多聲道聲音信號編碼方法、解碼方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及音頻處理技術領域，尤其涉及多聲道聲音信號編碼方法、解碼方法及 裝置。
【背景技術】
[0002] 隨著科技的發(fā)展，出現(xiàn)了多種對聲音信號的編碼技術，上述聲音通常指的是語音、 音樂、自然聲音和人工合成聲音等人耳可感知的信號在內的數(shù)字聲音。目前，很多聲音編碼 技術已經成為工業(yè)標準被大量應用，融入人們的日常生活中，常用的聲音編碼技術有杜比 實驗室的AC-3、數(shù)字影院系統(tǒng)公司的DTS、移動圖像專家組（MPEG)組織的MP3和AAC、微軟 公司的WMA，以及索尼公司的ATRAC。
[0003] 為了重現(xiàn)立體聲的聲音效果，現(xiàn)在多采用多個聲道將多聲道聲音信號播放給用 戶，多聲道聲音信號的編碼方法也從以AC-3和MP3為代表的和差立體聲（M/SStereo) 和強度立體聲（IntensityStereo)等波形編碼技術，演進到以MP3Pro、ITUEAAC+、 MPEGSurround、DolbyDD+為代表的參數(shù)立體聲（ParametricStereo)和參數(shù)環(huán)繞聲 (ParametricSurround)技術。PS(包括ParametricStereo和ParametricSurround)從 雙耳心理聲學的角度出發(fā)，充分利用雙耳時間/相位差（ITD/IH))、雙耳強度差（IID)、雙耳 相關性（1C)等心理聲學空間特性，實現(xiàn)多聲道聲音信號的參數(shù)編碼。
[0004] PS技術在編碼端一般將多聲道聲音信號下混合（downmix)，生成1個和聲道信號， 對和聲道信號采用波形編碼（或者波形和參數(shù)混合編碼，如EAAC+)，并將各聲道對應和聲 道信號的ITD/IPD、IID和1C參數(shù)進行參數(shù)編碼。在解碼端，根據(jù)這些參數(shù)，從和聲道信號 中恢復多聲道信號。也可以在編碼時，將多聲道信號分組，并在不同的聲道組采用如上的PS 編解碼方法。也可以采用級聯(lián)的方式，將多聲道進行多級的PS編碼。
[0005] 實踐證明，單純的波形編碼（和聲道）和PS編碼技術，雖然可以在較低的碼率下 實現(xiàn)較高的編碼質量；但在較高的碼率下，PS技術卻不能進一步提升信號質量，不適合高 保真的應用場合。其原因在于，PS技術在編碼端只編碼和聲道信號，而丟掉了殘差聲道信 號，導致解碼時不能完全恢復原始信號。為此，MPEGSurround采用殘差信息編碼的方法， 來彌補PS技術的不足。
[0006] 但是，無論是傳統(tǒng)的PS技術還是MPEGSurround技術，都過分依賴了雙耳的心 理聲學特性，而忽略了多聲道聲音信號本身的統(tǒng)計特性。例如，傳統(tǒng)的PS技術和MPEG Surround技術都沒有利用聲道對之間的統(tǒng)計冗余信息。而且，MPEGSurround采用殘差信 息編碼時，和聲道信號和殘差聲道信號間仍然存在統(tǒng)計冗余，從而無法兼顧編碼效率和編 碼信號的質量。
【發(fā)明內容】
[0007] 本發(fā)明提供了一種多聲道聲音信號編碼方法、解碼方法及裝置，目的是為了解決 現(xiàn)有技術的多聲道聲音信號編碼方法中，存在統(tǒng)計冗余，無法兼顧編碼效率和編碼信號的 質量的問題。
