WO2009007639A1 - Quantification apres transformation lineaire combinant les signaux audio d'une scene sonore, codeur associe - Google Patents

Quantification apres transformation lineaire combinant les signaux audio d'une scene sonore, codeur associe Download PDF

Info

Publication number
WO2009007639A1
WO2009007639A1 PCT/FR2008/051220 FR2008051220W WO2009007639A1 WO 2009007639 A1 WO2009007639 A1 WO 2009007639A1 FR 2008051220 W FR2008051220 W FR 2008051220W WO 2009007639 A1 WO2009007639 A1 WO 2009007639A1
Authority
WO
WIPO (PCT)
Prior art keywords
quantization
components
function
audio signals
module
Prior art date
Application number
PCT/FR2008/051220
Other languages
English (en)
Inventor
Adil Mouhssine
Abdellatif Benjelloun Touimi
Pierre Duhamel
Original Assignee
France Telecom
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 France Telecom filed Critical France Telecom
Priority to US12/667,401 priority Critical patent/US8612220B2/en
Priority to EP08806144.5A priority patent/EP2168121B1/fr
Publication of WO2009007639A1 publication Critical patent/WO2009007639A1/fr

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/032—Quantisation or dequantisation of spectral components
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S3/00—Systems employing more than two channels, e.g. quadraphonic
    • H04S3/008—Systems employing more than two channels, e.g. quadraphonic in which the audio signals are in digital form, i.e. employing more than two discrete digital channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S3/00—Systems employing more than two channels, e.g. quadraphonic
    • H04S3/02—Systems employing more than two channels, e.g. quadraphonic of the matrix type, i.e. in which input signals are combined algebraically, e.g. after having been phase shifted with respect to each other
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2420/00—Techniques used stereophonic systems covered by H04S but not provided for in its groups
    • H04S2420/01—Enhancing the perception of the sound image or of the spatial distribution using head related transfer functions [HRTF's] or equivalents thereof, e.g. interaural time difference [ITD] or interaural level difference [ILD]

