CN114255772B 用于缩减解码的方法和音频解码器 （弗劳恩霍夫应用研究促进协会）

2022.03.29201680047160.92016.06.10本申请提供用于缩减解码的方法和音频解缩减音频解码过程中涉及的参考合成窗口的如下下采样版本，则可以更有效地和/或以改善的所述下采样版本是按照下采样因子进行下采样并且使用以帧长的1/4为分段的分段内插获得2述数据流内传送的线性预测系数导出的缩放因子对所述频谱系时域混叠消除器，被配置为：使所述帧的所述其中所述合成窗口是对参考合成窗口按照因子F进行下采样且按照等长度分段且所述频谱系数被利用在所述数据流中提供的缩放因子或通过在所述数据流内传送的线针对每个帧，通过使所述低频分量经过逆变换以获得所述时间针对每个帧，使用合成窗口为所述时间部分的时间表示加窗，通过使所述帧的所述时间部分的经加窗的时间表示经过按照与帧长度对应的相互帧其中所述合成窗口是对参考合成窗口按照因子F进行下采样且按照等长度分割3[0001]本申请是申请日为2016年6月10日的PCT国际申请PCT/EP2016/063371进入中国国[0003]MPEG-4增强型低延迟AAC(AAC-ELD)通常以高达48kHz的采样率操作，导致15ms的已经通过以更高的采样率(例如，96kHz)操作来提供这样的选择，从而提供具有更低延迟AAC-ELD基础的MPEG-4AAC-LD编解码器确定因素是在支持对AAC-ELD解码器的缩减操作模式的清楚的一致性测试的同时推导窗系秒)的音频系统中。在这种情况下，有利的是直接以目标采样率解码低延迟编解码器的输[0009]这可以通过将帧尺寸和采样率两者适当地按照整数因子(例系数的最低三分之一(即480/3＝160)，并且将逆变换大小减小到三分之一(即窗口大小为产生与通过全带宽解码再接着进行频带限制和采样率转换得到的输出完4弦窗口的标准IMDCT版本的非常类似。低延迟MDCT窗口(480和512个采样的帧大小)的系数[0019]因此，本发明的一个目的在于提供一种实现这种改进的缩减解码的音频解码方程中涉及的参考合成窗口的下述下采样版本，则可以更有效地和/或以改善的兼容性维护用以帧长的1/4为分段的分段内插获得的，以及所述下采样因子表示下采样的采样率和原[0023]图1是示出了为了保持完美重建在缩减解码时需要遵循的完美重建要求的示意[0025]图3示出了如下示意图，其在上半部分中示出了音频信号已经以原始采样率编码[0027]图5示出了使用对经频谱-时间调制的时间部分的零加权部分的特殊处理来实现5[0031]图9示出了作为要被下采样的参考合成窗口的示例的针对512个采样的帧大小且下描述开始于可以形成AAC-ELD的缩减模式的实施例。该描述同时形成对本申请的实施例6[0045]由于样条函数可能不是完全确定性的，因此在以下部分于低复杂度解码器如何能够以比第一数据率低的第二数据率对以第一数据率编码的ER[0049]对于某些应用，ERAACLD可以改变播出采样率，以避免额外的重采样步骤(见[0051]N＝1024的LD-MDCT窗口wLD通过使用分段样条内插按因子F缩减78[0056]在低延迟SBR工具与ELD结合使用的情况下，可以将该工至少针对作为2的倍数的缩减因子。缩减因子F控制用于CLDFB分析和合成滤波器组的频带9[0086]本小节描述了AACELD编码器中使用的低延迟MDCT滤波器组。核心MDCT算法大部wLD[0101]与使用正弦窗口的标准IMDCT算法相比，合成滤波器组被修改以采用低延迟滤波[0111]长度为N的窗口被长度为2N的窗口替换，该长度为2N的窗口较多与过去重叠而较wLD面参照图3描述音频解码器10的块12到20的交互和功能。如在本申请的描述的结尾所描述信号22所使用的采样率是音频信号22在编码侧被变换编码到数据流24中时使用的采样率[0123]在图3的上半部分中示出了音频信号22以编码或原始采样率被变换编码到数据流因此获得频谱系数28表示音频信号22的方式，图3中的34处针对时间轴30的一部分示出了如何从音频信号获得属于或者代表相应时间部分始或编码采样率采样的音频信号22被分割为在时间上紧接连续且无重叠的预定长度N的或时间-频谱调制获得N个频谱系数28，然而所述频谱分解变换或时间-频谱调制的调制函当前帧过去的E+1个帧。使用低延迟单峰分析窗口函数40实现在该变换窗口38内的音频信号的采样的频谱分解(其在图3中是针对属于在34处示出的部分的中间帧36的变换系数28其时间前端包括零-间隔42，使得编码器不需要等待当前帧36内的最新采样的相应部分以内的频谱系数28的传输的描述已经相对于频谱系数28被量化或编码成数据流24的方式和/使用心理声学模型来保持量化噪声和频谱系数28的量化对于听众是不可感知的和/或低于[0126]此外，至今提出的描述也相对于帧36的帧长度和/或相对于低延迟窗口函数40进[0127]返回到图2的音频解码器10及其描述，接收器12接收数据流24并由此针对每个帧降低的采样率来解码音频信号22。音频解码器10例如仅支持下文中描述的缩减解码功能。解码以从数据流24读取频谱系数28。