BRPI0608036B1

BRPI0608036B1 - Dispositivo e método para a geração de um sinal estéreo codificado de uma peça de áudio ou fluxo de dados de áudio

Info

Publication number: BRPI0608036B1
Application number: BRPI0608036-7A
Authority: BR
Inventors: Jan PLOGSTIES; Harald MUNDT; Harald Popp
Original assignee: Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.
Priority date: 2005-03-04
Filing date: 2006-02-22
Publication date: 2019-05-07
Also published as: CN101133680B; CA2599969A1; WO2006094635A1; RU2007136792A; HK1111855A1; MX2007010636A; DE102005010057A1; AU2006222285A1; US8553895B2; RU2376726C2; KR100928311B1; TW200701823A; PL1854334T3; DE502006006444D1; IL185452A0; ES2340796T3; CN101133680A; CA2599969C; JP2008532395A; EP1854334A1

Abstract

dispositivo e método para a geração de um sinal estéreo codificado de uma peça de áudio ou fluxo de dados de áudio. dispositivo para a geração de um sinal estéreo codificado de uma representação de multicanais inclui um decodificador multicanais (11) gerando três ou mais multicanais a partir de pelo menos um canal básico e de informações paramétricas. os três ou mais multicanais estão submetidos ao processamento de sinal do fone de ouvido (12) para a geração de um primeiro canal estéreo não codificado e um segundo canal estéreo não codificado que são então enviados a um codificador estéreo (13) para gerar um arquivo estéreo codificado no lado de saída. o arquivo estéreo codificado pode ser reproduzido em qualquer player adequado sob a forma de um cd player ou um hardware player, de maneira que o usuário do player não somente obtenha uma impressão estéreo normal, mas uma impressão multicanais.

Description

DISPOSITIVO Ε MÉTODO PARA A GERAÇÃO DE UM SINAL ESTÉREO CODIFICADO DE UMA PEÇA DE ÁUDIO OU FLUXO DE DADOS DE ÁUDIO

Descrição

A presente invenção se refere à tecnologia de * áudio muiticanais e, em particular, a aplicações de áudio * multicanais em conexão com tecnologias de fones de ouvido.

Os pedidos de patentes internacionais WO 99/49574 e WO 99/14983 revelam tecnologias de processamento de sinal de áudio para o acionamento de um par de alto-falantes de fones de ouvido dispostos em oposição, de maneira que o usuário tenha uma percepção espacial da cena de áudio por meio dos dois fones de ouvido, que não é somente uma representação estéreo, mas uma representação de multicanais. Assim, o ouvinte obterá, por seus * 15 fones de ouvido, uma percepção espacial de uma peça de áudio que, , no melhor caso, é igual à sua percepção espacial, caso o usuário esteja sentado em uma sala de reprodução exemplarmente equipada com um sistema de áudio 5.1. Para esse objetivo, para cada altofalante de fone de ouvido, cada canal da peça de áudio multicanais

0 ou fluxo de dados de áudio multicanais, como ilustrado na Fig. 2, é fornecido a um filtro em separado, em consequência do que são adicionados os respectivos canais filtrados que se pertencem, como será ilustrado em seqüência.

No lado esquerdo da Fig. 2, existem as entradas

5 multicanais 2 0 que, em conjunto, são uma representação de multicanais da peça de áudio ou do fluxo de dados de áudio. Esse cenário é mostrado esquematicamente como exemplo na Fig. 10. A

Fig. 10 mostra um espaço de reprodução 2 00 em que é disposto o denominado sistema de áudio 5.1. O sistema de áudio 5.1 inclui um alto-falante central 201, um alto-falante frontal esquerdo 202, um alto-falante frontal direito 203, um alto-falante traseiro esquerdo 204 e um alto-falante traseiro direito 205. O sistema de áudio 5.1 compreende um subwoofer adicional 206 que é também denominado de canal de realce de. baixa .freqüêncin. Ne denorninaxro ' sweet spot do espaço de reprodução 2 00, existe um ouvinte 2 07 usando um fone de ouvido 2 08 que compreende um alto-falante de fone de ouvido esquerdo 2 09 e um alto-falante de fone de ouvido direito 210.

O meio de processamento mostrado na Fig. 2 é formado para filtrar cada canal 1, 2, 3 das entradas multicanais por um filtro H_iL que descreve o canal sonoro do alto-falante ao alto-falante esquerdo 209 na Fig. 10 e para adicionalmente filtrar * 15 este canal com um filtro H_iR que representa o som de um dos cinco « alto-falantes para o ouvido direito ou o alto-falante direito 210 do fone de ouvido 208.

Se, por exemplo, o canal 1 na Fig. 2 fosse o canal frontal esquerdo emitido pelo alto-falante 202 na Fig. 10, o

0 filtro H_iL representaria o canal indicado por uma linha interrompida 212, considerando que o filtro H_1R representaria o canal indicado por uma linha interrompida 213. Como indicado exemplarmente na Fig. 10 por uma linha interrompida 214, o altofalante de fone de ouvido esquerdo 2 09 não somente recebe o som direto, como também as primeiras reflexões de uma borda do espaço de reprodução e, é claro, também as últimas reflexões expressas em uma reverberação difusa.

Esta representação de filtro está ilustrada na

Fig. 11. Em particular, a Fig. 11 mostra um exemplo esquemático de uma resposta de impulso de um filtro, como por exemplo, do filtro H_1L da Fig. 2. 0 som direto ou primário ilustrado na Fig. 11 pela linha 212 é representado por um pico no início do filtro, ao passo 5 que as primeiras reflexões, como ilustradas exemplarmente na Fig.

DQr 214, são. reproduzidas .por uma .região central tendo vários pequenos (discretos) picos na Fig. 11. A reverberação difusa não é mais tipicamente resolvida para os picos individuais, já que o som do alto-falante 202 em princípio é refletido de forma arbitrariamente frequente, considerando o fato de que a energia evidentemente se reduz a cada reflexão e distância de propagação adicional, como ilustrado pela energia decrescente na porção traseira que na Fig. 11 é mencionada como reverberação difusa.

