DE69220885T2 - Verfahren zur Dekodierung eines Audiosignals in welchem eine andere Information unter Verwendung des Verdeckungseffektes eingefügt wurde - Google Patents

Description

• Die vorliegende Erfindung betrifft die Übertragung und den Empfang eines Audiosignals, wenn das Audiosignal in einer Übertragungseinrichtung so kodiert ist, daß es ein geeignetes Signal für den Übertragungsweg ist, so daß die digitale Information aufgrund des Maskierungseffekts des menschlichen Gehörs in dem Signal versteckt bzw. verborgen ist.
• Der heutige mehrkanalige Schall ist mehr aus der Filmbranche bekannt, weil er ein größeres Hörvergnügen bereitet als der zweikanalige Stereoschall. Deshalb muß auch beim HDTV der vierkanalige Filmschall so getreu wie möglich wiedergegeben werden. Die gegenwärtig verwendeten Fernsehsysteme, einschließlich HDTV, sind jedoch, was die Audioübertragung anbelangt, für einen zweikanaligen Stereoschall ausgelegt, bei dem die Bandbreite als solche für die Übertragung eines mehrkanaligen Schallsignals nicht ausreicht. Deshalb sollte ein vierkanaliges Schallsignal auf die eine oder andere Art so kodiert sein, daß es sich für die Übertragung auf der Übertragungsbahn eines zweikanaligen Stereosignals eignet. Darüberhinaus sollte die Kodierung so erfolgen, daß das empfangene Signal als solches mit Empfangseinrichtungen gehört werden kann, wie sie gegenwärtig in Form zweikanaliger Stereogeräte Verwendung finden. Eines dieser Kodierungsverfahren ist von W. ten Kate, L. van der Kerkhof und F. Zijderveld in der Konferenzveröffentlichung "Proc. ICASSP 90", Alberquerque, New Mexico, 3. - 6. April 1990, Seite 1097 - 110, vorgestellt worden und bezieht sich auf digitalen Audioschall tragende Zusatzinformationen. Dieses von Philips entwickelte Kodierungsverfahren ist nachstehend im einzelnen beschrieben.
• Dieses Kodierungsverfahren bedient sich zweier charakteristischer Eigenschaften des menschlichen Gehörs: der Hörschwelle und des Maskierungseffekts. Der Maskierungseffekt beinhaltet, daß es möglich ist, zu jedem Audiosignal ein weiteres, schwächeres Signal hinzuzufügen, das aufgrund des Maskierungseffekts für das menschliche Ohr nicht hörbar ist. Dieser Maskierungseffekt ist ein psychoakustischer Effekt, bei dem sich die Hörschwelle nach oben verlagert, wenn andere, niedrigere Schallwerte vorhanden sind. Der Maskierungseffekt ist am besten bei Schallen, deren Spektrumskomponenten sich in der Nähe der Komponenten des Maskierungsschalls bewegen. Bei niedrigeren Schallwerten wird die Frequenzmaskierung zunehmend schwächer. Dies gilt auch in zeitlicher Hinsicht: Der Maskierungseffekt ist am größten bei Schallwerten, die gleichzeitig gehört werden. Die Abhängigkeit des Maskierungseffekts von Zeit und Frequenz ist bei einfachen Signalen wohlbekannt. Das Vorhandensein des Maskierungseffekts kann dadurch genutzt werden, daß man zu einem Audiosignal Signale hinzufügt, die unterhalb der Hörschwelle liegen. Im allgemeinen geschieht dies dadurch, daß man ein Audiosignal abtastet und für die abgetasteten Bits, die das menschliche Ohr nicht wahrnehmen kann, andere Informationen setzt. Diese Informationen treten so an die Stelle der weniger signifikanten Bits der in digitaler Form vorliegenden Abtastung. Wird ein solches Signal wiedergegeben, so nimmt das menschliche Ohr dieses zusätzliche Signal gar nicht wahr, denn das tatsächliche, zum Hören bestimmte Signal maskiert es. Die Maskierungsfähigkeit des menschlichen Ohrs bestimmt somit, wieviele der