有利的，因為在本實施例中，實驗表明瞬變信號分量在持續(xù)編碼器中被較低效地編碼。如果持續(xù)編碼器被用于編碼瞬變信號分量，需要大量的編碼勞動強度；例如，人們可以想象僅以持續(xù)正弦波來編碼瞬變信號分量是困難的。因此，在持續(xù)編碼之前從待編碼的音頻信號去除瞬變信號分量是有利的。亦將看到，在瞬變編碼器中得到的瞬變開始位置可被用于持續(xù)編碼器以便進行自適應(yīng)分段(自適應(yīng)成幀)。
盡管如此，本發(fā)明不局限于特別使用歐洲專利申請No.00200939.7中所公開的瞬變編碼，而這被提供僅僅是為了舉例。
瞬變編碼器11包括瞬變檢測器(TD)110、瞬變分析器(TA)111和瞬變合成器(TS)112。首先，信號x(t)進入瞬變檢測器110。該檢測器110估算是否有瞬變信號分量及其位置。該信息被饋給瞬變分析器111并亦可被用于正弦編碼器13和噪聲編碼器14以獲得信號誘發(fā)的自適應(yīng)分段。如果瞬變信號分量的位置被確定，則瞬變分析器111嘗試提取瞬變信號分量(的主要部分)。它將形狀函數(shù)匹配于優(yōu)選在所估算的開始位置處開始的信號段，并且通過采用例如一個(小)量的正弦分量來確定形狀函數(shù)之下的內(nèi)容。該信息被包含在瞬變編碼CT中，而有關(guān)產(chǎn)生瞬變編碼CT的較詳細信息被提供在歐洲專利申請No.00200939.7中。在任何情況下將看到，例如，在瞬變分析器采用Meixner如形狀函數(shù)的地方，則瞬變編碼CT將包括瞬變開始的開始位置；基本上表示初始侵襲率(attackrate)的參數(shù)；和基本上表示衰減率的參數(shù)；以及該瞬變正弦分量的頻率、振幅和相位數(shù)據(jù)。
如果由編碼器1產(chǎn)生的位流待由解碼器獨立于用于產(chǎn)生位流的采樣頻率而合成，則開始位置應(yīng)作為時間值而不是例如幀內(nèi)的采樣數(shù)被傳輸；并且正弦波頻率應(yīng)作為絕對值或使用表示絕對值的標識符而不是作為僅可從變換采樣頻率得出或與其成比例的值被發(fā)送。在其它現(xiàn)有技術(shù)系統(tǒng)中，一般選擇后者的選項，這是因為作為離散值，它們從直觀上較容易編碼和壓縮。然而，這需要能重新產(chǎn)生采樣頻率的解碼器以重新產(chǎn)生音頻信號。
在歐洲專利申請No.00200939.7中公開了在瞬變信號分量是振幅包絡(luò)中的階梯形變化的情況下，瞬變形狀函數(shù)亦可包括階梯指示。同樣，盡管本發(fā)明不局限于任何一個實施，階梯形變化的位置可被編碼為時間值，而不是采樣數(shù)，其可能與采樣頻率相關(guān)。
瞬變編碼CT被提供給瞬變合成器112。所合成的瞬變信號分量在減法器16中從輸入信號x(t)被減去，從而產(chǎn)生信號x1。在GC12被省略的情況下，x1＝x2。信號x2被提供給正弦編碼器13，在這里它在正弦分析器(SA)130中被分析，該分析器確定(確定性的)正弦分量。結(jié)果信息被包含在正弦編碼CS中。說明示例正弦編碼的產(chǎn)生的較詳細實例被提供于PCT專利申請No.WO00/79579-A1(代理RefPHN017502)中?？商鎿Q的是，基本實施被公開于“Speechanalysis/synthesis based on sinusoidal representation”，R.McAulay和T.Quartieri，IEEE Trans.Acoust.