DE60002483T2 - Skalierbares kodierungsverfahren für hochqualitätsaudio - Google Patents

Skalierbares kodierungsverfahren für hochqualitätsaudio Download PDF

Info

Publication number
DE60002483T2
DE60002483T2 DE60002483T DE60002483T DE60002483T2 DE 60002483 T2 DE60002483 T2 DE 60002483T2 DE 60002483 T DE60002483 T DE 60002483T DE 60002483 T DE60002483 T DE 60002483T DE 60002483 T2 DE60002483 T2 DE 60002483T2
Authority
DE
Germany
Prior art keywords
data
signal
layer
coding
subband
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.)
Expired - Lifetime
Application number
DE60002483T
Other languages
English (en)
Other versions
DE60002483D1 (de
Inventor
Dunn Louis FIELDER
Decker Stephen VERNON
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dolby Laboratories Licensing Corp
Original Assignee
Dolby Laboratories Licensing Corp
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 Dolby Laboratories Licensing Corp filed Critical Dolby Laboratories Licensing Corp
Application granted granted Critical
Publication of DE60002483D1 publication Critical patent/DE60002483D1/de
Publication of DE60002483T2 publication Critical patent/DE60002483T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

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
    • G10L19/02—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 using spectral analysis, e.g. transform vocoders or subband vocoders
    • 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
    • G10L19/02—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 using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/0204—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 using spectral analysis, e.g. transform vocoders or subband vocoders using subband decomposition
    • G10L19/0208—Subband vocoders

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular 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)
  • Signal Processing For Digital Recording And Reproducing (AREA)

