[发明专利]使用奇异值分解进行高阶高保真立体声编码和解码的方法和装置

说明书

技术领域

本发明涉及用于使用奇异值分解进行高阶高保真立体声(Ambisonics)编码和解码的方法和装置。

背景技术

高阶高保真立体声(Higher Order Ambisonics，HOA)表示三维声音。其他技术是波场合成(WFS)或基于声道的方法(比如，22.2)。然而，与基于声道的方法相反，HOA表示提供独立于特定扬声器设置的优点。但是，这种灵活性是以HOA表示在特定扬声器设置上的回放所需的解码处理为代价的。与所需扬声器的数量通常非常大的WFS方法相比，HOA也可以被渲染到仅由几个扬声器组成的设置。HOA的其他优点是，同一表示也可以无任何修改地用于对耳机的双耳渲染。

HOA基于复谐波平面波振幅的空间密度的通过截断球谐(SH)扩展的表示。每个扩展系数是角频率的函数，其可以等效地由时域函数表示。因此，不失一般性地，整个HOA声场表示实际上可被假定为由O个时域函数组成，其中O表示扩展系数的数量。这些时域函数在下面将被等效地称为HOA系数序列或HOA声道。HOA表示可以被表达为包含HOA系数的HOA数据帧的时间序列。HOA表示的空间分辨率随着扩展的最大阶次N增长而提高。对于3D情况，扩展系数的数量O随着阶次N呈二次方地增长，特别地为O＝(N+1)²。

复矢量空间

高保真立体声必须处理复函数。因此引入了基于复矢量空间的符号。该符号随抽象的复矢量操作，所述复矢量不表示从三维“xyz”坐标系知道的真实的几何矢量。相反，每个复矢量描述物理系统的可能的状态，并且在d维空间中由具有d个分量x_i的列矢量形成，并且根据Dirac，这些面向列的矢量被称为右矢量(ket vector)，被表示为|x>。在d维空间中，任意的|x>由其分量x_i和d个正交基矢量|e_i>形成：

这里，d维空间不是通常的“xyz”3D空间。

右矢量的共轭复数被称为左矢量(bra vector)|x>^*＝<x|。左矢量表示基于行的描述，并且形成原始右矢量空间的对偶空间——左矢量空间。

该Dirac符号将被用在对高保真立体声相关音频系统的以下描述中。

内积可以根据同一维度的左矢量和右矢量来构建，得到复数标量值。如果随机矢量|x>由其在正交矢量基中的分量描述，则对于特定基的特定分量，即，|x>到|e_i>上的投影，由内积给出：

x_i＝<x||e_i>＝<x|e_i>(2)

在左矢量和右矢量之间，仅考虑一个条、而非两个条。

对于同一基中的不同矢量|x>和|y>，内积通过将左矢量<x|乘以右矢量|y>而得到，使得：

如果维度mx1的右矢量和维度1xn的左矢量被乘以外积，则具有m行n列的矩阵A被导出：

A＝|x><y| (4)

高保真立体声矩阵

基于高保真立体声的描述考虑了用于将整个声场映射到时变矩阵中所需的相关性(dependency)。在高阶高保真立体声(HOA)编码或解码矩阵中，行(列)的数量与从声源或声宿(sound sink)起的特定方向相关。在编码器侧，变化数量的S个声源被考虑，其中，s＝1,…,S。每个声源s可以具有离原点的个体距离r_s、个体方向Ω_s＝(Θ_s，Φ_s)，其中，Θ_s描述从z轴开始的倾斜角，Φ_s描述从x轴开始的方位角。对应的时间相关信号X_s＝(t)具有个体时间行为。

为简单起见，仅考虑方向部分(径向相关性将由贝塞尔函数描述)。那么，特定方向Ω_s用列矢量描述，其中，n表示高保真立体声度，m是高保真立体声阶次N的索引。对应的值分别按m＝1,…N和n＝-m,…,0,…m取值。

一般来说，特定HOA描述根据N来对2D或3D情况下的每个右矢量限制分量的数量O：