WO1999004505A1 - Verfahren zum signalisieren einer rauschsubstitution beim codieren eines audiosignals - Google Patents

Verfahren zum signalisieren einer rauschsubstitution beim codieren eines audiosignals Download PDF

Info

Publication number
WO1999004505A1
WO1999004505A1 PCT/EP1998/001480 EP9801480W WO9904505A1 WO 1999004505 A1 WO1999004505 A1 WO 1999004505A1 EP 9801480 W EP9801480 W EP 9801480W WO 9904505 A1 WO9904505 A1 WO 9904505A1
Authority
WO
WIPO (PCT)
Prior art keywords
noisy
spectral values
group
coding
noise
Prior art date
Application number
PCT/EP1998/001480
Other languages
English (en)
French (fr)
Inventor
Jürgen HERRE
Uwe Gbur
Andreas Ehret
Martin Dietz
Bodo Teichmann
Oliver Kunz
Karlheinz Brandenburg
Heinz GERHÄUSER
Original Assignee
Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=7835662&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=WO1999004505(A1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. filed Critical Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.
Priority to US09/367,775 priority Critical patent/US6766293B1/en
Priority to CA002284220A priority patent/CA2284220C/en
Priority to AU70352/98A priority patent/AU716982B2/en
Priority to EP98916947A priority patent/EP0931386B1/de
Priority to AT98916947T priority patent/ATE194440T1/de
Priority to JP50619399A priority patent/JP3926399B2/ja
Priority to DK98916947T priority patent/DK0931386T3/da
Priority to DE59800189T priority patent/DE59800189D1/de
Publication of WO1999004505A1 publication Critical patent/WO1999004505A1/de
Priority to GR20000401452T priority patent/GR3033861T3/el

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/66—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission
    • 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
    • G10L19/028—Noise substitution, i.e. substituting non-tonal spectral components by noisy source
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/66—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission
    • H04B1/665—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission using psychoacoustic properties of the ear, e.g. masking effect

Definitions

  • MPEG-2 NBC This non-backward compatible audio standard according to MPEG-2 is called MPEG-2 NBC.
  • the goal of this development is to achieve broadcasting quality in accordance with ITU-R requirements at data rates of 384 kb / s or less for 5-channel audio signals where each channel has the full bandwidth.
  • the MPEG-2 NBC audio coding standard was completed in April 1997.
  • the MPEG-2 NBC scheme will form the core of the already planned MPEG-4 audio standard, which will have higher data rates (over 40 kb / s per channel).
  • the NBC or non-backwards compatible standard combines the coding efficiency of a high-resolution filter bank, prediction techniques and redundancy-reducing Huffman coding in order to achieve audio coding with broadcast quality at very low data rates.
  • Efficient audio coding methods remove both redundancies and irrelevances from audio signals. Correlations between audio samples and sample representation statistics are exploited to remove redundancies. Frequency domain and time domain masking properties of the human hearing system are used to remove imperceptible signal components (irrelevance).
  • the frequency content of the audio signal is divided into subbands using a filter bank.
  • the data rate reduction is achieved by quantizing the spectrum of the time signal according to psychoacoustic models, and it can include a lossless coding method.
  • a continuous-time audio signal is sampled to obtain a discrete-time audio signal.
  • the discrete-time audio signal is windowed by means of a window function in order to successive blocks or frames with a certain number, z. B.
  • windowed time discrete samples Each block of windowed time-discrete samples of the audio signal is successively transformed into the frequency domain, for example a modified discrete cosine transform (MDCT) can be used.
  • MDCT modified discrete cosine transform
  • the spectral values thus obtained have not yet been quantized and must therefore be quantized.
  • the main goal is to quantize the spectral data so that the quantization noise is masked or masked by the quantized signals themselves.
  • a psychoacoustic model described in the MPEG-AAC standard is used, which, taking into account the special properties of human hearing, calculates masking thresholds depending on the audio signal present.
  • the spectral values are now quantized in such a way that the introduced quantization noise is hidden and thus inaudible.
  • the quantization does not result in any audible noise.
  • a so-called non-uniform quantizer is used in the NBC standard.
  • a method is used to shape the quantization noise.
  • the NBC method like previous standards, uses the single amplification of groups of spectral coefficients known as scale factor bands. In order to work as efficiently as possible, it is desirable to be able to shape the quantization noise into units that are as close as possible to the frequency groups of the human auditory system. It is therefore possible to group spectral values which show the bandwidth of the frequency groups very closely. Individual scale factor bands can be amplified in 1.5 dB steps using scale factors. Noise shaping is achieved because amplified coefficients have larger amplitudes. Therefore they are in the generally show a higher signal-to-noise ratio after quantization.
  • Huffman coding is used to represent n-tuples of quantized coefficients, the Huffman code being derived from one of 12 coding tables.
  • the maximum absolute value of the quantized coefficients that can be represented by each Huffman coding table and the number of coefficients in each n-tuple for each coding table are fixed a priori.
  • the purpose of forming the sections or sections is therefore to group areas with the same signal statistics in order to achieve the highest possible coding gain for a section by means of a single Huffman coding table, the coding gain generally being the quotient of bits before coding and bits after coding is defined.
  • coding table number which is defined in the bit stream syntax used for the NBC method
  • the expression “coding table number” is intended to denote the place in the bit stream syntax that is reserved for the coding table number.
  • 4 bits are required. These 4 bits must be transmitted as side information for each section, ie for each group of spectral values, so that the decoder can select the corresponding correct coding table for decoding.
  • Another way of distinguishing between noisy and tonal spectral components is to use a predictor for spectral values in successive blocks.
  • a prediction is carried out from one spectrum to the following spectrum, ie the spectrum that is assigned to the next time block or frame. If a predicted spectral value does not differ or differs only slightly from an actually determined spectral value of the next time block or frame, it is assumed that this spectral value is a tonal spectral component.
  • a tonality measure ⁇ can be derived from this, the value of which is the basis of a decision in order to distinguish tonal and noisy spectral values from one another.
  • this detection method is only suitable for strictly stationary signals. It fails to detect situations in which sine signals with slightly changed frequencies are present over time. Such signals often appear in audio signals, such as. B. Vibratos, and it is obvious to a person skilled in the art that these cannot be replaced by a noisy component.
  • the group of spectral values now classified as noisy is not quantized in the usual way and entropy or redundancy coded (by means of a Huffman table, for example) is transmitted to the receiver. Instead, only an identifier for displaying the noise substitution and a measure of the energy of the noisy group of spectral values are transmitted as side information. Random values (noise) with the transmitted energy are then used in the receiver for the substituted coefficients. The noisy spectral values are thus substituted by random spectral values with a corresponding energy measure.
  • the object of the present invention is to extend the existing MPEG-2 AAC standard by the possibilities of noise substitution in such a way that neither the basic encoder structure nor the structure of the existing bit stream syntax is affected.
  • This object is achieved by a method for signaling noise substitution when encoding an audio signal according to claim 1, by a method for encoding an audio signal according to claim 10 and by a method for decoding an audio signal according to claim 11.
  • the present invention is based on the finding that, if noise substitution is carried out for a noisy band, no quantization and redundancy coding or Huffman coding of spectral values need be carried out. Instead, as already described, noise spectral values are generated in the decoder for a noisy group, the measure of which energy corresponds to the measure of the energy of the noise-substituted spectral values. In other words, no coding tables are used for noisy groups, since no redundancy coding takes place. The coding table number, ie the corresponding space in the bit stream syntax of the coded audio signal, is therefore also superfluous.
  • the spectral values that are present after a frequency domain transformation of the temporal audio signal can be grouped into scale factor bands in order to achieve an optimal masking of the quantization noise.
  • several scale factor bands are additionally grouped into sections.
  • a section therefore usually consists of several scale factor bands. This means that noise substitution is always signaled for an entire section, ie whether the noise substitution is active or not. Due to the fact that the noisy scale factor bands are not quantized, no scale factors have to be calculated, transmitted or coded for them. This means that in addition to the coding table number, which indicates the noise substitution itself, a further position in the bit stream is free, which can be occupied otherwise.
  • the same resolution is preferably used as is used for the inverse scaling of the transmitted spectral data, ie logarithmic scaling with a resolution of 1.5 dB in the AAC standard.
  • Z Y x 2 ⁇ SF ), where SF is the scale factor of the respective scale factor band, and where Z represents the requantized spectral value.
  • the resolution is therefore 1.5 dB.
  • a further advantageous application of the signaling of the noise substitution is given for stereo audio signals.
  • the human ear is able to perceive to a certain extent a correlation between the signals or channels (L and R) of a stereo channel pair, which is referred to as "channel pair" in AAC. Therefore, even in the case of noise substitution, the correlation between the two replaced or substituted noise signals of the channel pair should be similar to that of the original signal.
  • Scale factor bands in the left and right channels that have the same center frequency can both be noise-substituted if noisyness is detected. If both channels are noise-substituted and no further precautions are taken, the noise spectral values randomly generated in the encoder have the same total energy as in the original audio signal, but they are completely uncorrelated due to the random generation. Under certain circumstances, this can lead to audible errors. To avoid this, it is possible to use the same randomly generated noise spectral values of a scale factor band for both channels, which corresponds to a complete correlation of the noisy scale factor bands of the left and right
  • M / S mask center / side mask
  • ms_used ms used
  • This M / S mask is a bit vector which indicates, in bands, whether M / S stereo coding has been applied between the two channels, which is known to experts and is introduced in JD Johnston, AJ Ferreira: "Sum-Difference Stereo Transform Coding", IEEE ICASSP 1992, pp. 569-571, and also in the MPEG-AAC standard.
  • the M / S mask consists of a number of bits, each bit being assigned to a scale factor band.
  • the bit of the M / S mask for the noisy scale factor band of both channels can be used to indicate whether independent noise spectral values or noise vectors should be generated for the left and right channels, which would correspond to the normal case, or whether the same noise vector is to be used for both the left and right channels in the noisy scale factor band.
  • the scale factors can be coded by means of a differential coding.
  • differential coding For a corresponding scale factor in a subsequent scale factor band, the entire value of the scale factor does not have to be coded again, but only the difference of the same from the previous one.
  • this differential coding is also used for coding the measure for the energy of the spectral components in a noisy scale factor band. This means that for a subsequent scale factor band, it is not necessary to again measure the total amount of energy but only the difference between the current and previous coded, which in turn gives rise to bit savings.
  • there must always be a first output value but this can also be a fixed value that is predetermined from the outset. This method of differential coding will therefore be particularly advantageous if successive scale factor bands are noisy.

