CN106373583A - 基于理想软阈值掩模irm的多音频对象编、解码方法 - Google Patents
基于理想软阈值掩模irm的多音频对象编、解码方法 Download PDFInfo
- Publication number
- CN106373583A CN106373583A CN201610861273.4A CN201610861273A CN106373583A CN 106373583 A CN106373583 A CN 106373583A CN 201610861273 A CN201610861273 A CN 201610861273A CN 106373583 A CN106373583 A CN 106373583A
- Authority
- CN
- China
- Prior art keywords
- mask
- audio object
- frequency
- audio
- coding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000007906 compression Methods 0.000 claims abstract description 22
- 230000006835 compression Effects 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000013139 quantization Methods 0.000 claims description 10
- 238000009432 framing Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000003141 anti-fusion Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims description 2
- 230000009182 swimming Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 238000002156 mixing Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 4
- 230000005236 sound signal Effects 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- WURBVZBTWMNKQT-UHFFFAOYSA-N 1-(4-chlorophenoxy)-3,3-dimethyl-1-(1,2,4-triazol-1-yl)butan-2-one Chemical compound C1=NC=NN1C(C(=O)C(C)(C)C)OC1=CC=C(Cl)C=C1 WURBVZBTWMNKQT-UHFFFAOYSA-N 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种基于理想软阈值掩模IRM的多音频对象编、解码方法。本编码方法为：1)编码端对输入的各音频对象时间信息的元数据以及音频对象信息进行预处理模，形成通道形式的各音频对象；2)编码端将各通道形式的音频对象生成一个下混信号，然后根据该下混信号和第i个通道形式的音频对象进行软阈值掩模提取，生成第i个通道形式的音频对象的掩模MASKi；3)编码端针对所有音频对象的掩模MASK进行压缩，生成掩模码流；编码端将该下混信号经过编码压缩得到的编码结果、所述元数据和各所述掩模码流进行合成，得到合成码流输出。本发明充分利用了音频自身稀疏性的特点，压缩更有针对性并且更加有效。
Description
技术领域
本发明属于音频信号处理技术领域，涉及音频编解码，具体涉及一种适合多音频对象的编解码方法。
背景技术
随着播放设备的飞速发展，由立体声到5.1声道再到几十声道，随之产生了许多种多声道音频编解码技术。多声道编码技术已经能够在高压缩率下高质量的恢复某种特定的音频场景。但面临着人们希望对多种音频混合场景进行自定义渲染的情况，例如将人声放大或缩小，增强某种乐器的强度，多声道音频编解码技术显然不能够满足。针对这样的需求产生了针对多音频对象的编解码技术。
多音频对象编码或沿用多声道音频编码技术，求音频对象间的相关系数和强度差；或利用音频对象内部稀疏性。对于多音频对象编解码方法，国内外开展这方面的研究已经有多年的历史。表1总结了近年来的研究发展情况。
表1多音频对象编解码的发展
以下将简要介绍两种比较有代表性的多音频对象编解码。
(1)空间音频对象编解码(SpatialAudio Object Coding，SAOC)
