ES2282899T3

ES2282899T3 - Codificacion o descodificacion de señales de audio.

Info

Publication number: ES2282899T3
Application number: ES04770333T
Authority: ES
Inventors: Lars F. Villemoes; Per Ekstrand; Heiko Purnhagen; Erik G. P. Schuijers; Fransiscus M. J. De Bont
Original assignee: Koninklijke Philips Electronics NV; Coding Technologies Sweden AB
Current assignee: Koninklijke Philips NV; Coding Technologies Sweden AB
Priority date: 2003-10-30
Filing date: 2004-10-28
Publication date: 2007-10-16
Anticipated expiration: 2024-10-28
Also published as: BRPI0415951B1; BR122018007834B1; CN101540171A; DE602004004818T2; JP2011128649A; US7519538B2; BRPI0415951A8; ATE354160T1; RU2374703C2; JP5335015B2; KR20110113765A; CN1875402B; PL1683133T3; EP1683133B1; US20090216544A1; US20070067162A1; CN1875402A; US20110178810A1; US8260607B2; BRPI0415951A

Abstract

Un método para codificar una señal de audio, señal de audio que incluye un primer canal de audio y un segundo canal de audio, método que comprende los pasos de: filtrar en sub-banda cada uno de los primer canal de audio y segundo canal de audio en un banco de filtros modulado complejo para proporcionar una primera pluralidad de señales para el primer canal de audio y una segunda pluralidad de señales para el segundo canal de audio, submuestrear cada una de las señales de sub-banda para proporcionar una primera pluralidad de señales de sub-banda submuestreadas y una segunda pluralidad de señales de sub-banda submuestreadas, filtrar en sub-banda otra vez al menos una de las señales de sub-banda submuestreadas en un banco de filtros adicional con el fin de proporcionar una pluralidad de señales de sub-sub-banda, deducir los parámetros espaciales a partir de las señales de sub-sub-banda y a partir de las señales de sub-banda submuestreadas que no han sido filtradas en sub-banda otra vez, y deducir una señal de audio de canal único que comprende las señales de sub-banda deducidas a partir de la primera pluralidad de señales de sub-banda submuestreadas y de la segunda pluralidad de señales de sub-banda submuestreadas.

Description

Codificación o descodificación de señales de audio.

Esta invención se refiere a la codificación de una señal de audio o la decodificación de una señal de audio codificada.

Erik Schuijers, Werner Oomen, Bert den Brinken y Jeroen Breebaart, "Advances in Parametric Coding for High-Quality Audio", Preimpresión 5852, 114ª Convención del AES, Ámsterdam, Países Bajos, 22-25 de marzo de 2.003 describen un esquema de codificación paramétrica que usa una representación paramétrica eficiente para la imagen estéreo. Dos señales de entrada son unidas en una señal mono de audio. Las señales espaciales relevantes para la percepción son modeladas explícitamente como se muestra en la Figura 1. La señal unida es codificada usando un codificador paramétrico monocanal. Los parámetros estéreo de Diferencia de Intensidad Intercanal (IID), Diferencia de Tiempo Intercanal (ITD) y Correlación Cruzada Intercanal (ICC) son cuantificados, codificados y multiplexados en un tren de bits junto con la señal mono de audio cuantificada y codificada. En el lado del decodificador, el tren de bits es demultiplexado a una señal mono codificada y los parámetros estéreo. La señal mono de audio codificada es decodificada con el fin de obtener una señal mono de audio decodificada m' (véase la Figura 2). A partir de la señal mono en el dominio de tiempo, se calcula una señal decorrelacionada usando un filtro D que produce la decorrelación de percepción. Ambas, la señal mono en el dominio de tiempo m' y la señal decorrelacionada d, son transformadas al dominio de frecuencia. Entonces, la señal estéreo del dominio de frecuencia es procesada con los parámetros IID, ITD e ICC por escalado, modificación de fase y mezclado, respectivamente, en una unidad de procesado de parámetros con el fin de obtener el par estéreo decodificado 1' y r'. Las representaciones del dominio de frecuencia resultantes se transforman otra vez al dominio de tiempo.

Jin et al., en "A Scalable Subband Coding Scheme for ATM Environment", IEEE Southestcon 2001, páginas 271-275, describieron el filtrado en sub-banda seguido de una trasformada MDCT y cuantificación de acuerdo con los parámetros del modelo psicoacústico calculado.

Un objeto de la invención es proporcionar una codificación y decodificación de audio ventajosa usando parámetros espaciales. A este fin, la invención proporciona un método de codificación, un codificador de audio, un aparato para transmitir o almacenar, un método de decodificación, un decodificador de audio, un aparato de reproducción y un producto programa de ordenador como se definen en las reivindicaciones independientes. Realizaciones ventajosas se definen en las reivindicaciones dependientes.