Abstract

Bei einem Verfahren zum Signalisieren einer Rauschsubstitution beim Codieren eines Audiosignals wird das zeitliche Audiosignal zuerst in den Frequenzbereich transformiert, um Spektralwerte zu erhalten. Die Spektralwerte werden anschließend in Gruppen von Spektralwerten gruppiert. Aufgrund einer Erfassung, ob eine Gruppe von Spektralwerten eine rauschhafte Gruppe ist oder nicht, wird einer nicht-rauschhaften oder tonalen Gruppe mittels einer Codiertabellennummer eine Codiertabelle zum Redundanz-Codieren derselben zugewiesen. Falls eine Gruppe rauschhaft ist, wird derselben eine zusätzliche Codiertabellennummer zugewiesen, die nicht auf eine Codiertabelle verweist, um zu signalisieren, daß diese Gruppe rauschhaft ist und daher nicht redundanz-codiert werden muß. Durch Signalisieren der Rauschsubstitution durch eine Huffman-Codiertabellennummer für rauschhafte Gruppen von Spektralwerten, die z.B. Abschnitte aus Skalenfaktorbändern sind, welche nicht redundanz-codiert werden müssen, ist eine Möglichkeit implementiert, das Vorhandensein einer Rauschsubstitution in einem Skalenfaktorband in der Bitstromsyntax des Standards MPEG-2 Advanced Audio Coding (AAC) zu implementieren, ohne daß in die grundsätzliche Codiererstruktur eingegriffen werden muß, und ohne daß die Struktur der bestehenden Bitstromsyntax angetastet werden muß.