如图1所示，空间音频对象编码沿用多通道编码的提取参数方案，将多个音频对象合成一个下混信号，并提取对象之间的空间参数。下混信号由加和得到；空间参数由通道间的互相关系数和对象强度差异系数构成。空间参数经过量化或熵编码压缩、下混信号通过单通道编码器压缩，一起传送至解码端。解码端通过单通道解码器得到恢复的下混信号，参数部分通过反量化得到空间参数，下混信号和空间参数经过上混过程得到恢复的音频对象。
(2)对象内部稀疏性编码(Intra-Object Sparsity Coding)
基于对象内部稀疏性编码方案利用音频信号能量的稀疏性，将音频对象编码成单声道下混信号。不同于SAOC加和方式得到下混信号，这种方式得到的下混信号是不可听的。音频信号能量的稀疏性体现在，每一帧信号的能量主要集中于少量的频带上。因此音频对象经分帧、时频域变换之后，使用VAD技术检测同一帧活跃对象，使用活跃对象主要能量的频带系数重构下混信号；频带位置信息被记录成边信息用于恢复。下混信号经过单通道压缩编码与边信息一同传送至解码端。解码端通过单通道解码得到下混信号，与边信息一起经过上混模块得到重构的音频对象。
发明内容
类似SAOC对音频对象间提取相关系数及强度差，这种方法不足之处在于音频对象间往往没有很大的相关性，这点不同于多声道之间的相关性，因此提取的相关系数并无实际意义，并不适用于多音频对象编解码。本发明利用音频对象内部自身稀疏性的特点，并结合理想软阈值掩模，对多音频对象进行压缩。
本发明所用到的软阈值掩模(Ideal Ratio Mask,IRM)，是基于听觉掩蔽和听觉场景分析的机理并结合机器感知研究，由俄亥俄州立大学汪德亮提出的CASA的计算方法。在听觉过程中，信号可以被分解为若干时频单元，这些单元以时间和频率为维度，可构成一个二维矩阵。同时构造一个与该矩阵相对应的矩阵，矩阵中非零值表示相应时频单元中的目标信号与混合信号能量的比值，0表示相应时频单元中的目标能量极小，于是保留软阈值矩阵中非零值所对应的时频单元，而去掉0所对应的时频单元，这一过程即实现了理想软阈值掩模。理想软阈值掩模在提出后即用于语音分离。听觉实验表明，基于理想软阈值掩模的处理方法可以非常显著地提高听力损伤和听力正常被试者的语音可懂度。
本发明使用理想软阈值掩模的目的在于从混合音频信号中提取目标音频，因此求得软阈值掩模矩阵的过程在于将每一帧的音频信号分带离散化，保留音频信号主要能量的子带，其掩模值置为目标信号与混合信号能量的比值，反之置为0。
本发明所提出的基于理想软阈值掩模的多音频对象编解码策略，包括以下几个部分
时频域变换：将目标音频或混合音频进行分帧、时频变换，将目标信号从时域变换到频域。
下混模块：多个目标音频频域信号加和取平均取得下混信号。
下混信号压缩：单通道编码。
下混信号重构：单通道解码。
阈值提取：将分帧后信号中的每一帧信号的频域能量排序，由大到小依次相加，直到该帧总能量大部分得以保留，该频率点保留的能量值为该频点的阈值。
IRM分析：将所有音频对象信号和混合音频信号做时频变换，当混合音频中一个时频块中包含了多个音频对象的能量信息且混淆程度较大时，求每个音频对象占整个混合时频块的能量比例，并使用此能量比值作为理想软阈值掩模的掩模值，即soft-mask，其他所占能量比极小的频域点掩模置为0，得到各个音频对象的软阈值掩模。
IRM重构：下混信号的频域值与某目标音频对象提取出的掩模MASK矩阵相乘，可得到该音频对象恢复的频域信号。
子带融合：如果时频变换得到的频率带数较多，掩模的数据会过于庞大，为了进一步压缩掩模参数数据，我们需要对频率带进行压缩融合。由于人耳对较低频率分辨率高，较高频率分辨率低，我们依据听觉临界带对频率进行不均匀的融合，低频区域分带窄，高频区域分带宽，使得在保证音频质量的同时减少频率带个数。
掩模量化：采用量化方法将掩模参数量化，量化表为2^n个浮点型数，使得矩阵可以被1到2^n来表示，缩短每个参数位数为n bit。
游程编码压缩：由音频信号的稀疏性可知，掩模矩阵中代表0的参数个数占比最多，实验可知占比可达90％。因此我们将掩模矩阵进行对于0的游程编码，可将掩模矩阵进一步压缩，压缩率在1/3以上。
与现有技术相比，本发明的积极效果为：
本发明充分利用了音频自身稀疏性的特点，压缩更有针对性并且更加有效。除此之外，理想软阈值掩模方法在整体架构上更好的兼容了多声道音频编码。PEAQ评价结果表明，与MPEG的SAOC方法相比，本发明解码的音频信号听感知效果有明显的提高。
附图说明
下面结合附图对本发明进一步详细地说明：
图1是SAOC方法编解码流程图；
图2是本发明的基于理想软阈值掩模编码方法流程图；
图3是本发明的基于理想软阈值掩模编码方法流程图；
图4是采用本发明的基于理想软阈值掩模编码方法中IRM分析模块流程图；
图5是采用本发明的基于理想软阈值掩模解码方法中IRM重构模块流程图；
图6是子带融合示意图；
图7是游程编码示意图；
图8为本发明与aac压缩对比PEAQ评分对比结果；
图9为本发明与aac压缩对比SNR对比结果。
具体实施方式
下面参照本发明的附图，更详细地描述本发明的最佳实施例。
图2整体的描述了本发明的基于理想软阈值掩模编码方法各个模块之间的关系。
