RU2804032C1 - Audio signal processing device for stereo signal encoding into bitstream signal and method for bitstream signal decoding into stereo signal implemented by using audio signal processing device - Google Patents

Audio signal processing device for stereo signal encoding into bitstream signal and method for bitstream signal decoding into stereo signal implemented by using audio signal processing device Download PDF

Info

Publication number
RU2804032C1
RU2804032C1 RU2023117249A RU2023117249A RU2804032C1 RU 2804032 C1 RU2804032 C1 RU 2804032C1 RU 2023117249 A RU2023117249 A RU 2023117249A RU 2023117249 A RU2023117249 A RU 2023117249A RU 2804032 C1 RU2804032 C1 RU 2804032C1
Authority
RU
Russia
Prior art keywords
signal
stereo
encoding
frequency range
encoding mode
Prior art date
Application number
RU2023117249A
Other languages
Russian (ru)
Inventor
Хейко ПУРНХАГЕН
Понтус КАРЛЬССОН
Кристофер КЬЁРЛИНГ
Original Assignee
Долби Интернешнл Аб
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 Долби Интернешнл Аб filed Critical Долби Интернешнл Аб
Application granted granted Critical
Publication of RU2804032C1 publication Critical patent/RU2804032C1/en

Links

Abstract

FIELD: computer engineering.
SUBSTANCE: processing audio data. The technical result is achieved by analysing the stereo input signal by applying both the coding of the middle/side stereo signal and the coding of the left/right stereo signal, and selecting either the coding mode of the middle/side stereo signal or the coding mode of the left/right stereo signal based on the estimated entropy for each stereo encoding mode, encoding the stereo input signal using the selected stereo encoding mode in the first frequency band to obtain an encoded stereo signal in the first frequency band, downmixing the stereo input signal to mono in the second frequency band, encoding the mono signal in a second frequency band using transform coding to obtain an encoded mono signal in the second frequency band and output the encoded stereo signal in the first frequency band and the encoded mono signal in the second frequency band as an encoded output signal.
EFFECT: providing the possibility of combining PS-coding using the residual signal and adaptive perceptual stereo L/R-or M/S-coding.
23 cl, 5 dwg

Description

Область технического примененияField of technical application

Заявка относится к кодированию звуковых сигналов, в частности, к кодированию стереофонических звуковых сигналов, объединяющему технологии параметрического кодирования и кодирования формы сигнала.The application relates to the coding of audio signals, in particular to the coding of stereo audio signals, combining parametric coding and waveform coding technologies.

Предпосылки изобретенияBACKGROUND OF THE INVENTION

Совместное кодирование левого (L) и правого (R) каналов стереофонического сигнала позволяет осуществлять более эффективное кодирование по сравнению с независимым кодированием L и R. Традиционным подходом к совместному стереофоническому кодированию является кодирование средних/побочных (M/S) сигналов. В этом случае средний (M) сигнал формируется путем сложения сигналов L и R, например, сигнал М может иметь формуJoint encoding of the left (L) and right (R) channels of a stereo signal allows for more efficient encoding compared to independent encoding of L and R. The traditional approach to joint stereo encoding is mid/side (M/S) encoding. In this case, the average (M) signal is formed by adding the L and R signals, for example, the M signal can have the form

. .

Аналогично, побочный (S) сигнал формируется путем вычитания каналов L и R, например, сигнал S имеет формуSimilarly, the side (S) signal is formed by subtracting the L and R channels, for example, the S signal has the form

. .

В случае M/S-кодирования вместо сигналов L и R кодируются сигналы M и S.In the case of M/S encoding, M and S signals are encoded instead of L and R signals.

В стандарте MPEG (Moving Picture Experts Group) AAC (Advanced Audio Coding) (см. документ стандарта ISO/IEC 13818-7) стереофоническое L/R- кодирование и стереофоническое M/S-кодирование могут быть выбраны зависящими от времени и зависящими от частоты образом. Так, стереофонический кодер может применять L/R-кодирование для некоторых частотных полос стереофонического сигнала, в то время как M/S-кодирование используется для кодирования других частотных полос стереофонического сигнала (зависящий от частоты способ). Кроме того, кодер может переключаться между L/R-кодированием и M/S-кодированием с течением времени (зависящий от времени способ). В MPEG AAC стереофоническое кодирование выполняется в частотной области, точнее, в области MDCT (модифицированного дискретного косинусного преобразования). Это позволяет адаптивно делать выбор между L/R-кодированием и M/S-кодированием зависящим от частоты, а также от времени образом. Решение о выборе между стереофоническим L/R-кодированием и стереофоническим M/S-кодированием может базироваться на оценке побочного сигнала: когда энергия побочного сигнала мала, должно использоваться стереофоническое M/S-кодирование, которое является более эффективным. В альтернативном варианте принятия решения о выборе между двумя схемами кодирования могут испытываться обе эти схемы, и выбор может базироваться на результирующих попытках квантования, т.е. на наблюдаемой перцептуальной энтропии.In the MPEG (Moving Picture Experts Group) AAC (Advanced Audio Coding) standard (see ISO/IEC standard document 13818-7), stereo L/R coding and stereo M/S coding can be selected as time-dependent and frequency-dependent way. Thus, a stereo encoder may use L/R coding for some frequency bands of a stereo signal, while M/S coding is used to encode other frequency bands of a stereo signal (frequency dependent method). In addition, the encoder can switch between L/R encoding and M/S encoding over time (time-dependent manner). In MPEG AAC, stereo coding is performed in the frequency domain, more specifically the MDCT (Modified Discrete Cosine Transform) domain. This allows adaptive selection between L/R coding and M/S coding in a frequency-dependent as well as time-dependent manner. The decision to choose between stereo L/R encoding and stereo M/S encoding can be based on an evaluation of the side signal: when the energy of the side signal is low, stereo M/S encoding should be used, which is more efficient. In an alternative to deciding between two encoding schemes, both schemes may be tested and the choice may be based on the resulting quantization attempts, i.e. on observed perceptual entropy.

Альтернативным подходом к совместному стереофоническому кодированию является параметрическое стереофоническое (PS) кодирование. В этом случае стереофонический сигнал передается как монофонический низведенный сигнал после кодирования низведенного сигнала традиционным кодером звуковых сигналов, таким как кодер AAC. Низведенный сигнал представляет собой суперпозицию каналов L и R. Монофонический низведенный сигнал передается в комбинации с дополнительными параметрами PS-кодирования, зависящими от времени и от частоты, такими как разность интенсивностей между каналами (IID) и взаимная корреляция между каналами (ICC). В декодере, на основе декодированного низведенного сигнала и параметров параметрического стереофонического кодирования, реконструируется стереофонический сигнал, который является приближением воспринимаемого пространственного изображения оригинального стереофонического сигнала. Для реконструкции декоррелятор генерирует декоррелированную версию низведенного сигнала. Указанный декоррелятор может реализовываться посредством соответствующего фазового фильтра. PS-кодирование и декодирование описано в статье "Low Complexity Parametric Stereo Coding in MPEG-4", H. Purnhagen, Proc. Of the 7th Int. Conference on Digital Audio Effects (DAFx'04), Naples, Italy, October 5-8, 2004, pages 163-168. Раскрытие из этого документа ссылкой включается в настоящее описание.An alternative approach to joint stereo coding is parametric stereo (PS) coding. In this case, the stereo signal is transmitted as a monaural downmix signal after encoding the downmix signal with a conventional audio encoder such as an AAC encoder. The downmix signal is a superposition of the L and R channels. The monaural downmix signal is transmitted in combination with additional time- and frequency-dependent PS encoding parameters such as inter-channel intensity difference (IID) and inter-channel cross-correlation (ICC). In the decoder, based on the decoded downmix signal and parametric stereo encoding parameters, a stereo signal is reconstructed that is an approximation of the perceived spatial image of the original stereo signal. For reconstruction, the decorrelator generates a decorrelated version of the downmixed signal. Said decorrelator can be implemented by means of a corresponding phase filter. PS encoding and decoding is described in the article "Low Complexity Parametric Stereo Coding in MPEG-4", H. Purnhagen, Proc. Of the 7th Int. Conference on Digital Audio Effects (DAFx'04), Naples, Italy, October 5-8, 2004, pages 163-168. The disclosures from this document are incorporated by reference herein.

Стандарт MPEG Surround (см. документ ISO/IEC 23003-1) использует концепцию PS-кодирования. В декодере MPEG Surround множество выходных каналов создается на основе меньшего количества входных каналов и управляющих параметров. Декодеры и кодеры MPEG Surround строятся путем каскадного размещения параметрических стереофонических модулей, которые в стандарте MPEG Surround называются модулями ОТТ (модулями «от одного к двум») для кодера, и модулями R-OTT (обратными модулями «от одного к двум») ― для кодера. Модуль ОТТ определяет два выходных канала посредством единого входного канала (низведенный сигнал), сопровождаемого параметрами PS-кодирования. Модуль ОТТ соответствует PS-декодеру, а модуль R-OTT соответствует PS-кодеру. Параметрическое стереофоническое кодирование может реализовываться с использованием MPEG Surround с одним модулем ОТТ на стороне декодера и одним модулем R-OTT ― на стороне кодера; это также называется режимом "MPEG Surround 2-1-2". Синтаксис битового потока может отличаться, но лежащая в его основе теория и обработка сигнала являются одинаковыми. Поэтому в нижеследующем описании все отсылки к PS-кодированию также включают параметрическое стереофоническое кодирование на основе "MPEG Surround 2-1-2" или MPEG Surround.The MPEG Surround standard (see document ISO/IEC 23003-1) uses the concept of PS encoding. In an MPEG Surround decoder, many output channels are created based on fewer input channels and control parameters. MPEG Surround decoders and encoders are built by cascading parametric stereo modules, which in the MPEG Surround standard are called OTT modules (one-to-two modules) for the encoder, and R-OTT modules (reverse one-to-two modules) for coder. The OTT module defines two output channels through a single input channel (downmixed signal) accompanied by PS encoding parameters. The OTT module corresponds to the PS decoder, and the R-OTT module corresponds to the PS encoder. Parametric stereo coding can be implemented using MPEG Surround with one OTT module on the decoder side and one R-OTT module on the encoder side; this is also called "MPEG Surround 2-1-2" mode. The bitstream syntax may be different, but the underlying theory and signal processing are the same. Therefore, in the following description, all references to PS encoding also include parametric stereo encoding based on "MPEG Surround 2-1-2" or MPEG Surround.

В PS-кодере (например, в PS-кодере MPEG Surround) может определяться остаточный сигнал (RES), который передается в дополнение к низведенному сигналу. Этот остаточный сигнал указывает на погрешность, связанную с отображением оригинальных каналов посредством их понижающего микширования и параметров PS-кодирования. В декодере остаточный сигнал может использоваться вместо декоррелированной версии низведенного сигнала. Это позволяет лучше реконструировать форму сигналов оригинальных каналов L и R. Использование дополнительного остаточного сигнала описано, например, в стандарте MPEG Surround (см. документ ISO/EEC 23003-1) и в статье "MPEG Surround - The ISO/MPEG Standard for Efficient and Compatible Multi-Channel Audio Coding”, J. Herre et al., Audio Engineering Convention Paper 7084, 122nd Convention, May 5-8, 2007. Раскрытия из обоих документов, в частности, ремарки, относящиеся в них к остаточному сигналу, ссылкой включаются в настоящее описание.A PS encoder (eg, an MPEG Surround PS encoder) may define a residual signal ( RES ) that is transmitted in addition to the downmix signal. This residual signal indicates the error associated with the display of the original channels through their downmixing and PS encoding parameters. In the decoder, the residual signal can be used instead of a decorrelated version of the downmixed signal. This allows a better reconstruction of the signal shapes of the original L and R channels. The use of an additional residual signal is described, for example, in the MPEG Surround standard (see document ISO/EEC 23003-1) and in the article "MPEG Surround - The ISO/MPEG Standard for Efficient and Compatible Multi-Channel Audio Coding”, J. Herre et al., Audio Engineering Convention Paper 7084, 122nd Convention, May 5-8, 2007. Disclosures from both documents, in particular, remarks therein relating to residual signal, by reference are included in this description.

PS-кодирование с остаточным сигналом является более общим подходом к совместному кодированию стереофонического сигнала, чем M/S-кодирование: M/S-кодирование выполняет вращение сигнала при преобразовании L/R-сигналов в M/S-сигналы. PS-кодирование с остаточным сигналом также выполняет вращение сигнала при преобразовании L/R-сигналов в низведенный и остаточный сигналы. Однако в последнем случае вращение сигнала является варьируемым и зависит от параметров PS-кодирования.PS encoding with residual signal is a more general approach to co-encoding a stereo signal than M/S encoding: M/S encoding performs signal rotation when converting L/R signals to M/S signals. Residual PS encoding also performs signal rotation when converting L/R signals into downmix and residual signals. However, in the latter case, the rotation of the signal is variable and depends on the PS encoding parameters.

По причине большей общности подхода PS-кодирования с остатком, PS-кодирование с остатком позволяет более эффективно, чем M/S-кодирование, кодировать определенные типы сигналов, такие как панорамированный монофонический сигнал. Так, предложенный кодер позволяет эффективно комбинировать технологии параметрического стереофонического кодирования с технологиями стереофонического кодирования на основе кодирования формы сигнала.Because of the greater generality of the residual PS coding approach, PS residual coding can encode certain types of signals, such as a panned mono signal, more efficiently than M/S coding. Thus, the proposed encoder makes it possible to effectively combine parametric stereo coding technologies with stereo coding technologies based on waveform coding.

Часто перцептуальные стереофонические кодеры, такие как перцептуальный стереофонический кодер MPEG AAC, могут принимать решение о выборе между стереофоническим L/R-кодированием и стереофоническим M/S-кодированием, где в последнем случае средний/побочный сигнал генерируется на основе стереофонического сигнала. Этот выбор может зависеть от частоты, т.е. для некоторых частотных полос может использоваться стереофоническое L/R-кодирование, в то время как для других частотных полос может использоваться стереофоническое M/S-кодирование.Often, perceptual stereo encoders, such as the MPEG AAC perceptual stereo encoder, may decide between L/R stereo encoding and M/S stereo encoding, where in the latter case a mid/side signal is generated based on the stereo signal. This choice may depend on the frequency, i.e. Some frequency bands may use stereo L/R encoding, while other frequency bands may use stereo M/S encoding.

В ситуации, когда каналы L и R по существу представляют собой независимые сигналы, указанный перцептуальный стереофонический кодер, как правило, не будет использовать стереофоническое M/S-кодирование, поскольку в данной ситуации эта схема кодирования не обеспечивает никакого улучшения кодирования по сравнению со стереофоническим L/R-кодированием. Кодер перейдет обратно на уровень простого стереофонического L/R-кодирования, по существу обрабатывающего L и R независимо.In a situation where the L and R channels are essentially independent signals, said perceptual stereo encoder will generally not use stereo M/S coding because in this situation this coding scheme does not provide any coding improvement over stereo L /R-coding. The encoder will fall back to the level of simple stereo L/R encoding, essentially processing L and R independently.

В такой же ситуации система PS-кодера будет создавать низведенный сигнал, который содержит оба канала, L и R, что препятствует независимой обработке каналов L и R. Для PS-кодирования с остаточным сигналом это может означать менее эффективное кодирование по сравнению со стереофоническим кодированием, где адаптивно выбирается стереофоническое L/R-кодирование или стереофоническое M/S-кодирование.In the same situation, the PS encoder system will produce a downmix signal that contains both the L and R channels, preventing the L and R channels from being processed independently. For PS encoding with a residual signal, this may mean less efficient encoding compared to stereo encoding. where stereo L/R encoding or stereo M/S encoding is adaptively selected.

Таким образом, существуют ситуации, в которых PS-кодер превосходит перцептуальный стереофонический кодер с адаптивным выбором между стереофоническим L/R-кодированием и стереофоническим M/S-кодированием, в то время как в других ситуациях последний кодер превосходит PS-кодер.Thus, there are situations in which a PS encoder is superior to a perceptual stereo encoder with an adaptive choice between stereo L/R encoding and stereo M/S encoding, while in other situations the latter encoder is superior to a PS encoder.

Краткое описание изобретенияBrief description of the invention

Настоящая заявка описывает систему кодера звуковых сигналов и способ кодирования, которые основываются на идее комбинирования PS-кодирования с использованием остаточного сигнала и адаптивного перцептуального стереофонического L/R- или M/S-кодирования (например, перцептуального совместного стереофонического кодирования ААС в области MDCT). Это позволяет комбинировать преимущества адаптивного стереофонического L/R- или M/S-кодирования (например, используемого в MPEG AAC) с преимуществами PS-кодирования с остаточным сигналом (например, используемого в MPEG Surround). Кроме того, заявка описывает соответствующую систему декодера звуковых сигналов и способ декодирования.The present application describes an audio encoder system and encoding method that is based on the idea of combining PS encoding using a residual signal and adaptive perceptual stereo L/R or M/S encoding (eg, perceptual joint AAC stereo encoding in the MDCT domain). This allows you to combine the benefits of adaptive stereo L/R or M/S encoding (eg used in MPEG AAC) with the benefits of residual PS coding (eg used in MPEG Surround). In addition, the application describes a corresponding audio decoder system and a decoding method.

Первый аспект заявки относится к системе кодера, предназначенной для кодирования стереофонического сигнала в сигнал битового потока. Согласно одному из вариантов осуществления системы кодера, система кодера включает этап понижающего микширования, предназначенный для генерирования на основе стереофонического сигнала низведенного сигнала и остаточного сигнала. Остаточный сигнал может покрывать весь или только часть используемого частотного диапазона звукового сигнала. Кроме того, система кодера включает этап определения параметров, предназначенный для определения таких параметров PS-кодирования, как разность интенсивностей между каналами и взаимная корреляция между каналами. Предпочтительно параметры PS-кодирования являются зависящими от частоты. Указанные этапы понижающего микширования и определения параметров, как правило, составляют часть PS-кодера.The first aspect of the application relates to an encoder system for encoding a stereo signal into a bitstream signal. According to one embodiment of the encoder system, the encoder system includes a downmixing step for generating a downmix signal and a residual signal from the stereo signal. The residual signal may cover all or only part of the usable frequency range of the audio signal. In addition, the encoder system includes a parameter determination step for determining PS encoding parameters such as intensity difference between channels and cross-correlation between channels. Preferably, the PS encoding parameters are frequency dependent. These downmixing and parameter determination stages typically form part of the PS encoder.

Кроме того, система кодера включает средства перцептуального кодирования в нисходящем направлении относительно этапа понижающего микширования, где производится выбор между двумя схемами кодирования:In addition, the encoder system includes perceptual encoding means downstream of the downmixing stage, where a choice is made between two encoding schemes:

- кодированием на основе суммы низведенного сигнала и остаточного сигнала и на основе разности между низведенным сигналом и остаточным сигналом; или- coding based on the sum of the downmix signal and the residual signal and based on the difference between the downmix signal and the residual signal; or

- кодированием на основе низведенного сигнала и на основе остаточного сигнала.- coding based on the downmixed signal and based on the residual signal.

Следует отметить, что в случае кодирования на основе низведенного сигнала и остаточного сигнала низведенный сигнал и остаточный сигнал могут являться кодированными, или могут являться кодированными сигналы, пропорциональные этим сигналам. В случае кодирования, на основе суммы и разности, сумма и разность могут являться кодированными, или могут являться кодированными сигналы, пропорциональные этим сигналам.It should be noted that in the case of coding based on the downmix signal and the residual signal, the downmix signal and the residual signal may be encoded, or signals proportional to these signals may be encoded. In the case of sum-difference encoding, the sum and difference may be encoded, or signals proportional to those signals may be encoded.

Выбор может быть зависящим от частоты (или зависящим от времени), т.е. для первой полосы частот может делаться выбор в пользу кодирования, основанного на суммарном сигнале и разностном сигнале, в то время как для второй полосы частот может делаться выбор в пользу кодирования, основанного на низведенном сигнале и на остаточном сигнале.The selection may be frequency dependent (or time dependent), i.e. for the first frequency band, coding based on the sum signal and the residual signal may be chosen, while for the second frequency band, coding based on the downmix signal and the residual signal may be chosen.

Такая система кодера имеет преимущество, которое позволяет переключаться между стереофоническим L/R-кодированием и PS-кодированием с остаточным сигналом (предпочтительно, зависящим от частоты образом): если средства перцептуального кодирования делают выбор (для конкретной полосы или для всего частотного диапазона) в пользу кодирования, на основе низведенного и остаточного сигналов, система кодирования ведет себя как система, использующая стандартное PS-кодирование с остаточным сигналом. Однако если средства перцептуального кодирования делают выбор (для конкретной полосы или для всего частотного диапазона) в пользу кодирования, на основе суммарного сигнала низведенного сигнала и остаточного сигнала и разностном сигнале низведенного сигнала и остаточного сигнала, при определенных условиях, операции суммирования и вычитания в значительной мере компенсируют предшествующую операцию понижающего микширования (за исключением случая, возможно, отличающегося коэффициента усиления), и, таким образом, система в целом фактически может выполнять L/R-кодирование для всего стереофонического сигнала или для одной из его частотных полос. Например, такие условия возникают тогда, когда каналы L и R стереофонического сигнала независимы и имеют одинаковый уровень, что более подробно будет разъяснено позднее.Such an encoder system has the advantage of being able to switch between stereo L/R encoding and PS encoding with a residual signal (preferably in a frequency dependent manner): if the perceptual encoding means makes a choice (for a specific band or for the entire frequency range) in favor of encoding based on downmix and residual signals, the encoding system behaves like a system using standard PS encoding with a residual signal. However, if the perceptual encoding means makes a choice (for a particular band or for an entire frequency range) to encode based on the sum of the downmix signal and the residual signal and the difference signal of the downmix signal and the residual signal, under certain conditions, the addition and subtraction operations are largely compensate for the previous downmix operation (except in the case of a possibly different gain), and thus the overall system can effectively perform L/R encoding on the entire stereo signal or on one of its frequency bands. For example, such conditions occur when the L and R channels of a stereo signal are independent and at the same level, which will be explained in more detail later.

Предпочтительно, адаптация схемы кодирования зависит от времени и от частоты. Так, предпочтительно, некоторые полосы частот стереофонического сигнала кодируются посредством схемы L/R-кодирования, в то время как другие полосы частот стереофонического сигнала кодируются посредством схемы PS-кодирования с остаточным сигналом.Preferably, the adaptation of the coding scheme is time dependent and frequency dependent. Thus, preferably, some frequency bands of the stereo signal are encoded by an L/R coding scheme, while other frequency bands of the stereo signal are encoded by a PS coding scheme with a residual signal.

Следует отметить, что в случае кодирования, на основе низведенного сигнала и остаточного сигнала, как обсуждалось выше, фактический сигнал, который является входным в базовый кодер, может быть сформирован двумя последовательными операциями на низведенном сигнале и остаточном сигнале, которые являются обратными (за исключением случая, возможно, отличающегося коэффициента усиления). Например, низведенный сигнал и остаточный сигнал подаются на этап преобразования M/S в L/R, а затем выходной сигнал этапа преобразования подается на этап преобразования L/R в M/S. Результирующий сигнал (который затем используется для кодирования) соответствует низведенному сигналу и остаточному сигналу (за исключением случая, возможно, отличающегося коэффициента усиления).It should be noted that in the case of coding based on the downmix signal and the residual signal, as discussed above, the actual signal that is input to the base encoder can be generated by two successive operations on the downmix signal and the residual signal, which are inverse (except in the case , possibly with a different gain). For example, the downmix signal and the residual signal are supplied to the M/S to L/R conversion stage, and then the output signal of the conversion stage is supplied to the L/R to M/S conversion stage. The resulting signal (which is then used for encoding) corresponds to the downmix signal and the residual signal (except in the case of a possibly different gain).

Нижеследующий вариант осуществления изобретения использует эту идею. Согласно одному из вариантов осуществления системы кодера, система кодера, как обсуждалось выше, включает этап понижающего микширования и этап определения параметров. Кроме того, система кодера включает этап преобразования (например, составляющий часть средств кодирования, описанных выше). Этап преобразования генерирует псевдо-L/R-стереофонический сигнал путем выполнения преобразования низведенного сигнала и остаточного сигнала. Этап преобразования предпочтительно выполняет преобразования в сумму и разность, где низведенный сигнал и остаточный сигнал суммируются, генерируя один канал псевдо-стереофонического сигнала (сумма, возможно, умножается на некоторый коэффициент), и вычитаются один из другого, генерируя второй канал псевдо-стереофонического сигнала (разность, возможно, умножается на некоторый коэффициент). Предпочтительно, первый канал (например, псевдо-левый канал) псевдо-стереофонического сигнала пропорционален сумме низведенного и остаточного сигналов, где второй канал (например, псевдо-правый канал) псевдо-стереофонического сигнала пропорционален разности низведенного и остаточного сигналов. Таким образом, низведенный сигнал DMX и остаточный сигнал RES из PS-кодера могут быть конвертированы в псевдо-стереофонический сигнал L p , R p в соответствии со следующими уравнениями:The following embodiment of the invention uses this idea. According to one embodiment of an encoder system, the encoder system, as discussed above, includes a downmixing step and a parameter determination step. In addition, the encoder system includes a transformation step (eg, part of the encoding means described above). The conversion step generates a pseudo-L/R stereo signal by performing conversion on the downmix signal and the residual signal. The transform step preferably performs sum-and-difference conversions, where the downmix signal and the residual signal are added, generating one channel of pseudo-stereo signal (the sum may be multiplied by some factor), and subtracted from each other, generating a second channel of pseudo-stereo signal ( the difference may be multiplied by some coefficient). Preferably, the first channel (eg, pseudo-left channel) of the pseudo-stereo signal is proportional to the sum of the downmix and residual signals, where the second channel (eg, pseudo-right channel) of the pseudo-stereo signal is proportional to the difference of the downmix and residual signals. Thus, the downmixed DMX signal and the residual RES signal from the PS encoder can be converted into a pseudo-stereo signal Lp , Rp according to the following equations :

Lp=g(DMX+RES)L p = g ( DMX + RES )

Rp = g(DMXRES).R p = g ( DMXRES ).

В приведенных выше уравнениях нормировочный коэффициент усиления g, например, имеет значение .In the above equations, the normalization gain g , for example, has the value .

Псевдо-стереофонический сигнал предпочтительно обрабатывается перцептуальным стереофоническим кодером (например, составляющим часть средств кодирования). Для кодирования выбирается стереофоническое L/R-кодирование или стереофоническое M/S-кодирование. Адаптивный перцептуальный стереофонический L/R- или M/S-кодер может представлять собой кодер на базе ААС. Предпочтительно выбор между стереофоническим L/R-кодированием и стереофоническим M/S-кодированием зависит от частоты; так, выбор может варьироваться для различных частотных полос, как обсуждалось выше. Кроме того, выбор между L/R-кодированием и M/S-кодированием, предпочтительно, зависит от времени. Решение о выборе между L/R-кодированием и M/S-кодированием предпочтительно принимается перцептуальным стереофоническим кодером.The pseudo-stereo signal is preferably processed by a perceptual stereo encoder (eg, forming part of the encoding means). For encoding, select either stereo L/R encoding or stereo M/S encoding. The adaptive perceptual stereo L/R or M/S encoder may be an AAC-based encoder. Preferably, the choice between stereo L/R encoding and stereo M/S encoding depends on frequency; thus, the choice may vary for different frequency bands, as discussed above. Moreover, the choice between L/R encoding and M/S encoding is preferably time dependent. The decision to choose between L/R encoding and M/S encoding is preferably made by the perceptual stereo encoder.

Указанный перцептуальный стереофонический кодер для M/S-кодирования обладает возможностью внутреннего вычисления (псевдо-) сигналов M и S (во временной области или в выбранных полосах частот) на основе псевдо-стереофонического сигнала L/R. Указанные сигналы M и S соответствуют низведенному и остаточному сигналам (за исключением случая, возможно, отличающегося коэффициента усиления). Таким образом, если перцептуальный стереофонический кодер делает выбор в пользу M/S-кодирования, то он фактически кодирует низведенный и остаточный сигналы (которые соответствуют псевдо-сигналам М и S), как это могло бы выполняться в системе, использующей стандартное PS-кодирование с остаточным сигналом.Said perceptual stereo encoder for M/S encoding has the capability of internally computing (pseudo-) M and S signals (in the time domain or in selected frequency bands) based on the pseudo-stereo L/R signal. The indicated M and S signals correspond to the downmix and residual signals (except in the case of a possibly different gain). Thus, if a perceptual stereo encoder opts for M/S encoding, it is effectively encoding the downmix and residual signals (which correspond to the pseudo M and S signals) as it would be done in a system using standard PS encoding with residual signal.

Кроме того, в специфических условиях этап преобразования в значительной мере компенсирует предшествующую операцию понижающего микширования (за исключением случая, возможно, отличающегося коэффициента усиления), и, таким образом, система кодера в целом может фактически выполнять L/R-кодирование всего стереофонического сигнала или одной из его частотных полос (если перцептуальным кодером выбрано L/R-кодирование). Этот случай соответствует, например, случаю, когда каналы L и R стереофонического сигнала независимы и имеют одинаковый уровень, что более подробно будет разъяснено позднее. Таким образом, для данной полосы частот псевдо-стереофонический сигнал в значительной мере соответствует или является пропорциональным стереофоническому сигналу, если ― для этой полосы частот ― левый и правый каналы стереофонического сигнала, в значительной мере, независимы и имеют, в значительной мере, одинаковый уровень.Moreover, under specific conditions, the conversion step largely compensates for the previous downmix operation (except in the case of possibly different gain), and thus the encoder system as a whole can effectively perform L/R encoding of the entire stereo signal or one from its frequency bands (if L/R coding is selected as the perceptual encoder). This case corresponds, for example, to the case where the L and R channels of a stereo signal are independent and have the same level, which will be explained in more detail later. Thus, for a given frequency band, a pseudo-stereo signal is substantially equal to or proportional to the stereo signal if, for that frequency band, the left and right channels of the stereo signal are substantially independent and have substantially the same level.

Таким образом, система кодера фактически позволяет осуществлять переключение между стереофоническим L/R-кодированием и PS-кодированием с остаточным сигналом с целью получения возможности адаптации к свойствам данного входного стереофонического сигнала. Предпочтительно, адаптация схемы кодирования зависит от времени и от частоты. Так, предпочтительно, некоторые полосы частот стереофонического сигнала кодируются посредством схемы L/R-кодирования, в то время как другие полосы частот стереофонического сигнала кодируются посредством схемы PS-кодирования с остаточным сигналом. Следует отметить, что M/S-кодирование по существу представляет собой частный случай PS-кодирования с остаточным сигналом (поскольку преобразование L/R в M/S представляет собой частный случай операции понижающего микширования при PS-кодировании), и, таким образом, система кодера также может выполнять полное M/S-кодирование.Thus, the encoder system effectively allows switching between stereo L/R encoding and PS encoding with a residual signal in order to be able to adapt to the properties of a given stereo input signal. Preferably, the adaptation of the coding scheme is time dependent and frequency dependent. Thus, preferably, some frequency bands of the stereo signal are encoded by an L/R coding scheme, while other frequency bands of the stereo signal are encoded by a PS coding scheme with a residual signal. It should be noted that M/S encoding is essentially a special case of PS encoding with a residual signal (since the L/R to M/S conversion is a special case of the downmixing operation of PS encoding), and thus the system encoder can also perform full M/S encoding.

Указанный вариант осуществления изобретения, содержащий этап преобразования в нисходящем направлении относительно PS-кодера и в восходящем направлении относительно перцептуального стереофонического L/R- или M/S-кодера, имеет преимущество, которое заключается в том, что могут быть использованы традиционный PS-кодер и традиционный перцептуальный кодер. Тем не менее, PS-кодер, или перцептуальный кодер, в данном случае может адаптироваться для специфического использования.This embodiment of the invention comprising a transform step downstream of a PS encoder and upstream of a perceptual stereo L/R or M/S encoder has the advantage that a conventional PS encoder and traditional perceptual encoder. However, the PS encoder, or perceptual encoder, in this case can be adapted for specific use.

Новая концепция повышает эффективность стереофонического кодирования, позволяя эффективно комбинировать PS-кодирование и совместное стереофоническое кодирование.The new concept improves the efficiency of stereo encoding, allowing PS encoding and co-stereo encoding to be effectively combined.

В соответствии с альтернативным вариантом осуществления изобретения, средства кодирования, которые обсуждались выше, включают этап преобразования, предназначенный для выполнения преобразования в сумму и разность на основе низведенного сигнала и остаточного сигнала для одной или нескольких частотных полос (например, для всего используемого частотного диапазона или только для одной полосы частот). Это преобразование может выполняться в частотной области или во временной области. Этап преобразования генерирует псевдо-левый/правый стереофонический сигнал для одной или нескольких частотных полос. Один канал псевдо-стереофонического сигнала соответствует сумме, а второй канал псевдо-стереофонического сигнала соответствует разности.According to an alternative embodiment of the invention, the encoding means as discussed above include a transform step for performing sum and difference conversion based on the downmix signal and the residual signal for one or more frequency bands (e.g., for the entire usable frequency range or just for one frequency band). This conversion can be performed in the frequency domain or in the time domain. The conversion stage generates a pseudo-left/right stereo signal for one or more frequency bands. One channel of the pseudo-stereo signal corresponds to the sum, and the second channel of the pseudo-stereo signal corresponds to the difference.

Таким образом, в случае, когда кодирование основывается на суммарном и разностном сигналах, выходной сигнал этапа преобразования может использоваться для кодирования, в то время как в случае, когда кодирование основывается на низведенном сигнале и остаточном сигнале, для кодирования могут использоваться сигналы в восходящем направлении относительно этапа кодирования. Таким образом, этот вариант осуществления изобретения не использует два последовательных преобразования в сумму и разность на низведенном сигнале и остаточном сигнале, приводящих к низведенному сигналу и остаточному сигналу (за исключением случая, возможно, отличающегося коэффициента усиления).Thus, in the case where encoding is based on the sum and difference signals, the output signal of the transform step can be used for encoding, while in the case where encoding is based on the downmix signal and the residual signal, signals in the upstream direction relative to coding stage. Thus, this embodiment of the invention does not use two sequential sum and difference transformations on the downmix signal and the residual signal, resulting in a downmix signal and a residual signal (except in the case of a possibly different gain).

При выборе кодирования на основе низведенного сигнала и остаточного сигнала, выбирается параметрическое стереофоническое кодирование стереофонического сигнала. При выборе кодирования на основе суммы и разности (т.е. кодирования на основе псевдо-стереофонического сигнала), выбирается L/R-кодирование стереофонического сигнала.When selecting encoding based on the downmix signal and the residual signal, parametric stereo encoding of the stereo signal is selected. When selecting sum-difference encoding (ie, pseudo-stereo encoding), L/R encoding of the stereo signal is selected.

Этап преобразования может представлять собой этап преобразования L/R в M/S, составляющий часть перцептуального кодера с адаптивным выбором между стереофоническим L/R- и M/S-кодированием (возможно, в отличии от традиционного этапа преобразования L/R в M/S, коэффициенты усиления отличаются). Следует отметить, что решение о выборе между стереофоническим L/R- и M/S-кодированием должно быть обратимым. Таким образом, кодирование, на основе низведенного сигнала и остаточного сигнала, выбирается (т.е. кодированный сигнал не проходит этап преобразования) тогда, когда средства принятия решения принимают решение о перцептуальном M/S-декодировании, а кодирование, на основе псевдо-стереофонического сигнала, генерируемом этапом преобразования, выбирается (т.е. кодированный проходит этап преобразования) тогда, когда средства принятия решения принимают решение о перцептуальном L/R-декодировании.The transform stage may be an L/R to M/S transform stage forming part of a perceptual encoder with adaptive selection between stereo L/R and M/S encoding (perhaps as opposed to a traditional L/R to M/S transform stage , the gains are different). It should be noted that the decision to choose between stereo L/R and M/S encoding must be reversible. Thus, encoding based on the downmix signal and the residual signal is selected (i.e., the encoded signal does not go through the transform step) when the decision makers decide on perceptual M/S decoding, and encoding based on pseudo-stereophonic signal generated by the transform step is selected (i.e., the encoded one goes through the transform step) when the decision makers decide on perceptual L/R decoding.

Система кодера согласно любому из обсужденных выше вариантов осуществления изобретения может включать дополнительный SBR-кодер (репликации спектральной полосы). SBR представляет собой одну из форм HFR (высокочастотной реконструкции). SBR-кодер определяет дополнительную информацию для реконструкции более высокого частотного диапазона звукового сигнала в декодере. Перцептуальным кодером кодируется только более низкий частотный диапазон, что уменьшает битовую скорость передачи данных. Предпочтительно SBR-кодер присоединяется в восходящем направлении относительно PS-кодера. Таким образом, SBR-кодер может находиться в стереофонической области и генерировать параметры SBR для стереофонического сигнала. Это будет более подробно обсуждаться в связи с графическими материалами.The encoder system according to any of the above-discussed embodiments of the invention may include an additional SBR (spectral band replication) encoder. SBR is a form of HFR (high frequency reconstruction). The SBR encoder determines additional information to reconstruct the higher frequency range of the audio signal at the decoder. Only the lower frequency range is encoded by the perceptual encoder, which reduces the data bit rate. Preferably, the SBR encoder is connected upstream of the PS encoder. Thus, the SBR encoder can be in the stereo domain and generate SBR parameters for the stereo signal. This will be discussed in more detail in connection with the graphic materials.

Предпочтительно, PS-кодер (т.е. этап понижающего микширования и этап определения параметров) выполняет операции в передискретизированной частотной области (PS-кодер, который обсуждается ниже, также предпочтительно выполняет операции в передискретизированной частотной области). Для преобразования из временной области в частотную в восходящем направлении относительно PS-кодера может использоваться гибридный блок комплекснозначных фильтров, содержащий QMF (квадратурный зеркальный фильтр) и фильтр Найквиста, как описано в стандарте MPEG Surround (см. документ ISO/IEC 23003-1). Это позволяет выполнять адаптивную обработку сигнала во времени и по частоте в отсутствие слышимых артефактов наложения спектров. Адаптивное L/R- или M/S-кодирование, с другой стороны, предпочтительно осуществляется в области критически дискретизированного MDCT (например, как описано в ААС) с целью обеспечения эффективного представления квантованного сигнала.Preferably, the PS encoder (ie, the downmixing step and the parameter determination step) performs operations in the upsampled frequency domain (the PS encoder, which is discussed below, also preferably performs operations in the oversampled frequency domain). For time domain to frequency domain conversion upstream of the PS encoder, a hybrid complex valued filter bank containing a QMF (quadrature mirror filter) and a Nyquist filter can be used, as described in the MPEG Surround standard (see document ISO/IEC 23003-1). This allows adaptive signal processing in time and frequency without audible aliasing artifacts. Adaptive L/R or M/S encoding, on the other hand, is preferably performed in the critically sampled MDCT domain (e.g., as described in AAC) in order to provide an efficient representation of the quantized signal.

Конверсия между низведенным и остаточным сигналами и псевдо-L/R-стереофоническим сигналом может осуществляться во временной области, поскольку PS-кодер и перцептуальный стереофонический кодер, как правило, в любом случае связываются во временной области. Таким образом, этап преобразования, предназначенный для генерирования сигнала псевдо-L/R может выполнять операции во временной области.The conversion between the downmix and residual signals and the pseudo-L/R stereo signal can be done in the time domain, since the PS encoder and the perceptual stereo encoder are typically coupled in the time domain anyway. Thus, the conversion stage for generating the pseudo-L/R signal can perform operations in the time domain.

В других вариантах осуществления изобретения, которые обсуждаются в связи с графическими материалами, этап преобразования выполняет операции в передискретизированной частотной области или области критически дискретизированного MDCT.In other embodiments of the invention, which are discussed in connection with the drawings, the transform stage performs operations in the resampled frequency domain or the critically sampled MDCT domain.

Второй аспект заявки относится к системе декодера, предназначенной для декодирования сигнала битового потока, генерируемого обсужденной выше системой кодера.The second aspect of the application relates to a decoder system for decoding a bitstream signal generated by the encoder system discussed above.

Согласно одному из вариантов осуществления системы декодера, система декодера включает средства перцептуального декодирования, предназначенные для декодирования на основе сигнала битового потока. Средства декодирования сконфигурированы для генерирования посредством декодирования (внутреннего) первого сигнала и (внутреннего) второго сигнала и для вывода низведенного сигнала и остаточного сигнала. Низведенный сигнал и остаточный сигнал селективно основываются наAccording to one embodiment of a decoder system, the decoder system includes perceptual decoding means for decoding based on a bitstream signal. The decoding means are configured to generate, by decoding, the (internal) first signal and the (internal) second signal, and to output the downmix signal and the residual signal. The downmix signal and the residual signal are selectively based on

- сумме первого сигнала и второго сигнала и на разности первого сигнала и второго сигнала- the sum of the first signal and the second signal and the difference of the first signal and the second signal

или or

- на первом сигнале и на втором сигнале.- on the first signal and on the second signal.

Как обсуждалось выше в связи с системой кодера, в данном случае, выбор также может быть зависящим от частоты и независящим от частоты.As discussed above in connection with the encoder system, in this case, the selection may also be frequency dependent and frequency independent.

Кроме того, система включает этап повышающего микширования, предназначенный для генерирования стереофонического сигнала на основе низведенного сигнала и остаточного сигнала, где операция повышающего микширования на этапе повышающего микширования зависит от одного или нескольких параметров параметрического стереофонического кодирования.In addition, the system includes an upmixing step for generating a stereo signal based on the downmix signal and the residual signal, where the upmixing operation of the upmixing step depends on one or more parametric stereo encoding parameters.

Аналогично системе кодера, система декодера фактически позволяет переключаться между L/R-декодированием и PS-декодированием с остаточным сигналом, предпочтительно, зависящим от времени и от частоты образом.Similar to the encoder system, the decoder system actually allows switching between L/R decoding and PS decoding with a residual signal, preferably in a time-dependent and frequency-dependent manner.

Согласно другому варианту осуществления изобретения система декодера включает перцептуальный стереофонический декодер (например, составляющий часть средств декодирования), предназначенный для декодирования сигнала битового потока, где декодер генерирует псевдо-стереофонический сигнал. Перцептуальный декодер может представлять собой декодер на базе ААС. Для перцептуального стереофонического декодера перцептуальное L/R-декодирование или перцептуальное M/S-декодирование выбирается зависящим от частоты или независящим от частоты образом (фактический выбор предпочтительно управляется решением кодера, которое передается как дополнительная информация в битовом потоке). Декодер делает выбор схемы декодирования на основе схемы кодирования, использованной для кодирования. Используемая схема кодирования может указываться декодеру посредством информации, содержащейся в принимаемом битовом потоке.According to another embodiment of the invention, the decoder system includes a perceptual stereo decoder (eg, forming part of the decoding means) for decoding the bitstream signal, where the decoder generates a pseudo-stereo signal. The perceptual decoder may be an AAC-based decoder. For a perceptual stereo decoder, perceptual L/R decoding or perceptual M/S decoding is selected in a frequency-dependent or frequency-independent manner (the actual selection is preferably controlled by the encoder's decision, which is carried as side information in the bitstream). The decoder makes the choice of a decoding scheme based on the encoding scheme used for encoding. The encoding scheme to be used may be indicated to the decoder by information contained in the received bit stream.

Кроме того, предусматривается этап преобразования, предназначенный для генерирования низведенного сигнала и остаточного сигнала путем выполнения преобразования псевдо-стереофонического сигнала. Иными словами, псевдо-стереофонический сигнал, получаемый из перцептуального декодера конвертируется обратно в низведенный и остаточный сигналы. Это преобразование представляет собой преобразование в сумму и разность: результирующий низведенный сигнал пропорционален сумме левого канала и правого канала псевдо-стереофонического сигнала, результирующий остаточный сигнал пропорционален разности левого канала и правого канала псевдо-стереофонического сигнала. Таким образом, осуществляется квази-преобразование L/R в M/S. Псевдо-стреофонический сигнал с двумя каналами L p , R р может конвертироваться в низведенный и остаточный сигналы в соответствии со следующими уравнениями:In addition, a conversion step is provided for generating the downmix signal and the residual signal by performing conversion of the pseudo-stereo signal. In other words, the pseudo-stereo signal received from the perceptual decoder is converted back into the downmix and residual signals. This conversion is a sum-difference conversion: the resulting downmix signal is proportional to the sum of the left channel and the right channel of the pseudo-stereo signal, the resulting residual signal is proportional to the difference of the left channel and the right channel of the pseudo-stereo signal. Thus, a quasi-conversion of L/R to M/S is carried out. A pseudo-stereophonic signal with two channels L p , R p can be converted into downmix and residual signals in accordance with the following equations:

. .

В приведенных выше уравнениях нормировочный коэффициент усиления g может, например, иметь значение . Остаточный сигнал RES, используемый в декодере, может покрывать весь используемый диапазон частот звукового сигнала или только часть используемого диапазона частот звукового сигнала.In the above equations, the normalization gain g can, for example, have the value . The residual signal RES used in the decoder may cover the entire usable frequency range of the audio signal or only a portion of the usable frequency range of the audio signal.

Низведенный и остаточный сигналы затем обрабатываются на этапе повышающего микширования PS-декодера для получения конечного стереофонического выходного сигнала. Повышающее микширование низведенного и остаточного сигналов в стереофонический сигнал зависит от принимаемых параметров PS-кодирования.The downmix and residual signals are then processed in the upmixing stage of the PS decoder to produce the final stereo output signal. The upmixing of the downmix and residual signals into a stereo signal depends on the received PS encoding parameters.

