Proporcinar una señal de activación de distorsión de tiempo y codificar una señal de audio con la misma.

Proveedor (100; 230; 234) de la señal de activación de distorsión de tiempo para proporcionar una señal (112;

232; 234p) de activación de distorsión de tiempo sobre la base de una representación (110; 234e; 234k) de una señal de audio, comprendiendo el proveedor de la señal de activación de distorsión de tiempo:

un proveedor (120; 234f; 234l; 325; 370) de información de compactación de energía configurado para proporcionar una información (122; 234m; 234n; 326; 374) de compactación de energía que describe una compactación de energía en una representación (222) espectral transformada por la distorsión de tiempo de la señal de audio; y

un comparador (130; 234o) configurado para comparar la información (122; 234m; 234n; 326; 374) de compactación de energía con un valor de referencia, y para proporcionar la señal (112; 232; 234p) de activación de distorsión de tiempo con dependencia de un resultado de la comparación;

en el que el proveedor (120; 234f; 234l; 325) de información de compactación de energía está configurado para proporcionar una medida de entropía perceptiva (pe) que describe la representación (234e; 234k) espectral transformada por la distorsión de tiempo de la señal de audio como la información (122; 234m; 234n) de compactación de energía; y

en el que el proveedor (120; 234f; 234l; 325) de información de compactación de energía está configurado para calcular un número (nl) estimado de líneas que no son cero para una o más bandas de factor de escala de la representación (234e; 234k) espectral transformada por la distorsión de tiempo de la señal de audio sobre la base de una información de factor de forma (ffac(n)) de la banda de factor de escala, y para calcular la medida de entropía (326) perceptiva para una banda de factor de escala en consideración utilizando una multiplicación del número (nl) estimado de líneas que no son cero y una medida de energía de la banda de factor de escala en consideración.

Proporcionar una señal de activación de distorsión de tiempo y codificar una señal de audio con la misma.

La presente invención se refiere a la codificación y decodificación de audio y específicamente a la codificación/decodificación de una señal de audio que tiene un contenido armónico o de voz, que puede someter a un procesamiento de distorsión de tiempo.

A continuación, se dará una breve introducción al campo de la codificación de audio distorsionado en el tiempo, cuyos conceptos pueden aplicarse en combinación con algunas de las realizaciones de la invención.

En los últimos años, se han desarrollado técnicas para transformar una señal de audio en una representación de dominio de frecuencia, y para codificar con eficacia esta representación de dominio de frecuencia, por ejemplo teniendo en cuenta umbrales de enmascaramiento perceptivo. Este concepto de codificación de señal de audio es particularmente eficaz si la longitud del bloque, para el cual se transmite un conjunto de coeficientes espectrales codificados, es larga, y si sólo un número relativamente pequeño de coeficientes espectrales están bien por encima del umbral de enmascaramiento global mientras que un gran número de coeficientes espectrales está cerca o por debajo del umbral de enmascaramiento global y de este modo puede omitirse (o codificado con una longitud de código mínima) .

Por ejemplo, las transformadas solapadas moduladas basadas en seno o basadas en coseno a menudo se utilizan en aplicaciones para codificación de fuente debido a sus propiedades de compactación de energía. Es decir, para tonos armónicos con frecuencias fundamentales constantes (tono) , éstas concentran la energía de señal hasta un número bajo de componentes espectrales (subbandas) , lo cual conduce a una representación de señal eficaz.

En general, el tono (fundamental) de una señal se entenderá como la frecuencia dominante más baja que se distingue del espectro de la señal. En el modelo de voz común, el tono es la frecuencia de la señal de excitación modulada por la garganta humana. Si sólo una frecuencia fundamental simple estuviera presente, el espectro sería extremadamente simple, comprendiendo únicamente la frecuencia fundamental y los sobretonos. Un espectro de este tipo podría codificarse de forma muy eficaz. Para señales con tono variable, sin embargo, la energía correspondiente a cada componente armónico se dispersa sobre varios coeficientes de la transformada, conduciendo de este modo a una reducción de la eficacia de codificación.

