[发明专利]一种适应于个性化交互系统的音频对象编码方法

权利要求书

1.一种适应于个性化交互系统的音频对象编码方法，其特征在于，包括以下步骤：

步骤A1：对输入的音频对象序列进行分帧加窗，将时域信号转换到频域信号，得到每个音频对象的时频矩阵；

步骤A2：根据每个对象的时频矩阵，计算对象频域能量进行排序，确定多步逐级编码中每步需要编码的对象；

步骤A3：根据确定的编码顺序，逐步下混并计算对应的边信息；所述逐步下混，指下混分多步进行，每一步将当前处理流程中输入的对象对数据进行矩阵相加，得到一个和矩阵，和矩阵作为下一步下混的对象之一；对象对指两个需要进行处理的输入信号，在第一步下混时对象对包含两个音频对象，在第二步及以后的步骤中对象对包含一个音频对象和上一步得到的中间下混信号，最后一步的输出为最终下混信号；其中，中间下混信号并不作为传输码流进行传输；所述边信息包含对象残差与对象增益参数矩阵；其中，对象增益参数通过对象对中两个输入信号的能量比计算得到；

步骤A4：利用奇异值分解将边信息中的对象残差分解为左、右奇异矩阵与奇异值；

步骤A5：量化奇异矩阵、奇异值及对象增益参数，获得边信息码流；

步骤A6：将步骤A3中的最终下混信号进行编码，获得下混信号码流；

步骤A7：步骤A5和步骤A6得到的码流合成为输出码流，传输到解码端。

2.根据权利要求1所述的适应于个性化交互系统的音频对象编码方法，其特征在于：步骤A1中，通过分帧、加窗与改进离散余弦变换MDCT将原本时域的一维声音信号，变为频域的二维频谱图，输出得到的是矩阵形式的对象数据。

3.根据权利要求1所述的适应于个性化交互系统的音频对象编码方法，其特征在于：步骤A2中，根据矩阵形式的对象数据，计算对象频域能量，选择从大到小的能量排序方式，确定每步需要编码的对象顺序；编码顺序，指优先编码能量较大的音频对象；

所述对象频域能量的计算如下式所示：

其中，||S_i||表示第i个音频对象的总能量，N为编码的对象个数；O_i表示第i个对象在所有对象总能量中的占比，根据每个对象O_i值从大到小排序，优先编码O_i值大的对象。

4.根据权利要求1所述的适应于个性化交互系统的音频对象编码方法，其特征在于：步骤A3中，逐步下混并计算每步编码对象的边信息，每步仅计算编码一个对象边信息；

对象残差与对象增益参数的计算公式如下所示：

其中，R(i)为第i+1个对象的残差信号，G_o(i)为第i+1个对象的增益参数，G_d(i)为第i个下混信号的增益参数；X_i表示第i步得到的下混信号，P_o(i)为对象i的能量，P_d(i)为第i步下混信号的能量；N表示需要编码的对象个数。

5.根据权利要求1所述的适应于个性化交互系统的音频对象编码方法，其特征在于：步骤A4中，通过奇异值分解方法对多个对象的残差矩阵进行降维压缩，减少残差信息带来的数据量上升；残差矩阵被分解为三个小矩阵，分别为左奇异矩阵、奇异值矩阵、右奇异矩阵；其中，奇异值矩阵仅传输矩阵对角线上的数值。

6.根据权利要求1所述的适应于个性化交互系统的音频对象编码方法，其特征在于：步骤A5中，通过查表法量化边信息，量化前会对残差分解矩阵与增益参数矩阵的元素值进行归一化处理；然后根据每个元素值的大小在量化表中查找最接近的量化值，并将对应的量化索引作为边信息量化码流输出。

7.根据权利要求1所述的适应于个性化交互系统的音频对象编码方法，其特征在于：步骤A6中，最终下混信号采用AAC编码器进行编码后输出码流。