[发明专利]用于生成输出降混表示的装置、方法或计算机程序

说明书

一种用于从输入降混表示生成输出降混表示的装置，其中，输入降混表示的至少一部分根据第一降混方案，所述装置包括：升混器(200)，用于使用与第一降混方案相对应的升混方案对输入降混表示的至少所述一部分进行升混，以获得至少一个升混部分；以及降混器(300)，用于根据不同于第一降混方案的第二降混方案对至少一个升混部分进行降混。

技术领域

本发明涉及多声道处理，并且具体地，涉及提供单声道输出的可能性的多声道处理。

背景技术

尽管通常将立体声编码的比特流解码以在立体声系统上回放，但是并非所有能够接收立体声比特流的设备将始终能够输出立体声信号。一种可能的场景会是在仅具有单声道扬声器的移动电话上回放立体声信号。随着新兴的3GPP IVAS标准支持的多声道移动通信场景的到来，因此需要立体声到单声道降混，该降混避免了附加延迟，并且在复杂度方面尽可能地有效，同时还提供最佳可能的感知质量，其超出了使用简单的被动降混所能达到的效果。

有多种将立体声信号转换为单声道信号的方式。最直接的方式是在时域中通过被动降混[1]，通过将左声道与右声道相加并缩放结果来生成中间信号：

其他更复杂的(即主动的)基于时域的降混方法包括：致力于保持信号的整体能量的能量缩放[2]、[3]、避免相消效果的相位对齐[4]以及通过相干抑制防止梳状滤波器效果[5]。

另一种方法是通过计算多个频谱带的各自的加权因子，以频率相关的方式进行能量校正。例如，这是作为MPEG-H格式转换器的一部分完成的，其中降混在信号的混合QMF子频带表示上执行，该信号具有声道的附加先前相位对齐。在[7]中，类似的按照频带的降混(包括相位与时间对齐二者)已经用于参数化的低比特率模式DFT立体声，其中在DFT域中应用加权和混合。

在对立体声信号进行解码之后，时域中被动的立体声到单声道降混的解决方案不够理想，因为众所周知，纯粹被动降混具有某些缺点，例如，相位相消效果或一般的能量损失，这会(取决于项目)严重降低质量。

纯粹基于时域的其他主动降混方法消除了被动降混的一些问题，但是由于缺少频率相关的加权，仍然是次优的。

就延迟与复杂度来说，诸如IVAS(沉浸式语音和音频服务)的移动通信编解码器存在隐式限制，具有如MPEG-H格式转换器的专用后处理级来应用按照频带的降混也不是一种选项，因为到频域的必要变换和反变换将不可避免地引起复杂度和延迟二者的增加。

在如[8]描述的基于DFT的立体声系统中，解码器处可获得足够好的单声道信号，该系统在解码器处仅使用基于参数的残差预测来恢复立体声信号，并且其中中间信号由[7]中描述的主动降混生成。然而，如果信号的频谱部分依赖于由M/S变换生成的立体声恢复的编码残差信号，则在立体声升混之前可用的单声道信号将不再适合。在这种情况下，单声道信号将在频谱上由以下组成：来自M/S变换的中间信号的部分(残差编码部分)(其等效于被动降混)以及主动降混的部分(残差预测部分)。这种两种不同的降混方法的混合导致了信号中的伪影和能量失衡。

发明内容

本发明的目的是提供一种用于生成多声道解码的输出降混表示的改进构思。

该目的通过以下实现：根据权利要求1的用于生成输出降混表示的装置、根据权利要求19的多声道解码器、根据权利要求24的生成输出降混表示的方法、根据权利要求27的多声道解码的方法或者根据权利要求28的相关计算机程序。

一种用于从输入降混表示生成输出降混表示的装置，其中输入降混表示的至少一部分根据第一降混方案，该装置包括：升混器，用于使用与第一降混方案相对应的升混方案对输入降混表示的至少该一部分进行升混，以获得至少一个升混部分。此外，该装置包括：降混器，用于根据不同于第一降混方案的第二降混方案对至少一个升混部分进行降混。