[0008] 為實現(xiàn)上述目的，第一方面，本發(fā)明提供了一種多聲道聲音信號編碼方法，該方法 包括：A)采用修正離散余弦變換MDCT或修正離散正弦變換MDST，將第一多聲道聲音信號映 射為第一頻域信號；B)將所述第一頻域信號劃分為不同時頻子帶；C)在所述不同時頻子帶 中的每個時頻子帶內，計算所述第一多聲道聲音信號的第一統(tǒng)計特性；D)根據(jù)所述第一統(tǒng) 計特性，估計主成分分析PCA映射模型；E)采用所述PCA映射模型，將所述第一多聲道聲音 信號映射為第二多聲道聲音信號；F)根據(jù)時間、頻率和聲道的不同，對所述第二多聲道聲 音信號中的至少一組和所述PCA映射模型進行感知編碼，并復用成編碼多聲道碼流。
[0009] 第二方面，本發(fā)明提供了一種多聲道聲音信號編碼裝置，該裝置包括：時頻映射單 元，用于采用MDCT或MDST，將第一多聲道聲音信號映射為第一頻域信號；將所述第一頻域 信號劃分為不同時頻子帶；自適應子空間映射單元，用于在所述時頻映射單元劃分的不同 時頻子帶中的每個時頻子帶內，計算所述第一多聲道聲音信號的第一統(tǒng)計特性；根據(jù)所述 第一統(tǒng)計特性，估計PCA映射模型；采用所述PCA映射模型，將所述第一多聲道聲音信號映 射為第二多聲道聲音信號；感知編碼單元，用于根據(jù)時間、頻率和聲道的不同，對所述自適 應子空間映射單元映射的第二多聲道聲音信號中的至少一組和所述PCA映射模型進行感 知編碼，并復用成編碼多聲道碼流。
[0010] 第三方面，本發(fā)明提供了一種多聲道聲音信號解碼方法，該方法包括:A)對編碼 多聲道碼流進行解碼，獲得第二多聲道聲音信號中的至少一組和PCA映射模型；B)采用所 述PCA映射模型，將所述第二多聲道聲音信號映射回第一多聲道聲音信號；C)采用逆的 MDCT或逆的MDST，將所述第一多聲道聲音信號從頻域映射為時域。
[0011] 第四方面，本發(fā)明提供了一種多聲道聲音信號解碼裝置，該裝置包括：感知解碼單 元，用于對編碼多聲道碼流進行解碼，獲得第二多聲道聲音信號中的至少一組和PCA映射 模型；子空間逆映射單元，用于采用所述感知解碼單元獲得的PCA映射模型，將所述感知解 碼單元獲得的第二多聲道聲音信號映射回第一多聲道聲音信號；頻時映射單元，用于采用 逆的MDCT或逆的MDST，將所述子空間逆映射單元得到的第一多聲道聲音信號從頻域映射 為時域。
[0012] 本發(fā)明實施例的多聲道聲音信號編碼方法中，先采用MDCT或MDST，將第一多聲 道聲音信號映射為第一頻域信號，然后將第一頻域信號劃分為不同時頻子帶，再在每個時 頻子帶內，計算第一多聲道聲音信號的第一統(tǒng)計特性，根據(jù)第一統(tǒng)計特性，估計PCA映射模 型，以及采用該PCA映射模型，將第一多聲道聲音信號映射為第二多聲道聲音信號，根據(jù)時 間、頻率和聲道的不同，對第二多聲道聲音信號中的至少一組和PCA映射模型進行感知編 碼，并復用成編碼多聲道碼流。由上可見，本發(fā)明實施例中，具體采用了MDCT或MDST來進行 時頻映射，并且根據(jù)統(tǒng)計特性估計映射模型時，具體選取了PCA映射模型，由于MDCT或MDST 具有很好的音頻壓縮特性，并且，PCA模型中的映射矩陣矢量間是正交的，可以將多聲道信 號成分集中在盡可能少的聲道上，有利于在較低的碼率下降低編碼信號的維度，因此可以 最大限度的降低聲道間的統(tǒng)計冗余，實現(xiàn)更高的編碼效率的同時，保證編碼信號的質量。
【附圖說明】
[0013] 圖1為本發(fā)明一個實施例中的多聲道聲音信號編碼方法流程圖；
[0014] 圖2為本發(fā)明另一個實施例中的多聲道聲音信號編碼方法流程圖；
