专利名称：音频编码的制作方法
技术领域：
本发明涉及一种对音频信号进行编码的方法。
编码器(如MPEG编码器)的运作已为人们所知。在如
图1所示的一种结构中，将输入PCM(脉码调制)信号x(t)提供至包含具有各转移函数H1，…H1024的1024个滤波器11的子带滤波器组(SBF)10。对每一滤波信号进行十中取一采样，并且随后提供至一定标器(SC)12，由其确定适合用于每一频带的比例系数。另外，屏蔽阈值和位分配计算器(MT/BA)13(其通常采用某种形式的心理声学模型)确定每一频带的位分配，在该频带内，位速率是针对量化期间所引入的失真来平衡的。随后，按照馈送到多路复用器(MUX)15之前分配的位速率，对每一个经滤波和经比例换算的信号进行量化，在该多路复用器(MUX)15处，产生包括量化信号、比例系数和位分配信息的最终音频流(AS)。
人们知道，可以采用仅带有噪声模型说明的高效方式(例如，4至10千比特/秒)来表述音频信号的某种频谱和/或时间部分。
因此，如图1所示，可以将输入信号x(t)馈送到一选择部件(Sel)16，它按照时间间隔，将频带分为是噪声或者不是噪声。当判断频谱-时间间隔是噪声时，选择部件16指令多路复用器15不要对该时间间隔的子带信号进行编码。而采用其输出按照可获得的位速率进行量化(Q)18的噪声分析器(NA)17对输入信号x(t)的频谱-时间间隔模型化。
然而，一直困扰人们的一个问题是判断哪一部分的音频信号可以用噪声来表述。该判断是基于这样的假设，即，对带有噪声的一部分音频信号模型化不会导致质量的下降。另外，这还将使对信号进行编码的效率的增大。
在Schltz.D的“Improving audio codecs by noise substitution”(J.Audio Eng.Soc.，Vol.44，pp.593-598，1996)中，给出了可以得到信号的统计信号性能，以进行上述分类的情况。Schultz所揭示的典型技术包括.连续谱线中频谱峰值的跟踪。
.在频域中采用预测算符。
.在采用横向滤波器的时域中使用可预测性。
在后两个例子中，假设信号的可预测性越高，则音调越高，因而假设可预测性正好与噪声相反。
其它技术是基于对某一帧的频谱平坦性(通常是在一较短的时间间隔如10-20毫秒内)进行的分析。再有，频谱越平坦，则认为噪声越大。
在Herre，J.Schulz.D的“Extending the MPEG-4 AAC codec byperceptual noise substitution”(in Proc.104thconvention of theAudio Eng.Soc.，Amsterdam，preprint 4720，1998)中，在有关MPEG 4AAC的章节中提到了上述统计方法。这里，频谱-时间间隔对应于“比例系数带”和帧，并且当采用噪声来进行模型化时，节约了位速率。
但是，人们将会看到，现有技术的信号统计标准不一定非要与人类观察者所采用的标准相符，也就是说，只要这些标准之间差不多相符即可。
本发明提供了一种按照权利要求1所述的方法。
本发明是基于采用感知或心理声学模型的源音频信号的频谱-时间间隔的噪声分类。本发明是基于噪声替换的预测可听度，即，如果对于人类观察者来说，预测到噪声替换是听不到的，那么就不会导致感觉上的劣化。
下面通过举例，并参照附图，描述本发明的实施例。图中，图1示出传统的MPEG编码器，其中，采用噪声模型参数来表述音频信号的所选频谱-时间部分；图2示出按照图1中所示编码器运作的本发明实施例的改进选择部件的运作；图3是已知基于心理-声学信号比较模型的方框图；图4是用于图2中选择部件的基于心理-声学信号比较模型的优选实施例的方框图；图5示出图4模型FFT部件所产生的复合谐音的功率谱(Rfnr(f))；图6示出图4模型FFT部件所产生的高斯噪声功率谱(Rfnr(f))；图7示出按照本发明第二实施例的编码器；图8示出图7编码器中运作的选择部件的运作；以及图9(a)和9(b)示出分别对于复合谐音和对于噪声输入信号图4模型滤波器组中一个滤波器(25，18)的输入(R25)和调制谱输出(P25，18)。