Description

Verfahren zum Signalisieren einer Rauschsubstitution beim
Codieren eines Audiosignals
Beschreibung
Die vorliegende Erfindung bezieht sich auf Audiocodierverfahren und insbesondere auf Audiocodierverfahren nach dem Standard ISO/MPEG, wie z. B. MPEG-1, MPEG-2 , MPEG-2 AAC, zur datenreduzierten Darstellung von hochqualitativen Audiosignalen.
Der Standardisierungskörper ISO/IEC JTC1/SC29/WG11, der auch als die Moving Pictures Expert Group (MPEG) bekannt ist, wurde 1988 gegründet, um digitale Video- und Audiocodierungsschemen für niedrige Datenraten zu spezifizieren. Im November 1992 wurde die erste Spezifikationsphase durch den Standard MPEG-1 vollendet. Das Audiocodiersystem nach MPEG-1, das in ISO 11172-3 spezifiziert ist, arbeitet in einem Einkanal- oder Zweikanalstereo-Modus bei Abtastfrequenzen von 32 kHz, 44,1 kHz und 48 kHz. Der Standard MPEG-1 Layer II liefert Rundfunkqualität, wie sie durch die International Telecommunication Union spezifiziert ist, bei einer Datenrate von 128 kb/s pro Kanal.
In seiner zweiten Entwicklungsphase bestanden die Ziele von MPEG darin, eine Mehrkanalerweiterung für MPEG-1-Audio zu definieren, die zur existierenden MPEG-1-Systemen rückwärtskompatibel sein sollte, und ebenfalls einen Audiocodierstandard bei niedrigeren Abtastfrequenzen (16 kHz, 22,5 kHz, 24 kHz) als bei MPEG-1 zu definieren. Der rückwärtskompatible Standard (MPEG-2 BC) sowie der Standard mit niedrigeren Abtastfrequenzen (MPEG-2 LSF) wurden im November 1994 vollendet. MPEG-2 BC liefert eine gute Audioqualität bei Datenraten von 640 - 896 kb/s für 5 Kanäle mit voller Bandbreite. Seit 1994 besteht eine weitere Anstrengung des MPEG-2-Audiostandardisierungskommittees darin, einen Multi- kanalstandard mit höherer Qualität zu definieren, als sie erreichbar ist, wenn eine Rückwärtskompatibilität zur MPEG-1 gefordert wird. Dieser nicht-rückwärtskompatible Audiostandard gemäß MPEG-2 wird als MPEG-2 NBC bezeichnet. Das Ziel dieser Entwicklung besteht darin, Rundfunkqualitäten gemäß den ITU-R-Anforderungen bei Datenraten von 384 kb/s oder darunter für 5-kanalige Audiosignale, bei denen jeder Kanal die volle Bandbreite hat, zu erreichen. Der Audiocodierstandard MPEG-2 NBC wurde April 1997 vollendet. Das Schema MPEG-2 NBC wird den Kern für den bereits geplanten Audiostandard MPEG-4 bilden, welcher höhere Datenraten haben wird (über 40 kb/s pro Kanal) . Der NBC oder nicht rückwärts kompatible Standard kombiniert den Codierwirkungsgrad einer hochauflösenden Filterbank, von Prädiktionstechniken und der redundanzreduzierenden Huffman-Codierung, um eine Audiocodierung mit Rundfunkqualität bei sehr niedrigen Datenraten zu erreichen. Der Standard MPEG-2 NBC wird auch als MPEG-2 NBC AAC (AAC = Advanced Audio Coding) bezeichnet. Eine detaillierte Darstellung des technischen Inhalts von MPEG-2 AAC findet sich in M. Bosi, K. Brandenburg, S. Quackenbush, L. Fielder, K. Akagiri, H. Fuchs, M. Dietz, J. Herre, G. Davidson, Yoshiaki Oikawa: "ISO/IEC MPEG-2 Advanced Audio Coding", lOlst AES Convention, Los Angeles 1996, Preprint 4382.
Effiziente Audiocodierverfahren entfernen sowohl Redundanzen als auch Irrelevanzen von Audiosignalen. Korrelationen zwischen Audioabtastwerten und Statistiken der Abtastwertdarstellung werden ausgenutzt, um Redundanzen zu entfernen. Frequenzbereichs- und Zeitbereichsmaskierungseigenschaften des menschlichen Gehörsystems werden ausgenutzt, um nichtwahrnehmbare Signalanteile (Irrelevanzen) zu entfernen. Der Frequenzgehalt des Audiosignals wird mittels einer Filterbank in Teilbänder unterteilt. Die Datenratenreduktion wird erreicht, indem das Spektrum des Zeitsignals gemäß psycho- akustischen Modellen quantisiert wird, und dieselbe kann ein verlustloses Codierverfahren umfassen. Allgemein gesagt wird ein zeitkontinuierliches Audiosignal abgetastet, um ein zeitdiskretes Audiosignal zu erhalten. Das zeitdiskrete Audiosignal wird mittels einer Fensterfunktion gefenstert, um aufeinanderfolgende Blöcke oder Frames mit einer bestimmten Anzahl, z. B. 1024, gefensterter zeitdiskreten Abtastwerten zu erhalten. Nacheinander wird jeder Block von gefensterten zeitdiskreten Abtastwerten des Audiosignals in den Frequenzbereich transformiert, wobei beispielsweise eine modifizierte diskrete Cosinustransformation (MDCT) verwendet werden kann. Die somit erhaltenen Spektralwerte sind noch nicht quantisiert und müssen demnach quantisiert werden. Das Hauptziel dabei besteht darin, die Spektraldaten derart zu quantisieren, daß das Quantisierungsrauschen durch die quantisierten Signale selbst maskiert oder verdeckt wird. Dazu wird ein im MPEG-AAC-Standard beschriebenes psychoakustisches Modell herangezogen, das unter Berücksichtigung der speziellen Eigenschaften des menschlichen Gehörs abhängig von dem vorliegenden Audiosignal Maskierungsschwellen berechnet. Die Spektralwerte werden nun derart quantisiert, daß das eingeführte Quantisierungsrauschen versteckt und somit unhörbar wird. Das Quantisieren führt also zu keinem hörbaren Rauschen.
In dem NBC-Standard wird ein sog. ungleichförmiger Quanti- sierer verwendet. Zusätzlich wird ein Verfahren verwendet, um das Quantisiεrungsrauschen zu formen. Das NBC-Verfahren verwendet wie auch vohergegenene Standards die einzelne Verstärkung von Gruppen von Spektralkoeffizienten, welche als Skalenfaktorbänder bekannt sind. Um so effizient wie möglich zu arbeiten, ist es wünschenswert, in der Lage zu sein, das Quantisierungsrauschen in Einheiten zu formen, die an die Frequenzgruppen des menschlichen Gehörsystems möglichst angelehnt sind. Es ist somit möglich, Spektralwerte zu gruppieren, welche die Bandbreite der Frequenzgruppen sehr eng wiedergeben. Einzelne Skalenfaktorbänder können mittels Skalenfaktoren in Stufen von 1,5 dB verstärkt werden. Die Rauschformung wird erreicht, da verstärkte Koeffizienten größere Amplituden haben. Daher werden sie im allgemeinen ein höheres Signal/Rausch-Verhältnis nach der Quantisierung zeigen. Andererseits benötigen größere Amplituden mehr Bits zur Codierung, d. h. die Bitverteilung zwischen den Skalenfaktorbändern wird implizit verändert. Selbstverständlich muß die Verstärkung durch die Skalenfaktoren im Decodierer korrigiert werden. Aus diesem Grund müssen die VerstärkungsInformationen, die in den Skalenfaktoren in Einheiten von 1,5 dB-Schritten gespeichert sind, als Seiteninformationen zu dem Decodierer übertragen werden.
Nach der Quantisierung der in Skalenfaktorbändern vorliegenden ggf. durch Skalenfaktoren verstärkten Spektralwerte sollen dieselben codiert werden. Das Eingangssignal in ein rauschloses Codiermodul ist somit der Satz von beispielsweise 1024 quantisierten Spektralkoeffizienten. Durch das rauschlose Codiermodul werden die Sätze von 1024 quantisierten Spektralkoeffizienten in Abschnitte oder "Sections" eingeteilt, derart, daß eine einzige Huffman-Codiertabelle ("Codebook11) verwendet wird, um jeden Abschnitt zu codieren. Aus Codiereffizienzgründen können Abschnittsgrenzen nur an Skalenfaktorbandgrenzen vorhanden sein, derart, daß für jeden Abschnitt oder "Section" des Spektrums sowohl die Länge des Abschnitts in Skalenfaktorbändern als auch die Huffman-Codiertabellennummer, die für den Abschnitt verwendet wird, als Seiteninformationen übertragen werden müssen.
Das Bilden der Abschnitte ist dynamisch und variiert typischerweise von Block zu Block, derart, daß die Anzahl von Bits, die benötigt werden, um den vollen Satz von quantisierten Spektralkoeffizienten darzustellen, minimiert wird. Die Huffman-Codierung wird verwendet, um n-Tupel von quantisierten Koeffizienten darzustellen, wobei der Huffman-Code von einem von 12 Codiertabellen abgeleitet wird. Der maximale absolute Wert der quantisierten Koeffizienten, der von jeder Huffman-Codiertabelle dargestellt werden kann, und die Anzahl von Koeffizienten in jedem n-Tupel für jede Codiertabelle sind a priori festgelegt. Der Sinn des Bildens der Abschnitte oder Sections besteht also darin, Bereiche mit gleicher Signalstatistik zu gruppieren, um mittels einer einzigen Huffman-Codiertabelle für eine Section einen möglichst hohen Codiergewinn zu erreichen, wobei der Codiergewinn allgemein durch den Quotienten aus Bits vor der Codierung und Bits nach der Codierung definiert ist. Mittels einer Codiertabellennummer ("Codebook- number") , die in der für das NBC-Verfahren verwendeten Bitstromsyntax festgelegt ist, wird auf eine der 12 Huffman-Co- diertabellen verwiesen, welche für einen speziellen Abschnitt den höchsten Codiergewinn ermöglicht. Der Ausdruck "Codiertabellennummer" soll in dieser Anmeldung somit den Platz in der Bitstromsyntax bezeichnen, der für die Codiertabellennummer reserviert ist. Um 11 verschiedene Codiertabellennummern binär zu codieren, werden 4 Bit benötigt. Diese 4 Bit müssen für jeden Abschnitt, d. h. für jede Gruppe von Spektralwerten, als Seiteninformationen übertragen werden, damit der Decodierer zum Decodieren die entsprechende korrekte Codiertabelle auswählen kann.
