(12) TŁUMACZENIE PATENTU EUROPEJSKIEGO (19) PL (11) PL/EP (96) Data i numer zgłoszenia patentu europejskiego:

Transkrypt

1 RZECZPOSPOLITA POLSKA (12) TŁUMACZENIE PATENTU EUROPEJSKIEGO (19) PL (11) PL/EP (96) Data i numer zgłoszenia patentu europejskiego: (13) (1) T3 Int.Cl. GL 19/012 (13.01) Urząd Patentowy Rzeczypospolitej Polskiej (97) O udzieleniu patentu europejskiego ogłoszono: Europejski Biuletyn Patentowy 16/ EP B1 (4) Tytuł wynalazku: Generowanie szumu komfortu w wysokiej rozdzielczości widmowo-czasowej w nieciągłej transmisji sygnałów audio () Pierwszeństwo: US P (43) Zgłoszenie ogłoszono: 28.. w Europejskim Biuletynie Patentowym nr /44 (4) O złożeniu tłumaczenia patentu ogłoszono: Wiadomości Urzędu Patentowego 16/12 (73) Uprawniony z patentu: Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.v., München, DE (72) Twórca(y) wynalazku: PL/EP T3 ANTHONY LOMBARD, Erlangen, DE MARTIN DIETZ, Nürnberg, DE STEPHAN WILDE, Nürnberg, DE EMMANUEL RAVELLI, Erlangen, DE PANJI SETIAWAN, Erlangen, DE MARKUS MULTRUS, Nürnberg, DE (74) Pełnomocnik: rzecz. pat. Eliza Stypińska LDS ŁAZEWSKI DEPO I WSPÓLNICY ul. Okopowa 8/ Warszawa Uwaga: W ciągu dziewięciu miesięcy od publikacji informacji o udzieleniu patentu europejskiego, każda osoba może wnieść do Europejskiego Urzędu Patentowego sprzeciw dotyczący udzielonego patentu europejskiego. Sprzeciw wnosi się w formie uzasadnionego na piśmie oświadczenia. Uważa się go za wniesiony dopiero z chwilą wniesienia opłaty za sprzeciw (Art. 99 (1) Konwencji o udzielaniu patentów europejskich).

2 1 3 EP B1 Z Generowanie szumu komfortu w wysokiej rozdzielczości widmowo-czasowej w nieciągłej transmisji sygnałów audio Opis [0001] Niniejszy wynalazek dotyczy przetwarzania sygnałów audio, a zwłaszcza dodawania szumu komfortu do sygnałów audio. [0002] Generatory szumu komfortu są zwykle wykorzystywane do nieciągłej transmisji (DTX, ang. discontinuous transmission) sygnałów audio. W szczególności sygnałów audio zawierających mowę. W takim trybie, sygnał audio jest najpierw klasyfikowany w ramkach aktywnych i nieaktywnych przez detektor aktywności głosu (VAD, ang. voice activity detector). W oparciu o wyniki działania VAD, tylko ramki mowy aktywnej są kodowane i przesyłane z nominalną przepływnością. Podczas długich pauz, gdy obecny jest tylko szum tła, przepływność jest obniżana lub zerowana i szum tła jest kodowany epizodycznie i parametrycznie z zastosowaniem ramek deskryptora wprowadzania ciszy (ramek SID, ang. silence insertion descriptor). Średnia przepływność jest wtedy znacznie zmniejszona. [0003] Szum jest generowany podczas ramek nieaktywnych po stronie dekodera przez generatory szumu komfortu (CNG, ang. comfort noise generator). Rozmiar ramki SID w praktyce jest bardzo ograniczony. Stąd, utrzymana musi być jak najmniejsza liczba parametrów opisujących szum tła. W tym celu, estymacja szumu nie jest stosowana bezpośrednio na wyjściu transformacji widmowych. Zamiast tego, stosowana jest z niższą rozdzielczością widmową poprzez uśrednianie widma mocy wejściowej pomiędzy grupami pasm, np. zgodnie ze skalą Barka. Uśrednianie może być uzyskane środkami arytmetycznymi lub geometrycznymi. Niestety, ograniczona liczba parametrów przesyłanych w ramkach SID nie pozwala na uchwycenie dokładnej struktury widmowej szumu tła. Stąd, odtworzona może być tylko gładka obwiednia widmowa szumu przez CNG. Gdy VAD inicjuje ramkę CNG, rozbieżność między gładkim widmem zrekonstruowanego szumu komfortu i widmem faktycznego szumu tła może stać się bardzo słyszalna w przejściach między ramkami aktywnymi (obejmujących regularne kodowanie i dekodowanie części mowy zaszumionej sygnału) i ramkami CNG. [0004] Przykład kodeka audio obsługującego syntezę szumu podczas faz nieaktywnych ujawniono w dokumencie patentowym WO 12/1482 A2. Celem niniejszego wynalazku jest udostępnienie ulepszonej koncepcji przetwarzania sygnału audio. W szczególności, celem niniejszego wynalazku jest udostępnienie ulepszonej koncepcji dla dodawania szumu komfortu do sygnałów audio. Cel niniejszego wynalazku jest osiągnięty przez dekoder audio określony w zastrzeżeniu 1, przez układ określony w zastrzeżeniu 17, przez sposób określony w zastrzeżeniu 18 i przez program komputerowy określony w zastrzeżeniu 19.

3 2 3 [000] W jednym aspekcie wynalazek udostępnia dekoder audio skonfigurowany do dekodowania strumienia bitów tak, aby wytwarzać z niego wyjściowy sygnał audio, przy czym strumień bitów zawiera co najmniej fazę aktywną, po której następuje co najmniej faza nieaktywna, przy czym strumień bitów zawiera zakodowaną w nim ramkę deskryptora wprowadzania ciszy, która opisuje widmo szumu tła, przy czym dekoder audio zawiera: dekoder deskryptora wprowadzania ciszy skonfigurowany do dekodowania ramki deskryptora wprowadzania ciszy tak, aby zrekonstruować widmo szumu tła; urządzenie dekodujące skonfigurowane do rekonstrukcji wyjściowego sygnału audio ze strumienia bitów podczas fazy aktywnej; konwerter widmowy skonfigurowany do wyznaczania widma wyjściowego sygnału audio; urządzenie estymatora szumu skonfigurowane do wyznaczania pierwszego widma szumu wyjściowego sygnału audio w oparciu o widmo wyjściowego sygnału audio dostarczone przez konwerter widmowy, przy czym pierwsze widmo szumu wyjściowego sygnału audio ma wyższą rozdzielczość widmową od widma szumu tła dostarczonego przez dekoder deskryptora wprowadzania ciszy; konwerter rozdzielczości skonfigurowany do ustanawiania drugiego widma szumu wyjściowego sygnału audio w oparciu o pierwsze widmo szumu wyjściowego sygnału audio, przy czym drugie widmo szumu wyjściowego sygnału audio ma taką samą rozdzielczość widmową jak widmo szumu tła dostarczone przez dekoder deskryptora wprowadzania ciszy; urządzenie estymacji widma szumu komfortu zawierające urządzenie do obliczania współczynnika skalowania skonfigurowane do obliczania współczynników skalowania dla widma dla szumu komfortu w oparciu o widmo szumu tła dostarczone przez dekoder deskryptora wprowadzania ciszy i w oparciu o drugie widmo szumu wyjściowego sygnału audio dostarczone przez konwerter rozdzielczości i zawierające generator widma szumu komfortu skonfigurowany do obliczania widma szumu komfortu w oparciu o współczynniki skalowania; oraz generator szumu komfortu skonfigurowany do wytwarzania szumu komfortu podczas fazy nieaktywnej w oparciu o widmo dla szumu komfortu. [0006] Strumień bitów zawiera fazy aktywne i fazy nieaktywne, przy czym faza aktywna jest fazą, która zawiera składowe pożądane informacji audio, takiej jak mowa lub muzyka, podczas gdy faza nieaktywna jest fazą, która nie zawiera żadnych składowych pożądanych informacji audio. Fazy nieaktywne zwykle pojawiają się podczas pauz, gdy nie są obecne żadne pożądane składowe, takie jak muzyka lub mowa. Stąd, fazy nieaktywne zwykle zawierają wyłącznie szum tła. Informacja w strumieniu bitów zawierająca zakodowany sygnał audio jest wbudowana w tak zwane ramki, przy czym każda z ramek zawiera informację audio odnoszącą się do pewnego czasu. Podczas faz aktywnych, ramki aktywne zawierające informację audio zawierającą informację audio dotyczącą sygnału pożądanego mogą być przesyłane w strumieniu bitów. W przeciwieństwie do tego, podczas faz nieaktywnych ramki

