RU2485605C2 - Improved method for coding and parametric presentation of coding multichannel object after downmixing - Google Patents

Improved method for coding and parametric presentation of coding multichannel object after downmixing Download PDF

Info

Publication number
RU2485605C2
RU2485605C2 RU2011102416A RU2011102416A RU2485605C2 RU 2485605 C2 RU2485605 C2 RU 2485605C2 RU 2011102416 A RU2011102416 A RU 2011102416A RU 2011102416 A RU2011102416 A RU 2011102416A RU 2485605 C2 RU2485605 C2 RU 2485605C2
Authority
RU
Russia
Prior art keywords
audio
parameters
channels
matrix
output
Prior art date
Application number
RU2011102416A
Other languages
Russian (ru)
Other versions
RU2011102416A (en
Inventor
Йонас ЭНГДЕГАРД
Ларс ВИЛЛЕМОЕС
Хайко ПУРНАГЕН
Барбара Реш
Original Assignee
Долби Свиден АБ,
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 Долби Свиден АБ, filed Critical Долби Свиден АБ,
Publication of RU2011102416A publication Critical patent/RU2011102416A/en
Application granted granted Critical
Publication of RU2485605C2 publication Critical patent/RU2485605C2/en

Links

Images

Abstract

FIELD: information technology.
SUBSTANCE: audio object encoder, designed to generate encoded object signals using a plurality of audio objects, which includes a downmixing data generator which generates downmixing parameters, having indications for the order of distribution of the plurality of audio objects on at least two downmixing channels, an audio object parameter generator which generates audio object parameters, and an output interface which generates an imported output audio signal using downmixing data and object parameters. An audio synthesiser, which uses downmixing data to generate output data, used to form a plurality of output channels for reproducing an audio signal of a given configuration.
EFFECT: facilitating upmixing on all downmixing channels.
13 cl, 18 dwg

Description

Изобретение относится к декодированию множественных объектов путем преобразования закодированного многообъектного сигнала на базе доступного многоканального понижающего микширования и вспомогательных управляющих данных.The invention relates to decoding multiple objects by converting an encoded multi-object signal based on available multi-channel down-mix and auxiliary control data.

Последние разработки в области технологии обработки звука делают возможным воссоздание многоканального аудиосигнала на базе стерео- (или моно-) сигнала и соответствующих управляющих данных. Эти методы параметрического кодирования звукового окружения обычно включают в себя параметризацию. Параметрический многоканальный аудиодекодер (например, MPEG Surround стандарта ISO/TEC 23003-1, L.Villemoes, J.Herre, J.Breebaart, G.Hotho, S.Disch, H.Pumhagen, and K.Kjorling, "MPEG Surround: The Forthcoming ISO Standard for Spatial Audio Coding," in 28th International AES Conference, The Future of Audio Technology Surround and Beyond, Pitea, Sweden, June 30-July 2, 2006; J.Breebaart, J.Herre, L.Villemoes, C.Jin,, K.Kjorling, J.Plogsties, and J.Koppens, "Multi-Channels goes Mobile: MPEG Surround Binaural Rendering," in 29th International AES Conference, Audio for Mobile and Handheld Devices, Seoul, Sept 2-4,2006) реконструирует M каналов на базе K принятых каналов, где М>K, с использованием управляющих данных. Управляющие данные представляют собой параметризацию многоканального сигнала на базе разности интенсивности сигнала между каналами (IID) и межканальной когерентности, согласованности (ICC). Как правило, такие параметры выделяются на стадии кодирования и описывают отношения мощностей и корреляцию между парами каналов используемых при повышающем микшировании. Применение такого алгоритма кодирования позволяет выполнять кодирование при скорости передачи данных, значительно более низкой, чем передача всей совокупности М каналов, при высокой эффективности кодирования и одновременной гарантии совместимости как с устройствами каналов K, так и с устройствами каналов М.Recent developments in the field of sound processing technology make it possible to recreate a multi-channel audio signal based on a stereo (or mono) signal and the corresponding control data. These methods for parametric coding of the surround sound environment typically include parameterization. Parametric multi-channel audio decoder (e.g., MPEG Surround ISO / TEC 23003-1, L. Villemoes, J. Herre, J. Breebaart, G. Hotho, S. Disch, H. Pumhagen, and K. Kjorling, "MPEG Surround: The Forthcoming ISO Standard for Spatial Audio Coding, "in the 28th International AES Conference, The Future of Audio Technology Surround and Beyond, Pitea, Sweden, June 30-July 2, 2006; J. Breebaart, J. Herre, L. Villemoes, C. Jin ,, K.Kjorling, J.Plogsties, and J.Koppens, "Multi-Channels goes Mobile: MPEG Surround Binaural Rendering," in the 29th International AES Conference, Audio for Mobile and Handheld Devices, Seoul, Sept 2-4,2006 ) reconstructs M channels based on K received channels, where M> K, using control data. The control data is a parameterization of a multi-channel signal based on the difference in signal intensity between channels (IID) and inter-channel coherence, consistency (ICC). As a rule, such parameters are distinguished at the coding stage and describe the power ratios and the correlation between the pairs of channels used in upmixing. The use of such a coding algorithm allows coding at a data rate much lower than the transmission of the entire set of M channels, with high coding efficiency and at the same time guarantee compatibility with both K channel devices and M channel devices.

Схожую систему кодирования осуществляет соответствующий кодер аудиообъекта [С.Faller, "Parametric Joint-Coding of Audio Sources," Convention Paper 6752 presented at the 120th AES Convention, Paris, France, May 20-23, 2006], [C.Faller, "Parametric Joint-Coding of Audio Sources," Patent application PCT/EP2006/050904, 2006], где несколько аудиообъектов микшируются "вниз" кодером, а позже микшируются "вверх" с использованием управляющих команд. Процесс повышающего микширования может также рассматриваться как разделение объектов, смешанных при понижающем микшировании. Полученный в результате повышающего микширования сигнал может быть преобразован для воспроизведения в одно- или многоканальный вид. Определяя точнее, упомянутые выше публикации представляют метод синтеза звуковых каналов на основании результатов понижающего микширования (именуемых суммарным сигналом), статистической информации об источниках и характеристик, задающих необходимый выходной формат. Если используются несколько сигналов, полученных понижающим микшированием, эти сигналы состоят из подмножеств различных объектов, и повышающее микширование должно осуществляться по каждому каналу понижающего микширования индивидуально. Новизна предлагаемого метода заключается в осуществлении повышающего микширования одновременно по всем каналам понижающего микширования. Методы кодирования объекта, представленные до настоящего изобретения, не предлагали вариант декодирования результатов понижающего микширования по нескольким каналам одновременно.A similar coding system is implemented by the corresponding encoder of an audio object [C. Faller, "Parametric Joint-Coding of Audio Sources," Convention Paper 6752 presented at the 120th AES Convention, Paris, France, May 20-23, 2006], [C. Faller, " Parametric Joint-Coding of Audio Sources, "Patent application PCT / EP2006 / 050904, 2006], where several audio objects are mixed down by the encoder and later mixed up using the control commands. The upmixing process can also be considered as the separation of objects mixed in the downmix. The signal obtained as a result of upmixing can be converted for reproduction to a single or multichannel form. Determining more precisely, the publications mentioned above present a method for synthesizing sound channels based on the results of down-mixing (referred to as the sum signal), statistical information about the sources, and characteristics that specify the required output format. If several signals obtained by down-mixing are used, these signals consist of subsets of different objects, and up-mixing should be carried out individually for each down-mixing channel. The novelty of the proposed method lies in the implementation of up-mix simultaneously on all channels of down-mix. The object coding methods presented prior to the present invention did not offer the option of decoding the downmix results on several channels simultaneously.

Первый аспект изобретения относится к кодеру аудиообъекта, генерирующему закодированный сигнал аудиообъекта с использованием совокупности аудиообъектов, включая:A first aspect of the invention relates to an audio object encoder generating an encoded audio object signal using a plurality of audio objects, including:

генератор информации (данных) понижающего микширования, генерирующий параметры распределения множества аудиообъектов, по крайней мере, по двум каналам понижающего микширования;a downmix information (data) generator generating distribution parameters of a plurality of audio objects over at least two downmix channels;

генератор параметров аудиообъектов и выходной интерфейс для генерирования кодированного сигнала аудиообъекта с использованием характеристик понижающего микширования и параметров объекта.an audio object parameter generator and an output interface for generating an encoded audio object signal using downmix characteristics and object parameters.

Второй аспект изобретения относится к методу кодирования аудиообъекта. обеспечивающему генерирование кодированного сигнала аудиообъекта с использованием совокупности аудиообъектов, включая:A second aspect of the invention relates to a method for encoding an audio object. generating a coded signal of an audio object using a combination of audio objects, including:

генерирование данных понижающего микширования, характеризующих порядок распределения совокупности аудиообъектов, по крайней мере, по двум каналам понижающего микширования;generating down-mix data characterizing the distribution order of a plurality of audio objects over at least two down-mix channels;

генерирование параметров аудиообъектов и генерирование кодированных сигналов аудиообъекта с использованием данных понижающего микширования и параметров объекта.generating parameters of audio objects and generating encoded signals of an audio object using downmix data and object parameters.

Третий аспект изобретения относится к звуковому синтезатору (аудиосинтезатору), генерирующему выходные данные с использованием кодированного сигнала аудиообъекта, включая:A third aspect of the invention relates to a sound synthesizer (audio synthesizer) generating output using an encoded audio object signal, including:

синтезатор выходных данных, используемых для представления множества выходных каналов с заданной конфигурацией выходного аудиосигнала, отображающего совокупность аудиообъектов, где синтезатор выходных данных распознает характеристики понижающего микширования для распределения множества аудиообъектов, по крайней мере, по двум каналам понижающего микширования и параметры аудиообъекта.an output synthesizer used to represent a plurality of output channels with a given configuration of an output audio signal representing a plurality of audio objects, where the output synthesizer recognizes down-mix characteristics for distributing a plurality of audio objects over at least two down-mix channels and audio object parameters.

Четвертый аспект изобретения относится к методу синтезирования звука, позволяющего генерировать выходные данные с использованием кодированного сигнала аудиообъекта, включая:A fourth aspect of the invention relates to a method for synthesizing sound, which allows generating output using an encoded signal of an audio object, including:

генерирование выходных данных для формирования множества выходных каналов с заданной конфигурацией выходного аудиосигнала, отображающей совокупность аудиообъектов, с применением синтезатора выходных данных, способным считывать характеристики понижающего микширования для распределения множества аудиообъектов, по крайней мере, по двум каналам понижающего микширования и параметры аудиообъекта.generating output data for generating a plurality of output channels with a given configuration of an output audio signal representing a plurality of audio objects using an output synthesizer capable of reading down-mix characteristics to distribute a plurality of audio objects over at least two down-mix channels and audio object parameters.

Пятый аспект изобретения относится к кодированному сигналу аудиообъекта, содержащему характеристики понижающего микширования, указывающие порядок распределения множества аудиообъектов, по крайней мере, по двум каналам понижающего микширования, и параметры объектов, позволяющие реконструировать аудиообъекты с использованием параметров объектов и, по крайней мере, двух каналов понижающего микширования.A fifth aspect of the invention relates to an encoded audio object signal comprising downmix characteristics indicating the distribution order of a plurality of audio objects over at least two downmix channels, and object parameters allowing reconstruction of audio objects using object parameters and at least two downmix channels mixing.

Шестой аспект изобретения относится к компьютерному программному обеспечению, предназначенному для осуществления метода кодирования аудиообъекта или метода декодирования аудиообъекта на компьютере.A sixth aspect of the invention relates to computer software for implementing a method for encoding an audio object or a method for decoding an audio object on a computer.

Далее изобретение будет представлено иллюстративным материалом, не ограничивающим его ни по форме, ни по существу, с пояснениями прилагаемых чертежей, где:Further, the invention will be presented by illustrative material, not limiting it either in form or in essence, with explanations of the accompanying drawings, where:

на фиг.1а представлена блок-схема алгоритма кодирования пространственного аудиообъекта, включая кодирование и декодирование;on figa presents a block diagram of the encoding algorithm for a spatial audio object, including encoding and decoding;

на фиг.1b представлена блок-схема алгоритма кодирования пространственного аудиообъекта с использованием декодера MPEG Surround;on fig.1b presents a block diagram of the encoding algorithm for a spatial audio object using the MPEG Surround decoder;

на фиг.2 представлен алгоритм работы кодера пространственного аудиообъекта;figure 2 presents the algorithm of the encoder spatial audio object;

на фиг.3 представлена схема алгоритма работы экстрактора (выделителя) параметров аудиообъекта в режиме дифференциации мощности;figure 3 presents a diagram of the algorithm of the extractor (separator) parameters of the audio object in the mode of power differentiation;

на фиг.4 представлена схема алгоритма работы экстрактора (выделителя) параметров аудиообъекта в режиме предсказания;figure 4 presents a diagram of the algorithm of the extractor (extractor) parameters of the audio object in the prediction mode;

на фиг.5 представлена схема устройства транскодера SAOC - MPEG Surround;figure 5 presents a diagram of the device transcoder SAOC - MPEG Surround;

на фиг.6 схематически представлены различные режимы работы понижающего микшера для понижающего микширования;figure 6 schematically shows the various modes of operation of the down-mixer for down-mixing;

на фиг.7 представлена принципиальная схема декодера MPEG Surround для нисходящего микширования стереосигнала;7 is a schematic diagram of an MPEG Surround decoder for down-mixing a stereo signal;

на фиг.8 дана схема частного случая реализации с использованием кодера SAOC;on Fig is a diagram of a special case of implementation using the SAOC encoder;

на фиг.9 представлена схема варианта осуществления кодера;Fig.9 is a diagram of an embodiment of an encoder;

на фиг.10 представлена схема варианта осуществления декодера;10 is a diagram of an embodiment of a decoder;

на фиг.11 представлена таблица оптимальных режимов работы декодера/синтезатора;figure 11 presents a table of optimal modes of operation of the decoder / synthesizer;

на фиг.12 представлена блок-схема методики расчета некоторых пространственных параметров повышающего микширования;on Fig presents a block diagram of a methodology for calculating some spatial parameters of the up-mix;

на фиг.13а представлена блок-схема методики расчета дополнительных пространственных параметров повышающего микширования;on figa presents a block diagram of a methodology for calculating additional spatial parameters up-mixing;

на фиг.13b представлена блок-схема методики расчетов с применением параметров предсказания;on fig.13b presents a block diagram of a calculation method using prediction parameters;

на фиг.14 дана общая принципиальная схема системы кодер/декодер;Fig. 14 is a general schematic diagram of an encoder / decoder system;

на фиг.15 представлена блок-схема алгоритма расчета прогностических параметров объекта; иon Fig presents a block diagram of an algorithm for calculating the prognostic parameters of the object; and

фиг.16 иллюстрирует способ стерео представления (рендеринга).Fig. 16 illustrates a stereo presentation (rendering) method.

Описанные ниже варианты осуществления изобретения являются не более чем иллюстрацией принципов усовершенствованного метода кодирования и параметрического представления кодирования многоканального объекта после понижающего микширования. Подразумевается, что для специалистов в данной области возможность внесения изменений и усовершенствований в компоновку и элементы описанной конструкции очевидна. В силу этого представленные описания и пояснения вариантов реализации изобретения ограничиваются только рамками патентных требований, но не конкретными деталями.Embodiments of the invention described below are nothing more than an illustration of the principles of an improved encoding method and a parametric representation of the encoding of a multi-channel object after downmixing. It is understood that for specialists in this field, the possibility of making changes and improvements to the layout and elements of the described construction is obvious. Therefore, the presented descriptions and explanations of the embodiments of the invention are limited only by the scope of patent requirements, but not by specific details.

Предпочтительные варианты осуществления предусматривают метод кодирования, который сочетает в себе функциональные возможности алгоритма кодирования объекта с возможностями аудио представления (аудиорендеринга) многоканального декодера. Пересылаемые управляющие данные относятся к индивидуальным объектам и в силу этого позволяют управлять при воспроизведении пространственным положением и уровнем сигнала. Таким образом, управляющая информация непосредственно связана с так называемым 'описанием сцены', дающим информацию о расположении объектов в окружающем пространстве. Описанием сцены можно управлять или со стороны декодера в интерактивном режиме со слушателем или со стороны кодера от источника звука.Preferred embodiments provide an encoding method that combines the functionality of an object encoding algorithm with the capabilities of the audio presentation (audio rendering) of a multi-channel decoder. Forwarded control data refers to individual objects and, therefore, allows you to control the spatial position and signal level during playback. Thus, the control information is directly related to the so-called 'scene description', which gives information about the location of objects in the surrounding space. The scene description can be controlled either from the decoder side in interactive mode with the listener or from the encoder side from the sound source.

Суть изобретения заключается в том, что вводится транскодер для того, чтобы преобразовать (перекодировать) относящуюся к объекту управляющую информацию и сигнал понижающего микширования в управляющие данные и сигнал понижающего микширования, предназначенные для системы воспроизведения, например, декодера MPEG Surround. В представленном методе кодирования объекты могут быть произвольно распределены по имеющимся в наличии каналам нисходящего микширования кодера. Транскодер точно использует многоканальные параметры нисходящего микширования, обеспечивая перекодированный сигнал понижающего микширования и относящиеся к объекту управляющие данные. Благодаря этому повышающее микширование на декодере выполняется не для каждого канала индивидуально, как предложено в [С.Faller, "Parametric Joint-Coding of Audio Sources," Convention Paper 6752 presented at the 120th AES Convention, Paris, France, May 20-23, 2006], а все каналы понижающего микширования обрабатываются одновременно за один процесс повышающего микширования. По новой схеме параметры многоканального понижающего микширования должны быть частью управляющих данных и кодируются кодером объекта.The essence of the invention lies in the fact that a transcoder is introduced in order to convert (transcode) the object-related control information and the down-mix signal into control data and the down-mix signal intended for a reproduction system, for example, an MPEG Surround decoder. In the presented encoding method, objects can be arbitrarily distributed over the available channels of the downstream mixing of the encoder. The transcoder accurately utilizes multi-channel down-mix parameters, providing a transcoded down-mix signal and object-related control data. Due to this, up-mixing on the decoder is not performed individually for each channel, as suggested in [C. Faller, "Parametric Joint-Coding of Audio Sources," Convention Paper 6752 presented at the 120th AES Convention, Paris, France, May 20-23, 2006], and all downmix channels are processed simultaneously in a single upmix process. According to the new scheme, the parameters of multichannel down-mixing should be part of the control data and encoded by the object encoder.

Распределение объектов по каналам понижающего микширования может выполниться автоматически, или это может быть конструктивное решение, связанное с кодером. В последнем случае систему понижающего (нисходящего) микширования можно включить в уже существующую многоканальную систему воспроизведения (например, в стереоустановку), делая упор на воспроизведение, опуская стадию перекодирования и многоканального декодирования. Это еще одно преимущество перед более ранними алгоритмами кодирования, известными из уровня техники, предусматривавшими один канал понижающего микширования или множественные каналы понижающего микширования, содержащие подмножества объектов-источников.The distribution of objects on the down-mix channels can be performed automatically, or it can be a constructive decision related to the encoder. In the latter case, the system of down (down) mixing can be included in an existing multi-channel playback system (for example, in stereo), emphasizing playback, omitting the stage of transcoding and multi-channel decoding. This is another advantage over earlier coding algorithms known in the art for a single downmix channel or multiple downmix channels containing subsets of source objects.

В то время как алгоритмы кодирования объекта известного уровня техники описывают технологию декодирования, используя исключительно единственный канал понижающего микширования, данное изобретение не имеет такого ограничения, поскольку предлагает метод одновременного декодирования материала понижающего микширования, содержащего сигналы понижающего микширования по нескольким каналам. Качество разделения объектов возрастает по мере увеличения числа каналов понижающего микширования. Таким образом, изобретение успешно заполняет пробел между алгоритмом кодирования объекта по одиночному моноканалу понижающего микширования и алгоритмом многоканального кодирования, где каждый объект передается по выделенному каналу. Таким образом, предлагаемый метод дает возможность гибкого управления качеством при разделении объектов в зависимости от предъявляемых, прикладных требований и эксплуатационных свойств системы передачи (таких, как емкость канала).While encoding algorithms of an object of the prior art describe decoding technology using only a single downmix channel, the present invention does not have such a limitation, since it offers a method for simultaneously decoding downmix material containing downmix signals on several channels. The quality of object separation increases as the number of down-mix channels increases. Thus, the invention successfully fills the gap between the object coding algorithm for a single mono channel down-mix and the multi-channel coding algorithm, where each object is transmitted on a dedicated channel. Thus, the proposed method allows flexible quality management when separating objects depending on the requirements, application requirements and operational properties of the transmission system (such as channel capacity).

В дополнение к этому, преимущество использования более чем одного канала заключается в том, что оно позволяет также принимать во внимание корреляцию между различными объектами в отличие от описания, учитывающего лишь разницу в интенсивности звуковых сигналов, как в алгоритмах кодирования объекта в более ранней практике. Более ранняя практика исходила из предпосылки, что все объекты независимы друг от друга и взаимно не согласованы (нулевая взаимная корреляция), в то время как в действительности маловероятно, что объекты не могут быть коррелированы, как, например, левый и правый каналы стереофонического сигнала. В соответствии с концепцией данного изобретения включение параметров корреляции в описание (управляющие данные) делает его более полным и таким образом способствует созданию дополнительной возможности разделения объектов. Предпочтительные варианты осуществления включают в себя, по крайней мере, один из следующих отличительных признаков.In addition, the advantage of using more than one channel is that it also allows you to take into account the correlation between different objects, as opposed to a description that takes into account only the difference in the intensity of sound signals, as in object encoding algorithms in earlier practice. Earlier practice proceeded from the premise that all objects are independent from each other and mutually inconsistent (zero cross-correlation), while in reality it is unlikely that objects cannot be correlated, such as the left and right channels of a stereo signal. In accordance with the concept of the present invention, the inclusion of correlation parameters in the description (control data) makes it more complete and thus contributes to the creation of an additional possibility of separation of objects. Preferred embodiments include at least one of the following features.

Система для передачи и создания множества отдельных аудиообъектов с использованием многоканального понижающего микширования и вспомогательных управляющих данных, описывающих эти объекты, включающая в себя:A system for transmitting and creating many separate audio objects using multi-channel down-mixing and auxiliary control data describing these objects, including:

кодер пространственных аудиообъектов, кодирующий множество аудиообъектов для многоканального понижающего микширования, информацию о многоканальном понижающем микшировании и параметры объекта; или декодер пространственных аудиообъектов, расшифровывающий данные многоканального понижающего микширования, информацию о многоканальном понижающем микшировании, параметры объекта и матрицу аудиорендеринга (матрицу представления) объекта во второй многоканальный аудиосигнал, применимый для аудиовоспроизведения.a spatial audio object encoder encoding a plurality of audio objects for multi-channel down-mix, multi-channel down-mix information and object parameters; or a spatial audio object decoder that decrypts the multi-channel down-mix data, the multi-channel down-mix information, the object parameters and the audio rendering matrix (presentation matrix) of the object into a second multi-channel audio signal suitable for audio playback.

На фиг.1а показан алгоритм кодирования пространственного аудиообъекта (SAOC), включающий в себя кодер SAOC 101 и декодер SAOC 104. Кодер пространственных аудиообъектов 101 кодирует N объектов в данные понижающего микширования объекта о K>1 аудиоканалах в соответствии с параметрами кодера. Информация о примененной весовой матрице понижающего микширования D выводится кодером SAOC вместе со вспомогательными данными относительно мощности и корреляции понижающего микширования. Матрица D часто, но не обязательно всегда, постоянна по времени и по частоте и поэтому содержит относительно мало информации. В завершение, кодер SAOC фиксирует параметры каждого объекта как частотно-временную функцию с глубиной разрешения, определяемой на основе принципов восприятия (перцептуального кодирования). Декодер пространственных аудиообъектов 104 принимает вводимые в него данные каналов понижающего микширования объектов, информацию о понижающем микшировании и параметры объектов (сгенерированные кодером) и генерирует выходные данные, содержащие М аудиоканалов для представления пользователю. Аудиорендеринг N объектов в М аудиоканалов производится посредством матрицы аудиорендеринга, представляющей собой набор параметров, вводимых пользователем в декодер SAOC.Fig. 1a shows a spatial audio object (SAOC) encoding algorithm including an SAOC encoder 101 and an SAOC decoder 104. The spatial audio object encoder 101 encodes N objects into object down-mix data about K> 1 audio channels in accordance with the encoder parameters. Information about the applied downmix weight matrix D is output by the SAOC encoder along with auxiliary data regarding the power and correlation of the downmix. Matrix D is often, but not necessarily always, constant in time and frequency and therefore contains relatively little information. Finally, the SAOC encoder captures the parameters of each object as a time-frequency function with a resolution depth that is determined based on the principles of perception (perceptual coding). The decoder of spatial audio objects 104 receives the input data of the down-mix channels of the objects, information about the down-mix, and the parameters of the objects (generated by the encoder) and generates output data containing M audio channels for presentation to the user. Audio rendering of N objects in M audio channels is performed by means of an audio rendering matrix, which is a set of parameters entered by the user into the SAOC decoder.

На фиг.1b показана блок-схема алгоритма кодирования пространственного аудиообъекта с последующим применением декодера MPEG Surround. Декодер SAOC 104, примененный в настоящем изобретении, может быть реализован в виде транскодера SAOC - MPEG Surround 102 в сочетании с декодером MPEG Surround 103 с понижающим микшированием до стереосигнала. Управляемая пользователем матрица аудиорендеринга А размерности M×N определяет заданное соотношение преобразования N объектов в М аудиоканалов. Функции этой матрицы могут зависеть как от настроек, так и от частотных показателей, и это окончательный результат наиболее дружественного интерфейса для управления аудиообъектами (куда, кроме того, извне может быть введено описание сцены). В случае применения настроек для акустической системы 5. 1, количество выходных аудиоканалов будет М=6. Задача декодера SAOC заключается в перцептуальном воссоздании исходных аудиообъектов как конечного результата аудиорендеринга. На входе транскодер SAOC - MPEG Surround 102 получает матрицу аудиорендеринга А, данные понижающего микширования объекта, результаты понижающего микширования, включая весовую матрицу понижающего микширования D, и описание объекта, и генерирует понижающее микширование стереосигнала и информацию MPEG Surround. Если транскодер реализуется в соответствии с настоящим изобретением, следующий за ним декодер MPEG Surround 103, получив на входе эти данные, на выходе дает М-канальный акустический сигнал с требуемыми характеристиками.Fig. 1b shows a block diagram of an encoding algorithm for a spatial audio object followed by the use of an MPEG Surround decoder. The SAOC 104 decoder used in the present invention can be implemented as a SAOC transponder - MPEG Surround 102 in combination with a down-mix MPEG Surround 103 decoder to a stereo signal. A user-controlled audio rendering matrix A of dimension M × N determines a predetermined conversion ratio of N objects into M audio channels. The functions of this matrix can depend on both settings and frequency indicators, and this is the final result of the most user-friendly interface for managing audio objects (where, in addition, a scene description can be entered from the outside). In the case of applying the settings for the speaker system 5. 1, the number of output audio channels will be M = 6. The task of the SAOC decoder is to perceptually recreate the original audio objects as the final result of the audio rendering. At the input, the SAOC-MPEG Surround 102 transcoder receives an audio rendering matrix A, object down-mix data, down-mix results, including a down-mix weight matrix D, and a description of the object, and generates stereo down-mix and MPEG Surround information. If the transcoder is implemented in accordance with the present invention, the next MPEG Surround 103 decoder, having received this data at the input, gives an M-channel acoustic signal with the required characteristics at the output.

Декодер SAOC, вводимый в настоящем изобретении, состоит из транскодера SAOC - MPEG Surround 102 и декодера MPEG Surround 103 с нисходящим микшированием до стереосигнала. Управляемая пользователем матрица аудиорендеринга А размерности M×N определяет заданное соотношение преобразования N объектов в M аудиоканалов. Эта матрица может зависеть как от настроек, так и от частоты, что является показателем более дружественного интерфейса управления аудиообъектами. При применении настроек для акустической системы 5.1 количество выходных аудиоканалов будет М=6. Декодер SAOC предназначен для перцептуального воссоздания исходных аудиообъектов как конечного результата аудиорендеринга. На входе транскодер SAOC - MPEG Surround 102 получает матрицу аудиорендеринга А, данные понижающего микширования объекта, результаты понижающего микширования, включая весовую матрицу понижающего микширования D, и описание объекта и генерирует понижающее микширование стереосигнала и информацию MPEG Surround. Если транскодер реализуется в соответствии с настоящим изобретением, следующий за ним декодер MPEG Surround 103, получив на входе эти данные, на выходе дает М-канальный акустический сигнал с требуемыми характеристиками.The SAOC decoder introduced in the present invention consists of a SAOC transcoder - MPEG Surround 102 and an MPEG Surround 103 decoder with down-mixing to a stereo signal. A user-controlled audio rendering matrix A of dimension M × N determines a predetermined conversion ratio of N objects into M audio channels. This matrix can depend on both settings and frequency, which is an indicator of a more user-friendly interface for managing audio objects. When applying the settings for the 5.1 speaker system, the number of audio output channels will be M = 6. The SAOC decoder is designed to perceptually recreate source audio objects as the final result of audio rendering. At the input, the SAOC-MPEG Surround 102 transcoder receives an audio rendering matrix A, object down-mix data, down-mix results, including a down-mix weight matrix D, and an object description and generates stereo down-mix and MPEG Surround information. If the transcoder is implemented in accordance with the present invention, the next MPEG Surround 103 decoder, having received this data at the input, gives an M-channel acoustic signal with the required characteristics at the output.

На фиг.2 представлен алгоритм работы кодера пространственного аудиообъекта (SAOC) 101, вводимого настоящим изобретением. N аудиообъектов вводятся в блок понижающего микширования 201, а также в экстрактор (выделитель) параметров аудиообъекта 202. Блок понижающего микширования 201 смешивает объекты в поток итоговых данных понижающего микширования объекта, состоящий из K>1 аудиоканалов, в соответствии с параметрами кодера, а также выводит информацию о понижающем микшировании. Эта информация включает в себя описание примененной весовой матрицы понижающего микширования D и дополнительно, если последовательно задействуемый экстрактор параметров аудиообъекта работает в режиме предсказания, параметры, описывающие мощность и корреляцию результатов понижающего микширования объекта.Figure 2 presents the algorithm of the encoder spatial audio object (SAOC) 101, introduced by the present invention. N audio objects are input into the downmixing unit 201, as well as into the extractor (extractor) of the parameters of the audio object 202. The downmixing unit 201 mixes the objects into the stream of the final downmixing data of the object, consisting of K> 1 audio channels, in accordance with the encoder parameters, and also outputs downmix information. This information includes a description of the applied downmix weight matrix D, and additionally, if the sequentially used audio object parameter extractor operates in prediction mode, parameters describing the power and correlation of the object's downmix results.

Как будет обсуждаться в одном из следующих параграфов, роль подобных дополнительных параметров заключается в предоставлении доступа к энергетическим и корреляционным показателям подмножеств преобразуемых аудиоканалов в тех случаях, когда параметры объектов выражены только относительно понижающего микширования, и главным примером здесь являются синхросигналы "тыльный/фронтальный" для акустических систем 5.1. Экстрактор параметров аудиообъектов 202 выделяет параметры объекта в соответствии с параметрами кодера. Средства управления кодером по частотно-временным изменениям определяют, какой из двух режимов кодера применен, на энергетической или прогностической основе. В режиме дифференциации мощности параметры кодера далее содержат информацию о группировании N аудиообъектов в Р стереообъектов и N-2P монообъектов. Каждый режим будет описан далее на фиг.3 и 4.As will be discussed in one of the following paragraphs, the role of such additional parameters is to provide access to the energy and correlation indicators of the subsets of the converted audio channels in those cases when the parameters of the objects are expressed only with respect to the downmix, and the main example here is the rear / front signals for acoustic systems 5.1. An audio object parameter extractor 202 extracts object parameters according to encoder parameters. The encoder controls by time-frequency changes determine which of the two encoder modes is applied, on an energy or prognostic basis. In the power differentiation mode, the encoder parameters further contain information on the grouping of N audio objects into P stereo objects and N-2P mono objects. Each mode will be described further in FIGS. 3 and 4.

На фиг.3 представлена схема алгоритма работы экстрактора параметров аудиообъекта 202 в режиме дифференциации мощности. Группирование 301 в Р стереообъектов и N-2P монообъектов осуществляется согласно информации о группировании, содержавшейся в параметрах кодера. Для каждого заданного частотно-временного интервала тогда выполняются следующие операции. Два показателя мощности объекта и одна нормализованная корреляция выделяются экстрактором стереопараметров 302 для каждого из Р стереообъектов. Один энергетический показатель выделяется экстрактором параметров 303 для каждого из N-2Р монообъектов. Затем полный набор из N параметров мощности и Р параметров нормализованной корреляции кодируются в 304 вместе с данными группирования, формируя параметры объекта. Кодирование может включать в себя операцию нормализации с учетом самого высокого показателя мощности объекта или с учетом суммы выделенных мощностей объекта.Figure 3 presents a diagram of the algorithm of the extractor parameters of the audio object 202 in the mode of power differentiation. Grouping 301 into P stereo objects and N-2P mono objects is carried out according to the grouping information contained in the encoder parameters. For each given time-frequency interval, the following operations are then performed. Two power indicators of the object and one normalized correlation are extracted by the stereoparameter extractor 302 for each of the P stereo objects. One energy indicator is allocated by the extractor of parameters 303 for each of the N-2P monoobjects. Then, a complete set of N power parameters and P normalized correlation parameters are encoded in 304 together with grouping data, forming object parameters. Coding may include a normalization operation, taking into account the highest indicator of the power of the object or taking into account the amount of allocated power of the object.

На фиг.4 представлена схема алгоритма работы экстрактора параметров аудиообъекта 202 в режиме предсказания. Для каждого заданного частотно-временного интервала тогда выполняются следующие операции. Для каждого из N объектов выводится линейная комбинация из K каналов понижающего микширования объектов, которая соответствует данному объекту по методу наименьших квадратов. K весов этой линейной комбинации называются коэффициентами предсказания объекта (ОРС), и они вычисляются экстрактором ОРС 401. Полный набор ОРС в количестве N-K кодируется в 402 с формированием параметров объекта. Кодирование может включать сокращение общего числа ОРС на основании линейных взаимозависимостей. Отличительной особенностью данного изобретения является то, что это общее число может быть сокращено максимально до {K·(N-K),0}, ест весовая матрица понижающего микширования D имеет полный ранг.Figure 4 presents a diagram of the algorithm of the extractor parameters of the audio object 202 in prediction mode. For each given time-frequency interval, the following operations are then performed. For each of N objects, a linear combination of K channels for downmixing objects is output, which corresponds to this object using the least squares method. K weights of this linear combination are called object prediction coefficients (OPC), and they are calculated by the OPC 401 extractor. A complete set of OPC in the amount of N-K is encoded in 402 with the formation of the object parameters. Coding may include a reduction in the total number of OPCs based on linear interdependencies. A distinctive feature of this invention is that this total number can be reduced to a maximum of {K · (N-K), 0}, there is a weight matrix down-mixing D has a full rank.

На фиг.5 представлена схема устройства транскодера SAOC - MPEG Surround 102 согласно настоящему изобретению. Для каждого частотно-временного интервала информация о понижающем микшировании и параметры объекта объединяются с матрицей аудиорендеринга счетчиком параметров 502 с формированием параметров MPEG Surround типа CLD (разность уровней каналов), СРС (коэффициент предсказания канала) и ICC (межканальная согласованность) и матрицы G преобразователя нисходящего микширования размерности 2×K. Преобразователь результатов понижающего микширования 501 преобразует понижающее микширование объекта в стерео понижающего микширования с помощью матричной операции в соответствии с матрицей G. В упрощенном режиме транскодера для K-2 эта матрица работает как единичная матрица, и понижающее микширование объекта проходит без изменения как стерео понижающего микширования. На схеме этот режим показан в виде переключателя 503 в положении А, тогда как при нормальном режиме работы переключатель находится в положении В. Дополнительное преимущество транскодера - его пригодность к использованию в качестве автономного устройства там, где игнорируются параметры MPEG Surround, и выходные данные преобразователя понижающего микширования используются непосредственно как стереоаудиорендеринг.FIG. 5 is a schematic diagram of a device of a SAOC-MPEG Surround 102 transcoder according to the present invention. For each time-frequency interval, down-mix information and object parameters are combined with an audio rendering matrix with a parameter counter 502 to form MPEG Surround parameters of the CLD type (channel level difference), CPC (channel prediction coefficient) and ICC (inter-channel consistency) and the G matrix of the down converter 2 × K mixing. The down-mix result converter 501 converts the down-mix of an object into a stereo down-mix using the matrix operation in accordance with the matrix G. In the simplified transcoder mode for K-2, this matrix works as a single matrix, and the down-mix of the object passes without changing as a stereo down-mix. In the diagram, this mode is shown as switch 503 in position A, while in normal operation the switch is in position B. An additional advantage of the transcoder is its suitability for use as a stand-alone device where MPEG Surround parameters are ignored, and the output of the down converter mixes are used directly as stereo audio rendering.

На фиг.6 схематически представлены различные режимы работы преобразователя 501 данных понижающего микширования согласно настоящему изобретению. Учитывая, что переданный объект понижающего микширования в формате битстрима является выходом K-канального аудиокодера, этот битстрим сначала дешифруется аудиодекодером 601 в K аудиосигналов временной области. Затем все эти сигналы преобразуются в частотную область гибридным банком фильтров QMF (квадратурный зеркальный фильтр) MPEG Surround в блоке T/F (время/частота) 602. Работа матрицы варьирования времени и частоты, определяемая данными матрицы преобразователя, осуществляется на результирующих сигналах гибридной области QMF блоком матрицирования 603, который выводит стереосигнал в гибридной области QMF. Гибридный блок синтеза 604 преобразует стереосигнал гибридной области QMF в стереосигнал области QMF. Гибридная область QMF задана для улучшения частотного разрешения в сторону низких частот путем последующей фильтрации поддиапазонов QMF. При выполнении в дальнейшем такой фильтрации с использованием банков фильтров Nyquist преобразование из гибридной в стандартную область QMF состоит в простом суммировании групп сигналов гибридных поддиапазонов, см. [Е.Schuijers, J.Breebart, and H.Purnhagen "Low complexity parametric stereo coding" Proc 116th AES convention Berlin. Germany 2004, Preprint 6073]. Этот сигнал является первым возможным выходным форматом преобразователя понижающего микширования, что соответствует положению А переключателя 607. Подобный сигнал домена QMF может быть подан непосредственно на соответствующий интерфейс области QMF декодера MPEG Surround, и это является наиболее предпочтительным режимом работы с точки зрения задержки, сложности и качества. Другой возможностью является формирование стереосигнала временной области с применением синтеза банка фильтров QMF 605. При положении В переключателя 607 преобразователь выдает цифровой стереосигнал, который также может быть введен в интерфейс временной области последующего декодера MPEG Surround или подан напрямую на воспроизводящее стереоустройство. Третьей возможностью при положении С переключателя 607 является кодирование стереосигнала музыкального домена с помощью стерео аудиокодера 606. В этом случае выходным форматом преобразователя понижающего микширования будет стерео аудиобитстрим, совместимый с центральным декодером, являющимся компонентом MPEG-декодера. Этот третий режим работы применим в случае, когда транскодер SAOC - MPEG Surround блокирован MPEG-декодером из-за соединения, ограничивающего скорость передачи данных, или когда пользователю необходимо сохранить образ определенного объекта для будущего воспроизведения.6 schematically illustrates various modes of operation of the downmix data converter 501 according to the present invention. Given that the transmitted downstream object in bitstream format is the output of a K-channel audio encoder, this bitstream is first decrypted by audio decoder 601 into K time-domain audio signals. Then, all these signals are converted to the frequency domain by the hybrid filter bank QMF (quadrature mirror filter) MPEG Surround in the T / F block (time / frequency) 602. The operation of the time and frequency variation matrix determined by the data of the converter matrix is performed on the resulting signals of the hybrid QMF region a matrixing unit 603 that outputs a stereo signal in the hybrid QMF region. The hybrid synthesis unit 604 converts the stereo signal of the hybrid QMF region to the stereo signal of the QMF region. The hybrid QMF region is defined to improve the frequency resolution towards lower frequencies by subsequently filtering the QMF subbands. When such filtering is subsequently performed using Nyquist filter banks, the conversion from hybrid to standard QMF is to simply sum the signal groups of the hybrid subbands, see [E. Schuijers, J. Breebart, and H. Purnhagen "Low complexity parametric stereo coding" Proc 116 th AES convention Berlin. Germany 2004, Preprint 6073]. This signal is the first possible output format of the down-mix converter, which corresponds to the position A of switch 607. A similar QMF domain signal can be fed directly to the corresponding QMF interface of the MPEG Surround decoder, and this is the most preferred mode of operation in terms of delay, complexity and quality . Another possibility is to generate a time-domain stereo signal using QMF 605 filter bank synthesis. When position B of the switch 607, the converter outputs a digital stereo signal, which can also be input to the time-domain interface of a subsequent MPEG Surround decoder or fed directly to a stereo playback device. A third possibility at position C of the switch 607 is to encode the stereo signal of the music domain using the stereo audio encoder 606. In this case, the output format of the down-mix converter will be a stereo audio stream compatible with the center decoder, which is a component of the MPEG decoder. This third mode of operation is applicable when the SAOC - MPEG Surround transcoder is blocked by an MPEG decoder due to a connection limiting the data transfer rate, or when the user needs to save an image of a specific object for future playback.

На фиг.7 представлена принципиальная схема декодера MPEG Surround для понижающего микширования стереосигнала. Стерео понижающего микширования с помощью окна "два-к-трем" (ТТТ) делится на три промежуточных канала. Далее каждый промежуточный канал с помощью трех окон "один-к-двум" (ОТТ) делится на два с образованием шести каналов 5.1-канальной конфигурации.7 is a schematic diagram of an MPEG Surround decoder for downmixing a stereo signal. The stereo down-mix using the two-to-three window (TTT) is divided into three intermediate channels. Next, each intermediate channel using three one-to-two windows (OTT) is divided into two with the formation of six channels 5.1-channel configuration.

На фиг.8 дана схема частного случая реализации с использованием кодера SAOC. Аудиомикшер 802 дает на выходе стереосигнал (левый и правый), который обычно создается путем смешения сигналов на входе микшера (здесь - входные каналы 1-6) и произвольных дополнительных входных данных от электронных эффектов типа ревербератора и т.п. Кроме того, микшер имеет один индивидуальный выходной канал (здесь канал 5). Этот канал может использоваться, например, для обычных функций микшера, таких как "прямой выход" или "дополнительная пересылка" для вывода индивидуальных данных без задействования каких-либо промежуточных процессов (таких как динамическая обработка и эквалайзер). Стереосигнал (левый и правый) и индивидуальный выходной канал (obj5) являются вводом в кодер SAOC 801, который представляет собой лишь частный случай кодера SAOC 101 на фиг.1. Однако он служит типичным примером применения, когда аудиообъект obj5 (содержащий, например, речь) должен быть полностью подконтролен пользователю с правом внесения корректировок на входе декодера, оставаясь, однако, частью смешанной стереофонограммы (с правым и левым каналами). Из концепции также очевидно, что к панели "object input" ("вход объекта") в рамке 801 может быть подключено два или более аудиообъектов, и в дополнение к этому, стереофонограмма может быть расширена за счет многоканального соединения, например 5.1-канального устройства.On Fig given a diagram of a special case of implementation using the encoder SAOC. The 802 audio mixer produces a stereo signal (left and right), which is usually created by mixing the signals at the mixer input (here, input channels 1-6) and arbitrary additional input from electronic effects such as a reverb, etc. In addition, the mixer has one individual output channel (here channel 5). This channel can be used, for example, for normal mixer functions, such as "direct output" or "additional transfer" to output individual data without involving any intermediate processes (such as dynamic processing and equalizer). The stereo signal (left and right) and the individual output channel (obj5) are input to the SAOC 801 encoder, which is only a special case of the SAOC 101 encoder in FIG. However, it serves as a typical application example, when the obj5 audio object (containing, for example, speech) should be completely controlled by the user with the right to make corrections at the decoder input, however, remaining part of the mixed stereo (with left and right channels). It is also obvious from the concept that two or more audio objects can be connected to the “object input” panel in frame 801, and in addition, the stereo can be expanded by a multi-channel connection, for example a 5.1-channel device.

Далее представлено краткое математическое описание изобретения. Для дискретных комплексных сигналов х, y комплексное внутреннее произведение и возведенная в квадрат норма (энергия) определяются по:The following is a brief mathematical description of the invention. For discrete complex signals x, y, the complex internal product and the squared norm (energy) are determined by:

Figure 00000001
Figure 00000001

где y(k) обозначает комплексно сопряженный сигнал y(k). Все рассматриваемые здесь сигналы представляют собой отсчеты поддиапазонов из модулированного банка фильтров или оконного анализа БПФ (быстрое преобразование Фурье) дискретных сигналов времени. Подразумевается, что эти поддиапазоны должны быть преобразованы обратно в дискретную временную область с помощью соответствующих операций банка фильтров синтеза. Блок сигналов из L отсчетов представляет сигнал в частотно-временном интервале, являющемся частью перцептуально мотивированного мозаичного заполнения (тайлинга) частотно-временной плоскости, используемой для описания свойств сигнала. При таком разбиении определенные аудиообъекты могут быть представлены как N рядов длины L в матрице,where y (k) denotes the complex conjugate signal y (k). All the signals considered here are subband samples from a modulated filter bank or FFT window analysis (fast Fourier transform) of discrete time signals. It is understood that these subbands must be converted back to a discrete time domain using the appropriate synthesis filter bank operations. A block of signals from L samples represents a signal in the time-frequency interval, which is part of the perceptually motivated mosaic filling (tiling) of the time-frequency plane used to describe the properties of the signal. With this partitioning, certain audio objects can be represented as N rows of length L in the matrix,

Figure 00000002
Figure 00000002

Весовая матрица понижающего микширования D размерности K×N,Downmix weight matrix D of dimension K × N,

где K>1 определяет K-канальный сигнал нисходящего микширования в форме матрицы с K рядами матричного умноженияwhere K> 1 defines the K-channel down-mix signal in the form of a matrix with K rows of matrix multiplication

Figure 00000003
Figure 00000003

Управляемая пользователем матрица аудиорендеринга объекта А размерности М×N определяет М-канальный аудиорендеринг с заданными показателями аудиообъектов в форме матрицы с М рядами матричного умноженияUser-controlled audio rendering matrix of object A of dimension M × N defines an M-channel audio rendering with specified performance of audio objects in the form of a matrix with M rows of matrix multiplication

Figure 00000004
Figure 00000004

Если временно не принимать во внимание эффекты основного потока аудиокодирования, задача декодера SAOC состоит в том, чтобы генерировать близкий к желаемому восприятию Y как результат аудиорендеринга первоначальных аудиообъектов на базе матрицы аудиорендеринга А, результатов понижающего микширования X, матрицы понижающего микширования D и параметров объекта.Unless temporarily taking into account the effects of the main audio coding stream, the task of the SAOC decoder is to generate close to the desired perception Y as a result of audio rendering of the original audio objects based on the audio rendering matrix A, the downmix X, the downmix D, and the object parameters.

Параметры объекта в энергетическом режиме согласно настоящему изобретению несут информацию о ковариации оригинальных объектов. В детерминированной версии, удобной для последовательного получения результатов, а также наглядной для описания типичных операций кодера, ковариация представляется в ненормализованной форме произведением матриц SS*, где звездочка обозначает операцию с комплексной сопряженной транспонированной матрицей. Таким образом, параметры объекта, полученные в энергетическом режиме, обеспечивают положительную полуопределенную матрицу А размерностью N×N таким образом, что, возможно до коэффициента масштабирования,The parameters of the object in the energy mode according to the present invention carry information about the covariance of the original objects. In the deterministic version, convenient for obtaining sequential results, as well as visual for describing typical encoder operations, covariance appears in an abnormal form as the product of SS * matrices, where the asterisk denotes an operation with a complex conjugate transposed matrix. Thus, the parameters of the object obtained in the energy mode provide a positive semidefinite matrix A of dimension N × N in such a way that, possibly up to the scaling factor,

Figure 00000005
Figure 00000005

Известный уровень техники кодирования аудиообъектов часто рассматривает модель объекта, где все объекты не коррелируют. В таком случае матрица Е является диагональной и содержит лишь аппроксимацию к энергиям объекта Sn=||Sn||2 для n=1, 2, …, N. Согласно фиг.3 экстрактор параметров объекта вносит существенную корректировку в эту идею, что особенно актуально в случаях, когда объекты представлены стереофоническими сигналами, для которых предположение об отсутствии корреляции не действует. Группирование Р отобранных стереопар объектов описывается наборами индексов {(np, mp), р=1, 2, Р}. Для этих стереопар корреляция <Sn, Sm> вычислена, и комплексная, реальная или абсолютная величина нормализованной корреляции (ICC)The prior art coding of audio objects often considers an object model where all objects are not correlated. In this case, the matrix E is diagonal and contains only an approximation to the energies of the object S n = || S n || 2 for n = 1, 2, ..., N. According to figure 3, the object parameter extractor makes a significant adjustment to this idea, which is especially true in cases where objects are represented by stereo signals for which the assumption of the absence of correlation does not work. The grouping P of selected stereo pairs of objects is described by sets of indices {(n p , m p ), p = 1, 2, P}. For these stereopairs, the correlation <S n , S m > is calculated, and the complex, real or absolute value of the normalized correlation (ICC)

Figure 00000006
Figure 00000006

выделена экстрактором стереопараметров 302. После этого в декодере данные ICC могут быть объединены с энергетическими показателями для формирования матрицы Е, на 2Р отстоящей от диагональных элементов. Например, для общего числа объектов N=3, из которых первые два составляют единую пару (1, 2), переданные энергетические и корреляционные данные имеют вид:highlighted by the stereoparameter extractor 302. After that, the ICC data in the decoder can be combined with energy indicators to form the matrix E, 2P separated from the diagonal elements. For example, for the total number of objects N = 3, of which the first two make up a single pair (1, 2), the transmitted energy and correlation data have the form:

S1, S2, S3 и p1.S 1 , S 2 , S 3 and p 1 .

В этом случае объединение в матрицу Е дает:In this case, combining into matrix E gives:

Figure 00000007
Figure 00000007

Параметры объекта в режиме предсказания согласно настоящему изобретению предназначены для формирования матрицы С коэффициента предсказания объекта (ОРС) размерностью N×K, доступной для декодера таким образом, чтоThe parameters of the object in the prediction mode according to the present invention are intended to form an object prediction coefficient (OPC) matrix C of dimension N × K, accessible to the decoder in such a way that

Figure 00000008
Figure 00000008

Другими словами, для каждого объекта существует линейная комбинация каналов нисходящего микширования таким образом, что объект может быть восстановлен приблизительно согласно:In other words, for each object, there is a linear combination of the down-mix channels so that the object can be restored approximately according to:

Figure 00000009
Figure 00000009

В предпочтительном варианте реализации экстрактор коэффициента предсказания объекта (ОРС) 401 решает нормальные уравненияIn a preferred embodiment, an object prediction coefficient (OPC) extractor 401 solves the normal equations

Figure 00000010
Figure 00000010

или, для более привлекательной реальной оценки коэффициента предсказания объекта (ОРС), он решает:or, for a more attractive real estimate of the object prediction coefficient (OPC), it decides:

Figure 00000011
Figure 00000011

В обоих случаях, если принять реально оцененную весовую матрицу понижающего микширования D и несингулярную ковариацию понижающего микширования, то из умножения слева с D следует, чтоIn both cases, if we take the really estimated weight matrix of the downmix D and the non-singular covariance of the downmix, then from the left multiplication with D it follows that

Figure 00000012
Figure 00000012

где I - единичная матрица размерностью K.where I is the identity matrix of dimension K.

Если D имеет полный ранг, то согласно элементарной линейной алгебре набор решений для (9) может быть параметрирован макс {K·(N-K),0} параметрами. Этот принцип задействован в 402 при совместном кодировании данных ОРС. Полная матрица предсказания С может быть восстановлена в декодере из сокращенного набора параметров и матрицы понижающего микширования.If D has full rank, then, according to elementary linear algebra, the set of solutions for (9) can be parameterized with max {K · (N-K), 0} parameters. This principle is used in 402 when jointly encoding OPC data. The full prediction matrix C can be reconstructed in the decoder from a reduced set of parameters and a downmix matrix.

Для примера рассмотрим случай понижающего микширования с получением стерео понижающего микширования (K=2), включающего в себя три объекта (N=3>) - музыкальную стереофонограмму (s1,s2) и центральный панорамированный одиночный музыкальный инструмент или трек вокала s3.As an example, consider the case of down-mix with obtaining a stereo down-mix (K = 2), which includes three objects (N = 3>) - a stereo music record (s 1 , s 2 ) and a central panned single musical instrument or s 3 vocal track.

Матрица понижающего микширования имеет вид:The downmix matrix has the form:

Figure 00000013
Figure 00000013

То есть левый канал понижающего микширования представляет собой x1=s1+s3/√2, и правый канал - х2=s2+s3/√2.That is, the left channel of the downmix is x 1 = s 1 + s 3 / √2, and the right channel is x 2 = s 2 + s 3 / √2.

Коэффициенты предсказания объекта (ОРС) для одиночного трека стремятся приблизиться к s3≈c31x1+c32x2, и в этом случае уравнение (11) может быть решено с получением с11=1-c31/√2, с12=-с32/√2, с21=-c31/√2 и с22=1-c32/√2.The object prediction coefficients (OPC) for a single track tend to approach s 3 ≈c 31 x 1 + c 32 x 2 , in which case equation (11) can be solved to obtain with 11 = 1-c 31 / √2, s 12 = -c 3 2 / √2, with 21 = -c 31 / √2 and with 22 = 1-c 32 / √2.

Отсюда следует, что достаточное количество коэффициентов предсказания объекта (ОРС) определяется через K(N-K)=2·(3-2)=2.It follows that a sufficient number of prediction coefficients of the object (OPC) is determined through K (N-K) = 2 · (3-2) = 2.

ОРС c31, c32 могут быть найдены из нормальных уравненийOPC c 31 , c 32 can be found from normal equations

Figure 00000014
Figure 00000014

Транскодер SAOC - MPEG SurroundSAOC Transcoder - MPEG Surround

Что касается фигуры 7, М=6 выходных каналов конфигурации 5.1 представляют собойAs for figure 7, M = 6 output channels of the configuration 5.1 are

(y1, y2, …, y6)=(If,Is,rf,rs,c,lfe).(y 1 , y 2 , ..., y 6 ) = (I f , I s , r f , r s , c, lfe).

Транскодер должен давать на выходе стерео понижающего микширования (l0,r0) и параметры для конфигураций ТТТ и ОТТ. Поскольку внимание теперь сосредоточено на стерео понижающем микшировании, в дальнейшем будет принято, что K=2. Поскольку и параметры объекта, и параметры MPS ТТТ существуют и в энергетическом, и в прогностическом режиме, необходимо рассматривать все четыре комбинации.The transcoder should give the output of the stereo down-mix (l 0 , r 0 ) and parameters for the TTT and OTT configurations. Since attention is now focused on stereo downmix, it will be assumed that K = 2. Since both the object parameters and the MPS TTT parameters exist both in the energy and in the prognostic mode, it is necessary to consider all four combinations.

Энергетический режим эффективен, например, когда аудиокодер понижающего микширования не является волновым кодером в рассматриваемом частотном диапазоне. Подразумевается, что параметры MPEG Surround, речь о которых пойдет ниже, перед их пересылкой должны пройти надлежащее квантование и кодировку. Для дальнейшего разъяснения четырех вышеупомянутых комбинаций следует напомнить, что это:The power mode is effective, for example, when the down-mix audio encoder is not a wave encoder in the frequency range in question. It is understood that the parameters of MPEG Surround, which will be discussed below, must be properly quantized and encoded before being sent. To further clarify the four above combinations, it should be recalled that these are:

1) параметры объекта в энергетическом режиме и транскодер в режиме предсказания;1) the parameters of the object in the energy mode and the transcoder in the prediction mode;

2) параметры объекта в энергетическом режиме и транскодер в энергетическом режиме;2) the parameters of the object in the energy mode and the transcoder in the energy mode;

3) параметры объекта в режиме предсказания (коэффициент предсказания объекта ОРС) и транскодер в режим предсказания;3) the parameters of the object in the prediction mode (prediction coefficient of the OPC object) and the transcoder in the prediction mode;

4) параметры объекта в режиме предсказания (ОРС) и транскодер в энергетическом режиме.4) the parameters of the object in the prediction mode (OPC) and the transcoder in the energy mode.

Если в рассматриваемом интервале частот аудиокодер понижающего микширования представляет собой кодер волнового типа, параметры объекта могут фиксироваться как в энергетическом режиме, так и в режиме предсказания, при этом транскодер должен предпочтительно работать в режиме предсказания. Если в рассматриваемом интервале частот аудиокодер понижающего микширования не является кодером волнового типа, кодер объекта и транскодер оба должны работать в энергетическом режиме. Четвертая комбинация менее актуальна, вследствие чего дальнейшее описание затронет только первые три комбинации.If in the frequency range under consideration the down-mix audio encoder is a wave-type encoder, the object parameters can be fixed both in the energy mode and in the prediction mode, while the transcoder should preferably operate in the prediction mode. If in the considered frequency range the down-mix audio encoder is not a wave-type encoder, both the object encoder and the transcoder should work in the energy mode. The fourth combination is less relevant, as a result of which the further description will affect only the first three combinations.

Параметры объекта в энергетическом режимеObject parameters in energy mode

В энергетическом режиме данные, доступные для транскодера, описываются тройкой матриц (D, Е, А). Параметры ОТТ MPEG Surround формируются путем оценки энергетических и корреляционных показателей при виртуальном аудиорендеринге переданных параметров и матрицы аудиорендеринга А размерностью 6×N. Заданная шестиканальная ковариация представляется какIn the energy mode, the data available for the transcoder is described by a triple of matrices (D, E, A). The OTT MPEG Surround parameters are formed by evaluating the energy and correlation indicators during virtual audio rendering of the transferred parameters and the audio rendering matrix A with a dimension of 6 × N. The given six-channel covariance is represented as

Figure 00000015
Figure 00000015

Введение (5) в (13) дает приближениеIntroduction (5) to (13) gives an approximation

Figure 00000016
Figure 00000016

которое полностью определяется доступными данными. Пусть fa обозначает элементы F. Тогда параметры CLD и ICC определяются из:which is completely determined by the available data. Let f a denote the elements of F. Then the parameters CLD and ICC are determined from:

Figure 00000017
Figure 00000017

Figure 00000018
Figure 00000018

Figure 00000019
Figure 00000019

Figure 00000020
Figure 00000020

Figure 00000021
Figure 00000021

где J> - или абсолютная величина <р(z)=\z\, или оператор действительного значения <р(z)-Ре{z}. В качестве наглядного примера рассмотрим случай с тремя объектами, описанный ранее в отношении уравнения (12). Представим матрицу аудиорендеринга в видеwhere J> is either the absolute value <p (z) = \ z \, or the operator of the real value <p (z) -Pe {z}. As an illustrative example, consider the case with three objects described earlier in relation to equation (12). Imagine the audio rendering matrix as

Figure 00000022
Figure 00000022

Таким образом, задача аудиорендеринга состоит в размещении объекта 1 между правой фронтальной и правой панорамной позициями, объекта 2 - между левой фронтальной и левой панорамной позициями и объекта 3 - впереди справа, в центре и по каналу оптимизации низких частот (lfe). Для упрощения предположим также, что все эти три объекта некоррелированы и обладают одинаковой энергией так, чтоThus, the task of audio rendering is to place object 1 between the right front and right panoramic positions, object 2 - between the left front and left panoramic positions and object 3 - in front of the right, in the center and along the low-frequency optimization channel (lfe). To simplify, we also assume that all three of these objects are uncorrelated and have the same energy so that

Figure 00000023
Figure 00000023

В таком случае правая сторона формулы (14) приобретает видIn this case, the right side of the formula (14) takes the form

Figure 00000024
Figure 00000024

Подстановкой соответствующих значений в формулы (15)-(19) получаем:Substituting the corresponding values in formulas (15) - (19) we obtain:

Figure 00000025
Figure 00000025

Figure 00000026
Figure 00000026

Figure 00000027
Figure 00000027

Figure 00000028
Figure 00000028

Figure 00000029
Figure 00000029

В качестве реакции декодер MPEG Surround получит инструкцию на введение некоторой декорреляции между правой фронтальной и правой панорамной позициями, но не допускать декорреляцию между левым фронтальным и левым панорамным позиционированием.As a reaction, the MPEG Surround decoder will be instructed to introduce some decorrelation between the right front and right panoramic positions, but not allow decorrelation between the left front and left panoramic positions.

Для ТТТ-параметров MPEG Surround в режиме предсказания первым шагом должно быть формирование сокращенной матрицы аудиорендеринга А3 размерностью 3×N для комбинированных каналов (l,r,qc), где q=1/√2. Это подразумевает, что А3=D36A, где матрица частичного понижающего микширования от 6 до 3 определяется с помощьюFor the TTT parameters of MPEG Surround in prediction mode, the first step is to form a 3 × N reduced audio rendering matrix A 3 for combined channels (l, r, qc), where q = 1 / √2. This implies that A 3 = D 36 A, where the partial downmix matrix from 6 to 3 is determined using

Figure 00000030
Figure 00000030

Веса неполного понижающего микширования wp, р=1, 2, 3 корректируются таким образом, что энергия wp(y2p-1+y2p) равна сумме энергий ||y2p-1||2+||y2p||2 до предельного коэффициента. Все данные, необходимые для выведения матрицы частичного понижающего микширования, D36 доступны в F. Затем формируется матрица предсказания С3 размерностью 3×2 таким образом, чтоThe incomplete down-mix weights w p , p = 1, 2, 3 are adjusted so that the energy w p (y 2p-1 + y 2p ) is equal to the sum of the energies || y 2p-1 || 2 + || y 2p || 2 to the limit coefficient. All the data necessary to derive a partial downmix matrix, D 36, is available in F. Then a 3 × 3 prediction matrix C 3 is formed so that

Figure 00000031
Figure 00000031

Более предпочтительно такую матрицу выводить, предварительно принимая во внимание нормальные уравнения C3(DED*)=A3S.It is more preferable to derive such a matrix, previously taking into account the normal equations C 3 (DED *) = A 3 S.

Результат решения нормальных уравнений наилучшим образом удовлетворяет форме сигнала для (21), принимая во внимание модель ковариации объекта Е. Рекомендуется выполнить некоторую постобработку матрицы С3, включая рядные коэффициенты, для полной или выборочной компенсации прогнозируемых потерь по каналам.The result of solving the normal equations best suits the waveform for (21), taking into account the covariance model of object E. It is recommended to perform some post-processing of the C 3 matrix, including in-line coefficients, for full or selective compensation of the predicted channel losses.

Чтобы проиллюстрировать и пояснить указанные выше шаги, необходимо продолжить рассмотрение примера аудиорендеринга определенных ранее шести каналов. При рассмотрении элементов матрицы F следует учитывать, что веса понижающего микширования представляют собой решения уравненийIn order to illustrate and clarify the above steps, it is necessary to continue consideration of the example of audio rendering of the six channels identified earlier. When considering the elements of the matrix F, it should be taken into account that the downmix weights are solutions of the equations

Figure 00000032
, p=1, 2, 3,
Figure 00000032
, p = 1, 2, 3,

что в частном примере приобретает вид,which in a particular example takes the form

Figure 00000033
Figure 00000033

Таким образом, что (w1,w2,w3)=(1/√1,√3/5,1/√2).Thus, (w 1 , w 2 , w 3 ) = (1 / √1, √3 / 5.1 / √2).

Подстановка в (20) дает:Substitution in (20) gives:

Figure 00000034
Figure 00000034

После чего решением системы уравнений С3(DED*)=A3ED* находим (переключаясь теперь на достижение конечной точности),After which, by solving the system of equations C 3 (DED *) = A 3 ED * we find (switching now to achieve the ultimate accuracy),

Figure 00000035
Figure 00000035

Матрица С3 содержит лучшие веса для аппроксимации к желаемому результату аудиорендеринга объекта по комбинированным каналам (l,r,qc) в ходе нисходящего микширования. Этот общий тип матричной операции не может выполняться декодером MPEG Surround, который связан ограниченным пространством матриц ТТТ из-за использования всего двух параметров. Цель преобразователя понижающего микширования (результата понижающего микширования), относящегося к данному изобретению, стоит в предварительной обработке понижающего микширования объекта таким образом, чтобы комбинированный эффект от предварительной обработки и от матрицы ТТТ MPEG Surround соответствовал желаемому результату повышающего микширования (upmix), описанного с помощью С3.The C 3 matrix contains the best weights to approximate the desired result of the audio rendering of the object through the combined channels (l, r, qc) during downstream mixing. This general type of matrix operation cannot be performed by the MPEG Surround decoder, which is bound by the limited TTT matrix space due to the use of only two parameters. The purpose of the down-mix converter (down-mix result) of this invention is to pre-process the down-mix of an object so that the combined effect of the pre-processing and the TTT MPEG Surround matrix matches the desired up-mix result (upmix) described with C 3 .

В MPEG Surround матрица ТТТ для предсказания (l,r,qc) на основании (l0, r0) параметризуется по трем параметрам (α,β,γ) черезIn MPEG Surround, the TTT matrix for predicting (l, r, qc) based on (l 0 , r 0 ) is parameterized in three parameters (α, β, γ) through

Figure 00000036
Figure 00000036

Матрица G преобразователя понижающего микширования (результатов нисходящего микширования) согласно настоящему изобретению формируется выбором 7=1 и решением системы уравненийThe matrix G of the down-mix converter (down-mix results) according to the present invention is formed by selecting 7 = 1 and solving the system of equations

Figure 00000037
Figure 00000037

Легко подтверждается, что DTTTCTTT=I, где I - единичная матрица два-на-два иIt is easily confirmed that D TTT C TTT = I, where I is the two-on-two identity matrix and

Figure 00000038
Figure 00000038

Таким образом, перемножение матриц слева на DTTT обеих сторон (23) дает в результатеThus, multiplying the matrices on the left by D TTT of both sides (23) yields

Figure 00000039
Figure 00000039

В общем случае G обратима, и (23) имеет единственное решение для CTTT, удовлетворяющее условию CTTTGTTT=I.In the general case, G is invertible, and (23) has a unique solution for C TTT satisfying the condition C TTT G TTT = I.

Параметры ТТТ (α,β) определяются этим решением.TTT parameters (α, β) are determined by this solution.

Для рассмотренного ранее частного примера можно легко подтвердить, что решения соответствуютFor the particular example considered earlier, one can easily confirm that the solutions correspond

Figure 00000040
.
Figure 00000040
.

Следует обратить внимание на то, что основной объем потока стерео понижающего микширования при этой матрице преобразования меняет положение между левой и правой сторонами, отражая тот факт, что в процессе приведенного в примере аудиорендеринга объекты, проходящие по левому каналу понижающего микширования, перемещаются в правую часть акустической сцены, и наоборот. Подобное явление невозможно при использовании декодера MPEG Surround в режиме стерео.It should be noted that the main volume of the stereo down-mix stream with this transformation matrix changes position between the left and right sides, reflecting the fact that during the audio rendering shown in the example, the objects passing through the left down-mix channel are moved to the right side of the acoustic scenes and vice versa. A similar phenomenon is not possible when using the MPEG Surround decoder in stereo.

При отсутствии возможности использования преобразователя понижающего микширования может быть выработан описываемый далее, близкий к оптимальному, метод. При работе в энергетическом режиме для параметров ТТТ MPEG Surround требуется распределение энергии объединенных каналов (α,β). Поэтому соответствующие параметры разности уровней каналов CLD могут быть выведены непосредственно из элементов F черезIf it is not possible to use a down-mix converter, the method described below, which is close to optimal, can be developed. When operating in power mode, the TTT MPEG Surround parameters require the distribution of energy of the combined channels (α, β). Therefore, the corresponding parameters of the channel level difference CLD can be derived directly from the elements F through

Figure 00000041
Figure 00000041

Figure 00000042
Figure 00000042

В данном случае целесообразно использовать только диагональную матрицу G с положительными ячейками для преобразователя понижающего микширования. Функционально важно достичь правильного распределения энергии каналов нисходящего микширования до начала восходящего микширования (upmix) ТТТ. При наличии матрицы понижающего микширования с шести каналов до двух D26=DTTTD36 и определений изIn this case, it is advisable to use only the diagonal matrix G with positive cells for the down-mix converter. It is functionally important to achieve the correct energy distribution of the downmix channels before the upmix of the TTT. With a downmix matrix from six channels to two D 26 = D TTT D 36 and definitions from

Figure 00000043
Figure 00000043

Figure 00000044
Figure 00000044

просто выбираетсяjust get out

Figure 00000045
Figure 00000045

Дальнейшее наблюдение показывает, что подобный диагональный преобразователь понижающего микширования может быть пропущен на пути от объекта к транскодеру MPEG Surround и реализован введением в действие параметров произвольного усиления понижающего микширования (ADG) декодера MPEG Surround. В этом случае приращения в логарифмической области будут соответствовать ADGi=10log10(wn/zn) при i=1, 2.Further observation shows that such a diagonal down-mix converter can be skipped on the way from the object to the MPEG Surround transcoder and implemented by setting the parameters of the arbitrary amplification of the down-mix (ADG) of the MPEG Surround decoder. In this case, the increments in the logarithmic region will correspond to ADG i = 10log 10 (w n / z n ) for i = 1, 2.

Параметры объекта, в режиме предсказания (ОРС)Object parameters in prediction mode (OPC)

В режиме предсказания объекта доступные данные представляются тремя матрицами (D, С, А), где С - матрица N×2, содержащая N пар коэффициентов предсказания объекта ОРС. В силу относительности коэффициентов предсказания далее для оценки энергетических параметров MPEG Surround будет необходим доступ к показателям аппроксимации к матрице ковариации 2×2 понижающего микширования объекта,In the object prediction mode, the available data is represented by three matrices (D, C, A), where C is an N × 2 matrix containing N pairs of OPC object prediction coefficients. Due to the relative nature of the prediction coefficients, in order to estimate the energy parameters of MPEG Surround, access to the approximation indices for the covariance matrix of a 2 × 2 downmixing object will be necessary

Figure 00000046
Figure 00000046

Предпочтительнее, если эта информация поступит от кодера объекта как часть сведений о нисходящем микшировании, однако она может также быть оценена на транскодере, исходя из измерений принятого понижающего микширования, или косвенно выведена из (D, С) через анализ приближенной модели объекта. При наличии Z ковариация объекта может быть оценена путем введения модели предсказания Y=СХ, давая в результатеIt is preferable if this information comes from the object encoder as part of the down-mix information, however, it can also be evaluated on the transcoder based on the measurements of the adopted down-mix, or indirectly derived from (D, C) through analysis of an approximate model of the object. In the presence of Z, the covariance of the object can be estimated by introducing the prediction model Y = CX, resulting in

Figure 00000047
Figure 00000047

и все параметры ОТТ MPEG Surround и ТТТ энергетического режима могут быть оценены, исходя из Е, как и в случае с энергетическими параметрами объекта. Однако наибольшее преимущество применения коэффициентов предсказания объекта ОРС проявляется в сочетании с параметрами ТТТ MPEG Surround в режиме предсказания. В этом случае аппроксимация формы сигнала D36Y≈А3СХ сразу же дает редуцированную матрицу предсказания:and all the parameters of the OTT MPEG Surround and the TTT of the energy mode can be estimated based on E, as is the case with the energy parameters of the object. However, the greatest advantage of using the OPC object prediction coefficients is manifested in combination with the TTT MPEG Surround parameters in the prediction mode. In this case, the approximation of the waveform D 36 Y≈А 3 СХ immediately gives a reduced prediction matrix:

С33С,C 3 = A 3 C,

при опоре на которую остающиеся шаги к формированию параметров ТТТ (α,β) и преобразователя понижающего микширования аналогичны получению параметров объекта в энергетическом режиме. Фактически, шаги от формулы (22) к формуле (25) полностью идентичны.based on which, the remaining steps to the formation of the TTT parameters (α, β) and the down-mix converter are similar to obtaining the object parameters in the energy mode. In fact, the steps from formula (22) to formula (25) are completely identical.

Результирующая матрица G подается на преобразователь результатов понижающего микширования, и параметры ТТТ (α,β) пересылаются на декодер MPEG Surround.The resulting matrix G is fed to the down-mixer, and the TTT parameters (α, β) are sent to the MPEG Surround decoder.

Автономное применение преобразователя понижающего микширования для стерео понижающего микшированияStandalone downmix converter for stereo downmix

Во всех описанных выше случаях преобразователь 501 объекта в стерео понижающего микширования на выходе предоставляет данные, приближенные к 5.1-канальному стерео понижающего микширования как результату аудиорендеринга исходных аудиообъектов. Этот стереоаудиорендеринг может быть выражен матрицей А2 размерностью 2×N, определяемой как А2=D26A. Во многих реализациях это понижающее микширование представляет самостоятельный интерес, при этом внимание привлекает возможность прямого управления стереоаудиорендерингом А2. В качестве наглядного примера опять рассмотрим случай стереофонограммы с наложением по центру панорамированной монофонической голосовой дорожки, закодированной по частному случаю методики, кратко изложенной при описании фигуры 8 с пояснениями в контексте формулы (12). Регулирование пользователем динамического диапазона голоса может осуществляться через аудиорендеринг согласноIn all of the cases described above, the stereo down-mix converter 501 output provides data close to 5.1-channel stereo down-mix as a result of the audio rendering of the original audio objects. This stereo audio rendering can be expressed by an A 2 matrix of 2 × N dimension, defined as A 2 = D 26 A. In many implementations, this down-mix is of interest in its own right, while the possibility of direct control of the stereo audio rendering of A 2 draws attention. As an illustrative example, we again consider the case of a stereo phonogram superimposed in the center of a panned monophonic voice track encoded in a special case of the technique briefly described in the description of figure 8 with explanations in the context of formula (12). The user can control the dynamic range of the voice through audio rendering according to

Figure 00000048
Figure 00000048

где ν - регулирование соотношения голос-музыка. Структура матрицы преобразования результатов понижающего микширования основывается на выраженииwhere ν is the regulation of the voice-music ratio. The structure of the transformation matrix of the downmix results is based on the expression

Figure 00000049
Figure 00000049

Для параметров объекта, полученных на базе предсказания, следует лишь подставить приближение S≈CDS и получать матрицу преобразователя G=А2С. Для параметров объекта на базе энергетических показателей следует решить нормальные уравненияFor the parameters of the object obtained on the basis of the prediction, it is only necessary to substitute the approximation S≈CDS and obtain the transducer matrix G = A 2 C. For the parameters of the object based on energy indicators, normal equations

Figure 00000050
Figure 00000050

На фиг.9 представлена схема предпочтительного варианта осуществления кодера аудиообъектов в соответствии с одним из аспектов настоящего изобретения. Кодер аудиообъектов 101 в целом уже был описан при пояснении предшествующих графических схем. Кодер аудиообъектов, генерирующий закодированный сигнал объекта, использует множество аудиообъектов 90, обозначенных на фиг.9 как входные данные понижающего микшера 92 и генератора параметров объекта 94. Кроме того, кодер аудиообъектов 101 включает в себя генератор информации понижающего микширования 96, генерирующий параметры понижающего микширования 97, фиксируя порядок распределения множества аудиообъектов по крайней мере по двум каналам понижающего микширования, обозначенным на схеме как тракты 93, исходящие из понижающего микшера 92.FIG. 9 is a diagram of a preferred embodiment of an audio object encoder in accordance with one aspect of the present invention. The encoder audio objects 101 as a whole has already been described in the explanation of the previous graphic schemes. An audio object encoder generating an encoded object signal uses a plurality of audio objects 90, shown in FIG. 9 as input to the downmixer 92 and an object parameter generator 94. In addition, the audio object encoder 101 includes a downmix information generator 96 generating the downmix parameters 97 , fixing the distribution order of the plurality of audio objects over at least two down-mix channels, indicated in the diagram as paths 93, coming from the down-mixer 92.

Генератор параметров объекта предназначен для генерирования параметров аудиообъектов 95, причем параметры объекта рассчитываются таким образом, что реконструкция аудиообъекта возможна с использованием параметров объекта и, по крайней мере, двух каналов понижающего микширования 93. При этом важно, что реконструкция осуществляется не со стороны кодера, а со стороны декодера. Однако полноценная реконструкция со стороны декодера возможна благодаря расчету параметров объектов 95, выполняемому генератором параметров объектов кодера.The object parameter generator is designed to generate the parameters of audio objects 95, and the object parameters are calculated in such a way that reconstruction of the audio object is possible using the object parameters and at least two down-mix channels 93. It is important that the reconstruction is carried out not from the encoder, but from the decoder. However, a full reconstruction from the side of the decoder is possible due to the calculation of the parameters of the objects 95 performed by the generator of parameters of the objects of the encoder.

Кроме того, кодер аудиообъектов 101 включает в себя выходной интерфейс 98 для генерирования закодированного сигнала аудиообъекта 99 с использованием данных понижающего микширования 97 и параметров объекта 95. В зависимости от назначения каналы понижающего микширования 93 могут, кроме того, использоваться и кодироваться как сигнал аудиообъекта. При этом могут возникать ситуации, при которых выходной интерфейс 98 генерирует кодированный сигнал аудиообъекта 99, который не содержит каналы понижающего микширования. Такая ситуация может возникнуть, когда какие-либо каналы понижающего микширования, которые должны быть использованы декодером, уже находятся в распоряжении декодера таким образом, что информация по понижающему микшированию и параметры аудиообъекта передаются по каналам понижающего микширования раздельно. Пользу из такой ситуации можно извлечь, когда каналы понижающего микширования объектов 93 могут быть куплены отдельно от параметров объектов и информации по нисходящему микшированию за меньшую сумму денег, а параметры объектов и информация по понижающему микшированию могут быть куплены за дополнительные средства с целью предоставления пользователю на стороне декодера возможности получить добавленную стоимость.In addition, the audio object encoder 101 includes an output interface 98 for generating the encoded signal of the audio object 99 using downmix data 97 and object parameters 95. Depending on the purpose, the downmix channels 93 can also be used and encoded as an audio object signal. In this case, situations may arise in which the output interface 98 generates an encoded signal of the audio object 99, which does not contain down-mix channels. Such a situation may occur when any down-mix channels that should be used by the decoder are already at the decoder's disposal so that down-mix information and audio object parameters are transmitted separately through the down-mix channels. The benefit from this situation can be obtained when the down-mix channels of the objects 93 can be purchased separately from the parameters of the objects and information on the down-mix for a smaller amount of money, and the parameters of the objects and information on the down-mix can be bought for additional funds in order to provide the user on the side decoder features to get added value.

При отсутствии параметров объекта и информации по понижающему микшированию пользователь может преобразовывать каналы понижающего микширования в стерео- или многоканальный сигнал в зависимости от количества каналов, задействованных в понижающем микшировании. Естественно, пользователь может также сформировать монофонический сигнал простым добавлением, по крайней мере, двух переданных каналов понижающего микширования объектов.In the absence of object parameters and downmix information, the user can convert the downmix channels into a stereo or multichannel signal depending on the number of channels involved in the downmix. Naturally, the user can also generate a monophonic signal by simply adding at least two transmitted down-mix channels of objects.

Параметры объекта и данные понижающего микширования обеспечивают пользователю гибкость акустических преобразований и повышение качества и полноценности звучания акустических объектов, позволяя осуществлять многоцелевой аудиорендеринг для воспроизведения в дальнейшем аудиоматериала на звуковой аппаратуре любого типа - на стереосистемах, на многоканальных системах или даже на системах синтеза волнового поля. Если установки синтеза волнового поля еще не очень популярны, то многоканальные системы формата 5.1 или 7.1 все шире распространяются на потребительском рынке.Object parameters and down-mix data provide the user with the flexibility of acoustic transformations and increase the quality and sound quality of acoustic objects, allowing for multi-purpose audio rendering for later playback of audio material on any type of audio equipment - on stereo systems, on multi-channel systems or even on wave field synthesis systems. If the installation of wave field synthesis is still not very popular, then multichannel systems of the 5.1 or 7.1 format are increasingly spreading to the consumer market.

На фиг.10 представлена схема звукового синтезатора для генерирования выходных данных. Для осуществления своих функций аудиосинтезатор содержит синтезатор выходных данных 100. Синтезатор выходных данных принимает на входе данные понижающего микширования 97 и параметры аудиообъекта 95, а также, возможно, характеристики предполагаемого источника звука, такие как пространственное расположение источников звука или определяемый пользователем динамический диапазон конкретного источника в результате аудиорендеринга с использованием 101.Figure 10 presents a diagram of a sound synthesizer for generating output data. To perform its functions, the audio synthesizer contains an output data synthesizer 100. The output data synthesizer receives down-mix data 97 and parameters of the audio object 95, as well as, possibly, characteristics of the intended sound source, such as the spatial arrangement of sound sources or the user-defined dynamic range of a particular source in audio rendering result using 101.

Синтезатор выходных данных 100 предназначен для генерирования выходных данных, необходимых для формирования множества выходных каналов с заданной конфигурацией выходного аудиосигнала, реконструирующих множество аудиообъектов. Наилучшим образом синтезатор выходных данных 100 реализует свои функциональные возможности, используя параметры понижающего микширования 97 и параметры аудиообъекта 95. Согласно пояснениям к фиг.11, данным ниже, выходные данные представляют собой многочисленные показатели различного назначения, включая специфический рендеринг выходных каналов или простое воссоздание исходных сигналов, или же перекодирование параметров в характеристики пространственного преобразования с формированием пространственной конфигурации для повышающего микширования без какого-либо аудиорендеринга выходных каналов, например для хранения или пересылки этих пространственных параметров.The output synthesizer 100 is intended to generate the output data necessary for generating a plurality of output channels with a given configuration of the output audio signal reconstructing a plurality of audio objects. In the best way, the output data synthesizer 100 realizes its functionality using the down-mix parameters 97 and the audio object parameters 95. According to the explanations to FIG. 11 given below, the output data are numerous indicators for various purposes, including specific rendering of the output channels or simple recreation of the original signals , or the recoding of parameters into spatial transformation characteristics with the formation of a spatial configuration for increasing shirovaniya without any rendering of output channels, for example for storage or shipment of these spatial parameters.

Общая схема реализации данного изобретения отображена на фиг.14. Здесь блок кодера 140 включает в себя кодер аудиообъектов 101, который принимает на входе N аудиообъектов.The General implementation scheme of the present invention is shown in Fig.14. Here, the encoder unit 140 includes an audio object encoder 101 that receives N audio objects at the input.

На выходе преимущественного варианта технического исполнения кодера аудиообъектов кроме информации по понижающему микшированию и параметров объекта, не показанных на фиг.14, формируется число К каналов понижающего микширования. В соответствии с настоящим изобретением количество каналов понижающего микширования должно быть больше или равно двум.At the output of the preferred embodiment of the audio object encoder, in addition to the down-mix information and the object parameters not shown in Fig. 14, the number K of down-mix channels is formed. In accordance with the present invention, the number of downmix channels should be greater than or equal to two.

Каналы понижающего микширования передаются на блок декодера 142, в состав которого входит пространственный повышающий микшер 143. Пространственный повышающий микшер 143 может включать в себя аудиосинтезатор, являющийся частью данного изобретения, если аудиосинтезатор работает в режиме транскодера. Однако, если аудиосинтезатор 101, как показано на фиг.10, работает в режиме пространственного повышающего микширования, то в данной реализации и пространственный повышающий микшер 143, и аудиосинтезатор представляют собой одно и то же устройство. Пространственный повышающий микшер генерирует М выходных каналов для воспроизведения через М динамиков. Эти динамики размещаются в заранее определенных точках окружающего пространства и совокупно формируют выходной акустический сигнал заданной конфигурации. Выходной канал выходного аудиосигнала заданной конфигурации может рассматриваться как цифровой или аналоговый электродинамический акустический сигнал, транслируемый от выхода пространственного повышающего микшера 143 на вход громкоговорителя с заданным позиционированием в среде определенным образом сконфигурированного множества источников выходных аудиосигналов. В зависимости от конкретной ситуации, если выполняется стереоаудиорендеринг, количество М выходных каналов может быть равным двум. При выполнении многоканального аудиорендеринга число М выходных каналов будет больше двух.The downmix channels are transmitted to a decoder unit 142, which includes a spatial boost mixer 143. The spatial boost mixer 143 may include an audio synthesizer that is part of the present invention if the audio synthesizer is in transcoder mode. However, if the audio synthesizer 101, as shown in FIG. 10, operates in a spatial upmix mode, in this implementation both the spatial upmixer 143 and the audio synthesizer are the same device. The spatial boost mixer generates M output channels for playback through the M speakers. These speakers are located at predetermined points in the surrounding space and collectively form an acoustic output signal of a given configuration. The output channel of the output audio signal of a given configuration can be considered as a digital or analog electrodynamic acoustic signal transmitted from the output of the spatial boosting mixer 143 to the input of the speaker with a predetermined positioning in the environment of a number of configured audio output sources in a certain way. Depending on the specific situation, if stereo audio rendering is performed, the number of M output channels may be equal to two. When performing multi-channel audio rendering, the number of M output channels will be more than two.

Чаще всего распространена ситуация, при которой количество каналов понижающего микширования меньше числа выходных каналов из-за технических требований трактов передачи данных. В подобных случаях число М может быть значительно большим, чем число K, превышая его в два или даже более раз.The most common situation is when the number of down-mix channels is less than the number of output channels due to the technical requirements of data transmission paths. In such cases, the number M can be significantly larger than the number K, exceeding it by two or even more times.

