[發明專利]用于互聯網協議語音的包丟失恢復方法和設備

無效

• 申請號: 200680047168.1
• 申請日: 2006-12-01
• 公開（公告）號: CN101331539A
• 公開（公告）日: 2008-12-24
• 發明（設計）人: 張煥強;章志剛
• 申請（專利權）人: 湯姆遜許可公司
• 主分類號: G10L19/00
• 分類號: G10L19/00;H04L1/00
• 代理公司: 北京康信知識產權代理有限責任公司
• 代理人: 章社杲

技術領域

本發明主要涉及包丟失恢復，尤其涉及互聯網協議語音(Voice?overInternet?Protocol，VoIP)系統中包丟失恢復的方法和設備。

背景技術

包丟失(包括有大的延遲抖動的那些包)會降低語音質量，甚至使得語音不能理解。很多方案被設計出來解決這個問題。這些方案可分為基于發送端的包丟失恢復(PLR，Packet?Loss?Recovery)和基于接收端的包丟失隱藏(PLC，Packet?Loss?Concealment)[C.Perkins，O.Hodson，and?V.Hardman，“Asurvey?of?packet-loss?recovery?techniques?forstreaming?audio，”IEEE?Network?Magazine，September/October，1998]。PLR方法包括交叉和其他FEC機制(如包級重傳，在重要編解碼參數上的數據保護)。PLC方法包括無聲取代，包重發(packet?repetition)，插值(interpolation)[ITU-TRecommendation?G.711?Appendix?I，A?highquality?low-complexity?algorithm?for?packet?loss?concealment?with?G.711，2000]，時間標度修改(time?scale?modification)[Moon-Keun?Lee；Sung-Kyo?Jung；Hong-Goo?Kang；Young-Cheol?Park；Dae-Hee?Youn；Apacketloss?concealment?algorithm?based?on?time-scale?modification?for?CELP-typespeech?coders，Proceedings?of?IEEE?International?Conference?on?Acoustics，Speech，and?Signal?Processing，2003(ICASSP′03).Volume?1，6-10?April?2003Page(s)：I-116-I-119vol.1]，和在CELP編解碼器中的基于模型的恢復[ITU-T?Recommendation?G.729-″Coding?of?Speech?at?8?kbit/s?UsingConjugate-Structure?Algebraic-Code-Excited?Linear-Prediction(CS-ACELP)″，March?1996]。

所有的PLC機制能夠提高VoIP應用的感知語音質量，并且，如時間標度修改和基于模型的方法這樣的方法有很好的隱藏性能。但是當包丟失突發性高的時候，所有這些方法效果都不好。特別地，當有大的流量負載的時候，因為信道干擾和發送沖突引起包丟失和長的等待時間(longlatency)，使這個問題在WLAN中變得更嚴重。因此，需要一種在大的包丟失突發和重負載網絡中適用的、仍在低碼速率運行的能夠提高語音質量的解決方案。

發明內容

根據本發明的一個方面，提供了在互聯網協議語音的網絡中的包丟失恢復的方法。該方法包括步驟：a)確定感知上重要的語音包；b)在至少一個后面的包中捎帶所述感知上重要的語音包；c)發送所有的包；以及d)當接收時重構包。

根據本發明，該感知上重要的語音包屬于語音音素的開始段。

根據本發明，該感知上重要的語音包在步驟a)中通過使用編碼激勵線性預測(CELP)編解碼器的線性預測編碼(LPC)參數中的信息來確定。

在本發明的另一個方面中，提供了用于互聯網協議語音(VoIP)的包丟失恢復設備。該設備包括：語音捕獲單元；編碼單元；用于確定感知上重要的語音包的確定單元；用于在至少一個后面的包上捎帶感知上重要的語音包的捎帶單元；發送單元；接收單元；用于存儲包和用于轉發包到解碼單元的緩存單元；用于重構包的解碼單元；以及語音播放單元。

根據本發明，該確定單元和該捎帶單元能夠被集成到該編碼單元。

根據本發明，該感知上重要的包屬于語音音素的開始段。

根據本發明，該感知上重要的包通過在步驟a)中使用編碼激勵線性預測(CELP)編解碼器的線性預測編碼(LPC)參數中的信息來確定。

附圖說明

圖1示出在不丟棄，隨機丟棄和選擇丟棄的情況下原始數據的語音段(speech?segment)的波形圖；