[发明专利]用于译码声场表示信号的方法和装置

说明书

本文档描述了一种用于对描述参考位置处的声场的声场表示SR输入信号(101，301)进行编码的方法(400)；其中所述SR输入信号(101，301)包括所述参考位置处的所述声场的多个不同指向性图案的多个声道。所述方法(400)包括从所述SR输入信号(101，301)提取(401)一或多个音频对象(103，303)。此外，所述方法(400)包括基于所述SR输入信号(101，301)并基于所述一或多个音频对象(103，303)来确定(402)残差信号(102，302)。所述方法(400)还包括进行所述一或多个音频对象(103，303)和/或所述残差信号(102，302)的联合译码。另外，所述方法(400)包括基于在所述一或多个音频对象(103，303)和/或所述残差信号(102，302)的联合译码的背景下生成的数据来生成(403)位流(701)。

相关申请的交叉引用

本专利申请要求于2018年1月18日提交的美国临时专利申请第62/618,991号的优先权权益，其整体通过引用并入。

技术领域

本文档涉及声场表示信号，尤其是高保真度立体声响复制(ambisonics)信号。特别地，本文档涉及使用基于对象的音频译码方案(例如，AC-4)对声场表示信号的译码。

背景技术

可以使用高保真度立体声响复制信号来描述放置在收听位置处的收听者的收听环境内的声音或声场。高保真度立体声响复制信号可以被视为多声道音频信号，其中每个声道对应于收听者的收听位置处的声场的特定指向性图案。可以使用三维(3D)笛卡尔坐标系来描述高保真度立体声响复制信号，其中坐标系的原点对应于收听位置，x轴指向前方，y轴指向左侧，并且Z轴指向上方。

通过增加音频信号或声道的数量以及通过增加相对应的指向性图案(和相对应的平移功能)的数量，可以提高描述声场的精度。举例来说，一阶高保真度立体声响复制信号包括4个声道或波形，即指示声场的全向分量的W声道、描述具有对应于x轴的偶极指向性图案的声场的X声道、描述具有对应于y轴的偶极指向性图案的声场的Y声道和描述具有对应于z轴的偶极指向性图案的声场的Z声道。二阶高保真度立体声响复制信号包括9个声道，包含一阶高保真度立体声响复制信号(也被称为B格式)的4个声道加上不同指向性图案的5个另外的声道。通常，L阶高保真度立体声响复制信号包括(L+1)²个声道，包含(L-1)阶高保真度立体声响复制信号的L²个声道加上另外的指向性图案的[(L+1)²-L²]个另外的声道(在使用3D高保真度立体声响复制格式时)。L1的L阶高保真度立体声响复制信号可以被被称为高阶高保真度立体声响复制(HOA)信号。

HOA信号可以用于独立于扬声器的布置来描述3D声场，所述扬声器布置用于渲染HOA信号。扬声器的示范性布置包括耳机或一或多个扬声器布置或虚拟现实渲染环境。因此，将HOA信号提供给音频渲染可能是有益的，以便允许音频渲染灵活地适应不同的扬声器布置。

本文档解决了以带宽高效方式通过具有高感知质量的传输网络传输HOA信号(或更一般地说，声场表示(SR)信号)的技术问题。所述技术问题由独立权利要求解决。优选的实例在从属权利要求中描述。

发明内容

根据一个方面，描述了一种用于对表示参考位置处的声场的声场表示(SR)输入信号进行编码的方法。所述方法包括从所述SR输入信号提取一或多个音频对象。此外，所述方法包括基于所述SR输入信号并基于所述一或多个音频对象来确定残差信号。所述方法还包括进行所述一或多个音频对象和/或所述残差信号的联合译码。另外，所述方法包括基于在所述一或多个音频对象和/或所述残差信号的联合译码的背景下生成的数据来生成位流。