，Speech，SignalProcess.，43744-754，1986或“Technical description of theMPEG-4 audio-coding proposal from the University of Hannoverand Deutsche Bundespost Telekom AG(revised)”，B.Edler，H.Purnhagen和C.Ferekidis，Technical note MPEG95/0414r，Int.Organisation for Standardisation ISO/IEC JTC1/SC29/WG11，1996。
然而，簡而言之，優(yōu)選實施例的正弦編碼器將輸入信號x2編碼為從一個幀段被鏈接到下一個幀段的正弦分量的軌跡。對于在給定段內(nèi)開始(誕生)的正弦波，所述軌跡最初是由開始頻率、開始振幅和開始相位表示的。之后，該軌跡在隨后的段中由頻率差、振幅差并且可能還有相位差(延續(xù))來表示，直到軌跡結(jié)束(死亡)的段。在實際中，可以確定在編碼相位差的過程中幾乎沒有增益。這樣，相位信息可被編碼為絕對值?？商鎿Q的是，根本不需要編碼相位信息為延續(xù)的，并且相位信息可使用連續(xù)相位重構(gòu)來重新產(chǎn)生。
同樣，如果要使位流獨立于采樣頻率，則開始頻率在正弦編碼CS中被編碼為絕對值或表示絕對頻率的標識符以確保經(jīng)編碼的信號獨立于采樣頻率。
從正弦編碼CS，正弦信號分量由正弦合成器(SS)131來重構(gòu)。從輸入信號x2到正弦編碼器13，該信號在減法器17中被減，從而產(chǎn)生剩余信號x3，其沒有(大的)瞬變信號分量和(主要的)確定性正弦分量。
假定剩余信號x3主要包括噪聲，而優(yōu)選實施例的噪聲分析器14產(chǎn)生表示該噪聲的噪聲編碼CN。如在例如被提交于2000年5月17日的PCT專利申請No.PCT/EP00/04599(代理RefPH NL000287)中，在常規(guī)上，噪聲譜是依照等效矩形帶寬(ERB)尺度借助組合的AR(自動回歸)MA(移動平均)濾波參數(shù)(pi，qi)由噪聲編碼器來模擬的。在圖2的解碼器中，濾波參數(shù)被饋給噪聲合成器NS33，其主要是濾波器，具有近似噪聲譜的頻率響應(yīng)。通過用ARMA濾波參數(shù)(pi，qi)來過濾白噪聲信號并且隨后將其加給所合成的瞬變yT和正弦波yS信號，NS33產(chǎn)生經(jīng)重構(gòu)的(合成的)噪聲yN。
然而，ARMA濾波參數(shù)(pi，qi)同樣依賴于噪聲分析器的采樣頻率，并且如果經(jīng)編碼的位流要獨立于采樣頻率，則這些參數(shù)在被編碼之前被變換為線譜頻率(LSF)，其亦已知為線譜對(LSP)。這些LSF參數(shù)可在絕對頻率網(wǎng)格或與ERB尺度或Bark尺度相關(guān)的網(wǎng)格上被表示。有關(guān)LSP的更多信息見“Line Spectrum Pair(LSP)and speechdata compression”，F(xiàn).K.Soong and B.H.Juang，ICASSP，pp.1.10.1，1984。在任何情況下，如在解碼器中所需要的從依賴于編碼器采樣頻率的一個類型的線性預(yù)測濾波類型系數(shù)，在此情況下為(pi，qi)，到獨立于采樣頻率的LSF以及反過來的這種變換是眾所周知的，并且在此不作進一步的討論。然而，將看到，在解碼器中將LSF轉(zhuǎn)換為濾波系數(shù)(p’i，q’i)可參照噪聲合成器33產(chǎn)生白噪聲采樣的頻率來進行，從而使解碼器能產(chǎn)生噪聲信號yN，而獨立于其被原始采樣的方式。
