[发明专利]加窗信号MDCT域的能量及相位调整方法及其装置

说明书

技术领域

本发明属于空间音频技术领域，特别是涉及加窗信号在MDCT域的能量及相 位调整方法及其装置。

背景技术

音频信号属于短时平稳过程，实际信号处理中，通过对信号采样分帧，将 具有平稳统计特性的每帧信号作为处理对象。信号分帧相当于采用普通矩形窗 对信号进行截短处理，由于矩形窗有陡峭的到零的下降沿，造成分帧后帧间的 频谱泄漏，使得重建后的声音信号在帧间产生抖动。因此，有必要在变换前对 时域信号加窗，避免因分帧产生的块效应，保证帧间过渡的平滑。多声道音频 编码技术追求高音质和低码率，为了重现原始声音效果，在实际信号处理中通 常以加窗信号作为研究对象。本发明所称多声道包括双声道及更多声道的情况。

对信号进行加窗处理时，通常应用的窗函数主要有矩形窗、三角窗、汉宁 窗、海明窗和凯撒窗等类型。其中矩形窗主瓣较集中，旁瓣较高并有负旁瓣， 易使变换产生高频干扰和频谱泄漏。与矩形窗相比，汉宁窗可缓解频谱泄漏， 但频率分辨力下降。海明窗与汉宁窗均为余弦窗，仅加权系数不同。每种窗型 都有自己的特点，实际信号处理时一般根据输入信号的特性选择窗型。

空间音频编码技术作为多声道音频技术的典型代表，将加窗后的多声道信 号所包含的音频信息和空间信息相分离并分别编码。现有的传统空间音频编解 码系统如图1所示，编码端输入的多声道信号加窗后，一方面通过下混成为一个 声道进行传统单声道音频编码(MDCT时频分析，包括MDCT变换和量化编码)，另 一方面经声源分离(HQMF/CFB/STDFT时频分析)后进行空间参数提取和空间参数 编码；解码端通过码流分析分离出下混声道和空间参数信息，相应地分别对下 混声道进行传统单声道音频解码、上混，对空间参数信息进行空间参数解码， 最终通过合成滤波得到输出多声道信号。

在空间音频编码系统中，空间参数反映多声道音频信号(包括双声道)的 空间信息，编码端空间参数的有效提取是解码端音质还原的关键。空间参数主 要包括用以定位声源水平方位的声道间强度差(Interaural Level Difference， 简称ILD)和声道间时间差(Interaural Time Difference，简称ITD)，以及 用以确定声源声场宽度的声道间相关度(Interaural Correlation，简称IC)。 其中，ILD记录了声道间信号的能量比，ITD记录了声道间信号具有最大互相关 的时间偏移，IC记录了此时的归一化相关度。因此，ILD和ITD分别与时域加 窗信号的能量及延时特性相关，IC同时受信号能量及延时特性的影响。

实际信号处理中，通常在编码端对加窗信号进行时频域变换，完成信号的 声源分离。在MP3、AAC等通用音频编码系统中，传统的单声道音频编码采用修 正离散余弦变换(Modified Discrete Cosine Transform，简称MDCT)作为最 常见的时频分析工具，且MDCT具有时域抗混叠特性；而编码端在提取声场空间 信息时则采用模拟人耳听觉特性的时频分析工具，包括人工耳蜗滤波器 (Cochlear Filter Bank，简称CFB)、短时离散傅立叶变换(Short-Time DFT， 简称STDFT)以及混合正交镜像滤波器组(Hybrid Quadrature Mirror Filterbank，简称HQMF)。

现有技术表明，若传统的单声道编码与空间参数提取使用相同的时频分析 工具，可以有效降低编解码的复杂度和算法延时。针对空间参数提取的时频分 析工具CFB、STDFT和HQMF由于复杂度、临界采样特性以及与心理声学的匹配 性等原因不适合在传统的单声道编码器中使用。因此，为了降低复杂度和延时， 当采用基于MDCT的感知音频编码器作为传统单声道编码器时，研究如何提取加 窗信号MDCT域上的空间参数成为空间音频编码领域的研究热点。

然而，MDCT变换属于实变换，与同时包含信号相位信息和幅度信息的复变 换不同，在MDCT域上提取空间参数存在困难：首先MDCT谱的能量抖动使MDCT 谱的声道间强度差ILD与原加窗信号ILD不一致，导致ILD参数提取存在差异； 其次MDCT谱中不包含直接的相位信息，难以反映原时域加窗信号的延时特性， 导致直接提取声道间时间差参数ITD存在困难。