Description

  • Technisches Gebiet
  • Die vorliegende Erfindung bezieht sich auf das Kodieren und Dekodieren von Tonfrequenzen und betrifft insbesondere skalierbares Kodieren von Audiodaten in eine Vielzahl von Schichten eines Normdatenkanals und skalierbares Dekodieren von Audiodaten aus einem Normdatenkanal.
  • Stand der Technik
  • Teilweise ist es auf den weitverbreiteten wirtschaftlichen Erfolg von Techniken der Compact Disc (CD) in den letzten zwanzig Jahren zurückzuführen, daß die 16-Bit Pulscodemodulation (PCM) eine Industrienorm für den Vertrieb und die Wiedergabe von Phonoaufzeichnungen geworden ist. Während eines großen Teils dieser Zeit hat die Phonoindustrie die CD mit dem Argument angepriesen, daß die Tonqualität gegenüber Vinylschallplatten und Kassettenbändern überlegen sei, und viele Leute haben geglaubt, daß mit einer Erhöhung der Tonauflösung über die mit der 16-Bit PCM erzielbare hinaus nur wenig hörbarer Nutzen zu erzielen sei.
  • In den vergangenen paar Jahren ist diese Meinung jedoch aus verschiedenen Gründen angefochten worden. Der Dynamikbereich der 16-Bit PCM ist für eine rauschfreie Wiedergabe sämtlicher musikalischer Töne zu begrenzt. Feine Details gehen verloren, wenn Tonfrequenzen auf 16-Bit PCM quantisiert werden. In der Meinung ist möglicherweise die Praxis einer Verringerung von Quantisierungsauflösungen zur Schaffung zusätzlichen Spielraums am oberen Ende auf Kosten einer Verringerung des Rauschabstandes und einer Absenkung der Signalauflösung nicht berücksichtigt. Angesichts solcher Bedenken gibt es gegenwärtig eine starke kommerzielle Nachfrage nach Audioprozessen, die eine im Vergleich zur 16-Bit PCM verbesserte Signalauflösung bieten.
  • Es gibt außerdem gegenwärtig starke Nachfrage nach Mehrkanalaudioprodukten. Mehrkanalton bedeutet mehrere Kanäle von Tonfrequenzen, die den räumlichen Eindruck des wiedergegebenen Tons im Vergleich zu traditionellen Mono- und Stereotechniken verbessern können. In bekannten Systemen sind getrennte linke und rechte Kanäle sowohl vor als auch hinter einem Hörfeld vorgesehen, und es kann auch ein Mittenkanal und ein Tieftonkanal angeboten sein. Neuere Abwandlungen haben zahlreiche Tonkanäle gebracht, die ein Hörfeld umgeben, um die räumliche Trennung unterschiedlicher Arten von Audiodaten wiederzugeben oder zu synthetisieren.
  • Perzeptuelles Kodieren ist eine Art von Techniken zum Verbessern der wahrgenommenen Auflösung eines Tonsignals im Vergleich zu PCM-Signalen vergleichbarer Bitrate. Perzeptuelles Kodieren kann die Bitrate eines kodierten Signals verringern, aber dabei die subjektive Qualität der vom kodierten Signal wiedergewonnenen Tonfrequenz aufrechterhalten, weil Informationen entfernt werden, die für das Aufrechterhalten der subjektiven Qualität für irrelevant gehalten werden. Dies kann dadurch geschehen, daß ein Tonsignal in Frequenzteilbandsignale aufgeteilt und jedes Teilbandsignal mit einer Quantisierungsauflösung quantisiert wird, die einen Quantisierungsrauschpegel einführt, der so niedrig ist, daß er von dem dekodierten Signal selbst überdeckt werden kann. Innerhalb der Grenzen einer gegebenen Bitrate kann eine Erhöhung der Auflösung des wahrgenommenen Signals gegenüber einem ersten PCM-Signal einer gegebenen Auflösung durch perzeptuelles Kodieren eines zweiten PCM-Signals höherer Auflösung zwecks Reduzierung der Bitrate des kodierten Signals auf im wesentlichen diejenige des ersten PCM-Signals erzielt werden. Dann kann die kodierte Version des zweiten PCM-Signals anstatt des ersten PCM-Signals benutzt und im Zeitpunkt der Wiedergabe dekodiert werden.
  • Ein Beispiel perzeptueller Kodierung ist in Geräten verkörpert, die der öffentlichen Bitstromspezifikation ATSC AC-3 entsprechen, die im Dokument A52 (1994) vom Advanced Television Standards Committee (ATSC) festgelegt wurde. Diese spezielle perzeptuelle Kodiertechnik ist ebenso wie weitere perzeptuelle Kodiertechniken in verschiedenen Ausführungen von durch Warenzeichen geschützten "Dolby Digital" Kodierern und Dekodierern verwirklicht. Diese Kodierer und Dekodierer sind von Dolby Laboratories, Inc., San Francisco, Kalifornien erhältlich. Ein weiteres Beispiel eines perzeptuellen Kodierverfahrens ist in Geräten verwirklicht, die dem MPEG-1 Audiokodierstandard ISO 11172-3 (1993) entsprechen.
  • Herkömmliche perzeptuelle Kodiertechniken haben den Nachteil, daß die Bitrate des perzeptuell kodierten Signals für ein gegebenes Niveau subjektiver Qualität unter Umständen die verfügbare Datenkapazität von Übertragungskanälen und Speichermitteln überschreiten. Beispielsweise kann beim perzeptuellen Kodieren eines 24-Bit PCM Tonsignals ein perzeptuell kodiertes Signal herauskommen, das mehr Datenkapazität erfordert, als ein 16-Bit breiter Datenkanal bietet. Bemühungen um eine Verringerung der Bitrate des kodierten Signals auf ein niedrigeres Niveau können die subjektive Qualität des aus dem kodierten Signal wiederzugewinnenden Tons verschlechtern. Ein weiterer Nachteil herkömmlicher perzeptueller Kodiertechniken besteht darin, daß sie das Dekodieren eines einzigen perzeptuell kodierten Signals zur Rückgewinnung eines Tonsignals auf mehr als einem Niveau subjektiver Qualität nicht stützen.
  • Eine Technik, die einen Bereich an Dekodierqualität bieten kann, ist das skalierbare Kodieren. Skalierbares Kodieren benutzt die Daten in einer oder mehr Kodierungen niedrigerer Auflösung zusammen mit Augmentationsdaten, um für ein Tonsignal eine Kodierung höherer Auflösung zu schaffen. Kadierungen niedriger Auflösung und die Augmentationsdaten können in einer Vielzahl von Schichten Verwendung finden. Es besteht außerdem große Nachfrage nach skalierbarer perzeptueller Kodierung, insbesondere skalierbarer perzeptueller Kodierung, die auf der Dekodierstufe mit handelsüblichen Transport- oder Speichereinrichtungen für 16-Bit Digitalsignale abwärtskompatibel sind.
  • EP-A-0 869 622 offenbart zwei skalierbare Kodiertechniken. Gemäß einer Technik wird ein Eingabesignal in eine Kernschicht kodiert, das kodierte Signal anschließend dekodiert, und die Differenz zwischen dem eingegebenen Signal und dem dekodierten Signal wird in eine Erweiterungsschicht kodiert. Wegen der zum Durchführen von ein oder mehr Dekodierverfahren in einem Kodierer erforderlichen Ressourcen ist diese Technik nachteilig. Gemäß einer anderen Technik wird ein Eingabesignal quantisiert, Bits, die einen Teil des quantisierten Signals darstellen, werden in eine Kernschicht kodiert und Bits, die einen zusätzlichen Teil des quantisierten Signals darstellen, werden in eine Erweiterungsschicht kodiert. Diese Technik ist nachteilig, weil sie es nicht erlaubt, verschiedene Kodierverfahren auf das Eingabesignal für jede Schicht des skalierbaren kodierten Signals anzuwenden.
  • Offenbarung der Erfindung
  • Es wird skalierbares Tonkodieren offenbart, welches das Kodieren von Audiodaten in eine Kernschicht eines Datenkanals in Abhängigkeit von einem ersten gewünschten Rauschspektrum stützt. Das erste gewünschte Rauschspektrum wird vorzugsweise entsprechend psychoakustischen Kriterien und der Datenkapazität festgelegt. Augmentationsdaten können in eine oder mehr Erweiterungsschichten des Datenkanals in Abhängigkeit von zusätzlichen gewünschten Rauschspektren kodiert werden. Alternative Kriterien, wie herkömmliches gleichförmiges Quantisieren können zum Kodieren von Augmentationsdaten benutzt werden.
  • Von der vorliegenden Erfindung benutzte Datenkanäle haben vorzugsweise eine 16-Bit breite Kernschicht und zwei 4-Bit breite Erweiterungsschichten entsprechend der von der Audio Engineering Society (AES) veröffentlichten Norm AES3. Diese Norm ist auch als ANSI S4.40 vom American National Standard Institut (ANSI) bekannt. Ein derartiger Datenkanal wird hier als Normdatenkanal AES3 bezeichnet.
  • Skalierbares Tonkodieren und Dekodieren gemäß der vorliegenden Erfindung ist in den unabhängigen Ansprüchen 1, 9, 15, 21 und 22 angegeben. Verschiedene Aspekte und bevorzugte Ausführungsbeispiele der vorliegenden Erfindung sind in den Unteransprüchen angegeben. Die vorliegende Erfindung kann mit diskreten logischen Bauelementen, einer oder mehr anwendungsspezifischen integrierten Schaltungen, programmgesteuerten Prozessoren und weiteren handelsüblichen Bauelementen verwirklicht werden. Die Art und Weise, in der diese Bauelemente verwirklicht werden, ist für die vorliegende Erfindung nicht wichtig. Bevorzugte Ausführungsbeispiele arbeiten mit programmgesteuerten Prozessoren, beispielsweise den in der DSP563xx Reihe digitaler Signalprozessoren von Motorola. Programme für solche Verwirklichungen können Anweisungen umfassen, die von maschinenlesbaren Medien, beispielsweise Basisband- oder modulierten Übertragungswegen und Speichermitteln übermittelt werden. Übertragungswege liegen vorzugsweise im Spektrum von Ultraschall- bis Ultraviolettfrequenzen. Als Speichermittel kann im wesentlichen jede beliebige Technik magnetischer oder optischer Aufzeichnung Verwendung finden, einschließlich von Magnetbändern, Magnetplatten und optischen Platten.
  • Gemäß einem weiteren Aspekt der vorliegenden Erfindung wird gemäß der Erfindung kodierte Toninformation auf maschinenlesbaren Medien übermittelt, wie in Anspruch 23 angegeben. Die kodierte Toninformation kann von derartigen Medien an Leitwegglieder, Dekodierer und sonstige Prozessoren übermittelt werden und kann zum späteren Weiterleiten, Dekodieren oder sonstigen Verarbeiten gespeichert werden. Derartige kodierte Information ist vorzugsweise in Übereinstim mung mit verschiedenen Rahmen- und/oder anderen offenbarten Datenstrukturen formatiert. Dann kann ein Dekodierer die gespeicherte Information zu späteren Zeiten zum Dekodieren und zur Wiedergabe lesen. Ein solcher Dekodierer braucht keine Kodierfunktion zu besitzen.
  • Die verschiedenen Merkmale der vorliegenden Erfindung und ihre bevorzugten Ausführungsbeispiele sind anhand der folgenden Beschreibung und den beigefügten Zeichnungen, in denen die gleichen Bezugszeichen für gleiche Elemente in den verschiedenen Figuren benutzt sind, besser verständlich. Der Inhalt der folgenden Beschreibung und der Zeichnungen dient lediglich als Beispiel und sollte nicht als den Umfang der vorliegenden Erfindung einschränkend verstanden werden.
  • Kurzbeschreibung der Zeichnungen
  • 1A ist ein schematisches Blockschaltbild eines Verarbeitungssystems zum Kodieren und/oder Dekodieren von Tonsignalen, welches einen zweckgebundenen Digitalsignalprozessor umfaßt.
  • 1B ist ein schematisches Blockschaltbild eines rechnerimplementierten Systems zum todieren und/oder Dekodieren von Tonsignalen.
  • 2A ist ein Fließschema eines Verfahrens zum Kodieren eines Tonkanals gemäß psychoakustischen Prinzipien und einem Datenkapazitätskriterium.
  • 2B ist ein schematisches Diagramm eines Datenkanals, welches eine Folge von Rahmen aufweist, wobei jeder Rahmen eine Folge von Wörtern aufweist und jedes Wort 16 Bits breit ist.
  • 3A ist ein schematisches Diagramm eines skalierbaren Datenkanals, welches eine Vielzahl von Schichten umfaßt, die als Rahmen, Segmente und Abschnitte organisiert sind.
  • 3B ist ein schematisches Diagramm eines Rahmens für einen skalierbaren Datenkanal.
  • 4A ist ein Fließschema eines skalierbaren Kodierverfahrens.
  • 4B ist ein Fließschema eines Verfahrens zum Bestimmen geeigneter Quantisierungsauflösungen für das in 4A gezeigte skalierbare Kodierverfahren.
  • 5 ist ein Fließschema, welches ein skalierbares Dekodierverfahren veranschaulicht.
  • 6A ist ein schematisches Diagramm eines Rahmens für einen skalierbaren Datenkanal.
  • 6B ist ein schematisches Diagramm einer bevorzugten Struktur für das Tonsegment und Tonerweiterungssegmente, die in 6A dargestellt sind.
  • 6C ist ein schematisches Diagramm einer bevorzugten Struktur für das in 6A dargestellte Metadatensegment.
  • 6D ist ein schematisches Diagramm einer bevorzugten Struktur für das in 6A gezeigte Metadatenerweiterungssegment.
  • Möglichkeiten zum Ausführen der Erfindung
  • Die vorliegende Erfindung bezieht sich auf das skalierbare Kodieren von Tonsignalen. Beim skalierbaren Kodieren wird ein Datenkanal benutzt, der eine Vielzahl von Schichten besitzt. Dazu gehört eine Kernschicht, die Daten trägt, welche ein Tonsignal gemäß einer ersten Auflösung wiedergeben, und eine oder mehr Erweiterungsschichten, die Daten tragen, welche in Kombination mit den in der Kernschicht getragenen Daten das Tonsignal entsprechend einer höheren Auflösung wiedergeben. Die vorliegende Erfindung kann auf Tonteilbandsignale angewandt werden. Jedes Teilbandsignal stellt typischerweise ein Frequenzband des Tonspektrums dar. Diese Frequenzbänder können einander überlappen. Jedes Teilbandsignal weist gewöhnlich ein Teilbandsignalelement oder mehrere auf.
  • Teilbandsignale können mit verschiedenen Techniken erzeugt werden, einschließlich des Anwendens von digitalen Filtern, Transformationen aus der Zeitdomäne in die Frequenzdomäne und Wavelet-Transformationen. Eine Technik besteht darin, eine spektrale Transformation auf Audiodaten anzuwenden, um Teilbandsignalelemente in einer spektralen Domäne zu erzeugen. Ein oder mehr benachbarte Teilbandsignalelemente können zu die Teilbandsignale bildenden Gruppen zusammengefaßt werden. Die Zahl und Identität von Teilbandsignalelementen, die ein gegebenes Teilbandsignal bilden, kann entweder im voraus bestimmt werden, oder als Alternative können Charakteristiken der kodierten Audiodaten herangezogen werden. Zu Beispielen für geeignete spektrale Transformationen gehört die Diskrete Fourier Transformation (DFT) und verschiedene Diskrete Cosinus Transformationen (DCT), einschließlich einer bestimmten Modifizierten Diskreten Cosinus Transformation (MDCT), die manchmal als Time-Domain Aliasing Cancellation (TDAC) Transformation bezeichnet wird und von Princen, Johnson und Bradley in "Subband/Transform Coding Using Filter Bank Designs Based on Time Domain Aliasing Cancellation", Proc. Int. Conf. Acoust., Speech, and Signal Proc, Mai 1987, SS. 2161–2164 beschrieben wurde. Eine weitere Technik zum Erzeugen von Teilbandsignalen besteht darin, einen kaskadenartig angeordneten Satz von Quadraturspiegelfiltern (QMF) oder einen sonstigen Bandpaßfilter auf Audiodaten anzuwenden, um Teilbandsignale zu erzeugen. Auch wenn die Wahl der Verwirklichung eine tiefgreifende Auswirkung auf die Leistung eines Kodiersystems haben mag, ist für die Idee der vorliegenden Erfindung keine bestimmte Verwirklichung wichtig.
  • Der Ausdruck "Teilband" wird hier zur Bezeichnung eines Abschnitts der Bandbreite eines Tonsignals verwendet. Der Ausdruck "Teilbandsignal" wird hier zur Bezeichnung eines Signals verwendet, welches ein Teilband wiedergibt. Der Ausdruck "Teilbandsignalelement" wird hier zur Bezeichnung von Elementen oder Komponenten eines Teilbandsignals benutzt. In Ausführungsformen mit spektraler Transformation sind beispielsweise die Teilbandsignalelemente die Transformationskoeffizienten. Aus Gründen der Einfachheit wird die Erzeugung von Teilbandsignalen als Teilbandfiltern bezeichnet, gleichgültig ob eine solche Signalerzeugung durch Anlegen einer spektralen Transformation oder einer sonstigen Art von Filter erreicht wird. Der Filter selbst wird hier als Filterbank bezeichnet oder noch genauer als Analysefilterbank. In der bekannten Weise bezieht sich eine Synthesefilterbank auf eine Umkehr oder eine wesentliche Umkehr einer Analysefilterbank.
  • Fehlerkorrekturinformationen können geliefert werden, um einen oder mehr Fehler in erfindungsgemäß verarbeiteten Daten zu erkennen. Fehler können beispielsweise während der Übertragung oder Zwischenspeicherung solcher Daten auftreten, und häufig ist es nützlich, solche Fehler zu entdecken und die Daten entsprechend zu korrigieren, ehe die Daten wiedergegeben werden. Der Ausdruck Fehlerkorrektur gilt im wesentlichen für jegliches Fehlererkennungs- und/oder Korrekturschema, wie Paritätsbits, zyklische Redundanzcodes, Prüfsummen und Reed-Solomon Codes.
  • 1A zeigt ein schematisches Blockschaltbild eines Ausführungsbeispiels eines Verarbeitungssystems 100 zum Kodieren und Dekodieren von Audiodaten gemäß der vorliegenden Erfindung. Das Verarbeitungssystem 100 weist einen programmgesteuerten Prozessor 110, einen Festwertspeicher 120, einen Direktzugriffsspeicher 130, eine Toneingabe/Ausgabeschnittstelle 140 auf, die in üblicher Weise durch einen Bus 116 miteinander verbunden sind. Der programmgesteuerte Prozessor 110 ist ein im Handel erhältlicher Digitalsignalprozessor von Motorola des Modells DSP563xx. Von bekannter Bauart ist der Festwertspeicher 120 und der Direktzugriffsspeicher 130. Der Festwertspeicher 120 speichert ein Anweisungsprogramm, welches dem programmgesteuerten Prozessor 110 erlaubt, eine Analyse- und Synthesefilterung vorzunehmen und Tonsignale zu verarbeiten, wie unter Hinweis auf die 2A bis 7D noch beschrieben wird. Das Programm bleibt im Festwertspeicher 120 intakt erhalten, während sich das Verarbeitungssystem 100 in einem Ausschaltzustand befindet. Als Alternative kann der Festwertspeicher 120 gemäß der vorliegenden Erfindung durch praktisch jegliche magnetische oder optische Aufzeichnungstechnik ersetzt sein, beispielsweise unter Verwendung eines Magnetbandes, einer Magnetplatte oder einer optischen Platte. Im Direktzugriffsspeicher 130 werden Anweisungen und Daten, einschließlich empfangener und verarbeiteter Signale für den programmgesteuerten Prozessor 110 auf konventionelle Weise gepuffert. Die Toneingabe/Ausgabeschnittstelle 140 enthält Schaltungsanordnungen zur Signalweiterleitung, um eine oder mehrere Schichten empfangener Signale an andere Bauelemente, beispielsweise den programmgesteuerten Prozessor 110 weiterzuleiten. Die Leitwegschaltungsanordnung kann getrennte Anschlüsse für Eingabe- und Ausgabesignale umfassen, oder der gleiche Anschluß kann sowohl für die Eingabe als auch für die Ausgabe benutzt werden. Das Verarbeitungssystem 100 kann alternativ für das Kodieren zweckgebunden sein, indem die Synthese- und Dekodieranweisungen weggelassen werden, oder es kann alternativ für das Dekodieren zweckgebunden sein, indem die Analyse- und Kodieranweisungen weggelassen werden. Das Verarbeitungssystem 100 steht stellvertretend für typische Verarbeitungsoperationen, die für die Verwirklichung der vorliegenden Erfindung von Nutzen sind und ist nicht als eine bestimmte Ausführung in Hardware gedacht.
  • Zum Kodieren nimmt der programmgesteuerte Prozessor 110 Zugriff auf ein Programm aus Kodieranweisungen vom Festwertspeicher 120. An der Toneingabe/Ausgabeschnittstelle 140 wird dem Verarbeitungssystem 100 ein Tonsignal geliefert und zum programmgesteuerten Prozessor 110 weitergeleitet, um kodiert zu werden. In Abhängigkeit vom Programm der Kodieranweisungen wird das Tonsignal von einer Analysefilterbank gefiltert, um Teilbandsignale zu erzeugen, die dann kodiert werden, damit ein kodiertes Signal entsteht. Das kodierte Signal wird weiteren Geräten über die Toneingabe/Ausgabeschnittstelle 140 zugeleitet oder, als Alternative, im Direktzugriffsspeicher 130 gespeichert.
  • Zum Dekodieren nimmt der programmgesteuerte Prozessor 110 Zugriff auf ein Programm aus Dekodieranweisungen vom Festwertspeicher 120. Ein Tonsignal, welches vorzugsweise gemäß der vorliegenden Erfindung kodiert wurde, wird dem Verarbeitungssystem 100 an der Toneingabe/Ausgabeschnittstelle 140 geliefert und zum programmgesteuerten Prozessor 110 weitergeleitet, um dekodiert zu werden. In Abhängigkeit von dem Programm der Dekodieranweisungen wird das Tonsignal dekodiert, um entsprechende Teilbandsignale zu erhalten, und die Teilbandsignale werden von einer Synthesefilterbank gefiltert, um ein Ausgabesignal zu bekommen. Das Ausgabesignal wird anderen Geräten über die Toneingabe/Ausgabeschnittstelle 140 zugeleitet oder, als Alternative, im Direktzugriffsspeicher 130 gespeichert.
  • 1B ist ein schematisches Blockschaltbild eines Ausführungsbeispiels eines rechnerimplementierten Systems 150 zum Kodieren und Dekodieren von Tonsignalen gemäß der vorliegenden Erfindung. Das rechnerimplementierte System 150 umfaßt eine Zentraleinheit 152, einen Direktzugriffsspeicher 153, eine Festplatte 154, eine Eingabevorrichtung 155, einen Anschluß 156, eine Ausgabevorrichtung 157, die auf herkömmliche Weise über einen Bus 158 miteinander in Verbindung stehen. Die Zentraleinheit 152 implementiert vorzugsweise Intel(Wz) × 86 Befehlsvorratsarchitektur und umfaßt vorzugsweise Hardwareunterstützung zum Implementieren arithmetischer Fließpunktprozesse und kann beispielsweise ein Intel(Wz) Pentium(Wz) III Mikroprozessor sein, der von der Intel(Wz) Corporation, Santa Clara Kalifornien im Handel erhältlich ist. Toninformation wird dem rechnerimplementierten System 150 über den Anschluß 156 zur Verfügung gestellt und an die Zentraleinheit 152 weitergeleitet. Ein auf der Festplatte 154 gespeichertes Programm mit Anweisungen erlaubt es dem rechnerimplementierten System 150, die Audiodaten gemäß der vorliegenden Erfindung zu verarbeiten. Verarbeitete Audiodaten in digitaler Form werden dann über den Anschluß 156 bereitgestellt oder alternativ in die Festplatte 154 eingegeben und dort gespeichert.
  • Es wird erwartet, daß das Verarbeitungssystem 100, das rechnerimplementierte System 150 und weitere Ausführungsbeispiele der vorliegenden Erfindung in Anwendungsfällen benutzt werden, die sowohl Audio- als auch Videoverarbeitung einschließen können. Bei einer typischen Videoanwendung würde der Betrieb mit einem Videotaktsignal und einem Audiotaktsignal synchronisiert. Das Videotaktsignal bietet eine Bezugnahme auf Videobilder zwecks Synchronisierung. Beispielsweise könnten Videotaktsignale einen Bezug herstellen zu Rahmen von NTSC, PAL oder ATSC Videosignalen. Das Audiotaktsignal liefert eine Bezugnahme auf Tonabtastwerte zwecks Synchronisierung. Taktsignale können im wesentlichen jede beliebige Rate aufweisen. Für professionelle Anwendungen ist beispielsweise 48 Kilohertz eine übliche Audiotaktrate. Ein bestimmtes Taktsignal oder eine bestimmte Taktsignalrate ist für das Durchführen der vorliegenden Erfindung nicht wichtig.
  • 2A ist ein Fließschema eines Verfahrens 200, mit dem Audiodaten gemäß psychoakustischen und Datenkapazitätskriterien in einen Datenkanal kodiert werden. 2B zeigt ein Blockschaltbild des Datenkanals 250. Der Datenkanal 250 weist eine Folge von Rahmen 260 auf, von denen jeder Rahmen 260 eine Folge von Wörtern aufweist. Jedes Wort ist als eine Folge von Bits (n) bezeichnet, wobei n eine ganze Zahl zwischen Null und einschließlich fünfzehn ist und die Notation Bits (n~m) das Bit (n) bis einschließlich Bit (m) des Wortes wiedergibt. Jeder Rahmen 260 umfaßt ein Steuersegment 270 und ein Tonsegment 280, die je eine jeweilige ganze Zahl der Wörter des Rahmens 260 aufweisen.
  • Eine Vielzahl von Teilbandsignalen wird empfangen 210, die einen ersten Block eines Tonsignals darstellen. Jedes Teilbandsignal weist ein oder mehr Teilbandelemente auf, und jedes Teilbandelement wird durch ein einziges Wort dargestellt. Die Teilbandsignale werden analysiert 212, um eine Gehör-Maskierkurve zu bestimmen. Die Gehör-Maskierkurve zeigt das maximale Ausmaß an Rauschen, das in jedes jeweilige Teilband injiziert werden kann ohne hörbar zu werden. Was in dieser Hinsicht hörbar ist, beruht auf psychoakustischen Modellen des menschlichen Gehörs und kann Charakteristiken des Überkreuzmaskierens der Kanäle beinhalten, wenn die Teilbandsignale mehr als einen Tonkanal wiedergeben. Die Gehör-Maskierkurve dient als erste Schätzung eines gewünschten Rauschspektrums. Das gewünschte Rauschspektrum wird analysiert 214, um eine jeweilige Quantisierungsauflösung für jedes Teilbandsignal zu bestimmen, so daß bei einer entsprechenden Quantisierung der Teilbandsignale und anschließenden Dequantisierung und Umwandlung in Schallwellen das resultierende Kodierrauschen unterhalb des gewünschten Rauschspektrums liegt. Es wird eine Bestimmung vorgenommen 216, um zu sehen, ob entsprechend quantisierte Teilbandsignale in das Tonsegment 280 passen und es im wesentlichen ausfüllen können. Wenn nicht, wird das gewünschte Rauschspektrum eingestellt 218 und die Schritte 214, 216 werden wiederholt. Wenn ja, werden die Teilbandsignale entsprechend quantisiert 220 und in das Tonsegment 280 ausgegeben 222.
  • Für das Steuersegment 270 des Rahmens 260 werden Steuerdaten erzeugt. Dazu gehört ein Synchronisiermuster, welches im ersten Wort 272 des Steuersegments ausgegeben wird. Das Synchronisiermuster erlaubt es Dekodierern, die aufeinander folgenden Rahmen 260 im Datenkanal 250 zu synchronisieren. Zusätzliche Steuerdaten, die die Rahmenrate der Rahmen 260, Grenzen der Segmente 270, Parameter der Kodieroperationen und Fehlererkennungsinformation anzeigen, werden im restlichen Abschnitt 274 des Steuersegments 270 ausgegeben. Dieser Prozeß kann für jeden Block des Tonsignals wiederholt werden, wobei jeder nachfolgende Block vorzugsweise in einen entsprechenden nachfolgenden Rahmen 260 des Datenkanals 250 kodiert wird.
  • Das Verfahren 200 kann für das Kodieren von Daten in eine oder mehr Schichten eines mehrschichtigen Tonkanals angewandt werden. Beim Kodieren von mehr als einer Schicht nach dem Verfahren 200 besteht die Wahrscheinlichkeit, daß es eine beträchtliche Korrelation zwischen in diesen Schichten getragenen Daten gibt und folglich eine beträchtliche Verschwendung von Datenkapazität in dem mehrschichtigen Tonkanal. Nachfolgend werden skalierbare Verfahren erörtert, mit denen Augmentationsdaten in eine zweite Schicht eines Datenkanals ausgegeben werden, um die Auflösung der in einer ersten Schicht eines solchen Datenkanals getragenen Daten zu verbessern. Die Verbesserung der Auflösung kann man vorzugsweise als ein funktionales Verhältnis von Kodierparametern der ersten Schicht ausdrücken, beispielsweise als einen Versatz, der bei Anwendung auf das zum Kodieren der ersten Schicht angewandte, gewünschte Rauschspektrum ein zweites gewünschtes Rauschspektrum ergibt, welches zum Kodieren der zweiten Schicht dient. Ein solcher Versatz kann dann in einem festgelegten Ort des Datenkanals ausgegeben werden, beispielsweise in einem Feld oder Segment der zweiten Schicht, um Dekodierern den Wert der Verbesserung anzuzeigen. Dies kann dann benutzt werden, um den Ort jedes Teilbandsignalelements oder von damit in Beziehung stehender Information in der zweiten Schicht zu bestimmen. Als nächstes werden Rahmenstrukturen adressiert, um skalierbare Datenkanäle entsprechend zu organisieren.
  • 3A ist ein schematisches Diagramm eines Ausführungsbeispiels eines skalierbaren Datenkanals 300, der eine Kernschicht 310, eine erste Erweiterungsschicht 320 und eine zweite Erweiterungsschicht 330 umfaßt. Die Kernschicht 310 ist L Bits breit, die erste Erweiterungsschicht 320 ist M Bits breit, und die zweite Erweiterungsschicht 330 ist N Bits breit, wobei L, M, N positive ganzzahlige Werte sind. Die Kernschicht 310 weist eine Folge L-Bit Wörter auf. Die Kombination aus Kernschicht 310 und erster Erweiterungsschicht 320 weist eine Folge von (L + M)-Bit Wörtern auf, und die Kombination aus Kernschicht 310, erster Erweiterungsschicht 320 und zweiter Erweiterungsschicht 330 weist eine Folge von (L + M + N)-Bit Wörtern auf. Hier wird die Notation Bits (n~m) benutzt, um Bits (n) bis einschließlich (m) eines Wortes darzustellen, wobei n und m ganze Zahlen sind und m > n und m, n zwischen Null und einschließlich dreiundzwanzig sein kann. Der skalierbare Datenkanal 300 kann zum Beispiel ein 24 Bit breiter Normdatenkanal AES3 sein, wobei L, M, N sechzehn, vier bzw. vier ist.
  • Der skalierbare Datenkanal 300 kann als eine Folge von Rahmen 340 gemäß der vorliegenden Erfindung organisiert sein. Jeder Rahmen 340 ist in ein Steuersegment 350, gefolgt von einem Tonsegment 360 unterteilt. Das Steuersegment 350 umfaßt einen Kernschichtabschnitt 352, der durch die Überschneidung des Steuersegments 350 mit der Kernschicht 310 bestimmt ist, einen ersten Erweiterungsschichtabschnitt 354, der durch die Überschneidung des Steuersegments 350 mit der ersten Erweiterungsschicht 320 bestimmt ist, und einen zweiten Erweiterungsschichtabschnitt 356, der durch die Überschneidung der Überschneidung des Steuersegments 350 mit der zweiten Erweiterungsschicht 330 bestimmt ist. Das Tonsegment 360 umfaßt ein erstes und ein zweites Untersegment 370, 380. Das erste Untersegment 370 umfaßt einen Kernschichtabschnitt 372, der durch die Überschneidung des ersten Untersegments 370 mit der Kernschicht 310 bestimmt ist, einen ersten Erweiterungsschichtabschnitt 374, der durch die Überschneidung des ersten Untersegments 370 mit der ersten Erweiterungsschicht 320 bestimmt ist, und einen zweiten Erweiterungsschichtabschnitt 376, der durch die Überschneidung des ersten Untersegments 370 mit der zweiten Erweiterungsschicht 330 bestimmt ist. Ähnlich umfaßt das zweite Untersegment 380 einen Kernschichtabschnitt 382, der durch die Überschneidung des zweiten Untersegments 380 mit der Kernschicht 310 bestimmt ist, einen ersten Erweiterungsschichtabschnitt 384, der durch die Überschneidung des zweiten Untersegments 380 mit der ersten Erweiterungsschicht 320 bestimmt ist, und einen zweiten Erweiterungsschichtabschnitt 386, der durch die Überschneidung des zweiten Untersegments 380 mit der zweiten Erweiterungsschicht 330 bestimmt ist.
  • Bei diesem Ausführungsbeispiel tragen die Kernschichtabschnitte 372, 382 kodierte Audiodaten, die gemäß psychoakustischen Kriterien komprimiert sind, so daß die kodierten Audiodaten in die Kernschicht 310 passen. Audiodaten, die als Eingabe in das Kodierverfahren eingehen, können beispielsweise Teilbandsignalelemente aufweisen, die je von einem P Bit breiten Wort wiedergegeben werden, wobei die ganze Zahl P größer ist als L. Psychoakustische Prinzipien können dann angewandt werden, um die Teilbandsignalelemente zu kodierten Werten oder "Symbolen" zu kodieren, deren durchschnittliche Breite etwa L-Bits beträgt. Dadurch wird das von den Teilbandsignalelementen eingenommene Datenvolumen ausreichend komprimiert, so daß es über die Kernschicht 310 auf zweckmäßige Weise übertragen werden kann. Kodieroperationen sind vorzugsweise mit herkömmlichen Tonübertragungskriterien für Audiodaten auf einem L-Bit breiten Datenkanal konsistent, so daß die Kernschicht 310 auf herkömmliche Weise dekodiert werden kann. Die ersten Erweiterungsschichtabschnitte 374, 384 tragen Augmentationsdaten, die in Kombination mit der kodierten Information in der Kernschicht 310 benutzt werden können, um ein Tonsignal mit höherer Auflösung wiederherzustellen, als es allein aus der kodierten Information in der Kernschicht 310 wiederhergestellt werden kann. Die zweiten Erweiterungsschichtabschnitte 376, 386 tragen zusätzliche Augmentationsdaten, die in Kombination mit der kodierten Information in der Kernschicht 310 und der ersten Erweiterungsschicht 320 benutzt werden können, um ein Tonsignal wiederherzustellen, das eine höhere Auflösung hat als sie allein aus der kodierten Information wiederhergestellt werden kann, die in einer Vereinigung aus Kernschicht 310 und erster Erweiterungsschicht 320 getragen ist. Bei diesem Ausführungsbeispiel trägt das erste Untersegment 370 kodierte Audiodaten für einen linken Tonkanal CH_L, und das zweite Untersegment 380 trägt kodierte Audiodaten für einen rechten Tonkanal CH_R.
  • Der Kernschichtabschnitt 352 des Steuersegments 350 trägt Steuerdaten zum Steuern der Operation von Dekodierverfahren. Solche Steuerdaten können Synchronisationsdaten umfassen, die den Ort des Anfangs des Rahmens 340 anzeigen, Formatdaten, die die Programmkonfiguration und Rahmenrate anzeigen, Segmentdaten, die Grenzen von Segmenten und Untersegmenten innerhalb des Rahmens 340 anzeigen, Parameterdaten, die Parameter von Kodieroperationen anzeigen, und Fehlererkennungsinformation, die Daten im Kernschichtabschnitt 352 schützt. Im Kernschichtabschnitt 352 sind vorzugsweise vorherbestimmte oder festgelegte Orte für jede Art von Steuerdaten vorgesehen, damit Dekodierer jede Art aus dem Kernschichtabschnitt 352 rasch zerlegen können. Bei diesem Ausführungsbeispiel sind alle Daten, die für das Dekodieren und Verarbeiten der Kernschicht 310 wesentlich sind, im Kernschichtabschnitt 352 enthalten. Deshalb können die Erweiterungsschichten 320, 330 beispielsweise von Signalleitwegschaltungen abgestreift oder außer Acht gelassen werden, ohne daß wesentliche Steuerdaten verloren gehen. Dies stützt die Kompatibilität mit Digitalsignalprozessoren, die so ausgelegt sind, daß sie Daten im Format von L-Bit Wörtern empfangen können. Zusätzliche Steuerdaten für die Erweiterungsschichten 320, 330 können im Erweiterungsschichtabschnitt 354 bei diesem Ausführungsbeispiel eingeschlossen werden.
  • Innerhalb des Steuersegments 350 trägt jede Schicht 310, 320, 330 vorzugsweise Parameter und weitere Informationen zum Dekodieren jeweiliger Abschnitte der kodierten Audiodaten im Tonseg ment 360. So kann zum Beispiel der Kernschichtabschnitt 352 einen Versatz einer Gehör-Maskierkurve tragen, die ein erstes gewünschtes Rauschspektrum ergibt, welches zum perzeptuellen Kodieren von Information in die Kernschichtabschnitte 372, 382 benutzt wird. Ähnlich kann der erste Erweiterungsschichtabschnitt 354 einen Versatz des ersten gewünschten Rauschspektrums tragen, der ein zweites gewünschtes Rauschspektrum ergibt, welches zum Kodieren von Information in die Erweiterungsschichtabschnitte 374, 384 benutzt wird, und der zweite Erweiterungsschichtabschnitt 356 kann einen Versatz des zweiten gewünschten Rauschspektrums tragen, welcher ein drittes gewünschtes Rauschspektrum ergibt, das zum Kodieren von Information in die zweiten Erweiterungsschichtabschnitte 376, 386 benutzt wird.
  • 3B zeigt ein schematisches Diagramm eines alternativen Rahmens 390 für den skalierbaren Datenkanal 300. Der Rahmen 390 umfaßt das Steuersegment 350 und Tonsegment 360 des Rahmens 340. Im Rahmen 390 hat das Steuersegment 350 auch Felder 392, 394, 396 in der Kernschicht 310, der ersten Erweiterungsschicht 320 bzw. der zweiten Erweiterungsschicht 330.
  • Das Feld 392 trägt ein Kennzeichen, welches die Organisation von Augmentationsdaten anzeigt. Gemäß einem ersten Kennzeichenwert werden die Augmentationsdaten entsprechend einer vorherbestimmten Konfiguration organisiert. Das ist vorzugsweise die Konfiguration des Rahmens 340, so daß Augmentationsdaten für den linken Tonkanal CH_L im ersten Untersegment 370 und Augmentationsdaten für den rechten Tonkanal CH_R im zweiten Untersegment 380 getragen sind. Eine Konfiguration, bei der Kern- und Augmentationsdaten jedes Kanals im gleichen Untersegment getragen sind, wird hier als ausgerichtete Konfiguration bezeichnet. Gemäß einem zweiten Kennzeichenwert werden Augmentationsdaten in den Erweiterungsschichten 320, 330 auf adaptive Weise verteilt, und die Felder 394, 396 tragen jeweils einen Hinweis darauf, wo die Augmentationsdaten für jeden jeweiligen Tonkanal getragen werden.
  • Das Feld 392 ist vorzugsweise groß genug, um einen Fehlererkennungscode für Daten im Kernschichtabschnitt 352 des Steuersegments 350 zu tragen. Es ist erwünscht, diese Steuerdaten zu schützen, weil mit ihnen Dekodieroperationen der Kernschicht 310 gesteuert werden. Das Feld 392 kann alternativ einen Fehlererkennungscode tragen, der die Kernschichtabschnitte 372, 382 des Tonsegments 360 schützt. Für die Daten in den Erweiterungsschichten 320, 330 braucht keine Fehlererkennung vorgesehen zu sein, da die Auswirkung solcher Fehler im allgemeinen höchstens kaum hörbar sein wird, wenn die Breite L der Kernschicht 310 ausreicht. Wenn zum Beispiel die Kernschicht 310 auf eine Tiefe eines 16-Bit Wortes perzeptuell kodiert ist, liefern die Augmentationsdaten hauptsächlich feine Details, und Fehler in den Augmentationsdaten sind beim Dekodieren und bei der Wiedergabe typischerweise nur schwer zu hören.
  • Die Felder 394, 396 können je einen Fehlererkennungscode tragen. Jeder Code bietet Schutz für die Erweiterungsschicht 320, 330, in der er getragen wird. Dazu gehört vorzugsweise die Fehlererkennung von Steuerdaten, kann aber alternativ auch Fehlerkorrektur für Tondaten oder sowohl für Steuer- als auch Tondaten einschließen. Es können für jede Erweiterungsschicht 320, 330 zwei unterschiedliche Fehlererkennungscodes spezifiziert sein. Ein erster Fehlererkennungscode spezifiziert, daß Augmentationsdaten für die jeweilige Erweiterungsschicht entsprechend einer vor herbestimmten Konfiguration organisiert sind, beispielsweise der des Rahmens 340. Ein zweiter Fehlererkennungscode für jede Schicht spezifiziert, daß Augmentationsdaten für die jeweilige Schicht in der jeweiligen Schicht verteilt sind, und daß Zeiger im Steuersegment 350 eingeschlossen sind, um auf Orte dieser Augmentationsdaten hinzuweisen. Die Augmentationsdaten befinden sich vorzugsweise im gleichen Rahmen 390 des Datenkanals 300 wie entsprechende Daten in der Kernschicht 310. Zum Organisieren der einen Erweiterungsschicht kann eine vorherbestimmte Konfiguratian benutzt werden und Zeiger für das Organisieren der anderen. Die Fehlererkennungscodes können andererseits auch Fehlerkorrekturcodes sein.
