具有并行架構的音頻編碼器制造技術

本文獻涉及用于音頻編碼的方法及系統。具體地，本文獻涉及利用并行系統架構進行快速音頻編碼的方法及系統。描述了包括K個并行變換單元(303，403)的基于幀的音頻編碼器(300，400，500，600)；其中，K個并行變換單元(303，403)中的每一個被配置成：將音頻信號(101)的K個幀(305)的組中的相應幀轉換為K個頻率系數集合中的相應集合；其中K>1；其中，K個幀(305)中的每一個包括音頻信號(101)的多個樣本。

【技術實現步驟摘要】
【國外來華專利技術】具有并行架構的音頻編碼器相關申請的交叉引用本申請要求于2011年11月30日提交的美國臨時專利申請第61/565，037號的優先權,在此通過引用將其全部內容合并到本申請中。
本文獻涉及用于音頻編碼的方法及系統。具體地，本文獻涉及使用并行編碼器架構的快速音頻編碼的方法及系統。
技術介紹
當今的媒體播放器支持各種不同的音頻格式比如mp3、mp4、WMA(Windows媒體音頻)、AAC (高級音頻編碼)>HE-AAC (高效率的AAC)等。另一方面，媒體數據庫(比如Simfy)提供數以百萬計的音頻文件以供下載。通常，以各種不同的音頻格式以及可以由不同媒體播放器支持的各種不同比特率對這些數以百萬計的音頻文件進行編碼以及存儲是不經濟的。如此，提供如下快速音頻編碼方案是有利的:該方案使得音頻文件的編碼能夠“實時(on the fly) ”,從而使得媒體數據庫當被請求時能夠產生特定編碼的音頻文件(以特定的音頻格式，以特定的比特率)。
技術實現思路
根據一個方面，描述了一種基于幀的音頻編碼器。該音頻編碼器可以被配置成:將包括多個時域樣本的音頻信號劃分成幀的序列，其中，每個幀通常包括預定數目的樣本。作為示例，幀可以包括固定數目M個樣本(例如M= 1024)。在一種實施方式中，音頻編碼器被配置成進行高級音頻編碼(AAC)。音頻編碼器可以包括對音頻信號的K個幀(例如音頻信號的K個連續的幀)并行地進行處理的K個并行變換單元。K個并行變換單元可以在K個不同的處理單元(例如圖形處理單元)上實現，從而(與對K個幀的順序處理相比)將變換處理加速了因子K。變換單元可以被配置成將幀變換為頻率系數集合。換言之，變換單元可以執行時域到頻域的變換，比如修正離散余弦變換(MDCT)。同樣地，K個并行變換單元中的每一個可以被配置成:將音頻信號的K個幀的組(也稱為幀組)的相應幀變換為K個頻率系數集合中的相應集合。K 可以大于 1、2、3、4、5、10、20、50、100。如上面所表明的，K個并行變換單元可以被配置成向幀組中的K個幀分別應用MDCT。此外，K個并行變換單元可以被配置成向幀組中的K個幀分別應用窗函數。應當注意，應用于幀的變換的類型和/或窗的類型通常取決于幀的類型(即，本文中也稱為塊類型的幀類型)。同樣地，K個并行變換單元可以被配置成將K個幀分別變換為K個取決于幀類型的頻率系數集合。音頻編碼器可以包括K個并行信號起奏(attack)檢測單元。信號起奏檢測單元可以被配置成:將音頻信號的幀分類為包括聲音起奏的幀(例如瞬態幀)或分類為不包括聲音起奏的幀(例如調性(tonal)幀)。同樣地，K個并行信號起奏檢測單元可以被配置成:基于K個幀中的相應幀中聲音起奏的有或無分別對幀組的K個幀進行分類。K個并行信號起奏檢測單元可以在至少K個不同的處理單元上實現。具體地，K個并行信號起奏檢測單元可以與K個并行變換單元在相同的相應的處理單元上實現。音頻編碼器還可以包括幀類型檢測單元，其被配置成基于對K個幀的分類來確定K個幀中的每一個幀的幀類型。幀類型的示例有短塊類型(其通常用于包括瞬態音頻信號的幀)、長塊類型(其通常用于包括調性音頻信號的幀)、開始塊類型(其通常用作從長塊類型到短塊類型的過渡幀)和/或停止類型(其通常用作從短塊類型到長塊類型的過渡幀)。