將看到，類似于正弦編碼器13中的情況，噪聲分析器14亦可使用瞬變信號分量的開始位置作為用于開始新分析塊的位置。然而，正弦分析器130和噪聲分析器14的段大小沒有必要相等。
最后，在復(fù)用器15中，音頻流AS被構(gòu)成，其包括編碼CT、CS和CN。音頻流AS被提供給例如數(shù)據(jù)總線、天線系統(tǒng)、存儲介質(zhì)等。
參考圖3，本發(fā)明的編輯器4適合于處理由例如優(yōu)選實施例的編碼器1產(chǎn)生的一個或多個音頻流。在本發(fā)明的一個實施例中，編輯器4包括新型應(yīng)用軟件，其使用戶能選擇一個或多個所存原始音頻信號中的時間上的相應(yīng)瞬間或點，在這里相應(yīng)的編輯點待被插入以產(chǎn)生經(jīng)編輯的信號。同樣，編輯器4又可包括在歐洲專利申請No.00200939.7中所述類型的解碼器2，從而允許用戶收聽原始音頻信號，并且可能甚至包括圖形部件，從而在用戶拾取編輯點之前允許圖形解碼的信號被察看。然而，盡管本發(fā)明的優(yōu)選實施例是根據(jù)交互式編輯器而被描述的，但本發(fā)明并不局限于對所存音頻信號的用戶交互驅(qū)動的編輯。這樣，例如編輯器可以是在網(wǎng)絡(luò)設(shè)備上運行的一件守護程序軟件，音頻信號通過所述網(wǎng)絡(luò)設(shè)備流動。這種編輯器可適合于在進一步傳遞經(jīng)編輯的信號之前在預(yù)定的點上自動切割或拼接一個或多個原始音頻信號。
在任何情況下，在知道編輯點的時間上的點的情況下，編輯器確定原始信號中的目標幀，其表示在編輯點之前開始和在編輯點之后結(jié)束的時間階段。
對于在一個或多個原始位流中確定的每個編輯點，編輯器被安排成將階梯瞬變編碼插入到經(jīng)編輯的信號位流的相應(yīng)目標幀中，所述階梯瞬變編碼有一個位置，表示對應(yīng)于編輯點的時間上的點。
參考圖4，其說明了在經(jīng)編輯的位流的幀i中所得的結(jié)束編輯點(EEP)和幀j中所得的開始編輯點(SEP)。這樣，例如在幀j及以下中被編碼的信號正在原始信號中被插入，該原始信號已在幀i內(nèi)的一個段中出現(xiàn)的時間被拼接。作為結(jié)果，因此理想的是，僅在幀i中的瞬變位置之前和在幀j中的瞬變位置之后的內(nèi)容被合成。沒有輸出會從幀中的中間采樣產(chǎn)生，因此在第一實施例中，如果幀i和幀j被聯(lián)結(jié)，則結(jié)果信號包括短的靜音。
編輯器為每個幀在頭部(H)放置一個指示符(被散列示出)以在瞬變位置處標記軌跡，從而使當(dāng)如以下所說明的被解碼時，它們將在用于結(jié)束編輯點的瞬變位置附近漸弱或?qū)⒃谟糜陂_始編輯點的該瞬變位置附近漸強。瞬變參數(shù)本身或與階梯瞬變關(guān)聯(lián)的附加參數(shù)可任選地被用于描述優(yōu)選的漸強漸弱類型，即它是靜音、cos函數(shù)或其它。由解碼器來確定如何處理這樣的參數(shù)，即這是否應(yīng)當(dāng)為漸變，如何應(yīng)用給定類型的漸強/漸弱，以及這種漸變應(yīng)如何發(fā)生。解碼器可進一步支持用于該特點的不同選項。這樣，由于瞬變位置能以采樣精度分辨率來限定，因此能以采樣精度來編輯音頻信號。因此將看到，表示開始和結(jié)束編輯點的瞬變限定其各自幀內(nèi)的幀邊界，而表示結(jié)束編輯點之前的音頻信號的軌跡獨立于表示開始編輯點之后的音頻信號的軌跡。
