[发明专利]多声道音频编码器和解码器

说明书

技术领域

本发明涉及用于编码和解码的装置，并且具体地但不仅限于用于音频和语音信号的编码和解码。

背景技术

空间音频处理是从音频源发出的音频信号通过不同传播路径到达聆听者的左耳和右耳的效果。由于这种效果，左耳处的信号与到达右耳的相应信号相比通常具有不同的到达时间和信号水平。时间和信号水平之间的差异取决于音频信号为了分别到达左耳和右耳所经过的路径的差异。聆听者的大脑继而解译这些差异，以便给出所接收的音频信号由位于相对于聆听者的特定距离和方向处的音频源生成的感觉。

因此，可以将听觉场景视为同时收听位于相对于聆听者的不同位置处的一个或多个音频源生成的音频信号的合成串音。

人类大脑可以处理双声道输入信号，以便确定声源的位置和方向的简单事实可以用于编码和合成听觉场景。空间听觉编码的一种典型方法由此可以通过有目的地修改来自一个或多个不同源(声道)的音频信号来试图建模音频场景的显著特征。这可以在被定义为左音频信号和右音频信号的耳机组中使用。左音频信号和右音频信号可以统称为双声道信号。继而可以生成所产生的双声道信号，使得其给出改变位于相对于聆听者的不同位置处的音频源的感觉。双声道信号与立体声信号的区别在于两个方面。首先，双声道信号已经并入了左声道与右声道之间的时间差，其次，双声道信号采用“头影效应”(其中，建模了特定频带的音量的减小)。

最近，已经结合多声道音频再现而使用空间音频技术。多声道音频再现的目的是提供对包括多个独立音频声道或者声源的多声道音频信号的有效编码。多声道音频信号的编码的最近解决方案集中于参量立体声(PS)和双声道线索编码(BCC)。BCC通常通过将输入音频信号下混频为单(“合量”)声道或者传送该“合量”信号的较小数目的声道来编码多声道音频信号。同时，从输入声道中提取最显著的声道间线索并且将其编码为边信息，该最显著的声道间线索另外也称为空间线索，其描述多声道声像或者音频场景。合量信号和边信息二者形成经编码的参数集，其继而可以作为通信链的一部分来传输，或者存储在存储和转发类型设备中。BCC技术的多数实现通常采用低比特率音频编码方案来进一步编码合量信号。最终，BCC解码器根据所传输或者存储的合量信号和空间线索信息来生成多声道输出信号。通常，使用低比特率知觉音频编码技术(诸如AAC)来附加地编码空间音频编码系统中采用的下混频信号，以进一步减少所需的比特率。

迄今为止，其中存在不止两个源的多声道音频编码仅用于家庭影院应用，其中带宽通常不视为主要限制。然而，多声道音频编码可以在多种移动设备上的新出现的多麦克风实现中使用，以帮助挖掘这些多麦克风技术的全部潜能。例如，多麦克风系统可以用于例如通过使得音频在接收机处缩放而在较差的音频环境中产生较好的信噪比，其中接收机具有集中于所接收的信号的特定源或者方向的能力。这一集中继而可以根据需要由接收机改进的源而改变。

上文提到的多声道系统具有以下固有问题，即，N声道/麦克风源系统在被直接编码时产生的比特流大约需要单声道带宽N倍的带宽。

该多声道带宽需求对于无线通信系统通常是禁止的。

已知通过假设每个声道记录了相同的源信号，但是具有不同的时间延迟和频率相关放大特性，可以建模多声道/多源系统。在用于减少带宽需求的一些解决方案(诸如上文描述的双声道编码解决方案)中，已证实可以将N个声道组合到单个声道中，该单个声道是水平(强度)和时间对齐的。然而，这产生了一个问题，即水平和时间对齐针对不同的时间和频率元素是不同的。另外，通常存在若干源信号占用相同的时间-频率位置，每个源信号需要不同的时间和水平对齐。

已经提出的一种单独解决方案已经解决了将所有音频源(换言之，随后由麦克风检测的音频信号的原始源)与信号分离并且建模由麦克风定义的原始源和空间的方向和音响效果的问题。然而，这在计算上较困难，并且需要大量的处理功率。另外，这一解决方案需要对所有原始源进行单独编码，并且原始源的数目可能超过原始声道的数目。换言之，所建模的原始源的数目可能大于用于记录音频环境的麦克风声道的数目。

因此，目前系统通常仅将多声道系统编码为单个声道或者较小数目的声道，并且将其他声道编码为与最近声道的水平或者强度差值。例如，在两个(左和右)声道系统中，通常，通过平均左声道和右声道来创建单个单声道，并且继而对两个声道系统中的左声道和右声道二者的频带中的信号能量水平进行量化和编码，并且进行存储/发送至接收机。在接收机/解码器处，将单信号复制到两个声道，并且将左声道和右声道的信号水平设置为与两个重新创建的声道二者中每个频带中所接收的能量信息相匹配。