Definitions

  • the present invention relates to audio signal coding devices, intended in particular to take place in applications for transmission or storage of digitized and compressed audio signals.
  • the invention relates more specifically to the quantization modules included in these audio coding devices.
  • a 3D sound scene also called spatialized sound, comprises a plurality of audio channels each corresponding to monophonic signals.
  • a signal coding technique for a sound stage used in the "MPEG Audio Surround” encoder includes the extraction and coding of spatial parameters from the set of monophonic audio signals on the different channels. These signals are then mixed to obtain a monophonic or stereophonic signal, which is then compressed by a conventional mono or stereo encoder (for example of the MPEG-4 AAC, HE-AAC type, etc.). At the level of the decoder, the synthesis of the rendered 3D sound scene is made from the spatial parameters and the decoded mono or stereo signal.
  • the coding of the multichannel signals in certain cases requires the introduction of a transformation (KLT, Ambiophonic, DCT, etc.) making it possible to better take into account the interactions that may exist between the different signals of the sound scene to be encoded.
  • KLT KLT, Ambiophonic, DCT, etc.
  • the invention proposes a method for quantifying components, at least some of these components being each determined according to a plurality of audio signals of a scene. sound and calculable by applying a linear transformation on said audio signals.
  • a quantization function is determined to be applied to said components in a given frequency band by testing a condition relating to at least one audio signal and depending at least on a comparison made between a psychoacoustic masking threshold relative to the audio signal. in the given frequency band, and a value determined according to the inverse linear transformation and quantization errors of the components by said function on the given frequency band.
  • Such a method therefore makes it possible to determine a quantization function which makes it possible to mask, in the playback listening field, the noise introduced with respect to the audio signal of the initial sound scene.
  • the sound scene restored after the coding and decoding operations therefore presents a better audio quality.
  • the introduction of a multichannel transform transforms the real signals into a new domain different from the listening domain.
  • the quantization of the components resulting from this transform according to the methods of the state of the art, based on a perceptual criterion (ie respecting the masking threshold on the latter), does not guarantee a minimum distortion on the real signals restored in the listening domain.
  • the calculation of the quantization function according to the invention makes it possible to guarantee that the quantization noises induced on the real signals by the quantization of the transformed components are minimal in the sense of a perceptual criterion. The condition of a maximum improvement of the perceptual quality of the signals in the listening domain is then verified.
  • the condition is relative to several audio signals and depends on several comparisons, each comparison being made between a psychoacoustic masking threshold relative to a respective audio signal in the given frequency band, and a value determined according to the inverse linear transformation and quantization errors of the components by said function. This arrangement further enhances the audio quality of the restored sound stage.
  • the determination of the quantization function is repeated when updating the values of the components to be quantized. This arrangement also makes it possible to increase the audio quality of the restored sound scene, by adapting the quantization over time according to the characteristics of the signals.
  • B ⁇ (s) represents a parameter the quantization function s in the band on the j th component
  • ⁇ ⁇ (s) is the expected value in the strip s of the square root of the j-th component.
  • a quantization function is determined to apply components in the given frequency band using an iterative process generating at each iteration a parameter of the candidate quantization function satisfying the condition and associated with a corresponding flow rate, the iteration being stopped when the flow rate is below a given threshold.
  • Such an arrangement thus makes it possible to simply determine a quantization function based on the determined parameters, allowing the noise to be masked in the playback listening domain while reducing the coding bit rate below a given threshold.
  • the linear transformation is an ambiophonic transformation.
  • the linear transformation is an ambiophonic transformation (called “ambisonic").
  • ambisonic ambiophonic transformation
  • This arrangement makes it possible on the one hand to reduce the number of data to be transmitted since, in general, the N signals can be very satisfactorily described by a reduced number of ambiophonic components (for example, a number equal to 3 or 5). , which is smaller than N.
  • This arrangement also allows coding adaptability to any type of sound rendering system, since it is sufficient at the decoder level to apply an inverse surround transform of size Q'x (2p '+ 1). , (where Q 'is equal to the number of loudspeakers of the sound rendering system used at the output of the decoder and 2p' + 1 the number of received surround components), to determine the signals to be supplied to the sound rendering system.
  • the invention can be implemented with any linear transformation, for example the DCT or the KLT (in English "Karhunen Loeve Transform") transform which corresponds to a decomposition on principal components in a space representing the statistics of the signals and allows to distinguish the most energetic components from the least energy components.
  • any linear transformation for example the DCT or the KLT (in English "Karhunen Loeve Transform") transform which corresponds to a decomposition on principal components in a space representing the statistics of the signals and allows to distinguish the most energetic components from the least energy components.
  • the invention proposes a quantization module adapted to quantify components, at least some of these components being each determined according to a plurality of audio signals of a sound scene and calculable by application of a transformation. linearly on said audio signals, said quantization module being adapted to implement the steps of a method according to the first aspect of the invention.
  • the invention provides an audio coder adapted to encode an audio scene comprising a plurality of respective signals into an output bit stream, comprising: a transform module adapted to calculate by applying a linear transformation on said audio signals, components at least some of which are determined each according to a plurality of audio signals of a sound scene; and a quantization module according to the second aspect of the invention adapted to determine at least one quantization function over at least a given frequency band and for quantizing the components on the given frequency band as a function of at least the determined quantization function; the audio coder being adapted to constitute a bit stream according to at least quantization data delivered by the quantization module.
  • the invention proposes a computer program to be installed in a quantization module, said program comprising instructions for implementing the steps of a method according to the first aspect of the invention during execution. of the program by means of processing said module.
  • the invention proposes coding data, determined following the implementation of a quantization method according to the first aspect of the invention.
  • FIG. 1 shows an encoder in an embodiment of the invention
  • FIG. 2 represents a decoder in one embodiment of the invention
  • Fig. 3 is a flowchart showing steps of a method in one embodiment of the invention.
  • Figure 1 shows an audio coder 1 in one embodiment of the invention. It relies on the technology of perceptual audio coders, for example MPEG-4 AAC type.
  • the encoder 1 comprises a time / frequency transformation module 2, a linear transformation module 3, a quantization module 4, a Huffman entropy coding module 5 and a masking curve calculation module 6, for transmission.
  • a bit stream ⁇ representing the signals supplied at the input of the encoder 1.
  • a 3D sound scene comprises N channels on each a respective audio signal S 1 , ..., S N is delivered.
  • Figure 2 shows an audio decoder 100 in one embodiment of the invention.
  • the decoder 100 comprises a bit sequence reading module 101, an inverse quantization module 102, an inverse linear transformation module 103, a frequency / time transformation module 104.
  • the decoder 100 is adapted to receive as input the bitstream ⁇ transmitted by the encoder 1 and to output Q 'signals S ⁇ , ..., S' Q. for supplying the respective loudspeakers H1, H2 ..., HQ 'of a sound rendering system 105.
  • the time / frequency conversion module 2 of the encoder 1 receives as input the N signals S 1 ,... S N of the 3D sound scene to be encoded, in the form of successive blocks.
  • Each block m received has N time frames each indicating different values taken over time by a respective signal.
  • the time / frequency transformation module 2 On each time frame of each of the signals, the time / frequency transformation module 2 performs a time / frequency transformation, in this case a modified discrete cosine transform (MDCT).
  • MDCT modified discrete cosine transform
  • the coding of multichannel signals comprises in the case considered a linear transformation, making it possible to take into account the interactions between the different audio signals to be coded, before the monophonic coding, by the quantization module 4, of the components resulting from the linear transformation.
  • the linear transformation module 3 is adapted to perform a linear transformation of the coefficients of the spectral representations (X t ⁇ ⁇ ⁇ N provided, in one embodiment it is adapted to perform a spatial transformation, and it determines the spatial components of the signals ⁇ x, ⁇ ⁇ ⁇ N in the frequency domain, resulting from the projection on a spatial referential depending on the order of the transformation
  • the order of a spatial transformation is related to the angular frequency according to which it "scrutinizes" The sound field.
  • the surround components are determined as follows:
  • R is the ambiophonic transformation matrix
  • Each of the ambiophonic components is therefore determined according to several signals (S 1 ) ⁇ N.
  • the masking curve calculation module 6 is adapted to determine the spectral masking curve of each frame of a signal Si considered individually in the block m, using its spectral representation Xi and a psychoacoustic model.
  • the masking curve calculation module 6 thus calculates a masking threshold M TM (s, i) relative to the frame of each signal (S t ) 1 ⁇ n ⁇ N in the block m, for each frequency band s considered during the quantification.
  • Each frequency band s is part of a set of frequency bands including for example the bands as normalized for the MPEG-4 AAC encoder.
  • the masking thresholds M TM (s, i) for each signal S 1 and each frequency band s are delivered to the quantization module 4.
  • the quantization module 4 is adapted to quantify the components ⁇ Y ⁇ ) ⁇ r that are input to it, so as to reduce the bit rate required for transmission. Respective quantization functions are determined by the quantization module 4 on each frequency band s.
  • the quantization module 4 quantizes each spectral coefficient (Y ] t ) 1]] ⁇ r such that the frequency F t is an element of the
  • k takes the values of the set +1) is equal to the number of spectral coefficients to be quantized in the s-band for all the surround components.
  • O ⁇ t ⁇ M-1 signals takes the following form, according to MPEG-4 AAC
  • Arr is a rounding function that delivers an integer value.
  • Arr (x) is for example the function providing the integer closest to the variable x, or the function "integer part" of the variable x, etc.
  • the quantization module 4 is adapted to determine a quantization function to be applied on a frequency band, verifying that the masking threshold M TM (s, i) of each signal S 1 in the listening domain, with 1 ⁇ i ⁇ N, is greater than the power of the error made, on an audio signal restored in the listening domain corresponding to the channel i (and not in the linear transformation domain), by the quantization errors made to the ambiophonic components.
  • the quantization module 4 is therefore adapted to determine, during the processing of a block m of signals, the quantization function defined using the scale parameters ⁇ Bf is)) ⁇ ⁇ r relative to each band s, such that, for all i, 1 ⁇ i ⁇ N, the error introduced on the signal S 1 in the band s by the quantization of the ambiophonic components is less than the mask threshold M TM (s, i) of the signal S 1 on the band s.
  • a problem to be solved by the quantization module 4 is therefore to determine, on each band s, the set of scaling coefficients ( ⁇ j (S)) ⁇ satisfying the following formula (1):
  • B ⁇ (s) represents a parameter characterizing the quantization function s in the band on the j-th component.
  • the choice of B ⁇ (s) determines in a bijective manner the quantization function used.
  • This arrangement has the effect that the noise brought into the listening domain by the quantization on the components resulting from the linear transformation remains masked by the signal in the listening domain, which contributes to a better quality of the signals restored in the listening domain.
  • e TM (k) are the quantization errors introduced on the (k max s - k ⁇ an + ls + l) spectral coefficients of ambiophonic components corresponding to frequencies in the band s.
  • the quantization errors e TM (k) are independent random variables equi-distributed according to the index k; the quantization errors e TM (k) are random variables according to the index i; the number of samples in a band s is large enough; the coder 1 works at high resolution.
  • the power P e m (s, i) of the quantization error, in a subband s and for a signal S 1 tends, when the number of coefficients in a band s increases, to a Gaussian whose mean m um / e ⁇ and the variance ⁇ um , e ⁇ are given by the following formulas:
  • e R the rounding error specific to the rounding function Arr. For example, if Arr (x) is the function providing the integer closest to the variable x, e R is equal to 0.5. If Arr (x) is the function "integer part" of the variable x, e R is equal to 1.
  • This last equation represents a sufficient condition for the noise corresponding to the channel i to be masked at the output in the listening domain.
  • the quantization module 4 is adapted to determine using the latter equation, for a block m of current frames, scale coefficients [BJ (s)) ⁇ r guaranteeing that the noise in the listening domain is hidden.
  • the quantization module 4 is adapted to determine, for a block m of current frames, scaling coefficients [BJ (s)) ⁇ ensuring that the noise in the d domain listening is masked and further to respect a flow constraint.
  • the conditions to be respected are the following:
  • D TM (s) is the bit rate assigned to the surround component Y 1 in the s band.
  • bit rate assigned to an ambiophonic component in a band s is a logarithmic function of the scale coefficient, ie:
  • the resolution of this constrained optimization problem is for example carried out using the Lagrangian method.
  • the Lagrangian function is written in the following form:
  • the iterative relative gradient method (see in particular the Derrien document) is used to solve this system.
  • the vector m is chosen equal to:
  • the quantization module 4 is adapted to implement the steps of the method described below with reference to FIG. 3 on each quantization band s during the quantization of a block m of signals ( S t ) 1 ⁇ N .
  • the method is based on an iterative algorithm comprising instructions for implementing the steps described below during the execution of the algorithm on calculation means of the quantization module 4.
  • the steps of the iterative loop for a (k + 1) th iteration, with k integer greater than or equal to 0, are as follows.
  • a step d / the value of the function F is calculated on the band s, representing the corresponding bit rate for the band s:
  • a step e / the calculated value F (s) is compared with the given threshold D.
  • a step g / the index k is incremented by one unit and the steps b /, c /, d / and e / are repeated.
  • the quantization function thus determined for the respective s-bands and respective surround components is then applied to the spectral coefficients of the surround components.
  • the quantization indices as well as definition elements of the quantization function are provided to the Huffman coding module.
  • the coding data delivered by the Huffman coding module 5 is then transmitted as a bit stream ⁇ to the decoder 100. Operations performed at the decoder:
  • the bit sequence reading module 101 is adapted to extract coding data present in the stream ⁇ received by the decoder and to deduce, in each band s, quantization indices i (k) and scale coefficients (B TM (s)) ⁇ ] ⁇ r .
  • the inverse quantization module 102 is adapted to determine the spectral coefficients, relative to the band s, of the corresponding ambiophonic components as a function of the quantization indices i (k) and the scale coefficients (B TM (s)) ⁇ ] ⁇ r in each band s.
  • Ambiophonic decoding is then applied to the decoded surround components, so as to determine the signals S'i, S ' 2 , ..., S'Q ⁇ for the Q' speakers H1, H2 ..., HQ .
  • the quantization noise at the output of the decoder 100 is a constant which depends only on the transform R used and the quantization module 4 because the psychoacoustic data used during the coding do not take into consideration the processing performed during the rendering by the processor. decoder. Indeed, the psychoacoustic model does not take into account the acoustic interactions between the different signals, but calculates the masking curve of a signal as if it were the only one listened to. The error calculated on this signal therefore remains constant and masked for any surround decoding matrix used. This surround decoding matrix will simply change the distribution of the error on the different speakers output.