  • 4A zeigt ein Fließschema eines Ausführungsbeispiels eines skalierbaren Kodierverfahrens 400 gemäß der vorliegenden Erfindung. Bei diesem Ausführungsbeispiel wird die Kernschicht 310 und die erste Erweiterungsschicht 320 des in 3A gezeigten Datenkanals 300 benutzt. Eine Vielzahl von Teilbandsignalen wird empfangen 402, die jeweils ein oder mehr Teilbandsignalelemente aufweisen. Im Schritt 404 wird eine jeweilige erste Quantisierungsauflösung für jedes Teilbandsignal in Abhängigkeit von einem ersten gewünschten Rauschspektrum festgelegt. Das erste gewünschte Rauschspektrum wird in Übereinstimmung mit psychoakustischen Grundsätzen gewählt und vorzugsweise auch in Abhängigkeit von einem Datenkapazitätserfordernis der Kernschicht 310. Die Gesamtdatenkapazitätsgrenzen der Kernschichtabschnitte 372, 382 können beispielsweise dieses Erfordernis sein. Teilbandsignale werden entsprechend der ersten Quantisierungsauflösung quantisiert, um ein erstes kodiertes Signal zu erzeugen. Das erste kodierte Signal wird in die Kernschichtabschnitte 372, 382 des Tonsegments 360 ausgegeben 406.
  • In einem Schritt 408 wird für jedes Teilbandsignal eine jeweilige zweite Quantisierungsauflösung festgelegt. Die zweite Quantisierungsauflösung wird vorzugsweise in Abhängigkeit von einem Datenkapazitätserfordernis der Vereinigung aus der Kern- und ersten Erweiterungsschicht 310, 320 und vorzugsweise auch in Übereinstimmung mit psychoakustischen Prinzipien gewählt. Das Datenkapazitätserfordernis kann beispielsweise die Gesamtdatenkapazitätsgrenze der Vereinigung aus Kernschicht und ersten Erweiterungsschichtabschnitten 372, 374 sein. Teilbandsignale werden entsprechend der jeweiligen zweiten Quantisierungsauflösung quantisiert, um ein zweites kodiertes Signal zu erzeugen. Es wird ein erstes Restsignal erzeugt 410, welches eine restliche Maßnahme oder einen Unterschied zwischen dem ersten und zweiten kodierten Signal übermittelt. Das geschieht vorzugsweise durch Subtrahieren des ersten kodierten Signals vom zweiten kodierten Signal gemäß einem Zweierkomplement oder einer anderen Form binärer Arithmetik. Das erste Restsignal wird in die ersten Erweiterungsschichtabschnitte 374, 384 des Tonsegments 360 ausgegeben 412.
  • In einem Schritt 414 wird eine jeweilige dritte Quantisierungsauflösung für jedes Teilbandsignal festgelegt. Die dritte Quantisierungsauflösung wird vorzugsweise entsprechend der Datenkapazität der Vereinigung von Schichten 310, 320, 330 gewählt. Zur Bestimmung der dritten Quantisierungsauflösung werden vorzugsweise auch psychoakustische Grundsätze angewandt. Teilbandsignale werden entsprechend der dritten Quantisierungsauflösung quantisiert, um ein drittes kodiertes Signal zu erzeugen. Ein zweites Restsignal wird erzeugt 416, welches eine restliche Maßnahme oder einen Unterschied zwischen dem zweiten und dritten kodierten Signal übermittelt. Das zweite Restsignal wird vorzugsweise durch Bilden der Zweierkomplement (oder sonstigen binären arithmetischen) Differenz zwischen dem zweiten und dritten kodierten Signal erzeugt. Das zweite Restsignal kann gemäß einer Alternative erzeugt werden, um eine restliche Maßnahme oder einen Unterschied zwischen dem ersten und dritten kodierten Signal zu übermitteln. Das zweite Restsignal wird in die zweiten Erweiterungsschichtabschnitte 376, 386 des Tonsegments 360 ausgegeben 418.
  • Wenn in den Schritten 404, 408, 414 ein Teilbandsignal mehr als ein Teilbandsignalelement umfaßt, kann die Quantisierung des Teilbandsignals auf eine bestimmte Auflösung das gleichförmige Quantisieren jedes Elements des Teilbandsignals auf die bestimmte Auflösung aufweisen. Wenn also ein Teilbandsignal (ss) drei Teilbandsignalelemente (se1, se2, se3), umfaßt, kann das Teilbandsignal entsprechend einer Quantisierungsauflösung Q quantisiert werden, indem jedes seiner Teilbandsignalelemente entsprechend dieser Quantisierungsauflösung Q quantisiert wird. Das quantisierte Teilbandsignal kann als Q(ss) geschrieben werden, und die quantisierten Teilbandsignalelemente können als Q(se1), Q(se2), Q(se3) geschrieben werden. Das quantisierte Teilbandsignal Q(ss) weist also die Sammlung der quantisierten Teilbandsignalelemente (Q(se1), Q(se2), Q(se3)) auf. Ein Kodierbereich, der einen Bereich der Quantisierung von Teilbandsignalelementen identifiziert, welcher im Verhältnis zu einem Basispunkt erlaubt ist, kann als Kodierparameter spezifiziert werden. Der Basispunkt ist vorzugsweise das Quantisierungsniveau, welches ein der Gehör-Maskierkurve im wesentlichen entsprechendes injiziertes Rauschen ergäbe. Der Kodierbereich kann zum Beispiel zwischen etwa 144 Dezibel entfernten Rauschens bis etwa 48 Dezibel injizierten Rauschens gegenüber der auditorischen Maskierkurve betragen oder, kürzer gesagt, – 144 dB bis +48 dB.
  • Bei einem alternativen Ausführungsbeispiel der vorliegenden Erfindung werden Teilbandsignalelemente innerhalb des gleichen Teilbandsignals durchschnittlich auf eine bestimmte Quantisierungsauflösung Q quantisiert, aber individuelle Teilbandsignalelemente werden nicht gleichmäßig auf unterschiedliche Auflösungen quantisiert. Bei noch einem weiteren alternativen Ausführungsbeispiel, welches eine nicht gleichmäßige Quantisierung innerhalb eines Teilbandes bietet, werden mit einer verstärkungsadaptiven Quantisierungstechnik einige Teilbandsignalelemente innerhalb des gleichen Teilbandes auf eine bestimmte Quantisierungsauflösung Q quantisiert, während andere Teilbandsignalelemente in diesem Teilband auf eine andere Auflösung quantisiert werden, die um ein bestimmbares Ausmaß entweder feiner oder gröber sein kann als die Auflösung Q. Ein bevorzugtes Verfahren zum Durchführen nicht gleichmäßiger Quantisierung innerhalb eines jeweiligen Teilbandes ist in einer am 7. Juli 1999 eingereichten Patentanmeldung von Davidson et al. mit der Bezeichnung "Using Gain-Adaptive Quantization and Non-Uniform Symbol Lengths for Improved Audio Coding", offenbart.
  • Im Schritt 402 enthalten die empfangenen Teilbandsignale vorzugsweise einen Satz linker Teilbandsignale SS_L, die den linken Tonkanal CH_L wiedergeben, sowie einen Satz rechter Teilbandsignale SS_R, die den rechten Tonkanal CH_R wiedergeben. Diese Tonkanäle können entweder ein Stereopaar sein oder, als Alternative, im wesentlichen keine Beziehung zueinander haben. Das perzeptuelle Kodieren der Tonsignalkanäle CH_L, CH_R wird vorzugsweise mit Hilfe eines Paares gewünschter Rauschspektren durchgeführt, je ein Spektrum für jeden der Tonkanäle CH_L, CH_R.
  • Ein Teilbandsignal des Satzes SS_L muß also auf eine andere Auflösung quantisiert werden als ein entsprechendes Teilbandsignal des Satzes SS_R. Bei Berücksichtigung von Überkreuzmaskiereffekten kann das gewünschte Rauschspektrum für einen Tonkanal durch den Signalinhalt des anderen Kanals beeinflußt werden. In bevorzugten Ausführungsbeispielen werden Überkreuzmaskiereffekte zwischen Kanälen ignoriert.
  • Das erste gewünschte Rauschspektrum für den linken Tonkanal CH_L wird in Abhängigkeit von auditorischen Maskiereigenschaften von Teilbandsignalen SS_L, wahlweise den Überkreuzmaskiereigenschaften zwischen Kanälen der Teilbandsignale SS_R ebenso wie zusätzlicher Kriterien, beispielsweise der verfügbaren Datenkapazität des Kernschichtabschnitts 372 auf folgende Weise festgelegt. Linke Teilbandsignale SS_L und wahlweise auch rechte Teilbandsignale SS_R werden analysiert, um eine auditorische Maskierkurve AMC_L für den linken Tonkanal CH_L zu bestimmen. Die auditorische Maskierkurve zeigt das maximale Ausmaß an Rauschen an, das in jedes der jeweiligen Teilbänder des linken Tonkanals CH_L injiziert werden kann, ohne hörbar zu werden. Was in dieser Hinsicht hörbar ist, beruht auf psychoakustischen Modellen des menschlichen Hörens und kann Überkreuzmaskiereigenschaften des rechten Tonkanals CH_R umfassen. Die auditorische Maskierkurve AMC_L dient als Anfangswert für ein erstes gewünschtes Rauschspektrum für den linken Tonkanal CH_L, welches analysiert wird, um eine jeweilige Quantisierungsauflösung Q1_L für jedes Teilbandsignal des Satzes SS_L zu bestimmen, so daß bei einer entsprechenden Quantisierung Q1_L(SS_L) der Teilbandsignale des Satzes SS_L und anschließenden Dequantisierung und Umwandlung in Schallwellen das resultierende Kodierrauschen unhörbar ist. Zur besseren Klarheit sei darauf hingewiesen, daß der Ausdruck Q1_L sich auf einen Satz Quantisierungsauflösungen bezieht, und daß dieser Satz einen jeweiligen Wert Q1_Lss für jedes Teilbandsignal SS im Satz der Teilbandsignale SS_L hat. Es sei darauf hingewiesen, daß die Notation Q1_L(SS_L) bedeutet, daß jedes Teilbandsignal im Satz SS_L entsprechend einer jeweiligen Quantisierungsauflösung quantisiert wird. Teilbandsignalelemente innerhalb jedes Teilbandsignals können gleichförmig oder ungleichförmig quantisiert werden, wie schon erwähnt.
  • Auf die gleiche Weise werden rechte Teilbandsignale SS_R und vorzugsweise auch linke Teilbandsignale SS_L analysiert, um eine auditorische Maskierkurve AMC_R für den rechten Tonkanal CH_R zu generieren. Diese auditorische Maskierkurve AMC_R kann als anfängliches erstes gewünschtes Rauschspektrum für den rechten Tonkanal CH_R dienen, das analysiert wird, um eine jeweilige Quantisierungsauflösung Q1_R für jedes Teilbandsignal des Satzes SS_R zu bestimmen.
  • 4B zeigt ein Fließschema eines Verfahrens zum Bestimmen von Quantisierungsauflösungen gemäß der vorliegenden Erfindung. Ein Verfahren 420 kann beispielsweise benutzt werden, um geeignete Quantisierungsauflösungen für das Kodieren jeder Schicht gemäß dem Verfahren 400 zu finden. Das Verfahren 420 wird in Bezug auf den linken Tonkanal CH_L beschrieben, die Bearbeitung des rechten Tonkanals CH_R geht in gleicher Weise vor sich.
  • Ein Anfangswert für ein erstes gewünschtes Rauschspektrum FDNS_L wird so gesetzt 422, daß es der auditorischen Maskierkurve AMC_L gleich ist. Eine jeweilige Quantisierungsauflösung für jedes Teilbandsignal des Satzes SS_L wird so bestimmt 424, daß für den Fall, daß diese Teilbandsignale entsprechend quantisiert und dann dequantisiert und in Schallwellen umgewandelt würden, jegliches dadurch generierte Quantisierungsrauschen im wesentlichen dem ersten gewünschten Rauschspektrum FDNS_L entspräche. Im Schritt 426 wird festgestellt, ob entsprechend quantisierte Teilbandsignale einem Datenkapazitätserfordernis der Kernschicht 310 entsprächen. Bei diesem Ausführungsbeispiel des Verfahrens 420 ist das Erfordernis der Datenkapazität so spezifiziert, daß es darauf ankommt, ob die entsprechend quantisierten Teilbandsignale in die Datenkapazität des Kernschichtabschnitts 372 passen und diese im wesentlichen ausfüllen würden. Als Reaktion auf eine negative Bestimmung im Schritt 426 wird das gewünschte erste Rauschspektrum FDNS_L angepaßt 428. Zu der Anpassung gehört ein Verlagern des ersten gewünschten Rauschspektrums FDNS_L um ein Ausmaß, das vorzugsweise über die Teilbänder des linken Tonkanals CH_L hinweg im wesentlichen gleichförmig ist. Die Richtung der Verschiebung geht nach oben, was einer gröberen Quantisierung entspricht, wenn die entsprechend quantisierten Teilbandsignale aus dem Schritt 426 nicht in den Kernschichtabschnitt 372 paßten. Die Richtung der Verschiebung geht nach unten, was einer feineren Quantisierung entspricht, wenn die entsprechend quantisierten Teilbandsignale aus dem Schritt 426 in den Kernschichtabschnitt 372 paßten. Die Größe der ersten Verschiebung gleicht vorzugsweise etwa einer Hälfte der restlichen Entfernung bis zu den Endpunkten des Kodierbereichs in Richtung der Verschiebung. Wenn also der Kodierbereich als –144 dB bis +48 dB spezifiziert ist, kann die erste derartige Verschiebung beispielsweise ein Aufwärtsverschieben von FDNS_L um etwa 24 dB aufweisen. Die Größe jeder nachfolgenden Verschiebung entspricht vorzugsweise etwa der Hälfte der Größe der unmittelbar vorhergehenden Verschiebung. Sobald das erste gewünschte Rauschspektrum FDNS_L justiert wurde 428, werden die Schritte 424 und 426 wiederholt. Wenn beim Durchführen des Schritts 426 eine positive Bestimmung erfolgt, endet das Verfahren 430, und die festgestellten Quantisierungsauflösungen Q1_L werden als angemessen erachtet.
  • Die Teilbandsignale des Satzes SS_L werden mit den festgelegten Quantisierungsauflösungen Q1_L quantisiert, um quantisierte Teilbandsignale Q1_L(SS_L) zu generieren. Die quantisierten Teilbandsignale Q1_L(SS_L) dienen als ein erstes kodiertes Signal FCS_L für den linken Tonkanal CH_L. Die quantisierten Teilbandsignale Q1_L(SS_L) können zweckmäßigerweise in irgendeiner im voraus festgelegten Reihenfolge im Kernschichtabschnitt 372 ausgegeben werden, beispielsweise durch Erhöhen der Spektralfrequenz von Teilbandsignalelementen. Die Zuordnung der Datenkapazität des Kernschichtabschnitts 372 unter den quantisierten Teilbandsignalen Q1_L(SS_L) beruht also darauf, so viel Quantisierungsrauschen wie praktisch möglich bei der bestehenden Datenkapazität dieses Abschnitts der Kernschicht 310 zu verstecken. Teilbandsignale SS_R für den rechten Tonkanal CH_R, die in ähnlicher Weise verarbeitet werden, um ein erstes kodiertes Signal FCS_R für diesen Kanal CH_R zu generieren, welches im Kernschichtabschnitt 382 ausgegeben wird.
  • Geeignete Quantisierungsauflösungen Q2_L zum Kodieren des ersten Erweiterungsschichtabschnitts 374 werden nach dem Verfahren 420 wie folgt bestimmt. Ein Anfangswert für ein zweites gewünschtes Rauschspektrum SDNS_L für den linken Tonkanal CH_L wird gleich dem ersten gewünschten Rauschspektrum FDNS_L gesetzt 422. Das zweite gewünschte Rauschspektrum SDNS_L wird analysiert, um eine jeweilige zweite Quantisierungsauflösung Q2_Lss für jedes Teilbandsignal ss des Satzes SS_L so zu bestimmen, daß für den Fall, daß Teilbandsignale des Satzes SS_L gemäß Q2_L(SS_L) quantisiert und dann dequantisiert und in Schallwellen umgewandelt würden, das resultierende Quantisierungsrauschen im wesentlichen dem zweiten gewünschten Rauschspektrum SDNS_L entspräche. In einem Schritt 426 wird festgestellt, ob entsprechend quantisierte Teilbandsignale ein Datenkapazitätserfordernis der ersten Erweiterungsschicht 320 erfüllen würden. Bei diesem Ausführungsbeispiel des Verfahrens 420 ist das Erfordernis der Datenkapazität so spezifiziert, daß es darin besteht, ob ein Restsignal in die Datenkapazität des ersten Erweiterungsschichtabschnitts 374 passen und diese im wesentlichen ausfüllen würde. Das Restsignal ist spezifiziert als eine restliche Maßnahme oder Differenz zwischen den entsprechend quantisierten Teilbandsignalen Q2_L(SS_L) und den quantisierten Teilbandsignalen Q1_L(SS_L), die für den Kernschichtabschnitt 372 bestimmt wurden.
  • Als Reaktion auf eine negative Feststellung im Schritt 426 wird das zweite gewünschte Rauschspektrum SDNS_L angepaßt 428. Zu der Anpassung gehört das Verschieben des zweiten gewünschten Rauschspektrums SDNS L um ein Ausmaß, das vorzugsweise über die Teilbänder des linken Tonkanals CH_L hinweg im wesentlichen gleichförmig ist. Die Richtung der Verschiebung geht nach oben, wenn die Restsignale aus dem Schritt 426 nicht in den ersten Erweiterungsschichtabschnitt 374 paßten, wenn es anders ist, geht die Richtung nach unten. Die Größe der ersten Verschiebung gleicht vorzugsweise etwa der Hälfte der verbleibenden Entfernung bis zu den Endpunkten des Kodierbereichs in Richtung der Verschiebung. Die Größe jeder anschließenden Verschiebung entspricht etwa der Hälfte der Größe der unmittelbar vorhergehenden Verschiebung. Sobald das zweite gewünschte Rauschspektrum SDNS_L justiert wurde, werden die Schritte 424 und 426 wiederholt. Wenn bei der Durchführung des Schrittes 426 eine positive Feststellung getroffen wird, endet 430 das Verfahren, und die festgestellten Quantisierungsauflösungen Q2_L werden als passend erachtet.
  • Die Teilbandsignale des Satzes SS_L werden mit den festgelegten Quantisierungsauflösungen Q2_L quantisiert, um jeweilige quantisierte Teilbandsignale Q2_L(SS_L) zu generieren, die als ein zweites kodiertes Signal SCS_L für den linken Tonkanal CH_L dienen. Ein entsprechendes erstes Restsignal FRS_L für den linken Tonkanal CH_L wird generiert. Ein bevorzugtes Verfahren besteht darin, einen Rest für jedes Teilbandsignalelement zu bilden und Bitdarstellungen für solche Reste durch Verkettung in einer im voraus festgelegten Reihenfolge, beispielsweise entsprechend steigender Frequenz von Teilbandsignalelementen, in dem ersten Erweiterungsschichtabschnitt 374 auszugeben. Die Zuordnung der Datenkapazität des ersten Erweiterungsschichtabschnitts 374 unter quantisierten Teilbandsignalen Q2_L(SS_L) beruht also darauf, so viel Quantisierungsrauschen wie praktisch möglich bei der gegebenen Datenkapazität dieses Abschnitts 374 der ersten Erweiterungsschicht 320 zu verstecken. Teilbandsignale SS_R für den rechten Tonkanal CH_R werden in ähnlicher Weise verarbeitet, um ein zweites kodiertes Signal SCS_R und ein erstes Restsignal FRS_R für diesen Kanal CH_R zu generieren. Das erste Restsignal FRS_R für den rechten Tonkanal CH_R wird im ersten Erweiterungsschichtabschnitt 384 ausgegeben.
  • Die quantisierten Teilbandsignale Q2_L(SS_L) und Q1_L(SS_L) können parallel bestimmt werden. Das geschieht vorzugsweise dadurch, daß der Anfangswert des zweiten gewünschten Rauschspektrums SDNS_L für den linken Tonkanal CH_L so gesetzt wird, daß er der auditorischen Maskier kurve AMC_L oder einer sonstigen Spezifikation gleicht, die nicht vom ersten gewünschten Rauschspektrum FDNS_L abhängt, welches zum Kodieren der Kernschicht bestimmt wurde. Das Datenkapazitätsertordernis ist so spezifiziert, daß es darin besteht, ob die entsprechend quantisierten Teilbandsignale Q2_L(SS_L) in die Vereinigung des Kernschichtabschnitts 372 mit dem ersten Erweiterungsschichtabschnitt 374 passen und diese im wesentlichen ausfüllen würden.
