ES2213901T3 - Mejora de codificacion de la fuente utilizando la replica de la banda espectral. - Google Patents

Abstract

LA PRESENTE INVENCION SE REFIERE A UN NUEVO PROCEDIMIENTO DE MEJORA DE CODIFICACION DE LA FUENTE ASI COMO AL DISPOSITIVO CORRESPONDIENTE. SE PROCEDE, EN EL MARCO DE ESTA INVENCION, A UN ESTRECHAMIENTO DE LA ANCHURA DE BANDA (101) ANTES DE LA ENTRADA EN EL CODIFICADOR-DECODIFICADOR O EN ESTE ULTIMO (103) Y LUEGO A UNA REPRODUCCION DE LA BANDA ESPECTRAL (105) EN EL DECODIFICADOR (107). DICHAS OPERACIONES SE CONVIERTEN EN POSIBLES GRACIAS AL USO DE NUEVAS TECNICAS DE TRANSPOSICION COMBINADAS CON UNAS REGULACIONES DE LA ENVOLTURA ESPECTRAL. SE OFRECE UN FLUJO BINARIO QUE REDUCE A UNA CALIDAD PERCEPTIVA DETERMINADA O CALIDAD PERCEPTIVA MEJORADA CON UN FLUJO BINARIO DETERMINADOS. LA REALIZACION DE ESTA INVENCION CONSISTE, PREFERENTEMENTE, EN LA INTEGRACION A UN CODIGO MAQUINA O SOFTWARE. ESTA INVENCION PUEDE, SIN EMBARGO, UTILIZARSE COMO PROCESADOR SEPARADO ASOCIADO CON UN CODIGO. DA LUGAR A UNAS NOTABLES MEJORAS CASI INDEPENDIENTES DEL TIPO DE CODIGO Y DEL AVANCE TECNOLOGICO.

Description

Mejora de codificación de la fuente utilizando la réplica de la banda espectral.

En los sistemas de codificación de fuentes, los datos digitales son comprimidos antes de la transmisión o el almacenamiento para reducir la velocidad de bits o la capacidad de almacenamiento requeridas. La presente invención está relacionada con un nuevo método y aparato para la mejora de los sistemas de codificación de fuentes por medio de la Réplica de la Banda Espectral (SBR). Se consigue una reducción sustancial de la velocidad de bits mientras se mantiene la misma calidad perceptible o, a la inversa, se consigue una mejora de la calidad perceptible a una velocidad de bits dada. Esto se consigue por medio de la reducción de la anchura de banda espectral en el lado del codificador y la consiguiente réplica espectral de la banda en el descodificador, por lo que la invención explota nuevos conceptos de redundancia de la señal en el dominio espectral.

Las técnicas de codificación de fuentes de audio pueden ser divididas en dos clases: codificación de audio natural y codificación del habla. La codificación de audio natural se utiliza comúnmente para música o señales arbitrarias a velocidades de bits medias, y generalmente ofrece una amplia anchura de banda de audio. Los codificadores de habla están básicamente limitados a la reproducción del habla pero, por otra parte, pueden ser utilizados a velocidades de bits muy bajas, aunque con anchura de banda de audio baja. El habla de banda ancha ofrece una mejora subjetiva sustancial de la calidad en comparación con el habla de banda estrecha. Al aumentar la anchura de banda, no solamente se mejora la inteligibilidad y la naturalidad del habla, sino que también se facilita el reconocimiento del locutor. La codificación del habla de banda ancha es por tanto un problema importante en sistemas telefónicos de la próxima generación. Además, debido al tremendo crecimiento del campo de multimedia, es una característica deseable la transmisión de música y otras señales no de habla con una calidad alta en comparación con los sistemas telefónicos.

Una señal lineal PCM de alta fidelidad es muy ineficiente en términos de velocidad de bits en comparación con la entropía perceptible. El estándar de CD dictamina una frecuencia de muestreo de 44,1 kHz, una resolución de 16 bits por muestra y estéreo. Esto es igual a una velocidad de bits de 1411 kbits/s. Para reducir drásticamente la velocidad de bits, puede efectuarse una codificación de fuentes utilizando codecs de audio perceptibles de banda repartida. Estos codecs de audio natural explotan la irrelevancia perceptible y la redundancia estadística en la señal. Utilizando la mejor tecnología de codecs, se puede conseguir aproximadamente el 90% de reducción en los datos para una señal estándar de formato de CD con una degradación prácticamente imperceptible. Es por tanto posible una calidad de sonido muy alta a alrededor de 96 kbits/s, es decir, con un factor de compresión de aproximadamente 15:1. Algunos codecs perceptibles ofrecen relaciones de compresión aún más altas. Para conseguir esto, es común reducir la velocidad de muestreo y por tanto la anchura de banda de audio. También es común disminuir el número de niveles de cuantificación, permitiendo ocasionalmente una distorsión de cuantificación audible, y emplear la degradación del campo estéreo a través de la codificación de intensidad. El uso excesivo de tales métodos da como resultado una degradación perceptible molesta. La tecnología actual de los codecs está cercana a la saturación y no se espera un progreso adicional en la ganancia de la codificación. Con el fin de mejorar aún más el rendimiento de la codificación, es necesario un nuevo enfoque.

La voz humana y la mayoría de los instrumentos musicales generan señales cuasi estacionarias que emergen desde los sistemas oscilantes. De acuerdo con la teoría de Fourier, cualquier señal periódica puede ser expresada como una suma de sinusoides con frecuencias f, 2f, 3f, 4f, 5f, etc., donde f es la frecuencia fundamental. Las frecuencias forman una serie armónica. Una limitación de la anchura de banda de tal señal es equivalente a un truncamiento de la serie armónica. Tal truncamiento altera el timbre y color de tono percibidos de un instrumento musical o voz, y conlleva una señal de audio que sonará "amortiguada" o "apagada", y puede reducirse la inteligibilidad. Las altas frecuencias son, por tanto, importantes para la impresión subjetiva de la calidad del sonido.

Los métodos de la técnica anterior están principalmente orientados a la mejora del rendimiento del codec y, en particular, orientados a la Regeneración de Alta Frecuencia (HFR), que es un problema en la codificación del habla. Tales métodos emplean desplazamientos lineales de frecuencia en banda ancha, no linealidades o distorsión por repliegue del espectro (patente de Estados Unidos núm. 5.127.054) que generan productos de intermodulación u otros componentes no armónicos de frecuencia que originan una severa disonancia cuando se aplican a señales musicales. Tales disonancias son denominadas en la literatura de la codificación del habla como sonido "áspero" y "basto". Otros métodos HFR de habla sintética generan armónicos sinusoidales que están basados en la estimación del tono fundamental y están por tanto limitados a sonidos de tono estacionarios (patente de Estados Unidos núm. 4.771.465). Tales métodos de la técnica anterior, aunque útiles para aplicaciones de habla de baja calidad, no funcionan en señales de habla de alta calidad o musicales. Unos pocos métodos intentan mejorar el rendimiento de los codecs de fuentes de audio de alta calidad. Se usan señales de ruido sintético generadas en el descodificador para sustituir señales similares al ruido en el habla o en la música, previamente descartadas por el codificador ("Mejora de los codecs de audio por medio de la sustitución del ruido", de D. Schultz, JAES, Vol. 44, núm. 7/8, 1996). Esto se realiza dentro de una banda alta, transmitida por otra parte normalmente, en una base de intermitencia cuando hay presentes señales de ruido. Otro método vuelve a crear algunos armónicos ausentes de la banda alta que se perdieron en el proceso de codificación ("Codificador Espectral de Audio" de A.J.S. Ferreira, AES Preprint 4201, Convención 100, mayo 11-14 de 1996, Copenhague) y depende nuevamente de señales de tono y detección del tono. Ambos métodos funcionan en base a un ciclo de trabajo bajo ofreciendo nuevamente una codificación o ganancia del rendimiento comparativamente limitadas.

La patente de Estados Unidos núm. 5.127.054 divulga una mejora en la calidad del habla para codificadores de voz y sintetizadores. Un codificador genera una señal codificada que contiene información espectral esencial consistente en muestras diezmadas de las sub-bandas espectrales más significativas. Estas muestras son interpoladas apropiadamente en una pluralidad de filtros de reconstrucción. La salida de los filtros es sumada y, por una parte, alimentada a un sumador final y, por otra parte, introducida en un dispositivo no lineal para generar una señal armónica que comprende una pluralidad de señales armónicas generadas a partir de la información espectral esencial contenida en las sub-bandas de habla seleccionadas. La señal armónica es encaminada a una pluralidad de filtros de sub-bandas que limitan la banda de la señal armónica con las bandas de interés particulares. Las señales armónicas filtradas son ajustadas en una etapa de ganancia opcional.

La patente de Estados Unidos núm. 4.667.340 divulga un sistema de mensajería de voz con codificación en banda base congruente con el tono. Un codificador genera parámetros LPC más una señal residual, que son transmitidos. Para ahorrar anchura de banda, la señal residual es filtrada de manera que solamente una fracción de su anchura de banda completa es transmitida desde el codificador al descodificador. En el descodificador, la señal residual transmitida es copiada o ampliada de alguna otra manera a unas frecuencias más altas para proporcionar la señal de excitación que es filtrada de acuerdo con parámetros LPC para proporcionar la salida de habla reconstituida.

Es un objeto de la presente invención proporcionar un concepto para una réplica mejorada de la banda espectral.

Este objeto se consigue por medio de un método para descodificar una señal codificada de acuerdo con la reivindicación 1, o un aparato para descodificar una señal codificada de acuerdo con la reivindicación 21.

La presente invención proporciona un nuevo método y un aparato para mejoras sustanciales de los sistemas de codificación de fuentes digitales y, más específicamente, para mejorar los codecs de audio. El objetivo incluye una reducción de la velocidad de bits o una calidad perceptible mejorada, o una combinación de ambas cosas. La invención está basada en nuevos métodos de explotación de redundancia armónica, ofreciendo la posibilidad de descartar bandas de paso de una señal antes de la transmisión o del almacenamiento. No se percibe una degradación perceptible si el descodificador realiza una réplica espectral de alta calidad de acuerdo con la invención. Los bits descartados representan la ganancia de la codificación con una calidad perceptible fija. Alternativamente, pueden asignarse más bits para codificar la información de banda baja a una velocidad de bits fija, consiguiendo así una calidad perceptible más alta.

La presente invención postula que una serie armónica truncada puede ser ampliada basándose en la relación directa entre componentes espectrales de banda baja y de banda alta. Esta serie ampliada se asemeja al original en un sentido perceptible si se siguen ciertas reglas: en primer lugar, las componentes espectrales extrapoladas deben estar armónicamente relacionadas con la serie armónica truncada, con el fin de evitar artefactos relacionados con la disonancia. La presente invención utiliza la transposición como un medio para el proceso de réplica espectral, que asegura que se cumple este criterio. Sin embargo, no es necesario que las componentes espectrales de banda baja formen una serie armónica para un funcionamiento con éxito, ya que las nuevas componentes de la réplica, armónicamente relacionadas con las de la banda baja, no alterarán la naturaleza similar al ruido o transitoria de la señal. Se define una transposición como una transferencia de parciales desde una posición a otra en la escala musical, al tiempo que se mantienen las relaciones de frecuencia de las parciales. En segundo lugar, la envolvente espectral, es decir, la distribución espectral aproximada, de la banda alta de la réplica, debe parecerse razonablemente bastante a la señal original. La presente invención ofrece dos modos de funcionamiento, SBR-1 y SBR-2, que difieren en la manera en que se ajusta la envolvente espectral.

El SBR-1, orientado a la mejora de las aplicaciones de codecs de calidad intermedia, es un proceso de un solo extremo que confía exclusivamente en la información contenida en una señal de banda baja o de paso bajo recibida en el descodificador. La envolvente espectral de esta señal está determinada y es extrapolada, por ejemplo, utilizando polinomios junto con un conjunto de reglas o con un libro de código. Esta información es utilizada para ajustar continuamente e igualar la réplica de banda ancha. El presente método SBR-1 ofrece la ventaja de un post-proceso, es decir, no se necesitan modificaciones en el lado del codificador. Un emisor de radiodifusión ganará en utilización del canal o será capaz de ofrecer una calidad perceptible mejorada o una combinación de ambas. Pueden utilizarse sin modificación la sintaxis y estándares existentes para las cadenas de bits.

El SBR-2, orientado a la mejora de las aplicaciones de codecs de alta calidad, es un proceso de dos terminaciones, en el que, además de la señal de banda baja transmitida de acuerdo con el SBR-1, se codifica y se transmite la envolvente espectral de la banda alta. Como las variaciones de la envolvente espectral tiene una velocidad muy inferior a las componentes de la señal de banda alta, solamente se necesita transmitir una cantidad limitada de información con el fin de representar con éxito la envolvente espectral. El SBR-2 puede ser utilizado para mejorar el rendimiento de las tecnologías actuales de codecs sin modificaciones o con modificaciones menores de la sintaxis y protocolos existentes, y como una herramienta valiosa para el desarrollo futuro de codecs.

