[发明专利]下混音频信号中的声音对象插入

说明书

描述了一种用于将第一音频信号插入到包括下混信号和相关联的比特流元数据的比特流中的方法。下混信号和相关联的比特流元数据指示包括多个空间多样音频信号的音频节目。下混信号包括至少一个音频声道，比特流元数据包括用于从至少一个声道再现多个空间多样音频信号的上混元数据。该方法包括将第一音频信号与至少一个音频声道混合以生成经修改下混信号。该方法还包括生成包括经修改下混信号和相关联的经修改比特流元数据的输出比特流，经修改下混信号和相关联的经修改比特流元数据指示包括多个经修改空间多样音频信号的经修改音频节目。

相关申请的交叉引用

本申请要求2014年9月25日提交的美国临时专利申请No.62/055,075的优先权，该申请通过引用全文而并入于此。

技术领域

本文件涉及音频处理。具体地说，本文件涉及下混音频信号中的声音对象插入。

背景技术

音频节目可以包括多个音频对象以便增强收听者的收听体验。音频对象可以被定位在3维渲染环境内的随时间变化的位置处。具体地说，音频对象可以被定位在不同高度处，并且渲染环境可以被配置为在不同高度处渲染这样的音频对象。

包括多个音频对象的音频节目的发送可能需要相对较大的带宽。为了减小这样的音频节目的带宽，多个音频对象可以被下混为有限数量的音频声道。举例来说，多个音频对象可以被下混为两个音频声道(例如，立体声下混信号)、5+1音频声道(例如，5.1下混信号)或7+1音频声道(例如，7.1下混信号)。此外，可以提供元数据(在本文中被称为上混元数据或联合对象编码(JOC)元数据)，该元数据提供下混音频信号中所包括的音频对象的参数化描述。具体地说，上混或JOC元数据可以被对应的上混器或解码器用来从下混音频信号得出多个音频对象的重构。

在从编码器(其提供下混信号和JOC元数据)到解码器(其基于下混信号并且基于JOC元数据来重构多个音频对象)的传输链内，可能需要将音频信号(例如，机顶盒的系统声音)插入到包括下混信号和JOC元数据的比特流中。本文件描述了使得能够高效率地且高质量地将一个或多个音频信号插入到这样的下混信号中的方法和系统。

发明内容

根据一方面，描述了一种用于将第一音频信号插入到包括下混信号和相关联的比特流元数据的比特流中的方法。下混信号和相关联的比特流元数据指示包括多个空间多样(spatially diverse)音频信号(例如，音频对象)的音频节目。下混信号包括至少一个音频声道，比特流元数据包括用于从至少一个音频声道再现多个空间多样音频信号的上混元数据。该方法包括将第一音频信号与至少一个音频声道混合以生成包括至少一个经修改音频声道的经修改下混信号。此外，该方法包括对比特流元数据进行修改以生成经修改比特流元数据。另外，该方法包括生成包括经修改下混信号和相关联的经修改比特流元数据的输出比特流，其中，经修改下混信号和相关联的经修改比特流元数据指示包括多个经修改空间多样音频信号的经修改音频节目。

根据另一方面，描述了一种用于将第一音频信号插入到包括下混信号和相关联的比特流元数据的比特流中的方法。下混信号和相关联的比特流元数据指示包括多个空间多样音频信号的音频节目，其中，下混信号包括至少一个音频声道，并且其中，比特流元数据包括用于从至少一个音频声道再现多个空间多样音频信号的上混元数据。该方法包括将第一音频信号与至少一个音频声道混合以生成包括至少一个经修改音频声道的经修改下混信号。此外，该方法包括：丢弃比特流元数据，并且生成包括经修改下混信号的输出比特流，其中，输出比特流不包括比特流元数据。