Eine weitere Technik, die neuerdings Beachtung findet, ist die "Rauschsubstitution", deren Aspekte ausführlich in Donald Schulz: "Improving Audio Codecs by Noise Substitution", Journal of the Audio Eng. Soc. , Bd. 44, Nr. 7/8, S. 593 - 598, Juli/August 1996, beschrieben sind. Wie bereits erwähnt wurde, verwenden herkömmliche Audiocodieralgorithmen üblicherweise Maskierungseffekte des menschlichen Ohrs, um die Datenrate oder die Anzahl von zu übertragenden Bits entscheidend zu reduzieren. Maskierung bedeutet also, daß eine oder mehrere Frequenzkomponenten als Spektralwerte andere Komponenten mit niedrigeren Pegeln unhörbar machen. Dieser Effekt kann auf zwei Arten und Weisen ausgenutzt werden. Zuerst müssen Audiosignalkomponenten, die durch andere Komponenten maskiert werden, nicht codiert werden. Zweitens ist das Einführen von Rauschen durch die eben beschriebene Quantisierung erlaubt, wenn dieses Rauschen durch Komponenten des ursprünglichen Signals verdeckt wird. Bei rauschhaften Signalen ist das menschliche Gehörsystem nicht in der Lage, den exakten Zeitverlauf eines solchen Signals zu erfassen. Bei üblichen Algorithmen führte dies dazu, daß sogar die Wellenform des weißen Rauschens, welche für das menschliche Gehör nahezu irrelevant ist, codiert wurde. Ein gehörrichtiges Codieren von rauschhaltigen Signalen erfordert daher hohe Bitraten für Informationen, die nicht hörbar sind, wenn keine speziellen Vorkehrungen getroffen werden. Falls jedoch rauschhaltige Komponenten von Signalen erfaßt und mit Informationen über ihre Rauschpegel, über ihren Frequenzbereich oder über ihren zeitlichen Ausdehnungsbereich codiert werden, kann eine solche überflüssige Codierung verringert werden, was zu außerordentlich großen Biteinsparungen führen kann. Diese Tatsache wird durch die Psychoakustik untermauert, die besagt, daß der Wahrnehmungseindruck von Rauschsignalen primär von deren spektraler Zusammensetzung und nicht von der tatsächlichen Wellenform bestimmt wird. Dies ermöglicht also die Benutzung der Rauschsubstitutionstechnik bei der Datenreduktion von Audiosignalen.
Der Codierer steht daher vor der Aufgabe, in dem gesamten Spektrum des Audiosignals rauschartige oder rauschhafte Spektralwerte zu finden bzw. zu erkennen. Eine Definition für rauschhafte Spektralwerte lautet wie folgt: Wenn eine Signalkomponente durch ihren Pegel, durch ihren Frequenzbereich und durch ihren zeitlichen Ausdehnungsbereich derart charakterisiert werden kann, daß sie ohne hörbare Unterschiede für das menschliche Gehörsystem durch ein Rauschersetzungsverfahren rekonstruiert werden kann, wird diese Signalkomponente als Rauschen klassifiziert. Die Erfassung dieser Charakteristik kann entweder im Frequenzbereich oder im Zeitbereich durchgeführt werden, wie es in der zuletzt zitierten Veröffentlichung dargestellt ist. Das einfachste Verfahren besteht beispielsweise darin, tonale, d. h. nicht rauschhafte, Komponenten zu erfassen, indem eine Zeit-Frequenz-Transformation verwendet wird, und indem stationäre Spitzen in zeitlich aufeinanderfolgenden Spektren verfolgt werden. Diese Spitzen werden als tonal bezeichnet, alles andere wird als rauschhaft bezeichnet. Dies stellt jedoch eine relativ grobe Rauscherfassung dar. Eine weitere Möglichkeit, zwischen rauschhaften und tonalen Spektralkomponenten zu unterscheiden, besteht in der Verwendung eines Prädiktors für Spektralwerte in aufeinanderfolgenden Blöcken. Dabei wird eine Prädiktion von einem Spektrum zu dem folgenden Spektrum, d. h. dem Spektrum, das dem nächsten zeitlichen Block oder Frame zugeordnet ist, durchgeführt. Unterscheidet sich ein pradizierter Spektralwert von einem tatsächlich durch Transformation ermittelten Spektralwert des nächsten zeitlichen Blocks oder Frames nicht oder nur wenig, so wird davon ausgegangen, daß es sich bei diesem Spektralwert um eine tonale Spektralkomponente handelt. Daraus kann ein Tonalitätsmaßμabgeleitet werden, dessen Wert einer Entscheidung zugrundeliegt, um tonale und rauschhafte Spektralwerte voneinander zu unterscheiden. Dieses Erfassungsverfahren ist jedoch lediglich für streng stationäre Signale geeignet. Es versagt dabei, Situationen zu erfassen, bei denen Sinussignale mit gering veränderten Frequenzen über der Zeit vorhanden sind. Solche Signale erscheinen oft in Audiosignalen, wie z. B. Vibratos, und es ist für den Fachmann offensichtlich, daß diese nicht durch eine rauschhafte Komponente ersetzt werden können.
Eine weitere Möglichkeit zur Erfassung von rauschhaften Signalen besteht in der Rauscherfassung durch Prädiktion im Zeitbereich. Hierfür eignet sich ein angepaßtes Filter als Prädiktor, welcher wiederholt angewendet werden kann, um eine lineare Prädiktion durchzuführen, wie es in der Technik hinreichend bekannt ist. Vergangene Audiosignale werden eingespeist und das Ausgangssignal wird mit dem tatsächlichen Audioabtastwert verglichen. Im Fall eines kleinen Prädiktionsfehlers kann Tonalität angenommen werden. Um den Charakter unterschiedlicher Frequenzregionen zu bestimmen, d. h. um den Spektralbereich zu erfassen, ob eine Gruppe von Spektralwerten eine rauschhafte Gruppe ist, müssen Zeit-Fre- quenz-Transformationen sowohl des ursprünglichen als auch des prädizierten Signals durchgeführt werden. Dann kann für jede Frequenzgruppe ein Tonalitätsmaß berechnet werden, indem die ursprünglichen und die prädizierten Werte miteinander verglichen werden. Ein Hauptproblem dabei ist der begrenzte dynamische Bereich des Prädiktors. Eine rauschhafte Frequenzgruppe mit einem hohen Pegel dominiert den Prädiktor aufgrund des resultierenden großen Fehlers. Andere Frequenzregionen mit tonalen Komponenten könnten als rauschhaft interpretiert werden. Dieses Problem kann durch Verwendung eines iterativen Algorithmus verringert werden, bei dem das Fehlersignal normalerweise einen geringeren Pegel als das Ursprungssignal hat und wieder durch einen weiteren Prädiktor eingespeist wird, wonach beide prädizierten Signale addiert werden. Weitere Verfahren sind in der Veröffentlichung von Schulz ausgeführt.
Die nun als rauschhaft klassifizierte Gruppe von Spektralwerten wird nicht wie üblich quantisiert und Entropie- bzw. Redundanz-codiert (mittels beispielsweise einer Huffman-Ta- belle) zum Empfänger übertragen. Stattdessen wird nur eine Kennung zur Anzeige der Rauschsubstitution sowie ein Maß für die Energie der rauschhaften Gruppe von Spektralwerten als Seiteninformationen übertragen. Im Empfänger werden dann für die substituierten Koeffizienten Zufallswerte (Rauschen) mit der übertragenen Energie eingesetzt. Die rauschhaften Spektralwerte werden also durch Zufallsspektralwerte mit entsprechendem Energiemaß substituiert.
Durch die Übertragung einer einzigen Energieinformation anstelle einer Gruppe von Codes, d. h. mehrerer quantisierter und codierter Spektralwerte, für die quantisierten Spektralkoeffizienten sind erhebliche Dateneinsparungen möglich. Es ist offensichtlich, daß die erreichbaren Datenrateneinspa- rungen vom Signal abhängen. Handelt es sich z. B. um ein Signal mit sehr wenigen Rauschanteilen, d. h. sehr wenigen rauschhaften Gruppen, oder mit transienten Eigenschaften, so wird eine geringere Datenrateneinsparung möglich sein, als wenn ein sehr verrauschtes Signal mit sehr vielen rauschhaften Gruppen codiert wird.
Der eingangs beschriebene Standard MPEG-2 Advanced Audio Coding (AAC) unterstützt die Möglichkeit der Rauschsubstitution nicht. Die erheblichen Datenrateneinsparungen sind mit dem bisherigen Standard daher nicht möglich.
Die Aufgabe der vorliegenden Erfindung besteht darin, den bestehenden Standard MPEG-2 AAC um die Möglichkeiten der Rauschsubstitution derart zu erweitern, daß weder die grundsätzliche Codiererstruktur noch die Struktur der vorhandenen Bitstromsyntax angetastet wird.
Diese Aufgabe wird durch ein Verfahren zum Signalisieren einer Rauschsubstitution beim Codieren eines Audiosignals gemäß Anspruch 1, durch ein Verfahren zum Codieren eines Audiosignals gemäß Anspruch 10 und durch ein Verfahren zum Decodieren eines Audiosignals gemäß Anspruch 11 gelöst.
