基于MDCT的線性帶寬擴展方法

李思源 姜林

摘要：音頻帶寬擴展技術是音頻編解碼技術的重要組成部分，研究高頻信號的編碼方法，目的是大幅減少編碼碼率。針對傳統頻域率帶寬擴展框架中直接高頻信號在頻率域編碼導致高碼率和高復雜度的問題，本文提出基于MDCT變換的帶寬擴展編碼方法，該方法基于源濾波器模型對高頻信號進行分析合成。編碼中對高頻信號進行LPC參數提取，并將高頻激勵信號進行MDCT變換，提取MDCT子帶能量系數，然后對LPC和MDCT子帶能量進行矢量編碼并傳送至解碼端。解碼時將低頻激勵作為高頻激勵信號的精細結構，采用MDCT子帶能量對精細結構進行調整，最后采用LPC合成得到高頻重建信號。實驗結果表明，本文方法相比經典的SBR方法，主觀音質相當，編碼碼率下降了56.36%，整體時間復雜度下降明顯。

關鍵詞： 帶寬擴展; 音頻壓縮; 線性預測; MDCT變換

【Abstract】 The audio bandwidth extension technology is an important part of the audio codec technology. It studies the encoding method of audio compression， which can greatly reduce the coding rate. For the traditional frequency domain rate bandwidth extension framework， the time-frequency transform of the original audio signal after passing the filter directly leads to the problem of coding bit rate higher. The linear encoder based on the linear prediction is used in the traditional source filter bandwidth method. In combination with the MDCT transform， the residual signal obtained by the LPC ?analysis is firstly used as the fine structure of the high-frequency signal， and the fine structure is subjected to MDCT transform to obtain the fine-domain frequency domain signal， and then the frequency domain of the fine structure is achieved. The signal is encoded to obtain the final reconstructed high frequency signal. The experimental results show that the encoded sound quality is equivalent to the SBR algorithm， the coding rate is reduced by 56.36%， and the complexity is also reduced.

【Key words】 ?bandwidth extension; audio compression; linear prediction; MDCT transform

0 引 言

音頻帶寬擴展（Bandwidth Extension，BWE）技術是現代音頻編解碼技術的重要組成部分，主要研究的是音頻壓縮編碼的方法，可以僅使用極低的碼率實現高質量的高頻信號重建[1]。音頻帶寬擴展利用了高低頻間具有相關性這一物理特性，可以利用低頻信號實現高頻信號的重建。根據重建高頻信號時是否使用了高頻參數音頻帶寬擴展可為分盲式和非盲式兩種[2]，本文僅針對非盲式帶寬擴展（傳輸少量高頻參數）進行討論。

現有的音頻帶寬擴展算法根據針對的音頻種類不同分為2類，即：時域帶寬擴展和頻率域帶寬擴展。本文的研究是針對類音樂信號，因此主要探討頻率域帶寬擴展技術。頻率域帶寬擴展技術以2002年瑞典 Dietz 等人[3]首次提出的頻帶復制技術（Spectral Band Replication，SBR）為代表。SBR技術被應用于MPEG ACC[4]編碼標準中，其原理是將低頻信號從時域轉換到頻率域后，再將其復制到高頻得到用于重建高頻信號的信號源。使用低頻信號得到高頻信號的重建信號是利用了高低頻間具有相關性來實現的，此方法在高低頻間相關性強的時候效果較好，當相關性變弱時，高頻重建信號的諧波將會產生嚴重失真。為了解決這一問題，2009 年，Nagel等人[5]提出采用頻譜拉伸的方法進行諧波調制方法，用以恢復高頻諧波。此后，又提出了諧波連續調制的方法，進一步提高了諧波恢復的效果[6]。目前，重建音質最好的BWE方法是2013年MPEG USAC標準提出的增強型的SBR（簡稱eSBR）技術[7]，但是其使用的偽正交鏡像濾波器導致編碼復雜度較高。本文使用了更加穩定的離散余弦變換（Modified Discrete Cosine Transform ， MDCT）作為時頻變換方法。

1 基于MDCT的音頻帶寬擴展框架

傳統的頻域率帶寬擴展技術針對類音樂信號的高頻重建效果較好，一般輸入信號后通過濾波器直接獲取原始音頻信號進行時頻變換得到高頻信號的邊信息，本文使用基于線性預測（Linear Prediction，LP）的核心編碼器與頻域率核心編碼器相結合的方法進行音頻信號的帶寬擴展降低了編碼碼率。