[发明专利]确定多通道音频信号的通道间时间差

说明书

技术领域

本技术一般涉及音频编码和/或解码的领域以及确定多通道音频信号的通道间时间差的问题。

背景技术

空间音频或3D音频是表示各种类型的多通道音频信号的一般表述(generic formulation)。取决于捕捉和渲染(rendering)方法，音频场景由空间音频格式来表示。由捕捉方法（麦克风）限定的典型空间音频格式例如表示为立体声、双耳声、多通道模拟立体声等。通常表示为环绕声系统的空间音频渲染系统（耳机或扬声器）能够提供具有立体声（左通道和右通道2.0）或更高级的多通道音频信号（2.1、5.1、7.1等）的空间音频场景。

近来开发的用于此类音频信号的传送和操纵的技术允许终端用户拥有具有更高空间品质的增强的音频体验，从而通常导致更好的可辨度以及增加的逼真度。空间音频编码技术生成空间音频信号的紧凑表示，其例如与诸如在互联网上的流的数据率约束应用兼容。然而在数据率约束太强时空间音频信号的传送受到限制并且因此解码的音频通道的后处理也用来增强空间音频重放。常用技术例如能够将解码的单声或立体声信号盲向上混合成多通道音频（5.1通道或更多）。

为了有效渲染空间音频场景，这些空间音频编码和处理技术利用多通道音频信号的空间特性。

特别地，空间音频捕捉的通道之间的时间和级别（level）的差，比如通道间时间差ICTD和通道间级别差ICLD，用来近似表征空间中我们声音的知觉的诸如耳间时间差ITD和耳间级别差ILD的耳间线索。术语“线索”用在声定位领域中并且通常表示参数或描述符。人类听觉系统使用若干线索用于声源定位，包括耳朵之间的时间差和级别差、谱信息以及定时分析的参数、相关性分析和模式匹配。

图1示出利用参数方法来建模空间音频信号的潜在困难。通道间时间差和级别差（ICTD和ICLD）通常用来建模多通道音频信号的方向成分，而建模耳间互相关性IACC的通道间相关性ICC用来表征音频图像的宽度。因此从音频通道中提取诸如ICTD、ICLD和ICC的通道间参数以便近似对空间中我们声音的知觉进行建模的ITD、ILD和IACC。由于ICTD和ICLD仅是我们听觉系统能够检测的要素（在耳朵入口的ITD和ILD）的近似，非常主要的是从知觉方面来看ICTD线索是相关的。

图2是示出作为多通道音频编码/解码的例示性示例的参数立体声编码/解码的示意性框图。编码器10基本上包括向下混合单元12、单声编码器14和参数提取单元16。解码器20基本上包括单声解码器22、解相关器24和参数合成单元26。在该特定示例中，向下混合单元12将立体声通道向下混合成求和信号，单声编码器14编码求和信号，以及将求和信号与被参数提取单元16提取并被量化器Q量化的空间量化（子带）参数一样传送到解码器20、22。可基于对于左通道和右通道的输入频率变换的子带分解来估计空间参数。通常根据诸如等效矩形带宽-ERB的知觉量表来定义每个子带。解码器和参数合成单元26特别根据来自单声解码器22的解码的单声信号、从编码器10传送的量化（子带）参数和解相关器24生成的解相关版本的单声信号来执行空间合成（在相同子带域中）。然后由量化子带参数来控制立体声图像的重建。由于这些量化子带参数意在近似空间的或双耳的线索，所以很重要的是根据知觉考虑来提取和传送通道间参数(ICTD、ICLD和ICC)使得近似对于听觉系统是可接受的。

立体声和多通道音频信号通常是难于建模的复杂信号，尤其在环境嘈杂时或在混合的多种音频成分在时间和频率上重叠（即，嘈杂的语音、在音乐上语音或同时多个谈话者）等时。由几乎没有声音成分构成的多通道音频信号也能是难以建模的，在使用参数方法的情况下更是如此。

因此存在对于通道间时间差ICTD的改进的提取或确定的一般需要。

发明内容

一般目标在于提供确定或估计具有至少两个通道的多通道音频信号的通道间时间差的更好方式。

目标还在于提供包括通道间时间差的此类估计的改进的音频编码和/或音频解码。

这些和其它目标通过由随附专利权利要求限定的实施例来满足。