[发明专利]用于使用低阶、中阶和高阶分量生成器进行与基于DirAC的空间音频编码有关的编码、解码、场景处理和其他过程的装置、方法和计算机程序

说明书

一种用于使用包括单声道信号或者多声道信号的输入信号产生声场描述装置，包括：输入信号分析器(600)，用于分析输入信号以导出方向数据和扩散性数据；低阶分量生成器(810)，用于从输入信号产生低阶声场描述直到预定阶和模，其中低阶分量生成器被配置为通过复制或者采用输入信号或者执行输入信号的声道的加权组合来导出低阶声场描述；中阶分量生成器(820)，用于使用至少一个直达部分和至少一个扩散部分的合成，扩散部分使用方向数据和扩散性数据，在预定阶之上或者在预定阶处，以及在预定模之上，以及在第一截断阶之下或者在第一截断阶处，产生中阶声场描述，使得中阶声场描述包括直达贡献和扩散贡献；以及高阶分量生成器(830)，用于使用至少一个直达部分的合成来产生高阶声场描述，高阶声场描述具有在第一截断阶之上的分量，其中高阶声场描述仅包括直达贡献。

技术领域

本发明涉及音频编码，并且特别涉及使用一个或多个声音分量生成器从输入信号产生声场描述。

背景技术

方向性音频编码(Directional Audio Coding，DirAC)技术(参考文献[1])是一种分析和再现空间声音的有效方法。DirAC使用基于到达方向(direction of arrival，DOA)和针对每频带测量的扩散性的声场的知觉激励表示。它是基于这样的假设，即在一个时刻和在一个关键频带，听觉系统的空间分辨率受限于对用于方向的一个提示和用于耳间连贯性的另一提示进行解码。然后，空间声音通过交叉衰减的两个流在频域中呈现，这两个流是非方向扩散流和方向非扩散流。

DirAC最初用于录制B格式声音，但是也可以延伸用于匹配特定扬声器设置(例如5.1(参考文献[2]))或者任何麦克风阵列的配置(参考文献[5])的麦克风信号。在最新的案例中，通过录制中间格式的信号而不是录制用于特定扬声器设置的信号可以实现更多的灵活性。

已在实际中良好建立的这种中间格式是通过(高阶)球形环绕声(参考文献[3])来呈现的。可以从球形环绕声信号产生每一个期望的扬声器设置的信号，包括用于耳机再现的双耳信号。这要求使用线性球形环绕声渲染器(参考文献[3])或者参数渲染器(例如方向性音频编码(DirAC))，将特定的渲染器(renderer)应用于球形环绕声信号。

球形环绕声信号可以呈现为多声道信号，其中每一个声道(称为球形环绕声分量)等效于所谓的空间基函数的系数。以这些空间基函数的加权和(利用对应于这些系数的权值)，可以重建在录制位置中的原始声场(参考文献[3])。因此，空间基函数系数(即，球形环绕声分量)表示录制位置中的声场的紧凑描述。存在有不同类型的空间基函数，例如球形谐波(spherical harmonics，SH)(参考文献[3])或者圆柱谐波(cylindrical harmonics，CH)(参考文献[3])。当描述在2D空间中的声场时(例如，用于2D声音再现)，可以使用CH，而SH可以用来描述在2D与3D空间中的声场(例如，用于2D与3D声音再现)。

例如，从特定方向到达的音频信号f(t)产生空间音频信号该空间音频信号可以通过扩展球形谐波直到截断阶H，以球形环绕声格式呈现：

其中是阶l和模m的球形谐波，并且φ_lm(t)是扩展系数。通过增加截断阶H，该扩展产生更精确的空间表示。在图1a中，针对阶n和模m示出具有球形环绕声声道编号(Ambisonics Channel Numbering，ACN)索引的直到阶H＝4的球形谐波。

DirAC已经扩展用于从第一阶球形环绕声信号(first order Ambisonicssignal)(FOA，称为B格式)或者从不同的麦克风阵列递送更高阶的球形环绕声信号(参考文献[5])。这份文件着重于一种更有效率的方法，用于从DirAC参数和参考信号来合成高阶球形环绕声信号。在这份文件中，该参考信号，也称为降混(down-mix)信号，被视为更高阶的球形环绕声信号的子集或者该球形环绕声分量的子集的线性组合。