Abstract

Procédé de quantification de composantes ((yj)1=j=r ). certaines des composantes étant déterminées chacune en fonction d'une pluralité de signaux audio ( (sj)11=j=N) et calculables par application d'une transformation linéaire sur les signaux audio, selon lequel on détermine une fonction de quantification (Qm) à appliquer aux composantes en testant une condition relative à un signal audio ( Si ) et dépendant d'une comparaison effectuée entre un seuil de masquage psychoacoustique (Mm t(s,i) ) relatif au signal audio et une valeur déterminée en fonction de la transformation linéaire inverse et d'erreurs de quantification des composantes par la fonction.

Description

QUANTIFICATION APRES TRANSFORMATION LINEAIRE COMBINANT LES SIGNAUX AUDIO D'UNE SCENE SONORE, CODEUR ASSOCIE
La présente invention concerne les dispositifs de codage de signaux audio, destinés notamment à prendre place dans des applications de transmission ou de stockage de signaux audio numérisés et compressés.
L'invention est relative plus précisément aux modules de quantification compris dans ces dispositifs de codage audio.
L'invention concerne plus particulièrement le codage de scène sonore 3D. Une scène sonore 3D, encore appelée son spatialisé, comprend une pluralité de canaux audio correspondant chacun à des signaux monophoniques.
Une technique de codage de signaux d'une scène sonore utilisée dans le codeur « MPEG Audio Surround » (cf. « Text of ISO/IEC FDIS 23003-1 , MPEG Surround », ISO/IEC JTC1 / SC29 / WG11 N8324, JuIy 2006, Klagenfurt, Austria), comprend l'extraction et le codage de paramètres spatiaux à partir de l'ensemble des signaux audio monophoniques sur les différents canaux. Ces signaux sont ensuite mélangés pour obtenir un signal monophonique ou stéréophonique, qui est alors comprimé par un codeur mono ou stéréo classique (par exemple de type MPEG-4 AAC, HE-AAC, etc). Au niveau du décodeur, la synthèse de la scène sonore 3D restituée se fait à partir des paramètres spatiaux et du signal mono ou stéréo décodé.
Le codage des signaux multicanaux nécessite dans certains cas l'introduction d'une transformation (KLT, Ambiophonique, DCT...) permettant de mieux prendre en compte les interactions qui peuvent exister entre les différents signaux de la scène sonore à coder.
Il est toujours besoin d'accroitre la qualité audio des scènes sonores restituées après une opération de codage et décodage.
Suivant un premier aspect, l'invention propose un procédé de quantification de composantes, certaines au moins de ces composantes étant déterminées chacune en fonction d'une pluralité de signaux audio d'une scène sonore et calculables par application d'une transformation linéaire sur lesdits signaux audio.
Selon le procédé, on détermine une fonction de quantification à appliquer audites composantes dans une bande de fréquence donnée en testant une condition relative à au moins un signal audio et dépendant au moins d'une comparaison effectuée entre un seuil de masquage psychoacoustique relatif au signal audio dans la bande de fréquence donnée, et une valeur déterminée en fonction de la transformation linéaire inverse et d'erreurs de quantification des composantes par ladite fonction sur la bande de fréquence donnée.
Un tel procédé permet donc de déterminer une fonction de quantification qui permette de masquer, dans le domaine d'écoute de restitution, le bruit introduit par rapport au signal audio de la scène sonore initiale. La scène sonore restituée après les opérations de codage et décodage présente donc une meilleure qualité audio.
En effet, l'introduction d'une transformée multicanal (par exemple de type ambiophonique) transforme les signaux réels dans un nouveau domaine différent du domaine d'écoute. La quantification des composantes résultant de cette transformée selon les méthodes de l'état de l'art, basées sur un critère perceptuel (i.e. respectant le seuil de masquage sur ces derniers), ne garantit pas une distorsion minimale sur les signaux réels restitués dans le domaine d'écoute. En effet, le calcul de la fonction de quantification selon l'invention permet de garantir que les bruits de quantification induits sur les signaux réels par la quantification des composantes transformées sont minimaux au sens d'un critère perceptuel. La condition d'une amélioration maximale de la qualité perceptuelle des signaux dans le domaine d'écoute est alors vérifiée.
Dans un mode de réalisation la condition est relative à plusieurs signaux audio et dépend de plusieurs comparaisons, chaque comparaison étant effectuée entre un seuil de masquage psychoacoustique relatif à un signal audio respectif dans la bande de fréquence donnée, et une valeur déterminée en fonction de la transformation linéaire inverse et d'erreurs de quantification des composantes par ladite fonction. Cette disposition accroît encore la qualité audio de la scène sonore restituée.
Dans un mode de réalisation, la détermination de la fonction de quantification est réitérée lors de l'actualisation des valeurs des composantes à quantifier. Cette disposition permet également d'accroître la qualité audio de la scène sonore restituée, en adaptant la quantification dans le temps en fonction des caractéristiques des signaux.
Dans un mode de réalisation, on teste la condition relative à un signal audio au moins en comparant le seuil de masquage psychoacoustique relatif i au signal audio et un élément représentant la valeur ∑(h?JBJ (s)2μι (s)) , où s
est la bande de fréquence donnée, r est le nombre de composantes, \ } est le coefficient de la transformée linéaire inverse relatif au signal audio et à la jeme composante avec j=1 à r, B} (s) représente un paramètre de la fonction de quantification dans la bande s relative à la jeme composante et μι (s) est l'espérance mathématique dans la bande s de la racine carrée de la jeme composante.
Dans un mode de réalisation, on détermine une fonction de quantification à appliquer audites composantes dans la bande de fréquence donnée à l'aide d'un processus itératif générant à chaque itération un paramètre de la fonction de quantification candidat vérifiant la condition et associé à un débit correspondant, l'itération étant stoppée lorsque le débit est inférieur à un seuil donné.
Une telle disposition permet ainsi de déterminer simplement une fonction de quantification à partir des paramètres déterminés, permettant le masquage du bruit dans le domaine d'écoute de restitution tout en réduisant le débit de codage en dessous d'un seuil donné.
Dans un mode de réalisation, la transformation linéaire est une transformation ambiophonique.
Dans un mode de réalisation particulier, la transformation linéaire est une transformation ambiophonique (appelée en anglais « ambisonic »). Cette disposition permet d'une part de réduire le nombre de données à transmettre puisque, en général, les N signaux peuvent être décrits d'une manière très satisfaisante par un nombre de composantes ambiophoniques réduit (par exemple, un nombre égal à 3 ou 5), inférieur à N. Cette disposition permet en outre une adaptabilité du codage à tout type de système de rendu sonore, puisqu'il suffit au niveau du décodeur, d'appliquer une transformée ambiophonique inverse de taille Q'x(2p'+1 ), (où Q' est égal au nombre de haut- parleurs du système de rendu sonore utilisé en sortie du décodeur et 2p'+1 le nombre de composantes ambiophoniques reçues), pour déterminer les signaux à fournir au système de rendu sonore.
L'invention peut être mise en œuvre avec toute transformation linéaire, par exemple la DCT ou encore la transformée KLT (en anglais « Karhunen Loeve Transform ») qui correspond à une décomposition sur des composantes principales dans un espace représentant les statistiques des signaux et permet de distinguer les composantes les plus énergétiques des composantes les moins énergétiques.