圖2示出依照本發(fā)明用于解碼信號的音頻播放器3。例如由依照圖1的編碼器產(chǎn)生并可能由編輯器4后處理的音頻流AS’從數(shù)據(jù)總線、天線系統(tǒng)、存儲介質(zhì)等獲得。如在歐洲專利申請No.00200939.7中所公開的，音頻流AS在去復(fù)用器30中被去復(fù)用以獲得編碼CT、CS和CN。這些編碼被分別提供給瞬變合成器31、正弦合成器32和噪聲合成器33。從瞬變編碼CT，瞬變信號分量在瞬變合成器31中被計算。在瞬變編碼表示形狀函數(shù)的情況下，基于所接收的參數(shù)來計算形狀。此外，基于正弦分量的頻率和振幅來計算形狀內(nèi)容?？偟乃沧冃盘杫T是所有瞬變的和。
如果使用了自適應(yīng)成幀，則從瞬變位置，用于正弦合成SS32和噪聲合成NS33的分段被計算。正弦編碼CS被用于產(chǎn)生信號yS，其被描述為給定段上的正弦波的和。噪聲編碼CN被用于產(chǎn)生噪聲信號yN。為此，用于幀段的線譜頻率首先被變換為ARMA濾波參數(shù)(p’i，q’i)，其專用于噪聲合成器產(chǎn)生白噪聲的采樣頻率，并且這些被與白噪聲值組合以產(chǎn)生音頻信號的噪聲分量。在任何情況下，通過例如重疊添加方法來添加最后的幀段。
總信號y(t)包括瞬變信號yT和任何振幅解壓縮(g)的乘積的和，以及這些信號yS和噪聲信號yN的和。音頻播放器包括兩個加法器36和37以對相應(yīng)的信號進行求和?？傂盘柋惶峁┙o輸出單元35，其例如是揚聲器。
如在相關(guān)申請中所公開的，如果瞬變編碼CT表示階梯(step)，則沒有瞬變被計算。然而，優(yōu)選實施例的音頻播放器包括幀頭部解碼器38。解碼器38被安排成在幀頭部中檢測幀段之一是否包括開始編輯點或結(jié)束編輯點之一。如果如在圖4的幀i中頭部指示結(jié)束編輯點(EEP)，則解碼器向瞬變、正弦和噪聲合成器31、32和33的每個發(fā)送信號通知，它們的輸出在對應(yīng)于階梯瞬變的位置時間或采樣數(shù)之后應(yīng)被設(shè)置為零，可任選地采用漸弱間隔。
如果如在圖4的幀j中頭部(H)指示開始編輯點(SEP)，則解碼器向瞬變、正弦和噪聲合成器31、32和33的每個發(fā)送信號通知，它們的輸出在對應(yīng)于階梯瞬變的位置時間或采樣數(shù)之前應(yīng)被設(shè)置為零，可任選地采用漸弱間隔。這在正弦合成器的情況下是特別有利的，這是因為從軌跡的誕生經(jīng)過其延續(xù)，它可連續(xù)從幀的開始將軌跡合成為正常、規(guī)劃的頻率、振幅和相位信息而不是簡單地將其輸出設(shè)置為零，直到階梯瞬變的位置。此時，它然后開始輸出其計算值，其一些可以是在階梯瞬變之前開始的原始信號的延續(xù)。這樣，當(dāng)包含諸如圖4中所示的幀的音頻信號被解碼時，其導(dǎo)致從結(jié)束編輯點到開始編輯點的時間運行的短靜音。
如果感覺這是個問題，則播放器3可被用于以在任何音頻信號中的總的可能靜音長度的最大值來高速緩存所進入的音頻流。如果需要，這將允許播放器在解碼音頻流時在前讀取，從而使如果檢測到結(jié)束編輯點，則它可跳過一直到幀結(jié)束，通過下一幀計算軌跡值直到開始編輯點，并且緊接著在開始編輯點的信號之后開始輸出被聯(lián)結(jié)的經(jīng)合成的信號，任選地應(yīng)用適當(dāng)?shù)目缃訚u變(cross-over fade)。