Tanto SBR-1 como SBR-2 pueden utilizarse para réplicas de bandas de paso inferiores de la banda baja cuando tales bandas son cerradas por el codificador como se estipula en el modelo psicoacústico en condiciones de poca cantidad de bits. Esto da como resultado una mejora de la calidad perceptible por la réplica espectral dentro de la banda baja además de la réplica espectral fuera de la banda baja. Además, SBR-1 y SBR-2 pueden utilizarse también en codecs que empleen la escalación de la velocidad de bits, donde la calidad perceptible de la señal en el receptor varía dependiendo de las condiciones del canal de transmisión. Esto implica normalmente unas variaciones molestas de la anchura de banda de audio en el receptor. Bajo tales condiciones, los métodos SBR pueden ser utilizados con éxito con el fin de mantener una anchura de banda constantemente alta, mejorando de nuevo la calidad perceptible.

La presente invención funciona en una base de continuidad, efectuando réplicas de cualquier tipo de contenido de la señal, es decir, ya sea de tono o no (similares al ruido y a señales transitorias). Además, el presente método de réplica espectral crea una réplica perceptiblemente precisa de las bandas descartadas de las bandas de frecuencia disponibles en el descodificador. Por tanto, el método SBR ofrece un nivel sustancialmente más alto de ganancia de la codificación o de la mejora de la calidad perceptible en comparación con métodos de la técnica anterior. La invención puede ser combinada con tales métodos de mejora de codecs de la técnica anterior; sin embargo, no es de esperar una ganancia del rendimiento debida a tales combinaciones.

El método SBR comprende los pasos siguientes:

-

codificación de una señal obtenida a partir de una señal original, donde las bandas de frecuencia de la señal son descartadas y el descarte se efectúa antes o durante la codificación, formando una primera señal,

-

durante o después de la codificación de la primera señal, trasponer las bandas de frecuencia de la primera señal, formado una segunda señal,

-

efectuar un ajuste de la envolvente espectral, y

-

combinar la señal descodificada y la segunda señal, formando una señal de salida.

Las bandas de paso de la segunda señal pueden ser establecidas de manera que no se solapen o que se solapen parcialmente con las bandas de paso de la primera señal, y pueden ser establecidas en dependencia de las características temporales de la señal original y/o de la primera señal, o de las condiciones del canal de transmisión. El ajuste de la envolvente espectral se efectúa basándose en una estimación de la envolvente espectral original de la primera señal, o bien en la información de envolvente transmitida de la señal original.

La presente invención incluye dos tipos básicos de dispositivos de trasposición: los dispositivos de trasposición multibanda y los dispositivos de trasposición por predicción de búsqueda del modelo que varía con el tiempo, que tienen propiedades diferentes. Una trasposición multibanda básica puede ser efectuada de acuerdo con la presente invención por medio de lo siguiente:

-

filtrar la señal a trasponer por medio de un conjunto de N \geq 2 filtros de paso de banda con bandas de paso que comprenden las frecuencias (f_{1}, ... f_{N}) respectivamente, formando N señales de paso de banda,

-

hacer un desplazamiento en frecuencia de las señales de banda de paso a regiones que comprendan las frecuencias M(f_{1}, ... f_{N}), donde M \neq 1 es el factor de trasposición, y

-

combinar las señales de banda de paso desplazadas, formando una señal traspuesta.

Alternativamente, esta trasposición multibanda básica puede ser efectuada de acuerdo con la invención por medio de lo siguiente:

-

filtrar en paso de banda la señal a trasponer utilizando un banco de filtros de análisis o una transformada de tal naturaleza que se generen las señales con valor real o complejo de tipo de paso bajo,

-

se conecta un número arbitrario de canales k de dicho banco de filtros o transformada a los canales Mk, M \neq 1, en un banco de filtros de análisis o transformada, y

-

se forma la señal traspuesta utilizando el banco de filtros de síntesis o transformada.

Una trasposición multibanda mejorada de acuerdo con la invención, incorpora ajustes de fase, reforzando el rendimiento de la trasposición multibanda básica.

La trasposición por predicción de búsqueda del modelo que varía con el tiempo de acuerdo con la presente invención puede ser efectuada por lo siguiente:

-

efectuar una detección de transitorios en la primera señal,

-

determinar qué segmento de la primera señal ha de utilizarse cuando se duplican/descartan partes de la primera señal dependiendo del resultado de la detección de transitorios,

-

ajustar las propiedades del vector de estado y del libro de código dependiendo del resultado de la detección de transitorios, y

-

buscar puntos de sincronización en segmentos elegidos de la primera señal, basándose en el punto de sincronización encontrado en la búsqueda previa del punto de sincronización.

Los métodos SBR y los aparatos de acuerdo con la presente invención ofrecen las siguientes características:

1.

Los métodos y aparatos explotan nuevos conceptos de redundancia de la señal en el dominio espectral.

2.

Los métodos y aparatos son aplicables en señales arbitrarias.

3.

Cada conjunto armónico es creado y controlado individualmente.

4.

Todos los armónicos de los que se hace una réplica son generados de tal manera que forman una continuación de la serie armónica existente.

5.

El proceso de réplica espectral está basado en la trasposición y no crea artefactos o bien son imperceptibles.

6.

La réplica espectral puede cubrir bandas múltiples más pequeñas y/o una amplia gama de frecuencias.

7.

En el método SBR-1, el proceso se realiza solamente en el lado del descodificador, es decir, pueden utilizarse todos los estándares y protocolos sin modificación.

8.

El método SBR-2 puede ser implantado de acuerdo con la mayoría de los estándares y protocolos sin modificaciones o con modificaciones mínimas.

9.

El método SBR-2 ofrece al diseñador de codecs una nueva y potente herramienta de compresión.

10.

La ganancia de la codificación es significativa.

La aplicación más atractiva está relacionada con la mejora de los diversos tipos de codecs de velocidades de bits bajas, tales como la Capa I/II/III de MPEG 1/2 (patente de Estados Unidos núm. 5.040.217) el AC de MPEG 2/4, el Dolby AC-2/3, el NTT TwinVQ (patente de Estados Unidos núm. 5.684.920), el PAC de AT&T/Lucent, etc. La invención es útil también en los codecs de habla de alta calidad, tales como el CELP de banda ancha y el SB-ADPCM G.722, etc., para mejorar la calidad percibida. Los codecs anteriores se usan ampliamente en multimedia, en la industria telefónica, en Internet, así como en aplicaciones profesionales. Los sistemas T-DAB (Radiodifusión Terrestre de Audio Digital) utilizan protocolos de baja velocidad de bits que ganan en la utilización del canal utilizando el presente método, o mejoran la calidad en FM y en AM DAB. El S-DAB por satélite ganará considerablemente, debido a los excesivos costes del sistema involucrados, utilizando el método presente para aumentar el número de canales de programas en el múltiplex de DAB. Además, por primera vez, se puede conseguir un flujo de audio en tiempo real de anchura de banda completa por Internet, utilizando módems telefónicos de baja velocidad de bits.

A continuación se describirá la presente invención, a modo de ejemplos ilustrativos, con referencia a los dibujos que se acompañan, en los cuales:

La figura 1 ilustra el SBR incorporado en un sistema de codificación de acuerdo con la presente invención;

La figura 2 ilustra la réplica espectral de armónicos superiores de acuerdo con la presente invención;

La figura 3 ilustra la réplica espectral de armónicos dentro de la banda, de acuerdo con la presente invención;

La figura 4 es un diagrama de bloques para una implantación en el dominio del tiempo de un dispositivo de trasposición de acuerdo con la presente invención;

La figura 5 es un diagrama de flujo que representa un ciclo de funcionamiento del dispositivo de trasposición por predicción de búsqueda del modelo, de acuerdo con la presente invención;

La figura 6 es un diagrama de flujo que representa la búsqueda para el punto de sincronización de acuerdo con la presente invención;

La figura 7a-7b ilustra la posición del libro de código durante transitorios, de acuerdo con la presente invención;

La figura 8 es un diagrama de bloques para una implantación de varios dispositivos de trasposición en el dominio del tiempo, en conexión con un banco de filtros apropiado, para el funcionamiento SBR de acuerdo con la presente invención;

Las figuras 9a-9c son diagramas de bloques que representan un dispositivo para el análisis y síntesis STFT configurados para la generación de armónicos de segundo orden, de acuerdo con la presente invención;

Las figuras 10a-10b son diagramas de bloques de una sub-banda con un desplazamiento lineal de frecuencias en el dispositivo STFT de acuerdo con la presente invención;

La figura 11 muestra una sub-banda que utiliza un multiplicador de fase de acuerdo con la presente invención;

La figura 12 ilustra cómo se generan armónicos de tercer orden de acuerdo con la presente invención;

La figura 13 ilustra cómo se generan simultáneamente armónicos de segundo y tercer orden de acuerdo con la presente invención;

La figura 14 ilustra la generación de una combinación sin solapamiento de varios órdenes de armónicos de acuerdo con la presente invención;

La figura 15 ilustra la generación de una combinación intercalada de varios órdenes de armónicos de acuerdo con la presente invención;

La figura 16 ilustra la generación de desplazamientos lineales de frecuencia de banda ancha;

La figura 17 ilustra cómo se generan sub-armónicos de acuerdo con la presente invención;

Las figuras 18a-18b son diagramas de bloques de un codec de percepción;

La figura 19 muestra una estructura básica de un banco de filtros diezmado de manera máxima;

La figura 20 ilustra la generación de armónicos de segundo orden en un banco de filtros diezmado de manera máxima de acuerdo con la presente invención;

La figura 21 es un diagrama de bloques para una trasposición multibanda mejorada en un banco de filtros diezmado de manera máxima funcionando sobre señales de sub-banda, de acuerdo con la presente invención;

La figura 22 es un diagrama de flujo que representa la trasposición multibanda mejorada en un banco de filtros diezmado de manera máxima funcionando sobre señales de sub-banda, de acuerdo con la presente invención;

La figura 23 ilustra muestras de sub-banda y factores de escalación de un codec típico;

La figura 24 ilustra muestras de sub-banda e información de la envolvente para SBR-2 de acuerdo con la presente invención;

La figura 25 ilustra transmisión oculta de información de la envolvente para SBR-2 de acuerdo con la presente invención;

La figura 26 ilustra codificación de redundancia en SBR-2, de acuerdo con la presente invención;

La figura 27 ilustra una implantación de un codec que utiliza el método SBR-1 de acuerdo con la presente invención; y

La figura 28 ilustra una implantación de un codec que utiliza el método SBR-2 de acuerdo con la presente invención;

La figura 29 es un diagrama de bloques de un generador de "pseudo-estéreo" de acuerdo con la presente invención.

A lo largo de la explicación de los modos de realización presentes, se pone el énfasis en las aplicaciones de codificación de fuentes de audio naturales. Sin embargo, debe quedar entendido que la presente invención es aplicable a una gama de aplicaciones de codificación de audio distintas a la codificación y descodificación de señales de audio.

Conceptos básicos de la trasposición

La trasposición, como se define de acuerdo con la presente invención, es el método ideal para la réplica espectral, y tiene varias ventajas principales sobre la técnica anterior, tales como: no requerir la detección de tono, se obtiene un rendimiento igualmente alto para el material de programas de un solo tono y polifónicos, y la trasposición funciona igual de bien en señales con o sin tono. Al contrario que otros métodos, la trasposición de acuerdo con la invención puede utilizarse en sistemas de codificación de fuentes arbitrarias de audio para tipos arbitrarios de señales.

En la trasposición exacta se define un factor M de una señal discreta en el tiempo x(n) en forma de suma de cosenos con amplitudes que varían en el tiempo, por la relación

(1)x(n) = \sum\limits^{N - 1}_{i = 0}e_{i} \ (n) \ cos(2\pi f_{i} \ n \ / \ f_{s} + \alpha_{i})\rightarrow

(2)y(n) = \sum\limits^{N - 1}_{i = 0}e_{i} \ (n) \ cos(2\pi hdf_{i} \ n \ / \ f_{x}+\beta_{i})

donde N es el número de sinusoides, en adelante denominadas parciales, f_{i}, e_{i}(n), \alpha_{i} son las frecuencias de entrada individuales, las envolventes de tiempo, y las constantes de fase, respectivamente, \beta_{i} son las constantes arbitrarias de fase de salida, y f_{s} es la frecuencia de muestreo, y 0 \leq Mf_{i} \leq f_{i}/2.

En la figura 2, se muestra la generación de armónicos de orden M-simo, donde M es un entero \geq 2. El término armónicos de orden M-simo se usa por simplicidad, aunque el proceso genera armónicos de orden M-simo en todas las señales de una cierta región de frecuencias, que en la mayoría de los casos son ellos mismos armónicos de orden desconocido. La señal de entrada con la representación X(f) en el dominio del tiempo, está limitada en una banda en la gama de 0 a f_{max}, 201. El contenido de la señal en la gama de f_{max}/M a Qf_{max}/M, donde Q es el factor de expansión de anchura de banda deseado, 1 < Q \leq M, es extraído por medio de un filtro de paso de banda, formando una señal de banda de paso con un espectro X_{BP}(f), 203. La señal de paso de banda es traspuesta en un factor M, formando una segunda señal de paso de banda con un espectro X_{T}(f) que cubre la gama f_{max} a Qf_{max}, 205. La envolvente espectral de esta señal es ajustada por medio de un ecualizador controlado por programa, formando una señal con espectro X_{E}(f), 207. Esta señal es combinada después con una versión retardada de la señal de entrada, con el fin de compensar el retardo impuesto por el filtro de paso de banda y el dispositivo de trasposición, por lo que se forma una señal de salida con espectro Y(f) que cubre la gama 0 a Qf_{max}, 209. Alternativamente, el filtrado de paso de banda puede ser efectuado después de la trasposición M, utilizando frecuencias de corte f_{max} y Qf_{max}. Utilizando dispositivos múltiples de trasposición es posible, naturalmente, la generación simultánea de diferentes órdenes de armónicos. El esquema anterior puede ser utilizado para "rellenar" bandas de detención dentro de la señal de entrada, como se ilustra en la figura 3, donde la señal de entrada tiene una banda de detención que se extiende desde f_{0} a Qf_{0}, 301. Se extrae después una banda de paso (f_{0}/M, Qf_{0}/M), 303, traspuesta por un factor M a (f_{0}, Qf_{0}), 305, ajustada en envolvente, 307 y combinada con la señal de entrada retardada, formando una señal de salida con espectro Y(f), 309.

Puede utilizarse una aproximación de una trasposición exacta. De acuerdo con la presente invención, la calidad de tales aproximaciones se determina utilizando la teoría de la disonancia. Un criterio para la disonancia lo presenta Plomp ("Consonancia total y anchura de banda crítica", R. Plomp, W.J.M. Levelt, JASA, vol. 38, 1965), y afirma que se consideran disonantes dos parciales si la diferencia de frecuencias está dentro de aproximadamente 5 a 50% de la anchura de banda de la banda crítica en la cual se sitúan las parciales. Como referencia, la anchura de banda crítica para una frecuencia dada puede ser aproximada por

(3)cb(f) = 25 + 75\left(i + 1,4 \left(\frac{f}{1000}\right)^{2}\right)^{0,69}

donde f y cb están en hertzios. Además, Plomp afirma que el sistema auditivo humano no puede discriminar dos parciales si difieren en frecuencia aproximadamente en menos del cinco por ciento de la anchura de banda crítica en la cual están situadas. La trasposición exacta en la ecuación 2 está aproximada por:

(4)y_{aprox} \ (n) = \sum\limits^{N - 1}_{i = 0}e_{i} \ (n) \ cos(2\pi(Mf_{i}\pm\Delta f_{i})n \ / \ f_{s} + \beta_{i})

donde \Deltaf_{i} es la desviación desde la trasposición exacta. Si las parciales de entrada forman una serie armónica, una hipótesis de la invención establece que las desviaciones desde la serie armónica de las parciales traspuestas no deben exceder del cinco por ciento de la anchura de banda crítica en la que están situadas. Esto explicaría por qué los métodos de la técnica anterior dan resultados insatisfactorios en cuanto "aspereza" y "tosquedad", ya que los desplazamientos lineales de frecuencia de banda ancha conllevan una desviación mucho mayor que la aceptable. Cuando los métodos de la técnica anterior generan más de una parcial para una sola parcial de entrada, las parciales deben estar, no obstante, dentro del límite establecido anteriormente para la desviación, como si debieran percibirse como una sola parcial. Esto explica nuevamente los pobres resultados obtenidos con los métodos de la técnica anterior que utilizan no linealidades, etc., ya que generan parciales de intermodulación que no están dentro del límite de la desviación.

Cuando se utiliza el método anterior basado en la trasposición de réplica espectral de acuerdo con la presente invención, se consiguen las siguientes propiedades importantes:

-

Normalmente no tiene lugar ningún solapamiento entre los armónicos de la réplica y las parciales existentes.

-

Las parciales de la réplica están armónicamente relacionadas con las parciales de la señal de entrada y no provocarán ninguna disonancia o artefacto.

-

La envolvente espectral de los armónicos de la réplica forma una suave continuación de la envolvente espectral de la señal de entrada, que se ajusta perceptiblemente a la envolvente original.

Trasposición basada en la predicción de búsqueda del modelo variable con el tiempo

Existen diversas maneras de diseñar los dispositivos de trasposición requeridos. Las implantaciones típicas en el dominio del tiempo amplían la señal en el tiempo duplicando segmentos de la señal basados en el periodo del tono. Esta señal es leída posteriormente a una velocidad diferente. Desafortunadamente, tales métodos son estrictamente dependientes de la detección del tono para poder empalmar con precisión en el tiempo los segmentos de la señal. Además, la restricción de trabajar en segmentos de señal basados en el periodo del tono, los hace sensibles a transitorios. Como el periodo de tono detectado puede ser mucho más largo que el transitorio real, es obvio el riesgo de duplicar el transitorio completo en lugar de simplemente expandirlo en el tiempo. Otro tipo de algoritmos para el dominio del tiempo obtiene la compresión/expansión en el tiempo de señales de habla utilizando la predicción de búsqueda del modelo de la señal de salida ("Predicción de búsqueda del modelo para el habla", de R. Bogner, T.Li, Proc. ICASSP '89, vol. 1, mayo de 1989, "Modificación de la escala de tiempos del habla basada en un modelo no lineal de oscilador", de G. Kubin, W.B. Kleijn, IEEE, 1994). Esta es una forma de síntesis granular, donde la señal de entrada es dividida en pequeñas partes, gránulos, utilizados para sintetizar la señal de salida. Esta síntesis se hace usualmente efectuando una correlación de segmentos de la señal con el fin de determinar los mejores puntos de empalme. Esto significa que los segmentos utilizados para formar la señal de salida no son dependientes del periodo del tono, y por tanto no se requiere la tarea nada trivial de la detección del tono. No obstante, permanecen en estos métodos los problemas con las amplitudes de señal rápidamente cambiantes, y la trasposición de alta calidad tiende a elevar las demandas de grandes cálculos. Sin embargo, se presenta ahora un cambiador de tono/dispositivo de trasposición mejorado en el dominio del tiempo, donde el uso de la detección de transitorios y de parámetros dinámicos del sistema genera una trasposición más precisa para altos factores de trasposición, durante los sonidos estacionarios (con tono o sin tono) y los sonidos transitorios, a un coste de cálculo bajo.

Haciendo referencia a los dibujos, en los que las referencias numéricas similares indican elementos similares, en la figura 4 se muestran nueve módulos independientes: un detector 401 de transitorios, un ajustador 403 de posición de ventana, un generador 405 de libro de código, un selector 407 de señal de sincronización, una memoria 409 de posición de la sincronización, un estimador 411 de diferencia mínima, una memoria 413 de segmentos de salida, una unidad 415 de mezclado, y un dispositivo 417 de muestreo hacia abajo. La señal de entrada es alimentada al generador 405 de libro de código y al detector 401 de transitorios. Si se detecta un transitorio, su posición es enviada al módulo 403 de posición de ventana. Este módulo estipula el tamaño y la posición de la ventana, que se multiplica con la señal de entrada cuando se crea el libro de código. El generador 405 de libro de código recibe una posición de sincronización desde el módulo 407 de selección de sincronización, siempre que haya sido conectado a otro dispositivo de trasposición. Si esta posición de sincronización está dentro del libro de código, se utiliza y se produce un segmento de salida. En caso contrario, el libro de código es enviado al estimador 411 de diferencia mínima que devuelve una nueva posición de sincronización. En el módulo 415 de mezcla se ajusta la ventana del nuevo segmento de salida junto con el segmento de salida anterior en el módulo y, posteriormente, se le hace un muestreo hacia abajo en el módulo 417.

Con el fin de aclarar la explicación, se introduce una representación de espacios de estado. Aquí, los vectores, o gránulos, representan las señales de entrada y salida. La señal de entrada está representada por un vector de estado x(n):

(5)x(n) = [x(n), x(n - D), x(n - 2D), ..., x(n - (N - 1)D)]

que se obtiene a partir de N muestras retardadas de la señal de entrada, donde N es la dimensión del vector de estado y D es el retardo entre las muestras de entrada utilizadas para construir el vector. El establecimiento de un mapa granular obtiene la muestra x(n) que sigue a cada vector de estado x(n-1). Esto produce la ecuación 6, en la que a(.) es el establecimiento del mapa:

(6)x(n) = a(x(n - 1)).

En el método presente, el establecimiento del mapa granular se utiliza para determinar la salida siguiente basada en la salida anterior, utilizando un libro de código de transición de estados. El libro de código de longitud L es reconstruido continuamente, conteniendo los vectores de estado y la muestra siguiente que está detrás de cada vector de estado. Cada vector de estado está separado de su vecino por K muestras; esto permite al sistema ajustar la resolución de tiempos dependiendo de las características de la señal actualmente procesada, donde cuando K es igual a uno se representa la resolución más fina. El segmento de la señal de entrada utilizado para construir el libro de código es elegido basándose en la posición de un posible transitorio y en la posición de la sincronización en el libro de código anterior.

Esto significa que el establecimiento de un mapa a(.), teóricamente, es evaluado para todas las transiciones incluidas en el libro de código:

1

Con este libro de código de transición, la nueva salida y(n) es calculada buscando el vector de estado en el libro de código que sea más parecido al vector de estado actual y(n-1). Esta búsqueda del vecino más próximo se hace calculando la diferencia mínima y produce la nueva muestra de salida:

(8)y(n) = a(y(n-1))

Sin embargo, el sistema no está limitado a funcionar sobre una base de muestra a muestra, sino que funciona preferiblemente en base a segmentos. El nuevo segmento de salida es ajustado en ventana y sumado, mezclado, con el segmento de salida anterior y, posteriormente, se le hace un muestreo hacia abajo. El factor de trasposición de tono está determinado por la relación de la longitud del segmento de entrada representado por el libro de código y la longitud del segmento de salida leído desde el libro de código.

Volviendo a los dibujos, en la figura 5 y en la figura 6, se presentan diagramas de flujo, que muestran el ciclo de funcionamiento del dispositivo de trasposición. En 501 se representan los datos de entrada y en 503 se efectúa una detección de transitorios en un segmento de la señal de entrada; la búsqueda de transitorios se efectúa en una longitud del segmento igual a la longitud del segmento de salida. Si se encuentra un transitorio, 505, la posición del transitorio se almacena, 507, y se ajustan, 509, los parámetros L (que representa la longitud del libro de código), K (que representa la distancia en muestras entre cada vector de estado), y D (que representa el retardo entre muestras en cada vector de estado). La posición del transitorio es comparada con la posición del segmento de salida anterior, 511, con el fin de determinar si se ha procesado el transitorio. Si es así, 513, se ajusta, 515, la posición del libro de código (ventana L), y los parámetros K, L y D. Tras los ajustes necesarios de los parámetros, basándose en el resultado de la detección de transitorios, tiene lugar la búsqueda, 517, de una nueva sincronización o punto de empalme. Este procedimiento está presentado en la figura 6. Primero se calcula un nuevo punto de sincronización basándose en el anterior, 601, de acuerdo con:

(9)Sync\_pos = Sync\_pos\_old + S.M -S,

donde Sync_pos y Sync_pos_old son las posiciones de sincronización nueva y antigua, respectivamente, S es la longitud del segmento de entrada que se está procesando, y M es el factor de trasposición. Este punto de sincronización se utiliza para comparar la precisión del nuevo punto de empalme con la precisión del antiguo punto de empalme, 603. Si la coincidencia es tan buena o mejor que la anterior, 605 se devuelve este nuevo punto de sincronización, 607, siempre que esté dentro del libro de código. Si no es así, se busca un nuevo punto de sincronización en el bucle 609. Este se realiza con una medida de similitud, en este caso con una función 611 de diferencia mínima; sin embargo, es posible también utilizar la correlación en el dominio de tiempos o de frecuencias. Si la posición conlleva una coincidencia mejor que la posición anterior encontrada, 613, se almacena la posición de sincronización, 615. Cuando se han intentado todas las posiciones, 617, el sistema vuelve, 619, al diagrama de flujo de la figura 5. El nuevo punto de sincronización obtenido es almacenado, 519, y se lee un nuevo segmento en el libro de código, 521, comenzando en el punto de sincronización dado. Este segmento es ajustado en ventana y añadido al anterior, 523, se le hace un muestreo hacia abajo por el factor de trasposición, 525, y se almacena en la memoria intermedia de salida,
527.

