[發(fā)明專利]音頻處理方法、裝置及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201310031782.0
• 申請(qǐng)日: 2013-01-28
• 公開（公告）號(hào): CN103971692A
• 公開（公告）日: 2014-08-06
• 發(fā)明（設(shè)計(jì)）人: 楊磊;王立眾;洪準(zhǔn)晟
• 申請(qǐng)（專利權(quán)）人: 北京三星通信技術(shù)研究有限公司;三星電子株式會(huì)社
• 主分類號(hào): G10L19/008
• 分類號(hào): G10L19/008
• 代理公司: 北京德琦知識(shí)產(chǎn)權(quán)代理有限公司 11018
• 代理人: 鄭紅娟;宋志強(qiáng)

技術(shù)領(lǐng)域

本申請(qǐng)涉及音頻處理技術(shù)領(lǐng)域，特別涉及一種音頻處理方法、裝置及系統(tǒng)。

背景技術(shù)

在立體聲音頻技術(shù)中，編碼端（具體可以是立體聲編碼器）可以采用立體聲編碼標(biāo)準(zhǔn)將模擬的立體聲信號(hào)進(jìn)行編碼處理得到數(shù)字碼流，以及解碼端（具體可以是立體聲解碼器）可以采用相應(yīng)的立體聲解碼標(biāo)準(zhǔn)將數(shù)字碼流進(jìn)行相應(yīng)的解碼處理，從而將該數(shù)字碼流還原為模擬的立體聲信號(hào)。與單聲道相比，立體聲在改善聲音質(zhì)量和加強(qiáng)臨場(chǎng)效果，以及如實(shí)地再現(xiàn)出實(shí)際聲場(chǎng)中各個(gè)聲源的方位和空間分布等方面均具有更好的優(yōu)勢(shì)，因此，立體聲音頻技術(shù)廣泛地應(yīng)用于各種音視頻通信業(yè)務(wù)中，例如，應(yīng)用于視頻會(huì)議中。立體聲音頻技術(shù)能夠使得視頻會(huì)議中的用戶更好地進(jìn)行溝通，讓用戶的交流更加自然，提高了會(huì)議效率。并且，立體聲音頻技術(shù)的較低的復(fù)雜度與較小的帶寬占用的優(yōu)點(diǎn)也可以允許用戶使用各種便攜式設(shè)備，如手機(jī)和平板電腦等接入視頻會(huì)議，從而保證用戶可以隨時(shí)隨地通過(guò)視頻會(huì)議進(jìn)行交流，大大提高了工作效率，具有廣闊的市場(chǎng)前景。

目前，現(xiàn)有的立體聲編/解碼標(biāo)準(zhǔn)（或算法）主要有AMR-WB+（AdaptiveMulti-rate-Wideband，自適應(yīng)多速率寬帶編碼）和HEAAC v2（High-Efficiency AdvancedAudio Coding version2，高性能高級(jí)音頻編碼第二版），但是，這兩種標(biāo)準(zhǔn)在使用立體聲方式進(jìn)行編碼時(shí)均會(huì)產(chǎn)生較大的延時(shí)，其中，AMR-WB+標(biāo)準(zhǔn)的延時(shí)可以達(dá)到108～325ms，而HEAAC v2的延時(shí)甚至可以達(dá)到386～513ms之長(zhǎng)。因此，在應(yīng)用于對(duì)實(shí)時(shí)性要求較高的音視頻通信業(yè)務(wù)，例如，視頻會(huì)議中時(shí)，現(xiàn)有的上述立體聲編/解碼標(biāo)準(zhǔn)的高延時(shí)已經(jīng)無(wú)法滿足這些實(shí)時(shí)性要求較高的音視頻通信業(yè)務(wù)的要求，會(huì)對(duì)視頻會(huì)議等音視頻通信業(yè)務(wù)的語(yǔ)音交互帶來(lái)較大的不利影響。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N音頻處理方法、裝置及系統(tǒng)，以解決現(xiàn)有的AMR-WB+和HEAAC v2這樣的立體聲編/解碼標(biāo)準(zhǔn)的時(shí)延較大的問(wèn)題。

本申請(qǐng)的技術(shù)方案如下：

一方面，提供了一種音頻處理方法，包括：

獲取輸入的待編碼的立體聲信號(hào)的左聲道信號(hào)和右聲道信號(hào)的平均值得到下混合信號(hào)，對(duì)下混合信號(hào)進(jìn)行編碼得到主碼流；

對(duì)左聲道信號(hào)和右聲道信號(hào)分別進(jìn)行調(diào)制重疊變換MLT得到左聲道MLT系數(shù)序列和右聲道MLT系數(shù)序列，將左聲道MLT系數(shù)序列和右聲道MLT系數(shù)序列分別劃分為低頻序列和高頻序列，其中，低頻序列的頻率小于或等于預(yù)設(shè)的第一頻率值，高頻序列的頻率大于第一頻率值；

根據(jù)左聲道MLT系數(shù)序列的低頻序列與右聲道MLT系數(shù)序列的低頻序列之差獲取低頻邊帶信號(hào)，對(duì)低頻邊帶信號(hào)的幅度和位置進(jìn)行量化編碼得到低頻碼流；

根據(jù)左聲道MLT系數(shù)序列的高頻序列和右聲道MLT系數(shù)序列的高頻序列獲取強(qiáng)度立體聲系數(shù)，對(duì)強(qiáng)度立體聲系數(shù)的幅度進(jìn)行量化編碼得到高頻碼流，其中，強(qiáng)度立體聲系數(shù)用于表示左聲道信號(hào)的能量與立體聲信號(hào)的能量的比值的均方根、以及右聲道信號(hào)的能量與立體聲信號(hào)的能量的比值的均方根；

將主碼流和輔助碼流進(jìn)行混合得到立體聲碼流，輸出立體聲碼流，其中，輔助碼流由低頻碼流和高頻碼流組成。

另一方面，還提供了一種音頻處理方法，包括：

將輸入的待解碼的立體聲碼流進(jìn)行分離得到主碼流和輔助碼流，對(duì)分離得到的主碼流進(jìn)行解碼得到解碼的下混合信號(hào)，其中，待解碼的立體聲碼流是上述輸出的立體聲碼流；

對(duì)分離得到的輔助碼流進(jìn)行解碼和反量化得到邊帶低頻系數(shù)和強(qiáng)度立體聲系數(shù)的幅度，對(duì)邊帶低頻系數(shù)進(jìn)行反調(diào)制重疊變換IMLT得到解碼的低頻邊帶信號(hào)；

根據(jù)解碼的低頻邊帶信號(hào)和解碼的下混合信號(hào)的低頻部分，獲取左聲道低頻段的解碼信號(hào)和右聲道低頻段的解碼信號(hào)；

根據(jù)強(qiáng)度立體聲系數(shù)的幅度和解碼的下混合信號(hào)的高頻部分，獲取左聲道高頻段的解碼信號(hào)和右聲道高頻段的解碼信號(hào)；

獲取左聲道低頻段的解碼信號(hào)與左聲道高頻段的解碼信號(hào)之和得到解碼的左聲道信號(hào)，獲取右聲道低頻段的解碼信號(hào)與右聲道高頻段的解碼信號(hào)之和得到解碼的右聲道信號(hào)，輸出解碼的左聲道信號(hào)和解碼的右聲道信號(hào)。

又一方面，還提供了一種音頻處理裝置，包括：

下混合模塊，用于獲取輸入的待編碼的立體聲信號(hào)的左聲道信號(hào)和右聲道信號(hào)的平均值得到下混合信號(hào)；

主編碼模塊，用于對(duì)下混合模塊輸入的下混合信號(hào)進(jìn)行編碼得到主碼流；