在本发明的第一实施例中，在图1所示类型的MPEG编码器中采用改进的选择部件来判断是否可以通过子带滤波信号或采用噪声模型，以最好的方式对频谱-时间间隔模型化。
现在参照图2，一般说来，改进的选择部件(Sel)16’用于对输入信号x(t)的间隔n内多个频带中每一个i的噪声模型替换进行迭代测试。最好是在超过编码器基本间隔长度的时间段内，由选择部件实施其测试。
在该实施例中，测试间隔n周围PCM格式的输入信号x(t)的间隔t(n)分成由9个短重叠段组成的序列…s1，s2…。在分段单元42中，这些重叠段中的每一段都开有平方根Hanning窗口(或某种其它的分析窗口)的窗口。(读者将会看到，本发明中，并没有对间隔的个数作出严格的要求，例如，可以采用8个间隔，也可以采样11个间隔)。同时，间隔t(n)的信号x(t)用于心理-声学分析器52的I/P1输入。
在步骤44，对每一时域开窗信号…s1，s2…实施FFT(快速傅立叶变换)，得到开窗信号的各复合频谱表述。
对于每一表述，以及对于每一频带i，噪声分析器/合成器46为每一频带i提供噪声模型化的信号，而保持频谱其余部分不变。该噪声模型化的信号最好是基于合适编码器中噪声分析器(NA)17所使用的同一模型。
随后，在步骤48，选择部件对每一噪声替换信号进行逆FFT，而得到时域信号…s’1(i)，s’2(i)…。在步骤50中，通过首先再次采用平方根Hanning窗口(或某种其它的合成窗口)并采用迭加法再次进行开窗，而对各个段实施重组。这就产生对应于每一段i的长PCM信号x’(t)(i)，对于该i段来说，在间隔t(n)上已经替换了噪声。随后，把信号x’(t)(i)当作一系列的测试输入信号I/P2(i)发送到心理-声学分析器(PA)52。在图2下面部分所示的矩阵中，示出了经修改的信号的符号表述，其中，第i频带中噪声被替换了。水平轴描述的是时间，而纵轴则代表与AAC编码器中所使用的比例系数带相对应的频带数(fbnr)。园点表示含有原始信号取样的区域，条形段则代表噪声被取代了的区域。阴影条形段表示对噪声进行了分类的区域。
在分析器52中，采用感觉或心理-声学模型来计算经修改的输入信号(I/P2(i))和原始信号(I/P1)之间的差异(质量下降)。如果该感觉差不超过某一标准值，则假设已经用噪声替换的9个间隔中的中间频谱-时间间隔，即间隔n的频带i，可能确实被噪声模型参数替换了。采用这样的方式，逐个研究所有的频谱-时间间隔，以对有关所有间隔的噪声替换作出判断。
人们已经发现，采用上述实施例，根据感知模型的结果，仅对9个替换间隔中的一个作出判断，与一次仅测试和替换一个间隔相比，严格说来，有关噪声替换的判断更可靠。
在采用这种方法对所有的频谱-时间间隔进行了评估以后，分析器52向图1中的多路复用器(MUX)指出，对于间隔n中的哪些频带，可以进行噪声替换。
应当指出，在本优选实施例中，测试总是对原始信号进行的，仅对频带i中替换的噪声进行测试，即，即使分析器52判断可以对间隔n-1中的频带i-1进行替换，只有在测试间隔n中的频带i时才使用原始噪声。
随后，根据需要，并特别参照可以通过噪声模型和子带滤波器模型之间的切换所提供的位速率的节省，多路复用器从用于噪声分析器NA的量化器18或用于子带滤波器11的量化器14拾取待编码的数据。
人们还将看到，选择部件16’还可以与子带滤波器11和噪声分析器17中的一个或二者或者量化器14、18通信，按照需要将它们接入和断开，以减少系统所进行的整个处理。然而，这会要求选择部件在噪声分析器17和子带滤波器10的部件之前运行，并且会在编码器中引入不希望的滞后。因此，在实施上述实施例时，需要针对处理开销，对滞后进行平衡。
