[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

说明书

本发明公开了一种适应于个性化交互系统的音频对象编码方法，在编码阶段，本发明首先将待编码的多个音频对象，从时域分帧加窗变换到频域；根据每个对象的能量大小进行排序，确定对象编码顺序；循环提取每步编码对象及对应下混信号，依此计算每步的参数及残差；利用奇异值分解，对大尺寸的残差矩阵进行分解压缩；将最终混合信号，参数及残差分解矩阵合成码流。在解码阶段，利用分解矩阵重构残差；然后根据每个对象的残差与参数，逐步将对象从下混信号中解码重建。本发明通过有顺序的多步编解码与残差分解，可以同时保证低码率和高质量的重建每个音频对象。

技术领域

本发明属于数字音频信号处理技术领域，具体涉及一种多步逐级下混与重建的音频对象编码解码方法，适用于空间音频的个性化交互系统，允许在用户根据自身需求调整音频对象。

背景技术

基于声道编码的空间音频技术可以实现三位音频场景的编码与重建，比单声道或立体声音频技术更能提供身临其境的听觉体验，如MPEG空间音频编码、NHK22.2扬声器阵列等，因而越来越受到人们的欢迎。但传统基于声道的空间音频系统仍然存在的局限性，其灵活性较低，难以满足支持个性化交互功能的音频服务系统。因此，新一代音频编码技术将音频场景分解为一系列独立对象，以对象为基本元素进行编码传输。

国际上许多学者和研究机构已在音频对象编码方面的开展了研究工作，并提出多种音频对象编码方法。其中最具代表性的是德国知名研究机构Fraunhofer提出的空间音频对象联合编码技术(Spatial audio object coding,SAOC)[文献1]，该方法编码传输多个音频对象的下混信号和边信息，在解码端根据边信息将音频对象从下混信号中分离重构。SAOC方法可以以低码率传输大量音频对象，大大提升了音频对象编码效率，并使得用户可以根据自身的听音需求进行个性化的调整与交互[文献2]。

在SAOC框架中，为了获得较低的编码比特率，在同一子带中使用相同的参数作为边信息。这导致了频域混叠失真，严重降低了听力体验，例如一个音频对象信号播放时会包含其他对象信号成分混合[文献3]。甚至，这一问题会影响到后续用户端的空间音频个性化交互服务。一些研究利用残差信号来补偿这一失真，提高解码音质[文献4][文献5]。然而，这些方法只能提高某个目标对象的听音体验，其他对象仍然存在混叠失真问题，并不能保证每个音频对象都有较好的解码音质。

文献1：Breebaart,J.,Engdeg°ard,J.,Falch,C.,et al.:Spatial audio objectcoding (saoc)-the upcoming mpeg standard on parametric object based audiocoding.In:Audio Engineering Society Convention 124.Audio Engineering Society(2008).

文献2：Coleman,P.,Franck,A.,Francombe,J.,et al.:An audio-visual systemfor objectbased audio:From recording to listening.IEEE Transactions onMultimedia 20(8),1919-1931(2018).

文献3：Wu,T.,Hu,R.,Wang,X.,Ke,S.:Audio object coding based on optimalparameter frequency resolution.Multimedia Tools and Applications pp.1-16(2019).文献4：Kim,K.,Seo,J.,Beack,S.,Kang,K.,Hahn,M.:Spatial audio objectcoding with two-step coding structure for interactive audio service.IEEETransactions on Multimedia 13(6),1208-1216(2011).