Cada filtro mostrado na Fig. 2 inclui assim uma resposta de impulso de filtro tendo basicamente um perfil como mostrado pela ilustração de resposta de impulso esquemático da Fig. 11. É óbvio que a resposta de impulso de filtro individual dependerá do espaço de reprodução, do posicionamento dos altofalantes, das possíveis características de atenuação no espaço de 20 reprodução, por exemplo, devido a várias pessoas presentes ou devido ao mobiliário no espaço de reprodução, e também idealmente das características dos alto-falantes individuais 201 a 206.

O fato de os sinais de todos os alto-falantes serem sobrepostos no ouvido do ouvinte 207 é ilustrado pelos 25 adendos 22 e 23 na Fig. 2. Assim, cada canal é filtrado por um filtro correspondente para o ouvido esquerdo para então simplesmente adicionar a saída dos sinais pelos filtros que se destinam ao ouvido esquerdo para obter o sinal de saída do fone de

ouvido para o ouvido esquerdo L. Em analogia, uma adição pelo adendo 23 para o ouvido direito ou para o alto-falante de fone do ouvido direito 210 na Fig. 10 é feita para obter o sinal de saída do fone de ouvido para o ouvido direito pela superposição de todos os sinais do alto-falante filtrados por um filtro correspondente para o ouvido direito.

Devido ao fato de que, independente do som direto, também existem primeiras reflexões e, em particular, uma reverberação difusa, que é particularmente de alta importância para a percepção de espaço para o tom estranho, mas para dar ao ouvinte a impressão de que está realmente sentado em uma sala de concertos com suas características acústicas, as respostas de impulso dos filtros individuais terão todas comprimentos consideráveis. A convolução de cada multicanal individual da multicanais tendo dois filtros, já resulta em uma c ons i deráve1 tarefa de computação. Como são filtros para cada multicanal individual, isto é, um para o ouvido esquerdo e outro para o ouvido direito, quando o canal subwoofer é também tratado separadamente, é necessária uma quantidade total de 12 filtros completamente diferentes para uma de fone de ouvido de uma representação de multicanais

5.1. Todos os filtros têm, como se torna óbvio na Fig.

11, uma resposta de impulso muito grande para poder não somente considerar o som direto, mas também as primeiras reverberação difusa, que realmente somente dá a uma peça de áudio a representação sonora adequada e uma boa impressão espacial.

Para colocar o conceito bem conhecido em prática, independente de um player multicanais 220, como mostrado na Fig.

10, é necessário um processamento sonoro virtual muito compliçado 222, que fornece os sinais para os dois alto-falantes 209 e 210 representados pelas linhas 224 e 226 na Fig. 10.

Os sistemas de fone de ouvido para a geração de um som de fone de ouvido muiticariais são cximpLioados, v-o-lumoses e caros, devido à alta potência de computação, aos grandes requisitos de corrente para a alta potência de computação necessária e aos grandes requisitos de memória de trabalho para as avaliações a serem feitas da resposta de impulso e ao grande

volume	ou	aos elementos dispendiosos	para	o player	a eles
conectado.	As aplicações desse tipo estão	assim	ligadas a	cartões
sonoros	de	PC doméstico ou a cartões sonoros de	laptop ou	sistemas
estéreo	domésticos.
15		Em particular, o som	de	fone de	ouvido

multicanais permanece inacessível para o mercado continuamente crescente de players móveis como por exemplo, players de CD móveis ou, em particular, hardware players, já que os requisitos de cálculo para a filtragem de multicanais com, por exemplo, 12 20 filtros diferentes, não podem ser feitos neste segmento de preço, nem com referência aos recursos do processador nem com referência aos requisitos de corrente dos equipamentos acionados tipicamente por baterias. Isto se refere ao segmento de preço no extremo inferior (mais baixo) da escala. Entretanto, este mesmo segmento 25 de preço é economicamente muito interessante devido ao alto número de peças.

O objetivo da presente invenção é prover um conceito eficiente de processamento de sinal que permita a reprodução de qualidade de fones de ouvido multicanais em equipamentos de reprodução simples.

Este objetivo é alcançado por meio de um dispositivo para a geração de um sinal estéreo codificado de acordo com a reivindicação 1 ou por um método para a geração de um sinal estéreo codificado de a.çordo com a reivi-ndri-c-aç-ão 11 ou por um programa de computador de acordo com a reivindicação 12.

Ά presente invenção se baseia no achado de que o som de fone de ouvido multicanais atraente e de alta qualidade pode ser disponibilizado a todos os players existentes, como por exemplo, CD players ou hardware players, submetendo uma representação de multicanais de uma peça de áudio ou fluxo de dados de áudio, isto é, exemplarmente uma representação 5.1 de uma peça de áudio, ao processamento de sinal de fone de ouvido fora de um hardware player, isto é, exemplarmente em um computador de um provedor tendo grande poder de cálculo. Entretanto, de acordo com a invenção, o resultado de um processamento de sinal de um fone de ouvido não é simplesmente executado, mas enviado a um codificador de áudio estéreo típico, que então gera um sinal estéreo codificado a partir do canal de fone de ouvido esquerdo e do canal de fone de ouvido direito.

Este sinal estéreo codificado pode então, como qualquer outro sinal estéreo codificado que não compreende uma representação de multicanais, ser enviado ao hardware player ou, por exemplo, a um CD player móvel sob a forma de um CD. O equipamento de reprodução ou de replay proporcionará ao usuário um som multicanais de fone de ouvido sem quaisquer recursos adicionais ou meios que devam ser adicionados aos dispositivos já existentes. Na invenção, o resultado do processamento de sinal de fone de ouvido, isto é, o sinal dos fones de ouvido direito e esquerdo, não é reproduzido em um fone de ouvido, como era o caso na técnica anterior, mas codificado e reproduzido como dados estéreo codificados.

