用于反向兼容多重分辨率空間音頻對象編碼的編碼器、譯碼器及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及音頻信號(hào)編碼、音頻信號(hào)譯碼及音頻信號(hào)處理，且具體地，涉及用于反 向兼容多重分辨率空間音頻對象編碼（SAOC)的編碼器、譯碼器及方法。
【背景技術(shù)】
[0002] 在現(xiàn)代數(shù)字音頻系統(tǒng)中，主要傾向是允許在接收器側(cè)上對所傳輸內(nèi)容的音頻對象 的相關(guān)修改。這些修改包括音頻信號(hào)的所選擇部分的增益修改及/或在經(jīng)由空間分布的揚(yáng) 聲器的多通道播放狀況下專用音頻對象的空間復(fù)位。此情形可通過將音頻內(nèi)容的不同部分 單獨(dú)地遞送至不同揚(yáng)聲器來達(dá)成。
[0003] 換言之，在音頻處理、音頻傳輸及音頻存儲(chǔ)的技術(shù)中，存在增加的需要以允許關(guān)于 面向?qū)ο笫揭纛l內(nèi)容播放的用戶互動(dòng)且還存在需求以利用多通道播放的擴(kuò)展可能性以單 獨(dú)地呈現(xiàn)音頻內(nèi)容或其部分以便改善聽取印象。通過此情形，多信道音頻內(nèi)容的使用帶來 對使用者的顯著改良。舉例而言，可獲得三維聽取印象，其帶來娛樂應(yīng)用中改善的使用者滿 意度。然而，多信道音頻內(nèi)容還在專業(yè)環(huán)境中（例如，在電話會(huì)議應(yīng)用）中有用，這是因?yàn)?發(fā)話人可懂得可通過使用多信道音頻播放來改進(jìn)。另一可能應(yīng)用系將音樂片段提供給收聽 者以單獨(dú)地調(diào)整不同部分（也稱為「音頻對象」）或曲目（諸如，人聲部分或不同樂器）的 播放層級(jí)及/或空間位置。使用者出于個(gè)人口味、為了易于轉(zhuǎn)譯來自音樂片段的一個(gè)或多 個(gè)部分、教育用途、伴唱機(jī)、排演等原因而可執(zhí)行此調(diào)整。
[0004] 例如以脈碼調(diào)變（PCM)數(shù)據(jù)或甚至經(jīng)壓縮音頻格式的形式的所有數(shù)字多信道或 多對象音頻內(nèi)容的直接離散傳輸需要極高比特率。然而，也需要以比特率有效的方式來傳 輸并儲(chǔ)存音頻數(shù)據(jù)。因此，希望接受音頻質(zhì)量與比特率要求之間的合理取舍以便避免由多 信道/多對象應(yīng)用引起的額外資源負(fù)載。
[0005] 最近，在音頻編碼的領(lǐng)域中，多信道/多對象音頻信號(hào)的比特率有效傳輸/儲(chǔ)存的 參數(shù)技術(shù)已通過例如動(dòng)畫專家組（MPEG)等引入。一個(gè)實(shí)例系作為信道導(dǎo)向式方法[MPS、 BCC]的MPEG環(huán)繞立體聲（MPS)，或作為面向?qū)ο笫椒椒╗JSC、SA0C、SA0C1、SA0C2]的MPEG 空間音頻對象編碼（SA0C)。另一面向?qū)ο笫椒椒ǚQ為「消息源分離」[ISS1、ISS2、ISS3、 ISS4、ISS5、ISS6]。這些技術(shù)旨在在信道/對象及描述所傳輸/所儲(chǔ)存音頻場景及/或音 頻場景中音頻源對象的額外旁側(cè)信息的下降混合基礎(chǔ)上重建所要輸出音頻場景或所要音 頻源對象。
[0006] 這些系統(tǒng)中信道/對象相關(guān)旁側(cè)信息的估計(jì)及應(yīng)用以時(shí)間頻率選擇性方式來進(jìn) 行。因此，這些系統(tǒng)使用時(shí)間頻率變換，諸如離散傅立葉變換（DFT)、短時(shí)間傅立葉變換 (STFT)或類似于正交鏡相濾波器（QMF)組的濾波器組等。這些系統(tǒng)的基本原理使用MPEG SAOC的實(shí)例描繪于圖4中。
[0007] 在STFT的狀況下，時(shí)間維度通過時(shí)間區(qū)塊數(shù)字來表示，且頻譜維度通過頻譜系數(shù) (「區(qū)間」）編號(hào)來捕獲。在QMF的狀況下，時(shí)間維度通過時(shí)隙編號(hào)來表示，且頻譜維度通過 子頻帶編號(hào)來捕獲。若QMF的頻譜分辨率通過第二濾波器級(jí)的后續(xù)應(yīng)用來改良，則整個(gè)濾 波器組被稱為混合式QMF且精細(xì)分辨率子頻帶被稱為混合式子頻帶。
[0008] 如上文已提及，在SAOC中，通用處理以時(shí)間頻率選擇性方式進(jìn)行，且可在每一頻 帶內(nèi)描述如下：
[0009] -N個(gè)輸入音頻對象信號(hào)Sl··· sN使用由元素 d u…dN，P組成的下降混合矩陣下降混 合至P個(gè)信道Xf Xp作為編碼器處理的部分。此外，編碼器提取旁側(cè)信息，旁側(cè)信息描述輸 入音頻對象的特性（旁側(cè)信息估計(jì)器（SIE)模塊）。對于MPEG SA0C，對象功率關(guān)于彼此的 關(guān)系是此旁側(cè)信息的最基本形式。
[0010]-傳輸/存儲(chǔ)下降混合信號(hào)及旁側(cè)信息。為此目的，下降混合音頻信號(hào)可例如使用 諸如MPEG-1/2層II或III (又名mp3)、MPEG-2/4進(jìn)階音頻編碼（AAC)等熟知感知音頻編 碼器來壓縮。
