CN104303523A - 将多声道音频信号转换为双声道音频信号的方法和设备 - Google Patents

Abstract

描述了一种用于将n声道音频信号(L，R，Ls，Rs)转换为双声道音频信号(Ro，Lo)的方法，其中n为大于等于4的整数，所述方法包括如下步骤：通过下列各项的组合生成双声道音频信号中的任一个，即右(Ro)或左(Lo)：相同侧(右或左)的n声道音频信号的前(R，L)和后(Rs，Ls)信号分量，以及另一侧(左或右)的n声道音频信号的前(L，R)信号分量，以及基于n的项。

Description

将多声道音频信号转换为双声道音频信号的方法和设备

技术领域

本发明涉及将多声道音频信号转换为双声道音频信号的方法和设备。

背景技术

将多声道音频信号转换为双声道信号的技术是已知的，并且通常称为下混频技术。利用下混频，可以通过具有两个声道和两个扬声器箱的普通立体声装备重现原始的多声道音频信号。总之，已知的下混频技术不允许听者识别声音的物理起源，这通常是利用多声道重现系统重现原始的多声道信号来实现。

公知的多声道音频信号的示例是所谓的环绕声音系统。除了两个前立体声声道L和R之外，声道环绕表示还包括一个附加的前中央声道C和两个环绕后声道Ls、Rs。在记录阶段，麦克风的物理布置例如如图1中所示。五个麦克风mL、mR、mC、mLs和mRs被安置在录音室中。如上述被分别指示的，麦克风生成环绕声音频信号L、R、C、Ls和Rs。例如如图2中所示，在重现期间向位于听音室中的相应扬声器供应那些环绕信号。

如已知的，通过对原始信号执行线性组合来进行把原始的环绕信号(L、R、C、Ls和Rs)下混频成立体声信号(L′、R′)，例如如下述公式给出的：

L′＝L+α.C+β.Ls

R′＝R+α.C+β.Rs

其中，α和β是常数，例如都等于0.5。通过相同侧的前和后信号以及中央声道C的线性组合给出两个立体声信号L′、R′中的每一个。

参见图3，所述L′和R′信号被供应给用于向听者重现的立体声扬声器布置的左和右扬声器。这样，安置在位置P1的听者感知到(伪)环绕感觉，即使所述环绕声信号由两个扬声器L和R以下混频形式重现。

现在让我们假设如下情形：在该情形中，例如五声道记录由起源于两个说话者的声音构成，一个说话者(S1)站在靠近mLs麦克风的位置，并且另一说话者(S2)站在靠近mL麦克风的位置，如图1中所示。这些声音有一个级别，使得两个右侧麦克风mR、mRs不会感知到有价值的贡献。

通过经由立体声扬声器布置来重现这个记录，并且在根据上面描述的已知技术进行下混频之后，由左扬声器L重现所有来自mLs和mL麦克风的音频信号，并且可能发生两个说话者没有正确的(单独)定位的情况。换句话说，由位于mLs麦克风和mL麦克风的两个说话者产生的声音信号现在由左扬声器L进行重现，并且听者感知到两个人像是位于左扬声器的位置。

通过这个具体的示例，示出了存在多种情形，其中下混频音频信号不允许听者在说话者的位置之间进行区分，并且因此不允许维持声音源之间的关于他们的原始位置的相对虚拟位置。这更具体地在如下情形中适用：其中，在生成/记录阶段中，声音源被定位成仅靠近一侧的前和后拾取装置。另一个有问题的情形可能发生在说话者从一个麦克风的位置走到另一个麦克风的位置的情况下。在已知的下混频系统中不能感知到该运动。

发明内容

因此，本发明的主要目的是提供一种用于将多声道音频信号转换为双声道音频信号的方法和设备，克服上述问题。

根据权利要求1，本发明的一个目的是一种用于将n声道音频信号(L，R，Ls，Rs)转换为双声道音频信号(Ro，Lo)的方法，其中n为大于等于4的整数，所述方法包括如下步骤：通过下列各项的组合生成双声道音频信号中的任一个，即右(Ro)或左(Lo)：