На фиг.14 дополнительно дано матричное представление функций, выполняемых блоком кодера и блоком декодера в рамках данного изобретения. В большинстве случаев обрабатываются блоки величин отсчетов. Поэтому, как видно из уравнения (2), аудиообъект отображается в виде ряда L величин отсчетов. Матрица S содержит N строк, соответствующих количеству объектов, и L столбцов, соответствующих количеству отсчетов. Матрица Е рассчитана по уравнению (5) и включает в себя N колонок и N строк. Матрица Е содержит параметры объекта, когда параметры объекта даются в энергетическом режиме. Для некоррелированных объектов матрица Е, как показано в контексте уравнения (6), имеет только основные диагональные элементы, каждый из которых отображает энергию аудиообъекта. Все недиагональные элементы, как было указано ранее, представляют корреляцию двух аудиообъектов, что особенно важно, когда несколько объектов представляют собой два канала стереофонического сигнала.On Fig additionally given a matrix representation of the functions performed by the encoder unit and the decoder unit in the framework of the present invention. In most cases, blocks of sample values are processed. Therefore, as can be seen from equation (2), the audio object is displayed in the form of a series of L sample values. Matrix S contains N rows corresponding to the number of objects, and L columns corresponding to the number of samples. Matrix E is calculated according to equation (5) and includes N columns and N rows. Matrix E contains the parameters of the object when the parameters of the object are given in the energy mode. For uncorrelated objects, the matrix E, as shown in the context of equation (6), has only the main diagonal elements, each of which displays the energy of the audio object. All off-diagonal elements, as mentioned earlier, represent the correlation of two audio objects, which is especially important when several objects represent two channels of a stereo signal.

В зависимости от особенностей конструктивного исполнения уравнение (2) представляет сигнал временной области. После этого генерируется единый энергетический показатель для всего диапазона аудиообъектов. Однако предпочтительнее, если аудиообъекты обрабатываются частотно-временным преобразователем на основе, например, какого-либо алгоритма преобразования или банка фильтров, причем, в последнем случае, уравнение (2) справедливо для каждого поддиапазона, в результате чего обеспечивается формирование матрицы Е для каждого поддиапазона и, безусловно, для каждого интервала времени.Depending on the design features, equation (2) represents a time-domain signal. After that, a single energy indicator is generated for the entire range of audio objects. However, it is preferable if the audio objects are processed by a time-frequency converter based, for example, on a conversion algorithm or a filter bank, and, in the latter case, equation (2) is valid for each subband, as a result of which matrix E is generated for each subband and definitely for every time interval.

Матрица X каналов понижающего микширования имеет K строк и L столбцов и рассчитывается по уравнению (3). Как видно из уравнения (4), М выходных каналов рассчитаны, исходя из N объектов с использованием так называемой матрицы аудиорендеринга А для N объектов. В зависимости от ситуации N объектов могут быть реконструированы блоком декодера с использованием результатов понижающего микширования и параметров объекта, при этом аудиорендеринг может быть применен непосредственно к сигналам реконструируемых объектов.The matrix of X down-mix channels has K rows and L columns and is calculated by equation (3). As can be seen from equation (4), the M output channels are calculated based on N objects using the so-called audio rendering matrix A for N objects. Depending on the situation, N objects can be reconstructed by a decoder unit using the results of down-mixing and object parameters, while audio rendering can be applied directly to the signals of reconstructed objects.

С другой стороны, массив понижающего микширования может быть напрямую преобразован в сигналы выходных каналов без точного расчета сигналов источника. Матрица аудиорендеринга А, главным образом, индивидуально позиционирует источники в соответствии с заданной конфигурацией выходных аудиосигналов. Предположим, имеется шесть объектов и шесть выходных каналов, тогда каждый объект можно ассоциировать с каждым выходным каналом, и эта схема будет отражена матрицей аудиорендеринга. Однако при необходимости расположить все объекты внутри акустического пространства между двумя динамиками матрица аудиорендеринга А, отражая новое позиционирование, примет иной вид.On the other hand, the down-mix array can be directly converted to the output channel signals without accurately calculating the source signals. The audio rendering matrix A mainly individually positions the sources in accordance with a predetermined configuration of the output audio signals. Suppose there are six objects and six output channels, then each object can be associated with each output channel, and this scheme will be reflected in the audio rendering matrix. However, if necessary, arrange all objects inside the acoustic space between two speakers, the audio rendering matrix A, reflecting the new positioning, will take a different look.

Матрица аудиорендеринга, или в более общем смысле, планируемая пространственная локализация объектов, как и предполагаемое соотношение динамических диапазонов источников звука, могут в целом быть рассчитаны кодером и переданы декодеру в виде так называемого описания сцены. Однако в других вариантах осуществления такое описание сцены может быть выполнено непосредственно пользователем с целью генерировать заданное им самим повышающее микширование для получения заданной им самим конфигурации выходных акустических сигналов. Таким образом, передача описания сцены не является обязательной процедурой, такое описание сцены может быть реализовано пользователем с достижением удовлетворения его собственных запросов. Пользователь может, например, по своему желанию локализовать некоторые аудиообъекты в местах, отличных от позиций, в которых эти объекты изначально находились и которые были для них сгенерированы. Возможны также случаи, когда аудиообъекты внедрены как таковые, без наличия "оригинала" и его месторасположения относительно других, реальных, объектов. В подобных ситуациях источники звука изначально позиционируются относительно друг друга пользователем.The audio rendering matrix, or in a more general sense, the planned spatial localization of objects, as well as the estimated ratio of the dynamic ranges of sound sources, can generally be calculated by the encoder and transmitted to the decoder in the form of a so-called scene description. However, in other embodiments, such a description of the scene can be performed directly by the user in order to generate a boost mixing set by himself to obtain a configuration of acoustic output signals set by himself. Thus, the transfer of the description of the scene is not a mandatory procedure, such a description of the scene can be implemented by the user to achieve the satisfaction of his own requests. The user can, for example, optionally localize some audio objects in places other than the positions in which these objects were originally located and which were generated for them. There are also cases when audio objects are implemented as such, without the presence of the “original” and its location relative to other, real, objects. In such situations, sound sources are initially positioned relative to each other by the user.

Возвращаясь к фиг.9, рассмотрим понижающий микшер 92. Он предназначен для сокращения при микшировании фонограммы множества аудиообъектов до количества каналов понижающего микширования, причем количество аудиообъектов превосходит количество каналов понижающего микширования, при этом понижающий микшер сопряжен с генератором информации понижающего микширования так, что распределение множества аудиообъектов по множеству каналов понижающего микширования выполняется в соответствии с показателями понижающего микширования. Показатели понижающего микширования, генерируемые генератором информации понижающего микширования 96 на фиг.9, могут создаваться автоматически или управляться вручную. Рекомендуется данные понижающего микширования обрабатывать с меньшей разрешающей способностью, чем параметры объектов. Благодаря этому биты служебной информации могут быть сохранены без потери качества, поскольку фиксированные показатели понижающего микширования для отдельных частей фонограммы или одиночное медленно изменяющееся состояние понижающего микширования, не требующее обязательной частотной избирательности, оказываются вполне достаточными. Возможен вариант осуществления изобретения, при котором информация о понижающем микшировании представляет собой матрицу понижающего микширования, имеющую K строк и N столбцов.Returning to Fig. 9, we consider a downmixer 92. It is intended to reduce when mixing a phonogram of a plurality of audio objects to the number of downmix channels, the number of audio objects exceeding the number of downmix channels, while the downmix is coupled to the downmix information generator so that the distribution audio objects through a plurality of downmix channels is performed in accordance with the downmix indicators. The downmix indicators generated by the downmix information generator 96 of FIG. 9 can be automatically generated or manually controlled. It is recommended that downmix data be processed with a lower resolution than object parameters. Due to this, bits of overhead information can be saved without loss of quality, since fixed indicators of down-mixing for individual parts of the phonogram or a single slowly changing state of down-mixing, which does not require mandatory frequency selectivity, are quite sufficient. An embodiment of the invention is possible in which the downmix information is a downmix matrix having K rows and N columns.

Показатель в строке матрицы понижающего микширования имеет определенное значение, когда аудиообъект, соответствующий этому показателю в матрице понижающего микширования, присутствует в канале понижающего микширования, представленном в ряду матрицы понижающего микширования. Когда аудиообъект включен в более чем один канал понижающего микширования, конкретное значение имеют более одного ряда матрицы понижающего микширования. При этом предпочтенее, если квадратичные значения при сложении для отдельного аудиообъекта дают в сумме не более 1,0. Тем не менее, возможны и другие значения.The indicator in the row of the downmix matrix has a definite value when an audio object corresponding to this indicator in the downmix matrix is present in the downmix channel presented in the row of the downmix matrix. When an audio object is included in more than one downmix channel, more than one row of the downmix matrix has a specific value. Moreover, it is preferable if the quadratic values during addition for a single audio object give a total of no more than 1.0. However, other meanings are possible.

Кроме того, аудиообъекты могут быть введены в один или более каналов понижающего микширования с различными уровнями, и эти уровни могут быть обозначены внутри матрицы понижающего микширования весами, отличными от единицы и не составляющими в целом 1,0 для конкретного аудиообъекта.In addition, audio objects can be introduced into one or more downmix channels with different levels, and these levels can be indicated within the downmix matrix by weights other than unity and not totaling 1.0 for a particular audio object.

Когда каналы понижающего микширования включаются в закодированный сигнал аудиообъекта, сгенерированный выходным интерфейсом 98, закодированный сигнал аудиообъекта может представлять собой, например, мультиплексный сигнал с временным уплотнением в определенном формате. И наоборот, закодированный сигнал аудиообъекта может быть любым сигналом, который позволяет с помощью блока декодера разделять параметры объектов 95, параметры понижающего микширования 97 и каналы понижающего микширования 93. В дополнение к этому, интерфейс вывода данных 98 может включать в себя кодеры параметров объектов, информацию по понижающему микшированию или каналы понижающего микширования. Кодеры для параметров объектов и для данных по понижающему микшированию могут быть дифференциальными кодерами и/или энтропийными кодерами, а кодеры для каналов понижающего микширования могут представлять собой моно- или стереоаудиокодеры, такие как кодеры МР3 или ААС (усовершенствованный аудиокодек). Все эти операции кодирования дают в результате дополнительное сжатие данных с целью последующего уменьшения скорости передачи данных, необходимой для кодированного сигнала аудиообъекта 99.When the downmix channels are included in the encoded audio object signal generated by the output interface 98, the encoded audio object signal may be, for example, a time division multiplexed signal in a specific format. Conversely, the encoded signal of the audio object can be any signal that allows using the decoder unit to separate the parameters of the objects 95, the parameters of the downmix 97 and the channels of the downmix 93. In addition, the data output interface 98 may include encoders of the parameters of the objects, information downmix or downmix channels. The encoders for object parameters and for downmix data can be differential encoders and / or entropy encoders, and the encoders for downmix channels can be mono or stereo audio encoders, such as MP3 or AAC encoders (advanced audio codec). All these encoding operations result in additional data compression in order to subsequently reduce the data rate necessary for the encoded signal of the audio object 99.

В зависимости от конкретного применения понижающего микшера 92 его функции предусматривают стереофоническое представление музыкального фона, по меньшей мере, по двум каналам понижающего микширования и введение в эти, по крайней мере, два канала понижающего микширования голосовой фонограммы в предварительно заданном соотношении. При такой версии реализации первый канал музыкального фона проходит по первому каналу понижающего микширования и второй канал музыкального фона - по второму каналу понижающего микширования. Результатом подобной компоновки является оптимальное стереофоническое воспроизведение музыкального фона на стереоаппаратуре. При этом пользователь имеет возможность позиционировать голосовую фонограмму между левым стереодинамиком и правым стереодинамиком. В качестве варианта первый и второй каналы музыкального фона могут проходить по одному каналу понижающего микширования, а голосовая фонограмма может быть проведена по другому каналу понижающего микширования.Depending on the particular application of the downmixer 92, its functions provide for stereo representation of the musical background through at least two downmix channels and the introduction of a voice phonogram in these at least two downmix channels in a predetermined ratio. With this version of the implementation, the first channel of the background music passes through the first channel of the downmix and the second channel of background music goes through the second channel of the downmix. The result of this arrangement is the optimal stereo playback of musical background on stereo equipment. In this case, the user has the ability to position the voice phonogram between the left stereo speaker and the right stereo speaker. Alternatively, the first and second background music channels may pass through one downmix channel, and the voice phonogram may be conducted through another downmix channel.

Таким образом, исключая один канал понижающего микширования, можно полностью отделить голосовую фонограмму от фона музыкального сопровождения, что, в частности, отвечает требованиям караоке. Однако при этом качество воспроизведения каналов стереофонограммы музыкального сопровождения страдает из-за параметризации объекта, которая, безусловно, является методом сжатия с потерями.Thus, excluding one channel of down-mixing, you can completely separate the voice phonogram from the background of musical accompaniment, which, in particular, meets the requirements of karaoke. However, at the same time, the quality of reproduction of the channels of the stereo soundtrack of musical accompaniment suffers due to the parameterization of the object, which, of course, is a lossy compression method.

Понижающий микшер 92 имеет конфигурацию, позволяющую суммировать во временной области отсчет за отсчетом. Для такого суммирования используются отсчеты аудиообъектов, предназначенных для понижающего микширования до одного канала понижающего микширования. Если аудиообъект вводится в канал понижающего микширования в определенном процентном отношении, перед суммированием отсчетов должно выполняться предварительное взвешивание. Кроме того, суммирование может выполняться и в частотной области, или в поддиапазоне, то есть в области, следующей за частотно-временным преобразованием. Таким образом, понижающее микширование может выполняться даже в области банка фильтров, когда частотно-временное преобразование осуществляется в банке фильтров, или в области преобразования, когда частотно-временное преобразование представляет собой FFT (быстрое преобразование Фурье, БПФ), MDCT (модифицированное дискретное косинусное преобразование, МДКП), или любое другое преобразование.The downmixer 92 has a configuration that allows the accumulation of countdown by counting over the time domain. For such a summation, samples of audio objects intended for down-mixing to one down-mixing channel are used. If an audio object is introduced into the downmix channel in a certain percentage, preliminary weighing must be performed before summing the samples. In addition, the summation can be performed in the frequency domain, or in the subband, that is, in the area following the time-frequency conversion. Thus, downmixing can be performed even in the filter bank region when the time-frequency transform is performed in the filter bank, or in the transform domain when the time-frequency transform is FFT (fast Fourier transform, FFT), MDCT (modified discrete cosine transform , MDKP), or any other conversion.

Согласно одному из аспектов настоящего изобретения генератор параметров объекта 94 генерирует энергетические параметры и дополнительно - параметры корреляции между двумя объектами, когда два аудиообъекта совокупно представляют стереосигнал, что видно из последующего уравнения (6). С другой стороны, параметры объекта являются параметрами режима предсказания.According to one aspect of the present invention, the object parameter generator 94 generates energy parameters and, optionally, correlation parameters between two objects when two audio objects together represent a stereo signal, as can be seen from the following equation (6). On the other hand, the parameters of the object are parameters of the prediction mode.

На фиг.15 представлена блок-схема алгоритма или способа расчета прогностических параметров аудиообъекта. Как уже пояснялось относительно уравнений с (7) по (12), расчету подлежат некоторая статистическая информация относительно каналов понижающего микширования в матрице X и аудиообъекты в матрице S. В частности, блок 150 показывает первый шаг вычисления действительной части S·X* и действительной части X·X*. Эти действительные части - не просто числа, а матрицы, и эти матрицы в одном из вариантов реализации определяются через системы обозначений в уравнении (1) при рассмотрении реализации, следующей за уравнением (12). В большинстве случаев значения шага 150 могут быть рассчитаны с использованием данных, доступных в кодере аудиообъектов 101. Затем, как показано в шаге 152, рассчитывается матрица предсказания С. В частности, как принято на существующем уровне техники, необходимо решить систему уравнений таким образом, чтобы были получены все значения матрицы предсказания С размерностью N строк и K столбцов. Главным образом, весовые множители cn,i, как в уравнении (8), рассчитаны так, что взвешенное линейное суммирование всех каналов понижающего микширования реконструирует соответствующий аудиообъект с возможно высоким качеством. Подобная матрица предсказания дает тем лучший результат реконструкции аудиообъектов, чем большее количество каналов понижающего микширования задействуется.On Fig presents a block diagram of an algorithm or method for calculating the prognostic parameters of an audio object. As already explained with respect to equations (7) through (12), some statistical information regarding down-mix channels in matrix X and audio objects in matrix S are subject to calculation. In particular, block 150 shows the first step of calculating the real part S · X * and the real part X X *. These real parts are not just numbers, but matrices, and these matrices in one of the implementation options are determined through the notation system in equation (1) when considering the implementation following equation (12). In most cases, the values of step 150 can be calculated using the data available in the encoder of the audio objects 101. Then, as shown in step 152, the prediction matrix C is calculated. In particular, as is customary in the art, it is necessary to solve the system of equations in such a way that All values of the prediction matrix With the dimension of N rows and K columns were obtained. Basically, the weighting factors c n, i , as in equation (8), are calculated so that a weighted linear summation of all down-mix channels reconstructs the corresponding audio object with the highest possible quality. Such a prediction matrix gives the better result of reconstruction of audio objects, the more the number of down-mix channels is activated.

Далее более подробно будет рассмотрена фиг.11. В частности, на фиг.7 отображены несколько видов выходных данных, используемых для создания множества выходных каналов с заданной конфигурацией выходного сигнала. В строке 111 отображена ситуация, в которой выходными данными синтезатора выходных данных 100 являются реконструированные источники звука.Next, in more detail will be considered 11. In particular, FIG. 7 shows several types of output data used to create a plurality of output channels with a given output signal configuration. Line 111 shows the situation in which the output of the output synthesizer 100 is the reconstructed sound sources.

Входные данные, необходимые синтезатору выходных данных 100 для реконструирования аудиоисточников, включают в себя информацию по понижающему микшированию, каналы понижающего микширования и параметры аудиообъекта. При этом для дальнейшего воспроизведения реконструированных источников нет необходимости создавать конфигурацию выходного сигнала и предварительно позиционировать сами акустические источники внутри пространственной конфигурации выходного аудиосигнала. В режиме, обозначенном на фиг.11 номером 1, на выходе синтезатора выходных данных 100 будут формироваться реконструированные источники звуковых сигналов. В случае использования в качестве параметров аудиообъекта параметров предсказания синтезатор выходных данных 100 работает согласно определению, сформулированному в уравнении (7). Когда параметры объекта фиксируются в энергетическом режиме, для воссоздания исходных сигналов синтезатор выходных данных использует инверсию матрицы понижающего микширования и энергетическую матрицу.The input data required by the output data synthesizer 100 to reconstruct the audio sources includes downmix information, downmix channels, and audio object parameters. Moreover, for further reproduction of the reconstructed sources, there is no need to create the configuration of the output signal and pre-position the acoustic sources themselves within the spatial configuration of the output audio signal. In the mode indicated in FIG. 11 by number 1, reconstructed sources of audio signals will be generated at the output of the output data synthesizer 100. In the case of using the prediction parameters as parameters of the audio object, the output data synthesizer 100 operates according to the definition formulated in equation (7). When the parameters of the object are fixed in the energy mode, to recreate the original signals, the output synthesizer uses the inverse of the downmix matrix and the energy matrix.

В качестве альтернативы синтезатор выходных данных 100 может выполнять функции транскодера, как показано, например, в блоке 102 на фиг.1b. При работе синтезатора выходного сигнала в режиме транскодера, генерирующего параметры микшера пространственного звучания, требуются данные понижающего микширования, параметры аудиообъекта, конфигурация выходного сигнала и планируемая пространственная локализация источников звука. В частности, конфигурация выходного сигнала и планируемое пространственное позиционирование обеспечиваются с помощью матрицы аудиорендеринга А. При этом для генерирования параметров микшера пространственного звучания нет необходимости в наличии каналов понижающего микширования, более подробное объяснение чему будет дано в контексте фиг.12. В зависимости от ситуации параметры микшера пространственного звучания, сгенерированные синтезатором выходных данных 100, в дальнейшем могут быть напрямую использованы микшером пространственного звучания типа MPEG Surround для повышающего микширования каналов нисходящего микширования. При такой версии конструктивного исполнения корректировка каналов понижающего микширования объектов не обязательна, достаточно применение простой матрицы преобразования, имеющей только диагональные элементы, что описывалось в отношении уравнения (13). В формате 2 в строке 112 на фиг.11 синтезатор выходных данных 100 выдавает параметры микшера пространственного звучания и, предпочтительно, матрицу конверсии G согласно уравнению (13), включающую в себя показатели усиления, которые могут быть использованы как параметры произвольного усиления понижающего микширования (ADG) декодера MPEG-surround.Alternatively, the output synthesizer 100 may act as a transcoder, as shown, for example, in block 102 of FIG. 1b. When the output signal synthesizer is operating in transcoder mode generating surround mixer parameters, down-mix data, audio object parameters, output signal configuration and planned spatial localization of sound sources are required. In particular, the configuration of the output signal and the planned spatial positioning are provided using the audio rendering matrix A. However, to generate the parameters of the surround mixer, there is no need for down-mix channels, a more detailed explanation will be given in the context of Fig. 12. Depending on the situation, the surround mixer parameters generated by the output synthesizer 100 can then be directly used by the surround mixer like MPEG Surround to up-mix the down-mix channels. With this version of the design, the adjustment of the channels for down-mixing of objects is not necessary, it is sufficient to use a simple transformation matrix with only diagonal elements, which was described in relation to equation (13). In format 2, on line 112 in FIG. 11, the output synthesizer 100 outputs the parameters of the surround mixer and, preferably, the conversion matrix G according to equation (13), including gain factors that can be used as arbitrary gain parameters of downmix (ADG ) MPEG-surround decoder.

В формате 3 в строке 113 на фиг.11 выходные данные содержат параметры микшера пространственного звучания в виде конверсионной матрицы, такой как показана в контексте уравнения (25). В этом контексте синтезатор выходных данных 100 не обязательно должен фактически конвертировать понижающее микширование объекта в стерео понижающего микширования. Номером 4 в строке 114 на фиг.11 обозначен другой формат работы синтезатора выходных данных 100, представленный на фиг.10. В данном случае транскодер работает, как элемент 102 на фиг.1b, и выдает на выходе не только параметры микшера пространственного звучания, но и дополнительные преобразованные результаты понижающего микширования.In format 3 on line 113 of FIG. 11, the output contains the surround mixer parameters in the form of a conversion matrix, such as shown in the context of equation (25). In this context, the output synthesizer 100 does not have to actually convert the downmix of the object into stereo downmix. The number 4 on line 114 in FIG. 11 designates a different format of the output data synthesizer 100 shown in FIG. 10. In this case, the transcoder operates as an element 102 in FIG. 1b, and outputs not only the surround mixer parameters, but also additional converted downmix results.

При этом отпадает необходимость вывода конверсионной матрицы G в дополнение к преобразованному понижающему микшированию. Вывода преобразованного понижающего микширования и параметров микшера пространственного звучания достаточно, что очевидно из фиг.1b.This eliminates the need for outputting the conversion matrix G in addition to the converted downmix. The output of the converted downmix and surround mixer parameters are sufficient, which is obvious from fig.1b.

Формат 5 характеризует еще одно приложение синтезатора выходных данных 100, показанное на фиг.10. В условиях, обозначенных в строке 115 на фиг.11, выходные данные, сгенерированные синтезатором выходных данных, не содержат никакие параметры микшера пространственного звучания, а только включают в себя, например, матрицу конверсии G согласно уравнению (35) или фактически содержат непосредственно выходные стереофонические сигналы, как показано в строке 115. При таком варианте реализации интерес представляет только стереоаудиорендеринг, а какие-либо параметры микшера пространственного звучания не требуются. Однако для генерирования стереовыхода требуется вся имеющаяся в наличии входная информация, как показано на фиг.11.Format 5 characterizes another application of the output data synthesizer 100 shown in FIG. 10. Under the conditions indicated on line 115 in FIG. 11, the output generated by the output synthesizer does not contain any surround mixer parameters, but only include, for example, the conversion matrix G according to equation (35) or actually contain directly stereo output signals, as shown in line 115. With this embodiment, only stereo audio rendering is of interest, and any surround mixer parameters are not required. However, to generate a stereo output, all available input information is required, as shown in FIG. 11.

Еще один режим работы синтезатора выходных данных отображен в формате 6 в строке 116. В данном случае синтезатор выходных данных 100 генерирует многоканальный выход и является аналогом компонента 104 на фиг.1b. Для этого синтезатору выходных данных 100 необходима вся доступная входная информация, на основе которой он формирует многоканальный выходной сигнал, состоящий из более чем двух выходных каналов, подлежащих воспроизведению с использованием соответствующего количества акустических динамиков, локализованных в пространстве в соответствии с заданной конфигурацией выходного аудиосигнала. Таким многоканальным выходным сигналом может быть 5.1-канальный выход, 7.1-канальный выход или 3.0-канальный выход при наличии левого, центрального и правого громкоговорителей.Another mode of operation of the output synthesizer is displayed in format 6 on line 116. In this case, the output data synthesizer 100 generates a multi-channel output and is analogous to component 104 in FIG. 1b. For this, the output data synthesizer 100 needs all available input information, on the basis of which it generates a multi-channel output signal consisting of more than two output channels to be reproduced using the appropriate number of acoustic speakers localized in space in accordance with a given configuration of the output audio signal. This multi-channel output can be a 5.1-channel output, a 7.1-channel output, or a 3.0-channel output with left, center, and right speakers.

Далее дается ссылка на фиг.11 для наглядности пояснения примера вычисления нескольких параметров, снятых с декодера MPEG-surround, на основании принципа параметризации, представленного на фиг.7. Как уже сказано, фиг.7 иллюстрирует процесс параметризации с использованием блока декодера MPEG-Surround, начиная с ввода стерео понижающего микширования 70, содержащего левый I0 и правый r0 каналы понижающего микширования. Схематически оба канала понижающего микширования вводятся в так называемый блок "два-к-трем" 71. Блок "два-к-трем" управляется несколькими входными параметрами 72. Блок 71 генерирует три выходных канала 73а, 73b, 73с. Каждый выходной канал вводится в блок "один-к-двум". Это означает, что канал 73а вводится в блок 74а, канал 73b вводится в блок 74b, и канал 73с вводится в блок 74с. Каждый блок имеет два выходных канала. Блок 74а выводит левый фронтальный lf и левый панорамный ls каналы. Одновременно блок 74b выводит правый фронтальный rf и правый панорамный rs каналы. Вместе с тем блок 74с дает на выходе центральный канал с и канал оптимизации низких частот (lfe). Важно, что весь процесс повышающего микширования от каналов понижающего микширования 70 до выходных каналов осуществляется с использованием матричной операции, и древовидная структура, показанная на фиг.7, не обязательно должна реализовываться шаг-за-шагом, а может быть осуществлена через одну или через несколько операций над матрицами. Более того, промежуточные сигналы, обозначенные как 73а, 73b и 73с, не рассчитываются определенно каким-либо конкретным реализованным устройством, а показаны на фиг.7 только для наглядности. Вместе с тем, блоки 74а, 74b принимают некоторые остаточные сигналы res1OTT, res2OTT, которые могут использоваться для введения в выходные сигналы определенного момента случайности.Next, reference is made to FIG. 11 for the purpose of explaining an example of calculating several parameters taken from an MPEG-surround decoder based on the parameterization principle presented in FIG. 7. As already mentioned, FIG. 7 illustrates a parameterization process using an MPEG-Surround decoder unit, starting from inputting a stereo down-mix 70 containing left I 0 and right r 0 down-mix channels. Schematically, both down-mix channels are input into the so-called two-to-three block 71. The two-to-three block is controlled by several input parameters 72. The block 71 generates three output channels 73a, 73b, 73c. Each output channel is inserted in a one-to-two block. This means that channel 73a is input to block 74a, channel 73b is input to block 74b, and channel 73c is input to block 74c. Each block has two output channels. Block 74a outputs the left front l f and left panoramic l s channels. Simultaneously unit 74b outputs a right front r f and right panoramic r s channels. At the same time, block 74c provides a central channel c and a low frequency optimization channel (lfe) at the output. It is important that the whole up-mix process from down-mix channels 70 to the output channels is carried out using a matrix operation, and the tree structure shown in Fig. 7 does not have to be implemented step-by-step, but can be implemented through one or several operations on matrices. Moreover, the intermediate signals, designated 73a, 73b and 73c, are not specifically calculated by any particular implemented device, but are shown in FIG. 7 for illustrative purposes only. At the same time, blocks 74a, 74b receive some residual signals res 1 OTT , res 2 OTT , which can be used to introduce a certain moment of randomness into the output signals.

Как известно из описания декодера MPEG-surround, управление блоком 71 осуществляется с использованием или параметров предсказания СРС, или энергетических параметров CLDrrr. Для повышающего микширования с двух каналов на три канала требуются, по крайней мере, два параметра предсказания СРС1, СРС2 или, по крайней мере, два энергетических параметра

Figure 00000051
и
Figure 00000052
. Вместе с тем, в блок 71 может быть введен показатель степени корреляции, ICCTTT, который, однако, является лишь вспомогательной характеристикой, не обязательной к использованию в одном и том же варианте технического решения изобретения. На фиг.12 и 13 представлен алгоритм и/или необходимые средства вычисления всего комплекса параметров объекта 95 на фиг.9 - CPC/CLDTTT, CLD0, CLD1, ICC1, CLD2, ICC2, информация по понижающему микшированию 97 на фиг.9 и планируемое пространственное позиционирование источников звука, например, описание сцены 101, как отображено на фиг.10. Эти параметры представляют собой предварительно задаваемый формат вывода звукового сигнала для 5.1-канальной системы звукового окружения.As is known from the description of the MPEG-surround decoder, block 71 is controlled using either CPC prediction parameters or CLDrrr energy parameters. For up-mixing from two channels to three channels, at least two prediction parameters CPC1, CPC2 or at least two energy parameters are required
Figure 00000051
and
Figure 00000052
. However, in block 71, an indicator of the degree of correlation, ICC TTT , which, however, is only an auxiliary characteristic, not required for use in the same embodiment of the technical solution of the invention, can be entered. On Fig and 13 presents the algorithm and / or necessary means of calculating the entire complex of parameters of the object 95 in Fig.9 - CPC / CLD TTT , CLD0, CLD1, ICC1, CLD2, ICC2, information on down-mix 97 in Fig.9 and the planned spatial positioning of sound sources, for example, a description of a scene 101, as shown in FIG. 10. These parameters are a predefined audio output format for a 5.1-channel surround sound system.

Естественно, что подобный специальный расчет параметров для данного конкретного технического решения может быть адаптирован к другим форматам вывода сигнала или разновидностям параметризации в соответствии с концепцией данного изобретения. Более того, последовательность шагов алгоритма или компоновка средств на фиг.12 и 13а, b даны лишь в качестве наглядного примера и могут претерпевать изменения в границах логики математических уравнений.Naturally, such a special calculation of the parameters for this particular technical solution can be adapted to other signal output formats or types of parameterization in accordance with the concept of the present invention. Moreover, the sequence of steps of the algorithm or the layout of the funds in FIGS. 12 and 13a, b are given only as a good example and can undergo changes in the boundaries of the logic of mathematical equations.

Шаг 120 обеспечивает функционирование матрицы аудиорендеринга А. Матрица аудиорендеринга позиционирует в акустическом пространстве каждый источник из множества источников с учетом предварительно заданной конфигурации выходного сигнала.Step 120 provides the functioning of the audio rendering matrix A. The audio rendering matrix positions each source from a plurality of sources in the acoustic space, taking into account a predetermined output signal configuration.

Шаг 121 обеспечивает образование матрицы частичного понижающего микширования D36 в соответствии с уравнением (20). Эта матрица обеспечивает возможность нисходящего микширования с шести выходных каналов до трех каналов и имеет размерность 3×N. При необходимости генерировать большее число выходных каналов, чем при конфигурации 5.1, например, при создании 8-канального формата выходного сигнала (7.1), матрица, представленная в блоке 121, станет матрицей D38.Step 121 provides the formation of a partial downmix matrix D 36 in accordance with equation (20). This matrix allows downstream mixing from six output channels to three channels and has a 3 × N dimension. If necessary, generate a larger number of output channels than with 5.1 configuration, for example, when creating an 8-channel output signal format (7.1), the matrix presented in block 121 will become D 38 matrix.

Шаг 122 обеспечивает формирование редуцированной матрицы аудиорендеринга А3 путем перемножения матрицы D36 и полной матрицы аудиорендеринга, как определено в шаге 120.Step 122 provides the formation of a reduced matrix of audio rendering A 3 by multiplying the matrix D 36 and the full matrix of audio rendering, as defined in step 120.

Шаг 123 обеспечивает введение матрицы понижающего микширования D. Эта матрица понижающего микширования D может быть извлечена из закодированного сигнала аудиообъекта, когда матрица целиком содержится в этом сигнале. Или же матрица понижающего микширования может быть параметризирована, например, для введения специальных данных по понижающему микшированию и формирования матрицы понижающего микширования G.Step 123 provides the introduction of the downmix matrix D. This downmix matrix D can be extracted from the encoded signal of the audio object when the matrix is entirely contained in this signal. Alternatively, the downmix matrix can be parameterized, for example, to introduce special downmix data and generate the downmix matrix G.

Шаг 124 обеспечивает в дополнение к этому энергетическую матрицу объекта. Эта энергетическая матрица объекта отражена в параметрах объекта для N объектов и может быть выделена из импортируемых аудиообъектов или реконструирована с использованием определенного набора правил. Такой набор правил восстановления может включать в себя энтропийное декодирование и т.п.Step 124 provides in addition to this an energy matrix of the object. This energy matrix of the object is reflected in the object parameters for N objects and can be extracted from imported audio objects or reconstructed using a specific set of rules. Such a set of recovery rules may include entropy decoding and the like.

Шаг 125 обеспечивает формирование "сокращенной" матрицы предсказания С3. Значения этой матрицы могут быть рассчитаны путем решения системы линейных уравнений согласно шагу 125. В частности, элементы матрицы С3 могут быть вычислены умножением обеих частей уравнения на инверсию (DED*).Step 125 provides the formation of a “reduced” C 3 prediction matrix. The values of this matrix can be calculated by solving a system of linear equations according to step 125. In particular, the elements of the C 3 matrix can be calculated by multiplying both sides of the equation by inversion (DED *).

Шаг 126 обеспечивает расчет конверсионной матрицы G. Конверсионная матрица G размерностью K*K сформирована согласно уравнению (25). Для решения уравнения на шаге 126 необходима специальная матрица DTTT, формируемая на шаге 127. Пример для этой матрицы дан в уравнении (24), а определение можно получить, исходя из соответствующего уравнения для CTTT, что описано уравнением (22). Таким образом, уравнение (22) определяет порядок действий на шаге 128. Шаг 129 определяет уравнения для расчета матрицы CTTT. Как только на основании уравнения блока 129 будет определена матрица CTTT, могут быть выведены параметры α, β и γ, являющиеся параметрами СРС (коэффициента предсказания канала). Рекомендуется задать γ значение, равное 1, после чего единственными входными параметрами СРС в блок 71 останутся α и β.Step 126 provides the calculation of the conversion matrix G. The conversion matrix G of dimension K * K is formed according to equation (25). To solve the equation in step 126, a special matrix D TTT is needed, which is formed in step 127. An example for this matrix is given in equation (24), and the definition can be obtained from the corresponding equation for C TTT , which is described by equation (22). Thus, equation (22) determines the procedure in step 128. Step 129 defines the equations for calculating the matrix TTT . As soon as the matrix C TTT is determined based on the equation of block 129, the parameters α, β, and γ, which are the parameters of the CPC (channel prediction coefficient), can be derived. It is recommended to set the γ value to 1, after which α and β will remain the only input parameters of the CPC in block 71.

Остальные параметры, необходимые для алгоритма на фиг.7, представляют собой параметры, вводимые в блоки 74а, 74b и 74с. Расчет этих параметров описан в контексте фиг.13а. Шаг 130 обеспечивает формирование матрицы аудиорендеринга А. Размерность матрицы аудиорендеринга А составляет N строк для числа аудиообъектов и М столбцов для числа выходных каналов. Эта матрица аудиорендеринга содержит информацию, основанную на векторе сцены, когда вектор сцены используется. Чаще всего матрица аудиорендеринга включает в себя информацию об определенном местоположении в заданной конфигурации выходного сигнала. Если рассматривать матрицу аудиорендеринга А, например, в контексте ниже уравнения (19), становится понятно, каким образом может быть закодирована определенная локализация объектов в структуре матрицы аудиорендеринга. Естественно, могут использоваться и другие способы строго определенного позиционирования, такие как по значениям, не равным 1. Кроме того, используя значения, с одной стороны, меньше 1 и, с другой стороны, больше 1, можно управлять уровнем громкости конкретных аудиообъектов.The remaining parameters necessary for the algorithm in Fig. 7 are the parameters input to blocks 74a, 74b and 74c. The calculation of these parameters is described in the context of figa. Step 130 provides the formation of an audio rendering matrix A. The dimension of the audio rendering matrix A is N rows for the number of audio objects and M columns for the number of output channels. This audio rendering matrix contains information based on the scene vector when the scene vector is used. Most often, the audio rendering matrix includes information about a specific location in a given output signal configuration. If we consider the audio rendering matrix A, for example, in the context below equation (19), it becomes clear how a certain localization of objects in the structure of the audio rendering matrix can be encoded. Naturally, other methods of strictly defined positioning can be used, such as for values not equal to 1. In addition, using values, on the one hand, less than 1 and, on the other hand, more than 1, you can control the volume level of specific audio objects.

Возможен вариант конструктивного исполнения, при котором матрица аудиорендеринга формируется модулем декодера без использования какой-либо информации со стороны кодера.A design variant is possible in which the audio rendering matrix is formed by the decoder module without using any information from the encoder.

Это дает возможность пользователю размещать аудиообъекты произвольно по своему желанию, без учета их взаимного пространственного расположения, зафиксированного данными кодера.This enables the user to place audio objects arbitrarily at will, without taking into account their mutual spatial location, recorded by the encoder data.

Возможна также версия технического решения, при которой относительное или абсолютное позиционирование акустических источников может быть закодировано модулем кодера и передано на декодер в виде определенного вектора сцены. Затем, на модуле декодера информация относительно локализации источников звука, предпочтительно не зависящая от заданных установок аудиорендеринга, обрабатывается с формированием в результате матрицы аудиорендеринга, отражающей пространственное расположение аудиоисточников, сориентированных на специфическую конфигурацию выходного аудиосигнала.A version of the technical solution is also possible in which the relative or absolute positioning of the acoustic sources can be encoded by the encoder module and transmitted to the decoder in the form of a certain scene vector. Then, on the decoder module, information regarding the localization of sound sources, preferably independent of the specified audio rendering settings, is processed to form an audio rendering matrix reflecting the spatial arrangement of the audio sources oriented to the specific configuration of the output audio signal.

Шаг 131 обеспечивает формирование матрицы Е энергетических показателей объекта, которая уже рассматривалась в связи с шагом 124 на фиг.12. Эта матрица имеет размерность N×N и содержит параметры аудиообъекта. Один из вариантов осуществления изобретения предусматривает подобную матрицу энергетических параметров объекта для каждого поддиапазона и каждого модуля временных отсчетов или отсчетов поддиапазонов.Step 131 provides the formation of the matrix E of energy indicators of the object, which has already been considered in connection with step 124 in Fig. 12. This matrix has the dimension N × N and contains the parameters of the audio object. One of the embodiments of the invention provides a similar matrix of energy parameters of the object for each subband and each module of time samples or samples of subbands.

Шаг 132 обеспечивает расчет матрицы энергетических параметров выходного сигнала F.Step 132 provides a calculation of the matrix of energy parameters of the output signal F.

F - матрица ковариации выходных каналов. Поскольку при этом выходные каналы сохраняют неопределенность, матрица F энергетических параметров выходного сигнала рассчитывается с использованием матрицы аудиорендеринга и матрицы энергетических характеристик. Эти матрицы формируются при выполнении шагов 130 и 131 с непосредственным доступом к матрицам в модуле декодера. После этого с применением специальных уравнений (15), (16), (17), (18) и (19) производится расчет показателей разности уровней каналов CLD0, CLD1, CLD2 и характеристик межканальной когерентности ICC1 и ICC2 с целью получения параметров для блоков 74а, 74b, 74с. Важно, что пространственные характеристики рассчитываются путем комбинирования специфических элементов матрицы энергетических показателей выходного сигнала F.F is the covariance matrix of the output channels. Since the output channels remain uncertain in this case, the matrix F of energy parameters of the output signal is calculated using the matrix of audio rendering and the matrix of energy characteristics. These matrices are formed in steps 130 and 131 with direct access to the matrices in the decoder module. After that, using special equations (15), (16), (17), (18) and (19), the channel level difference indicators CLD 0 , CLD 1 , CLD 2 and the interchannel coherence characteristics ICC 1 and ICC 2 are calculated with the aim of obtaining parameters for blocks 74a, 74b, 74c. It is important that the spatial characteristics are calculated by combining specific elements of the matrix of energy indicators of the output signal F.

По выполнении шага 133 все параметры для пространственного повышающего микшера, такого, например, какой схематично показан на фиг.7, подготовлены.In step 133, all parameters for the spatial boost mixer, such as, for example, schematically shown in FIG. 7, are prepared.

В описанных ранее реализациях изобретения параметры объекта представлялись как энергетические характеристики. Однако когда параметры объектов даются в прогностическом представлении, то есть в виде матрицы С предсказания объектов, показанной под пунктом 124а на фиг.12, для расчета сокращенной матрицы предсказания С3 достаточно простого перемножения матриц согласно иллюстрации блока 125а и пояснениям в контексте уравнения (32). Матрица, использованная в блоке 125а, является той же самой матрицей A3, которая упоминается в блоке 122 на фиг.12.In the previously described implementations of the invention, the parameters of the object were presented as energy characteristics. However, when the parameters of the objects are given in the prognostic representation, that is, in the form of an object prediction matrix C, shown under paragraph 124a in Fig. 12, for calculating the reduced prediction matrix C 3, a simple matrix multiplication is sufficient according to the illustration of block 125a and explanations in the context of equation (32) . The matrix used in block 125a is the same matrix A 3 that is mentioned in block 122 in FIG. 12.

Когда матрица С предсказания объектов генерируется кодером аудиообъектов и передается на декодер, требуются дополнительные вычисления для подготовки параметров для блоков 74а, 74b, 74с. Эти вспомогательные шаги представлены на фиг.13b. Вновь матрица С предсказания объекта формируется как блок 124а на фиг.13b, что аналогично описанию блока 124а на фиг.12. Затем, как описывалось в связи с уравнением (31), матрица ковариации Z понижающего микширования объекта рассчитывается с использованием переданного понижающего микширования или генерируется и передается как дополнительная служебная информация. После передачи данных о матрице Z декодер не должен выполнять какие-либо расчеты энергетических параметров, ведущие, по существу, к возобновлению отсроченной обработки некоторых данных и увеличению совокупной загрузки блока декодера. Однако, когда эти вопросы не являются решающими для того или иного приложения, полоса частот пропускания может быть сохранена, и матрица ковариации Z понижающего микширования объекта также может быть рассчитана с использованием отсчетов понижающего микширования, которые, безусловно, доступны в модуле декодера. Как только действия шага 134 будут завершены и матрица ковариации понижающего микширования объекта будет готова, матрица Е энергетических параметров объекта может быть рассчитана согласно указаниям шага 135 с использованием матрицы предсказания С и матрицы ковариации понижающего микширования или матрицы Z "энергии понижающего микширования". По завершении шага 135 могут быть выполнены все описанные выше шаги, относящиеся к фиг.13а, а именно - 132, 133, с целью формирования всех необходимых параметров для блоков 74а, 74b, 74с на фиг.7.When the object prediction matrix C is generated by the audio object encoder and transmitted to the decoder, additional calculations are required to prepare the parameters for blocks 74a, 74b, 74c. These auxiliary steps are presented in fig.13b. Again, the object prediction matrix C is formed as block 124a in FIG. 13b, which is similar to the description of block 124a in FIG. 12. Then, as described in connection with equation (31), the covariance matrix Z of the down-mix of the object is calculated using the transmitted down-mix or generated and transmitted as additional overhead information. After transmitting data about the Z matrix, the decoder should not perform any calculations of energy parameters, leading, in essence, to the resumption of the delayed processing of some data and to increase the total load of the decoder block. However, when these issues are not critical for a particular application, the bandwidth can be saved, and the covariance matrix Z of the downmix of an object can also be calculated using downmix samples, which are certainly available in the decoder module. Once the actions of step 134 are completed and the object down-mix covariance matrix is ready, the object energy parameters matrix E can be calculated according to the instructions of step 135 using the prediction matrix C and the down-mix covariance matrix or the “down-mix energy” matrix Z. At the end of step 135, all the above steps related to FIG. 13a can be performed, namely 132, 133, with the aim of generating all the necessary parameters for blocks 74a, 74b, 74c in FIG. 7.

На фиг.16 представлено еще одно конструктивное решение, реализующее только стереоаудиорендеринг. Стереоаудиорендеринг - это формирование выходного сигнала в соответствии с режимом номер 5 или строкой 115 фиг.11. Здесь синтезатору выходных данных 100 на фиг.10 не требуются какие-либо пространственные параметры восходящего микширования, главным образом ему необходима специальная конверсионная матрица G, чтобы преобразовать понижающее микширование объекта в функциональное и, безусловно, быстро настраиваемое и легко управляемое стерео понижающее микширование.On Fig presents yet another design solution that implements only stereo audio rendering. Stereo audio rendering is the formation of an output signal in accordance with mode number 5 or line 115 of FIG. 11. Here, the output synthesizer 100 in FIG. 10 does not require any spatial up-mix parameters, it mainly needs a special conversion matrix G to convert the downmix of the object into a functional and, of course, quickly tuned and easily controlled stereo down-mix.

Шаг 160 на фиг.16 содержит в себе расчет матрицы частичного понижающего микширования с М до 2 каналов. При варианте с шестью выходными каналами матрица частичного понижающего микширования будет выполнять функции матрицы понижающего микширования с шести до двух каналов, сохраняя возможность применения других матриц понижающего микширования. Расчет такой матрицы частичного понижающего микширования может быть выполнен, например, путем выведения из матрицы частичного понижающего микширования D36, как это имело место на шаге 121, и матрицы DTTT, как это было сделано на ступени 127 фиг.12.Step 160 in FIG. 16 includes calculating a partial downmix matrix from M to 2 channels. In the variant with six output channels, the partial downmix matrix will act as a downmix matrix from six to two channels, while maintaining the possibility of using other downmix matrices. The calculation of such a partial downmix matrix can be performed, for example, by deducing from the partial downmix matrix D 36 , as was the case in step 121, and the TTT matrix D, as was done in step 127 of Fig. 12.

В дополнение к этому, на основании результата шага 160 генерируется матрица стереоаудиорендеринга А2, и на шаге 161 представлена "большая" матрица аудиорендеринга А. Матрица аудиорендеринга А - это та же самая матрица, которая рассматривалась в связи с блоком 120 фиг.12.In addition, based on the result of step 160, the stereo audio rendering matrix A 2 is generated, and the “large” audio rendering matrix A is presented in step 161. The audio rendering matrix A is the same matrix that was considered in connection with block 120 of FIG. 12.

Далее, на шаге 162, матрица стереоаудиорендеринга может быть параметрирована показателями локализации µ и κ. При задании и для µ, и для κ значения 1 получается уравнение (33), которое дает возможность варьировать динамический диапазон голоса, что уже описывалось в примере, приведенном в контексте уравнения (33). Вместе с тем, при изменении других параметров, таких как µ и κ, может варьироваться также расположение источников.Next, at step 162, the stereo-audio rendering matrix can be parameterized by the localization factors µ and κ. If both μ and κ are set to 1, then equation (33) is obtained, which makes it possible to vary the dynamic range of the voice, which has already been described in the example given in the context of equation (33). At the same time, when changing other parameters, such as µ and κ, the arrangement of sources can also vary.

Затем, как показано на шаге 163, рассчитывается матрица конверсии G с применением уравнения (33).Then, as shown in step 163, the conversion matrix G is calculated using equation (33).

Исправления, внесенные в описаниеCorrections made to the description

В частности, матрица (DED*) может быть рассчитана, инвертирована, и инвертированная матрица может быть умножена на правую часть уравнения блока 163. Безусловно, могут быть применены и другие способы решения уравнения блока 163. После того как получена матрица конверсии G, понижающее микширование объекта X может быть преобразовано путем умножения матрицы конвертирования и понижающего микширования объекта, что отображено в блоке 164. После этого может быть выполнен стереоаудиорендеринг конвертированного понижающего микширования X' с использованием двух акустических стереосистем. В зависимости от технического решения для µ, ν и κ могут быть заданы определенные значения для расчета матрицы конвертирования G. Или же конверсионная матрица G может быть рассчитана с использованием всех этих трех параметров в качестве переменных таким образом, что параметры будут задаваться в соответствии с требованиями пользователя после прохождения шага 163.In particular, the matrix (DED *) can be calculated, inverted, and the inverted matrix can be multiplied by the right side of the equation of block 163. Of course, other methods of solving the equation of block 163. can also be applied. After the conversion matrix G, which reduces the mixing, is obtained object X can be transformed by multiplying the conversion matrix and down-mixing the object, which is displayed in block 164. After that, stereo audio rendering of the converted down-mixing X 'can be performed using I eat two stereo speakers. Depending on the technical solution, for μ, ν and κ, certain values can be set for calculating the conversion matrix G. Or, the conversion matrix G can be calculated using all these three parameters as variables so that the parameters are set in accordance with the requirements user after passing step 163.

В предпочтительных вариантах реализации изобретения были найдены решения проблемы передачи нескольких самостоятельных аудиообъектов (с использованием многоканального понижающего микширования и вспомогательных управляющих данных, описывающих объектыи аудиорендеринга объектов для заданной воспроизводящей системы (конфигурации громкоговорителей)). Вводится способ преобразования относящихся к объекту управляющих данных в управляющие данные, совместимые с системой воспроизведения. Далее предлагаются соответствующие методы кодирования, основанные на алгоритме кодирования MPEG Surround.In preferred embodiments of the invention, solutions have been found to the problem of transmitting several independent audio objects (using multi-channel downmixing and auxiliary control data describing objects and audio rendering of objects for a given playback system (speaker configuration)). A method for converting object-related control data into control data compatible with a reproduction system is introduced. The following are suitable coding methods based on the MPEG Surround coding algorithm.

В зависимости от технических требований конкретного варианта конструктивного исполнения вводимые методы и результирующий сигнал могут иметь форму реализации в аппаратных средствах или в программном обеспечении. Данная часть изобретения может быть осуществлена с использованием цифрового носителя информации, в частности диска или CD, предназначенного для хранения в электронно считываемом виде управляющих сигналов, совместимого с программируемой компьютерной системой таким образом, чтобы могли быть выполнены вводимые методы. Таким образом, в общем смысле настоящее изобретение представляет собой компьютерный программный продукт с присвоенным ему программным кодом, хранящимся на машинно-считываемом накопителе, и предназначенный для выполнения, по меньшей мере, одного из изобретенных методов при запуске данного программного продукта на компьютере. Формулируя иначе, изобретенные методы являются, таким образом, программой для компьютера, имеющей программный код, предназначенной для осуществления изобретенных методов при запуске данной программы на компьютере.Depending on the technical requirements of a particular embodiment, the input methods and the resulting signal may take the form of implementation in hardware or in software. This part of the invention can be implemented using a digital storage medium, in particular a disk or CD, designed to store control signals in an electronically readable form compatible with a programmable computer system so that the input methods can be performed. Thus, in a general sense, the present invention is a computer program product with software code assigned to it stored on a machine-readable drive, and designed to perform at least one of the invented methods when starting this software product on a computer. Stated differently, the invented methods are, therefore, a computer program having program code designed to implement the invented methods when running this program on a computer.

Другими словами, конструктивное исполнение предлагаемого изобретения представляет собой кодер аудиообъектов, предназначенный для генерирования закодированного сигнала аудиообъекта как одного из множества аудиообъектов, включающий в свою конструкцию генератор информации понижающего микширования для формирования информации понижающего микширования, отображающей порядок распределения множества аудиообъектов, по меньшей мере, между двумя каналами понижающего микширования;In other words, the embodiment of the present invention is an audio object encoder for generating an encoded audio object signal as one of a plurality of audio objects, including a downmix information generator for generating downmix information showing a distribution order of a plurality of audio objects between at least two downmix channels;

генератор параметров аудиообъектов; и выходной интерфейс для генерирования кодированного сигнала аудиообъекта с использованием информации понижающего микширования и параметров объекта.generator of audio object parameters; and an output interface for generating a coded signal of the audio object using downmix information and object parameters.

Как вариант, интерфейс вывода данных может генерировать закодированный аудиосигнал, дополнительно используя множество каналов понижающего микширования.Alternatively, the data output interface may generate an encoded audio signal, additionally using a plurality of downmix channels.

Кроме этого, или вместо этого, генератор параметров отличается тем, что способен формировать характеристики объекта с первичным временным и частотным разрешением, а в случаях, когда генератор информации понижающего микширования имеет функцию генерирования информации понижающего микширования с вторичным временным и частотным разрешением, вторичная разрешающая способность по времени и частоте ниже, чем первичная.In addition, or instead, the parameter generator is characterized in that it is capable of generating object characteristics with primary time and frequency resolution, and in cases where the down-mixing information generator has the function of generating down-mixing information with secondary time and frequency resolution, the secondary resolution is time and frequency lower than the primary.

Кроме того, генератор информации понижающего микширования отличается тем, что способен генерировать информацию понижающего микширования таким образом, что параметры понижающего микширования равномерно охватывают весь диапазон частот аудиообъектов.In addition, the down-mix information generator is characterized in that it is able to generate down-mix information so that the down-mix parameters uniformly cover the entire frequency range of audio objects.

Кроме того, генератор информации понижающего микширования отличается тем, что способен генерировать информацию понижающего микширования таким образом, что информация понижающего микширования может содержать матрицу понижающего микширования, определяемую как:In addition, the downmix information generator is characterized in that it is capable of generating downmix information such that the downmix information may comprise a downmix matrix, defined as:

X=DS,X = DS

где S - матрица, представляющая аудиообъекты и содержащая число строк, равное количеству аудиообъектов,where S is a matrix representing audio objects and containing the number of rows equal to the number of audio objects,

где D - матрица понижающего микширования, иwhere D is a downmix matrix, and

где X - матрица, представляющая множество каналов понижающего микширования и содержащая число строк, равное количеству каналов понижающего микширования.where X is a matrix representing a plurality of downmix channels and containing a number of lines equal to the number of downmix channels.

Кроме того, информация о части объекта может иметь показатель, меньший чем 1 и больший чем 0.In addition, information about a part of an object may have an indicator less than 1 and greater than 0.

Кроме того, понижающий микшер отличается тем, что способен формировать стереофоническое представление музыкального фона, по крайней мере, по двум каналам понижающего микширования и вводить голосовую фонограмму, по крайней мере, в эти два канала понижающего микширования в заданном соотношении.In addition, the downmixer is characterized in that it is able to generate a stereo background representation of the musical background through at least two downmix channels and enter a voice phonogram in at least these two downmix channels in a predetermined ratio.

Кроме того, понижающий микшер отличается тем, что способен выполнять сложение отсчетов сигналов для дальнейшего введения в канал понижающего микширования согласно данным по понижающему микшированию.In addition, the downmixer is characterized in that it is capable of adding up the signal samples for further introduction into the downmix channel according to the downmix data.

Кроме того, интерфейс вывода данных отличается тем, что способен выполнять сжатие данных по понижающему микшированию и параметров объекта перед генерированием закодированного сигнала аудиообъекта.In addition, the data output interface is characterized in that it is capable of compressing downmix data and object parameters before generating an encoded audio object signal.

Кроме того, множество аудиообъектов может включать в себя стереофонический объект, представленный двумя аудиообъектами с некоторой ненулевой корреляцией и содержащий данные о группировании, сформированные генератором информации понижающего микширования, указывающие на эти два аудиообъекта, образующие данный стереофонический объект.In addition, a plurality of audio objects may include a stereo object represented by two audio objects with some non-zero correlation and containing grouping data generated by a downmix information generator pointing to these two audio objects forming this stereo object.

Кроме того, генератор параметров объекта отличается тем, что способен формировать параметры предсказания аудиообъектов, рассчитывая их таким образом, что взвешенное добавление каналов понижающего микширования к исходному объекту, регулируемому с помощью параметров предсказания, или просто к исходному объекту дает в результате аппроксимацию объекта-источника.In addition, the object parameter generator is characterized in that it is able to generate the prediction parameters of audio objects, calculating them in such a way that a weighted addition of down-mix channels to the original object controlled by the prediction parameters, or simply to the original object, results in an approximation of the source object.

Кроме того, параметры предсказания могут формироваться на основе полосы частот, причем аудиообъекты охватывают весь частотный диапазон.In addition, the prediction parameters can be formed based on the frequency band, and audio objects cover the entire frequency range.

Кроме того, количество аудиообъектов может быть равным N, количество каналов понижающего микширования равно K, а число параметров предсказания объектов, вычисляемое генератором параметров объектов, равно или меньше чем N·K.In addition, the number of audio objects can be equal to N, the number of down-mix channels is K, and the number of object prediction parameters calculated by the object parameter generator is equal to or less than N · K.

Кроме того, генератор параметров объекта отличается тем, что способен рассчитывать наибольшее число параметров предсказания объектов K·(N-K).In addition, the object parameter generator is characterized in that it is able to calculate the largest number of object prediction parameters K · (N-K).

Кроме того, генератор параметров объекта может включать в себя повышающий микшер для увеличения числа каналов, полученных понижающим микшированием с использованием различных сочетаний контролируемых параметров предсказания объектов;In addition, the object parameter generator may include an upmixer to increase the number of channels obtained by downmixing using various combinations of controlled object prediction parameters;

при этом входящий в состав повышающего микшера кодер аудиообъектов включает в свою конструкцию итеративный контроллер, предназначенный для обнаружения параметров предсказания объекта, подлежащих тестированию, в результате чего сводятся к минимуму отклонения сигнала, реконструируемого повышающим микшером, от соответствующего оригинального сигнала среди различных наборов контролируемых параметров предсказания объекта.at the same time, the encoder of audio objects included in the upmixer includes an iterative controller designed to detect the prediction parameters of the object to be tested, which minimizes the deviation of the signal reconstructed by the upmixer from the corresponding original signal among various sets of monitored object prediction parameters .

Кроме того, синтезатор выходных данных отличается тем, что способен определять матрицу конвертирования, используя информацию по понижающему микшированию, причем матрица преобразования рассчитывается таким образом, что, по крайней мере, частично меняется расположение каналов понижающего микширования, когда аудиообъект, содержащийся в первом канале нисходящего микширования, представляющий первую половину стереоплоскости, должен быть воспроизведен во второй половине стереоплоскости.In addition, the output synthesizer is characterized in that it is able to determine the conversion matrix using the downmix information, the conversion matrix being calculated in such a way that the arrangement of the downmix channels is at least partially changed when the audio object contained in the first downmix channel representing the first half of the stereoscopic plane should be reproduced in the second half of the stereoscopic plane.

Кроме того, аудиосинтезатор может включать в себя аудиорендерер каналов, предназначенный для выполнения аудиорендеринга выходных аудиоканалов с получением акустического сигнала предварительно заданной конфигурации благодаря использованию пространственных параметров и, по меньшей мере, двух каналов понижающего микширования или конвертированных каналов понижающего микширования.In addition, the audio synthesizer may include an audio renderer of channels designed to perform audio rendering of the output audio channels to produce an acoustic signal of a predetermined configuration through the use of spatial parameters and at least two down-mix channels or converted down-mix channels.

Кроме того, синтезатор выходных данных отличается тем, что способен формировать выходные аудиоканалы заданной конфигурации, дополнительно задействуя, по крайней мере, два канала понижающего микширования.In addition, the output data synthesizer is characterized in that it is capable of generating output audio channels of a given configuration, additionally involving at least two down-mix channels.

Кроме того, синтезатор выходных данных отличается тем, что способен вычислять фактические веса понижающего микширования для матрицы частичного понижающего микширования таким образом, что энергия взвешенной суммы двух каналов равна энергиям каналов в пределах ограничения.In addition, the output synthesizer is characterized in that it is able to calculate the actual downmix weights for the partial downmix matrix so that the energy of the weighted sum of the two channels is equal to the energies of the channels within the constraint.

Кроме того, веса понижающего микширования для матрицы частичного понижающего микширования могут быть определены следующим образом:In addition, the downmix weights for the partial downmix matrix can be determined as follows:

Figure 00000053
, p=1, 2, 3,
Figure 00000053
, p = 1, 2, 3,

где wp - вес понижающего микширования, р - целочисленная переменная индекса, fj,i - ячейка матрицы энергетических характеристик, представляющая приближение матрицы ковариации выходных каналов, предварительно заданной конфигурации выходного сигнала.where w p is the weight of the downmix, p is an integer index variable, f j, i is the cell of the energy characteristics matrix, representing the approximation of the covariance matrix of the output channels, a predefined output signal configuration.

Кроме того, синтезатор выходных данных отличается тем, что способен вычислять отдельные коэффициенты матрицы предсказания путем решения системы линейных уравнений.In addition, the output synthesizer is characterized in that it is able to calculate the individual coefficients of the prediction matrix by solving a system of linear equations.

Кроме того, синтезатор выходных данных отличается тем, что способен решать систему линейных уравнений, основываясь на:In addition, the output synthesizer is different in that it is able to solve a system of linear equations based on:

C3(DED*)=A3ED*,C 3 (DED *) = A 3 ED *,

где С3 - матрица предсказания "два-к-трем", D - матрица понижающего микширования, полученная, исходя из информации по нисходящему микшированию, Е - матрица энергетических характеристик, выведенная на основании исходных аудиообъектов, и А3 - сокращенная матрица понижающего микширования, и где "*" обозначает комплексно сопряженную операцию.where C 3 is a two-to-three prediction matrix, D is a down-mix matrix derived from down-mix information, E is an energy characteristics matrix derived from the original audio objects, and A 3 is a reduced down-mix matrix, and where "*" denotes a complex conjugate operation.

Кроме того, параметры предсказания для повышающего микширования "два-к-трем" могут быть получены параметризацией матрицы предсказания таким образом, что матрица предсказания определяется всего двумя параметрами, иIn addition, the prediction parameters for up-mixing two-to-three can be obtained by parameterizing the prediction matrix so that the prediction matrix is determined by only two parameters, and

при этом синтезатор выходных данных отличается тем, что способен предварительно обрабатывать, по меньшей мере, два канала понижающего микширования таким образом, что результат воздействия предварительной обработки и матрицы параметризированного предсказания соответствует желаемой матрице повышающего микширования.the output synthesizer is characterized in that it is able to pre-process at least two down-mix channels in such a way that the result of the pre-processing and the parameterized prediction matrix correspond to the desired up-mix matrix.

Кроме того, параметризация матрицы предсказания может иметь следующий вид:In addition, the parameterization of the prediction matrix can be as follows:

Figure 00000054
Figure 00000054

где индекс ТТТ - матрица параметризированного предсказания, a α, β и γ - коэффициенты.where the TTT index is the parameterized prediction matrix, and α, β, and γ are the coefficients.

Кроме того, матрица конверсии G понижающего микширования может быть рассчитана следующим образом:In addition, the downmix conversion matrix G can be calculated as follows:

G=DTTTC3 G = D TTT C 3

где С3 - матрица предсказания "два-к-трем", где DTTT и CTTT равны I, где I - единичная матрица "два-к-двум", и где CTTT основывается на:where C 3 is a two-to-three prediction matrix, where D TTT and C TTT are equal to I, where I is a two-to-two prediction matrix, and where C TTT is based on:

Figure 00000055
Figure 00000055

где α, β, γ - постоянные коэффициенты.where α, β, γ are constant coefficients.

Далее, прогностические параметры для повышающего микширования "два-к-трем" могут быть определены как α и β, при этом γ задан как 1.Further, the prognostic parameters for up-mixing two-to-three can be defined as α and β, with γ being set as 1.

Кроме того, синтезатор выходных данных отличается тем, что способен рассчитывать энергетические параметры для повышающего микширования "три-к-шести" с использованием матрицы энергетических характеристик F на основании:In addition, the output synthesizer is characterized in that it is able to calculate the energy parameters for up-mixing three-to-six using the matrix of energy characteristics F based on:

YY*≈F=AEA*,YY * ≈F = AEA *,

где A - матрица аудиорендеринга, E - матрица энергетических характеристик, сформированная на основании аудиообъектов-источников, Y - матрица выходного канала, а "*" служит указателем комплексно сопряженной операции.where A is the matrix of audio rendering, E is the matrix of energy characteristics formed on the basis of audio source objects, Y is the matrix of the output channel, and "*" is an indicator of a complex conjugate operation.

Кроме того, синтезатор выходных данных отличается тем, что способен рассчитывать энергетические параметры, комбинируя элементы матрицы энергетических характеристик.In addition, the output data synthesizer is characterized in that it is able to calculate energy parameters by combining elements of the matrix of energy characteristics.