En la figura 7, se ilustra el comportamiento del sistema bajo condiciones transitorias con relación a la posición del libro de código. Antes del transitorio, el libro de código 1 que representa el segmento 1 de entrada es situado "a la izquierda" del segmento 1. El segmento 1 de correlación representa una parte de la salida anterior y es utilizado para encontrar el punto 1 de sincronización en el libro de código 1. Cuando se detecta el transitorio y se procesa el punto del transitorio, el libro de código se desplaza de acuerdo con la figura 7a y es estacionario hasta que el segmento de entrada que se está procesando actualmente está de nuevo "a la derecha" del libro de código. Esto hace imposible duplicar el transitorio, ya que no se le permite buscar los puntos de sincronización antes del transitorio.

La mayoría de los dispositivos de trasposición de tono, o ampliadores de tiempo, basados en la predicción de búsqueda del modelo, dan resultados satisfactorios para el material de habla y de un solo tono. Sin embargo, su funcionamiento se deteriora rápidamente para señales de alta complejidad, como la música, en particular con factores de trasposición grandes. La presente invención ofrece varias soluciones para un rendimiento mejorado, produciendo por tanto excelentes resultados para cualquier tipo de señal. Al contrario que otros diseños, el sistema es variable con el tiempo y los parámetros del sistema están basados en las propiedades de la señal de entrada y en los parámetros utilizados durante el ciclo de funcionamiento anterior. El uso de un detector de transitorios que controle no solamente el tamaño y la posición del libro de código, sino también las propiedades de los vectores de entrada incluidos, es un método muy robusto y eficiente desde el punto de vista de cálculo para evitar la degradación audible durante segmentos de señal que cambien rápidamente. Además, la alteración de la longitud del segmento de señal que se está procesando, que provocaría demandas de cálculo más altas, no es requerida. También, la presente invención utiliza una búsqueda refinada del libro de código, basada en los resultados de la búsqueda precedente. Esto significa que, al contrario que una correlación ordinaria de dos segmentos de la señal, como se hace usualmente en sistemas del dominio de tiempos basados en la predicción de búsqueda del modelo, se prueban primero las posiciones de sincronización más probables en lugar de comprobar todas las posiciones consecutivamente. Este nuevo método de reducción de la búsqueda del libro de código reduce drásticamente la complejidad de cálculo del sistema. Además, cuando se utilizan varios dispositivos de trasposición, la información de la posición de sincronización puede ser compartida entre los dispositivos de trasposición para una reducción adicional de la complejidad de cálculo, como se muestra en la siguiente realización.

Los dispositivos de trasposición en el dominio del tiempo, como se ha explicado anteriormente, son utilizados para implantar sistemas SBR-1 y SBR-2 de acuerdo con el siguiente ejemplo ilustrativo, pero no limitativo. En la figura 8, se utilizan tres módulos de expansión del tiempo con el fin de generar armónicos de segundo, tercero y cuarto órdenes. Como en este ejemplo, cada dispositivo de trasposición/expansión del dominio de tiempos trabaja en una señal de banda ancha, es beneficioso ajustar la envolvente espectral de la gama de frecuencias de la fuente antes de la trasposición, considerando que no habrá medios para hacerlo después de la trasposición, sin añadir un sistema ecualizador independiente. Los ajustadores 801, 803 y 805 de envolvente espectral funcionan, cada uno de ellos, en varios canales de bancos de filtros. La ganancia de cada canal en los ajustadores de envolvente debe ser establecida de manera que la suma, 813, 815, 817, a la salida, tras la trasposición, conduzca a la envolvente espectral deseada. Los dispositivos 807, 809 y 811 de trasposición están interconectados con el fin de compartir información de posición de la sincronización. Esto está basado en el hecho de que, bajo ciertas condiciones, tendrá lugar una alta correlación entre las posiciones de sincronización encontradas en el libro de código durante la correlación en las unidades de trasposición independientes. Supóngase, como ejemplo y sin limitar nuevamente el alcance de la invención, que el dispositivo de trasposición de armónicos de cuarto orden funciona en base a un periodo de tiempo mitad que el dispositivo de trasposición de armónicos de segundo orden, pero al doble de su ciclo de trabajo. Supóngase también que los libros de código utilizados para los dos ampliadores son los mismos y que las posiciones de sincronización de los dos ampliadores del dominio de tiempos están etiquetadas como sync_pos4 y sync_pos2, respectivamente. Esto conduce a la relación siguiente:

(10)sync_pos2 = sync_pos4-n.4.S-sync_offset, para n = 1,2,3,4,..

donde

(11)sync_offset = sync_pos4-sync_pos2, para n = 0,

y S es la longitud del segmento de entrada representado por el libro de código. Esto es válido siempre que ninguno de los punteros de posición de la sincronización alcance el final del libro de código. Durante el funcionamiento normal, n es aumentado en uno para cada periodo de tiempo procesado por el dispositivo de trasposición de armónicos de segundo orden, y cuando se alcanza inevitablemente el final del libro de código, por cualquiera de los punteros, el contador n es puesto en n=0, y como sync_pos4 y sync_pos2 son calculados individualmente. Se obtienen resultados similares para el dispositivo de trasposición de armónicos de tercer orden cuando está conectado al dispositivo de trasposición de armónicos de cuarto orden.

El uso presentado anteriormente de varios dispositivos de trasposición del dominio de tiempos interconectados, para la creación de armónicos de orden superior, introduce una sustancial reducción del cálculo. Además, el uso propuesto de dispositivos de trasposición en el dominio de tiempos en conexión con un banco de filtros apropiado, presenta la oportunidad de ajustar la envolvente del espectro creado, al tiempo que mantiene la simplicidad y el bajo coste de cálculo de un dispositivo de trasposición del dominio de tiempos, ya que estos, más o menos, pueden ser implantados utilizando aritmética de coma fija y únicamente operaciones de adición/sustracción.

Otros ejemplos ilustrativos, pero no limitativos, de la presente invención son:

-

la utilización de un dispositivo de trasposición dentro de cada sub-banda en un banco de filtros de sub-banda, reduciendo así la complejidad de la señal en cada uno de los dispositivos de trasposición.

-

la utilización de un dispositivo de trasposición del dominio de tiempos en combinación con un dispositivo de trasposición del dominio de frecuencias, permitiendo así al sistema utilizar distintos métodos para la trasposición, dependiendo de las características de la señal de entrada que se está procesando.

-

la utilización de un dispositivo de trasposición del dominio de tiempos en un codec de habla de banda ancha, operando por ejemplo sobre la señal residual obtenida tras la predicción lineal.

Debe reconocerse que el método descrito anteriormente puede ser utilizado ventajosamente para la modificación de la escala de tiempos solamente, omitiendo simplemente la conversión de la velocidad de muestreo. Debe ser entendido además que, aunque el método descrito está enfocado en la trasposición de un tono a otro tono más alto, es decir, en la expansión del tiempo, son aplicables los mismos principios cuando se hace una trasposición a un tono inferior, es decir, en compresión del tiempo, como es obvio para los expertos en la técnica.

Trasposición basada en un banco de filtros

A continuación se describirán diversas técnicas de trasposición nuevas e innovadoras basadas en bancos de filtros. La señal a la cual ha de hacerse la trasposición es dividida en una serie de señales de paso de banda o de sub-bandas. Las señales de sub-bandas son entonces traspuestas, de manera exacta o aproximada, lo cual se consigue ventajosamente por medio de una reconexión de sub-bandas de análisis y síntesis, en adelante denominadas "parches". El método se expone primero utilizando una Transformada de Fourier de Tiempo Corto, STFT.

La STFT de N puntos de una señal discreta x(n) está definida por

(12)X_{k}(n) = \sum\limits^{\infty}_{p = \infty} x (p) h (n - p)e^{-j\omega_{k}p},

donde k = 0, 1, ..., N-1 y \omega_{k} = 2\pik/N y h(n) es una ventana. Si la ventana satisface las condiciones siguientes:

2

existe una trasformada inversa y viene dada por

(14)x(n) = \frac{1}{N}\sum\limits^{N - 1}_{k = 0} X_{k} (n) e^{j\omega_{k}n}.

La transformada directa puede ser interpretada como un analizador, véase la figura 9a, consistente en un banco de N filtros de paso de banda con respuestas de impulsos de h(n)exp(j\omega_{k}n), 901, seguido por un banco de N multiplicadores con portadoras exp(-j\omega_{k}n), 903, que desplazan las señales de paso de banda hacia abajo a las regiones alrededor de 0 Hz, formando las N señales de análisis X_{k}(n). La ventana actúa como un prototipo de filtro de paso bajo. Las X_{k}(n) tienen pequeñas anchuras de banda y son muestreadas normalmente hacia abajo, 905. La ecuación 12 solamente necesita ser evaluada en n = rR, donde R es el factor de diezmado y r es la nueva variable de tiempo. Las X_{k}(n) pueden ser recuperadas a partir de las X_{k}(rR) mediante un muestreo hacia arriba, véase la figura 9b, es decir, una inserción de ceros, 907, seguida por un filtrado de paso bajo, 909. La transformada inversa puede ser interpretada como un sintetizador consistente en un banco de N multiplicadores con portadoras (1/N)exp(j\omega_{k}n), 911, que desplazan las señales X_{k}(n) a sus frecuencias originales, seguido por las etapas 913, figura 9c, que añaden las contribuciones y_{k}(n) de todos los canales. La STFT y la ISTFT pueden ser reorganizadas con el fin de utilizar DFT e IDFT, que hacen posible el uso de algoritmos FFT ["Implantación del Vocoder de Fase utilizando la Transformada Rápida de Fourier" de M. R. Portnoff, IEEE ASSP, vol. 24, núm. 3, 1976].

La figura 9c muestra un parche 915 para la generación de segundos armónicos, M=2, con N=32. Por razones de simplicidad, solamente se ilustran los canales 0 a 16. La frecuencia central de paso de banda 16 es igual a la frecuencia de Nyqvist y los canales 17 a 31 corresponden a frecuencias negativas. Los bloques indicados como P917 y los bloques 919 de ganancia serán descritos más adelante y deben ser por el momento considerados en corto. La señal de entrada en este ejemplo está limitada en su banda de manera que solamente los canales 0 a 7 contienen señales. Los canales analizadores 8 a 16 están por tanto vacíos, y no es necesario establecer un mapa entre ellos y el sintetizador. Los canales analizadores 0 a 7 están conectados a los canales sintetizadores 0 a 7, correspondiendo a un camino de retardo de la señal de entrada. Los canales k de análisis, donde 4 \leq k \leq 7 están conectados también a los canales de síntesis Mk, M=2, que desplazan las señales a regiones de frecuencia a dos veces las frecuencias centrales de los filtros k de paso de banda. Por tanto, las señales son desplazadas hacia arriba a sus gamas originales, así como traspuestas una octava hacia arriba. Para explorar la generación de armónicos en términos de respuestas a filtros de valor real y de los moduladores, también deben considerarse las frecuencias negativas, véase la rama inferior de la figura 10a. Por tanto, debe ser evaluada la salida combinada del re-establecimiento del mapa k \rightarrow Mk, 1001, y N-k \rightarrow N-Mk, 1003, donde 4 \leq k \leq 7.

Esto da como resultado

\newpage

y(n) = \frac{2}{N}[x(n) \text{*} h(n) cos(\omega_{k}n)]cos((M - 1)\omega_{k}n) +

(15)- \frac{2}{N}[x(n) \text{*} h(n) sen(\omega_{k}n)]sen((M - 1)\omega_{k}n)

donde M=2. La ecuación 15 debe ser interpretada como un filtrado paso de banda de la señal de entrada, seguido de un desplazamiento lineal de frecuencia o modulación de Banda Lateral Superior (USB), es decir, una modulación de banda lateral única utilizando la banda lateral superior, véase la figura 10b, donde 1005 y 1007 forman un transformador Hilbert, 1009 y 1011 son multiplicadores con portadoras coseno y seno y 1013 es una etapa de diferencia que selecciona la banda lateral superior. Claramente, tal método de paso de banda y banda lateral única multibanda puede ser implantado explícitamente, es decir, sin el parche del banco de filtros, en el dominio de tiempos o de frecuencias, permitiendo una selección arbitraria de bandas de paso individuales y frecuencias de oscilador.