De acuerdo con un primer aspecto de la invención, se codifica una señal de audio, señal de audio que incluye un primer canal de audio y un segundo canal de audio, y la codificación comprende: el filtrado sub-banda de cada uno de los primer canal de audio y segundo canal de audio en un banco de filtros modulado complejo para proporcionar una primera pluralidad de señales de sub-banda para el primer canal de audio y una segunda pluralidad de señales de sub-banda para el segundo canal de audio; el submuestreo de cada una de las señales de sub-banda para proporcionar una primera pluralidad de señales de sub-banda submuestreadas y una segunda pluralidad de señales de sub-banda submuestreadas; el filtrado sub-banda adicional de al menos una de las señales de sub-banda submuestreadas en un banco de filtros adicional con el fin de proporcionar una pluralidad de señales sub-sub-banda; deducir parámetros espaciales a partir de las señales sub-sub-banda y a partir de las señales de sub-banda que no han sido filtradas sub-banda otra vez; y deducir una señal de audio de canal único que comprende las señales de sub-banda deducidas a partir de la primera pluralidad de señales de sub-banda submuestreadas y de la segunda pluralidad de señales de sub-banda submuestreadas. Al proporcionar un filtrado sub-banda adicional en una sub-banda, se incrementa la resolución de frecuencia de dicha sub-banda. Una resolución de frecuencia incrementada de ese tipo tiene la ventaja de que hace posible obtener una mayor calidad de audio (el ancho de banda de una señal de sub-banda única es típicamente mucho mayor que la de las bandas críticas del sistema auditivo humano) en una implementación eficiente (debido a que sólo tienen que transformarse unas pocas bandas). El codificador espacial paramétrico trata de modelizar las señales binaurales, la cuales son percibidas sobre una escala de frecuencias no uniforme, que se asemejan a la escala de Bandas Rectangulares Equivalentes (ERB). La señal de audio de canal único puede ser deducida directamente a partir de la primera pluralidad de señales de sub-banda submuestreadas y de la segunda pluralidad de señales de sub-banda submuestreadas. Sin embargo, la señal de audio de canal único se deduce ventajosamente a partir de las señales de sub-sub-banda de las sub-bandas submuestreadas que son filtradas sub-banda otra vez, en cuyo caso las señales sub-sub-banda de cada sub-banda se suman juntas para formar nuevas señales de sub-banda y en las que la señal de audio de canal único se deduce a partir de estas nuevas señales de sub-banda y de las sub-bandas de la primera y la segunda pluralidad de sub-bandas que no son filtradas otra vez.

De acuerdo con otro aspecto principal de la invención, se proporciona la decodificación de una señal de audio codificada, señal de audio codificada que comprende una señal de audio de canal único codificada y un conjunto de parámetros espaciales, comprendiendo el método de decodificación: decodificar la señal de audio de canal único para obtener una pluralidad de señales de sub-banda submuestreadas; filtrar en sub-banda otra vez al menos una de las señales de sub-banda submuestreadas en un banco de filtros adicional con el fin de proporcionar una pluralidad de señales de sub-sub-banda; y deducir dos canales de audio a partir de los parámetros espaciales, las señales de sub-sub-banda y las señales de sub-banda submuestreadas para las sub-bandas que no son filtradas sub-banda otra vez. Al proporcionar un filtrado sub-banda adicional en una sub-banda, se incrementa la resolución de frecuencia de dicha sub-banda y, consecuentemente, se puede alcanzar una decodificación de audio de mayor calidad.

Una de las principales ventajas de estos aspectos de la invención es que la codificación espacial paramétrica puede ser fácilmente combinada con técnicas de Replicación de Banda Espectral ("SBR"). SBR es conocida per se a partir de Martin Dietz, Lars Liljeryd, Kristofer Kjörling y Oliver Kunz, "Spectral Band Replication, a novel approach in audio coding", Preimpresión 5553, 112ª Convención del AES, Munich, Alemania, 10-13 de mayo de 2.002, y a partir de Per Ekstrand, "Bandwidth extension of audio signals by spectral ban replication", Proc. 1^{er} Taller de la IEEE en Benelux sobre Procesado y codificación de Audio basado en modelos (MPCA-2002), páginas 53-58, Leuven, Bélgica, 15 de noviembre de 2.002. Se hace referencia adicional al estándar de MPEG-4, ISO/IEC 14496-3:2001/FDAM1, JTC1/SC29/WG11, Coding of Moving Pictures and Audio, Bandwidth Extension que describe un audio codec que usa la SBR.

La SBR está basada en la noción de que hay, típicamente, una gran correlación entre las frecuencias bajas y altas de una señal de audio. Como tal, el proceso SBR consiste en copiar la(s) parte(s) más altas del espectro que usan poca información codificada en el tren de bits. Un diagrama de bloques simplificado de un decodificador SBR de ese tipo mejorado se muestra en la Figura 3. El tren de bits es demultiplexado y decodificado en datos de núcleo (por ejemplo Codificación de Audio Avanzada (AAC) MPEG-2/4) y datos SBR. Usando los datos de núcleo, la señal es decodificada a la mitad de la frecuencia de muestreo de la señal de ancho de banda completo. La salida del decodificador de núcleo es analizada por medio de un banco de (Pseudo) Filtros Espejo en Cuadratura (QMF) complejos de 32 bandas. Estas 32 bandas son, entonces, extendidas a todo el ancho de banda, es decir 64bandas, en el cual el contenido en Alta Frecuencia (HF) se genera por medio de copiar parte(s) de las bandas más bajas. La envolvente de las bandas para la cual se genera el contenido de HF se ajusta de acuerdo con los datos SBR. Finalmente, por medio de un banco de síntesis QMF de 64 bandas, se reconstruye la señal de salida PCM.

El decodificador SBR como el que se muestra en la Figura 3 es denominado por ello decodificador de velocidad doble. Esto significa que el decodificador de núcleo funciona a la mitad de la frecuencia de muestreo y por ello sólo se usa un banco de análisis QMF de 32 bandas. También son posibles decodificadores de velocidad única, en los que el decodificador de núcleo funciona a la frecuencia de muestreo completa y el banco de análisis QMF consiste en 64 bandas. En la práctica, la reconstrucción se hace por medio de un banco (pseudo) QMF complejo. Debido a que el banco (pseudo) QMF complejo no es muestreado de forma crítica no se necesita tomar medidas añadidas con el fin de eliminar el solapamiento. Nótese que en el decodificado SBR como el descrito por Ekstrand, el banco de análisis QMF consiste en 32 bandas solamente, mientras que el banco de síntesis QMF consiste en 64 bandas, por lo que el decodificador de núcleo funciona a la mitad de la frecuencia de muestreo en comparación con el decodificador de audio completo. En el decodificador correspondiente, sin embargo, se usa un banco de análisis QMF de 64 bandas para cubrir el rango completo de frecuencias.