weniger signifikanten Bits ersetzt werden können, ohne daß dies hörbar wäre. Das zusätzliche Signal kann für verschiedene Zwecke Verwendung finden. Desgleichen können, wenn ein Schallsignal komprimiert wird, die Signale unterhalb der Hörschwelle voll entfallen oder aufgespart werden, oder aber es können nur die Audiosignale übertragen werden, die für das menschliche Ohr hörbar sind. Das Prinzip dieses aus dem Stand der Technik bekannten Kodierungsverfahrens, das sich des Maskierungseffekts bedient, ist in Fig. 1 gezeigt. Ein eintreffendes Audiosignal wird abgetastet und zunächst in einer Filterbank 1 in mehrere Unterbänder unterteilt, und die Signalabtastungen der Unterbänder werden in einer Einheit 2 dezimiert. Die Unterbänder sind vorzugsweise gleich groß, so daß die Abtastfrequenz in der Dezimierungseinheit 2 jedes Unterbandes nach dem Nyqvist-Kriterium dieselbe ist. Anschließend werden die Abtastwerte eines jeden Unterbandes in aufeinanderfolgenden Zeitfenstern in der Einheit 3 in Gruppen zusammengefaßt. Die Länge eines Zeitfensters beträgt ΔT und umfaßt Abtastwerte eines jeden Unterbandes zu einem bestimmten Zeitpunkt. Dadurch bilden die gleichzeitigen Zeitfenster jedes Unterbandes immer einen Block. In einer Spektrum-Analyse-Einheit 4 wird für jeden Block ein Leistungsspektrum berechnet, und aus dem auf diese Weise erhaltenen Spektrum wird in der Einheit 5 ein Maskierungsschwellenwert bestimmt. Nachdem der Maskierungsschwellenwert bestimmt worden ist, weiß man, was die maximale Signalleistung ist, die zu dem Audiosignal eines Unterbandes in dem genannten Zeitfenster hinzugefügt werden kann. Unter der für das Audiosignal berechneten Maskierungsschwelle werden DATA- IN-Bits des Datensignals hinzuaddiert. Dies geschieht so, daß eine bestimmte Anzahl aufeinanderfolgender Bits einer Datenfolge, d.h. drei aufeinanderfolgende Bits, ein Wort bilden. Jedes Wort wird dahingehend interpretiert, daß es eine Adresse ist, die einen bestimmten Abtastwert darstellt. Im Fall von drei Bits sind daher acht Abtastwerte vorhanden. Damit stellt ein Abtastwert in digitaler Form einen vorgegebenen Spannungswert dar (den Leistungswert des Audiosignals). Die Wahl des Wortes und des hierzu äquivalenten Abtastwertes erfolgt in der Einheit 6. Die Abtastwerte sind so gruppiert, daß sie sich an den geeigneten Abtastfenstern der Unterbänder befinden, die dem Äquivalent des Abtastwerts und der Maskierungsschwelle des Abtastfensters des betreffenden Unterbandes entsprechen, und werden zu den Audiosignalabtastungen des Unterbandes in einem Addierer 7 hinzuaddiert. Nach dieser Summierung wird die Abtastfrequenz der Signale der Unterbänder in der Einheit 8 heraufgesetzt, und die Signale werden nochmals in einer Filterbank 9 zu einem Breitband-Audiosignal kombiniert, das sich im Ohr des Zuhörers genau wie das ursprüngliche Audiosignal anhört, obwohl Dateninformation zu diesem hinzuaddiert worden ist.
• Der Empfang ist im Prinzip der umgekehrte Vorgang zur Übertragung. Ein in Abtastfolgeform vorliegendes Audiosignal, das gemäß Fig. 2 eingegangen ist, wird mit Hilfe von Filtern 21 in Unterbänder unterteilt, in der Einheit 23 dezimiert und in der Einheit 23 zu Zeitfenstern T gruppiert, so daß dieselben Blöcke erzeugt werden wie bei der Übertragung. Der Inhalt eines Zeitfensters eines Unterbandes wird in einer Spektrum-Analyseeinheit 24 analysiert. Hieran anschließend kann die entsprechende Maskierungsschwelle in der Einheit 25 bestimmt werden. Nach Berechnung der Maskierungsschwelle kann die Dateninformation unterhalb der Maskierungsschwelle von dem Unterband getrennt werden. Schließlich wird dieselbe Adressentabelle in dem Block 28 verwendet wie in dem Übertragungsblock 6, so daß eine Umwandlung in Bits möglich ist und durch Anordnen der Bits in einer Folge die ursprüngliche Bitfolge erhalten wird.