Suivant un deuxième aspect, l'invention propose un module de quantification adapté pour quantifier des composantes, certaines au moins de ces composantes étant déterminées chacune en fonction d'une pluralité de signaux audio d'une scène sonore et calculables par application d'une transformation linéaire sur lesdits signaux audio, ledit module de quantification étant adapté pour mettre en œuvre les étapes d'un procédé suivant le premier aspect de l'invention.
Suivant un troisième aspect, l'invention propose un codeur audio adapté pour coder une scène audio comprenant plusieurs signaux respectifs en un flux binaire de sortie, comprenant : un module de transformation adapté pour calculer par application d'une transformation linéaire sur lesdits signaux audio, des composantes dont certaines au moins sont déterminées chacune en fonction d'une pluralité des signaux audio d'une scène sonore ; et un module de quantification suivant le deuxième aspect de l'invention adapté pour déterminer au moins une fonction de quantification sur au moins une bande de fréquence donnée et pour quantifier les composantes sur la bande de fréquence donnée en fonction d'au moins la fonction de quantification déterminée ; le codeur audio étant adapté pour constituer un flux binaire en fonction au moins de données de quantification délivrées par le module de quantification.
Suivant un quatrième aspect, l'invention propose un programme d'ordinateur à installer dans un module de quantification, ledit programme comprenant des instructions pour mettre en œuvre les étapes d'un procédé suivant le premier aspect de l'invention lors d'une exécution du programme par des moyens de traitement dudit module.
Suivant un cinquième aspect, l'invention propose des données de codage, déterminées suite à la mise en œuvre d'un procédé de quantification suivant le premier aspect de l'invention.
D'autres caractéristiques et avantages de l'invention apparaîtront encore à la lecture de la description qui va suivre. Celle-ci est purement illustrative et doit être lue en regard des dessins annexés sur lesquels : la figure 1 représente un codeur dans un mode de réalisation de l'invention ; la figure 2 représente un décodeur dans un mode de réalisation de l'invention ; la figure 3 est un organigramme représentant des étapes d'un procédé dans un mode de réalisation de l'invention. La figure 1 représente un codeur audio 1 dans un mode de réalisation de l'invention. Il s'appuie sur la technologie des codeurs audio perceptuels, par exemple de type MPEG-4 AAC.
Le codeur 1 comprend un module 2 de transformation temps/fréquence, un module 3 de transformation linéaire, un module 4 de quantification, un module 5 de codage entropique de Huffman et un module 6 de calcul de courbe de masquage, en vue de la transmission d'un flux binaire Φ représentant les signaux fournis en entrée du codeur 1. Une scène sonore 3D comprend N canaux sur chacun un signal audio respectif S1 , ..., SN est délivré.
La figure 2 représente un décodeur audio 100 dans un mode de réalisation de l'invention.
Le décodeur 100 comprend un module 101 de lecture de séquence binaire, un module 102 de quantification inverse, un module 103 de transformation linéaire inverse, un module 104 de transformation fréquence/temps.
Le décodeur 100 est adapté pour recevoir en entrée le flux binaire Φ transmis par le codeur 1 et pour délivrer en sortie Q' signaux S\ , ..., S'Q. destinés à alimenter les Q' haut-parleurs H1 , H2 ..., HQ' respectifs d'un système de rendu sonore 105.
Opérations réalisées au niveau du codeur :
Le module 2 de transformation temps/fréquence du codeur 1 reçoit en entrée les N signaux S1 , ..., SN de la scène sonore 3D à coder, sous forme de blocs successifs.
Chaque bloc m reçu comporte N trames temporelles indiquant chacune différentes valeurs prises au cours du temps par un signal respectif.
Sur chaque trame temporelle de chacun des signaux, le module 2 de transformation temps/fréquence effectue une transformation temps/fréquence, dans le cas présent, une transformée en cosinus discrète modifiée (MDCT).
Ainsi, suite à la réception d'un nouveau bloc comportant une nouvelle trame pour chacun des signaux S1 , il détermine, pour chacun des signaux S1 , i=1 à N, sa représentation spectrale Xj, caractérisée par M coefficients MDCT Xi t, avec t = 0 à M-1. Un coefficient MDCT Xi t représente ainsi le spectre du signal Si pour une fréquence Ft .
Les représentations spectrales Xi des signaux S1 , i= 1 à N, sont fournies en entrée du module 3 de transformation linéaire.
Les représentations spectrales Xi des signaux S1 , i= 1 à N, sont en outre fournies en entrée du module 6 de calcul des courbes de masquage. Le codage de signaux multicanaux comporte dans le cas considéré une transformation linéaire, permettant de prendre en compte les interactions entre les différents signaux audio à coder, avant le codage monophonique, par le module 4 de quantification, des composantes résultant de la transformation linéaire.
Le module 3 de transformation linéaire est adapté pour effectuer une transformation linéaire des coefficients des représentations spectrales (Xt \<ι<N fournis. Dans un mode de réalisation, il est adapté pour effectuer une transformation spatiale. Il détermine alors les composantes spatiales des signaux {x, \<ι<N dans le domaine fréquentiel, résultant de la projection sur un référentiel spatial dépendant de l'ordre de la transformation. L'ordre d'une transformation spatiale se rattache à la fréquence angulaire selon laquelle elle « scrute » le champ sonore.
Dans le mode de réalisation considéré, le module 3 de transformation linéaire effectue une transformation ambiophonique d'ordre p (par exemple p=1 ), qui donne une représentation spatiale compacte d'une scène sonore 3D, en réalisant des projections du champ sonore sur les fonctions harmoniques sphériques ou cylindriques associées.
Pour plus d'information sur les transformations ambiophoniques, on pourra se référer aux documents suivants : « Représentation de champs acoustiques, application à la transmission et à la reproduction de scènes sonores complexes dans un contexte multimédia », Thèse de doctorat de l'université Paris 6, Jérôme DANIEL, 31 juillet 2001 , « A highly scalable spherical microphone array based on an orthonormal décomposition of the sound field », Jens Meyer - Gary Elko, Vol. Il - pp. 1781-1784 in Proc. ICASSP 2002.
Le module 3 de transformation spatiale délivre ainsi r (r= 2p+1 ) composantes ambiophoniques {Y} ) . Chaque composante ambiophonique
Y} considérées dans le domaine fréquentiel, comporte M paramètres spectraux Yj t pour t = 0 à M-1. Le paramètre spectral Y] t se rapporte à la fréquence Ft pour t = 0 à M-1. Les composantes ambiophoniques sont déterminés de la façon suivante :
Figure imgf000010_0001
où R = est la matrice de transformation ambiophonique
Figure imgf000010_0002
d'ordre p pour la scène sonore spatiale, avec R1 } = 1 Rl } = yf2 cos θ. SI I
Ï - 1 pai irr et i?î ; = V2 ssiin θ. si i impair supérieur ou égale à 3, et θj est l'angle
de propagation du signal S} dans l'espace de la scène 3D.
Chacune des composantes ambiophoniques est donc déterminée en fonction de plusieurs signaux (S1 )^N .
Le module 6 de calcul de courbe de masquage est adapté pour déterminer la courbe de masquage spectral de chaque trame d'un signal Si considéré individuellement dans le bloc m, à l'aide de sa représentation spectrale Xi et d'un modèle psychoacoustique.
Le module 6 de calcul de courbe de masquage calcule ainsi un seuil de masquage M™ (s,i) , relatif à la trame de chaque signal (St )1≤ι≤N dans le bloc m, pour chaque bande de fréquence s considérée lors de la quantification. Chaque bande de fréquence s est élément d'un ensemble de bandes de fréquence comprenant par exemple les bandes telles que normalisées pour le codeur MPEG-4 AAC.
Les seuils de masquage M™ (s,i) pour chaque signal S1 et chaque bande de fréquences s sont délivrés au module 4 de quantification.
