[发明专利]空间音频参数的重要性的确定及相关联的编码

说明书

尤其公开了一种用于空间音频编码的装置，该装置可以对于一个或多个音频信号(102)，接收或确定用于提供空间音频再现的以子带为基础的空间音频参数，该空间音频参数包括针对帧的多个子带(202)中的每个子带的相干值(112)。该装置进而针对该帧的多个子带的相干值(401)确定重要性度量。并使用该重要性度量以确定是否对该帧的多个子带的相干值进行编码(403)。

技术领域

本申请涉及用于声场相关的参数编码的装置和方法，但并不排他地涉及用于音频编码器和解码器的时频域方向相关的参数编码。

背景技术

参数空间音频处理是使用一组参数来描述声音的空间方面的音频信号处理领域。例如，在从麦克风阵列进行参数化空间音频捕获时，从麦克风阵列信号估计一组参数是一种典型且有效的选择，该组参数诸如是频带中声音的方向、以及频带中被捕获声音的定向与非定向部分的比率。众所周知，这些参数很好地描述了在麦克风阵列的位置处的被捕获声音的感知空间特性。这些参数可以相应地在空间声音的合成中使用，以用于双耳式耳机、扬声器、或诸如全景环绕声(Ambisonics)之类的其他格式。

因此，频带中的方向和直接对总能量比(direct-to-total energy ratio)是对空间音频捕获特别有效的参数化。

包括频带中的方向参数和频带中的能量比率参数(指示声音的方向性)的参数集也可以被用作用于音频编解码器的空间元数据(其还可以包括其他参数，诸如环绕相干性(surround coherence)、扩展相干性(spread coherence)、方向数量、距离等)。例如，这些参数可以从麦克风阵列捕获的音频信号来估计，并且例如可以从麦克风阵列信号生成立体声或单声道信号以与空间元数据一起传送。立体声信号例如可以用AAC编码器来编码，而单声道信号可以用EVS编码器来编码。解码器可以将音频信号解码成PCM信号，并(使用空间元数据)处理频带中的声音以获得空间输出，例如，双耳输出。

前述解决方案尤其适合于对来自(例如，移动电话、VR相机、独立麦克风阵列中的)麦克风阵列的捕获空间声音进行编码。然而，可期望这种编码器除了麦克风阵列捕获的信号之外还具有其他输入类型，例如，扬声器信号、音频对象信号、或Ambisonic信号。

分析一阶Ambisonics(FOA)输入用于空间元数据提取已经在与定向音频编码(DirAC)和谐波平面波展开(Harpex)有关的科学文献中进行了详尽的记录。这是因为存在直接提供FOA信号(更准确地：其变体，B格式信号)的麦克风阵列，并因此分析这种输入已经成为该领域的研究重点。

编码器的另一输入也是多通道扬声器输入，诸如5.1或7.1通道环绕声输入。

然而，对于空间元数据的组成部分，相干性参数的压缩和编码是相当令人感兴趣的，以便最小化表示空间音频参数所需的总比特数量。

发明内容

根据第一方面，提供了一种用于空间音频编码的装置，其包括：用于对于一个或多个音频信号，接收或确定用于提供空间音频再现的以子带为基础的空间音频参数的部件，其中，该空间音频参数包括针对帧的多个子带中的每个子带的相干值；用于针对该帧的多个子带的相干值确定重要性度量(significance measure)的部件；以及用于使用该重要性度量以确定是否对该帧的多个子带的相干值进行编码的部件。

该装置还可以包括用于针对多个子带中的每个子带接收能量比率值的部件，其中，用于针对该帧的多个子带的相干值确定重要性度量的部件可以包括：用于针对多个子带中的每个子带确定相干非定向能量比例的部件，其中，子带的相干非定向能量比例被确定为该子带的非定向能量比率乘以该子带的相干值，其中，该非定向能量比率与在该子带的能量比率值已被移除之后在该子带中剩下的能量比率相关；以及用于对于所有多个子带，对所确定的相干非定向能量比例求和的部件。