[发明专利]音频信号的编码和解码

说明书

音频信号(X)由被分割为帧的比特流(B)表示。音频处理系统(500)包括缓冲器(510)和解码部(520)。缓冲器将由N个相应帧(F₁,F₂,...,F_N)携载的音频数据集(D₁；D₂,...,D_N)结合成与第一帧速率对应以及与每帧的音频信号的第一采样数目对应的一个可解码音频数据集(D)。帧具有与每帧的音频信号的第二采样数目对应的第二帧速率。第一采样数目是第二采样数目的N倍。解码部通过基于可解码音频数据集并使用与音频信号的第一采样数目对应的步幅来至少采用信号合成，将可解码音频数据集解码为音频信号的片段。

相关申请的交叉引用

本申请要求于2014年10月24日提交的美国临时专利申请第62/068,187号的优先权，其全部内容通过引用并入本文中。

技术领域

本文中公开的本发明通常涉及音频信号的编码和解码，具体地，涉及具有针对高帧速率的有利缩放行为的音频比特流格式。

背景技术

现在可用的大多数商业应用中使用的音频和视频帧速率(或帧频率)遵循单独建立的行业标准，所述行业标准表现在记录和重放软件产品、硬件部件以及用于在通信方之间传输音频和视频的商定格式方面。音频帧速率通常特定于不同的编码算法，并且与特定音频采样频率(如44.1kHz和48kHz)相关联，所述特定采样频率与其各自地理区域中的视频帧速率29.97fps(NTSC)和25fps(PAL)一样众所周知；另外的标准视频帧速率包括23.98fps、24fps和30fps，或者以更广义的形式，24fps、25fps、30fps和(24,25,30)×1000/1001fps。尽管从模拟分发转换为数字分发，但尝试联合或协调音频帧速率尚未成功，这意味着音频帧(例如，适合于通过网络传输的分组或编码单元)通常与视听数据流中的整数个视频帧不对应。

由于时钟漂移或者当从不同的源接收到几个流以用于在服务器中公共处理、编辑或接合(splice)(广播站中经常遇到的情况)时，同步视听数据流的需求重复出现。通过在一个流中复制或丢弃视频帧(例如，准备用于接合的流)来改善两个视听数据流之间的视频-视频同步性的尝试通常在音频帧的大小与视频帧的大小不匹配的情况下导致该视听数据流内的音频-视频滞后。通常，即使与视频编辑对应的音频帧被删除或复制，延迟也会持续——至少一些非零持续时间。

以更多的处理为代价，可以通过在同步期间将音频临时解码为独立于帧划分的低级格式(例如，以原始采样频率解析的基带格式或脉冲编码调制(PCM))来创建更大的机动空间。然而，这样的解码模糊了元数据对特定音频片段的精确锚定，并且通过解码为“完美的”中间格式而造成不能补救的信息丢失。作为一个示例，动态范围控制(DRC)通常是模式依赖性的和设备依赖性的，因此仅能在实际重放时被用掉；在整个音频包中管理DRC特性的数据结构在同步发生之后难以如实地恢复。因此，如果经受复杂性约束，则经过连续解码、同步和编码阶段来保存这种类型的元数据的任务不是简单的任务。

可能出现与以下遗留基础结构有关的甚至更严重的困难，所述遗留基础结构被设计成携载两通道PCM信号，从而能够处理仅以编码形式的多通道内容。

在给定帧中的数据完全对应于记录和编码的视听信号中的同一时间段的意义上，帧同步地(frame-synchronously)对音频和视频数据进行编码确实更方便。在视听流的以帧方式的操纵(frame-wise manipulation)下，即在流中复制或拒绝一个或更多个完整的独立编码单元，这保留了音频-视频同步性。Dolby E^TM音频格式可用的帧长度与视频帧长度相匹配。然而，在典型的比特率为448kbps的情况下，这种格式主要是为了专业生产的目的而设计的，硬介质像数字录像带作为其首选的存储形式。

在申请人的共同待决的尚未公布的申请PCT/EP2014/056848中，提出了与以下音频格式兼容的系统和方法：该音频格式作为帧同步视听格式的一部分，适合于分发目的。