[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

EP1495464B1 - Vorrichtung und verfahren zum codieren eines zeitdiskreten audiosignals und vorrichtung und verfahren zum decodieren von codierten audiodaten - Google Patents

Vorrichtung und verfahren zum codieren eines zeitdiskreten audiosignals und vorrichtung und verfahren zum decodieren von codierten audiodaten Download PDF

Info

Publication number
EP1495464B1
EP1495464B1 EP02792858A EP02792858A EP1495464B1 EP 1495464 B1 EP1495464 B1 EP 1495464B1 EP 02792858 A EP02792858 A EP 02792858A EP 02792858 A EP02792858 A EP 02792858A EP 1495464 B1 EP1495464 B1 EP 1495464B1
Authority
EP
European Patent Office
Prior art keywords
block
integer
difference
spectral values
quantization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
EP02792858A
Other languages
English (en)
French (fr)
Other versions
EP1495464A1 (de
Inventor
Ralf Geiger
Thomas Sporer
Karlheinz Brandenburg
Jürgen HERRE
Jürgen Koller
Joachim Deguara
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Original Assignee
Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
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 Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV filed Critical Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Publication of EP1495464A1 publication Critical patent/EP1495464A1/de
Application granted granted Critical
Publication of EP1495464B1 publication Critical patent/EP1495464B1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00Speech 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
    • G10L19/02Speech 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
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00Speech 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
    • G10L19/02Speech 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
    • G10L19/0212Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00Speech 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
    • G10L19/0017Lossless audio signal coding; Perfect reconstruction of coded audio signal by transmission of coding error
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00Speech 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
    • G10L19/02Speech 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
    • G10L19/032Quantisation or dequantisation of spectral components

Definitions

  • the present invention relates to audio coding / audio decoding and more particularly to scalable encoding / decoding algorithms with a psychoacoustic first Scaling layer and a second scaling layer, the additional audio data for lossless decoding includes.
  • Eg MPEG Layer3 (MP3) or MPEG AAC use transforms such as the so-called modified discrete cosine transformation (MDCT), to a block-wise frequency representation of an audio signal to obtain.
  • MP3 MPEG Layer3
  • MPEG AAC uses transforms such as the so-called modified discrete cosine transformation (MDCT), to a block-wise frequency representation of an audio signal to obtain.
  • MDCT modified discrete cosine transformation
  • Such an audio encoder usually receives a stream of time discrete audio samples. The stream of audio samples is windowed to one windowed block of, for example, 1024 or 2048 windowed To obtain audio samples.
  • window functions such as B. a sine window, etc.
  • the windowed discrete-time audio samples are then by means of a filter bank in a spectral representation implemented.
  • a Fourier transformation or for special reasons a variety of Fourier transform, such as. B. an FFT or, as it has been executed, an MDCT be used.
  • an MDCT be used.
  • the Block of audio spectral values at the output of the filter bank can then be further processed as needed.
  • Both The above-mentioned audio coders are followed by quantization the audio spectral values, the quantization levels typically be chosen so that by quantizing introduced quantization noise below the psychoacoustic Masking threshold is, d. H. "Masked away" becomes.
  • the quantization is a lossy one Encoding.
  • the quantized spectral values are subsequently added entropy-coded for example by means of a Huffman coding.
  • page information such as B. scale factors, etc. is from the entropy-coded quantized spectral values by means of a bitstream multiplexer a bitstream is formed, which is stored or can be transferred.
  • the bitstream is by means of a bit stream demultiplexer in coded quantized spectral values and split page information.
  • the entropy-coded quantized spectral values are first entropy-decoded, to obtain the quantized spectral values.
  • the quantized spectral values are then inversely quantized, to obtain decoded spectral values, the quantization noise but below the psychoacoustic level Masking threshold is and therefore inaudible will be.
  • These spectral values are then determined by means of a Synthesis filter bank converted into a temporal representation, to obtain time discrete decoded audio samples.
  • the synthesis filter bank must be a transformation algorithm used inverse transformation algorithm become.
  • the windows are undone.
  • Fig. 4a For example, 2048 become discrete-time audio samples taken and windowed by means 402.
  • the window that embodies device 402 has a window length of 2N samples and provides output a block of 2N windowed samples.
  • a Window overlap is by means of a Device 404, which for reasons of clarity shown separated from the device 402 in Fig. 4a , a second block of 2N windowed samples is formed.
  • the 2048 samples fed to the device 404 are not those immediately adjacent to the first window subsequent discrete-time audio samples, but involve the second half of the through the institution 402 windowed samples and additionally include only 1024 "new" samples.
  • the overlap is through a device 406 in Fig. 4a shown symbolically, the causes a degree of overlap of 50%.
  • Both the through means 402 output 2N windowed samples and the 2N output by means 404 windowed samples are then sent by means 408 and 410 subjected to the MDCT algorithm.
  • the device 408 provides N according to the known MDCT algorithm Spectral values for the first window while the device 410 also provides N spectral values, but for the second window, wherein between the first window and the second window has an overlap of 50%.
  • the N spectral values of the first window as shown in Figure 4b, means 412, which is an inverse modified discrete cosine transformation performs, fed.
  • These become a facility 414, which is also an inverse modified discrete Cosine transformation.
  • Both the decor 412 and device 414 each provide 2N Samples for the first window or 2N samples for the second window.
  • a sample value y 1 of the second half of the first window that is to say with an index N + k, is summed with a sample value y 2 from the first half of the second window, ie with an index k, so that on the output side, ie in the decoder, N decoded temporal samples result.
  • Window function with w (k) When implemented by means 402 or 404 Window function with w (k) is called, where the index k represents the time index, the condition must be satisfied that the window weight w (k) squared adds to the window weight w (N + k) squared together 1 where k is from 0 to N-1. If a sine window is used, whose window weightings of the first Half wave follow the sine function, so is this condition always fulfilled, since the square of the sine and the square of the Cosines for each angle together give the value 1.
  • a disadvantage of the window method described in FIG. 4a with subsequent MDCT function is the fact that the fenestration by multiplying a discrete-time Sample when thinking of a sine window, is achieved with a floating-point number, since the sine of a Angle between 0 and 180 degrees apart from the angle 90 Degree does not yield an integer. Even if integer discrete time Samples are windowed Windows so floating point numbers.
  • German Patent DE 197 42 201 C1 discloses.
  • an audio signal in its spectral Presentation converted and quantized to quantized To obtain spectral values.
  • the quantized spectral values are again inversely quantized, transferred to the time domain and compared to the original audio signal. Is the error, so the error between the original Audio signal and the quantized / inverse quantized Audio signal, above an error threshold, then the Quantizer feedback set finer, and the Comparison is performed again. The iteration is over, if the error threshold is fallen below.
  • the next to the time domain encoded residual signal also includes coded spectral values corresponding to the quantizer settings have been quantified at the time the termination of the iteration were present. It was noted that the quantizer used is not must be controlled by a psychoacoustic model, so that the coded spectral values are typically more accurate are quantized as this is due to the psychoacoustic Model would have to be.
  • the first step is a conversion of a two's complement format in a sign magnitude format.
  • the second step is the conversion of a vertical magnitude sequence into a horizontal bit sequence in a processing block.
  • the lossless data conversion is executed to maximize the number of zeros or the number of consecutive zeros in a sequence to maximize compression as much as possible the temporal error signal due to digital Numbers to reach.
  • This principle is based on a bit-slice arithmetic coding (BSAC) scheme, in the technical publication "Multi-Layer Bit Sliced Bit Rate Scalable Audio Coder ", 103rd AES Convention, Preprint No. 4520, 1997.
  • the encoder must therefore in addition to its inherent encoder functionality also contain the complete decoder functionality. If the encoder is implemented by software, so For this purpose, both storage capacities and processor capacities are used needed to an encoder implementation leads with increased effort.
  • the object of the present invention is a less elaborate concept by which an audio stream can be generated, which is at least almost lossless is decodable.
  • a device for coding a Discrete-time audio signal according to claim 1 by a method of encoding a discrete-time audio signal according to claim 21, by a device for decoding of coded audio data according to claim 22, by a method for decoding encoded audio data Claim 31 or by a computer program according to claim 32 or 33 solved.
  • the present invention is based on the knowledge that the additional audio data, a lossless decoding allow the audio signal to be obtained thereby that a block of quantized spectral values as usual is provided, and then inversely quantized, to have inverse quantized spectral values due to quantization by means of a psychoacoustic model are lossy. These inverse quantized spectral values are then rounded to a rounding block of rounded to obtain inverse quantized spectral values.
  • a Integer transformation algorithm uses which a block of integer discrete-time samples Integer block of spectral values, which is only integer Spectral values generated.
  • the combination block which comprises the difference spectral values due to the integer transform algorithm and of the rounded quantization values are only integer ones Values that entropy-encode in some known manner can be. It should be noted that the Entropy coding of the combination block of any entropy coder can be used, such. Huffman coder or arithmetic coders etc.
  • the quantized spectral values of the quantization block can also be used any encoder be such.
  • any encoder be such.
  • inventive coding / decoding concept compatible with modern coding tools, such as Window switching, TNS or center / page encoding for multi-channel audio signals.
  • Invention is used to provide a quantization block of quantized using a psychoacoustic model Spectral values used an MDCT. Furthermore it is preferred as an integer transform algorithm to use a so-called IntMDCT.
  • Invention can be dispensed with the usual MDCT, and it can use the IntMDCT as an approach to the MDCT to the effect that the integer spectrum, that is obtained by the integer transform algorithm is fed to a psychoacoustic quantizer, to obtain quantized IntMDCT spectral values, then again inversely quantized and rounded to coincide with the original integer spectral values.
  • IntMDCT which is integer discrete-time samples integer spectral values generated.
  • processors work with integers, or Each floating-point number can be represented as an integer.
  • integer arithmetic in a processor is, so can on the rounds of the inverse quantized Spectral values are waived because of arithmetic of the processor anyway rounded values, namely within the accuracy of the LSB, d. H. the least significant bit, available.
  • d. H. a processing within the accuracy of the processor system used.
  • a rounding to a coarser accuracy be performed, in that the difference signal in the combination block on the by a rounding function specified accuracy is rounded.
  • flexibility allows the "degree" to influence the losslessness of the coding in the Meaning of a data compression, a nearly lossless encoder to accomplish.
  • the decoder according to the invention is characterized that from the audio data both the psychoacoustically coded Audio data as well as the additional audio data are extracted, subject to possibly existing entropy decoding and then processed as follows. First the quantization block in the decoder becomes inverse quantized and using the same rounding function, which has also been used in the encoder, rounded, then added to the entropy-decoded auxiliary audio data to become.
  • the decoder then has both a psychoacoustically compressed spectral representation of the audio signal as well as a lossless representation of the audio signal before, the psychoacoustically compressed spectral Representation of the audio signal in the time domain implement is a lossy coded / decoded To receive audio signal while the lossless presentation using an integer transform algorithm inverse integer transformation algorithm implemented in the time domain is going to be a lossless or, as it has been stated, to obtain almost lossless coded / decoded audio signal.
  • the inventive encoder shown in Fig. 5 includes an input 50 into which a discrete-time Audio signal can be fed, and an output 52, off the encoded audio data can be output. This at the entrance 50 fed discrete-time audio signal is in a device 52 is fed to provide a quantization block, the output side a quantization block of provides discrete-time audio signal using of a psychoacoustic model 54 quantized spectral values the discrete-time audio signal 50 has.
  • the inventive Encoder also includes means for Generating an integer block using an integer transform algorithm 56, where the integer algorithm is effective to discrete integer discrete Samples to generate integer spectral values.
  • the encoder according to the invention further comprises a device 58 for inverse quantization of the quantization block, issued by the device 52, and, if a different accuracy than the processor accuracy is required, a rounding function. If to the accuracy of the processor system as it has been executed is to be gone, so the rounding function is already inherent in the inverse quantization of the quantization block included as a processor that uses integer arithmetic has, anyway, is unable, non-integer Deliver values.
  • the device 58 provides thus a so-called rounding block, which inverse quantized Includes spectral values that are integer, d. H. inherent or have been rounded explicitly.
  • Both the rounding block as well as the integer block become a combination device fed using a Difference formation a difference block with difference spectral values returns, where the term "difference block" should indicate that the difference spectral values Values are the differences between the Include integer block and the rounding block.
  • Both the quantization block resulting from the device 52 is output, as well as the difference block, from the Difference generator 58 is output, one Processing device 60 is supplied, the z. Legs usual processing of the quantization block, and the further z. B. an entropy coding of the difference block causes.
  • the device 60 for processing indicates the output 52 coded audio data containing both information about the quantization block as well as information over the difference block.
  • the discrete-time audio signal by means of an MDCT converted into its spectral representation and then quantized.
  • the device 52 for delivering the Quantization block thus consists of the MDCT device 52a and a quantizer 52b.
  • integer block an IntMDCT 56 is preferred to use as an integer transformation algorithm to create.
  • FIG. 6 also shows the processing device shown in FIG 60 as bit stream encoder 60a for bit stream encoding of the quantization block that passes through the Means 52b, and by an entropy coder 60b for entropy coding the difference block shown.
  • the bit stream encoder 60a outputs the psychoacoustically coded audio data while the entropy coder 60b outputs an entropy-coded difference block.
  • the two output data of blocks 60a and 60b can be suitably combined into a bit stream, as the first scaling layer the psychoacoustically coded audio data, and the second scaling layer the additional audio data for lossless decoding Has.
  • the scaled bitstream then equals the in Fig. 5 shown coded audio data at the output 52 of the encoder.
  • the MDCT block 52a of FIG. 6 is omitted, as is indicated by a dashed arrow 62 in Fig. 5 is.
  • the integer spectrum that passes through the integer transformation means 56 is supplied, both fed to the difference generator 58 and in the quantizer 52b of FIG. 6.
  • the spectral values, which are generated by the integer transformation, become here as an approximation for a usual MDCT spectrum used.
  • This embodiment has the advantage that only the IntMDCT algorithm in the encoder is present, and that not both the IntMDCT algorithm as well as the MDCT algorithm present in the encoder have to be.
  • Fig. 7 shows a schematic block diagram of an inventive Decoder for decoding at the output 52 of Fig. 5 output coded audio data. These will be first in psychoacoustically coded audio data on the one hand and the supplemental audio data, on the other hand, decomposed.
  • the psychoacoustic encoded audio data becomes a conventional bit stream decoder 70 while the additional audio data, if they have been entropy-coded in the coder, entropy-decoded by means of an entropy decoder 72 become.
  • quantized spectral values that are inverse Quantizers 74 are supplied, which are identical in principle to the inverse quantizer in the device of FIG. 6 can be constructed.
  • a rounding device 76 is also provided, which the same rounding algorithm or the same rounding function to map a real number to an integer, as also implemented in the device 58 of FIG can be.
  • a decoder-side combiner 78 become the rounded inverse quantized spectral values with the entropy-coded additional audio data spectral valuewise preferably combined in an additive manner, so that in the decoder on the one hand inversely quantized spectral values at the output of the Device 74 are present and secondly integer spectral values present at the output of the combiner 78.
  • the output spectral values of the device 74 may then by means 80 for performing a inverse modified discrete cosine transformation in the time range are implemented to be a lossy one psychoacoustically coded and decoded audio signal to obtain.
  • a means 82 for performing an inverse integer MDCT also becomes the output signal of the combiner 78 in its temporal representation converted to a lossless coded / decoded audio signal or a, if a corresponding coarser rounding has been used, a nearly lossless coded and to generate again decoded audio signal.
  • a particular preferred embodiment of the entropy coder 60b of FIG. Having multiple in a conventional modern MPEG encoder Code tables that depend on an average Statistics of quantized spectral values selected are present, it is preferred to use the same code tables or codebooks also for the entropy coding of the difference block at the output of the combiner 58 to use.
  • the amount of the difference block, ie the residual IntMDCT spectrum on the accuracy of quantization may be a codebook selection for the entropy coder 60b performed without additional page information become.
  • the spectral coefficients are ie the quantized spectral values in the quantization block grouped into scale factor bands, where the Spectral values are weighted by a gain factor, that of a corresponding scale factor, which is a scale factor band is assigned, is derived. Because in this known coder concept an uneven quantizer is used to quantize the weighted spectral values, depends on the size of the residual values, ie the spectral values at the output of combiner 58, not just from the Scale factors, but also from the quantized values However, after both the scale factors and also the quantized spectral values in the bit stream, the is generated by the device 60a of Fig.
  • an audio encoder In an audio encoder according to the MPEG-2 AAC standard used a window switch to transpose Vorechos into transients Avoid audio signal areas. This technique is based on the possibility of individual window forms in each Half of the MDCT window, and allows you to to vary the block size in successive blocks.
  • the integer transform algorithm in the form of IntMDCT to the reference 1 to 3, with reference to FIGS. to likewise different window forms at Windows and the time-domain aliasing section of the MDCT decomposition to use. It is therefore preferred for both the integer transformation algorithm as well as for the Transformation algorithm for generating the quantization block to use the same window decisions.
  • TNS Temporal Noise Shaping
  • MS center / side
  • Prediction filter that is signal adaptive from a standard TNS module is calculated, is preferably also to used to predict the integer spectral values, where if this results in non-integer values, one Downstream rounding can be used to get back to generate integer values. This rounding is preferably done after each prediction step.
  • the original spectrum can be reconstructed again, by the inverse filter and the same rounding function be used.
  • the MS encoding also applied to IntMDCT spectral values be done by making rounded Givens rotations at an angle of ⁇ / 4, based on the lifting scheme. This allows the original IntMDCT values in the Decoders are reconstructed again.
  • inventive concept in its preferred form with the IntMDCT as integer Transformation algorithm on all MDCT-based audio-coded encoder.
  • coders are coders MPEG-4 AAC Scalable, MPEG-4 AAC Low Delay, MPEG-4 BSAC, MPEG-4 Twin VQ, Dolby AC-3 etc.
  • the inventive Concept is backwards compatible.
  • the hearse fitted Encoder or decoder is not changed, only extended. Additional information for the lossless components can be backward compatible in listening coded bitstream transmitted, for example, MPEG-2 AAC in the field "Ancillary Data".
  • MPEG-2 AAC in the field "Ancillary Data”.
  • the addition to the previous one Hearing-matched decoder, which is shown in dashed lines in Fig. 7 is, these additional data can evaluate and together with the quantized MDCT spectrum from the listener-matched decoder reconstruct the IntMDCT spectrum without loss.
  • scalable data streams have different scaling layers include, at least the lowest Scaling layer independent of the higher scaling layers can be transmitted and decoded. Further Scaling layers or enhancement layers are used in a Scalable processing of data from the first scaling layer or base layer added.
  • a fully equipped Encoder can produce a scaled data stream which has a first scaling layer and which in principle Any number of other scaling layers has.
  • An advantage of the scaling concept is that in In the case where a broadband transmission channel for Available is the scaled data stream generated by the encoder complete, including all scaling layers be transmitted over the broadband transmission channel can.
  • the coded signal can nevertheless transmitted over the transmission channel, but only in the form of the first scaling layer or a specific one Number of further scaling layers, where the certain number smaller than the whole of the encoder generated number of scaling layers.
  • the encoder already adapted to the channel, to which he is connected, the basic scaling layer or first scaling layer and one dependent on the channel Create number of further scaling layers.
  • the scalable concept also has the Advantage that it is backwards compatible. This means, a decoder that is only capable of the first scaling layer to process, just the second and more Scaling layers in the data stream are ignored and on can produce useful output signal. Is the decoder on the other hand, a typically more modern decoder that has multiple Scaling layers from the scaled data stream can process this encoder with the same data stream how a basic decoder is addressed.
  • the basic Scalability in that the quantization block, so the Output of the bitstream encoder 60a into a first scaling layer 81 of FIG. 8 which, when FIG. 6, psychoacoustically encoded data e.g. For includes a frame.
  • both scaling layers 81 and 82 are transmitted to the decoder.
  • the transmission channel is a narrow-band transmission channel, in the only the first scaling layer "fits", so just imagine the second scaling layer the transmission are removed from the data stream, so that a Decoder addressed only with the first scaling layer becomes.
  • the decoder side can be a "basic decoder", which only can process the psychoacoustically encoded data that simply omit the second scaling layer 82 if it does receive them over a broadband transmission channel Has.
  • the decoder is a full-featured decoder, Both a psychoacoustic decoding algorithm and an integer decoding algorithm, so this fully featured decoder can handle both the first scaling layer as well as the second scaling layer to decode to a lossless coded and to generate decoded output again.
  • Fig. 8a is again psychoacoustically in a first scaling layer encoded data for one frame.
  • the second scaling layer of Fig. 8a is now scaled finer, so that from this second scaling layer in FIG. 8a, several scaling layers arise, such as e.g. a (smaller) second scaling layer, a third scaling layer, a fourth scaling layer, etc.
  • Fig. 9 schematically illustrates binary coded spectral values Each line 90 in FIG. 9 represents a binary coded one Difference spectral value.
  • Fig. 9 are the difference spectral values sorted by the frequency as it passes through an arrow 91 is indicated. So has a difference spectral value 92 is a higher frequency than the difference spectral value 90.
  • the first column of the panel in FIG. 9 represents the most significant bit of a difference spectral value in front.
  • the second digit represents the bit with the significance MSB-1.
  • the third column represents a bit of significance MSB-2.
  • the third to last column is one bit valence LSB + 2.
  • the penultimate column is set Finally, the bit with the significance LSB + 1 represents last column one bit with the significance LSB, ie the least significant one Bit of a difference spectral value.
  • precision scaling is performed by taking, for example, the 16 most significant bits of a difference spectral value as the second scaling layer to then be entropy coded by the entropy coder 60b, if desired.
  • a decoder using the second scaling layer receives on the output side difference spectral values with an accuracy of 16 bits, so that the second scaling layer together with the first scaling layer delivers a losslessly decoded CD-quality audio signal. It is known that CD-quality audio samples have a width of 16 bits.
  • the encoder may further generate a third scale layer comprising the last eight bits of a difference spectral value and also entropy as needed is encoded (means 60 of Fig. 6).
  • a full-featured decoder that uses the data stream the first scaling layer, the second scaling layer (16 most significant bits of the difference spectral values) and the third scaling layer (8 least significant bits a difference spectral value), so the decoder using all three scale layers lossless coded / decoded audio signal in studio quality, So with one present at the output of the decoder Word width of a sample of 24 bits.
  • Word lengths of the samples are common than in the consumer sector.
  • the word width is 16 bits in an audio CD, while in the studio area 24 bit or 20 Bit be used.
  • the transmitted values are preferably scaled back to the original range, for example 24 bits, by multiplying them by 2 8, for example.
  • An inverse IntMDCT is then applied to the corresponding scaled-back values.
  • the redundancy in the LSBs has an audio signal, for example in the upper frequency range very little energy, so expresses this also applies to the IntMDCT spectrum in very small values, for example, much smaller than the z. B. at 8 bits are possible values (-128, ..., 127). This expresses in compressibility of the LSB values of the IntMDCT spectrum. It should also be noted that at very small difference spectral values typically a number of bits from MSB to MSB-n are equal to zero, and then that first with a bit with a weight MSB-n-1 the first, leading 1 in a binary coded difference spectral value occurs. In such a case, if a difference spectral value only zeros in the second scaling layer includes an entropy coding is suitable for further Data compression especially good.
  • Invention is for the second scaling layer 82 of Fig. 8a prefers sample rate scalability.
  • a sample rate scalability is achieved by that in the second scaling layer, as shown in Fig. 9 right is, the difference spectral values up to a first Limit frequency are included, while in a third scaling layer the difference spectral values with one frequency between the first cutoff frequency and the maximum Frequency are included.
  • the invention includes the second scaling layer in FIG. 9 Differential spectral values up to a frequency of 24 kHz, which corresponds to a sampling rate of 48 kHz.
  • the third scaling layer then contains the difference spectral values from 24 kHz to 48 kHz, which corresponds to a sampling rate of 96 kHz.
  • the second scaling layer and the third scale layer not necessarily all bits of a difference spectral value must be coded. So could in one another form of combined scalability the second Scaling layer, the bits MSB to MSB-x of the difference spectral values up to a certain cutoff frequency.
  • a third scaling layer could then be the bits MSB to MSB-x of the difference spectral values from the first one Limit frequency up to the maximum frequency include.
  • a fourth scaling layer could then be the remaining bits for the difference spectral values up to the cutoff frequency.
  • the last scaling layer could then be the rest Bits of the difference spectral values for the upper frequencies include. This concept becomes a division of the panel in Fig. 9 in four quadrants, each Quadrant represents a scaling layer.
  • the frequency scalability is at a preferred Embodiment of the present invention a scalability between 48 kHz and 96 kHz sampling rate described.
  • the 96 kHz sample signal is in the IntMDCT range in the lossless extension layer first only up to half coded and transmitted. If the upper Part is not transmitted in addition, it is in the decoder assumed to be zero. In the case of the inverse IntMDCT (same Length as in the encoder) then creates a 96 kHz signal, the in the upper frequency range contains no energy and therefore be scanned to 48 kHz without loss of quality can.
  • the accuracy scaling can be similar in a sense be softened. So can the first scaling layer also spectral values with z. B. have more than 16 bits, where next scaling layer then has the difference. Generally speaking, the second scaling layer thus the difference spectral values with lower accuracy, while in the next scaling layer the rest, so the difference between the complete spectral values and the spectral values contained in the second scaling layer is transmitted. This is a variable accuracy reduction reached.
  • the inventive method for encoding or decoding is preferably on a digital storage medium such.
  • a digital storage medium such.
  • the control signals so with a programmable computer system can work together, that the coding and / or decoding method are carried out can / can.
  • that is a computer program product with on a machine readable Carrier stored program code for performing the Coding method and / or the decoding method, if the program product runs on a computer.
  • the invention So procedures can be in a computer program with a program code for carrying out the invention Procedure if the program is on a computer expires, be realized.
  • Fig. 1 shows an overview diagram for the invention preferred device for processing discrete-time Samples that represent an audio signal to integer ones Obtaining values based on the int MDCT integer transform algorithm is working.
  • the discrete-time ones Samples are passed through the device shown in FIG fenestrated and optionally in a spectral representation implemented.
  • the discrete-time samples that are connected to a Input 10 are fed into the device with a window w of length 2N discrete time Samples corresponds windowed to an output 12th to achieve integer windowed samples which are suitable to, by means of a transformation and in particular, the device 14 for executing an integer DCT converted into a spectral representation too become.
  • the integer DCT is designed to consist of N input values N output values to produce what, in contrast to the MDCT function 408 of Fig. 4a, which is windowed from 2N Samples due to the MDCT equation only N spectral values generated.
  • the discrete-time samples are first in a device 16, two discrete-time samples are selected, together form a vector of time-discrete samples represent.
  • a time-discrete sample the is selected by means 16, lies in the first Quarter of the window.
  • the other discrete-time sample lies in the second quarter of the window as it is based of Fig. 3 is executed in more detail.
  • the through the device 16 generated vector is now with a Rotary matrix of dimension 2 x 2 applied, this Operation is not performed immediately, but by means of several so-called lifting matrices.
  • a lifting matrix has the property of being only one Element, which depends on the window w and unequal Is "1" or "0".
  • Each of the three lifting matrices to the right of the equals sign has the value "1" as main diagonal elements. Furthermore, in each lifting matrix is a secondary diagonal element equal to 0, and a minor diagonal element from the rotational angle ⁇ dependent.
  • the vector is now filled with the third lifting matrix, i. H. the lifting matrix on the far right in the above equation, multiplied, to get a first result vector.
  • This is illustrated in FIG. 1 by a device 18.
  • the first result vector with any Rounding function which is the set of real numbers in the set of integer numbers, rounded, as it is in Fig. 1 is shown by a device 20.
  • the device 20 becomes a rounded first result vector receive.
  • the rounded first result vector becomes now in a device 22 for multiplying the same with the middle, d. H. second, fed to the lifting matrix, to obtain a second result vector which is in a device 24 is in turn rounded to a rounded to obtain the second result vector.
  • the rounded one second result vector is now in a device 26th fed, to multiply the same with the listed on the left in the above equation, d. H. first, Lifting matrix to obtain a third result vector finally rounded by means 28 is finally fenced at the output 12 integer Get samples, which now, if one spectral representation of the same is desired by the Device 14 needs to be processed to work on one Spectral output 30 to obtain integer spectral values.
  • the device 14 is an integer DCT or Integer DCT executed.
  • the coefficients of the DCT-IV form an orthonormal N x N Matrix.
  • Each orthogonal N x N matrix can be transformed into N (N-1) / 2 Givens rotations be decomposed, as in the technical publication P. P. Vaidyanathan, "Multirate Systems And Filter Banks”, Prentice Hall, Englewood Cliffs, 1993 is. It should be noted that also further decompositions exist.
  • DCT-IV which prefers here is comprised of non-symmetric basis functions, i. H. a cosine quarter-wave, a cosine 3/4 wave, a cosine 5/4 wave, a cosine 7/4 wave, etc.
  • DCT-II type II
  • the 0th basic function has a DC component
  • the first basic function is a half cosine wave
  • the second basis function is a whole cosine wave, etc. Due to the fact that the DCT-II takes the DC component into account, it is used in video coding, but not in audio coding, as opposed to audio coding for video coding the DC component is not relevant is.
  • An MDCT with a window length of 2N can be reduced into a discrete cosine transformation of type IV with a length N. This is accomplished by explicitly performing the TDAC operation in the time domain and then applying the DCT-IV. For a 50% overlap, the left half of the window for a block t overlaps the right half of the previous block, ie, the block t-1.
  • the overlapping part of two consecutive blocks t-1 and t is preprocessed in the time domain, ie before the transformation, as follows, ie processed between the input 10 and the output 12 of FIG. 1:
  • the values denoted by the tilde are the values at the output 12 of FIG. 1, while those without tilde in the above Equation x values denote the values at input 10 or behind the device 16 for selection.
  • the running index k runs from 0 to N / 2-1, while w represents the window function.
  • this preprocessing may be written in the time domain as a Givens rotation, as it has been executed.
  • window functions w can be used as long as they have this TDAC condition fulfill.
  • the discrete-time samples x (0) to x (2N-1), which share a window "windowed”, are initially so through the device 16 of FIG. 1, that the sample x (0) and the sample x (N-1), d. H. a sample from the first quarter of the window and a sample from the second quarter of the window, be selected to the Vector at the output of the device 16 to form.
  • Which Crossing arrows represent schematically the lifting multiplications and subsequent rounding of the facilities 18, 20 and 22, 24 and 26, 28, respectively, at the entrance the DCT-IV blocks the integer windowed samples to obtain.
  • 2N windowed windows at the exit 12 integer samples that now look like it is shown in Fig. 2, in a DCT-IV transformation be fed.
  • the windowed integer samples the first quarter of the window will be in one precedent DCT-IV along with the windowed integer ones Samples of the fourth quarter of the previous one Window processed. Similarly, the fourth quarter the windowed integer samples in Fig. 2 with the first quarter of the next window together into a DCT-IV transformation fed.
  • the middle one shown in FIG integer DCT-IV transformation 32 now provides N integer spectral values y (0) to y (N-1). This integer Spectral values can now be simple, for example Entropy-coded without any intervening Quantization is required because the fenestration and Transformation provides integer output values.
  • a decoder In the right half of Fig. 2, a decoder is shown.
  • the decoder consisting of inverse transformation and "inverse windowing" works inverse to the encoder. It is it is known that an inverse of the reverse transformation of a DCT-IV DCT-IV can be used as shown in FIG is.
  • the output values of the decoder DCT-IV 34 become now, as shown in Fig. 2, with the corresponding Values of the previous transformation or the subsequent transformation is inversely processed to the integer windowed samples at the output of the Device 34 or the preceding and following Transformation again discrete-time audio samples x (0) to produce x (2N-1).
  • the output side operation is done by inverse Givens rotation, ie, such that the blocks 26, 28, 22, 24 and 18, 20, respectively, are traversed in the opposite direction. This is illustrated in more detail with reference to the second lifting matrix of Equation 1. If (in the encoder) the second result vector is formed by multiplying the rounded first result vector by the second lifting matrix (means 22), the following expression results: ( x . y ) ⁇ ( x . y + x sin ⁇ )
  • Equation 6 The values x, y on the right side of Equation 6 are integers. However, this does not apply to the value x sin ⁇ .
  • the rounding function r must be introduced, as in the following equation ( x . y ) ⁇ ( x . y + r ( x sin .alpha)) is shown. This operation executes the device 24.
  • the inverse mapping (in the decoder) is defined as follows: ( x ' y ') ⁇ ( x ' y '- r ( x 'Sin .alpha))
  • the output values therefore always remain integer, whereby it it is preferred to also use integer input values.
  • PCM samples as stored on a CD are, are integer numerical values whose value range varies depending on the bit width, d. H. depending on whether the time-discrete digital input values 16-bit values or 24-bit values are. Still, that's how it's been done is, the entire process is invertible by the inverse Rotations are performed in reverse order. It Thus there exists an integer approximation of the MDCT perfect reconstruction, ie a lossless transformation.
  • the transformation shown provides integer output values instead of floating-point values. It provides a perfect reconstruction, so no mistake is introduced if one Forward and then a reverse transformation executed become.
  • the transformation is according to a preferred embodiment the present invention is a substitute for the modified discrete cosine transformation. Others too However, transformation techniques can be performed in integers be as long as a decomposition into rotations and one Disassembly of the rotations in lifting steps possible is.
  • the integer MDCT has the most favorable features the MDCT. It has an overlapping structure, which means a better frequency selectivity than non-overlapping ones Block transformations is obtained. by virtue of the TDAC function already in the window before the transformation is taken into account, becomes a critical scan maintained so that the total number of spectral values, which represent an audio signal, equal to the total number of input samples.
  • the floating-point samples shows, shows in the described preferred integer transformation that only in the Spectral range in which there is little signal level, the noise compared to normal MDCT is increased while up this Rauscherhöhung not at significant signal levels makes noticeable.
  • This is the integer processing for an efficient hardware implementation, since only multiplication steps are used without more in move-add steps (shift / add steps) can be disassembled, which is easy and fast can be implemented in hardware.
  • move-add steps shift / add steps
  • the integer transformation provides a good spectral Presentation of the audio signal and still remains in the range the whole numbers. When referring to tonal parts of an audio signal is applied, this results in a good E-nergiekonzentri für.
  • This can be an efficient lossless Coding scheme can be constructed by simply placing the in Fig. 1 shown fenestration / transformation with a Entropy coder is cascaded.
  • a stacked Coding (Stacked Coding) Using Escape Values as it is used in MPEG AAC, is favorable. It is preferable to set all values by a certain power of Shorten two until they are in a desired code table fit, and then the omitted low-order ones Code bits in addition.
  • An almost lossless Encoder could also be obtained by: simply omit certain of the least significant bits become.
  • the open-loop predictor is called TNS.
  • the quantization after the prediction leads to an adaptation of the resulting quantization noise to the temporal structure of the audio signal and therefore prevents Vorechos in psychoacoustic audio encoders.
  • For a lossless Audio coding is the second alternative, d. H. with a closed loop predictor, more appropriate, because closed-loop prediction is accurate Reconstruction of the input signal allowed. If those Technique applied to a generated spectrum must be Rounding step after each step of the prediction filter be performed to stay in the range of integers. By using the inverse filter and the same Rounding function can accurately restore the original spectrum getting produced.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Reduction Or Emphasis Of Bandwidth Of Signals (AREA)

Description

Die vorliegende Erfindung bezieht sich auf die Audiocodierung/Audiodecodierung und insbesondere auf skalierbare Codier/Decodier-Algorithmen mit einer psychoakustischen ersten Skalierungsschicht und einer zweiten Skalierungsschicht, die Zusatzaudiodaten für eine verlustlose Decodierung umfaßt.
Moderne Audiocodierverfahren, wie z. B. MPEG Layer3 (MP3) oder MPEG AAC verwenden Transformationen wie beispielsweise die sogenannte modifizierte diskrete Kosinustransformation (MDCT), um eine blockweise Frequenzdarstellung eines Audiosignals zu erhalten. Ein solcher Audiocodierer erhält üblicherweise einen Strom von zeitdiskreten Audio-Abtastwerten. Der Strom von Audio-Abtastwerten wird gefenstert, um einen gefensterten Block von beispielsweise 1024 oder 2048 gefensterten Audio-Abtastwerten zu erhalten. Zur Fensterung werden verschiedene Fensterfunktionen eingesetzt, wie z. B. ein Sinus-Fenster, etc.
Die gefensterten zeitdiskreten Audio-Abtastwerte werden dann mittels einer Filterbank in eine spektrale Darstellung umgesetzt. Prinzipiell kann hierzu eine Fourier-Transformation, oder aus speziellen Gründen eine Abart der Fourier-Transformation, wie z. B. eine FFT oder, wie es ausgeführt worden ist, eine MDCT eingesetzt werden. Der Block von Audio-Spektralwerten am Ausgang der Filterbank kann dann je nach Bedarf weiter verarbeitet werden. Bei den oben bezeichneten Audio-Codierern folgt eine Quantisierung der Audio-Spektralwerte, wobei die Quantisierungsstufen typischerweise so gewählt werden, daß das durch das Quantisieren eingeführt Quantisierungsrauschen unterhalb der psychoakustischen Maskierungsschwelle liegt, d. h. "wegmaskiert" wird. Die Quantisierung ist eine verlustbehaftete Codierung. Um eine weitere Datenmengenreduktion zu erhalten, werden die quantisierten Spektralwerte anschließend beispielsweise mittels einer Huffman-Codierung Entropie-codiert. Durch Hinzufügen von Seiteninformationen, wie z. B. Skalenfaktoren etc. wird aus den Entropie-codierten quantisierten Spektralwerten mittels eines Bitstrom-Multiplexers ein Bitstrom gebildet, der gespeichert oder übertragen werden kann.
Im Audio-Decodierer wird der Bitstrom mittels eines Bitstrom-Demultiplexers in codierte quantisierte Spektralwerte und Seiteninformationen aufgeteilt. Die Entropie-codierten quantisierten Spektralwerte werden zunächst Entropie-decodiert, um die quantisierten Spektralwerte zu erhalten. Die quantisierten Spektralwerte werden dann invers quantisiert, um decodierte Spektralwerte zu erhalten, die Quantisierungsrauschen aufweisen, das jedoch unterhalb der psychoakustischen Maskierungsschwelle liegt und daher unhörbar sein wird. Diese Spektralwerte werden dann mittels eines Synthese-Filterbank in eine zeitliche Darstellung umgesetzt, um zeitdiskrete decodierte Audio-Abtastwerte zu erhalten. In der Synthese-Filterbank muß ein zum Transformations-Algorithmus inverser Transformations-Algorithmus eingesetzt werden. Außerdem muß nach der Frequenz-Zeit-Rücktransformation das Fenstern rückgängig gemacht werden.
Um eine gute Frequenzselektivität zu erreichen, verwenden moderne Audio-Codierer typischerweise eine BlockÜberlappung. Ein solcher Fall ist in Fig. 4a dargestellt. Zunächst werden beispielsweise 2048 zeitdiskrete Audio-Abtastwerte genommen und mittels einer Einrichtung 402 gefenstert. Das Fenster, das die Einrichtung 402 verkörpert, hat eine Fensterlänge von 2N Abtastwerten und liefert ausgangsseitig einen Block von 2N gefensterten Abtastwerten. Um eine Fensterüberlappung zu erreichen, wird mittels einer Einrichtung 404, die lediglich aus Übersichtlichkeitsgründen in Fig. 4a getrennt von der Einrichtung 402 dargestellt ist, ein zweiter Block von 2N gefensterten Abtastwerten gebildet. Die in die Einrichtung 404 eingespeisten 2048 Abtastwerte sind jedoch nicht die an das erste Fenster unmittelbar anschließenden zeitdiskreten Audio-Abtastwerte, sondern beinhalten die zweite Hälfte der durch die Einrichtung 402 gefensterten Abtastwerte und beinhalten zusätzlich lediglich 1024 "neue" Abtastwerte. Die Überlappung ist durch eine Einrichtung 406 in Fig. 4a symbolisch dargestellt, die einen Überlappungsgrad von 50% bewirkt. Sowohl die durch die Einrichtung 402 ausgegebenen 2N gefensterten Abtastwerte als auch die durch die Einrichtung 404 ausgegebenen 2N gefensterten Abtastwerte werden dann mittels einer Einrichtung 408 bzw. 410 dem MDCT-Algorithmus unterzogen. Die Einrichtung 408 liefert gemäß dem bekannten MDCT-Algorithmus N Spektralwerte für das erste Fenster, während die Einrichtung 410 ebenfalls N Spektralwerte liefert, jedoch für das zweite Fenster, wobei zwischen dem ersten Fenster und dem zweiten Fenster eine Überlappung von 50% besteht.
Im Decodierer werden die N Spektralwerte des ersten Fensters, wie es in Fig. 4b gezeigt ist, einer Einrichtung 412, die eine inverse modifizierte diskrete Kosinustransformation durchführt, zugeführt. Dasselbe gilt für die N Spektralwerte des zweiten Fensters. Diese werden einer Einrichtung 414 zugeführt, die ebenfalls eine inverse modifizierte diskrete Kosinustransformation durchführt. Sowohl die Einrichtung 412 als auch die Einrichtung 414 liefern jeweils 2N Abtastwerte für das erste Fenster bzw. 2N Abtastwerte für das zweite Fenster.
In einer Einrichtung 416, die in Fig. 4b mit TDAC (TDAC = Time Domain Aliasing Cancellation) bezeichnet ist, wird die Tatsache berücksichtigt, daß die beiden Fenster überlappend sind. Insbesondere wird ein Abtastwert y1 der zweiten Hälfte des ersten Fensters, also mit einem Index N+k, mit einem Abtastwert y2 aus der ersten Hälfte des zweiten Fensters, also mit einem Index k summiert, so daß sich ausgangsseitig, also im Decodierer, N decodierte zeitliche Abtastwerte ergeben.
Es sei darauf hingewiesen, daß durch die Funktion der Einrichtung 416, die auch als Add-Funktion bezeichnet wird, die in dem durch Fig. 4a schematisch dargestellten Codierer durchgeführte Fensterung gewissermaßen automatisch berücksichtigt wird, so daß in dem durch Fig. 4b dargestellten Decodierer keine explizite "inverse Fensterung" stattzufinden hat.
Wenn die durch die Einrichtung 402 oder 404 implementierte Fensterfunktion mit w(k) bezeichnet wird, wobei der Index k den Zeitindex darstellt, bezeichnet wird, so muß die Bedingung erfüllt sein, daß das Fenstergewicht w(k) im Quadrat addiert zu dem Fenstergewicht w(N+k) im Quadrat zusammen 1 ergibt, wobei k von 0 bis N-1 läuft. Wenn ein Sinus-Fenster verwendet wird, dessen Fenster-Gewichtungen der ersten Halbwelle der Sinus-Funktion folgen, so ist diese Bedingung immer erfüllt, da das Quadrat des Sinus und das Quadrat des Kosinus für jeden Winkel zusammen den Wert 1 ergeben.
Nachteilig an dem in Fig. 4a beschriebenen Fenster-Verfahren mit anschließender MDCT-Funktion ist die Tatsache, daß die Fensterung durch Multiplikation eines zeitdiskreten Abtastwerts, wenn an ein Sinus-Fenster gedacht wird, mit einer Gleitkommazahl erreicht wird, da der Sinus eines Winkels zwischen 0 und 180 Grad abgesehen von dem Winkel 90 Grad keine Ganzzahl ergibt. Auch wenn ganzzahlige zeitdiskrete Abtastwerte gefenstert werden, entstehen nach dem Fenstern also Gleitkommazahlen.
Daher ist, auch wenn kein psychoakustischer Codierer verwendet wird, d. h. wenn eine verlustlose Codierung erreicht werden soll, am Ausgang der Einrichtungen 408 bzw. 410 eine Quantisierung notwendig, um eine einigermaßen überschaubare Entropie-Codierung durchführen zu können.
Wenn also bekannte Transformationen, wie sie anhand von Fig. 4a betrieben worden sind, für ein verlustloses Audiocodieren eingesetzt werden soll, muß entweder eine sehr feine Quantisierung eingesetzt werden, um den resultierenden Fehler aufgrund der Rundung der Gleitkommazahlen vernachlässigen zu können, oder das Fehlersignal muß zusätzlich beispielsweise im Zeitbereich codiert werden.
Konzepte der ersteren Art, also bei denen die Quantisierung so fein eingestellt, daß der resultierende Fehler aufgrund der Rundung der Gleitkommazahlen vernachlässigbar ist, sind beispielsweise in der deutschen Patentschrift DE 197 42 201 C1 offenbart. Hier wird ein Audiosignal in seine spektrale Darstellung überführt und quantisiert, um quantisierte Spektralwerte zu erhalten. Die quantisierten Spektralwerte werden wieder invers quantisiert, in den Zeitbereich überführt und mit dem ursprünglichen Audiosignal verglichen. Liegt der Fehler, also der Fehler zwischen dem ursprünglichen Audiosignal und dem quantisierten/invers quantisierten Audiosignal, oberhalb einer Fehlerschwelle, so wird der Quantisierer rückkopplungsmäßig feiner eingestellt, und der Vergleich wird erneut durchgeführt. Die Iteration ist beendet, wenn die Fehlerschwelle unterschritten wird. Das dann noch möglicherweise vorhandene Restsignal wird mit einem Zeitbereichscodierer codiert und in einen Bitstrom geschrieben, der neben dem Zeitbereichs-codierten Restsignal auch codierte Spektralwerte umfaßt, die gemäß den Quantisierereinstellungen quantisiert worden sind, die zum Zeitpunkt des Abbruchs der Iteration vorhanden waren. Es sei darauf hingewiesen, daß der verwendete Quantisierer nicht von einem psychoakustischen Modell gesteuert werden muß, so daß die codierten Spektralwerte typischerweise genauer quantisiert sind, als dies aufgrund des psychoakustischen Modells sein müßte.
In der Fachveröffentlichung "A Design of Lossy and Lossless Scalable Audio Coding", T. Moriya u.a., Proc. ICASSP, 2000, ist ein skalierbarer Codierer beschrieben, der als erstes verlustbehaftetes Datenkompressionsmodul z. B. einen MPEG-Codierer umfaßt, der eine blockweise digitale Signalform als Eingangssignal hat und den komprimierten Bitstrom erzeugt. In einem ebenfalls vorhandenen lokalen Decodierer wird die Codierung wieder rückgängig gemacht, und es wird ein codiertes/decodiertes Signal erzeugt. Dieses Signal wird mit dem ursprünglichen Eingangssignal verglichen, indem das codierte/decodierte Signal von dem ursprünglichen Eingangssignal subtrahiert wird. Das Fehlersignal wird dann in ein zweites Modul eingespeist, wo eine verlustlose Bitkonversion verwendet wird. Diese Konversion hat zwei Schritte. Der erste Schritt besteht in einer Konversion von einem Zweierkomplementformat in ein Vorzeichen-Betrag-Format. Der zweite Schritt besteht in der Umwandlung von einer vertikalen Betragssequenz in eine horizontale Bitsequenz in einem Verarbeitungsblock. Die verlustlose Datenumwandlung wird ausgeführt, um die Anzahl von Nullen zu maximieren oder die Anzahl von aufeinanderfolgenden Nullen in einer Sequenz zu maximieren, um eine möglichst gute Komprimierung des zeitlichen Fehlersignals, das als Folge von digitalen Zahlen vorliegt, zu erreichen. Dieses Prinzip basiert auf einem Bit-Slice-Arithmetic-Coding- (BSAC-) Schema, das in der Fachveröffentlichung "Multi-Layer Bit Sliced Bit Rate Scalable Audio Coder", 103. AES-Convention, Preprint Nr. 4520, 1997, dargestellt ist.
Nachteilig an den vorstehend beschriebenen Konzepten ist die Tatsache, daß die Daten für die verlustlose Erweiterungsschicht, d. h. die Zusatzdaten, die benötigt werden, um eine verlustlose Decodierung des Audiosignals zu erreichen, im Zeitbereich gewonnen werden müssen. Dies bedeutet, daß eine vollständige Decodierung einschließlich einer Frequenz/Zeit-Umsetzung erforderlich ist, um das codierte/decodierte Signal im Zeitbereich zu erhalten, damit mittels einer Abtastwert-weisen Differenzbildung zwischen dem ursprünglichen Audioeingangssignal und dem codierten/decodierten Audiosignal, das aufgrund der psychoakustischen Codierung verlustbehaftet ist, das Fehlersignal berechnet wird. Dieses Konzept ist insbesondere dahingehend nachteilhaft, daß im Codierer, der den Audiodatenstrom erzeugt, sowohl eine komplette Zeit-Frequenz-Umsetzungseinrichtung, wie z. B. eine Filterbank bzw. z. B. ein MDCT-Algorithmus für die Hintransformation benötigt wird, und gleichzeitig, lediglich um das Fehlersignal zu erzeugen, eine komplette inverse Filterbank bzw. ein kompletter Synthesealgorithmus benötigt wird. Der Codierer muß daher zusätzlich zu seinen inhärenten Codiererfunktionalitäten auch die komplette Decodiererfunktionalität enthalten. Wenn der Codierer softwaremäßig implementiert ist, so werden hierfür sowohl Speicherkapazitäten als auch Prozessorkapazitäten benötigt, die zu einer Codiererimplementation mit erhöhtem Aufwand führt.
Die Aufgabe der vorliegenden Erfindung besteht darin, ein weniger aufwendiges Konzept zu schaffen, durch das ein Audiodatenstrom erzeugbar ist, der zumindest nahezu verlustlos decodierbar ist.
Diese Aufgabe wird durch eine Vorrichtung zum Codieren eines zeitdiskreten Audiosignals nach Patentanspruch 1, durch ein Verfahren zum Codieren eines zeitdiskreten Audiosignals nach Patentanspruch 21, durch eine Vorrichtung zum Decodieren von codierten Audiodaten nach Patentanspruch 22, durch ein Verfahren zum Decodieren von codierten Audiodaten nach Patentanspruch 31 oder durch ein Computer-Programm nach Anspruch 32 oder 33 gelöst.
Der vorliegenden Erfindung liegt die Erkenntnis zugrunde, daß die Zusatzaudiodaten, die eine verlustlose Decodierung des Audiosignals ermöglichen, dadurch gewonnen werden können, daß ein Block von quantisierten Spektralwerten wie üblich bereitgestellt wird, und dann invers quantisiert wird, um invers quantisierte Spektralwerte zu haben, die aufgrund der Quantisierung mittels eines psychoakustischen Modells verlustbehaftet sind. Diese invers quantisierten Spektralwerte werden dann gerundet, um einen Rundungs-Block von gerundeten invers quantisierten Spektralwerten zu erhalten. Als Referenz zur Differenzbildung wird erfindungsgemäß ein Ganzzahl-Transformationsalgorithmus verwendet, welcher aus einem Block von ganzzahligen zeitdiskreten Abtastwerten einen Ganzzahl-Block von Spektralwerten, der lediglich ganzzahlige Spektralwerte aufweist, erzeugt. Erfindungsgemäß wird nunmehr die Kombination der Spektralwerte im Rundungs-Block und im Ganzzahl-Block spektralwertweise, also im Frequenzbereich durchgeführt, so daß im Codierer selbst kein Synthesealgorithmus, also eine inverse Filterbank oder ein inverser MDCT-Algorithmus etc. benötigt wird. Der Kombinations-Block, der die Differenz-Spektralwerte aufweist, umfaßt aufgrund des Ganzzahl-Transformationsalgorithmus und der gerundeten Quantisierungswerte lediglich ganzzahlige Werte, die auf irgendeine bekannte Art und Weise Entropie-codiert werden können. Es sei darauf hingewiesen, daß zur Entropie-Codierung des Kombinationsblocks beliebige Entropie-Codierer eingesetzt werden können, wie z. B. Huffman-Codierer oder arithmetische Codierer etc.
Zur Codierung der quantisierten Spektralwerte des Quantisierungsblocks können ebenfalls beliebige Codierer eingesetzt werden, wie z. B. die bekannten für moderne Audiocodierer üblichen Werkzeuge.
Es sei darauf hingewiesen, daß das erfindungsgemäße Codier/Decodierkonzept kompatibel ist mit modernen Codierwerkzeugen, wie z. B. Fenster-Umschalten, TNS oder Mitte/Seite-Codierung für mehrkanalige Audiosignale.
Bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung wird zum Liefern eines Quantisierungsblocks von unter Verwendung eines psychoakustischen Modells quantisierten Spektralwerten eine MDCT eingesetzt. Darüber hinaus wird es bevorzugt, als Ganzzahl-Transformationsalgorithmus eine sogenannte IntMDCT einzusetzen.
Bei einem alternativen Ausführungsbeispiel der vorliegenden Erfindung kann auf die übliche MDCT verzichtet werden, und es kann die IntMDCT als Annäherung für die MDCT verwendet werden, und zwar dahingehend, daß das ganzzahlige Spektrum, das durch den Ganzzahl-Transformationsalgorithmus erhalten wird, einem psychoakustischen Quantisierer zugeführt wird, um quantisierte IntMDCT-Spektralwerte zu erhalten, die dann wieder invers quantisiert und gerundet werden, um mit den ursprünglichen Ganzzahl-Spektralwerten verglichen zu werden. In diesem Fall wird lediglich nur noch eine einzige Transformation benötigt, nämlich die IntMDCT, die aus ganzzahligen zeitdiskreten Abtastwerten ganzzahlige Spektralwerte erzeugt.
Typischerweise arbeiten Prozessoren mit ganzen Zahlen, bzw. jede Gleitkommazahl ist als eine ganze Zahl darstellbar. Wenn eine Ganzzahl-Arithmetik in einem Prozessor verwendet wird, so kann auf das Runden der invers quantisierten Spektralwerte verzichtet werden, da aufgrund der Arithmetik des Prozessors ohnehin gerundete Werte, nämlich innerhalb der Genauigkeit des LSB, d. h. des niederstwertigen Bits, vorliegen. In diesem Fall wird eine vollständig verlustlose Verarbeitung erreicht, d. h. eine Verarbeitung innerhalb der Genauigkeit des verwendeten Prozessorsystems. Alternativ kann jedoch eine Rundung auf eine gröbere Genauigkeit durchgeführt werden, dahingehend, daß das Differenzsignal im Kombinationsblock auf die durch eine Rundungsfunktion festgelegte Genauigkeit gerundet ist. Das Einführen einer Rundung über die inhärente Rundung eines Prozessorsystems hinaus ermöglicht eine Flexibilität dahingehend, den "Grad" der Verlustlosigkeit der Codierung zu beeinflussen, um im Sinne einer Datenkompression einen nahezu verlustlosen Codierer zu schaffen.
Der erfindungsgemäße Decodierer zeichnet sich dadurch aus, daß aus den Audiodaten sowohl die psychoakustisch codierten Audiodaten als auch die Zusatzaudiodaten extrahiert werden, einer möglicherweise vorhandenen Entropie-Decodierung unterzogen werden und dann wie folgt verarbeitet werden. Zunächst wird der Quantisierungsblock im Decodierer invers quantisiert und unter Verwendung derselben Rundungsfunktion, die auch im Codierer eingesetzt worden ist, gerundet, um dann zu den Entropie-decodierten Zusatzaudiodaten hinzuaddiert zu werden. Im Decodierer liegen dann sowohl eine psychoakustisch komprimierte spektrale Darstellung des Audiosignals als auch eine verlustlose Darstellung des Audiosignals vor, wobei die psychoakustisch komprimierte spektrale Darstellung des Audiosignals in den Zeitbereich umzusetzen ist, um ein verlustbehaftetes codiertes/decodiertes Audiosignal zu erhalten, während die verlustlose Darstellung unter Verwendung eines zum Ganzzahl-Transformationsalgoritmus inversen Ganzzahl-Transformationsalgorithmus in den Zeitbereich umgesetzt wird, um ein verlustlos oder, wie es ausgeführt worden ist, nahezu verlustlos codiertes/decodiertes Audiosignal zu erhalten.
Bevorzugte Ausführungsbeispiele der vorliegenden Erfindung werden nachfolgend Bezug nehmend auf die beiliegenden Zeichnungen detailliert erläutert. Es zeigen:
Fig. 1
ein Blockschaltbild einer bevorzugten Einrichtung zum Verarbeiten von zeitdiskreten Audio-Abtastwerten, um ganzzahlige Werte zu erhalten, aus denen ganzzahlige Spektralwerte ermittelbar sind;
Fig. 2
eine schematische Darstellung der Zerlegung einer MDCT und einer inversen MDCT in Givens-Rotationen und zwei DCT-IV-Operationen;
Fig. 3
eine Darstellung zur Veranschaulichung der Zerlegung der MDCT mit 50-Prozent-Überlappung in Rotationen und DCT-IV-Operationen;
Fig. 4a
ein schematisches Blockschaltbild eines bekannten Codierers mit MDCT und 50 Prozent Überlappung;
Fig. 4b
ein Blockschaltbild eines bekannten Decodierers zum Decodieren der durch Fig. 4a erzeugten Werte;
Fig. 5
ein Prinzipblockschaltbild eines bevorzugten erfindungsgemäßen Codierers;
Fig. 6
ein Prinzipblockschaltbild eines alternativen erfindungsgemäß bevorzugten Codierers;
Fig. 7
ein Prinzipblockschaltbild eines erfindungsgemäß bevorzugten Decodierers;
Fig. 8a
eine schematische Darstellung eines Bitstroms mit einer ersten Skalierungsschicht und einer zweiten Skalierungsschicht;
Fig. 8b
eine schematische Darstellung eines Bitstroms mit einer ersten Skalierungsschicht und mehreren weiteren Skalierungsschichten; und
Fig. 9
eine schematische Darstellung von binär codierten Differenz-Spektralwerten zur Verdeutlichung möglicher Skalierungen hinsichtlich der Genauigkeit (Bits) der Differenz-Spektralwerte und/oder hinsichtlich der Frequenz (Abtastrate) der Differenz-Spektralwerte.
Im nachfolgenden wird anhand der Fig. 5 bis 7 auf erfindungsgemäße Codiererschaltungen (Fig. 5 und Fig. 6) bzw. eine erfindungsgemäß bevorzugte Decodiererschaltung (Fig. 7) eingegangen. Der in Fig. 5 gezeigte erfindungsgemäße Codierer umfaßt einen Eingang 50, in den ein zeitdiskretes Audiosignal einspeisbar ist, sowie einen Ausgang 52, aus dem codierte Audiodaten ausgebbar sind. Das am Eingang 50 eingespeiste zeitdiskrete Audiosignal wird in eine Einrichtung 52 zum Liefern eines Quantisierungs-Blocks eingespeist, der ausgangsseitig einen Quantisierungs-Block des zeitdiskreten Audiosignals liefert, der unter Verwendung eines psychoakustischen Modells 54 quantisierte Spektralwerte des zeitdiskreten Audiosignals 50 aufweist. Der erfindungsgemäße Codierer umfaßt ferner eine Einrichtung zum Erzeugen eines Ganzzahl-Blocks unter Verwendung eines Ganzzahl-Transformationsalgorithmus 56, wobei der Ganzzahl-Algorithmus wirksam ist, um aus ganzzahligen zeitdiskreten Abtastwerten ganzzahlige Spektralwerte zu erzeugen.
Der erfindungsgemäße Codierer umfaßt ferner eine Einrichtung 58 zum inversen Quantisieren des Quantisierungs-Blocks, der von der Einrichtung 52 ausgegeben wird, und, wenn eine andere Genauigkeit als die Prozessorgenauigkeit erforderlich ist, eine Rundungsfunktion. Wenn bis zur Genauigkeit des Prozessorsystems, wie es ausgeführt worden ist, gegangen werden soll, so ist die Rundungsfunktion bereits inhärent bei dem inversen Quantisieren des Quantisierungs-Blocks enthalten, da ein Prozessor, der eine Ganzzahlarithmetik hat, ohnehin nicht in der Lage ist, nicht-ganzzahlige Werte zu liefern. Die Einrichtung 58 liefert somit einen sogenannten Rundungs-Block, der invers quantisierte Spektralwerte umfaßt, die ganzzahlig sind, d. h. inhärent oder explizit gerundet worden sind. Sowohl der Rundungs-Block als auch der Ganzzahl-Block werden einer Kombinationseinrichtung zugeführt, die unter Verwendung einer Differenzbildung einen Differenz-Block mit Differenz-Spektralwerten liefert, wobei der Ausdruck "Differenz-Block" darauf hindeuten soll, daß die Differenz-Spektralwerte Werte sind, die Unterschiede zwischen dem Ganzzahl-Block und dem Rundungs-Block umfassen.
Sowohl der Quantisierungs-Block, der aus der Einrichtung 52 ausgegeben wird, als auch der Differenz-Block, der aus der Differenzbildungseinrichtung 58 ausgegeben wird, werden einer Verarbeitungseinrichtung 60 zugeführt, die z. B. eine übliche Verarbeitung des Quantisierungs-Blocks durchführt, und die ferner z. B. eine Entropie-Codierung des Differenz-Blocks bewirkt. Die Einrichtung 60 zum Verarbeiten gibt an dem Ausgang 52 codierte Audiodaten aus, die sowohl Informationen über den Quantisierungs-Block enthalten als auch Informationen über den Differenz-Block umfassen.
Bei einem ersten bevorzugten Ausführungsbeispiel wird, wie es in Fig. 6 gezeigt ist, das zeitdiskrete Audiosignal mittels einer MDCT in seine spektrale Darstellung umgesetzt und dann quantisiert. Die Einrichtung 52 zum Liefern des Quantisierungsblocks besteht somit aus der MDCT-Einrichtung 52a und einem Quantisierer 52b.
Darüber hinaus wird es bevorzugt, den Ganzzahl-Block mit einer IntMDCT 56 als ganzzahligem Transformationsalgorithmus zu erzeugen.
In Fig. 6 ist ferner die in Fig. 5 gezeigte Verarbeitungseinrichtung 60 als Bitstrom-Codiereinrichtung 60a zum Bitstrom-Codieren des Quantisierungs-Blocks, der durch die Einrichtung 52b ausgegeben wird, sowie durch einen Entropie-Codierer 60b zum Entropie-Codieren des Differenz-Blocks dargestellt. Der Bitstrom-Codierer 60a gibt die psychoakustisch codierten Audiodaten aus, während der Entropie-Codierer 60b einen Entropie-codierten Differenz-Block ausgibt. Die beiden Ausgangsdaten der Blöcke 60a und 60b können in geeigneter Weise in einen Bitstrom kombiniert werden, der als erste Skalierungsschicht die psychoakustisch codierten Audiodaten hat, und der als zweite Skalierungsschicht die Zusatzaudiodaten für eine verlustlose Decodierung hat. Der skalierte Bitstrom entspricht dann den in Fig. 5 gezeigten codierten Audiodaten am Ausgang 52 des Codierers.
Bei einem alternativen bevorzugten Ausführungsbeispiel kann auf den MDCT-Block 52a von Fig. 6 verzichtet werden, wie es in Fig. 5 durch einen gestrichelten Pfeil 62 angedeutet ist. In diesem Fall wird das Ganzzahl-Spektrum, das durch die Ganzzahl-Transformationseinrichtung 56 geliefert wird, sowohl in die Differenz-Bildungseinrichtung 58 eingespeist als auch in den Quantisierer 52b von Fig. 6. Die Spektralwerte, die durch die Ganzzahl-Transformation erzeugt werden, werden hier gewissermaßen als Annäherung für eine übliches MDCT-Spektrum verwendet. Dieses Ausführungsbeispiel hat den Vorteil, daß nur der IntMDCT-Algorithmus im Codierer vorhanden ist, und daß nicht sowohl der IntMDCT-Algorithmus als auch der MDCT-Algorithmus im Codierer vorhanden sein müssen.
Wieder Bezug nehmend auf Fig. 6 sei darauf hingewiesen, daß die durchgezogenen Blöcke und Linien einen üblichen Audio-codierern nach einem der MPEG-Standards darstellen, während die gestrichelten Blöcke und Linien die Erweiterung eines solchen üblichen MPEG-Codierers darstellen. Es ist also zu sehen, daß keine grundsätzliche Änderung des üblichen MPEG-Codierers erforderlich sind, sondern daß die erfindungsgemäße Gewinnung der Zusatzaudiodaten für eine verlustlose Codierung mittels einer Ganzzahl-Transformation ohne Änderung der Codierer/Decodierer-Grundstruktur hinzugefügt werden können.
Fig. 7 zeigt ein Prinzipblockschaltbild eines erfindungsgemäßen Decodierers zum Decodieren der an dem Ausgang 52 von Fig. 5 ausgegebenen codierten Audiodaten. Diese werden zunächst in psychoakustisch codierte Audiodaten einerseits und die Zusatzaudiodaten andererseits zerlegt. Die psychoakustisch codierten Audiodaten werden einem üblichen Bitstrom-Decodierer 70 zugeführt, während die Zusatzaudiodaten, wenn sie im Codierer Entropie-codiert worden sind, mittels eines Entropie-Decodierers 72 Entropie-decodiert werden. Am Ausgang des Bitstrom-Decodierers 70 von Fig. 7 liegen quantisierte Spektralwerte vor, die einem inversen Quantisierer 74 zugeführt werden, der prinzipiell identisch zu dem inversen Quantisierer in der Einrichtung von Fig. 6 aufgebaut sein kann. Wird eine Genauigkeit angestrebt, die nicht der Prozessor-Genauigkeit entspricht, so ist im Decodierer ferner eine Rundungseinrichtung 76 vorgesehen, die denselben Rundungsalgorithmus bzw. dieselbe Rundungsfunktion zum Abbilden einer reellen Zahl auf eine Ganzzahl durchführt, wie sie auch in der Einrichtung 58 von Fig. 6 implementiert sein kann. In einem decodiererseitigen Kombinierer 78 werden die gerundeten invers quantisierten Spektralwerte mit den Entropie-codierten Zusatzaudiodaten spektralwertweise vorzugsweise additiv kombiniert, so daß im Decodierer zum einen invers quantisierte Spektralwerte am Ausgang der Einrichtung 74 vorliegen und zum anderen Ganzzahl-Spektralwerte am Ausgang des Kombinierers 78 vorliegen.
Die ausgangsseitigen Spektralwerte der Einrichtung 74 können dann mittels einer Einrichtung 80 zum Durchführen einer inversen modifizierten diskreten Kosinustransformation in den Zeitbereich umgesetzt werden, um ein verlustbehaftetes psychoakustisch codiertes und wieder decodiertes Audisignal zu erhalten. Mittels einer Einrichtung 82 zum Durchführen einer inversen Ganzzahl-MDCT (IntMDCT) wird ferner das Ausgangssignal des Kombinierers 78 in seine zeitliche Darstellung umgesetzt, um ein verlustlos codiertes/decodiertes Audiosignal oder ein, wenn eine entsprechende gröbere Rundung eingesetzt worden ist, ein nahezu verlustlos codiertes und wieder decodiertes Audiosignal zu erzeugen.
Im nachfolgenden wird auf eine besondere bevorzugte Ausführungsform des Entropie-Codierers 60b von Fig. 6 eingegangen. Nachdem in einem üblichen modernen MPEG-Codierer mehrere Codetabellen, die abhängig von einer durchschnittlichen Statistik der quantisierten Spektralwerte ausgewählt werden, vorliegen, wird es bevorzugt, dieselben Codetabellen oder Codebooks auch für die Entropie-Codierung des Differenz-Blocks am Ausgang des Kombinierers 58 zu verwenden. Nachdem der Betrag des Differenz-Blocks, also des Rest-IntMDCT-Spektrums, von der Genauigkeit der Quantisierung abhängt, kann eine Codebuch-Auswahl für den Entropie-Codierer 60b ohne zusätzliche Seiteninformationen durchgeführt werden.
In einem MPEG-2-AAC-Codierer sind die spektralen Koeffizienten, also die quantisierten Spektralwerte im Quantisierungs-Block in Skalenfaktorbänder gruppiert, wobei die Spektralwerte mit einem Verstärkungsfaktor gewichtet sind, der von einem entsprechenden Skalenfaktor, der einem Skalenfaktorband zugeordnet ist, abgeleitet ist. Da in diesem bekannten Codiererkonzept ein ungleichmäßiger Quantisierer verwendet wird, um die gewichteten Spektralwerte zu quantisieren, hängt die Größe der Restwerte, also der Spektralwerte am Ausgang des Kombinierers 58, nicht nur von den Skalenfaktoren ab, sondern auch von den quantisierten Werten selbst. Nachdem jedoch sowohl die Skalenfaktoren als auch die quantisierten Spektralwerte in dem Bitstrom, der von der Einrichtung 60a von Fig. 6 erzeugt wird, also in den psychoakustisch codierten Audiodaten enthalten sind, wird es bevorzugt, eine Codebuch-Auswahl im Codierer abhängig von der Größe der Differenz-Spektralwerte durchzuführen und ferner im Decodierer die im Codierer verwendete Codetabelle auf der Basis sowohl der im Bitstrom übertragenen Skalenfaktoren als auch der quantisierten Werte zu ermitteln. Nachdem zum Entropie-Codieren der Differenz-Spektralwerte am Ausgang des Kombinierers 58 keine Seiteninformationen übertragen werden müssen, führt die Entropie-Codierung lediglich zu einer Datenratenkompression ohne daß irgendwelche Signalisierungsbits im Datenstrom als Seiteninformationen für den Entropie-Codierer 60b aufgewendet werden müßten.
In einem Audiocodierer nach dem Standard MPEG-2 AAC wird eine Fensterumschaltung verwendet, um Vorechos in transienten Audiosignalbereichen zu vermeiden. Diese Technik basiert auf der Möglichkeit, Fensterformen individuell in jeder Hälfte des MDCT-Fensters auszuwählen, und erlaubt es, die Blockgröße in aufeinanderfolgenden Blöcken zu variieren. Auf ähnliche Art und Weise ist der Ganzzahl-Transformationsalgorithmus in Form der IntMDCT, auf die Bezug nehmend auf die Fig. 1 bis 3 eingegangen wird, ausgeführt, um ebenfalls unterschiedliche Fensterformen beim Fenstern und beim Zeitbereich-Aliasing-Abschnitt der MDCT-Zerlegung zu verwenden. Es wird daher bevorzugt, sowohl für den Ganzzahl-Transformationsalgorithmus als auch für den Transformationsalgorithmus zum Erzeugen des Quantisierungsblocks dieselben Fensterentscheidungen zu verwenden.
In einem Codierer nach MPEG-2 AAC existieren ferner mehrere weitere Codierwerkzeuge, von denen lediglich TNS (TNS = Temporal Noise Shaping) und Mitte/Seite- (MS) Stereocodierung erwähnt seien. Bei einer TNS-Codierung wird genauso wie bei einer MS-Codierung eine Modifikation der Spektralwerte vor der Quantisierung durchgeführt. Folglich nimmt die Differenz zwischen den IntMDCT-Werten, also dem Ganzzahl-Block, und den quantisierten MDCT-Werten zu. Erfindungsgemäß ist der Ganzzahl-Transformationsalgorithmus ausgebildet, um sowohl eine TNS-Codierung als auch eine Mitte/Seite-Codierung auch von Ganzzahl-Spektralwerten zuzulassen. Die TNS-Technik basiert auf einer adaptiven Vorwärtsprädiktion der MDCT-Werte über der Frequenz. Dasselbe Prädiktionsfilter, das von einem üblichen TNS-Modul signaladaptiv berechnet wird, wird vorzugsweise ebenfalls dazu verwendet, die Ganzzahl-Spektralwerte zu prädizieren, wobei, falls dadurch nicht-ganzzahlige Werte entstehen, eine nachgeschaltete Rundung eingesetzt werden kann, um wieder ganzzahlige Werte zu erzeugen. Diese Rundung erfolgt vorzugsweise nach jedem Prädiktionsschritt. In dem Decodierer kann das ursprüngliche Spektrum wieder rekonstruiert werden, indem das inverse Filter und dieselbe Rundungsfunktion eingesetzt werden. Auf ähnliche Art und Weise kann die MS-Codierung ebenfalls auf IntMDCT-Spektralwerte angewendet werden, indem gerundete Givens-Rotationen mit einem Winkel von π/4, basierend auf dem Lifting-Schema, eingesetzt werden. Dadurch können die ursprünglichen IntMDCT-Werte in dem Decodierer wieder rekonstruiert werden.
Es sei darauf hingewiesen, daß das erfindungsgemäße Konzept in seiner bevorzugten Ausprägung mit der IntMDCT als ganzzahligem Transformationsalgorithmus auf alle MDCT-basierten gehörangepaßten Audiocodierer angewendet werden kann. Lediglich beispielhaft sind solche Codierer Codierer nach MPEG-4 AAC Scalable, MPEG-4 AAC Low Delay, MPEG-4 BSAC, MPEG-4 Twin VQ, Dolby AC-3 etc.
Es sei besonders darauf hingewiesen, daß das erfindungsgemäße Konzept rückwärts kompatibel ist. Der gehörangepaßte Codierer bzw. Decodierer wird nicht verändert, sondern nur erweitert. Zusatzinformationen für die verlustlosen Komponenten lassen sich rückwärts kompatibel im gehörangepaßt codierten Bitstrom übertragen, beispielsweise bei MPEG-2 AAC im Feld "Ancilliary Data". Der Zusatz zum bisherigen gehörangepaßten Decodierer, der in Fig. 7 gestrichelt gezeichnet ist, kann diese Zusatzdaten auswerten und zusammen mit dem quantisierten MDCT-Spektrum vom gehörangepaßten Decodierer das IntMDCT-Spektrum verlustlos rekonstruieren.
Das erfindungsgemäß Konzept der psychoakustischen Codierung, ergänzt um eine verlustlose bzw. nahezu verlustlose Codierung eignet sich besonders für die Erzeugung, Übertragung und Decodierung von skalierbaren Datenströmen. Es ist bekannt, daß skalierbare Datenströme verschiedene Skalierungsschichten umfassen, von denen zumindest die unterste Skalierungsschicht unabhängig von den höheren Skalierungsschichten übertragen und decodiert werden kann. Weitere Skalierungsschichten oder Enhancement Layers werden bei einer skalierbaren Verarbeitung von Daten der ersten Skalierungsschicht oder Grundlayer hinzugefügt. Ein voll ausgestatteter Codierer kann einen skalierten Datenstrom erzeugen, der eine erste Skalierungsschicht hat, und der prinzipiell beliebig viele weitere Skalierungsschichten aufweist. Ein Vorteil des Skalierungskonzepts besteht darin, daß in dem Fall, in dem ein breitbandiger Übertragungskanal zur Verfügung steht, der vom Codierer erzeugte skalierte Datenstrom komplett, also inklusive aller Skalierungsschichten über den breitbandigen Übertragungskanal übertragen werden kann. Ist dagegen lediglich ein schmalbandiger Übertragungskanal vorhanden, so kann das codierte Signal dennoch über den Übertragungskanal übertragen werden, jedoch lediglich in Form der ersten Skalierungsschicht oder einer bestimmten Anzahl von weiteren Skalierungsschichten, wobei die bestimmte Anzahl kleiner als die gesamte vom Codierer erzeugte Anzahl von Skalierungsschichten ist. Selbstverständlich kann der Codierer bereits, angepaßt auf den Kanal, mit dem er verbunden ist, die Grundskalierungsschicht oder erste Skalierungsschicht und eine vom Kanal abhängige Anzahl weiterer Skalierungsschichten erzeugen.
Auf Decodiererseite hat das skalierbare Konzept ferner den Vorteil, daß es rückwärts kompatibel ist. Dies bedeutet, daß ein Decodierer, der nur in der Lage ist, die erste Skalierungsschicht zu verarbeiten, einfach die zweite und weitere Skalierungsschichten im Datenstrom ignoriert und ein nützliches Ausgangssignal erzeugen kann. Ist der Decodierer dagegen ein typischerweise modernerer Decodierer, der mehrere Skalierungsschichten aus dem skalierten Datenstrom verarbeiten kann, so kann dieser Codierer mit demselben Datenstrom wie ein Basis-Decodierer angesprochen werden.
Bei der vorliegenden Erfindung besteht die grundsätzliche Skalierbarkeit darin, daß der Quantisierungsblock, also die Ausgabe des Bitstrom-Codierers 60a in eine erste Skalierungsschicht 81 von Fig. 8 geschrieben wird, die, wenn Fig. 6 betrachtet wird, psychoakustisch codierte Daten z.B. für einen Frame umfaßt. Die vorzugsweise Entropie-codierten Differenz-Spektralwerte, die durch die Kombinationseinrichtung 58 erzeugt werden, werden bei einfacher Skalierbarkeit in die zweite Skalierungsschicht geschrieben, die in Fig. 8a mit 82 bezeichnet ist und somit die Zusatzaudiodaten für einen Frame umfaßt.
Ist der Übertragungskanal vom Codierer zum Decodierer ein breitbandiger Übertragungskanal, so können beide Skalierungsschichten 81 und 82 zum Decodierer übertragen werden. Ist jedoch der Übertragungskanal ein schmalbandiger Übertragungskanal, in den nur die erste Skalierungsschicht "paßt", so kann einfach die zweite Skalierungsschicht vor der Übertragung vom Datenstrom entfernt werden, so daß ein Decodierer nur mit der ersten Skalierungsschicht angesprochen wird.
Auf Decodiererseite kann ein "Basis-Decodierer", der nur die psychoakustisch codierten Daten verarbeiten kann, die zweite Skalierungsschicht 82 einfach weglassen, sofern er diese über einen breitbandigen Übertragungskanal empfangen hat. Ist der Decodierer jedoch ein voll ausgestatteter Decodierer, der sowohl einen psychoakustischen Decodieralgorithmus als auch einen Ganzzahl-Decodieralgorithmus umfaßt, so kann dieser voll ausgestattete Decodierer sowohl die erste Skalierungsschicht als auch die zweite Skalierungsschicht zum Decodieren nehmen, um ein verlustlos codiertes und wieder decodiertes Ausgangssignal zu erzeugen.
Bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung werden, wie es in Fig. 8a schematisch dargestellt ist, wieder in einer ersten Skalierungsschicht die psychoakustisch codierten Daten für einen Frame sein. Die zweite-Skalierungsschicht von Fig. 8a wird nun jedoch feiner skaliert, so daß aus dieser zweiten Skalierungsschicht in Fig. 8a mehrere Skalierungsschichten entstehen, wie z.B. eine (kleinere) zweite Skalierungsschicht, eine dritte Skalierungsschicht, eine vierte Skalierungsschicht, etc.
Die von dem Addierer 58 ausgegebenen Differenz-Spektralwerte eignen sich besonders gut für eine weitere Unter-Skalierung, wie es anhand von Fig. 9 dargestellt wird. Fig. 9 stellt schematisch binär codierte Spektralwerte dar. Jede Zeile 90 in Fig. 9 stellt einen binär codierten Differenz-Spektralwert dar. In Fig. 9 sind die Differenz-Spektralwerte nach der Frequenz geordnet, wie es durch einen Pfeil 91 angedeutet ist. So hat ein Differenz-Spektralwert 92 eine höhere Frequenz als der Differenz-Spektralwert 90. Die erste Spalte des Tableaus in Fig. 9 stellt das höchstwertige Bit eines Differenz-Spektralwerts vor. Die zweite Stelle stellt das Bit mit der Wertigkeit MSB-1 dar. Die dritte Spalte stellt ein Bit mit der Wertigkeit MSB-2 dar. Die drittletzte Spalte stellt ein Bit mit der Wertigkeit LSB+2 dar. Die vorletzte Spalte stellt ein Bit mit der Wertigkeit LSB+1 dar. Schließlich stellt die letzte Spalte ein Bit mit der Wertigkeit LSB, also das niederstwertige Bit eines Differenz-Spektralwerts, dar.
Bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung wird eine Genauigkeits-Skalierung dahingehend vorgenommen, daß als zweite Skalierungsschicht die z.B. 16 höchstwertigsten Bits eines Differenz-Spektralwerts genommen werden, um dann, falls gewünscht, durch den Entropie-Codierer 60b entropie-codiert zu werden. Ein Decodierer, der die zweite Skalierungsschicht verwendet, erhält ausgangsseitig Differenz-Spektralwerte mit einer Genauigkeit von 16 Bits, so daß die zweite Skalierungsschicht zusammen mit der ersten Skalierungsschicht ein verlustlos decodiertes Audiosignal in CD-Qualität liefert. Es ist bekannt, daß Audioabtastwerte in CD-Qualität mit einer Breite von 16 Bits vorliegen.
Wird in den Codierer dagegen ein Audiosignal in Studioqualität eingespeist, also ein Audiosignal mit Abtastwerten, wobei jeder Abtastwert 24 Bits umfaßt, so kann der Codierer ferner eine dritte Skalierungsschicht erzeugen, die die letzten acht Bit eines Differenz-Spektralwerts umfaßt und ebenfalls je nach Bedarf entropie-codiert wird (Einrichtung 60 von Fig. 6).
Ein voll ausgestatteter Decodierer, der den Datenstrom mit der ersten Skalierungsschicht, der zweiten Skalierungsschicht (16 höchstwertige Bits der Differenz-Spektralwerte) und der dritten Skalierungsschicht (8 niederwertige Bits eines Differenz-Spektralwerts) erhält, so kann der Decodierer unter Verwendung aller drei Skalierungsschichten ein verlustlos codiertes/decodiertes Audiosignal in Studioqualität, also mit einer am Ausgang des Decodierers vorliegenden Wortbreite eines Abtastwerts von 24 Bits liefern.
Es sei darauf hingewiesen, daß im Studiobereich höhere Wortlängen der Abtastwerte üblich sind als im Consumer-Bereich. Im Consumer-Bereich beträgt die Wortbreite 16 Bits bei einer Audio-CD, während im Studiobereich 24 Bit oder 20 Bit eingesetzt werden.
Basierend auf dem Konzept der Skalierung im IntMDCT-Bereich können somit, wie es dargelegt worden ist, alle drei Genauigkeiten (16 Bit, 20 Bit oder 24 Bit) oder beliebige um minimal 1 Bit skalierte Genauigkeiten skalierbar codiert werden.
Hierbei wird das mit 24-Bit-Genauigkeit dargestellte Audiosignal mit Hilfe der inversen IntMDCT im ganzzahligen Spektralbereich dargestellt und mit einem Gehör angepaßt MDCT-basierten Audiocoder-Ausgangssignal skalierbar kombiniert.
Die ganzzahligen Differenzwerte, die zur verlustlosen Darstellung vorhanden sind, werden nun nicht vollständig in einer Skalierungsschicht codiert, sondern zunächst mit geringerer Genauigkeit. Erst in einer weiteren Skalierungsschicht werden die zur exakten Darstellung nötigen Restwerte übertragen. Alternativ könnte jedoch auch in einer weiteren Skalierungsschicht ein Differenz-Spektralwert insgesamt, also mit 24 Bits beispielsweise, dargestellt sein, so daß zum Decodieren dieser weiteren Skalierungsschicht die darunterliegende Skalierungsschicht nicht benötigt wird. Dieses Szenario führt jedoch insgesamt zu einer höheren Bitstromgröße, kann jedoch dann, wenn die Bandbreite des Übertragungskanals unproblematisch ist, zu einer Vereinfachung im Decodierer beitragen, da im Decodierer dann nicht mehr Skalierungsschichten kombiniert werden müssen, sondern immer eine Skalierungsschicht allein zum Decodieren ausreicht.
Werden beispielsweise die unteren acht LSB, wie es in Fig. 9 dargestellt ist, zunächst nicht übertragen, so erreicht man eine Skalierbarkeit zwischen 24 Bit und 16 Bit.
Zur Rücktransformation der mit geringerer Genauigkeit übertragenen Werte in den Zeitbereich werden die übertragenen Werte bevorzugt auf den ursprünglichen Bereich, beispielsweise 24 Bit, zurückskaliert, indem dieselben beispielsweise mit 28 multipliziert werden. Auf die entsprechend zurückskalierten Werte wird dann eine inverse IntMDCT angewandt.
Bei der erfindungsgemäßen Genauigkeitsskalierung im Frequenzbereich wird es ferner bevorzugt, auch die Redundanz in den LSBs zu nützen. Hat ein Audiosignal beispielsweise im oberen Frequenzbereich sehr wenig Energie, so äußert sich dies auch beim IntMDCT-Spektrum in sehr kleinen Werten, die beispielsweise deutlich kleiner als die z. B. bei 8 Bit möglichen Werten (-128,...,127) sind. Dies äußert sich in einer Komprimierbarkeit der LSB-Werte des IntMDCT-Spektrums. Ferner wird darauf hingewiesen, daß bei sehr kleinen Differenz-Spektralwerten typischerweise eine Anzahl von Bits von MSB bis MSB-n gleich Null sind, und daß dann erst bei einem Bit mit einer Wertigkeit MSB-n-1 die erste, führende 1 in einem binär codierten Differenz-Spektralwert auftritt. In einem solchen Fall, wenn ein Differenz-Spektralwert in der zweiten Skalierungsschicht nur Nullen umfaßt, eignet sich eine Entropie-Codierung zur weiteren Datenkomprimierung besonders gut.
Gemäß einem weiteren Ausführungsbeispiel der vorliegenden Erfindung wird für die zweite Skalierungsschicht 82 von Fig. 8a eine Abtastraten-Skalierbarkeit bevorzugt. Eine Abtastraten-Skalierbarkeit wird dadurch erreicht, daß in der zweiten Skalierungsschicht, wie es in Fig. 9 rechts dargestellt ist, die Differenz-Spektralwerte bis zu einer ersten Grenzfrequenz enthalten sind, während in einer dritten Skalierungsschicht die Differenz-Spektralwerte mit einer Frequenz zwischen der ersten Grenzfrequenz und der maximalen Frequenz enthalten sind. Natürlich kann auch eine weitere Skalierung durchgeführt werden, so daß aus dem gesamten Frequenzbereich mehrere Skalierungsschichten gemacht werden.
Bei einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung umfaßt die zweite Skalierungsschicht in Fig. 9 Differenz-Spektralwerte bis zu einer Frequenz von 24 kHz, was einer Abtastrate von 48 kHz entspricht. Die dritte Skalierungsschicht enthält dann die Differenz-Spektralwerte von 24 kHz bis 48 kHz, was einer Abtastrate von 96 kHz entspricht.
Es sei ferner darauf hingewiesen, daß in der zweiten Skalierungsschicht und der dritten Skalierungsschicht nicht notwendigerweise sämtliche Bits eines Differenz-Spektralwertes codiert sein müssen. So könnten in einer weiteren Form der kombinierten Skalierbarkeit die zweite Skalierungsschicht, die Bits MSB bis MSB-x der Differenz-Spektralwerte bis zu einer bestimmten Grenzfrequenz umfassen. Eine dritte Skalierungsschicht könnte dann die Bits MSB bis MSB-x der Differenz-Spektralwerte von der ersten Grenzfrequenz bis zur maximalen Frequenz umfassen. Eine vierte Skalierungsschicht könnte dann die restlichen Bits für die Differenz-Spektralwerte bis zur Grenzfrequenz umfassen. Die letzte Skalierungsschicht könnte dann die restlichen Bits der Differenz-Spektralwerte für die oberen Frequenzen umfassen. Dieses Konzept wird zu einer Aufteilung des Tableaus in Fig. 9 in vier Quadranten führen, wobei jeder Quadrant eine Skalierungsschicht darstellt.
Bei der frequenzmäßigen Skalierbarkeit wird bei einem bevorzugtem Ausführungsbeispiel der vorliegenden Erfindung eine Skalierbarkeit zwischen 48 kHz und 96 kHz Abtastrate beschrieben. Das 96 kHz-Abtastsignal wird im IntMDCT-Bereich in der verlustlosen Erweiterungsschicht zunächst nur bis zu Hälfte codiert und übertragen. Falls der obere Teil nicht zusätzlich übertragen wird, wird er im Decodierer zu Null angenommen. Bei der inversen IntMDCT (gleiche Länge wie im Encoder) entsteht dann ein 96 kHz-Signal, das im oberen Frequenzbereich keine Energie enthält und daher ohne Qualitätsverluste auf 48 kHz unter-abgetastet werden kann.
Die vorstehende Skalierung der Differenz-Spektralwerte in Quadranten von Fig. 9 mit festen Grenzen ist hinsichtlich der Größe der Skalierungsschichten günstig, da in einer Skalierungsschicht tatsächlich lediglich z. B. 16 Bits bzw. 8 Bits oder die Spektralwerte bis zu der Grenzfrequenz bzw. über der Grenzfrequenz enthalten sein müssen.
Eine alternative Skalierung besteht darin, die Quadrantengrenzen in Fig. 9 gewissermaßen "aufzuweichen". Am Beispiel der Frequenzskalierbarkeit würde das bedeuten, nicht einen sogenannten "Brickwall-Tiefpaß" anzuwenden, dahingehend, daß die Differenz-Spektralwerte vor einer Grenzfrequenz unverändert sind und nach der Grenzfrequenz gleich Null sind. Stattdessen könnten die Differenz-Spektralwerte auch mit irgendeinem beliebigen Tiefpaß gefiltert sein, der die Spektralwerte unterhalb der Grenzfrequenz schon etwas beeinträchtigt, aber oberhalb der Grenzfrequenz dazu führt, daß hier ebenfalls noch Energie vorhanden ist, obgleich die Differenz-Spektralwerte energiemäßig abnehmend sind. In einer solchermaßen erzeugten Skalierungsschicht sind dann auch Spektralwerte oberhalb der Grenzfrequenz enthalten. Da diese Spektralwerte jedoch relativ klein sind, sind sie durch eine Entropie-Codierung effizient codierbar. Die höchste Skalierungsschicht hätte in diesem Fall die Differenz zwischen den kompletten Differenz-Spektralwerten und den in der zweiten Skalierungsschicht enthaltenen Spektralwerten.
Ähnlich kann auch die Genauigkeitsskalierung gewissermaßen aufgeweicht werden. So kann die erste Skalierungsschicht auch Spektralwerte mit z. B. mehr als 16 Bit haben, wobei nächste Skalierungsschicht dann noch die Differenz hat. Allgemein gesagt hat die zweite Skalierungsschicht somit die Differenz-Spektralwerte mit geringerer Genauigkeit, während in der nächsten Skalierungsschicht der Rest, also die Differenz zwischen den kompletten Spektralwerten und den in der zweiten Skalierungsschicht enthaltenen Spektralwerten übertragen wird. Damit wird eine variable Genauigkeitsreduzierung erreicht.
Das erfindungsgemäße Verfahren zum Codieren bzw. Decodieren ist vorzugsweise auf einem digitalen Speichermedium, wie z. B. einer Diskette, mit elektronisch auslesbaren Steuersignalen gespeichert, wobei die Steuersignale so mit einem programmierbaren Computersystem zusammenarbeiten können, dass das Codier- und/oder Decodierverfahren ausgeführt werden kann/können. In anderen Worten ausgedrückt liegt also ein Computer-Programm-Produkt mit auf einem maschinenlesbaren Träger gespeichertem Programmcode zur Durchführen des Codierverfahrens und/oder des Decodierverfahrens vor, wenn das Programmprodukt auf einem Rechner abläuft. Die erfindungsgemäßen Verfahren können also in einem Computer-Pogramm mit einem Programmcode zur Durchführen der erfindungsgemäßen Verfahren, wenn das Programm auf einem Computer abläuft, realisiert sein.
Im nachfolgenden wird als Beispiel für einen ganzzahligen Transformationsalgorithmus auf den IntMDCT-Transformationsalgorithmus eingegangen, der in "Audio Coding Based on Integer Transforms" 111-te AES-Versammlung, New York, 2001, beschrieben ist. Die IntMDCT ist besonders günstig, da sie die attraktiven Eigenschaften der MDCT hat, wie z. B. eine gute spektrale Darstellung des Audiosignals, eine kritische Abtastung und eine Blocküberlappung aufweist. Die gute Approximation der MDCT durch eine IntMDCT erlaubt es ferner, bei dem in Fig. 5 gezeigten Codierer nur einen Transformationsalgorithmus zu verwenden, wie es durch einen Pfeil 62 in Fig. 5 dargestellt ist. Anhand der Fig. 1 bis 4 werden die wesentlichen Eigenschaften dieser speziellen Form eines ganzzahligen Transformationsalgorithmus erklärt.
Fig. 1 zeigt ein Übersichtsdiagramm für die erfindungsgemäß bevorzugte Vorrichtung zum Verarbeiten von zeitdiskreten Abtastwerten, die ein Audiosignal darstellen, um ganzzahlige Werte zu erhalten, auf denen aufbauend der Int-MDCT-Ganzzahl-Transformationsalgorithmus arbeitet. Die zeitdiskreten Abtastwerte werden durch die in Fig. 1 gezeigte Vorrichtung gefenstert und optional in eine spektrale Darstellung umgesetzt. Die zeitdiskreten Abtastwerte, die an einem Eingang 10 in die Vorrichtung eingespeist werden, werden mit einem Fenster w mit einer Länge, die 2N zeitdiskreten Abtastwerten entspricht, gefenstert, um an einem Ausgang 12 ganzzahlige gefensterte Abtastwerte zu erreichen, welche dazu geeignet sind, um mittels einer Transformation und insbesondere der Einrichtung 14 zum Ausführen einer ganzzahligen DCT in eine spektrale Darstellung umgesetzt zu werden. Die ganzzahlige DCT ist ausgebildet, um aus N Eingangswerten N Ausgangswerte zu erzeugen, was im Gegensatz zu der MDCT-Funktion 408 von Fig. 4a steht, die aus 2N gefensterten Abtastwerten aufgrund der MDCT-Gleichung lediglich N Spektralwerte erzeugt.
Zum Fenstern der zeitdiskreten Abtastwerte werden zunächst in einer Einrichtung 16 zwei zeitdiskrete Abtastwerte ausgewählt, die zusammen einen Vektor von zeitdiskreten Abtastwerten darstellen. Ein zeitdiskreter Abtastwert, der durch die Einrichtung 16 ausgewählt wird, liegt im ersten Viertel des Fensters. Der andere zeitdiskrete Abtastwert liegt in dem zweiten Viertel des Fensters, wie es anhand von Fig. 3 noch detaillierter ausgeführt wird. Der durch die Einrichtung 16 erzeugte Vektor wird nunmehr mit einer Drehmatrix der Dimension 2 x 2 beaufschlagt, wobei diese Operation nicht unmittelbar durchgeführt wird, sondern mittels mehrerer sogenannten Lifting-Matrizen.
Eine Lifting-Matrix hat die Eigenschaft, daß sie nur ein Element aufweist, das von dem Fenster w abhängt und ungleich "1" oder "0" ist.
Die Faktorisierung von Wavelet-Transformationen in Lifting-Schritte ist in der Fachveröffentlichung "Factoring Wavlet Transforms Into Lifting Steps", Ingrid Daubechies und Wim Sweldens, Preprint, Bell Laboratories, Lucent Technologies, 1996, dargestellt. Allgemein ist ein Lifting-Schema eine einfache Beziehung zwischen perfekt rekonstruierenden Filterpaaren, die dasselbe Tiefpaß- oder Hochpaßfilter haben. Jedes Paar komplementärer Filter kann in Lifting-Schritte faktorisiert werden. Insbesondere gilt dies für Givens Rotationen. Es sei der Fall betrachtet, bei dem die Polyphasenmatrix eine Givens-Rotation ist. Es gilt dann:
Figure 00320001
Jede der drei rechts des Gleichheitszeichens stehenden Lifting-Matrizen hat als Hauptdiagonalelemente den Wert "1". Ferner ist in jeder Lifting-Matrix ein Nebendiagonalelement gleich 0, und ein Nebendiagonalelement vom Drehwinkel α abhängig.
Der Vektor wird nunmehr mit der dritten Lifting-Matrix, d. h. der Liftingmatrix ganz rechts in obiger Gleichung, multipliziert, um einen ersten Ergebnisvektor zu erhalten. Dies ist in Fig. 1 durch eine Einrichtung 18 dargestellt. Es wird nunmehr der erste Ergebnisvektor mit einer beliebigen Rundungsfunktion, die die Menge der reellen Zahlen in die Menge der ganzen Zahlen abbildet, gerundet, wie es in Fig. 1 durch eine Einrichtung 20 dargestellt ist. Am Ausgang der Einrichtung 20 wird ein gerundeter erster Ergebnisvektor erhalten. Der gerundete erste Ergebnisvektor wird nunmehr in eine Einrichtung 22 zum Multiplizieren desselben mit der mittleren, d. h. zweiten, Lifting-Matrix eingespeist, um einen zweiten Ergebnisvektor zu erhalten, der in einer Einrichtung 24 wiederum gerundet wird, um einen gerundeten zweiten Ergebnisvektor zu erhalten. Der gerundete zweite Ergebnisvektor wird nunmehr in eine Einrichtung 26 eingespeist, und zwar zum Multiplizieren desselben mit der links in der obigen Gleichung aufgeführten, d. h. ersten, Liftingmatrix, um einen dritten Ergebnisvektor zu erhalten, der schließlich noch mittels einer Einrichtung 28 gerundet wird, um schließlich an dem Ausgang 12 ganzzahlige gefensterte Abtastwerte zu erhalten, die nun, wenn eine spektrale Darstellung derselben gewünscht wird, durch die Einrichtung 14 verarbeitet werden müssen, um an einem Spektralausgang 30 ganzzahlige Spektralwerte zu erhalten.
Vorzugsweise ist die Einrichtung 14 als Ganzzahl-DCT oder Integer-DCT ausgeführt.
Die diskrete Kosinus-Transformation gemäß Typ 4 (DCT-IV) mit einer Länge N ist durch folgende Gleichung gegeben:
Figure 00330001
Die Koeffizienten der DCT-IV bilden eine orthonormale N x N Matrix. Jede orthogonale N x N-Matrix kann in N (N-1)/2 Givens-Rotationen zerlegt werden, wie es in der Fachveröffentlichung P. P. Vaidyanathan, "Multirate Systems And Filter Banks", Prentice Hall, Englewood Cliffs, 1993, ausgeführt ist. Es sei darauf hingewiesen, daß auch weitere Zerlegungen existieren.
Bezüglich der Klassifikationen der verschiedenen DCT-Algorithmen sei auf H. S. Malvar, "Signal Processing With Lapped Transforms", Artech House, 1992, verwiesen. Allgemein unterscheiden sich die DCT-Algorithmen durch die Art ihrer Basisfunktionen. Während die DCT-IV, die hier bevorzugt wird, nicht-symmetrische Basisfunktionen umfaßt, d. h. eine Kosinus-Viertelwelle, eine Cosinus-3/4-Welle, eine Cosinus-5/4-Welle, eine Cosinus-7/4-Welle, etc., hat die diskrete Kosinustransformation z. B. vom Typ II (DCT-II), achsensymmetrische und punktsymmetrische Basisfunktionen. Die 0-te Basisfunktion hat einen Gleichanteil, die erste Basisfunktion ist eine halbe Kosinuswelle, die zweite Basisfunktion ist eine ganze Kosinuswelle, usw. Aufgrund der Tatsache, daß die DCT-II den Gleichanteil besonders berücksichtigt, wird sie bei der Videocodierung verwendet, nicht aber bei der Audiocodierung, da bei der Audiocodierung im Gegensatz zur Videocodierung der Gleichanteil nicht von Relevanz ist.
Im nachfolgend wird darauf eingegangen, wie der Drehwinkel α der Givens-Rotation von der Fensterfunktion abhängt.
Eine MDCT mit einer Fensterlänge von 2N kann in eine diskrete Kosinustransformation vom Typ IV mit einer Länge N reduziert werden. Dies wird dadurch erreicht, daß die TDAC-Operation explizit im Zeitbereich durchgeführt wird, und daß dann die DCT-IV angewandt wird. Bei einer 50%igen Überlappung überlappt die linke Hälfte des Fensters für einen Block t mit der rechten Hälfte des vorausgehenden Blocks, d. h. des Blocks t-1. Der überlappende Teil zwei aufeinanderfolgender Blöcke t-1 und t wird im Zeitbereich, d. h. vor der Transformation, folgendermaßen vorverarbeitet, d. h. zwischen dem Eingang 10 und dem Ausgang 12 von Fig. 1 verarbeitet:
Figure 00350001
Die mit der Tilde bezeichneten Werte sind die Werte am Ausgang 12 von Fig. 1, während die ohne Tilde in der obigen Gleichung bezeichnete x Werte die Werte am Eingang 10 bzw. hinter der Einrichtung 16 zum Auswählen sind. Der Laufindex k läuft von 0 bis N/2-1, während w die Fensterfunktion darstellt.
Aus der TDAC-Bedingung für die Fensterfunktion w gilt folgender Zusammenhang:
Figure 00350002
Für bestimmte Winkel αk, k = 0, ..., N/2-1 kann diese Vorverarbeitung im Zeitbereich als Givens-Rotation geschrieben werden, wie es ausgeführt worden ist.
Der Winkel α der Givens-Rotation hängt folgendermaßen von der Fensterfunktion w ab: □ = arctan[w(N/2-1-k) / w(N/2 + k)]
Es sei darauf hingewiesen, daß beliebige Fensterfunktionen w eingesetzt werden können, solange sie diese TDAC-Bedingung erfüllen.
Im nachfolgenden wird anhand von Fig. 2 ein kaskadierter Codierer und Decodierer beschrieben. Die zeitdiskreten Abtastwerte x(0) bis x(2N-1), die durch ein Fenster gemeinsam "gefenstert" werden, werden zunächst derart durch die Einrichtung 16 von Fig. 1 ausgewählt, daß der Abtastwert x(0) und der Abtastwert x(N-1), d. h. ein Abtastwert aus dem ersten Viertel des Fensters und ein Abtastwert aus dem zweiten Viertel des Fensters, ausgewählt werden, um den Vektor am Ausgang der Einrichtung 16 zu bilden. Die sich überkreuzenden Pfeile stellen schematisch die Lifting-Multiplikationen und anschließenden Rundungen der Einrichtungen 18, 20 bzw. 22, 24 bzw. 26, 28 dar, um am Eingang der DCT-IV-Blöcke die ganzzahligen gefensterten Abtastwerte zu erhalten.
Wenn der erste Vektor wie oben beschrieben verarbeitet ist, wird ferner ein zweiter Vektor aus den Abtastwerten x(N/2-1) und x(N/2), d. h. wieder ein Abtastwert aus dem ersten Viertel des Fenster und ein Abtastwert aus dem zweiten Viertel des Fensters, ausgewählt und wiederum durch den in Fig. 1 beschriebenen Algorithmus verarbeitet. Analog dazu werden sämtliche anderen Abtastwertpaare aus dem ersten und zweiten Viertel des Fensters bearbeitet. Die selbe Verarbeitung wird für das dritte und vierte Viertel des ersten Fensters durchgeführt. Nunmehr liegen am Ausgang 12 2N gefensterte ganzzahlige Abtastwerte vor, die nunmehr so, wie es in Fig. 2 dargestellt ist, in eine DCT-IV-Transformation eingespeist werden. Insbesondere werden die ganzzahligen gefensterten Abtastwerte des zweiten und dritten Viertels in eine DCT eingespeist. Die gefensterten ganzzahligen Abtastwerte des ersten Viertels des Fensters werden in eine vorausgehende DCT-IV zusammen mit den gefensterten ganzzahligen Abtastwerten des vierten Viertels des vorausgehenden Fensters verarbeitet. Analog dazu wird das vierte Viertel der gefensterten ganzzahligen Abtastwerte in Fig. 2 mit dem ersten Viertel des nächsten Fensters zusammen in eine DCT-IV-Transformation eingespeist. Die mittlere in Fig. 2 gezeigte ganzzahlige DCT-IV-Transformation 32 liefert nunmehr N ganzzahlige Spektralwerte y(0) bis y(N-1). Diese ganzzahligen Spektralwerte können nunmehr beispielsweise einfach Entropie-codiert werden, ohne daß eine dazwischenliegende Quantisierung erforderlich ist, da die Fensterung und Transformation ganzzahlige Ausgangswerte liefert.
In der rechten Hälfte von Fig. 2 ist ein Decodierer dargestellt. Der Decodierer bestehend aus Rücktransformation und "inverser Fensterung" arbeitet invers zum Codierer. Es ist bekannt, daß zur Rücktransformation einer DCT-IV eine inverse DCT-IV verwendet werden kann, wie es in Fig. 2 dargestellt ist. Die Ausgangswerte der Decodierer-DCT-IV 34 werden nunmehr, wie es in Fig. 2 dargestellt ist, mit den entsprechenden Werten der vorausgehenden Transformation bzw. der nachfolgenden Transformation invers verarbeitet, um aus den ganzzahligen gefensterten Abtastwerten am Ausgang der Einrichtung 34 bzw. der vorausgehenden und nachfolgenden Transformation wieder zeitdiskrete Audio-Abtastwerte x(0) bis x(2N-1) zu erzeugen.
Die ausgangsseitige Operation geschieht durch eine inverse Givens-Rotation, d. h. derart, daß die Blöcke 26, 28 bzw. 22, 24 bzw. 18, 20 in der entgegengesetzten Richtung durchlaufen werden. Dies sei anhand der zweiten Lifting-Matrix von Gleichung 1 näher dargestellt. Wenn (im Codierer) der zweite Ergebnisvektor durch Multiplikation des gerundeten ersten Ergebnisvektors mit der zweiten Liftingmatrix (Einrichtung 22) gebildet wird, so ergibt sich folgender Ausdruck: (x,y)↦(x,y + xsin α)
Die Werte x, y auf der rechten Seite von Gleichung 6 sind Ganzzahlen. Dies trifft jedoch für den Wert x sin α nicht zu. Hier muß die Rundungsfunktion r eingeführt werden, wie es in der nachfolgenden Gleichung (x,y)↦(x,y + r(xsinα)) dargestellt ist. Diese Operation führt die Einrichtung 24 aus.
Die inverse Abbildung (im Decodierer) ist folgendermaßen definiert: (x',y')↦(x',y'-r(x'sinα))
Aufgrund dem Minuszeichens vor der Rundungsoperation wird ersichtlich, daß die ganzzahlige Approximierung des Lifting-Schritts umgekehrt werden kann, ohne daß ein Fehler eingeführt wird. Die Anwendung dieser Approximation auf jeden der drei Lifting-Schritte führt zu einer ganzzahligen Approximation der Givens-Rotation. Die gerundete Rotation (im Codierer) kann umgekehrt werden (im Decodierer), ohne daß ein Fehler eingeführt wird, und zwar indem die inversen gerundeten Lifting-Schritte in umgekehrter Reihenfolge durchlaufen werden, d. h. wenn beim Decodieren der Algorithmus von Fig. 1 von unten nach oben durchgeführt wird.
Wenn die Rundungsfunktion r punktsymmetrisch ist, ist die inverse gerundete Rotation identisch zu der gerundeten Rotation mit dem Winkel -α und lautet folgendermaßen:
Figure 00390001
Die Lifting-Matrizen für den Decodierer, d. h. für die inverse Givens-Rotation, ergibt sich in diesem Fall unmittelbar aus Gleichung (1), indem lediglich der Ausdruck "sin" durch den Ausdruck "-sin α" ersetzt wird.
Im nachfolgenden wird anhand von Fig. 3 noch einmal die Zerlegung einer üblichen MDCT mit überlappenden Fenstern 40 bis 46 dargelegt. Die Fenster 40 bis 46 überlappen jeweils zu 50%. Pro Fenster werden zunächst Givens-Rotationen innerhalb des ersten und zweiten Viertels eines Fensters bzw. innerhalb des dritten und vierten Viertels eines Fensters ausgeführt, wie es durch die Pfeile 48 schematisch dargestellt ist. Dann werden die rotierten Werte, d. h. die gefensterten ganzzahligen Abtastwerte derart in eine N-zu-N-DCT eingespeist, daß immer das zweite und dritte Viertel eines Fensters bzw. das vierte und erste Viertel eines darauffolgenden Fensters gemeinsam mittels eines DCT-IV-Algorithmus in eine spektrale Darstellung umgesetzt wird.
Es werden daher die üblichen Givens-Rotation in Lifting-Matrizen zerlegt, die sequentiell ausgeführt werden, wobei nach jeder Lifting-Matrix-Multiplikation ein Rundungsschritt eingeführt wird, derart, daß die Gleitkomma-Zahlen unmittelbar nach ihrer Entstehung gerundet werden, derart, daß vor jeder Multiplikation eines Ergebnisvektors mit einer Lifting-Matrix der Ergebnisvektor lediglich Ganzzahlen hat.
Die Ausgangswerte bleiben also immer ganzzahlig, wobei es bevorzugt wird, auch ganzzahlige Eingangswerte zu verwenden. Dies stellt keine Einschränkung dar, da jegliche beispielsweise PCM-Abtastwerte, wie sie auf einer CD abgespeichert sind, ganzzahlige Zahlenwerte sind, deren Wertebereich je nach Bitbreite variiert, d. h. abhängig davon, ob die zeitdiskreten digitalen Eingangswerte 16-Bit-Werte oder 24-Bit-Werte sind. Dennoch ist, wie es ausgeführt worden ist, der gesamte Prozeß invertierbar, indem die inversen Rotationen in umgekehrter Reihenfolge ausgeführt werden. Es existiert somit eine ganzzahlige Approximation der MDCT mit perfekter Rekonstruktion, also eine verlustlose Transformation.
Die gezeigte Transformation liefert ganzzahlige Ausgangswerte statt Gleitkommawerte. Sie liefert eine perfekte Rekonstruktion, so daß kein Fehler eingeführt wird, wenn eine Vorwärts- und dann eine Rückwärtstransformation ausgeführt werden. Die Transformation ist gemäß einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung ein Ersatz für die modifizierte diskrete Cosinustransformation. Auch andere Transformationsverfahren können jedoch ganzzahlig ausgeführt werden, so lange eine Zerlegung in Rotationen und eine Zerlegung der Rotationen in Lifting-Schritte möglich ist.
Die ganzzahlige MDCT hat die meisten günstigen Eigenschaften der MDCT. Sie hat eine überlappende Struktur, wodurch eine bessere Frequenzselektivität als bei nichtüberlappenden Blocktransformationen erhalten wird. Aufgrund der TDAC-Funktion, die bereits beim Fenstern vor der Transformation berücksichtigt wird, wird eine kritische Abtastung beibehalten, so daß die Gesamtanzahl von Spektralwerten, die ein Audiosignal darstellen, gleich der Gesamtanzahl von Eingangs-Abtastwerten ist.
Verglichen mit einer normalen MDCT, die Gleitkomma-Abtastwerte liefert, zeigt sich bei der beschriebenen bevorzugten ganzzahligen Transformation, daß lediglich in dem Spektralbereich, in dem wenig Signalpegel ist, das Rauschen im Vergleich zur normalen MDCT erhöht ist, während sich diese Rauscherhöhung bei signifikanten Signalpegeln nicht bemerkbar macht. Dafür bietet sich die ganzzahlige Verarbeitung für eine effiziente Hardware-Implementation an, da lediglich Multiplikationsschritte verwendet werden, die ohne weiteres in Verschieben-Addieren-Schritte (Shift/Add-Schritte) zerlegt werden können, welche einfach und schnell hardwaremäßig implementiert werden können. Selbstverständlich ist auch eine Software-Implementation möglich.
Die ganzzahlige Transformation liefert eine gute spektrale Darstellung des Audiosignals und bleibt dennoch im Bereich der ganzen Zahlen. Wenn sie auf tonale Teile eines Audiosignals angewandt wird, resultiert dies in einer guten E-nergiekonzentrierung. Damit kann ein effizientes verlustloses Codierschema aufgebaut werden, indem einfach die in Fig. 1 dargestellte Fensterung/Transformation mit einem Entropiecodierer kaskadiert wird. Insbesondere ein gestapeltes Codieren (Stacked Coding) unter Verwendung von Escape-Werten, wie es in MPEG AAC eingesetzt wird, ist günstig. Es wird bevorzugt, alle Werte um eine bestimmte Potenz von zwei herunterzuskalieren, bis sie in eine erwünschte Codetabelle passen, und dann die weggelassenen niederstwertigen Bits zusätzlich zu codieren. Im Vergleich zu der Alternative der Verwendung von größeren Codetabellen ist die beschriebene Alternative hinsichtlich des Speicherverbrauchs zum Speichern der Codetabellen günstiger. Ein nahezu verlustloser Codierer könnte auch dadurch erhalten werden, daß einfach bestimmte der niederstwertigen Bits weggelassen werden.
Insbesondere für tonale Signale ermöglicht eine Entropie-Codierung der ganzzahligen Spektralwerte einen hohen Codiergewinn. Für transiente Teile des Signals ist der Coergewinn niedrig, und zwar aufgrund des flachen Spektrums transienter Signale, d. h. aufgrund einer geringen Anzahl von Spektralwerten, die gleich oder nahezu 0 sind. Wie es in J. Herre, J. D. Johnston: "Enhancing the Performance of Perceptual Audio Coders by Using Temporal Noise Shaping (TNS)" 101. AES Convention, Los Angeles, 1996, Preprint 4384, beschrieben ist, kann diese Flachheit jedoch verwendet werden, indem eine lineare Prädiktion im Frequenzbereich verwendet wird. Eine Alternative ist eine Prädiktion mit offener Schleife. Eine andere Alternative ist der Prädiktor mit geschlossener Schleife. Die erste Alternative, d. h. der Prädiktor mit offener Schleife, wird TNS genannt. Die Quantisierung nach der Prädiktion führt zu einer Adaption des resultierenden Quantisierungsrauschens an die zeitliche Struktur des Audiosignals und verhindert daher Vorechos in psychoakustischen Audiocodierern. Für ein verlustloses Audiocodieren ist die zweite Alternative, d. h. mit einem Prädiktor mit geschlossener Schleife, geeigneter, da die Prädiktion mit geschlossener Schleife eine genaue Rekonstruktion des Eingangssignals erlaubt. Wenn diese Technik auf ein erzeugtes Spektrum angewendet wird, muß ein Rundungsschritt nach jedem Schritt des Prädiktionsfilters durchgeführt werden, um im Bereich der Ganzzahlen zu bleiben. Durch Verwenden des inversen Filters und derselben Rundungsfunktion kann das ursprüngliche Spektrum genau wieder hergestellt werden.
Um die Redundanz zwischen zwei Kanälen zur Datenreduktion auszunutzen, kann auch eine Mitte-Seite-Codierung verlustlos eingesetzt werden, wenn eine gerundete Rotation mit einem Winkel □/4 verwendet wird. Im Vergleich zur Alternative des Berechnens der Summe und Differenz des linken und rechten Kanals eines Stereosignals hat die gerundete Rotation den Vorteil der Energieerhaltung. Die Verwendung sogenannter Joint-Stereo-Codiertechniken kann für jedes Band ein- oder ausgeschaltet werden, wie es auch im Standard MPEG AAC durchgeführt wird. Weitere Drehwinkel können ebenfalls berücksichtigt werden, um eine Redundanz zwischen zwei Kanälen flexibler reduzieren zu können.

Claims (33)

  1. Vorrichtung zum Codieren eines zeitdiskreten Audiosignals, um codierte Audiodaten zu erhalten, mit folgenden Merkmalen:
    einer Einrichtung (52) zum Liefern eines Quantisierungs-Blocks von unter Verwendung eines psychoakustischen Modells (54) quantisierten Spektralwerten des zeitdiskreten Audiosignals;
    einer Einrichtung (58) zum inversen Quantisieren des Quantisierungsblocks und zum Runden der invers quantisierten Spektralwerte, um einen Rundungs-Block von gerundeten invers quantisierten Spektralwerten zu erhalten;
    einer Einrichtung (56) zum Erzeugen eines Ganzzahl-Blocks von ganzzahligen Spektralwerten unter Verwendung eines Ganzzahl-Transformationsalgorithmus, der ausgebildet ist, um aus einem Block von ganzzahligen zeitdiskreten Abtastwerten den Ganzzahl-Block von Spektralwerten zu erzeugen;
    eine Kombinationseinrichtung (58) zum Bilden eines Differenz-Blocks, der von einer spektralwertweisen Differenz zwischen dem Rundungs-Block und dem Ganzzahl-Block abhängt, um einen Differenz-Block mit Differenz-Spektralwerten zu erhalten; und
    einer Einrichtung (60) zum Verarbeiten des Quantisierungs-Blocks und des Differenz-Blocks, um codierte Audiodaten zu erzeugen, die Informationen über den Quantisierungs-Block und Informationen über den Differenz-Block umfassen.
  2. Vorrichtung nach Anspruch 1, bei der die Einrichtung (52) zum Liefern ausgebildet ist,
    um aus einem Zeit-Block von zeitlichen Audiosignalwerten mittels einer MDCT einen MDCT-Block von MDCT-Spektralwerten zu erzeugen, und
    um den MDCT-Block unter Verwendung eines psychoakustischen Modells zu quantisieren, um den Quantisierungs-Block zu erzeugen, der quantisierte MDCT-Spektralwerte aufweist.
  3. Vorrichtung nach Anspruch 2,
    bei der die Einrichtung (56) zum Erzeugen des Ganzzahl-Blocks ausgebildet ist, um eine IntMDCT auf den Zeit-Block auszuführen, um den Ganzzahl-Block zu erzeugen, der IntMDCT-Spektralwerte aufweist.
  4. Vorrichtung nach einem der vorhergehenden Ansprüche,
    bei der die Einrichtung (52) zum Liefern ausgebildet ist, um unter Verwendung eine Gleitkomma-Transformationsalgorithmus den Quantisierungs-Block zu berechnen.
  5. Vorrichtung nach einem der Ansprüche 1 bis 3,
    bei der die Einrichtung (52) zum Liefern ausgebildet ist, um den Quantisierungs-Block unter Verwendung des von der Einrichtung (56) zum Erzeugen erzeugten Ganzzahl-Blocks zu berechnen.
  6. Vorrichtung nach einem der vorhergehenden Ansprüche,
    bei der die Einrichtung (60) zum Verarbeiten ausgebildet ist, um den Quantisierungs-Block einer Entropie-Codierung zu unterziehen (60a), um einen Entropie-codierten Quantisierungs-Block zu erhalten,
    um den Rundungs-Block einer Entropie-Codierung zu unterziehen (60b), um einen Entropie-codierten Rundungs-Block zu erhalten, und
    um den Entropie-codierten Quantisierungs-Block in eine erste Skalierungsschicht eines skalierten Datenstroms, der die codierten Audiodaten darstellt, zu überführen, und um den Entropie-codierten Rundungs-Block in eine zweite Skalierungsschicht des skalierten Datenstroms zu überführen.
  7. Vorrichtung nach Anspruch 6,
    bei der die Einrichtung (60) zum Verarbeiten ferner ausgebildet ist, um für die Entropie-Codierung des Quantisierungs-Blocks eine aus einer Mehrzahl von Codetabellen abhängig von den quantisierten Spektralwerten zu verwenden, und
    bei der die Einrichtung (60) zum Verarbeiten ferner ausgebildet ist, um für die Entropie-Codierung des Differenz-Blocks eine aus einer Mehrzahl von Codetabellen abhängig von einer Eigenschaft eines Quantisierers auszuwählen, der bei einer Quantisierung zum Erzeugen des Quantisierungs-Blocks verwendbar ist.
  8. Vorrichtung nach einem der vorhergehenden Ansprüche,
    bei der die Einrichtung (52) zum Liefern ausgebildet ist, um abhängig von einer Beschaffenheit des Audiosignals eines einer Mehrzahl von Fenstern zum Fenstern eines zeitlichen Blocks von Audiosignalwerten zu verwenden, und
    bei der die Einrichtung (56) zum Erzeugen ausgebildet ist, um für den ganzzahligen Transformationsalgorithmus dieselbe Fensterauswahl zu treffen.
  9. Vorrichtung nach einem der Ansprüche 1 bis 8,
    bei der die Einrichtung zum Erzeugen ausgebildet ist, um einen ganzzahligen Transformationsalgorithmus zu verwenden, der folgende Schritte aufweist:
    Fenstern der zeitdiskreten Abtastwerte mit einem Fenster (w) mit einer Länge, die 2N zeitdiskreten Abtastwerten entspricht, um gefensterte zeitdiskrete Abtastwerte für eine Umsetzung der zeitdiskreten Abtastwerte in eine spektrale Darstellung mittels einer Transformation zu liefern, die aus N Eingangswerten N Ausgangswerte erzeugen kann, wobei das Fenstern folgende Teilschritte aufweist:
    Auswählen (16) eines zeitdiskreten Abtastwerts aus einem Viertel des Fensters und eines zeitdiskreten Abtastwerts aus einem anderen Viertel des Fensters, um einen Vektor von zeitdiskreten Abtastwerten zu erhalten;
    Beaufschlagen des Vektors mit einer quadratischen Drehmatrix, deren Dimension mit der Dimension des Vektors übereinstimmt, wobei die Drehmatrix durch eine Mehrzahl von Lifting-Matrizen darstellbar ist, wobei eine Lifting-Matrix nur ein Element aufweist, das von dem Fenster (w) abhängt und ungleich 1 oder 0 ist, wobei der Teilschritt des Beaufschlagens folgende Unterschritte aufweist:
    Multiplizieren (18) des Vektors mit einer Lifting-Matrix, um einen ersten Ergebnisvektor zu erhalten;
    Runden (20) einer Komponente des ersten Ergebnisvektors mit einer Rundungsfunktion (r), die eine reelle Zahl auf eine ganze Zahl abbildet, um einen gerundeten ersten Ergebnisvektor zu erhalten; und
    sequentielles Durchführen der Schritte des Multiplizierens (22) und Rundens (24) mit einer anderen Lifting-Matrix, bis alle Lifting-Matrizen abgearbeitet sind, um einen gedrehten Vektor zu erhalten, der einen ganzzahligen gefensterten Abtastwert aus dem Viertel des Fensters und einen ganzzahligen gefensterten Abtastwert aus dem anderen Viertel des Fensters aufweist, und
    Durchführen des Schritt des Fensterns für alle zeitdiskreten Abtastwerte der verbleibenden Viertel des Fensters, um 2N gefilterte ganzzahlige Abtastwerte zu erhalten; und
    Umsetzen (14) von N gefensterten ganzzahligen Abtastwerten in eine spektrale Darstellung durch eine Ganzzahl-DCT für Werte mit den gefilterten ganzzahligen Abtastwerten des zweiten Viertels und des dritten Viertels des Fensters, um N ganzzahlige Spektralwerte zu erhalten.
  10. Vorrichtung nach einem der vorhergehenden Ansprüche,
    bei der die Einrichtung (52) zum Liefern des Quantisierungs-Blocks ausgebildet ist, um vor einem Quantisierungsschritt (52b) eine Prädiktion von Spektralwerten über der Frequenz unter Verwendung eines Prädiktionsfilters durchzuführen, um Prädiktionsrestspektralwerte zu erhalten, die nach einer Quantisierung den Quantisierungs-Block darstellen;
    bei der ferner eine Prädiktionseinrichtung vorgesehen ist, die ausgebildet ist, um eine Prädiktion über der Frequenz der ganzzahligen Spektralwerte des Ganzzahl-Blocks durchzuführen, wobei ferner eine Rundungseinrichtung vorgesehen ist, um Prädiktionsrestspektralwerte aufgrund der Ganzzahl-Spektralwerte zu runden, die den Rundungs-Block darstellen.
  11. Verfahren nach einem der vorhergehenden Ansprüche,
    bei der das zeitdiskrete Audiosignal zumindest zwei Kanäle aufweist,
    bei der die Einrichtung (52) zum Liefern ausgebildet ist, um eine Mitte/Seite-Codierung mit Spektralwerten des zeitdiskreten Audiosignals durchzuführen, um nach einer Quantisierung von Mitte/Seite-Spektralwerten den Quantisierungs-Block zu erhalten, und
    bei der die Einrichtung (56) zum Erzeugen des Ganzzahl-Blocks ausgebildet ist, um ebenfalls eine Mitte/Seite-Codierung durchzuführen, die der Mitte/Seite-Codierung der Einrichtung (52) zum Liefern entspricht.
  12. Vorrichtung nach einem der vorhergehenden Ansprüche,
    bei der die Einrichtung (60) zum Verarbeiten ausgebildet ist, um einen MPEG-2-AAC-Datenstrom zu erzeugen, wobei in einem Feld Ancilliary Data Zusatzinformationen für den Ganzzahl-Transformationsalgorithmus eingebracht sind.
  13. Vorrichtung nach einem der vorhergehenden Ansprüche,
    bei der die Einrichtung zum Verarbeiten (60) ausgebildet ist, um die codierten Audiodaten als Datenstrom mit einer Mehrzahl von Skalierungsschichten auszugeben.
  14. Vorrichtung nach Anspruch 13,
    bei der die Einrichtung zum Verarbeiten (60) ausgebildet ist, um in eine erste Skalierungsschicht (81) Informationen über den Quantisierungsblock einzufügen, und um in eine zweite Skalierungsschicht (82) Informationen über den Differenzblock einzufügen.
  15. Vorrichtung nach Anspruch 13,
    bei der die Einrichtung zum Verarbeiten (60) ausgebildet ist, um in eine erste Skalierungsschicht Informationen über den Quantisierungsblock einzufügen, und um die Informationen über den Differenzblock in zumindest eine zweite und eine dritte Skalierungsschicht einzufügen.
  16. Vorrichtung nach Anspruch 15,
    bei der in der zweiten Skalierungsschicht Differenz-Spektralwerte mit reduzierter Genauigkeit enthalten sind, und in einer oder mehreren höheren Skalierungsschichten ein restlicher Teil der Differenz-Spektralwerte enthalten ist.
  17. Vorrichtung nach Anspruch 15 oder 16,
    bei der die Informationen über den Differenzblock binär codierte Differenz-Spektralwerte umfassen,
    bei der die zweite Skalierungsschicht für Differenz-Spektralwerte eine Anzahl von Bits von einem höchstwertigen Bit (MSB) zu einem niederwertigen Bit (MSB-x) für einen Differenz-Spektralwert umfaßt, und
    bei der die dritte Skalierungsschicht eine Anzahl von Bits ausgehend von einem niederwertigen Bit (MSB-x-1) bis zu einem niederstwertigen Bit (LSB) umfaßt.
  18. Vorrichtung nach Anspruch 17,
    bei der das zeitdiskrete Audiosignal in einer Form von Abtastwerten mit einer Breite von 24 Bits vorliegt, und
    bei der die Einrichtung zum Verarbeiten (60) ausgebildet ist, um höherwertige 16 Bits der Differenz-Spektralwerte in die zweite Skalierungsschicht einzufügen, und um restliche 8 Bits eines Differenz-Spektralwerts in die dritte Skalierungsschicht einzufügen, so daß ein Decodierer unter Verwendung der zweiten Skalierungsschicht eine CD-Qualität erreicht,
    wobei ein Decodierer unter Verwendung auch der dritten Skalierungsschicht eine Studio-Qualität erreicht.
  19. Vorrichtung nach Anspruch 15,
    bei der die Einrichtung (60) zum Verarbeiten ausgebildet ist, um in eine zweite Skalierungsschicht zumindest einen Teil von Differenz-Spektralwerten zur Darstellung eines tiefpaß-gefilterten Signals einzufügen und in zumindest eine weitere Skalierungsschicht eine Differenz zwischen den Differenz-Spektralwerten in der zweiten Skalierungsschicht und ursprünglichen Differenz-Spektralwerten einzufügen.
  20. Vorrichtung nach Anspruch 15 oder 19,
    bei der die Einrichtung (60) zum Verarbeiten ausgebildet ist, um in eine zweite Skalierungsschicht zumindest einen Teil von Differenz-Spektralwerten bis zu einer bestimmten Grenzfrequenz einzufügen, und um in einer dritten Skalierungsschicht zumindest einen Teil von Differenz-Spektralwerten ab der bestimmten Grenzfrequenz zu einer höheren Frequenz einzufügen.
  21. Verfahren zum Codieren eines zeitdiskreten Audiosignals, um codierte Audiodaten zu erhalten, mit folgenden Schritten:
    Liefern (52) eines Quantisierungs-Blocks von unter Verwendung eines psychoakustischen Modells (54) quantisierten Spektralwerten des zeitdiskreten Audiosignals;
    inverses Quantisieren (58) des Quantisierungsblocks und zum Runden der invers quantisierten Spektralwerte, um einen Rundungs-Block von gerundeten invers quantisierten Spektralwerten zu erhalten;
    Erzeugen (56) eines Ganzzahl-Blocks von ganzzahligen Spektralwerten unter Verwendung eines Ganzzahl-Transformationsalgorithmus, der ausgebildet ist, um aus einem Block von ganzzahligen zeitdiskreten Abtastwerten den Ganzzahl-Block von Spektralwerten zu erzeugen;
    Bilden (58) eines Differenz-Blocks, der von einer spektralwertweisen Differenz zwischen dem Rundungs-Block und dem Ganzzahl-Block abhängt, um einen Differenz-Block mit Differenz-Spektralwerten zu erhalten; und
    Verarbeiten (60) des Quantisierungs-Blocks und des Differenz-Blocks, um codierte Audiodaten zu erzeugen, die Informationen über den Quantisierungs-Block und Informationen über den Differenz-Block umfassen.
  22. Vorrichtung zum Decodieren von codierten Audiodaten, die aus einem zeitdiskreten Audiosignal durch Liefern (52) eines Quantisierungs-Blocks von unter Verwendung eines psychoakustischen Modells (54) quantisierten Spektralwerten des zeitdiskreten Audiosignals, durch inverses Quantisieren. (58) des Quantisierungsblocks und Runden der invers quantisierten Spektralwerte, um einen Rundungs-Block von gerundeten invers quantisierten Spektralwerten zu erhalten, durch Erzeugen (56) eines Ganzzahl-Blocks von ganzzahligen Spektralwerten unter Verwendung eines Ganzzahl-Transformationsalgorithmus, der ausgebildet ist, um aus einem Block von ganzzahligen zeitdiskreten Abtastwerten den Ganzzahl-Block von Spektralwerten zu erzeugen, und durch Bilden (58) eines Differenz-Blocks, der von einer spektralwertweisen Differenz zwischen dem Rundungs-Block und dem Ganzzahl-Block abhängt, um einen Differenz-Block mit Differenz-Spektralwerten zu erhalten, erzeugt worden sind, mit folgenden Merkmalen:
    einer Einrichtung (70) zum Verarbeiten der codierten Audiodaten, um einen Quantisierungs-Block und einen Differenz-Block zu erhalten;
    einer Einrichtung (74) zum inversen Quantisieren und Runden des Quantisierungs-Blocks, um einen ganzzahligen invers quantisierten Quantisierungs-Block zu erhalten;
    einer Einrichtung (78) zum spektralwertweisen Kombinieren des ganzzahligen Quantisierungs-Blocks und des Differenz-Blocks, um einen Kombinations-Block zu erhalten; und
    einer Einrichtung (82) zum Erzeugen einer zeitlichen Darstellung des zeitdiskreten Audiosignals unter Verwendung des Kombinations-Blocks und unter Verwendung eines zu dem Ganzzahl-Transformationsalgorithmus inversen Ganzzahl-Transformationsalgorithmus.
  23. Vorrichtung zum Decodieren nach Anspruch 22,
    bei der die codierten Audiodaten skaliert sind und eine Mehrzahl von Skalierungsschichten umfassen,
    bei der die Einrichtung (70) zum Verarbeiten der codierten Audiodaten ausgebildet ist, um als erste Skalierungsschicht den Quantisierungsblock aus den codierten Audiodaten zu ermitteln, und um als zweite Skalierungsschicht den Differenzblock aus den codierten Audiodaten zu ermitteln.
  24. Vorrichtung nach Anspruch 22,
    bei der die Informationen über den Differenzblock binär codierte Differenz-Spektralwerte umfassen,
    bei der die codierten Audiodaten skaliert sind und eine Mehrzahl von Skalierungsschichten umfassen,
    bei der die Einrichtung (70) zum Verarbeiten der codierten Audiodaten ausgebildet ist, um als erste Skalierungsschicht den Quantisierungsblock aus den codierten Audiodaten zu ermitteln, und um als zweite Skalierungsschicht eine Darstellung der Differenz-Spektralwerte mit reduzierter Genauigkeit zu extrahieren.
  25. Vorrichtung nach Anspruch 24,
    bei der die Einrichtung (70) zum Verarbeiten der codierten Audiodaten ausgebildet ist, um als zweite Skalierungsschicht eine Anzahl von Bits ausgehend von einem höchstwertigen Bit bis zu einem niederwertigen Bit, das höherwertig als ein niederstwertiges Bit eines Differenz-Spektralwerts ist, zu extrahieren, und
    bei der die Einrichtung (82) zum Erzeugen einer zeitlichen Darstellung des zeitdiskreten Audiosignals ausgebildet ist, um vor einer Verwendung des Ganzzahl-Transformationsalgorithmus fehlende Bits für einen Differenz-Spektralwert synthetisch zu erzeugen.
  26. Vorrichtung nach Anspruch 25,
    bei der die Einrichtung (82) ausgebildet ist, um zur synthetischen Erzeugung eine Heraufskalierung der zweiten Skalierungsschicht durchzuführen, wobei bei der Heraufskalierung ein Skalierungsfaktor verwendet wird, der gleich 2n ist, wobei n gleich der Anzahl von niederwertigen Bits ist, die in der zweiten Skalierungsschicht nicht enthalten sind, oder um zur synthetischen Erzeugung einen Dithering-Algorithmus einzusetzen.
  27. Vorrichtung nach Anspruch 22,
    bei der die codierten Audiodaten skaliert sind und eine Mehrzahl von Skalierungsschichten umfassen, und
    bei der die Einrichtung (70) zum Verarbeiten der codierten Audiodaten ausgebildet ist, um als erste Skalierungsschicht den Quantisierungsblock aus den codierten Audiodaten zu ermitteln, und um als zweite Skalierungsschicht tiefpassgefilterte Differenz-Spektralwerte zu ermitteln.
  28. Vorrichtung nach Anspruch 22 oder 27,
    bei der die codierten Audiodaten skaliert sind und eine Mehrzahl von Skalierungsschichten umfassen, und
    bei der die Einrichtung (70) zum Verarbeiten der codierten Audiodaten ausgebildet ist, um als erste Skalierungsschicht den Quantisierungsblock aus den codierten Audiodaten zu ermitteln, und um als zweite Skalierungsschicht Differenz-Spektralwerte bis zu einer ersten Grenzfrequenz zu ermitteln, wobei die erste Grenzfrequenz kleiner als eine maximale Frequenz eines Differenz-Spektralwerts ist, der in einem Codierer erzeugbar ist.
  29. Vorrichtung nach Anspruch 28,
    bei der die Einrichtung (82) zum Erzeugen einer zeitlichen Darstellung ausgebildet ist, um Eingangswerte in einen Ganzzahl-Transformationsalgorithmus voller Länge, die oberhalb der Grenzfrequenz der zweiten Skalierungsschicht sind, auf einen vorbestimmten Wert zu setzen, und um die zeitliche Darstellung des zeitdiskreten Audiosignals nach dem Verwenden des inversen Ganzzahl-Transformationsalgorithmus mit einem Faktor herunter-abzutasten, der entsprechend einem Verhältnis einer maximalen Frequenz eines Differenz-Spektralwerts, der von einem Codierer erzeugbar ist, und der Grenzfrequenz gewählt wird.
  30. Vorrichtung nach Anspruch 29,
    bei der der vorbestimmte Wert für alle Eingangswerte oberhalb der Grenzfrequenz gleich Null ist.
  31. Verfahren zum Decodieren von codierten Audiodaten, die aus einem zeitdiskreten Audiosignal durch Liefern, inverses Quantisieren, Erzeugen, Bilden und Verarbeiten erzeugt worden sind, mit folgenden Schritten:
    Verarbeiten (70) der codierten Audiodaten, um einen Quantisierungs-Block und einen Differenz-Block zu erhalten;
    inverses Quantisieren (74) des Quantisierungs-Blocks und Runden, um einen ganzzahligen invers quantisierten Quantisierungs-Block zu erhalten;
    spektralwertweises Kombinieren (78) des ganzzahligen Quantisierungs-Blocks und des Differenz-Blocks, um einen Kombinations-Block zu erhalten; und
    Erzeugen (82) einer zeitlichen Darstellung des zeitdiskreten Audiosignals unter Verwendung des Kombinations-Blocks und unter Verwendung eines zu dem Ganzzahl-Transformationsalgorithmus inversen Ganzzahl-Transformationsalgorithmus.
  32. Computer-Programm mit einem Programmcode zur Durchführung des Verfahrens zum Codieren nach Anspruch 21, wenn das Programm auf einem Computer abläuft.
  33. Computer-Programm mit einem Programmcode zur Durchführung des Verfahrens zum Decodieren nach Anspruch 31, wenn das Programm auf einem Computer abläuft.
EP02792858A 2002-04-18 2002-12-02 Vorrichtung und verfahren zum codieren eines zeitdiskreten audiosignals und vorrichtung und verfahren zum decodieren von codierten audiodaten Expired - Lifetime EP1495464B1 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE10217297 2002-04-18
DE10217297A DE10217297A1 (de) 2002-04-18 2002-04-18 Vorrichtung und Verfahren zum Codieren eines zeitdiskreten Audiosignals und Vorrichtung und Verfahren zum Decodieren von codierten Audiodaten
PCT/EP2002/013623 WO2003088212A1 (de) 2002-04-18 2002-12-02 Vorrichtung und verfahren zum codieren eines zeitdiskreten audiosignals und vorrichtung und verfahren zum decodieren von codierten audiodaten

Publications (2)

Publication Number Publication Date
EP1495464A1 EP1495464A1 (de) 2005-01-12
EP1495464B1 true EP1495464B1 (de) 2005-09-28

Family

ID=28798541

Family Applications (1)

Application Number Title Priority Date Filing Date
EP02792858A Expired - Lifetime EP1495464B1 (de) 2002-04-18 2002-12-02 Vorrichtung und verfahren zum codieren eines zeitdiskreten audiosignals und vorrichtung und verfahren zum decodieren von codierten audiodaten

Country Status (9)

Country Link
EP (1) EP1495464B1 (de)
JP (1) JP4081447B2 (de)
KR (1) KR100892152B1 (de)
CN (1) CN1258172C (de)
AT (1) ATE305655T1 (de)
CA (1) CA2482427C (de)
DE (2) DE10217297A1 (de)
HK (1) HK1077391A1 (de)
WO (1) WO2003088212A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008052627A1 (en) * 2006-11-02 2008-05-08 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Device and method for postprocessing spectral values and encoder and decoder for audio signals

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MXPA06003508A (es) * 2003-09-29 2007-01-25 Agency Science Tech & Res Metodo para transformar una senal digital del dominio de tiempo al dominio de frecuencia y viceversa.
US8446947B2 (en) * 2003-10-10 2013-05-21 Agency For Science, Technology And Research Method for encoding a digital signal into a scalable bitstream; method for decoding a scalable bitstream
DE102004007184B3 (de) * 2004-02-13 2005-09-22 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Vorrichtung zum Quantisieren eines Informationssignals
DE102004007200B3 (de) * 2004-02-13 2005-08-11 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audiocodierung
DE102004059979B4 (de) 2004-12-13 2007-11-22 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zur Berechnung einer Signalenergie eines Informationssignals
US8082157B2 (en) 2005-06-30 2011-12-20 Lg Electronics Inc. Apparatus for encoding and decoding audio signal and method thereof
CA2620627C (en) 2005-08-30 2011-03-15 Lg Electronics Inc. Apparatus for encoding and decoding audio signal and method thereof
KR100857114B1 (ko) 2005-10-05 2008-09-08 엘지전자 주식회사 신호 처리 방법 및 이의 장치, 그리고 인코딩 및 디코딩방법 및 이의 장치
US7840401B2 (en) 2005-10-24 2010-11-23 Lg Electronics Inc. Removing time delays in signal paths
EP1852849A1 (de) 2006-05-05 2007-11-07 Deutsche Thomson-Brandt Gmbh Verfahren und Vorrichtung für verlustfreie Kodierung eines Quellensignals unter Verwendung eines verlustbehafteten kodierten Datenstroms und eines verlustfreien Erweiterungsdatenstroms
EP1883067A1 (de) * 2006-07-24 2008-01-30 Deutsche Thomson-Brandt Gmbh Verfahren und Vorrichtung für verlustfreie Kodierung eines Quellsignals, unter Benutzung eines verlustbehafteten kodierten Datenstroms und eines verlustfreien Erweiterungsdatenstroms.
EP1903559A1 (de) 2006-09-20 2008-03-26 Deutsche Thomson-Brandt Gmbh Verfahren und Vorrichtung zur Transkodierung von Tonsignalen
DE102007003187A1 (de) 2007-01-22 2008-10-02 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zum Erzeugen eines zu sendenden Signals oder eines decodierten Signals
KR101149448B1 (ko) 2007-02-12 2012-05-25 삼성전자주식회사 오디오 부호화 및 복호화 장치와 그 방법
EP2015293A1 (de) * 2007-06-14 2009-01-14 Deutsche Thomson OHG Verfahren und Vorrichtung zur Kodierung und Dekodierung von Audiosignalen über adaptiv geschaltete temporäre Auflösung in einer Spektraldomäne
US8392202B2 (en) * 2007-08-27 2013-03-05 Telefonaktiebolaget L M Ericsson (Publ) Low-complexity spectral analysis/synthesis using selectable time resolution
EP2063417A1 (de) * 2007-11-23 2009-05-27 Deutsche Thomson OHG Formung des Rundungsfehlers für die auf ganzzahligen Transformationen basierende Kodierung und Dekodierung
EP2144230A1 (de) 2008-07-11 2010-01-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audiokodierungs-/Audiodekodierungsschema geringer Bitrate mit kaskadierten Schaltvorrichtungen
MX2011003824A (es) * 2008-10-08 2011-05-02 Fraunhofer Ges Forschung Esquema de codificacion/decodificacion de audio conmutado de resolucion multiple.
KR101819180B1 (ko) 2010-03-31 2018-01-16 한국전자통신연구원 부호화 방법 및 장치, 그리고 복호화 방법 및 장치
US20120029926A1 (en) * 2010-07-30 2012-02-02 Qualcomm Incorporated Systems, methods, apparatus, and computer-readable media for dependent-mode coding of audio signals
US9208792B2 (en) 2010-08-17 2015-12-08 Qualcomm Incorporated Systems, methods, apparatus, and computer-readable media for noise injection
JP5799707B2 (ja) * 2011-09-26 2015-10-28 ソニー株式会社 オーディオ符号化装置およびオーディオ符号化方法、オーディオ復号装置およびオーディオ復号方法、並びにプログラム
EP2830058A1 (de) 2013-07-22 2015-01-28 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Frequenzbereichsaudiocodierung mit Unterstützung von Transformationslängenschaltung
CN105632503B (zh) * 2014-10-28 2019-09-03 南宁富桂精密工业有限公司 信息隐藏方法及系统
US10354668B2 (en) 2017-03-22 2019-07-16 Immersion Networks, Inc. System and method for processing audio data
EP3471271A1 (de) * 2017-10-16 2019-04-17 Acoustical Beauty Verbesserte konvolutionen von digitalen signalen mit verwendung einer bitanforderungsoptimierung eines digitalen zielsignals
WO2019091576A1 (en) * 2017-11-10 2019-05-16 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audio encoders, audio decoders, methods and computer programs adapting an encoding and decoding of least significant bits
EP3483879A1 (de) 2017-11-10 2019-05-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Analyse-/synthese-fensterfunktion für modulierte geläppte transformation
CN107911122A (zh) * 2017-11-13 2018-04-13 南京大学 基于分解压缩的分布式光纤振动传感数据无损压缩方法
WO2019136365A1 (en) 2018-01-08 2019-07-11 Immersion Networks, Inc. Methods and apparatuses for producing smooth representations of input motion in time and space
US11817111B2 (en) 2018-04-11 2023-11-14 Dolby Laboratories Licensing Corporation Perceptually-based loss functions for audio encoding and decoding based on machine learning
DE102019204527B4 (de) * 2019-03-29 2020-11-19 Technische Universität München Kodierungs-/dekodierungsvorrichtungen und verfahren zur kodierung/dekodierung von vibrotaktilen signalen
KR102250835B1 (ko) * 2019-08-05 2021-05-11 국방과학연구소 수동 소나의 협대역 신호를 탐지하기 위한 lofar 또는 demon 그램의 압축 장치
CN118571234A (zh) * 2023-02-28 2024-08-30 华为技术有限公司 音频编解码方法及相关装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008052627A1 (en) * 2006-11-02 2008-05-08 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Device and method for postprocessing spectral values and encoder and decoder for audio signals
EP2264699A2 (de) 2006-11-02 2010-12-22 Fraunhofer-Gesellschaft zur Förderung der Angewandten Forschung e.V. Vorrichtung und Verfahren zur Nachbearbeitung von Spektralwerten sowie Kodiergerät und Dekodiergerät für Audiosignale
CN101553870B (zh) * 2006-11-02 2012-07-18 弗劳恩霍夫应用研究促进协会 后处理谱值的设备和方法及音频信号的编码器和解码器
EP2264699A3 (de) * 2006-11-02 2012-10-10 Fraunhofer-Gesellschaft zur Förderung der Angewandten Forschung e.V. Vorrichtung und Verfahren zur Nachbearbeitung von Spektralwerten sowie Kodiergerät und Dekodiergerät für Audiosignale
US8321207B2 (en) 2006-11-02 2012-11-27 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Device and method for postprocessing spectral values and encoder and decoder for audio signals

Also Published As

Publication number Publication date
CA2482427A1 (en) 2003-10-23
CN1625768A (zh) 2005-06-08
KR20050007312A (ko) 2005-01-17
DE10217297A1 (de) 2003-11-06
DE50204426D1 (de) 2005-11-03
WO2003088212A1 (de) 2003-10-23
EP1495464A1 (de) 2005-01-12
KR100892152B1 (ko) 2009-04-10
CN1258172C (zh) 2006-05-31
JP4081447B2 (ja) 2008-04-23
HK1077391A1 (en) 2006-02-10
ATE305655T1 (de) 2005-10-15
CA2482427C (en) 2010-01-19
JP2005527851A (ja) 2005-09-15
AU2002358578A1 (en) 2003-10-27

Similar Documents

Publication Publication Date Title
EP1495464B1 (de) Vorrichtung und verfahren zum codieren eines zeitdiskreten audiosignals und vorrichtung und verfahren zum decodieren von codierten audiodaten
EP1502255B1 (de) Vorrichtung und verfahren zum skalierbaren codieren und vorrichtung und verfahren zum skalierbaren decodieren eines audiosignales
EP1647009B1 (de) Vorrichtung und verfahren zum verarbeiten eines signals
DE19811039B4 (de) Verfahren und Vorrichtungen zum Codieren und Decodieren von Audiosignalen
EP1397799B1 (de) Verfahren und vorrichtung zum verarbeiten von zeitdiskreten audio-abtastwerten
EP1609084B1 (de) Vorrichtung und verfahren zum umsetzen in eine transformierte darstellung oder zum inversen umsetzen der transformierten darstellung
EP2022043B1 (de) Informationssignalcodierung
US7275036B2 (en) Apparatus and method for coding a time-discrete audio signal to obtain coded audio data and for decoding coded audio data
EP1654674B1 (de) Vorrichtung und verfahren zum verarbeiten von wenigstens zwei eingangswerten
EP2054884B1 (de) Vorrichtung zum kodieren und dekodieren
DE19747132C2 (de) Verfahren und Vorrichtungen zum Codieren von Audiosignalen sowie Verfahren und Vorrichtungen zum Decodieren eines Bitstroms
DE69731677T2 (de) Verbessertes Kombinationsstereokodierverfahren mit zeitlicher Hüllkurvenformgebung
DE60110679T3 (de) Perzeptuelle Kodierung von Audiosignalen unter Verwendung von getrennter Reduzierung von Irrelevanz und Redundanz
DE102006051673A1 (de) Vorrichtung und Verfahren zum Nachbearbeiten von Spektralwerten und Encodierer und Decodierer für Audiosignale
EP1697931A1 (de) Vorrichtung und verfahren zum ermitteln eines sch tzwerts
DE102020210917B4 (de) Verbesserter M/S-Stereo-Codierer und -Decodierer
DE19742201C1 (de) Verfahren und Vorrichtung zum Codieren von Audiosignalen

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20041013

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR IE IT LI LU MC NL PT SE SI SK TR

AX Request for extension of the european patent

Extension state: AL LT LV MK RO

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR IE IT LI LU MC NL PT SE SI SK TR

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20050928

Ref country code: TR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20050928

Ref country code: EE

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20050928

Ref country code: SI

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20050928

Ref country code: CZ

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20050928

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

Free format text: LANGUAGE OF EP DOCUMENT: GERMAN

REF Corresponds to:

Ref document number: 50204426

Country of ref document: DE

Date of ref document: 20051103

Kind code of ref document: P

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: CY

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20051202

GBT Gb: translation of ep patent filed (gb section 77(6)(a)/1977)
PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20051228

Ref country code: BG

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20051228

Ref country code: GR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20051228

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: MC

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20051231

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: ES

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20060108

REG Reference to a national code

Ref country code: SE

Ref legal event code: TRGR

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: PT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20060228

ET Fr: translation filed
PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed

Effective date: 20060629

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 14

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 15

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 16

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: LU

Payment date: 20211217

Year of fee payment: 20

Ref country code: IE

Payment date: 20211220

Year of fee payment: 20

Ref country code: GB

Payment date: 20211222

Year of fee payment: 20

Ref country code: FI

Payment date: 20211216

Year of fee payment: 20

Ref country code: FR

Payment date: 20211220

Year of fee payment: 20

Ref country code: SE

Payment date: 20211220

Year of fee payment: 20

Ref country code: AT

Payment date: 20211216

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: NL

Payment date: 20211217

Year of fee payment: 20

Ref country code: CH

Payment date: 20211222

Year of fee payment: 20

Ref country code: BE

Payment date: 20211217

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20211220

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: IT

Payment date: 20211230

Year of fee payment: 20

REG Reference to a national code

Ref country code: DE

Ref legal event code: R071

Ref document number: 50204426

Country of ref document: DE

REG Reference to a national code

Ref country code: NL

Ref legal event code: MK

Effective date: 20221201

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

REG Reference to a national code

Ref country code: GB

Ref legal event code: PE20

Expiry date: 20221201

REG Reference to a national code

Ref country code: BE

Ref legal event code: MK

Effective date: 20221202

REG Reference to a national code

Ref country code: FI

Ref legal event code: MAE

REG Reference to a national code

Ref country code: AT

Ref legal event code: MK07

Ref document number: 305655

Country of ref document: AT

Kind code of ref document: T

Effective date: 20221202

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20221201

REG Reference to a national code

Ref country code: SE

Ref legal event code: EUG

REG Reference to a national code

Ref country code: IE

Ref legal event code: MK9A

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IE

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20221202