-相同侧(右或左)的n声道音频信号的前(R，L)和后(Rs，Ls)信号分量，以及

-另一侧(左或右)的n声道音频信号的前(L，R)信号分量，以及

-基于n的项。

优选地在该方法中，在组合中，另一侧的n声道音频信号的所述前(L，R)信号分量乘以因子δ，δ＜1，δ优选地是在范围[0，0.5]内，更优选地等于0.25。

优选地在该方法中，通过下列各项的组合生成双声道音频信号中的另一个，即左(Lo)或右(Ro)：

-相同侧(左或右)的n声道音频信号的前(R，L)和后(Ls，Rs)信号分量，所述前(R，L)信号分量乘以因子1-δ，以及

-所述基于n的项。

本发明的另一目的是一种被配置为实现上述方法设备。

这些和另外的目的借助于用于将多声道音频信号转换为双声道音频信号的设备和方法来实现，如在所附权利要求中所描述的，所附权利要求形成本描述的必不可少的部分。

附图说明

根据下面的详细描述本发明将变得完全清楚，该详细描述仅仅通过举例和非限制性的示例的方式给出，参考所附的绘制的图阅读，其中：

图1示出了用于记录环绕声信号的五个麦克风的布置的示例；

图2示出了用于重现环绕声音信号的五个扬声器的布置的示例；

图3示出了用于重现双声道声音的两个扬声器的布置的示例，其中虚拟存在利用本发明获得的另外的声音源；

图4、5和6分别示出了图1、2和3的等同情形，其中存在七个麦克风和扬声器以及附加的声音源；

图7、8和9示出了根据本发明的设备的实施例的示例的框图。

在图中，相同的参考数字和字母指定相同的或功能上等同的部分。

具体实施方式

下面将描述本发明的方法的实施例的一些具体的非限制性的示例。

本发明的第一实施例主要适用于如上面描述的情形的情形中，参照图1和2，其中，在上面已经提到的，L、R、C、Ls和Rs分别是多声道音频信号的前左、前右、中央、后左和后右分量。在这种情况下，我们具有一个有n＝5个输入声道的输入多声道音频信号。

值得注意的是，通常输入信号并不一定需要是麦克风信号。他们可以通过能够生成多声道(环绕)信号的任意器件来提供，例如混音台、计算机/人工生成的内容(室内仿真工具等)、一般的重放器件等。

根据本发明，下面用于下混频过程的公式适用，其中，修改了双立体声信号中的一个，例如Ro：

Lo＝L+α.C+β.Ls

Ro＝R+α.C+β.Rs+δ.L

其中，Lo和Ro是下混频音频信号的左和右分量。α和β是如上面所描述那些的常数，δ是一个常数，优选地基本小于0.5。

α和β的可能范围将是[0，1]，而-3dB＝0.707945......是优选的。

δ的可能范围将是[0，0.5]，其中，0.25是优选的。

优选地，Lo信号也按下述方式进行修改：

Lo＝η.L+α.C+β.Ls

其中，优选地，η≤1，更优选地η＝(1-δ)。

这里引入η用于把由下混频信号生成的声音的全局水平近似为多声道环绕信号的全局水平。

这样，(仅仅)由左扬声器来重现由位于mLs麦克风处的说话者(此后被定义为第一说话者S1)生成的声音信号。听者因此感知到第一说话者为位于左扬声器L的位置处，如例如图3中所描绘的。

然而，由左扬声器和右扬声器两者来重现由位于mL麦克风处的说话者(此后被定义为第二说话者S2)生成的声音信号。结果，听者感知第二说话者S2为位于左和右扬声器之间位置处的所谓的幻象源。如果δ基本上小于0.5，从听者来看，位置将会位于中心线c1的左边，好像来自说话者S2的声音来自于虚拟扬声器VL，如图3所示。