  • Ein Anfangswert für das dritte gewünschte Rauschspektrum für den Tonkanal CH_L wird erhalten und das Verfahren 420 angewandt, um jeweilige dritte Quantisierungsauflösungen Q3_L zu erhalten, wie es für das zweite gewünschte Rauschspektrum geschah. Dementsprechend dienen quantisierte Teilbandsignale Q3_L(SS_L) als ein drittes kodiertes Signal TCS_L für den linken Tonkanal CH_L. Ein zweites Restsignal SRS_L für den linken Tonkanal CH_L kann dann auf ähnliche Weise generiert werden, wie es für die erste Erweiterungsschicht geschah. Allerdings werden in diesem Fall Restsignale dadurch erhalten, daß Teilbandsignalelemente im dritten kodierten Signal TCS_L von entsprechenden Teilbandsignalelementen im zweiten kodierten Signal SCS_L subtrahiert werden. Das zweite Restsignal SRS_L wird im zweiten Erweiterungsschichtabschnitt 376 ausgegeben. Teilbandsignale SS_R für den rechten Tonkanal CH_R werden auf ähnliche Weise verarbeitet, um ein drittes kodiertes Signal TCS_R und ein zweites Restsignal SRS_R für diesen Kanal CH_R zu generieren. Das zweite Restsignal SRS_R für den rechten Tonkanal CH_R wird im zweiten Erweiterungsschichtabschnitt 386 ausgegeben.
  • Steuerdaten werden für den Kernschichtabschnitt 352 generiert. Insgesamt erlauben es die Steuerdaten Dekodierern, mit jedem Rahmen in einem kodierten Strom von Rahmen zu synchronisieren, und sie zeigen Dekodierern, wie die in jedem Rahmen, beispielsweise dem Rahmen 340 gelieferten Daten zerlegt und dekodiert werden können. Da eine Vielzahl kodierter Auflösungen bereitgestellt wird, sind die Steuerdaten typischerweise komplexer als man sie bei nicht skalierbaren Ausführungsformen des Kodierens findet. Bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung gehört zu den Steuerdaten ein Synchronisiermuster, Formatdaten, Segmentdaten, Parameterdaten und ein Fehlererkennungscode, was alles nachfolgend beschrieben wird. Für die Erweiterungsschichten 320, 330 wird zusätzliche Steuerinformation erzeugt, die spezifiziert, wie diese Schichten 320, 330 dekodiert werden können.
  • Ein vorherbestimmtes Synchronisierwort kann generiert werden, um den Anfang eines Rahmens anzuzeigen. Das Synchronisiermuster wird in den ersten L-Bits des ersten Wortes jedes Rahmens ausgegeben, um anzuzeigen, wo der Rahmen beginnt. Das Synchronisiermuster tritt vorzugsweise nicht an irgendeiner anderen Stelle im Rahmen auf. Synchronisiermuster zeigen Dekodierern an, wie Rahmen aus einem kodierten Datenstrom zu zerlegen bzw. zu analysieren sind.
  • Zum Anzeigen einer Programmkonfiguration, eines Bitstromprofils und einer Rahmenrate können Formatdaten generiert werden. Die Programmkonfiguration zeigt die Anzahl und Verteilung der im kodierten Bitstrom enthaltenen Kanäle an. Das Bitstromprofil zeigt an, welche Schichten des Rahmens benutzt sind. Ein erster Wert des Bitstromprofils zeigt an, daß ein Kodieren nur in der Kernschicht 310 geliefert ist. Die Erweiterungsschichten 320, 330 sind in diesem Fall vorzugsweise weggelassen, um Datenkapazität auf dem Datenkanal zu sparen. Ein zweiter Wert des Bitstrompro fils zeigt an, daß kodierte Daten in der Kernschicht 310 und der ersten Erweiterungsschicht 320 geliefert sind. Die zweite Erweiterungsschicht 330 ist in diesem Fall vorzugsweise weggelassen. Ein dritter Wert des Bitstromprofils zeigt an, daß kodierte Daten in jeder Schicht 310, 320, 330 geliefert sind. Der erste, zweite und dritte Wert des Bitstromprofils ist vorzugsweise in Übereinstimmung mit der Spezifikation AES3 festgelegt. Die Rahmenrate kann als Zahl oder angenäherte Zahl von Rahmen pro Zeiteinheit festgelegt sein, zum Beispiel 30 Hertz, was für die Norm AES3 etwa einem Rahmen pro 3200 Wörter entspricht. Die Rahmenrate hilft Dekodierern, die Synchronisierung und wirksames Puffern ankommender kodierter Daten aufrechtzuerhalten.
  • Zum Hinweisen auf Grenzen von Segmenten und Untersegmenten werden Segmentdaten generiert. Dazu gehört das Anzeigen der Grenzen des Steuersegments 350, Tonsegments 360, des ersten Untersegments 370 und des zweiten Untersegments 380. Bei alternativen Ausführungsbeispielen des skalierbaren Kodierverfahrens 400 sind in einem Rahmen zusätzliche Untersegmente, beispielsweise für Mehrkanalton eingeschlossen. Zusätzliche Tonsegmente können auch vorgesehen sein, um das durchschnittliche Volumen der Steuerdaten in Rahmen zu verringern, indem Toninformation aus einer Vielzahl von Rahmen zu einem größeren Rahmen kombiniert wird. Ein Untersegment kann auch weggelassen werden, wenn zum Beispiel weniger Tonkanäle für eine Anwendung erforderlich sind. Daten hinsichtlich der Grenzen zusätzlicher Untersegmente oder weggelassener Untersegmente können als Segmentdaten bereitgestellt werden. Auch die jeweiligen Tiefen L, M, N der Schichten 310, 320, 330 können auf ähnliche Weise spezifiziert werden. Vorzugsweise wird L als sechzehn spezifiziert, um eine Abwärtskompatibilität mit herkömmlichen 16-Bit Digitalsignalprozessoren zu stützen. M und N sind vorzugsweise als vier und vier spezifiziert, um skalierbare Datenkanalkriterien zu stützen, die durch die Norm AES3 spezifiziert sind. Spezifizierte Tiefen werden vorzugsweise nicht ausdrücklich als Daten in einem Rahmen getragen, sondern es wird beim Kodieren davon ausgegangen, daß sie in der Dekodierarchitektur ordnungsgemäß verwirklicht sind.
  • Es werden Parameterdaten erzeugt, die auf Parameter der Kodieroperationen hinweisen. Solche Parameter zeigen an, welche Art von Kodieroperation für das Kodieren von Daten in einen Rahmen angewandt wird. Ein erster Wert von Parameterdaten kann anzeigen, daß die Kernschicht 310 entsprechend der öffentlichen ATSC AC-3 Bitstromspezifikation kodiert ist, wie sie im Dokument A52 (1994) vom Advanced Television Standards Committee (ATSC) festgelegt wurde. Ein zweiter Wert von Parameterdaten kann anzeigen, daß die Kernschicht 310 entsprechend einer perzeptuellen Kodiertechnik kodiert ist, die in Dolby Digital(Wz) Kodierern und Dekodierern verkörpert ist. Dolby Digital(Wz) oder Kodierer und Dekodierer sind von Dolby Laboratories, Inc. San Francisco, Kalifornien im Handel erhältlich. Die vorliegende Erfindung kann mit einer großen Vielfalt an perzeptuellen Kodier- und Dekodiertechniken angewandt werden. Verschiedene Aspekte solcher perzeptuellen Kodier- und Dekodiertechniken sind in den folgenden US-Patenten offenbart 5 913 191 (Fielder), 5 222 189 (Fielder), 5 109 417 (Fielder, et al), 5 632 003 (Davidson, et al.), 5 583 962 (Davis et al.), und 5 623 577 (Fielder). Eine bestimmte perzeptuelle Kodier- oder Dekodiertechnik ist für die Durchführung der vorliegenden Erfindung nicht wesentlich.
  • Es werden ein oder mehr Fehlererkennungscodes erzeugt, um Daten in der Kernschicht 352 zu schützen, und, falls es die Datenkapazität erlaubt, auch Daten in den Kernschichtabschnitten 372, 382 der Kernschicht 310. Der Kernschichtabschnitt 352 wird vorzugsweise stärker geschützt als irgendein sonstiger Abschnitt des Rahmens 340, weil er sämtliche wesentlichen Informationen zum Synchronisieren auf Rahmen 340 in einem kodierten Datenstrom und zum Zerlegen der Kernschicht 310 jedes Rahmens 340 enthält.
  • Bei diesem Ausführungsbeispiel der vorliegenden Erfindung werden Daten wie folgt in einen Rahmen ausgegeben. Zunächst werden kodierte Signale FCS_L, FCS_R in Kernschichtabschnitte 372 bzw. 382 ausgegeben, erste Restsignale FRS_L, FRS_R werden in erste Erweiterungsschichtabschnitte 374 bzw. 348 ausgegeben, und zweite Restsignale SRS_L, SRS_R werden in zweite Erweiterungsschichtabschnitte 376 bzw. 386 ausgegeben. Das kann geschehen durch Zusammenmultiplexieren dieser Signale FCS_L, FCS_R, FRS_L, FRS_R, SRS_L, SRS_R, um einen Strom aus Wörtern je von der Länge L + M + N zu bilden, wobei zum Beispiel das Signal FCS_L von den ersten L-Bits getragen wird, FRS_L von den nächsten M-Bits und SRS_L von den letzten N-Bits getragen wird, und so ähnlich für die Signale FCS_R, FRS_R, SRS_R. Dieser Wortstrom wird seriell im Tonsegment 360 ausgegeben. Das Synchronisationswort, Formatdaten, Segmentdaten, Parameterdaten und die Datenschutzinformation werden im Kernschichtabschnitt 352 ausgegeben. Zusätzliche Steuerinformation für die Erweiterungsschichten 320, 330 wird an ihre jeweiligen Schichten 320, 330 geliefert.
  • Gemäß den bevorzugten Ausführungsbeispielen des skalierbaren Tonkodierverfahrens 400 wird jedes Teilbandsignal in der Kernschicht durch eine blockskalierte Form wiedergegeben, die einen Skalierungsfaktor und einen oder mehr skalierte Werte aufweist, welche jedes Teilbandsignalelement wiedergeben. So kann beispielsweise jedes Teilbandsignal durch einen Blockfließpunkt dargestellt werden, bei dem ein Blockfließpunktexponent der Skalierungsfaktor ist und jedes Teilbandsignalelement von den Fließpunktmantissen wiedergegeben wird. Es kann im wesentlichen jede beliebige Art der Skalierung benutzt werden. Um das Zerlegen des kodierten Datenstroms zwecks Wiedergewinnung der Skalierungsfaktoren und der skalierten Werte zu erleichtern, können die Skalierungsfaktoren in den Datenstrom an im voraus festgelegten Positionen innerhalb jedes Rahmens, beispielsweise am Anfang jedes Untersegments 370, 380 innerhalb des Tonsegments 360 kodiert werden.
  • Bei bevorzugten Ausführungsbeispielen bieten die Skalierungsfaktoren ein Maß der Teilbandsignalstärke, welches von einem psychoakustischen Modell herangezogen werden kann, um die oben beschriebenen auditorischen Maskierkurven AMC_L, AMC_R zu bestimmen. Vorzugsweise werden Skalierungsfaktoren für die Kernschicht 310 als Skalierungsfaktoren für die Erweiterungsschichten 320, 330 benutzt, so daß es nicht nötig ist, einen eigenen Satz Skalierungsfaktoren für jede Schicht zu erzeugen und auszugeben. In die Erweiterungsschichten werden typischerweise nur die höchstwertigen Bits der Differenzen zwischen einander entsprechenden Teilbandsignalelemente der verschiedenen kodierten Signale kodiert.
  • Bei bevorzugten Ausführungsbeispielen erfolgt ein zusätzliches Verarbeiten, um reservierte oder verbotene Datenmuster aus den kodierten Daten zu eliminieren. Es sollten zum Beispiel Datenmuster in den kodierten Audiodaten vermieden werden, die ein Synchronisiermuster simulieren würden, welches zum Erscheinen am Anfang eines Rahmens reserviert ist. Eine einfache Möglichkeit, wie ein bestimmtes nicht-Null Datenmuster vermieden werden kann, besteht darin, die kodierten Audiodaten durch bit-weises exklusives OR zwischen den kodierten Audiodaten und einem geeigneten Schlüssel durchzuführen. Weitere Einzelheiten und zusätzliche Techniken zum Vermeiden verbotener und reservierter Datenmuster sind im US-Patent 6 233 718 von Vernon et al. mit der Bezeichnung "Avoiding Forbidden Data Patterns in Coded Audio Data" offenbart. In jeden Rahmen kann ein Schlüssel oder sonstige Steuerinformation eingeschlossen sein, um die Auswirkungen möglicherweise vorgenommener Modifizierungen zum Ausschalten dieser Muster rückgängig zu machen.
  • 5 ist ein Fließschema, welches ein skalierbares Dekodierverfahren 500 gemäß der vorliegenden Erfindung veranschaulicht. Das skalierbare Dekodierverfahren 500 empfängt ein in einer Reihe von Schichten kodiertes Tonsignal. Die erste Schicht umfaßt eine perzeptuelle Kodierung des Tonsignals. Diese perzeptuelle Kodierung stellt das Tonsignal mit einer ersten Auflösung dar. Die übrigen Schichten umfassen jeweils Daten über eine weitere jeweilige Kodierung des Tonsignals. Die Schichten sind entsprechend zunehmender Auflösung des kodierten Tonsignals geordnet. Im einzelnen können Daten aus den ersten K Schichten kombiniert und dekodiert werden, um Tonsignale mit größerer Auflösung bereitzustellen als die Daten in den ersten K – 1 Schichten, wobei K eine ganze Zahl größer als 1, aber nicht größer als die Zahl der Gesamtanzahl Schichten ist.
  • Mit dem Verfahren 500 wird eine Auflösung zum Dekodieren gewählt 511. Die der gewählten Auflösung zugeordnete Schicht wird bestimmt. Wenn der Datenstrom modifiziert wurde, um reservierte oder verbotene Datenmuster zu entfernen, sollten die Auswirkungen dieser Veränderungen rückgängig gemacht werden. In der festgelegten Schicht getragene Daten werden mit Daten in jeder vorhergehenden Schicht kombiniert 513 und dann in einer Umkehroperation des Kodierverfahrens, welches zum Kodieren des Tonsignals auf die jeweilige Auflösung benutzt wurde, dekodiert 515. Schichten, die höheren Auflösungen als der gewählten zugeordnet sind, können beispielsweise durch Signalleitwegschaltungen abgestreift oder ignoriert werden. Jedes Verfahren oder jeder Vorgang, der zur Aufhebung der Skaliereffekte erforderlich ist, sollte vor dem Dekodieren durchgeführt werden.
  • Es soll nun ein Ausführungsbeispiel beschrieben werden, bei dem das skalierbare Dekodierverfahren 500 vom Verarbeitungssystem 100 an Audiodaten durchgeführt wird, die über einen Normdatenkanal AES3 empfangen werden. Der Normdatenkanal AES3 bietet Daten in einer Serie von vierundzwanzig Bit breiten Wörtern. Jedes Bit eines Wortes kann zweckmäßigerweise durch eine Bitzahl identifiziert sein, die von Null (0), dem höchstwertigen Bit, bis einschließlich dreiundzwanzig (23) rangieren, bei dem es sich um das niedrigstwertige Bit handelt. Die Notation Bits (n~m) wird hier verwendet, um Bits (n) bis einschließlich (m) eines Wortes wiederzugeben, wobei n und m ganze Zahlen sind und m > n. Der Datenkanal AES3 ist in einer Reihe von Rahmen, wie den Rahmen 340 entsprechend dem skalierbaren Datenkanal 300 der vorliegenden Erfindung unterteilt. Die Kernschicht 310 weist Bits (0~15) auf, die erste Erweiterungsschicht 320 weist Bits (16~19) auf, und die zweite Erweiterungsschicht 330 weist Bits (20~23) auf.
  • Die Daten in den Schichten 310, 320, 330 werden über die Toneingabe/Ausgabeschnittstelle 140 des Verarbeitungssystems 100 empfangen. Das Verarbeitungssystem 100 sucht in Abhängigkeit vom Programm der Dekodieranweisungen nach einem 16-Bit Synchronisiermuster im Datenstrom, um seine Verarbeitung mit jeder Rahmengrenze auszurichten, und es teilt die Daten der Reihe nach ab dem Synchronisiermuster in 24 Bit breite Wörter ein, die als Bits (0~23) wiedergegeben werden. Die Bits (0~15) des ersten Wortes sind also das Synchronisiermuster. In diesem Zeitpunkt kann jegliche Verarbeitung vorgenommen werden, die nötig ist, um die Auswirkungen von Abwandlungen rückgängig zu machen, die zur Vermeidung reservierter Muster vorgenommen wurden.
  • Um Formatdaten, Segmentdaten, Parameterdaten, Versatz und Datenschutzinformation zu erhalten, werden im voraus festgelegte Orte in der Kernschicht 310 gelesen. Es werden Fehlererkennungscodes verarbeitet, um jeglichen Fehler in den Daten im Kernschichtabschnitt 352 zu erkennen. Als Reaktion auf das Erkennen eines Datenfehlers kann eine Stummschaltung entsprechender Tonsignale oder eine Rückübertragung von Daten vorgenommen werden.
  • Um nur die Kernschicht 310 zu dekodieren, wird die 16-Bit Auflösung gewählt 511. Festgelegte Orte in Kernschichtabschnitten 372, 382 des ersten und zweiten Tonuntersegments 370, 380 werden gelesen, um die kodierten Teilbandsignalelemente zu erhalten. Bei bevorzugten Ausführungsbeispielen, die mit blockskalierten Darstellungen arbeiten, geschieht dies dadurch, daß zunächst der Blockskalierungsfaktor für jedes Teilbandsignal erhalten und dann diese Skalierungsfaktoren benutzt werden, um die gleichen auditorischen Maskierkurven AMC_L, AMC_R zu generieren, die im Kodierverfahren benutzt wurden. Erste gewünschte Rauschspektra für Tonkanäle CH_L, CH_R werden durch Verschieben der auditorischen Maskierkurven AMC_L, AMC_R um einen jeweiligen Versatz O1_L, O1_R für jeden aus dem Kernschichtabschnitt 352 gelesenen Kanal generiert. Dann werden erste Quantisierungsauflösungen Q1_L, Q1_R für die Tonkanäle in der gleichen Weise bestimmt, wie es im Kodierverfahren 400 geschieht. Das Verarbeitungssystem 100 kann nunmehr die Länge und den Ort der kodierten skalierten Werte in den Kernschichtabschnitten 372, 382 der Tonuntersegmente 370 bzw. 380 feststellen, welche die skalierten Werte der Teilbandsignalelemente wiedergeben. Die kodierten skalierten Werte werden aus den Untersegmenten 370, 380 zerlegt und mit den entsprechenden Teilbandskalierungsfaktoren kombiniert, um die quantisierten Teilbandsignalelemente für die Tonkanäle CH_L, CH_R zu erhalten, die dann in digitale Audioströme umgewandelt werden. Die Umwandlung geschieht durch Anlegen einer Synthesefilterbank, die zu der beim Kodierverfahren angewandten Analysefilterbank komplementär ist. Die digitalen Audioströme geben den linken und rechten Tonkanal CH_L, CH_R wieder. Diese digitalen Signale können durch Digital-Analog-Umsetzung in ein analoges Signal umgewandelt werden, was mit Vorteil auf herkömmliche Weise verwirklicht werden kann.
  • Die Kern- und erste Erweiterungsschicht 310, 320 läßt sich wie folgt dekodieren. Die 20 Bit Kodierauflösung wird gewählt 511. Teilbandsignalelemente in der Kernschicht 310 werden wie gerade beschrieben erhalten. Zusätzlicher Versatz O2_L wird aus dem Erweiterungsschichtabschnitt 354 des Steuersegments 350 gelesen. Zweite gewünschte Rauschspektra für Tonkanäle CH_L werden generiert, indem das erste gewünschte Rauschspektrum des linken Tonkanals CH_L um den Versatz O2_L verschoben wird und in Abhängigkeit vom erhaltenen Rauschspektrum werden zweite Quantisierungsauflösungen Q2_L in der Weise festgelegt, wie es für das perzeptuelle Kodieren der ersten Erweiterungsschicht beim Kodierverfahren 400 beschrieben wurde. Diese Quantisierungsauflösungen O2_L zeigen die Länge und den Ort jeder Komponente eines Restsignals RES1_L im Erweiterunysschichtabschnitt 374 an. Das Verarbeitungssystem liest die jeweiligen Restsignale und erhält die skalierte Darstellung der quantisierten Teilbandsignalelemente durch Kombinieren 513 des Restsignals RES1_L mit der von der Kernschicht 310 erhaltenen skalierten Darstellung. Bei diesem Ausführungsbeispiel der vorliegenden Erfindung wird dies durch Anwendung einer Zweierkomplementaddition erzielt, wobei diese Addition an einem Teilbandsignalelement durch Teilbandsignalelementbasis vorgenommen wird. Die quantisierten Teilbandsignalelemente werden von den skalierten Darstellungen jedes Teilbandsignals erhalten und dann durch ein geeignetes Signalsyntheseverfahren umgewandelt, um einen digitalen Audiostrom für jeden Kanal zu generieren. Der digitale Audiostrom kann durch Digital-Analogumsetzung in analoge Signale umgewandelt werden. Die Kernschicht und die erste und zweite Erweiterungsschicht 310, 320, 330 können ähnlich wie gerade beschrieben dekodiert werden.
