ES2435792T3 - Codificación perfeccionada de señales digitales de audio multicanal - Google Patents

Codificación perfeccionada de señales digitales de audio multicanal Download PDF

Info

Publication number
ES2435792T3
ES2435792T3 ES09803839T ES09803839T ES2435792T3 ES 2435792 T3 ES2435792 T3 ES 2435792T3 ES 09803839 T ES09803839 T ES 09803839T ES 09803839 T ES09803839 T ES 09803839T ES 2435792 T3 ES2435792 T3 ES 2435792T3
Authority
ES
Spain
Prior art keywords
sources
sound
module
signal
coding
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES09803839T
Other languages
English (en)
Inventor
Florent Jaillet
David Virette
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Orange SA
Original Assignee
France Telecom SA
Orange SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by France Telecom SA, Orange SA filed Critical France Telecom SA
Application granted granted Critical
Publication of ES2435792T3 publication Critical patent/ES2435792T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S3/00—Systems employing more than two channels, e.g. quadraphonic
    • H04S3/008—Systems employing more than two channels, e.g. quadraphonic in which the audio signals are in digital form, i.e. employing more than two discrete digital channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2400/00—Details of stereophonic systems covered by H04S but not provided for in its groups
    • H04S2400/11—Positioning of individual sound objects, e.g. moving airplane, within a sound field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2420/00—Techniques used stereophonic systems covered by H04S but not provided for in its groups
    • H04S2420/03—Application of parametric coding in stereophonic audio systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2420/00—Techniques used stereophonic systems covered by H04S but not provided for in its groups
    • H04S2420/07—Synergistic effects of band splitting and sub-band processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S3/00—Systems employing more than two channels, e.g. quadraphonic
    • H04S3/02—Systems employing more than two channels, e.g. quadraphonic of the matrix type, i.e. in which input signals are combined algebraically, e.g. after having been phase shifted with respect to each other

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Stereophonic System (AREA)

Abstract

Procedimiento de codificación de una señal de audio multicanal que representa una escena sonora quecomprende una multitud de fuentes sonoras, caracterizado por que comprende una etapa de descomposición (T) dela señal multicanal en bandas de frecuencia y las siguientes etapas por banda de frecuencia: - obtención (OBT) de datos representativos de la dirección de las fuentes sonoras de la escena sonora; - selección (Selec) de un conjunto de fuentes sonoras de la escena sonora que constituyen las fuentes principales; - adaptación (DiA_M) de los datos representativos de la dirección de las fuentes principales seleccionadas, enfunción de las características de restitución de la señal multicanal, mediante la modificación de la posición de lasfuentes para obtener una distancia mínima entre dos fuentes; - determinación (DiA_M) de una matriz de mezcla de las fuentes principales en función de los datos adaptados; - matrizado (M) de las fuentes principales mediante la matriz determinada para obtener una señal compuesta con unnúmero reducido de canales; - codificación (Cod.Di) de los datos representativos de la dirección de las fuentes sonoras y formación de un flujobinario que comprende los datos codificados, estando el flujo binario adaptado para transmitirse en paralelo a laseñal compuesta.

