DE102010015630B3

DE102010015630B3 - Verfahren zum Erzeugen eines abwärtskompatiblen Tonformates

Info

Publication number: DE102010015630B3
Application number: DE102010015630A
Authority: DE
Inventors: Jens Groh
Original assignee: Institut fuer Rundfunktechnik GmbH
Current assignee: Institut fuer Rundfunktechnik GmbH
Priority date: 2010-04-20
Filing date: 2010-04-20
Publication date: 2011-06-01
Anticipated expiration: 2030-04-21
Also published as: KR20130054963A; EP2561687A1; CN103098494A; TW201204066A; JP2013526166A; US20130108054A1; WO2011131528A1

Abstract

Um bei einem Downmixverfahren die störenden Nebengeräusche, die bei der Summation mit Gewichtung der spektralen Koeffizienten mit einem Korrekturfaktor entstehen können, zu verringern, wird vorgeschlagen, dass die Korrekturfaktoren m(k) folgendermaßen berechnet werden: eA(k) = Real(A(k)) · Real(A(k)) + Imag(A(k)) · Imag(A(k)) eB(k) = Real(B(k)) · Real(B(k)) + Imag(B(k)) · Imag(B(k)) x(k) = Real(A(k)) · Real(B(k)) + Imag(A(k)) · Imag(B(k)) w(k) = D · x(k)/(eA(k) + L · eB(k)) m(k) = (w(k)+ 1)- w(k) und m(k) der k-te Korrekturfaktor und A(k) der k-te Spektralwert des zu priorisierenden Signals und B(k) der k-te Spektralwert des nicht zu priorisierenden Signals und D der Grad der Kompensation und L der Grad der Begrenzung der Kompensation bedeuten.

Description

Die Erfindung bezieht sich auf ein Verfahren gemäß dem Oberbegriff des Patentanspruchs 1. Ein derartiges Verfahren ist aus der älteren DE 10 2008 056 704 bekannt.
Bei Rundfunk, Internet und Heimbereich findet im Audiobereich neben Zweikanal-Stereo und Mono inzwischen auch das 5.1 Tonformat Amwendung. Durch die Zunahme der verfügbaren Tonformate steigt somit auch der Aufwand der Audioproduktion für Aufnahme und Abmischung in die entsprechenden Tonformate. Ebenso muss eine Kompatibilität zu den Wiedergabegeräten gewährleistet sein, damit diese unabhängig von der Anzahl der Audiokanäle jedes Tonformat abspielen können.
Um alle Tonformate abzudecken, besteht eine Möglichkeit darin, das Tonformat mit der größten Anzahl an Audiokanälen auszusenden und empfangsseitig das Empfangssignal auf ein Tonformat mit geringerer Anzahl an Audiokanälen zu konvertieren (so genannter automatischer Downmix).
Alternativ kann bereits bei der Audioproduktion das Tonmaterial in allen Formaten produziert werden und diese parallel ausgestrahlt werden (so genannter Simulcast). Hierbei kann die Erstellung jedes Tonformats einzeln erfolgen. Diese Art der Abmischung erfordert jedoch einen erheblichen Produktionsaufwand. Meistens sind hierzu entweder zusätzliche Arbeitskräfte, ein merklich höherer Zeitaufwand oder mehrfache Ausstattung (z. B. im Fall von Liveübertragungen) nötig. Günstiger ist daher ein automatischer Downmix. Ein solches Verfahren zur automatischen Konvertierung ist aus der älteren DE 10 2008 056 704 bekannt.
Bei dem bekannten automatisches Downmixverfahren nach der älteren DE 10 2008 056 704 ist eine Abwärtsmischung für die Erzeugung eines zweikanaligen Tonformates aus einem mehrkanaligen (z. B. fünfkanaligen) Tonformat vorgesehen. Damit lassen sich Phantomschallquellen abbilden, wobei sowohl die Verschiebung der Phantomschallquellen als auch die Klangveränderungen durch Kammfiltereffekte weitgehend kompensiert werden.
Das bekannte Verfahren nach DE 10 2008 056 704 wird anhand eines in den 1 bis 6 gezeigten Ausführungsbeispiels näher erläutert. Die 1 zeigt eine generelle Strukturübersicht des bekannten Verfahrens, 2 ein Blockschaltbild zu einer Anordnung zur Durchführung des bekannten Verfahrens und die 3 bis 6 Ablaufdiagramme für die in den Analyse- und Korrekturblöcken vorgesehenen Funktionen.
Ausgehend von einem fünfkanaligen Tonformat mit den Tonkanälen