如此，幀的幀類型可以取決于一個或更多個先前幀的幀類型。因此，幀類型檢測單元可以被配置成:還基于先前幀k-ι的幀類型來確定K個幀中的幀k的幀類型，其中k =1，...，K。作為示例，幀類型檢測單元可以被配置成:如果幀k被分類為包括起奏并且如果其先前幀k-Ι是短塊類型或是開始塊類型，則確定幀k(k = I,…，K)是短塊類型。幀類型檢測單元可以被配置成:如果幀k被分類為不包括起奏并且如果其先前幀k-Ι是長塊類型或是停止塊類型，則確定幀k(k = I,…，K)是長塊類型。幀類型檢測單元可以被配置成:如果幀k被分類為包括起奏并且如果其先前幀k-ι是長塊類型，則確定幀k(k= 1，...，!()是開始塊類型。此外，幀類型檢測單元可以被配置成:如果幀k被分類為不包括起奏并且如果其先前幀k-Ι是短塊類型，則確定幀k(k = I,…，K)是停止塊類型。K個并行變換單元可以與K個并行信號起奏檢測單元以及幀類型檢測單元并行操作。如此，K個并行變換單元可以在與K個并行信號起奏檢測單元不同的處理單元上實現，從而使得能夠在至少2K個處理單元上對編碼器進行進一步的并行化。在這樣的情況下，變換單元可以被配置成執行取決于幀類型的窗口化和/或變換處理的推測執行。具體地，變換單元可以被配置成為幀組中的相應幀確定多個取決于幀類型的頻率系數集合。更具體地，變換單元可以被配置成針對幀的每一種可能的幀類型確定取決于幀類型的頻率系數集合。音頻編碼器則可以包括選擇單元，其被配置成:從多個取決于幀類型的頻率系數集合中(針對K個幀中的每一個幀)選擇合適的頻率系數集合，其中，合適的頻率系數集合與相應幀的幀類型對應。可替代地，K個并行信號起奏檢測單元可以與幀類型檢測單元順序地操作并且與K個并行變換單元順序地操作。如此，K個并行信號起奏檢測單元可以在與K個并行變換單元相同的相應的處理單元上實現。在該情況下，K個并行變換單元可以知道相應幀的幀類型，以使得K個并行變換單元可以被配置成:將K個幀變換為與相應幀的幀類型對應的取決于幀類型的相應頻率系數集合。 音頻編碼器可以包括K個并行量化與編碼單元。K個并行量化與編碼單元可以在至少K個不同的處理單元(例如K個并行變換單元的相應的處理單元)上實現。量化與編碼單元可以被配置成:考慮相應的所分配的比特數目來分別對頻率系數集合進行量化和熵編碼(例如霍夫曼編碼)。換言之，幀組的K個幀的量化和編碼可以由K個并行的量化與編碼單元獨立執行。為此，向K個并行量化與編碼單元提供相應的所分配的比特數目的K個指示。如下面將要概述的，可以針對幀組在聯合比特分配處理中聯合確定相應的所分配的比特數目的指示。音頻編碼器還可以包括K個并行心理聲學單元。K個并行心理聲學單元可以在至少K個不同的處理單元上實現。通常，K個并行心理聲學單元可以在與K個并行變換單元相同的相應的處理單元上實現，因為K個并行心理聲學單元通常還對由K個并行變換單元提供的相應的K個頻率系數集合進行處理。K個并行心理聲學單元可以被配置成:基于K個頻率系數集合來分別確定一個或更多個取決于幀(并且通常取決于頻率)的掩蔽閾值。可替代地或另外地，K個并行心理聲學單元可以被配置成針對幀組的對應的K個幀確定K個感知熵值。一般而言，感知熵值提供了對對應的幀的信息內容的指示。通常，感知熵值與應該用于對對應的幀進行編碼的比特數目的估計對應。具體地，給定幀的感知熵值可以表明:在分配給量化幀的噪聲正好在一個或更多個掩蔽閾值以下這個假設下，對給定幀進行量化和編碼需要多少比特。K個并行量化與編碼單元可以被配置成:考慮到相應的一個或更多個取決于幀的掩蔽閾值，分別對K個頻率系數集合進行量化和熵編碼。如此，可以確保頻率系數集合的量化是考慮心理聲學而進行的，因此減小了聽得見的量化噪聲。音頻編碼器可以包括比特分配單元，其被配置成:分別向K個并行量化與編碼單元分配相應的比特數目。為此，比特分配單元可以考慮本文檔來自技高網...