4 3 3 deskryptora wprowadzania ciszy zawierające informacje szumu mogą być przesyłane w strumieniu bitów z niższą średnią przepływnością w porównaniu ze średnią przepływnością faz aktywnych. [0007] Dekoder deskryptora wprowadzania ciszy jest skonfigurowany do dekodowania ramek deskryptora wprowadzania ciszy tak, aby rekonstruować widmo szumu tła. Jednak to widmo szumu tła nie pozwala na uchwycenie dokładnej struktury widmowej szumu tła z powodu ograniczonej liczby parametrów przesyłanych w ramkach deskryptora wprowadzania ciszy. [0008] Urządzeniem dekodującym może być urządzenie lub program komputerowy zdolny do dekodowania strumienia bitów audio, który jest strumieniem danych cyfrowych zawierającym informację audio, podczas faz aktywnych. Operacja dekodowania może prowadzić do uzyskania cyfrowego zdekodowanego wyjściowego sygnału audio, który może być dostarczany do konwertera D/A dla wytwarzania analogowego sygnału audio, który następnie może być dostarczany do głośnika, do wytwarzania sygnału słyszalnego. [0009] Konwerter widmowy może pozyskiwać widmo wyjściowego sygnału audio, które ma znacznie wyższą rozdzielczość widmową niż widmo szumu tła dostarczone przez dekoder deskryptora wprowadzania ciszy. [00] Stąd, estymator szumu może wyznaczać pierwsze widmo szumu wyjściowego sygnału audio w oparciu o widmo wyjściowego sygnału audio dostarczane przez konwerter widmowy, przy czym pierwsze widmo szumu wyjściowego sygnału audio ma wyższą rozdzielczość widmową niż widmo szumu tła dostarczane przez dekoder deskryptora wprowadzania ciszy. [0011] Ponadto, konwerter rozdzielczości może ustanawiać drugie widmo szumu wyjściowego sygnału audio w oparciu o pierwsze widmo szumu wyjściowego sygnału audio, przy czym drugie widmo szumu wyjściowego sygnału audio ma taką samą rozdzielczość widmową jak widmo szumu tła dostarczane przez dekoder deskryptora wprowadzania ciszy. [0012] Urządzenie do obliczania współczynników skalowania może łatwo obliczać współczynniki skalowania dla widma dla szumu komfortu w oparciu o widmo szumu tła dostarczane przez dekoder deskryptora wprowadzania ciszy i w oparciu o drugie widmo szumu wyjściowego sygnału audio dostarczane przez konwerter rozdzielczości, ponieważ widmo szumu tła dostarczane przez dekoder deskryptora wprowadzania ciszy i drugie widmo szumu wyjściowego sygnału audio mają taką samą rozdzielczość widmową. [0013] Generator widma szumu komfortu może ustanawiać widmo dla szumu komfortu w oparciu o współczynniki skalowania i w oparciu o pierwsze widmo szumu wyjściowego sygnału audio dostarczane przez urządzenie estymacji szumu. [0014] Ponadto, generator szumu komfortu może wytwarzać szum komfortu podczas fazy nieaktywnej w oparciu o widmo dla szumu komfortu. [00] Estymacje szumu uzyskane w dekoderze zawierają informację o strukturze widmowej szumu tła, która jest dokładniejsza od informacji o gładkiej obwiedni widmowej szumu tła zawartej w ramkach SID. Jednak estymacje te nie mogą być aktualizowane podczas faz

5 4 3 nieaktywnych ponieważ estymacja szumu jest realizowana na zdekodowanym wyjściowym sygnale audio podczas faz aktywnych. W przeciwieństwie do tego, ramki SID dostarczają nową informację o obwiedni widmowej podczas faz nieaktywnych. Dekoder według wynalazku łączy te dwa źródła informacji. Współczynniki skalowania mogą być aktualizowane podczas faz aktywnych w zależności od estymacji szumu po stronie dekodera i podczas faz nieaktywnych w zależności od estymacji szumu zawartych w ramkach SID. Ciągła aktualizacja współczynników skalowania zapewnia, że nie ma nagłych zmian charakterystyki wytwarzanego szumu komfortu. [0016] Ponieważ widmo szumu tła zawarte w ramkach SID i drugie widmo szumu wyjściowego sygnału audio mają taką samą rozdzielczość widmową aktualizacja współczynników skalowania, i w związku z tym szumu komfortu, może być dokonywana w łatwy sposób, ponieważ dla każdej grupy pasm częstotliwości widma szumu tła zawartego w ramkach SID istnieje dokładnie jedna grupa pasm częstotliwości w drugim widmie szumu wyjściowego sygnału audio. Należy zauważyć, że w korzystnym przykładzie wykonania grupy pasm częstotliwości widma szumu tła zawarte w ramkach SID i grupy pasm częstotliwości drugiego widma szumu wyjściowego sygnału audio odpowiadają sobie. [0017] Ponadto, ponieważ widmo szumu tła zawarte w ramkach SID i drugie widmo szumu wyjściowego sygnału audio mają taką samą rozdzielczość widmową aktualizacja współczynników skalowania nie wytwarza, albo wytwarza jedynie ledwo słyszalne artefakty. [0018] Według korzystnego przykładu wykonania wynalazku analizator widmowy zawiera urządzenie szybkiej transformacji Fouriera. Szybka transformacja Fouriera (FFT, ang. fast Fourier transform) jest algorytmem do obliczania dyskretnej transformacji Fouriera (DFT, ang. discrete Fourier transform) i jej odwrotności, co wymaga jedynie niewielkiego obciążenia obliczeniowego. Stąd, urządzenie szybkiej transformacji Fouriera może obliczać widmo wyjściowego sygnału audio w łatwy sposób. [0019] Według korzystnego przykładu wykonania wynalazku urządzenie estymacji szumu w dekoderze zawiera urządzenie konwertera skonfigurowane do konwersji widma wyjściowego sygnału audio na przekształcone widmo wyjściowego sygnału audio, które ma ogólnie znacznie niższą rozdzielczość widmową. Dzięki dostarczaniu przekształconego widma wyjściowego sygnału audio złożoność następnych etapów obliczeniowych może być zmniejszona. [00] Według korzystnego przykładu wykonania wynalazku urządzenie estymacji szumu zawiera estymator szumu skonfigurowany do wyznaczania pierwszego widma szumu wyjściowego sygnału audio w oparciu o przekształcone widmo wyjściowego sygnału audio dostarczane przez urządzenie konwertera. Gdy widmo przekształcone wyjściowego sygnału audio jest wykorzystywane jako podstawa dla estymacji szumu w dekoderze, obciążenie obliczeniowe może być zmniejszone bez obniżania jakości estymacji szumu.