  • 6A zeigt ein schematisches Diagramm eines alternativen Ausführungsbeispiels eines Rahmens 700 zur skalierbaren Tonkodierung gemäß der vorliegenden Erfindung. Der Rahmen 700 bestimmt die Zuordnung der Datenkapazität für einen 24-Bit breiten Datenkanal 701 des Typs AES3. Der AES3 Datenkanal weist eine Serie 24-Bit breiter Wörter auf. Der AES3 Datenkanal umfaßt eine Kernschicht 710 und zwei Erweiterungsschichten, die als Zwischenschicht 720 und Feinschicht 730 bezeichnet sind. Die Kernschicht weist Bits (0~15) auf, die Zwischenschicht 720 weist Bits (16~19) auf, und die Feinschicht 730 weist Bits (20~23) jeweils für jedes Wort auf. Die Feinschicht 730 weist also die vier niedrigstwertigen Bits des AES3 Datenkanals auf, während die Zwischenschicht 720 die nächsten vier niedrigstwertigen Bits dieses Datenkanals aufweist.
  • Die Datenkapazität des Datenkanals 701 wird zugeordnet, um das Dekodieren von Tonsignalen mit einer Vielzahl von Auflösungen zu stützen. Diese Auflösungen werden hier als eine von der Kernschicht 710 gestützte 16-Bit Auflösung, eine von der Vereinigung der Kernschicht 710 und der Zwischenschicht 720 gestützte 20-Bit Auflösung und eine von der Vereinigung der drei Schichten 710, 720, 730 gestützte 24-Bit Auflösung bezeichnet. Es sei darauf hingewiesen, daß die oben genannte Anzahl Bits in jeder Auflösung sich auf die Kapazität jeder jeweiligen Schicht während der Übertragung oder Speicherung bezieht und sich nicht auf die Quantisierungsauflösung oder Bitlänge der Symbole bezieht, die in den verschiedenen Schichten zur Darstellung kodierter Tonsignale getragen werden. Folglich entspricht die sogenannte "16-Bit Auflösung" dem perzeptuellen Kodieren mit einer grundlegenden Auflösung und wird typischerweise beim Dekodieren und bei der Wiedergabe als genauer wahrgenommen, als es die 16-Bit PCM Tonsignale sind. Ähnlich entsprechen die 20-Bit und 24-Bit Auflösungen perzeptuellen Kodierungen mit fortschreitend höheren Auflösungen und werden typischerweise als genauer wahrgenommen als die entsprechenden 20-Bit bzw. 24-Bit PCM Tonsignale.
  • Der Rahmen 700 ist in eine Reihe von Segmenten unterteilt, zu denen ein Synchronisiersegment 740, ein Metadatensegment 750, ein Tonsegment 760 gehören, und die wahlweise ein Metadatenausdehnungssegment 770, ein Tonausdehnungssegment 780 und ein Meßsegment 790 umfassen können. Das Metadatenausdehnungssegment 770 und das Tonausdehnungssegment 780 hängen voneinander ab, und infolgedessen sind entweder beide oder keines eingeschlossen. Bei diesem Ausführungsbeispiel des Rahmens 700 hat jedes Segment Abschnitte in jeder Schicht 710, 720, 730. Die 6B, 6C und 6D sind schematische Diagramme eines bevorzugten Aufbaus der Ton- und Tonausdehnungssegmente 760 und 780, des Metadatensegments 750 und des Metadatenausdehnungssegments 770.
  • Im Synchronisiersegment 740 tragen die Bits (0~15) ein 16-Bit Synchronisiermuster, die Bits (16~19) tragen einen oder mehr Fehlererkennungscodes für die Zwischenschicht 720, und die Bits (20~23) tragen einen oder mehr Fehlererkennungscodes für die Feinschicht 730. Fehler in Augmentationsdaten bringen typischerweise feine hörbare Effekte hervor, und folglich ist es von Vorteil, den Datenschutz auf Codes von jeweils vier Bits pro Erweiterungsschicht zu begrenzen, um Daten im AES3 Datenkanal zu sparen. Zusätzlicher Datenschutz für die Erweiterungsschichten 720, 730 kann im Metadatensegment 750 und Metadatenausdehnungssegment 770 vorgesehen werden, wie noch erläutert wird. Wahlweise können zwei unterschiedliche Datenschutzwerte für jede jeweilige Erweiterungsschicht 720, 730 spezifiziert werden. Jeder bietet Datenschutz für die jeweilige Schicht 720, 730. Der erste Wert des Datenschutzes zeigt an, daß die jeweilige Schicht des Tonsegments 760 in einer vorherbestimmten Weise, beispielsweise als ausgerichtete Konfiguration gestaltet ist. Der zweite Wert des Datenschutzes zeigt an, daß vom Metadatensegment 750 getragene Zeiger darauf hinweisen, wo Augmentationsdaten in der jeweiligen Schicht des Tonsegments 760 getragen sind, und, falls das Tonausdehnungssegment 780 eingeschlossen ist, daß Zeiger im Metadatenausdehnungssegment 770 anzeigen, wo Augmentationsdaten in der jeweiligen Schicht des Tonausdehnungssegments 780 getragen sind.
  • Das Tonsegment 760 ist im wesentlichen ähnlich dem schon beschriebenen Tonsegment 360 des Rahmens 390. Das Tonsegment 760 hat ein erstes Untersegment 761 und ein zweites Untersegment 7610. Das erste Untersegment 761 umfaßt ein Datenschutzsegment 767, vier jeweilige Kanaluntersegmente (CS_0, CS_1, CS_2, CS_3), von denen jedes ein jeweiliges Untersegment 763, 764, 765, 766 des ersten Untersegments 761 aufweist, und wahlweise kann ein Präfix 762 eingeschlossen sein. Die Kanaluntersegmente entsprechen vier jeweiligen Tonkanälen (CH_0, CH_1, CH_2, CH_3) eines Mehrkanaltonsignals.
  • In dem wahlweise vorgesehenen Präfix 762 trägt die Kernschicht 710 einen verbotenen Musterschlüssel (KEY1_C) zum Vermeiden verbotener Muster innerhalb des jeweils von der Kernschicht 710 getragenen Abschnitts des ersten Untersegments, die Zwischenschicht 720 trägt einen verbotenen Musterschlüssel (KEY1_I) zum Vermeiden verbotener Muster innerhalb des von der Zwischenschicht 720 getragenen Abschnitts des ersten Untersegments, die Feinschicht 730 trägt einen verbotenen Musterschlüssel (KEY1_F) zum Vermeiden verbotener Muster innerhalb des jeweils von der Feinschicht 730 getragenen Abschnitts des ersten Untersegments.
  • Im Kanaluntersegment CS_0 trägt die Kernschicht 710 ein erstes kodiertes Signal für den Tonkanal CH_0, die Zwischenschicht 720 trägt ein erstes Restsignal für den Tonkanal CH_0, und die Feinschicht 730 trägt ein zweites Restsignal für den Tonkanal CH_0. Diese sind vorzugsweise unter Anwendung des in der unten beschriebenen Weise modifizierten Kodierverfahrens 400 in jede entsprechende Schicht kodiert. In der gleichen Weise tragen Kanalsegmente CS_1, CS_2, CS_3 Daten für die jeweiligen Tonkanäle CH_1, CH_2, CH_3.
  • Im Datenschutzsegment 767 trägt die Kernschicht 710 einen oder mehr Fehlererkennungscodes für den jeweils von der Kernschicht 710 getragenen Abschnitt des ersten Untersegments, die Zwischenschicht 720 trägt einen oder mehr Fehlererkennungscodes für den Abschnitt des ersten Untersegments, der von der Zwischenschicht 720 getragen wird, und die Feinschicht 730 trägt einen oder mehr Fehlererkennungscodes für den jeweils von der Feinschicht 730 getragenen Abschnitt des ersten Teilsegments. Bei diesem Ausführungsbeispiel wird Datenschutz vorzugsweise von einem zyklischen Redundanzcode (CRC) geboten.
  • Das zweite Untersegment 7610 umfaßt auf gleiche Weise ein Datenschutzsegment 7670, vier Kanaluntersegmente (CH_4, CH_5, CH_6, CH_7), die je ein jeweiliges Untersegment 7630, 7640, 7650, 7660 des zweiten Untersegments 7610 aufweisen, und kann wahlweise ein Präfix 7620 einschließen. Das zweite Untersegment 7610 ist ähnlich gestaltet wie das Untersegment 761. Das Tonausdehnungssegment 780 ist wie das Tonsegment 760 gestaltet und ermöglicht zwei oder mehr Segmente von Ton innerhalb eines einzigen Rahmens und kann dadurch expendierte Datenkapazität im Normdatenkanal AES3 reduzieren.
  • Das Metadatensegment 750 ist wie folgt gestaltet. Derjenige Abschnitt des Metadatensegments 750, der von der Kernschicht 710 getragen ist, umfaßt ein Kopfzeilensegment 751, ein Rahmensteuersegment 752, ein Metadatenuntersegment 753 und ein Datenschutzuntersegment 754. Derjenige Abschnitt des Metadatensegments 750, der von der Zwischenschicht 720 getragen ist, umfaßt ein Zwischenmetadatenuntersegment 755 und ein Datenschutzuntersegment 757, und derjenige Abschnitt des Metadatensegments 750, der von der Feinschicht 730 getragen ist, umfaßt ein Feinmetadatenuntersegment 756 und ein Datenschutzuntersegment 758. Die Datenschutzuntersegmente 754, 757, 758 brauchen nicht zwischen den Schichten ausgerichtet zu sein; aber vorzugsweise ist jedes am Ende seiner jeweiligen Schicht oder an einem sonstigen vorherbestimmten Ort angeordnet.
  • Die Kopfzeile 751 trägt Formatdaten, die eine Programmkonfiguration und Rahmenrate anzeigen. Das Rahmensteuersegment 752 trägt Segmentdaten, welche Grenzen von Segmenten und Untersegmenten in der Synchronisierung spezifizieren, sowie Metadaten und Tonsegmente 740, 750, 760. Metadatenuntersegmente 753, 755, 756 tragen Parameterdaten, die Parameter von Kodieroperationen anzeigen, welche zum Kodieren von Audiodaten in die Kern-, Zwischen- bzw. Feinschicht 710, 720, 730 durchgeführt werden. Diese zeigen an, welche Art von Kodieroperation benutzt wird, um die jeweilige Schicht zu kodieren. Vorzugsweise wird die gleiche Art von Kodieroperation für jede Schicht angewandt, wobei die Auflösung so eingestellt ist, daß sie das relative Ausmaß der Datenkapazität in den Schichten wiedergibt. Gemäß einer Alternative ist es zulässig, Parameterdaten für Zwischen- und Feinschichten 720, 730 in der Kernschicht 720 zu tragen. Aber alle Parameterdaten für die Kernschicht 710 sind vorzugsweise nur in der Kernschicht 710 eingeschlossen, so daß die Erweiterungsschichten 720, 730 beispielsweise durch Signalleitwegschaltun gen abgestreift oder ignoriert werden können, ohne daß dies die Fähigkeit zum Dekodieren der Kernschicht 710 beeinträchtigt. Datenschutzuntersegmente 754, 757, 758 tragen einen oder mehr Fehlererkennungscodes zum Schützen der Kern-, Zwischen- bzw. Feinschicht 710, 720, 730.
  • Das Metadatenausdehnungssegment 770 ist im wesentlichen ähnlich dem Metadatensegment 750, außer daß das Metadatenausdehnungssegment 770 kein Rahmensteuersegment 752 einschließt. Die Grenzen von Segmenten und Untersegmenten in den Metadatenausdehnungs- und Tonausdehnungssegmenten 770, 780 sind durch ihre wesentliche Ähnlichkeit mit den Metadaten- und Tonsegmenten 750, 760 in Kombination mit den Segmentdaten angezeigt, welche das Rahmensteuersegment 752 im Metadatensegment 750 trägt.
  • Das wahlwesise vorgesehene Meßsegment 790 trägt Durchschnittsamplituden von im Rahmen 700 getragenen kodierten Tondaten. Insbesondere wenn das Tonausdehnungssegment 780 weggelassen ist, tragen die Bits (0~15) des Meßsegments 790 eine Darstellung einer durchschnittlichen Amplitude kodierter Tondaten, die in Bits (0~15) des Tonsegments 760 getragen sind, und Bits (16~19) bzw. (20~23) tragen Ausdehnungsdaten, die als Zwischenmeter (IM) bzw. Feinmeter (FM) bezeichnet sind. Der IM kann zum Beispiel eine durchschnittliche Amplitude von in Bits (16~19) des Tonsegments 760 getragenen kodierten Audiodaten sein, und der FM kann eine durchschnittliche Amplitude von in Bits (20~23) des Tonsegments 760 getragenen kodierten Audiodaten sein. Wenn das Tonausdehnungssegment 780 eingeschlossen ist, reflektieren die durchschnittlichen Amplituden IM und FM vorzugsweise die in den jeweiligen Schichten dieses Segments 780 getragenen kodierten Audiodaten. Das Meßsegment 790 stützt eine zweckmäßige Darstellung durchschnittlicher Tonamplitude beim Dekodieren. Typischerweise ist dies nicht wesentlich für das ordnungsgemäße Dekodieren von Tonsignalen und kann weggelassen werden, um beispielsweise Datenkapazität im AES3 Datenkanal zu sparen.
  • Das Kodieren von Audiodaten in den Rahmen 700 wird vorzugsweise unter Benutzung der skalierbaren Kodierverfahren 400 und 420 durchgeführt, die wie folgt abgewandelt werden. Für jeden der acht Kanäle werden Tonteilbandsignale empfangen. Diese Teilbandsignale werden vorzugsweise dadurch generiert, daß eine Blocktransformation an Blöcken von Abtastwerten für acht entsprechende Kanäle von Audiodaten in der Zeitdomäne angewandt wird und die Transformationskoeffizienten so gruppiert werden, daß die Teilbandsignale gebildet werden. Die Teilbandsignale sind je in Blockfließpunktform dargestellt und weisen einen Blockexponenten und eine Mantisse für jeden Koeffizienten in dem Teilband auf.
  • Der Dynamikbereich der Teilbandexponenten einer gegebenen Bitlänge kann erweitert werden, wenn man für eine Gruppe von Teilbändern einen "Hauptexponenten" benutzt. Exponenten für Teilbänder in der Gruppe werden mit einer Schwelle verglichen, um den Wert des zugehörigen Hauptexponenten zu bestimmen. Wenn jeder Teilbandexponent in der Gruppe größer ist als eine Schwelle von beispielsweise drei, wird der Wert des Hauptexponenten auf eins gesetzt, und die zugehörigen Teilbandexponenten werden um drei reduziert, ansonsten wird der Hauptexponent auf Null gesetzt.
  • Die oben kurz erörterte verstärkungsadaptive Quantisierungstechnik kann ebenfalls angewandt werden. Bei einem Ausführungsbeispiel werden Mantissen für jedes Teilbandsignal zwei Gruppen danach zugeordnet, ob sie größer sind als eine Hälfte der Größe. Mantissen, die weniger oder gleich einer Hälfte sind, werden im Wert verdoppelt, um die Anzahl Bits zu verringern, die zu ihrer Darstellung erforderlich ist. Die Quantisierung der Mantissen wird angepaßt, um diese Verdopplung auszudrücken. Mantissen können alternativ auch mehr als zwei Gruppen zugeordnet werden. Zum Beispiel können Mantissen drei Gruppen danach zugeordnet werden, ob ihre Größen zwischen 0 und 1/4, 1/4 und 1/2, 1/2 und 1 liegen, skaliert jeweils um 4, 2 und 1 und entsprechend quantisiert, um zusätzliche Datenkapazität zu sparen. Weitere Informationen sind aus der oben genannten US-Patentanmeldung zu entnehmen.
  • Für jeden Kanal werden auditorische Maskierkurven generiert. Jede auditorische Maskierkurve kann von Audiodaten mehrerer Kanäle (bei dieser Ausführung bis zu acht) und nicht nur von einem oder zwei Kanälen abhängig sein. Das skalierbare Kodierverfahren 400 wird auf jeden Kanal unter Rückgriff auf diese auditorischen Maskierkurven und mit den oben erörterten Abwandlungen der Quantisierung von Mantissen angewandt. Das iterative Verfahren 420 wird angewandt, um geeignete Quantisierungsauflösungen zum Kodieren jeder Schicht zu bestimmen. Bei diesem Ausführungsbeispiel ist der Kodierbereich als etwa –144 dB bis etwa +48 dB in Bezug auf die entsprechende auditorische Maskierkurve spezifiziert. Dann wird das durch die Verfahren 400 und 420 generierte resultierende erste kodierte Signal sowie das erste und zweite Restsignal analysiert, um verbotene Musterschlüssel KEY1_C, KEY1_I, KEY1_F für das erste Untersegment 761 (und ähnlich für das zweite Untersegment 7610) des Tonsegments 760 zu bestimmen.
  • Für den ersten Rahmen des Multikanaltons werden Steuerdaten für das Metadatensegment 750 generiert. Steuerdaten für das Metadatenausdehnungssegment 770 werden für einen zweiten Rahmen des Multikanaltons auf ähnliche Weise generiert, außer daß die Segmentinformation für den zweiten Rahmen weggelassen wird. Diese werden jeweils modifiziert durch jeweilige verbotene Musterschlüssel, wie oben erwähnt, und in das Metadatensegment 750 bzw. das Metadatenausdehnungssegment 770 ausgegeben.
  • Das oben beschriebene Verfahren wird auch an einem zweiten Rahmen von acht Tonkanälen durchgeführt und generierte, kodierte Signale werden auf ähnliche Weise in das Tonausdehnungssegment 780 ausgegeben. Steuerdaten werden für den zweiten Rahmen des Multikanaltons auf im wesentlichen die gleiche Weise wie für den ersten Rahmen generiert, außer daß für den zweiten Rahmen keine Segmentdaten generiert werden. Die Steuerdaten werden in das Metadatenausdehnungssegment 770 ausgegeben.
  • Ein Synchronisiermuster wird in Bits (0~15) des Synchronisiersegments 740 ausgegeben. Die vier Bit breiten Fehlererkennungscodes werden jeweils für die Zwischen- und Feinschicht 720, 730 generiert und jeweils in Bits (16~19) und Bits (20~23) des Synchronisiersegments 740 ausgegeben. Bei diesem Ausführungsbeispiel führen Fehler in den Augmentationsdaten typischerweise zu feinen hörbaren Effekten, und infolgedessen ist es von Vorteil, die Fehlererkennung auf Codes von vier Bits pro Erweiterungsschicht zu begrenzen, um Datenkapazität in dem Normdatenkanal AES3 zu sparen.
  • Gemäß der vorliegenden Erfindung können die Fehlererkennungscodes vorherbestimmte Werte, beispielsweise "0001" haben, die nicht vom Bitmuster der geschützten Daten abhängen. Eine Fehlererkennung erfolgt durch Inspizieren des Fehlererkennungscodes, um festzustellen, ob der Code selbst korrumpiert wurde. Wenn das der Fall ist, wird davon ausgegangen, daß weitere Daten in der Schicht korrumpiert sind, und es wird entweder eine weitere Kopie der Daten erhalten oder der Fehler stummgeschaltet. Ein bevorzugtes Ausführungsbeispiel spezifiziert mehrfache vorherbestimmte Fehlererkennungscodes für jede Erweiterungsschicht. Diese Codes zeigen auch die Konfiguration der Schicht an. Ein erster Fehlererkennungscode, beispielsweise "0101" zeigt an, daß die Schicht eine vorherbestimmte Konfiguration, beispielsweise eine ausgerichtete Konfiguration hat. Ein zweiter Fehlererkennungscode, beispielsweise "1001" zeigt an, daß die Schicht eine gestörte Konfiguration hat, und daß Zeiger oder sonstige Daten in das Metadatensegment 750 oder einen anderen Ort ausgegeben werden, um das Verteilungsmuster von Daten in der Schicht anzuzeigen. Es besteht geringe Wahrscheinlichkeit, daß ein Code beim Übertragen, um den anderen zu erhalten, korrumpiert werden könnte, denn es müssen zwei Bits des Codes korrumpiert werden, ohne daß die restlichen Bits korrumpiert werden. Das Ausführungsbeispiel ist folglich im wesentlichen immun gegenüber Einzelbit-Übertragungsfehlern. Außerdem hat irgendein Fehler beim Dekodieren von Erweiterungsschichten typischerweise höchstens einen kaum hörbaren Effekt.
  • Bei einem alternativen Ausführungsbeispiel der vorliegenden Erfindung werden andere Formen statistischen Kodierens auf die Kompression von Audiodaten angewandt. Bei einem alternativen Ausführungsbeispiel generiert beispielsweise ein 16-Bit statistisches Kodierverfahren komprimierte Audiodaten, die auf einer Kernschicht ausgegeben werden. Dies wird wiederholt für das Datenkodieren mit höherer Auflösung, um ein versuchsweise kodiertes Signal zu generieren. Das versuchsweise kodierte Signal wird mit den komprimierten Audiodaten kombiniert, um ein Versuchsrestsignal zu generieren. Dies wird nach Bedarf wiederholt, bis das Versuchsrestsignal die Datenkapazität einer ersten Erweiterungsschicht wirksam nutzt, und das Versuchsrestsignal wird auf eine erste Erweiterungsschicht ausgegeben. Dies wird für eine zweite Schicht oder mehrere zusätzliche Erweiterungsschichten wiederholt, indem wiederum die Auflösung des statistischen Kodierens vergrößert wird.
  • Bei Durchsicht der Anmeldung werden dem Fachmann verschiedene Abwandlungen und Änderungen der vorliegenden Erfindung klar werden. Derartige Abwandlungen und Änderungen sind von der vorliegenden Erfindung vorgesehen, die allein durch die folgenden Ansprüche begrenzt ist.

