[发明专利]使用扩展带频率编码的复变换信道编码

说明书

技术领域

本申请涉及多声道音频数据的编码和解码。

背景技术

工程师使用各种技术以在保持数字音频的质量的同时高效地处理数字音 频。为理解这些技术，理解在计算机中如何表示和处理音频信息是有帮助的。

I.计算机中音频信息的表示

计算机将音频信息处理为表示音频信息的一系列数字。例如，单个数字可 表示一个音频样本，该样本在特定时刻是一幅值。若干因素影响了音频信息的 质量，包括样本深度、采样速率和声道模式。

样本深度(或精度)指示用于表示一个样本的数字的范围。对样本的可能 值越多，质量也越高，因为该数字能捕捉幅度的更细微变化。例如，8位样本 具有256个可能值，而16位样本具有65,536个可能值。采样速率(通常是作 为每秒的样本数来测量的)也影响质量。采样速率越高，质量就越高，因为可 表示更多声音频率。一些常见的采样速率是8,000、11,025、22,050、32,000、 44,100、48,000和96,000样本/秒。

单声道和立体声是对于音频的两种常见的声道模式。在单声道模式中，音 频信息存在于一个声道中。在立体声模式中，音频信息存在于通常标为左声道 和右声道的两个声道中。具有更多声道，诸如5.1声道、7.1声道或9.1声道环 绕声(“1指示亚低音扬声器或低频音效声道)的其它模式也是可能的。”表1 示出了具有不同质量水平的若干音频格式，以及对应的原始比特率成本。

表1：用于不同质量音频信息的比特率

环绕声音频通常具有甚至更高的原始比特率。

如表1所示，高质量音频信息的成本是高比特率。高质量音频信息消耗了 大量的计算机存储和传输能力。然而，公司和消费者越来越依赖于计算机来创 建、分发和回放高质量音频内容。

II.在计算机中处理音频信息

许多计算机和计算机网络缺少处理原始数字音频的资源。压缩(也称为编 码或译码)通过将信息转换成较低比特率的形式降低了储存和传送音频信息的 成本。解压(也称为解码)从压缩形式中提取原始信息的重构版本。编码器和 解码器系统包括微软公司的Windows媒体音频(“WMA”)编码器和解码器 以及WMA Pro编码器和解码器的某些版本。

压缩可以是无损(其中质量不受损害)或有损(其中质量受到损害，但是 因随后的无损压缩而得到的比特率减小更显著)。例如，使用有损压缩来逼近 原始音频信息，然后对该逼近进行无损压缩。无损压缩技术包括行程长度编码、 行程等级编码、可变长度编码以及算术编码。对应的解压技术(也称为熵解码 技术)包括行程长度解码、行程等级解码、可变长度解码和算术解码。

音频压缩的一个目的是数字地表示音频信号以用可能的最少量比特来提 供所察觉信号的最大质量。有了这一目的作为目标，各种当代的音频编码系统 利用了各种不同的有损压缩技术。这些有损压缩技术通常涉及在频率变换之后 的知觉建模/加权和量化。相应的解压涉及反量化、反加权和频率反变换。

频率变换技术将数据转换成使得能更容易地将知觉上不重要的信息与知 觉上重要的信息相分离的形式。较不重要的信息然后可进行更有损的压缩，而 较重要的信息被保留，以提供对给定比特率的最佳察觉质量。频率变换通常接 收音频样本，并将其从时域转换成频域中的数据，该数据有时也称为频率系数 或频谱系数。

知觉建模涉及根据人类听觉系统的模型来处理音频数据以改进对给定比 特率的重构音频信号的察觉质量。例如，一听觉模型通常考虑人类听见的范围 和临界频带。使用知觉建模的结果，编码器以最小化对给定比特率的失真可听 见性为目标来对音频数据中的失真(例如，量化噪声)整形。

量化将输入值的范围映射到单个值，从而引入了不可逆的信息损失，但也 允许编码器调节输出的质量和比特率。有时，编码器结合调整量化的速率控制 器来执行量化以调节比特率和/或质量。有各种类型的量化，包括自适应和非自 适应、标量和向量、均匀和非均匀。知觉加权可被认为是一种形式的非均匀量 化。反量化和反加权将加权的、量化的频率系数数据重构成原始的频率系数数 据的逼近。频率反变换然后将重构的频率系数数据转换成重构的时域音频样 本。