6 [0021] Według korzystnego przykładu wykonania wynalazku urządzenie do obliczania współczynników skalowania jest skonfigurowane do obliczania współczynników skalowania zgodnie ze wzorem, gdzie S FR (i) oznacza współczynnik skalowania dla grupy pasm częstotliwości i szumu komfortu, gdzie oznacza poziom grupy pasm częstotliwości i widma szumu tła zawartego w ramkach SID, gdzie oznacza poziom grupy pasm częstotliwości i drugiego widma szumu wyjściowego sygnału audio, gdzie i = 0,..., L LR - 1, gdzie L LR jest liczbą grup pasm częstotliwości widma szumu tła zawartego w ramkach SID i drugiego widma szumu wyjściowego sygnału audio. W ten sposób współczynniki skalowania mogą być obliczane w łatwy sposób [0022] Według korzystnego przykładu wykonania wynalazku generator widma szumu komfortu jest skonfigurowany do obliczania widma szumu komfortu w oparciu o współczynniki skalowania i w oparciu o pierwsze widmo szumu wyjściowego sygnału audio dostarczane przez urządzenie estymacji szumu. Dzięki temu, widmo szumu komfortu może być obliczane w taki sposób, że ma rozdzielczość widmową pierwszego widma szumu wyjściowego sygnału audio, która ogólnie jest znacznie wyższa od rozdzielczości widmowej uzyskiwanej z ramek SID. [0023] Według korzystnego przykładu wykonania wynalazku generator widma szumu komfortu jest skonfigurowany do obliczania widma szumu komfortu według wzoru, gdzie N FR (k) oznacza poziom pasma częstotliwości k widma szumu komfortu, gdzie S LR (i) oznacza współczynnik skalowania grupy pasm częstotliwości i widma szumu tła zawartego w ramkach SID i drugiego widma szumu wyjściowego sygnału audio, gdzie oznacza poziom pasma częstotliwości k pierwszego widma szumu wyjściowego sygnału audio, gdzie k = b LR (i),..., b LR (i + 1) - 1, gdzie b LR (i) jest pasmem częstotliwości jednej z grup pasm częstotliwości, gdzie i = 0,..., L LR - 1, gdzie L LR jest liczbą grup pasm częstotliwości widma szumu tła zawartego w ramkach SID i drugiego widma szumu wyjściowego sygnału audio. Dzięki temu widmo szumu komfortu może być obliczane z wysoką rozdzielczością w łatwy sposób. [0024] Według korzystnego przykładu wykonania wynalazku konwerter rozdzielczości zawiera pierwszy człon konwertera skonfigurowany do ustanawiania trzeciego widma szumu wyjściowego sygnału audio w oparciu o pierwsze widmo szumu wyjściowego sygnału audio, przy czym rozdzielczość widmowa trzeciego widma szumu wyjściowego sygnału audio jest wyższa lub taka sama, jak rozdzielczość widmowa pierwszego widma szumu wyjściowego sygnału audio i przy czym konwerter rozdzielczości zawiera drugi człon konwertera skonfigurowany do ustanawiania drugiego widma szumu wyjściowego sygnału audio.

7 6 [00] Według korzystnego przykładu wykonania wynalazku generator widma szumu komfortu jest skonfigurowany do obliczania widma szumu komfortu w oparciu o współczynniki skalowania i w oparciu o trzecie widmo szumu wyjściowego sygnału audio dostarczane przez pierwszy człon konwertera rozdzielczości. Dzięki temu podczas faz nieaktywnych uzyskane może być widmo szumu komfortu, które ma wyższą rozdzielczość widmową niż rozdzielczość widmowa pierwszego widma szumu wyjściowego sygnału audio podczas faz aktywnych. [0026] Według korzystnego przykładu wykonania wynalazku generator widma szumu komfortu jest skonfigurowany do obliczania widma szumu komfortu według wzoru 3, gdzie N FR (k) oznacza poziom pasma częstotliwości k widma szumu komfortu, gdzie S LR (i) oznacza współczynnik skalowania grupy pasm częstotliwości i widma szumu tła zawartego w ramkach SID i drugiego widma szumu wyjściowego sygnału audio, gdzie oznacza poziom pasma częstotliwości k trzeciego widma szumu wyjściowego sygnału audio, gdzie k = b LR (i),..., b LR (i + 1) - 1, gdzie b LR (i) jest pierwszym pasmem częstotliwości grupy pasm częstotliwości, gdzie i = 0,..., L LR - 1, gdzie L LR jest liczbą grup pasm częstotliwości widma szumu tła zawartego w ramkach SID i drugiego widma szumu wyjściowego sygnału audio. Dzięki temu widmo szumu komfortu może być obliczane z wysoką rozdzielczością w łatwy sposób. [0027] Według korzystnego przykładu wykonania wynalazku generator szumu komfortu zawiera konwerter szybkiej transformacji Fouriera skonfigurowany do regulacji poziomów pasm częstotliwości szumu komfortu w dziedzinie szybkiej transformacji Fouriera i drugi konwerter szybkiej transformacji Fouriera do wytwarzania co najmniej części szumu komfortu w oparciu o sygnał wyjściowy konwertera szybkiej transformacji Fouriera. Dzięki temu widmo szumu komfortu może być wytwarzane w łatwy sposób. [0028] Według korzystnego przykładu wykonania wynalazku urządzenie dekodujące zawiera dekoder rdzeniowy skonfigurowany do wytwarzania wyjściowego sygnału audio podczas fazy aktywnej. Dzięki temu uzyskana może być prosta budowa dekodera, która jest odpowiednia dla zastosowań wąskopasmowych (NB, ang. narrowband) i szerokopasmowych (WB, ang. wideband) [0029] Według korzystnego przykładu wykonania wynalazku urządzenie dekodujące zawiera dekoder rdzeniowy skonfigurowany do wytwarzania sygnału audio w module rozszerzania szerokości pasma skonfigurowanym do wytwarzania wyjściowego sygnału audio w oparciu o sygnał audio dostarczany przez dekoder rdzeniowy. Dzięki temu uzyskać można prostą budowę dekodera, która jest odpowiednia dla zastosowań super szerokopasmowych (SWB, ang. super wideband). [00] Według korzystnego przykładu wykonania wynalazku moduł rozszerzania szerokości pasma zawiera dekoder powielania pasm widmowych, analizator z lustrzanym filtrem kwadraturowym i/lub syntetyzator z lustrzanym filtrem kwadraturowym.

8 7 3 [0031] Według korzystnego przykładu wykonania wynalazku szum komfortu dostarczany przez konwerter szybkiej transformacji Fouriera jest dostarczany do modułu rozszerzania szerokości pasma. Dzięki temu szum komfortu dostarczany przez konwerter szybkiej transformacji Fouriera może być przekształcony w szum komfortu o wyższej szerokości pasma. [0032] Według korzystnego przykładu wykonania wynalazku generator szumu komfortu zawiera urządzenie regulatora z lustrzanym filtrem kwadraturowym, skonfigurowane do regulowania poziomów pasm częstotliwości szumu komfortu w dziedzinie lustrzanego filtra kwadraturowego, przy czym sygnał wyjściowy syntetyzatora z lustrzanym filtrem kwadraturowym jest dostarczany do modułu rozszerzania szerokości pasma. Dzięki temu, informacja o szumie przesyłana przez ramki deskryptora wprowadzania ciszy powiązane z częstotliwościami szumu wyższymi od szerokości pasma dekodera rdzeniowego może być wykorzystywana do dalszej poprawy szumu komfortu. [0033] W kolejnym aspekcie wynalazek dotyczy układu obejmującego dekoder i koder, w którym dekoder jest zaprojektowany według wynalazku. [0034] W innym aspekcie wynalazek dotyczy sposobu dekodowania strumienia bitów audio tak, aby wytwarzać z niego wyjściowy sygnał audio, przy czym strumień bitów zawiera co najmniej fazę aktywną, po której następuje co najmniej faza nieaktywna, przy czym strumień bitów zawiera zakodowaną w nim co najmniej jedną ramkę deskryptora wprowadzania ciszy, która opisuje widmo szumu tła, przy czym sposób obejmuje etapy: dekodowania ramki deskryptora wprowadzania ciszy tak, aby zrekonstruować widmo szumu tła szumu tła; rekonstrukcji wyjściowego sygnału audio ze strumienia bitów podczas fazy aktywnej; wyznaczania widma wyjściowego sygnału audio; wyznaczania pierwszego widma szumu wyjściowego sygnału audio w oparciu o widmo wyjściowego sygnału audio, przy czym pierwsze widmo szumu wyjściowego sygnału audio ma wyższą rozdzielczość widmową od widma szumu tła dostarczonego przez dekoder deskryptora wprowadzania ciszy; ustanawiania drugiego widma szumu wyjściowego sygnału audio w oparciu o pierwsze widmo szumu wyjściowego sygnału audio, przy czym drugie widmo szumu wyjściowego sygnału audio ma taką samą rozdzielczość widmową jak widmo szumu tła dostarczone przez dekoder deskryptora wprowadzania ciszy; obliczania współczynników skalowania dla widma dla szumu komfortu w oparciu o widmo szumu tła dostarczone przez dekoder deskryptora wprowadzania ciszy i w oparciu o drugie widmo szumu wyjściowego sygnału audio; oraz wytwarzania szumu komfortu podczas fazy nieaktywnej w oparciu o widmo dla szumu komfortu. [003] W kolejnym aspekcie wynalazek dotyczy programu komputerowego do realizacji, gdy jest uruchomiony w komputerze lub procesorze, sposobu według wynalazku.

9 8 3 [0036] Korzystne przykłady wykonania wynalazku są następnie omawiane w odniesieniu do załączonych rysunków, na których: Fig. 1 przedstawia pierwszy przykład wykonania dekodera według wynalazku; Fig. 2 przedstawia drugi przykład wykonania dekodera według wynalazku; Fig. 3 przedstawia trzeci przykład wykonania dekodera według wynalazku; Fig. 4 przedstawia pierwszy przykład wykonania kodera odpowiedniego dla układu według wynalazku; a Fig. przedstawia drugi przykład wykonania kodera odpowiedniego dla układu według wynalazku. [0037] Fig. 1 przedstawia pierwszy przykład wykonania dekodera 1 według wynalazku. Dekoder audio 1 przedstawiony na Fig. 1 jest skonfigurowany do dekodowania strumienia bitów BS tak, aby wytwarzać z niego wyjściowy sygnał audio OS, przy czym strumień bitów BS zawiera co najmniej fazę aktywną, po której następuje co najmniej faza nieaktywna, przy czym strumień bitów BS zawiera w nim zakodowaną co najmniej ramkę SI deskryptora wprowadzania ciszy, która opisuje widmo SBN szumu tła, przy czym dekoder audio 1 zawiera: urządzenie dekodujące 2 skonfigurowane do rekonstrukcji wyjściowego sygnału audio OS ze strumienia bitów BS podczas fazy aktywnej; dekoder 3 deskryptora wprowadzania ciszy skonfigurowany do dekodowania ramki SI deskryptora wprowadzania ciszy tak, aby zrekonstruować widmo SBN szumu tła; konwerter widmowy 4 skonfigurowany do wyznaczania widma SAS wyjściowego sygnału audio OS; urządzenie estymacji szumu skonfigurowane do wyznaczania pierwszego widma SN1 szumu wyjściowego sygnału audio OS w oparciu o widmo SAS wyjściowego sygnału audio OS dostarczone przez konwerter widmowy 4, przy czym pierwsze widmo SN1 szumu wyjściowego sygnału audio OS ma wyższą rozdzielczość widmową od widma SBN szumu tła; konwerter rozdzielczości 6 skonfigurowany do ustanawiania drugiego widma SN2 szumu wyjściowego sygnału audio OS w oparciu o pierwsze widmo SN1 szumu wyjściowego sygnału audio OS, przy czym drugie widmo SN2 szumu wyjściowego sygnału audio OS ma taką samą rozdzielczość widmową jak widmo SBN szumu tła; urządzenie 7 estymacji widma szumu komfortu zawierające urządzenie 7a do obliczania współczynników skalowania SF dla widma SCN dla szumu komfortu CN w oparciu o widmo SBN szumu tła dostarczone przez dekoder 3 deskryptora wprowadzania ciszy i w oparciu o drugie widmo SN2 szumu wyjściowego sygnału audio OS dostarczone przez konwerter rozdzielczości 6 i zawierające generator 7b widma szumu komfortu skonfigurowany do obliczania widma SCN dla szumu komfortu w oparciu o współczynniki skalowania SF; oraz

10 9 3 generator 8 szumu komfortu skonfigurowany do wytwarzania szumu komfortu CN podczas fazy nieaktywnej w oparciu o widmo SCN dla szumu komfortu CN. [0038] Strumień bitów BS zawiera fazy aktywne i fazy nieaktywne, przy czym fazą aktywną jest faza, która zawiera składowe pożądane informacji audio, takiej jak mowa lub muzyka, podczas gdy fazą nieaktywną jest faza, która nie zawiera żadnych składowych pożądanych informacji audio. Fazy nieaktywne pojawiają się podczas pauz, gdy nie są obecne żadne składowe pożądane, takie jak muzyka lub mowa. Stąd, fazy nieaktywne zwykle zawierają wyłącznie szum tła. Informacja w strumieniu bitów BS zawiera zakodowany sygnał audio w tak zwanych ramkach, przy czym każda z tych ramek zawiera informację audio odnoszącą się do pewnego czasu. Podczas faz aktywnych ramki zawierające informację audio zawierającą informację audio dotyczącą sygnału pożądanego mogą być przesyłane w strumieniu bitów BS. W przeciwieństwie do tego, podczas faz nieaktywnych ramki SI deskryptora wprowadzania ciszy zawierające informację szumu mogą być przesyłane w strumieniu bitów z niższą średnią przepływnością w porównaniu ze średnią przepływnością faz aktywnych. [0039] Urządzeniem dekodującym 2 może być urządzenie lub program komputerowy zdolny do dekodowania strumienia bitów audio BS, który jest strumieniem danych cyfrowych zawierającym informację audio, podczas faz aktywnych. Operacja dekodowania może prowadzić do uzyskania cyfrowego zdekodowanego wyjściowego sygnału audio OS, który może być dostarczany do konwertera D/A dla wytwarzania analogowego sygnału audio, który następnie może być dostarczany do głośnika, do wytwarzania sygnału słyszalnego. [0040] Dekoder 3 deskryptora wprowadzania ciszy jest skonfigurowany do dekodowania ramek SI deskryptora wprowadzania ciszy tak, aby rekonstruować widmo SBN szumu tła. Jednak to widmo SBN szumu tła nie pozwala na uchwycenie dokładnej struktury widmowej szumu tła z powodu ograniczonej liczby parametrów przesyłanych przez ramki SI deskryptora wprowadzania ciszy. [0041] Konwerter widmowy 4 może pozyskiwać widmo SAS wyjściowego sygnału audio, które ma znacznie wyższą rozdzielczość widmową niż widmo SBN szumu tła dostarczone przez dekoder 3 deskryptora wprowadzania ciszy. [0042] Stąd, estymator szumu może wyznaczać pierwsze widmo SN1 szumu wyjściowego sygnału audio OS w oparciu o widmo SAS wyjściowego sygnału audio dostarczanego przez konwerter widmowy 4, przy czym pierwsze widmo SN1 szumu wyjściowego sygnału audio OS ma wyższą rozdzielczość widmową niż widmo SBN szumu tła. [0043] Ponadto, konwerter rozdzielczości 6 może ustanawiać drugie widmo SN2 szumu wyjściowego sygnału audio OS w oparciu o pierwsze widmo SN1 szumu wyjściowego sygnału audio OS, przy czym drugie widmo SN2 szumu wyjściowego sygnału audio OS ma taką samą rozdzielczość widmową jak widmo SBN szumu tła. [0044] Urządzenie 7a do obliczania współczynników skalowania może łatwo obliczać współczynniki skalowania SF dla widma SCN dla szumu komfortu CN w oparciu o widmo SBN