– Linkskanal (L)
– Rechtskanal (R)
– Centerkanal (C)
– Linkshintenkanal (Ls)
– Rechtshintenkanal (Rs),

1

50

60

70

10

20

10

20

30

40

₀

Bei dem bekannte Downmixverfahren werden in den Summationsfunktionen des Blockschaltbildes nach 1 die Eigenschaften der zu summierenden Audiosignale überprüft und ggf. korrigiert, um unerwünschte Klangergebnisse zu vermeiden.
Dabei werden die Spektralanteile analysiert und korrigiert. Auf diese Weise können Anhebungen und Absenkungen des Energiegehaltes ermittelt und durch Amplitudenkorrecktur in den betreffenden Teilbändern kompensiert werden. Eine Klangfarben-veränderung durch einen Kammfiltereffekt kann so begrenzt werden. Die Korrektur erfolgt aber nur zu einem sinnvollen Anteil, da ein vollständig sich auslöschendes Signal einen unendlich großen Korrekturfaktor hervorrufen würde. Hierdurch können Verschiebungen der Phantomschallquelle zwischen den resultierenden Links- und Rechtskanälen des zweikanaligen Tonformates auftreten und zwar in Abhängigkeit von der ursprünglichen Position der Phantomschallquellen in dem fünfkanaligen Quellmaterial.
Das in 2 veranschaulichte Blockschalbild ist ähnlich aufgebaut, wie das Blockschaltbild in 1, jedoch mit dem wesentlichen Unterschied, dass in den Summationsfunktionen 100 und 200 zur Bildung der ersten und zweiten Summensignale L' und R', sowie in den Summationsfunktionen 300 und 400 zur Bildung der Links- und Rechtssignale L_IRT und R_IRT des zweikanaligen Tonformates zusätzlich zur Summation eine Analyse und Korrektur 1–4 erfolgt. Die Pegelabsenkung des Centersignal C, sowie der Rechtshinten- und Linkshintensignale Ls, Rs erfolgt bei dem Blockschaltbild 2 in Übereinstimmung mit dem Blockschaltbild nach 1 um beispielsweise –3 dB durch Dämpfungsfunktionen 50, 60, bzw. 70. Allerdings sind auch andere Dämpfungen als –3 dB denkbar insbesondere in Abhängigkeit von dem Genre bzw. Inhalt des fünfkanaligen Quellensignals.
Der funktionale Aufbau der Analyse und Korrekturblöcke 100, 200, 300, 400 in 2 ist für den Block 100 anhand der 3, für den Block 200 anhand der 4, für den Block 300 anhand der 5 und für den Block 400 anhand der 6 erläutert.
Der in 3 dargestellte Block 100 sieht zunächst eine Transformation der eingangsseitigen Links, bzw. Centersignal L bzw. C in Spektralwerte beispielsweise durch eine FFT 101 vor. Die gebildeten Spektralwerte l(k), c(k) werden in der Summierfunktion 102 addiert. Die Betragssumme S_l(k) der Spektralwerte wird anschließend in der Entscheidungsraute 103 dahingehend bewertet ob sie größer als ein Sollwert A_soll,l(k) ist. Der Sollwert A_soll,l(k) bestimmt sich zu
Ist die Betragssumme größer als A_soll,l(k), so wird in Block 104 der Wert l'(k) = A_soll,l(k) + (|l(k) + c(k)| – A_soll,l(k))·n gebildet, wobei n ein Faktor größer 0.1 und kleiner 0.4 ist. Ist die Betragssumme nicht größer als der Sollwert A_soll,l(k), so werden in Block 105 die Spektralwerte l(k) des linken Kanals mit einem Faktor m_l(k) gewichtet. Der Faktor m_l(k) ist größer als eins und dient ebenso wie der vorgenannte Faktor n zur Pegelanpassung. Das Produkt m_l(k)·l(k) wird mit den Spektralwerten c(k) des Centerkanals addiert (m_l(k)·l + c).
Im Ergebnis wird in dem Block 100 mithilfe der Entscheidungsraute 103 das im Pegel angepasste Signal l'(k) entweder nach m_l(k)·l(k) + c(k) oder A_Soll,l(k) + (|l(k) + c(k)| – A_Soll,l(k))·n gebildet, welches nach einer inversen Transformation 106 das erste Summensignal L' ergibt.
