[发明专利]用于多声道缩混/上混情况的通用空间音频对象编码参数化概念的解码器和方法

说明书

提供了一种用于从包括一个或更多个缩混声道的缩混信号产生包括一个或更多个音频输出声道的音频输出信号的解码器。缩混信号编码两个或更多个音频对象信号。解码器包括阈值确定器(110)，用于根据两个或更多个音频对象信号中的至少一个的信号能量和/或噪声能量和/或者根据一个或更多个缩混声道中的至少一个的信号能量和/或噪声能量确定阈值。此外，解码器包括处理单元(120)，用于根据阈值从一个或更多个缩混声道产生一个或更多个音频输出声道。

技术领域

本发明涉及一种用于多声道缩混/上混情况的通用空间音频对象编码参数化概念的设备和方法。

背景技术

在现代数字音频系统中，允许在接收方侧对所传输的内容进行与音频对象相关的修改是主要趋势。这些修改包括在经由空间分布的扬声器进行多声道播放的情况下对专用音频对象的空间重定位和/或音频信号的所选择部分的增益修改。这可以通过将音频内容的不同部分分别传送到不同的扬声器来实现。

换言之，在音频处理、音频传输以及音频存储领域中，越来越期望允许对面向对象的音频内容播放进行用户交互，并且还需要利用多声道播放的扩展可能性以单独地渲染(render)音频内容或者部分音频内容，以便改进听觉感受。由此，多声道音频内容的使用为用户带来显著的改进。例如，可以获得三维听觉感受，这在娱乐应用中带来了改进的用户满意度。然而，多声道音频内容在专业环境中，例如在电话会议应用中，同样是有用的，因为可以通过使用多声道音频播放来改进讲话者的清晰度。为音乐作品的听众提供了另一个可能的应用，以单独调整诸如人声部分或者不同乐器的不同部分(也称为“音频对象”)或音轨的播放电平和/或空间位置。用户可以出于个人品味的原因、出于从音乐作品中更容易地改编一个或更多个部分的原因、出于教学目的、卡拉OK、排练等的原因而进行这种调整。

对例如以脉冲编码调制(PCM)数据或者甚至是压缩音频格式的形式的全数字多声道或多对象音频内容的直接的离散传输要求非常高的比特率。然而，以高比特率效率的方式来传输和存储音频数据也是理想的。因此，为了避免由多声道/多对象应用引起的过度资源负荷，人们乐于在音频质量与比特率要求之间接受合理的折衷。

近来，在音频编码领域中，由例如运动图像专家组(MPEG)等提出了用于对多声道/多对象音频信号的比特率高效的传输/存储的参数化技术。一个示例是作为面向声道的方法[MPS、BCC]的MPEG环绕声(MPS)，或者作为面向对象的方法[JSC、SAOC、SAOC1、SAOC2]的MPEG空间音频对象编码(SAOC)。另一种面向对象的方法称为“知情源分离”[ISS1、ISS2、ISS3、ISS4、ISS5、ISS6]。这些技术旨在基于对声道/对象以及附加的辅助信息(sideinformation)的缩混来重建期望的输出音频场景或者期望的音频源对象，其中辅助信息描述所传输的/存储的音频场景和/或音频场景中的音频源对象。

以时间-频率选择方式来完成对这样的系统中的声道/对象相关的辅助信息的估计和应用。因此，这样的系统采用时间-频率变换，诸如离散傅里叶变换(DFT)、短时间傅里叶变换(STFT)或者如正交镜像滤波器(QMF)组的滤波器组等。在图2中，使用MPEG SAOC的示例来描绘这样的系统的基本原理。

在STFT的情况下，时间维度由时间块的数量来表示，而频谱维度通过频谱系数(“频率点”(“bin”))的数量来捕获。在QMF的情况下，时间维度由时隙的数量来表示，而频谱维度通过子频带的数量来捕获。如果通过随后应用的第二滤波器级来改进QMF的频谱分辨率，则整个滤波器组称为混合QMF，并且高分辨率子频带称为混合子频带。

如上文提及，在SAOC中，一般的处理是以时间-频率选择性的方式来执行的，并且可以在每个频带内被描述如下，如图2中所示：