11 3 szumu tła dostarczane przez dekoder 3 deskryptora wprowadzania ciszy i w oparciu o drugie widmo SN2 szumu wyjściowego sygnału audio OS dostarczane przez konwerter rozdzielczości 6, ponieważ widmo SBN szumu tła i drugie widmo SN2 szumu wyjściowego sygnału audio OS mają taką samą rozdzielczość widmową. [004] Generator 7b widma szumu komfortu może ustanawiać widmo SCN dla szumu komfortu CN w oparciu o współczynniki skalowania SF. [0046] Ponadto, generator 8 szumu komfortu może wytwarzać szum komfortu CN podczas fazy nieaktywnej w oparciu o widmo SCN dla szumu komfortu. [0047] Estymacje szumu uzyskane w dekoderze 1 zawierają informację o strukturze widmowej szumu tła, która jest dokładniejsza od informacji o strukturze widmowej szumu tła zawartej w ramkach SID SI. Jednak estymacje te nie mogą być aktualizowane podczas faz nieaktywnych, ponieważ estymacja szumu jest realizowana na zdekodowanym wyjściowym sygnale audio OS. W przeciwieństwie do tego, ramki SID dostarczają nową informację o obwiedni widmowej w regularnych przedziałach podczas faz nieaktywnych. Dekoder 1 według wynalazku łączy te dwa źródła informacji. Współczynniki skalowania SF mogą być aktualizowane podczas faz aktywnych w zależności od estymacji szumu po stronie dekodera i podczas faz nieaktywnych w zależności od estymacji szumu zawartych w ramkach SID SI. Ciągła aktualizacja współczynników skalowania SF zapewnia, że nie ma nagłych zmian właściwości wytwarzanego szumu komfortu CN. [0048] Ponieważ widmo SBN szumu tła zawarte w ramkach SID SI i drugie widmo SN2 szumu wyjściowego sygnału audio OS mają taką samą rozdzielczość widmową, aktualizacja współczynników skalowania SF, i w związku z tym szumu komfortu CN, może być dokonywana w łatwy sposób, ponieważ dla każdej grupy pasm częstotliwości widma SBN szumu tła zawartego w ramkach SID SI istnieje dokładnie jedna grupa pasm częstotliwości w drugim widmie SN2 szumu wyjściowego sygnału audio OS. Należy zauważyć, że w korzystnym przykładzie wykonania grupy pasm częstotliwości widma szumu tła zawarte w ramkach SID SI i grupy pasm częstotliwości drugiego widma szumu wyjściowego sygnału audio OS odpowiadają sobie wzajemnie. [0049] Ponadto, ponieważ widmo SBN szumu tła zawarte w ramkach SID SI i drugie widmo SN2 szumu wyjściowego sygnału audio OS mają taką samą rozdzielczość widmową, aktualizacja współczynników skalowania SF nie wytwarza, albo wytwarza jedynie ledwo słyszalne artefakty. [000] Według korzystnego przykładu wykonania wynalazku analizator widmowy 4 zawiera urządzenie szybkiej transformacji Fouriera. Szybka transformacja Fouriera (FFT, ang. fast Fourier transform) jest algorytmem do obliczania dyskretnej transformacji Fouriera (DFT, ang. discrete Fourier transform) i jej odwrotności, co wymaga jedynie niewielkiego obciążenia obliczeniowego. Stąd, urządzenie szybkiej transformacji Fouriera może obliczać widmo wyjściowego sygnału audio OS w łatwy sposób.

12 11 [001] Według korzystnego przykładu wykonania wynalazku urządzenie estymatora szumu zawiera urządzenie konwertera 9 skonfigurowane do konwersji widma SAS wyjściowego sygnału audio OS na przekształcone widmo CSA wyjściowego sygnału audio OS, które ma taką samą rozdzielczość widmową jak dekoder rdzeniowy 17. Ogólnie, rozdzielczość widmowa widma SAS wyjściowego sygnału audio OS uzyskanego przez konwerter widmowy 4 jest znacznie wyższa niż rozdzielczość widmowa dekodera rdzeniowego 17. Dzięki dostarczaniu przekształconego widma CSA wyjściowego sygnału audio OS złożoność następnych etapów obliczeniowych może być zmniejszona. [002] Według korzystnego przykładu wykonania wynalazku urządzenie estymatora szumu zawiera estymator szumu skonfigurowany do wyznaczania pierwszego widma SN1 szumu wyjściowego sygnału audio OS w oparciu o przekształcone widmo CSA wyjściowego sygnału audio OS dostarczane przez urządzenie konwertera 9. Gdy przekształcone widmo CSA wyjściowego sygnału audio OS jest wykorzystywane jako podstawa dla estymacji szumu w dekoderze, obciążenie obliczeniowe może być zmniejszone bez obniżania jakości estymacji szumu. [003] Według korzystnego przykładu wykonania wynalazku urządzenie 7a do obliczania współczynników skalowania jest skonfigurowane do obliczania współczynników skalowania SF zgodnie ze wzorem, gdzie S FR (i) oznacza współczynnik skalowania dla grupy pasm częstotliwości i szumu komfortu CN, gdzie oznacza poziom grupy pasm częstotliwości i widma SBN szumu tła, gdzie oznacza poziom grupy pasm częstotliwości i drugiego widma SN2 szumu wyjściowego sygnału audio OS, gdzie i = 0,..., L LR - 1, gdzie L LR jest liczbą grup pasm częstotliwości widma SBN szumu tła i drugiego widma SN2 szumu wyjściowego sygnału audio OS. W ten sposób współczynniki skalowania SF mogą być obliczane w łatwy sposób [004] Według korzystnego przykładu wykonania wynalazku generator 7b widma szumu komfortu jest skonfigurowany do obliczania widma SCN szumu komfortu CN w oparciu o współczynniki skalowania SF i w oparciu o pierwsze widmo SN1 szumu wyjściowego sygnału audio OS dostarczane przez urządzenie estymacji szumu. Dzięki temu widmo SCN szumu komfortu może być obliczane w taki sposób, że ma rozdzielczość widmową pierwszego widma SN1 szumu wyjściowego sygnału audio OS. [00] Według korzystnego przykładu wykonania wynalazku generator 7b widma szumu komfortu jest skonfigurowany do obliczania widma SCN szumu komfortu według wzoru 3, gdzie N FR (k) oznacza poziom pasma częstotliwości k widma SCN szumu komfortu, gdzie S LR (i) oznacza współczynnik skalowania SF grupy pasm częstotliwości i widma SBN szumu tła i drugiego widma SN2 szumu wyjściowego sygnału audio OS, gdzie