Der in 4 dargestellte Block 200 sieht zunächst eine Transformation der eingangsseitigen Rechts, bzw. Centersignale R bzw. C in Spektralwerte beispielsweise durch eine FFT 201 vor. Die gebildeten Spektralwerte r(k), c(k) werden in der Summierfunktion 202 addiert. Die Betragssumme S_r(k) der Spektralwerte wird anschließend in der Entscheidungsraute 203 dahingehend bewerte ob sie größer als ein Sollwert A_Soll,r(k) ist. Der Sollwert A_Soll,r(k) bestimmt sich zu
Ist die Betragssumme größer als A_Soll,r(k), so wird in Block 204 der Wert r'(k) = A_soll,r(k) + (|r(k) + c(k)| – A_soll,r(k))·n gebildet, wobei n ein Faktor größer 0.1 und kleiner 0.4 ist. Ist die Betragssumme nicht größer als der Sollwert A_Soll,r(k), so werden in Block 205 die Spektralwerte r(k) des rechten Kanals mit einem Faktor m_r(k) gewichtet. Der Faktor m_r(k) ist größer als eins und dient ebenso wie der vorgenannte Faktor n zur Pegelanpassung. Das Produkt m_r(k)·r wird mit den Spektralwerten c(k) des Centerkanals addiert (m_r(k)·r(k) + c(k)).
Im Ergebnis wird in dem Block 200 mithilfe der Entscheidungsraute 203 das im Pegel angepasste Signal r'(k) entweder nach m_r(k)·r(k) + c(k) oder A_Soll,r(k) + (|r(k) + c(k)| – A_Soll,r(k))·n gebildet, welches nach einer inversen Transformation 206 das zweite Summensignal R' ergibt.
Der in 5 dargestellte Block 300 sieht zunächst eine Transformation der eingangsseitigen Linkshintensignals, bzw. ersten Summensignals Ls bzw. L' in Spektralwerte beispielsweise durch eine FFT 301 vor. Die gebildeten Spektralwerte ls(k), l'(k) werden in der Summierfunktion 302 addiert. Die Betragssumme S_ls(k) der Spektralwerte wird anschließend in der Entscheidungsraute 304 dahingehend bewertet ob sie größer als ein Sollwert A_Soll,ls(k) ist. Der Sollwert A_Soll,ls(k) bestimmt sich zu
Ist die Betragssumme größer als A_Soll,ls(k), so wird in Block 304 das Signal l_IRT = A_Soll,ls(k) + (|ls(k) + l'(k) – A_Soll,ls(k))·n gebildet, wobei n ein Faktor größer 0.1 und kleiner 0.4 ist. Ist die Betragssumme nicht größer als der Sollwert A_Soll,ls(k), so werden in Block 305 die Spektralwerte l'(k) des ersten Summensignals mit dem Faktor m_ls(k) gewichtet. Der Faktor m_ls(k) ist größer als eins und dient ebenso wie der vorgenannte Faktor n zur Pegelanpassung. Das Produkt m_ls(k)·l'(k) wird mit den Spektralwerten ls(k) des Linkshintenkanals addiert (m_ls(k)·l'(k) + ls(k)).
Im Ergebnis wird in dem Block 300 mithilfe der Entscheidungsraute 303 das im Pegel angepasste Signal entweder nach m_ls(k)·l'(k) + ls(k) oder A_Soll,ls(k) + (|l'(k) + ls(k)| – A_Soll,ls(k))·n gebildet, welches nach einer inversen Transformation 306 das dritte Summensignal und somit das linke Ausgangssignal L ergibt.
Der in 6 dargestellte Block 400 sieht die zunächst eine Transformation der eingangsseitigen Rechthintensignals, bzw. zweiten Summensignals Rs bzw. R' in Spektralwerte beispielsweise durch eine FFT 401 vor. Die gebildeten Spektralwerte rs(k), r'(k) werden in der Summierfunktion 402 addiert. Die Betragssumme S_rs(k) der Spektralwerte wird anschließend in der Entscheidungsraute 403 dahingehend bewertet ob sie größer als ein Sollwert A_Soll,rs(k) ist. Der Sollwert A_Soll,rs(k) bestimmt sich zu
Ist die Betragssumme größer als A_Soll,ls(k), so wird das Signal r_IRT = A_soll,ls(k) + (|rs(k) + r'(k) – A_soll,rs(k))·n gebildet, wobei n ein Faktor größer 0.1 und kleiner 0.4 ist. Ist die Betragssumme nicht größer als der Sollwert A_Soll,rs(k), so werden in Block 405 die Spektralwerte r'(k) des ersten Summensignals mit dem Faktor m_rs(k) gewichtet. Der Faktor m_rs(k) ist wiederum größer als eins und dient ebenso wie der vorgenannte Faktor n zur Pegelanpassung. Das Produkt m_rs(k)·r'(k) wird mit den Spektralwerten rs(k) des Rechtshintenkanals addiert (m_rs(k)·r'(k) + rs(k)).