Le module 4 de quantification est adapté pour quantifier les composantes {Y} ) <r qui lui sont fournies en entrée, de manière à réduire le débit nécessaire à la transmission. Des fonctions de quantification respectives sont déterminées par le module 4 de quantification sur chaque bande de fréquence s.
Dans une bande s quelconque, le module 4 de quantification quantifie chaque coefficient spectral (Y] t)1≤]≤r tel que la fréquence Ft est élément de la
O≤t≤M-l bande de fréquence s. Il détermine ainsi un indice de quantification i(k) pour chaque coefficient spectral (Y] t\≤]≤r tel que la fréquence Ft est élément de la
O≤t≤M-l bande de fréquence s.
Pour une bande s considérée, k prend les valeurs de l'ensemble
Figure imgf000011_0001
+1) est égal au nombre de coefficients spectraux à quantifier dans la bande s pour l'ensemble des composantes ambiophoniques.
La fonction de quantification Qm appliquée par le module 4 de quantification pour les coefficients (Y] t)1≤]≤r calculés pour un bloc m de
O≤t≤M-l signaux prend la forme suivante, conformément à la norme MPEG-4 AAC
CT[Y, t ) = Arr avec la fréquence F élément de la bande
Figure imgf000011_0002
de fréquence s, et il existe k élément de 1^,^^,-A^J tel que Q m{Y] t ) = i(k).
Bf (S) , coefficient d'échelle relatif à la composante ambiophonique Yj, prend des valeurs discrètes. Il dépend du paramètre d'échelle entier
1 relatif φj (s) : B" (s) = :
Arr est une fonction d'arrondi délivrant une valeur entière. Arr(x) est par exemple la fonction fournissant l'entier le plus proche de la variable x, ou encore la fonction « partie entière » de la variable x, etc.
Le module 4 de quantification est adapté pour déterminer une fonction de quantification à appliquer sur une bande de fréquence s vérifiant que le seuil de masquage M™ (s,i) de chaque signal S1 dans le domaine d'écoute, avec 1 ≤ i ≤ N, est supérieur à la puissance de l'erreur apportée, sur un signal audio restitué dans le domaine d'écoute correspondant au canal i (et non pas dans le domaine de transformation linéaire), par les erreurs de quantification apportée aux composantes ambiophoniques.
Le module 4 de quantification est donc adapté pour déterminer, lors du traitement d'un bloc m de signaux, la fonction de quantification définie à l'aide des paramètres d'échelle {Bf is))^ <r relatifs à chaque bande s, telle que, pour tout i, 1 ≤ i ≤ N, l'erreur introduite sur le signal S1 dans la bande s par la quantification des composantes ambiophoniques est inférieure au seuil de masquage M™ (s,i) du signal S1 sur la bande s.
Un problème à résoudre par le module 4 de quantification est donc de déterminer, sur chaque bande s, l'ensemble des coefficients d'échelle (βj (S)) < < vérifiant la formule (1 ) suivante :
{B; /Pe m (s,i) ≤ M? (s,i),l ≤ i ≤ N }ι≤]≤r où Pe m(s,i) est la puissance d'erreur introduite sur le signal S1 suite aux erreurs de quantification introduites par la quantification, définie par les coefficients d'échelle [BJ (S))^ <r , des composantes ambiophoniques.
Ainsi, B}(s) représente un paramètre caractérisant la fonction de quantification dans la bande s relative à la jeme composante. Le choix de B}(s) détermine de manière bijective la fonction de quantification utilisée.
Cette disposition a pour effet que le bruit apporté dans le domaine d'écoute par la quantification sur les composantes issues de la transformation linéaire reste masqué par le signal dans le domaine d'écoute, ce qui contribue à une meilleure qualité des signaux restitués dans le domaine d'écoute.
Dans un mode de réalisation, le problème indiqué ci-dessus par la formule (1 ) est traduit sous la forme de la formule (2) suivante :
{β; m / Probabilité (if (s,i) ≤ M?(s,i)) ≥ a,l ≤ i ≤ N }1<;<r , où a est un taux fixé de respect du seuil de masquage. La probabilité est calculée pour la trame relative au signal S1 du bloc m considéré et sur l'ensemble des bandes de fréquence s.
La justification de cette traduction est réalisée dans le document « Optimisation de la quantification par modèles statistiques dans le codeur MPEG Advanced Audio coder (AAC) - Application à la spatialisation d'un signal comprimé en environnement MPEG-4 », Thèse de doctorat de Olivier Derrien - ENST Paris, 22 novembre 2002, nommé ci-après « document Derrien ». Selon ce document, on cherche à modifier la quantification de manière à diminuer la distorsion perçue par l'oreille d'un signal résultant d'un filtrage de spatialisation HRTF (en anglais « Head Related Transfer Function » encore appelé filtre de tête modélisant l'effet de chemin de propagation entre la position de la source sonore et l'oreille humaine et prenant en compte l'effet dû à la tête et au torse d'un auditeur, appliqué après le décodage.
Par ailleurs, Pe m (s,i) = ∑<" (fc)2 , où {e™ sont les erreurs
Figure imgf000013_0001
introduites sur les Ks = (kmΛX S -kimn+l s +1) coefficients spectraux du signal S1 correspondant à des fréquences dans la bande s.
Soit H = (fy ji≤î≤îv la matrice inverse de la matrice de transformation
ambiophonique R, alors e™ (k) sont les
Figure imgf000013_0002
erreurs de quantification introduites sur les (kmax s - kπan+l s + l) coefficients spectraux de composantes ambiophoniques correspondant à des fréquences dans la bande s.
Ainsi
Figure imgf000013_0003
On effectue les hypothèses suivantes : les erreurs de quantification e™(k) sont des variables aléatoires indépendantes équi-distribuées selon l'indice k ; les erreurs de quantification e™(k) sont des variables aléatoires selon l'indice i ; le nombre d'échantillons dans une bande s est suffisamment grand ; le codeur 1 travaille à haute résolution.
Sous ces hypothèses et par application du théorème de la limite centrale, la puissance Pe m(s,i) de l'erreur de quantification, dans une sous- bande s et pour un signal S1 , tend, lorsque le nombre de coefficients dans une bande s augmente, vers une gaussienne dont la moyenne mum/ e λ et la variance σum, e λ sont données par les formules suivantes :
σrM = Σ E[er(*)4]-E[er(*)2]2 fc=fcm
où la fonction E[x] délivre la moyenne de la variable x.
La contrainte « Prόbabïïité(Pe m(s,i) ≤ M™(s,i)) ≥ a » indiquée dans la formule 2 ci-dessus s'écrit alors à l'aide de la formule (3) suivante : mpr<s [) +β(a)σpr<s [) < M-(s,i)
Avec :
Figure imgf000014_0001
et la fonction Erf~ι (x) est l'inverse de la fonction d'erreur d'Euler.
Les variables e™(k) étant indépendantes selon l'indice i , on en déduit :
E[er(*)2] = ∑X E[Vf1C*)2]
Par conséquent, on obtient :
m^ = ∑ Σ% E[vrw2] = ∑% ∑ E[v;( kf] k=kmm s j=l J=I k=kmm s Les variables aléatoires e™ (k) étant indépendantes et équi-distribuées selon l'indice k , les variables aléatoires v™(k) sont également indépendantes et équi-distribuées selon l'indice k . Par conséquent : mP^rκ>£h>Mv> (Φ avec :
J\. — /l /C "T" J-
On suppose que les puissances Pe m(s,i) d'erreur de quantification tendent vers des gaussiennes, alors :
E[e:(k)4] = 3E[e: (k)2]2 D'où :
Figure imgf000015_0001
Ainsi on peut écrire :
Figure imgf000015_0002
A partir de cette dernière équation, et en appliquant l'inégalité de Cauchy-Schwartz :
Figure imgf000015_0003
Ce qui implique que :
Figure imgf000015_0004
Par ailleurs, en haute résolution :
Figure imgf000015_0005
avec μγ représentant l'espérance mathématique de Y: 2 dans la
2J sous bande s traitée et eR l'erreur d'arrondi propre à la fonction d'arrondi Arr. Si Arr(x) est par exemple la fonction fournissant l'entier le plus proche de la variable x, eR est égale à 0,5. Si Arr(x) est la fonction « partie entière » de la variable x, eR est égale à 1.
Ainsi la contrainte donnée par la formule (3) relative au signal S1 , i= 1 à N, sur une bande s, s'écrit sous la forme suivante :
Figure imgf000016_0001
II est ainsi possible, à partir de cette dernière équation, de déterminer si des coefficients d'échelle
Figure imgf000016_0002
<r calculés par le module 4 de quantification pour coder les composantes de la transformée, permettent ou non de respecter le seuil de masquage tel que considéré dans le domaine du signal.
Cette dernière équation représente une condition suffisante pour que le bruit correspondant au canal i soit masqué en sortie dans le domaine d'écoute.
Dans un mode de réalisation de l'invention, le module 4 de quantification est adapté pour déterminer à l'aide de cette dernière équation, pour un bloc m de trames courant, des coefficients d'échelle [BJ (s)) <r garantissant que le bruit dans le domaine d'écoute est masqué.
Dans un mode de réalisation particulier de l'invention, le module 4 de quantification est adapté pour déterminer, pour un bloc m de trames courant, des coefficients d'échelle [BJ (s)) < < garantissant que le bruit dans le domaine d'écoute est masqué et en outre permettant de respecter une contrainte de débit.
Dans un mode de réalisation, les conditions à respecter sont les suivantes : r
- Minimiser le débit global Dm = ∑DJ
- Sous la contrainte : ≤ M?(s,i)
Figure imgf000017_0001
pour toute bande s, avec D; m le débit global attribué à la composante ambiophonique Y1.
On peut écrire que :
où D™{s) est le débit attribué à la composante ambiophonique Y1 dans la bande s.
Minimiser le débit global Dm revient donc à minimiser le débit r
Dm (s) = ∑D™ (s) dans chaque bande s. Dans une première approximation, on
peut écrire que le débit attribué à une composante ambiophonique dans une bande s est une fonction logarithmique du coefficient d'échelle, soit :
Figure imgf000017_0002
La nouvelle fonction à minimiser s'écrit donc sous la forme suivante :
Figure imgf000017_0003
Pour résoudre le problème de quantification par bande en minimisant le débit global sous la contrainte (3), il faut donc minimiser la fonction F sous la contrainte (3).
La résolution de ce problème d'optimisation sous contrainte est par exemple effectuée à l'aide de la méthode des Lagrangiens. La fonction Lagrangienne s'écrit sous la forme suivante :
16
L(B,λ) = -∑ln(β; (*)) + ∑4 K —E[eR 2](l + y[2β(a))∑(hï]B;'t(Syμ1 (s)) -M?(s,i)
/=1 I=I J-I 2'1
L(B,λ) = -∑in(β; (,))+Δ7 (λ)β; (,)f -∑ΛM™ (,,0
;=1 1=1
Avec : 16
Δ7 (λ) = //1 (S)K, -±E[eî](l + j2fl(.ay)∑%A
2J ι=l et les valeurs X3 , l ≤ j ≤ N , sont les coordonnées du vecteur de
Lagrange λ .
La mise en œuvre de la méthode des Lagrangiens permet d'écrire tout d'abord que, pour 1 ≤ j < r :
B; (S) = ^—
2 Δ; (λ)
On remplace par ces termes les coefficients d'échelle dans l'équation de Lagrange. Et on cherche alors à déterminer la valeur du vecteur de Lagrange λ qui maximise la fonction ω{λ) = L{{B™ {s),...,B™{s)),λ) , par exemple à l'aide de la méthode du gradient de la fonction ω .
D'après la méthode du gradient d'Uzawa Ww(X) , où
Figure imgf000018_0001
les dérivées partielles ne sont autres que les contraintes calculées pour les B^ (S) = --1
I tT J (X)
On utilise la méthode itérative de gradient relatif (cf. notamment le document Derrien) pour résoudre ce système.
L'équation générale (formule (4)) de mise à jour du vecteur de Lagrange lors d'une (k+1 )ιeme itération de la méthode s'écrit alors sous la forme suivante : λi+1 - λ* ® (l + pm ® Vω(λk )) avec le vecteur de Lagrange λ avec un exposant (k+1 ) indiquant le vecteur actualisé et le vecteur de Lagrange λ avec un exposant k indiquant le vecteur calculé précédemment lors de la kιeme itération, ® désignant le produit terme à terme entre deux vecteurs de même taille, p désignant le pas de l'algorithme itératif et m étant un vecteur de pondération.
Dans un mode de réalisation, de manière à assurer la convergence de la méthode itérative, on choisit le vecteur m égal à :
Figure imgf000019_0001
Dans le mode de réalisation considéré, le module 4 de quantification est adapté pour mettre en œuvre les étapes du procédé décrit ci-dessous en référence à la figure 3 sur chaque bande de quantification s lors de la quantification d'un bloc m de signaux (St )1≤ι≤N .
Le procédé est basé sur un algorithme itératif comprenant des instructions pour mettre en œuvre les étapes décrites ci-dessous lors de l'exécution de l'algorithme sur des moyens de calcul du module 4 de quantification.
Dans une étape a/ d'initialisation (k=0) : on définit la valeur du pas d'itération p , une valeur D représentant un seuil de débit et la valeur des coordonnées (/L1 ...λN) du vecteur de Lagrange initial avec λ} = λ° , 1 ≤ j ≤ N .
Les étapes de la boucle itérative pour une (k+1 )eme itération, avec k entier supérieur ou égal à 0, sont les suivantes.
Dans une étape b/, les valeurs des coordonnées λ} , l ≤ j ≤ N du vecteur de Lagrange considérées étant celles calculées précédemment lors de la kιeme itération, on calcule pour l ≤ j ≤ N :
Figure imgf000019_0002
Puis dans une étape c/, on calcule les coefficients d'échelle, pour l ≤ j ≤ r :
Figure imgf000020_0001
Dans une étape d/, on calcule la valeur de la fonction F sur la bande s, représentant le débit correspondant pour la bande s :
FW =-ΣM*;«)
Dans une étape e/, on compare la valeur F (s) calculée avec le seuil donné D.
Si la valeur FO) calculée est supérieure au seuil donné D, on calcule, dans une étape il, la valeur du vecteur de Lagrange λ pour la (k+1 )eme itération à l'aide de l'équation (4) indiquée ci-dessus et du vecteur de Lagrange calculé lors de la keme itération.
Puis, dans une étape g/, on incrémente l'indice k d'une unité et on réitère les étapes b/, c/, d/ et e/.
Si la valeur FO) calculée à l'étape e/, est inférieure au seuil donné D, on stoppe les itérations. On a alors déterminé des coefficients d'échelle [BJ (s))^ <r pour la bande de quantification s permettant de masquer, dans le domaine d'écoute, le bruit dû à la quantification dans la bande s, des composantes ambiophoniques (^ )1 , tout en garantissant que le débit nécessaire pour cette quantification dans la bande s est inférieur à une valeur déterminée, fonction de D.
On applique ensuite la fonction de quantification ainsi déterminée pour les bandes s respectives et composantes ambiophoniques respectives aux coefficients spectraux des composantes ambiophoniques. Les indices de quantification ainsi que des éléments de définition de la fonction de quantification sont fournis au module 5 de codage de Huffman.
Les données de codage délivrées par le module 5 de codage de Huffman sont ensuite transmises sous forme de flux binaire Φ au décodeur 100. Opérations réalisées au niveau du décodeur :
Le module 101 de lecture de séquence binaire est adapté pour extraire des données de codage présentes dans le flux Φ reçu par le décodeur et en déduire, dans chaque bande s, des indices de quantification i(k) et des coefficients d'échelle (B™ (s))ι≤]≤r .
Le module de quantification inverse 102 est adapté pour déterminer les coefficients spectraux, relatifs à la bande s, des composantes ambiophoniques correspondants en fonction des indices de quantification i(k) et des coefficients d'échelles (B™ (s))ι≤]≤r dans chaque bande s.
Ainsi un coefficient spectral YJ t relatif à la fréquence Ft élément de la bande s de la composante ambiophonique Y1 et représenté par l'indice de quantification i(k) est restitué par le module 102 de quantification inverse à
4 l'aide de la formule suivante : YJ t = AJ (s) i(k)3
Un décodage ambiophonique est ensuite appliqué aux r composantes ambiophoniques décodées, de manière à déterminer Q' signaux S'i, S'2, ..., S'Q< destinés aux Q' haut-parleurs H1 , H2 ..., HQ'.
Le bruit de quantification à la sortie du décodeur 100 est une constante qui ne dépend que de la transformée R utilisée et du module 4 de quantification car les données psychoacoustiques utilisées lors du codage ne prennent pas en considération les traitements effectués lors de la restitution par le décodeur. En effet, le modèle psychoacoustique ne prend pas en compte les interactions acoustiques entre les différents signaux, mais calcule la courbe de masquage d'un signal comme s'il était le seul écouté. L'erreur calculée sur ce signal reste donc constante et masquée pour toute matrice de décodage ambiophonique utilisée. Cette matrice de décodage ambiophonique va simplement modifier la distribution de l'erreur sur les différents haut-parleurs en sortie.

Claims

REVENDICATIONS
1. Procédé de quantification de composantes, certaines au moins desdites composantes ((^ )1< <r ) étant déterminées chacune en fonction d'une pluralité de signaux audio
Figure imgf000022_0001
) d'une scène sonore et calculables par application d'une transformation linéaire multicanal sur lesdits signaux audio, selon lequel on détermine une fonction de quantification (Qm) à appliquer audites composantes dans une bande de fréquence donnée (s) en testant une condition relative à au moins un signal audio ( S1 ) et dépendant au moins d'une comparaison effectuée entre :
- un seuil de masquage psychoacoustique (M™ (s,ï) ) relatif au signal audio dans la bande de fréquence donnée, et
- une valeur déterminée en fonction de la transformation linéaire multicanal inverse et d'erreurs de quantification des composantes par ladite fonction sur la bande de fréquence donnée.
2. Procédé selon la revendication 1 , selon lequel la condition est relative à plusieurs signaux audio et dépend de plusieurs comparaisons, chaque comparaison étant effectuée entre un seuil de masquage psychoacoustique relatif à un signal audio respectif dans la bande de fréquence donnée, et une valeur déterminée en fonction de la transformation linéaire multicanal inverse et d'erreurs de quantification des composantes par ladite fonction.
3. Procédé selon la revendication 1 ou la revendication 2, selon laquelle la détermination de la fonction de quantification (Qm) est réitérée lors de l'actualisation des valeurs des composantes à quantifier.
4. Procédé selon l'une quelconque des revendications précédentes, selon lequel on teste la condition relative à un signal audio au moins en comparant le seuil de masquage psychoacoustique relatif au signal audio et un élément représentant la valeur mathématique
1
∑(h?]B] (s)2μι (s)) , où s est la bande de fréquences donnée, r est le
nombre de composantes, hl } est le coefficient de la transformée linéaire multicanal inverse relatif au signal audio (Si) et à la jιeme composante avec j=1 à r, B}(s) représente un paramètre caractérisant la fonction de quantification (Qm) dans la bande s relative à la jιeme composante et μι (s) est l'espérance mathématique dans la bande s de la racine carrée de la jιeme composante.
5. Procédé selon l'une quelconque des revendications précédentes, selon lequel on détermine une fonction de quantification à appliquer audites composantes dans la bande de fréquence donnée à l'aide d'un processus itératif générant à chaque itération un paramètre de la fonction de quantification candidat vérifiant la condition et associé à un débit correspondant, l'itération étant stoppée lorsque le débit est inférieur à un seuil donné.
6. Procédé selon l'une quelconque des revendications précédentes, selon lequel la transformation linéaire multicanal est une transformation ambiophonique.
7. Module (4) de quantification adapté pour quantifier au moins des composantes ((F7 ) ) déterminées chacune en fonction d'une pluralité de signaux audio
Figure imgf000023_0001
) d'une scène sonore et calculables par application d'une transformation linéaire multicanal sur lesdits signaux audio, ledit module de quantification étant adapté pour mettre en œuvre les étapes d'un procédé selon l'une quelconque des revendications 1 à 6.
8. Codeur audio (1) adapté pour coder une scène audio comprenant plusieurs signaux audio respectifs ((^; ) < < ) en un flux binaire de sortie (Φ), comprenant : un module (3) de transformation adapté pour calculer par application d'une transformation linéaire multicanal sur lesdits signaux audio, des composantes ((F; )1< <r ) dont au moins certaines sont déterminées chacune en fonction d'une pluralité des signaux audio ; et un module (4) de quantification selon la revendication 7 adapté pour déterminer au moins une fonction de quantification (Qm) sur au moins une bande de fréquence donnée (s) et pour quantifier les composantes sur la bande de fréquence donnée en fonction d'au moins la fonction de quantification déterminée ; ledit codeur étant adapté pour constituer un flux binaire en fonction au moins de données de quantification délivrées par le module de quantification.
9. Programme d'ordinateur à installer dans un module (4) de quantification, ledit programme comprenant des instructions pour mettre en œuvre les étapes d'un procédé selon l'une quelconque des revendications 1 à 6 lors d'une exécution du programme par des moyens de traitement dudit module.
10. Données de codage (Φ), déterminées suite à la mise en œuvre d'un procédé de quantification selon l'une quelconque des revendications 1 à 6.
PCT/FR2008/051220 2007-07-03 2008-07-01 Quantification apres transformation lineaire combinant les signaux audio d'une scene sonore, codeur associe WO2009007639A1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US12/667,401 US8612220B2 (en) 2007-07-03 2008-07-01 Quantization after linear transformation combining the audio signals of a sound scene, and related coder
EP08806144.5A EP2168121B1 (fr) 2007-07-03 2008-07-01 Quantification apres transformation lineaire combinant les signaux audio d'une scene sonore, codeur associe

