[发明专利]音频编码器和解码器

说明书

音频处理系统(100)接受具有多个预定义音频帧率中的一个的音频比特流。该系统包括前端组件(110)，该前端组件(110)接收与预定义音频帧率中的任一个中的一个音频帧对应的可变数量的量化谱分量，并且根据预定的频率相关量化水平执行逆量化。该前端组件可以不知道音频帧率。该音频处理系统还包括频域处理级(120)和采样率转换器(130)，其提供在与音频帧率无关的目标采样频率下采样的重构音频信号。通过其帧率适应性，该系统可被配置为与接受多个视频帧率的视频处理系统并行地、帧同步地操作。

相关申请的交叉引用

本申请要求在2013年4月5日提交的美国临时专利申请No.61/808,701的优先权，该申请的全部内容特此通过引用并入。

技术领域

本文所公开的发明一般涉及视听媒体分发。特别地，它涉及适于接受多个音频帧长度并因此适合形成处理帧同步视听媒体格式的媒体解码器的一部分的音频解码器。

背景技术

在当前可用的大多数商业应用中使用的音频和视频帧率(或帧频率)遵循单独建立的工业标准以及用于在通信方之间传输音频和视频的协定格式，这些标准在记录和回放软件产品、硬件组件两者中显示自己。音频帧率一般是特定于不同编码算法的，并且与诸如44.1和48kHz的音频采样频率相关联，这些采样频率在它们各自的地理区域中与视频帧率29.97fps(NTSC)和25fps(PAL)一样出名；另外的标准视频帧率包括23.98、24和30fps或者更一般的形式24、25、30fps和(24，25，30)×1000/1001fps。尝试统一或协调音频帧率还没有成功，尽管有从模拟到数字分发的转变，这意味着音频帧(例如，适合在网络上传输的包(packet)或编码单元)一般不与整数数量的视频帧对应。

作为时钟漂移的结果，或者当从不同的源接收数个流以用于服务器中的共同处理、编辑或拼接时(这是在广播站中频繁遇到的情况)，对于同步视听数据流的要求不断出现。在图3所示的情况下，音频帧(流S1中的A11、A12、…和流S2中的A21、A22、…)和视频帧(流S1中的V11、V12、…和流S2中的V21、V22、…)不匹配，通过复制或抛弃流中的一个中的视频帧(在例如拼接流的尝试中)来改善流之间的视频对视频同步性的尝试一般导致该流内的音频对视频异步性。一般地，即使对应的音频帧被删除或复制－异步性也持续－至少在某种程度上。

以更多的处理为代价，可通过在同步期间将音频暂时解码为与分成帧无关的低级格式(例如以原始采样频率分辨的脉冲编码调制(PCM)或基带格式)，创建更大的操纵空间。然而，这样的解码使元数据到特定的音频段的精确锚定模糊，并且产生不能通过解码成“完美”的中间格式来补救的信息损失。作为一个示例，动态范围控制(DRC)一般是模式相关的和设备相关的，并且因此可仅在实际回放的时候被消耗；在整个音频包上管控DRC的特性的数据结构难以在同步已发生之后如实地恢复。由此，这种类型的经过连续解码、同步和编码阶段的保留(preserve)元数据的任务不是简单的任务，如果经受复杂性约束的话。

关于被设计为携载双声道PCM信号并因此能够仅以编码形式处理多声道内容的遗留基础设施，可能出现甚至更严重的困难。

在给定帧中的数据精确地与记录和编码视听信号中的同一时间段对应的意义上，帧同步地编码音频和视频数据必定更方便。这在视听流的逐帧操纵(即，流中的一个或多个整个独立编码单元的复制或抛弃)下保留音频对视频同步性。在Dolby E^TM音频格式中可用的帧长度匹配视频帧长度。在448kbps的典型比特率的情况下，该格式被设计主要用于专业制作(其中像数字视频盒一样的硬媒介作为其优选的存储模态)的目的。

存在作为帧同步视听格式(或格式族)的一部分、适合分发目的的替代性音频格式以及适合与其一起使用的编码和解码设备的需要。

附图说明

以下，将参照附图更详细地描述示例实施例，其中，