在编码端，输入为描述各音频对象时间信息的元数据以及音频对象信息，在预处理模块中，将形成通道形式的音频对象。通道形式的音频对象进入下混模块，生成一个下混信号，下混信号和各个通道形式的音频对象进入软阈值掩模(IRM)分析模块进行软阈值掩模提取，生成掩模矩阵MASK。掩模矩阵分别进行子带融合、掩模量化和游程编码等掩模压缩方法进行压缩，生成掩模码流(MASK流)。同时，下混信号经过AAC编码器进行编码压缩得到的编码结果和压缩后的掩模码流及元数据一起，进行合成码流，作为编码端的输出。
图3整体的描述了本发明的基于理想软阈值掩模解码方法各个模块之间的关系。
解码端以合成的码流为输入，首先进行码流分解，得到压缩后的掩模MASK流和压缩后的下混信号及元数据。MASK流分别经游程解码、掩模反量化及子带反融合等掩模恢复方法得到重构的掩模矩阵，同时压缩的下混信号经单通道解码器得到重构的下混信号，下混信号和IRM掩模一起进行IRM重构得到每一个音频对象，恢复出的音频对象再经过渲染模块进行音频场景的重现，在此不作为重点。
图4是采用本发明的基于理想软阈值掩模编码方法中IRM分析模块流程图。输入为目标信号和下混信号。目标音频对象和混合音频对象分别进行分帧、加窗、QMF变换，得到QMF域的目标信号(S_target)和混合信号(S_mix)。由实验可知，音频信号的绝大部分能量主要集中少量的QMF频率带中，因此我们对于目标信号进行阈值计算，使得QMF域能量小于阈值的点被舍弃，即其在掩模MASKi中对应值被置为零；QMF域能量大于阈值的点，使用目标信号与下混信号的能量比值作为掩模MASK值，即soft mask。再经过MASK合成模块，对得到的掩模进行拼接得到MASK掩模矩阵作为输出。
图5采用本发明的基于理想软阈值掩模解码方法中IRM重构模块流程图。输入为下混信号及某目标音频的MASK掩模矩阵，下混信号经分帧、加窗，QMF变换，得到QMF域信号。之后将得到的QMF域信号与该目标音频对象提取出的掩模MASK矩阵相乘，得到该音频对象恢复的QMF域信号。再通过QMF逆变换，得到重构的目标作为输出。
图6是子带融合示意图。为了压缩参数的码率，我们需要对QMF域进行压缩，按照人对听觉感知的特点，较低频率分辨率高，较高频率分辨率低的特点，将频域有差别的进行频率点的合并，在保证音频质量的同时降低码率。
表2是量化表。为了节约码率，我们需要对求得的掩模参数矩阵进行压缩，即用二进制数码表示量化后的音频采样值。量化位数越多，越能细化参数的幅度变化。而位数过多则会导致压缩率底下。量化位数的选择应权衡压缩率和回复品质。图7是游程编码示意图。RLE(Run Length Encoding行程编码)算法是一个简单高效的无损数据压缩算法，其基本思路是把数据看成一个线性序列，由于上述稀疏性，序列中数据0的个数比重最大，所以将这些数据序列组织成：数据0之后的数据块为其重复次数，其他数据正常存储。例如某一个文件有如下的数据序列0000123，在未压缩之前占用7个字节，而如果使用了压缩之后就变成了04123，只占用5个字节，节约了码率，并且可无损恢复。
评价结果
以下是我们针对本发明所做的实验评价结果。
测试序列为QUASI音频库中选取的同一乐曲的6个单声道乐器/人声(表2)，截取时长22s。采样率为44.1kHz，采样精度为16bit。本实验选取192kbps为码率。单通道编解码器选取AAC编解码器。在实现中，我们选取的时频变换为QMF，采取帧长2048，帧移1024。每个音频文件分配给参数5kbps码率。
我们使用SAOC方法作为对比试验。
表2测试序列序号与序列文件名对应表
| 序号 | 1 | 2 | 3 | 4 | 5 | 6 |
| 名称 | acoustik_gtr.wav | alto.wav | kick.wav | organ.wav | tenor.wav | vox2.wav |
评价分为PEAQ评价和SNR信噪比。
PEAQ评分对比如图8所示。由评分结果可知，在六个音频文件中，除了第四个音频对象本发明的PEAQ评分略低于SAOC方法，其他音频文件本方法PEAQ评分显著高于SAOC方法。
SNR对比如图9所示。由SNR大小可以看出，在六个音频文件中，除了第五个音频对象本发明的SNR与SAOC方法信噪比持平，其他音频文件本方法信噪比显著高于SAOC方法。
比较传统方法，基于IRM理想软阈值掩模的突出优点在于它充分利用了音频自身稀疏性的特点，压缩更有针对性并且更加有效。该问题的解决尤其对音频对象编码的发展具有重要意义。除此之外，理想软阈值掩模IRM在理想二值掩模IdBM的基础上增加能量比作为掩模值，不仅提高了音频恢复质量，并且在整体架构上更好的兼容了多声道音频编码。通过对音频编码前和恢复出的音频信号使用模拟主客观评价表明，与传统方法相比，新方法对SNR和感知效果均有明显的提高。同时研究表明，由于新方法能够更好地体现声音频谱，因此它能够有效地提高听众感受到的声音质量，经过后续的渲染操作，使得听众有更好的听觉体验。