【技術保護點】
一種基于幀的音頻編碼器(300，400，500，600)，包括K個并行變換單元(303，403)；其中，所述K個并行變換單元(303，403)中的每一個被配置成：將音頻信號(101)的K個幀(305)的組中的相應幀變換成K個頻率系數集合中的相應集合；其中K>1；其中，所述K個幀(305)中的每一個包括所述音頻信號(101)的多個樣本。

【技術特征摘要】
【國外來華專利技術】2011.12.21 US 61/578,3761.一種基于幀的音頻編碼器(300，400，500，600)，包括 K個并行變換單元(303，403);其中，所述K個并行變換單元(303，403)中的每一個被配置成:將音頻信號(101)的K個幀(305)的組中的相應幀變換成K個頻率系數集合中的相應集合；其中K>1 ;其中，所述K個幀(305)中的每一個包括所述音頻信號(101)的多個樣本。2.根據權利要求1所述的音頻編碼器(300，400，500，600)，其中，所述K個并行變換單元(303，403)中的每一個被配置成:向所述K個幀(305)中的相應幀應用修正離散余弦變換。3.根據任一前述權利要求所述的音頻編碼器(300，400，500，600)，其中，所述K個并行變換單元(303，403)中的每一個被配置成:向所述K個幀(305)中的相應幀應用窗函數。4.根據任一前述權利要求所述的音頻編碼器(300，400，500，600)，其中，所述K個并行變換單元(303，403)中的每一個被配置成:將所述K個幀(305)中的相應幀變換成取決于幀類型的頻率系數集合。5.根據權利要求4所述的音頻編碼器(300，400，500，600)，還包括: K個并行信號起奏檢測單元(301)，其中，每個信號起奏檢測單元(301)被配置成:基于所述K個幀(305)中的相應幀中聲音起奏的有或無，對所述K個幀(305)中的相應幀進行分類。6.根據權利要求5所 述的音頻編碼器(300，400，500，600)，還包括: 幀類型檢測單元(304)，被配置成:基于對所述K個幀的分類來確定所述K個幀(305)中的每一個幀的幀類型。7.根據權利要求6所述的音頻編碼器(300，400，500，600)，其中，所述幀類型是短塊類型、長塊類型、開始塊類型和停止類型之一。8.根據權利要求6至7中任一項所述的音頻編碼器(300，400，500，600)，其中，所述幀類型檢測單元(304)被配置成:還基于幀k-Ι的幀類型確定所述K個幀(305)中的每個幀k的幀類型，其中k = 1，…，K。9.根據權利要求6至8中任一項所述的音頻編碼器(400)，其中，所述K個并行變換單元(403)與所述K個并行信號起奏檢測單元(301)和所述幀類型檢測單元(304)并行操作。10.根據權利要求6至9中任一項所述的音頻編碼器(400)，其中 所述K個并行變換單元(303、403)中的每一個被配置成:將所述K個幀(305)中的相應幀變換為多個取決于幀類型的頻率系數集合；以及 所述編碼器(400)還包括選擇單元(406)，所述選擇單元(406)被配置成:從所述多個取決于幀類型的頻率系數集合中為所述K個幀(305)中的每一幀選擇頻率系數集合，其中，所選擇的集合與所述相應幀的幀類型對應。11.根據權利要求6至8中任一項所述的音頻編碼器(400)，其中，所述K個并行信號起奏檢測單元(301)與所述幀類型檢測單元(304)順序地操作，所述幀類型檢測單元(304)與所述K個并行變換單元(403)順序地操作。