[發(fā)明專利]音頻流錯誤隱藏的方法、裝置和系統(tǒng)

無效

• 申請?zhí)枺?/td>: 200610159697.2
• 申請日: 2006-10-01
• 公開（公告）號: CN101155140A
• 公開（公告）日: 2008-04-02
• 發(fā)明（設計）人: 萬華林;王喆;張軍
• 申請（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號: H04L12/56
• 分類號: H04L12/56;H04L1/00
• 代理公司: 北京德琦知識產(chǎn)權(quán)代理有限公司
• 代理人: 宋志強;麻海明

技術(shù)領(lǐng)域

本發(fā)明涉及實時音頻通信技術(shù)，特別涉及音頻流錯誤隱藏的方法、裝置和系統(tǒng)。

背景技術(shù)

人們很早就開始從事音頻分類研究，但對于不同的應用場景，音頻分類的方法及分類的結(jié)果不盡相同。例如，1、在高級音響設備的噪音抑制中，常用調(diào)頻分析或貝葉斯分類器將音頻信號分類。2、為了更好地索引和檢索因特網(wǎng)上音頻資源，人們進行了基于內(nèi)容的音頻分類和檢索研究。比較有代表性的基于內(nèi)容的音頻分類工作中詳細分析了音頻的區(qū)別性特征，包括響度(loudness)、基音(pitch)、諧度(harmonicity)等，并且設計了音頻的分類器。3、音頻分類另外一種應用是服務于音頻--特別是語音編碼器的語音激活檢測器(VAD)，目的是用來檢測語音通信時是否有話音存在，對話音和非話音分別采用不同的編碼方式，以達到在不降低通話質(zhì)量的情況下節(jié)省話路資源的作用。

在實時音頻傳輸系統(tǒng)(如VoIP)中，網(wǎng)絡傳輸造成音質(zhì)下降的原因主要是時延、靜電干擾和包丟失，其中，包丟失是音質(zhì)下降的最主要原因。實際通訊網(wǎng)絡總是存在著一定干擾，因此存在一定的包丟失概率，盡管協(xié)議低層有糾錯編碼，但只能解決包內(nèi)誤碼，無法解決丟包問題。此外，由于實時音頻業(yè)務有嚴格的延時限制，分組延遲超過一個極限也將被視為丟失。為了能夠在一定丟包率情況下，仍然保證一定的通訊質(zhì)量，很多編解碼算法中都集成了錯誤隱藏技術(shù)，用來消除丟包的影響。

圖1為音頻流錯誤隱藏的框圖。如圖1所示，壓縮音頻信號經(jīng)過IP網(wǎng)絡或其他不可靠網(wǎng)絡的傳輸后，通常將接收到的音頻數(shù)據(jù)包存放在抖動緩存器，該抖動緩沖器用于解決遲包、早包的重排序等功能，然后進行丟包、錯包檢測。如果有丟包或錯包發(fā)生，系統(tǒng)將啟動錯誤隱藏進行丟包補償，否則將正確接收音頻包解碼輸出。

音頻實時傳輸中的丟包恢復技術(shù)按照處理階段可以劃分為兩個大類：基于發(fā)送端的修復和基于接收端的修復。

●基于發(fā)送端的錯誤隱藏

基于發(fā)送端的丟包恢復由發(fā)送端發(fā)起，并需要發(fā)送端和接收端協(xié)同進行。常見的方法有，增加冗余度、前向糾錯、優(yōu)先級設置和分類處理等。

1、增加冗余度：增加數(shù)據(jù)的冗余度可以提高系統(tǒng)的容錯能力，但是同時增加了帶寬。

2、前向糾錯(FEC)：該策略也依賴于在傳輸流附加可修復丟失數(shù)據(jù)包的信息，利用塊或代數(shù)碼字生成能輔助糾錯的額外傳輸包，同樣需要增加帶寬。

3、優(yōu)先級設置方法：這種技術(shù)需要網(wǎng)絡支持并按優(yōu)先級傳輸分組，否則無法實現(xiàn)，并且只能改善網(wǎng)絡擁塞造成的丟包概率。

4、分類處理方法：在語音編碼中，為了在接收端更好地采用波形替換技術(shù)，發(fā)送端可以根據(jù)語音信號的特性分類處理，比如3GPP2VMR-WB和ITU-T?G.729.1將語音幀進一步描述為voiced，unvoiced，voiced?transition，unvoiced?transition，onset等類型，而解碼端接收到之后，利用其前一幀和后一幀的語音幀類型，可以推測出丟幀的類型，解碼器得到丟幀類型后，可以較好的恢復丟失幀的信息。

●基于接收端的錯誤隱藏

不需要發(fā)送端參與的接收端錯誤隱藏技術(shù)，本質(zhì)上是對接收到的數(shù)據(jù)通過一系列的方法來估計丟失的數(shù)據(jù)，并根據(jù)人的生理特點進行優(yōu)化，基本上是一種被動的修補，通常比較容易實現(xiàn)且不增加帶寬需求。基于接收端的錯誤隱藏方法可分為三類：

1、基于插入的策略：這類技術(shù)包括拼接(Splicing)、靜音和噪聲替代等方法。拼接技術(shù)會擾亂媒體流的時序，效果也不好。靜音替代(用靜音幀填充丟幀位置)的適用范圍非常有限，當數(shù)據(jù)包的丟失頻率很低(小于2％)且缺口寬度小于4ms時，這種方法比較有效；當缺口寬度達40ms時，其效果會讓人無法接受。與靜音替代相比，噪聲替代(用噪音幀填充丟幀位置)可給人帶來更好的主觀聽覺感受，同時能改善語音信號的可分辨性。當采用背景噪聲而不是靜音的時候，人腦能下意識地用正確的聲音來修補語音信號中丟失的部分。插入方式與語音編碼無關(guān)，也與分組的編碼無關(guān)，只是對解碼后丟失的語音進行處理。

2、基于插值的策略：與插入技術(shù)相比，插值技術(shù)使得處理得到的聲音能給人帶來相對更好的主觀感受。

3、基于重新生成的策略：從丟失包周圍的信息提取解碼狀態(tài)，并由此生成丟失包的替代包。這種方法的實現(xiàn)過程比較復雜，但會取得較好的結(jié)果。