13 12 oznacza poziom pasma częstotliwości k pierwszego widma SN1 szumu wyjściowego sygnału audio OS, gdzie k = b LR (i),..., b LR (i + 1) - 1, gdzie b LR (i) jest pasmem częstotliwości jednej z grup pasm częstotliwości, gdzie i = 0,..., L LR - 1, gdzie L LR jest liczbą grup pasm częstotliwości widma SBN szumu tła i drugiego widma SN2 szumu wyjściowego sygnału audio. Dzięki temu widmo SCN szumu komfortu CN może być obliczane z wysoką rozdzielczością w łatwy sposób. [006] Według korzystnego przykładu wykonania wynalazku konwerter rozdzielczości 6 zawiera pierwszy człon 11 konwertera skonfigurowany do ustanawiania trzeciego widma SN3 szumu wyjściowego sygnału audio OS w oparciu o pierwsze widmo SN1 szumu wyjściowego sygnału audio OS, przy czym rozdzielczość widmowa trzeciego widma SN3 szumu wyjściowego sygnału audio OS jest taka sama lub wyższa od rozdzielczości widmowej pierwszego widma SN1 szumu wyjściowego sygnału audio OS i przy czym konwerter rozdzielczości 6 zawiera drugi człon 12 konwertera skonfigurowany do ustanawiania drugiego widma SN2 szumu wyjściowego sygnału audio OS. [007] Według korzystnego przykładu wykonania wynalazku generator 7b widma szumu komfortu jest skonfigurowany do obliczania widma SCN szumu komfortu w oparciu o współczynniki skalowania SF i w oparciu o trzecie widmo SN3 szumu wyjściowego sygnału audio OS dostarczane przez pierwszy człon 11 konwertera rozdzielczości 6. Dzięki temu uzyskane może być widmo SCN szumu komfortu, które ma wyższą rozdzielczość widmową, niż rozdzielczość widmowa widma SBN szumu tła dostarczanego przez dekoder 3 deskryptora wprowadzania ciszy. [008] Według korzystnego przykładu wykonania wynalazku generator 7b widma szumu komfortu jest skonfigurowany do obliczania widma SCN szumu komfortu według wzoru 3, gdzie N FR (k) oznacza poziom pasma częstotliwości k widma szumu komfortu SCN, gdzie S LR (i) oznacza współczynnik skalowania SF grupy pasm częstotliwości i drugiego widma SN2 szumu wyjściowego sygnału audio OS, gdzie oznacza poziom pasma częstotliwości k trzeciego widma SN3 szumu wyjściowego sygnału audio OS, gdzie k = b LR (i),..., b LR (i + 1) - 1, gdzie b LR (i) jest pierwszym pasmem częstotliwości grupy pasm częstotliwości, gdzie i = 0,..., L LR - 1, gdzie L LR jest liczbą grup pasm częstotliwości widma SBN szumu tła i drugiego widma SN2 szumu wyjściowego sygnału audio OS. Dzięki temu widmo szumu komfortu SCN może być obliczane z wysoką rozdzielczością w łatwy sposób. [009] Według korzystnego przykładu wykonania wynalazku generator 8 szumu komfortu zawiera pierwszy konwerter szybkiej transformacji Fouriera skonfigurowany do regulacji poziomów pasm częstotliwości szumu komfortu CN w dziedzinie szybkiej transformacji Fouriera i drugi konwerter 16 szybkiej transformacji Fouriera do wytwarzania co najmniej

14 13 3 części szumu komfortu CN w oparciu o sygnał wyjściowy pierwszego konwertera szybkiej transformacji Fouriera. Dzięki temu widmo szumu komfortu może być wytwarzane w łatwy sposób w łatwy sposób. [0060] Według korzystnego przykładu wykonania wynalazku urządzenie dekodujące 2 zawiera dekoder rdzeniowy 17 skonfigurowany do wytwarzania wyjściowego sygnału audio OS podczas fazy aktywnej. Dzięki temu uzyskana może być prosta budowa dekodera, która jest odpowiednia dla zastosowań wąskopasmowych (NB) i szerokopasmowych (WB) [0061] Według korzystnego przykładu wykonania dekoder audio 1 zawiera urządzenie 18 do odczytu nagłówków, które jest skonfigurowane do rozróżniania faz aktywnych i faz nieaktywnych. Urządzenie 18 do odczytu nagłówków ponadto jest skonfigurowane do przełączania urządzenie przełączającego 19 w taki sposób, że strumień bitów BS podczas faz aktywnych jest dostarczany do dekodera rdzeniowego 17 i że ramki deskryptora wprowadzania ciszy podczas faz nieaktywnych są dostarczane do dekodera 3 deskryptora wprowadzania ciszy. Dodatkowo, flaga faz nieaktywnych jest przesyłana go generatora 8 szumu tła w taki sposób, że wzbudzone może zostać generowanie szumu komfortu CN. [0062] Fig. 2 przedstawia drugi przykład wykonania dekodera audio 1 według wynalazku. Dekoder 1 przedstawiony na Fig. 2 jest oparty na dekoderze 1 z Fig. 1. Poniżej wyjaśnione są tylko różnice. Dekoder audio 1 według drugiego przykładu wykonania wynalazku zawiera moduł rozszerzania szerokości pasma, do którego dostarczany jest sygnał wyjściowy dekodera rdzeniowego 17. Moduł rozszerzania szerokości pasma jest skonfigurowany do wytwarzania wyjściowego sygnału EOS o rozszerzonej szerokości pasma w oparciu o wyjściowy sygnał audio OS. Dzięki temu uzyskać można prostą budowę dekodera 1, która jest odpowiednia dla zastosowań super szerokopasmowych (SWB). [0063] Według korzystnego przykładu wykonania wynalazku szum komfortu CN dostarczany przez konwerter 16 szybkiej transformacji Fouriera jest dostarczany do modułu rozszerzania szerokości pasma. Dzięki temu szum komfortu CN dostarczany przez konwerter 16 szybkiej transformacji Fouriera może być przekształcony w szum komfortu CN o wyższej szerokości pasma. [0064] Według korzystnego przykładu wykonania wynalazku generator 8 szumu komfortu zawiera urządzenie regulatora 24 z lustrzanym filtrem kwadraturowym skonfigurowane do regulowania poziomów pasm częstotliwości szumu komfortu CN w dziedzinie lustrzanego filtra kwadraturowego, przy czym sygnał wyjściowy syntetyzatora 24 z lustrzanym filtrem kwadraturowym jest dostarczany do modułu rozszerzania szerokości pasma. jako dodatkowy szum komfortu CN. Poziomy QMF zawarte w ramkach SI deskryptora wprowadzania ciszy mogą być wprowadzane do urządzenia 24 syntetyzatora z lustrzanym filtrem kwadraturowym. Dzięki temu, informacja o szumie przesyłana przez ramki SI deskryptora wprowadzania ciszy powiązane z częstotliwościami szumu wyższymi od szerokości