De acuerdo con la ecuación 15, una sinusoide con la frecuencia \omega_{i} dentro de la banda de paso del canal k de análisis produce un armónico a una frecuencia M\omega_{k}+(\omega_{i}-\omega_{k}). Por tanto el método, denominado como trasposición de multibanda básica, solamente genera armónicos exactos para las señales de entrada con frecuencias \omega_{i}=\omega_{k}, donde
4 \leq k \leq 7. Sin embargo, si el número de filtros es suficientemente grande, la desviación desde la trasposición exacta es despreciable, véase la ecuación 4. Además, la trasposición se hace exacta para señales de tono cuasi-estacionarias de frecuencias arbitrarias insertando los bloques indicados como P917 (figura 9c), siempre que cada canal de análisis contenga como máximo una parcial. En este caso, X_{k}(rR) son exponenciales complejas con frecuencias iguales a las diferencias entre las frecuencias parciales \omega_{i} y las frecuencias centrales \omega_{k} de los filtros de análisis. Para obtener la trasposición exacta M, estas frecuencias deben ser incrementadas por un factor M, modificando la relación de frecuencias anterior a \omega_{i}\rightarrow M\omega_{k}+M(\omega_{i}-\omega_{k})= M\omega_{i}. Las frecuencias de X_{k}(rR) son iguales a las derivadas con respecto al tiempo de sus respectivos ángulos de fase no recubiertos y pueden ser estimadas utilizando diferencias de primer orden de sucesivos ángulos de fase. Las estimaciones de frecuencias son multiplicadas por M y los ángulos de fase de síntesis son calculados utilizando esas nuevas frecuencias. Sin embargo, se obtiene el mismo resultado, excepto una constante de fase, de una manera simplificada multiplicando los argumentos del análisis directamente por M, eliminando la necesidad de la estimación de frecuencias. Esto se describe en la figura 11, que representa los bloques 917. Por tanto, X_{k}(rR), donde 4 \leq k \leq 7 en este ejemplo, son convertidas de coordenadas rectangulares a polares, ilustrado por los bloques R \rightarrow P, 1101. Los argumentos son multiplicados por M=2, 1103, y las magnitudes quedan inalteradas. Estas señales con convertidas de nuevo a coordenadas rectangulares (P \rightarrow R), 1105, formando las señales Y_{Mk}(rR) y alimentadas a los canales sintetizadores de acuerdo con la figura 9c. Este método de trasposición de multibanda mejorado tiene por tanto dos etapas: El parche proporciona una trasposición aproximada, como en el método básico, y los multiplicadores de fase proporcionan correcciones finas de frecuencia. Los métodos de trasposición multibanda anteriores difieren de las técnicas tradicionales de desplazamiento de tono que utilizan la STFT, donde se utilizan osciladores de tabla de consulta para la síntesis o, cuando se utiliza ISTFT para la síntesis, la señal es estirada en el tiempo y diezmada, es decir, no se utiliza ningún parche.

El parche de armónicos de la figura 9c se modifica fácilmente para otros factores de trasposición distintos de dos. La figura 12 muestra un parche 1203 para la generación de armónicos de tercer orden, donde 1201 son los canales de análisis y 1205 son los canales de síntesis. Pueden crearse simultáneamente órdenes de armónicos diferentes como se muestra en la figura 13, donde se utilizan armónicos de segundo y tercer orden. La figura 14 ilustra una combinación sin solapamiento de armónicos de segundo, tercero y cuarto órdenes. El número de armónicos más bajo posible se utiliza en la frecuencia más alta posible. Por encima del límite superior de la gama de destino del armónico M, se utiliza el armónico M+1. La figura 15 muestra un método para establecer un mapa de correspondencia entre todos los canales sintetizadores (N=64, ilustrados los canales 0-32). Se establece un mapa entre todos los canales de banda alta que tengan índices con número no principal, de acuerdo con la relación siguiente entre el número de canal fuente y destino: k_{dest} = M k_{fuente}, donde M es el menor entero \geq 2 que satisface la condición de que k_{fuente} caiga en la banda baja y k_{dest} en la banda alta. Por tanto, ningún canal sintetizador recibe la señal desde más de un canal de análisis. Puede establecerse un mapa entre los canales de banda alta de número principal y k_{fuente} = 1, o entre los canales de banda baja y k_{fuente} > 1, que produce buenas aproximaciones de la relación anterior (solamente se ilustran las conexiones de números no principales con M = 2, 3, 4, 5 en la figura 15).

También es posible combinar la información de amplitud y fase de diferentes canales analizadores. Las señales de amplitud |X_{k}(rR)| pueden ser conectadas de acuerdo con la figura 16, mientras que las señales de fase arg{X_{k}(rR)} son conectadas de acuerdo con el principio de la figura 15. De esta manera seguirán estando traspuestas las frecuencias de banda baja, por lo que se genera una repetición periódica de la envolvente de la región fuente en lugar de la envolvente estirada que resulta de una trasposición de acuerdo con la ecuación 2. Pueden incorporarse unos medios de puerta u otros medios con el fin de evitar la amplificación de los canales fuente "vacíos". La figura 17 ilustra otra aplicación, la generación de sub-armónicos para una señal filtrada en banda alta y limitada en bajos, utilizando conexiones desde sub-bandas superiores o inferiores. Cuando se utilizan las trasposiciones anteriores, puede ser beneficioso emplear conmutación adaptativa de parches basándose en las características de la señal.

En la descripción anterior se ha supuesto que la frecuencia más alta contenida en la señal de entrada era significativamente más baja que la frecuencia de Nyqvist. Por tanto, fue posible realizar una ampliación de la anchura de banda sin un aumento de la velocidad de muestreo. Sin embargo, este no siempre es el caso, por lo que puede ser necesario un muestreo precedente hacia arriba. Cuando se utilizan métodos de bancos de filtros para la trasposición, es posible integrar el muestreo hacia arriba en el proceso.

La mayoría de los codecs de percepción emplean bancos de filtros diezmados al máximo en el mapa de correspondencia de tiempos a frecuencias ["Introducción a la codificación perceptible", de K. Brandenburg, AES, Colección de Artículos sobre la Reducción de la Velocidad de Bits de Audio Digital, 1996]. La figura 18a muestra la estructura básica de un sistema codificador de percepción. El banco de filtros de análisis 1801 reparte la señal de entrada en varias señales de sub-bandas. Las muestras de sub-bandas son cuantificadas individualmente, 1803, utilizando un número de bits reducido, donde el número de niveles de cuantificación está determinado a partir de un modelo de percepción 1807 que estima el umbral mínimo de enmascaramiento. Las muestras de sub-bandas son normalizadas, codificadas con métodos opcionales de codificación de redundancia y combinadas con información anexa consistente en los factores de normalización, información de asignación de bits y otros datos específicos, 1805, del codec, para formar la cadena serie de bits. La cadena de bits es almacenada o transmitida después. En el descodificador, figura 18b, la cadena de bits codificada es desmultiplexada, 1809, descodificada y las muestras de sub-bandas son re-cuantificadas al mismo número de bits, 1811. Un banco de filtros de síntesis combina las muestras de sub-bandas con el fin de volver a crear la señal original, 1813. Las realizaciones que utilizan bancos de filtros diezmados al máximo reducirán drásticamente los costes de cálculo. En las descripciones siguientes, se pone el foco en bancos de filtros modulados en coseno. Sin embargo, debe apreciarse que la invención puede ser llevada a cabo utilizando otros tipos de bancos de filtros o trasformadas, incluyendo interpretaciones de bancos de filtros de la transformada de pequeñas ondas, otros bancos de filtros o transformadas de anchura de banda desigual y bancos de filtros o transformadas multidimensionales.

En las descripciones ilustrativas, aunque no limitativas, siguientes, se supone que un banco de filtros modulado en coseno de L canales reparte la señal x(n) de entrada en L señales de sub-banda. La estructura genérica de un banco de filtros diezmado al máximo está ilustrada en la figura 19. Los filtros de análisis están indicados como H_{k}(x), 1901, donde k = 0, 1, ..., L-1. Las señales de sub-banda v_{k}(n) están diezmadas al máximo, 1903, cada una de ellas de una frecuencia de muestreo de f_{s}/L, donde f_{s} es la frecuencia de muestreo de x(n). La sección de síntesis vuelve a componer las señales de sub-banda tras la interpolación, 1905, y el filtrado, 1907, para generar \hat{x}(n). Los filtros de síntesis son indicados como F_{k}(z). Además, la presente invención realiza una réplica espectral sobre \hat{x}(n), entregando una señal reforzada y(n).

Al sintetizar las señales de sub-banda con un banco de filtros de QL canales, donde solamente son utilizados los L canales de banda baja y el factor Q de expansión de anchura de banda es elegido de manera que QL es un valor entero, se obtendrá como resultado una cadena de bits de salida con una frecuencia de muestreo Qf_{s}. Por tanto, el banco de filtros ampliado actuará como si fuera un banco de filtros de L canales seguido de un dispositivo de muestreo hacia arriba. Como, en este caso, los L(Q-1) filtros de banda alta no son usados (alimentados con ceros), la anchura de banda de audio no cambiará, (el banco de filtros reconstruirá meramente una versión muestreada hacia arriba de
\hat{x}(n). Sin embargo, si las L señales de sub-banda son parcheadas a los filtros de banda alta, la anchura de banda de
\hat{x}(n) será incrementada por un factor Q, produciendo y(n). Esta es la versión del banco de filtros diezmado al máximo del dispositivo de trasposición básico de multibanda, de acuerdo con la invención. Utilizando este esquema, el proceso de muestreo hacia arriba es integrado en el filtrado de síntesis como se ha explicado anteriormente. Debe observarse que puede utilizarse cualquier tamaño del banco de filtros de síntesis, dando como resultado distintas velocidades de muestreo de la señal de salida, y por tanto distintos factores de expansión de anchura de banda. Se consigue realizar una réplica espectral sobre \hat{x}(n) de acuerdo con la presente invención del método de trasposición básica multibanda con un factor entero M de trasposición, mediante el parcheo de las señales de sub-banda, como

(16)\nu_{Mk}(n) = e_{Mk}(n)(-1)^{(M-1)kn}\nu_{k}(n)

donde k \in [0, L-1] y es elegido de manera que Mk \in [L, QL-1], e_{Mk}(n) es la corrección de la envolvente y (-1)^{(M-1)km} es un factor de corrección para sub-bandas espectrales invertidas. La inversión espectral se origina en el diezmado de las señales de sub-banda, y las señales invertidas pueden ser reinvertidas cambiando el signo en cada dos muestras de esos canales. Haciendo referencia a la figura 20, considérese un banco de filtros de síntesis de 16 canales parcheado, 2009, para un factor de trasposición M = 2 con Q = 2. Los bloques 2001 y 2003 denotan los filtros de análisis H_{k}(z) y los dispositivos de diezmado de la figura 19, respectivamente. De forma similar, 2005 y 2007 son los interpoladores y filtros de síntesis F_{k}(z). La ecuación 16 simplifica entonces el parcheado de las cuatro señales de sub-banda de frecuencia superior de los datos recibidos en cada dos de los ocho canales superiores del banco de filtros de síntesis. Debido a la inversión espectral, cada dos señales parcheadas de sub-banda deben tener la frecuencia invertida antes de la síntesis. Además, las magnitudes de las señales parcheadas deben ser ajustadas, 2011, de acuerdo con los principios de SBR-1 o SBR-2.

Utilizando el método de trasposición multibanda básica de acuerdo con la presente invención, los armónicos generados no son, en general, múltiplos exactos de los fundamentales. Todas las frecuencias, excepto la inferior, de cada sub-banda difieren en cierta medida de una trasposición exacta. Además, el espectro de la réplica contiene ceros, ya que el intervalo objetivo cubre una gama de frecuencias más amplia que el intervalo de la fuente. Más aún, las propiedades de cancelación de alias del banco de filtros modulados en coseno se desvanecen, ya que las señales de sub-banda están separadas en frecuencia en el intervalo objetivo. Es decir, las señales de sub-banda vecinas no se solapan en la zona de banda alta. Sin embargo, los métodos de reducción del repliegue del espectro, conocidos por los expertos en la técnica, pueden ser utilizados para reducir este tipo de artefactos. Las ventajas de este método de trasposición son la fácil implantación y el muy bajo coste de cálculo.

Para conseguir una perfecta trasposición de sinusoides, se presenta ahora una solución eficaz de un banco de filtros diezmado al máximo del método de trasposición multibanda mejorado. El sistema utiliza un banco de filtros adicional de análisis modificado, mientras que el banco de filtros de síntesis es modulado en coseno como lo describe Vaidyanathan ("Sistemas de velocidades múltiples y bancos de filtros", de P. P. Vaidyanathan, Prentice Hall, Englewood Cliffs, New Jersey, 1993, ISBN 0-13-605718-7). Los pasos de funcionamiento, utilizando el método de trasposición multibanda mejorado de acuerdo con la presente invención, basado en bancos de filtros diezmados al máximo, se muestran esquemáticamente en la figura 21 y en el diagrama de flujo de la figura 22 y son como siguen:

1.