因此，通过向右扬声器馈送L信号的一部分，可以区分位于mLs和mL麦克风处的两个说话者，因为他们现在分别被听者在左扬声器的位置和左扬声器的右侧被感知到。

类似的，在记录由两个说话者构成的情形下，一个说话者被安置为靠近mRs麦克风，并且另一个说话者被安置为靠近mR麦克风，需要进行校正以实现在普通的立体声重现期间和下混频之后区分两个说话者的定位。

下述用于下混频过程的公式适用，其中，修改了立体声信号Lo：

Lo＝L+α.C+β.Ls+δ.R

Ro＝R+α.C+β.Rs

其中，α、β和δ是常数，如上述情况。而且在这种情况下，δ优选地基本小于0.5。

优选地，Ro信号也按下述方式进行修改：

Ro＝η.R+α.C+β.Rs

其中，优选地，η≤1，更优选地η＝(1-δ)。

这样，(仅仅)由右扬声器来重现由位于mRs麦克风处的说话者(此后被定义为第一说话者S1)生成的声音信号。听者因此感知第一说话者为位于右扬声器R的位置处。

然而，由左扬声器和右扬声器两者来重现由位于mR麦克风处的说话者(此后被定义为第二说话者S2)生成的声音信号。这个的结果，听者感知第二说话者S2为位于左和右扬声器之间的位置。如果δ基本上小于0.5，从听者来看，位置将会位于中心线c1的右边，好像来自说话者S2的声音来自安置在中心线c1和右扬声器R之间的虚拟扬声器VR(图3中未示出)。

因此，通过向左扬声器馈送R信号的一部分，可以区分位于mRs和mR麦克风处的两个说话者，因为他们现在分别被听者在右扬声器的位置和左扬声器的左侧被感知到。

从上面描述的两种情形可以看出所维持的是关于原始相对位置的两个信号源之间的相对虚拟位置。

通常地，我们可以说，由下述各项的组合给出双声道音频信号中的任一个，即右Ro或左Lo：

-相同侧(右或左)的n声道音频信号的前(R，L)和后(Ls，Rs)信号分量，以及

-另一侧(左或右)的n声道音频信号的前(L，R)信号分量，以及

-基于n的项，在后面，该基于n的项在Ro的公式中被标识为A(n)，在Lo的公式中被标识为B(n)。

优选地，由下述各项的组合生成双声道音频信号中的另一个，即右Ro或左Lo：

-相同侧(左或右)的n声道音频信号的前(R，L)和后(Ls，Rs)信号分量，优选地所述前(R，L)信号分量乘以因子η，以及

-所述基于n的项。

对于n＝5，我们有A(n)＝B(n)＝(α.C)，因此由中央声道C给出贡献，并且优选地η＝(1-δ)。

本发明的方法的第二实施例适用于具有一个有n＝4个输入声道的输入多声道音频信号的情形，其中，没有中央声道C，并且我们具有上面定义的声道L、R、Ls和Rs。

在这种情况下，上述等式(针对n＝5的情况)仍然适用于Ro，Lo，但没有项(α.C)，因此A(n)＝B(n)＝0，并且优选地η＝(1-δ)。

本发明的方法的第三实施例适用于具有一个有n＝7个输入声道的输入多声道音频信号的情形中。

参照图4和5，在这种情况下，我们仍然具有多声道音频信号的五个分量L、R、C、Ls和Rs，分别是前左、前右、中央、后左和后右，比如针对n＝5，加上由右侧Rss声道和左侧Lss声道给出的两个附加分量。

和先前情况中一样，我们具有位于麦克风mLs处的声音源S1和位于麦克风mL处的另一个声音源S2。现在第三声音源(例如说话者)S3位于左侧麦克风mLss声道(如图4中所示)。一个等同的情形适用于右侧，其中一个附加声音源S1位于麦克风mRss处。

同样，在n＝7的这个情况下，上述等式(针对n＝5的情况)仍然适用于Ro，Lo。发生改变的是A(n)和B(n)的值，其中，附加的贡献来自于左侧Lss声道或右侧Rss声道。