Description

Codificación perfeccionada de señales digitales de audio multicanal
5 La presente invención se refiere al campo de la codificación/decodificación de señales digitales de audio multicanal.
De manera más particular, la presente invención se refiere a la codificación/decodificación paramétrica de señales de audio multicanal.
Este tipo de codificación/decodificación se basa en la extracción de parámetros de espacialización para que se pueda reconstituir en la decodificación la percepción espacial del oyente.
Este tipo de técnica de decodificación se conoce con el nombre de “Binaural Cue Coding” en inglés (BCC) que busca, por una parte, extraer y a continuación codificar los índices de espacialización auditiva y, por otra parte,
15 codificar una señal monofónica o estereofónica resultante de un matrizado de la señal multicanal original.
Este enfoque paramétrico es una codificación de baja velocidad. La principal ventaja de este enfoque de codificación es que permite una tasa de compresión mejor que los métodos clásicos de compresión de señales digitales de audio multicanal garantizando al mismo tiempo la compatibilidad con versiones anteriores del formato comprimido que se obtiene con los formatos de codificación y los sistemas de difusiones ya existentes.
La norma MPEG Surround que se describe en el documento de la norma MPEG ISO/IEC 23003-1:2007 y en el documento de “Breebaart, J., Hotho, G., Koppens, J., Schuijers, E., Oomen, W. y van de Par, S.”, titulado "Background, concept and architecture for the recent MPEG surround standard on multichannel audio compression"
25 en el Journal of the Audio Engineering Society, 55-5 (2007), págs. 331-351, describe una estructura de codificación paramétrica como la que se representa en la figura 1.
Otro ejemplo de estructura de codificación paramétrica se describe en el documento de Bin Cheng, Christian Ritz e Ian Burnett titulado "Encoding Independent Sources in Spatially Squeezed Surround Audio Coding" en Advances in Multimedia Information Processing - PCM2a7, Lecture Notes in Computer Science Volume, 4.810, 2007, págs. 804
813.
Así pues, la figura 1 describe dicho sistema de codificación/decodificación en el cual el codificador 100 construye una señal compuesta (“downmix” en inglés) Sc mediante el matrizado en 110 de los canales de la señal multicanal
35 original S y suministra a través de un módulo de extracción de parámetros 120, un conjunto reducido de parámetros P que caracterizan el contenido espacial de la señal multicanal original.
En el decodificador 150, la señal multicanal se reconstruye (S’) mediante un módulo de síntesis 160 que tiene en cuenta a la vez la señal compuesta y los parámetros P transmitidos.
La señal compuesta comprende un número reducido de canales. Estos canales se pueden codificar mediante un codificador de audio clásico antes de su transmisión o almacenamiento. Tradicionalmente, la señal compuesta comprende dos canales y es compatible con una difusión estéreo clásica. Antes de su transmisión o almacenamiento, esta señal compuesta puede de este modo codificarse mediante cualquier codificador estéreo
45 clásico. De este modo la señal codificada es entonces compatible con los dispositivos que comprende el decodificador correspondiente que reconstruyen la señal compuesta ignorando los datos espaciales.
Cuando se realiza este tipo de codificación mediante el matizado de una señal multicanal para obtener una señal compuesta, tras la transformación en el espacio frecuencial de la señal multicanal, pueden aparecer problemas de reconstrucción de la señal multicanal.
En efecto, en este caso, no hay necesariamente coherencia espacial entre la señal compuesta y el sistema de restitución en el cual se puede reproducir la señal. Por ejemplo, cuando la señal compuesta contiene dos canales, una restitución estereofónica debe permitir respetar la posición relativa de las fuentes sonoras en el espacio sonoro
55 reconstruido. La posición izquierda/derecha de las fuentes sonoras debe poder respetarse.
Además, tras el matrizado por banda de frecuencia, la señal compuesta resultante se transmite a continuación al decodificador en forma de una señal temporal.
El paso del espacio tiempo-frecuencia al espacio temporal implica unas interacciones entre las bandas de frecuencia y las tramas temporales próximas que introducen fallos y artefactos molestos.
Existe, por lo tanto, la necesidad de una técnica de codificación/decodificación paramétrica por banda de frecuencia que permita limitar los defectos introducidos por los pasos de las señales del campo tiempo-frecuencia al campo
65 temporal y controlar la coherencia espacial entre la señal de audio multicanal y la señal compuesta resultante de un matrizado de fuentes sonoras.
La presente invención viene a mejorar la situación.
Para ello, propone un procedimiento de codificación de una señal de audio multicanal que representa una escena 5 sonora que comprende una multitud de fuentes sonoras. El procedimiento es tal que comprende una etapa de descomposición de la señal multicanal en bandas de frecuencia y las siguientes etapas por banda de frecuencia:
-
obtención de datos representativos de la dirección de las fuentes sonoras de la escena sonora;
10 - selección de un conjunto de fuentes sonoras de la escena sonora constituyendo las fuentes principales;
-
adaptación de los datos representativos de la dirección de las fuentes principales seleccionadas, en función de las características de restitución de la señal multicanal, mediante la modificación de la posición de las fuentes para obtener una distancia mínima entre dos fuentes;
-
determinación de una matriz de mezcla de las fuentes principales en función de los datos adaptados;
-
matrizado de las fuentes principales mediante la matriz determinada para obtener una señal compuesta con un
número reducido de canales; 20
-
codificación de los datos representativos de la dirección de las fuentes sonoras y formación de un flujo binario que comprende los datos codificados, adaptándose el flujo binario para transmitirse en paralelo a la señal compuesta.
De este modo, para la obtención de la señal compuesta, la matriz de mezcla tiene en cuenta los datos de
25 informaciones de dirección de las fuentes. Esto permite adaptar la señal compuesta resultante, para una buena restitución del sonido en el espacio durante la reconstrucción de esta señal en el decodificador. La señal compuesta se adapta entonces a las características de restitución de la señal multicanal y a los eventuales solapamientos de las posiciones de las fuentes sonoras. De este modo se respeta la coherencia espacial entre la señal compuesta y la señal multicanal.
30 La adaptación de los datos que modifican la posición de las fuentes para obtener una distancia mínima entre dos fuentes permite, de este modo, que las dos fuentes que estarían tras la restitución sonora demasiado próximas entre sí, se separen para que la restitución de la señal permita que el oyente diferencie la posición de estas fuentes.
35 Al codificar por separado los datos de dirección y las fuentes sonoras por banda de frecuencia, se saca partido al hecho de que el número de fuentes activas en una banda de frecuencia es por lo general bajo, lo que aumenta los rendimientos de codificación.
No es necesario transmitir otros datos de reconstrucción de la matriz de mezcla al decodificador ya que esta se 40 determinará a partir de los datos de direcciones codificadas.
Los diferentes modos particulares de realización que se exponen a continuación se pueden añadir de forma independiente o combinándose unos con otros, en las etapas del procedimiento de codificación definido con anterioridad.
45 En un modo de realización, los datos representativos de la dirección son informaciones de directividades representativas de la distribución de las fuentes sonoras en la escena sonora.
Las informaciones de directividad asociadas a una fuente dan no solo la dirección de la fuente, sino también la 50 forma, o la distribución espacial, de la fuente, es decir la interacción que puede tener esta fuente con las demás fuentes de la escena sonora.
El conocimiento de estas informaciones de directividades asociado a la señal compuesta va a permitir que el decodificador obtenga una señal de mejor calidad que tiene en cuenta las redundancias entre los canales de manera 55 global y las probables oposiciones de fase entre canales.
En un modo particular de realización, la codificación de las informaciones de directividades se realiza mediante un método de representación paramétrica.
60 Este método tiene una baja complejidad y se adapta en particular al caso de las escenas sonoras de síntesis que representan una situación de codificación ideal.
En otro modo de realización, la codificación de las informaciones de directividad se lleva a cabo mediante un método de análisis de componentes principales que emite unos vectores de directividad de base asociados a unas 65 ganancias que permiten la reconstrucción de las directividades iniciales.
Así pues, esto permite codificar las directividades de escenas sonoras complejas cuya codificación no se puede representar fácilmente mediante un modelo.
En otro modo de realización la codificación de las informaciones de directividad se lleva a cabo mediante la 5 combinación de un método de análisis de componentes principales y de un método de representación paramétrica.
De este modo, se puede, por ejemplo, realizar en paralelo la codificación mediante los dos métodos y seleccionar aquella que responde a un criterio de optimización de la velocidad de codificación, por ejemplo.
10 También se puede realizar estos dos métodos en cascada de tal modo que se codifique simplemente una parte de las directividades mediante el método de codificación paramétrica y para aquellas que no están modelizadas llevar a cabo una codificación mediante el método de análisis de componentes principales, de tal modo que se representen de la mejor manera posible todas las directividades. La distribución del flujo entre los dos modelos de codificación de las directividades se puede seleccionar de acuerdo con un criterio de minimización del error de reconstrucción de las
15 directividades.
En un modo de realización de la invención, el procedimiento comprende, además, la codificación de fuentes secundarias entre las fuentes no seleccionadas de la escena sonora y de inserción de informaciones de codificación de las fuentes secundarias en el flujo binario.
20 La codificación de las fuentes secundarias va a permitir, de este modo, aportar una precisión adicional sobre la señal decodificada, en particular para las señales complejas de tipo, por ejemplo, ambiofónica.
La presente invención también se refiere a un procedimiento de decodificación de una señal de audio multicanal que 25 representa una escena sonora que comprende una multitud de fuentes sonoras, a partir de un flujo binario y de una señal compuesta. El procedimiento es tal que comprende las siguientes etapas.
-
extracción en el flujo binario y decodificación de datos representativos de la dirección de las fuentes sonoras en la
escena sonora; 30
-
adaptación de al menos una parte de los datos de dirección en función de características de restitución de la señal multicanal, mediante la modificación de la posición de las fuentes obtenidas por los datos de dirección, para obtener una distancia mínima entre dos fuentes;
35 - determinación de una matriz de mezcla de la señal compuesta en función de los datos adaptados y cálculo de la inversa de la matriz de mezcla;
-
desmatrizado de la señal compuesta mediante la inversa de la matriz de mezcla para obtener un conjunto de
fuentes principales; 40
-
reconstrucción de la señal de audio multicanal mediante la espacialización al menos de las fuentes principales con los datos extraídos decodificados.
Los datos de direcciones decodificados van a permitir de este modo encontrar la inversa de la matriz de mezcla 45 utilizada por el codificador. Esta matriz de mezcla permite encontrar a partir de la señal compuesta, las fuentes principales que se restituirán en el espacio con una buena coherencia espacial.
La etapa de adaptación permite de este modo encontrar las direcciones de las fuentes que hay que espacializar de tal modo que se obtenga una restitución del sonido que sea coherente con el sistema de restitución.
50 La señal reconstruida se adapta bien por tanto a las características de restitución de la señal multicanal evitando los eventuales solapamientos de las posiciones de las fuentes sonoras.
De este modo, dos fuentes demasiado próximas se separan para restituirse de tal modo que un oyente pueda 55 diferenciarlas.
En un modo de realización, el procedimiento de decodificación comprende, además, las siguientes etapas:
-
extracción del flujo binario, de informaciones de codificación de fuentes secundarias codificadas; 60
-
decodificación de las fuentes secundarias a partir de las informaciones de codificación extraídas;
-
agrupamiento de las fuentes secundarias con las fuentes principales para la espacialización.
65 La decodificación de fuentes secundarias aporta por tanto más precisión en la escena sonora.
La presente invención también se refiere a un codificador de una señal de audio multicanal que representa una escena sonora que comprende una multitud de fuentes sonoras. El codificador es tal que comprende:
- un módulo de descomposición de la señal multicanal en bandas de frecuencia; 5
-
un módulo de obtención de datos representativos de la dirección de las fuentes sonoras de la escena sonora;
-
un módulo de selección de un conjunto de fuentes sonoras de la escena sonora que constituyen las fuentes
principales; 10
-
un módulo de adaptación de los datos representativos de la dirección de las fuentes principales seleccionadas, en función de características de restitución de la señal multicanal, mediante unos medios de modificación de la posición de las fuentes para obtener una distancia mínima entre dos fuentes;
15 - un módulo de determinación de una matriz de mezcla de las fuentes principales en función de los datos resultantes del módulo de adaptación;
-
un módulo de matrizado de las fuentes principales seleccionadas mediante la matriz determinada para obtener una
señal compuesta con un número reducido de canales; 20
-
un módulo de codificación de los datos representativos de la dirección de las fuentes sonoras; y
-
un módulo de formación de un flujo binario que comprende los datos codificados, adaptándose el flujo binario para transmitirse en paralelo a la señal compuesta.
25 Esta se refiere también a un decodificador de una señal de audio multicanal que representa una escena sonora que comprende una multitud de fuentes sonoras, recibiendo en la entrada un flujo binario y una señal compuesta. El decodificador es tal que comprende:
30 - un módulo de extracción y de decodificación de datos representativos de la dirección de las fuentes sonoras en la escena sonora;
-
un módulo de adaptación de al menos una parte de los datos de dirección en función de las características de
restitución de la señal multicanal, mediante unos medios de modificación de la posición de las fuentes que se 35 obtienen mediante los datos de dirección, para obtener una distancia mínima entre dos fuentes;
-
un módulo de determinación de una matriz de mezcla de la señal compuesta en función de los datos resultantes del módulo de adaptación y de cálculo de la inversa de la matriz de mezcla;
40 - un módulo de desmatrizado de la señal compuesta mediante la inversa de la matriz de mezcla para obtener un conjunto de fuentes principales;
-
un módulo de reconstrucción de la señal de audio multicanal mediante la espacialización al menos de las fuentes principales con los datos extraídos decodificados.
45 Esta también se refiere a un programa informático que comprende unas instrucciones de código para la aplicación de las etapas de un procedimiento de codificación como el que se ha descrito y/o de un procedimiento de decodificación como se ha descrito, cuando estas instrucciones las ejecuta un procesador.
50 De manera más general, un medio de almacenamiento, legible por un ordenador o un procesador, integrado o no en el codificador, eventualmente amovible, memoriza un programa informático que aplica un procedimiento de codificación y/o un procedimiento de decodificación de acuerdo con la invención.
Se mostrarán de manera más clara otras características y ventajas de la invención en la lectura de la siguiente 55 descripción, que se da únicamente a título de ejemplo no excluyente, y que se hace en referencia a los dibujos adjuntos, en los que:
-
la figura 1 ilustra un sistema de codificación/decodificación del estado de la técnica de tipo sistema normalizado
MPEG Surround; 60
-
la figura 2 ilustra un codificador y un procedimiento de codificación de acuerdo con un modo de realización de la invención;
-
la figura 3a ilustra un primer modo de realización de la codificación de las directividades de acuerdo con la 65 invención;
- la figura 3b ilustra un segundo modo de realización de la codificación de las directividades de acuerdo con la invención;
-
la figura 4 ilustra un organigrama que representa las etapas de la determinación de una matriz de mezcla de 5 acuerdo con un modo de realización de la invención;
- la figura 5a ilustra un ejemplo de distribución de fuentes sonoras alrededor de un oyente;
-
la figura 5b ilustra la adaptación de la distribución de fuentes sonoras alrededor de un oyente para adaptar los 10 datos de dirección de las fuentes sonoras de acuerdo con un modo de realización de la invención;
-
la figura 6 ilustra un decodificador y un procedimiento de decodificación de acuerdo con un modo de realización de la invención; y
15 - las figuras 7a y 7b representan respectivamente un ejemplo de dispositivo que comprende un codificador y un ejemplo de dispositivo que comprende un decodificador de acuerdo con la invención.
La figura 2 ilustra en forma de diagrama de bloques, un codificador de acuerdo con un modo de realización de la invención así como las etapas de un procedimiento de codificación de acuerdo con un modo de realización de la
20 invención.
Todos los tratamientos en este codificador se llevan a cabo por trama temporal. En aras de la simplificación, la representación y la descripción del codificador tal y como se representa en la figura 2 se hace considerando el tratamiento realizado en una trama temporal fija, sin que aparezca la dependencia temporal en las anotaciones.
25 Sin embargo, un mismo tratamiento se aplica de forma sucesiva a todas las tramas temporales de la señal.
Así pues, el codificador que se ilustra comprende un módulo de transformada tiempo-frecuencia 210 que recibe en la entrada una señal multicanal original que representa una escena sonora que comprende una multitud de fuentes
30 sonoras.
Este módulo lleva a cabo una etapa T de cálculo de la transformada tiempo-frecuencia de la señal multicanal original Sm. Esta transformada se realiza, por ejemplo, mediante una transformada de Fourier a corto plazo.
35 Para ello, cada uno de los nx canales de la señal original se visualiza en la trama temporal actual, a continuación se calcula la transformada de Fourier F de la señal visualizada mediante un algoritmo de cálculo rápido en nFFT puntos. De este modo se obtiene una matriz X compleja de tamaño nFFT x nx que contiene los coeficientes de la señal multicanal original en el espacio frecuencial.
40 A continuación los tratamientos que lleva a cabo el codificador se realizan por banda de frecuencia. Para ello, se corta la matriz de los coeficientes X en un conjunto de sub-matrices Xj conteniendo cada una los coeficientes de frecuencia en la j-ésima banda.
Existen diferentes opciones para el corte de frecuencia de las bandas. Con el fin de garantizar que el tratamiento se
45 aplique en señales reales, se selecciona unas bandas simétricas con respecto a la frecuencia nula en la transformada de Fourier a corto plazo. Además, con el fin de optimizar la eficacia de codificación, se da preferencia a la elección de bandas de frecuencia que se aproximan a las escalas de frecuencia aconsejadas, por ejemplo seleccionado unos anchos de banda constantes en las escalas ERB (por “Equivalent Rectangular Bandwitdth” en inglés) o Bark.
50 En aras de la simplificación, la descripción de las etapas de codificación que lleva a cabo el codificador se hará para una banda de frecuencia dada. Por supuesto, las etapas se realizan para cada una de las bandas de frecuencia que hay que tratar.
55 A la salida del módulo 210, se obtiene, por lo tanto, la señal para una banda de frecuencia dada Sfj.
Un módulo de obtención de datos de direcciones de las fuentes sonoras 220 permite determinar mediante una etapa OBT, por una parte, los datos de dirección asociados a cada una de las fuentes de la escena sonora y, por otra parte, determinar las fuentes de la escena sonora para la banda de frecuencia dada.
60 Los datos de direcciones pueden ser, por ejemplo, unos datos de dirección de llegada de una fuente que corresponden a la posición de la fuente.
Los datos de este tipo se describen, por ejemplo, en el documento de M. Goodwin y J.-M. Jot, “Analysis and 65 synthesis for universal spatial audio coding”, 121º AES Convention, octubre de 2006.
En otro modo de realización, los datos de las direcciones son unos datos de diferencias de intensidad entre las fuentes sonoras. Estas diferencias de intensidad permiten definir unas posiciones medias de las fuentes. Toman, por ejemplo, la apelación CLD (por “Channel Level Differences” en inglés) para el codificador normalizado MPEG Surround.
5 En el modo de realización que se describe aquí en detalle, los datos representativos de las direcciones de las fuentes son informaciones de directividades.
Las informaciones de directividades son representativas de la distribución espacial de las fuentes sonoras en la 10 escena sonora.
Las directividades son unos vectores con una dimensión igual al número ns de canales de la señal multicanal Sm.
Cada fuente está asociada a un vector de directividad.
15 Para una señal multicanal, el vector de directividad asociado a una fuente corresponde a la función de ponderación que hay que aplicar a esta fuente antes de reproducirla por un altavoz, de tal modo que se reproduzca lo mejor posible una dirección de llegada y un ancho de fuente.
20 Se entiende fácilmente que para un número muy elevado de altavoces separados de forma regular, el vector de directividad permite representar fielmente la radiación de una fuente sonora. En presencia de una señal ambiofónica, el vector de directividad se obtiene mediante la aplicación de una transformada de Fourier inversa esférica sobre los componentes de las órdenes ambiofónicas. En efecto, las señales ambiofónicas corresponden a una descomposición en harmónicos esféricos, de ahí la correspondencia directa con las directividad de las fuentes.
25 El conjunto de los vectores de directividad constituye, por lo tanto, una importante cantidad de datos que sería demasiado costoso de transmitir directamente para unas aplicaciones de baja velocidad de codificación. Para reducir la cantidad de información que hay que transmitir, se pueden utilizar por ejemplo dos métodos de representación de las directividades.
30 De este modo el módulo 230 de codificación Cod.Di de las informaciones de directividades puede aplicar uno de los dos métodos que se describen a continuación o incluso una combinación de los dos métodos.
Un primer método es un método de modelización paramétrica que permite sacar partido de los conocimientos a
35 priori sobre el formato de señal utilizado. Esta consiste en transmitir únicamente un número muy reducido de parámetros y en reconstruir las directividades en función de modelos de codificación conocidos.
Por ejemplo, se trata de sacar provecho de los conocimientos sobre la codificación de las ondas planas para unas señales de tipo ambiofónica para transmitir únicamente el valor de la dirección (azimut y elevación) de la fuente. Con
40 estas informaciones, es entonces posible reconstruir la directividad correspondiente a una onda plana procedente de esta dirección.
Por ejemplo, para una orden ambiofónica definida, se conoce la directividad asociada en función de la dirección de llegada de la fuente sonora. Existen numerosos métodos de estimación de los parámetros del modelo. Así pues, una
45 búsqueda de picos en el diagrama de directividad (por analogía con el análisis sinusoidal, tal y como se explica, por ejemplo, en el documento “Modélisation informatique du son musical (analyse, transformation, synthèse)” de Sylvain Marchand, PhD thesis, Université Bordeaux 1, permite detectar de una manera relativamente fiel la dirección de llegada.
50 En este contexto también se pueden utilizar otros métodos como el “matching pursuit”, tal y como se presenta en S. Mallat, Z. Zhang, Matching pursuit with time-frequency dictionaries, IEEE Transactions on Signal Processing 41 (1993), págs. 3.397-3.415, o el análisis espectral paramétrico.
Una representación paramétrica también puede utilizar un diccionario de forma simple para representar las
55 directividades. En la codificación de las directividades, se asocia a un elemento del diccionario un dato, por ejemplo el azimut correspondiente, y una ganancia que permite jugar con la amplitud de este vector de directividad del diccionario. De este modo se puede, a partir de un diccionario de forma de directividad, deducir la mejor forma o la combinación de formas que permitirá reconstruir lo mejor posible la directividad inicial.
