[發明專利]一種基于人耳聽覺頻率尺度信號分解的音頻編解碼方法

有效

• 申請號: 201911034162.6
• 申請日: 2019-10-29
• 公開（公告）號: CN110534119B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 林志斌;劉曉峻;狄敏;吳寶佳
• 申請（專利權）人: 南京南大電子智慧型服務機器人研究院有限公司;江蘇南大電子信息技術股份有限公司
• 主分類號: G10L19/00
• 分類號: G10L19/00;G10L19/02;G10L19/032;G10L25/27
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 彭雄

1.一種基于人耳聽覺頻率尺度信號分解的音頻編解碼方法，其特征在于，包括以下步驟：

步驟1，獲取輸入音頻信號；將線性頻率的音頻信號折算到對應的人耳聽覺頻率尺度上，線性頻率和人耳聽覺頻率尺度變換關系如下：

其中，b為人耳聽覺頻率尺度，z為變換函數，f為線性頻率；

直接在人耳聽覺頻率尺度上進行音頻信號分解，實現時域信號在人耳聽覺頻率尺度的投影計算：

其中，X(b)為投影后系數，x(n)為采樣點n處的采樣值，z^-1(b)為人耳聽覺頻率尺度域逆變換函數，j為復數符號；根據投影后系數得到心理聲學感知模型參數，進而確定心理聲學感知模型；

步驟2，在人耳聽覺頻率尺度上進行音頻信號短時正交變換分解；

正交變換分解所使用的正交基是切比雪夫展式，定義域為[-1,1]，表達式如下：

T_k(x)＝cos(k arccos(x))

其中，T_k(x)為切比雪夫多項式的第k階正交基，x為定義域的自變量，k表示正交基階數；

離散化的切比雪夫展式的正變換和逆變換公式如下：

其中，C(k)為第k階短時正交變換系數，N為定義域上音頻信號幀的幀長樣點數，x_j為所選取離散化的音頻信號幀第j采樣點數據值，樣點位置按照N階切比雪夫多項式的零點分布位置選取，C(0)表示第0階短時正交變換系數；

步驟3，人耳聽覺頻率尺度心理聲學感知模型參數計算：在人耳聽覺頻率尺度上計算心理聲學感知模型中，使頻譜在不同頻段內具有不同的頻率分辨率，使頻譜分布直接和臨界頻帶相匹配，將計算獲取的心理聲學感知模型變換回時域，在時域進行分割并利用切比雪夫正交變換得到短時感知域系數，根據短時感知域系數獲取用于控制量化、碼率和失真的心理聲學感知模型參數；

步驟4，根據量化、碼率和失真的心理聲學感知模型參數對投影后系數進行量化，將量化的結果進行熵編碼，得到熵編碼后的編碼量化參數；

步驟5，將心理聲學感知模型參數和熵編碼后的編碼量化參數進行碼流打包，形成編碼數據流；

步驟6，解碼過程為編碼過程的逆過程，首先獲取數據碼流，進行數據反量化，反量化后數據進行聽覺頻率尺度逆變化合成音頻信號，多幀音頻信號組合還原形成解碼音頻數據流。