Essa saída pode ser armazenagem, transmissão ou semelhante. Um arquivo assim, tendo dados codificados estéreo, pode então ser facilmente enviado a qualquer dispositivo de reprodução projetado para reprodução estéreo, sem que o usuário tenha que fazer mudanças em seu dispositivo.

conceito da invenção para a geração de um sinal estéreo codificado a partir do resultado do processamento do sinal do fone de ouvido permite assim a representação de multicanais fornecendo uma qualidade consideravelmente melhorada e mais real para o usuário, para ser empregada também em todos os hardware players simples e difundidos e, no futuro, podem ser ainda mais difundidos.

Em uma configuração preferida da presente invenção, o ponto de partida é uma representação de multicanais codificada, isto é, uma representação paramétrica que compreende um ou tipicamente dois canais básicos, compreendendo ainda dados paramétricos para gerar os multicanais da representação de multicanais com base nos canais básicos e nos dados paramétricos. Como é preferido o método baseado no domínio da frequência para a decodificação multicanais, o processamento de sinal do fone de ouvido não é, de acordo com a invenção, realizado no domínio do tempo pela convolução do sinal de tempo por uma resposta de impulso, mas no domínio da frequência pela multiplicação pela função de transmissão do filtro.

Isto permite pelo menos que seja salva uma retransformação antes do processamento de sinal do fone de ouvido, sendo de particular vantagem quando o codificador estéreo subsequente também operar no domínio da freqüência, de maneira que a codificação estéreo do sinal estéreo do fone de ouvido., sem nunca ter tido que ir para o domínio do tempo, também possa ocorrer sem ter ido para o domínio do tempo. O processamento da representação de multicanais do sinal estéreo codificado, sem a participação do domínio do tempo ou por pelo menos em um número reduzido de transformações, é interessante não somente com relação à eficiência do tempo de cálculo, mas coloca um limite nas perdas de qualidade, jã que menos estágios de processamento introduzirão menos problemas no sinal de áudio.

Particularmente nos métodos baseados em blocos que fazem a quantização considerando um limite psico-acústico de mascaramento, como é preferido no codificador estéreo, é importante evitar ao máximo uma seqüência de problemas de codificação.

Em uma configuração particularmente preferida da presente invenção, é usada uma representação BCC tendo um, ou preferivelmente dois canais básicos como representação de multicanais. Como o método BCC opera no domínio da freqüência, os multicanais não são transformados no domínio do tempo depois da síntese, como é normalmente feito em um decodif icador BCC. Ao invés disso, a representação espectral dos multicanais sob a forma de blocos é usada e submetida ao processamento de sinal do fone de ouvido. Para isto, as funções de transformação dos filtros, isto

-J a é, as transformadas de Fourier das respostas de impulso, são usadas para fazer uma multiplicação da representação espectral dos multicanais pelas funções de transformação do filtro. Quando as respostas de impulso dos filtros forem, no tempo, maiores que um bloco de componentes espectrais na saída do decodificador BCC, é preferível um processamento de filtro. diri_gl.do a hd-ooos-· -o-nde as respostas de impulso dos filtros forem separadas no domínio do tempo e forem transformadas bloco a bloco, para então realizar as correspondentes ponderações espectrais exigidas para medições desse tipo como por exemplo, aquelas reveladas na WO 94/01933.

As configurações preferidas da presente invenção serão a seguir detalhadas com referência aos desenhos apensos, onde:

	A	Fig. 1 mostra um diagrama de circuito de blocos
do dispositivo	da	invenção	para a	geraçao	de	um sinal	estéreo
codificado;
	A	Fig. 2	é uma	ilustração	detalhada	de uma

implementação do processamento de sinal do fone de ouvido da Fig. 1;

A Fig. 3 mostra um bem conhecido codificador joint stereo para a geração de dados de canal e informações paramétricas multicanais;

A Fig. 4 é uma ilustração de um esquema para a determinação dos parâmetros ICLD, ICTD e ICC para a codificação/decodificação BCC;

A Fig. 5 é uma ilustração de diagrama de blocos de uma cadeia de codificação/decodificação BCC;

A Fig. 6 mostra um diagrama de blocos de uma implementação de um bloco de síntese BCC da Fig. 5;

A Fig. 7 mostra a cascata entre um decodificador multicanais e o processamento de sinal do fone de ouvido sem qualquer transformação para o domínio do tempo;

A Fig. 8 mostra a cascata entre o processamento de sinal do fone de ouvido e um .codificador estéree setn qualquer transformação para o domínio do tempo;

A Fig. 9 mostra um diagrama de bloco de princípios de um codificador estéreo preferido;

A Fig. 10 é uma ilustração de princípios de um cenário de reprodução para a determinação das funções de filtro da Fig. 2; e

A Fig. 11 é uma ilustração de princípios de uma resposta de impulso esperada de um filtro determinado de acordo com a Fig. 10.

A Fig. 1 mostra um diagrama de circuito de blocos de princípio de um dispositivo da invenção para a geração de um sinal estéreo codificado de uma peça de áudio ou de um fluxo de dados de áudio. O sinal estéreo inclui, sob forma não codificada, um primeiro canal estéreo não codificado 10a e um segundo canal estéreo não codificado 10b, sendo gerado a partir de uma representação de multicanais da peça de áudio ou do fluxo de dados de áudio, caracterizado pelo fato de que a representação de multicanais compreende informações de mais do que dois multicanais. Como será explicado mais tarde, a representação de multicanais pode ser sob a forma não codificada ou codificada. Se a representação de multicanais estiver sob uma forma não codificada, incluirá três ou mais multicanais. Em um cenário de aplicação preferida, a representação de muiticanais inclui cinco canais e um canal subwocfer.

Entretanto, se a representação de multicanais estiver sob uma forma codificada, essa forma codificada incluirá tipicamente um ou vários canais básicos, bem como parâmetros para a sintetização de três ou mais multicanais a part-i r de. -um -ou deis canais básicos. Um decodificador multicanais 11 é, portanto, um exemplo do meio para a provisão de mais do que dois multicanais a partir da representação de multicanais. Entretanto, se a representação de multicanais já estiver sob a forma não codificada, isto é, por exemplo, sob a forma de canais PCM 5 + 1, o meio para a provisão corresponde a um terminal de entrada para o meio 12 realizar o processamento de sinal do fone de ouvido de maneira a gerar o sinal estéreo não codificado com o primeiro canal estéreo não codificado 10a e o segundo canal estéreo não codificado 10b.