60 Para la aplicación de este primer método, el módulo 230 de codificación de las directividades comprende un módulo de modelización paramétrica que da en la salida unos parámetros de directividades P. Estos parámetros se cuantifican a continuación mediante el módulo de cuantificación 240.
Este primer método permite obtener un muy buen nivel de compresión cuando la escena corresponde a una 65 codificación ideal. Este será el caso en particular en las escenas sonoras de síntesis.
Sin embargo, para las escenas complejas o procedentes de tomas de sonido microfónicas, es necesario utilizar unos modelos de codificación más genéricos, que implican la transmisión de una mayor cantidad de informaciones.
El segundo método que se describe a continuación permite superar este inconveniente. En este segundo método, la
5 representación de las informaciones de directividad se lleva a cabo en forma de combinación lineal de un número limitado de directividades de base. Este método se basa en el hecho de que el conjunto de las directividades en un instante dado tiene por lo general una dimensión reducida. En efecto, solo un número reducido de fuentes se activa en un instante dado y la directividad para cada fuente varía poco con la frecuencia.
10 De este modo se puede representar el conjunto de las directividades en un grupo de bandas de frecuencia a partir de un número más reducido de directividades de base bien seleccionadas. Los parámetros que se transmiten son entonces los vectores de directividad de base para el grupo de bandas consideradas, y para cada directividad que hay que codificar, los coeficientes que hay que aplicar a las directividades de base para reconstruir la directividad considerada.
15 Este método se basa en un método de análisis de componentes principales (ACP o PCA en inglés por “Principal Component Analysis”). Esta herramienta la desarrolla ampliamente I. T. Jolliffe en “Principal Component Analysis”, Springer, 2002. La aplicación del análisis de componentes principales en la codificación de las directividades se lleva a cabo de la siguiente manera: en primer lugar, se forma una matriz de las directividades iniciales Di, cuyo número
20 de líneas corresponde al número total de fuentes de la escena sonora, y el número de columnas corresponde al número de canales de la señal multicanal original. A continuación, se lleva a cabo el análisis propiamente dicho de componentes principales que corresponde a la diagonalización de la matriz de covarianza, y que da la matriz de vectores propios. Por último, se seleccionan los vectores propios portadores de la parte de información más importante y que corresponden a los valores propios de valor más alto. El número de vectores propios que hay que
25 conservar puede ser fijo o variable en el tiempo en función de la velocidad disponible. Esta nueva base da, por lo tanto, la matriz DBT. Los coeficientes de ganancia asociados a esta base se calculan fácilmente a partir de GD = Di.DBT.
En este modo de realización, la representación de las directividades se lleva a cabo, por lo tanto, a partir de
30 directividades de base. La matriz de las directividades Di se escribe como la combinación lineal de estas directividades de base. De este modo, se puede escribir Di = GDDB, en la que DB es la matriz de las directividades de base para el conjunto de las bandas y GD la matriz de las ganancias asociadas. El número de líneas de esta matriz representa el número total de fuentes de la escena sonora y el número de columnas representa el número de vectores de directividad de base.
35 En una variante de este modo de realización, las directividades de base se envían por grupo de bandas consideradas, con el fin de representar de manera más fiel las directividades. Se puede, por ejemplo, proporcionar dos grupos de directividad de base: una para las bajas frecuencias y una para las altas frecuencias. El límite entre estos dos grupos se puede seleccionar, por ejemplo, entre 5 y 7 kHz.
40 De este modo, para cada banda de frecuencia, se transmite el vector de ganancia asociado a las directividades de base.
Para este modo de realización, el módulo de codificación 230 comprende un módulo de análisis de componentes
45 principales que suministra unos vectores de directividades de base DB y unos coeficientes o vectores de ganancia asociados GD.
De este modo, tras el ACP, se codificará y se transmitirá un número limitado de vectores de directividad. Para ello, se utiliza una cuantificación escalar que lleva a cabo el módulo de cuantificación 240, de los coeficientes y de los
50 vectores de directividades de base. El número de vectores de base que hay que transmitir se podrá fijar, o bien seleccionarse en el codificador utilizando, por ejemplo, un umbral sobre el error cuadrático medio entre la directividad original y la directividad reconstruida. De este modo, si el error es inferior al umbral, el o los vector(es) de base hasta entonces seleccionado(s) es (son) suficiente(s), no es por tanto necesario codificar un vector de base adicional.
55 En unas variantes de realización, la codificación de las directividades se realiza mediante una combinación de dos representaciones que se exponen a continuación. La figura 3a ilustra, de forma detallada, el bloque de codificación de directividades 230, en una primera variante de realización.
60 Este modo de codificación utiliza los dos esquemas de representación de las directividades. De este modo, un módulo 310 lleva a cabo una modelización paramétrica tal y como se ha explicado con anterioridad para suministrar unos parámetros de directividades (P).
Un módulo 320 lleva a cabo un análisis de componentes principales para suministrar a la vez unos vectores de 65 directividades de base (DB) y unos coeficientes asociados (GD).
En esta variante un módulo de selección 330 selecciona, banda de frecuencia por banda de frecuencia, el mejor modo de codificación para la directividad seleccionando el mejor equilibrio reconstrucción de las directividades/velocidad.
5 Para cada directividad, la elección de la representación escogida (representación paramétrica o por combinación lineal de directividades de base) se hace de tal modo que se optimice la eficacia de la compresión.
Un criterio de selección es, por ejemplo, la minimización del error cuadrático medio. Una ponderación perceptual se puede utilizar eventualmente para la elección del modo de codificación de la directividad. Esta ponderación tiene
10 como objetivo, por ejemplo, favorecer la reconstrucción de las directividades en la zona frontal, para la cual el oído es más sensible. En este caso, la función de error que hay que minimizar en el caso del modelo de codificación mediante el ACP se puede poner de la siguiente forma:
E = (W(Di - GDDB))2 15 siendo Di las directividades originales y W, la función de ponderación perceptual.
Los parámetros de directividades resultantes del módulo de selección se cuantifican a continuación mediante el módulo de cuantificación 240 de la figura 2.
20 En una segunda variante del bloque de codificación 230, los dos modos se siguen en cascada. La figura 3b ilustra en detalle este bloque de codificación. De este modo, en esta variante de realización, un módulo 340 de modelización paramétrica lleva a cabo una modelización para un determinado número de directividades y suministra en la salida a la vez unos parámetros de directividades (P) para las directividades modelizadas y unas directividades
25 no modelizadas o directividades residuales DiR.
Estas directividades residuales (DiR) se codifican mediante un módulo de análisis de componentes principales 350 que suministra en la salida unos vectores de directividades de base (DB) y unos coeficientes asociados (GD).
30 Los parámetros de directividades, los vectores de directividades así como los coeficientes se suministran en la entrada del módulo de cuantificación 240 de la figura 2.
La cuantificación C se lleva a cabo reduciendo la precisión en función de datos sobre la percepción, y a continuación aplicando una codificación entrópica. También las posibilidades de aprovechamiento de la redundancia entre bandas
35 de frecuencia o entre tramas sucesivas pueden permitir reducir la velocidad. Se pueden utilizar, por lo tanto, unas predicciones intra-tramas o inter-tramas. De manera general, se podrán utilizar los métodos clásicos de cuantificación. Por otra parte, al ser ortonormales los vectores que hay que cuantificar, esta propiedad se podrá utilizar en la cuantificación escalar de las componentes del vector. En efecto, para un vector de dimensión N, solo deberán cuantificarse N-1 componentes, pudiendo recalcularse la última componente.
40 De este modo, a la salida del módulo de codificación 230 de los datos de direcciones Di de la figura 2, los parámetros destinados al decodificador se decodifican mediante el módulo interno de decodificación 235 para encontrar las mismas informaciones que tendrá el decodificador tras la recepción de los datos de direcciones codificadas para las fuentes principales seleccionadas por el módulo 260 que se describe más adelante. De este
45 modo se obtienen las direcciones principales.
Cuando se trata de datos de direcciones en forma de dirección de llegada de las fuentes, la información se puede tener en cuenta tal cual.
50 Cuando los datos están en forma de diferencia de intensidad entre las fuentes, se realiza una etapa de cálculo de la posición media de las fuentes para utilizar esta información en el módulo de determinación de la matriz de mezcla
275.
Por último, cuando los datos son unas informaciones de directividades, el módulo 235 determina una posición única
55 por fuente llevando a cabo una media de las directividades. Esta media se puede calcular, por ejemplo, como el baricentro del vector de directividad. Estas posiciones únicas o direcciones principales las utiliza a continuación el módulo 275.
Esto determina en un primer momento, las direcciones de las fuentes principales y las adapta en función del criterio 60 de coherencia espacial, al conocer el sistema de restitución de la señal multicanal.
En el caso de una restitución esterofónica, por ejemplo, la restitución se lleva a cabo por dos altavoces situados por delante del oyente.
65 En este caso, las etapas que aplica el módulo 275 se describen en referencia a la figura 4.
De este modo, a partir de las informaciones sobre la posición de las fuentes, así como el conocimiento de las características de restitución, las fuentes situadas detrás del oyente se llevan hacia delante en la etapa E30 de la figura 4.
5 En referencia a las figuras 5a y 5b, se ilustran las etapas de adaptación de la posición de las fuentes. De este modo, la figura 5a representa una escena sonora original con 4 fuentes sonoras (A, B, C y D) distribuidas alrededor del oyente.
Las fuentes C y D se sitúan detrás del oyente centrado en el centro del círculo. Las fuentes C y D se llevan a la parte de delante de la escena por simetría.
La figura 5b ilustra, en forma de flechas, esta operación.
La etapa E31 de la figura 4 lleva a cabo una prueba para saber si la operación anterior genera un solapamiento de
15 las posiciones de las fuentes en el espacio. En el ejemplo de la figura 5b, este es, por ejemplo, el caso para las fuentes B y D que tras la operación de la etapa E30 se sitúan a una distancia que no permite diferenciarlas.
Si existen fuentes en esta situación (prueba positiva de la etapa E31), la etapa E32 modifica la posición de una de las dos fuentes en cuestión para situarla a una distancia mínima emin que permite que el oyente diferencie estos interlocutores. La separación se hace de forma simétrica con respecto al punto equidistante de las dos fuentes para minimizar el desplazamiento de cada una. Si las fuentes se sitúan demasiado cerca del límite de la imagen sonora (extremo izquierdo o derecho), se sitúa la fuente más próxima a este límite en esta posición límite, y se coloca la otra fuente con la distancia mínima con respecto a la primera fuente.
25 En el ejemplo que se ilustra en la figura 5b, es la fuente B la que se desplaza de tal modo que la distancia emin separa las fuentes B y D.
Si la prueba de la etapa E31 es negativa, las posiciones de las fuentes se mantienen y se aplica la etapa E33. Esta etapa consiste en construir una matriz de mezcla a partir de las informaciones de posiciones de las fuentes así definidas en las etapas anteriores.
En el caso de una restitución de la señal mediante un sistema de tipo 5.1, los altavoces se distribuyen alrededor del oyente. No es, por tanto, necesario aplicar la etapa E30 que desplaza las fuentes situadas detrás del oyente hacia delante.
