[發明專利]3D音頻中水平方位參數的編解碼性能評價方法

有效

• 申請號: 201210333506.5
• 申請日: 2012-09-10
• 公開（公告）號: CN102867518A
• 公開（公告）日: 2013-01-09
• 發明（設計）人: 胡瑞敏;王曉晨;劉夢穎;王櫻;楊姍姍;王汪;涂衛平;楊玉紅;王松
• 申請（專利權）人: 武漢大學
• 主分類號: G10L25/18
• 分類號: G10L25/18;G10L25/27;G10L25/60
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 張火春

技術領域

本發明涉及失真測度領域，更具體地，涉及3D音頻中水平方位參數的編解碼性能評價方法。

背景技術

3D音頻編解碼技術是當今多媒體技術領域的熱點和發展方向。3D音頻的基本原理是通過模擬空間點聲源在人耳產生的聲場，使聽者感覺聲音從空間某聲源對應位置發出。其中，主要由雙耳效應完成對聲源水平方位信息的判斷，因此3D音頻中水平方位信息的獲取和處理技術又稱為雙耳聲學技術。

為了理解雙耳聲學技術，首先必須了解人耳定位的基本原理。空間某聲源發出的聲音傳遞到人的兩耳，因為傳播路徑的不同，會產生差異，主要有時間差（ITD，interaural?time?difference）和強度差（ILD，interaural?level?difference），并且聲音在傳遞過程中會與人的軀干、肩膀、頭部以及耳廓發生一系列的相互作用，使聲音改變，人耳則根據聲音到達兩耳的時間、強度等差別來確定聲源的水平位置。通常將ITD、ILD等表現聲源水平位置信息的參數成為水平方位參數。根據這一原理，在對3D音頻進行編解碼的過程中，將ITD、ILD等能表示聲源方位信息的參數提取出來進行處理，實現編解碼后的信號能通過這些參數模擬聲源位置。

失真，是評價3D音頻編解碼性能的一項重要指標，它體現了編解碼后信號與原始信號的差距。失真的值越小，編解碼性能越好。目前在3D音頻編解碼技術領域，對聲源方位信息編解碼效果的評價使用的是統計學失真，如均方誤差（加權平方誤差、譜失真測度、倒譜失真測度）等。均方誤差是各數值偏離目標值距離的平均數，其公式為其中d為均方誤差，N為統計數值的個數，ε為統計數值的偏差值。統計學失真可以很好的分析數據的客觀失真，但是多年來的研究表明人耳對于聲源方位信息的主觀感知與客觀數據并不一致，因此僅依據未考慮主觀感知因素的統計學失真來評價3D音頻編解碼性能會導致主觀感知失真明顯，人耳的主觀聽感不佳。因此，在3D音頻編解碼領域，迫切的需要能夠配合人耳主觀聽音效果的編解碼性能評價方法。

發明內容

針對現有技術中失真測度與人耳主觀聽感不符的問題，本發明提出了一種符合人耳感知特性的、3D音頻中水平方位參數的編解碼性能評價方法，從而可以進一步提升3D音頻編解碼的主觀性能。

為了解決上述技術問題，本發明采用如下的技術方案：

3D音頻中水平方位參數的編碼性能評價方法，該方法將水平方位參數及其JND值引入統計學失真測度中構建主觀感知失真測度，利用所構建的主觀感知失真測度進行3D音頻中水平方位參數的編解碼性能評價。本發明評價方法綜合考慮了統計學失真測度和水平方位參數的主觀感知特性，因此，既具有失真統計學特性，又能更好的符合人耳的主觀聽感。

本發明方法具體包括以下步驟：

步驟1、將一段音頻中的各幀信號劃分為N個頻帶，即得到N個子帶；

步驟2、提取各子帶編解碼前的水平方位參數值；

步驟3、提取各子帶編解碼后的水平方位參數值；

步驟4、根據各子帶的頻率值，獲取各子帶對應的JND值；

步驟5、以統計學失真測度為基礎，根據各子帶編解碼前的水平方位參數值、各子帶編解碼后的水平方位參數值和各子帶對應的JND值構建每一幀信號的主觀感知失真測度；

步驟6、根據各幀信號的主觀感知失真測度獲取一段音頻中各幀信號的主觀感知失真，并根據各幀信號的主觀感知失真得到該段音頻的主觀感知失真，從而評價編解碼器的水平方位參數的主觀感知失真。

本發明的一種主觀感知失真測度D為：