Der vorliegenden Erfindung liegt die Erkenntnis zugrunde, daß im Falle der Durchführung einer Rauschsubstitution für ein rauschhaftes Band keine Quantisierung und Redundanz- Codierung oder Huffman-Codierung von Spektralwerten durchgeführt werden braucht. Stattdessen werden, wie es bereits beschrieben wurde, im Decodierer Rausch-Spektralwerte für eine rauschhafte Gruppe erzeugt, deren Maß für die Energie dem Maß für die Energie der Rausch-substituierten Spektralwerte entspricht. In anderen Worten werden für rauschhafte Gruppen keine Codiertabellen verwendet, da keine Redundanz-Codierung stattfindet. Somit ist auch die Codiertabellennummer, d. h. der entsprechende Platz in der Bitstromsyntax des codierten Audiosignals, überflüssig. Dieser Platz der Bitstromsyntax, d. h. die Codiertabellennummer, kann nun gemäß der vorliegenden Erfindung dazu verwendet werden, anzuzeigen, daß eine Gruppe rauschhaft ist und einer Rauschsubstitution unterzogen wird. Da, wie es ebenfalls erwähnt wurde, lediglich 12 Codiertabellen vorgesehen werden, der Platz in der Bitstromsyntax jedoch 4 Bit beträgt, mit denen insgesamt ein Zahlenbereich von 0 - 15 binär dargestellt werden kann, existieren sog. zusätzliche Codiertabellennummern, die auf keine Codiertabelle verweisen. Lediglich die Codiertabellennummern 0 - 11 verweisen auf eine Codiertabellennummer. Bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung wird die Codiertabellennummer 13 verwendet, um dem Decodierer zu signalisieren, daß die Gruppe, die in ihren Seiteninformationen die Codiertabellennummer 13, d. h. die zusätzliche Codiertabellennummer, aufweist, eine rauschhafte Gruppe ist und einer Rauschsubstitution unterzogen worden ist. Für Fachleute ist es jedoch offensichtlich, daß auch die zusätzliche oder freie Codiertabellennummer 12, 14 oder 15 eingesetzt werden kann.
Wie es bereits weiter vorne dargestellt wurde, können die Spektralwerte, die nach einer Frequenzbereichstransformation des zeitlichen Audiosignals vorhanden sind, in Skalenfaktorbänder gruppiert werden, um eine optimale Maskierung des Quantisierungsrauschens zu erreichen. Bei dem Standard MPEG-2 AAC sind zusätzlich mehrere Skalenfaktorbänder in Abschnitte oder "Sections" gruppiert. Eine Section besteht daher zumeist aus mehreren Skalenfaktorbändern. Das heißt, daß eine Rauschsubstitution immer für eine ganze Section signalisiert wird, d. h. ob die Rauschsubstitution aktiv oder nicht aktiv ist. Aufgrund der Tatsache, daß die rauschhaften Skalenfaktorbänder nicht quantisiert werden, müssen auch keine Skalenfaktoren für dieselben berechnet oder übertragen bzw. codiert werden. Das heißt, daß zusätzlich zu der Codiertabellennummer, welche die Rauschsubstitution an sich anzeigt, eine weitere Stelle im Bitstrom frei ist, welche anderweitig besetzt werden kann. Bei dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung wird an die Stelle, die für den Skalenfaktor in den Seiteninformationen zu einem Skalenfaktorband vorgesehen ist, ein Maß für die Energie der ersetzten Spektralkoeffizienten geschrieben. Wie es bereits erwähnt wurde, hängt die Wahrnehmung von Rausch- Signalen primär von deren spektraler Zusammensetzung und nicht von deren tatsächlicher Wellenform ab. Aus den Spektralwerten eines rauschhaften Skalenfaktorbandes wird somit ein Maß für die Energie der Spektralwerte in dem rauschhaften Skalenfaktorband berechnet. Diese Größe wird anstelle des Skalenfaktorbandes in die Seiteninformationen eingetragen, ohne daß zusätzliche Seiteninformationen benötigt werden oder die Struktur der Bitstromsyntax verändert werden muß. Diese zu übertragende Größe kann entweder die Gesamtenergie der Spektralwerte in einem rauschhaften Skalenfak- torband sein oder die mittlere Energie, die beispielsweise auf einen Spektralwert oder eine Spektrallinie in dem Skalenfaktorband normiert ist. Bei dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung wird jedoch nicht die mittlere Energie sondern die Gesamtenergie als Maß für die Energie verwendet.
Für die Übertragung des Maßes für die Energie der ersetzten Spektralwerte wird vorzugsweise die gleiche Auflösung verwendet, wie sie zur inversen Skalierung der übertragenen spektralen Daten verwendet wird, d. h. eine logarithmische Skalierung mit einer Auflösung von 1,5 dB beim AAC-Standard. Ähnlich wie beim Layer-III-Verfahren wird beim AAC-Verfahren zur Rekonstruktion der nicht-rauschhaften, d. h. tonalen, Spektralanteile a) die inverse Kennlinie des nichtlinearen Quantisierers auf den quantisierten Wert (X) der Spektrallinie angewendet (Y = X43) , und dann b) eine "inverse Skalierung" entsprechend der übertragenen Skalenfaktoren durchgeführt. (Z = Y x 2<SF ) , wobei SF der Skalenfaktor des jeweiligen Skalenfaktorbandes ist, und wobei Z den requanti- sierten Spektralwert darstellt. Die Auflösung beträgt somit 1,5 dB.
Bei dem Verfahren zum Signalisieren einer Rauschsubstitution beim Codieren eines Audiosignals gemäß der vorliegenden Erfindung, bei dem für ein rauschhaftes Skalenfaktorband kein Skalenfaktor benötigt wird, sondern stattdessen das Maß für die Energie der substituierten Spektralwerte eingesetzt wird, werden die selben Codiergesetze für das Maß für die Energie der substituierten Spektralwerte eingesetzt wie sie sonst beim Skalenfaktor zur Anwendung kommen würden. Dies stellt eine vorteilhafte Nutzung bereits vorhandener Resour- cen im AAC-Codierer dar und erfordert keinerlei zusätzliche Seiteninformationen.
Eine weitere vorteilhafte Anwendung der Signalisierung der Rauschsubstitution ist bei Stereoaudiosignalen gegeben. Das menschliche Ohr ist in der Lage, eine Korrelation zwischen den Signalen bzw. Kanälen (L und R) eines Stereokanalpaars, welches bei AAC als "Channel Pair" bezeichnet wird, bis zu einem gewissen Grad wahrzunehmen. Daher sollte auch im Falle einer Rauschsubstitution die Korrelation zwischen den beiden ersetzten bzw. substituierten Rauschsignalen des Kanalpaars ähnlich zu der des Originalsignals sein. Skalenfaktorbänder im linken und im rechten Kanal, welche die gleiche Mittenfrequenz haben, können beide rauschsubstituiert werden, wenn eine Rauschhaftigkeit erkannt wird. Werden beide Kanäle rauschsubstituiert, und werden keine weiteren Vorkehrungen getroffen, so haben die im Codierer zufällig erzeugten Rausch-Spektralwerte zwar die gleiche Gesamtenergie wie im ursprünglichen Audiosignal, dieselben sind jedoch aufgrund des zufälligen Erzeugens völlig unkorreliert. Dies kann unter bestimmten Umständen zu hörbaren Fehlern führen. Um dies zu vermeiden ist es möglich, die selben zufällig erzeugten Rausch-Spektralwerte eines Skalenfaktorbandes für beide Kanäle zu verwenden, was einer vollständigen Korrelation der rauschhaften Skalenfaktorbänder des linken und rechten Kanals entspricht.
Dabei wird gemäß einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung folgendermaßen vorgegangen: Für jedes Kanalpaar existiert im AAC-Standard eine sog. Mitte/Seite- Maske (M/S-Maske) , welche im Standard selbst als "ms_used" (= ms-verwendet) bezeichnet wird. Diese M/S-Maske ist ein Bitvektor, der bandweise anzeigt, ob zwischen den beiden Kanälen eine M/S-Stereocodierung angewendet worden ist, welche für Fachleute bekannt ist und einführend in J.D. Johnston, A.J. Ferreira: "Sum-Difference Stereo Transform Coding", IEEE ICASSP 1992, S. 569 - 571, und auch im MPEG- AAC-Standard beschrieben ist. Die M/S-Maske besteht aus einer Anzahl von Bits, wobei jedes Bit einem Skalenfaktorband zugeordnet ist. Wird in einem Skalenfaktorband eine M/S-Co- dierung verwendet, so wird ein Signalisierungsbit in der M/S-Maske in den Seiteninformationen gesetzt sein, das die M/S-Codierung dem Decodierer mitteilt. Wird jedoch ein rauschhaftes Skalenfaktorband im linken sowie im rechten Kanal für die gleiche Mittenfrequenz der Skalenfaktorbänder (für L und für R) erkannt, so findet selbstverständlich keine Mitte/Seite-Codierung statt. Das M/S-Bit für dieses Skalenfaktorband steht also ebenso wie die Codiertabellennummer und der Skalenfaktor in dem Bitstrom entsprechend der Bitstromsyntax zur Verfügung, um etwas anderes zu signalisieren. In diesem Fall kann das Bit der M/S-Maske für das rauschhafte Skalenfaktorband beider Kanäle verwendet werden, um anzuzeigen, ob für den linken und rechten Kanal unabhängige Rausch-Spektralwerte oder Rauschvektoren erzeugt werden sollen, was dem Normalfall entsprechen würde, oder ob der gleiche Rauschvektor für sowohl den linken als auch rechten Kanal in dem rauschhaften Skalenfaktorband verwendet werden soll.
Wie es für Fachleute bekannt ist, können bei nichtrausch- haften Skalenfaktorbändern die Skalenfaktoren mittels einer DifferenzCodierung codiert werden. Für einen entsprechenden Skalenfaktor in einem folgenden Skalenfaktorband muß nicht wieder der gesamte Wert des Skalenfaktors codiert werden, sondern lediglich die Differenz desselben vom vorhergehenden. Dies wird als Differenzcodierung bezeichnet. Diese Differenzcodierung wird bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung ebenfalls zum Codieren des Maßes für die Energie der Spektralanteile in einem rauschhaften Skalenfaktorband verwendet. Damit muß für ein folgendes Skalenfaktorband nicht wieder das gesamte Maß der Energie sondern lediglich die Differenz des aktuellen vom vorhergehenden codiert werden, was wiederum zu Biteinsparungen Anlaß gibt. Selbstverständlich muß immer ein erster Ausgangswert vorhanden sein, der jedoch auch ein fester von vorneherein vorgegebener Wert sein kann. Dieses Verfahren der Differenzcodierung wird daher besonders vorteilhaft sein, wenn aufeinanderfolgende Skalenfaktorbänder Frames rauschhaft sind.