• Die hier beschriebenen Kodierverfahren können für die Übertragung des Surround-Sounds auf einer Übertragungsbahn verwendet werden, die für die Übertragung eines zweikanaligen Stereosignals des HDTV beispielsweise wie folgt vorgesehen ist: Die ursprünglichen Audiokanäle sind mit den Buchstaben L, R, C und S gekennzeichnet. Die beiden ersteren beziehen sich auf ein Signal zur Linken und zur Rechten des Lautsprechers. C bezieht sich auf Signale, die dem Lautsprecher in der Mitte zugeführt werden und S auf die zahlreichen Signale (Surround), die zu den Lautsprechern seitlich vom Zuhörer geführt werden sollen. Zunächst werden die Signale, beispielsweise für ein neues Stereopaar, wie folgt gemischt (gematrixt):
• L' = L + 1/2 (C + S)
• R' = R + 1/2 (C + S)
• Die Surround-Information kann gespeichert werden, beispielsweise in Signalen
• H&sub1; = C und
• H&sub2; = S.
• Wenn als nächstes mit Bezug auf Fig. 1 und die zugehörige Beschreibung ein Signal L' in den Audioeingang eingespeist wird, so kann gemäß der Lehre des gegenwärtigen Verfahrens ein Surround-Informationssignal H hinzusummiert werden. Dasselbe gilt für die Signale R' und H&sub2;. Hierdurch kann ein vierkanaliges Stereosignal auf einen normalen Stereokanal aufkodiert werden.
• In dem Empfänger kann die in dem zweikanaligen Stereogerät verborgene Surround-Information herausgezogen werden, und das vierkanalige Stereosignal L'', R'', C'' und S'' wird dadurch erhalten, daß man die Mischung
• L'' = L' - 1/2 (H&sub1; + H&sub2;)
• R'' = R' - 1/2 (H&sub1; + H&sub2;)
• C'' = H&sub1;
• S'' = H&sub2;
• entfernt (dematrixiert).
• Wird der Teil der C- und S-Signale, die in dem linken und rechten Kanal verborgen sind, nicht entfernt, so ist das Signal nicht ganz dasselbe wie das ursprüngliche; jedoch ist der Hörer aufgrund des Maskierungseffekts nicht in der Lage, den Unterschied zu erkennen. Da das Format des Signals auf der Übertragungsbahn zumindest in der Theorie mit dem Format (beispielsweise NICAM) des Audiosignals der HDTV-Übertragungsbahn identisch gestaltet werden kann, ist das obige Signal kompatibel, und die vorhandenen Empfänger können zur Wiedergabe des zweikanaligen Stereoeffekts verwendet werden, oder aber es können zusätzliche Schaltungen Verwendung finden, um das Surround-Sound-Signal wiederzugeben.
• Das vorstehend beschriebene Verfahren des Standes der Technik bringt gewisse Nachteile mit sich. Zunächst muß sowohl im Kodierer für die Übertragungseinrichtung als auch im Dekodierer des Empfängers die Hörschwelle, die sich des Maskierungseffekts des menschlichen Hörsystems bedient, anhand eines Models berechnet werden (PSM, psychoakustisches Model), das das menschliche Hörsystem als Model nachbildet. Der Kodierer und der Dekodierer arbeiten daher unabhängig voneinander. Folglich sind die Dekoder aufwendig und der Empfänger teuer. Nachdem sowohl im Kodierer als auch im Dekodierer PSM in quantisierter Form verwendet wird, sind die Quantisierungsauflösungen unterschiedlich, was zu einer Verzerrung in dem wiedergegebenen Audiosignal führt, das für das menschliche Ohr hörbar ist und dem Geräusch von Wassertropfen ähnelt. Dies kann durch ein verbessertes PSM gemindert werden, wodurch sich jedoch der Preis für den Empfänger erhöht. Darüberhinaus kann es manchmal unmöglich sein - nachdem die Information, die zu einem Maskierungssignal hinzuaddiert werden kann, kontinuierlich variiert - die Information in dem erforderlichen Maß zu kodieren, da, wenn zuviel Information hinkommt, dies zu einer Klangverzerrung führt. Der Betrag der zu kodierenden Information kann durch die Verwendung eines komplizierten PSM etwas erhöht werden, was aber eine Preiserhöhung bedeutet. Somit schränkt das Verfahren des Standes der Technik in gewisser Weise die Verwendung komplizierterer PSMs ein. Es treten Fehler beim Empfang auf, die nicht nur durch den Übertragungskanal verursacht werden sondern auch durch das verwendete Dekodierverfahren.
• Aufgabe der vorliegenden Erfindung ist es, das bekannte, vorstehend beschriebene Verfahren des Standes der Technik so zu verbessern, daß die obigen Nachteile eliminiert werden. Nach den Ansprüchen 1 und 6 sollen, damit ein auf einem Stereokanal übertragenes Audiosignal und die darin verborgenen Informationsdaten durch Verwendung von durch einen Kodierer übertragener Steuerungsinformation voneinander getrennt werden, diese auf einem getrennten Kanal empfangen werden.
• Erfindungsgemäß wird die Information verwendet, die von einem Kodierer des Systems des Standes der Technik geliefert wird. Diese Art der Information enthält Daten über den Datenmodus, Information zur Quantisierung und Dematrixierungsinformation. Diese Information wird über einen getrennten Seitenkanal zusammen mit den Audiosignalen an einen Empfänger übertragen, der, gesteuert durch die Seitenkanalinforniation, das erhaltene zweikanalige Stereosignal verarbeiten und umwandeln kann, beispielsweise in ein mehrkanaliges Schallsignal. Insofern arbeitet der Dekoder des Empfängers gesteuert durch den Kodierer der Übertragungseinrichtung, d. h. als Unterkodierer.
• Die vorliegende Erfindung wird nachstehend anhand der beigefügten schematischen Figuren beschrieben. In diesen zeigt
• Fig. 1 einen Kodierer, der in dem Verfahren des Standes der Technik verwendet wird,
• Fig. 2 den Dekodierer des Standes der Technik, und
• Fig. 3 zeigt das Prinzip des erfindungsgemäßen Verfahrens.
• Die Figuren 1 und 2 sind die gleichen wie bei dem Verfahren des Standes der Technik und sind bereits vorstehend beschrieben worden. Fig. 3 zeigt einen Dekodierblock mit dem Bezugszeichen 31, der in seinen wesentlichen Teilen dem in Fig. 1 gezeigten Kodierblock ähnlich sein kann. Der Kodierer kombiniert das eingehende mehrkanalige Audiosignal zu einem kombinierten Stereosignal und "verbirgt" in diesem mit Hilfe des Maskierungseffekts ein Datensignal. Informationen über Datenmodus, Quantisierung und Matrixierung sind von dem Kodierer erhältlich. Der Datenmodus zeigt die speziellen Schritte auf, die durchgeführt werden müssen, um die Übertragungskapazität der verborgenen Daten zu maximieren. Sie umfassen z.B. Informationen dahingehend, daß in bestimmten Kanälen im Vergleich zu dem Pegel anderer Kanäle kein Signal enthalten ist, wodurch diese Kanäle nach der Dekodierung gedämpft werden können. Insgesamt beinhaltet der Modus die Verarbeitung der speziellen Fälle, die für die Kodierung des Signals erforderlich sind, soweit sie nicht im normalen Mischbereich enthalten sind. Die Quantisierungsdaten enthalten Informationen bezüglich der Quantisierungsschritte des Maskierungssignals sowie des zu maskierenden (zu verbergenden) Signals und der Anzahl der Bits, als