在上述第一特定优选实施例中，分析器52中所采用的感知模型是基于下述模型的，参见T.Dau、D.Puschel和A.Kohlrausch的“Aquantitative model of the“effective”signal processing in theauditory system”(J.Acoust.Soc.Am.，Vol.99，3615-3631，June1996)；以及T.Dau、B.Kol lmeier、A.Kohlrausch的“Modelling auditoryprocessing of amplitude modulation，I.Detection and masking withnarrow-band carriers”(J.Acoust.Soc.Am.，Vol.102，2892-2905，November 1997，图3)。
在Dau模型中，首先通过听觉滤波器组62发送输入信号(I/P1或I/P2)。人们知道，人耳蜗中的基底膜上的每一处都具有特定的带通滤波特性。因此，滤波器组62通过产生馈送到模型中下一级的多个(x个)经带通滤波的时域信号来对基底膜的频率一位置变换模型化。(图3中下一级中的每一级根据每一滤波器组输出信号进行工作，而图中仅示出对x个信号中的一个信号进行的处理。)下一步骤是毛细胞模型，它包含半波整流63、截止频率为1kHz的低通滤波64以及对每一滤波信号进行的下取样65。这里，近似将基底膜的机械振荡变换成内毛细胞中的受体电位。下一级包含反馈环66，以考虑到听神经末梢周围的自适应特性。
随后，调制或线性滤波器组67对听觉系统的时间图进行处理。调制滤波器组包含分成两组的总共y个滤波器，每一组采用不同的比例(scaling)。第一组包含的滤波器其带宽为2.5Hz，而以后的滤波器上升至10Hz，并具有恒定的5Hz带宽。第二组用于10到约1000Hz之间的频率，取对数比例，其中比值Q＝中心频率/带宽＝2是常数，总共具有y个滤波器。
在Dau模型中，调制滤波器组67提供时域调制谱。因此，产生这样的调制谱的x*y矩阵来代表每一输入信号。随后，将内部噪声68加到每一调制谱信号上，以对听觉系统的极限性能分辩率模型化。
对于每一输入信号，接着把每一矩阵表达式(表达式1和表达式2)70馈送到确定二表达式之间的差值(D)的检测器69。可以将此量与一预定的阈值比较，以表示信号之间的差是否是可听到的。
因此，Dau模型中每一矩阵单元是一个时间信号，即，对于每一听觉滤波器以及每一后续的调制滤波器，有一个与从I/P2得到的模板相比较而从I/P1得到的时间信号，用以判断某一测试信号(或失真)是否是可听到的。
因此，如果直接将Dau模型应用于判断噪声替换是否是可听到的问题，那么在判断过程中可以使用信号的整个时间结构。所以，经替换的噪声标记的每一细节会引起预测失真。实际上，听者不会感觉到噪声信号的特定细节。换言之，可替换的噪声的每一不同标记给出不同的内部表述。因此，一个特定替换噪声标记由于原始(未修改的)信号而给出非常类似于某一内部表述的该内部表述的可能性是很小的。
另一方面，图4示出基于优选实施例的分析器52的经修改的心理-声学模型主要级。开始时，人们可以看到，未简便起见，没有采用图3中的适应环(adaptation loop)66和噪声加法器68。但是，如果需要，可以采用一个或两个这样的级。
但是，与基于时间的Dau解决方案不同的是，图4所示的实施例是采用变换单元(FFT)71把毛细胞模型产生的时域信号变换成各频域表述。随后，在频域中应用调制滤波器67’(作为加权函数)，来产生用于x个原始信号中的每一个的多个调制谱。
更详细地说，对于提供给变换单元71的x个时间信号中的每一个来说，为相应于约100毫秒的输入信号的间隔，计算功率谱Rfnr(f)。通常，经噪声替换的部分(如果存在的话)处于该间隔的中间。为了转换成调制谱(67’)，定义加权函数Wmfnr，fnr(f)，其中，‘mfnr’是加权函数下标(调制滤波器数)，而‘fnr’则是来自滤波器组62的听觉滤波器信道数，并且Wmfnr，fnr(f)是频率的函数。对于低频，各滤波器67’的带宽较小并且是常数(例如，10到15Hz)，而当高于某一频率时，滤波器的常数Q最好介于1和4之间。例如窗口函数的形状可以是Hanning窗口形状，或者是γ音滤波器的幅度转移函数。在一种优选结构中，最小的滤波器带宽是50Hz，并且Q＝2。可以看到，最低频率的加权函数中心在0Hz，因而仅覆盖滤波波形的上半部(超过最大值的那些)。
对加权函数取平方，并与功率谱相乘，产生用作馈送到平均器70’的内部表述的一系列数值Pmfnr，fnr(f)。
为了进行描述，图5和图6中示出了分别提供作为滤波器组67’的输入的复合谐音和高斯噪声的功率谱(Rfnr(f))。图9(a)和图9(b)分别示出对于100Hz的基频的复合谐音以及对于噪声输入信号，相应于图5和图6的输入(R25)和滤波器组67’中一个滤波器(25，18)的调制谱输出(P25，18)。两个输入信号都具有相等的谱密度和总电平。但是，很清楚，与噪声信号相比，滤波器P25，18(f)的复合谐音具有更高的平均输出电平。因此，相加值(M25，18)会不同。对于噪声信号，M是0.0054，而对于复合谐音，M是0.0093，其差几乎是两倍。因此，对于某一矩阵值，M代表噪声和复合谐音信号大不相同的表述，并且这表示可以采用这种模型对噪声信号进行分类。
在如图4所示的模型中，将每一调制谱的功率Pmfnr，fnr(f)相加(70’)，以产生用于矩阵M中每一元素的值。采用这样的方式，确定某一时间(9个帧)内取平均的每一调制解调器中的动作(M(fnr，mfnr))。该平均与噪声信号的特定细节无关，它消除了采用上述Dau模型的问题。随后，可以将用于一个信号的每一滤波器的动作与经并行处理用以提供信号之间的差异的感觉测量D的另一信号的相应动作(M’)相比较D=ΣfnrΣmfnr(M-M′)2/M2]]>随后，可以将D值与某一标准比较，以判断是否允许进行噪声替换。应当理解，该标准可以是与频率相关的。例如，对于低频，该标准可以更低，并且与听觉滤波器的带宽成正比；而对于高频，该标准可以是恒定的。
如图2所示，选择部件16’或分析器52会要求在指令多路复用器(MUX)切换到噪声模型之前，采用噪声对大于连续个数间隔的大于阈值数量的相邻频带模型化，因为只有当超过这些阈值时，才要求通过变换成噪声模型来节省位速率。
实验中，对几段短固定音频信号段(300毫秒)，测试上述实施例。人们发现，在替换了50％到80％的带宽的听力测试中，可以得到的音频质量可以与对于单声道音频在96千比特/秒的位速率下MPEG 1层III时的情况相比拟。
在本发明的第一实施例中，对噪声进行迭代替换和测试。对于每一种测试，将原始信号的模型输出与经修改的信号的模型(即采用替换的噪声)输出相比较。根据这一比较，判断是否可以替换噪声。但是，人们将会看到，这一方法计算繁琐。
另一种方法是对猜测是噪声替换的良好候选频谱-时间间隔的特定时间间隔和特定听觉滤波器(62，67’)(例如具有低能量级的间隔)作出直接的判断。
这时，一个输入信号(比方说是I/P2)包含合成的噪声信号。随后，将该信号的模型输出(Rep2)直接与原始信号的模型输出(Rep1)相比较，以提供差异测量(D)。人们将会看到，对于给定的频谱-时间间隔，可以预先计算Rep2，从而减少该方法的计算强度。
当Rep1和Rep2之间的差异小于某一标准时，人们可以假设，在该特定的频谱-时间间隔内，噪声是可以替换的，因为很明显，在该间隔内，输入音频信号与噪声信号很相似(感觉上)。
人们将会看到，在第一实施例中，在判断过程中考虑了屏蔽。这很有用，因为屏蔽了某一频谱-时间间隔，可以用噪声来替换，而不会有什么问题。在另一实施例中，可以直接看到，某一频谱-时间间隔的修改是如何影响模型输出的。为了能够做到这一点，最好考虑采用其它信号分量可以将用于噪声替换的候选频谱-时间间隔屏蔽到什么程度。通过给出频谱-时间间隔替换的可检测性等级来考虑这一点，即，采用其它部件所屏蔽的程度。因此，例如，高功率信号中的低能量间隔具有低可检测性等级。采用对于候选间隔获得的可检测性(det)和差异测量(D)的乘积，可以作为给出是否可以替换噪声的良好指示符。
这种方法比起第一实施例方法要快得多，因为这仅需要通过将模型加上所得到的屏蔽性能(可以实现的某种性能而无需冗长的复杂计算)的一次(而不是多次)传送原始输入信号。
人们将会看到，本发明不是仅仅适用于MPEG编码器，而是可以应用于任一一种编码器，在该编码器中，采用噪声并采用某种其它的装置来对参数进行编码。现在参照图7，在本发明的第二实施例中，在参数音频编码器80中采用经改进的选择部件16”，加强了噪声和非噪声频谱-时间间隔之间的鉴别。这样的参数编码器的一个例子是音频信号的正弦曲线，它非常适合于各种音调信号，如申请日为2002年7月8日、律师号为PHNL020598的欧洲专利申请02077727.2中所描述的那样。在编码器中，正弦曲线分析器82将序列段的输入信号x(t)变换到频域内，随后，采用由幅度、频率和可能的相位参数CS所代表的几个正弦曲线，对每一段或每一帧模型化。当从输入信号中去除了信号的合成正弦分量时，可以接着使剩余的信号包含噪声，并且这是在噪声分析器84中进行模型化的，以产生噪声编码CN。接着在位流AS中将正弦码和噪声码CS、CN中的每一个编码。可以被编码的信号的其它分量可以包括瞬时信号和复合谐波(harmonic complexes)，但为简便起见，本文中不作描述。
本发明是采用如下编码器来实现的首先通过缺省，对原始输入信号x(t)进行编码，以提供噪声码和正弦曲线码CS(i)、CN(i)的组合，并且提供这些编码段作为相应于图2所示部件16’的选择部件16”的输入I/P1(0)。
随后，对于给定段n中多个频带i中的每一个，正弦分析器82不对频带内的正弦分量进行编码，从而由噪声分析器84对(更大的)剩余信号进行编码。随后，将所产生的候选噪声码和正弦码CS(i)、CN(i)提供到选择部件16”的I/P2(i)。根据所产生的失真D，判断哪一个候选码组CS(i)、CN(i)按照位速率来说是最有效的，并且不具有超过预定阈值的失真。
下面参照图8，如在第一实施例中所描述的那样，对于每一输入I/P1和IP2(i)，采用单元42’中的各Hanning窗口，合成并组合多个段s1，s2和s’1(i)，s’2(i)的码，对于间隔t(n)提供时间窗口信号，作为感觉分析器52的输入，其操作见有关第一实施例中的描述。因此，分析器52判断，与只有噪声(I/P2(i))的情况相比，采用正弦和噪声(I/P1)的组合，在给定段中给定频带的模型化是否是可听到的。随后，由多路复用器15’来确定在段…s1，s2…上要采用哪一组码1…i来提供最佳位速率对信号x(t)进行编码。
如在第一实施例中那样，与其针对经噪声替换型式的输入信号来迭代测试每一间隔，还可以简单地将输入信号的候选频谱时间间隔与同一间隔内噪声信号的预计算表达型式进行比较，以判断该候选间隔是否是噪声。
不管是在哪一种情况下，这都意味着，对于参数编码器，无需采用正弦或其它分量(如可能节省了位速率和可能提高了质量的复合谐波或瞬变现象)来表述对噪声进行了分类的间隔，这是因为，噪声间隔不会特别采用正弦波来表述。
读者将会看到，尤其是在采用第二实施例的时候，指定的被噪声替换了的音频信号的频谱-时间间隔内能量将与传统模型化音频信号的能量相等。
与上文中参照两个实施例所描述的那样，为了使噪声替换能很好地工作，人们发现，重要的是首先在更长的时间间隔内替换噪声，以判断是否允许进行替换。此后，仅对小得多的间隔，进行实际最终的替换。尽管可以这样来实施本发明，但人们发现，总体来说，如果仅在稍后用作最终替换的测试间隔对噪声进行分类，会使分类不可靠。
但是，如果采用长时间测试间隔证明有问题，最好不采用这样的长间隔进行分类，还可以采用广谱间隔(短持续时间)，仅在更窄的频谱间隔内进行最后的替换。
权利要求
1.一种对输入音频信号(x(t))的频谱-时间间隔进行分类的方法，包含按照一感知模型，对所述输入音频信号的所述频谱-时间间隔进行第一模型化(62...71)，以提供第一表述(Rep1)；按照所述感知模型，采用经修改的并且经噪声替换的输入信号，对所述频谱-时间间隔进行第二模型化(62...71)，以提供第二表述(Rep2)；和根据所述第一、第二表述的比较，将所述音频信号的所述频谱-时间间隔分类(52)成噪声或者不是噪声。
2.如权利要求1所述的方法，其中所述感知模型包含第一多个(x个)滤波器(62)，每一个滤波器提供从用于第一多个频带中的每一个的所述输入音频信号而得到的各经过带通滤波的时域信号；整流器(63)和用于处理每一所述经过带通滤波的信号的低通滤波器(64)；变换器(71)，用以提供所述经处理和经滤波的信号的频谱表述(Rfnr(f))；以及第二多个(y个)滤波器(67’)，每一个滤波器提供从用于第二多个频带中的每一个的每一所述变换信号而得到的经带通滤波的频域信号(Pfnr，mfnr(f))；其中，所述第一、第二表述中的每一个均包含经滤波的频域信息的x*y矩阵(M，M’)。
3.如权利要求2所述的方法，其中所述第一、第二表述中的每一个包含一个x*y矩阵，所述矩阵包括所述经滤波的频域信息的积分。
4.如权利要求1所述的方法，其中所述经修改的并且经噪声替换的输入信号包含所述输入音频信号的时间间隔(t(n))，其中，用噪声模型化的信号来取代频带(i)。
5.如权利要求4所述的方法，包含下述步骤用噪声模型化的信号来迭代取代所述输入音频信号的所述时间间隔(t(n))的频带(i)，以提供一系列经修改的输入信号，每一经修改的输入信号对应于待分类的候选频谱-时间间隔；对所述一系列经修改的输入信号进行迭代地模型化，以提供一系列第二表述；并且根据所述第一和所述一系列第二表述中的每一个的比较，迭代地对所述候选频谱-时间间隔进行分类。
6.如权利要求1所述的方法，其中所述输入音频信号的所述频谱-时间间隔包含用于所述输入音频信号的时间间隔的所选频带，并且其中所述经修改的经噪声替换的输入信号包含所述频带的噪声模型化的信号。
7.如权利要求6所述的方法，其中所述第二模型化步骤仅执行一次。
8.如权利要求6所述的方法，还包含下述步骤判断所述选择的频带的输入信号中噪声替换由其余的输入音频信号屏蔽到什么程度，并且其中，所述分类步骤(52)包含将所述音频信号的所述频谱-时间间隔分类为所述第一和第二表述的所述比较和所述屏蔽程度的函数。
9.一种对音频信号进行编码的方法，包含按照权利要求1中的步骤，将所述音频信号的频谱-时间信号分类(16’，16”)为噪声或不是噪声；采用噪声模型参数，对分类为噪声的频谱-时间间隔的至少一部分进行模型化(17，84)；以及将所述噪声模型参数编码(15，15’)成位流(AS)。
10.如权利要求9所述的方法，其中所述部分的频谱-时间间隔包含所述频谱-时间间隔的时间子集。
11.如权利要求9所述的方法，其中所述部分的频谱-时间间隔包含所述频谱-时间间隔的频谱子集。
12.如权利要求9所述的方法，其中所述频谱时间间隔包含长度比所述位流中的基本间隔长度(s1，s2)更长的时间段。
13.一种对输入音频信号(x(t))的频谱-时间间隔进行分类的部件，包含按照感知模型对所述输入音频信号的所述频谱-时间间隔进行模型化(62...71)以提供第一表述(Rep1)的装置；按照所述感知模型采用经修改并且经噪声替换的输入信号对所述频谱-时间间隔进行模型化(62...71)以提供第二表述(Rep2)的装置；以及根据所述第一、第二表述的比较而将所述音频信号的所述频谱-时间间隔分类(52)成噪声或不是噪声的装置。
14.一种包括按照权利要求13的部件的编码器，其中采用所述部件来判断是否采用噪声模型参数来对频谱时间间隔进行编码。
15.如权利要求14所述的编码器，其中所述编码器是正弦编码器，或者是MPEG型编码器。
全文摘要
本发明揭示了一种对输入音频信号(x(t))的频谱－时间间隔进行分类的方法。首先按照感知模型对输入音频信号的频谱－时间间隔模型化(62…71)，以提供第一表述(Rep1)。随后，按照同一感知模型，采用经修改并且经噪声替换的输入信号，对频谱－时间间隔模型化(62…71)，以提供第二表述(Rep2)。随后根据第一、第二表述的比较，将频谱－时间间隔分类为是噪声或不是噪声。
文档编号G10L25/78GK1771533SQ03826549
公开日2006年5月10日 申请日期2003年5月27日 优先权日2003年5月27日
发明者S·L·J·D·E·范德帕尔, J·J·斯科罗内克 申请人:皇家飞利浦电子股份有限公司