De preferência, o meio 12 de realização do processamento de sinal do fone de ouvido é formado para avaliar os multicanais da representação de multicanais, cada um por meio de uma primeira função de filtro para o primeiro canal estéreo e por uma segunda função de filtro para o segundo canal estéreo e para somar os respectivos multicanais avaliados para obter o primeiro canal estéreo não codificado e o segundo canal estéreo não codificado, como ilustrado com referência à Fig. 2. Existe a jusante do meio 12 de realização do processamento de sinal do fone de ouvido é um codificador estéreo 13, que é formado para codificar o primeiro canal estéreo não codificado 10a e o segundo canal estéreo não codificado 10b para obter o sinal estéreo codificado em uma saída 14 do codificador estéreo 13. O codificador estéreo faz uma redução de taxa de dados de maneira que a taxa de dados que é necessária para a transmissão do sinal estéreo codificado é menor que a taxa de dados necessária para a transmissão do sinal estéreo não codificado.

De acordo com a invenção, é alcançado um. .conceitcque permite enviar um tom multicanais, que também é denominado surround aos fones de ouvido estéreo através de players simples, como por exemplo, hardware players.

A soma de determinados canais pode ser feita, como exemplo, como simples processamentos de sinal do fone de ouvido, de maneira a obter os canais de saída para os dados estéreo. Métodos aperfeiçoados operam com algoritmos mais complexos que, por sua vez, obtêm uma melhor qualidade de reprodução.

Deve ser mencionado que o conceito da invenção permite as etapas de cálculo intenso para a decodificação multicanais e para que a realização do processamento de sinal do fone de ouvido não seja realizada no próprio player, mas sim externamente. O resultado do conceito da invenção é um arquivo estéreo codificado que seja, por exemplo, um arquivo MP3, um arquivo AAC, um arquivo HE-AAC ou algum outro arquivo estéreo.

Em outras configurações, a decodificação multicanais, o processamento de sinal do fone de ouvido e a codificação estéreo podem ser feitas em diferentes dispositivos, já que os dados de saída e os dados de entrada, respectivamente, dos blocos individuais, podem ser transportados com facilidade e ser gerados e armazenados de forma padronizada.

Depois, será feita referência à Fig. 7 mostrando uma configuração preferida da presente invenção, em que o decodificador multicanais 11 compreende um banco de filtros ou uma função FFT, de maneira que a representação de multicanais é feita 5 no domínio da frequência. Em particular, os multicanais

Λ individuais são gerados como blocos de valores espectrais para

- cada canal. Na forma da invenção, o processamento de sinal do fone de ouvido não é feito no domínio do tempo pela convclução dos canais temporais com as respostas de impulso de filtro, mas é feita uma multiplicação da representação do domínio da frequência dos multicanais por uma representação espectral da resposta de impulso de filtro. Ê obtido um sinal estéreo não codificado na saída do processamento de sinal do fone de ouvido, que não está, entretanto, no domínio de tempo, mas inclui um canal estéreo * 15 esquerdo e um direito, caracterizado pelo fato de que esse canal estéreo é dado como uma seqüência de blocos de valores espectrais, cada bloco de valores espectrais representando um espectro de curto prazo do canal estéreo.

Na configuração mostrada na Fig. 8, no lado de entrada, o bloco de processamento do sinal do fone de ouvido 12 é fornecido com dados de domínio de tempo ou domínio de frequência. No lado de saída, os canais estéreo não codificados são gerados no domínio da freqüência, isto é, novamente como uma seqüência de blocos de valores espectrais. Nesse caso, é preferível como codificador estéreo 13 um codificador estéreo baseado em uma transformação, isto é, que processe valores espectrais sem uma conversão frequência/tempo e uma subsequente conversão freqüência/tempo sendo necessária entre o processamento de sinal do tone de ouvido 12 e o codificador estéreo 13. No lado de saída, o codificador estéreo 13 envia então um arquivo com o sinal estéreo codificado que, independente das informações auxiliares, inclui uma forma codificada de valores espectrais.

Em uma configuração particularmente preferida da presente invenção, é feito um processamento contínuo no domínio da frequência no caminho da representação de multicanais na entrada do bloco 11 da Fig. 1 para o arquivo estéreo codificado na saída 14 do meio da Fig. 1, sem uma transformação para o domínio do tempo e, possivelmente, sem precisar ter ocorrido uma retransformação para o domínio da frequência. Quando um codificador MP3 ou um codificador AAC for usado como codificador estéreo, este será preferido para transformar o espectro de Fourier na saída do bloco de processamento do sinal do fone de ouvido em um espectro MDCT. Assim, é garantido, de acordo com a invenção, que as informações de fase necessárias sob forma precisa para a convolução/avaliação dos canais no bloco de processamento do sinal do fone de ouvido são convertidas para a representação MDCT não operando nessa forma de fase corrigida, de maneira que o meio para transformação do domínio do tempo para o domínio da frequência, isto é, para o espectro MDCT, não é necessário para o codificador estéreo, em comparação com um codificador MP3 normal ou com um codificador AAC normal.

A Fig. 9 mostra um diagrama geral de circuito de blocos para um codificador estéreo preferido. O codificador estéreo inclui, no lado da entrada, um módulo joint stereo 15 que determina preferivelmente de maneira adaptativa se uma codificação estéreo comum, por exemplo, sob a forma de uma codificação central/lateral, proporciona um maior ganho de codificação do que um processamento separado dos canais esquerdo e direito. 0 módulo joint stereo 15 pode ainda ser formado para realizar uma codificação intensity stereo, caracterizada pelo fato de que uma codificação intensity stereo, em particular com maiores frequências, fornece um considerável ganho, de cndifi ^ação wm o aparecimento de problemas audíveis. A saída do módulo joint stereo 15 é então processada usando outras diferentes medidas de redução de redundância, como por exemplo, filtragem ΤΝΞ, substituição de ruído, etc., para então enviar os resultados a um quantizador 16 que obtêm uma quantização dos valores espectrais usando um limite psico-acústico de mascaramento. 0 tamanho da etapa quantizadora é aqui selecionada de maneira que o ruído introduzido pela quantização permanece abaixo do limite psico-acústico de mascaramento, de maneira a ser obtida uma redução da taxa de dados sem que sejam audíveis as distorções introduzidas pelas perdas da quantização. A jusante do quantizador 16, existe um codificador de entropia 17 fazendo a quantização sem perdas de entropia dos valores espectrais quantizados. Na saída do codificador de entropia, existe o sinal estéreo codificado que, independente dos valores espectrais entrópicos codificados, inclui as informações auxiliares necessárias para a decodificação.