在另一個可替換的解決方案中，可能不能理想地看到需要計算正弦軌跡值直到包括諸如幀j的幀的開始編輯點的段。在此情況下，對于與開始編輯點相同的段中的延續(xù)軌跡，編輯器可被安排成計算用于這種軌跡的絕對頻率、振幅和相位，由此將位流中的延續(xù)軌跡編碼替換成誕生軌跡編碼。然后，用于幀的先前段中的軌跡的任何延續(xù)或誕生編碼可被去除或歸零，從而在位速率要求和音頻播放器處理上略為節(jié)省。
在任何情況下將看到，原則上任何編碼方案的語法可被擴展以提供上述的采樣精度編輯的靈活性。
此外，依照實施本發(fā)明的過程中的環(huán)境，上述優(yōu)選實施例的許多變化是可能的。因此，例如，如果要廣泛地編輯信號，將看到對所存信號的重復(fù)更新以包括編輯點瞬變信息可能需要在處理位流中所包含的大量數(shù)據(jù)方面的相當(dāng)資源。在優(yōu)選的編輯器中，每次編輯點被確定時位流不被修改，相反，與正被編輯的位流關(guān)聯(lián)的編輯器維持一列編輯點。一旦用戶已完成對信號的編輯，依照所述列的編輯點來插入瞬變并且經(jīng)編輯的位流被一次寫給存儲。
在另一個變化中，通過限定單個或成對的編輯點瞬變，可避免使用限定瞬變的單獨參數(shù)和指示該瞬變是編輯點的指示符，所述編輯點瞬變在整體上既包括限定在時間上的瞬間處的瞬變的參數(shù)，也指示該參數(shù)是編輯點或具體而言是開始或結(jié)束編輯點。在使用單一類型的這種編輯點瞬變的情況下，這些瞬變可被配對以使當(dāng)解碼器檢測到第一所述瞬變時，其在該點之后產(chǎn)生零位信號，并且一旦檢測到所述對中的第二所述瞬變，才開始輸出信號。
在這兩種情況下并且在優(yōu)選實施例中，將理解所述解碼器可被編程以假定在結(jié)束編輯點或第一編輯點之后的幀應(yīng)包括開始編輯點。這樣，如果信號被破壞，或檢測器未在結(jié)束編輯點之后的幀中檢測到開始編輯點，則其可從下一幀的開始處開始輸出信號，從而使破壞導(dǎo)致的損壞最小。
圖3示出依照本發(fā)明的音頻系統(tǒng)，包括如圖1中所示的音頻編碼器1、如圖2中所示的音頻播放器3和如以上所述的編輯器。這樣的系統(tǒng)提供了編輯、播放和記錄特征。音頻流AS在通信通道2上從音頻編碼器被提供給音頻播放器或編輯器，所述通信通道可以是無線連接、數(shù)據(jù)總線或存儲介質(zhì)。在通信通道2是存儲介質(zhì)的情況下，存儲介質(zhì)可被固定于系統(tǒng)中或亦可以是可移動盤、固態(tài)存儲設(shè)備，如來自SonyCorporation等的Memory StickTM等。通信通道2可以是音頻系統(tǒng)的一部分，但常常將在音頻系統(tǒng)外。
可以看出，本發(fā)明可被實施于專用的硬件中，在DSP(數(shù)字信號處理器)上或通用計算機上運行的軟件中。本發(fā)明可被實施于諸如CD-ROM或DVD-ROM的有形介質(zhì)中，其承載用于執(zhí)行依照本發(fā)明的編碼方法的計算機程序。本發(fā)明亦可被實施為在諸如互聯(lián)網(wǎng)的數(shù)據(jù)網(wǎng)絡(luò)上發(fā)送的信號或通過廣播服務(wù)發(fā)送的信號。