Согласно альтернативному варианту осуществления изобретения средства перцептуального декодирования могут включать этап преобразования в сумму и разность, предназначенный для выполнения преобразования на основе первого сигнала и второго сигнала для одной или нескольких частотных полос (например, для всего используемого диапазона частот). Таким образом, этап преобразования генерирует низведенный сигнал и остаточный сигнал в случае, когда низведенный сигнал и остаточный сигнал базируются на сумме первого сигнала и второго сигнала и на разности первого сигнала и второго сигнала. Этап преобразования может выполнять операции во временной области или в частотной области.According to an alternative embodiment of the invention, the perceptual decoding means may include a sum and difference transform step for performing a transform based on the first signal and the second signal for one or more frequency bands (eg, for the entire frequency range in use). Thus, the conversion step generates a downmix signal and a residual signal in the case where the downmix signal and the residual signal are based on the sum of the first signal and the second signal and on the difference of the first signal and the second signal. The conversion stage can perform operations in the time domain or in the frequency domain.

Как сходным образом обсуждалось в связи с системой кодера, этап преобразования может представлять собой этап преобразования M/S в L/R, составляющий часть перцептуального декодера с адаптивным выбором между стереофоническим L/R- и M/S-декодированием (возможно, коэффициент усиления, в отличие от традиционного этапа преобразования M/S в L/R, отличается). Следует отметить, что выбор между стереофоническим L/R- и M/S-декодированием должен быть обратимым.As similarly discussed in connection with the encoder system, the transform stage may be an M/S to L/R transform stage forming part of a perceptual decoder with adaptive selection between stereo L/R and M/S decoding (possibly a gain different from the traditional M/S to L/R conversion step). It should be noted that the choice between stereo L/R and M/S decoding must be reversible.

Система декодера согласно любому из предшествующих вариантов осуществления изобретения может включать дополнительный SBR-декодер, предназначенный для декодирования дополнительной информации из SBR-кодера и для генерирования высокочастотной составляющей звукового сигнала. Предпочтительно SBR-декодер располагается в нисходящем направлении относительно PS-декодера. Это будет более подробно обсуждаться в связи с графическими материалами.The decoder system according to any of the preceding embodiments of the invention may include an additional SBR decoder for decoding additional information from the SBR encoder and for generating a high frequency component of the audio signal. Preferably, the SBR decoder is located downstream of the PS decoder. This will be discussed in more detail in connection with the graphic materials.

Предпочтительно, этап повышающего микширования выполняет операции в передискретизированной частотной области, например, в восходящем направлении относительно PS-декодера может, как описывалось выше, использоваться гибридный блок фильтров.Preferably, the upmixing step performs operations in the resampled frequency domain, for example, a hybrid filter bank may be used upstream of the PS decoder as described above.

Преобразование L/R в M/S может проводиться во временной области, поскольку перцептуальный декодер и PS-декодер (включая этап повышающего микширования), как правило, связаны во временной области.The L/R to M/S conversion can be performed in the time domain since the perceptual decoder and the PS decoder (including the upmixing stage) are typically coupled in the time domain.

В других вариантах осуществления изобретения, описанных в связи с графическими материалами, преобразование L/R в M/S проводится в передискретизированной частотной области (например, QMF) или в критически дискретизированной частотной области (например, MDCT).In other embodiments of the invention described in connection with the drawings, the L/R to M/S conversion is performed in the oversampled frequency domain (eg, QMF) or in the critically sampled frequency domain (eg, MDCT).

Третий аспект заявки относится к способу кодирования стереофонического сигнала в сигнал битового потока. Способ выполняет операции аналогично системе кодера, обсужденной выше. Таким образом, приведенные выше ремарки, относящиеся к системе кодера в основном также применимы и к способу кодирования.The third aspect of the application relates to a method for encoding a stereo signal into a bitstream signal. The method performs operations similar to the encoder system discussed above. Thus, the above remarks relating to the encoder system generally also apply to the encoding method.

Четвертый аспект заявки относится к способу декодирования сигнала битового потока, включающего параметры PS-кодирования, с целью генерирования стереофонического сигнала. Способ выполняет операции так же, как система декодера, обсужденная выше. Таким образом, приведенные выше ремарки, относящиеся к системе декодера в основном также применимы и к способу декодирования.A fourth aspect of the application relates to a method for decoding a bitstream signal including PS encoding parameters to generate a stereo signal. The method performs operations in the same way as the decoder system discussed above. Thus, the above remarks regarding the decoder system generally also apply to the decoding method.

Ниже изобретение разъясняется посредством иллюстративных примеров с отсылкой к сопроводительным графическим материалам, гдеThe invention will be explained below by way of illustrative examples with reference to the accompanying drawings, in which

фиг. 1 - один из вариантов осуществления системы кодера, где, необязательно, параметры PS-кодирования содействуют психоакустическому управлению в перцептуальном стереофоническом кодере;fig. 1 illustrates one embodiment of an encoder system, where optionally PS encoding parameters assist psychoacoustic control in a perceptual stereo encoder;

фиг. 2 0 один из вариантов осуществления PS-кодера;fig. 2 0 one of the embodiments of the PS encoder;

фиг. 3 - один из вариантов осуществления системы декодера;fig. 3 shows one embodiment of a decoder system;

фиг. 4 - один из дополнительных вариантов осуществления PS-кодера, включающего детектор, предназначенный для деактивации PS-кодирования, если предпочтительным является L/R-кодирование;fig. 4 illustrates one further embodiment of a PS encoder including a detector for disabling PS encoding if L/R encoding is preferred;

фиг. 5 - один из вариантов осуществления традиционной системы PS-кодера, содержащей дополнительный SBR-кодер для низведенного сигнала;fig. 5 illustrates one embodiment of a conventional PS encoder system including an additional SBR encoder for the downmix signal;

фиг. 6 - один из вариантов осуществления системы кодера, содержащей дополнительный SBR-кодер для низведенного сигнала;fig. 6 illustrates one embodiment of an encoder system comprising an additional SBR encoder for the downmix signal;

фиг. 7 - один из вариантов осуществления системы кодера, содержащей дополнительный SBR-кодер в стереофонической области;fig. 7 illustrates one embodiment of an encoder system comprising an additional SBR encoder in the stereo domain;

фиг. 8а-8d - различные частотно-временные представления одного из двух выходных каналов на выходе декодера;fig. 8a-8d are different time-frequency representations of one of the two output channels at the decoder output;

фиг. 9a - один из вариантов осуществления базового кодера;fig. 9a is one embodiment of a basic encoder;

фиг. 9b - один из вариантов осуществления кодера, который позволяет осуществлять переключение между кодированием в области линейного предсказания (как правило, только для монофонических сигналов) и кодированием в области преобразования (как правило, и для монофонических, и для стереофонических сигналов);fig. 9b illustrates one embodiment of an encoder that allows switching between linear prediction domain coding (typically for mono signals only) and transform domain coding (typically for both mono and stereo signals);

фиг. 10 - один из вариантов осуществления системы кодера;fig. 10 illustrates one embodiment of an encoder system;

фиг. 11a - часть одного из вариантов осуществления системы кодера;fig. 11a is part of one embodiment of an encoder system;

фиг. 11b - иллюстративная реализация варианта осуществления изобретения по фиг. 11а;fig. 11b is an illustrative implementation of the embodiment of FIG. 11a;

фиг. 11с - альтернатива варианту осуществления изобретения по фиг. 11а;fig. 11c is an alternative to the embodiment of FIG. 11a;

фиг. 12 - один из вариантов осуществления системы кодера;fig. 12 illustrates one embodiment of an encoder system;

фиг. 13 ― один из вариантов осуществления стереофонического кодера, составляющего часть системы кодера по фиг. 12;fig. 13 is one embodiment of a stereo encoder forming part of the encoder system of FIG. 12;

фиг. 14 - один из вариантов осуществления системы декодера, предназначенной для декодирования сигнала битового потока, генерируемого системой кодера по фиг. 6;fig. 14 illustrates one embodiment of a decoder system for decoding a bitstream signal generated by the encoder system of FIG. 6;

фиг. 15 - один из вариантов осуществления системы декодера, предназначенной для декодирования сигнала битового потока, генерируемого системой кодера по фиг. 7;fig. 15 illustrates one embodiment of a decoder system for decoding a bitstream signal generated by the encoder system of FIG. 7;

фиг. 16a - часть одного из вариантов осуществления системы декодера;fig. 16a is part of one embodiment of a decoder system;

фиг. 16b - иллюстративная реализация варианта осуществления изобретения по фиг. 16а;fig. 16b is an illustrative implementation of the embodiment of FIG. 16a;

фиг. 16c - альтернатива варианту осуществления изобретения по фиг. 16а;fig. 16c is an alternative to the embodiment of FIG. 16a;

фиг. 17 - один из вариантов осуществления системы кодера; иfig. 17 illustrates one embodiment of an encoder system; And

фиг. 18 - один из вариантов осуществления системы декодера.fig. 18 illustrates one embodiment of a decoder system.

На фиг. 1 показан вариант осуществления системы кодера, которая объединяет PS-кодирование с использованием остаточного сигнала и адаптивное перцептуальное стереофоническое L/R- или M/S-кодирование. Этот вариант осуществления изобретения является лишь иллюстрацией принципов настоящей заявки. Следует понимать, что модификации и изменения этого варианта осуществления изобретения будут очевидны для специалистов в данной области. Система кодера включает PS-кодер 1, принимающий стереофонический сигнал L, R. PS-кодер 1 содержит этап понижающего микширования, предназначенный для генерирования низведенного DMX и остаточного RES сигналов на основе стереофонического сигнала L, R. Эту операцию можно описать при помощи матрицы H –1 понижающего микширования H –1 размера 2×2, которая конвертирует сигналы L и R в низведенный сигнал DMX и остаточный сигнал RES:In fig. 1 illustrates an embodiment of an encoder system that combines residual PS encoding and adaptive perceptual stereo L/R or M/S encoding. This embodiment of the invention is merely an illustration of the principles of the present application. It should be understood that modifications and changes to this embodiment of the invention will be apparent to those skilled in the art. The encoder system includes PS encoder 1 receiving the L, R stereo signal. PS encoder 1 contains a downmixing stage designed to generate the DMX downmix and residual RES signals from the L, R stereo signal. This operation can be described using the matrix H – 1 H –1 2x2 downmix that converts the L and R signals into a DMX downmix and a RES residual signal:

. .

Как правило, матрица H –1 является зависящей от частоты или зависящей от времени, т.е. элементы матрицы H –1 изменяются с частотой и изменяются от одного кванта времени к другому. Матрица H –1 может обновляться с каждым кадром (например, каждые 21 или 48 мс) и может иметь частотное разрешение множества полос, например, 28, 20 или 10 полос (называемых «полосами параметров») на перцептуально ориентированной шкале частот (типа шкалы Барка).Typically, the H –1 matrix is frequency dependent or time dependent, i.e. the elements of the H –1 matrix change with frequency and change from one time slice to another. The H –1 matrix may be updated with each frame (eg, every 21 or 48 ms) and may have a frequency resolution of multiple bands, such as 28, 20, or 10 bands (called "parameter bands") on a perceptually oriented frequency scale (such as the Bark scale ).

Элементы матрицы H –1 зависят от зависящих от времени и от частоты параметров PS-кодирования: IID (разности интенсивностей между каналами; также называется CLD ― разность уровней каналов) и ICC (взаимной корреляции между каналами). Для определения параметров 5 PS-кодирования, например, IID и ICC, PS-кодер 1 включает этап определения параметров. Пример вычисления матричных элементов обратной матрицы Н имеет следующий вид и описан в спецификации стандарта MPEG Surround, документ ISO/IEC 23003-1, подпункт 6.5.3.2, которая ссылкой включается в настоящее описание:The elements of the H –1 matrix depend on time- and frequency-dependent PS encoding parameters: IID (intensity difference between channels; also called CLD - channel level difference) and ICC (cross-correlation between channels). To determine the PS encoding parameters 5, for example, IID and ICC, the PS encoder 1 includes a parameter determination step. An example of calculating the matrix elements of the inverse matrix H has the following form and is described in the MPEG Surround standard specification, document ISO/IEC 23003-1, subclause 6.5.3.2, which is incorporated by reference into this description:

, ,

гдеWhere

, и , , And ,

гдеWhere

, ,

и где .and where .

Кроме того, система кодера включает этап 2 преобразования, который конвертирует низведенный сигнал DMX и остаточный сигнал RES из PS-кодера 1 в псевдо-стереофонический сигнал L p , R p , например, в соответствии со следующими уравнениями:In addition, the encoder system includes a conversion step 2 that converts the downmix signal DMX and the residual signal RES from the PS encoder 1 into a pseudo-stereo signal L p , R p , for example, in accordance with the following equations:

. .

В приведенных выше уравнениях нормировочный коэффициент усиления g имеет, например, значение . Для два уравнения псевдо-стереофонического сигнала L p , R p можно переписать как:In the above equations, the normalization gain g has, for example, the value . For the two pseudo-stereo signal equations L p , R p can be rewritten as:

. .

Псевдо-стереофонический сигнал L p , R p затем подается в перцептуальный стереофонический кодер 3, который адаптивно делает выбор между стереофоническим L/R-кодированием и стереофоническим M/S-кодированием. M/S-кодирование представляет собой одну из форм совместного стереофонического кодирования. L/R-кодирование может также базироваться на некоторых аспектах совместного кодирования, например, биты для каналов L и R могут совместно распределяться из общего хранилища битов.The pseudo-stereo signal L p , R p is then supplied to the perceptual stereo encoder 3, which adaptively selects between L/R stereo encoding and M/S stereo encoding. M/S coding is a form of joint stereo coding. L/R coding may also be based on some aspects of joint coding, for example, bits for L and R channels may be jointly allocated from a common bit store.

Выбор между стереофоническим L/R- или M/S-кодированием, предпочтительно, является зависящим от частоты, т.е. некоторые полосы частот могут подвергаться L/R-кодированию, в то время как другие полосы частот могут подвергаться M/S-кодированию. Один из вариантов реализации выбора между стереофоническим L/R- или M/S-кодированием описан в документе "Sum-Difference Stereo Transform Coding", J. D. Johnston et al., IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 1992, pages 569―572. Обсуждение выбора между стереофоническим L/R- или M/S-кодированием в этом документе, в частности, разделы 5.1 и 5.2, ссылкой включаются в настоящее описание.The choice between stereo L/R or M/S encoding is preferably frequency dependent, i.e. Some frequency bands may be L/R encoded, while other frequency bands may be M/S encoded. One implementation of the choice between stereo L/R or M/S encoding is described in the document "Sum-Difference Stereo Transform Coding", J. D. Johnston et al., IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 1992 , pages 569–572. The discussion of the choice between stereo L/R or M/S encoding in this document, particularly sections 5.1 and 5.2, is incorporated by reference herein.

На основе псевдо-стереофонического сигнала L p , R p перцептуальный кодер 3 может выполнить внутреннее вычисление (псевдо-) средних/побочных сигналов M p , S p . Эти сигналы по существу соответствуют низведенному сигналу DMX и остаточному сигналу RES (за исключением случая, возможно, отличающегося коэффициента усиления). Тогда, если перцептуальный кодер 3 делает выбор в пользу M/S-кодирования полосы частот, то перцептуальный кодер 3 по существу кодирует для этой полосы частот низведенный сигнал DMX и остаточный сигнал RES (за исключением случая, возможно, отличающегося коэффициента усиления), как это может быть выполнено также и в традиционной системе перцептуального кодера с использованием традиционного PS-кодирования с остаточным сигналом. Параметры 5 PS-кодирования и выходной битовый поток 4 перцептуального кодера 3 мультиплексируются в единый битовый поток 6 посредством мультиплексора 7.Based on the pseudo-stereo signal L p , R p , the perceptual encoder 3 can perform an internal calculation of the (pseudo-) mid/side signals M p , Sp . These signals essentially correspond to the downmix DMX signal and the residual RES signal (except perhaps with a different gain). Then, if the perceptual encoder 3 chooses to M/S encode a frequency band, then the perceptual encoder 3 essentially encodes for that frequency band the downmixed DMX signal and the residual RES signal (except in the case of a possibly different gain) as this can also be performed in a traditional perceptual encoder system using traditional PS encoding with a residual signal. PS encoding parameters 5 and the output bit stream 4 of the perceptual encoder 3 are multiplexed into a single bit stream 6 by means of a multiplexer 7.

В дополнение к PS-кодированию стереофонического сигнала система кодера по фиг. 1, как будет описано ниже, позволяет выполнять L/R-кодирование стереофонического сигнала. Как обсуждалось выше, элементы матрицы H –1 понижающего микширования кодера (а также элементы матрицы Н повышающего микширования, используемой в декодере) зависят от зависящих от времени и от частоты параметров PS-кодирования: IID (разности интенсивностей между каналами; также называется CLD ― разность уровней каналов) и ICC (взаимной корреляции между каналами). Пример вычисления матричных элементов матрицы Н повышающего микширования описан выше. В случае использования кодирования остаточного сигнала, правый столбец матрицы Н повышающего микширования размера 2×2 имеет вид:In addition to PS encoding the stereo signal, the encoder system of FIG. 1, as will be described below, allows L/R encoding of a stereo signal. As discussed above, the elements of the encoder's downmix matrix H –1 (as well as the elements of the upmix matrix H used in the decoder) depend on time- and frequency-dependent PS encoding parameters: IID (intensity differences between channels; also called CLD - difference channel levels) and ICC (inter-channel cross-correlation). An example of calculating the matrix elements of the upmixing matrix H is described above. In the case of using residual signal encoding, the right column of the 2x2 upmix matrix H is:

. .

Однако вместо этого правый столбец матрицы Н размера 2×2, предпочтительно, должен модифицироваться какHowever, instead, the right column of the 2x2 matrix H should preferably be modified as

. .

Левый столбец предпочтительно вычисляется так, как это дано в спецификации MPEG Surround.The left column is preferably calculated as given in the MPEG Surround specification.

Модификация правого столбца матрицы Н повышающего микширования обеспечивает то, что при IID = 0 дБ и ICC = 0 (т.е. в случае, когда для соответствующей полосы стереофонические каналы L и R являются независимыми и имеют одинаковый уровень), для полосы получается следующая матрица Н повышающего микширования:Modifying the right column of the upmix matrix H ensures that when IID = 0 dB and ICC = 0 (i.e., in the case where for the corresponding band the stereo channels L and R are independent and have the same level), the following matrix is obtained for the band Upmixing :

. .

Следует отметить, что матрица Н повышающего микширования, а также матрица Н –1 понижающего микширования, как правило, являются зависящими от частоты и зависящими от времени. Таким образом, значения матриц различны для различных временных/частотных мозаичных элементов (мозаичный элемент соответствует пересечению конкретной полосы частот и конкретного периода времени). В рассмотренном выше случае матрица Н –1 понижающего микширования идентична матрице Н повышающего микширования. Таким образом, псевдо-стереофонический сигнал L p , R p для полосы можно вычислить по следующему уравнению:It should be noted that the upmix matrix H , as well as the downmix matrix H –1 , are typically frequency dependent and time dependent. Thus, the matrix values are different for different time/frequency tiles (a tile corresponds to the intersection of a specific frequency band and a specific time period). In the case discussed above, the matrix H –1 of the down-mix is identical to the matrix H of the up-mix. Thus, the pseudo-stereo signal L p , R p for a band can be calculated using the following equation:

. .

Таким образом, в этом случае, PS-кодирование с остаточным сигналом, использующее матрицу Н –1 понижающего микширования с последующим генерированием псевдо-сигнала L/R на этапе 2 преобразования, соответствует единичной матрице и совсем не изменяет стереофонический сигнал для соответствующей полосы частот, т.е.Thus, in this case, residual PS encoding using the H –1 downmix matrix followed by generation of the L/R pseudo signal in transform step 2 corresponds to the identity matrix and does not change the stereo signal at all for the corresponding frequency band, i.e. .e.

. .

Иными словами, этап 2 преобразования компенсирует матрицу Н –1 понижающего микширования так, чтобы псевдо-стереофонический сигнал L p , R p соответствовал входному стереофоническому сигналу L, R.That is, transform step 2 compensates the downmix matrix H –1 so that the pseudo-stereo signal L p , R p matches the input stereo signal L , R .

Это позволяет кодировать оригинальный входной стереофонический сигнал L, R посредством перцептуального кодера 3 для конкретной полосы. Когда перцептуальным кодером 3 для кодирования конкретной полосы выбирается L/R-кодирование, система кодера ведет себя как перцептуальный L/R-кодер, предназначенный для кодирования полосы стереофонического входного сигнала L, R.This allows the original L, R stereo input signal to be encoded by the perceptual encoder 3 for a specific band. When L/R encoding is selected by perceptual encoder 3 to encode a particular band, the encoder system behaves as a perceptual L/R encoder designed to encode the L, R band of the stereo input signal.

Система кодера по фиг. 1 позволяет осуществлять плавное адаптивное переключение между L/R-кодированием и PS-кодированием с остаточным сигналом, зависящим от частоты и от времени образом. Система кодера избегает неоднородностей в форме сигнала при переключении между схемами кодирования. Это препятствует появлению артефактов. С целью достижения гладких переходов к элементам матрицы H –1 в кодере и матрицы Н в декодере для дискретных значений между двумя модификациями стереофонических параметров может применяться линейная интерполяция.The encoder system of FIG. 1 allows smooth adaptive switching between L/R encoding and PS encoding with a residual signal in a frequency- and time-dependent manner. The encoder system avoids inhomogeneities in the waveform when switching between encoding schemes. This prevents artifacts from appearing. In order to achieve smooth transitions to the elements of the H –1 matrix in the encoder and the H matrix in the decoder, linear interpolation can be used for discrete values between two modifications of stereo parameters.

На фиг. 2 показан один из вариантов осуществления PS-кодера 1. PS-кодер 1 включает этап 8 понижающего микширования, который на основе стереофонического сигнала L, R генерирует низведенный сигнал DMX и остаточный сигнал RES. Кроме того, PS-кодер 1 включает этап 9 оценки параметров, предназначенный для оценки параметров 5 PS-кодирования на основе стереофонического сигнала L, R.In fig. 2 shows one embodiment of the PS encoder 1. The PS encoder 1 includes a downmixing step 8 which, based on the stereo signal L, R, generates a downmix signal DMX and a residual signal RES . In addition, the PS encoder 1 includes a parameter estimation step 9 for estimating PS encoding parameters 5 based on the stereo signal L, R.