Claims

Patentansprüche
1. Verfahren zum Signalisieren einer Rauschsubstitution beim Codieren eines Audiosignals, mit folgenden Schritten:
Transformieren eines zeitlichen Audiosignals in den Frequenzbereich, um Spektralwerte zu erhalten;
Gruppieren der Spektralwerte in Gruppen von Spektralwerten;
Erfassen, ob eine Gruppe von Spektralwerten eine rauschhafte Gruppe ist;
falls eine Gruppe nicht rauschhaft ist, Zuweisen einer Codiertabelle aus einer Mehrzahl von Codiertabellen zum Redundanzcodieren der nicht rauschhaften Gruppe, wobei mittels einer Codiertabellennummer auf die der Gruppe zugewiesene Codiertabelle verwiesen wird; und
falls eine Gruppe rauschhaft ist, Zuweisen einer zusätzlichen Codiertabellennummer, die nicht auf eine Codiertabelle verweist, zu dieser Gruppe, um zu signalisieren, daß diese Gruppe rauschhaft ist und daher nicht redundanz-codiert wird.
2. Verfahren nach Anspruch 1, bei dem die Gruppen von Spektralwerten Abschnitte (Sections) sind, wobei eine Codiertabellennummer für nicht rauschhafte Abschnitte und eine zusätzlich Codiertabellennummer für rauschhafte Abschnitte vergeben werden.
3. Verfahren nach Anspruch 2 ,
bei dem ein Abschnitt eines oder mehrere Skalenfaktorbänder aufweist, wobei jedem Skalenfaktorband ein Ska- lenfaktor zugeordnet ist; und
bei dem im Falle eines rauschhaften Skalenfaktorbandes ein Maß für die Energie der Spektralwerte in dem rauschhaften Skalenfaktorband anstelle eines Skalenfaktors codiert wird.
4. Verf hren nach Anspruch 3 , bei dem das Maß für die Energie der Spektralwerte in einer rauschhaften Gruppe die auf einen Referenzwert normierte mittlere Energie derselben in einem Skalenfaktorband ist.
5. Verfahren nach Anspruch 3, bei dem das Maß für die Energie die Gesamtenergie der Spektralwerte in dem rauschhaften Skalenfaktorband ist.
6. Verfahren nach Anspruch 3 oder 4 , bei dem zum Codieren des Maßes für die Energie der rauschhaften Spektralwerte in dem Skalenfaktorband die selbe Skalierung verwendet wird, die üblicherweise zum Codieren eines Skalenfaktors eines Skalenfaktorbandes verwendet wird, das kein rauschhaftes Skalenfaktorband ist.
7. Verfahren nach einem der Ansprüche 3 - 6, bei dem die Codierung des Maßes für die Energie der Spektralwerte in rauschhaften Skalenfaktorbändern eine Differenzcodierung ist.
8. Verfahren nach einem der Ansprüche 1 - 7,
bei dem das Audiosignal ein Stereoaudiosignal ist,
bei dem eine Mitte/Seite-Codierung zweier Kanäle des Stereoaudiosignals durch eine Mitte/Seite-Maske gruppenweise anzeigbar ist, und
bei dem im Fall von frequenzmäßigen entsprechenden rauschhaften Gruppen beider Kanäle durch die Mitte/Sei- te-Maske anzeigbar ist, ob unterschiedliche oder gleiche Rausch-Spektralwerte für beide Kanäle beim Decodieren eines decodierten Audiosignals zu verwenden sind.
9. Verfahren nach einem der vorhergehenden Ansprüche, bei dem das Erfassen, ob eine Gruppe von Spektralwerten eine rauschhafte Gruppe ist, mittels des zeitlichen Audiosignals oder mittels der Spektralwerte des zeitlichen Audiosignals oder mittels sowohl des zeitlichen Audiosignals als auch der Spektralwerte des zeitlichen Audiosignals durchgeführt wird.
10. Verfahren zum Codieren eines Audiosignals mit folgenden Schritten:
Signalisieren einer Rauschsubstitution nach einem der Ansprüche 1 - 9;
Berechnen eines Maßes für die Energie einer rauschhaften Gruppe;
Eintragen des Maßes für die Energie in der Gruppe zugeordnete Seiteninformationen;
Eintragen der zusätzlichen Codiertabellennummer in die der Gruppe zugeordneten Seiteninformationen;
Quantisieren der nichtrauschhaften Gruppen und Codieren der quantisierten nichtrauschhaften Gruppen unter Verwendung der Codiertabelle, auf die durch die Codiertabellennummer verwiesen wird, während für rauschhafte Gruppen keine Quantisierung oder Codierung stattfindet; und
Bilden eines Bitstroms, der quantisierte und codierte nichtrauschhafte Gruppen sowie für rauschhafte Gruppen ein Maß für die Energie der Spektralwerte der rauschhaften Gruppen und die zusätzliche Codiertabellennummer zur Signalisierung der rauschhaften Gruppen aufweist.
11. Verfahren zum Decodieren eines codierten Audiosignals mit folgenden Schritten:
Empfangen eines Bitstroms;
Redundanz-Decodieren von nichtrauschhaften Gruppen aufgrund einer durch eine Codiertabellennummer angezeigten Codiertabelle und Requantisieren von redundanz-decodierten, quantisierten Spektralwerte;
Erfassen einer rauschhaften Gruppe von Spektralwerten aufgrund einer zusätzlichen Codiertabellennummer, die einer solchen Gruppe zugeordnet ist;
Erfassen eines Maßes für die Energie der Spektralwerte in der rauschhaften Gruppe aufgrund von der Gruppe zugeordneten Seiteninformationen;
Erzeugen von Rausch-Spektralwerten für die rauschhafte Gruppe, wobei das Maß der Energie der Rausch-Spektralwerte in der rauschhaften Gruppe gleich dem Maß für die Energie von Spektralwerten der rauschhaften Gruppe in dem ursprünglichen Signal ist;
Transformieren der requantisierten Spektralwerte und der Rausch-Spektralwerte in den Zeitbereich, um ein decodiertes Audiosignal zu erhalten.
12. Verfahren gemäß Anspruch 11, bei dem das Erzeugen der Rausch-Spektralwerte durch Erzeugen von Zufallszahlen oder durch Erhalten derselben aus einer Tabelle stattfindet, wobei die addierte Energie der Rausch-Spektralwerte dem Maß der Energie der Spektralwerte der rauschhaften Gruppe des ursprünglichen Audiosignals entspricht.
13. Verfahren nach Anspruch 11 oder 12, das ferner folgende Schritte aufweist:
Erfassen einer Mitte/Seite-Maske für Stereoaudiosignale;
aufgrund der Mitte/Seite-Maske für Stereoaudiosignale, Verwenden identischer Rausch-Spektralwerte für entsprechende rauschhafte Gruppen beider Kanäle, oder Erzeugen zweier unabhängiger Gruppen von Rausch-Spektralwerten für bei Kanäle.
PCT/EP1998/001480 1997-07-14 1998-03-13 Verfahren zum signalisieren einer rauschsubstitution beim codieren eines audiosignals WO1999004505A1 (de)

Priority Applications (9)

Application Number Priority Date Filing Date Title
US09/367,775 US6766293B1 (en) 1997-07-14 1998-03-13 Method for signalling a noise substitution during audio signal coding
CA002284220A CA2284220C (en) 1997-07-14 1998-03-13 Method for signalling a noise substitution during audio signal coding
AU70352/98A AU716982B2 (en) 1997-07-14 1998-03-13 Method for signalling a noise substitution during audio signal coding
EP98916947A EP0931386B1 (de) 1997-07-14 1998-03-13 Verfahren zum signalisieren einer rauschsubstitution beim codieren eines audiosignals
AT98916947T ATE194440T1 (de) 1997-07-14 1998-03-13 Verfahren zum signalisieren einer rauschsubstitution beim codieren eines audiosignals
JP50619399A JP3926399B2 (ja) 1997-07-14 1998-03-13 オーディオ信号コーディング中にノイズ置換を信号で知らせる方法
DK98916947T DK0931386T3 (da) 1997-07-14 1998-03-13 Fremgangsmåde til signalisering af en støjsubstitution ved kodning af et audiosignal
DE59800189T DE59800189D1 (de) 1997-07-14 1998-03-13 Verfahren zum signalisieren einer rauschsubstitution beim codieren eines audiosignals
GR20000401452T GR3033861T3 (en) 1997-07-14 2000-07-06 Method for signalling a noise substitution during audio signal coding

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19730129.0 1997-07-14
DE19730129A DE19730129C2 (de) 1997-07-14 1997-07-14 Verfahren zum Signalisieren einer Rauschsubstitution beim Codieren eines Audiosignals

Publications (1)

Publication Number Publication Date
WO1999004505A1 true WO1999004505A1 (de) 1999-01-28

Family

ID=7835662

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP1998/001480 WO1999004505A1 (de) 1997-07-14 1998-03-13 Verfahren zum signalisieren einer rauschsubstitution beim codieren eines audiosignals

Country Status (13)