本發(fā)明在諸如固態(tài)音頻、互聯(lián)網(wǎng)音頻發(fā)行或任何壓縮音樂發(fā)行的領(lǐng)域中找到應(yīng)用。亦將看到，本發(fā)明的操作亦可兼容于在提交于2001年4月18日的歐洲專利申請No.01201405.6(代理人RefPHNL010251)中描述的可兼容加擾(scrambling)方案。
應(yīng)指出，上述實施例說明了而不是局限了本發(fā)明，并且本領(lǐng)域的技術(shù)人員將能在所附權(quán)利要求的范圍內(nèi)設(shè)計許多可替換的實施例。在權(quán)利要求中，被置于括弧之間的任何參考符號不應(yīng)被理解為限制本發(fā)明。單詞“包括”不排除除了權(quán)利要求中所列的以外的元件或步驟的存在。本發(fā)明可借助包括幾個獨特元件的硬件并借助適當(dāng)編程的計算機來實施。在列舉幾個裝置的設(shè)備權(quán)利要求中，這些裝置的幾個可由硬件的一個或相同項來實施。在相互不同的獨立權(quán)利要求中細述特定措施的僅有事實不表示這些措施的組合不能被用于優(yōu)點。
總之，在正弦編碼被公開的情況下，本發(fā)明的優(yōu)選實施例提供了一種以用于編輯的高子幀精度來編輯相對長的幀的方法。為提供用于高精度編輯的這種方法，所謂的瞬變位置可被應(yīng)用于在先前編碼的信號(AS)中需要編輯點(EEP、SEP)的地方。通過例如音頻編輯應(yīng)用，作為某種后處理而進行添加。使用瞬變位置作為編輯點的優(yōu)點是信號然后能以原則上采樣分辨率精度被突然結(jié)束或開始于瞬變位置，而在現(xiàn)有技術(shù)系統(tǒng)中，人們被局限于幀邊界，其例如每100ms出現(xiàn)一次。
權(quán)利要求
1.一種編輯(4)由經(jīng)編碼的音頻流(AS)表示的原始音頻信號(x)的方法，所述經(jīng)編碼的音頻流包括多個幀，每個所述幀都包括頭部(H)和一個或多個段(S)，每個段都包括表示所述原始音頻信號(x)的參數(shù)(CT、CS、CN)，該方法包括步驟確定所述原始音頻信號(x)中對應(yīng)于時間上的瞬間的編輯點；在表示含有所述時間上的瞬間的時間階段的所述原始音頻信號(x)的目標幀(i，j)中插入表示所述時間上的瞬間處的瞬變(EEP、SEP)的參數(shù)和所述參數(shù)表示編輯點的指示符；以及產(chǎn)生表示經(jīng)編輯的音頻信號并包括所述目標幀的經(jīng)編碼的音頻流(AS)。
2.權(quán)利要求1的方法，其中所述指示符包括開始編輯點或結(jié)束編輯點之一。
3.權(quán)利要求1的方法，其中所述插入步驟包括在所述目標幀的段中插入所述參數(shù)并在所述目標幀的頭部中插入所述指示符。
4.權(quán)利要求1的方法，其中表示所述瞬變的所述參數(shù)指示所述經(jīng)編輯的音頻信號中的振幅的階梯形變化。
5.權(quán)利要求1的方法，其中表示所述原始音頻信號(x)的所述參數(shù)包括用于濾波器的濾波參數(shù)(CN)，該濾波器具有與表示音頻信號的噪聲分量的噪聲分量的目標譜近似的頻率響應(yīng)。
6.權(quán)利要求1的方法，其中表示所述原始音頻信號(x)的所述參數(shù)包括參數(shù)(CN)，其獨立于被用于產(chǎn)生所述經(jīng)編碼的音頻流的第一采樣頻率，所述參數(shù)從用于濾波器的濾波參數(shù)(pi，qi)得出，該濾波器具有近似于表示音頻信號的噪聲分量的噪聲分量的目標譜的頻率響應(yīng)。