Las L señales de sub-banda recibidas son sintetizadas con un banco de filtros, 2101, 2201, 2203, de QL canales, donde los L(Q-1) canales superiores son alimentados con ceros, para formar la señal x_{1}(n), que es así sobremuestreada por el factor Q de expansión de anchura de banda.

2.

x_{1}(n) es muestreada hacia abajo por un factor Q, para formar la señal x_{2}(n'), 2103, 2205, es decir, x_{2}(n') = x_{1}(Qn').

3.

Se elige un valor entero K como tamaño del banco del filtro de análisis, restringido de manera que T=KM/Q sea un entero, donde T es el tamaño del banco de filtros de análisis modificado y M es el factor de trasposición, 2207, 2209, 2211. K debe ser elegido, preferiblemente grande, para señales estacionarias (de tono), y más pequeño para señales dinámicas (transitorios).

4.

x_{2}(n') es filtrado a través de un banco de filtros de análisis modificado, 2107, 2213, de T canales, donde los T filtros de análisis son modulados exponencialmente, generando un conjunto de señales de sub-banda de valor complejo. Las señales de sub-banda son muestreadas hacia abajo por un factor T/M, dando las señales de sub-banda v_{k}^{(M)}(n''), k = 0, 1, ..., T-1. Por tanto, el banco de filtros será sobremuestreado en un factor M.

5.

Las muestras v_{k}^{(M)}(n'') son convertidas a una representación polar (magnitud y ángulo de fase). Los ángulos de fase son multiplicados por un factor M, y las muestras son convertidas de nuevo a una representación rectangular de acuerdo con el esquema de la figura 11. Se toman las partes reales de las muestras de valor complejo, dando las señales s_{k}^{(M)}(n''), 2109, 2215. Tras esta operación las señales s_{k}^{(M)}(n'') son muestreadas de manera crítica.

6.

Las ganancias de las señales s_{k}^{(M)}(n'') son ajustadas de acuerdo con los principios de SBR-1 o SBR-2, 2111, 2217.

7.

Las señales de sub-banda s_{k}^{(M)}(n''), donde k \in [T/M, min(K,T)-1], son sintetizadas con un banco de filtros ordinario de K canales modulados en coseno, donde los canales 0 a T/M-1 son alimentados con ceros, 2105, 2221. Esto genera la señal x_{3}^{(M)}(n).

8.

x_{3}^{(M)}(n) es finalmente sumada con x_{1}(n) para producir y(n), 2223, que es la señal de réplica espectral deseada.

Los pasos 3 a 6 pueden ser repetidos para diferentes valores del factor M de trasposición, añadiendo así múltiples armónicos a x_{1}(n). Este modo de funcionamiento está ilustrado por las figuras de puntos de la figura 21, y en la figura 22, haciendo iterativo el bucle en las cajas 2211 - 2219. En este caso, K se elige de manera que haga a T un valor entero para todas las elecciones de M (para un valor entero de M:s); preferiblemente se selecciona K de manera que haga a K/Q un entero positivo. Todas las señales de sub-banda s_{k}^{(Mi)}(n''), donde i = 1,2,...,m y m es el número de factores de trasposición , son sumadas de acuerdo con

(17)s_{k}(n'') = \sum\limits^{m}_{i=1}s_{k}{}^{(M_{1})}(n'')

para cada k aplicable. En la primera iteración del bucle de la figura 22, las señales s_{k}(n'') pueden ser consideradas como muestras de sub-banda de ceros solamente, donde k = 0, 1, ..., K-1. En cada bucle, las nuevas muestras son sumadas, 2219, a s_{k}(n'') como

(18)s_{k}(n'') = s_{k}(n'')+s_{k}{}^{(M_{1})}(n'')

donde k = K/Q, K/Q+1,...,min(K,T_{i})-1. Las señales s_{k}(n'') de sub-banda son sintetizadas una vez con un banco de filtros de K canales, de acuerdo con el paso 7.

El banco de filtros de análisis modificado del paso 4, es obtenido a través de la teoría de los bancos de filtros modulados en coseno, donde la transformada solapada modulada (MLT) ["Transformadas solapadas para una codificación eficiente de trasformada/sub-banda", de H. S. Malvar, IEEE Trans ASSP, vol 38, núm. 6 1990] es un caso especial. Las respuestas de impulsos h_{k}(n) de los filtros en un banco de filtros modulados en coseno de T canales pude escribirse como:

(19)h_{k}(n) = Cp_{0}(n)cos\left[\frac{\pi}{2T}(2k+1)(n-\frac{N-1}{2})+\Phi_{k}\right],

donde k = 0, 1,...,T-1, N es la longitud del prototipo de filtro de paso bajo p_{0}(n), C es una constante y \Phi_{k} es un ángulo de fase que asegura la cancelación de alias entre canales contiguos. Las restricciones en \Phi_{k} son

(20a-c)\Phi_{0} = \pm\frac{\pi}{4}, \ \Phi_{T - 1} = \pm \frac{\pi}{4} \ \ y \ \ \Phi_{k} = \Phi_{k-1}\pm\frac{\pi}{2}

que puede ser simplificada a la expresión en forma cerrada

(21)\Phi_{k} = \pm(-1)^{k} \ \frac{\pi}{4}

Con esta elección de \Phi_{k}, pueden obtenerse sistemas de reconstrucción perfecta o sistemas de reconstrucción aproximada (pseudo sistemas QMF) utilizando bancos de filtros de síntesis con respuestas de impulsos como

(22)f_{k}(n) = Cp_{0}(n)cos\left[\frac{\pi}{2T}(2k+1)(n-\frac{N-1}{2})-\Phi_{k}\right]

Considérense los filtros

(23)h'_{k}(n) = Cp_{0}(n)sen \left[ \frac{\pi}{2T}(2k + 1)(n - \frac{N - 1}{2}) + \Phi_{k} \right]

donde h'_{k}(n) son versiones moduladas en seno del prototipo de filtro p_{0}(n). Los filtros H'_{k}(z) y H_{k}(z) tienen idénticos soportes de paso de banda, pero las respuestas de fase difieren. Las bandas de paso de los filtros son realmente transformadas de Hilbert mutuas (esto no es válido para frecuencias cercanas a \omega=0 y \omega=\pi). Combinando la ecuación 19 y la ecuación 23, de acuerdo con

(24)h_{k}{}^{a}(n) = h_{k}(n) + jh'_{k} (n) = Cp_{0} (n) exp \left[ \frac{j \pi}{2T}(2k + 1)(n - \frac{N-1}{2}) + j \Phi_{k} \right]

se obtienen filtros que tienen la misma forma de las respuestas de magnitud que H_{k}(z) para frecuencias positivas pero son cero para frecuencias negativas. Utilizando un banco de filtros con respuestas de impulsos como en la ecuación 24, se obtiene un conjunto de señales de sub-banda que pueden ser interpretadas como las señales analíticas (complejas) correspondientes a las señales de sub-banda obtenidas a partir de un banco de filtros con respuestas de impulsos como en la ecuación 19. Las señales analíticas son adecuadas para la manipulación, ya que las muestras de valor complejo pueden ser escritas en forma polar, es decir, z(n)= r(n) + j i(n) = |z(n)| exp{j arg(z(n))}. Sin embargo, cuando se utiliza el banco de filtros complejo para la trasposición, la restricción en \Phi_{k} ha de ser generalizada para conservar la propiedad de cancelación de alias. La nueva restricción en \Phi_{k}, para asegurar la cancelación de alias en combinación con un banco de filtros de síntesis con respuestas de impulsos como en la ecuación 22, es

(25)\Phi_{k} = \pm(-1)^{k} \frac{\pi}{4M}

que se simplifica en la ecuación 21 cuando M=1. Con esta elección, las parciales traspuestas tendrán las mismas fases relativas que tendrían cuando M=1 (sin trasposición).

Combinando la ecuación 24 con la ecuación 25, se obtiene como resultado

(26)h_{k}{}^{a}(n) = Cp_{0} (n) exp \left\{j \pi \left[ \frac{(2k + 1)}{2T}(n- \frac{N - 1}{2}) \pm \frac{( -1)^{k}}{4M}\right]\right\}

que son los filtros utilizados en el banco de filtros modificado del paso 4, de acuerdo con la presente invención.

Algunas aclaraciones concernientes al paso 5: al hacer un muestreo hacia abajo de las señales de sub-banda de valor complejo por un factor T/M, las hace sobremuestreadas por M, que es un criterio esencial cuando se multiplican posteriormente los ángulos de fase por el factor M de trasposición. El sobremuestreo fuerza el número de muestras de sub-banda por anchura de banda, tras la trasposición a la gama objetivo, para que sea igual a la gama de la fuente. Las anchuras de banda individuales de las señales de sub-banda traspuestas son M veces mayores que los de la gama de la fuente, debido al multiplicador de fase. Esto hace que las señales de sub-banda estén críticamente muestreadas tras el paso 5 y, además, no habrá ceros en el espectro cuando se trasponen señales de tono.

Con el fin de evitar los cálculos trigonométricos, es decir, teniendo que calcular las nuevas señales de sub-banda como

s_{k}^{(M)}(n'') = real \left\{\left|v_{k}^{(M)}(n'')\right|exp \left\{jM \ arctg \left( \frac{imag\left\{v_{k}^{(M)}(n'')\right\}}{real\left\{v_{k}^{(M)}(n'')\right\}}\right)\right\}\right\}=

(27)= \left|v_{k}^{(M)}(n'')\right|cos \left\{M \ arctg \left( \frac{imag\left\{v_{k}^{(M)}(n'')\right\}}{real\left\{v_{k}^{(M)} (n'')\right\}} \right) \right\},

donde |v_{k}^{(M)}(n'')| es el valor absoluto de v_{k}^{(M)}(n''), se utiliza la siguiente relación trigonométrica:

3

siendo

(29)\alpha=arctg\left(\frac{imag\left\{v_{k}^{(M)}(n'')\right\}}{real\left\{v_{k}^{(M)}(n'')\right\}}\right),

y observando que

(30)cos(\alpha)=cos(arctg\left(\frac{imag\left\{v_{k}^{(M)}(n'')\right\}}{real\left\{v_{k}^{(M)}(n'')\right\}}\right))=\frac{real\left\{v_{k}^{(M)}(n'')\right\}}{\left|v_{k}^{(M)}(n'')\right|}

y que

(31)sen(\alpha)=sen(arctg\left(\frac{imag\left\{v_{k}^{(M)}(n'')\right\}}{real\left\{v_{k}^{(M)}(n'')\right\}}\right))=\frac{imag\left\{v_{k}^{(M)}(n'')\right\}}{\left|v_{k}^{(M)}(n'')\right|}

los cálculos del paso 5 pueden conseguirse sin cálculos trigonométricos, reduciendo la complejidad de cálculo.

Cuando se utilizan trasposiciones en las que M es par, pueden surgir obstáculos con el multiplicador de fase, dependiendo de las características del prototipo de filtro de paso bajo p_{0}(n). Todos los prototipos de filtro aplicables tienen ceros en el círculo unitario del plano z. Un cero en el círculo unitario impone un desplazamiento de 180º en la respuesta de fase del filtro. Para M par, el multiplicador de fase traslada estos desplazamientos a 360º, es decir, los desplazamientos de fase desaparecen. Las parciales situadas en una frecuencia tal que desaparecen los desplazamientos de fase dan lugar al repliegue del espectro en la señal sintetizada. El escenario del caso peor es aquel en que una parcial está situada en un punto de frecuencia correspondiente a la parte superior del primer lóbulo lateral de un filtro de análisis. Dependiendo del rechazo de este lóbulo en la respuesta a la magnitud, el repliegue del espectro será más o menos audible. Como ejemplo, el primer lóbulo lateral del prototipo de filtro utilizado en el estándar de las capas 1 y 2 de ISO/MPEG es rechazado en 96 dB, mientras que el rechazo es solamente de 23 dB para el primer lóbulo lateral de la ventana de seno utilizada en el esquema MDCT del estándar de la capa 3 de ISO/MPEG. Es claro que este tipo de repliegue del espectro, utilizando la ventana del seno, será audible. Se presentará una solución a este problema y es denominada como enclavamiento de fase relativo.

Los filtros h_{\alpha}^{k}(n) tienen todos ellos respuestas lineales. Los ángulos de fase \Phi_{k} introducen diferencias de fase relativas entre canales contiguos, y los ceros en el círculo unitario introducen desplazamientos de fase de 180º en lugares de frecuencia que pueden diferir entre canales. Al supervisar la diferencia de fase entre señales de sub-banda vecinas, antes de que el multiplicador de fase esté activado, es fácil detectar los canales que contienen información de inversión de fase. Considerando señales de tono, la diferencia de fase es aproximadamente \pi/2M, de acuerdo con la ecuación 25, para señales no invertidas y, consecuentemente, aproximadamente \pi/(1-1/2M) para señales en las que cualquiera de las señales está invertida. La detección de señales invertidas puede conseguirse simplemente calculando el producto escalar de muestras en sub-bandas contiguas como

(32)v_{k}^{(M)}(n'')ov_{k+1}^{(M)}=real\left\{v_{k}^{(M)}(n'')\right\}real\left\{v_{k+1}^{(M)}(n'')\right\}+imag\left\{v_{k}^{(M)}(n'')\right\}imag\left\{v_{k+1}^{(M)}(n'')\right\}

Si el producto de la ecuación 32 es negativo, la diferencia de fase es mayor que 90º, y la condición de inversión de fase está presente. Los ángulos de fase de las señales de sub-banda de valor complejo son multiplicados por M, de acuerdo con el esquema del paso 5 y, finalmente, se hacen negativas las señales indicadas como invertidas. El método de enclavamiento de relativo de fase fuerza así a las señales de sub-banda desplazadas 180º a retener este desplazamiento tras la multiplicación de fase y, por tanto, a mantener las propiedades de cancelación de repliegue del espectro.

Ajuste de la envolvente espectral

La mayoría de los sonidos, como el habla y la música, están caracterizados como productos de envolventes que varían lentamente y de portadoras que varían rápidamente con amplitud constante, como se describe por Stockham ["La aplicación de la linealidad generalizada al control automático de ganancia" de T. G. Stockham, Jr, IEEE Trans, sobre Audio y Electroacústica, vol. AU-16, núm. 2, junio de 1968] y en la ecuación 1.

En los codificadores de audio de percepción de banda repartida, la señal de audio es segmentada en tramas y repartida en bandas de frecuencia múltiples, utilizando filtros de sub-bandas o una transformada del dominio de tiempo a frecuencia. En la mayoría de los tipos de codec, la señal es separada posteriormente en dos componentes principales de la señal para la transmisión o el almacenamiento, la representación de la envolvente espectral y las muestras de sub-banda o coeficientes normalizados. A través de la descripción siguiente, el término "muestras de sub-banda" o "coeficientes" hace referencia a valores de muestra obtenidos a partir de filtros de sub-banda, así como a coeficientes obtenidos de una transformada de tiempo a frecuencia. El término "envolvente espectral" o "factores de escalación" representan valores de las sub-bandas sobre la base de un periodo de tiempo, tal como la magnitud media o máxima en cada sub-banda, utilizada para la normalización de muestras de sub-bandas. Sin embargo, la envolvente espectral puede ser obtenida también utilizando la predicción lineal LPC [Patente de Estado Unidos 5.684.920]. En un codec típico, las muestras de sub-banda normalizadas requieren una codificación a una alta velocidad de bits (utilizando aproximadamente el 90% de la velocidad de bits disponible), en comparación con las envolventes temporales de variación lenta y, por tanto, con las envolventes espectrales, que pueden ser codificadas a una velocidad muy reducida (utilizando aproximadamente el 10% de la velocidad de bits disponible).

Una envolvente espectral precisa de la réplica de la anchura de banda es importante si han de conservarse las cualidades del timbre de la señal original. El timbre percibido de un instrumento musical, o de la voz, está determinado principalmente por la distribución espectral por debajo de una frecuencia f_{lim} situada en las octavas más altas del oído. Los detalles espectrales por encima de f_{lim} tienen por tanto menos importancia y, consecuentemente, las estructuras finas de la banda alta obtenidas por los métodos de trasposición anteriores no requieren ningún ajuste, mientras que las estructuras aproximadas si lo hacen generalmente. Con el fin de permitir tal ajuste, es útil filtrar la representación espectral de la señal para separar la estructura aproximada de la envolvente de la estructura fina.

En la realización de SBR-1 de acuerdo con la presente invención, la envolvente espectral aproximada de la banda alta es estimada a partir de la información de banda baja disponible en el descodificador. Esta estimación es efectuada mediante la supervisión continua de la envolvente de la banda baja y el ajuste de la envolvente espectral de la banda alta de acuerdo con reglas específicas. Un método nuevo para conseguir la estimación de la envolvente utiliza las asíntotas en un espacio logarítmico de frecuencia-magnitud, que es equivalente a ajustar la curva con polinomios de orden variable en el espacio lineal. Se estima el nivel y la pendiente de una parte superior del espectro de la banda baja, y las estimaciones se utilizan para definir el nivel y la pendiente de uno o varios segmentos que representan la nueva envolvente de banda alta. Las intersecciones asintóticas son fijas en frecuencia y actúan como puntos de giro. Aunque no siempre es necesario, es beneficioso estipular las restricciones para mantener los recorridos de la envolvente de la banda alta dentro de límites realistas. Un enfoque alternativo a la estimación de la envolvente espectral es utilizar cuantificación de vectores, VQ, de un gran número de envolventes espectrales representativas, y almacenarlas en una tabla de consulta o libro de código. La cuantificación de vectores se realiza instruyendo el número deseado de vectores de una gran cantidad de datos de instrucción, en este caso envolventes espectrales de audio. La instrucción se realiza normalmente con el Algoritmo de Lloyd Generalizado ["Cuantificación de vectores y compresión de señales", de A. Gersho, R. M. Gray, Kluwer Academic Publishers, USA 1992, ISBN 0-7923-9181-0], y produce vectores que cubre de manera óptima el contenido de los datos de instrucción. Considerando un libro de código VQ, consistente en A envolventes espectrales instruidas por B envolventes (B>>A), las A envolventes representan las A transiciones más probables desde la envolvente de banda baja a la envolvente de banda alta, basándose en B observaciones de una amplia variedad de sonidos. Esto es, teóricamente, las A reglas óptimas para predecir las envolventes basándose en las B observaciones. Cuando se estima una nueva envolvente espectral de banda alta, la envolvente original de banda baja se utiliza para la búsqueda del libro de código, y la parte de la banda alta del elemento más coincidente del libro de código es aplicada para crear el nuevo espectro de banda alta.

En la figura 23, las muestras de sub-banda normalizadas están representadas por 2301, y las envolventes espectrales están representadas por los factores de escalación 2305. Para fines ilustrativos, la transmisión al descodificador 2303 se muestra en forma paralela. En el método SBR-2 de la figura 24, la información de envolvente espectral se genera y transmite de acuerdo con la figura 23, por lo que solamente se transmiten las muestras de sub-banda de banda baja. Los factores de escalación transmitidos abarcan así toda la gama de frecuencias, mientras que las muestras de sub-banda solamente abarcan una gama de frecuencias restringida, excluyendo la banda alta. En el descodificador, las muestras, 2401, de sub-banda de banda baja son traspuestas, 2403, y combinadas con la información 2405, de la envolvente espectral de banda alta recibida. De esta manera, la envolvente espectral sintética de banda alta es idéntica a la de la original, al tiempo que se mantiene una reducción significativa en la velocidad de bits.

En algunos codecs, es posible transmitir los factores de escalación para la envolvente espectral completa, al tiempo que se omiten las muestras de sub-banda de banda alta, como se ilustra en la figura 24. Otros estándares de codecs estipulan que los factores de escalación y las muestras de sub-banda cubran la misma gama de frecuencias, es decir, los factores de escalación no pueden transmitirse si se omiten las muestras de sub-banda. En tales casos, hay varias soluciones; la información de envolvente espectral de banda alta puede ser transmitida en tramas separadas, donde las tramas tienen sus propias cabeceras y una protección opcional de errores, seguidas de los datos. Los descodificadores normales, que no aprovechan la presente invención, no reconocerán las cabeceras y por tanto descartarán las tramas adicionales. En una segunda solución, la información de la envolvente espectral de banda alta se transmite como datos auxiliares dentro de la cadena de bits codificada. Sin embargo, el campo de datos auxiliar disponible debe ser suficientemente grande para contener la información de la envolvente. En casos en que ninguna de las dos primeras soluciones sea adaptable, puede aplicarse una tercera solución en la que la información de envolvente espectral de banda alta está oculta como muestras de sub-banda. Los factores de escalación de sub-banda cubren una amplia gama dinámica, que típicamente excede de 100 dB. Es posible, por tanto, fijar un número arbitrario de factores de escalación de sub-banda, 2505 en la figura 25, en valores muy bajos y transmitir los factores de escalación de banda alta "camuflados" como muestras de sub-banda, 2501. Esta manera de transmitir los factores de escalación de banda alta al descodificador 2503, asegura la compatibilidad con la sintaxis de la cadena de bits. Por tanto, pueden transmitirse datos arbitrarios de esta manera. Existe un método relacionado en el que la información es codificada en la cadena de muestras de sub-banda [Patente de Estados Unidos 5.687.191]. Puede aplicarse una cuarta solución, figura 26, cuando un sistema de codificación utiliza la codificación Huffman u otra codificación de redundancia, 2603. Las muestras de sub-banda para banda alta son entonces fijadas en cero, 2601, o en un valor constante para conseguir una alta redundancia.

Mejoras en la respuesta a transitorios

Los artefactos relativos a los transitorios son problemas comunes en los codecs de audio, y en la presente invención tienen lugar artefactos similares. En general, el parcheo genera "ceros" o entalladuras espectrales, correspondientes al dominio del tiempo antes y después de los ecos, es decir, transitorios espurios antes y después de transitorios "verdaderos". Aunque los bloques P "rellenan los ceros" para señales de tono que varían lentamente, los ecos anteriores y posteriores permanecen. El método multibanda mejorado está orientado a funcionar sobre sinusoides discretas, donde el número de sinusoides está restringido a una por sub-banda. Los transitorios o el ruido en una sub-banda puede ser considerado como un gran número de sinusoides discretas dentro de esa sub-banda. Esto genera distorsión por intermodulación. Estos artefactos son considerados como fuentes adicionales de ruido de cuantificación conectadas a los canales de banda alta de la réplica durante intervalos transitorios. Los métodos tradicionales para evitar los artefactos anteriores y posteriores al eco en los codecs de audio de percepción, por ejemplo la conmutación adaptativa de ventanas, pueden por tanto ser utilizados para reforzar la calidad subjetiva del método de multibanda mejorado. Utilizando la detección de transitorios proporcionada por el codec o por un detector independiente y reduciendo el número de canales bajo condiciones transitorias, el "ruido de cuantificación" es forzado a no exceder del umbral de enmascaramiento dependiente del tiempo. Se utiliza un número de canales menor durante los pasajes de transitorios, mientras que se utiliza un número mayor durante los pasajes de tono. Tal conmutación de ventana adaptativa se utiliza comúnmente en los codecs con el fin de equilibrar la resolución de frecuencia con respecto a la resolución de tiempo. Pueden utilizarse distintos métodos en aplicaciones en las que el tamaño del banco de filtros es fijo. Una solución es dar forma al "ruido de cuantificación" en el tiempo a través de la predicción lineal en el dominio espectral. La trasposición se efectúa entonces en la señal residual, que es la salida del filtro de predicción lineal. Posteriormente, se aplica un filtro de predicción inversa simultáneamente a los canales originales y de la réplica espectral. Otra solución emplea un sistema de compresión-expansión ("compander"), es decir, una compresión dinámica de la amplitud de la señal transitoria, antes de la trasposición o codificación, y una expansión complementaria tras la trasposición. También es posible conmutar entre los métodos de trasposición de una manera dependiente de la señal, por ejemplo, se utiliza un método de trasposición de un banco de filtros de alta resolución para señales estacionarias, y se emplea un método de predicción de búsqueda del modelo variable con el tiempo para las señales transitorias.

Realizaciones prácticas

Utilizando un procesador estándar de proceso o un PC potente, es posible el funcionamiento en tiempo real de un codec de SBR reforzado. El codec de SBR reforzado puede ser codificado en hardware sobre un chip a la medida. También puede ser realizado en diversas clases de sistemas para el almacenamiento o transmisión de señales, analógicas o digitales, utilizando codecs arbitrarios, figuras 27 y 28. El método SBR-1 puede ser integrado en un descodificador o suministrado como hardware adicional o un módulo de software post-proceso. El método SBR-2 necesita una modificación adicional del codificador. En la figura 27, la señal de entrada analógica es alimentada al convertidor A/D 2701, formando una señal digital que es alimentada a un codificador arbitrario 2703, donde se efectúa la codificación de la fuente. La señal alimentada al sistema puede ser de un tipo de paso bajo tal que las bandas espectrales dentro de la gama audible ya hayan sido descartadas, o se descarten las bandas espectrales en el codificador arbitrario. Las señales resultantes de banda baja son alimentadas en el multiplexor 2705, formando una cadena de bits en serie que es transmitida o almacenada, 2707. El desmultiplexor 2709 restaura las señales y las alimenta a un descodificador arbitrario, 2711. La información, 2715, de envolvente espectral es estimada en el descodificador 2713 y alimentada en la unidad SBR-1, 2713, que traspone la señal de banda baja a una señal de banda alta y crea una señal de banda ancha ajustada a la envolvente. Finalmente, la señal digital de banda ancha es convertida, 2717, a una señal de salida analógica.

El método SBR-2 necesita una modificación adicional del codificador. En la figura 28, la señal de entrada analógica es alimentada al convertido A/D 2801, formando una señal digital que es alimentada al codificador arbitrario 2803, donde se efectúa la codificación de la fuente. La información de la envolvente espectral es extraída en 2805. Las señales resultantes, muestras de sub-banda de banda baja o coeficientes, y la información de envolvente de banda ancha, son alimentadas al multiplexor 2807, formando una cadena de bits en serie que es transmitida o almacenada, 2809. El desmultiplexor 2811 restaura las señales, las muestras de sub-banda de banda baja o coeficientes, y la información de envolvente de banda ancha, y las alimenta a un descodificador arbitrario 2815. La información 2813 de envolvente espectral es alimentada desde del desmultiplexor 2811 a la unidad SBR-2 2817 que traspone la señal de banda baja a una señal de banda alta y crea una señal de banda ancha ajustada a la envolvente. Finalmente, la señal digital de banda ancha es convertida, 2819, en una señal de salida analógica.

Cuando solamente hay disponibles velocidades de bits bajas, (Internet y módems telefónicos lentos), radiodifusión de AM, etc.) la codificación en modo monofónico del material del programa de audio es inevitable. Con el fin de mejorar la calidad percibida y hacer más agradable al oído el programa, se obtiene un simple generador "pseudo-estéreo", figura 29, mediante la introducción de una línea de retardo derivada 2901. Esto puede alimentar señales retardadas de 10 ms y 15 ms aproximadamente a -6 dB 2903 para cada canal de salida además de la señal monofónica original 2905. El generador pseudo-estéreo ofrece una mejora perceptible valiosa con un coste de cálculo bajo.

Los modos de realización descritos anteriormente son meramente ilustrativos de los principios de la presente invención para la mejora de la codificación de una fuente de audio. Debe entenderse que las modificaciones y variaciones de las disposiciones y detalles aquí descritos serán evidentes para otros expertos en la técnica. Se intenta, por tanto, limitarse solamente por el alcance de las reivindicaciones de patente que siguen y no por detalles específicos presentados a modo de descripción y explicación de los modos de realización aquí contenidos.

Claims (17)

1. Un método para descodificar una señal codificada, siendo obtenida la señal codificada a partir de una señal original y representando solamente una parte de las bandas de frecuencia incluidas en la señal original, que comprende:

proporcionar muestras de sub-bandas para una pluralidad de sub-bandas o una pluralidad de coeficientes espectrales, representando las muestras de sub-bandas o los coeficientes espectrales un contenido de frecuencias de la señal codificada (201, 301);

extraer una señal (203, 303) de paso de banda, teniendo la señal de paso de banda muestras de sub-banda de un número predeterminado de sub-bandas de análisis, o teniendo un número predeterminado de coeficientes espectrales de análisis, siendo menor el número predeterminado que un número total de sub-bandas o coeficientes espectrales que representan el contenido de frecuencias de la señal codificada (201, 301);

trasponer (205, 305) las muestras de sub-bandas de las sub-bandas de análisis o los coeficientes espectrales de análisis incluidos en la señal de paso de banda (203, 303) a una banda de frecuencias de reconstrucción (205, 305) que está incluida en la señal original y que no está incluida en la señal codificada, teniendo la banda de frecuencias de reconstrucción unas sub-bandas de síntesis o coeficientes espectrales de síntesis, incluyendo el paso de la trasposición la reconexión de las sub-bandas de análisis con las sub-bandas de síntesis o la reconexión de los coeficientes espectrales de análisis con los coeficientes espectrales de síntesis;

en el que las muestras de sub-bandas o coeficientes espectrales incluidos en la señal (203, 303) de paso de banda son ajustadas en envolvente espectral (207, 307) utilizando información de la envolvente espectral obtenida a partir de la señal original o de la señal codificada para obtener muestras de sub-bandas traspuestas ajustadas en envolvente espectral, o bien coeficientes espectrales traspuestos ajustados en envolvente espectral, antes o después del paso de trasposición, controlando la información de la envolvente espectral el ajuste en envolvente espectral, de manera que se determina una envolvente espectral de la banda de frecuencias de reconstrucción por medio de la información de envolvente espectral; y

combinando las muestras de sub-bandas y las muestras de sub-banda traspuestas ajustadas, o los coeficientes espectrales y los coeficientes espectrales traspuestos ajustados, para obtener una señal de salida descodificada (209, 309), teniendo la señal de salida descodificada un contenido de frecuencias que incluye el contenido de frecuencias de la señal codificada y el contenido de frecuencias de la banda de frecuencias de reconstrucción.

2. Un método según la reivindicación 1, en el que la(s) banda(s) de paso de las muestras de sub-bandas traspuestas ajustadas o los coeficientes espectrales traspuestos ajustados están fijados para no solapar o solapar solamente parcialmente la(s) banda(s) de paso de las muestras de sub-bandas o los coeficientes espectrales que representan el contenido de frecuencias de la señal codificada.

3. Un método según la reivindicación 1, que comprende además el paso de estimar la información de la envolvente espectral de la banda de frecuencias de reconstrucción utilizando la señal codificada.

4. Un método según la reivindicación 1, en el que la señal codificada incluye además información de la envolvente espectral trasmitida en la banda de frecuencias de reconstrucción que fue descartada cuando se codificó la señal original, comprendiendo además el método el paso de extraer la información de la envolvente transmitida de la(s) banda(s) de frecuencias descartadas de la señal original.

5. Un método según la reivindicación 4, en el que la información de la envolvente espectral es transmitida como factores de escalación sin la transmisión de las correspondientes muestras de sub-bandas en la señal codificada.

6. Un método según la reivindicación 4, en el que la información de la envolvente espectral es transmitida como factores de escalación y las correspondientes muestras de sub-bandas son fijadas en cero o en un valor constante en la señal codificada; por lo que se reduce la entropía de las muestras de sub-bandas.

7. Un método según la reivindicación 1, en el que la señal de salida descodificada es una señal de audio monofónica, comprendiendo además el método el paso de: repartir la señal de salida descodificada en dos señales, comprendida cada una de ellas por dicha señal de salida y versiones retardadas de la misma, para obtener una señal pseudo-estéreo.

8. Un método según la reivindicación 1,

en el que el paso de proporcionar incluye un paso de filtrado de una señal a través de un conjunto de N \geq 2 filtros de paso de banda con bandas de paso que comprenden las frecuencias [f_{1},...f_{N}] respectivamente, formando N señales de paso de banda;

en el que el paso de trasposición incluye el paso de desplazar las señales de paso de banda en frecuencia a regiones que comprenden las frecuencias M[f_{1},...f_{N}], donde M \neq 1 es el factor de trasposición.

9. Un método según la reivindicación 8, en el que el paso de desplazar se obtiene a través de una modulación de la banda lateral superior (USB).

10. Un método según la reivindicación 1,

en el que el paso de proporcionar incluye el paso de filtrar en paso de banda una señal, utilizando un banco de filtros de análisis o una transformada de tal naturaleza que se generan señales de sub-banda de valor complejo del tipo de paso bajo;

en el que el paso de trasposición incluye el paso de parchear un número arbitrario de canales k de dicho banco de filtros de análisis o transformada, a los canales Mk, M \neq 1, en un banco de filtros de síntesis o transformada, donde M es un factor de trasposición; y

en el que el banco de filtros de síntesis o transformada se utilizan en el paso de combinación.

11. Un método según la reivindicación 10, en el que el banco de filtros está diezmado al máximo y el paso de parchear se efectúa de acuerdo con la relación siguiente

v_{Mk}(n) = (-1)^{(M-1)kn}v_{k}(n),

donde (-1)^{(M-1)kn} es un factor de corrección, v_{k}(n) es la señal de sub-banda del canal k, y v_{Mk}(n) es la señal de sub-banda del canal Mk, por lo que se obtiene una compensación de las señales de sub-banda espectrales invertidas.

12. Un método según la reivindicación 1, en el que el paso de trasposición incluye los pasos de

parchear fases de las muestras de sub-banda de las sub-bandas de análisis o de los coeficientes de frecuencias de análisis desde los canales k de un banco de filtros de análisis o transformada, como fases de muestras de sub-banda asociadas con los canales Mk de síntesis, donde M es un factor de trasposición y un entero \neq 1, y donde k es un número de canal; y

parchear magnitudes de las muestras de sub-bandas de las sub-bandas de análisis o los coeficientes espectrales de análisis desde canales consecutivos l de un banco de filtros de análisis o transformada, como magnitudes de muestras de sub-banda o coeficientes espectrales asociados con canales consecutivos de síntesis l+S, donde S es un entero \neq 1 y donde l es un número de canal.

13. Un método según la reivindicación 10 ó 12, en el que, en el paso de trasposición, las fases de las muestras de sub-bandas de los canales k son multiplicadas por el factor M antes de utilizar dicho banco de filtros de síntesis o transformada en el paso de combinación.

14. Un método según la reivindicación 12, donde M = K^{\pm 1}, donde K es un entero > 1.

15. Un método según la reivindicación 10, en el que el paso de parchear se utilizan múltiples valores del factor M de trasposición.

16. Aparato para descodificar una señal codificada, siendo obtenida la señal codificada a partir de una señal original y representando solamente una parte de las bandas de frecuencia incluidas en la señal original, comprendiendo:

medios para proporcionar muestras de sub-bandas para una pluralidad de sub-bandas o una pluralidad de coeficientes espectrales, representando las muestras de sub-bandas o los coeficientes espectrales un contenido de frecuencias de la señal codificada (201, 301);

medios para extraer una señal (203, 303) de paso de banda, teniendo la señal de paso de banda muestras de sub-banda de un número predeterminado de sub-bandas de análisis o teniendo un número predeterminado de coeficientes espectrales de análisis, siendo menor el número predeterminado que un número total de sub-bandas o coeficientes espectrales que representan el contenido de frecuencias de la señal codificada (201, 301);

medios para trasponer (205, 305) las muestras de sub-banda de las sub-bandas de análisis o coeficientes espectrales de análisis incluidos en la señal (203, 303) de paso de banda a una banda (205, 305) de frecuencias de reconstrucción que está incluida en la señal original y que no está incluida en la señal codificada, teniendo la banda de frecuencias de reconstrucción unas sub-bandas de síntesis o coeficientes espectrales de síntesis, incluyendo el paso de trasposición la reconexión de las sub-bandas de análisis con sub-bandas de síntesis, o la reconexión de coeficientes espectrales de análisis con coeficientes espectrales de síntesis,

en el que las muestras de sub-bandas o coeficientes espectrales incluidos en la señal (203, 303) de paso de banda son ajustadas en envolvente espectral (207, 307) utilizando información de envolvente espectral obtenida a partir de la señal original o de la señal codificada, para obtener muestras de sub-bandas traspuestas ajustadas en envolvente espectral o coeficientes espectrales traspuestos ajustados en envolvente espectral, antes o después de ser procesados por los medios de trasposición, siendo controlado por la información de envolvente espectral el ajuste de envolvente espectral, de manera que una envolvente espectral de la banda de frecuencias de reconstrucción está determinada por la información de envolvente espectral; y

medios para combinar las muestras de sub-bandas y las muestras de sub-bandas traspuestas ajustadas, o los coeficientes espectrales y los coeficientes espectrales traspuestos ajustados, para obtener una señal (209, 309) de salida descodificada, teniendo la señal de salida descodificada un contenido de frecuencias que incluye el contenido de frecuencias de la señal codificada y el contenido de frecuencias de la banda de frecuencias de reconstrucción.

17. Un descodificador según la reivindicación 16, en el que la señal de salida descodificada es una señal de audio monofónica, comprendiendo además el descodificador:

un primer retardo y un primer atenuador para formar una primera señal retardada a partir de la señal de salida descodificada;

un segundo retardo distinto del primer retardo y un segundo atenuador para formar una segunda señal retardada a partir de la señal de salida descodificada;

un primer sumador para sumar dicha señal de salida descodificada y dicha primera señal retardada, formando una señal de salida del canal izquierdo; y

un segundo sumador para sumar dicha señal de salida descodificada y dicha segunda señal retardada, formando una señal de salida del canal derecho; por lo que se obtiene una señal pseudo estereofónica.