实际上，现在我们具有A(n)＝α.C+γ.Rss+ε.Lss和B(n)＝α.C+γ.Lss+ε.Rss。附加的乘法因子γ和ε优选地小于1。此外，优选地η＝(1-δ-ε)。更优选地δ＞ε/γ。

参照图6，在n＝7的这个情况下，(仅仅)由右R或左L扬声器重现由位于mRs或者mLs麦克风的说话者S 1生成的声音信号。

由左扬声器和右扬声器两者重现由位于mR或者mL麦克风处的说话者S2生成的声音信号。作为这个的结果，听者感知第二说话者S2位于左L和右R扬声器之间的位置处，就像来自虚拟扬声器VL2。由左扬声器和右扬声器两者重现由位于mRss或者mLss麦克风处的说话者S3生成的声音信号，具有与输入信号之间不同的平衡。听者感知第三说话者S3位于左L和右R扬声器之间的位置处，就像来自虚拟扬声器VL3，相对于S2不同。而且在这种情况下，维持的是，三个信号源之间关于原始相对位置的相对虚拟位置被维持。

通常，各个公式中乘法因子(α，β，δ，η，γ，ε)的存在保持考虑如下需要：通过按比例地减少原始声音分量的贡献，控制由下混频信号生成的声音的全局水平。

就用于实现本发明的将多声道音频信号转换为双声道音频信号的方法的设备的某个示例来说，下述内容可以适用。

通过在多声道(环绕)记录的记录和重现阶段中将本发明的方法应用到信号上，利用立体声放大器和立体声扬声器布置，可以获得如下优点：不需要修改消费者立体声装备的安装基础。只要他接收到修改的下混频立体声信号，声音源的单独定位就是可能的。

在传输原始的多声道(环绕)信号的情况下，可在消费者的音频装备中实现本发明的方法，音频装备通过适当地修改以包括用于实现该方法的装置。

优选地，在产生环绕信号期间，可以包括附加控制信号，从而允许立体声装备选择应用哪个公式以及何时应用。

这些附加的控制信号可以包括在元数据中，元数据与多声道(环绕)信号一起传输。例如，在音频信号的掩蔽水平下，他们可被嵌入在一个或多个音频声道中，或者他们可以被嵌入到附加声道中。

因此，消费者的音频装备的下混频单元被适配成：在由附加控制信号的发生所定义的时间间隔期间生成立体声音频信号的左(Lo)和右(Ro)侧信号分量。

参考图7、8和9，描述了根据本发明的设备的实施例的示例的三个框图，分别是n＝4、n＝5和n＝7的情况。

在图7中，来自声音源L、Ls、Rs、R的四个输入信号被应用到电路，根据上面的针对n＝4的公式，该电路将他们乘以因子β，δ，η。

相应的结果被分别供应给两个求和电路AD1和AD2，求和电路AD1和AD2给出立体声下混频信号Lo，Ro作为输出。

控制电路CNT1供应控制信号以根据对有效应用的具体公式的选择(即，基于音频场景中的声音源的位置和/或运动)实现每一个乘法因子。控制电路CNT1接收输入信号IN1用于控制要应用的选择。

如果在记录和产生设备处进行从多声道到双声道的转换，那么可以例如根据已知的准则通过适当地控制记录操纵台来生成控制信号。

如果在接收机处进行从多声道到双声道的转换，那么可以在接收机中生成控制信号，并且控制电路CNT1例如适当地解复用或解调在记录设备处生成的并且由上面描述的技术之一发送的附加控制信号。