7.權(quán)利要求6的方法，其中所述濾波參數(shù)是自動回歸(pi)和移動平均(qi)參數(shù)，并且所述獨立的參數(shù)表示線譜頻率。
8.權(quán)利要求7的方法，其中所述獨立的參數(shù)以ERB尺度或Bark尺度或絕對頻率之一來表示。
9.權(quán)利要求1的方法，其中表示所述原始音頻信號(x)的所述參數(shù)包括參數(shù)(CT)，其表示音頻信號中瞬變信號分量的相應(yīng)位置；所述參數(shù)限定具有形狀參數(shù)和位置參數(shù)的形狀函數(shù)。
10.權(quán)利要求9的方法，其中所述位置參數(shù)表示所述原始音頻信號(x)中所述瞬變信號分量的絕對時間位置。
11.權(quán)利要求1的方法，其中表示所述原始音頻信號(x)的所述參數(shù)包括參數(shù)(CS)，其表示音頻信號中的持續(xù)的信號分量，所述參數(shù)包括表示在隨后的信號段中存在的被鏈接的信號分量的軌跡以及在先前被鏈接的信號分量的基礎(chǔ)上延伸軌跡。
12.權(quán)利要求11的方法，其中用于軌跡中第一信號分量的參數(shù)包括表示所述信號分量的絕對頻率的參數(shù)。
13.權(quán)利要求1的方法，其中所述經(jīng)編輯的位流包括待由解碼器使用的推薦最小帶寬。
14.解碼(3)音頻流的方法，該方法包括步驟讀取表示經(jīng)編輯的音頻信號(x)的經(jīng)編碼的音頻流(AS’)，所述流包括多個幀，每個所述幀都包括頭部(H)和一個或多個段(S)，每個段都包括表示所述經(jīng)編輯的音頻信號(x)的參數(shù)(CT、CS、CN)；以及響應(yīng)于表示給定時間階段的所述經(jīng)編輯的音頻信號(x)的、包括表示所述時間階段內(nèi)時間上的瞬間處的瞬變的參數(shù)和所述參數(shù)表示編輯點的指示符的幀，對所述時間階段的一部分產(chǎn)生零輸出，并采用(31、32、33)所述參數(shù)表示從而對所述時間階段的剩余部分合成所述音頻信號，所述部分在時間上的瞬間被劃分。
15.權(quán)利要求14的方法，其中所述產(chǎn)生步驟響應(yīng)于表示所述編輯點是結(jié)束編輯點的所述指示符，對所述時間上的瞬間之后的所述時間階段的部分產(chǎn)生零輸出，并且采用(31、32、33)所述參數(shù)表示從而對所述時間上的瞬間之前的所述時間階段的部分合成所述音頻信號。
16.權(quán)利要求15的方法，其中所述產(chǎn)生步驟是響應(yīng)于所述結(jié)束編輯點，在時間上的所述瞬間附近使所述信號漸弱。
17.權(quán)利要求14的方法，其中所述產(chǎn)生步驟響應(yīng)于表示所述編輯點是開始編輯點的所述指示符，對時間上的所述瞬間之前的所述時間階段的部分產(chǎn)生零輸出，并且采用(31、32、33)所述參數(shù)表示從而對時間上的所述瞬間之后的所述時間階段的部分合成所述音頻信號。
18.權(quán)利要求17的方法，其中所述產(chǎn)生步驟響應(yīng)于所述開始編輯點，在時間上的所述瞬間附近使所述信號漸強。
19.權(quán)利要求14的方法，其中所述產(chǎn)生步驟包括產(chǎn)生所述零輸出作為靜音信號。
