[发明专利]3D音频中水平方位参数的编解码性能评价方法

说明书

技术领域

本发明涉及失真测度领域，更具体地，涉及3D音频中水平方位参数的编解码性能评价方法。

背景技术

3D音频编解码技术是当今多媒体技术领域的热点和发展方向。3D音频的基本原理是通过模拟空间点声源在人耳产生的声场，使听者感觉声音从空间某声源对应位置发出。其中，主要由双耳效应完成对声源水平方位信息的判断，因此3D音频中水平方位信息的获取和处理技术又称为双耳声学技术。

为了理解双耳声学技术，首先必须了解人耳定位的基本原理。空间某声源发出的声音传递到人的两耳，因为传播路径的不同，会产生差异，主要有时间差（ITD，interaural time difference）和强度差（ILD，interaural level difference），并且声音在传递过程中会与人的躯干、肩膀、头部以及耳廓发生一系列的相互作用，使声音改变，人耳则根据声音到达两耳的时间、强度等差别来确定声源的水平位置。通常将ITD、ILD等表现声源水平位置信息的参数成为水平方位参数。根据这一原理，在对3D音频进行编解码的过程中，将ITD、ILD等能表示声源方位信息的参数提取出来进行处理，实现编解码后的信号能通过这些参数模拟声源位置。

失真，是评价3D音频编解码性能的一项重要指标，它体现了编解码后信号与原始信号的差距。失真的值越小，编解码性能越好。目前在3D音频编解码技术领域，对声源方位信息编解码效果的评价使用的是统计学失真，如均方误差（加权平方误差、谱失真测度、倒谱失真测度）等。均方误差是各数值偏离目标值距离的平均数，其公式为其中d为均方误差，N为统计数值的个数，ε为统计数值的偏差值。统计学失真可以很好的分析数据的客观失真，但是多年来的研究表明人耳对于声源方位信息的主观感知与客观数据并不一致，因此仅依据未考虑主观感知因素的统计学失真来评价3D音频编解码性能会导致主观感知失真明显，人耳的主观听感不佳。因此，在3D音频编解码领域，迫切的需要能够配合人耳主观听音效果的编解码性能评价方法。

发明内容

针对现有技术中失真测度与人耳主观听感不符的问题，本发明提出了一种符合人耳感知特性的、3D音频中水平方位参数的编解码性能评价方法，从而可以进一步提升3D音频编解码的主观性能。

为了解决上述技术问题，本发明采用如下的技术方案：

3D音频中水平方位参数的编码性能评价方法，该方法将水平方位参数及其JND值引入统计学失真测度中构建主观感知失真测度，利用所构建的主观感知失真测度进行3D音频中水平方位参数的编解码性能评价。本发明评价方法综合考虑了统计学失真测度和水平方位参数的主观感知特性，因此，既具有失真统计学特性，又能更好的符合人耳的主观听感。

本发明方法具体包括以下步骤：

步骤1、将一段音频中的各帧信号划分为N个频带，即得到N个子带；

步骤2、提取各子带编解码前的水平方位参数值；

步骤3、提取各子带编解码后的水平方位参数值；

步骤4、根据各子带的频率值，获取各子带对应的JND值；

步骤5、以统计学失真测度为基础，根据各子带编解码前的水平方位参数值、各子带编解码后的水平方位参数值和各子带对应的JND值构建每一帧信号的主观感知失真测度；

步骤6、根据各帧信号的主观感知失真测度获取一段音频中各帧信号的主观感知失真，并根据各帧信号的主观感知失真得到该段音频的主观感知失真，从而评价编解码器的水平方位参数的主观感知失真。

本发明的一种主观感知失真测度D为：