Aunque la invención es especialmente ventajosa para la codificación de audio estéreo, la invención también tiene ventajas para codificar señales con más de dos canales de audio.

Éstas y otras ventajas de la invención quedarán patentes a partir de, y serán aclaradas haciendo referencia a, las realizaciones descritas a continuación en esta memoria.

En los dibujos:

la Figura 1 muestra un diagrama de bloques de una unidad para la extracción de parámetros estéreo como la que se usa en un codificador Paramétrico Estéreo ("PS");

la Figura 2 muestra un diagrama de bloques de una unidad para la reconstrucción de una señal estéreo como la que se usa en un decodificador PS;

la Figura 3 muestra un diagrama de bloques de un decodificador por Replicación de Banda Espectral ("SBR");

la Figura 4 muestra un diagrama de bloques de un codificador combinado PS y SBR mejorado de acuerdo con una realización de la invención;

la Figura 5 muestra un diagrama de bloques de un decodificador combinado PS y SBR mejorado de acuerdo con una realización de la invención;

la Figura 6 muestra un banco QMF complejo de análisis (izquierda) y síntesis (derecha) de M bandas submuestreadas;

la Figura 7 muestra la repuesta de magnitud en dB de un filtro prototipo;

la Figura 8 muestra las respuestas de magnitud en dB de los primeros 4 de los 64 filtros modulados complejos de análisis no submuestreados;

la Figura 9 muestra un diagrama de bloques de un banco de filtros de Q bandas con síntesis trivial;

\newpage

la Figura 10 muestra una respuesta de magnitud combinada en dB de un primer filtro QMF modulado no submuestreada y un banco de 8 filtros modulados complejos;

la Figura 11 muestra una respuesta de magnitud estilizada de un banco de filtros de 4 bandas con apilamiento uniforme (parte superior) y un banco de filtros de 4 bandas con apilamiento no uniforme (parte inferior) de acuerdo con una realización de la invención;

la Figura 12 muestra un banco de filtros híbrido no uniforme de análisis de 77 bandas basado en un QMF complejo de análisis de 64 bandas de acuerdo con una realización de la invención;

la Figura 13 muestra un banco de filtros híbrido no uniforme de análisis de 71 bandas basado en un QMF complejo de análisis de 64 bandas para su uso en un decodificador de audio; y

la Figura 14 muestra un diagrama de bloques de una implementación eficiente del banco de filtros modulado complejo de análisis.

Los dibujos sólo muestran los elementos que son necesarios para entender la invención.

Combinando la SBR con la PS se obtiene potencialmente un codec extremadamente potente. Tanto la SBR como la PS son algoritmos de post-procesado en un decodificador que consisten en una estructura bastante similar, es decir, alguna forma de conversión de tiempo a frecuencia, procesado y finalmente conversión de frecuencia a tiempo. Cuando se combinan ambos algoritmos, se requiere que ambos algoritmos puedan funcionar a la vez sobre una aplicación DSP. Por lo tanto, es ventajoso reutilizar tantos como sea posible de los resultados intermedios calculados de un codec para el otro. En el caso de combinar PS con SBR, esto conduce a reutilizar las señales de sub-banda (Pseudo) QMF complejas para el procesado PS. En un codificador combinado (véase la Figura 4) la señal de entrada estéreo es analizada por medio de dos bancos de filtros de análisis de 64 bandas. Utilizando la representación del dominio de sub-banda complejo, una unidad de cálculo PS estima los parámetros estéreo y crea una mezcla de canales mono (sub-banda). Esta mezcla de canales mono se alimenta luego a una unidad de estimación de parámetros SBR. Finalmente, la mezcla de canales mono se convierte de nuevo al dominio de tiempo por medio de un banco de filtros de síntesis de 32 bandas de tal forma que pueda ser decodificado por el decodificador de núcleo (el decodificador de núcleo necesita sólo la mitad del ancho de banda).

En el decodificador combinado como el que se muestra en la Figura 5, sin tener en cuenta si se está usando o no un sistema de velocidad doble o de velocidad única, las señales del dominio de sub-banda del ancho de banda completo (64 bandas) después del ajuste de la envolvente son convertidas a un conjunto estéreo de señales de dominio de sub-banda de acuerdo con los parámetros estéreo. Estos dos conjuntos de señales de sub-banda son convertidos finalmente al dominio de tiempo por medio de un banco de QMF de síntesis de 64 bandas. Si sólo se combina PS con SBR, el ancho de banda de las bandas de frecuencias más bajas del filtro QMF es mayor que el que se requiere para una representación estéreo de alta calidad. Por ello, con el fin de ser capaz de dar una representación de alta calidad de la imagen estéreo, se realiza otra subdivisión de las señales de sub-banda más bajas de acuerdo con realizaciones ventajosas de la invención.

Para un mejor entendimiento de aspectos de la invención, se explica primero la teoría que hay detrás de los filtros QMF complejos de sub-banda.

Filtros QMF de sub-banda

El filtro QMF de sub-banda de análisis puede ser descrito como sigue. Dado un filtro prototipo p(v) de fase lineal evaluada real, se puede definir un banco de filtros modulados complejos de análisis de M bandas por los filtros de análisis

1

para k = 0, 1, ..., M-1. El parámetro de fase \theta no es importante para el análisis que sigue, pero una elección típica es (N+M)/2, donde N es el orden del filtro prototipo. Dada una señal de tiempo x(v) discreta con valor real, las señales de sub-banda v_{k}(n) se obtienen filtrando (convolución) x(v) con h_{k}(v) y, luego, submuestreando el resultado por un factor M (véase el lado izquierdo de la Figura 6).