На фиг. 3 показан один из вариантов осуществления соответствующей системы декодера, сконфигурированной для декодирования битового потока 6, генерируемого системой кодера по фиг. 1. Этот вариант осуществления изобретения является лишь иллюстрацией принципов настоящей заявки. Следует понимать, что модификации и изменения этого варианта осуществления изобретения будут очевидны для специалистов в данной области. Система декодера включает демультиплексор 10, предназначенный для разделения параметров 5 PS-кодирования и битового потока 4 звукового сигнала, генерируемых перцептуальным кодером 3. Битовый поток 4 звукового сигнала подается в перцептуальный стереофонический декодер 11, который способен селективно декодировать L/R-кодированный битовый поток, или M/S-кодированный битовый поток звукового сигнала. Операции декодера 11 обратны по отношению к операциям кодера 3. Аналогично перцептуальному кодеру 3, перцептуальный декодер 11, предпочтительно, позволяет осуществлять зависящую от частоты и зависящую от времени схему кодирования. Некоторые полосы частот, подвергнутые L/R-кодированию кодером 3, подвергаются L/R-декодированию декодером 11, в то время как другие полосы частот, подвергнутые M/S-кодированию кодером 3, подвергаются M/S-декодированию декодером 11. Декодер 11 выводит псевдо-стереофонический сигнал L p , R p , который до этого являлся входным сигналом перцептуального кодера 3. Псевдо-стереофонический сигнал L p , R p , получаемый из перцептуального декодера 11, конвертируется обратно в низведенный сигнал DMX и остаточный сигнал RES посредством этапа 12 преобразования L/R в M/S. Операции этапа 12 преобразования L/R в M/S на стороне декодера обратны операциям этапа 2 преобразования на стороне кодера. Предпочтительно, этап 12 преобразования определяет низведенный сигнал DMX и остаточный сигнал RES в соответствии со следующими уравнениями:In fig. 3 shows one embodiment of a corresponding decoder system configured to decode a bitstream 6 generated by the encoder system of FIG. 1. This embodiment of the invention is merely an illustration of the principles of the present application. It should be understood that modifications and changes to this embodiment of the invention will be apparent to those skilled in the art. The decoder system includes a demultiplexer 10 for separating the PS encoding parameters 5 and the audio bitstream 4 generated by the perceptual encoder 3. The audio bitstream 4 is supplied to a perceptual stereo decoder 11, which is capable of selectively decoding the L/R-encoded bitstream, or M/S-coded audio bitstream. The operations of the decoder 11 are inverse to those of the encoder 3. Similar to the perceptual encoder 3, the perceptual decoder 11 preferably allows for a frequency-dependent and time-dependent encoding scheme. Some frequency bands L/R encoded by encoder 3 are L/R decoded by decoder 11, while other frequency bands M/S encoded by encoder 3 are M/S decoded by decoder 11. Decoder 11 outputs the pseudo-stereo signal L p , R p , which was previously the input signal of the perceptual encoder 3. The pseudo-stereo signal L p , R p obtained from the perceptual decoder 11 is converted back into the downmix signal DMX and the residual signal RES through step 12 L/R to M/S conversions. The operations of the L/R to M/S conversion step 12 on the decoder side are the reverse of the operations of the conversion step 2 on the encoder side. Preferably, the conversion step 12 determines the downmix signal DMX and the residual signal RES in accordance with the following equations:

. .

В приведенных выше уравнениях нормировочный коэффициент усиления g идентичен нормировочному коэффициенту усиления g на стороне кодера и, например, имеет значение .In the above equations, the normalization gain g is identical to the normalization gain g on the encoder side and, for example, has the value .

Низведенный сигнал DMX и остаточный сигнал RES затем обрабатываются PS-декодером 13 для получения конечных выходных сигналов L и R. Этап повышающего микширования в процессе декодирования в случае PS-кодирования с остаточным сигналом можно описать при помощи матрицы Н повышающего микширования размера 2×2, которая конвертирует низведенный сигнал DMX и остаточный сигнал RES обратно в каналы L и R:The downmix signal DMX and the residual signal RES are then processed by the PS decoder 13 to obtain the final output signals L and R. The upmixing step of the decoding process in the case of PS encoding with a residual signal can be described using a 2x2 upmix matrix H , which converts the downmix DMX signal and residual RES signal back to L and R channels:

. .

Вычисление элементов матрицы Н повышающего микширования уже обсуждалось выше.The calculation of the elements of the upmix matrix H has already been discussed above.

Процессы PS-кодирования и PS-декодирования в PS-кодере 1 и PS-декодере 13 предпочтительно осуществляются в передискретизированной частотной области. Для частотно-временного преобразования в восходящем направлении относительно PS-кодера может использоваться гибридный блок комплекснозначных фильтров, содержащий QMF (квадратурный зеркальный фильтр) и фильтр Найквиста, такой как, например, блок фильтров, описанный в стандарте MPEG Surround (см. документ ISO/IEC 23003-1). Представление сигнала комплексным QMF является передискретизированным в 2 раза, поскольку оно является комплекснозначным и не действительнозначным. Это позволяет осуществлять адаптивную по времени и частоте обработку сигнала без слышимых артефактов наложения спектров. Указанный гибридный блок фильтров, как правило, обеспечивает высокое разрешение по частоте (узкую полосу) при низких частотах, в то время как при высоких частотах несколько полос QMF группируются в более широкую полосу. Статья "Low Complexity Parametric Stereo Coding in MPEG-4", H. Purnhagen, Proc. of the 7th Int. Conference on Digital Audio Effects (DAFx'04), Naples, Italy, October 5-8, 2004, pages 163-168, описывает вариант осуществления гибридного блока фильтров (см. раздел 3.2 и фиг. 4). Это раскрытие ссылкой включается в настоящее описание. В указанном документе допускается частота дискретизации 48 кГц с (номинальной) шириной полосой пропускания полосы из 64-полосного блока QMF 375 Гц. Перцептуальная шкала частот Барка, однако, требует ширины полосы пропускания, приблизительно, 100 Гц для частот ниже 500 Гц. Поэтому первые 3 полосы QMF могут быть расщеплены на еще более узкие поддиапазоны посредством блока фильтров Найквиста. Первая полоса QMF может быть расщеплена на 4 полосы (плюс еще две для отрицательных частот), а вторая и третья полосы QMF могут быть расщеплены на две полосы каждая.The PS encoding and PS decoding processes in the PS encoder 1 and PS decoder 13 are preferably carried out in the resampled frequency domain. For time-frequency conversion upstream of the PS encoder, a hybrid complex-valued filter bank containing a QMF (quadrature mirror filter) and a Nyquist filter, such as the filter bank described in the MPEG Surround standard (see ISO/IEC document) can be used 23003-1). The complex QMF representation of the signal is oversampled by a factor of 2 because it is complex-valued and not real-valued. This allows time- and frequency-adaptive signal processing without audible aliasing artifacts. This hybrid filter bank typically provides high frequency resolution (narrow band) at low frequencies, while at high frequencies multiple QMF bands are grouped into a wider band. Article "Low Complexity Parametric Stereo Coding in MPEG-4", H. Purnhagen, Proc. of the 7th Int. Conference on Digital Audio Effects (DAFx'04), Naples, Italy, October 5-8, 2004, pages 163-168, describes an embodiment of a hybrid filter bank (see section 3.2 and Fig. 4). This disclosure is incorporated by reference herein. The specified document allows a sampling rate of 48 kHz with a (nominal) bandwidth from a 64-band QMF block of 375 Hz. The Bark perceptual frequency scale, however, requires a bandwidth of approximately 100 Hz for frequencies below 500 Hz. Therefore, the first 3 QMF bands can be split into even narrower subbands using a Nyquist filter bank. The first QMF band can be split into 4 bands (plus two more for negative frequencies), and the second and third QMF bands can be split into two bands each.

С другой стороны, адаптивное L/R- или M/S-кодирование предпочтительно осуществляется в области критически дискретизированного MDCT (как описано, например, в ААС) для того, чтобы обеспечить эффективное представление квантованного сигнала. Конверсия низведенного сигнала DMX и остаточного сигнала RES в псевдо-стереофонический сигнал L p , R p на этапе 2 преобразования может осуществляться во временной области, поскольку PS-кодер 1 и перцептуальный кодер 3 в любом случае могут быть связаны во временной области. В системе декодирования перцептуальный стереофонический декодер 11 и PS-декодер 13 также предпочтительно связаны во временной области. Поэтому конверсия псевдо-стереофонического сигнала L p , R p в низведенный сигнал DMX и остаточный сигнал RES на этапе 12 преобразования также может осуществляться во временной области.On the other hand, adaptive L/R or M/S encoding is preferably performed in the critically sampled MDCT domain (as described, for example, in AAC) in order to provide an efficient representation of the quantized signal. The conversion of the downmix signal DMX and the residual signal RES into the pseudo-stereo signal L p , R p in the conversion step 2 can be carried out in the time domain, since the PS encoder 1 and the perceptual encoder 3 can in any case be coupled in the time domain. In the decoding system, the perceptual stereo decoder 11 and the PS decoder 13 are also preferably coupled in the time domain. Therefore, the conversion of the pseudo-stereo signal L p , R p to the downmix signal DMX and the residual signal RES in the conversion step 12 can also be carried out in the time domain.

Адаптивный стереофонический L/R- или M/S-кодер, такой как кодер 3, на фиг. 1, как правило, представляет собой перцептуальный кодер звукового сигнала, который включает психоакустическую модель, позволяющую с высокой эффективностью осуществлять кодирование при низких битовых скоростях передачи данных. Примером такого кодера является кодер ААС, который использует кодирование преобразования в критически дискретизированной области MDCT в сочетании с зависящим от времени и от частоты квантованием, которое управляется с использованием психоакустической модели. Кроме того, принятие зависящего от времени и от частоты решения о выборе между L/R- и M/S-кодированием, как правило, управляется при помощи критериев перцептуальной энтропии, которые вычисляются с использованием психоакустической модели.An adaptive stereo L/R or M/S encoder such as encoder 3 in FIG. 1 is typically a perceptual audio encoder that incorporates a psychoacoustic model that allows high efficiency encoding at low bit rates. An example of such an encoder is an AAC encoder, which uses critically sampled MDCT domain transform encoding in combination with time- and frequency-dependent quantization that is controlled using a psychoacoustic model. In addition, time- and frequency-dependent decision making between L/R and M/S encoding is typically guided by perceptual entropy measures that are computed using a psychoacoustic model.

Перцептуальный стереофонический кодер (такой как кодер 3 на фиг. 1) выполняет операции на псевдо-стереофоническом сигнале L/R (см. L p , R p на фиг. 1). Для оптимизации эффективности кодирования стереофонического кодера (в частности, для того, чтобы он принимал правильное решение о выборе между L/R-кодированием и M/S-кодированием) предпочтительна модификация механизма психоакустического управления (включая механизм управления, принимающий решение о выборе между стереофоническим L/R-кодированием и стереофоническим M/S-кодированием, механизм управления, который управляет зависящим от времени и от частоты квантованием) в перцептуальном стереофоническом кодере для того, чтобы он учитывал модификации сигнала (конверсию псевдо-L/R в DMX и RES с последующим PS-кодированием), которые применяются в декодере при генерировании конечного стереофонического выходного сигнала L, R. Эти модификации сигнала могут влиять на эффекты бинаурального маскирования, которые эксплуатируются механизмами психоакустического управления. Поэтому механизмы психоакустического управления, предпочтительно, должны быть надлежащим образом адаптированы. Для этого может оказаться полезным, чтобы механизмы психоакустического управления имели доступ не только к сигналу псевдо-L/R (см. L p , R p на фиг. 1), но и к параметрам PS-кодирования (см. позицию 5 на фиг. 1) и/или к оригинальному стереофоническому сигналу L, R. Доступ механизмов психоакустического управления к параметрам PS-кодирования и к стереофоническому сигналу L, R показан на фиг. 1 штриховой линией. Например, на основе этой информации может (могут) быть адаптирован (адаптированы) порог (пороги) маскирования.Perceptual stereophonic an encoder (such as encoder 3 in Fig. 1) performs operations on the pseudo-stereo L/R signal (see Fig.L p ,R p in fig. 1). To optimize the coding efficiency of a stereo encoder (in particular, so that it makes the correct decision between L/R encoding and M/S encoding), it is preferable to modify the psychoacoustic control mechanism (including the control mechanism that makes the choice between stereo L /R-coding and stereo M/S-coding, a control mechanism that controls time- and frequency-dependent quantization) in the perceptual stereo encoder so that it takes into account signal modifications (pseudo-L/R conversion toDMX AndRES followed by PS encoding), which are used in the decoder to generate the final stereo output signal L, R. These signal modifications can affect the binaural masking effects that are exploited by psychoacoustic control mechanisms. Therefore, psychoacoustic control mechanisms should preferably be suitably adapted. To achieve this, it may be useful for the psychoacoustic control mechanisms to have access to more than just the pseudo-L/R signal (see Fig.L p ,R p in fig. 1), but also to the PS encoding parameters (see position 5 in Fig. 1) and/or to the original stereo signal L, R. The access of psychoacoustic control mechanisms to the PS encoding parameters and to the stereo signal L, R is shown in Fig. . 1 dashed line. For example, based on this information, the masking threshold(s) may be adapted.

Альтернативный подход к оптимизации психоакустического управления заключается в прибавлении к системе кодера детектора, формирующего этап деактивации, который обладает способностью при необходимости эффективно деактивировать PS-кодирование, предпочтительно, зависящим от времени и от частоты образом. Деактивация PS-кодирования является адекватной, например, тогда, когда ожидается, что стереофоническое L/R-кодирование будет более полезным, или когда психоакустическое управление может испытывать трудности с эффективным кодированием сигнала псевдо-L/R. PS-кодирование может быть эффективно деактивировано при задании матрицы Н –1 понижающего микширования таким образом, чтобы матрица Н –1 понижающего микширования с последующим преобразованием (см. этап 2 на фиг. 1) соответствовала единичной матрице (т.е. операции отождествления) или единичной матрице, умноженной на некоторый коэффициент. Например, PS-кодирование может эффективно деактивироваться путем принудительного присвоения параметрам PS-кодирования IID = 0 дБ и ICC = 0. В этом случае, как обсуждалось выше, псевдо-стереофонический сигнал L p , R p соответствует стереофоническому сигналу L, R.An alternative approach to optimizing psychoacoustic control is to add to the encoder system a detector forming a deactivation step that has the ability to effectively deactivate PS encoding when necessary, preferably in a time- and frequency-dependent manner. Disabling PS encoding is appropriate, for example, when stereo L/R encoding is expected to be more useful, or when psychoacoustic control may have difficulty effectively encoding the pseudo-L/R signal. PS coding can be effectively disabled by specifying the downmix matrix H –1 such that the downmix H –1 matrix followed by the transform (see step 2 of FIG. 1) corresponds to an identity matrix (i.e., identification operation) or the identity matrix multiplied by a certain coefficient. For example, PS encoding can be effectively disabled by forcing the PS encoding parameters to be IID = 0 dB and ICC = 0. In this case, as discussed above, the pseudo-stereo signal L p , R p corresponds to the stereo signal L , R .

Указанное управление модификацией параметров PS-кодирования посредством детектора показано на фиг. 4. В данном случае детектор 20 принимает параметры 5 PS-кодирования, определяемые этапом 9 оценки параметров. Когда детектор не деактивирует PS-кодирование, детектор 20 пропускает параметры PS-кодирования на этап 8 понижающего микширования и к мультиплексору 7, т.е. в этом случае параметры 5 PS-кодирования соответствуют параметрам 5' PS-кодирования, подаваемым на этап 8 понижающего микширования. В случае, если детектор обнаруживает, что PS-кодирование неблагоприятно и должно быть деактивировано (для одной или нескольких частотных полос), детектор модифицирует затрагиваемые параметры 5 PS-кодирования (например, присваивает параметрам PS-кодирования, IID и/или ICC, значения IID = 0 дБ и ICC = 0) и подает модифицированные параметры 5' PS-кодирования на этап 8 понижающего микширования. Детектор, необязательно, также может учитывать левый и правый сигналы L, R для принятия решения о модификации параметров PS-кодирования (см. штриховые линии на фиг. 4).This PS encoding parameter modification control by the detector is shown in FIG. 4. In this case, the detector 20 receives the PS encoding parameters 5 determined by the parameter estimation step 9. When the detector does not deactivate the PS encoding, the detector 20 passes the PS encoding parameters to the downmixing step 8 and to the multiplexer 7, i.e. in this case, the PS encoding parameters 5 correspond to the PS encoding parameters 5' supplied to the downmixing step 8. In the event that the detector detects that PS encoding is unfavorable and should be deactivated (for one or more frequency bands), the detector modifies the affected PS encoding parameters 5 (eg, assigns the PS encoding parameters, IID and/or ICC, IID values = 0 dB and ICC = 0) and supplies the modified 5' PS encoding parameters to the downmix stage 8. The detector may also optionally consider the left and right L, R signals to decide whether to modify the PS encoding parameters (see dashed lines in FIG. 4).

На нижеследующих фигурах термин QMF (квадратурный зеркальный фильтр или блок фильтров) также включает блок фильтров поддиапазонов QMF в сочетании с блоком фильтров Найквиста, т.е. конструкцию гибридного блока фильтров. Кроме того, все величины в нижеследующем описании могут быть зависящими от частоты, например, различные матрицы понижающего и повышающего микширования могут извлекаться для различных диапазонов частот. Кроме того, кодирование остаточного сигнала может покрывать только часть используемого диапазона частот звукового сигнала (т.е. остаточный сигнал кодируется лишь для части используемого диапазона частот звукового сигнала). Аспекты понижающего микширования, описываемые ниже, для некоторых частотных диапазонов могут проявляться в области QMF (например, в соответствии с известным уровнем техники), в то время как для других частотных диапазонов только, например, фазовые аспекты будут производиться в области комплексного QMF, а преобразование амплитуды будет производиться в области действительнозначного MDCT.In the following figures, the term QMF (quadrature mirror filter or filter bank) also includes a QMF subband filter bank in combination with a Nyquist filter bank, i.e. design of a hybrid filter block. In addition, all quantities in the following description may be frequency dependent, for example, different downmix and upmix matrices may be derived for different frequency ranges. In addition, the encoding of the residual signal may only cover a portion of the usable frequency range of the audio signal (ie, the residual signal is encoded for only a portion of the usable frequency range of the audio signal). The downmixing aspects described below for some frequency ranges may occur in the QMF domain (eg, in accordance with the prior art), while for other frequency ranges only, for example, phase aspects will occur in the complex QMF domain, and the conversion amplitudes will be produced in the real-valued MDCT region.

На фиг. 5 изображена традиционная система PS-кодера. Каждый из стереофонических каналов L, R в первую очередь анализируется комплексным QMF 30 с М поддиапазонов, например, QMF с М=64 поддиапазонами. Сигналы поддиапазонов используются в PS-кодере 31 для оценки параметров 5 PS-кодирования и низведенного сигнала DMX. Низведенный сигнал DMX используется в SBR-кодере 32 для оценки параметров 33 SBR (репликации спектральной полосы). SBR-кодер 32 извлекает параметры 33 SBR, отображающие огибающую спектра оригинального высокополосного сигнала, возможно, в сочетании с критериями шума и тональности. В отличие от PS-кодера 31, SBR-кодер 32 не оказывает влияния на сигнал, проходящий к базовому кодеру 34. Низведенный сигнал DMX PS-кодера 31 синтезируется с использованием обратного QMF 35 с N поддиапазонами. Например, может использоваться комплексный QMF c N=32, где синтезируются только 32 самых низких поддиапазона из 64 поддиапазонов, используемых PS-кодером 31 и SBR-кодером 32. Таким образом, при использовании половины от общего количества поддиапазонов при том же размере кадра получается и проходит в базовый кодер 34 сигнал во временной области, содержащий половину ширины полосы пропускания в сравнении с входным сигналом. Из-за уменьшенной ширины полосы пропускания частота дискретизации может быть уменьшена наполовину (не показано). Базовый кодер 34 преобразовывает перцептуальное кодирование монофонического входного сигнала для генерирования битового потока 36. Параметры PS-кодирования внедряются в битовый поток 36 при помощи мультиплексора (не показан).In fig. 5 shows a traditional PS encoder system. Each of the stereo channels L, R is first analyzed by a complex QMF 30 with M subbands, for example, QMF with M=64 subbands. The subband signals are used in the PS encoder 31 to estimate the PS encoding parameters 5 and the DMX downmix signal. The downmix DMX signal is used in the SBR encoder 32 to estimate the SBR (spectral band replication) parameters 33. SBR encoder 32 extracts SBR parameters 33 representing the spectral envelope of the original high-bandwidth signal, possibly in combination with noise and tonality criteria. Unlike PS encoder 31, SBR encoder 32 has no effect on the signal passing to base encoder 34. The DMX downmix signal of PS encoder 31 is synthesized using inverse QMF 35 with N subbands. For example, a complex QMF with N=32 can be used, where only the 32 lowest subbands out of the 64 subbands used by the PS encoder 31 and the SBR encoder 32 are synthesized. Thus, using half of the total number of subbands for the same frame size, the result is passes to base encoder 34 a time domain signal containing half the bandwidth of the input signal. Due to the reduced bandwidth, the sampling rate may be reduced by half (not shown). The base encoder 34 converts the perceptual encoding of the monaural input signal to generate a bitstream 36. PS encoding parameters are embedded into the bitstream 36 using a multiplexer (not shown).

На фиг. 6 показан следующий вариант осуществления системы кодера, которая объединяет PS-кодирование с использованием остаточного сигнала со стереофоническим базовым кодером 48, где стереофонический базовый кодер 48 пригоден для адаптивного перцептуального стереофонического L/R- и M/S-кодирования. Этот вариант осуществления изобретения является лишь иллюстрацией принципов настоящей заявки. Следует понимать, что модификации и изменения этого варианта осуществления изобретения будут очевидны для специалистов в данной области. Входные каналы L, R, представляющие оригинальные левый и правый каналы, анализируются комплексным QMF 30 способом, сходным с обсужденным в связи с фиг. 5. В отличие от PS-кодера 31 по фиг. 5, PS-кодер 41 по фиг. 6 не только выводит низведенный сигнал DMX, но также выводит и остаточный сигнал RES. Низведенный сигнал DMX используется SBR-кодером 32 для определения параметров 33 SBR низведенного сигнала DMX. На этапе 2 преобразования к низведенному DMX и остаточному RES сигналам применяется фиксированное преобразование DMX/RES в псевдо-L/R (например, преобразование M/S в L/R). Этап 2 преобразования на фиг. 6 соответствует этапу 2 преобразования на фиг. 1. Этап 2 преобразования создает сигнал L p , R p «псевдо-» левого и правого каналов для выполнения на них операций базовым кодером 48. В этом варианте осуществления изобретения обратное преобразование L/R в M/S применяется в области QMF перед синтезом поддиапазонов блоками фильтров 35. Предпочтительно количество N (например, N=32) поддиапазонов для синтеза соответствует половине количества М (например, М=64) поддиапазонов, используемых для анализа, и базовый кодер 48 выполняет операции на половинной частоте дискретизации. Следует отметить, что нет ограничений для использования 64 каналов поддиапазонов для QMF-анализа в кодере и 32 поддиапазонов для синтеза, так же возможны и другие значения в зависимости от того, какая частота дискретизации желательна для сигнала, принимаемого базовым кодером 48. Базовый стереофонический кодер 48 выполняет перцептуальное кодирование сигнала блоков фильтров 35 для генерирования сигнала 46 битового потока. Параметры 5 PS-кодирования внедряются в сигнал 46 битового потока посредством мультиплексора (не показан). Необязательно, базовым кодером 48 могут использоваться параметры PS-кодирования и/или оригинальный входной сигнал L/R. Эта информация указывает базовому кодеру 48 на то, как PS-кодер 41 вращается в стереофоническом пространстве. Эта информация может направлять базовый кодер 48 на то, как управлять квантованием оптимальным с точки зрения восприятия образом. Это показано на фиг. 6 штриховыми линиями.In fig. 6 shows the following embodiment of an encoder system that combines PS encoding using a residual signal with a stereo base encoder 48, where the stereo base encoder 48 is suitable for adaptive perceptual stereo L/R and M/S encoding. This embodiment of the invention is merely an illustration of the principles of the present application. It should be understood that modifications and changes to this embodiment of the invention will be apparent to those skilled in the art. The input channels L, R, representing the original left and right channels, are analyzed by the complex QMF 30 in a manner similar to that discussed in connection with FIG. 5. Unlike the PS encoder 31 of FIG. 5, PS encoder 41 of FIG. 6 not only outputs the downmix DMX signal, but also outputs the residual RES signal. The DMX downmix signal is used by the SBR encoder 32 to determine the DMX downmix signal SBR parameters 33 . In conversion step 2, a fixed DMX / RES to pseudo-L/R conversion (eg M/S to L/R conversion) is applied to the DMX downmix and residual RES signals. Conversion stage 2 in FIG. 6 corresponds to transformation step 2 in FIG. 1. Conversion step 2 creates a "pseudo-" left and right channel signal L p , R p for operation by the base encoder 48. In this embodiment of the invention, the inverse L/R to M/S conversion is applied in the QMF domain before subband synthesis filter banks 35. Preferably, the number N (eg, N=32) of subbands for synthesis corresponds to half the number of M (eg, M=64) subbands used for analysis, and the base encoder 48 operates at half the sampling rate. It should be noted that there is no limitation to using 64 subband channels for QMF analysis in the encoder and 32 subbands for synthesis, other values are also possible depending on what sampling rate is desired for the signal received by the basic encoder 48. Basic Stereo Encoder 48 performs perceptual encoding of the signal of the filter banks 35 to generate a bit stream signal 46. The PS encoding parameters 5 are embedded into the 46 bitstream signal via a multiplexer (not shown). Optionally, the base encoder 48 may use the PS encoding parameters and/or the original L/R input signal. This information indicates to base encoder 48 how PS encoder 41 rotates in stereo space. This information can guide the base encoder 48 on how to control the quantization in a perceptually optimal manner. This is shown in Fig. 6 dashed lines.