Country Link
US (1) US6766293B1 (de)
EP (1) EP0931386B1 (de)
JP (2) JP3926399B2 (de)
KR (1) KR100304055B1 (de)
AT (1) ATE194440T1 (de)
AU (1) AU716982B2 (de)
CA (1) CA2284220C (de)
DE (2) DE19730129C2 (de)
DK (1) DK0931386T3 (de)
ES (1) ES2150313T3 (de)
GR (1) GR3033861T3 (de)
PT (1) PT931386E (de)
WO (1) WO1999004505A1 (de)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003507764A (ja) * 1999-08-16 2003-02-25 ウェーブメーカーズ・インコーポレーテッド 雑音を含む音響信号を高品質化するための方法
EP1503370A1 (de) * 2002-05-07 2005-02-02 Sony Corporation Codierungsverfahren, codierungseinrichtung, decodierungsverfahren und decodierungseinrichtung
EP1503502A1 (de) * 2002-05-07 2005-02-02 Sony Corporation Codierungsverfahren und einrichtung und decodierungsverfahren und einrichtung
US7373296B2 (en) 2003-05-27 2008-05-13 Koninklijke Philips Electronics N. V. Method and apparatus for classifying a spectro-temporal interval of an input audio signal, and a coder including such an apparatus
US8046214B2 (en) 2007-06-22 2011-10-25 Microsoft Corporation Low complexity decoder for complex transform coding of multi-channel sound
CN102486923A (zh) * 2010-12-03 2012-06-06 索尼公司 编码设备、编码方法、解码设备、解码方法以及程序
US8249883B2 (en) 2007-10-26 2012-08-21 Microsoft Corporation Channel extension coding for multi-channel source
US8255229B2 (en) 2007-06-29 2012-08-28 Microsoft Corporation Bitstream syntax for multi-process audio decoding
US8645127B2 (en) 2004-01-23 2014-02-04 Microsoft Corporation Efficient coding of digital media spectral data using wide-sense perceptual similarity
US8805696B2 (en) 2001-12-14 2014-08-12 Microsoft Corporation Quality improvement techniques in an audio encoder

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003044775A1 (en) * 2001-11-23 2003-05-30 Koninklijke Philips Electronics N.V. Perceptual noise substitution
PT1423847E (pt) * 2001-11-29 2005-05-31 Coding Tech Ab Reconstrucao de componentes de frequencia elevada
US6934677B2 (en) 2001-12-14 2005-08-23 Microsoft Corporation Quantization matrices based on critical band pattern information for digital audio wherein quantization bands differ from critical bands
US7016547B1 (en) 2002-06-28 2006-03-21 Microsoft Corporation Adaptive entropy encoding/decoding for screen capture content
ATE381090T1 (de) 2002-09-04 2007-12-15 Microsoft Corp Entropische kodierung mittels anpassung des kodierungsmodus zwischen niveau- und lauflängenniveau-modus
JP4676140B2 (ja) * 2002-09-04 2011-04-27 マイクロソフト コーポレーション オーディオの量子化および逆量子化
US7502743B2 (en) 2002-09-04 2009-03-10 Microsoft Corporation Multi-channel audio encoding and decoding with multi-channel transform selection
US7433824B2 (en) * 2002-09-04 2008-10-07 Microsoft Corporation Entropy coding by adapting coding between level and run-length/level modes
US7299190B2 (en) * 2002-09-04 2007-11-20 Microsoft Corporation Quantization and inverse quantization for audio
US7688894B2 (en) 2003-09-07 2010-03-30 Microsoft Corporation Scan patterns for interlaced video content
US7782954B2 (en) * 2003-09-07 2010-08-24 Microsoft Corporation Scan patterns for progressive video content
US7724827B2 (en) * 2003-09-07 2010-05-25 Microsoft Corporation Multi-layer run level encoding and decoding
KR100707173B1 (ko) * 2004-12-21 2007-04-13 삼성전자주식회사 저비트율 부호화/복호화방법 및 장치
CN101116135B (zh) * 2005-02-10 2012-11-14 皇家飞利浦电子股份有限公司 声音合成
US7539612B2 (en) 2005-07-15 2009-05-26 Microsoft Corporation Coding and decoding scale factor information
US7684981B2 (en) * 2005-07-15 2010-03-23 Microsoft Corporation Prediction of spectral coefficients in waveform coding and decoding
US7693709B2 (en) 2005-07-15 2010-04-06 Microsoft Corporation Reordering coefficients for waveform coding or decoding
US7562021B2 (en) 2005-07-15 2009-07-14 Microsoft Corporation Modification of codewords in dictionary used for efficient coding of digital media spectral data
US7630882B2 (en) 2005-07-15 2009-12-08 Microsoft Corporation Frequency segmentation to obtain bands for efficient coding of digital media
US7599840B2 (en) * 2005-07-15 2009-10-06 Microsoft Corporation Selectively using multiple entropy models in adaptive coding and decoding
US7933337B2 (en) * 2005-08-12 2011-04-26 Microsoft Corporation Prediction of transform coefficients for image compression
US8599925B2 (en) * 2005-08-12 2013-12-03 Microsoft Corporation Efficient coding and decoding of transform blocks
US7565018B2 (en) * 2005-08-12 2009-07-21 Microsoft Corporation Adaptive coding and decoding of wide-range coefficients
US7953604B2 (en) 2006-01-20 2011-05-31 Microsoft Corporation Shape and scale parameters for extended-band frequency coding
US8190425B2 (en) 2006-01-20 2012-05-29 Microsoft Corporation Complex cross-correlation parameters for multi-channel audio
US7831434B2 (en) 2006-01-20 2010-11-09 Microsoft Corporation Complex-transform channel coding with extended-band frequency coding
ES2312142T3 (es) * 2006-04-24 2009-02-16 Nero Ag Aparato avanzado para codificar datos de audio digitales.
US8184710B2 (en) * 2007-02-21 2012-05-22 Microsoft Corporation Adaptive truncation of transform coefficient data in a transform-based digital media codec
US7761290B2 (en) 2007-06-15 2010-07-20 Microsoft Corporation Flexible frequency and time partitioning in perceptual transform coding of audio
US7774205B2 (en) * 2007-06-15 2010-08-10 Microsoft Corporation Coding of sparse digital media spectral data
WO2009084918A1 (en) * 2007-12-31 2009-07-09 Lg Electronics Inc. A method and an apparatus for processing an audio signal
US8179974B2 (en) 2008-05-02 2012-05-15 Microsoft Corporation Multi-level representation of reordered transform coefficients
KR101756834B1 (ko) * 2008-07-14 2017-07-12 삼성전자주식회사 오디오/스피치 신호의 부호화 및 복호화 방법 및 장치
US8406307B2 (en) 2008-08-22 2013-03-26 Microsoft Corporation Entropy coding/decoding of hierarchically organized data
EP2182513B1 (de) * 2008-11-04 2013-03-20 Lg Electronics Inc. Vorrichtung zur Verarbeitung eines Audiosignals und Verfahren dafür
KR101259120B1 (ko) * 2008-11-04 2013-04-26 엘지전자 주식회사 오디오 신호 처리 방법 및 장치
CN111125423A (zh) * 2019-11-29 2020-05-08 维沃移动通信有限公司 一种去噪方法及移动终端

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0714173A1 (de) * 1994-06-13 1996-05-29 Sony Corporation Verfahren und vorrichtung zur signalkodierung und -dekodierung, aufzeichnungsmedium und signalübertragungsvorrichtung

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5040217A (en) * 1989-10-18 1991-08-13 At&T Bell Laboratories Perceptual coding of audio signals
DE9006717U1 (de) * 1990-06-15 1991-10-10 Philips Patentverwaltung Gmbh, 2000 Hamburg, De
US5703999A (en) * 1992-05-25 1997-12-30 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Process for reducing data in the transmission and/or storage of digital signals from several interdependent channels
JP3371590B2 (ja) * 1994-12-28 2003-01-27 ソニー株式会社 高能率符号化方法及び高能率復号化方法
DE19505435C1 (de) * 1995-02-17 1995-12-07 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Bestimmen der Tonalität eines Audiosignals
DE19538852A1 (de) * 1995-06-30 1997-01-02 Deutsche Telekom Ag Verfahren und Anordnung zur Klassifizierung von Sprachsignalen

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0714173A1 (de) * 1994-06-13 1996-05-29 Sony Corporation Verfahren und vorrichtung zur signalkodierung und -dekodierung, aufzeichnungsmedium und signalübertragungsvorrichtung