Claims (23)

  1. Skalierbares Kodierverfahren unter Verwendung eines Normdatenkanals (300; 701), der eine Kernschicht (310; 710) und eine Erweiterungsschicht (320; 720) hat, umfassend: Empfangen einer Vielzahl von Teilbandsignalen; Bestimmen einer jeweiligen ersten Quantisierungsauflösung für jedes Teilbandsignal in Abhängigkeit von einem ersten gewünschten Rauschspektrum und Quantisieren jedes Teilbandsignals entsprechend der jeweiligen ersten Quantisierungsauflösung, um ein erstes kodiertes Signal zu generieren; Bestimmen einer jeweiligen zweiten Quantisierungsauflösung für jedes Teilbandsignal in Abhängigkeit von einem zweiten gewünschten Rauschspektrum und Quantisieren jedes Teilbandsignals entsprechend der jeweiligen zweiten Quantisierungsauflösung, um ein zweites kodiertes Signal zu generieren; Generieren eines Restsignals, welches einen Rest zwischen dem ersten und zweiten kodierten Signal anzeigt; und Ausgeben des ersten kodierten Signals in der Kernschicht und des Restsignals in der Erweiterungsschicht.
  2. Verfahren nach Anspruch 1, bei dem das erste gewünschte Rauschspektrum in Abhängigkeit von gemäß psychoakustischen Grundsätzen bestimmten Gehör-Maskiereigenschaften der Teilbandsignale festgelegt wird.
  3. Verfahren nach Anspruch 1, bei dem die ersten Quantisierungsauflösungen in Abhängigkeit von Teilbandsignalen bestimmt werden, die entsprechend solchen ersten Quantisierungsauflösungen quantisiert sind, welche ein Datenkapazitätserfordernis der Kernschicht (310; 710) erfüllen.
  4. Verfahren nach Anspruch 1, bei dem das erste kodierte Signal und das Restsignal in ausgerichteter Konfiguration ausgegeben werden.
  5. Verfahren nach Anspruch 1, bei dem zusätzliche Daten ausgegeben werden, um ein Konfigurationsmuster des Restsignals in Bezug auf das erste kodierte Signal anzugeben.
  6. Verfahren nach Anspruch 1, bei dem das zweite gewünschte Rauschspektrum gegenüber dem ersten gewünschten Rauschspektrum um einen im wesentlichen gleichförmigen Betrag versetzt ist, und bei dem ein Hinweis auf den im wesentlichen gleichförmigen Betrag in dem Normdatenkanal (300; 701) ausgegeben wird.
  7. Verfahren nach Anspruch 1, bei dem das erste kodierte Signal eine Vielzahl von Skalierungsfaktoren aufweist und bei dem das Restsignal durch die Skalierungsfaktoren des ersten kodierten Signals repräsentiert wird.
  8. Verfahren nach Anspruch 1, bei dem ein auf eine jeweilige zweite Quantisierungsauflösung quantisiertes Teilbandsignal durch einen skalierten Wert wiedergegeben wird, der eine Folge von Bits aufweist, und bei dem das auf eine jeweilige erste Quantisierungsauflösung quantisierte Teilbandsignal von einem anderen skalierten Wert wiedergegeben wird, der eine Unterfolge der Bits aufweist.
  9. Skalierbares Kodierverfahren, welches einen Normdatenkanal (300; 701) nutzt, der eine Vielzahl von Schichten (310, 320; 710, 720) besitzt, umfassend: Empfangen einer Vielzahl von Teilbandsignalen; Generieren einer perzeptuellen Kodierung und einer zweiten Kodierung der Teilbandsignale; Generieren eines Restsignals, welches einen Rest der zweiten Kodierung in bezug auf die perzeptuelle Kodierung angibt; und Ausgeben der perzeptuellen Kodierung in einer ersten Schicht (310; 710) und des Restsignals in einer zweiten Schicht (320; 720).
  10. Verfahren nach Anspruch 9, ferner umfassend: Generieren einer dritten Kodierung der Teilbandsignale; Generieren eines zweiten Restsignals, welches einen Rest der dritten Kodierung in bezug auf die perzeptuelle Kodierung oder/und die zweite Kodierung angibt; und Ausgeben des zweiten Restsignals in einer dritten Schicht (330; 730).
  11. Verfahren nach Anspruch 9, bei dem die erste Schicht (310; 710) eine 16 Bit breite Schicht des Datenkanals (300; 701) ist, und die zweite (320; 720) und dritte (330; 730) Schicht je eine 4 Bit breite Schicht des Datenkanals (300; 701) sind.
  12. Verfahren nach Anspruch 9, ferner umfassend: Generieren von Fehlererkennungsdaten, welche die Konfiguration des Restsignals in bezug auf die perzeptuelle Kodierung angeben; und Ausgeben der Fehlererkennungsdaten im Normdatenkanal (300; 701).
  13. Verfahren nach Anspruch 9, ferner umfassend: Generieren einer Folge von Bits; Ausgeben der Folge von Bits im Normdatenkanal (300; 701); Empfangen einer Folge von Bits entsprechend der ausgegebenen Folge von Bits an einem Empfänger; Analysieren der empfangenen Folge von Bits zum Bestimmen, ob sie zu der generierten Folge von Bits paßt; und Bestimmen aufgrund der Analyse, ob von der perzeptuellen Kodierung oder dem Restsignal eines einen Übertragungsfehler enthält.
  14. Verfahren nach Anspruch 9, bei dem die zweite Kodierung in Abhängigkeit von der Datenkapazität der Vereinigung der ersten (310; 710) und zweiten (320; 720) Schicht generiert wird.
  15. Skalierbares Dekodierverfahren mit Hilfe eines Normdatenkanals (300; 701), der eine Kernschicht (310; 710) und eine Erweiterungsschicht (320; 720) besitzt, umfassend: Erhalten erster Steuerdaten von der Kernschicht und zweiter Steuerdaten von den Erweiterungsschicht; Verarbeiten der Kernschicht entsprechend den ersten Steuerdaten, um ein erstes kodiertes Signal zu erhalten, das durch Quantisieren von Teilbandsignalen entsprechend ersten Quantisierungsauflösungen generiert wurde, die in Abhängigkeit von einem ersten gewünschten Rauschspektrum bestimmt wurden; Verarbeiten der Erweiterungsschicht entsprechend den zweiten Steuerdaten, um ein Restsignal zu erhalten, das einen Rest zwischen dem ersten kodierten Signal und einem zweiten kodierten Signal anzeigt, welches durch Quantisieren von Teilbandsignalen entsprechend jeweiligen zweiten Quantisierungsauflösungen generiert wurde, die in Abhängigkeit von einem zweiten gewünschten Rauschspektrum bestimmt wurden; Dekodieren des ersten kodierten Signals entsprechend den ersten Steuerdaten, um eine Vielzahl erster, entsprechend den ersten Quantisierungsauflösungen quantisierter Teilbandsignale zu erhalten; Erhalten einer Vielzahl zweiter, entsprechend den zweiten Quantisierungsauflösungen quantisierter Teilbandsignale durch Kombinieren der Vielzahl erster Teilbandsignale mit dem Restsignal; und Ausgeben der Vielzahl zweiter Teilbandsignale.
  16. Verfahren nach Anspruch 15, bei dem die zweiten Steuerdaten einen Versatz zwischen dem ersten gewünschten Rauschspektrum und dem zweiten gewünschten Rauschspektrum darstellen.
  17. Verfahren nach Anspruch 15 oder 16, bei dem Daten in der Kernschicht (310; 710) jeweilige Teilbandsignale in einer blockskalierten Form darstellen, die einen Skalierungsfaktor und einen oder mehr skalierte Werte aufweisen, und bei dem die Skalierungsfaktoren von der Kernschicht auch für von der Erweiterungsschicht (320; 720) erhaltene Teilbandsignale benutzt werden.
  18. Verfahren nach Anspruch 17, bei dem die Skalierungsfaktoren an im voraus festgelegten Positionen innerhalb von in der Kernschicht (310; 710) übermittelten Rahmen von Daten kodiert werden.
  19. Verfahren nach Anspruch 17 oder 18, bei dem das erste und zweite gewünschte Rauschspektrum in Abhängigkeit von den Skalierungsfaktoren erzeugt wird.
  20. Verfahren nach einem der Ansprüche 17 bis 19, bei dem kodierte Werte von Orten in den in der Kernschicht (310; 710) und Erweiterungsschicht (320; 720) empfangen Daten analysiert werden, welche anhand der von der Kernschicht erhaltenen Skalierungsfaktoren bestimmt werden.
  21. Verarbeitungssystem (100; 150) für einen Normdatenkanal (300; 701), welcher eine Kernschicht (310; 710) und eine Erweiterungsschicht (320; 720) besitzt, aufweisend: eine Speichereinheit (120; 154), die ein Programm von Anweisungen speichert; und einen programmgesteuerten Prozessor (110; 152), der mit der Speichereinheit gekoppelt ist, um das Programm von Anweisungen zu empfangen und auszuführen, um ein Verfahren gemäß einem der Ansprüche 1 bis 20 auszuführen.
  22. Von einer Maschine (100; 150) lesbares Medium, welches ein Programm von Anweisungen trägt, die von der Maschine ausführbar sind, um ein Verfahren gemäß einem der Ansprüche 1 bis 20 auszuführen.
  23. Maschinenlesbares Medium, welches kodierte Toninformation trägt, die gemäß einem Verfahren nach einem der Ansprüche 1 bis 14 generiert wurde.
DE60002483T 1999-08-09 2000-08-04 Skalierbares kodierungsverfahren für hochqualitätsaudio Expired - Lifetime DE60002483T2 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US370562 1999-08-09
US09/370,562 US6446037B1 (en) 1999-08-09 1999-08-09 Scalable coding method for high quality audio
PCT/US2000/021303 WO2001011609A1 (en) 1999-08-09 2000-08-04 Scalable coding method for high quality audio

