[发明专利]一种基于两级滤波的多步音频对象编解码方法

说明书

本发明公开了一种基于两级滤波的多步音频对象编解码方法。在编码阶段，首先将输入的多个音频对象信号进行时频变换；确定对象循环下混顺序并提取每步边信息，输出最终下混信号；通过第一级滤波器，去除残差信息中人耳无法感知的冗余成分；通过第二级滤波器，根据每个子带中残差信息的能量大小，保留前n个子带中的残差；经过二级滤波后的残差信息进行奇异值分解，大尺寸的残差矩阵被压缩为较小的矩阵；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，首先利用分解的残差矩阵重构原始残差，然后根据边信息，将多个对象从下混信号中逐步剥离。本发明通过利用心理声学和子带能量信息，滤除残差信息中的次要成分，降低音频对象编码码率。

技术领域

本发明属于数字音频信号处理技术领域，具体涉及一种基于两级滤波的多步音频对象编解码方法，适用于码率有限条件下的多音频对象信号传输，允许在不同的码率要求下传输残差信息。

背景技术

下一代音频系统与以前的系统有两个不同的特点：沉浸感和个性化。对于沉浸感，空间音频技术如MPEG Surround[文献1]和NHK 22.2[文献2]可以提供三维音频再现。对于性化，音频系统应根据用户需要兼容不同的播放环境和设备。此外，个性化音频系统应支持交互式音频服务。但传统的空间音频内容是传递给所有用户，而不考虑环境、偏好和设备等因素。基于声道的框架使得下一代音频系统的个性化特性难以实现[文献3]。

为了克服上述缺陷，实现个性化，音频系统的框架由基于声道向基于对象转变。在基于对象的编码框架中，声音场景中的音频对象可以由单独的音频流表示。这种方法可以兼容不同的扬声器布局，并且可以根据用户交互进行调整。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4]。该方法将频率划分为28个子带，提取每个子带的空间参数。通过这种方式，多个对象可以压缩成带有少量边信息的下混信号。然而，在同一个子带中使用相同的参数将导致频率混叠失真，一个音频目标信号将与其他目标信号成分混合。

有研究尝试利用残差信号来减少这些混叠的频率分量[文献5]。如果频率系数为1024，则每帧将有1024个残差数据需要记录。这使得未压缩的边信息数据量比传统的SAOC高38倍。为了减小残差的大小，有方法提出[文献6]仅提取0～5.5kHz频率区域的残差。但以上方法仅能良好恢复单个对象信号，其他对象信号仍然音质较差。[文献7]提出一种多步音频对象编码方法，将多个对象按照一定顺序循环下混，提取每个对象的残差信息，多个对象残差带来的数据激增采用奇异值分解(SVD)方法进行减低。然而，残差信息中仍然含有大量冗余成分，导致比特率较高。

文献1：Elfitri,I.,Muharam,M.,and Shobirin,M.:Distortion analysis ofhierarchical mixing technique on mpeg surround standard.In:InternationalConference on Advanced Computer Science and Information System.IEEE(2014).

文献2：Ando,A.:Conversion of multichannel sound signal maintainingphysical properties of sound in reproduced sound field.IEEE Transactions onAudio Speech and Language Processing 19(6),1467-1475(2016).

文献3：Walton,T.,Evans,M.,Kirk,D.,and Melchior,F.:Exploring object-based content adaptation for mobile audio.Personal and Ubiquitous Computing22(4),707-720(2018).