在图8中，来自声音源L、Ls、C、Rs、R的五个输入信号被应用到电路，根据上面的针对n＝5的公式，该电路将他们乘以因子α，β，δ，η。

相应的结果被分别供应给两个求和电路AD3和AD4，求和电路AD3和AD4给出立体声下混频信号Lo，Ro作为输出。

由控制电路CNT2按照与参考图7所描述的方式等同的方式进行控制。

在图9中，来自声音源L、Ls、Lss、C、Rss、Rs、R的七个输入信号被应用到电路，根据上面的针对n＝7的公式，该电路将他们乘以因子α，β，δ，η，γ，ε。相应的结果被分别供应给两个求和电路AD5和AD6，求和电路AD5和AD6给出立体声下混频信号Lo，Ro作为输出。

由控制电路CNT3按照与参考图7和8所描述的方式等同的方式进行控制。

可以通过计算机程序有利地实现本发明的方法，计算机程序包括程序编码装置，用于当在计算机上运行该程序时，实现方法的一个或多个步骤。因此，要理解的是，保护的范围扩展到这样的计算机程序并且加上在其中具有记录的消息的计算机可读装置，所述计算机可读装置包括程序编码装置，用于当在计算机上运行该程序时实现方法的一个或多个步骤。

此后，接着是作为进一步解释的数值表，公开了上面描述的各个乘法参数的数值范围。

然而，强调的是信号分量不必一定以线性的方式组合。信号分量的非线性组合也是可能的，诸如WO2011/057922A1中所描述的，WO2011/057922A1公开了一种组合以获得两个信号分量的功率校正求和。

在考虑了公开其优先实施例的描述和附图之后，本发明的很多改变、修改、变化和其他的使用和应用对于本领域技术人员来说将变得明显。没有脱离本发明的精神和范围的所有这样的改变、修改、变化和其他的使用和应用被认为由本发明所覆盖。

将不描述进一步的实现细节，因为本领域技术人员从上面描述的教导开始能够实现本发明。

Claims (13)

1.用于将n声道音频信号(L，R，Ls，Rs)转换为双声道音频信号(Ro，Lo)的方法，其中n为大于等于4的整数，所述方法包括如下步骤：通过下列各项的组合生成双声道音频信号中的任一个，即右(Ro)或左(Lo)：

-相同侧(右或左)的n声道音频信号的前(R，L)和后(Rs，Ls)信号分量，以及

-另一侧(左或右)的n声道音频信号的前(L，R)信号分量，以及

-基于n的项，并且

其中，在所述组合中，所述另一侧的n声道音频信号的所述前(L，R)信号分量乘以因子δ，δ＜1，δ优选地是在范围[0，0.5]内，更优选地等于0.25，并且

其中，通过下列各项的组合生成双声道音频信号中的另一个，即左(Lo)或右(Ro)：

-相同侧(左或右)的n声道音频信号的前(L，R)和后(Ls，Rs)信号分量，所述前(L，R)信号分量优选地乘以因子η，以及

-所述基于n的项，

其中η基本上等于1-δ。

2.用于将n声道音频信号(L，R，Ls，Rs)转换为双声道音频信号(Ro，Lo)的设备，其中n为大于等于4的整数，所述设备包括用于通过下列各项的组合生成双声道音频信号中的任一个，即右(Ro)或左(Lo)的装置：

-相同侧(右或左)的n声道音频信号的前(R，L)和后(Rs，Ls)信号分量，以及

-另一侧(左或右)的n声道音频信号的前(L，R)信号分量，以及

-基于n的项，并且

其中，用于生成的所述装置被进一步适配成把所述另一侧的n声道音频信号的所述前(L，R)信号分量乘以因子δ，δ＜1，δ优选地是在范围[0，0.5]内，更优选地等于0.25，并且