35 Por el contrario, se puede realizar la etapa E32 de modificación de las distancias entre dos fuentes. En efecto, cuando se quiere situar una fuente sonora entre dos altavoces del sistema de restitución 5.1, puede suceder que se sitúen dos fuentes a una distancia que no permite que el oyente las diferencie.
Las direcciones de las fuentes se modifican, por lo tanto, para obtener una distancia mínima entre dos fuentes, tal y como se ha explicado con anterioridad.
La matriz de mezcla se determina, por lo tanto, en la etapa E33, en función de las direcciones obtenidas tras o sin modificaciones.
45 Esta matriz se construye de tal modo que garantice la coherencia espacial de la señal compuesta, es decir si esta se restituye sola, la señal compuesta permite ya obtener una escena sonora en la que se respeta la posición relativa de las fuentes sonoras: una fuente frontal en la escena original se percibirá bien frente al oyente, una fuente a la izquierda se percibirá a la izquierda, una fuente más a la izquierda también se percibirá más a la izquierda, lo mismo sucede a la derecha.
Con estos nuevos valores de ángulo, se construye una matriz invertible.
Las diferentes variantes de opción de matriz de mezcla están vinculadas a las diferentes leyes de distribución
55 espacial o “panning” en inglés (ley seno, tangente, etc.) presentadas en “Spatial sound generation and perception by amplitude panning techniques”, PhD thesis, Helsinki University of Technology, Espoo, Finlandia, 2001, V. Pulkki.
Se puede, por ejemplo, de manera ventajosa elegir representar los canales de la derecha con una forma de seno y los canales de la izquierda con una forma de coseno, de tal modo que esta matriz sea reversible.
Por otra parte, para que las posiciones extremas (-45º y 45º) estén bien representadas, se pueden seleccionar por ejemplo unos coeficientes de ponderación puestos en 1 para el canal de la izquierda y en 0 para el canal de la derecha para representar la señal en la posición -45º y a la inversa para representar la señal en 45º.
65 Para que la posición central en 0º esté bien representada, los coeficientes de matrizado para el canal de la izquierda y para el canal de la derecha deben ser iguales.
A continuación se explica un ejemplo de determinación de la matriz de mezcla.
Al escoger la ley de “panning” como una ley tangente, se calculan las ganancias asociadas a una fuente para una 5 señal compuesta estereofónica (2 canales) de la siguiente manera:
gGs1 = cos θs1
gDs2 = sen θs1 10 siendo θs1 el ángulo entre la fuente 1 y el altavoz izquierdo, considerando una apertura entre los altavoces de 90º. La señal compuesta Ssfi se obtiene, por lo tanto, mediante la siguiente operación: 15 Ssfi = Sprinc M con
20 Volviendo a la descripción de la figura 2, el codificador tal y como se describe en este caso comprende, además, un módulo de selección 260 adaptado para seleccionar en la etapa Selec unas fuentes principales (Sprinc) entre las fuentes de la escena sonora que hay que codificar (Stot).
25 Para ello, un modo particular de realización utiliza un método de análisis de componentes principales, ACP, en cada banda de frecuencia en el bloque 220 para extraer todas las fuentes de la escena sonora (Stot). Este análisis permite clasificar las fuentes en sub-bandas por orden de importancia de acuerdo con el nivel de energía, por ejemplo.
Las fuentes más importantes (por lo tanto con mayor energía) se seleccionan entonces mediante el módulo 260 para 30 constituir las fuentes principales (Sprinc), que matriza a continuación el módulo 270 mediante la matriz M tal y como la define el módulo 275, para construir una señal compuesta (Scfi) (o “downmix” en inglés).
Esta señal compuesta por banda de frecuencia se somete a una transformada tiempo-frecuencia T-1 mediante el módulo de transformada inversa 290 con el fin de suministrar una señal compuesta temporal (Sc). Esta señal 35 compuesta se codifica a continuación mediante un codificador de palabras o un codificador de audio del estado de la técnica (por ejemplo: G.729.1 o MPEG-4 AAC).
Se pueden codificar las fuentes secundarias (Ssec) mediante un módulo de codificación 280 y añadirse al flujo binario en el módulo de construcción de flujo binario 250.
40 Para estas fuentes secundarias, es decir las fuentes que no se transmiten directamente en la señal compuesta, existen diferentes alternativas de tratamientos.
Al considerarse estas fuentes como no esenciales en la escena sonora, pueden no transmitirse.
45 Sin embargo, es posible codificar una parte o la totalidad de estas fuentes secundarias mediante el módulo de codificación 280 que puede, en un modo de realización, ser un módulo de codificación por transformada de Fourier a corto plazo. Estas fuentes se pueden codificar a continuación por separado utilizando los codificadores de audio o de palabra mencionados con anterioridad.
50 En una variante de esta codificación, se pueden codificar directamente los coeficientes de la transformada de estas fuentes secundarias solo en las bandas en las que se considera que son importantes.
Las fuentes secundarias se pueden codificar mediante unas representaciones paramétricas, estas representaciones 55 pueden ser en forma de envolvente espectral o de envolvente temporal.
Estas representaciones se codifican en la etapa Cod.Ssec del módulo 280 y se insertan en la etapa Con.Fb del módulo 250, en el flujo binario con las informaciones de directividades codificadas cuantificadas. Estas representaciones paramétricas constituyen entonces unas informaciones de codificación de las fuentes secundarias.
60 En el caso de algunas señales multicanal, en particular de tipo ambiofónico, el codificador tal y como se ha descrito aplica una etapa adicional de pre-tratamiento P mediante un módulo de pre-tratamiento 215.
Este módulo lleva a cabo una etapa de cambio de base con el fin de expresar la escena sonora utilizando la descomposición en ondas planas del campo acústico.
La señal ambiofónica original se ve como la transformada de Fourier angular de un campo sonoro. De este modo,
5 las diferentes componentes representan los valores para las diferentes frecuencias angulares. La primera operación de descomposición en ondas planas corresponde, por lo tanto, a considerar que la componente omnidireccional de la señal ambiofónica representa la frecuencia angular nula (esta componente es, por lo tanto, una componente real). A continuación, las componentes ambiofónicas siguientes (orden 1, 2, 3, etc.) se combinan para obtener los coeficientes complejos de la transformada de Fourier angular.
10 Para una descripción más precisa del formato ambiofónico, se podrá remitir a la tesis de Jérôme Daniel, titulada “Représentation de champs acoustiques, application à la transmission et à la reproduction de scènes sonores complexes dans un contexte multimédia”, 2011, Paris 6.
15 Así pues, para cada orden ambiofónica superior a 1 (en 2 dimensiones), la primera componente representa la parte real, y la segunda componente representa la parte imaginaria. Para una representación bidimensional, para una orden O, se obtienen O+1 componentes complejas. Se aplica a continuación una Transformada de Fourier a Corto Plazo (en la dimensión temporal) para obtener las transformadas de Fourier (en el campo frecuencial) de cada harmónico angular, esta etapa integra entonces la etapa de transformación T del módulo 210. A continuación, se
20 construye la transformada angular completa recreando los harmónicos de frecuencias negativas por simetría hermitiana. Por último, se realiza una transformada de Fourier inversa en la dimensión de las frecuencias angulares para pasar al campo de las directividades.
Esta etapa de pre-tratamiento P permite que el codificador trabaje en un espacio de señales cuya interpretación
25 física y perceptiva se simplifica, lo que permite sacar provecho de manera más eficaz de los conocimientos sobre la percepción auditiva espacial y de este modo mejorar los rendimientos de codificación. La codificación de las señales ambiofónicas sigue siendo, no obstante, posible sin esta etapa de pre-tratamiento.
Para las señales no-resultantes de las técnicas ambiofónicas, esta etapa no es necesaria. Para estas señales, el
30 conocimiento del sistema de captación o de restitución asociado a la señal permite interpretar directamente las señales como una descomposición en ondas planas del campo acústico.
La figura 6 describe a continuación un decodificador y un procedimiento de decodificación en un modo de realización de la invención.
35 Este decodificador recibe en la entrada el flujo binario Fb tal y como se construye mediante el codificador descrito con anterioridad así como la señal compuesta Sc.
De la misma forma que para el codificador, todos los tratamientos se llevan a cabo por trama temporal. Para
40 simplificar las anotaciones, la siguiente descripción del decodificador únicamente describe el tratamiento que se realiza en una trama temporal fija y no muestra la dependencia temporal en las anotaciones. En el codificador, este tratamiento se aplica, sin embargo, de forma sucesiva a todas las tramas temporales de la señal.
El codificador así descrito comprende un módulo 650 de decodificación Decod.Fb de las informaciones contenidas 45 en el flujo binario Fb recibido.
Las informaciones de direcciones y, de manera más particular en este caso, de directividades se extraen, por lo tanto, del flujo binario.
50 Las salidas posibles de este módulo de decodificación del flujo binario dependen de los métodos de codificación de las directividades utilizadas en la codificación. Esta pueden ser en forma de vectores de directividades de base DB y de coeficientes asociados GD y/o de los parámetros de modelización P.
Estos datos se transmiten entonces a un módulo de reconstrucción de las informaciones de directividades 660 que
55 lleva a cabo la decodificación de las informaciones de directividades mediante unas operaciones inversas a las que se realizan en la codificación.
El número de directividad que hay que reconstruir es igual al número ntot de fuentes en la banda de frecuencia considerada, asociándose cada fuente a un vector de directividad.
60 En el caso de la representación de las directividades a partir de la directividad de base, la matriz de las directividades Di se escribe como la combinación lineal de estas directividades de base. De este modo, se puede escribir Di = GDDB, en la que DB es la matriz de las directividades de base para el conjunto de las bandas y GD la matriz de las ganancias asociadas. Esta matriz de ganancia tiene un número de líneas igual al número total de
65 fuentes ntot, y un número de columnas igual al número de vectores de directividad de base.
En una variante de este modo de realización, las directividades de base se decodifican por grupo de bandas de frecuencia consideradas, con el fin de representar de forma más fiel las directividades. Tal y como se ha explicado para la codificación, se pueden proporcionar, por ejemplo, dos grupos de directividades de base: uno para las bajas frecuencias y uno para las altas frecuencias. A continuación se decodifica un vector de ganancias asociadas a las
5 directividades de base para cada banda.
Al final se reconstruyen tantas directividades como fuentes. Estas directividades se agrupan en una matriz Di en la que las líneas corresponden a los valores de ángulo (tantos valores de ángulo como canales en la señal multicanal que hay que reconstruir), y cada columna corresponde a la directividad de la fuente correspondiente, es decir que la columna r de Di da la directividad de la fuente que está en la columna r de S.
Un módulo 690 de definición de las direcciones principales de las fuentes y de determinación de la matriz N de mezcla recibe estas informaciones de direcciones o de directividades decodificadas.
15 Este módulo calcula, en primer lugar, las direcciones principales realizando, por ejemplo, una media de las directividades recibidas para encontrar las direcciones. En función de estas direcciones, se determina una matriz de mezcla, inversa a la que se ha utilizado para la codificación.
Al conocer las leyes de “panning” utilizadas para la matriz de mezcla en el codificador, el decodificador es capaz de reconstruir la inversa de la matriz de mezcla con las informaciones de direcciones que corresponden a las direcciones de las fuentes principales.
La información de directividad se transmite por separado para cada fuente. De este modo, en el flujo binario, se identifican bien las directividades relativas a las fuentes principales y las directividades de las fuentes secundarias.
25 Hay que señalar que este decodificador no precisa otras informaciones para calcular esta matriz ya que depende de las informaciones de direcciones que se reciben en el flujo binario.
El mismo algoritmo que se ha descrito en referencia a la figura 4 se aplica entonces en el módulo 690 para encontrar la matriz de mezcla que se adapta a la restitución prevista para la señal compuesta.
El número de líneas de la matriz N corresponde al número de canales de la señal compuesta, y el número de columnas corresponde al número de fuentes principales transmitidas.
35 La matriz inversa N tal y como se ha definido la utiliza a continuación el módulo de desmatrizado 620.
El decodificador recibe, por lo tanto, en paralelo al flujo binario, la señal compuesta Sc. Esta se somete a una primera etapa de transformada tiempo-frecuencia T mediante el módulo de transformada 610 para obtener una señal compuesta por banda de frecuencia Scfi.
Esta transformada se realiza utilizando, por ejemplo, la transformada de Fourier a corto plazo. Hay que señalar que también se pueden utilizar otras transformadas o bancos de filtros y, en particular, unos bancos de filtros no uniformes de acuerdo con una escalda de percepción (p. ej. Bark). Hay que señalar que para evitar discontinuidades en la reconstrucción de la señal a partir de esta transformada, se utiliza un método de solapamiento y suma.
45 Para la trama temporal considerada, la etapa de cálculo de la transformada de Fourier a corto plazo consiste en mostrar cada uno de los nf canales de la señal compuesta Sc por medio de una ventana w con una longitud superior a la trama temporal, a continuación en calcular la transformada de Fourier de la señal mostrada por medio de un algoritmo de cálculo rápido en nFFT puntos. De este modo se obtiene una matriz F compleja de tamaño nFFT x nf que contiene los coeficientes de la señal compuesta en el espacio frecuencial.
De aquí en adelante, el conjunto del tratamiento se lleva a cabo por bandas de frecuencia. Para ello, se divide la matriz de los coeficientes F en un conjunto de sub-matrices Fj conteniendo cada una los coeficientes de frecuencia en la j-ésima banda. Existen diferentes opciones para la división de frecuencias de las bandas. Con el fin de
55 garantizar que se aplica el tratamiento en las señales reales, se seleccionan unas bandas simétricas con respecto a la frecuencia nula en la transformada de Fourier a corto plazo. Además, con el fin de optimizar la eficacia de decodificación, se da preferencia a la elección de bandas de frecuencias que se aproximan a las escalas de frecuencia recomendadas, por ejemplo seleccionando unos anchos de banda constante en las escalas ERB o Bark.
En aras de la simplificación, la descripción de las etapas de decodificación que lleva a cabo el decodificador se realizará para una banda de frecuencia dada. Se sobreentiende que las etapas se llevan a cabo para cada una de las bandas de frecuencia que hay que tratar.
Los coeficientes de frecuencia de la transformada de la señal compuesta de la banda de frecuencia considerada se
65 matrizan mediante el módulo 620 por la matriz N determinada de acuerdo con la etapa de determinación descrita con anterioridad de tal modo que se encuentren las fuentes principales de la escena sonora.
De manera más precisa, la matriz Sprinc de los coeficientes de frecuencia para la banda de frecuencia actual de las nprinc fuentes principales se obtiene de acuerdo con la relación:
5 Sprinc = BN, en la que N tiene un tamaño nf x nprinc y B es una matriz de tamaño nbin x nf, en la que nbin es el número de componentes (o bins) de frecuencia seleccionados en la banda de frecuencia considerada.
Las líneas de B son las componentes de frecuencia en la banda de frecuencia actual, las columnas corresponden a los canales de la señal compuesta. Las líneas de Sprinc son las componentes de frecuencia en la banda de frecuencia actual, y cada columna corresponde a una fuente principal.
Cuando la escena es compleja, puede suceder que el número de fuentes que hay que reconstruir en la banda de frecuencia actual para obtener una reconstrucción satisfactoria de la escena sea superior al número de canales de la señal compuesta.
15 En este caso, se codifican unas fuentes adicionales o secundarias y luego se decodifican a partir del flujo binario para la banda actual mediante el módulo 650 de decodificación del flujo binario.
Este módulo de decodificación decodifica entonces, además de las informaciones de directividades, las fuentes secundarias.
La decodificación de las fuentes secundarias se lleva a cabo mediante las operaciones inversas a las que se han realizado en la codificación.
25 Sea cual sea el método de codificación que se ha escogido para las fuentes secundarias, si se han trasmitido en el flujo binario para la banda actual unos datos de reconstrucción de las fuentes secundarias, los datos correspondientes se decodifican para reconstruir la matriz Ssec de los coeficientes de frecuencia en la banda actual de las nsec fuentes secundarias. La forma de la matriz Ssec es similar a la matriz Sprinc, es decir que las líneas son las componentes de frecuencia en la banda de frecuencia actual y cada columna corresponde a una fuente secundaria.
De este modo se puede construir la matriz completa S en 680, los coeficientes de frecuencia del conjunto de las ntot = nprinc + nsec fuentes necesarias para la reconstrucción de la señal multicanal en la banda considerada, obtenida al agrupar las dos matrices Sprinc y Ssupp de acuerdo con la relación S = (Sprinc Ssupp). S es, por lo tanto, una matriz de tamaño nbin x ntot. También la forma es idéntica a las matrices Sprinc y Ssupp: las líneas son las componentes de
35 frecuencia en la banda de frecuencia actual, cada columna es una fuente, con ntot fuentes en total.
A partir de la matriz S de los coeficientes de las fuentes y de la matriz Di de las directividades asociadas, se calculan en el módulo de espacialización 630 los coeficientes de frecuencia de la señal multicanal reconstruida en la banda, de acuerdo con la relación:
Y = SDT, en la que Y es la señal reconstruida en la banda. Las líneas de la matriz Y son las componentes de frecuencia en la banda de frecuencia actual, y cada columna corresponde a una canal de la señal multicanal que hay que reconstruir.
45 Al reproducir el mismo tratamiento en cada una de las bandas de frecuencia, se reconstruyen las transformadas de Fourier completas de los canales de la señal que hay que reconstruir para la trama temporal actual. Las señales temporales correspondientes se obtienen entonces mediante transformada de Fourier inversa T-1, por medio de un algoritmo rápido que aplica el módulo de transformada inversa 640.
De este modo se obtiene la señal multicanal Sm en la trama temporal actual. Las diferentes tramas temporales se combinan a continuación mediante el método clásico de solapamiento y suma (u “overlap-add” en inglés) para reconstruir la señal multicanal completa.
De manera general, se podrán utilizar unos suavizados temporales o frecuenciales de los parámetros tanto en el
55 análisis como en la síntesis para garantizar unas transiciones suaves en la escena sonora. Se podrá reservar una señalización de cambio brusco de la escena sonora en el flujo binario para evitar los suavizados del decodificador en caso de una detección de un cambio rápido de la composición de la escena sonora. Por otra parte, se pueden utilizar los métodos clásicos de adaptación de la resolución del análisis tiempo-frecuencia (cambio de tamaño de las ventanas de análisis y de síntesis a lo largo del tiempo).
De la misma manera que en el codificador, un módulo de cambio de base puede llevar a cabo un pre-tratamiento para obtener una descomposición en ondas planas de las señales, un módulo de cambio de base 670 lleva a cabo la operación inversa P-1 a partir de las señales en ondas planas para encontrar la señal multicanal original.
65 Los codificadores y decodificadores tal y como se ha descrito en referencia a las figuras 2 y 6 se pueden integrar en un equipo multimedia de tipo decodificador de salón, ordenador o incluso equipo de comunicación como un teléfono
móvil o una agenda personal electrónica.
La figura 7a representa un ejemplo de un equipo multimedia de este tipo o dispositivo de codificación que comprende un codificador de acuerdo con la invención. Este dispositivo comprende un procesador PROC que 5 coopera con un bloque de memoria BM que comprende una memoria de almacenamiento y/o de trabajo MEM.
El dispositivo comprende un módulo de entrada adaptado para recibir una señal multicanal que representa una escena sonora, bien mediante una red de comunicación, o bien mediante la lectura de un contenido almacenado en un soporte de almacenamiento. Este equipo multimedia también puede comprender unos medios de captura de esta
10 señal multicanal.
El bloque de memoria BM puede comprender de manera ventajosa un programa informático que comprende unas instrucciones de codificación para la aplicación de las etapas del procedimiento de codificación en el sentido de la invención, cuando estas instrucciones las ejecuta el procesador PROC, y en particular las etapas de descomposición
15 de la señal multicanal en bandas de frecuencia y las siguientes etapas por banda de frecuencia:
-
obtención de datos representativos de la dirección de las fuentes sonoras de la escena sonora;
-
selección de un conjunto de fuentes sonoras de la escena sonora que constituyen las fuentes principales; 20
-
adaptación de datos representativos de la dirección de las fuentes principales seleccionadas, en función de las características de restitución de la señal multicanal;
-
determinación de una matriz de mezcla de las fuentes principales en función de los datos adaptados; 25
-
matrizado de las fuentes principales mediante la matriz determinada para obtener una señal compuesta con un número reducido de canales;
-
codificación de los datos representativos de la dirección de las fuentes sonoras y formación de un flujo binario que
30 comprende los datos codificados, estando el flujo binario adaptado para transmitirse en paralelo a la señal compuesta.
Tradicionalmente, la descripción de la figura 2 retoma las etapas de un algoritmo de dicho programa informático. El programa informático también se puede almacenar en un soporte de memoria legible por un lector del dispositivo o
35 descargable en el espacio de memoria del equipo.
El dispositivo comprende un módulo de salida adaptado para transmitir un flujo binario Fb y una señal compuesta Sc resultantes de la codificación de la señal multicanal.
40 De la misma forma, la figura 7b ilustra un ejemplo de equipo multimedia o dispositivo de decodificación que comprende un decodificador de acuerdo con la invención.
Este dispositivo comprende un procesador PROC que coopera con un bloque de memoria BM que comprende una memoria de almacenamiento y/o de trabajo MEM.
45 El dispositivo comprende un módulo de entrada adaptado para recibir un flujo binario Fb y una señal compuesta Sc procedente, por ejemplo, de una red de comunicación. Estas señales de entrada pueden provenir de una lectura en un soporte de almacenamiento.
50 El bloque de memoria puede comprender de manera ventajosa un programa informático que comprende unas instrucciones de código para la aplicación de las etapas del procedimiento de decodificación en el sentido de la invención, cuando estas instrucciones las ejecuta el procesador PROC, y en particular las etapas de extracción en el flujo binario y de decodificación de los datos representativos de la dirección de las fuentes sonoras en la escena sonora:
-
de adaptación de al menos una parte de los datos de dirección en función de las características de restitución de la señal multicanal;
-
de determinación de una matriz de mezcla de la señal compuesta en función de los datos adaptados y de cálculo 60 de la inversa de la matriz de mezcla;
- de desmatrizado de la señal compuesta mediante la matriz inversa para obtener un conjunto de fuentes principales;
-
de reconstrucción de la señal de audio multicanal mediante la espacialización al menos de las fuentes principales 65 con los datos extraídos decodificados.
Tradicionalmente, la descripción de la figura 6 retoma las etapas de un algoritmo de dicho programa informático. El programa informático también se puede almacenar en un soporte de memoria legible por un lector del dispositivo o descargable en el espacio de memoria del equipo.
5 El dispositivo comprende un módulo de salida adaptado para transmitir una señal multicanal decodificada mediante el procedimiento de decodificación que aplica el equipo.
Este equipo multimedia también puede comprender unos medios de restitución de tipo altavoz o unos medios de comunicación adaptado para transmitir esta señal multicanal.
10 Por supuesto, un equipo multimedia de este tipo puede comprender a la vez el codificador y el decodificador de acuerdo con la invención. Siendo entonces la señal de entrada la señal multicanal original y la señal de salida, la señal multicanal decodificada.

Claims (10)

  1. REIVINDICACIONES
    1. Procedimiento de codificación de una señal de audio multicanal que representa una escena sonora que
    comprende una multitud de fuentes sonoras, caracterizado por que comprende una etapa de descomposición (T) de 5 la señal multicanal en bandas de frecuencia y las siguientes etapas por banda de frecuencia:
    -
    obtención (OBT) de datos representativos de la dirección de las fuentes sonoras de la escena sonora;
    -
    selección (Selec) de un conjunto de fuentes sonoras de la escena sonora que constituyen las fuentes principales;
    -
    adaptación (DiA_M) de los datos representativos de la dirección de las fuentes principales seleccionadas, en función de las características de restitución de la señal multicanal, mediante la modificación de la posición de las fuentes para obtener una distancia mínima entre dos fuentes;
    15 - determinación (DiA_M) de una matriz de mezcla de las fuentes principales en función de los datos adaptados;
    -
    matrizado (M) de las fuentes principales mediante la matriz determinada para obtener una señal compuesta con un número reducido de canales;
    -
    codificación (Cod.Di) de los datos representativos de la dirección de las fuentes sonoras y formación de un flujo binario que comprende los datos codificados, estando el flujo binario adaptado para transmitirse en paralelo a la señal compuesta.
  2. 2. Procedimiento de acuerdo con la reivindicación 1, caracterizado por que los datos representativos de la dirección 25 son informaciones de directividades representativas de la distribución de las fuentes sonoras en la escena sonora.
  3. 3.
    Procedimiento de acuerdo con la reivindicación 2, caracterizado por que la codificación de las informaciones de directividades se lleva a cabo mediante un método de representación paramétrica.
  4. 4.
    Procedimiento de acuerdo con la reivindicación 2, caracterizado por que la codificación de las informaciones de directividad se lleva a cabo mediante un método de análisis de componentes principales que proporciona unos vectores de directividad de base asociados a unas ganancias que permiten la reconstrucción de las directividades iniciales.
    35 5. Procedimiento de acuerdo con la reivindicación 2, caracterizado por que la codificación de las informaciones de directividad se lleva a cabo mediante una combinación de un método de análisis de componentes principales y de un método de representación paramétrica.
  5. 6.
    Procedimiento de acuerdo con la reivindicación 1, caracterizado por que comprende, además, la codificación de fuentes secundarias entre las fuentes no seleccionadas de la escena sonora y de inserción de informaciones de codificación de las fuentes secundarias en el flujo binario.
  6. 7.
    Procedimiento de decodificación de una señal de audio multicanal que representa una escena sonora que
    comprende una multitud de fuentes sonoras, a partir de un flujo binario y de una señal compuesta, caracterizado por 45 que comprende las siguientes etapas.
    -
    extracción (Decod. Fb) en el flujo binario y decodificación de datos representativos de la dirección de las fuentes sonoras en la escena sonora;
    -
    adaptación (DiA_N) de al menos una parte de los datos de dirección en función de las características de restitución de la señal multicanal, mediante la modificación de la posición de las fuentes obtenidas por los datos de dirección, para obtener una distancia mínima entre dos fuentes;
    -
    determinación (DiA_N) de una matriz de mezcla de la señal compuesta en función de los datos adaptados y cálculo 55 de la inversa de la matriz de mezcla;
    -
    desmatrizado (N) de la señal compuesta mediante la inversa de la matriz de mezcla para obtener un conjunto de fuentes principales;
    -
    reconstrucción (SPAC.) de la señal de audio multicanal mediante la espacialización al menos de las fuentes principales con los datos extraídos decodificados.
  7. 8. Procedimiento de decodificación acuerdo con la reivindicación 7, caracterizado por que comprende, además, las
    siguientes etapas: 65
    -
    extracción del flujo binario, de informaciones de codificación de fuentes secundarias codificadas;
    -
    decodificación de las fuentes secundarias a partir de las informaciones de codificación extraídas;
    -
    agrupamiento de las fuentes secundarias con las fuentes principales para la espacialización. 5
  8. 9. Codificador de una señal de audio multicanal que representa una escena sonora que comprende una multitud de fuentes sonoras, caracterizado por que comprende:
    -
    un módulo (210) de descomposición de la señal multicanal en banda de frecuencia; 10
    -
    un módulo (220) de obtención de datos representativos de la dirección de las fuentes sonoras de la escena sonora;
    -
    un módulo (260) de selección de un conjunto de fuentes sonoras de la escena sonora que constituyen las fuentes
    principales; 15
    -
    un módulo (275) de adaptación de los datos representativos de la dirección de las fuentes principales seleccionadas, en función de las características de restitución de la señal multicanal, mediante unos medios de modificación de la posición de las fuentes para obtener una distancia mínima entre dos fuentes;
    20 - un módulo (275) de determinación de una matriz de mezcla de las fuentes principales en función de los datos resultantes del módulo de adaptación;
    -
    un módulo (270) de matrizado de las fuentes principales seleccionadas mediante la matriz determinada para
    obtener una señal compuesta con un número reducido de canales; 25
    -
    un módulo (230) de codificación de los datos representativos de la dirección de las fuentes sonoras; y
    -
    un módulo (250) de formación de un flujo binario que comprende los datos codificados, estando el flujo binario
    adaptado para transmitirse en paralelo a la señal compuesta. 30
  9. 10. Decodificador de una señal de audio multicanal que representa una escena sonora que comprende una multitud de fuentes sonoras, que recibe en la entrada un flujo binario y una señal compuesta, caracterizado por que comprende:
    35 - un módulo (650) de extracción y de decodificación de datos representativos de la dirección de las fuentes sonoras en la escena sonora;
    -
    un módulo (690) de adaptación de al menos una parte de los datos de dirección en función de las características
    de restitución de la señal multicanal, mediante unos medios de modificación de la posición de las fuentes obtenidos 40 mediante los datos de dirección, para obtener una distancia mínima entre dos fuentes;
    -
    un módulo (690) de determinación de una matriz de mezcla de la señal compuesta en función de los datos resultantes del módulo de adaptación y de cálculo de la inversa de la matriz de mezcla;
    45 - un módulo (620) de desmatrizado de la señal compuesta mediante la inversa de la matriz de mezcla para obtener un conjunto de fuentes principales;
    -
    un módulo (630) de reconstrucción de la señal de audio multicanal mediante la espacialización al menos de las
    fuentes principales con los datos extraídos decodificados. 50
  10. 11. Programa informático que comprende unas instrucciones de código para la aplicación de las etapas de un procedimiento de codificación de acuerdo con una de las reivindicaciones 1 a 6 y/o de un procedimiento de decodificación de acuerdo con una de las reivindicaciones 7 a 8, cuando estas instrucciones las ejecuta un procesador.
ES09803839T 2008-12-15 2009-12-11 Codificación perfeccionada de señales digitales de audio multicanal Active ES2435792T3 (es)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR0858563 2008-12-15
FR0858563 2008-12-15
PCT/FR2009/052492 WO2010076460A1 (fr) 2008-12-15 2009-12-11 Codage perfectionne de signaux audionumériques multicanaux

Publications (1)

Publication Number Publication Date
ES2435792T3 true ES2435792T3 (es) 2013-12-23

Family

ID=40763760

Family Applications (1)

Application Number Title Priority Date Filing Date
ES09803839T Active ES2435792T3 (es) 2008-12-15 2009-12-11 Codificación perfeccionada de señales digitales de audio multicanal

Country Status (4)

Country Link
US (1) US8817991B2 (es)
EP (1) EP2374124B1 (es)
ES (1) ES2435792T3 (es)
WO (1) WO2010076460A1 (es)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12369007B2 (en) 2019-07-02 2025-07-22 Dolby International Ab Methods, apparatus and systems for representation, encoding, and decoding of discrete directivity data

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9058803B2 (en) * 2010-02-26 2015-06-16 Orange Multichannel audio stream compression
WO2012093290A1 (en) * 2011-01-05 2012-07-12 Nokia Corporation Multi-channel encoding and/or decoding
JPWO2013057895A1 (ja) * 2011-10-19 2015-04-02 パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 符号化装置及び符号化方法
EP2665208A1 (en) * 2012-05-14 2013-11-20 Thomson Licensing Method and apparatus for compressing and decompressing a Higher Order Ambisonics signal representation
US9761229B2 (en) * 2012-07-20 2017-09-12 Qualcomm Incorporated Systems, methods, apparatus, and computer-readable media for audio object clustering
US9516446B2 (en) 2012-07-20 2016-12-06 Qualcomm Incorporated Scalable downmix design for object-based surround codec with cluster analysis by synthesis
JP6133422B2 (ja) * 2012-08-03 2017-05-24 フラウンホーファー−ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン マルチチャネルをダウンミックス／アップミックスする場合のため一般化された空間オーディオオブジェクト符号化パラメトリック概念のデコーダおよび方法
US9769586B2 (en) 2013-05-29 2017-09-19 Qualcomm Incorporated Performing order reduction with respect to higher order ambisonic coefficients
US9466305B2 (en) 2013-05-29 2016-10-11 Qualcomm Incorporated Performing positional analysis to code spherical harmonic coefficients
JP6543627B2 (ja) 2013-07-30 2019-07-10 ディーティーエス・インコーポレイテッドＤＴＳ，Ｉｎｃ． 一定出力ペアワイズパニングによるマトリクスデコーダ
KR102294767B1 (ko) 2013-11-27 2021-08-27 디티에스, 인코포레이티드 고채널 카운트 멀티채널 오디오에 대한 멀티플렛 기반 매트릭스 믹싱
US9502045B2 (en) 2014-01-30 2016-11-22 Qualcomm Incorporated Coding independent frames of ambient higher-order ambisonic coefficients
US9922656B2 (en) 2014-01-30 2018-03-20 Qualcomm Incorporated Transitioning of ambient higher-order ambisonic coefficients
RU2658888C2 (ru) * 2014-03-24 2018-06-25 Долби Интернэшнл Аб Способ и устройство для применения сжатия динамического диапазона к сигналу амбиофонии высшего порядка
US9620137B2 (en) 2014-05-16 2017-04-11 Qualcomm Incorporated Determining between scalar and vector quantization in higher order ambisonic coefficients
US10770087B2 (en) 2014-05-16 2020-09-08 Qualcomm Incorporated Selecting codebooks for coding vectors decomposed from higher-order ambisonic audio signals
US9847087B2 (en) * 2014-05-16 2017-12-19 Qualcomm Incorporated Higher order ambisonics signal compression
US9852737B2 (en) 2014-05-16 2017-12-26 Qualcomm Incorporated Coding vectors decomposed from higher-order ambisonics audio signals
US9747910B2 (en) 2014-09-26 2017-08-29 Qualcomm Incorporated Switching between predictive and non-predictive quantization techniques in a higher order ambisonics (HOA) framework
US10341785B2 (en) * 2014-10-06 2019-07-02 Oticon A/S Hearing device comprising a low-latency sound source separation unit
CN106297820A (zh) 2015-05-14 2017-01-04 杜比实验室特许公司 具有基于迭代加权的源方向确定的音频源分离
FR3048808A1 (fr) * 2016-03-10 2017-09-15 Orange Codage et decodage optimise d'informations de spatialisation pour le codage et le decodage parametrique d'un signal audio multicanal
MC200185B1 (fr) * 2016-09-16 2017-10-04 Coronal Audio Dispositif et procédé de captation et traitement d'un champ acoustique tridimensionnel
MC200186B1 (fr) 2016-09-30 2017-10-18 Coronal Encoding Procédé de conversion, d'encodage stéréophonique, de décodage et de transcodage d'un signal audio tridimensionnel
PT3539125T (pt) 2016-11-08 2023-01-27 Fraunhofer Ges Forschung Aparelho e método para codificar ou descodificar um sinal multicanal utilizando um ganho side e um ganho residual
FR3060830A1 (fr) * 2016-12-21 2018-06-22 Orange Traitement en sous-bandes d'un contenu ambisonique reel pour un decodage perfectionne
WO2019193173A1 (en) * 2018-04-05 2019-10-10 Telefonaktiebolaget Lm Ericsson (Publ) Truncateable predictive coding
CN109258509B (zh) * 2018-11-16 2023-05-02 太原理工大学 一种生猪异常声音智能监测系统与方法
WO2021107941A1 (en) * 2019-11-27 2021-06-03 Vitalchains Corporation Method and system for separation of sounds from different sources
AU2021286636A1 (en) 2020-06-11 2023-01-19 Dolby Laboratories Licensing Corporation Encoding of multi-channel audio signals comprising downmixing of a primary and two or more scaled non-primary input channels
WO2023074039A1 (ja) * 2021-10-29 2023-05-04 ソニーグループ株式会社 情報処理装置および方法、並びにプログラム
CN114420150B (zh) * 2021-12-30 2025-07-15 中国人民解放军军事科学院国防科技创新研究院 基于位置编码卷积神经网络的声音定位识别方法及装置
CN120848190B (zh) * 2025-07-18 2026-01-06 北京盛图蓝音数字系统技术有限公司 一种基于声场自适应调节的智能音响控制方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007104882A1 (fr) 2006-03-15 2007-09-20 France Telecom Dispositif et procede de codage par analyse en composante principale d'un signal audio multi-canal
US8379868B2 (en) * 2006-05-17 2013-02-19 Creative Technology Ltd Spatial audio coding based on universal spatial cues

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12369007B2 (en) 2019-07-02 2025-07-22 Dolby International Ab Methods, apparatus and systems for representation, encoding, and decoding of discrete directivity data

Also Published As

Publication number Publication date
WO2010076460A1 (fr) 2010-07-08
US8817991B2 (en) 2014-08-26
EP2374124A1 (fr) 2011-10-12
EP2374124B1 (fr) 2013-05-29
US20110249822A1 (en) 2011-10-13

Similar Documents

Publication Publication Date Title
ES2733878T3 (es) Codificación mejorada de señales de audio digitales multicanales
US12108236B2 (en) Method and device for decoding a higher-order Ambisonics (HOA) representation of an audio soundfield
US8817991B2 (en) Advanced encoding of multi-channel digital audio signals
ES2907377T3 (es) Aparato, procedimiento y programa informático para la codificación, la decodificación, el procesamiento de escenas y otros procedimientos relacionados con la codificación de audio espacial basada en DirAC
US9516446B2 (en) Scalable downmix design for object-based surround codec with cluster analysis by synthesis
KR101296757B1 (ko) 마이크로폰 신호를 기반으로 공간 큐의 세트를 제공하는 장치, 방법 및 컴퓨터 프로그램과, 2채널 오디오 신호 및 공간 큐의 세트를 제공하는 장치
KR20200091880A (ko) 양자화 및 엔트로피 코딩을 이용한 방향성 오디오 코딩 파라미터들을 인코딩 또는 디코딩하기 위한 장치 및 방법
ES2841419T3 (es) Canales de señalización para codificación escalable de datos de audio ambisónico de orden superior
EP3143613B1 (en) Higher order ambisonics signal compression
US20140086416A1 (en) Systems, methods, apparatus, and computer-readable media for three-dimensional audio coding using basis function coefficients
US10163446B2 (en) Audio encoder and decoder
US20160127847A1 (en) Audio signal output device and method, encoding device and method, decoding device and method, and program
US20240379114A1 (en) Packet loss concealment for dirac based spatial audio coding
ES2965084T3 (es) Determinación de correcciones a aplicar a una señal de audio multicanal, codificación y decodificación asociadas
HK40065485B (en) Packet loss concealment for dirac based spatial audio coding
HK40065485A (en) Packet loss concealment for dirac based spatial audio coding
CN121713235A (zh) 用于基于场景的音频单声道解码的方法、装置和系统
HK1160283A (en) Apparatus, method and computer program for providing a set of spatial cues on the basis of a microphone signal and apparatus for providing a two-channel audio signal and a set of spatial cues
HK1160283B (en) Apparatus, method and computer program for providing a set of spatial cues on the basis of a microphone signal and apparatus for providing a two-channel audio signal and a set of spatial cues