15 14 3 pasma dekodera rdzeniowego 17 może być wykorzystana do dalszej poprawy szumu komfortu CN. [006] Według korzystnego przykładu wykonania moduł rozszerzania szerokości pasma zawiera dekoder 21 powielania pasm widmowych, analizator 22 z lustrzanym filtrem kwadraturowym i/lub syntetyzator 23 z lustrzanym filtrem kwadraturowym. [0066] Fig. 3 przedstawia trzeci przykład wykonania dekodera 1 według wynalazku. Dekoder 1 z Fig. 3 jest oparty na dekoderze 1 z Fig. 2. Poniżej omówione zostaną tylko różnice. [0067] Według korzystnego przykładu wykonania urządzenie dekodujące 2 zawiera dekoder rdzeniowy 17 skonfigurowany do wytwarzania sygnału audio AS i moduł rozszerzania szerokości pasma skonfigurowany do wytwarzania wyjściowego sygnału audio OS w oparciu o sygnał audio AS dostarczany przez dekoder rdzeniowy 17. Dzięki temu uzyskać można prostą budowę dekodera, która jest odpowiednia dla zastosowań super szerokopasmowych (SWB). [0068] Co do zasady moduł rozszerzania szerokości pasma z Fig. 3 jest taki sam jak moduł rozszerzania szerokości pasma z Fig. 2. Jednak w trzecim przykładzie wykonania dekodera audio 1 według wynalazku moduł rozszerzania szerokości pasma jest wykorzystywany do wytwarzania wyjściowego sygnału audio OS, który jest dostarczany do konwertera widmowego 4. Dzięki temu cała szerokość pasma może być wykorzystana do wytwarzania szumu komfortu. [0069] W odniesieniu do trzech przykładów wykonania dekodera audio według wynalazku można dodać: Po stronie dekodera, zastosowany może być generator losowy 8 dla pobudzania każdego indywidualnego pasma widmowego w dziedzinie FFT, jak również w dziedzinie QMF dla trybów SWB. Amplituda losowych sekwencji powinna być indywidualnie obliczona w każdym paśmie tak, aby widmo generowanego szumu komfortu CN przypominało widmo faktycznego szumu tła obecnego w strumieniu bitów. [0070] Estymacje szumu w wysokiej rozdzielczości uzyskane przez dekoder 1 przechwytują informację o dokładnej strukturze widmowej szumu tła. Jednak estymacje te nie mogą być przystosowane podczas faz nieaktywnych ponieważ estymacja szumu jest realizowana na zdekodowanym sygnale OS. W przeciwieństwie do tego, ramki SID SI dostarczają nową informację o obwiedni widmowej w regularnych przedziałach podczas faz nieaktywnych. Niniejszy dekoder 1 łączy te dwa źródła informacji dla reprodukcji dokładnej obwiedni widmowej przechwyconej z szumu tła obecnego podczas faz aktywnych, ale aktualizuje tylko obwiednię widmową szumu komfortu CN podczas części nieaktywnych z pomocą informacji SID. [0071] Dla osiągnięcia tego celu, w dekoderze 1 zastosowany jest dodatkowy estymator szumu, jak pokazano na Fig. 1 do 3. Stąd, estymacja szumu jest realizowana po obu stronach układu transmisji, ale z zastosowaniem wyższej ramki deskryptora wprowadzania ciszy w dekoderze 1 niż zastosowana w koderze 0. Jednym ze sposobów dla uzyskania ramki deskryptora wprowadzania ciszy w dekoderze 1 jest po prostu uwzględnienie każdego pasma

16 widmowego indywidualnie (pełna rozdzielczość), zamiast ich grupowania poprzez uśrednianie jak w koderze 0. Alternatywnie, kompromis między rozdzielczością widmową i złożonością obliczeniową można uzyskać poprzez realizację grupowania widmowego również w dekoderze 1, ale z wykorzystaniem większej liczby grup widmowych w porównaniu z koderem 0, w ten sposób zapewniając dokładniejszą kwantyzację osi częstotliwości w dekoderze. [0072] Należy zauważyć, że estymacja szumu po stronie dekodera odbywa się na zdekodowanym sygnale OS. W układie na bazie DTX mogłaby zatem być realizowana tylko podczas faz aktywnych, tj. koniecznie na zawartości czystej mowy lub mowy zaszumionej (w przeciwieństwie do samego szumu). [0073] Widmo mocy szumu o wysokiej rozdzielczości (HR, ang. high-resolution) obliczane w dekoderze może być najpierw interpolowane (np. z użyciem interpolacji liniowej) dla zapewnienia widma mocy w pełnej rozdzielczości (FR, ang. full-resolution). Może być następnie przekształcone do widma mocy w niskiej rozdzielczości (LR, ang. lowresolution) poprzez grupowanie widmowe (tj. uśrednianie) tak jak ma to miejsce w koderze. Widmo mocy ma zatem tą samą rozdzielczość widmową co poziomy szumu uzyskane z ramek SID SI. W porównaniu z widmami szumu i w niskiej rozdzielczości, widmo szumu w pełnej rozdzielczości może być ostatecznie skalowane dla zapewnienia widma mocy w pełnej rozdzielczości jak następuje: gdzie L LR jest liczbą grup widmowych użytych w estymacji szumu w niskiej rozdzielczości w koderze, a b LR (i) oznacza pierwsze pasmo widmowe i-tej grupy widmowej, i= 0,..., LR -1. Widmo N FR (k) mocy szumu w pełnej rozdzielczości może być ostatecznie użyte do dokładnego dopasowania poziomu szumu komfortu generowanego w każdej indywidualnej FFT lub w banku QMF (ten ostatni tylko dla trybów SWB). [0074] Na Fig. 1 i 2 powyższy mechanizm jest zastosowany tylko dla współczynników FFT. Stąd, dla układów SWB nie jest on zastosowany w pasmach QMF przechwytujących zawartość o wysokiej rozdzielczości pozostawioną przez rdzeń. Ponieważ te częstotliwości są perceptualnie mniej istotne, odtworzenie obwiedni widmowej szumu dla tych częstotliwości jest w ogólności wystarczające. [007] Dla dopasowania poziomu szumu komfortu stosowanego w dziedzinie QMF dla częstotliwości, które znajdują się powyżej szerokości pasma rdzeniowego w trybach SWB, układ opiera się wyłącznie na informacji przesyłanej przez ramki SID. Moduł SBR jest w ten sposób ominięty, gdy VAD wzbudza ramkę CNG. W trybach WB, moduł CNG nie uwzględnia

17 16 3 pasm QMF ponieważ stosowane jest ślepe rozszerzanie szerokości pasma dla odzyskania pożądanej szerokości pasma. [0076] Jednak sposób można łatwo rozszerzyć dla objęcia całej szerokości pasma poprzez zastosowanie estymatora szumu po stronie dekodera na wyjściu modułu rozszerzania szerokości pasma zamiast jego zastosowania na wyjściu dekodera rdzeniowego. To rozszerzenie, pokazane na Fig. 3 powoduje wzrost złożoności obliczeniowej ponieważ uwzględnione muszą być również wysokie częstotliwości przechwycone przez bank filtrów QMF. [0077] Fig. 4 przedstawia pierwszy przykład wykonania kodera 0 odpowiedniego dla układu według wynalazku. Sygnał wewnętrzny IS jest dostarczany do pierwszego konwertera widmowego skonfigurowanego do przekształcania tego sygnału IS w dziedzinie czasu do dziedziny częstotliwości. Pierwszym konwerterem widmowym może być analizator z lustrzanym filtrem kwadraturowym. Sygnał wyjściowy z pierwszego konwertera widmowego jest dostarczany do drugiego konwertera widmowego 26, który jest skonfigurowany do przekształcania sygnału wyjściowego z pierwszego konwertera widmowego do dziedziny. Drugim konwerterem widmowym 26 może być syntetyzator z lustrzanym filtrem kwadraturowym. Sygnał wyjściowy z drugiego konwertera widmowego 26 jest dostarczany do trzeciego konwertera widmowego 27, którym może być urządzenie szybkiej transformacji Fouriera. Sygnał wyjściowy z trzeciego konwertera widmowego 27 jest dostarczany do urządzenia 28 estymacji szumu, które składa się z urządzenia konwertera 29 i estymatora szumu. [0078] Ponadto, koder 0 zawiera detektor 31 aktywności sygnału, który jest skonfigurowany do przełączania urządzenia przełączającego 32 w taki sposób, że podczas faz aktywnych wewnętrzny sygnał jest dostarczany do kodera rdzeniowego 33 i że w ramkach SID podczas faz nieaktywnych estymacja szumu utworzona przez urządzenie 28 estymacji szumu jest dostarczana do kodera 3 deskryptora wprowadzania ciszy. Ponadto, w fazach nieaktywnych flaga nieaktywności jest dostarczana do aktualizatora rdzeniowego 34. [0079] Koder 0 zawiera ponadto wytwarzacz 36 strumienia bitów, który odbiera ramki SI deskryptora wprowadzania ciszy z kodera 3 deskryptora wprowadzania ciszy i zakodowany sygnał wewnętrzny ISE z kodera rdzeniowego 33 do wytwarzania z nich strumienia bitów. [0080] Fig. przedstawia drugi przykład wykonania kodera 0, odpowiedni dla układu według wynalazku, który oparty jest na koderze 0 z pierwszego przykładu wykonania. Dodatkowe elementy drugiego przykładu wykonania zostaną krótko objaśnione poniżej. Sygnał wyjściowy z pierwszego konwertera jest również dostarczany do urządzenia 28 estymatora szumu. Ponadto podczas faz aktywnych, koder 37 powielania pasm widmowych wytwarza sygnał wzbogacania estymacji szumu, który zawiera informację o wyższych częstotliwościach w wejściowym sygnale audio IS. Ten sygnał wzbogacania 37 jest również