[0015] 圖3為本發(fā)明另一個實施例中的多聲道聲音信號編碼方法流程圖；
[0016] 圖4為本發(fā)明另一個實施例中的多聲道聲音信號編碼方法流程圖；
[0017] 圖5為本發(fā)明另一個實施例中的多聲道聲音信號編碼方法流程圖；
[0018] 圖6為本發(fā)明一個實施例中的多聲道聲音信號解碼方法流程圖；
[0019] 圖7為本發(fā)明一個實施例中的多聲道聲音信號編碼裝置結構示意圖；
[0020] 圖8為本發(fā)明一個實施例中的多聲道聲音信號解碼裝置結構示意圖。
【具體實施方式】
[0021] 下面通過附圖和實施例，對本發(fā)明的技術方案做進一步的詳細描述。
[0022] 本發(fā)明實施例中的多聲道聲音信號編碼方法，不同于現(xiàn)有技術中的其他方法， 充分利用了多聲道聲音信號的統(tǒng)計特性和心理聲學特性，在獲得極高的編碼效率的同 時，保證編碼信號的質量，在進行自適應子空間映射時，采用了主成分分析（Principal ComponentAnalysis，PCA)的方法，可以更好的估計和利用聲道間信號的統(tǒng)計特性，并最大 限度的降低聲道間的統(tǒng)計冗余，實現(xiàn)更高的編碼效率。特別地，本發(fā)明實施例針對采用MDCT 或MDST的多聲道聲音編解碼器，在MDCT/MDST域采用PCA映射方法，消除多聲道信號的統(tǒng) 計冗余，將多聲道信號集中在盡可能少的聲道上。
[0023] 圖1為本發(fā)明一個實施例中的多聲道聲音信號編碼方法流程圖，該方法包括：
[0024] 步驟 101，米用修正離散余弦變換（MDCT,ModifiedDiscreteCosineTransform) 或修正離散正弦變換（MDST,ModifiedDiscreteSineTransform)，將第一多聲道聲音信號 映射為第一頻域信號。
[0025] 其中，第一多聲道聲音信號的最初表現(xiàn)形式為時域信號u(m，t)，通過上述映射處 理，可以得到多聲道頻域信號x(m，k)，其中，m為聲道序號，t為幀（或子幀）序號，k為頻 率序號。
[0026] 步驟102,將第一頻域信號劃分為不同時頻子帶。
[0027]本發(fā)明實施例中，若步驟101獲得的第一頻域信號為x(m，k)，可以將x(m，k)劃分 為不同的時頻子帶Xl (t，k)，其中，m為聲道序號，i是時頻子帶的序號，t為幀（或子幀）序 號，k為頻率序號。
[0028] 其中，在步驟101之前，待編碼的多聲道聲音信號可以先被分成待編碼的幀，再進 行MDCT/MDST變換。如果采用較大的幀長，可能會將一幀數(shù)據(jù)再分解為多個子幀，然后再進 行MDCT/MDST變換。通過MDCT/MDST變換獲得頻域信號后，可以按頻率順序組成多個頻率子 帶；也可以將多個MDCT/MDST獲得的頻域信號，組成二維時間-頻率平面，在此平面進行時 頻區(qū)域劃分，以便獲得待編碼的時頻子帶。進一步，將該時頻區(qū)域在各聲道時頻平面投影， 可以獲得待編碼的時頻子帶Xl(t，k)，i是該時頻子帶的序號，t為幀（或子幀）序號。假 設每個時頻子帶是矩形區(qū)域，則時頻子帶Xl (t，k)內的信號范圍為：hi彡t<t1;hi彡k <h，hi和h為該子帶的起始和終止幀（或子幀）序號，hi和h為該子帶的起始和終 止頻率或子帶序號。若時頻子帶總個數(shù)為N，則i<N。方便起見，某時頻子帶的區(qū)域可用 (t，k)表示。需要注意的是，每個時頻子帶均包含各聲道在該時頻區(qū)域投影的信號，當需要 特指某聲道在該時頻區(qū)域的投影時，可用Xl(t，k，m)表示。
[0029] 步驟103,