CN102016995A - 用于处理音频信号的设备及其方法 - Google Patents

Abstract

本发明公开了一种用于处理音频信号的设备及其方法，通过其，可以自适应地标准化音频信号的局部动态范围以及音频信号的最大动态范围。本发明包括：通过音频处理设备接收信号；通过估计所述信号的功率计算长期功率和短时功率；基于所述长期功率产生慢增益；基于所述短时功率产生快增益；通过组合所述慢增益和所述快增益获得最终增益；以及，使用所述最终增益修正所述信号。

Description

用于处理音频信号的设备及其方法

技术领域

本发明涉及用于处理音频信号的设备及其方法。虽然本发明适合于广泛的应用，但是其特别适合于处理音频信号。

背景技术

通常，音频信号经由电视机或便携装置的扬声器、耳机等输出。在经由扬声器等输出音频信号之前，音频处理器能够对于音频信号执行噪声消除、标准化、音量调整功能等。

发明内容

技术问题

然而，在现有技术中，单独和独立地执行诸如噪声消除和标准化等的处理。而且，当音频内容相差很大地改变(例如，执行在TV频道或无线电频道(若干首歌曲)之间的跳过)时，可能不能根据音频内容的特性来执行标准化。

而且，因为当音量升高或降低时噪声迅速地改变，所以收听者可能听到背景噪声的标准化器如何调整音量。

技术方案

因此，本发明涉及一种用于处理音频信号的设备及其方法，它们基本上消除了由于现有技术的限制和缺点导致的一个或多个问题。

本发明的一个目的是提供一种用于通过自适应地标准化音频信号的局部动态范围以及最大动态范围来处理音频信号的设备及其方法。

本发明的另一个目的是提供一种用于处理音频信号的设备及其方法，通过其，可以根据标准化的程度来调整噪声消除的程度。

有益效果

因此，本发明提供了下面的效果和/或优点。

首先，因为对于局部动态范围以及最大动态范围自适应地执行标准化，本发明可以最小化对于声音质量引起的损害，并且自动地防止音量被过度地升高或降低。

其次，因为根据标准化的程度来调整噪声消除的程度，所以能够防止当通过标准化来自动地提高信号的电平时噪声的电平一起升高。

附图说明

被包括以提供本发明的进一步理解并且被包含在说明书中并构成说明书的一部分的附图，图示了本发明的实施例，并且与说明书一起用于解释本发明的原理。

在附图中：

图1是根据本发明的实施例的音频信号处理设备的框图；

图2是在图1中所示的噪声消除单元的详细框图；

图3是在图2中所示的标准化单元的详细框图；

图4是用于解释在图3中所示的快增益产生部分的功能的图；

图5是用于样本音乐的标准化增益和衰减极限的示例的图；

图6是用于在标准化增益和衰减极限值之间的关系的概念图；

图7是根据本发明的另一个实施例的音频信号处理设备的第一和第二示例的图；

图8是根据本发明的另一个实施例的音频信号处理设备的第三和第四示例的图；

图9是图7或图8中所示的音量控制单元的详细框图；

图10是被应用根据本发明的实施例的音频信号处理设备的音频信号解码设备的框图；

图11是其中实现了根据本发明的实施例的音频信号处理设备的产品的示意图；以及

图12是提供有根据本发明的实施例的音频信号处理设备的产品的图。

具体实施方式

本发明的其他特征和优点将在随后的附图中被给出，并且将部分地从说明书显而易见，或者可以通过本发明的实施来获悉。本发明的目的和其他优点将通过在书面说明及其权利要求以及附图中具体给出的结构来实现和获得。

为了实现这些和其他优点并且根据本发明的目的，如所实施和广义描述，一种用于处理音频信号的方法包括：通过音频处理设备接收信号；通过估计所述信号的功率计算长期功率和短时功率；基于所述长期功率产生慢增益；基于所述短时功率产生快增益；通过组合所述慢增益和所述快增益获得最终增益；以及，使用所述最终增益修正所述信号。

优选的是，通过将所述慢增益与所述快增益相乘产生所述最终增益。

优选的是，使用限幅器阈值、压缩器阈值和扩展器阈值的至少一个产生所述快增益。

优选的是，所述慢增益和所述快增益通过随时间被平滑而产生，并且其中，所述慢增益和所述快增益在极限范围内。

优选的是，所述慢增益、所述快增益和所述最终增益对应于全频带增益。

优选的是，使用包括在用户输入信息和装置设置信息的至少一个中的目标电平值产生所述慢增益和所述快增益。

优选的是，所述方法进一步包括：使用所述最终增益产生反馈信息。在该情况下，所述反馈信息极限与用于噪声消除的增益滤波器的最小值和最大值的至少一个相关联。

为了进一步实现这些和其他优点并且根据本发明的目的，一种用于处理音频信号的设备包括：功率估计部分，用于通过估计信号的功率计算长期功率和短时功率；慢增益产生部分，用于基于所述长期功率产生慢增益；快增益产生部分，用于基于所述短时功率产生快增益；最终增益获得部分，用于通过组合所述慢增益和所述快增益获得最终增益；以及，输出信号产生部分，用于使用所述最终增益修正所述信号。

优选的是，通过将所述慢增益与所述快增益相乘产生所述最终增益。

优选的是，使用限幅器阈值、压缩器阈值和扩展器阈值的至少一个产生所述快增益。

优选的是，所述慢增益和所述快增益通过随时间被平滑而产生，并且其中，所述慢增益和所述快增益在极限范围内。

优选的是，所述慢增益、所述快增益和所述最终增益对应于全频带增益。

优选的是，使用包括在用户输入信息和装置设置信息的至少一个中的目标电平值产生所述慢增益和所述快增益。

优选的是，所述设备进一步包括：反馈信息产生部分，用于使用所述最终增益产生反馈信息。在该情况下，所述反馈信息与用于噪声消除的增益滤波器的最小值和最大值的至少一个相关联。

为了进一步实现这些和其他优点并且根据本发明的目的，一种计算机可读介质，其上存储有指令，所述指令当被处理器执行时使得所述处理器执行操作，所述操作包括：通过音频处理设备接收信号；通过估计所述信号的功率计算长期功率和短时功率；基于所述长期功率产生慢增益；基于所述短时功率产生快增益；通过组合所述慢增益和所述快增益获得最终增益；以及，使用所述最终增益修正所述信号。

为了进一步实现这些和其他优点并且根据本发明的目的，一种用于处理音频信号的方法包括：通过音频处理设备接收信号和基于标准化增益估计的反馈信息；基于所述信号产生噪声估计；基于所述噪声估计和所述信号计算用于噪声消除的增益滤波器；以及，通过向所述增益滤波器应用所述反馈信息获得限定增益滤波器。

优选的是，所述方法进一步包括：通过向所述信号应用所述限定增益滤波器产生输出信号。在该情况下，基于所述输出信号和目标电平值产生标准化增益。

优选的是，所述增益滤波器是与在信号中的噪声信号的相对比例相关联的随时间频率变化的值。

优选的是，所述增益滤波器和所述噪声信号彼此成反比。

优选的是，所述标准化增益对应于慢增益和快增益的组合。在该情况下，所述慢增益对应于用于控制所述信号的最大动态范围的增益，并且，所述快增益对应于用于控制所述信号的局部动态范围的增益。

为了进一步实现这些和其他优点并且根据本发明的目的，一种用于处理音频信号的设备包括：噪声检测部分，用于基于信号产生噪声估计；以及，增益滤波器计算部分，用于基于所述噪声估计和所述信号计算用于噪声消除的增益滤波器，增益滤波器计算部分通过向所述增益滤波器应用反馈信息获得限定增益滤波器，其中，从标准化部分接收所述反馈信息，其中，基于标准化增益估计所述反馈信息。

优选的是，所述设备进一步包括乘法器，用于通过向所述信号应用所述限定增益滤波器产生输出信号。在该情况下，基于所述输出信号和目标电平值产生所述标准化增益。

优选的是，所述增益滤波器是与在信号中的噪声信号的相对比例相关联的随时间频率变化的值。

优选的是，所述增益滤波器和所述噪声信号彼此成反比。

优选的是，所述标准化增益对应于慢增益和快增益的组合。在该情况下，所述慢增益对应于用于控制所述信号的最大动态范围的增益，并且，所述快增益对应于用于控制所述信号的局部动态范围的增益。

为了进一步实现这些和其他优点并且根据本发明的目的，一种计算机可读介质，其上存储有指令，所述指令当被处理器执行时使得所述处理器执行操作，所述操作包括：通过音频处理设备接收信号和基于标准化增益估计的反馈信息；基于所述信号产生噪声估计；基于所述噪声估计和所述信号计算用于噪声消除的增益滤波器；以及，通过向所述增益滤波器应用所述反馈信息获得限定增益滤波器。

应当明白，上述的总体描述和下面的详细描述都是示例性的和解释性的，并且意在提供所要求保护的发明的进一步解释。

发明的模式

现将参考本发明的优选实施例，在附图中图示该优选实施例的示例。首先，在本说明书和权利要求中使用的术语或词汇不被解释为限于通常或词典中的含义，而是应当基于下述原则被解释为与本发明的技术思想匹配的含义或概念，该原则是：发明人能够适当地定义术语的概念以便以最佳的方式来描述发明人的发明。在本公开中公开的实施例和在附图中所示的配置仅是一个优选实施例，而不表示本发明的全部技术思想。因此，应当明白，本发明涵盖本发明的修改和变型，只要它们在本申请提出时所附的权利要求及其等同内容的范围内。

可以基于下面的标准来解释本发明中的下面的术语，并且可以根据下面的目的来解释未能解释的其他术语。首先，应当明白，在本发明中的概念“译码”包括编码和解码。其次，在本公开中的“信息”是通常包括值、参数、系数和元素等的术语，并且其含义可以偶尔被解释为不同，本发明不为其限制。

在本公开中，广义上讲，音频信号在概念上与视频信号相区别，并且指定可以在听觉上识别的所有种类的信号。狭义上讲，音频信号表示没有话音特性或具有少量的话音特性的信号。应当广义地解释本发明的音频信号。而且，在与话音信号相区分地使用的情况下，本发明的音频信号可以理解为狭义的音频信号。

图1是根据本发明的实施例的音频信号处理设备的框图。

参见图1，音频信号处理设备包括噪声消除单元100和标准化单元200，并且可以进一步包括音量控制单元300。

噪声消除单元100检测或估计对于输入音频信号y[n]的在音频信号中包括的噪声，基于噪声的相对比例来确定每时间每频率的增益，然后，向音频信号应用所确定的增益。在确定增益中，能够使用从标准化单元200输出的反馈信息。将在下面参考图2来详细描述噪声消除单元100。

标准化单元200能够通过下述方式自适应地控制输入信号的最大动态范围和局部动态范围：基于目标电平值对于输入音频信号y[n]或由噪声消除单元处理的信号执行标准化。下面，将参考图3至6来详细解释标准化单元200。在该情况下，目标电平值是用户输入的信息或装置设置信息，并且可以对应于全频带增益(例如，10dB，而与频带无关)。

而且，音量控制单元300基于目标电平值来控制标准化的音频信号的音量。

图2是在图1中所示的噪声消除单元的详细框图。

参见图2，噪声消除单元100可以包括时间频率分析部分110、增益滤波器计算部分120、噪声检测部分130和时间频率合成部分140。

首先，输入音频信号y[n]被假定为下面的公式。

[公式1]

y[n]＝x[n]+v[n]

在公式1中，y[n]是输入信号，x[n]是期望的信号或干净信号，v[n]是噪声信号，并且“n”指示时间索引。

时间频率分析部分100对于输入的音频信号执行时间频率分析。同时，时间频率分析可以通过短时间傅立叶变换(STFT)来执行，或可以通过滤波器组或另外的时间频率变换来执行，本发明不为其限制。在执行了时间频率分析的情况下，公式1可以被表示为下面的公式。

[公式2]

Y[k，m]＝X[k，m]+V[k，m]

在该情况下，“k”指示时间帧编号，并且“m”指示频率点索引。

因为人的感觉对于相位破坏相对不敏感，所以可以将估计的相位选择为等于噪声相位。在该情况下，|X[k，m]|的估计足以恢复期望的话音信号或期望的音频信号。在单个处理帧内，可以通过不相关的静态处理来建模话音信号x和噪声信号v。这被表示为下面的公式。如果通过这个公式来执行建模，则能够通过从|Y[k，m]|²减去噪声信号的功率谱的估计

来重建期望信号或干净信号的功率谱|X[k，m]|²。根据与维纳滤波的类比，可以通过下面的公式来重建干净信号的谱幅度。

[公式3]

$\left|\tilde{X}[k,m]\right|=G[k,m]\left|Y\right[k,m\left]\right|$

在上面的公式中，可以将增益滤波器表示为如下。

[公式4]

$G_B[k,m]=\frac{{\left|Y\right[k,m\left]\right|}^2-\mathrm{\β}{\left|\tilde{V}[k,m]\right|}^2}{{\left|Y\right[k,m\left]\right|}^2}$

在低估或高估的情况下，β是用于控制要抑制的噪声量的参数。可以与信噪比(SNR)和频率索引m相关联地选择这个参数。

噪声检测部分130检测输入信号的噪声，然后产生噪声估计

这个噪声是诸如白噪声等的信号。可以以各种方式来检测这个噪声。在噪声信号的情况下，其可能是不具有信号的自相关或信号的信道之间相关的信号。因此，当测量输入信号的音调和信道之间相关时，如果这些值被丢失，则能够确定其是噪声。但是，本发明不为检测噪声的方法所限制。

噪声检测部分130基于输入信号和噪声估计值来计算用于噪声消除的增益滤波器G_B[k，m]，然后通过向所计算的增益应用包括衰减极限值的反馈信息来产生限定增益滤波器G_BL[k，m]。在该情况下，增益滤波器可以等于公式4的表达式。与|Y[k，m]|²作比较，增益G_B[k，m]指示每时间频带包括的噪声估计值

的程度。换句话说，增益滤波器是与在信号中的噪声信号的相对比例相关联的随时间频率变化值。增益滤波器和噪声信号彼此成反比。如果噪声估计值的相对比率高，则增益变为低值。如果噪声估计值的相对比率低，则增益变为高值。即，通过向被确定为包括大量噪声的时间频带应用低增益来降低输入信号的功率|Y[k，m]|。相反，通过向被确定为包括少量的噪声的时间频带应用高增益来提高输入信号的功率|Y[k，m]|。

同时，为了防止类音乐噪声伪信号(即，为了防止在噪声类似于音乐的情况下过量地消除噪声的问题)，则在公式4中定义的增益滤波器随时间被平滑，并且被限制以不变得小于L dB。在反馈信息中包括的衰减可以对应于随时间变化的增益滤波器的最大值或最小值。这被表示为下面的公式。

[公式5]

$G_{\mathrm{BL}}[k,m]=\max \{{10}^{\frac{L}{20}},G_B\}$

在公式5中，G_B指示在公式4中定义的增益滤波器，并且“L”指示衰减极限值[dB]，G_BL指示限定增益滤波器。

具体地，因为增益G不可能小于值L(精确地，10^L/20)，所以L是增益G的下限。通过应用衰减极限，能够防止输入信号的功率因为应用了太低的增益而被过度地降低。

同时，衰减极限值(衰减极限信息)是根据频带而改变的值。而且，可以基于包括从标准化单元200接收的衰减极限信息的反馈信息来确定衰减极限值，标准化单元200将在如下解释。在输入信号在噪声消除后被标准化的情况下，在消除噪声中，这个衰减极限信息被提供来使用用于标准化步骤中的增益控制的反馈。例如，如果在标准化中应用低增益，则在噪声消除步骤中不会过量地减少输入信号的功率。下面，将与标准化单元200的描述一起详细地解释包括衰减极限信息的反馈信息。

乘法器140通过向输入信号应用由增益滤波器计算部分120确定的增益，产生通过从输入信号去除噪声而产生的干净信号(或期望信号)的估计，如公式3中所示。时间频率合成部分150通过对于干净信号执行时间频率合成来产生在时域中的干净信号。

图3是在图2中所示的标准化单元的详细框图。

参见图3，标准化单元200是被配置为标准化由噪声消除单元100通过消除输入信号的噪声而产生的干净信号的单元。标准化单元200的输入信号可以是噪声消除单元的输出x(n)，并且为了方便，将被表达为y[n]。

标准化单元200主要以两种方式自适应地控制音频信号的动态范围。首先，标准化单元200通过执行慢适配来控制输入信号的最大动态范围。其次，标准化单元200通过执行快速适配来控制输入信号的局部动态范围。将与相应元件一起描述细节。

同时，由标准化单元应用的增益，即标准化增益，可以被定义为在下面的公式中所示的全频带增益。

[公式6]

Z[k，m]＝G[k]Y[k，m]

在公式6中，Y[k，m]是频率变换的输入信号，Z[k，m]是通过标准化单元的频率变换的输出信号，G[k]是标准化增益，k是时间帧编号，并且m是频率点索引。

具体地，G[k]是与频带无关的随时间变化值。同时，频率变换可以包括短时间傅立叶变换(STFT)，本发明不为其限制。

首先，功率估计部分210对于输入信号执行频率变换，然后通过在特定定时点k求和每频带m的功率来计算输入信号的瞬时功率，如下面的公式中所示。当然，功率估计部分210可以接收频率变换的信号，而不本身执行频率变换，如在附图中所示。

[公式7]

${\stackrel{\‾}{Y\left[k\right]}}^2=\underset{m}{\mathrm{\Σ}}{\left|Y\right[k,m\left]\right|}^2$

在公式7中，Y[k，m]是频率变换的输入信号，k是时间帧编号，并且m是频率点索引。

因为试图找到要被标准化单元应用的全频带增益G[k]，所以通过上面的公式来计算瞬时功率。通过上面的公式，可以使用具有小起始时间常数和大释放时间常数的单极平均滤波器来计算长期功率

长期功率可以对应于最大动态范围估计器。另一方面，可以使用小释放时间常数来计算短时功率

短时功率可以对应于局部动态范围估计器。

被传送到慢增益产生部分220，并且，

被传送到快增益产生部分240。

慢增益产生部分220基于从功率估计部分210接收的长期功率

来产生慢增益，可以通过下面的公式来定义慢增益。

[公式8]

$G_{\mathrm{slow}}\left[k\right]=\frac{\mathrm{\ξNRM}}{{\stackrel{\‾}{Y\left[k\right]}}_{\mathrm{slow}}^2}$

在公式8中，ξNRM是目标电平值，G_slow[k]是慢增益，并且，

是长期功率。

参见上面的公式，慢增益产生部分220被提供来向目标电平值ξNRM简单地应用长期功率同时，目标电平值可以是用户输入的信息或装置设置信息。例如，在用户输入10dB作为目标电平值的情况下，提供慢增益来控制输入信号的范围大部分不偏离10dB。

同时，通过公式8的慢增益G_slow[k]可以随时间被平滑，以避免高的变化伪信号。作为平滑的结果，能够将信号集中于目标电平值。

快增益产生部分240基于短时功率来产生快增益<G_fast[k]>_dB。快增益使得标准化单元能够通过充当扩展器、压缩器或限幅器来快速适应于信号的动态范围。快增益被提供来产生输出信号的电平

[公式9]

${\&lang;{\stackrel{\&OverBar;}{Z\left[k\right]}}^2\&rang;}_{\mathrm{dB}}=$

在公式9中，是输出信号的电平，LT是限幅器阈值，CT是压缩器阈值，ET是扩展器阈值，

是输入信号的电平，β_C是压缩强度，并且，β_E是扩展器强度。

图4是用于解释在图3中所示的快增益产生部分的功能的图，其中，示出了被表示为公式9的在输入和输出信号的电平之间的关系。

参见图4，横轴指示输入信号的电平，并且纵轴指示输出信号的电平。横轴被划分为：区域(a)，其中，输入信号的电平大于LT；区域(b)，其中，输入信号的电平在LT和CT之间；以及，区域(c)，其中，输入信号的电平小于CT。在该情况下，即使输入信号等于或大于LT，其在区域(a)中也限于LT(对应于在公式9中的第一行)。在区域(b)(对应于在公式9中的第二行)中，斜率根据压缩强度β_C而改变。而且，根据这个斜率来调整输出信号的电平。例如，如果输入信号的电平是-10dB，则输出信号的电平变为-20dB。如果输入信号的电平是-20dB，则输出信号的电平可以变为-25dB。在区域(c)(对应于在公式9中的第三行)中，根据扩展器强度β_E，输出信号的电平变得大于输入信号的电平。例如，如果输入信号的电平是-50dB，则输出信号的电平变为-45dB。当分别在区域(a)、(b)和(c)中执行限幅器、压缩器和扩展器的功能时，以增大小信号并且减小大信号的方式来执行快速标准化。例如，输出信号的动态范围可以从负无穷到与输入信号是LT的情况对应的输出信号的电平(例如，-20dB)的范围。

因此，为了获得在公式9和图4中所示的输出信号，能够向输入信号应用在下面的公式中定义的快增益。在该情况下，可以通过在对数域中的简单线性方程来执行快增益的计算。

[公式10]

在公式10中，

是输入信号的电平，CS是压缩的斜率系数，并且，CS＝1-tanβ_C。ES是扩展器的斜率系数，并且，ES＝1-tanβ_E。

如公式9那样，在公式10中的第一行对应于输入信号大于LT的情况。第二行指示输入信号在CT和LT之间的情况。而且，第三行指示输入信号小于CT的情况。

在已经获得被表示为公式10的快增益后，如慢增益，快增益可以在时间方向上被平滑，以防止高变化伪信号。

因此，由慢增益产生部分220和快增益产生部分240产生的慢增益和快增益可以分别被限制部分230和250限制在合理的范围内。

第一限制部分230可以产生在下面的公式中所示的限定慢增益G_slow，L。

[公式11]

<G_slow，L[k]>_dB＝max{min{<G_slow[k]>_dB，L_slow}，-L_slow}

在公式11中，<G_slow，L[k]>_dB是限定快增益，<G_slow[k]>_dB是快增益，并且，L_slow是慢增益的极限范围。

即，慢增益被限制在-L_slow和L_slow之间的范围内。

类似地，第二限制部分240可以产生在下面的公式中所示的限定快增益G_fast，L。

[公式11]

<G_fast，L[k]>_dB＝max{min{<G_fast[k]>_dB，L_fast}，-L_fast}

在公式11中，<G_fast，L[k]>_dB是限定快增益，<G_fast[k]>_dB是快增益，并且，L_fast是快增益的极限范围。

即，快增益被限制在-L_fast和L_fast之间的范围内。

第一和第二极限部分230和250不是强制的，并且如果必要可以被省略。

同时，最终增益获得部分260根据下面的公式使用限定慢增益和限定快增益(偶尔使用非限定慢增益和非限定快增益)来获得最终的标准化增益G[k]。

[公式12]

G[k]＝G_slow，L[k]G_fast，L[k]|

在公式12中，G[k]是最终增益，G_slow，L[k]是限定慢增益，并且，G_fast，L[k]是限定快增益。

即，可以由慢增益和快增益的组合产生最终增益。具体上，可以由慢增益和快增益的乘积产生最终增益。使用慢增益来控制最大动态范围，并且使用快增益来控制局部动态范围。

输出信号产生部分270使用最终增益来修正输入信号。例如，输出信号产生部分通过使用最终增益来标准化输入信号而产生输出信号。

同时，反馈信息产生部分280使用最终增益G[k]来产生包括衰减极限值<L[k]>dB的反馈信息。这可以被定义为下面的公式。

[公式13]

<L[k]>_dB＝min{-<G[k]>_dB，0}|

在公式13中，<L[k]>dB是衰减极限值，并且G[k]是用于标准化的最终增益。

被应用到TV音频内容的标准化增益随时间被平滑，以最小化归因于慢增益和快增益的迅速变化的伪信号的影响。但是，当平滑时间常数需要足够小时，标准化单元的整体适配遵循音频信号的动态。但是，作为非瞬时适配的结果，根据增益的变化来调制背景噪声。这是令人烦恼的，特别是当标准化单元提高了信号的音量时。换句话说，当输入信号的电平太低时，如果标准化器作为扩展器提高输入信号的电平，则背景的噪声电平被一起提高，以使得噪声听起来很大。因此，音频质量变差。为了减小这种影响，上述的噪声消除单元100能够使用在上面的公式中所示的衰减极限值来像公式5那样限制噪声消除的增益滤波器。

查看公式13，如果最终增益是正值，则衰减极限值变为负的最终增益。如果最终增益是负值，则衰减变为0。即，如果标准化增益提高输入信号的电平(即如果为正)，则衰减极限值变为负的最终增益。而且，噪声增益滤波器的下限被降低与对应的最终增益一样多，如公式5中所示。如果进一步降低该下限，则进一步实现噪声的消除。

图5是用于样本音乐的标准化增益和衰减极限的示例的图。

参见图5的(A)和(B)，示出了大于5秒的音乐剪辑y(n)和与音乐剪辑y(n)对应的标准化增益G(n)。因为输入信号的电平在时间轴上在大约0.5、2.6或4.7秒处为高，所以可以观察到，在这个时间间隔上的标准化增益为大约-2dB～-3dB，其是较低的。同时，可以观察到，在具有较低电平的时间间隔中的标准化增益是大约0～3dB，起是较高的。同时，参见图5的(C)，可以观察到，根据标准化增益的变化，衰减极限值L(n)在-6dB和0之间的范围中变化。在具有较高标准化增益的时间间隔(例如，在0～0.5秒之间的时间间隔、在1.7～2.6秒之间的时间间隔等)中，可以观察到，衰减极限值较低。

图6是用于在标准化增益和衰减极限值之间的关系的概念图。

参见图6，首先，因为由于下限值是10^L/20而导致用于噪声消除的增益滤波器值G_BL的范围在10^L/20和GB之间，如公式5中所示，所以如果根本未检测到噪声，则G_B具有最大值。根据公式5，G_B的最大值会变为1。具有G_B的最大值的时间间隔是具有小噪声的区域，而具有接近下限值的G_B值的时间间隔是具有大量噪声的区域。在该情况下，下限值(10^L/20)不是固定的，如在上面的说明中所述，而是根据标准化增益G[k]从10^-G[k]/20到1(L＝0)变化。如果标准化增益是负的(即，如果输入信号的电平需要被降低)，则G_B的下限被提高以使得更少消除噪声。相反，如果标准化增益是正的(即，如果输入信号的电平需要被提高)，则G_B的下限被降低以使得更多消除噪声。换句话说，在标准化处理中相当大地提高输入信号的电平的情况下，可以通过进一步降低在噪声消除处理中应用的增益的下限值来更多地消除噪声。相反，在标准化处理中降低输入信号的电平的情况下，可以通过在噪声消除处理中提高增益的下限值来防止过多地消除噪声。

前面的描述涉及包括噪声消除单元和标准化单元的本发明的一个实施例。在下面的说明中，解释包括音量控制单元和其他单元(噪声检测单元等)的本发明的另一个实施例。

图7是根据本发明的另一个实施例的音频信号处理设备的第一和第二示例的图，并且，图8是根据本发明的另一个实施例的音频信号处理设备的第三和第四示例的图。

参见在图7的(A)中所示的第一示例，音频信号处理设备包括噪声检测部分410和音量控制单元420。噪声检测部分410分析输入信号以检测每时间每频带的包括在输入信号中的噪声的程度，然后将对应的信息输出为噪声信息。检测噪声的方法可以等同于在参考图2的上述描述中解释的噪声检测部分130的检测噪声的方法。在该情况下，噪声信息可以包括参考图2解释的噪声信号的功率谱的估计

或可以对应于每时间每频带的增益滤波器(G_BL)。在该情况下，如在参考图2的上述说明中所述，可以使用从标准化单元接收的衰减极限信息确定增益滤波器的下限值。

同时，音量控制单元420使用从噪声检测部分410接收的噪声信息和从用户输入接收的目标音量电平来控制音量。例如，在控制音量中，能够防止噪声分量被收听者的耳朵异常和大声地听到。而且，也能够防止噪声输出的电平波动。在已经分析了输入信号后，如果当前的输入信号是噪声分量，则将其与正常音调分量的情况作比较，并且适用另一个音量电平方案。后续将参考图9来解释音量控制单元420的细节。

因此，第一示例对应于检测噪声然后使用对应的结果来用于音量控制的示例。而且，第二示例对应于在完成音量控制后消除噪声的示例。参见图7的(B)，音量控制单元520基于目标音量电平对于输入信号控制音量。音量被控制的信号被发送到噪声消除单元510。噪声消除单元510检测噪声信号，然后通过使用对应的结果从音量被控制的信号去除噪声信号来产生干净信号。

同时，噪声消除单元510能够具有参考图1和图2所述的在前的噪声消除单元100的相同元件。具体地，能够使用从标准化单元接收的衰减极限信息来确定用于噪声消除的增益滤波器的下限值。

参见图8的(A)，示出了根据本发明的另一个实施例的音频信号处理设备的第三示例。如第一示例的在前的噪声检测部分410那样，噪声检测部分620分析输入信号的噪声分量，基于这个分析来产生噪声信息，然后向音量控制单元620和噪声减少部分615传递所产生的噪声信息。如第一示例的在前的音量控制单元420那样，音量控制单元620基于目标音量电平和噪声信息来控制输入信号的音量。噪声减少部分615通过基于噪声信息从音量调整的输出中消除或减少噪声来产生干净信号。同时，噪声检测部分610和噪声减少部分615可以执行第二示例的噪声消除单元510的相同功能，但是，在噪声检测的目标上，可以与第二示例的噪声消除单元510不同。具体地说，在第三示例的情况下，噪声检测的目标是输入信号本身。在第二示例的情况下，噪声检测的目标是完成音量控制的信号。在第三示例的情况下，噪声减少部分615能够使用由衰减极限限制的增益滤波器，如参考图2描述的噪声消除单元的情况那样。

参见所以8的(B)，示出了根据本发明的另一个实施例的音频信号处理设备。在第四示例的情况下，在音量控制之前，执行噪声检测和噪声减少两者。噪声检测部分710从输入信号检测噪声信号。噪声减少部分710去除所检测的噪声信号。音量控制单元720基于目标音量电平来控制噪声消除的信号的音量。在该情况下，噪声检测部分710和噪声减少部分715可以执行参考图1所述的在前的噪声消除单元100的相同功能。而且，音量控制单元720可以执行参考图1所述的在前的音量控制单元300的相同功能。

图9是图7或图8中所示的音量控制单元420/520/620/720的详细框图。

音量控制单元420是用于基于目标音量电平来控制输入信号的音量的元件。而且，音量控制单元420能够包括时间频率分析部分422、增益处理部分424、响度估计部分426和时间频率合成部分428。在输入信号是在时域中的信号的情况下，时间频率分析部分422通过执行频率变换来产生在频域中的信号。在该情况下，可以通过ERB(等效矩形带宽)频标来执行频率变换，本发明不为其限制。

响度估计部分426通过对于输入信号执行感知(心理声学)响度分析来估计声音的响度，并且从响度产生目标增益值。在该情况下，响度是由人对于每一个声压级实际感知的听觉，并且具有表示由人耳实际识别的声音的声音强度的概念(以方为单位)。具体地，响度具有与由声压级确定的声音强度(以dB为单位)相区别的概念。而且，响度依赖于声音的持续时间、声音的发生时间、和谱特性等以及声音强度。感知响度分析是基于人测试的结果的等响度曲线来分析输入信号的响度。因此，如果获得每频带的响度，则基于响度和目标音量电平来获得目标增益。在该情况下，目标音量电平是与用户输入的音量命令或装置设置信息对应的全频带增益，并且可以等于与前一个实施例一起描述的在前的目标电平值。目标增益是考虑响度的音量的目标值，并且可以包括每频带变化的值。同时，可以重新调整目标增益以提高声音质量。

增益处理部分424向频率变换的输入信号应用目标增益。时间频率合成部分426频率合成增益处理的信号。

图10是根据本发明的实施例的音频信号解码设备的框图。

参见图10，音频信号解码设备800可以包括解多路复用器810、音频信号解码器820、带扩展解码器830、带扩展解码设备840和多信道解码器850。而且，音频信号解码设备860进一步包括根据本发明的音频信号处理设备860。音频信号处理设备860对应于参考图1所述的在前的音频信号处理设备的一个实施例，或者可以对应于参考图7或图8所述的在前的音频信号处理设备的另一个实施例(第一到第四示例)。

解多路复用器810从音频信号比特流中提取谱数据、带扩展信息和空间信息等。

如果与降混信号对应的谱数据具有大的音频特性，则音频信号解码器820通过音频译码方案来解码谱数据。在该情况下，如在上面的描述中所述，音频译码方案可以遵循AAC标准或HE-AAC标准等。同时，音频信号解码器820通过对于在比特流上承载的谱数据和比例因子执行去量化来重建频率变换的剩余部分。随后，音频信号解码器820通过对于频率变换的剩余部分执行逆频率变换来产生(逆变换的)剩余部分。

如果谱数据具有大的话音特性，则话音信号解码器830通过话音译码方案来解码降混信号。在该情况下，如在上面的说明中所述，该话音译码方案可以遵循AMR-WB(自适应多速率宽带)标准，本发明不为其限制。

带扩展解码设备840解码带扩展信息比特流，然后使用这个信息从音频信号(或谱数据)的一部分或全部来产生另一个频带(例如，高频带)的音频信号(或谱数据)。

如果解码的音频信号是降混的，则多信道解码器850使用空间信息来产生多信道信号(包括立体声信号)的输出信道信号。

如在上面的说明中所述，音频信号处理设备860是参考图1、图7或图8所述的根据本发明的实施例的在前的音频信号处理设备。而且，音频信号处理设备860对于来自多信道解码器的输出信道信号执行诸如噪声消除、标准化和音量控制等的处理。

根据本发明的音频信号处理设备可由各种产品使用。这些产品可以被分组为独立组和便携组。TV、监控器和机顶盒等属于独立组。而且，PMP、移动电话和导航系统属于便携组。

图11是其中实现了根据本发明的实施例的音频信号处理设备的产品的框图，并且，图12是其中实现了根据本发明的实施例的音频信号处理设备的产品之间的关系的图。

参见图11，有线/无线通信单元910经由有线/无线通信系统来接收比特流。具体地，有线/无线通信单元910可以包括有线通信单元910A、红外线通信单元910B、蓝牙单元910C和无线LAN通信单元910D的至少一个。

用户验证单元920接收用户信息的输入，然后执行用户验证。用户验证单元920可以包括指纹识别单元920A、虹膜识别单元920B、脸部识别单元920C和话音识别单元920D的至少一个。指纹识别单元920A、虹膜识别单元920B、脸部识别单元920C和话音识别单元920D分别接收指纹信息、虹膜信息、脸部轮廓信息和话音信息，然后将它们转换为用户信息。确定每一个用户信息是否匹配预先注册的用户数据以执行用户验证。

输入单元930是使得用户能够输入各种命令的输入装置，并且可以包括小键盘单元930A、触摸板单元930B和遥控器单元930C的至少一个，本发明不为其限制。信号译码单元940对于经由有线/无线通信单元910接收的音频信号和/或视频信号执行编码或解码，然后输出在时域中的音频信号。信号译码单元940包括音频信号处理设备945。

如在上面的说明中所述，音频信号处理设备945与根据本发明的一个实施例和其他实施例(第一至第四示例)的在前的音频信号处理设备之一对应。而且，在音频信号经由输出单元输出之前，音频信号处理设备945对于音频信号执行诸如噪声消除、标准化和音量控制等的处理。因此，可以通过至少一个或多个处理器来实现音频信号处理设备和包括音频信号处理设备的信号译码单元。

控制单元950从输入装置接收输入信号，并且控制信号解码单元940和输出单元960的所有处理。具体地，输出单元960是被配置为输出由信号解码单元940等产生的输出信号的元件，并且可以包括扬声器单元960A和显示单元960B。如果输出信号是音频信号，则其被输出到扬声器。如果输出信号是视频信号，则其经由显示器被输出。

图12示出了在与图11中所示的产品对应于的终端和服务器之间的关系。

参见图12的(A)，可以观察到，第一终端900.1和第二终端900.2可以经由有线/无线通信单元彼此双向地交换数据或比特流。

参见图12的(B)，可以观察到，服务器1000和第一终端900.1可以彼此进行有线/无线通信。

根据本发明的音频信号处理方法可以被实现为计算机可执行的程序，并且可以被存储在计算机可读记录介质中。而且，具有本发明的数据结构的多媒体数据可以被存储在计算机可读记录介质中。计算机可读介质包括其中存储了由计算机系统可读的数据的所有种类的记录装置。计算机可读介质包括例如ROM、RAM、CD-ROM、磁带、软盘和光学数据存储装置等，并且也包括载波型实施方式(例如，经由因特网的传输)。而且，由上面的编码方法产生的比特流可以被存储在计算机可读记录介质中，或可以经由有线/无线通信网络被传输。

工业实用性

因此，本发明适用于处理和输出音频信号。

虽然已经参考本发明的优选实施例在此描述和说明了本发明，但是对于本领域技术人员来说显然的是，在不偏离本发明的精神和范围的情况下，可以在其中进行各种修改和变型。因此，意欲本发明涵盖在所附的权利要求及其等同内容的范围内的本发明的修改和变型。

Claims (15)

1.一种用于处理音频信号的方法，包括：

通过音频处理设备接收信号；

通过估计所述信号的功率计算长期功率和短时功率；

基于所述长期功率产生慢增益；

基于所述短时功率产生快增益；

通过组合所述慢增益和所述快增益获得最终增益；以及，

使用所述最终增益修正所述信号。

2.根据权利要求1所述的方法，其中，通过将所述慢增益与所述快增益相乘产生所述最终增益。

3.根据权利要求1所述的方法，其中，使用限幅器阈值、压缩器阈值和扩展器阈值的至少一个产生所述快增益。

4.根据权利要求1所述的方法，其中，所述慢增益和所述快增益通过随时间被平滑而产生，并且其中，所述慢增益和所述快增益在极限范围内。

5.根据权利要求1所述的方法，其中，所述慢增益、所述快增益和所述最终增益对应于全频带增益。

6.根据权利要求1所述的方法，其中，使用包括在用户输入信息和装置设置信息的至少一个中的目标电平值产生所述慢增益和所述快增益。

7.根据权利要求1所述的方法，进一步包括：

使用所述最终增益产生反馈信息，

其中，所述反馈信息极限与用于噪声消除的增益滤波器的最小值和最大值的至少一个相关联。

8.一种用于处理音频信号的设备，包括：

功率估计部分，用于通过估计信号的功率计算长期功率和短时功率；

慢增益产生部分，用于基于所述长期功率产生慢增益；

快增益产生部分，用于基于所述短时功率产生快增益；

最终增益获得部分，用于通过组合所述慢增益和所述快增益获得最终增益；以及，

输出信号产生部分，用于使用所述最终增益修正所述信号。

9.根据权利要求8所述的设备，其中，通过将所述慢增益与所述快增益相乘产生所述最终增益。

10.根据权利要求8所述的设备，其中，使用限幅器阈值、压缩器阈值和扩展器阈值的至少一个产生所述快增益。

11.根据权利要求8所述的设备，其中，所述慢增益和所述快增益通过随时间被平滑而产生，并且其中，所述慢增益和所述快增益在极限范围内。

12.根据权利要求8所述的设备，其中，所述慢增益、所述快增益和所述最终增益对应于全频带增益。

13.根据权利要求8所述的设备，其中，使用包括在用户输入信息和装置设置信息的至少一个中的目标电平值产生所述慢增益和所述快增益。

14.根据权利要求8所述的设备，进一步包括：

反馈信息产生部分，用于使用所述最终增益产生反馈信息，

其中，所述反馈信息与用于噪声消除的增益滤波器的最小值和最大值的至少一个相关联。

15.一种计算机可读介质，其上存储有指令，所述指令当被处理器执行时使得所述处理器执行操作，所述操作包括：

通过音频处理设备接收信号；

通过估计所述信号的功率计算长期功率和短时功率；

基于所述长期功率产生慢增益；

基于所述短时功率产生快增益；

通过组合所述慢增益和所述快增益获得最终增益；以及，

使用所述最终增益修正所述信号。

Images