20.權(quán)利要求14的方法，其中所述產(chǎn)生步驟包括聯(lián)結(jié)在一對編輯點的第一編輯點處結(jié)束的音頻信號與在所述對的編輯點的第二編輯點處開始的音頻信號。
21.權(quán)利要求20的方法，其中所述聯(lián)結(jié)步驟包括在所述第一編輯點處結(jié)束的音頻信號與在第二編輯點處開始的音頻信號的跨接漸變。
22.用于編輯(4)由經(jīng)編碼的音頻流(AS)表示的原始音頻信號(x)的音頻編輯器，所述經(jīng)編碼的音頻流包括多個幀，每個所述幀都包括頭部(H)和一個或多個段(S)，每個段都包括表示所述原始音頻信號(x)的參數(shù)(CT、CS、CN)，所述編輯器包括裝置，用于確定所述原始音頻信號(x)中對應(yīng)于時間上的瞬間的編輯點；裝置，用于在表示含有所述時間上的瞬間的時間階段的所述原始音頻信號(x)的目標幀(i，j)中插入表示所述時間上的瞬間處的瞬變(EEP、SEP)的參數(shù)和所述參數(shù)表示編輯點的指示符；以及裝置，用于產(chǎn)生表示經(jīng)編輯的音頻信號并包括所述目標幀的經(jīng)編碼的音頻流(AS)。
23.音頻播放器(3)，包括裝置，用于讀取表示經(jīng)編輯的音頻信號(x)的經(jīng)編碼的音頻流(AS’)的子幀，所述流包括多個幀，每個所述幀都包括頭部(H)和一個或多個段(S)，每個段都包括表示所述經(jīng)編輯的音頻信號(x)的參數(shù)(CT、CS、CN)；以及裝置，響應(yīng)于表示給定時間階段的所述經(jīng)編輯的音頻信號(x)的、包括表示所述時間階段內(nèi)時間上的瞬間處的瞬變的參數(shù)和所述參數(shù)表示編輯點的指示符的幀，用于對所述時間階段的一部分產(chǎn)生零輸出，并采用(31、32、33)所述參數(shù)表示從而對所述時間階段的剩余部分合成所述音頻信號，所述部分在時間上的瞬間被劃分。
24.音頻系統(tǒng)，包括權(quán)利要求22的音頻編輯器(4)和權(quán)利要求23的音頻播放器(3)。
25.表示經(jīng)編輯的的音頻信號(x)的音頻流(AS)，包括多個幀，每個所述幀都包括頭部(H)和一個或多個段(S)，每個段都包括表示所述經(jīng)編輯的音頻信號(x)的參數(shù)(CT、CS、CN)；并且一個或多個所述幀包括表示所述時間階段內(nèi)時間上的瞬間處的瞬變的相應(yīng)參數(shù)和所述參數(shù)表示編輯點的指示符。
26.存儲介質(zhì)，其上已存儲了權(quán)利要求25的音頻流(AS)。
全文摘要
公開了一種以高子幀精度編輯(4)相對長的幀以便于在正弦編碼的情況下進行編輯的方法。為了提供這種用于高精度編輯的方法，所謂的瞬變位置可被應(yīng)用于先前所編碼的信號(AS)中需要編輯點(EEP、SEP)的地方。通過例如音頻編輯應(yīng)用，作為某種后處理而進行添加。使用瞬變位置作為編輯點的優(yōu)點是信號可由此在原則上以采樣分辨率精度在瞬變位置處突然結(jié)束或開始，而在現(xiàn)有技術(shù)系統(tǒng)中，人們被局限于幀邊界，其例如每100ms出現(xiàn)一次。
文檔編號G10L19/02GK1514997SQ02811448
公開日2004年7月21日 申請日期2002年6月5日 優(yōu)先權(quán)日2001年6月8日
發(fā)明者A·W·J·奧門, A W J 奧門, L·M·范德科克霍夫, 范德科克霍夫 申請人:皇家菲利浦電子有限公司