Subsequentemente, será feita referência às implementações preferidas do decodificador multicanais e às ilustrações multicanais preferidas usando as Figs. 3 a 6.

Existem várias técnicas para a redução da quantidade de dados necessários para a transmissão de um sinal de áudio multicanais. Essas técnicas também são denominadas técnicas joint stereo. Para tanto, é feita referência à Fig. 3 mostrando um dispositivo joint stereo 60. Esse dispositivo pode ser um dispositivo para a implementação, por exemplo, da técnica de intensity stereo (IS), ou da técnica binaural ene encoding (BCC) . Esse dispositivo geralmente recebe pelo menos dois canais CHI, CH2, ... CHn como sinal de entrada e envia neL· menos um únl-co canal portador e informações paramétricas multicanais. Os dados paramétricos são definidos de maneira que possa ser calculada em um decodificador, uma aproximação de um canal original (CHI, CH2, ... CHn) .

Normalmente, o canal portador incluirá amostras de sub-bandas, coeficientes espectrais, amostras de domínio de tempo, etc., que proporcionam uma representação relativamente fina do sinal subjacente, enquanto os dados paramétricos não incluem essas amostras ou coeficientes espectrais, mas ao invés disso incluem parâmetros de controle para controlar um determinado algoritmo de reconstrução, como pesagem por multiplicação, mudança de tempo, mudança de freqüência, etc. Os dados paramétricos multicanais, portanto, incluem uma representação comparativamente grosseira do sinal ou do canal associado. Expressa em números, a quantidade de dados exigida pelo canal portador estará na faixa de 60 a 70 kBit/s, considerando que a quantidade de dados exigida pelas informações auxiliares paramétricas para um canal estará na faixa de 1,5 a 2,5 kBit/s. Deve ser mencionado que os números acima se aplicam aos dados comprimidos. É evidente que um canal CD não comprimido precisa de aproximadamente taxas de dados dez vezes maiores. Um exemplo de dados paramétricos são os conhecidos fatores de escala, as informações intensity stereo ou os parâmetros BCC, como será descrito abaixo.

Ά técnica de codificação intensity stereo é descrita na Pré - impressão AES 3799, denominada Intensity stereo Coding, J. Herre, K. H. Brandenburg, D. Lederer, February 1994,

Amsterdam. Em geral, o conceito de intensity stereo se baseia em uma transformada de eixo principal a ser aplicada aos dados dos dois canais estereofônicos de áudio. Se a maioria dos pontos de dados estiver concentrada à volta do primeiro eixo principal, pode ser obtido um ganho de codificação girando ambos os sinais a um 10 determinado ângulo antes da codificação. Entretanto, isto nem sempre se aplica às técnicas reais de reprodução estereofônicas.

Portanto, essa técnica é modificada, sendo que a segunda componente ortogonal deixa de ser transmitida no fluxo de bits.

Assim, os sinais reconstruídos para os canais esquerdo e direito 15 consistem de versões diferentemente pesadas ou escaladas do mesmo sinal transmitido. Não obstante, os sinais reconstruídos diferem na amplitude, mas são idênticos com relação às suas informações de fase. Entretanto, os envelopes energia-tempo de ambos os canais originais de áudio, são mantidos por meio da operação de escalação 20 seletiva, que tipicamente opera com seleção de frequência. Isso corresponde à percepção de som humana em altas frequências, onde as informações espaciais dominantes são determinadas pelos envelopes de energia.

Além disso, nas implementações práticas, o sinal transmitido, isto é, o canal portador, é gerado a partir do sinal de soma do canal esquerdo e do canal direito, ao invés de girar ambas as componentes. Além disso, esse processamento, isto é, a geração de parâmetros intensity stereo para a realização da operação de escalação, é realizado com seleção de frequência, isto é, independentemente de cada banda de fator de escala, isto é, para cada partição de frequência de codificador. De preferência, ambos os canais são combinados para formarem um canal combinado ou 5 portador e, além do canal combinado, as informações intensity stereo. As informações intensity stereo dep_end.em .da energia do primeiro canal, da energia do segundo canal ou da energia dos canais combinados.

A técnica BCC está descrita no Documento da 10 Convenção AES 5574, denominado Binaural Cue Coding applied to stereo and multi-channel audio compression, de T. Faller, F.

Baumgarte, de maio de 2002, Munique. Na codificação BCC, são convertidos alguns canais de entrada de áudio em representação espectral usando uma transformada baseada em DFT com janelas 15 sobreponíveis. O espectro resultante é dividido em partições não sobreponíveis, cada uma tendo um índice. Cada partição tem largura de banda proporcional à largura de banda equivalente em ângulo reto (ERB). As diferenças de níveis intercanais (ICLD), assim como as diferenças de tempo intercanais (ICTD) são determinadas para 20 cada partição e para cada frame k. Os parâmetros ICLD e o ICTD são quantizados e codificados para finalmente se obter um fluxo de bits BCC como informações auxiliares. As diferenças de níveis

intercanais	e as	diferenças de tempo intercanais	são	dadas para
cada canal,	com	relação a um	canal de referência	. A	seguir, os
2 5 parâmetros	são	calculados	de acordo com	as	fórmulas

predeterminadas dependendo de determinadas divisões do sinal a ser processado.