Una operación de síntesis consiste en, primero, sobremuestrear las señales de sub-banda QMF con un factor M, seguida de filtrar con filtros modulados complejos del tipo (1), sumar los resultados y finalmente tomar dos veces la parte real (véase el lado derecho de la Figura 6). Entonces, puede obtenerse una reconstrucción casi perfecta de las señales con valores reales mediante un diseño adecuado de un filtro prototipo p(v) de fase lineal con valor real. La respuesta en magnitud del filtro prototipo como el usado en el sistema SBR del estándar MPEG-4 (al que se ha hecho referencia anteriormente) en el caso de 64 bandas se muestra en la Figura 7. Las respuestas en magnitud de los 64 filtros modulados complejos de análisis se obtienen desplazando la respuesta en magnitud del filtro prototipo
p(\nu) por \frac{\pi}{M}(k+1/2). Una parte de estas respuestas se muestra en la Figura 8. Nótese que sólo se filtran las frecuencias positivas, excepto para k = 0 y k = M-1. Como resultado, las señales de sub-banda antes de submuestrear están cerca de ser analíticas facilitando las modificaciones fáciles en amplitud y fase de sinusoides con valor real. También son posibles modificaciones de fase para la primera y la última banda con tal que las sinusoides que residen en estas bandas tengan una frecuencia que esté por encima \pi/2M o por debajo \pi-\pi/2M respectivamente. Para frecuencias fuera de esta región, el rendimiento de la modificación de fase se deteriora rápidamente debido a la interferencia de las frecuencias negativas.

Partiendo de los filtros QMF de análisis como los descritos arriba, en realizaciones de la invención, se obtiene una resolución de frecuencia más fina filtrando otra vez cada señal de sub-banda submuestreada v_{k}(n) en Q_{k} sub-sub-bandas. En lo que sigue, se deducirán las propiedades del filtrado sub-banda adicional.

Modificación de señal en el dominio de sub-banda QMF complejo

En lo que sigue, sea 100 la transformada discreta de Fourier en el tiempo de una señal de tiempo discreta z(n). Asumiendo la propiedad de reconstrucción casi perfecta según se mencionó anteriormente y, también, un diseño en el que P(\omega), la transformada de Fourier de p(\nu), esencialmente se desvanece fuera del intervalo de frecuencias [-\pi/M, \pi/M], que es el caso para el filtro prototipo p(\nu) como se ilustró más arriba, el paso siguiente aquí es considerar un sistema en el que las señales de sub-banda v_{k}(n) son modificadas antes de la síntesis. Ahora, sea modificada cada sub-banda k mediante su filtrado con un filtro B_{k}(\omega). Con la definición que alcanza

101

donde el asterisco denota la conjugación compleja, puede entonces mostrarse (despreciando el retardo global, asumiendo una entrada con valor real y un sistema de velocidad única) que el sistema resultante que incluye la síntesis en banco de filtros corresponde a un filtrado con el filtro

102

De acuerdo con la hipótesis que se refiere a las propiedades de P(\omega), insertar B_{k}(\omega) = 1 para todos los k en (3) conduce a B(\omega) = 1 y una identidad de sumas al cuadrado se sigue para las respuestas del filtro prototipo desplazadas. Escogiendo las constantes con valor real B_{k}(\omega) = b_{k} \geq 0 el sistema actúa como un ecualizador, que interpola los valores de ganancia b_{k} en las frecuencias \pi(k + 1/2)/M. La característica atractiva es que el sistema en conjunto es invariable en el tiempo, esto es, está libre de solapamiento, a pesar del uso de submuestreo y sobremuestreo. Esto, por supuesto, sólo será cierto hasta la cantidad de desviación respecto a las hipótesis del filtro prototipo expuesta.

De cara a deducir una señal de audio mono, el subfiltrado adicional de las señales de sub-banda filtradas complejas no sólo preservaría estas propiedades sino que también extendería estas propiedades a la manipulación de las señales de sub-banda filtradas. Subfiltrar preservando estas propiedades puede realizarse usando una modificación denominada filtros de M-ésima banda como se conocen per se a partir de P.P. Vaidyanathan, "Multirate systems and filter banks", Prentice Hall Signal Processing Series, 1993, secciones 4.6.1-4.6.2).

Bancos de filtros modulados con síntesis trivial

Una señal de tiempo discreta v(n) puede ser dividida en Q señales diferentes mediante un banco de filtros con respuestas de impulso g_{q}(n), q = 0, 1, ..., Q-1. Esto se ilustra en la Figura 9. Sean las salidas del análisis correspondientes y_{q}(n) y considérese la operación de síntesis trivial

103

\newpage

La reconstrucción perfecta, y(n) = v(n), se obtiene entonces escogiendo los filtros de forma que

104

donde \delta(n) = 1 si n = 0 y \delta(n) = 0 si n \neq 0. Para filtros causales, el lado derecho de (5) tendría que ser reemplazado por \delta(n-d), donde d es un retardo positivo, pero esta modificación sencilla se omite en aras de la claridad de la exposición.

Los filtros g_{q}(n) pueden escogerse como modulaciones complejas de un filtro prototipo g(n) a través de

2

En esta realización preferida de la invención, los filtros son con apilamiento no uniforme (el factor q + 1/2). Una ventaja de esta realización preferida se explicará después. La reconstrucción perfecta (5) se obtiene si y sólo si

105

Una variación de esto es la modulación por coseno con valor real según

3

con un filtro prototipo g(m) con valor real que satisface

106

(Esto se obtiene fácilmente mediante la consideración de g_{q}(n) + g_{Q-1-q}(n) en (6)).

Subfiltrado del banco de filtros modulado exponencial complejo

Partiendo de los filtros QMF de análisis como los descritos anteriormente, se obtiene una resolución de frecuencia más fina filtrando otra vez cada una de las señales de sub-banda submuestreadas v_{k}(n) en Q_{k} sub-sub-bandas usando una de las estructuras moduladas (6) u (8) anteriores. Represente y^{k}_{q}(n), las señales de salida resultantes y describa g^{k}_{q}(n)
el banco de filtros aplicado en la sub-banda k. Si Q_{k} = 1, no hay filtrado y g^{k}_{0}(n) = \delta(n). Un ejemplo de aplicación típica es el caso en el que M = 64, Q_{0} = 8, Q_{k} = 4 para k = 1,2 y Q_{k} = 1 para k > 2.

El efecto combinado de los dos bancos de filtros de x(v) y^{k}_{q}(n) a puede describirse como filtrado con filtros F^{k}_{q}(\omega) seguido de submuestreo por un factor M, donde

107

Si la respuesta P(\omega) del filtro prototipo es esencialmente cero fuera del intervalo [-\pi/M, \pi/M], que es el caso para los filtros de análisis SBR (véase la Figura 7), entonces el filtro tiene una frecuencia central nominal única definida en el caso modulado complejo por

108

\newpage

donde s es un entero escogido de tal forma que 1080 Por ejemplo, como se ilustra en la Figura 10, si k = 0 y Q_{0} = 8, los valores de \omega_{0,0}, \omega_{0,1}, ..., \omega_{0,7} son

109

Modificación de señal con resolución de frecuencia no uniforme

La inserción de bancos de filtros de sub-banda como la descrita anteriormente, no introduce submuestreo adicional, de esta forma se preserva la realización libre de alias de la modificación de señal como se mostró anteriormente en el caso de QMF complejo solo. Considérese la operación combinada general de análisis de M-sub-bandas, filtrado de sub-banda adicional usando Q_{k} sub-sub-bandas dentro de la sub-banda k, filtrado de cada señal de sub-banda y^{k}_{q}(n) mediante un filtro A_{k,q}(\omega), síntesis con cada k sub-banda por suma y, finalmente síntesis a través del banco de síntesis de M-bandas. La función de transferencia global de un sistema de ese tipo viene dada por (3) con, para k \geq 0,

110

Para \omega > \pi/(2M), esto da

111

por ello la respuesta global de la sub-sub-banda (k,q) es G^{k}_{q}(M\omega)|P(\omega-\pi(k+1/2)/M|^{2}. Para |\omega| \leq \pi/(2M), se debe tener algún cuidado debido a (2). En este intervalo de frecuencias, se mantiene que

112

y asumiendo coeficientes reales de un filtro prototipo de sub-sub-banda, se mantiene que

113

así, si los filtros modificadores son escogidos de tal forma que

114

entonces B_{0}(-M\omega)^{*} = B_{0}(M\omega) y la identidad de sumas al cuadrado mencionada en relación con (3) conduce a

115

para |\omega| \leq \pi/(2M), correspondiendo a una respuesta global G^{0}_{q}(M\omega) para la sub-sub-banda (0,q).

Las ecuaciones (15) a (17) indican el deseo de discriminar entre frecuencias positivas y negativas. Esta es la razón por la que se han estado usando filtros (complejos) con apilamiento no uniforme para sub-filtrar las señales de sub-banda QMF en vez de filtros (complejos) con apilamiento uniforme (véase la Figura 11). Para los filtros con apilamiento uniforme no es posible aplicar modificaciones de fase de sinusoides que residen en el filtro central, es decir, el filtro que tiene una frecuencia central en cero, ya que no hay discriminación posible entre frecuencias positivas y negativas. Asumiendo un filtro prototipo con una banda de respuesta G(\omega) limitada a [-2\pi/Q, 2\pi/Q], donde Q es el número de bandas, para el caso con apilamiento uniforme el límite inferior al cual las modificaciones de fase pueden aplicarse es aproximadamente 2\pi/Q, mientras que para el caso con apilamiento no uniforme el límite inferior al cual pueden aplicarse las modificaciones de fase es \pi/Q.

Como se mencionó en la introducción, casos especiales importantes de lo anterior para la síntesis PS son la ecualización y la modificación de fase. Para la ecualización, A_{k,q}(\omega) = a_{k,q} \geq 0 y la condición (16) se reduce a

116

El caso de la modificación de fase corresponde a A_{k,q}(\omega) = exp(ia_{k,q}) en cuyo caso la condición (16) se satisface si

117

Estimación de los parámetros estéreo

El banco de filtros complejos no uniformes, es decir el banco QMF seguido por el filtrado de sub-banda adicional, como se describió anteriormente, puede aplicarse a estimar los parámetros estéreo Diferencia de Intensidad Intercanal (IID), Diferencia de Fase Intercanal (IPD) y Correlación Cruzada Intercanal (ICC) como se muestra más adelante. Nótese que en esta realización práctica, la IPD se usa como un sustituto prácticamente equivalente de la ITD como se usa en el documento de Schuijers et al. En el codificador PS combinado (véase la Figura 4), los primeros tres canales QMF complejos son subfiltrados de forma que en total se obtienen 77 señales con valores complejos (véase la Figura 12).

Desde este punto, sobre las 77 señales de sub-banda alineadas en el tiempo y con valores complejos se representan como l^{k}_{q}(n) y respectivamente r^{k}_{q}(n) de acuerdo con el indexado de y^{k}_{q}(n).

Para estimar los parámetros estéreo en una determinada posición n' de la muestra de sub-banda, se calculan las excitaciones izquierda, derecha y no normalizada como:

4

para cada par estéreo b, h(n) es la ventana de dominio de sub-banda con longitud L, \varepsilon un valor muy pequeño que evita la división por cero (por ejemplo \varepsilon = 1 \cdot e-10) y l^{k}_{q}(n) y r^{k}_{q}(n) las señales de dominio de sub-sub-banda izquierda y derecha. En el caso de 20 pares estéreo, la suma sobre k desde k_{l} hasta e incluyendo k_{h} y q desde q_{l} hasta e incluyendo q_{h} va como se muestra en la Tabla. Nótese que las frecuencias "negativas" (por ejemplo k = 0 con q = 4 ... 7) no están incluidas en la estimación de parámetros de (20).

TABLA 1 Índices de arranque y parada de la suma sobre k y q

5

Las sumas para calcular e_{l}(b), e_{r}(b) y e_{R}(b) se alinean de tal forma que el punto medio de estas señales en la suma coincida con la posición del parámetro, de aquí el desplazamiento por -\frac{L}{2}+1. Como queda claro a partir de la Tabla 1, sólo se usan las señales de sub-sub-banda y las señales de sub-banda con una frecuencia central positiva para estimar los parámetros.

La IID, representada como I(b), la ICC, representada como C(b), y la IPD, representada como P(b), para cada uno de los pares estéreo se calculan según:

6

El ángulo en la ecuación P(b) = <e_{R}(b) se calcula usando la función arco tangente de cuatro cuadrantes que da valores entre -\pi y \pi. Dependiendo de la velocidad binaria objetivo y de la aplicación, estos parámetros, o un subconjunto de estos parámetros son cuantificadas y codificados en la parte PS del sistema de tren de bits.

Síntesis de la señal estéreo

Con el fin de mantener los costes de operaciones de cálculo necesarios (en términos de uso de memoria RAM) en el decodificador tan bajos como sea posible se usa una estructura de análisis similar. Sin embargo, la primera banda es compleja sólo parcialmente (véase la Figura 13). Esto se obtiene mediante la suma de los pares de la banda media y G^{0}_{2}(\omega) y G^{0}_{5}(\omega) y G^{0}_{3}(\omega) y G^{0}_{4}(\omega). Además, la segunda y la tercera bandas son bancos de filtros de dos bandas con valor real, lo cual se obtiene mediante la suma de las salidas de y G^{k}_{0}(\omega) y G^{k}_{3}(\omega), la suma de las salidas de G^{k}_{l}(\omega) y G^{k}_{2}(\omega) (véase también la discusión de la sección sobre bancos de filtros modulados). Usando esta simplificación de la estructura del banco de filtros del decodificador, todavía se mantiene la característica de discriminación entre las frecuencias positivas y negativas mediante la subdivisión del primer filtro de sub-banda. El banco de filtros de análisis del decodificador se muestra en la Figura 13. Nótese que el indexado de las primeras señales de sub-sub-banda filtradas QMF se ordena de acuerdo con la frecuencia.

Las señales de sub-sub-banda estéreo de una trama única se construyen según:

118

119

donde: s_{k}(n) son las señales de sub-sub-banda mono y d_{k}(n) son las señales mono de sub-sub-banda decorrelacionadas que se deducen de las señales mono de sub-sub-banda s_{k}(n) con el fin de acabar de sintetizar los parámetros ICC; k = 0, ..., K-1 son los índices de sub-banda (K es el numero total de sub-bandas, es decir, K = 71); n = 0, ..., N-1, donde N es el número de muestras de sub-banda de una trama, son los índices de muestra de sub-banda QMF; \Lambda_{11}, \Lambda_{12}, \Lambda_{21}, \Lambda_{22} son las matrices de manipulación del factor de escala; y P_{n} es la matriz de manipulación de la rotación de fase. Las matrices de manipulación se definen como funciones del tiempo y de la frecuencia y pueden deducirse de forma sencilla a partir de los vectores de manipulación según se describen en el estándar MPEG-4 ISO/IEC 14496-3:2001/FPDAM2, JTC1/SC29/WG11, Coding of Moving Pictures and Audio, Extension 2.

Se definen la s_{k}(n) de acuerdo con la Figura 12 como resultan en la Figura 13:

120

La síntesis de los parámetros estéreo tiene lugar de acuerdo con la Tabla 1 de indexado.

TABLA 1 Tabla de indexado de parámetros

7

Las ecuaciones de síntesis quedan, así:

121

\hskip0,7cm122

Nótese que el signo de P_{rt} cambia en las ecuaciones anteriores si se encuentra un ^{*} en la tabla. Esto está de acuerdo con la ecuación (19), es decir, tiene que aplicarse la rotación de fase inversa para las frecuencias negativas.

Implementación eficiente de bancos de filtros modulados con síntesis trivial

Dado un banco de filtros modulados con un filtro prototipo de longitud L, una implementación en forma directa requeriría QL operaciones por cada muestra de entrada pero el hecho de que la modulación en (6) es antiperiódica con período Q puede usarse para dividir el filtrado en una ventana polifásica de L operaciones seguida por una transformada de tamaño Q para cada muestra de entrada. Por favor, nótese que una representación polifásica de ese tipo se conoce a partir de P.P. Vaidyanathan, "Multirate systems and filter banks", Prentice Hall Signal Processing Series, 1993, sección 4.3). Lo siguiente proporciona una aplicación ventajosa de una representación polifásica de ese tipo de acuerdo con una realización preferida de la invención.

La transformada es una DFT seguida por un giro de fase, el cual es del orden de Qlog_{2} Q, cuando Q es una potencia de dos. De esa forma, se obtiene un gran ahorro en casos típicos en los que L es mucho mayor que log_{2} Q. En el caso modulado real (8), la antiperiodicidad del período 2Q combinada con las simetrías par/impar alrededor de n = 0 y n = Q pueden usarse de nuevo para enmarcar en una ventana polifásica y la transformada kernel es una DCT del tipo III. Se da a continuación una descripción detallada para el caso de modulación compleja.

Una implementación efectiva del sub-subfiltrado, que usa el procesado de núcleo FFT, puede realizarse usando descomposición polifásica del filtro prototipo seguida de modulación. Asúmase un filtro prototipo g(n) de orden N, en el que N = mQ y m es un entero positivo. Esta condición no es restrictiva, ya que un filtro prototipo de orden arbitrario puede tener un relleno cero para verificar la restricción. La transformada Z del filtro prototipo diseñado para su uso en un sistema modulado complejo (6) es

123

Esto puede expresarse en notación polifásica como

124

donde

125

Todos los filtros del banco de filtros son versiones moduladas en frecuencia del filtro prototipo. La transformada Z del filtro g_{q}(n) viene dada por

126

donde

127

\newpage

La expresión para la salida de un filtro es

128

Identificando las componentes de la última suma, puede verse que las componentes polifásicas procesan versiones retardadas de la señal de entrada, las cuales son multiplicadas a continuación por un exponencial complejo. Finalmente, todas las señales de salida Yq(z), con q = 0 ... Q-1, se hallan aplicando una FFT inversa (sin factor de escala). La Figura 14 muestra el esquema de montaje del banco de filtros de análisis. Puesto que los filtros polifásicos en (29) son no-causales, una cantidad apropiada de retardo tiene que ser añadida a todas las componentes polifásicas.

Debería notarse que las realizaciones mencionadas anteriormente ilustran, más bien que limitan, la invención y que los expertos en la técnica serán capaces de diseñar muchas realizaciones alternativas sin salirse del alcance de las reivindicaciones adjuntas. En las reivindicaciones, cualesquiera signos de referencia situados entre paréntesis no serán interpretados como que limitan la reivindicación. La palabra "que comprende" no excluye la presencia de otros elementos o pasos que los listados en una reivindicación. La invención puede ser implementada por medio de hardware que comprende varios elementos distintos y por medio de un ordenador programado de forma adecuada. En una reivindicación de un dispositivo que enumera varios medios, varios de estos medios pueden ser realizados por el mismo elemento único de hardware. El mero hecho de que determinadas medidas sean enumeradas en diferentes reivindicaciones mutuamente dependientes no indica que una combinación de estas medidas no pueda ser usada con ventaja.

Claims

1. Un método para codificar una señal de audio, señal de audio que incluye un primer canal de audio y un segundo canal de audio, método que comprende los pasos de:

filtrar en sub-banda cada uno de los primer canal de audio y segundo canal de audio en un banco de filtros modulado complejo para proporcionar una primera pluralidad de señales para el primer canal de audio y una segunda pluralidad de señales para el segundo canal de audio,

submuestrear cada una de las señales de sub-banda para proporcionar una primera pluralidad de señales de sub-banda submuestreadas y una segunda pluralidad de señales de sub-banda submuestreadas,

filtrar en sub-banda otra vez al menos una de las señales de sub-banda submuestreadas en un banco de filtros adicional con el fin de proporcionar una pluralidad de señales de sub-sub-banda,

deducir los parámetros espaciales a partir de las señales de sub-sub-banda y a partir de las señales de sub-banda submuestreadas que no han sido filtradas en sub-banda otra vez, y

deducir una señal de audio de canal único que comprende las señales de sub-banda deducidas a partir de la primera pluralidad de señales de sub-banda submuestreadas y de la segunda pluralidad de señales de sub-banda submuestreadas.

2. Un método de acuerdo con la reivindicación 1, en el que para cada sub-banda que es filtrada otra vez en sub-banda, las señales de sub-sub-banda se suman juntas después de escalado y/o rotación de fase para formar una señal de sub-banda nueva y en el que la señal de audio de canal único se deduce a partir de estas señales de sub-banda nuevas y de las señales de sub-banda submuestreadas que no son filtradas otra vez.

3. Un método de acuerdo con la reivindicación 1, en el que el filtrado en sub-banda adicional se realiza sobre, al menos, la señal de sub-banda de frecuencia más baja de la primera pluralidad de señales de sub-banda submuestreadas y sobre la señal de sub-banda de frecuencia más baja de la segunda pluralidad de señales se sub-banda submuestreadas.

4. Un método de acuerdo con la reivindicación 3, en el que el filtrado en sub-banda adicional se realiza otra vez sobre, al menos, la señal de sub-banda de la siguiente frecuencia más baja de la primera pluralidad de señales de sub-banda submuestreadas y sobre la señal de sub-banda de la siguiente frecuencia más baja de la segunda pluralidad de señales se sub-banda submuestreadas.

5. Un método de acuerdo con la reivindicación 4, en el que el número de sub-sub-bandas en las señales sub-banda de frecuencia más baja es más alto que el número de sub-sub-bandas en las señales de sub-banda de la siguiente frecuencia más baja.

6. Un método de acuerdo con la reivindicación 1, en el que el banco de filtros de sub-banda adicional es, al menos parcialmente, un banco de filtros modulado complejo.

7. Un método de acuerdo con la reivindicación 1, en el que el banco de filtros de sub-banda adicional es, al menos parcialmente, un banco de filtros modulado por coseno con valor real.

8. Un método de acuerdo con la reivindicación 1, en el que el banco de filtros de sub-banda adicional es un banco de filtros con apilamiento no uniforme.

9. Un método de acuerdo con la reivindicación 1, en el que las señales de sub-sub-banda no se submuestrean otra vez.

10. Un método de acuerdo con la reivindicación 1, en el que la señal de audio de canal único está limitada en el ancho de banda y es codificada otra vez y en el que se deducen parámetros de replicación de banda espectral a partir de la primera pluralidad de señales de sub-banda submuestreadas y/o de la segunda pluralidad de señales de sub-banda submuestreadas.

11. Un codificador de audio para codificar una señal de audio, señal de audio que incluye un primer canal de audio y un segundo canal de audio, codificador que comprende:

un primer banco de filtros modulado complejo para filtrar en sub-banda el primer canal de audio para proporcionar una primera pluralidad de señales para el primer canal de audio,

un segundo banco de filtros modulado complejo para filtrar en sub-banda el segundo canal de audio para proporcionar una segunda pluralidad de señales para el segundo canal de audio,

\newpage

medios para submuestrear cada una de las señales de sub-banda para proporcionar una primera pluralidad de señales de sub-banda submuestreadas y una segunda pluralidad de señales de sub-banda submuestreadas,

un banco de filtros adicional para filtrar en sub-banda otra vez, al menos, una de las señales de sub-banda submuestreadas con el fin de proporcionar una pluralidad de señales de sub-sub-banda,

medios para deducir parámetros espaciales a partir de las señales de sub-sub-banda y a partir de las señales de sub-banda submuestreadas que no han sido filtradas en sub-banda otra vez, y

medios para derivar una señal de audio de canal único que comprende las señales derivadas de sub-banda derivadas a partir de la primera pluralidad de señales de sub-banda submuestreadas y de la segunda pluralidad de señales de sub-banda submuestreadas.

12. Un aparato para transmitir o almacenar una señal de audio codificada basada en una señal de audio de entrada, aparato que comprende:

una unidad de entrada para recibir una señal de audio de entrada,

un codificador de audio según el reivindicado en la reivindicación 11 para codificar la señal de audio de entrada para obtener una señal de audio codificada,

un codificador de canal para codificar otra vez la señal de audio codificada en un formato adecuado para transmitir o almacenar.

13. Un método para decodificar una señal de audio codificada, señal de audio codificada que comprende una señal de audio de canal único y un conjunto de parámetros espaciales, método de decodificación que comprende:

decodificar la señal de audio de canal único codificada para obtener una pluralidad de señales de sub-banda submuestreadas,

filtrar en sub-banda otra vez, al menos, una de las señales de sub-banda submuestreadas en un banco de filtros adicional con el fin de proporcionar una pluralidad de señales de sub-sub-banda, y

deducir dos canales de audio a partir de los parámetros espaciales, las señales de sub-sub-banda y las señales de sub-banda submuestreadas que no han sido filtradas en sub-banda otra vez.

14. Un método de acuerdo con la reivindicación 13, en el que el filtrado en sub-banda adicional se realiza sobre, al menos, la señal de sub-banda de frecuencia más baja de la pluralidad de señales se sub-banda submuestreadas.

15. Un método de acuerdo con la reivindicación 14, en el que el filtrado en sub-banda adicional se realiza otra vez sobre, al menos, la señal de sub-banda de la siguiente frecuencia más baja de la pluralidad de señales de sub-banda submuestreadas.

16. Un método de acuerdo con la reivindicación 15, en el que el número de sub-sub-bandas en las señales sub-banda de frecuencia más baja es más alto que el número de sub-sub-bandas en las señales de sub-banda de la siguiente frecuencia más baja.

17. Un método de acuerdo con la reivindicación 13, en el que el banco de filtros de sub-banda adicional es, al menos parcialmente, un banco de filtros modulado complejo.

18. Un método de acuerdo con la reivindicación 13, en el que el banco de filtros de sub-banda adicional es, al menos parcialmente, un banco de filtros modulado por coseno con valor real.

19. Un método de acuerdo con la reivindicación 13, en el que el banco de filtros de sub-banda adicional es un banco de filtros con apilamiento no uniforme.

20. Un método de acuerdo con la reivindicación 13, en el que, en la sub-banda de frecuencia más baja, las modificaciones de fase a las señales de sub-sub-banda que tienen una frecuencia central negativa en el dominio del tiempo son determinadas tomando el negativo de la modificación de fase aplicada sobre una señal de sub-sub-banda que tiene una frecuencia central positiva que es en valor absoluto la más cercana a dicha frecuencia central negativa.

21. Un método de acuerdo con la reivindicación 13, en el que la señal de audio codificada comprende parámetros de replicación en banda espectral y en el que una componente de alta frecuencia se deduce a partir de la pluralidad de señales de sub-banda submuestreadas y de los parámetros de replicación en banda espectral y en el que los dos canales de audio se deducen a partir de los parámetros espaciales, las señales de sub-sub-banda, las señales de sub-banda submuestreada que no han sido filtradas en sub-banda otra vez y la componente en alta frecuencia.

\newpage

22. Un decodificador de audio para decodificar una señal de audio codificada, señal de audio codificada que comprende una señal de audio de canal único codificada y un conjunto de parámetros espaciales, decodificador de audio que comprende:

un decodificador para decodificar la señal de audio de canal único codificada para obtener una pluralidad de señales de sub-banda submuestreadas,

un banco de filtros adicional para filtrar en sub-banda, al menos, una de las señales de sub-banda submuestreadas en un banco de filtros adicional con el fin de proporcionar una pluralidad de señales de sub-sub-banda, y

medios para deducir dos canales de audio a partir de los parámetros espaciales, las señales de sub-sub-banda y las señales de sub-banda submuestreadas que no han sido filtradas otra vez en sub-banda.

23. Un aparato para reproducir una señal de audio de salida, aparato que comprende:

una unidad de entrada para obtener una señal de audio de codificada,

un decodificador de audio de acuerdo con la reivindicación 22 para decodificar la señal de audio codificada para obtener la señal de audio de salida, y

una unidad de reproducción, del tipo de una salida de altavoz o de auriculares, para reproducir la señal de audio de salida.

24. Un producto programa de ordenador que incluye un código para dar instrucciones a un ordenador para realizar los pasos del método de acuerdo con la reivindicación 1 o 13.