其中，用于生成的所述装置被进一步适配成通过下列各项的组合生成双声道音频信号中的另一个，即左(Lo)或右(Ro)：

-相同侧(左或右)的n声道音频信号的前(L，R)和后(Ls，Rs)信号分量，所述前(L，R)信号分量优选地乘以因子η，以及

-所述基于n的项，并且

其中η基本上等于1-δ。

3.如权利要求2所述的用于将n声道音频信号(L，R，Ls，Rs)转换为双声道音频信号(Ro，Lo)的设备，其中n为大于等于4的整数，所述设备包括：

-用于接收n声道音频信号的输入，

-用于将n声道音频信号转换为双声道立体声音频信号(Lo，Ro)的下混频单元，

-用于供应双声道立体声音频信号的输出，

其特征在于：所述下混频单元被适配成以下述方式生成所述立体声音频信号的右侧声道分量(Ro)：

Ro＝η.R+β.Rs+δ.L+A(n)，

其中，R和L是四声道音频信号的前右和前左信号分量，Rs是所述四声道音频信号的后右环绕信号分量，β和δ是小于1的乘法因子，η是小于等于1的乘法因子，并且A(n)是基于n的等式。

4.如权利要求2所述的用于将n声道音频信号(L，R，Ls，Rs)转换为双声道音频信号(Ro，Lo)的设备，其中n为大于等于4的整数，所述设备包括：

-用于接收n声道音频信号的输入，

-用于将n声道音频信号转换为双声道立体声音频信号(Lo，Ro)的下混频单元，

-用于供应双声道立体声音频信号的输出，

其特征在于：所述下混频单元被适配成以下述方式临时地生成所述立体声音频信号的左侧声道分量(Lo)：

Lo＝η.L+β.Ls+δ.R+B(n)，

其中，R和L是四声道音频信号的前右和前左信号分量，Ls是所述四声道音频信号的后左环绕信号分量，β和δ是小于1的乘法因子，η是小于等于1的乘法因子，并且B(n)是基于n的等式。

5.如权利要求3和4中所述的设备，其特征在于：对于n＝4，A(n)＝B(n)＝0并且η优选地等于1-δ。

6.如权利要求3和4中所述的设备，其特征在于：对于n＝5，A(n)＝B(n)＝α.C，

其中，C是五声道音频信号的中央信号分量，α是小于1的乘法因子，并且η优选地等于1-δ。

7.如权利要求3和4中所述的设备，其特征在于：对于n＝7，A(n)＝α.C+γ.Rss+ε.Lss，并且B(n)＝α.C+γ.Lss+ε.Rss，其中C是七声道音频信号的中央信号分量，Lss是左侧信号分量，并且Rss是右侧信号分量，α、γ和ε是小于1的乘法因子，并且η优选地等于1-δ-ε。

8.如权利要求7中所述的设备，其特征在于δ＞ε/γ。

9.如权利要求3和4、5-8中任一项所述的设备，其特征在于：所述设备被提供有控制信号接收装置，用于接收第一和第二控制信号，所述下混频单元被适配成：在通过第一和第二控制信号的发生所定义的时间间隔期间，分别生成所述立体声音频信号的左(Lo)和右(Ro)侧信号分量。

10.如权利要求9中所述的设备，其特征在于：所述n声道音频信号还包括附加声道，所述附加声道包括所述第一和第二控制信号，所述转换设备还包括输入，用于接收所述附加声道并且将所述附加声道提供给所述控制信号接收装置。

11.记录设备，用于生成包括附加声道的n声道音频信号，所述附加声道包括第一和第二控制信号，第一和第二控制信号用于供应给如权利要求9中所述的转换设备，所述记录设备包括：

-输入，用于接收来自至少四个音频声道的音频信号，所述四个音频声道表示前左声道、前右声道、后左声道和后右声道信号，

-控制信号生成器装置，用于在记录由沿被记录的音频场景的左侧分布的两个或更多个音频信号构成的情况下生成第一控制信号，以及用于在记录由沿被记录的音频场景的右侧分布的两个或更多个音频信号构成的情况下生成第二控制信号，

-用于将所述第一和第二控制信号包括到所述附加声道中的装置。

12.计算机程序，包括计算机程序代码装置，所述装置被适配为当在计算机上运行所述程序时执行权利要求1的所有步骤。

13.一种计算机可读介质，具有记录在其上的程序，所述计算机可读介质包括计算机程序代码装置，所述装置被适配为当在计算机上运行所述程序时执行权利要求1的所有步骤。