[發明專利]一種基于兩級濾波的多步音頻對象編解碼方法

有效

• 申請號: 202110494630.9
• 申請日: 2021-05-07
• 公開（公告）號: CN113314131B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 胡瑞敏;胡晨昊;王曉晨;吳玉林;張靈鯤;柯善發;劉文可
• 申請（專利權）人: 武漢大學
• 主分類號: G10L19/02
• 分類號: G10L19/02;G10L19/032;G10L19/26
• 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: 王琪

本發明公開了一種基于兩級濾波的多步音頻對象編解碼方法。在編碼階段，首先將輸入的多個音頻對象信號進行時頻變換；確定對象循環下混順序并提取每步邊信息，輸出最終下混信號；通過第一級濾波器，去除殘差信息中人耳無法感知的冗余成分；通過第二級濾波器，根據每個子帶中殘差信息的能量大小，保留前n個子帶中的殘差；經過二級濾波后的殘差信息進行奇異值分解，大尺寸的殘差矩陣被壓縮為較小的矩陣；將最終混合信號，參數及殘差分解矩陣合成碼流。在解碼階段，首先利用分解的殘差矩陣重構原始殘差，然后根據邊信息，將多個對象從下混信號中逐步剝離。本發明通過利用心理聲學和子帶能量信息，濾除殘差信息中的次要成分，降低音頻對象編碼碼率。

技術領域

本發明屬于數字音頻信號處理技術領域，具體涉及一種基于兩級濾波的多步音頻對象編解碼方法，適用于碼率有限條件下的多音頻對象信號傳輸，允許在不同的碼率要求下傳輸殘差信息。

背景技術

下一代音頻系統與以前的系統有兩個不同的特點：沉浸感和個性化。對于沉浸感，空間音頻技術如MPEG Surround[文獻1]和NHK 22.2[文獻2]可以提供三維音頻再現。對于性化，音頻系統應根據用戶需要兼容不同的播放環境和設備。此外，個性化音頻系統應支持交互式音頻服務。但傳統的空間音頻內容是傳遞給所有用戶，而不考慮環境、偏好和設備等因素。基于聲道的框架使得下一代音頻系統的個性化特性難以實現[文獻3]。

為了克服上述缺陷，實現個性化，音頻系統的框架由基于聲道向基于對象轉變。在基于對象的編碼框架中，聲音場景中的音頻對象可以由單獨的音頻流表示。這種方法可以兼容不同的揚聲器布局，并且可以根據用戶交互進行調整。其中最具代表性的是德國知名研究機構Fraunhofer提出的空間音頻對象聯合編碼技術(Spatial audio object coding,SAOC)[文獻4]。該方法將頻率劃分為28個子帶，提取每個子帶的空間參數。通過這種方式，多個對象可以壓縮成帶有少量邊信息的下混信號。然而，在同一個子帶中使用相同的參數將導致頻率混疊失真，一個音頻目標信號將與其他目標信號成分混合。

有研究嘗試利用殘差信號來減少這些混疊的頻率分量[文獻5]。如果頻率系數為1024，則每幀將有1024個殘差數據需要記錄。這使得未壓縮的邊信息數據量比傳統的SAOC高38倍。為了減小殘差的大小，有方法提出[文獻6]僅提取0～5.5kHz頻率區域的殘差。但以上方法僅能良好恢復單個對象信號，其他對象信號仍然音質較差。[文獻7]提出一種多步音頻對象編碼方法，將多個對象按照一定順序循環下混，提取每個對象的殘差信息，多個對象殘差帶來的數據激增采用奇異值分解(SVD)方法進行減低。然而，殘差信息中仍然含有大量冗余成分，導致比特率較高。

文獻1：Elfitri,I.,Muharam,M.,and Shobirin,M.:Distortion analysis ofhierarchical mixing technique on mpeg surround standard.In:InternationalConference on Advanced Computer Science and Information System.IEEE(2014).

文獻2：Ando,A.:Conversion of multichannel sound signal maintainingphysical properties of sound in reproduced sound field.IEEE Transactions onAudio Speech and Language Processing 19(6),1467-1475(2016).

文獻3：Walton,T.,Evans,M.,Kirk,D.,and Melchior,F.:Exploring object-based content adaptation for mobile audio.Personal and Ubiquitous Computing22(4),707-720(2018).