尽管为说明目的公开了本发明的具体实施例和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容。
Claims (7)
1.一种基于理想软阈值掩模IRM的多音频对象编码方法，其步骤为：
1)编码端对输入的各音频对象时间信息的元数据以及音频对象信息进行预处理模，形成通道形式的各音频对象；
2)编码端将各通道形式的音频对象生成一个下混信号，然后根据该下混信号和第i个通道形式的音频对象进行软阈值掩模提取，生成第i个通道形式的音频对象的掩模MASKi；
3)编码端针对所有音频对象的掩模MASK进行压缩，生成掩模码流；
4)编码端将该下混信号经过编码压缩得到的编码结果、所述元数据和各所述掩模码流进行合成，得到合成码流输出。
2.如权利要求1所述的方法，其特征在于，生成第i个通道形式的音频对象的掩模MASKi的方法为：编码端对第i个通道形式的音频对象进行分帧、加窗、时频变换，得到频域信号S_target，编码端对所述下混信号分别进行分帧、加窗、时频变换，得到频域信号S_mix；
然后对第i个通道形式的音频对象进行阈值计算，将频域能量小于阈值的点舍弃，即将其在掩模矩阵MASKi中对应掩膜值为零；对于频域能量大于阈值的点，使用第i个通道形式的音频对象的能量与所述下混信号的能量比值作为掩模值；然后对得到的掩膜值进行合成，得到掩模MASKi。
3.如权利要求2所述的方法，其特征在于，确定所述阈值的方法为：将分帧信号中的每一帧的频域能量排序，由大到小依次相加，直到该帧能量达到总能量的设定比例，然后将该频率点累加的能量值作为该频点的阈值。
4.如权利要求1或2或3所述的方法，其特征在于，步骤3)中，分别对所有音频对象的掩模矩阵MASK进行子带融合、掩模量化和游程编码，得到所述掩膜码流。
5.一种基于理想软阈值掩模IRM的多音频对象解码方法，其步骤为：
1)解码端对输入的合成码流进行码流分解，得到压缩后的各掩模码流和压缩后的下混信号，以及各音频对象时间信息的元数据；
2)解码端对每一掩膜码流进行掩模恢复，得到重构的掩模矩阵；以及对压缩的下混信号进行解码得到重构的下混信号；
3)解码端根据该元数据、该下混信号和第i个掩模MASKi重构得到第i个音频对象。
6.如权利要求5所述的方法，其特征在于，重构得到所述第i个音频对象的方法为：解码端对该下混信号进行分帧、加窗，时频变换，得到频域信号；然后将该频域信号与该掩模MASKi相乘，得到第i个音频对象对应的频域信号并对其进行时频域逆变换，得到重构的第i个音频对象。
7.如权利要求5所述的方法，其特征在于，解码端对每一掩膜码流分别经游程解码、掩模反量化及子带反融合处理，得到重构的掩模矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610861273.4A CN106373583B (zh) | 2016-09-28 | 2016-09-28 | 基于理想软阈值掩模irm的多音频对象编、解码方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610861273.4A CN106373583B (zh) | 2016-09-28 | 2016-09-28 | 基于理想软阈值掩模irm的多音频对象编、解码方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106373583A true CN106373583A (zh) | 2017-02-01 |
| CN106373583B CN106373583B (zh) | 2019-05-21 |
Family
ID=57898322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610861273.4A Active CN106373583B (zh) | 2016-09-28 | 2016-09-28 | 基于理想软阈值掩模irm的多音频对象编、解码方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106373583B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107610710A (zh) * | 2017-09-29 | 2018-01-19 | 武汉大学 | 一种面向多音频对象的音频编码及解码方法 |
| CN108417219A (zh) * | 2018-02-22 | 2018-08-17 | 武汉大学 | 一种适应于流媒体的音频对象编解码方法 |
| CN110660401A (zh) * | 2019-09-02 | 2020-01-07 | 武汉大学 | 一种基于高低频域分辨率切换的音频对象编解码方法 |
| WO2020042706A1 (zh) * | 2018-08-31 | 2020-03-05 | 大象声科（深圳）科技有限公司 | 一种基于深度学习的回声消除方法 |
| CN111583954A (zh) * | 2020-05-12 | 2020-08-25 | 中国人民解放军国防科技大学 | 一种说话人无关单通道语音分离方法 |
| CN111768793A (zh) * | 2020-07-11 | 2020-10-13 | 北京百瑞互联技术有限公司 | 一种lc3音频编码器编码优化方法、系统、存储介质 |
| CN111798866A (zh) * | 2020-07-13 | 2020-10-20 | 商汤集团有限公司 | 音频处理网络的训练及立体声重构方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1145567A (zh) * | 1995-02-13 | 1997-03-19 | 大宇电子株式会社 | 自适应地编码来自多条通道的输入数字音频信号的装置 |
| CN1677491A (zh) * | 2004-04-01 | 2005-10-05 | 北京宫羽数字技术有限责任公司 | 一种增强音频编解码装置及方法 |
| CN101308659A (zh) * | 2007-05-16 | 2008-11-19 | 中兴通讯股份有限公司 | 一种基于先进音频编码器的心理声学模型的处理方法 |
| KR20140017342A (ko) * | 2012-07-31 | 2014-02-11 | 인텔렉추얼디스커버리 주식회사 | 오디오 신호 처리 방법 및 장치 |
| CN104103277A (zh) * | 2013-04-15 | 2014-10-15 | 北京大学深圳研究生院 | 一种基于时频掩膜的单声学矢量传感器目标语音增强方法 |
| WO2015049332A1 (de) * | 2013-10-02 | 2015-04-09 | Stormingswiss Gmbh | Ableitung von multikanalsignalen aus zwei oder mehreren grundsignalen |
| CN105405445A (zh) * | 2015-12-10 | 2016-03-16 | 北京大学 | 一种基于声道间传递函数的参数立体声编码、解码方法 |
-
2016
- 2016-09-28 CN CN201610861273.4A patent/CN106373583B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1145567A (zh) * | 1995-02-13 | 1997-03-19 | 大宇电子株式会社 | 自适应地编码来自多条通道的输入数字音频信号的装置 |
| CN1677491A (zh) * | 2004-04-01 | 2005-10-05 | 北京宫羽数字技术有限责任公司 | 一种增强音频编解码装置及方法 |
| CN101308659A (zh) * | 2007-05-16 | 2008-11-19 | 中兴通讯股份有限公司 | 一种基于先进音频编码器的心理声学模型的处理方法 |
| KR20140017342A (ko) * | 2012-07-31 | 2014-02-11 | 인텔렉추얼디스커버리 주식회사 | 오디오 신호 처리 방법 및 장치 |
| CN104103277A (zh) * | 2013-04-15 | 2014-10-15 | 北京大学深圳研究生院 | 一种基于时频掩膜的单声学矢量传感器目标语音增强方法 |
| WO2015049332A1 (de) * | 2013-10-02 | 2015-04-09 | Stormingswiss Gmbh | Ableitung von multikanalsignalen aus zwei oder mehreren grundsignalen |
| CN105405445A (zh) * | 2015-12-10 | 2016-03-16 | 北京大学 | 一种基于声道间传递函数的参数立体声编码、解码方法 |
Non-Patent Citations (1)
| Title |
|---|
| 胡泽: "数字音频技术在广播电视中的应用", 《现代电视技术》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107610710A (zh) * | 2017-09-29 | 2018-01-19 | 武汉大学 | 一种面向多音频对象的音频编码及解码方法 |
| CN108417219A (zh) * | 2018-02-22 | 2018-08-17 | 武汉大学 | 一种适应于流媒体的音频对象编解码方法 |
| WO2020042706A1 (zh) * | 2018-08-31 | 2020-03-05 | 大象声科（深圳）科技有限公司 | 一种基于深度学习的回声消除方法 |
| CN110660401A (zh) * | 2019-09-02 | 2020-01-07 | 武汉大学 | 一种基于高低频域分辨率切换的音频对象编解码方法 |
| CN110660401B (zh) * | 2019-09-02 | 2021-09-24 | 武汉大学 | 一种基于高低频域分辨率切换的音频对象编解码方法 |
| CN111583954A (zh) * | 2020-05-12 | 2020-08-25 | 中国人民解放军国防科技大学 | 一种说话人无关单通道语音分离方法 |
| CN111583954B (zh) * | 2020-05-12 | 2021-03-30 | 中国人民解放军国防科技大学 | 一种说话人无关单通道语音分离方法 |
| CN111768793A (zh) * | 2020-07-11 | 2020-10-13 | 北京百瑞互联技术有限公司 | 一种lc3音频编码器编码优化方法、系统、存储介质 |
| CN111768793B (zh) * | 2020-07-11 | 2023-09-01 | 北京百瑞互联技术有限公司 | 一种lc3音频编码器编码优化方法、系统、存储介质 |
| CN111798866A (zh) * | 2020-07-13 | 2020-10-20 | 商汤集团有限公司 | 音频处理网络的训练及立体声重构方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106373583B (zh) | 2019-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106373583B (zh) | 基于理想软阈值掩模irm的多音频对象编、解码方法 | |
| CN101933086B (zh) | 处理音频信号的方法和设备 | |
| CN101120615B (zh) | 多声道编码器和解码器以及相应的编码和解码方法 | |
| CN105070293B (zh) | 基于深度神经网络的音频带宽扩展编码解码方法及装置 | |
| RU2665214C1 (ru) | Стереофонический кодер и декодер аудиосигналов | |
| CN1756086B (zh) | 多通道音频数据编码/解码方法和设备 | |
| CN1110145C (zh) | 可变规模语音编码/解码的方法和装置 | |
| CN101577605B (zh) | 基于滤波器相似度的语音lpc隐藏和提取算法 | |
| CN105405445B (zh) | 一种基于声道间传递函数的参数立体声编码、解码方法 | |
| CN100571043C (zh) | 一种空间参数立体声编解码方法及其装置 | |
| CN106463121A (zh) | 较高阶立体混响信号压缩 | |
| CN107610710B (zh) | 一种面向多音频对象的音频编码及解码方法 | |
| CN110739000B (zh) | 一种适应于个性化交互系统的音频对象编码方法 | |
| WO2007011157A1 (en) | Virtual source location information based channel level difference quantization and dequantization method | |
| CN105164749A (zh) | 多声道音频的混合编码 | |
| CN104541326A (zh) | 一种设备和方法,用于处理音频信号 | |
| CN104240712A (zh) | 一种三维音频多声道分组聚类编码方法及系统 | |
| CN110660401B (zh) | 一种基于高低频域分辨率切换的音频对象编解码方法 | |
| Ben-Shalom et al. | Improved low bit-rate audio compression using reduced rank ICA instead of psychoacoustic modeling | |
| CN103413553A (zh) | 音频编码方法、音频解码方法、编码端、解码端和系统 | |
| Shin et al. | Audio coding based on spectral recovery by convolutional neural network | |
| JPH09106299A (ja) | 音響信号変換符号化方法および復号化方法 | |
| CN103295577B (zh) | 用于音频信号编码的分析窗切换方法和装置 | |
| CN108417219B (zh) | 一种适应于流媒体的音频对象编解码方法 | |
| CN113314131B (zh) | 一种基于两级滤波的多步音频对象编解码方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |