[发明专利]用于低比特率音频编码应用的高效可标度参数立体声编码

说明书

本申请是申请日为2002年7月10日、申请号为200510109960.2、发明名称为“用于低比特率音频编码应用的高效可标度参数立体声编码”的发明专利申请的分案申请。

技术领域

本发明涉及低比特率音频源编码系统。介绍了输入信号的立体声特性的不同参数表示，解释了它们在解码器一侧上的应用，从频谱包络的伪立体声到完全的立体声编码，后者尤其适合于基于HFR(高频重建)的编解码器。

发明背景

音频源编码技术可以分成两类：自然音频编码和语音编码。在中到高的比特率上，通常将自然音频编码用于语音和音乐信号，并能进行立体声传输和再现。在仅能获得低比特率的应用中，例如目标为具有慢速电话调制解调器连接的用户的互联网流式音频，或者在新兴的数字调幅广播系统中，不可避免地需要进行音频节目资料的单声道编码。然而，依然希望有立体声印象，尤其当使用耳机收听时，在这种情况下，纯单声道信号给人的感觉像是从“头内”产生的，这可能是一种很不舒服的感觉。

解决这个问题的一种方法是在解码器一侧上利用所接收的纯单声道信号合成出一个立体声信号。近年来，已经推荐了几种不同的“伪立体声”生成器。例如在美国专利US5,883,962中，描述了通过向未处理的信号添加一个延迟/相移形式的信号来增强单声道信号，从而建立一种立体声幻觉。在这种方法中，以电平相等但是符号相反，对于两个输出中的每个输出将处理后信号添加给原始信号，保证了如果两个声道随后在信号路径中叠加则消除增强信号。在PCTWO98/57436中，描述了一种类似的系统，尽管没有上述增强信号的单声道的兼容性。现有技术方法的共同点在于将它们作为纯粹的后处理来使用。换句话说，解码器不能获知立体声宽度的信息，更不用说在立体声录音室内的位置。因此，伪立体声信号可能有也可能没有原信号的立体声特性的类似之处。现有技术系统不适用的一种具体的情况是当原信号是一个纯单声道信号时，这通常是在语音录音的情况下。在解码器上将这个单声道信号盲目地转换成一个合成立体声信号，在语音情况下这通常将导致令人不舒服的人为加工感觉，并可能降低清晰度和语音可理解性。

目的在于在低比特率上的真实立体声传输的其它现有技术系统通常使用一种求和和差值编码方案。因此，将原始的左(L)和右(R)信号转换成一个求和信号S＝(L+R)/2和一个差值信号D＝(L-R)/2，随后编码和传输。接收机解码S和D信号，在此基础上通过操作L＝S+D和R＝S-D重新建立原始的L/R信号。这种方法的优点在于随时可以使用L和R之间的冗余，因此与S相比，需要编码的D内的信息更少，需要更少的比特。显然，极端情况是纯单声道信号，即L和R相等。传统的L/R编解码器两次编码这个单声道信号，而一个S/D编解码器检测这个冗余，D信号(理想上)不需要任何比特。另一种极端情况用与“异相”信号对应的R＝-L的情况来表示。现在，S信号为零，而D信号计算为L。同样，S/D方案与标准的L/R编码相比具有明显的优点。然而，考虑例如在信号通路中R＝0的情况，这在早期的立体声录音中是很常见的。S和D都等于L/2，S/D方案并不提供任何优点。相反，L/R编码方法将这种情况处理得很好：R信号并不需要任何比特。因此，现有技术的编解码器根据在给定瞬间哪种方法最有益而在这两种编码方案之间自适应地切换。上面的例子仅是理论性的(除了双单声道的情况之外，双单声道的情况在纯语音的节目中很普遍)。因此，实际的立体声节目资料包含大量的立体声信息，即使执行上述切换，所获得的比特率对于许多应用来说通常依然太高。此外，如从上面的重新合成关系可以看出的，为了进一步降低比特率而非常粗糙地量化D信号也是不可行的，因为量化误差将转换成在L和R信号中不可忽略的电平误差。

发明概述

本发明在编码和传输之前使用信号立体声特性的检测。在最简单的形式中，检测器测量在输入的立体声信号中出现的立体声感觉的量值。然后，将这个量值作为立体声宽度参数和原始信号的编码单声道之和一起传输。接收机使用受所述参数控制的伪立体声生成器解码这个单声道信号，并应用适当的立体声宽度量值。作为一种特殊的情况，作为一个零立体声宽度来传输一个单声道输入信号，并相应地在解码器中不使用立体声合成。根据本发明，例如，可以根据原始左右声道的差值信号或互相关来确定立体声宽度的有用测量值。可以将如此计算出的量值映射成少量的状态，实时地或者根据需要地在合适的固定速率上传输这些状态。本发明还教导了如何滤波合成的立体声分量，从而降低不能掩蔽通常与低比特率编码信号有关的编码人工噪声的风险。