На фиг. 7 показан следующий вариант осуществления системы кодера, которая сходна с системой по фиг. 6. В отличие от варианта осуществления изобретения по фиг. 6, на фиг. 7 SBR-кодер 42 присоединяется в восходящем направлении относительно PS-кодера 41. На фиг. 7 SBR-кодер 42 помещается перед PS-кодером 41 и, таким образом, выполняет операции на левом и правом каналах (в данном случае, в области QMF) вместо того, чтобы, как на фиг. 6, выполнять операции на низведенном сигнале DMX.In fig. 7 shows another embodiment of an encoder system that is similar to the system of FIG. 6. Unlike the embodiment of the invention shown in FIG. 6, Fig. 7, the SBR encoder 42 is connected upstream of the PS encoder 41. In FIG. 7, the SBR encoder 42 is placed before the PS encoder 41 and thus performs operations on the left and right channels (in this case, the QMF domain) instead of, as in FIG. 6, Perform operations on the downmixed DMX signal.

По причине перестановки SBR-кодера 42, PS-кодер 41 может конфигурироваться для выполнения операций не на всей полосе пропускания входного сигнала, но, например, лишь на диапазоне частот ниже частоты перехода SBR. На фиг. 7 параметры 43 SBR для диапазона SBR находятся в стереофоническом пространстве, а выход соответствующего PS-декодера, как будет обсуждаться позднее в связи с фиг. 15, генерирует исходный стереофонический частотный диапазон для выполнения операций SBR-декодером. Эта модификация, т.е. присоединение модуля 42 SBR-кодера в восходящем направлении относительно модуля 41 PS-кодера в системе кодера, и, соответственно, размещение модуля SBR-декодера после PS-декодера в системе декодера (см. фиг. 15), имеет преимущество, которое заключается в том, что можно уменьшить использование декоррелированного сигнала для генерирования стереофонического выходного сигнала. Следует отметить, что в случае полного отсутствия остаточного сигнала или его отсутствия для конкретной полосы частот, вместо него в PS-декодере используется декоррелированная версия низведенного сигнала DMX. Однако реконструкция, основанная на декоррелированном сигнале снижает качество звука. Поэтому уменьшение использования декоррелированного сигнала приводит к увеличению качества звука.Due to the repositioning of SBR encoder 42, PS encoder 41 may be configured to perform operations not over the entire bandwidth of the input signal, but, for example, only over a frequency range below the SBR transition frequency. In fig. 7, the SBR parameters 43 for the SBR band are in stereo space, and the output of the corresponding PS decoder, as will be discussed later in connection with FIG. 15 generates the original stereo frequency range for operation by the SBR decoder. This modification, i.e. attaching the SBR encoder module 42 in an upstream direction relative to the PS encoder module 41 in the encoder system, and accordingly placing the SBR decoder module after the PS decoder in the decoder system (see FIG. 15), has the advantage that , which can reduce the use of a decorrelated signal to generate a stereo output signal. It should be noted that if there is no residual signal at all or none for a particular frequency band, a decorrelated version of the downmixed DMX signal is used in the PS decoder instead. However, reconstruction based on a decorrelated signal reduces the sound quality. Therefore, reducing the use of decorrelated signal results in increased audio quality.

Указанное преимущество варианта осуществления изобретения по фиг. 7 по сравнению с вариантом осуществления изобретения по фиг. 6 будет более подробно описано с отсылкой к фиг. 8а―8d.This advantage of the embodiment of the invention according to FIG. 7 compared with the embodiment of the invention in FIG. 6 will be described in more detail with reference to FIG. 8a–8d.

На фиг. 8а визуализировано частотно-временное представление одного из двух выходных каналов L, R (на стороне декодера). В случае фиг. 8а используется кодер, где модуль PS-кодирования размещается перед модулем SBR-кодирования, как в кодере по фиг. 5 или фиг. 6 (в декодере PS-декодер размещается после SBR-декодера, см. фиг. 14). Кроме того, остаточный сигнал кодируется только в частотном диапазоне 50 с низкой полосой пропускания, который является меньшим, чем частотный диапазон 51 базового кодера. Как видно из визуализации по фиг. 8а, частотный диапазон 52, где декоррелированный сигнал, который должен использоваться PS-декодером, покрывает весь частотный диапазон, кроме менее высокочастотного диапазона 50, покрываемого путем использования остаточного сигнала. Кроме того, SBR покрывает частотный диапазон 53, который начинается значительно выше, чем частотный диапазон декоррелированного сигнала. Таким образом, полный частотный диапазон разделяется на следующие частотные диапазоны: в более низкочастотном диапазоне (см. диапазон 50 на фиг. 8а) используется кодирование формы сигнала; в среднем частотном диапазоне (см. область пересечения частотных диапазонов 51 и 52) используется кодирование формы сигнала в комбинации с декоррелированным сигналом; и в более высокочастотном диапазоне (см. частотный диапазон 53) используется регенерированный сигнал SBR, регенерируемый из более низких частот, в сочетании с декоррелированным сигналом, который генерируется PS-декодером.In fig. 8a visualizes the time-frequency representation of one of the two output channels L, R (on the decoder side). In the case of FIG. 8a uses an encoder where the PS encoding module is placed before the SBR encoding module, as in the encoder of FIG. 5 or fig. 6 (in the decoder, the PS decoder is placed after the SBR decoder, see Fig. 14). In addition, the residual signal is encoded only in the low-bandwidth frequency range 50, which is smaller than the frequency range 51 of the base encoder. As can be seen from the visualization in Fig. 8a, frequency range 52, where the decorrelated signal to be used by the PS decoder covers the entire frequency range except the less high frequency range 50 covered by using the residual signal. In addition, SBR covers a frequency range of 53, which starts significantly higher than the frequency range of the decorrelated signal. The full frequency range is thus divided into the following frequency ranges: the lower frequency range (see band 50 in Fig. 8a) uses waveform encoding; in the mid-frequency range (see the area where frequency ranges 51 and 52 intersect) waveform coding is used in combination with a decorrelated signal; and in the higher frequency range (see frequency range 53) a regenerated SBR signal regenerated from lower frequencies is used in combination with a decorrelated signal that is generated by the PS decoder.

На фиг. 8b частотно-временное представление одного из двух выходных каналов L, R (на стороне декодера) визуализировано для случая, когда SBR-кодер присоединяется в восходящем направлении относительно PS-кодера в системе кодера (и SBR-декодер располагается после PS-декодера в системе декодера). На фиг. 8b показан сценарий с низкой битовой скоростью передачи данных, где полоса пропускания 60 остаточного сигнала (там, где выполняется кодирование остаточного сигнала) находится ниже полосы пропускания базового кодера 61. Поскольку процесс SBR-декодирования выполняется на стороне декодера после PS-декодера (см. фиг. 15), остаточный сигнал, используемый для низких частот, также используется и для реконструкции, по меньшей мере, части (см. частотный диапазон 64) более высоких частот в диапазоне 63 SBR.In fig. 8b, the time-frequency representation of one of the two output channels L, R (on the decoder side) is visualized for the case where the SBR encoder is connected upstream of the PS encoder in the encoder system (and the SBR decoder is located after the PS decoder in the decoder system ). In fig. 8b shows a low bit rate scenario where the residual signal bandwidth 60 (where the residual signal encoding is performed) is below that of the base encoder 61. Because the SBR decoding process is performed on the decoder side after the PS decoder (see FIG. 15), the residual signal used for the low frequencies is also used to reconstruct at least a portion (see frequency band 64) of the higher frequencies in the SBR band 63.

Это преимущество становится еще более очевидным при выполнении операции на промежуточных битовых скоростях передачи данных, где ширина полосы пропускания остаточного сигнала приближается к, или становится равной, ширине полосы пропускания базового кодера. В этом случае частотно-временное представление по фиг. 8а (где используется порядок PS-кодирования и SBR-кодирования по фиг. 6) приводит к частотно-временному представлению, показанному на фиг. 8с. На фиг. 8с остаточный сигнал покрывает, в значительной мере, весь низкополосный диапазон 51 базового кодера; в частотном диапазоне 53 SBR PS-декодером используется декоррелированный сигнал. На фиг. 8d визуализировано частотно-временное представление в случае предпочтительного порядка расположения кодирующих/декодирующих модулей (т.е. SBR-кодирование выполняется на стереофоническом сигнале перед PS-кодированием, как показано на фиг. 7). В данном случае модуль PS-декодирования в декодере выполняет операции перед модулем SBR-декодирования, как показано на фиг. 15. Таким образом, остаточный сигнал является частью низкочастотной полосы, используемой для высокочастотной реконструкции. Когда ширина полосы пропускания остаточного сигнала становится равной ширине полосы пропускания низведенного монофонического сигнала, никакая информация декоррелированного сигнала для декодера выходного сигнала не требуется (см. полный частотный диапазон, который на фиг. 8d заштрихован).This advantage becomes even more apparent when the operation is performed at intermediate bit rates, where the bandwidth of the residual signal approaches, or becomes equal to, the bandwidth of the underlying encoder. In this case, the time-frequency representation of FIG. 8a (using the PS encoding and SBR encoding order of FIG. 6) results in the time-frequency representation shown in FIG. 8s. In fig. 8c, the residual signal covers substantially the entire low-band range 51 of the base encoder; In the frequency range 53 SBR, the PS decoder uses a decorrelated signal. In fig. 8d visualizes the time-frequency representation in the case of a preferred order of encoder/decoder modules (i.e., SBR encoding is performed on the stereo signal before PS encoding, as shown in FIG. 7). Here, the PS decoding unit in the decoder performs operations before the SBR decoding unit, as shown in FIG. 15. Thus, the residual signal is part of the low-frequency band used for high-frequency reconstruction. When the bandwidth of the residual signal becomes equal to the bandwidth of the downmixed monaural signal, no decorrelated signal information is required for the output signal decoder (see the full frequency range, which is shaded in Fig. 8d).

На фиг. 9а показан вариант осуществления базового стереофонического кодера 48 с адаптивным выбором стереофонического L/R- или M/S-кодирования в области MDCT-преобразования. Указанный стереофонический кодер 48 может быть использован на фиг. 6 и 7. Базовый монофонический кодер 34, показанный на фиг. 5, можно рассматривать как частный случай базового стереофонического кодера 48 по фиг. 9а, в котором обрабатывается только один монофонический входной канал (т.е. тогда, когда отсутствует второй входной канал, показанный на фиг. 9а штриховой линией).In fig. 9a shows an embodiment of a basic stereo encoder 48 with adaptive selection of stereo L/R or M/S encoding in the MDCT transform domain. Said stereo encoder 48 may be used in FIG. 6 and 7. The basic mono encoder 34 shown in FIG. 5 can be viewed as a special case of the basic stereo encoder 48 of FIG. 9a, in which only one mono input channel is processed (i.e. when there is no second input channel, shown in Fig. 9a with a dashed line).

На фиг. 9b показан более обобщенный кодер. Для монофонических сигналов кодирование может переключаться между кодированием в области линейного предсказания (см. блок 71) и кодированием в области преобразования (см. блок 48). Кодер этого типа вводит несколько способов кодирования, которые могут адаптивно использоваться в зависимости от характеристик входного сигнала. В данном случае кодер может делать выбор между кодированием сигнала с использованием кодера 48 с преобразованием ААС-типа (пригодного для монофонических и стереофонических сигналов, с адаптивным выбором L/R- или M/S-кодирования в случае стереофонических сигналов) и с использованием кодера 71, относящегося к типу AMR-WB+ (Adaptive Multi Rate - WideBand Plus), пригодного только для монофонических сигналов. Базовый кодер 71 AMR-WB+ оценивает остаточный сигнал линейного предсказателя 72 и, в свою очередь, также делает выбор между подходом кодирования преобразования остаточного сигнала линейного предсказания и классическим подходом речевого кодера ACELP (Algebraic Code Excited Linear Prediction) для кодирования остаточного сигнала линейного предсказания. Для выбора между кодером 48 с преобразованием ААС-типа и базовым кодером 71, относящимся к типу AMR-WB+, используется этап 73 принятия решения о выборе режима, который принимает решение о выборе между кодерами 48 и 71 на основе входного сигнала.In fig. Figure 9b shows a more general encoder. For monaural signals, the coding may switch between linear prediction domain coding (see Block 71) and transform domain coding (see Block 48). This type of encoder introduces multiple encoding methods that can be used adaptively depending on the characteristics of the input signal. In this case, the encoder can choose between encoding the signal using AAC-type encoder 48 (suitable for mono and stereo signals, with adaptive selection of L/R or M/S encoding in the case of stereo signals) and using encoder 71 , belonging to the AMR-WB+ (Adaptive Multi Rate - WideBand Plus) type, suitable only for monaural signals. The AMR-WB+ core encoder 71 evaluates the linear predictor residual signal 72 and in turn also makes a choice between a linear prediction residual signal transform encoding approach and a classic ACELP (Algebraic Code Excited Linear Prediction) speech encoder approach for encoding the linear prediction residual signal. To select between the AAC-type transform encoder 48 and the AMR-WB+ type base encoder 71, a mode selection decision block 73 is used, which decides between encoders 48 and 71 based on the input signal.

Кодер 48 представляет собой кодер ААС-типа на основе MDCT. Если этап 73 принятия решения о выборе режима направляет входной сигнал на использование кодирования на основе MDCT, сигналы, входной монофонический входной сигнал или стереофонические входные сигналы, кодируются MDCT-кодером 48 на базе ААС. MDCT-кодер 48 выполняет MDCT-анализ одного или двух сигналов на этапах MDCT 74. В случае стереофонического сигнала на этапе 75 перед квантованием и кодированием также выполняется принятие решения о выборе M/S или L/R на основании полосы частот. Стереофоническое L/R-кодирование или стереофоническое M/S-кодирование выбирается зависящим от частоты образом. Этап 75 также выполняет преобразование L/R в M/S. Если для конкретной полосы частот принимается решение о M/S-кодировании, этап 75 выводит для этой полосы частот сигнал M/S. В противном случае этап 75 выводит для этой полосы частот сигнал L/R.Encoder 48 is an MDCT-based AAC-type encoder. If the mode decision step 73 directs the input signal to use MDCT-based encoding, the signals input monaural input signal or stereo input signals are encoded by the AAC-based MDCT encoder 48. MDCT encoder 48 performs MDCT analysis of one or two signals in MDCT steps 74. In the case of a stereo signal, step 75 also makes an M/S or L/R selection decision based on the frequency band before quantizing and encoding. Stereo L/R encoding or stereo M/S encoding is selected in a frequency-dependent manner. Step 75 also performs L/R to M/S conversion. If an M/S coding decision is made for a particular frequency band, step 75 outputs an M/S signal for that frequency band. Otherwise, step 75 outputs an L/R signal for that frequency band.

Таким образом, если используется режим кодирования преобразования, функция стереофонического кодирования лежащего в ее основе базового кодера может быть использована для стереофонического сигнала с полной эффективностью.Thus, if a transform coding mode is used, the stereo coding function of the underlying base encoder can be used for the stereo signal with full efficiency.

Если этап 73 принятия решения о выборе режима направляет монофонический сигнал в кодер 71 в области линейного предсказания, монофонический сигнал затем анализируется посредством анализа линейного предсказания в блоке 72. Затем принимается решение о кодировании остаточного сигнала LP посредством кодера 76 ACELP-типа во временной области или кодером 77, относящимся к типу TCX (Transform Coded eXcitation), который выполняет операции в области MDCT. Кодер 71 в области линейного предсказания не обладает какой-либо присущей ему способностью к стереофоническому кодированию. Поэтому для того, чтобы позволить кодеру 71 в области линейного предсказания кодировать стереофонический сигнал, может быть использована конфигурация кодера, сходная с конфигурацией, приведенной на фиг. 5. В этой конфигурации PS-кодер генерирует параметры 5 PS-кодирования и низведенный монофонический сигнал DMX, который затем кодируется кодером в области линейного предсказания.If the mode decision step 73 sends a mono signal to the encoder 71 in the linear prediction domain, the mono signal is then analyzed by linear prediction analysis in block 72. A decision is then made to encode the residual signal LP by an ACELP-type encoder 76 in the time domain or by the encoder 77, belonging to the TCX (Transform Coded eXcitation) type, which performs operations in the MDCT area. Linear prediction encoder 71 does not have any inherent stereo coding capability. Therefore, in order to allow the linear prediction domain encoder 71 to encode a stereo signal, an encoder configuration similar to that shown in FIG. 5. In this configuration, the PS encoder generates PS encoding parameters 5 and a downmixed mono DMX signal, which is then encoded by the encoder in the linear prediction domain.

На фиг. 10 показан следующий вариант осуществления системы кодера, где части по фиг. 7 и фиг. 9 объединены по-новому. Блок 2 преобразования DMX/RES в псевдо-L/R, описанный на фиг. 7, располагается внутри низводящего кодера 70 ААС-типа перед этапом стереофонического MDCT-анализа 74. Этот вариант осуществления изобретения обладает тем преимуществом, что преобразование 2 DMX/RES в псевдо-L/R применяется только тогда, когда используется базовый стереофонический MDCT-кодер. Поэтому, когда используется режим кодирования преобразования, полная эффективность функции стереофонического кодирования лежащего в ее основе базового кодера может использоваться для стереофонического кодирования частотного диапазона, покрываемого остаточным сигналом.In fig. 10 shows the following embodiment of an encoder system, where the parts of FIG. 7 and fig. 9 combined in a new way. DMX / RES to pseudo-L/R conversion block 2 described in FIG. 7 is located within an AAC downcoder 70 prior to the stereo MDCT analysis step 74. This embodiment has the advantage that the 2 DMX / RES to pseudo-L/R conversion is only applied when the underlying stereo MDCT encoder is used. Therefore, when the transform coding mode is used, the full efficiency of the stereo coding function of the underlying base encoder can be used to stereo code the frequency range covered by the residual signal.

В то время, как этап 73 принятия решения о выборе режима по фиг. 9b выполняет операции как на монофоническом входном сигнале, так и на стереофоническом входном сигнале, этап принятия решения 73' по фиг. 10 выполняет операции на низведенном сигнале DMX и остаточном сигнале RES. В случае монофонического входного сигнала, монофонический сигнал может непосредственно использоваться как сигнал DMX, сигнал RES может приравнивается нулю, и параметрам PS-кодирования по умолчанию могут присваиваться значения IID = 0 дБ и ICC = 1.While the mode selection decision step 73 of FIG. 9b performs operations on both the mono input signal and the stereo input signal, decision step 73' of FIG. 10 performs operations on the downmix DMX signal and the residual RES signal. In the case of a mono input signal, the mono signal can be directly used as a DMX signal, the RES signal can be set to zero, and the default PS encoding parameters can be set to IID = 0 dB and ICC = 1.

Если этап 73' принятия решения о выборе режима направляет низведенный сигнал DMX в кодер 71 в области линейного предсказания, низведенный сигнал DMX затем анализируется посредством анализа линейного предсказания в блоке 72. Затем принимается решение о том, кодировать ли остаточный сигнал LP посредством кодера 76 ACELP-типа во временной области или посредством кодера 77, относящегося к типу TCX (Transform Coded eXcitation), который выполняет операции в области MDCT. Кодер 71 в области линейного предсказания не обладает какой-либо присущей ему способностью к стереофоническому кодированию, которая могла бы использоваться для кодирования остаточного сигнала в дополнение к низведенному сигналу DMX. Поэтому при кодировании низведенного сигнала DMX кодером 71 в области линейного предсказания для кодирования остаточного сигнала RES используется специализированный кодер 78 остаточного сигнала. Этот кодер может, например, представлять собой монофонический кодер ААС.If the mode decision step 73' sends the downmixed DMX signal to the linear prediction domain encoder 71, the downmixed DMX signal is then analyzed by linear prediction analysis in block 72. A decision is then made as to whether to encode the residual LP signal by the ACELP-encoder 76. type in the time domain or through an encoder 77 of the TCX (Transform Coded eXcitation) type, which performs operations in the MDCT domain. Linear prediction encoder 71 does not have any inherent stereo coding capability that could be used to encode a residual signal in addition to the downmix DMX signal. Therefore, when the DMX downmix signal is encoded by the encoder 71 in the linear prediction domain, a dedicated residual signal encoder 78 is used to encode the residual signal RES . This encoder may, for example, be a monaural AAC encoder.

Следует отметить, что кодеры 71 и 78 по фиг. 10 могут быть пропущены (в этом случае этап 73' принятия решения о выборе режима более не является необходимым).It should be noted that encoders 71 and 78 of FIG. 10 may be skipped (in which case the mode selection decision step 73' is no longer necessary).