A fin de solucionar esta reducción de la eficacia de codificación, la señal de audio a codificare se remuestrea de forma eficaz sobre una rejilla de tiempo no uniforme. En el procesamiento posterior, las posiciones de muestra obtenidas por el remuestreado no uniforme se procesan como si representaran los valores sobre una rejilla de tiempo uniforme. Esta operación normalmente se denota por la frase "distorsión de tiempo". Los tiempos de muestra pueden elegirse de forma ventajosa dependiendo de la variación de tiempo del tono, de modo que una variación de tono en la versión distorsionada en el tiempo de la señal de audio es menor que una variación de tono en la versión original de la señal de audio (antes de la distorsión de tiempo) . Esta variación de tono también puede denotarse con la frase "contorno de distorsión de tiempo". Después de la distorsión en el tiempo de la señal de audio, la versión distorsionada en el tiempo de la señal de audio se convierte en el dominio de frecuencia. La distorsión en el tiempo que depende del tono tiene el efecto de que la representación de dominio de frecuencia de la señal de audio distorsionada en el tiempo exhibe típicamente una compactación de energía en un número mucho más pequeño de componentes espectrales que una representación de dominio de frecuencia de la señal de audio original (no distorsionada en el tiempo) .

En el lado del decodificador, la representación de dominio de frecuencia de la señal de audio distorsionada en el tiempo se convierte de nuevo al dominio de tiempo, de modo que una representación de dominio de tiempo de la señal de audio distorsionada en el tiempo está disponible en el lado del decodificador. Sin embargo, en la representación de dominio de tiempo de la señal de audio distorsionada en el tiempo reconstruida en el lado del decodificador, las variaciones del tono original de la señal de audio de entrada en el lado del codificador no se incluyen. En consecuencia, se aplica otra distorsión en el tiempo por el remuestreado de la representación del dominio del tiempo reconstruida en el lado del decodificador de la señal de audio distorsionada en el tiempo. Con el fin de obtener una buena reconstrucción de la señal de audio de entrada en el lado del codificador en el decodificador, se desea que la distorsión en el tiempo en el lado del decodificador sea al menos aproximadamente la operación inversa con respecto a la distorsión en el tiempo en el lado del codificador. Con el fin de obtener una distorsión en el tiempo apropiada, se desea tener información disponible en el decodificador que permite un ajuste de la distorsión en el tiempo en el lado del decodificador.

Dado que típicamente se requiere transferir este tipo de información desde el codificador de señal de audio al decodificador de señal de audio, se desea mantener una velocidad de bits requerida para esta transmisión reducida mientras aún se permite una reconstrucción fiable de la información de distorsión de tiempo requerida en el lado del decodificador.

El documento de patente US 2007/0100607 A1 describe una codificación de transformada modificada distorsionada en el tiempo de señales de audio. Se deriva una representación de una señal de audio que tiene tramas de audio consecutivas, en el que se estima una distorsión de tiempo común para dos tramas vecinas cualesquiera, de forma que una transformada en bloque siguiente puede adicionalmente emplear la información de distorsión. Así, pueden derivarse y aplicarse las funciones de ventana requeridas para una aplicación exitosa de un procedimiento de solapamiento y suma durante la reconstrucción, las funciones de ventana anticipándose ya al remuestreado de la señal debido a la distorsión en el tiempo. Por tanto, puede utilizarse la eficacia aumentada de la codificación de transformación basada en bloques de señales distorsionadas en el tiempo sin introducir discontinuidades audibles.

En vista de la descripción anterior, existe el deseo de crear un concepto que permita una aplicación de velocidad de bits eficaz del concepto de distorsión de tiempo en un codificador de audio.

Es objeto de la invención crear conceptos para mejorar la impresión de audición proporcionada por una señal de audio codificada sobre la base de información disponible in un codificador de señal de audio de distorsión en el tiempo o un decodificador de señal de audio de distorsión en el tiempo.

Este objeto se logra mediante un proveedor de la señal de activación de distorsión de tiempo para proporcionar una señal de activación de distorsión de tiempo sobre la base de una representación de una señal de audio según las reivindicaciones 1-3, un codificador de señal de audio para codificar una señal de audio de entrada según la reivindicación 8, un método para proporcionar una señal de activación de distorsión de tiempo según las reivindicaciones 10-12, un método para proporcionar una representación codificada de una señal de audio de entrada según la reivindicación 13, o un programa informático según la reivindicación 14.

Las realizaciones según la invención se refieren a métodos para un codificador de transformación MDCT distorsionada en el tiempo. Algunas realizaciones se refieren a herramientas sólo para el codificador. Sin embargo, otras realizaciones también se refieren a herramientas para el decodificador.