18 17 3 przesyłany do wytwarzacza 36 strumienia bitów tak, aby wprowadzić ten sygnał wzbogacania estymacji szumu do strumienia bitów BS. [0081] W odniesieniu do koderów pokazanych na Fig. 4 i dodać można następującą informację: W przypadku gdy VAD wzbudza fazę CNG, przesyłane są ramki SID zawierające informację o wewnętrznym szumie tła. To powinno umożliwić dekoderowi generowanie sztucznego szumu przypominającego faktyczny szum tła pod względem charakterystyki widmowo czasowej. W tym celu, estymator szumu 28 jest zastosowany po stronie kodera dla śledzenia kształtu widmowego szumu tła obecnego w wewnętrznym sygnale IS, jak pokazano na Fig. 4 i. [0082] Co do zasady, estymacja szumu może być stosowana z dowolnym narzędziem analizy widmowo czasowej rozkładającym sygnał w dziedzinie czasu na wiele pasm widmowych, o ile oferuje wystarczającą rozdzielczość widmową. W niniejszym układie, bank filtrów QMF jest zastosowany jako narzędzie ponownego próbkowania, dla próbkowania w dół sygnału wewnętrznego do rdzeniowej częstotliwości próbkowania. Przejawia on znacznie niższą rozdzielczość widmową od FFT, która jest stosowana dla próbkowanego w dół sygnału rdzeniowego. [0083] Ponieważ koder rdzeniowy 33 pokrywa już całą szerokość pasma NB i ponieważ tryby WB oparte są na ślepym rozszerzaniu szerokości pasma, częstotliwości powyżej rdzeniowej szerokości pasma są nieistotne i mogą być po prostu usunięte w przypadku układów NB i WB. W przeciwieństwie do tego, w trybach SWB częstotliwości te są przechwytywane przez górne pasma QMF i muszą być wyraźnie uwzględniane. [0084] Rozmiar ramki SID SI w praktyce jest bardzo ograniczony. Stąd, utrzymana musi być jak najmniejsza liczba parametrów opisujących szum tła. W tym celu, estymacja szumu nie jest stosowana bezpośrednio na wyjściu transformacji widmowej. Zamiast tego, jest ona stosowana z niższą rozdzielczością widmową poprzez uśrednianie wewnętrznego widma mocy pomiędzy grupami pasm, np. zgodnie ze skalą Barka. Uśrednianie można uzyskać albo środkami arytmetycznymi, albo geometrycznymi. W przypadku SWB, grupowanie widmowe jest realizowane osobno dla dziedzin FFT i QMF, podczas gdy tryby NB i WB oparte są tylko na dziedzinie FFT. [008] Należy zauważyć, że zmniejszanie rozdzielczości widmowej wprowadzania ciszy jest również korzystne pod względem złożoności obliczeniowej, ponieważ estymacja szumu musi być stosowana tylko dla małej liczby grup widmowych, zamiast uwzględniania indywidualnie każdego pasma widmowego. [0086] Estymowane poziomy szumu (jeden dla każdej grupy widmowej) mogą być razem zakodowane w ramkach SID z zastosowaniem technik kwantowania wektorowego. W trybach NB i WB, wykorzystywana jest jedynie dziedzina FFT. W przeciwieństwie do tego, w trybach SWB, kodowanie ramek SID może być realizowane dla obu dziedzin, FFT i QMF, z

19 18 3 zastosowaniem kwantowania wektorowego, tj. opierając się na jednej książce kodów obejmującej obie dziedziny. [0087] Chociaż pewne aspekty zostały opisane w kontekście urządzenia, jest oczywistym, że aspekty te reprezentują również opis odpowiadającego mu sposobu, gdzie blok lub urządzenie odpowiada etapowi sposobu lub cesze etapu sposobu. Analogicznie, aspekty opisane w kontekście sposobu reprezentują również opis odpowiadającego mu bloku lub pozycji lub cechy odpowiadającego mu urządzenia. Niektóre lub wszystkie etapy sposobu mogą być realizowane przez urządzenie sprzętowe lub z użyciem urządzenia sprzętowego, jak na przykład, mikroprocesora, programowalnego komputera lub obwodu elektronicznego. W niektórych przykładach realizacji, niektóre lub wszystkie z najważniejszych etapów sposobu mogą być realizowane przez takie urządzenie. [0088] W zależności od pewnych wymagań implementacji, warianty wykonania wynalazku mogą być implementowane sprzętowo lub programowo. Implementacja może być realizowana z użyciem trwałego nośnika pamięci, takiego jak cyfrowe nośniki pamięci, na przykład dyskietki, płyty DVD, płyty Blue-Ray, płyty CD, pamięci typu ROM, PROM, EPROM, EEPROM lub FLASH, zawierające zapisane na nich odczytywalne elektronicznie sygnały sterujące, które współdziałają (lub są zdolne do takiego współdziałania) z programowanym układem komputerowym, tak że realizowany jest odpowiedni sposób. W ten sposób cyfrowy nośnik pamięci może być odczytywalny komputerowo. [0089] Niektóre przykłady wykonania mogą zawierać nośnik danych zawierający elektronicznie odczytywalne sygnały sterujące, które są zdolne do współdziałania z programowalnym układem komputerowym, tak że realizowany jest jeden z opisanych tutaj sposobów. [0090] Ogólnie, warianty wykonania niniejszego wynalazku mogą być implementowane jako produkt będący programem komputerowym z kodem programu, który to kod programu może działać dla realizacji jednego ze sposobów wynalazku, kiedy produkt będący programem komputerowym uruchomiony jest w komputerze. Kod programu może na przykład być zapisany na odczytywalnym maszynowo nośniku. [0091] Inne przykłady wykonania zawierają program komputerowy do realizacji jednego z opisanych tutaj sposobów, zapisany na odczytywalnym maszynowo nośniku. [0092] Mówiąc inaczej, przykład wykonania sposobu wynalazku jest zatem programem komputerowym zawierającym kod programu do realizacji jednego z opisanych tutaj sposobów, kiedy produkt będący programem komputerowym uruchomiony jest w komputerze. [0093] Kolejny przykład wykonania jest zatem nośnikiem danych (lub cyfrowym nośnikiem pamięci, lub nośnikiem odczytywalnym komputerowo) zawierającym, zapisany na nim program komputerowy do realizacji jednego z opisanych tutaj sposobów. Nośnik danych, cyfrowy nośnik pamięci, lub nośnik zapisany typowo są rzeczywiste i/lub nie przejściowe. [0094] Kolejny przykład wykonania jest zatem strumieniem danych lub sekwencją sygnałów reprezentujących program komputerowy do realizacji jednego z opisanych tutaj sposobów.