На фиг. 11а показаны подробности следующего, альтернативного варианта осуществления системы кодера, который достигает тех же преимуществ, что и вариант осуществления изобретения по фиг. 10. В отличие от варианта по фиг. 10, на фиг.  11а преобразование 2 DMX/RES в псевдо-L/R размещается после MDCT-анализа 74 базового кодера 70, т.е. преобразование выполняется в области MDCT. Преобразование в блоке 2 является линейным и независящим от времени, и поэтому может размещаться после MDCT-анализа 74. Остальные блоки по фиг. 10, которые не показаны на фиг. 11, могут, необязательно, добавляться так же, как на фиг. 11а. В альтернативном варианте блоки MDCT-анализа 74 также могут размещаться после блока 2 преобразования.In fig. 11a shows details of a further alternative embodiment of an encoder system that achieves the same benefits as the embodiment of FIG. 10. Unlike the embodiment of FIG. 10, in fig. 11a, the DMX / RES to pseudo-L/R conversion 2 is placed after the MDCT analysis 74 of the base encoder 70, i.e. the conversion is performed in the MDCT region. The transformation in block 2 is linear and time independent and can therefore be placed after the MDCT analysis 74. The remaining blocks of FIG. 10, which are not shown in FIG. 11 may optionally be added in the same way as in FIG. 11a. Alternatively, MDCT analysis blocks 74 may also be placed after transform block 2.

На фиг. 11b проиллюстрирована одна из реализаций варианта осуществления изобретения по фиг. 11а. На фиг. 11b показана иллюстративная реализация этапа 75 выбора между M/S-кодированием и L/R-кодированием. Этап 75 включает этап 98 преобразования в сумму и разность (точнее, этап преобразования L/R в M/S), который принимает псевдо-стереофонический сигнал L p , R p . Этап 98 преобразования генерирует псевдо-средний/побочный сигнал M p , S p путем выполнения преобразования L/R в M/S. За исключением возможного коэффициента усиления, применяются следующие уравнения: M p =DMX, S p =RES.In fig. 11b illustrates one implementation of the embodiment of FIG. 11a. In fig. 11b shows an exemplary implementation of step 75 of selecting between M/S encoding and L/R encoding. Step 75 includes a sum and difference conversion step 98 (more precisely, an L/R to M/S conversion step), which receives the pseudo-stereo signal L p , R p . Conversion step 98 generates a pseudo-mid/side signal M p , S p by performing an L/R to M/S conversion. With the exception of possible gain, the following equations apply: M p = DMX , S p = RES .

Этап 75 принимает решение о выборе между L/R-кодированием и M/S-кодированием. На основе сделанного выбора выбирается (см. селекторный переключатель) или псевдо-стереофонический сигнал L p , R p , или псевдо-средний/побочный сигнал M p , S p , который кодируется в блоке 97 ААС. Следует отметить, что также могут использоваться два блока 97 ААС (не показанные на фиг. 11b), где первый блок 97 ААС предназначен для псевдо-стереофонического сигнала L p , R p , и второй блок 97 ААС предназначен для псевдо-среднего/побочного сигнала M p , S p . В этом случае выбор L/R или M/S делается путем выбора или выходного сигнала первого блока 97 ААС, или выходного сигнала второго блока 97 ААС.Step 75 decides between L/R encoding and M/S encoding. Based on the selection made, either a pseudo-stereo signal L p , R p , or a pseudo-mid/side signal M p , Sp , is selected and encoded in AAC block 97 . It should be noted that two AAC blocks 97 (not shown in FIG. 11b) may also be used, where the first AAC block 97 is for the pseudo-stereo signal L p , R p , and the second AAC block 97 is for the pseudo mid/side signal M p , S p . In this case, the selection of L/R or M/S is made by selecting either the output signal of the first AAC block 97 or the output signal of the second AAC block 97.

На фиг. 11с показан альтернативный вариант осуществления изобретения по фиг. 11а. В данном случае этап 2 преобразования в явном виде не используется. Вместо этого этап 2 преобразования и этап 75 объединяются в единый этап 75'. Низведенный сигнал DMX и остаточный сигнал RES подаются на этап 99 преобразования в сумму и разность (точнее, на этап преобразования DMX/RES в псевдо-L/R), составляющий часть этапа 75'. Этап 99 преобразования генерирует псевдо-стереофонический сигнал L p , R p . Этап 99 преобразования DMX/RES в псевдо-L/R по фиг. 11с сходен с этапом 98 преобразования L/R в M/S по фиг. 11b (за исключением, возможно, отличающегося коэффициента усиления). Тем не менее, на фиг. 11с выбор между M/S-декодированием и L/R-декодированием необходимо инвертировать относительно фиг. 11b. Следует отметить, что на фиг. 11b и 11с положение переключателя для выбора L/R или M/S показано в положении L p /R p ,которое является верхним на фиг. 11b и нижним ― на фиг. 11с. Так визуализируется представление об обратном значении выбора L/R или M/S.In fig. 11c shows an alternative embodiment of the invention of FIG. 11a. In this case, stage 2 of the transformation is not used explicitly. Instead, transform step 2 and step 75 are combined into a single step 75'. The downmix DMX signal and the residual RES signal are supplied to a sum and difference conversion step 99 (more precisely, a DMX / RES to pseudo-L/R conversion step) forming part of a step 75'. Conversion step 99 generates a pseudo-stereo signal L p , R p . DMX / RES to pseudo-L/R conversion step 99 of FIG. 11c is similar to the L/R to M/S conversion step 98 of FIG. 11b (except possibly for different gain). However, in FIG. 11c, the choice between M/S decoding and L/R decoding must be inverted with respect to FIG. 11b. It should be noted that in FIG. 11b and 11c, the switch position for selecting L/R or M/S is shown in the L p / R p position, which is the top position in FIG. 11b and lower - in Fig. 11s. This visualizes the inverse meaning of choosing L/R or M/S.

Следует отметить, что на фиг. 11b и 11с для каждой полосы частот в области MDCT предпочтительно существует отдельный переключатель, и, таким образом, выбор между L/R и M/S может быть как зависящим от времени, так и зависящим от частоты. Иными словами, положение переключателя предпочтительно зависит от частоты. Этапы 98 и 99 преобразования могут преобразовывать весь используемый диапазон частот или только одну частотную полосу.It should be noted that in FIG. 11b and 11c, there is preferably a separate switch for each frequency band in the MDCT region, and thus the choice between L/R and M/S can be both time dependent and frequency dependent. In other words, the switch position preferably depends on the frequency. Conversion steps 98 and 99 may convert the entire usable frequency range or just one frequency band.

Кроме того, следует учитывать, что все блоки, 2, 98 и 99, могут быть названы «блоками преобразования в сумму и разность», поскольку все эти блоки реализуют матрицу преобразования в формеAdditionally, note that blocks 2, 98, and 99 can all be called "sum-difference conversion blocks" because all of these blocks implement a conversion matrix of the form

. .

Единственное, что может отличаться в блоках 2, 98, 99, — это коэффициент усиления с.The only thing that may differ in blocks 2, 98, 99 is the gain c .

На фиг. 12 описан следующий вариант осуществления системы кодера. Он использует расширенный набор параметров PS-кодирования, который, в дополнение к IID и ICC (описанным выше), включает еще два параметра: IPD (разность фаз между каналами, см. ниже) и OPD (общую разность фаз, см.  ниже), которые позволяют характеризовать фазовое соотношение между двумя каналами, L и R, стереофонического сигнала. Пример этих фазовых параметров приведен в стандарте ISO/IEC 14496-3, подпункт 8.6.4.6.3, который ссылкой включается в настоящее описание. При использовании фазовых параметров результирующая матрица повышающего микширования (и обратная ей матрица ) становится комплекснозначной в соответствии с уравнением:In fig. 12 describes the following embodiment of an encoder system. It uses an extended set of PS encoding parameters, which, in addition to IID and ICC (described above), includes two more parameters: IPD (phase difference between channels, see below). below) and OPD (overall phase difference, see below), which allow one to characterize the phase relationship between two channels, L and R, of a stereo signal. An example of these phase parameters is given in ISO/IEC 14496-3, clause 8.6.4.6.3, which is incorporated by reference herein. When using phase parameters, the resulting matrix upmixing (and its inverse matrix ) becomes complex-valued in accordance with the equation:

, ,

гдеWhere

, ,

и гдеand where

. .

Этап 80 PS-кодера, который выполняет операции в области комплексного QMF, принимает во внимание только фазовые зависимости каналов L, R. Низводящий поворот (т.е. преобразование из области L/R в область DMX/RES, которая описывается приведенной выше матрицей Н –1) принимается во внимание в области MDCT, составляющего часть базового стереофонического кодера 81. Поэтому фазовые зависимости между двумя каналами извлекаются в области комплексного QMF, в то время как остальные, действительнозначные, зависимости формы сигналов извлекаются в действительнозначной области критически дискретизированного MDCT, составляющего часть механизма стереофонического кодирования используемого базового кодера. Это обладает тем преимуществом, что извлечение линейных зависимостей между каналами может быть плотно интегрировано в стереофоническое кодирование базового кодера (хотя, для предотвращения наложения спектров, в области критически дискретизированного MDCT, — только для диапазона частот, который покрывается кодированием остаточного сигнала, возможно, за вычетом «защитной полосы» на оси частот).PS encoder stage 80, which performs operations in the complex QMF domain, takes into account only the phase dependencies of the L, R channels. Downward rotation (i.e., the conversion from the L/R domain to the DMX / RES domain, which is described by the above matrix H –1 ) is taken into account in the MDCT domain forming part of the basic stereo encoder 81. Therefore, the phase relationships between the two channels are extracted in the complex QMF domain, while the remaining real-valued waveform relationships are extracted in the real-valued domain of the critically sampled MDCT forming part the stereo encoding mechanism of the underlying encoder used. This has the advantage that the extraction of linear relationships between channels can be tightly integrated into the stereo encoding of the underlying encoder (although, to prevent aliasing, in the critically sampled MDCT region, only for the frequency range that is covered by the residual signal encoding, possibly minus "guard band" on the frequency axis).

Этап 80 регулирования фазы PS-кодера по фиг. 12 извлекает параметры PS-кодирования, связанные с фазой, например, параметры IPD (разность фаз между каналами) и OPD (общую разность фаз). Поэтому матрица H ϕ 1 регулирования фазы, которую он генерирует, может соответствовать следующему уравнению:PS encoder phase adjustment step 80 of FIG. 12 extracts phase-related PS encoding parameters, such as IPD (inter-channel phase difference) and OPD (overall phase difference) parameters. Therefore the matrix H ϕ 1 The regulation of the phase it generates can correspond to the following equation:

. .

Как обсуждалось выше, часть низводящего вращения модуля PS-кодирования имеет дело с модулем 81 стереофонического кодирования базового кодера по фиг. 12. Модуль 81 стереофонического кодирования, который выполняет операции в области MDCT, показан на фиг. 13. Модуль 81 стереофонического кодирования принимает стереофонический сигнал с отрегулированной фазой в области MDCT. Этот сигнал подвергается понижающему микшированию на этапе 82 понижающего микширования посредством матрицы низводящего вращения, которая, как обсуждалось выше, представляет собой действительнозначную часть комплексной матрицы понижающего микширования, и, таким образом, генерируются низведенный сигнал DMX и остаточный сигнал RES. За операцией понижающего микширования следует преобразование L/R в M/S согласно настоящей заявке (см. этап 2 преобразования), и, таким образом, генерируется псевдо-стереофонический сигнал L p , R p . Псевдо-стереофонический сигнал L p , R p обрабатывается посредством алгоритма стереофонического кодирования (см. адаптивный стереофонический M/S- или L/R-кодер 83), в данном конкретном варианте осуществления изобретения механизм стереофонического кодирования, который зависит от критериев перцептуальной энтропии, принимает решение о кодировании L/R-представления сигнала или M/S-представления сигнала. Это решение предпочтительно зависит от времени и от частоты.As discussed above, the downward rotation portion of the PS encoding unit deals with the stereo encoding unit 81 of the base encoder of FIG. 12. A stereo encoding unit 81 that performs operations in the MDCT region is shown in FIG. 13. Stereo encoding unit 81 receives stereo signal with phase adjusted MDCT region. This signal is downmixed in a matrix downmix step 82 downward rotation, which, as discussed above, is the real-valued part of the complex matrix downmix, and thus the downmix DMX signal and the residual signal RES are generated. The downmix operation is followed by L/R to M/S conversion according to the present application (see conversion step 2), and thus a pseudo-stereo signal L p , R p is generated. The pseudo-stereo signal L p , R p is processed by a stereo encoding algorithm (see adaptive stereo M/S or L/R encoder 83), in this particular embodiment of the invention the stereo encoding mechanism, which depends on perceptual entropy criteria, adopts decision to encode the L/R representation of the signal or the M/S representation of the signal. This decision is preferably time and frequency dependent.

На фиг. 14 показан вариант осуществления системы декодера, которая пригодна для декодирования битового потока 46, генерируемого системой кодера, показанной на фиг. 6. Этот вариант осуществления изобретения является лишь иллюстрацией принципов настоящей заявки. Следует понимать, что модификации и изменения этого варианта осуществления изобретения будут очевидны для специалистов в данной области. Базовый декодер 90 декодирует битовый поток 46 в псевдо-левый и псевдо-правый каналы, которые преобразовываются в область QMF блоками фильтров 91. Затем на этапе 12 преобразования выполняется преобразование полученного псевдо-стереофонического сигнала L p , R p из L/R в DMX/RES, и, таким образом, создаются низведенный сигнал DMX и остаточный сигнал RES. При использовании SBR-кодирования эти сигналы являются низкополосными сигналами, например, низведенный сигнал DMX и остаточный сигнал RES могут содержать только информацию о звуковом сигнале для низкочастотной полосы с частотой до, приблизительно, 8 КГц. Низведенный сигнал DMX используется SBR-декодером 93 для реконструкции высокочастотной полосы на основе принятых параметров SBR (не показаны). Выходной сигнал SBR-декодера 93 (включающий низкочастотную и реконструированную высокочастотную полосы низведенного сигнала DMX) и остаточный сигнал RES вводятся в PS-декодер 94, выполняющий операции в области QMF (в частности, в области гибридного блока QMF-фильтр + фильтр Найквиста). Низведенный сигнал DMX на входе PS-декодера 94 также содержит информацию о звуковом сигнале в высокочастотной полосе (например, с частотой до 20 КГц), в то время как остаточный сигнал RES на входе в PS-декодер 94 представляет собой низкополосный сигнал (например, ограниченный частотой до 8 КГц). Поэтому для высокочастотной полосы (например, для полосы с частотой от 8 КГц до 20 КГц) PS-декодер 94 вместо остаточного сигнала RES с ограниченной полосой использует декоррелированную версию низведенного сигнала DMX. Таким образом, декодированные сигналы на выходе PS-декодера 94 базируются на остаточном сигнале только до частоты 8 КГц. После PS-декодирования оба выходных канала PS-декодера 94 преобразовываются во временную область блоками фильтров 95, и, таким образом, генерируется выходной стереофонический сигнал L, R.In fig. 14 shows an embodiment of a decoder system that is suitable for decoding a bitstream 46 generated by the encoder system shown in FIG. 6. This embodiment of the invention is merely an illustration of the principles of the present application. It should be understood that modifications and changes to this embodiment of the invention will be apparent to those skilled in the art. The base decoder 90 decodes the bitstream 46 into pseudo-left and pseudo-right channels, which are converted into the QMF domain by filter banks 91. Conversion step 12 then converts the resulting pseudo-stereo signal L p , R p from L/R to DMX / RES , and thus the DMX downmix signal and the residual signal RES are created. When using SBR encoding, these signals are low-bandwidth signals, for example, the downmix DMX signal and the residual RES signal may only contain audio signal information for the low-bandwidth frequency up to approximately 8 KHz. The downmix DMX signal is used by the SBR decoder 93 to reconstruct the high frequency band based on the received SBR parameters (not shown). The output of the SBR decoder 93 (including the low-pass and reconstructed high-pass bands of the DMX downmix signal) and the residual signal RES are input to the PS decoder 94, which performs operations in the QMF domain (specifically, in the domain of the hybrid QMF filter + Nyquist filter block). The downmix signal DMX at the input of the PS decoder 94 also contains information about the audio signal in the high frequency band (for example, up to 20 KHz), while the residual signal RES at the input to the PS decoder 94 is a low band signal (for example, limited frequency up to 8 kHz). Therefore, for the high frequency band (eg, the 8 KHz to 20 KHz band), PS decoder 94 uses a decorrelated version of the downmixed DMX signal instead of the band-limited residual signal RES . Thus, the decoded signals at the output of PS decoder 94 are based on the residual signal only up to 8 KHz. After PS decoding, both output channels of the PS decoder 94 are converted to the time domain by the filter banks 95, and thus a stereo output signal L, R is generated.

На фиг. 15 показан вариант осуществления системы декодирования, которая пригодна для декодирования битового потока 46, генерируемого системой кодера по фиг. 7. Этот вариант осуществления изобретения является единственно иллюстрацией принципов настоящей заявки. Следует понимать, что модификации и изменения этого варианта осуществления изобретения будут очевидны для специалистов в данной области. Принцип действия варианта осуществления изобретения по фиг. 15 сходен с принципом действия системы декодера, описанной на фиг. 14. В отличие от фиг. 14, SBR-декодер 96 на фиг. 15 располагается на выходе PS-декодера 14. Кроме того, SBR-декодер использует параметры SBR (на показаны), формирующие данные об огибающей спектра, в отличие от монофонических параметров SBR по фиг. 14. Низведенный и остаточный сигналы на входе PS-декодера 94, как правило, представляют собой низкополосные сигналы, например, низведенный сигнал DMX и остаточный сигнал RES могут содержать информацию о звуковом сигнале только для низкочастотной полосы, например, с частотой до, приблизительно, 8 КГц. На основе низкополосных низведенного сигнала DMX и остаточного сигнала RES PS-кодер 94 определяет низкополосный стереофонический сигнал, например с частотой до, приблизительно, 8 КГц. На основе низкополосного стереофонического сигнала и стереофонических параметров SBR, SBR-декодер 96 реконструирует высокочастотную часть стереофонического сигнала. По сравнению с вариантом осуществления изобретения по фиг. 14, вариант осуществления изобретения по фиг. 15 обеспечивает преимущество, которое заключается в том, что декоррелированный сигнал не требуется (см. также фиг. 8d), и, таким образом, достигается улучшенное качество звука, в то время как на фиг. 14 для высокочастотной части требуется декоррелированный сигнал (см. также фиг. 8с), что, таким образом, снижает качество звука.In fig. 15 shows an embodiment of a decoding system that is suitable for decoding a bit stream 46 generated by the encoder system of FIG. 7. This embodiment of the invention is solely an illustration of the principles of the present application. It should be understood that modifications and changes to this embodiment of the invention will be apparent to those skilled in the art. The operating principle of the embodiment of the invention shown in FIG. 15 is similar in principle to the decoder system described in FIG. 14. Unlike FIG. 14, SBR decoder 96 in FIG. 15 is located at the output of PS decoder 14. In addition, the SBR decoder uses SBR parameters (shown) to generate spectral envelope data, as opposed to the mono SBR parameters of FIG. 14. The downmix and residual signals at the input of the PS decoder 94 are typically low-band signals, for example, the DMX downmix signal and the RES residual signal may contain audio signal information only for the low-frequency band, for example, with a frequency of up to approximately 8 KHz. Based on the low-bandwidth downmix DMX signal and the residual RES signal, PS encoder 94 determines a low-bandwidth stereo signal, for example, with a frequency of up to approximately 8 KHz. Based on the low-bandwidth stereo signal and the SBR stereo parameters, the SBR decoder 96 reconstructs the high-frequency portion of the stereo signal. Compared with the embodiment of the invention in FIG. 14, embodiment of the invention according to FIG. 15 provides the advantage that a decorrelated signal is not required (see also FIG. 8d) and thus improved sound quality is achieved, while in FIG. 14, the high-frequency part requires a decorrelated signal (see also FIG. 8c), which thus reduces the sound quality.

На фиг. 16а показан вариант осуществления системы декодирования, которая является обратной по отношению к системе кодирования по фиг. 11а. Входной сигнал битового потока подается в блок 100 декодера, который генерирует первый декодированный сигнал 102 и второй декодированный сигнал 103. В декодере выбирается M/S-кодирование или L/R-кодирование. Выбор указывается в принимаемом битовом потоке. На основе этой информации на этапе 101 делается выбор M/S или L/R. В случае, если декодером выбрано M/S, первый 102 и второй 103 сигналы преобразовываются в сигнал (псевдо-) L/R. В случае, если декодером выбрано L/R, первый 102 и второй 103 сигналы могут проходить этап 103 без преобразования. Сигнал псевдо-L/R, L p , R p , на выходе этапа 101 конвертируется в сигнал DMX/RES посредством этапа 12 преобразования (на этом этапе выполняется квази-преобразование L/R в M/S). Предпочтительно, этапы 100, 101 и 12 по фиг. 16а выполняют операции в области MDCT. Для преобразования низведенного сигнала DMX и остаточного сигнала RES во временную область могут использоваться блоки 104 конверсии. Затем полученный сигнал подается в PS-декодер (не показан) и, необязательно, в SBR-декодер, как показано на фиг. 14 и 15. В альтернативном варианте блоки 104 также могут размещаться и перед блоком 12.In fig. 16a shows an embodiment of a decoding system which is the inverse of the encoding system of FIG. 11a. The input bit stream signal is supplied to a decoder block 100, which generates a first decoded signal 102 and a second decoded signal 103. At the decoder, M/S encoding or L/R encoding is selected. The choice is indicated in the received bitstream. Based on this information, a selection of M/S or L/R is made at step 101. If M/S is selected by the decoder, the first 102 and second 103 signals are converted to a (pseudo-) L/R signal. In case L/R is selected by the decoder, the first 102 and second 103 signals may pass through step 103 without conversion. The pseudo-L/R signal, L p , R p , at the output of step 101 is converted into a DMX / RES signal through conversion step 12 (this step performs a quasi-L/R to M/S conversion). Preferably, steps 100, 101 and 12 of FIG. 16a perform operations in the MDCT region. Conversion blocks 104 may be used to convert the downmixed DMX signal and the residual RES signal into the time domain. The resulting signal is then fed to a PS decoder (not shown) and optionally to an SBR decoder, as shown in FIG. 14 and 15. Alternatively, blocks 104 may also be placed in front of block 12.

На фиг. 16b проиллюстрирована реализация варианта осуществления изобретения по фиг. 16а. На фиг. 16b показана иллюстративная реализация этапа 101, предназначенного для выбора между M/S-декодированием и L/R-декодированием. Этап 101 включает этап 105 преобразования в сумму и разность (преобразования M/S в L/R), который принимает первый 102 и второй 103 сигналы.In fig. 16b illustrates an implementation of the embodiment of FIG. 16a. In fig. 16b shows an exemplary implementation of step 101 for selecting between M/S decoding and L/R decoding. Step 101 includes a sum and difference conversion (M/S to L/R conversion) step 105 that receives the first 102 and second 103 signals.

На основе информации о кодировании, предоставляемой в битовом потоке, этап 101 делает выбор между L/R-кодированием и M/S-кодированием. Если делается выбор в пользу L/R-кодирования, то выходной сигнал блока 100 декодирования подается на этап 12 преобразования.Based on the encoding information provided in the bit stream, step 101 makes a choice between L/R encoding and M/S encoding. If the choice is made in favor of L/R encoding, then the output signal of the decoding unit 100 is supplied to the conversion stage 12.