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0704794 2007-07-03
FR0704794 2007-07-03

Publications (1)

Publication Number Publication Date
WO2009007639A1 true WO2009007639A1 (fr) 2009-01-15

Family

ID=38799400

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2008/051220 WO2009007639A1 (fr) 2007-07-03 2008-07-01 Quantification apres transformation lineaire combinant les signaux audio d'une scene sonore, codeur associe

Country Status (3)

Country Link
US (1) US8612220B2 (fr)
EP (1) EP2168121B1 (fr)
WO (1) WO2009007639A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11741973B2 (en) 2015-03-09 2023-08-29 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Audio encoder for encoding a multichannel signal and audio decoder for decoding an encoded audio signal

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2469741A1 (fr) 2010-12-21 2012-06-27 Thomson Licensing Procédé et appareil pour coder et décoder des trames successives d'une représentation d'ambiophonie d'un champ sonore bi et tridimensionnel
JP6267860B2 (ja) * 2011-11-28 2018-01-24 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 音声信号送信装置、音声信号受信装置及びその方法
US9502044B2 (en) 2013-05-29 2016-11-22 Qualcomm Incorporated Compression of decomposed representations of a sound field
US9466305B2 (en) 2013-05-29 2016-10-11 Qualcomm Incorporated Performing positional analysis to code spherical harmonic coefficients
US9502045B2 (en) * 2014-01-30 2016-11-22 Qualcomm Incorporated Coding independent frames of ambient higher-order ambisonic coefficients
US9922656B2 (en) 2014-01-30 2018-03-20 Qualcomm Incorporated Transitioning of ambient higher-order ambisonic coefficients
US9620137B2 (en) 2014-05-16 2017-04-11 Qualcomm Incorporated Determining between scalar and vector quantization in higher order ambisonic coefficients
US10770087B2 (en) 2014-05-16 2020-09-08 Qualcomm Incorporated Selecting codebooks for coding vectors decomposed from higher-order ambisonic audio signals
US9852737B2 (en) 2014-05-16 2017-12-26 Qualcomm Incorporated Coding vectors decomposed from higher-order ambisonics audio signals
US9747910B2 (en) 2014-09-26 2017-08-29 Qualcomm Incorporated Switching between predictive and non-predictive quantization techniques in a higher order ambisonics (HOA) framework

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE138238T1 (de) * 1991-01-08 1996-06-15 Dolby Lab Licensing Corp Kodierer/dekodierer für mehrdimensionale schallfelder
US7548853B2 (en) * 2005-06-17 2009-06-16 Shmunk Dmitry V Scalable compressed audio bit stream and codec using a hierarchical filterbank and multichannel joint coding

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DERRIEN O & DUHAMEL P: "Une approche statistique pour l'optimisation du MPEG-2/4 AAC (Advanced Audio Coder) en mode stéréophonique matricé (MS stéréo)", ACTES DE COLLOQUES DU GROUPE D'ETUDES DU TRAITEMENT DU SIGNAL ET DES IMAGES (GRETSI), 2003, pages 1 - 4, XP002464084 *
DERRIEN O ET AL: "On the interplay between audio compression and spatialization: bit-rate reduction without quality damage", MULTIMEDIA SIGNAL PROCESSING, 2001 IEEE FOURTH WORKSHOP ON OCTOBER 3-5, 2001, PISCATAWAY, NJ, USA,IEEE, 3 October 2001 (2001-10-03), pages 313 - 318, XP010565793, ISBN: 0-7803-7025-2 *
GERZON M A: "Hierarchical Transmission of Multispeaker Stereo", IEEE APPLICATONS OF SIGNAL PROCESSING TO AUDIO AND ACOUSTICS, 20 October 1991 (1991-10-20), pages 133 - 134, XP010255223 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11741973B2 (en) 2015-03-09 2023-08-29 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Audio encoder for encoding a multichannel signal and audio decoder for decoding an encoded audio signal
US11881225B2 (en) 2015-03-09 2024-01-23 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Audio encoder for encoding a multichannel signal and audio decoder for decoding an encoded audio signal

Also Published As

Publication number Publication date
EP2168121A1 (fr) 2010-03-31
US8612220B2 (en) 2013-12-17
US20100198585A1 (en) 2010-08-05
EP2168121B1 (fr) 2018-06-06

Similar Documents

Publication Publication Date Title
EP2168121B1 (fr) Quantification apres transformation lineaire combinant les signaux audio d&#39;une scene sonore, codeur associe
US11962990B2 (en) Reordering of foreground audio objects in the ambisonics domain
EP2374123B1 (fr) Codage perfectionne de signaux audionumeriques multicanaux
EP2002424B1 (fr) Dispositif et procede de codage scalable d&#39;un signal audio multi-canal selon une analyse en composante principale
EP2374124B1 (fr) Codage perfectionne de signaux audionumériques multicanaux
KR100981694B1 (ko) 스테레오 신호들의 코딩
EP2143102B1 (fr) Procede de codage et decodage audio, codeur audio, decodeur audio et programmes d&#39;ordinateur associes
JP2011513780A (ja) 複数の入力データストリームのミキシングのための装置
FR2966634A1 (fr) Codage/decodage parametrique stereo ameliore pour les canaux en opposition de phase
EP2304721A1 (fr) Synthese spatiale de signaux audio multicanaux
EP2145167B1 (fr) Procédé de codage audio, codeur audio, signal codé et programme d&#39;ordinateur associés
US9646615B2 (en) Audio signal encoding employing interchannel and temporal redundancy reduction
US20190392846A1 (en) Demixing data for backward compatible rendering of higher order ambisonic audio
FR3049084A1 (fr)
EP2198425A1 (fr) Procede, module et programme d&#39;ordinateur avec quantification en fonction des vecteurs de gerzon
EP4042418A1 (fr) Détermination de corrections à appliquer a un signal audio multicanal, codage et décodage associés
CN113994425A (zh) 基于为心理声学音频编解码确定的比特分配对空间分量进行量化
BR112015030103B1 (pt) Compressão de representações decomposta de campo sonoro

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 08806144

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2008806144

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 12667401

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE