[发明专利]为3D音频提供增强的导引降混性能的装置及方法

说明书

技术领域

本发明涉及一种音频信号处理，特别是涉及一种装置及方法能实现增强的降混(downmix)，特别是用于实现3D音频的增强的导引降混性能。

背景技术

日益增多的扩音器被使用来达到声音的空间再生。当传统的环绕音效再生(如5.1系统)被限制于单一平面时，新的通道格式与升级的扩音器一起已被纳入3D音频再生的领域。

需要再生于扩音器上的信号过去习惯于直接对应于特定的扩音器，并可以离散或参数的方式储存及传送。可以说，对于这种格式而言，该等信号对应于一音效再生系统，该系统已清楚定义扩音器的数量及位置。据此，在传送或储存一音频信号之前，就需要对该再生格式有一定的了解。

然而，已有不在此原则中的一些例外。例如，多通道音频信号(例如5个环绕音效通道或例如，5.1环绕音效通道)必需被降混以在双通道的立体扩音器的设定之上再生，因此也就存在一些规则以将5环绕通道再生于具有双扩音器的立体声系统。

此外，当立体声通道被引入时，就需要一规则以通过单一单声道扩音器再生成两立体声通道的音频内容。

既然格式的数量以及需要设定扩音器位置的机会越来越多，就使得在传送或储存之前考虑再生系统的扩音器设定显得更为不可能。据此，就有需要将输入音频信号适配到实际的扩音器设定。

有不同的方法可用于将环绕音效降混至双通道立体声。仍广泛使用的是通常称作ITU降混的具有静态降混系数的时域降混[5]。其他时域降混技术－部分使用动态调整的降混系数－应用于矩阵环绕技术的编码器(encoders of matrix surround techniques)[6]，[7]。

在[3]中，公开了直接音源混合于被降混至双通道立体全景(stereo panorama)的后通道，可能由于屏蔽(masking)或者另外掩蔽的其他音源而无法被分别出来。

在空间音频编码(SAC)技术发展的过程中，频率选择性的降混算法作为编码器之一部分而被介绍[8]，[9]。特别的是，当将能量等化(energy equalization)应用于所得到的声音通道时，可降低声音彩色化(sound colorization)并维持音源定位的声级平衡及稳定性。能量等化也应用于其他降混系统中[9]，[10]，[12]。

在后通道只包含环境音效(如混响)的情况中，环境影响(如混响、宽敞影响)的减少可在ITU降混中通过减弱多通道信号的后通道得到解决[5]。若后通道也包含直接音效(direct sound)，那这样的减弱是不合适的，因为后通道的直接部分也会在降混中被减弱。因此，就需要一种更高级的环境减弱算法。

音频编译码器(如AC-3、HE-AAC)可提供在音频串流上传送所谓的元数据(metadata)的装置(means，手段)，其包含用于从5音频通道降混到2音频通道(立体声)的降混系数。在所得到的立体声信号中，被选择音频通道的数量(如中间、后通道)通过传送的增益值来控制。虽然这些系数可能为时间变量，但其通常可在一程序(program，节目)的项目的期间内维持恒定。

应用于“Logic7”矩阵系统中的解决方案是引进一信号调适方法，其在只有后通道被完全认定为环境因素(ambience)的情况下才会减弱后通道，这可以通过比较前通道与后通道的功率而达到。此方法有一假设，即当后通道只包含环境因素时，其功率显著较前通道的功率小。并且当前通道的功率相较于后通道越大时，后通道在降混的过程中被减少的功率越多。上述假设在一些环绕产生(surround productions)，特别是带着标准内容(classical content)的情况下可为真，但该假设对于其他信号则为假。

因此，将更容易理解，设想提供一种音频信号处理的改进的概念。

发明内容

本发明之一目的在于提供一种音频信号处理的改进的概念。本发明的目的通过依据权利要求1的一种装置、通过依据权利要求13的一种系统、通过依据权利要求14的一种方法以及通过依据权利要求15的一种计算机程序而达到。