На фиг. 16с показана альтернатива варианту осуществления изобретения по фиг. 16а. В данном случае этап 12 преобразования в явном виде не используется. Вместо этого этап 12 преобразования и этап 101 объединяются в единый этап 101'. Первый 102 и второй 103 сигналы подаются на этап 105' преобразования в сумму и разность (точнее, на этап преобразования псевдо-L/R в DMX/RES), составляющий часть этапа 101'. Этап 105' преобразования генерирует сигнал DMX/RES. Этап 105' преобразования по фиг. 16с сходен с этапом 105 преобразования по фиг. 16b или идентичен ему (за исключением, возможно, отличающегося коэффициента усиления). На фиг. 16с выбор между M/S-декодированием и L/R-декодированием необходимо инвертировать относительно фиг. 16b. На фиг. 16с переключатель находится в нижнем положении, в то время как на фиг. 16b переключатель находится в верхнем положении. Так визуализируется инверсия выбора L/R или M/S (сигнал выбора может инвертироваться просто посредством обратного преобразователя).In fig. 16c shows an alternative to the embodiment of FIG. 16a. In this case, conversion step 12 is not used explicitly. Instead, the conversion step 12 and step 101 are combined into a single step 101'. The first 102 and second 103 signals are fed to a sum and difference conversion step 105' (more precisely, a pseudo-L/R to DMX / RES conversion step) forming part of step 101'. The conversion step 105' generates the DMX / RES signal. The conversion step 105' of FIG. 16c is similar to the conversion step 105 of FIG. 16b or identical to it (except possibly with a different gain). In fig. 16c, the choice between M/S decoding and L/R decoding must be inverted with respect to FIG. 16b. In fig. 16c the switch is in the down position, while in FIG. 16b switch is in the up position. This is how the inversion of the L/R or M/S selection is visualized (the selection signal can be inverted simply by means of an inverter).

Следует отметить, что на фиг. 16b и 16с для каждой полосы частот в области MDCT предпочтительно существует индивидуальный переключатель, и, таким образом, выбор между L/R и M/S может зависеть как от времени, так и от частоты. Этапы 105 и 105' преобразования могут преобразовывать весь используемый частотный диапазон или только единичную полосу частот.It should be noted that in FIG. 16b and 16c, there is preferably an individual switch for each frequency band in the MDCT region, and thus the choice between L/R and M/S can be both time and frequency dependent. Conversion steps 105 and 105′ may convert the entire usable frequency range or only a single frequency band.

На фиг. 17 показан следующий вариант осуществления системы кодирования, предназначенной для кодирования стереофонического сигнала L, R в сигнал битового потока. Система кодирования включает этап 8 понижающего микширования, предназначенный для генерирования на основе стереофонического сигнала низведенного сигнала DMX и остаточного сигнала RES. Кроме того, система кодирования включает этап 9 определения параметров, предназначенный для определения одного или нескольких параметров 5 параметрического стереофонического кодирования. Кроме того, система кодирования включает средства 110 перцептуального кодирования в нисходящем направлении относительно этапа 8 понижающего микширования. Выбираются следующие режимы кодирования:In fig. 17 shows the following embodiment of an encoding system for encoding a stereo signal L, R into a bitstream signal. The encoding system includes a downmixing step 8 for generating, based on the stereo signal, a downmix DMX signal and a residual signal RES . In addition, the encoding system includes a parameter determination step 9 for determining one or more parametric stereo encoding parameters 5. In addition, the encoding system includes perceptual encoding means 110 downstream of the downmixing step 8. The following encoding modes are selectable:

- кодирование, на основе суммарного сигнала низведенного сигнала DMX и остаточного сигнала RES и на разностном сигнале низведенного сигнала DMX и остаточного сигнала RES, или- encoding, based on the sum signal of the DMX downmix signal and the residual RES signal and on the difference signal of the DMX downmix signal and the residual RES signal, or

- кодирование, на основе низведенного сигнала DMX и остаточного сигнала RES.- coding based on the downmixed DMX signal and the residual RES signal.

Предпочтительно, выбор зависит от времени и от частоты.Preferably, the choice depends on time and frequency.

Средства 110 кодирования включают этап 111 преобразования в сумму и разность, который генерирует суммарный и разностный сигналы. Кроме того, средства 110 кодирования включают блок 112 выбора, предназначенный для выбора кодирования на основе суммарного и разностного сигналов или на основе низведенного сигнала DMX и остаточного сигнала RES. Кроме того, предусматривается блок 113 кодирования. В альтернативном варианте может использоваться два блока 113 кодирования, где первый блок 113 кодирования кодирует сигналы DMX и RES, и второй блок 113 кодирования кодирует суммарный и разностный сигналы. В этом случае блок 112 выбора находится в нисходящем направлении относительно двух блоков 113 кодирования.The encoding means 110 includes a sum and difference conversion step 111 that generates the sum and difference signals. In addition, the encoding means 110 includes a selector 112 for selecting encoding based on the sum and difference signals or based on the downmix signal DMX and the residual signal RES . In addition, a coding block 113 is provided. Alternatively, two encoding blocks 113 may be used, where the first encoding block 113 encodes the DMX and RES signals, and the second encoding block 113 encodes the sum and difference signals. In this case, the selection block 112 is located in the downstream direction relative to the two encoding blocks 113.

Блок 111 преобразования в сумму и разность имеет форму:The sum and difference conversion block 111 has the form:

. .

Блок 111 преобразования может соответствовать блоку преобразования 99 по фиг. 11с.The conversion unit 111 may correspond to the conversion unit 99 of FIG. 11s.

Выходной сигнал перцептуального кодера 110 комбинируется с параметрами 5 параметрического стереофонического сигнала в мультиплексоре 7, образуя результирующий битовый поток 6.The output of the perceptual encoder 110 is combined with the parameters 5 of the parametric stereo signal in the multiplexer 7, forming the resulting bit stream 6.

В отличие от конструкции по фиг. 17, кодирование на основе низведенного сигнала DMX и остаточного сигнала RES может быть реализовано путем кодирования результирующего сигнала, который генерируется путем преобразования низведенного сигнала DMX и остаточного сигнала RES посредством двух последовательных преобразований в сумму и разность, как показано на фиг. 11b (см. два блока 2 и 98 преобразования). Результирующий сигнал после двух преобразований в сумму и разность соответствует низведенному сигналу DMX и остаточному сигналу RES (за исключением, возможно, отличающегося коэффициента усиления).Unlike the design of FIG. 17, encoding based on the DMX downmix signal and the RES residual signal can be realized by encoding a resultant signal that is generated by converting the DMX downmix signal and the RES residual signal through two successive sum and difference conversions, as shown in FIG. 11b (see two conversion blocks 2 and 98). The resulting signal after two sum and difference conversions corresponds to the downmixed DMX signal and the residual RES signal (except for a possibly different gain).

На фиг. 18 показан вариант осуществления системы декодера, которая является обратной по отношению к системе кодера по фиг. 17. Система декодера включает средства 120, предназначенные для перцептуального декодирования на основе сигнала битового потока. Перед декодированием параметры PS-кодирования отделяются от сигнала 6 битового потока в демультиплексоре 10. Средства 120 декодирования включают базовый декодер 121, который (путем декодирования) генерирует первый сигнал 122 и второй сигнал 123. Средства декодирования выводят низведенный сигнал DMX и остаточный сигнал RES.In fig. 18 shows an embodiment of a decoder system that is the inverse of the encoder system of FIG. 17. The decoder system includes means 120 for perceptual decoding based on the bitstream signal. Before decoding, the PS encoding parameters are separated from the bitstream signal 6 in the demultiplexer 10. The decoding means 120 includes a base decoder 121, which (by decoding) generates a first signal 122 and a second signal 123. The decoding means outputs the downmix signal DMX and the residual signal RES .

Низведенный сигнал DMX и остаточный сигнал RES являются селективноThe downmix DMX signal and the residual RES signal are selective

- на основе суммы первого сигнала 122 и второго сигнала 123 и на разности первого сигнала 122 и второго сигнала 123,- based on the sum of the first signal 122 and the second signal 123 and on the difference of the first signal 122 and the second signal 123,

илиor

- на основе первого сигнала 122 и второго сигнала 123.- based on the first signal 122 and the second signal 123.

Предпочтительно, выбор зависит от времени и от частоты. Выбор выполняется на этапе 125 выбора.Preferably, the choice depends on time and frequency. The selection is made at selection step 125.

Средства 120 декодирования включают этап 124 преобразования в сумму и разность, который генерирует суммарный и разностный сигналы.The decoding means 120 includes a sum and difference step 124 that generates the sum and difference signals.

Преобразование в сумму и разность в блоке 124 имеет форму:The conversion to sum and difference in block 124 is of the form:

. .

Блок 124 преобразования может соответствовать блоку 105' по фиг. 16с.Transformation block 124 may correspond to block 105' of FIG. 16s.

После выбора сигналы DMX и RES подаются на этап 126 повышающего микширования для генерирования стереофонического сигнала L, R на основе низведенного сигнала DMX и остаточного сигнала RES. Операция повышающего микширования зависит от параметров 5 PS-кодирования.Once selected, the DMX and RES signals are supplied to an upmixing step 126 to generate a stereo L, R signal based on the downmix DMX signal and the residual RES signal. The upmixing operation depends on the PS encoding parameters 5.

Предпочтительно, выбор на фиг. 17 и 18 является зависящим от частоты. На фиг. 17, например, преобразование времени в частоту (например, посредством MDCT или блока анализирующих фильтров) может выполняться в качестве первого этапа в средствах 110 перцептуального кодирования. На фиг. 18, например, преобразование частоты во время (например, посредством обратного MDCT или блока синтезирующих фильтров) может выполняться на последнем этапе в средствах 120 перцептуального декодирования.Preferably, the selection in FIG. 17 and 18 is frequency dependent. In fig. 17, for example, a time-to-frequency conversion (eg, via an MDCT or analysis filter bank) may be performed as a first step in the perceptual encoding means 110. In fig. 18, for example, frequency-to-time conversion (eg, via an inverse MDCT or synthesis filter bank) may be performed as a final step in the perceptual decoding means 120.

Следует отметить, что в описанных выше вариантах осуществления изобретения сигналы, параметры и матрицы могут быть зависящими от частоты или независящими от частоты, и/или зависящими от времени или независящими от времени. Описанные этапы вычислений могут осуществляться для отдельных частот или для полной полосы частот звукового сигнала.It should be noted that in the embodiments described above, the signals, parameters and matrices may be frequency dependent or frequency independent, and/or time dependent or time independent. The calculation steps described can be performed for individual frequencies or for the entire frequency band of the audio signal.

Кроме того, следует отметить, что все различные преобразования в сумму и разность, т.е. преобразование DMX/RES в псевдо-L/R, преобразование псевдо-L/R в DMX/RES, преобразование L/R в M/S и преобразование M/S в L/R, имеют формуAdditionally, it should be noted that all the various sum and difference conversions, i.e. DMX / RES to pseudo-L/R conversion, pseudo-L/R to DMX / RES conversion, L/R to M/S conversion, and M/S to L/R conversion are of the form

. .

Единственное, что может отличаться, — это коэффициент усиления с. Поэтому, в принципе, каждое из этих преобразований может быть заменено другим преобразованием из числа указанных преобразований. Если усиление в процессе кодирования не является корректным, его можно компенсировать в ходе процесса декодирования. Кроме того, если разместить два одинаковых или два различных преобразования в сумму и разность последовательно, результирующее преобразование будет соответствовать единичной матрице (возможно, умноженной на коэффициент усиления).The only thing that may differ is the gain c . Therefore, in principle, each of these transformations can be replaced by another transformation from among the specified transformations. If the gain during the encoding process is not correct, it can be compensated during the decoding process. Also, if you place two identical or two different sum and difference transformations in series, the resulting transformation will correspond to an identity matrix (possibly multiplied by a gain).

В системе кодера, включающей PS-кодер и SBR-кодер, возможны различные конфигурации PS/SBR. В первой конфигурации, показанной на фиг. 6, SBR-кодер 32 присоединяется в нисходящем направлении относительно PS-кодера 41. Во второй конфигурации, показанной на фиг. 7, SBR-кодер 42 присоединяется в восходящем направлении относительно PS-кодера 41. В зависимости, например, от требуемой целевой битовой скорости передачи данных, свойств базового кодера и/или одного или нескольких различных факторов, с целью обеспечения наилучших рабочих характеристик, одним конфигурациям может отдаваться предпочтение перед другими конфигурациями. Как правило, для менее высоких битовых скоростей передачи данных, может быть более предпочтительной первая конфигурация, в то время как для более высоких битовых скоростей передачи данных может оказаться более предпочтительной вторая конфигурация. Поэтому желательно, чтобы система кодера поддерживала обе эти конфигурации для того, чтобы она была способна делать выбор предпочтительной конфигурации в зависимости от, например, требуемой целевой битовой скорости передачи данных и/или одного или нескольких других критериев.In an encoder system including a PS encoder and an SBR encoder, various PS/SBR configurations are possible. In the first configuration shown in FIG. 6, the SBR encoder 32 is connected downstream of the PS encoder 41. In the second configuration shown in FIG. 7, an SBR encoder 42 is coupled upstream of a PS encoder 41. Depending on, for example, the desired target bit rate, properties of the underlying encoder, and/or one or more different factors, one configuration may be preferred over other configurations. In general, for lower bit rates, the first configuration may be more preferable, while for higher bit rates, the second configuration may be more preferable. It is therefore desirable for the encoder system to support both of these configurations so that it is capable of making a selection of the preferred configuration depending on, for example, the desired target bit rate and/or one or more other criteria.

В системе декодера, включающей PS-декодер и SBR-декодер, также возможны различные конфигурации PS/SBR. В первой конфигурации, показанной на фиг. 14, SBR-декодер 93 присоединяется в восходящем направлении относительно PS-декодера 94. Во второй конфигурации, показанной на фиг. 15, SBR-декодер 96 присоединяется в нисходящем направлении относительно PS-декодера 94. Для достижения корректного выполнения операций конфигурация системы декодера должна соответствовать конфигурации системы кодера. Если кодер конфигурируется в соответствии с фиг. 6, то декодер, соответственно, конфигурируется в соответствии с фиг. 14. Если кодер конфигурируется в соответствии с фиг. 7, то декодер, соответственно, конфигурируется в соответствии с фиг. 15. Для того, чтобы обеспечить корректное выполнение операций, кодер предпочтительно подает в декодер сигнал о конфигурации PS/SBR, которая была выбрана для кодирования (и, таким образом, о конфигурации PS/SBR, которая должна быть выбрана для декодирования). На основе этой информации декодер делает выбор надлежащей конфигурации декодера.In a decoder system including a PS decoder and an SBR decoder, various PS/SBR configurations are also possible. In the first configuration shown in FIG. 14, the SBR decoder 93 is connected upstream of the PS decoder 94. In the second configuration shown in FIG. 15, the SBR decoder 96 is connected downstream of the PS decoder 94. To achieve correct operation, the decoder system configuration must match the encoder system configuration. If the encoder is configured according to FIG. 6, the decoder is accordingly configured in accordance with FIG. 14. If the encoder is configured according to FIG. 7, the decoder is accordingly configured in accordance with FIG. 15. To ensure correct operation, the encoder preferably provides a signal to the decoder about the PS/SBR configuration that has been selected for encoding (and thus the PS/SBR configuration that should be selected for decoding). Based on this information, the decoder makes a selection of the appropriate decoder configuration.

Как обсуждалось выше, для обеспечения корректной работы декодера предпочтительно существует механизм передачи из кодера в декодер, сигнала о конфигурации, которая должна использоваться в декодере. Это может выполняться явно (например, посредством специализированного бита или поля в заголовке конфигурации битового потока, как будет обсуждаться ниже) или неявно (например, путем проверки, являются данные SBR монофоническими или стереофоническими в случае присутствия данных PS-кодирования).As discussed above, to ensure correct operation of the decoder, there is preferably a mechanism for transmitting from the encoder to the decoder a signal about the configuration that should be used in the decoder. This may be done explicitly (eg, by a dedicated bit or field in the bitstream configuration header, as discussed below) or implicitly (eg, by checking whether the SBR data is mono or stereo when PS encoding data is present).

Как обсуждалось выше, для передачи сигнала о выбранной конфигурации PS/SBR может использоваться специализированный элемент в заголовке битового потока, передаваемого из кодера в декодер. Указанный заголовок битового потока несет необходимую информацию о конфигурации, которая требуется для предоставления декодеру возможности корректно декодировать данные в битовом потоке. Специализированный элемент в заголовке битового потока может представлять собой, например, однобитный флаг, поле или индекс, указывающий на конкретную запись в таблице, которая определяет различные конфигурации декодера.As discussed above, a dedicated element in the header of the bit stream passed from the encoder to the decoder can be used to signal the selected PS/SBR configuration. The specified bitstream header carries the necessary configuration information that is required to enable the decoder to correctly decode the data in the bitstream. A specialized element in the bitstream header may be, for example, a one-bit flag, field, or index pointing to a specific table entry that defines various decoder configurations.

Вместо включения в заголовок битового потока дополнительного специализированного элемента для передачи сигнала о конфигурации PS/SBR, для выбора корректной конфигурации PS/SBR системой декодирования может производиться оценка информации, которая уже присутствует в битовом потоке. Например, выбор конфигурации PS/SBR может выводиться из информации о конфигурации PS-декодера и SBR-декодера в заголовке битового потока. Информация о конфигурации, как правило указывает, следует конфигурировать SBR-декодер для монофонических операций или для стереофонических операций. Если, например, PS-декодер задействован, и SBR-декодер сконфигурирован для монофонических операций (как указывается в информации о конфигурации), может быть выбрана конфигурация PS/SBR согласно фиг. 14. Если, например, PS-декодер задействован, и SBR-декодер сконфигурирован для стереофонических операций (как указывается в информации о конфигурации), может быть выбрана конфигурация PS/SBR согласно фиг. 15.Instead of including an additional specialized element in the bitstream header to signal the PS/SBR configuration, the decoding system can evaluate information already present in the bitstream to select the correct PS/SBR configuration. For example, the PS/SBR configuration selection may be inferred from the PS decoder and SBR decoder configuration information in the bitstream header. The configuration information typically indicates whether the SBR decoder should be configured for mono operations or for stereo operations. If, for example, the PS decoder is enabled and the SBR decoder is configured for mono operations (as indicated in the configuration information), the PS/SBR configuration of FIG. 14. If, for example, the PS decoder is enabled and the SBR decoder is configured for stereo operations (as indicated in the configuration information), the PS/SBR configuration may be selected as shown in FIG. 15.

Описанные выше варианты осуществления изобретения являются лишь иллюстрацией принципов настоящей заявки. Следует понимать, что изменения и модификации конфигураций и деталей, описанных в данном описании, будут очевидны для специалистов в данной области. Поэтому предполагается, что объем притязаний заявки не ограничивается конкретными деталями, представленными путем описания и разъяснения вариантов осуществления изобретения в данном описании.The embodiments described above are merely illustrative of the principles of the present application. It should be understood that changes and modifications to the configurations and details described herein will be apparent to those skilled in the art. Therefore, it is not intended that the scope of the application be limited to the specific details provided by the description and explanation of embodiments of the invention in this specification.

Системы и способы, раскрытые в данной заявке могут быть реализованы в качестве программного обеспечения, встроенного программного обеспечения, аппаратного обеспечения или их комбинации. Некоторые, или все, компоненты могут быть реализованы как программное обеспечение, запускаемое на процессоре цифровой обработки сигналов или микропроцессоре, или реализованы как аппаратное обеспечение или как специализированные интегральные микросхемы.The systems and methods disclosed herein may be implemented as software, firmware, hardware, or combinations thereof. Some or all of the components may be implemented as software running on a digital signal processor or microprocessor, or implemented as hardware or application specific integrated circuits.

Типичными устройствами, применяющими раскрытые системы и способы, являются портативные аудиоплейеры, устройства мобильной связи, телевизионные приставки, телевизоры, AVR (аудио-видео тюнеры), персональные компьютеры и т.д.Typical devices employing the disclosed systems and methods include portable audio players, mobile communications devices, set-top boxes, televisions, AVRs (audio video tuners), personal computers, etc.

