[發明專利]一種優化語音編碼速率和運算量的方法、裝置及存儲介質

在審

• 申請號: 202011532857.X
• 申請日: 2020-12-23
• 公開（公告）號: CN112599140A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 李強;王堯;葉東翔;朱勇
• 申請（專利權）人: 北京百瑞互聯技術有限公司
• 主分類號: G10L19/008
• 分類號: G10L19/008;G10L19/02;G10L19/24
• 代理公司: 北京國科程知識產權代理事務所(普通合伙) 11862
• 代理人: 曹曉斐

本發明公開了一種優化語音編碼速率和運算量的方法、裝置及存儲介質，屬于音頻編碼技術領域，該方法包括根據當前音頻幀的語音子帶能量計算當前音頻幀的語音子帶能量熵；根據語音子帶能量熵的大小設置當前音頻幀對應的編碼碼率，其中，語音子帶能量熵越大，對應的編碼碼率越小；以及根據編碼碼率對當前音頻幀進行編碼。本發明根據語音子帶能量熵計算出適合當前音頻幀的碼率，在確保音質不變的前提下降低了編碼速率。

技術領域

本發明涉及音頻編碼技術領域，特別涉及一種優化語音編碼速率和運算量的方法、裝置及存儲介質。

背景技術

LC3與現有的CVSD和WBS相比，在相同的采樣率下降低了碼率，同時提升了音質，但由于LC3基于波形編碼技術，與傳統的聲碼器相比，壓縮效率很低，舉例來說，LC3在8k采樣率時的推薦碼率為24kbps，但應用于WCDMA的AMR-NB最大碼率僅為12.2kbps，平均碼率10kbps以下，應用于CDMA系統的EVRC-A最大碼率為8kbps，平均碼率約為5kbps，而3GPPRelease12推出的應用于VoLTE的EVS，其最低碼率為5.9kbps。LC3較高的碼率占用了較大的帶寬，需要更多的發射功率，在公共場合，藍牙設備較多，相互之間會造成干擾，影響了用戶體驗，相互干擾的程度與占用的帶寬、發射功率有很大關系。

基于通話的特性，通常情況下通話的一方只有部分時間在講話，據統計，通話的一方通常只有約35％的時間在講話，而目前標準規范的LC3使用固定碼率，即開始編碼后每一幀語音都是用相同的可用比特數，這就導致一方不說話時仍然使用相同標準碼率編碼，不僅占用較多的帶寬資源，而且占用更多的計算資源，造成浪費。

發明內容

本發明主要提供一種優化語音編碼速率和運算量的方法、裝置及存儲介質，以解決非語音幀使用標準碼率編碼，不僅占用較多的帶寬資源，而且占用更多的計算資源的問題。

為了解決上述問題，本發明采用的一個技術方案是：提供一種優化語音編碼速率和運算量的方法，其包括：根據當前音頻幀的語音子帶能量計算當前音頻幀的語音子帶能量熵；根據語音子帶能量熵的大小設置當前音頻幀對應的編碼碼率，其中，語音子帶能量熵越大，對應的編碼碼率越小；以及根據編碼碼率對當前音頻幀進行編碼。

本發明采用的另一個技術方案是：提供一種優化語音編碼速率和運算量的裝置，其包括：用于根據當前音頻幀的語音子帶能量計算當前音頻幀的語音子帶能量熵的模塊；用于根據語音子帶能量熵的大小設置當前音頻幀對應的編碼碼率的模塊，其中，語音子帶能量熵越大，對應的編碼碼率越小；以及用于根據編碼碼率對當前音頻幀進行編碼的模塊。

本發明采用的另一個技術方案是：提供一種計算機可讀存儲介質，其存儲有計算機指令，計算機指令被操作以執行方案一中的優化語音編碼速率和運算量的方法。

本發明的技術方案可以達到的有益效果是：本發明設計了一種優化語音編碼速率和運算量的方法、裝置及存儲介質。該方法根據語音子帶能量熵計算出適合當前音頻幀的碼率，在確保音質幾乎不變的前提下降低了編碼速率，通過確定音頻數據的當前幀是否需要執行帶寬檢測的運算和長期后置濾波器的運算，從而降低運算量。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明一種優化語音編碼速率和運算量的方法的一個具體實施方式的示意圖；

圖2是本發明一種優化語音編碼速率和運算量的方法的一個具體實例的示意圖；

圖3是本發明的編碼碼率與現有技術標準LC3的編碼碼率的結果對比圖；

圖4是本發明一種優化語音編碼速率和運算量的方法的另一個具體實例的示意圖；