12.根據權利要求6至8以及11中任一項所述的音頻編碼器(300，500，600)，其中，所述K個并行變換單元(303)的每一個被配置成:將所述K個幀(305)中的相應幀變換成與所述幀類型檢測單元(304)所確定的所述相應幀的幀類型對應的頻率系數集合。13.根據任一前述權利要求所述的音頻編碼器(300，400，500，600)，還包括: K個并行量化與編碼單元(508，608);其中，所述K個并行量化與編碼單元(508，608)中的每一個被配置成:考慮相應的所分配比特數目來對所述K個頻率系數集合中的相應集合進行量化和熵編碼。14.根據權利要求13所述的音頻編碼器(300，400，500，600)，還包括: K個并行心理聲學單兀(506);其中，所述K個并行心理聲學單兀(506)中的每一個被配置成:基于所述K個頻率系數集合中的相應集合來確定一個或更多個取決于幀的掩蔽閾值。15.根據權利要求14所述的音頻編碼器(300，400，500，600)，其中，所述K個并行心理聲學單元(506)中的每一個被配置成:對表示所述K個幀(305)中的相應幀的信息內容的感知熵值進行確定。16.根據權利要求14至15中任一項所述的音頻編碼器(300，400，500，600)，其中，所述K個并行量化與編碼單元(508、608)中的每一個被配置成:考慮相應的一個或更多個取決于幀的掩蔽閾值來對所述K個頻率系數集合中的相應集合進行量化和熵編碼。17.根據權利要求13至16中任一項所述的音頻編碼器(300，400，500，600)，還包括: 比特分配單元(507，607)，被配置成:向所述K個并行量化與編碼單元(508，608)中的每一個分配相應的比特數目。18.根據從屬于權 利要求6的權利要求17所述的音頻編碼器(300，400，500，600)，其中，所述比特分配單元(507，607)被配置成:考慮所述K個幀(305)的幀類型來分配相應的比特數目。19.根據權利要求15所述的音頻編碼器(300，400，500，600)，其中，所述比特分配單元(507,607)被配置成:考慮所述K個幀(305)的感知熵值來分配相應的比特數目。20.根據權利要求17至19中任一項所述的音頻編碼器(300，400，500，600)，還包括: 比特儲存器跟蹤單元(509，609)，被配置成:對用于對所述音頻信號(101)的在所述K個幀(305)之前的幀進行編碼的先前消耗的比特數目進行跟蹤。21.根據權利要求20所述的音頻編碼器(300，400，500，600)，其中，所述比特儲存器跟蹤單元(509，609)被配置成:用被所述K個并行量化與編碼單元(508，608)用于對所述頻率系數集合進行編碼的比特數目來更新先前消耗的比特數目，從而產生當前消耗的比特數目。22.根據權利要求20至21中任一項所述的音頻編碼器(300，400，500，600)，其中，所述比特分配單元(507，607)被配置成:考慮先前消耗的比特數目來分配相應的比特數目。23.根據權利要求20至22中任一項所述的音頻編碼器(300，400，500，600)，其中，所述比特分配單元(507，607)被配置成:考慮用于...

【專利技術屬性】
技術研發人員：沃爾夫岡·席爾德巴赫，
申請(專利權)人：杜比國際公司，
類型：發明
國別省市：荷蘭;NL