auch bezüglich der Maskierungsschwelle, die für die Zeitintervalle jedes Unterbandes wie vorstehend beschrieben berechnet worden sind. Die Matrixierungsdaten enthalten Informationen darüber, wie das ursprüngliche mehrkanalige Audiosignal heruntergemischt worden ist. Kurz, alle Informationen können von dem Kodierer hergeleitet werden, mit dem die Kodierung erfolgen kann. Das von dem Kodierer erhaltene kombinierte Stereosignal , das in diesem "verborgen" gewesen ist, wird zur Übertragung auf einer Radiobahn einem zu verwendenden Audiokanal angepaßt, beispielsweise dem NICAM-Format. Gleichzeitig werden die vorstehend aufgeführten Daten, die für die Dekodierung erforderlich sind, auf einem getrennten, mit geringer Geschwindigkeit arbeitenden digitalen Kanal übertragen. Können die in einem Audiokanal zu verbergenden Daten zu einem bestimmten Zeitpunkt nicht auf einem Audiokanal empfangen werden, d.h. reicht der "Maskierungseffekt" des Audiosignals nicht aus, so kann die Übertragung der betreffenden Daten auf dem getrennten Datenkanal erfolgen. Die hierbei übertragene Information könnte als Seiteninformation gezeichnet werden, da sie von der Seite des tatsächlichen Audiokanals übertragen wird.
• Im Empfänger empfängt der Dekoder 32 das Audiokanalsignal und die Seiteninformation des Datenkanals, in dem, gesteuert durch die übertragene Dekodierungsinformation, er in die Lage versetzt wird, das Signal des Audiokanals zu dekodieren und die darin verborgenen Daten zu trennen. Gesteuert durch die Matrixierungsdaten kann er des weiteren ein mehrkanaliges Schall-Signal erzeugen.
• Verglichen mit dem Verfahren des Standes der Technik weist die vorliegende Erfindung eine Reihe von Vorteilen auf. Die psychoakustische Modellierung (PSM) ist beim Dekodierer des Empfängers nicht erforderlich; die Dekodierung und Dematrixierung gestalten sich erheblich einfacher. Da der Kodierer vom Dekodierer unabhängig ist, kann in ihm das komplizierte PSM-Verfahren Verwendung finden. Darüber hinaus ermöglicht ein getrennter Datenkanal auch dann die Übertragung, wenn die Maskierungskapazität des Audiosignals nicht ausreicht. Die Ausstattung des Dekodierers mit Siliciumoxid ist ebenfalls erheblich vereinfacht. Da der Dekodierer die Quantisierungsdaten vom Kodierer erhält, entstehen keine Schmalbandverzerrungen aufgrund von fehlerhaften Quantisierungsauflösungen, was ein großer Vorteil ist. Verzerrungen aufgrund fehlerhafter Auflösungen, wie beim bekannten Verfahren, sind ein Mangel, der deutlich hörbar ist. Der für die Übertragung der Seiteninformation zu verwendende Datenkanal kann langsam arbeiten. Es wird geschätzt, daß 16 kb/s ausreichen. Darüberhinaus können Daten, die auf diesem übertragen werden sollen, komprimiert und geschützt werden. Schließlich ist noch zu bemerken, daß, nachdem der Empfänger unter Steuerung durch die Übertragungseinrichtung arbeitet, der Kodierer der Übertragungseinrichtung ohne weiteres modifiziert werden kann, ohne daß in dem Empfänger irgendwelche Veränderungen vorgenommen werden müssen, und es möglich ist, frei zu wählen, welche Daten auf Audiokanal und welche auf Datenkanal übertragen werden sollen. Dies wird erwähnt, weil die Übertragungseinrichtung (d.h. die Bedienungsperson des Systems) den Dekoder steuert. Das erfindungsgemäße System eignet sich besonders gut zur Übertragung des Surround- Sounds in einem Fernsehsystem, in dem eine digitale Schall- Übertragung Verwendung findet. Eine vorteilhafte Verwendungsform ist das HDTV-System.