Кроме того, синтезатор выходных данных отличается тем, что способен вычислять энергетические параметры на основании приведенных ниже уравнений:In addition, the output synthesizer is characterized in that it is able to calculate energy parameters based on the equations below:

Figure 00000056
,
Figure 00000056
,

Figure 00000057
,
Figure 00000057
,

Figure 00000058
,
Figure 00000058
,

Figure 00000059
,
Figure 00000059
,

Figure 00000060
,
Figure 00000060
,

где φ - абсолютная величина φ(z)=|z| или оператор действительного значения φ(z)=Pe{z},where φ is the absolute value of φ (z) = | z | or the operator of the real value φ (z) = Pe {z},

где CLD0 - первый энергетический параметр разности уровней каналов, где CLD1 - второй энергетический параметр разности уровней каналов, где CLD2 - третий энергетический параметр разности уровней каналов, где ICC1 - первый энергетический параметр межканальной когерентности, a ICC2 - второй энергетический параметр межканальной когерентности, и где fi,j - элементы матрицы энергетических характеристик F в позициях i, j в этой матрице.where CLD 0 is the first energy parameter of the channel level difference, where CLD 1 is the second energy parameter of the channel level difference, where CLD 2 is the third energy parameter of the channel level difference, where ICC 1 is the first energy parameter of interchannel coherence, and ICC 2 is the second energy parameter inter-channel coherence, and where f i, j are the elements of the matrix of energy characteristics F at positions i, j in this matrix.

Кроме того, первая группа параметров может содержать энергетические параметры, и при этом синтезатор выходных данных отличается тем, что способен формировать энергетические параметры, комбинируя элементы матрицы энергетических характеристик F.In addition, the first group of parameters may contain energy parameters, and the output data synthesizer is characterized in that it is able to generate energy parameters by combining elements of the matrix of energy characteristics F.

Кроме того, энергетические параметры могут быть получены, исходя из того, что:In addition, energy parameters can be obtained on the basis that:

Figure 00000061
,
Figure 00000061
,

Figure 00000062
,
Figure 00000062
,

где

Figure 00000063
- первый энергетический параметр первой группы, и где
Figure 00000064
- второй энергетический параметр первой группы параметров.Where
Figure 00000063
is the first energy parameter of the first group, and where
Figure 00000064
- the second energy parameter of the first group of parameters.

Кроме того, синтезатор выходных данных отличается тем, что способен рассчитывать весовые коэффициенты для взвешивания каналов понижающего микширования, весовые коэффициенты для управления коэффициентами произвольного усиления понижающего микширования (ADG) пространственного декодера.In addition, the output synthesizer is characterized in that it is able to calculate weights for weighting the down-mix channels, weights for controlling the arbitrary down-mix gain (ADG) of the spatial decoder.

Кроме того, синтезатор выходных данных отличается тем, что способен рассчитывать весовые коэффициенты, исходя из:In addition, the output data synthesizer is characterized in that it is able to calculate weighting factors based on:

Z=DED*,Z = DED *,

W=D26ED*26,W = D 26 ED * 26 ,

Figure 00000065
,
Figure 00000065
,

где D - матрица понижающего микширования, Е - матрица энергетических характеристик, полученная на основании аудиообъектов-источников, где W - промежуточная матрица, где D26 - матрица частичного понижающего микширования для сокращения числа каналов с 6 до 2 с заданной конфигурацией выходного сигнала, и где G - матрица преобразования, содержащая коэффициенты произвольного усиления понижающего микширования пространственного декодера.where D is the down-mix matrix, E is the energy characteristics matrix obtained from the source audio objects, where W is the intermediate matrix, where D 26 is the partial down-mix matrix to reduce the number of channels from 6 to 2 with the given output signal configuration, and where G is a transformation matrix containing arbitrary gain coefficients of the down-mix of the spatial decoder.

Кроме того, синтезатор выходных данных отличается тем, что способен рассчитать матрицу энергетических характеристик, исходя из:In addition, the output data synthesizer is characterized in that it is able to calculate the matrix of energy characteristics based on:

E=CZC*,E = CZC *,

где Е - матрица энергетических характеристик, С - матрица параметра предсказания, и Z - матрица ковариации, по меньшей мере, двух каналов нисходящего микширования.where E is the matrix of energy characteristics, C is the matrix of the prediction parameter, and Z is the covariance matrix of at least two downstream channels.

Кроме того, синтезатор выходных данных отличается тем, что способен рассчитать матрицу конвертирования, исходя из:In addition, the output data synthesizer is characterized in that it is able to calculate the conversion matrix based on:

G=A2·C,G = A 2 · C,

где G - матрица преобразования, А2 - неполная матрица аудиорендеринга, и С - матрица параметров предсказания.where G is the transformation matrix, A 2 is the incomplete matrix of audio rendering, and C is the matrix of prediction parameters.

Кроме того, синтезатор выходных данных отличается тем, что способен рассчитать матрицу конвертирования, исходя из:In addition, the output data synthesizer is characterized in that it is able to calculate the conversion matrix based on:

G(DED*)=A2ED*,G (DED *) = A 2 ED *,

где G - матрица энергетических характеристик, сформированная на базе источника звука на фонограмме, D - матрица понижающего микширования, полученная на основании информации по понижающему микшированию, А2 - редуцированная матрица аудиорендеринга, а "*" служит указателем полной сопряженной операции.where G is the matrix of energy characteristics formed on the basis of the sound source in the phonogram, D is the matrix of downmixing, obtained on the basis of information on downmixing, A 2 is the reduced matrix of audio rendering, and "*" is an indicator of the complete conjugate operation.

Кроме того, параметризованная матрица стереоаудиорендеринга А2 может быть сформирована следующим образом:In addition, a parametrized stereo audio rendering matrix A 2 can be formed as follows:

Figure 00000066
Figure 00000066

где µ, ν и κ - действительные параметры, задаваемые в соответствии с расположением и динамическим диапазоном одного или большего количества исходных аудиообъектов.where µ, ν, and κ are actual parameters specified in accordance with the location and dynamic range of one or more source audio objects.

Claims (13)

1. Аудиосинтезатор (104), предназначенный для генерирования выходных данных с использованием закодированного сигнала аудиообъекта (95, 97), характеризующийся тем, что включает в себя синтезатор выходных данных (100), генерирующий на выходе параметры, применимые для представления множества выходных каналов с предварительно заданной конфигурацией выходного аудиосигнала, отображающего множество аудиообъектов, при этом синтезатор выходных данных предусматривает возможность использования информации понижающего микширования, содержащей указания на распределение множества аудиообъектов, по крайней мере, по двум каналам понижающего микширования, и параметр объекта для аудиообъектов, причем синтезатор выходных данных (100) перекодирует (502) параметры аудиообъекта в пространственные параметры для предварительно заданной конфигурации выходного аудиосигнала, дополнительно используя заданное расположение (А) аудиообъектов (90) в конфигурации выходного аудиосигнала.1. An audio synthesizer (104) designed to generate output using an encoded audio object signal (95, 97), characterized in that it includes an output data synthesizer (100) that generates output parameters that are suitable for representing a variety of output channels from a preliminary a predetermined configuration of the output audio signal displaying a plurality of audio objects, the output data synthesizer provides for the possibility of using downmix information containing a decree distribution of a plurality of audio objects along at least two down-mix channels, and an object parameter for audio objects, wherein the output data synthesizer (100) transcodes (502) the audio object parameters into spatial parameters for a predetermined configuration of the output audio signal, additionally using a predetermined location ( A) audio objects (90) in the configuration of the output audio signal. 2. Аудиосинтезатор по п.1, характеризующийся тем, что синтезатор выходных данных (100) предназначен для преобразования множества каналов понижающего микширования в понижающее стереомикширование для предварительно заданной конфигурации выходного аудиосигнала, с использованием матрицы преобразования (G), сформированной, исходя из заданного пространственного расположения аудиообъектов (А).2. The audio synthesizer according to claim 1, characterized in that the output data synthesizer (100) is designed to convert a plurality of down-mix channels into a stereo down-mix for a predetermined configuration of the output audio signal using a transform matrix (G) generated based on a given spatial location audio objects (A). 3. Аудиосинтезатор по п.1, характеризующийся тем, что пространственные параметры включают в себя первую группу параметров для повышающего микширования "два-к-трем" и вторую группу энергетических параметров для повышающего микширования "три-к-шести", а синтезатор выходных данных (100) предусматривает возможность вычисления параметров предсказания для матрицы предсказания "два-к-трем" с использованием матрицы представления (А) согласно заданному расположению аудиообъектов (90), матрицы частичного понижающего микширования (D36), описывающую понижающее микширование выходных каналов до трех каналов, генерируемых в ходе гипотетической операции повышающего микширования "два-к-трем", и матрицы понижающего микширования (D).3. The audio synthesizer according to claim 1, characterized in that the spatial parameters include a first group of parameters for up-mixing two-to-three and a second group of energy parameters for up-mixing "three-to-six", and the synthesizer output (100) provides for computing prediction parameters for predicting matrix "two-to-three" using the presentation of the matrix (a) according to a predetermined arrangement of audio objects (90), the partial downmix matrix (D 36) describing at "Two-to-three", and the downmix matrix (D) izhayuschee mixing output channels to three channels generated by a hypothetical operation during upmixing. 4. Аудиосинтезатор по п.3, характеризующийся тем, что в нем параметры объекта представляют собой параметры предсказания объекта, и в составе которого синтезатор выходных данных (100) предварительного расчетывает матрицу энергии (Е) с использованием параметров предсказания объекта (С), информации понижающего микширования (D) и энергетических показателей (Z), соответствующих каналам понижающего микширования.4. The audio synthesizer according to claim 3, characterized in that in it the parameters of the object are the parameters of the prediction of the object, and as part of which the synthesizer of the output data (100) preliminary calculates the energy matrix (E) using the parameters of the prediction of the object (C), information reducing mixing (D) and energy indicators (Z) corresponding to the downmix channels. 5. Аудиосинтезатор по п.1, характеризующийся тем, что синтезатор выходных данных (100) формирует (165) два стереоканала для формирования конфигурации выходного стереосигнала путем расчета параметризованной матрицы стереопредставления (А2) и матрицы преобразования (G) в зависимости от параметризованной матрицы стереопредставления (А2).5. The audio synthesizer according to claim 1, characterized in that the output data synthesizer (100) generates (165) two stereo channels for generating a stereo output signal configuration by calculating a parameterized stereo representation matrix (A 2 ) and a transformation matrix (G) depending on the parameterized stereo representation matrix (A 2 ). 6. Способ синтезирования звука, предусматривающий генерирование выходных данных с использованием закодированного сигнала аудиообъекта (95, 97), характеризующийся тем, что включает генерирование выходных данных для формирования множества выходных каналов с заданной конфигурацией выходного аудиосигнала, отображающей множество аудиообъектов (90), при этом используется информация понижающего микширования, указывающая порядок распределения множества аудиообъектов, по крайней мере, по двум каналам понижающего микширования и параметры аудиообъекта для аудиообъектов, причем параметры аудиообъекта перекодируют (502) в пространственные параметры расчетной конфигурации с дополнительным учетом данных заданного расположения (А) аудиообъектов (90) в конфигурации выходного аудиосигнала.6. A method of synthesizing sound, comprising generating output data using an encoded signal of an audio object (95, 97), characterized in that it includes generating output data for generating a plurality of output channels with a given configuration of an output audio signal displaying a plurality of audio objects (90), using downmix information indicating the distribution order of a plurality of audio objects over at least two downmix channels and audio parameters object for audio objects, and the parameters of the audio object are transcoded (502) into the spatial parameters of the calculated configuration with additional consideration for the data of the specified location (A) of the audio objects (90) in the configuration of the output audio signal. 7. Кодер аудиообъектов (101), предназначенный для генерирования закодированных сигналов аудиообъектов множества аудиообъектов (90), характеризующийся тем, что он включает в себя генератор информации понижающего микширования (96) для вырабатывания информации понижающего микширования (97), отражающей порядок распределения множества аудиообъектов, по меньшей мере, между двумя каналами понижающего микширования; причем генератор информации понижающего микширования (96) сконфигурирован с возможностью генерирования (150) энергетических характеристик (XX*) и данных корреляции (SX*), отражающих мощностные характеристики и корреляционные характеристики этих, по меньшей мере, двух каналов понижающего микширования (93); генератор параметров аудиообъекта (94); и выходной интерфейс (98), предназначенный для вывода сгенерированного закодированного сигнала аудиообъекта (99), при этом закодированный сигнал аудиообъекта содержит информацию понижающего микширования, информацию о мощности, информацию о корреляции и параметры объекта.7. An encoder of audio objects (101), designed to generate encoded signals of audio objects of a plurality of audio objects (90), characterized in that it includes a down-mix information generator (96) for generating down-mix information (97) reflecting the distribution order of the plurality of audio objects, at least between two downmix channels; wherein the down-mix information generator (96) is configured to generate (150) energy characteristics (XX *) and correlation data (SX *) reflecting the power characteristics and correlation characteristics of these at least two down-mix channels (93); audio object parameter generator (94); and an output interface (98) for outputting the generated encoded signal of the audio object (99), wherein the encoded signal of the audio object contains downmix information, power information, correlation information and object parameters. 8. Кодер аудиообъектов по п.7, характеризующийся тем, что он дополнительно включает понижающий микшер (92) для понижающего микширования множества аудиообъектов по множеству каналов понижающего микширования, где количество аудиообъектов превосходит число каналов понижающего микширования и где понижающий микшер (92) соединен с генератором информации понижающего микширования таким образом, что распределение множества аудиообъектов по множеству каналов понижающего микширования выполняется в соответствии с информацией понижающего микширования.8. The audio object encoder according to claim 7, characterized in that it further includes a down-mixer (92) for down-mixing a plurality of audio objects over a plurality of down-mixing channels, where the number of audio objects exceeds the number of down-mixing channels and where the down-mixer (92) is connected to a generator downmix information so that the distribution of the plurality of audio objects across the plurality of downmix channels is performed in accordance with the downmix information vania. 9. Кодер аудиообъектов по п.7, характеризующийся тем, что генератор информации понижающего микширования (96) рассчитывает параметры понижающего микширования таким образом, что она содержит информацию: о аудиообъекте, который полностью или частично распределен по одному или более из множества каналов понижающего микширования, и при распределении аудиообъекта по более, чем одному каналу понижающего микширования, о части аудиообъектов, распределенных по одному каналу понижающего микширования из нескольких каналов понижающего микширования.9. The audio object encoder according to claim 7, characterized in that the downmix information generator (96) calculates the downmix parameters in such a way that it contains information about an audio object that is fully or partially distributed over one or more of the many downmix channels, and when distributing an audio object over more than one down-mix channel, about a part of audio objects distributed over one down-mix channel from several down-mix channels . 10. Способ кодирования аудиообъектов (101) с формированием закодированного сигнала множества аудиообъектов, характеризующийся тем, что включает генерирование информации понижающего микширования (97), содержащей указания по распределению множества аудиообъектов (90), по меньшей мере, по двум каналам понижающего микширования, выработку (150) энергетических показателей (XX*) и данных корреляции (SX*), отражающих мощностные характеристики и корреляционные характеристики этих, по меньшей мере, двух каналов понижающего микширования; выработке параметров аудиообъектов (94); и выдаче закодированного сигнала аудиообъекта (99), при этом закодированный сигнал аудиообъекта содержит, информацию о мощности, информацию о корреляции, информацию понижающего микширования и параметры объекта.10. A method of encoding audio objects (101) with generating an encoded signal of a plurality of audio objects, characterized in that it includes generating down-mix information (97) containing instructions for distributing the plurality of audio objects (90) over at least two down-mix channels, generating ( 150) energy indicators (XX *) and correlation data (SX *), reflecting the power characteristics and correlation characteristics of these at least two down-mix channels; development of parameters of audio objects (94); and issuing the encoded signal of the audio object (99), wherein the encoded signal of the audio object contains power information, correlation information, downmix information and object parameters. 11. Считываемый компьютером носитель данных с сохраненным на нем закодированным сигналом аудиообъекта, характеризующийся тем, что содержит информацию понижающего микширования, определяющую порядок распределения множества аудиообъектов, по меньшей мере, по двум каналам понижающего микширования, энергетические показатели (XX*) и данные корреляции (SX*), отражающие мощностные характеристики и корреляционные характеристики этих, по меньшей мере, двух каналов понижающего микширования, и параметры объектов, позволяющие в сочетании с, по крайней мере, этими двумя каналами низведения воссоздать аудиообъекты.11. A computer-readable storage medium with an encoded audio object signal stored on it, characterized in that it contains downmix information defining the distribution order of the plurality of audio objects over at least two downmix channels, energy metrics (XX *) and correlation data (SX *), reflecting the power characteristics and correlation characteristics of these at least two down-mixing channels, and the parameters of objects, which, in combination with, at To the least, recreate audio objects with these two channels of reduction. 12. Машиночитаемый носитель с сохраненной на нем компьютерной программой для осуществления способа по п.6.12. Machine-readable medium with a computer program stored thereon for implementing the method according to claim 6. 13. Машиночитаемый носитель с сохраненной на нем компьютерной программой для осуществления способа по п.10. 13. A machine-readable medium with a computer program stored thereon for implementing the method of claim 10.
RU2011102416A 2006-10-16 2007-10-05 Improved method for coding and parametric presentation of coding multichannel object after downmixing RU2485605C2 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US82964906P 2006-10-16 2006-10-16
US60/829.649 2006-10-16

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
RU2009113055/09A Division RU2430430C2 (en) 2006-10-16 2007-10-05 Improved method for coding and parametric presentation of coding multichannel object after downmixing

Publications (2)

Publication Number Publication Date
RU2011102416A RU2011102416A (en) 2012-07-27
RU2485605C2 true RU2485605C2 (en) 2013-06-20

Family

ID=

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2646320C1 (en) * 2014-04-11 2018-03-02 Самсунг Электроникс Ко., Лтд. Method and device for rendering sound signal and computer-readable information media
US9947325B2 (en) 2013-11-27 2018-04-17 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Decoder, encoder and method for informed loudness estimation employing by-pass audio object signals in object-based audio coding systems
RU2658888C2 (en) * 2014-03-24 2018-06-25 Долби Интернэшнл Аб Method and device of the dynamic range compression application to the higher order ambiophony signal

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10497376B2 (en) 2013-11-27 2019-12-03 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Decoder, encoder, and method for informed loudness estimation in object-based audio coding systems
US9947325B2 (en) 2013-11-27 2018-04-17 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Decoder, encoder and method for informed loudness estimation employing by-pass audio object signals in object-based audio coding systems
RU2651211C2 (en) * 2013-11-27 2018-04-18 Фраунхофер-Гезелльшафт Цур Фердерунг Дер Ангевандтен Форшунг Е.Ф. Decoder, encoder and method of informed volume evaluation using bypass signals of audio objects in systems basing on audio encoding objects
US11423914B2 (en) 2013-11-27 2022-08-23 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Decoder, encoder and method for informed loudness estimation employing by-pass audio object signals in object-based audio coding systems
US10891963B2 (en) 2013-11-27 2021-01-12 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Decoder, encoder, and method for informed loudness estimation in object-based audio coding systems
US10699722B2 (en) 2013-11-27 2020-06-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Decoder, encoder and method for informed loudness estimation employing by-pass audio object signals in object-based audio coding systems
US10567899B2 (en) 2014-03-24 2020-02-18 Dolby Laboratories Licensing Corporation Method and device for applying dynamic range compression to a higher order ambisonics signal
US10362424B2 (en) 2014-03-24 2019-07-23 Dolby Laboratories Licensing Corporation Method and device for applying dynamic range compression to a higher order ambisonics signal
RU2760232C2 (en) * 2014-03-24 2021-11-23 Долби Интернэшнл Аб Method and device for applying dynamic range compression to higher-order ambiophony signal
RU2658888C2 (en) * 2014-03-24 2018-06-25 Долби Интернэшнл Аб Method and device of the dynamic range compression application to the higher order ambiophony signal
RU2698775C1 (en) * 2014-04-11 2019-08-29 Самсунг Электроникс Ко., Лтд. Method and device for rendering an audio signal and a computer-readable medium
RU2646320C1 (en) * 2014-04-11 2018-03-02 Самсунг Электроникс Ко., Лтд. Method and device for rendering sound signal and computer-readable information media
US10674299B2 (en) 2014-04-11 2020-06-02 Samsung Electronics Co., Ltd. Method and apparatus for rendering sound signal, and computer-readable recording medium
US10873822B2 (en) 2014-04-11 2020-12-22 Samsung Electronics Co., Ltd. Method and apparatus for rendering sound signal, and computer-readable recording medium
RU2676415C1 (en) * 2014-04-11 2018-12-28 Самсунг Электроникс Ко., Лтд. Method and device for rendering of sound signal and computer readable information media
US11245998B2 (en) 2014-04-11 2022-02-08 Samsung Electronics Co.. Ltd. Method and apparatus for rendering sound signal, and computer-readable recording medium

Similar Documents

Publication Publication Date Title
RU2430430C2 (en) Improved method for coding and parametric presentation of coding multichannel object after downmixing
JP5133401B2 (en) Output signal synthesis apparatus and synthesis method
RU2558612C2 (en) Audio signal decoder, method of decoding audio signal and computer program using cascaded audio object processing stages
JP2009503615A (en) Control of spatial audio coding parameters as a function of auditory events
Hotho et al. A backward-compatible multichannel audio codec
RU2485605C2 (en) Improved method for coding and parametric presentation of coding multichannel object after downmixing
BRPI0715559B1 (en) IMPROVED ENCODING AND REPRESENTATION OF MULTI-CHANNEL DOWNMIX DOWNMIX OBJECT ENCODING PARAMETERS