接收器12还可以利用在数据流中提供的缩放因子和/或通过在数据流24内传送的线性预测系数导出的缩放因子对从数据流读取的频谱系数进[0131]频谱-时间调制器16针对每个帧36使频谱系数28的相应低频分量44经过具有长度所述单峰合成窗口54包括在其前端的长度为1/4·N/F的零部分56(即1/F·N/F零值窗系部分52加权。用窗口54对每个时间部分52的加权或相乘58得到经加窗的时间部分60(每个36一个。消除器20通过将每个经加窗的时间部分60与其前端的N/F值配准以与对应帧36一[0134]以下参考图4更详细地示出由加窗器18和时域混叠消除器20执行的加窗58和重叠相加62的处理。图4使用在上面提出的章节A.4中应用的命名和在图3和4中应用的附图标于x的第二索引，即由调制器16输出的时间部分52，当窗口54被应用于相应的时间部分52使用窗口54对时间部分52进行加窗以获得加窗的时间部分60，使得根据z0，0＝x0，0·w0(E+2)·N/F-1来获得表示针对第0帧的加窗的时间部分60的时间部分60相加，其中各加窗的时间部分60的采样相对于彼此偏移一帧(即每个帧36的...而彼此相随。消除器20根据u-(E+1)，0＝z0，0+z-1，N/F+E+2个加数获得音频信号u的第(E+1)帧36(即下采样因子)对参考合成窗口进行下采样，使用分段内插(即以当尚未下采样的版本中和/或通过线性内插在时间上位于两个窗系数w/j和w/j+2之间的位置线性地内插任意窗系[0140]可能的情况是，加窗器18从存储了下采样合成窗口54的窗系数解码器10可以包括基于参考合成窗口70执行图6的下采样72的分段下采样中重建导致全音频采样率)中使用的版本相比被缩[0145]图8示出了使用提升构思的解码器的实现。S/T调制器16示例性[0147]加窗器18如先前所述的那样操作，并且为每个时间部分52生成加窗的时间部分i和xkM-1。方程式或表达式产生以紧接的连续帧构成的帧对的形式的长度为M的最终重建的时间部分+ln-M/2-1，+lM-1-nM/2-1，M个操作的直接实现的情况下，建议原则上需要模块820的框架中的2M个操作以及提升器n[0170]如上所述，可能的情况是，加窗器18从存储器获得下采样的合成窗口54wn(n=+ln-M/2-1)取决于合成窗口的系数音频解码器可以与低延迟的SBR工具一起使用。下面概述了例如扩展为支持上文提案的缩CLDFB合成块(CLDFB＝复杂低延迟滤波器组))处理到达的比特流。比特流等价于先前参考MDCT块输出48kHz时间信号，该信号以音频信号最初被编码到该到达的比特流中所用的采样率的一半被下采样。CLDFB分析块将该48kHz时间信号(即通过缩减音频解码获得的音频对N个频带重新整形(这由到达AAC解码器的输入端的输入比特流中的SBR数据来控制)，并且CLDFB合成块从频谱域重新转换到时域，由此获得要被添加到由逆低延迟MDCT块输出的[0181]一种音频解码器可被配置为以第一采样率从数据流解码以第二采样率变换编码的长度为(E+1)/(E+2)的尾端分量与前一帧的经加窗的时间部分的长度为(E+1)/(E+2)的前端重叠，其中所述逆变换是逆MDCT或逆MDST，以及其中所述单峰合成窗口是长度为(E+[0193]关于峰值所处的时间间隔，应注意图1作为示意说明针对E＝2和N＝512的参考单峰合成窗口的示例示出了该峰值以及时间间隔：峰值在大约第1408号采样处具有最大值，[0196]在音频解码器支持F的不同值的情况下，该音频解码器可以包括具有参考单峰合分段内插版本的共同之处在于内插不会对分段边界处的不连续性产生不利影响。如上所[0197]通过从如上图1所示的参考单峰合成窗口出发经分段内插得到单峰合成窗口，可[0199]1.一种音频解码器(10)，被配置为以第一采样率从数据流(24)解码音频信号[0204]时域混叠消除器(20)，被配置为使所述帧的经加窗的时间部分经过重叠相加处理，使得当前帧的经加窗的时间部分的长度为(E+1)/(E+2)的尾端分量与前一帧的经加窗的时间部分的长度为(E+1)/(E+2)的隔的每个系数取决于所述参考合成窗口的系非加权部分和E+2个经加窗的部分在相应帧的剩余部分内被求[0219]14.一种用于生成根据前述实施例中任一项所述的音频解码器(10)的合成窗口的制器(16)、所述加窗器(18)和所述时域混叠消除器(20)被实现为在提升实现中进行协作，[0220]所述频谱-时间调制器(16)将针对每个帧(36)使低频分量经过逆变换限制在与相M＝N/Fk+ln-M/2-1，+lM-1-nM/2-1，[0228]15.一种音频解码器(10)，被配置为以第一采样率从数据流(24)解码音频信号+ln-M/2-1，+lM-1-nM/2-1，[0241]16.一种用于生成根据前述实施例中任一项所述的音频解码器(10)的合成窗口的[0242]17.一种用于生成根据实施例1至16中任一项所述的音频解码器(10)的合成窗口[0243]18.一种用于以第一采样率从数据流(24)理，使得当前帧的经加窗的时间部分的长度为(E+1)/(E+2)的尾端分量与前一帧的经加窗的时间部分的长度为(E+1)/(E+2)的[0251]19.一种具有程序代码的计算机程