No lado do decodificador, o decodificador recebe tipicamente um sinal mono e o fluxo de bits BCC. O sinal mono é transformado para o domínio de frequência e enviado a um bloco de síntese espacial, que também recebe valores ICLD e ICTD decodificados. No bloco de síntese espacial, os parâmetros BCC (ICLD e ICTD) são usados para realizar uma operação de pesagem do sinal mono para sintetizar os sinais mui ticaiiaús que, após uma conversão freqüência/tempo, representam uma reconstrução do sinal original de áudio multicanais.

No caso de BCC, o módulo joint stereo 60 é operativo para enviar as informações do lado do canal, de maneira que os dados de canal paramétrico sejam parâmetros ICLD ou ICTD quantizados e codificados, caracterizado pelo fato de que um dos canais originais é usado como canal de referência para a codificação das informações do lado do canal.

Normalmente, o canal portador é formado pela soma dos canais originais participantes.

É evidente que as técnicas acima somente proporcionam uma representação mono de um decodificador que pode somente processar o canal portador, mas que não pode processar dados paramétricos para a geração de uma ou mais aproximações de mais que um canal de entrada.

A técnica BCC também está descrita nas publicações do pedido de patente norte-americana US 2003/0219130 Al, US 2003/0026441 Al e US 2003/0035553 Al. Além disso, também são feitas referências à publicação especializada Binaural Cue Coding. Part II: Schemes and Applications, por T. Faller and F. Baumgarte, ΙΕΞΕ Trans. On Audio and Speech Proc. , Vol. 11, No. 6,

November 2003.

Subseqüentemente, será ilustrado um esquema BCC típico para codificação de áudio multicanais em maiores detalhes com relação às Figs . 4 a 6.

A Fig. 5 mostra esse esquema BCC para a codificação/transmissão de sinais de áudio multicanais. O sinal de entrada de áudio multicanais em uma entrada 110 de .um .-codificador BCC 112 é mixado no chamado bloco downmix 114. No presente exemplo, o sinal multicanais original na entrada 110 é um sinal surround de 5 canais, tendo um canal esquerdo frontal, um canal direito frontal, um canal esquerdo surround, um canal direito surround e um canal central. Na configuração preferida da presente invenção, o bloco downmix 114 gera um sinal de soma pela simples adição desses cinco canais em um sinal mono.

São conhecidos na técnica outros esquemas downmix, de maneira que usando um sinal de entrada multicanais, é obtido um canal downmix com um canal único.

Este canal simples é produzido em uma linha de sinal de soma 115. As informações auxiliares obtidas a partir do bloco de análise BCC 116 são enviadas em uma linha de informações auxiliares 117,

As diferenças de níveis intercanais (ICLD) e as diferenças de tempo intercanais (ICTD) são calculadas no bloco de análise BCC, como ilustrado acima. Agora, o bloco de análise BCC 116 também pode calcular valores de correlação intercanais (valores ICC) . O sinal de soma e as informações auxiliares são transmitidos para um decodificador BCC 120 em formato quantizado e codificado. 0 decodificador BCC divide o sinal de soma transmitido em várias sub-bandas e faz escalações, retardos e outras etapas de processamento para que as sub-bandas dos canais de áudio multicanais possam ser enviadas. Esse processamento é feito de maneira que os parâmetros ICLD, ICTD e ICC (sinalizações) de um sinal multicanais reconstruído na saída 121 se combinem com as sinalizações correspondentes do sinal multicanais original na entrada 110 do codificador BCC 112 , Por essa rasã-o, -o decodif icador BCC 120 inclui um bloco de síntese BCC 122 e um bloco de processamento de informações auxiliares 123 .

A seguir, a configuração interna do bloco de síntese BCC 122 será explicada com referência à Fig. 6. O sinal de soma na linha 115 entra na unidade de conversão tempo/freqüência ou banco de filtros FB 125. Na saída do bloco 125, existem N sinais de sub-banda ou, em um caso extremo, um bloco de coeficientes espectrais, quando o banco de filtros de áudio 125 realiza uma transformada 1:1, isto é, uma transformada gerando N coeficientes espectrais de N amostras de domínio de tempo.

O bloco de síntese BCC 122 ainda compreende um estágio de retardo 126, um estágio de modificação de nível 127, um estágio de processamento de correlação 128 e um estágio de banco de filtros inverso IFB 129. Na saída do estágio 129, o sinal de áudio multicanais reconstruído tendo, por exemplo, cinco canais, no caso de um sistema surround de 5 canais, pode ser enviado a um conjunto de alto-falantes 124 como ilustrado na Fig. 5 ou na Fig. 4 .

sinal de entrada sn é convertido para o domínio de frequência ou para o domínio do banco de filtros por meio do elemento 125. A saída do sinal pelo elemento 125 é copiada de maneira que são obtidas várias versões do mesmo sinal como ilustrado pelo nodo de cópia 130. O número de versões do sinal original é igual ao número de canais de saída do sinal de saída. Então, cada versão do sinal original no nodo 13 0 é submetida a um determinado retardo d_:, d₂, ... dj., ..., d_N. Os parâmetros de retardo são calculados pelo bloco de processamento de informações auxiliares 123 na Fig. 5 e se derivam das diferenças de tempo

intercanais como calculadas c	pelo bloco de análise BCC 116 da	Fig.
□ . 0 mesmo	se aplica	para os	parâmetros	de
multiplicação ai, a₂, ai,	— / a._N, que	também são	calculados	pelo
bloco de processamento de	informações	auxiliares	123 baseado	nas

diferenças de níveis intercanais como calculadas pelo bloco de análise BCC 116.

Os parâmetros ICC calculados pelo bloco de análise BCC 116 são usados para controlar a funcionalidade do bloco 12 8, de maneira que certas correlações entre os sinais retardado e nível-manipulado sejam obtidas nas saídas do bloco 128. Deve ser aqui observado, que a ordem dos estágios 126, 127, 128 pode ser diferente da ordem mostrada na Fig. 6.