Im Ergebnis wird in dem Block 400 mithilfe der Entscheidungsraute 403 das im Pegel angepasste Signal entweder nach m_rs(k)·r'(k) + rs(k) oder A_Soll,rs(k) + (|r'(k) + rs(k)| – A_Soll,rs(k))·n gebildet, welches nach einer inversen Transformation 406 das vierte Summensignal und somit das rechte Ausgangssignal R ergibt.
In den Summationsfunktionen des Blockschaltbildes nach 2 ist jeweils dasjenige Eingangssignal der Summation, welches mit dem Korrekturfaktor gewichtet wird, gegenüber dem anderen Eingangssignal priorisiert.
In der Summationsfunktion 100 ist L das priorisierte Eingangssignal, in der Summationsfunktion 200 ist R das priorisierte Eingangssignal, in der Summationsfunktion 300 ist L' das priorisierte Eingangssignal, in der Summationsfunktion 400 ist R' das priorisierte Eingangssignal.
Die in der DE 10 2008 056 704 beschriebene Bestimmung des Korrekturfaktors führt jedoch dazu, dass in Fällen, wo die Amplitude des priorisierten Signals gegenüber der des nicht-priorisierten Signals gering ist, störende Nebengeräusche hörbar werden können. Die Wahrscheinlichkeit des Auftretens von solchen Störungen ist zwar gering, aber bei gegebener Kompensationswirkung nicht beeinflussbar. Reduziert man die Kompensationswirkung durch Verringerung des Skalierungswertes w, so werden zwar die störenden Nebengeräusche geringer, aber von den unerwünschten Klangveränderungen bleibt umso mehr bestehen.
Die Aufgabe der Erfindung besteht darin, die störenden Nebengeräusche, die bei der Summation mit Gewichtung der spektralen Koeffizienten mit einem Korrekturfaktor entstehen können, zu verringern.
Die Lösung dieser Aufgabe ergibt sich bei einem gattungsbildenden Verfahren aus den Merkmalen des Patentanspruchs 1.
Vorteilhafte Ausgestaltungen und Weiterbildungen des Verfahrens nach Anspruch 1 ergeben sich aus den Unteransprüchen.
Der Erfindung liegt die Überlegung zugrunde, dass die Kompensation des Kammfiltereffektes durch eine Gewichtung spektraler Koeffizienten immer dann, wenn die Amplitude des Koeffizienten des priorisierten Signals gegenüber der des Koeffizienten des nicht-priorisierten Signals gering ist, zu einer Diskontinuität im korrigierten Signal führt, die als Nebengeräusch hörbar werden kann. Die Wahrscheinlichkeit, dass ein solcher Fall auftritt, ist bei den meisten vorkommenden Signalen gegeben. Verwendet man nun in der Berechnungseinheit für Korrekturfaktorwerte eine Art der Berechnung, bei der der Kompensationsgrad vom Verhältnis der Amplitude des priorisierten Signals gegenüber der des nicht-priorisierten Signals abhängig ist, so kann man die Diskontinuität ausblenden und dennoch einen hohes Maß an Kompensationswirkung insgesamt erreichen. Auf die Weise kann man die störenden Nebengeräusche verringern ohne dass dabei die unerwünschten Klangveränderungen wesentlich zunehmen.
Hierzu werden in allen Summierungsstufen in der jeweiligen Berechnungseinheit für Korrekturfaktorwerte die Korrekturfaktorwerte m(k) wie folgt berechnet: eA(k) = Real(A(k))·Real(A(k)) + Imag(A(k)) Imag(A(k)) eB(k) = Real(B(k))·Real(B(k)) + Imag(B(k))·Imag(B(k)) x(k) = Real(A(k))·Real(B(k)) + Imag(A(k))·Imag(B(k)) w(k) = D·x(k)/(eA(k) + L·eB(k)) m(k) = (w(k)² + 1)^(1/2) – w(k) wobei

m(k): der k-te Korrekturfaktor
A(k): der k-te Spektralwert des zu priorisierenden Signals
B(k): der k-te Spektralwert des nicht zu priorisierenden Signals
D: der Grad der Kompensation
L: der Grad der Begrenzung der Kompensation

Der Grad D der Kompensation ist ein Zahlenwert, der bestimmt, in welchem Maße die durch Kammfiltereffekte verursachten Klangveränderungen ausgeglichen werden. Er liegt im Bereich von 0 bis 1. Ist D = 0, so ergibt sich kein Ausgleich der Klangveränderungen durch Kammfiltereffekte. Ist D = 1, so ergibt sich ein weitgehender Ausgleich der Klangveränderungen durch Kammfiltereffekte.
Der Grad L der Begrenzung der Kompensation ist ein Zahlenwert, der bestimmt, in welchem Maße die Wahrscheinlichkeit des Auftretens von störend wahrnehmbaren Nebengeräuschen verringert wird. Es gilt L >= 0. Ist L = 0, so ergibt sich keine Verringerung der Wahrscheinlichkeit der störenden Nebengeräusche. Der Grad L wird so gewählt, dass erfahrungsgemäß gerade keine Nebengeräusche mehr wahrgenommen werden. Je größer der Grad L ist, umso geringer wird die Wahrscheinlichkeit der Störungen, jedoch verringert sich damit auch teilweise der durch die Einstellung von D bestimmte Ausgleich von Klangveränderungen. Typischerweise liegt der Grad L in der Größenordnung von 0,5.

Claims

Verfahren zum Erzeugen eines abwärtskompatiblen Tonformates, insbesondere eines zweikanaligen Tonformates mit Rechtskanal (R_IRT) und Linkskanal (L_IRT) aus einem mehrkanaligen Tonformat, insbesondere einem fünfkanaligen Tonformat mit folgenden Tonkanälen: – Linkskanal (L) – Rechtskanal (R) – Centerkanal (C) – Linkshintenkanal (Ls) – Rechtshintenkanal (Rs), bei welcher – der Centerkanal (C) im Pegel abgesenkt (z. B. –3 dB) wird – der im Pegel abgesenkte Centerkanal (C) auf den Linkskanal (L) verteilt wird unter Bildung eines ersten Summensignals (L') – der Linkshintenkanal (Ls) im Pegel abgesenkt wird (z. B. um –3 dB), – der im Pegel abgesenkte Linkshintenkanal (Ls) auf das erste Summensignal unter Bildung des dritten Summensignals verteilt wird, welches dem Linkskanal (L_IRT) des zweikanaligen Tonformates entspricht – der im Pegel abgesenkte Centerkanal (C) auf den Rechtskanal (R) verteilt wird unter Bildung eines zweiten Summensignals (R'), – der Rechtshintenkanal (Rs) im Pegel abgesenkt wird (z. B. um –3 dB), – der im Pegel abgesenkte Rechtshintenkanal (Rs) auf das zweite Summensignal unter Bildung eines vierten Summensignals verteilt wird, welches dem Rechtskanal (R_IRT) des zweikanaligen Tonformates entspricht, – bei der Bildung des ersten (L') und zweiten (R') Summensignals jeweils eine dynamische Korrektur der Spektralwerte von überlappenden Zeitfenstern mit k Abtastwerten des Linkskanals (L) bzw. Rechtskanals (R) erfolgt, – bei der Bildung des dritten und vierten Summensignals jeweils eine dynamische Korrektur der Spektralwerte von überlappenden Zeitfenstern mit k Abtastwerten des ersten (L') bzw. zweiten (R') Summensignals erfolgt, – vor jeder dynamischen Korrektur von Spektralwerten des Linkskanals (L) und Rechtskanals (R) jede Summe der Spektralwerte mit einem Sollwert (A_soll) verglichen wird, welcher sich aus folgender Beziehung ergibt:
in welcher |l(k)| der Betrag eines Spektralwertes des transformierten Linkskanals (L) in der komplexen Zahlenebene, |c(k)| der Betrag des zugehörigen Spektralwertes des transformierten Centerkanals (C) in der komplexen Zahlenebene, |r(k)| der Betrag eines Spektralwertes des transformierten Rechtskanals (R) in der komplexen Zahlenebene, bedeuten, – vor jeder dynamischen Korrektur von Spektralwerten des ersten (L') bzw. zweiten (R') Summensignals jede Summe der Spektralwerte mit einem Sollwert (A_soll) verglichen wird, welcher sich aus folgender Beziehung ergibt:
in welcher |r'(k)| der Betrag der Spektralwerte des transformierten dritten Summensignals (R') in der komplexen Zahlenebene, |l'(k)| der Betrag des zugehörigen Spektralwertes des transformierten ersten Summensignals (L') in der komplexen Zahlenebene, |rs(k)| der Betrag des Spektralwertes des transformierten Rechtshintenkanals Rs in der komplexen Zahlenebene, |ls(k)| der Betrag des zugehörigen Spektralwertes des transformierten Linkshintenkanals Ls in der komplexen Zahlenebene, bedeuten, – für den Fall, dass der Sollwert (A_soll) überschritten wird, die Frequenzkomponente aufaddiert und die daraus resultierende Betragssumme nach S(k) = A_Soll(k) + (|A(k) + B(k)| – A_Soll(k)·n abgesenkt wird (z. B. um –3 dB), und – für den Fall, dass der Sollwert (A_soll,) unterschritten wird, die Spektralwerte der jeweils zu korrigierenden Signale mit einem Faktor (m(k)) multipliziert werden, dadurch gekennzeichnet, dass die Korrekturfaktoren m(k) folgendermaßen berechnet werden: eA(k) = Real(A(k))·Real(A(k)) + Imag(A(k))·Imag(A(k)) eB(k) = Real(B(k))·Real(B(k)) + Imag(B(k))·Imag(B(k)) x(k) = Real(A(k))·Real(B(k)) + Imag(A(k))·Imag(B(k)) w(k) = D·x(k)/(eA(k) + L·eB(k)) m(k) = (w(k)² + 1)^(1/2) – w(k) und m(k) der k-te Korrekturfaktor und A(k) der k-te Spektralwert des zu priorisierenden Signals und B(k) der k-te Spektralwert des nicht zu priorisierenden Signals und D der Grad der Kompensation und L der Grad der Begrenzung der Kompensation bedeuten.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Wert für den Grad D im Bereich von 0 bis 1 liegt, wobei für D = 0 sich kein Ausgleich der Klangveränderungen durch Kammfiltereffekte ergibt und für D = 1 sich ein weitgehender Ausgleich der Klangveränderungen durch Kammfiltereffekte ergibt.
Verfahren nach einem der Ansprüche 1 bis 2, dadurch gekennzeichnet, dass der Grad L der Begrenzung der Kompensation ein Zahlenwert ist, der bestimmt, in welchem Maße die Wahrscheinlichkeit des Auftretens von störend wahrnehmbaren Nebengeräuschen verringert wird, wobei diese Wahrscheinlichkeit gegeben ist, wenn die Amplitude des zu priorisierenden Signals gegenüber der des nicht zu priorisierenden Signals gering ist.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass der Grad L der Begrenzung der Kompensation größer oder gleich Null ist, wobei für L = 0 sich keine Verringerung der Wahrscheinlichkeit der störenden Nebengeräusche ergibt und der Grad L so gewählt wird, dass erfahrungsgemäß gerade keine Nebengeräusche mehr wahrgenommen werden.
Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass der Grad L der Begrenzung der Kompensation in der Größenordnung von 0,5 liegt.