[发明专利]下混装置、编码装置以及其方法

说明书

技术领域

本发明涉及下混(downmix)装置、编码装置以及其方法。

背景技术

在移动通信中，为了有效利用传输频带，必须进行语音或图像的数字信息的压缩编码。其中，在移动电话上广泛利用的语音编码解码(编码/解码)技术中，为了获得更好的音质，对压缩率高的现有的高效率编码的要求正在提高。

另外，近年来，ITU-T(International Telecommunication Union Telecommunication Standardization Sector，国际电信联盟电信标准化部门)或MPEG(Moving Picture Experts Group，运动图像专家组)正在研究具有多层结构的可扩展编码解码器的标准化，被要求更高效且高质量的语音编码解码器。另外，近年来，在语音编码解码时，设定16kbps～32kbps的高比特率，另外，被要求满足对乐音的质量或现场感(多声道、立体声音响)的需求的语音编码解码器。

作为以低比特率对立体声音响信号进行编码的方式，已知强度立体声方式。在强度立体声方式中，通过将缩放(scaling)系数乘以单声道信号(以下，记载为“M”信号)，生成左声道信号(以下，记载为“L信号”)和右声道信号(以下，记载为“R信号”)。这样的生成方法也被称为振幅移位(amplitude panning)。

振幅移位的最基本的方法是，通过将振幅移位用的增益系数(即平衡权重系数)乘以时域中的M信号，求L信号和R信号的方法(例如，非专利文献1)。

另外，作为其他方法，还有通过将平衡权重系数乘以M信号的每个频率分量或每个频率组，求L信号和R信号的方法(例如，非专利文献2)。

通过将平衡权重系数作为参数立体声的编码参数进行编码，能够实现立体声信号的编码(例如，专利文献1和专利文献2)。在专利文献1中，将平衡权重系数作为平衡参数进行说明，而在专利文献2中，将平衡权重系数作为ILD(电平差)进行说明。

该强度立体声的想法还应用于其他编码技术，作为ISO/IEC中的MPEG-2以及MPEG-4的标准方式“AAC(AdvancedAudio Codec，高级音频编码解码)”被广泛使用(例如，参照非专利文献3)。

另外，在上述现有的音响信号的编码技术中，通过如下方法进行高效的编码。也就是说，首先，使用核心编码器对通过下混形成的M信号进行编码。并且，将通过平衡权重系数与由核心编码器获得的编码后的M信号的频谱相乘而得到的结果，分别从L信号的频谱和R信号的频谱中减去。这里，使用了强度立体声的技术，通过从L信号和R信号中去除其主成分，充分地去除冗余性。并且，对去除了主成分的L信号和R信号进一步进行编码。

在该现有的音响信号的编码技术的下混中，使用取L信号和R信号的平均的处理(即，将0.5乘以L信号和R信号相加的结果的处理)。该平均处理在包含标准方式的大多数音响编码解码器的下混中使用。此外，以往，在下混中使用作为最单纯的综合处理的平均处理的理由是，因为单声道信号不仅是中间信号，而被认为其本身也是用户享受的对象。

现有技术文献

专利文献

专利文献1：日本特表2004-535145号公报

专利文献2：日本特表2005-533271号公报

非专利文献

非专利文献1：V.Pulkki and M.Karjalainen，“Localization of amplitude-panned virtual sources I：Stereophonic panning”，Journal of the Audio Engineering Society，Vol.49，No.9，2001年9月，pp.739-752

非专利文献2：B.Cheng，C.Ritz and I.Burnett，“Principles and analysis of the squeezing approach to low bit rate spatial audio coding”，proc.IEEE ICASSP2007，pp.I-13-I-16，2007年4月

非专利文献3：ISO/IEC 14496-3：1999(E)“MPEG-2”，P232、Fig.B.13

发明内容

发明要解决的问题