Deve ainda ser notado que, em um processamento de frames do sinal de áudio, a análise BCC é também feita em frames, isto é, temporalmente variável, sendo ainda obtida uma análise BCC de freqüência, como pode ser visto pela divisão de banco de filtros da Fig. 6. Isto significa que os parâmetros BCC são obtidos para cada banda espectral. Isto também significa que no caso em que o banco de filtro de áudio 125 quebra o sinal de entrada em, por exemplo, 32 sinais de passe de banda, o bloco de análise BCC obtém um conjunto de parâmetros BCC para cada uma das

2 bandas. É evidente que o bloco de síntese BCC 122 da Fig. 5, que está ilustrada em maior detalhe na Fig. 6, também realiza uma reconstrução que também se baseia nas 32 bandas mencionadas no exemplo.

Subsequentemente, será ilustrado um cenário usado para a determinação dos parâmetros BCC individuais com ref^nênci-a. à Fig. 4. Normalmente, os parâmetros ICLD, ICTD e ICC podem ser definidos entre pares de canais. Entretanto, é preferível que os parâmetros ICLD e ICTD sejam determinados entre um canal de referência e cada um dos demais canais. Isto está ilustrado na

Fig. 4A.

Os parâmetros ICC podem ser definidos de várias formas. Em geral, os parâmetros ICC podem ser determinados no codificador entre quaisquer pares de canais possíveis, como ilustrado na Fig.

4B.

Houve a sugestão de calcular somente os parâmetros

ICC entre os dois canais mais potentes a cada vez, como ilustrado na Fig. 4C, que mostra um exemplo onde, a qualquer momento, é calculado um parâmetro ICC entre os canais 1 e 2, e em outro momento é calculado um parâmetro ICC entre os canais 1 e

O decodificador então sintetiza a correlação intercanais entre os canais mais potentes no decodificador e aplica algumas regras heurísticas para o cálculo e da coerência parâmetros dos pares remanescentes de canais.

Com relação ao cálculo, por exemplo, dos de multiplicação ai, a_N baseados nos parâmetros ICLD transmitidos, é feita referência ao documento de

5574 acima citado. Os parâmetros

ICLD representam uma distribuição de energia em um sinal multicanais original. Sem perda de generalidade, é preferível, como mostrado na Fig. 4A, tomar de energia entre os respectivos canais e o canal esquerdo frontal. No bloco de processamento

122, os parâmetros de multiplicação maneira que reconstruídos a energia é a mesma são derivados dos total de todos

Na configuração mostrada na a conversão freqüência/tempo obtida inversos IFB 12 9 da Fig. 6. Ao invés espectrais dos canais filtros inversos são processamento de sinal dois filtros por freqüência/tempo.

Com completo no domínio caso, o decodificador parâmetros os canais energia

Fig. 7, do individuais na usadas e do fone de multicanais multicanal pelos bancos

ICLD, de de saída sinal de é dispensada de filtros disso, as representações ent rada desses bancos de enviadas ao dispositivo de ouvido da Fig. 7, de maneira a individuais com sem uma nova relação à ocorrência de um os respectivos transformação processamento da f reqüência, deve ser notado que, nesse multicanais, isto é, por exemplo, o banco de filtros 125 da Fig. 6, e o codificador tempo/freqüência. Além disso, um banco vantajoso para todo resultado estéreo devem ter a mesma é preferível usar somente que seja particularmente porque é necessário somente um único banco de filtros o processamento, como ilustrado na Fig. 1. Nesse caso, o é um processamento particularmente eficiente, já que as transformadas no decodificador multicanais e no codificador estéreo não precisam ser calculadas.

Os dados de entrada e os dados de saída, respectivamente, no conceito da invenção são, portanto, codificados de preferência no domínio da frequência por meio do banco transformada/fi1tro e são codificados de acordo com as diretrizes psico-acústicas usando efeitos de mascaramento, caracterizado pelo fato de que, em particular, dev.eria- haver uma representação espectral dos sinais no decodificador. Exemplos disto são os arquivos MP3, os arquivos AAC ou os arquivos AC3 . Entretanto, os dados de entrada e os dados de saída, respectivamente, também podem ser codificados pela formação da soma e da diferença, como é o caso dos denominados processos matrizados. Exemplos disto são o Dolby ProLogic, Logic7 ou o Circle Surround. Os dados, em particular, da representação de multicanais podem ainda ser codificados por meio de métodos paramétricos, como no caso do MP3 surround, onde esse método se baseia na técnica BCC.

Dependendo das circunstâncias, o método da invenção para a geração pode ser implementado em hardware ou em software. A implementação pode ser feita em um meio de armazenagem digital, em particular um disco ou um CD dotado de sinais de controle que possam ser lidos eletronicamente, que possam funcionar com um sistema de computador programável, para que o método seja realizado. Em geral, a invenção também consiste de um produto de programa de computador tendo uma codificação de programa armazenado em um portador de leitura por máquina para a realização do método da invenção, quando o produto de programa de computador opera em um computador. Em outras palavras, a invenção pode também ser realizada como um programa de computador dotado de uma codificação de programa para a realização do método, quando programa de computador opera em um computador.

Claims

REIVINDICAÇÕE S

1. Dispositivo para a geração de um sinal estéreo codificado de uma peça de áudio ou um fluxo de dados de áudio, tendo um primeiro canal estéreo e um segundo canal estéreo a partir de uma representação de multicanais da peça de áudio ou fluxo de dados de áudio compreendendo informações de mais do que dois multicanais, caracterizado pelo fato de que compreende: meio (11) para a provisão de mais do que dois multicanais da representação de multicanais; meio (12) para realizar o processamento de sinal do fone de ouvido, de maneira a gerar um sinal estéreo não codificado com um primeiro canal estéreo não codificado (10a) e um segundo canal estéreo não codificado (10b), sendo o meio (12) de realização formado para avaliar cada multicanal por uma primeira função de filtro (HiL) derivada de uma posição virtual de um alto-falante para a reprodução do multicanal e uma primeira posição virtual de ouvido do ouvinte, para o primeiro canal estéreo, e uma segunda função de filtro (HiR) derivada de uma posição virtual do alto-falante e uma segunda posição virtual de ouvido do ouvinte, para o segundo canal estéreo, para gerar um primeiro canal avaliado e um segundo canal avaliado para cada multicanal, as duas posições virtuais de ouvido do ouvinte sendo diferentes, somar (22) os primeiros canais

avaliados de maneira a obter o primeiro canal estéreo não codificado (10a), e somar (23) os segundos canais avaliados de maneira a obter o segundo canal estéreo não codificado (10b) ; e

um codificador estéreo (13) para a codificação do primeiro canal estéreo não codificado (10a) e o segundo canal estéreo não codificado (10b) para obter o sinal estéreo codificado (14), o