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BOSI M ET AL: "ISO/IEC MPEG-2 advanced audio coding", JOURNAL OF THE AUDIO ENGINEERING SOCIETY, OCT. 1997, AUDIO ENG. SOC, USA, vol. 45, no. 10, ISSN 0004-7554, pages 789 - 812, XP000730161 *
SCHULZ D: "Improving audio codecs by noise substitution", JOURNAL OF THE AUDIO ENGINEERING SOCIETY, JULY-AUG. 1996, AUDIO ENG. SOC, USA, vol. 44, no. 7-8, ISSN 0004-7554, pages 593 - 598, XP000733647 *
SOUTHCOTT C B ET AL: "VOICE CONTROL OF THE PAN-EUROPEAN DIGITAL MOBILE RADIO SYSTEM", COMMUNICATIONS TECHNOLOGY FOR THE 1990'S AND BEYOND, DALLAS, NOV. 27 - 30, 1989, vol. VOL. 2, no. -, 27 November 1989 (1989-11-27), INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS, pages 1070 - 1074, XP000091191 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003507764A (ja) * 1999-08-16 2003-02-25 ウェーブメーカーズ・インコーポレーテッド 雑音を含む音響信号を高品質化するための方法
JP4764995B2 (ja) * 1999-08-16 2011-09-07 キューエヌエックス ソフトウェア システムズ コーポレイション 雑音を含む音響信号の高品質化
US9443525B2 (en) 2001-12-14 2016-09-13 Microsoft Technology Licensing, Llc Quality improvement techniques in an audio encoder
US8805696B2 (en) 2001-12-14 2014-08-12 Microsoft Corporation Quality improvement techniques in an audio encoder
EP1503370A1 (de) * 2002-05-07 2005-02-02 Sony Corporation Codierungsverfahren, codierungseinrichtung, decodierungsverfahren und decodierungseinrichtung
EP1503502A1 (de) * 2002-05-07 2005-02-02 Sony Corporation Codierungsverfahren und einrichtung und decodierungsverfahren und einrichtung
EP1503502A4 (de) * 2002-05-07 2005-12-14 Sony Corp Codierungsverfahren und einrichtung und decodierungsverfahren und einrichtung
EP1503370A4 (de) * 2002-05-07 2007-08-22 Sony Corp Codierungsverfahren, codierungseinrichtung, decodierungsverfahren und decodierungseinrichtung
US7373296B2 (en) 2003-05-27 2008-05-13 Koninklijke Philips Electronics N. V. Method and apparatus for classifying a spectro-temporal interval of an input audio signal, and a coder including such an apparatus
US8645127B2 (en) 2004-01-23 2014-02-04 Microsoft Corporation Efficient coding of digital media spectral data using wide-sense perceptual similarity
US8046214B2 (en) 2007-06-22 2011-10-25 Microsoft Corporation Low complexity decoder for complex transform coding of multi-channel sound
US8255229B2 (en) 2007-06-29 2012-08-28 Microsoft Corporation Bitstream syntax for multi-process audio decoding
US8645146B2 (en) 2007-06-29 2014-02-04 Microsoft Corporation Bitstream syntax for multi-process audio decoding
US9026452B2 (en) 2007-06-29 2015-05-05 Microsoft Technology Licensing, Llc Bitstream syntax for multi-process audio decoding
US9349376B2 (en) 2007-06-29 2016-05-24 Microsoft Technology Licensing, Llc Bitstream syntax for multi-process audio decoding
US9741354B2 (en) 2007-06-29 2017-08-22 Microsoft Technology Licensing, Llc Bitstream syntax for multi-process audio decoding
US8249883B2 (en) 2007-10-26 2012-08-21 Microsoft Corporation Channel extension coding for multi-channel source
CN102486923A (zh) * 2010-12-03 2012-06-06 索尼公司 编码设备、编码方法、解码设备、解码方法以及程序
CN102486923B (zh) * 2010-12-03 2015-10-21 索尼公司 编码设备、编码方法、解码设备、解码方法

Also Published As

Publication number Publication date
US6766293B1 (en) 2004-07-20
EP0931386B1 (de) 2000-07-05
PT931386E (pt) 2000-10-31
CA2284220C (en) 2002-09-24
CA2284220A1 (en) 1999-01-28
GR3033861T3 (en) 2000-10-31
DE19730129A1 (de) 1999-01-21
JP2000515266A (ja) 2000-11-14
JP2005049889A (ja) 2005-02-24
AU716982B2 (en) 2000-03-16
EP0931386A1 (de) 1999-07-28
JP3878952B2 (ja) 2007-02-07
KR100304055B1 (ko) 2001-11-03
DE59800189D1 (de) 2000-08-10
DE19730129C2 (de) 2002-03-07
ES2150313T3 (es) 2000-11-16
DK0931386T3 (da) 2000-11-20
AU7035298A (en) 1999-02-10
JP3926399B2 (ja) 2007-06-06
ATE194440T1 (de) 2000-07-15
KR20000070280A (ko) 2000-11-25

Similar Documents

Publication Publication Date Title
EP0931386B1 (de) Verfahren zum signalisieren einer rauschsubstitution beim codieren eines audiosignals
EP0954909B1 (de) Verfahren zum codieren eines audiosignals
EP0910928B1 (de) Codieren und decodieren von audiosignalen unter verwendung von intensity-stereo und prädiktion
DE60225276T2 (de) Codierungsvorrichtung und -verfahren, decodierungsvorrichtung und -verfahren und programm
DE69927505T2 (de) Verfahren zum einfügen von zusatzdaten in einen audiodatenstrom
DE69834010T2 (de) Skalierbares stereo Tonkodierungs- und Tondekodierungsverfahren und Vorrichtung dafür
DE69833834T2 (de) Skalierbares Audiokodier-und Dekodierverfahren und Gerät
DE4320990B4 (de) Verfahren zur Redundanzreduktion
DE69731677T2 (de) Verbessertes Kombinationsstereokodierverfahren mit zeitlicher Hüllkurvenformgebung
EP1145227B1 (de) Verfahren und vorrichtung zum verschleiern eines fehlers in einem codierten audiosignal und verfahren und vorrichtung zum decodieren eines codierten audiosignals
DE602004005197T2 (de) Vorrichtung und verfahren zum kodieren eines audiosignals und vorrichtung und verfahren zum dekodieren eines kodierten audiosignals
DE19747132C2 (de) Verfahren und Vorrichtungen zum Codieren von Audiosignalen sowie Verfahren und Vorrichtungen zum Decodieren eines Bitstroms
DE69233094T2 (de) Verfahren und Anordnung zur Datenkompression bei welchem Quantisierungsbits einem Block in einem gegenwärtigen Rahmen in Abhängigkeit eines Blocks in einem vergangenen Rahmen zugeteilt werden
DE602004013031T2 (de) Verfahren zum codieren eines digitalen signals in einen skalierbaren bitstrom, verfahren zum decodieren eines skalierbaren bitstroms
DE60310716T2 (de) System für die audiokodierung mit füllung von spektralen lücken
DE60303209T2 (de) Parametrische audiocodierung
DE69534140T2 (de) Verfahren und vorrichtung zur signalkodierung und -dekodierung, aufzeichnungsmedium und signalübertragungsverfahren
DE69826529T2 (de) Schnelle datenrahmen-optimierung in einem audio-kodierer
DE69932861T2 (de) Verfahren zur kodierung eines audiosignals mit einem qualitätswert für bit-zuordnung
EP0642719B1 (de) Verfahren zur reduzierung von daten bei der übertragung und/oder speicherung digitaler signale mehrerer voneinander abhängiger kanäle
DE60112407T2 (de) Verfahren und vorrichtung zur konvertierung eines audiosignals zwischen unterschiedlichen datenkompressionsformaten
DE69937140T2 (de) Adaptive bit-zuordnung für audio-kodierer
DE102007029381A1 (de) Digitalsignal-Verarbeitungsvorrichtung, Digitalsignal-Verarbeitungsverfahren, Digitalsignal-Verarbeitungsprogramm, Digitalsignal-Wiedergabevorrichtung und Digitalsignal-Wiedergabeverfahren
DE60217612T2 (de) Verfahren und Vorrichtung zur Kodierung und Dekodierung von Sprachsignalen
EP1277346B1 (de) Vorrichtung und Verfahren zum Analysieren der spektralen Darstellung eines decodierten Zeitsignales

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AU CA JP KR US

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): AT BE CH DE DK ES FI FR GB GR IE IT LU MC NL PT SE

DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 1998916947

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 70352/98

Country of ref document: AU

WWE Wipo information: entry into national phase

Ref document number: 1019997006508

Country of ref document: KR

WWP Wipo information: published in national office

Ref document number: 1998916947

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 09367775

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2284220

Country of ref document: CA

Ref country code: CA

Ref document number: 2284220

Kind code of ref document: A

Format of ref document f/p: F

ENP Entry into the national phase

Ref country code: JP

Ref document number: 1999 506193

Kind code of ref document: A

Format of ref document f/p: F

WWG Wipo information: grant in national office

Ref document number: 70352/98

Country of ref document: AU

WWG Wipo information: grant in national office

Ref document number: 1998916947

Country of ref document: EP

WWP Wipo information: published in national office

Ref document number: 1019997006508

Country of ref document: KR

WWG Wipo information: grant in national office

Ref document number: 1019997006508

Country of ref document: KR