Claims (11)

1. Verfahren zum Kombinieren eines Audiosignals und eines Datensignals in einem Codierer und zur Übertragung desselben in einem Audiokanal, wobei im Codierer

- ein Audiosignal, das in Form einer Abtastfolge hereinkommt, in Unterbänder unterteilt wird,

- ein Maskierschwellenwert gleichzeitig in jedem Unterband für eine Abtastgruppe gleicher Größe berechnet wird, wobei Schalle unter dem Schwellenwert für das menschliche Ohr nicht hörbar sind,

- die Bits der Abtastungen, die unter dem Maskierschwellenwert bleiben, durch die Bits des Datensignals ersetzt werden und

- die Unterbänder kombiniert werden, wodurch ein kombiniertes Signal zur Übertragung im Audiokanal erhalten wird,

dadurch gekennzeichnet, daß die gesamte Information, die zum Wiedertrennen des kombinierten Signals benötigt wird, im Codierer gesammelt wird, wobei die Information in Form von Seiteninformation gleichzeitig auf einem separaten Datenkanal zusammen mit dem kombinierten Signal übertragen wird.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß lediglich Quantisierungsdaten des Audiosignals als Seiteninformation übertragen wird.

3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Seiteninformation die Daten betreffend den Datenmodus zur Erläuterung der Vorkehrungen zum Maximieren der Menge versteckter Daten sowie rekonstruierte Daten des Datensignals aufweist.

4. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Seiteninformation auch einen Teil der Information des Datensignals enthält.

5. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Seiteninformation auch Dematrixierungsdaten enthält, wenn das Audiosignal ein Signal ist, das durch Matrixbildung aus einem Surround-Sound-Signal erzeugt wurde.

6. Verfahren zum Trennen eines kombinierten Audio- und Datensignals, das nach dem Verfahren nach Anspruch 1 gewonnen wurde, in einem Decodierer, wobei

- das in Abtastfolgeform einlaufende kombinierte Signal in Unterbänder unterteilt wird,

- die unter dem Maskierungsschwellenwert bleibenden Bits aus dem Audiosignal herausgetrennt werden, und

- die herausgetrennten Bits kombiniert werden, wodurch man ein Datensignal erhält, das in einem Audiokanal übertragen wird,

dadurch gekennzeichnet, daß die Information, die zum Trennen des Datensignals vom Audiosignal benötigt wird, in einem getrennten Datenkanal in Form von Seiteninformation empfangen wird, wodurch der Decoder den Trennvorgang gesteuert durch den Codierer ausführt.

7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, daß lediglich Quantisierungsdaten des Audiosignals als Seiteninformat ion empfangen werden.

8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, daß in der empfangenen Seiteninformation Informationen bezüglich des Datenmodus sowie der Rekonstruktion des Datensignals enthalten sind.

9. Verfahren nach Anspruch 7, dadurch gekennzeichnet, daß die empfangene Seiteninformation auch einen Teil der Information betreffend das Datensignal enthält.

10. Verfahren nach Anspruch 7, dadurch gekennzeichnet, daß dann, wenn das Audiosignal ein Signal ist, das durch Matrixbildung aus einem mehrkanaligen Schallsignal gewonnen wurde, auch die Dematrixierungs-Information in der Seiteninformation enthalten ist.

11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß es zur Übertragung eines Surround-Sound-Signals in einem Fernsehsystem, in dem digitale Schallübertragung verwendet wird, verwendet wird.