Petição 870190001099, de 04/01/2019, pág. 11/15

2. Dispositivo, de acordo com a reivindicação 1, caracterizado pelo fato de que o meio (12) de realização é feito para usar a primeira função de filtro (HiL) considerando som direto, reflexões e reverberação difusa, e para usar a segunda função de filtro (HiR) considerando som direto, reflexões e reverberação difusa .

2/5 codificador estéreo sendo formado de maneira que a taxa de dados necessária para a transmissão do sinal estéreo codificado seja menor que uma taxa de dados necessária para transmitir o sinal estéreo não codificado.

3/5 para prover, no lado da saída, uma representação no domínio da freqüência em bloco para cada multicanal, e onde o meio (12) de realização é formado para avaliar a representação no domínio da freqüência em bloco por uma representação no domínio da freqüência da primeira e segunda funções de filtro.

6. Dispositivo, de acordo com qualquer uma das reivindicações 1 a 5, caracterizado pelo fato de que o meio (12) de realização é formado para prover uma representação no domínio da freqüência em bloco do primeiro canal estéreo não codificado e do segundo canal estéreo não codificado, e onde o codificador estéreo (13) é um codificador baseado em transformada sendo também formado para processar a representação no domínio da freqüência em bloco do primeiro canal estéreo não codificado e do segundo canal estéreo não codificado sem uma conversão da representação no domínio da freqüência para uma representação temporal.

7. Dispositivo, de acordo com qualquer uma das reivindicações 1 a 6, caracterizado pelo fato de que o codificador estéreo (13) é formado para realizar uma codificação estéreo comum (15) do primeiro e do segundo canais estéreo.

8. Dispositivo, de acordo com qualquer uma das reivindicações 1 a 7, caracterizado pelo fato de que o codificador estéreo (13) é formado para quantizar (16) um bloco de valores espectrais usando um limite de mascaramento psico-acústico e submetendo-o à codificação de entropia (17) para obter o sinal estéreo codificado.

9. Dispositivo, de acordo com qualquer uma das reivindicações 1 a 8, caracterizado pelo fato de que o meio (11) para provisão é formado como um decodificador BCC.

Petição 870190001099, de 04/01/2019, pág. 13/15

3. Dispositivo, de acordo com a reivindicação 2, caracterizado pelo fato de que a primeira e segunda funções de filtro correspondem a uma resposta de impulso de filtro que compreende um pico em um valor de tempo pequeno representando o som direto, vários picos menores em valores de tempo médios representando as reflexões, e uma região contínua não mais resolvida para picos individuais e representando a reverberação difusa.

4/5

10. Dispositivo, de acordo com qualquer uma das reivindicações 1 a 9, caracterizado pelo fato de que o meio (11) para provisão é formado como um decodificador multicanais compreendendo um banco de filtros tendo várias saídas, onde o meio (12) de realização é formado para avaliar sinais nas saídas do banco de filtros pela primeira e segunda funções de filtros, e onde o codificador estéreo (13) é formado para quantizar (16) o primeiro canal estéreo não codificado no domínio da freqüência e o segundo canal estéreo não codificado no domínio da freqüência e submetê-los à codificação de entropia (17) para obter o sinal estéreo codificado.

11. Método para a geração de um sinal estéreo codificado de uma peça de áudio ou um fluxo de dados de áudio tendo um primeiro canal estéreo e um segundo canal estéreo a partir de uma representação de multicanais da peça de áudio ou do fluxo de dados de áudio compreendendo as informações sobre mais do que dois multicanais, caracterizado pelo fato de que compreende as etapas de: prover (11) os mais do que dois multicanais da representação de multicanais; realizar (12) o processamento de sinal do fone de ouvido para gerar um sinal estéreo não codificado com um primeiro canal estéreo não codificado (10a) e um segundo canal estéreo não codificado (10b), a etapa de realização (12) compreendendo: avaliar cada multicanal por uma primeira função de filtro (HiL) derivada de uma posição virtual de um alto-falante para reproduzir o multicanal e uma primeira posição virtual de ouvido de um ouvinte, para o primeiro canal estéreo, e uma segunda função de filtro (HiR) derivada de uma posição virtual do altofalante e uma segunda posição virtual de ouvido de um ouvinte,

Petição 870190001099, de 04/01/2019, pág. 14/15

4. Dispositivo, de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que a representação de multicanais compreende um ou vários canais básicos, assim como informações paramétricas para o cálculo de multicanais a partir de um ou vários canais básicos, e onde o meio (11) para provisão é formado para calcular os pelo menos três multicanais de um ou de vários canais básicos e as informações paramétricas.

5. Dispositivo, de acordo com a reivindicação 4, caracterizado pelo fato de que o meio (11) para provisão é formado

Petição 870190001099, de 04/01/2019, pág. 12/15

5/5 para o segundo canal estéreo, para gerar um primeiro canal avaliado e um segundo canal avaliado para cada multicanal, as duas posições virtuais de ouvido do ouvinte sendo diferentes, somar (22) os primeiros canais avaliados para obter o primeiro canal estéreo não codificado (10a), e somar (23) os segundos canais avaliados para obter o segundo canal estéreo não codificado (10b); e realizar a codificação estéreo (13) do primeiro canal estéreo não codificado (10a) e do segundo canal estéreo não codificado (10b) para obter o sinal estéreo codificado (14), a etapa de codificação estéreo sendo realizada de maneira que a taxa de dados necessária para a transmissão do sinal estéreo codificado seja menor que a taxa de dados necessária para a transmissão do sinal estéreo não codificado.