La invención crea un proveedor de la señal de activación de distorsión de tiempo para proporcionar una señal de activación de distorsión de tiempo sobre la base de una representación de una señal de audio. El proveedor de la señal de activación de distorsión de tiempo comprende un proveedor de información de compactación de energía configurado para proporcionar una información de compactación de energía que describe una compactación de energía en una representación espectral transformada por la distorsión de tiempo de la señal de audio. El proveedor de la señal de activación de distorsión de tiempo también comprende... [Seguir leyendo]

1. Proveedor (100; 230; 234) de la señal de activación de distorsión de tiempo para proporcionar una señal (112; 232; 234p) de activación de distorsión de tiempo sobre la base de una representación (110; 234e; 234k) de una señal de audio, comprendiendo el proveedor de la señal de activación de distorsión de tiempo:

un proveedor (120; 234f; 234l; 325; 370) de información de compactación de energía configurado para proporcionar una información (122; 234m; 234n; 326; 374) de compactación de energía que describe una compactación de energía en una representación (222) espectral transformada por la distorsión de tiempo de la señal de audio; y un comparador (130; 234º) configurado para comparar la información (122; 234m; 234n; 326; 374) de compactación de energía con un valor de referencia, y para proporcionar la señal (112; 232; 234p) de activación de distorsión de tiempo con dependencia de un resultado de la comparación;

en el que el proveedor (120; 234f; 234l; 325) de información de compactación de energía está configurado para proporcionar una medida de entropía perceptiva (pe) que describe la representación (234e; 234k) espectral transformada por la distorsión de tiempo de la señal de audio como la información (122; 234m; 234n) de compactación de energía; y en el que el proveedor (120; 234f; 234l; 325) de información de compactación de energía está configurado para calcular un número (nl) estimado de líneas que no son cero para una o más bandas de factor de escala de la representación (234e; 234k) espectral transformada por la distorsión de tiempo de la señal de audio sobre la base de una información de factor de forma (ffac (n) ) de la banda de factor de escala, y para calcular la medida de entropía (326) perceptiva para una banda de factor de escala en consideración utilizando una multiplicación del número (nl) estimado de líneas que no son cero y una medida de energía de la banda de factor de escala en consideración.

2. Proveedor (100; 230; 234) de la señal de activación de distorsión de tiempo para proporcionar una señal (112; 232; 234p) de activación de distorsión de tiempo sobre la base de una representación (110; 234e; 234k) de una señal de audio, comprendiendo el proveedor de la señal de activación de distorsión de tiempo:

un proveedor (120; 234f; 234l; 325; 370) de información de compactación de energía configurado para proporcionar una información (122; 234m; 234n; 326; 374) de compactación de energía que describe una compactación de energía en una representación (222) espectral transformada por la distorsión de tiempo de la señal de audio; y un comparador (130; 234º) configurado para comparar la información (122; 234m; 234n; 326; 374) de compactación de energía con un valor de referencia, y para proporcionar la señal (112; 232; 234p) de activación de distorsión de tiempo con dependencia de un resultado de la comparación;

en el que el proveedor (120; 234f; 234l; 370) de información de compactación de energía está configurado para proporcionar una medida (374) de autocorrelación que describe una autocorrelación de una representación de dominio de tiempo distorsionado en el tiempo de la señal (234e; 234k) de audio como la información de compactación de energía; y en el que el proveedor (120; 234f; 234l; 370) de información de compactación de energía está configurado para determinar una suma de valores absolutos de una función de autocorrelación normalizada de la representación (234e; 234k) distorsionada en el tiempo de la señal de audio para obtener la información de compactación de energía.

3. Proveedor (100; 230; 234) de la señal de activación de distorsión de tiempo para proporcionar una señal (112; 232; 234p) de activación de distorsión de tiempo sobre la base de una representación (110; 234e; 234k) de una señal de audio, comprendiendo el proveedor de la señal de activación de distorsión de tiempo:

un proveedor (120; 234f; 234l; 325; 370) de información de compactación de energía configurado para proporcionar una información (122; 234m; 234n; 326; 374) de compactación de energía que describe una compactación de energía en una representación (222) espectral transformada por la distorsión de tiempo de la señal de audio; y un comparador (130; 234º) configurado para comparar la información (122; 234m; 234n; 326; 374) de compactación de energía con un valor de referencia, y para proporcionar la señal (112; 232; 234p) de activación de distorsión de tiempo con dependencia de un resultado de la comparación;

en el que el proveedor (120; 234f; 234l) de información de compactación de energía está configurado para proporcionar una medida de planicidad espectral que describe la representación (234e; 234k) espectral transformada por la distorsión de tiempo de la señal de audio como la información (122; 234m; 234n) de compactación de energía; y en el que el proveedor (120; 234f; 234l) de información de compactación de energía está configurado para calcular un cociente de una media geométrica del espectro (234e; 234k) de potencia transformado por la distorsión de tiempo de la señal de audio y una media aritmética del espectro (234e; 234k) de potencia transformada por la distorsión de tiempo de la señal de audio para obtener la medida de planicidad espectral.

4. Proveedor (100; 230; 234) de la señal de activación de distorsión de tiempo según una de las reivindicaciones 1 a 3, en el que el proveedor (120; 234f; 234l) de información de compactación de energía está configurado para enfatizar una parte de frecuencia más alta de la representación (234e; 234k) espectral transformada por la distorsión de tiempo cuando se compara con una parte de frecuencia más baja de la representación (234e; 234k) espectral transformada por la distorsión de tiempo para obtener la información (122; 234m; 234n) de compactación de energía.

5. Proveedor (100; 230; 234) de la señal de activación de distorsión de tiempo según una de las reivindicaciones 1 a 4, en el que el proveedor (120; 234m; 234n) de información de compactación de energía está configurado para obtener una pluralidad de medidas banda por banda de planicidad espectral, y para calcular un promedio de la pluralidad de medidas banda por banda de planicidad espectral para obtener la información (122, 234m; 234n) de compactación de energía.

6. Proveedor (100; 230) de la señal de activación de distorsión de tiempo según la reivindicación 1 a 5, en el que el proveedor de la señal de activación de distorsión de tiempo comprende un calculador de valor de referencia configurado para calcular el valor de referencia sobre la base de una representación espectral sin distorsionar la señal

(210) de audio o sobre la base de una representación del dominio de tiempo sin distorsionar de la señal (210) de audio; y en el que el comparador está configurado para formar un valor de relación que utiliza la información (122) de compactación de energía que describe una compactación de energía en una representación espectral transformada por la distorsión de tiempo de la señal de audio y el valor de referencia, y para comparar el valor de relación con uno o más valores de umbral para obtener la señal de activación de distorsión de tiempo como resultado de la comparación.

7. Proveedor (230; 234) de la señal de activación de distorsión de tiempo según una de las reivindicaciones 1 a 6, en el que el proveedor de la señal de activación de distorsión de tiempo comprende un calculador de valor de referencia configurado para calcular el valor de referencia sobre la base de una representación distorsionada en el tiempo de la señal (210) de entrada, distorsionada en el tiempo utilizando una información (288) estándar del contorno de distorsión de tiempo; y

en el que el comparador está configurado para formar un valor de relación que utiliza la información (234e) de compactación de energía que describe una compactación de energía en una representación distorsionada en el tiempo de la señal de audio y el valor de referencia, y para comparar el valor de relación con uno o más valores de umbral para obtener la señal de activación de distorsión de tiempo como resultado de la comparación.

8. Codificador (200) de señal de audio para codificar una señal (210) de audio de entrada para obtener una representación (212) codificada de la señal de audio de entrada, comprendiendo el codificador de señal de audio:

un transformador (220) de distorsión de tiempo configurado para proporcionar una representación (222) espectral transformada por la distorsión de tiempo sobre la base de la señal (210) de audio de entrada utilizando un contorno de distorsión de tiempo;

un proveedor (100; 230; 234) de la señal de activación de distorsión de tiempo según una de las reivindicaciones 1 a 7, en el que el proveedor de la señal de activación de distorsión de tiempo está configurado para recibir la señal (210) de audio de entrada y para proporcionar la señal (112; 232; 234p) de activación de distorsión de tiempo; y un controlador (240) configurado para proporcionar de forma selectiva, con dependencia de la señal (112; 232; 234p) de activación de distorsión de tiempo, una información (286) del contorno de distorsión de tiempo recientemente hallada, que describe una parte de contorno de distorsión de tiempo no constante, o una información (288) estándar del contorno de distorsión de tiempo, que describe una parte constante del contorno de distorsión de tiempo, al transformador (220) de distorsión de tiempo para describir el contorno de distorsión de tiempo utilizado por el transformador (220) de distorsión de tiempo.

9. Codificador de señal de audio según la reivindicación 8, en el que el codificador de señal de audio comprende una interfaz (280) de salida configurada para incluir la representación (222) espectral transformada por la distorsión de tiempo dentro de la representación (212) codificada de la señal de audio, y

para incluir de forma selectiva, con dependencia de la señal (232) de activación de distorsión de tiempo, una información del contorno de distorsión de tiempo dentro de la representación (212) codificada de la señal de audio.

10. Método (400) para proporcionar una señal de activación de distorsión de tiempo sobre la base de una señal de audio, comprendiendo el método:

proporcionar (410) una información de compactación de energía que describe una compactación de energía en una representación espectral transformada por la distorsión de tiempo de la señal de audio;

comparar (420) la información de compactación de energía con un valor de referencia; y proporcionar (430) la señal de activación de distorsión de tiempo con dependencia del resultado de la comparación;

en el que se proporciona una medida de entropía perceptiva (pe) que describe la representación (234e; 234k) espectral transformada por la distorsión de tiempo de la señal de audio como la información (122; 234m; 234n) de compactación de energía; y en el que se calcula un número (nl) estimado de líneas que no son cero para una o más bandas de factor de escala de la representación (234e; 234k) espectral transformada por la distorsión de tiempo de la señal de audio sobre la base de una información de factor de forma (ffac (n) ) de la banda de factor de escala, y en el que se calcula la medida de entropía (326) perceptiva para una banda de factor de escala en consideración utilizando una multiplicación del número (nl) estimado de líneas que no son cero y una medida de energía de la banda de factor de escala en consideración.

11. Método (400) para proporcionar una señal de activación de distorsión de tiempo sobre la base de una señal de audio, comprendiendo el método:

proporcionar (410) una información de compactación de energía que describe una compactación de energía en una representación espectral transformada por la distorsión de tiempo de la señal de audio;

comparar (420) la información de compactación de energía con un valor de referencia; y proporcionar (430) la señal de activación de distorsión de tiempo con dependencia del resultado de la comparación;

en el que se determina una suma de valores absolutos de una función de autocorrelación normalizada de la representación (234e; 234k) distorsionada en el tiempo de la señal de audio para obtener la información de compactación de energía.

12. Método (400) para proporcionar una señal de activación de distorsión de tiempo sobre la base de una señal de audio, comprendiendo el método:

proporcionar (410) una información de compactación de energía que describe una compactación de energía en una representación espectral transformada por la distorsión de tiempo de la señal de audio;

comparar (420) la información de compactación de energía con un valor de referencia; y proporcionar (430) la señal de activación de distorsión de tiempo con dependencia del resultado de la comparación;

en el que se proporciona una medida de planicidad espectral que describe la representación (234e; 234k) espectral transformada por la distorsión de tiempo de la señal de audio como la información (122; 234m; 234n) de compactación de energía; y en el que se calcula un cociente de una media geométrica del espectro (234e; 234k) de potencia transformado por la distorsión de tiempo de la señal de audio y una media aritmética del espectro (234e; 234k) de potencia transformada por la distorsión de tiempo de la señal de audio para obtener la medida de planicidad espectral.

13. Método (450) para codificar una señal de audio de entrada para obtener una representación codificada de la señal de audio de entrada, comprendiendo el método:

proporcionar (470) una señal de activación de distorsión de tiempo según una de las reivindicaciones 10 a 12, en el que la información de compactación de energía describe una compactación de energía en una representación espectral transformada por la distorsión de tiempo de la señal de audio de entrada; y proporcionar (480) de forma selectiva, con dependencia de la señal de activación de distorsión de tiempo, una descripción de la representación espectral transformada por la distorsión de tiempo de la señal de audio de entrada o una descripción de una representación espectral no transformada por la distorsión de tiempo de la señal de audio de entrada para su inclusión en la representación codificada de la señal de audio de entrada.

14. Programa informático para realizar el método de reivindicación 10 a 13 cuando el programa informático se ejecuta en una computadora.