Publications (2)

Publication Number Publication Date
DE60002483D1 DE60002483D1 (de) 2003-06-05
DE60002483T2 true DE60002483T2 (de) 2004-03-25

Family

ID=23460204

Family Applications (1)

Application Number Title Priority Date Filing Date
DE60002483T Expired - Lifetime DE60002483T2 (de) 1999-08-09 2000-08-04 Skalierbares kodierungsverfahren für hochqualitätsaudio

Country Status (13)

Country Link
US (1) US6446037B1 (de)
EP (1) EP1210712B1 (de)
JP (1) JP4731774B2 (de)
KR (1) KR100903017B1 (de)
CN (1) CN1153191C (de)
AT (1) ATE239291T1 (de)
AU (1) AU774862B2 (de)
CA (1) CA2378991A1 (de)
DE (1) DE60002483T2 (de)
DK (1) DK1210712T3 (de)
ES (1) ES2194765T3 (de)
TW (1) TW526470B (de)
WO (1) WO2001011609A1 (de)

Families Citing this family (96)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19743662A1 (de) * 1997-10-02 1999-04-08 Bosch Gmbh Robert Verfahren und Vorrichtung zur Erzeugung eines bitratenskalierbaren Audio-Datenstroms
US7283965B1 (en) * 1999-06-30 2007-10-16 The Directv Group, Inc. Delivery and transmission of dolby digital AC-3 over television broadcast
NL1016478C2 (nl) * 1999-10-28 2001-11-29 Sennheiser Electronic Inrichting voor het in twee richtingen zenden van audio- en/of videosignalen.
JP4595150B2 (ja) * 1999-12-20 2010-12-08 ソニー株式会社 符号化装置および方法、復号装置および方法、並びにプログラム格納媒体
JP3468183B2 (ja) * 1999-12-22 2003-11-17 日本電気株式会社 音声再生記録装置および方法
JP4842483B2 (ja) * 1999-12-24 2011-12-21 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ マルチチャネルオーディオ信号処理装置及び方法
JP2003520512A (ja) * 2000-01-14 2003-07-02 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 伝送符号化方法及び伝送符号化装置
US7043312B1 (en) * 2000-02-17 2006-05-09 Sonic Solutions CD playback augmentation for higher resolution and multi-channel sound
JP2002016925A (ja) * 2000-04-27 2002-01-18 Canon Inc 符号化装置及び符号化方法
DE10102154C2 (de) * 2001-01-18 2003-02-13 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Erzeugen eines skalierbaren Datenstroms und Verfahren und Vorrichtung zum Decodieren eines skalierbaren Datenstroms unter Berücksichtigung einer Bitsparkassenfunktion
DE10102155C2 (de) * 2001-01-18 2003-01-09 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Erzeugen eines skalierbaren Datenstroms und Verfahren und Vorrichtung zum Decodieren eines skalierbaren Datenstroms
US7848929B2 (en) * 2001-02-06 2010-12-07 Harris Systems Limited Method and apparatus for packing and decoding audio and other data
US7020811B2 (en) * 2001-04-24 2006-03-28 Sun Microsystems, Inc. System and method for verifying error detection/correction logic
US7333929B1 (en) 2001-09-13 2008-02-19 Chmounk Dmitri V Modular scalable compressed audio data stream
JP2003250155A (ja) * 2002-02-25 2003-09-05 Ando Electric Co Ltd 動画符号評価装置及び課金システム
CN1266673C (zh) * 2002-03-12 2006-07-26 诺基亚有限公司 可伸缩音频编码的有效改进
DE10236694A1 (de) * 2002-08-09 2004-02-26 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zum skalierbaren Codieren und Vorrichtung und Verfahren zum skalierbaren Decodieren
JP3881943B2 (ja) * 2002-09-06 2007-02-14 松下電器産業株式会社 音響符号化装置及び音響符号化方法
KR101008520B1 (ko) * 2002-11-28 2011-01-14 코닌클리케 필립스 일렉트로닉스 엔.브이. 오디오 신호 코딩
KR20040060718A (ko) * 2002-12-28 2004-07-06 삼성전자주식회사 오디오 스트림 믹싱 방법, 그 장치 및 그 정보저장매체
EP1576602A4 (de) * 2002-12-28 2008-05-28 Samsung Electronics Co Ltd Verfahren und vorrichtung zum mischen eines audiostroms und informationsspeichermedium
US7277427B1 (en) * 2003-02-10 2007-10-02 Nvision, Inc. Spatially distributed routing switch
GB2400254A (en) * 2003-03-31 2004-10-06 Sony Uk Ltd Video processing
WO2004112400A1 (en) * 2003-06-16 2004-12-23 Matsushita Electric Industrial Co., Ltd. Coding apparatus, coding method, and codebook
DE10328777A1 (de) * 2003-06-25 2005-01-27 Coding Technologies Ab Vorrichtung und Verfahren zum Codieren eines Audiosignals und Vorrichtung und Verfahren zum Decodieren eines codierten Audiosignals
CN1890711B (zh) * 2003-10-10 2011-01-19 新加坡科技研究局 将数字信号编码成可扩缩比特流的方法和对可扩缩比特流解码的方法
US7809579B2 (en) * 2003-12-19 2010-10-05 Telefonaktiebolaget Lm Ericsson (Publ) Fidelity-optimized variable frame length encoding
US7725324B2 (en) * 2003-12-19 2010-05-25 Telefonaktiebolaget Lm Ericsson (Publ) Constrained filter encoding of polyphonic signals
DE102004009955B3 (de) * 2004-03-01 2005-08-11 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zum Ermitteln einer Quantisierer-Schrittweite
US7272567B2 (en) * 2004-03-25 2007-09-18 Zoran Fejzo Scalable lossless audio codec and authoring tool
DE602005003358T2 (de) * 2004-06-08 2008-09-11 Koninklijke Philips Electronics N.V. Audiokodierung
US7536302B2 (en) * 2004-07-13 2009-05-19 Industrial Technology Research Institute Method, process and device for coding audio signals
JP4771674B2 (ja) * 2004-09-02 2011-09-14 パナソニック株式会社 音声符号化装置、音声復号化装置及びこれらの方法
WO2006041055A1 (ja) * 2004-10-13 2006-04-20 Matsushita Electric Industrial Co., Ltd. スケーラブル符号化装置、スケーラブル復号装置及びスケーラブル符号化方法
US20060088093A1 (en) * 2004-10-26 2006-04-27 Nokia Corporation Packet loss compensation
JP2006126482A (ja) * 2004-10-28 2006-05-18 Seiko Epson Corp 音声データ処理装置
EP1818911B1 (de) * 2004-12-27 2012-02-08 Panasonic Corporation Tonkodierungsvorrichtung und tonkodierungsmethode
WO2006082790A1 (ja) * 2005-02-01 2006-08-10 Matsushita Electric Industrial Co., Ltd. スケーラブル符号化装置およびスケーラブル符号化方法
US9626973B2 (en) * 2005-02-23 2017-04-18 Telefonaktiebolaget L M Ericsson (Publ) Adaptive bit allocation for multi-channel audio encoding
WO2006091139A1 (en) * 2005-02-23 2006-08-31 Telefonaktiebolaget Lm Ericsson (Publ) Adaptive bit allocation for multi-channel audio encoding
US7548853B2 (en) * 2005-06-17 2009-06-16 Shmunk Dmitry V Scalable compressed audio bit stream and codec using a hierarchical filterbank and multichannel joint coding
US8270439B2 (en) * 2005-07-08 2012-09-18 Activevideo Networks, Inc. Video game system using pre-encoded digital audio mixing
FR2888699A1 (fr) * 2005-07-13 2007-01-19 France Telecom Dispositif de codage/decodage hierachique
KR100755471B1 (ko) * 2005-07-19 2007-09-05 한국전자통신연구원 가상음원위치정보에 기반한 채널간 크기 차이 양자화 및역양자화 방법
US8074248B2 (en) 2005-07-26 2011-12-06 Activevideo Networks, Inc. System and method for providing video content associated with a source image to a television in a communication network
KR100738077B1 (ko) * 2005-09-28 2007-07-12 삼성전자주식회사 계층적 오디오 부호화 및 복호화 장치와 방법
KR100754389B1 (ko) * 2005-09-29 2007-08-31 삼성전자주식회사 음성 및 오디오 신호 부호화 장치 및 방법
KR100851972B1 (ko) * 2005-10-12 2008-08-12 삼성전자주식회사 오디오 데이터 및 확장 데이터 부호화/복호화 방법 및 장치
DE602007002385D1 (de) * 2006-02-06 2009-10-22 France Telecom Verfahren und vorrichtung zur hierarchischen kodiecodierverfahren und gerät, programme und signal
EP1989706B1 (de) * 2006-02-14 2011-10-26 France Telecom Vorrichtung für wahrnehmungsgewichtung bei der tonkodierung/-dekodierung
US7835904B2 (en) * 2006-03-03 2010-11-16 Microsoft Corp. Perceptual, scalable audio compression
CN101395661B (zh) * 2006-03-07 2013-02-06 艾利森电话股份有限公司 音频编码和解码的方法和设备
JP5058152B2 (ja) * 2006-03-10 2012-10-24 パナソニック株式会社 符号化装置および符号化方法
EP1990800B1 (de) * 2006-03-17 2016-11-16 Panasonic Intellectual Property Management Co., Ltd. Skalierbare verschlüsselungsvorrichtung und skalierbares verschlüsselungsverfahren
JP4193865B2 (ja) * 2006-04-27 2008-12-10 ソニー株式会社 デジタル信号切換え装置及びその切換え方法
KR101322392B1 (ko) * 2006-06-16 2013-10-29 삼성전자주식회사 스케일러블 코덱의 부호화 및 복호화 방법 및 장치
US8706507B2 (en) * 2006-08-15 2014-04-22 Dolby Laboratories Licensing Corporation Arbitrary shaping of temporal noise envelope without side-information utilizing unchanged quantization
US20080059154A1 (en) * 2006-09-01 2008-03-06 Nokia Corporation Encoding an audio signal
WO2008056280A1 (en) * 2006-11-06 2008-05-15 Nokia Corporation Dynamic quantizer structures for efficient compression
EP3145200A1 (de) 2007-01-12 2017-03-22 ActiveVideo Networks, Inc. Mpeg-objekte und systeme und verfahren zur verwendung von mpeg-objekten
US9826197B2 (en) 2007-01-12 2017-11-21 Activevideo Networks, Inc. Providing television broadcasts over a managed network and interactive content over an unmanaged network to a client device
US9015051B2 (en) * 2007-03-21 2015-04-21 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Reconstruction of audio channels with direction parameters indicating direction of origin
US8908873B2 (en) * 2007-03-21 2014-12-09 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Method and apparatus for conversion between multi-channel audio formats
JP5355387B2 (ja) * 2007-03-30 2013-11-27 パナソニック株式会社 符号化装置および符号化方法
WO2009086174A1 (en) 2007-12-21 2009-07-09 Srs Labs, Inc. System for adjusting perceived loudness of audio signals
CN101281748B (zh) * 2008-05-14 2011-06-15 武汉大学 用编码索引实现的空缺子带填充方法及编码索引生成方法
JP4784653B2 (ja) * 2009-01-23 2011-10-05 ソニー株式会社 音声データ送信装置、音声データ送信方法、音声データ受信装置および音声データ受信方法
AR075199A1 (es) * 2009-01-28 2011-03-16 Fraunhofer Ges Forschung Codificador de audio decodificador de audio informacion de audio codificada metodos para la codificacion y decodificacion de una senal de audio y programa de computadora
US8194862B2 (en) * 2009-07-31 2012-06-05 Activevideo Networks, Inc. Video game system with mixing of independent pre-encoded digital audio bitstreams
US8538042B2 (en) 2009-08-11 2013-09-17 Dts Llc System for increasing perceived loudness of speakers
US9009037B2 (en) * 2009-10-14 2015-04-14 Panasonic Intellectual Property Corporation Of America Encoding device, decoding device, and methods therefor
US8374858B2 (en) * 2010-03-09 2013-02-12 Dts, Inc. Scalable lossless audio codec and authoring tool
CN101859569B (zh) * 2010-05-27 2012-08-15 上海朗谷电子科技有限公司 数字音频信号处理降噪的方法
US8862465B2 (en) 2010-09-17 2014-10-14 Qualcomm Incorporated Determining pitch cycle energy and scaling an excitation signal
CA2814070A1 (en) 2010-10-14 2012-04-19 Activevideo Networks, Inc. Streaming digital video between video devices using a cable television system
WO2014124377A2 (en) 2013-02-11 2014-08-14 Dolby Laboratories Licensing Corporation Audio bitstreams with supplementary data and encoding and decoding of such bitstreams
US9204203B2 (en) 2011-04-07 2015-12-01 Activevideo Networks, Inc. Reduction of latency in video distribution networks using adaptive bit rates
WO2013106390A1 (en) 2012-01-09 2013-07-18 Activevideo Networks, Inc. Rendering of an interactive lean-backward user interface on a television
US9800945B2 (en) 2012-04-03 2017-10-24 Activevideo Networks, Inc. Class-based intelligent multiplexing over unmanaged networks
US9123084B2 (en) 2012-04-12 2015-09-01 Activevideo Networks, Inc. Graphical application integration with MPEG objects
US9312829B2 (en) 2012-04-12 2016-04-12 Dts Llc System for adjusting loudness of audio signals in real time
TR201802631T4 (tr) * 2013-01-21 2018-03-21 Dolby Laboratories Licensing Corp Program Ses Şiddeti ve Sınır Meta Verilere Sahip Sesli Enkoder ve Dekoder
RU2602332C1 (ru) * 2013-01-21 2016-11-20 Долби Лабораторис Лайсэнзин Корпорейшн Перекодировка метаданных
US10275128B2 (en) 2013-03-15 2019-04-30 Activevideo Networks, Inc. Multiple-mode system and method for providing user selectable video content
US9706324B2 (en) 2013-05-17 2017-07-11 Nokia Technologies Oy Spatial object oriented audio apparatus
US9219922B2 (en) 2013-06-06 2015-12-22 Activevideo Networks, Inc. System and method for exploiting scene graph information in construction of an encoded video sequence
EP3005712A1 (de) 2013-06-06 2016-04-13 ActiveVideo Networks, Inc. Überlagerte darstellung einer benutzerschnittstelle auf quellvideoinhalten
US9294785B2 (en) 2013-06-06 2016-03-22 Activevideo Networks, Inc. System and method for exploiting scene graph information in construction of an encoded video sequence
KR102244613B1 (ko) * 2013-10-28 2021-04-26 삼성전자주식회사 Ｑｍｆ 필터링 방법 및 이를 수행하는 장치
US9788029B2 (en) 2014-04-25 2017-10-10 Activevideo Networks, Inc. Intelligent multiplexing using class-based, multi-dimensioned decision logic for managed networks
US10015612B2 (en) 2016-05-25 2018-07-03 Dolby Laboratories Licensing Corporation Measurement, verification and correction of time alignment of multiple audio channels and associated metadata
CN111656441B (zh) * 2017-11-17 2023-10-03 弗劳恩霍夫应用研究促进协会 编码或解码定向音频编码参数的装置和方法
JP7262593B2 (ja) * 2019-01-13 2023-04-21 華為技術有限公司 ハイレゾリューションオーディオ符号化
US11051115B2 (en) * 2019-06-27 2021-06-29 Olga Sheymov Customizable audio signal spectrum shifting system and method for telephones and other audio-capable devices
US11606230B2 (en) 2021-03-03 2023-03-14 Apple Inc. Channel equalization
US11784731B2 (en) * 2021-03-09 2023-10-10 Apple Inc. Multi-phase-level signaling to improve data bandwidth over lossy channels

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3639753A1 (de) 1986-11-21 1988-06-01 Inst Rundfunktechnik Gmbh Verfahren zum uebertragen digitalisierter tonsignale
NL9000338A (nl) * 1989-06-02 1991-01-02 Koninkl Philips Electronics Nv Digitaal transmissiesysteem, zender en ontvanger te gebruiken in het transmissiesysteem en registratiedrager verkregen met de zender in de vorm van een optekeninrichting.
DE4136825C1 (de) * 1991-11-08 1993-03-18 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung Ev, 8000 Muenchen, De
US5369724A (en) * 1992-01-17 1994-11-29 Massachusetts Institute Of Technology Method and apparatus for encoding, decoding and compression of audio-type data using reference coefficients located within a band of coefficients
US5253056A (en) 1992-07-02 1993-10-12 At&T Bell Laboratories Spatial/frequency hybrid video coding facilitating the derivatives of variable-resolution images
US5270813A (en) 1992-07-02 1993-12-14 At&T Bell Laboratories Spatially scalable video coding facilitating the derivation of variable-resolution images
US5253055A (en) 1992-07-02 1993-10-12 At&T Bell Laboratories Efficient frequency scalable video encoding with coefficient selection
DE4241068C2 (de) * 1992-12-05 2003-11-13 Thomson Brandt Gmbh Verfahren zum Übertragen, Speichern oder Decodieren eines digitalen Zusatzsignals in einem digitalen Tonsignal
EP0720316B1 (de) * 1994-12-30 1999-12-08 Daewoo Electronics Co., Ltd Adaptive Kodiervorrichtung für Digitaltonsignale und Bitverteilungsverfahren dafür
KR0144011B1 (ko) * 1994-12-31 1998-07-15 김주용 엠펙 오디오 데이타 고속 비트 할당 및 최적 비트 할당 방법
EP0734021A3 (de) 1995-03-23 1999-05-26 SICAN, GESELLSCHAFT FÜR SILIZIUM-ANWENDUNGEN UND CAD/CAT NIEDERSACHSEN mbH Verfahren und Vorrichtung zur Dekodierung digitaler, im MPEG-Format Layer 1 oder 2 kodierter Audiodaten
JP3139602B2 (ja) * 1995-03-24 2001-03-05 日本電信電話株式会社 音響信号符号化方法及び復号化方法
JP2776300B2 (ja) * 1995-05-31 1998-07-16 日本電気株式会社 音声信号処理回路
DE19549621B4 (de) 1995-10-06 2004-07-01 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung zum Codieren von Audiosignalen
IT1281001B1 (it) * 1995-10-27 1998-02-11 Cselt Centro Studi Lab Telecom Procedimento e apparecchiatura per codificare, manipolare e decodificare segnali audio.
JP3189660B2 (ja) * 1996-01-30 2001-07-16 ソニー株式会社 信号符号化方法
JP3344944B2 (ja) 1997-05-15 2002-11-18 松下電器産業株式会社 オーディオ信号符号化装置，オーディオ信号復号化装置，オーディオ信号符号化方法，及びオーディオ信号復号化方法
US6092041A (en) * 1996-08-22 2000-07-18 Motorola, Inc. System and method of encoding and decoding a layered bitstream by re-applying psychoacoustic analysis in the decoder
JP3622365B2 (ja) * 1996-09-26 2005-02-23 ヤマハ株式会社 音声符号化伝送方式
JP3283200B2 (ja) 1996-12-19 2002-05-20 ケイディーディーアイ株式会社 符号化音声データの符号化レート変換方法および装置
DE19706516C1 (de) 1997-02-19 1998-01-15 Fraunhofer Ges Forschung Verfahren und Vorricntungen zum Codieren von diskreten Signalen bzw. zum Decodieren von codierten diskreten Signalen
KR100261254B1 (ko) * 1997-04-02 2000-07-01 윤종용 비트율 조절이 가능한 오디오 데이터 부호화/복호화방법 및 장치
KR100261253B1 (ko) 1997-04-02 2000-07-01 윤종용 비트율 조절이 가능한 오디오 부호화/복호화 방법및 장치
JP3134817B2 (ja) * 1997-07-11 2001-02-13 日本電気株式会社 音声符号化復号装置
DE19743662A1 (de) * 1997-10-02 1999-04-08 Bosch Gmbh Robert Verfahren und Vorrichtung zur Erzeugung eines bitratenskalierbaren Audio-Datenstroms
KR100335609B1 (ko) 1997-11-20 2002-10-04 삼성전자 주식회사 비트율조절이가능한오디오부호화/복호화방법및장치
KR100335611B1 (ko) 1997-11-20 2002-10-09 삼성전자 주식회사 비트율 조절이 가능한 스테레오 오디오 부호화/복호화 방법 및 장치

Also Published As

Publication number Publication date
CA2378991A1 (en) 2001-02-15
ATE239291T1 (de) 2003-05-15
EP1210712B1 (de) 2003-05-02
EP1210712A1 (de) 2002-06-05
DK1210712T3 (da) 2003-08-11
TW526470B (en) 2003-04-01
ES2194765T3 (es) 2003-12-01
CN1153191C (zh) 2004-06-09
JP4731774B2 (ja) 2011-07-27
AU6758400A (en) 2001-03-05
US6446037B1 (en) 2002-09-03
AU774862B2 (en) 2004-07-08
KR100903017B1 (ko) 2009-06-16
WO2001011609A1 (en) 2001-02-15
KR20020035116A (ko) 2002-05-09
CN1369092A (zh) 2002-09-11
JP2003506763A (ja) 2003-02-18
DE60002483D1 (de) 2003-06-05

Similar Documents

Publication Publication Date Title
DE60002483T2 (de) Skalierbares kodierungsverfahren für hochqualitätsaudio
DE69533500T2 (de) Verfahren und vorrichtung zum kodieren und dekodieren von nachrichten
DE60204039T2 (de) Vorrichtung zur kodierung und dekodierung von audiosignalen
DE602004010885T2 (de) Audio-transkodierung
DE69524512T2 (de) Verfahren zur Aufnahme und Wiedergabe digitaler Audiosignale und Apparat dafür
DE69927505T2 (de) Verfahren zum einfügen von zusatzdaten in einen audiodatenstrom
EP1763870B1 (de) Erzeugung eines codierten multikanalsignals und decodierung eines codierten multikanalsignals
DE69432012T2 (de) Wahrnehmungsgebundene Kodierung von Audiosignalen
DE4313175C2 (de) Verfahren und Vorrichtung zum Aufzeichnen von Audiosignalen in einen Speicher mit direktem Zugriff
DE69034231T2 (de) Digitales Übertragungssystem zur Übertragung von Skalenfaktoren
DE69422343T2 (de) Gerät, verfahren und system zur komprimierung eines digitalen eingangssignals in mehr als einem kompressionsmodus
DE69534273T2 (de) Verfahren und vorrichtung zum signalkodieren, signalubertragungsverfahren und verfahren und vorrichtung zur signaldekodierung
DE69231369T2 (de) Verfahren und Einrichtung zur Audiodatenkompression
DE60214027T2 (de) Kodiervorrichtung und dekodiervorrichtung
EP1687809B1 (de) Vorrichtung und verfahren zur wiederherstellung eines multikanal-audiosignals und zum erzeugen eines parameterdatensatzes hierfür
DE69210689T2 (de) Kodierer/dekodierer für mehrdimensionale schallfelder
DE69431025T2 (de) Signalkodier- oder -dekodiergerät und Aufzeichnungsmedium
DE102004046746B4 (de) Verfahren zum Synchronisieren von Zusatzdaten und Basisdaten
DE69835990T2 (de) Audio-Codierer/-decodierer hoher Qualität
DE102005014477A1 (de) Vorrichtung und Verfahren zum Erzeugen eines Datenstroms und zum Erzeugen einer Multikanal-Darstellung
DE60020663T2 (de) Verfahren zur Formatierung eines Audiodatenstroms
DE60024729T2 (de) System und verfahren zum effizienten antialiasing im zeitbereich (tdac)
DE69822085T2 (de) Änderung der Sprachabspielgeschwindigkeit mittels Wavelet-Kodierung
DE60112407T2 (de) Verfahren und vorrichtung zur konvertierung eines audiosignals zwischen unterschiedlichen datenkompressionsformaten
DE60206269T2 (de) Editieren von audiosignalen

Legal Events

Date Code Title Description
8364 No opposition during term of opposition