[0011]-在接收端，譯碼器概念上試圖使用所傳輸?shù)呐詡?cè)信息自（經(jīng)譯碼）下降混合信 號(hào)來復(fù)原原始對象信號(hào)（「對象分離」）。這些經(jīng)近似對象信號(hào)... §N接著使用由圖4 中的系數(shù)!"u··· rN，M描述的呈現(xiàn)矩陣（rendering matrix)經(jīng)混合成通過M個(gè)音頻輸出信道 夕1 ...夕M表示的目標(biāo)場景。所要目標(biāo)場景在極端狀況下可以是來自混合物的僅一個(gè)源信 號(hào)的呈現(xiàn)（源分離情境），但也可以是由所傳輸?shù)膶ο蠼M成的其他任意聲學(xué)場景。舉例而 言，輸出可系單信道、2信道立體或5. 1多信道目標(biāo)場景。
[0012] 基于時(shí)間頻率的系統(tǒng)可利用具有靜態(tài)時(shí)間及頻率分辨率的時(shí)間頻率（t/f)變換。 選定某固定的t/f分辨率柵格通常涉及時(shí)間分辨率與頻率分辨率之間的取舍。
[0013] 可關(guān)于音頻信號(hào)混合物中的典型對象信號(hào)的實(shí)例來論證固定的t/f分辨率的效 應(yīng)。舉例而言，音調(diào)聲音的頻譜展現(xiàn)具有基本頻率及若干泛音的諧波相關(guān)的結(jié)構(gòu)。這些信 號(hào)的能量集中于某頻率區(qū)處。對于這些信號(hào)，所利用t/f表示的高頻率分辨率對于分離窄 頻音調(diào)頻譜區(qū)與信號(hào)混合物是有益的。相反，類似于鼓聲的瞬變信號(hào)常常具有獨(dú)特時(shí)間結(jié) 構(gòu)：實(shí)質(zhì)能量僅存在歷時(shí)短時(shí)間周期，且分布于廣范圍的頻率上。對于這些信號(hào)，所利用的 t/f表不的高時(shí)間分辨率對于分離瞬變信號(hào)部分與信號(hào)混合物是有利的。
[0014] 從標(biāo)準(zhǔn)SAOC表示獲得的頻率分辨率限于參數(shù)頻帶的數(shù)目，從而在標(biāo)準(zhǔn)SAOC中具 有最大值28。參數(shù)頻帶獲得自由64頻帶QMF分析組成的混合式QMF組，其中最低頻帶上的 額外混合式濾波級(jí)將這些頻帶進(jìn)一步劃分成至多4個(gè)復(fù)合子頻帶。所獲得的頻帶經(jīng)分組成 參數(shù)頻帶，從而仿真人類聽覺系統(tǒng)的關(guān)鍵頻帶分辨率。分組允許將所需要的旁側(cè)信息數(shù)據(jù) 速率減小至在實(shí)際應(yīng)用中可經(jīng)有效地進(jìn)行處置的大小。
[0015] 當(dāng)前音頻對象編碼方案給予SAOC處理的僅時(shí)間頻率選擇性的有限可變性。舉例 而言，MPEG SA0C[SA0C] [SA0C1] [SA0C2]限于可通過使用所謂混合式鏡面濾波器組（混合 式QMF)及其后續(xù)至參數(shù)頻帶的分組獲得的時(shí)間頻率分辨率。因此，標(biāo)準(zhǔn)SAOC中的對象復(fù) 原常常遭受混合式QMF的粗糙頻率分辨率，從而導(dǎo)致來自其他音頻對象的可聽經(jīng)調(diào)變串?dāng)_ (例如，語音的雙重講話人為效應(yīng)或音樂中的聽覺粗糙人為效應(yīng)）。
[0016] 給定合理的低數(shù)據(jù)速率，現(xiàn)有系統(tǒng)產(chǎn)生合理的分離質(zhì)量。主要問題是音調(diào)聲音的 完全分離的不足頻率分辨率。此情形經(jīng)展現(xiàn)為其他對象的包圍一對象的音調(diào)分量的「光 暈」。此情形感知地觀測為粗糙度或類似于聲碼器的人為效應(yīng)。此光暈的有害效應(yīng)可通過增 加參數(shù)頻率分辨率來減小。注意到，等于或高于512個(gè)頻帶（以44. IkHz采樣率）的分辨 率足夠產(chǎn)生測試信號(hào)中感知上顯著改良的分離。此高參數(shù)分辨率情況下的問題是需要的旁 側(cè)信息的量大幅度地增加至不切實(shí)際的量。此外，與現(xiàn)有標(biāo)準(zhǔn)SAOC系統(tǒng)的兼容性將丟失。
[0017] 因此高度重視的是，是否可提供教示如何克服目前技術(shù)的上述約束的概念。

【發(fā)明內(nèi)容】

[0018] 本發(fā)明的目標(biāo)是提供用于音頻對象編碼的這些改良的概念。本發(fā)明的目標(biāo)通過以 下各者來解決：如權(quán)利要求1所述的譯碼器、如權(quán)利要求9所述的編碼器、如權(quán)利要求14所 述經(jīng)編碼音頻信號(hào)、如權(quán)利要求15所述的系統(tǒng)、如權(quán)利要求16所述的用于解碼的方法、如 權(quán)利要求17所述的用于編碼的方法，及如權(quán)利要求18所述的計(jì)算機(jī)程序。
[0019] 與目前技術(shù)SAOC相反，本發(fā)明的實(shí)施例提供一種頻譜參數(shù)化，使得
[0020]