Claims (79)

1. Способ кодирования стереофонического входного сигнала, содержащего левый канал и правый канал и имеющего перцепционную стереофоническую картину, при этом способ включает:1. A method for encoding a stereo input signal comprising a left channel and a right channel and having a perceptual stereo image, the method comprising: выбор или режима кодирования с преобразованием, или режима кодирования с линейным предсказанием в качестве выбранного режима кодирования;selecting either a transform coding mode or a linear prediction coding mode as the selected coding mode; кодирование стереофонического входного сигнала с использованием только выбранного режима кодирования для получения кодированного выходного сигнала; иencoding the stereo input signal using only the selected encoding mode to obtain an encoded output signal; And генерирование сигнала битового потока, содержащего кодированный выходной сигнал,generating a bitstream signal containing the encoded output signal, при этом, если выбран режим кодирования с линейным предсказанием, кодирование включает:Moreover, if linear prediction coding mode is selected, coding includes: понижающее микширование стереофонического входного сигнала в монофонический сигнал, причем монофонический сигнал представляет собой сумму левого канала и правого канала,downmixing the stereo input signal into a mono signal, the mono signal being the sum of a left channel and a right channel, оценивание параметров стереофонической картины, для реконструкции стереофонического сигнала, который аппроксимирует перцепционную стереофоническую картину стереофонического входного сигнала, из монофонического сигнала,estimating stereo picture parameters, to reconstruct a stereo signal that approximates the perceptual stereo picture of a stereo input signal, from a mono signal, генерирование остаточного сигнала, который указывает погрешность, связанную с отображением стереофонического сигнала монофоническим сигналом, и оцененные параметры стереофонической картины,generating a residual signal that indicates the error associated with mapping a stereo signal to a mono signal, and the estimated parameters of the stereo picture, кодирование монофонического сигнала с использованием кодирования с линейным предсказанием для получения кодированного монофонического сигнала и вывод кодированного монофонического сигнала, остаточного сигнала и параметров стереофонической картины в качестве кодированного выходного сигнала,encoding the monaural signal using linear prediction coding to obtain the encoded monaural signal, and outputting the encoded monaural signal, the residual signal, and the stereo picture parameters as the encoded output signal, при этом, если выбран режим кодирования с преобразованием, кодирование включает:Moreover, if the transform encoding mode is selected, encoding includes: анализ стереофонического входного сигнала посредством применения как кодирования среднего/побочного стереофонического сигнала, так и кодирования левого/правого стереофонического сигнала, и выбор или режима кодирования среднего/побочного стереофонического сигнала, или режима кодирования левого/правого стереофонического сигнала на основе оцененной энтропии для каждого режима кодирования стереофонического сигнала,analyzing a stereo input signal by applying both mid/side stereo encoding and left/right stereo encoding, and selecting either a mid/side stereo encoding mode or a left/right stereo encoding mode based on the estimated entropy for each encoding mode stereo signal, кодирование стереофонического входного сигнала с использованием выбранного режима кодирования стереофонического сигнала в первом частотном диапазоне для получения кодированного стереофонического сигнала в первом частотном диапазоне,encoding the stereo input signal using a selected stereo encoding mode in the first frequency range to obtain an encoded stereo signal in the first frequency range, понижающее микширование стереофонического входного сигнала в монофонический сигнал во втором частотном диапазоне,downmixing a stereo input signal into a mono signal in a second frequency range, кодирование монофонического сигнала во втором частотном диапазоне с использованием кодирования с преобразованием для получения кодированного монофонического сигнала во втором частотном диапазоне иencoding the monaural signal in the second frequency range using transform coding to obtain an encoded monaural signal in the second frequency range; and вывод кодированного стереофонического сигнала в первом частотном диапазоне и кодированного монофонического сигнала во втором частотном диапазоне в качестве кодированного выходного сигнала.outputting the encoded stereo signal in the first frequency range and the encoded monaural signal in the second frequency range as an encoded output signal. 2. Способ по п. 1, отличающийся тем, что анализ включает выбор того, какой режим кодирования стереофонического сигнала будет более эффективно кодировать стереофонический входной сигнал.2. The method of claim 1, wherein the analysis includes selecting which stereo encoding mode will more efficiently encode the stereo input signal. 3. Способ по п. 1, отличающийся тем, что выбор или режима кодирования с преобразованием, или режима с линейным предсказанием зависит от характеристик стереофонического входного сигнала.3. The method according to claim 1, characterized in that the choice of either a transform coding mode or a linear prediction mode depends on the characteristics of the stereo input signal. 4. Способ по п. 1, отличающийся тем, что кодирование с преобразованием дополнительно включает невыполнение кодирования одного или более поддиапазонов и генерирование дополнительной информации для реконструкции одного или более поддиапазонов.4. The method of claim 1, wherein the transform coding further includes not encoding the one or more subbands and generating additional information for reconstructing the one or more subbands. 5. Способ по п. 4, отличающийся тем, что дополнительная информация включает параметр, используемый для определения огибающей спектра одного или более поддиапазонов, не подвергаемых кодированию.5. The method of claim 4, wherein the additional information includes a parameter used to determine the spectral envelope of one or more subbands not subject to coding. 6. Способ по п. 1, отличающийся тем, что кодирование с преобразованием включает психоакустическую модель.6. The method according to claim 1, characterized in that the transform coding includes a psychoacoustic model. 7. Способ по п. 1, отличающийся тем, что оценивание включает оценивание параметров стереофонической картины во множестве частотных поддиапазонов.7. The method according to claim 1, characterized in that the evaluation includes estimating the parameters of the stereophonic picture in a variety of frequency subranges. 8. Способ по п. 1, отличающийся тем, что ширину полосы первого частотного диапазона и ширину полосы второго частотного диапазона определяют на основе, по меньшей мере частично, требуемой целевой битовой скорости передачи данных.8. The method of claim 1, wherein the bandwidth of the first frequency range and the bandwidth of the second frequency range are determined based at least in part on the desired target bit rate. 9. Способ по п. 1, отличающийся тем, что режим кодирования с линейным предсказанием выбирают, когда стереофонический входной сигнал представляет собой речь.9. The method of claim 1, wherein the linear prediction coding mode is selected when the stereo input signal is speech. 10. Энергонезависимый машиночитаемый носитель, содержащий команды, которые при исполнении процессором выполняют способ по п. 1.10. A non-volatile computer-readable medium containing instructions that, when executed by a processor, carry out the method according to claim 1. 11. Устройство для кодирования стереофонического входного сигнала, содержащего левый канал и правый канал и имеющего перцепционную стереофоническую картину, для получения кодированного выходного сигнала, при этом устройство содержит: селектор режима для выбора или режима кодирования с преобразованием, или режима кодирования с линейным предсказанием;11. An apparatus for encoding a stereo input signal comprising a left channel and a right channel and having a perceptual stereo image to obtain an encoded output signal, the apparatus comprising: a mode selector for selecting either a transform coding mode or a linear prediction coding mode; кодер с преобразованием для кодирования стереофонического входного сигнала, если выбранный режим кодирования является режимом кодирования с преобразованием, но не если выбранный режим кодирования является режимом кодирования с линейным предсказанием;a transform encoder for encoding a stereo input signal if the selected encoding mode is a transform encoding mode, but not if the selected encoding mode is a linear prediction encoding mode; кодер с линейным предсказанием для кодирования стереофонического входного сигнала, если выбранный режим кодирования является режимом кодирования с линейным предсказанием, но не если выбранный режим кодирования является режимом кодирования с преобразованием; иa linear prediction encoder for encoding a stereo input signal if the selected encoding mode is a linear prediction encoding mode, but not if the selected encoding mode is a transform encoding mode; And генератор битового потока для генерирования сигнала битового потока, содержащего кодированный выходной сигнал, при этом кодер с линейным предсказанием выполнен с возможностью:a bitstream generator for generating a bitstream signal comprising a coded output signal, wherein the linear prediction encoder is configured to: понижающего микширования стереофонического входного сигнала в монофонический сигнал, причем монофонический сигнал представляет собой сумму левого канала и правого канала,downmixing the stereo input signal into a mono signal, wherein the mono signal is the sum of the left channel and the right channel, оценивания параметров стереофонической картины, для реконструкции стереофонического сигнала, который аппроксимирует перцепционную стереофоническую картину стереофонического входного сигнала, из монофонического сигнала,estimating stereo picture parameters, to reconstruct a stereo signal that approximates the perceptual stereo picture of a stereo input signal, from a mono signal, генерирования остаточного сигнала, который указывает погрешность, связанную с отображением стереофонического сигнала монофоническим сигналом, и оцененные параметры стереофонической картины,generating a residual signal that indicates the error associated with the mapping of a stereo signal to a mono signal, and the estimated parameters of the stereo picture, кодирования монофонического сигнала с использованием кодирования с линейным предсказанием для получения кодированного первого монофонического сигнала и вывода кодированного монофонического сигнала, остаточного сигнала и оцененных параметров стереофонической картины в качестве кодированного выходного сигнала,encoding the monaural signal using linear prediction coding to obtain the encoded first monaural signal and output the encoded monaural signal, the residual signal, and the estimated stereo picture parameters as the encoded output signal, при этом кодер с преобразованием выполнен с возможностью:wherein the encoder with transformation is configured to: анализа стереофонического входного сигнала посредством применения как кодирования среднего/побочного стереофонического сигнала, так и кодирования левого/правого стереофонического сигнала, и выбор или режима кодирования среднего/побочного стереофонического сигнала, или режима кодирования левого/правого стереофонического сигнала на основе оцененной энтропии для каждого режима кодирования стереофонического сигнала,analyzing the stereo input signal by applying both mid/side stereo encoding and left/right stereo encoding, and selecting either a mid/side stereo encoding mode or a left/right stereo encoding mode based on the estimated entropy for each encoding mode stereo signal, кодирования стереофонического входного сигнала с использованием выбранного режима кодирования стереофонического сигнала в первом частотном диапазоне для получения кодированного стереофонического сигнала в первом частотном диапазоне,encoding the stereo input signal using a selected stereo encoding mode in the first frequency range to obtain an encoded stereo signal in the first frequency range, понижающего микширования стереофонического входного сигнала в монофонический сигнал во втором частотном диапазоне,downmixing a stereo input signal into a mono signal in a second frequency range, кодирования монофонического сигнала во втором частотном диапазоне с использованием кодирования с преобразованием для получения кодированного монофонического сигнала во втором частотном диапазоне иencoding a monaural signal in a second frequency range using transform coding to obtain an encoded monaural signal in a second frequency range; and вывода кодированного стереофонического сигнала в первом частотном диапазоне и кодированного монофонического сигнала во втором частотном диапазоне в качестве кодированного выходного сигнала.outputting the encoded stereo signal in the first frequency range and the encoded monaural signal in the second frequency range as an encoded output signal. 12. Способ декодирования сигнала битового потока для получения декодированного выходного сигнала, имеющего левый канал и правый канал, при этом способ включает:12. A method for decoding a bit stream signal to obtain a decoded output signal having a left channel and a right channel, the method comprising: извлечение кодированного звукового сигнала из сигнала битового потока, причем кодированный звуковой сигнал сгенерирован посредством кодирования входного стереофонического звукового сигнала, имеющего левый входной канал и правый входной канал, с использованием выбранного режима кодирования, при этом выбранный режим кодирования является одним из режима кодирования с преобразованием или режима кодирования с линейным предсказанием;extracting an encoded audio signal from a bitstream signal, wherein the encoded audio signal is generated by encoding an input stereo audio signal having a left input channel and a right input channel using a selected encoding mode, wherein the selected encoding mode is one of a transform encoding mode or a linear prediction coding; декодирование кодированного звукового сигнала с использованием только выбранного режима кодирования для получения декодированного сигнала; иdecoding the encoded audio signal using only the selected encoding mode to obtain a decoded signal; And вывод декодированного сигнала в качестве декодированного выходного сигнала,output the decoded signal as a decoded output signal, при этом, если выбранный режим кодирования является режимом кодирования с линейным предсказанием, декодирование включает:wherein, if the selected encoding mode is a linear prediction encoding mode, decoding includes: прием кодированного монофонического сигнала, причем кодированный монофонический сигнал представляет собой сумму левого входного канала и правого входного канала входного стереофонического звукового сигнала,receiving a coded mono signal, wherein the coded mono signal is the sum of a left input channel and a right input channel of the input stereo audio signal, декодирование кодированного монофонического сигнала с использованием декодирования с линейным предсказанием для получения декодированного монофонического сигнала,decoding the encoded mono signal using linear prediction decoding to obtain the decoded mono signal, извлечение параметров стереофонической картины и остаточного сигнала из сигнала битового потока для реконструкции стереофонического звукового сигнала, который аппроксимирует перцепционную стереофоническую картину входного стереофонического звукового сигнала, при этом остаточный сигнал указывает погрешность, связанную с отображением стереофонического звукового сигнала монофоническим сигналом, и параметры стереофонической картины,extracting stereo image parameters and a residual signal from the bitstream signal to reconstruct a stereo audio signal that approximates the perceptual stereo image of the input stereo audio signal, wherein the residual signal indicates the error associated with the mapping of the stereo audio signal to the monaural signal, and the stereo image parameters, реконструкцию стереофонического звукового сигнала с использованием декодированного монофонического сигнала, остаточного сигнала и параметров стереофонической картины для получения реконструированного стереофонического звукового сигнала, который аппроксимирует перцепционную стереофоническую картину входного стереофонического звукового сигнала, иreconstructing the stereo audio signal using the decoded mono signal, the residual signal, and the stereo image parameters to obtain a reconstructed stereo audio signal that approximates the perceptual stereo image of the input stereo audio signal, and вывод реконструированного стереофонического звукового сигнала в качестве декодированного сигнала,output the reconstructed stereo audio signal as a decoded signal, при этом, если выбранный режим кодирования является режимом кодирования с преобразованием, декодирование включает:however, if the selected encoding mode is a transform encoding mode, decoding includes: прием стереофонического сигнала в первом частотном диапазоне, причем стереофонический сигнал сгенерирован с использованием выбранного режима кодирования стереофонического сигнала, при этом выбранный режим кодирования стереофонического сигнала включает или кодирование среднего/побочного стереофонического сигнала, или кодирование левого/правого стереофонического сигнала,receiving a stereo signal in a first frequency range, wherein the stereo signal is generated using a selected stereo encoding mode, wherein the selected stereo encoding mode includes either mid/side stereo encoding or left/right stereo encoding, прием кодированного монофонического сигнала во втором частотном диапазоне,receiving a coded monophonic signal in the second frequency range, декодирование стереофонического сигнала в первом частотном диапазоне с использованием выбранного режима кодирования стереофонического сигнала для получения декодированного стереофонического сигнала в первом частотном диапазоне,decoding the stereo signal in the first frequency range using the selected stereo encoding mode to obtain a decoded stereo signal in the first frequency range, декодирование кодированного монофонического сигнала во втором частотном диапазоне с использованием декодирования с преобразованием для получения декодированного монофонического сигнала во втором частотном диапазоне иdecoding the encoded monaural signal in the second frequency range using transform decoding to obtain a decoded monaural signal in the second frequency range; and вывод декодированного стереофонического сигнала в первом частотном диапазоне и декодированного монофонического сигнала во втором частотном диапазоне в качестве декодированного сигнала.outputting the decoded stereo signal in the first frequency range and the decoded monaural signal in the second frequency range as a decoded signal. 13. Способ по п. 12, отличающийся тем, что кодирование с преобразованием также включает извлечение дополнительной информации из сигнала битового потока для реконструкции одного или более поддиапазонов, не подвергаемых кодированию.13. The method of claim 12, wherein the transform coding also includes extracting additional information from the bitstream signal to reconstruct one or more subbands not subject to coding. 14. Способ по п. 13, отличающийся тем, что дополнительная информация включает параметр, используемый для определения огибающей спектра одного или более поддиапазонов, не подвергаемых кодированию.14. The method of claim 13, wherein the additional information includes a parameter used to determine the spectral envelope of one or more subbands not subject to coding. 15. Способ по п. 12, отличающийся тем, что кодирование с преобразованием включает психоакустическую модель.15. The method according to claim 12, characterized in that the transform coding includes a psychoacoustic model. 16. Способ по п. 12, отличающийся тем, что параметры стереофонической картины содержат параметры стереофонической картины для каждого из множества частотных диапазонов.16. The method according to claim 12, characterized in that the stereo picture parameters comprise stereo picture parameters for each of the plurality of frequency ranges. 17. Способ по п. 12, отличающийся тем, что ширину полосы первого частотного диапазона и ширину полосы второго частотного диапазона определяют на основе, по меньшей мере частично, требуемой целевой битовой скорости передачи данных.17. The method of claim 12, wherein the bandwidth of the first frequency range and the bandwidth of the second frequency range are determined based at least in part on the desired target bit rate. 18. Устройство для декодирования сигнала битового потока для получения декодированного выходного сигнала, имеющего левый канал и правый канал, при этом устройство содержит:18. An apparatus for decoding a bitstream signal to obtain a decoded output signal having a left channel and a right channel, the apparatus comprising: демультиплексор для извлечения закодированного звукового сигнала из сигнала битового потока, при этом закодированный звуковой сигнал сгенерирован посредством кодирования входного стереофонического звукового сигнала, имеющего левый входной канал и правый входной канал, с использованием выбранного режима кодирования, причем выбранный режим кодирования является одним из режима кодирования с преобразованием или режима кодирования с линейным предсказанием;a demultiplexer for extracting an encoded audio signal from a bitstream signal, wherein the encoded audio signal is generated by encoding an input stereo audio signal having a left input channel and a right input channel using a selected encoding mode, wherein the selected encoding mode is one of a transform encoding mode or linear prediction coding mode; декодер с преобразованием для декодирования кодированного звукового сигнала, если выбранный режим кодирования является режимом кодирования с преобразованием, но не если выбранный режим кодирования является режимом кодирования с линейным предсказанием; и декодер с линейным предсказанием для декодирования кодированного звукового сигнала, если выбранный режим кодирования является режимом кодирования с линейным предсказанием, но не если выбранный режим кодирования является режимом кодирования с преобразованием,a transform decoder for decoding the encoded audio signal if the selected encoding mode is a transform encoding mode, but not if the selected encoding mode is a linear prediction encoding mode; and a linear prediction decoder for decoding the encoded audio signal if the selected encoding mode is a linear prediction encoding mode, but not if the selected encoding mode is a transform encoding mode, при этом декодер с линейным предсказанием выполнен с возможностью:wherein the linear prediction decoder is configured to: приема кодированного монофонического сигнала, причем кодированный монофонический сигнал представляет собой сумму левого входного канала и правого входного канала входного стереофонического звукового сигнала,receiving a coded mono signal, wherein the coded mono signal is the sum of a left input channel and a right input channel of the input stereo audio signal, декодирования кодированного монофонического сигнала с использованием декодирования с линейным предсказанием для получения декодированного монофонического сигнала,decoding the encoded mono signal using linear prediction decoding to obtain the decoded mono signal, извлечения параметров стереофонической картины и остаточного сигнала из сигнала битового потока для реконструкции стереофонического звукового сигнала, который аппроксимирует перцепционную стереофоническую картину входного стереофонического звукового сигнала, при этом остаточный сигнал указывает погрешность, связанную с отображением стереофонического сигнала монофоническим сигналом, и параметры стереофонической картины,extracting stereo image parameters and a residual signal from the bitstream signal to reconstruct a stereo audio signal that approximates the perceptual stereo image of the input stereo audio signal, wherein the residual signal indicates the error associated with the mapping of the stereo signal to the monaural signal, and the stereo image parameters, реконструкции стереофонического звукового сигнала с использованием декодированного монофонического сигнала, остаточного сигнала и параметров стереофонической картины для получения реконструированного стереофонического звукового сигнала, который аппроксимирует перцепционную стереофоническую картину входного стереофонического звукового сигнала, иreconstructing the stereo audio signal using the decoded mono signal, the residual signal, and the stereo image parameters to obtain a reconstructed stereo audio signal that approximates the perceptual stereo image of the input stereo audio signal, and вывода реконструированного стереофонического звукового сигнала в качестве декодированного выходного сигнала,output the reconstructed stereo audio signal as a decoded output signal, при этом декодер с преобразованием выполнен с возможностью:wherein the decoder with conversion is configured to: приема стереофонического сигнала в первом частотном диапазоне, причем стереофонический сигнал сгенерирован с использованием выбранного режима кодирования стереофонического сигнала, при этом выбранный режим кодирования стереофонического сигнала включает или режим кодирования среднего/побочного стереофонического сигнала, или режим кодирования левого/правого стереофонического сигнала,receiving a stereo signal in a first frequency range, wherein the stereo signal is generated using a selected stereo encoding mode, wherein the selected stereo encoding mode includes either a mid/side stereo encoding mode or a left/right stereo encoding mode, приема кодированного монофонического сигнала во втором частотном диапазоне,receiving a coded monophonic signal in the second frequency range, декодирования стереофонического сигнала в первом частотном диапазоне с использованием выбранного режима кодирования стереофонического сигнала для получения декодированного стереофонического сигнала в первом частотном диапазоне,decoding a stereo signal in the first frequency range using a selected stereo encoding mode to obtain a decoded stereo signal in the first frequency range, декодирования кодированного монофонического сигнала во втором частотном диапазоне с использованием декодирования с преобразованием для получения декодированного монофонического сигнала во втором частотном диапазоне иdecoding the encoded mono signal in the second frequency range using transform decoding to obtain a decoded mono signal in the second frequency range; and вывода декодированного стереофонического сигнала в первом частотном диапазоне и декодированного монофонического сигнала во втором частотном диапазоне в качестве декодированного выходного сигнала.outputting the decoded stereo signal in the first frequency range and the decoded monaural signal in the second frequency range as a decoded output signal. 19. Устройство по п. 18, отличающееся тем, что кодирование с преобразованием также включает извлечение дополнительной информации из сигнала битового потока для реконструкции одного или более поддиапазонов, не подвергаемых кодированию.19. The apparatus of claim 18, wherein the transform coding also includes extracting additional information from the bitstream signal to reconstruct one or more subbands not subject to coding. 20. Устройство по п. 19, отличающееся тем, что дополнительная информация включает параметр, используемый для определения огибающей спектра одного или более поддиапазонов, не подвергаемых кодированию.20. The device of claim 19, wherein the additional information includes a parameter used to determine the spectral envelope of one or more subbands not subject to coding. 21. Устройство по п. 18, отличающееся тем, что кодирование с преобразованием включает психоакустическую модель.21. The device according to claim 18, characterized in that the transform coding includes a psychoacoustic model. 22. Устройство по п. 18, отличающееся тем, что параметры стереофонической картины содержат параметры для каждого из множества частотных диапазонов.22. The device according to claim 18, characterized in that the stereo picture parameters contain parameters for each of a plurality of frequency ranges. 23. Устройство по п. 18, отличающееся тем, что ширина полосы первого частотного диапазона и ширина полосы второго частотного диапазона определены на основе, по меньшей мере частично, требуемой целевой скорости передачи данных.23. The apparatus of claim 18, wherein the bandwidth of the first frequency range and the bandwidth of the second frequency range are determined based at least in part on the desired target data rate.
RU2023117249A 2009-03-17 2023-06-29 Audio signal processing device for stereo signal encoding into bitstream signal and method for bitstream signal decoding into stereo signal implemented by using audio signal processing device RU2804032C1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US61/160,707 2009-03-17
US61/219,484 2009-06-23

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
RU2020122022A Division RU2799400C2 (en) 2009-03-17 2020-07-03 Audio signal processing device for stereo signal encoding into bitstream signal and method for bitstream signal decoding into stereo signal implemented by using audio signal processing device

Publications (1)

Publication Number Publication Date
RU2804032C1 true RU2804032C1 (en) 2023-09-26

Family

ID=

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060133618A1 (en) * 2004-11-02 2006-06-22 Lars Villemoes Stereo compatible multi-channel audio coding
US20070121954A1 (en) * 2005-11-21 2007-05-31 Samsung Electronics Co., Ltd. System, medium, and method of encoding/decoding multi-channel audio signals
US20070160236A1 (en) * 2004-07-06 2007-07-12 Kazuhiro Iida Audio signal encoding device, audio signal decoding device, and method and program thereof
RU2329548C2 (en) * 2004-01-20 2008-07-20 Фраунхофер-Гезелльшафт Цур Фердерунг Дер Ангевандтен Форшунг Е.Ф. Device and method of multi-channel output signal generation or generation of diminishing signal
US20080255856A1 (en) * 2005-07-14 2008-10-16 Koninklijke Philips Electroncis N.V. Audio Encoding and Decoding

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2329548C2 (en) * 2004-01-20 2008-07-20 Фраунхофер-Гезелльшафт Цур Фердерунг Дер Ангевандтен Форшунг Е.Ф. Device and method of multi-channel output signal generation or generation of diminishing signal
US20070160236A1 (en) * 2004-07-06 2007-07-12 Kazuhiro Iida Audio signal encoding device, audio signal decoding device, and method and program thereof
US20060133618A1 (en) * 2004-11-02 2006-06-22 Lars Villemoes Stereo compatible multi-channel audio coding
US20080255856A1 (en) * 2005-07-14 2008-10-16 Koninklijke Philips Electroncis N.V. Audio Encoding and Decoding
US20070121954A1 (en) * 2005-11-21 2007-05-31 Samsung Electronics Co., Ltd. System, medium, and method of encoding/decoding multi-channel audio signals

Similar Documents

Publication Publication Date Title
RU2730469C2 (en) Improved stereo coding based on a combination of adaptively selected left/right or middle/side stereophonic coding and parametric stereophonic coding
RU2804032C1 (en) Audio signal processing device for stereo signal encoding into bitstream signal and method for bitstream signal decoding into stereo signal implemented by using audio signal processing device
RU2799400C2 (en) Audio signal processing device for stereo signal encoding into bitstream signal and method for bitstream signal decoding into stereo signal implemented by using audio signal processing device
AU2018200340B2 (en) Advanced stereo coding based on a combination of adaptively selectable left/right or mid/side stereo coding and of parametric stereo coding