DE19617654C1 - Verfahren zum Codieren eines zwei- oder mehrkanaligen Tonsignals - Google Patents

Description

Die Erfindung bezieht sich auf ein Verfahren zur Codierung mehrkanaliger Tonsignale gemäß der DE 42 09 544 C2.

In der DE 42 09 544 C2 sind grundsätzliche Blockschaltbilder für einen Encoder und einen Decoder gezeigt, welche in den Fig. 1 und 2 nochmals wiedergegeben sind. Wie man aus Fig. 1 erkennt, wird das mehrkanalige Tonsignal mit einer Filterbank 10 in i Teilbänder aufgeteilt. In diesen Teilbandsignalen wird für eine Blocklänge der Maximalwert ermittelt. Dies ist der Skalenfaktor SCF. Das Teilbandsignal wird mit dem Skalenfaktor SCF in Normierstufen 12 normiert. Mit einem psychoakustischen Modell 15, das auf einer Frequenzanalyse, der Anwendung der psychoakustischen Eigenschaften des menschlichen (Gehörs (Mithörschwelle, Ruhehörschwelle) und einem Vergleich zwischen den Kanälen entsprechend den binauralen Höreigenschaften des menschlichen (Gehörs beruht, wird die Quantisierung der normierten Teilbänder in Quantisierungsstufen 13 gesteuert. Die quantisierten, normierten Teilbandsignale, die Skalenfaktoren SCF und Nebeninformationen DAL und COM werden in einem Multiplexer 14 zu einem Datenstrom MUX zusammengefaßt. In dem Decoder gemäß Fig. 2 wird der Datenstrom durch einen Demultiplexer 24 wieder in Teilbandsignale, Skalenfaktoren und Nebeninformationen getrennt. Die Nutzsignale werden in Dequantisierungsstufen 23 dequantisiert und in einem nachfolgenden Dekombinierer in die ursprünglichen, normierten Teilbandsignale rückgewandelt. In einer Denormierungsstufe 22 wird die Normierung rückgängig gemacht, worauf die Teilbandsignale in einer Rekonstruktionsfilterbank 20 wieder zu breitbandigen Kanalsignalen S₁′′ bis S_n′′ zusammengefügt werden.

Um die Redundanz in den Kanälen S₁ bis S_n des mehrkanaligen Tonsignals zu einer weiteren Bitratenreduktion auszunutzen, läßt sich bei dem bekannten Verfahren die Codiermethode des dynamischen Übersprechens (englisch: "Dynamic Crosstalk") anwenden, welche in der DE 42 09 544 C2 als "Punktierung" bezeichnet ist. Bei dem dynamischen Übersprechen wird davon ausgegangen, daß für die räumliche Abbildung mehrkanaliger Signale im höherfrequenten Bereich die Unterschiede der Hüllkuven ausreichen. Diese Hüllkuven können durch die zeitliche Folge der Skalenfaktoren SCF angenähert werden. Dafür werden encoderseitig im Kombinierer 11 aus den Teil­ bandsignalen, d. h. den Eingangssignalen des Kombinierers 11 Summensignale erzeugt. Bei einem aus zwei oder mehreren Teilbandsignalen gebildeten Summensignal braucht nur noch dieses Summensignal anstelle der beiden Teilbandsignale der Normierung und Quantisierung unterzogen zu werden. Diese Summensignalbildung wird, wie aus Fig. 1 hervorgeht, kanal- und teilbandweise von dem psychoakustischen Modell 15 mittels des Steuersignals COS gesteuert. Die für den Decoder (Fig. 2) benötigte, entsprechende Steuerinformation wird als Nebeninformation COM von dem psychoakustischen Modell 15 an den Multiplexer 14 übertragen.

Mit Hilfe der Codiermethode des dynamischen Übersprechens läßt sich gegenüber einer mehrfachen monofonen Codierung der einzelnen Kanalsignale eine deutliche Reduzierung der Datenrate erreichen. Zur Durchführung des Verfahrens gemäß der DE 42 09 544 C2 ist gemäß ISO 13818-3 eine Filterbank 10 festgelegt, welche mit einer Filterbandbreite von 750Hz und einer Abtastrate von 1,5kHz, d. h., mit kritischer Abtastung arbeitet. Infolge der kritischen Abtastung entstehen in jedem Teilband große Spiegelanteile (Aliasing) aus den jeweils benachbarten oberen und unteren Teilbändern. Diese Spiegelanteile heben sich aufgrund des normierten Filteraufbaus in der Rekonstruktionsfilterbank 20 wieder heraus. Dies gilt jedoch nur dann, wenn die Teilbandsignale pegelmäßig zwischen Filterbank 10 und Rekonstruktionsfilterband 20 nicht verändert werden. Diese Voraussetzung läßt sich indessen bei Anwendung der Codiermethode des dynamischen Übersprechens nicht einhalten. Es ergeben sich vielmehr in den decodierten Kanalsignalen hörbare Fehler, wie sie beispielhaft aus einem Vergleich der Spektrogramme gemäß Fig. 3 und 4 ersichtlich sind. Dabei sind ein und dasselbe Signal das eine Mal ohne dynamisches Übersprechen (Fig. 3) und das andere Mal mit dynamischem Übersprechen (Fig. 4) codiert. Für die Darstellungen wurde ein Signal verwendet, welches aus drei Paaren verschiedener frequenzmodulierter Sinustöne besteht, wobei zur besseren Darstellung die drei Sinustonpaare zeitversetzt in den Spektrogrammen gemäß Fig. 3 und 4 aufgetragen sind. Jedes Spektrogramm besteht aus einer Aneinanderreihung von Proben (FFT′s), die jeweils mittels einer Primfaktoren-Fast-Fourier-Analyse gewonnen wurden. Jede FFT hat eine Analyselänge von 384 Abtastwerten entsprechend einer Länge von 8ms bei einer Abtastrate von 48kHz. Die Frequenzmodulation jedes Sinustones erkennt man anhand seines rampenförmigen zeitlichen Signalverlaufs. Aus dem Vergleich der Spektrogramme nach den Fig. 3 und 4 erkennt man, daß infolge der Codierung mit dynamischem Übersprechen in Fig. 4 zusätzlich zu den Sinustönen Störsignalanteile vorhanden sind. Diese Störsignalanteile entstehen durch die Summenbildung im Kombinierer 11 und die Erzeugung von Aliasing in der Rekonstruktionsfilterbank 20, was durch die Steuerung der Denormierungsstufen 22 durch die Skalenfaktoren nicht beeinflußt werden kann.

Die Differenz zwischen den Spektrogrammen gemäß Fig. 3 und 4 ist in Fig. 5 veranschaulicht. Die Färbung Grau bedeutet in der Darstellung nach Fig. 5 die Differenz Null, d. h., es liegt kein Fehler vor. Eine Färbung in Richtung Schwarz ist ein positiver Fehler, eine Färbung in Richtung Weiß ein negativer Fehler. Die Länge eines Skalenfaktors entspricht der FFT-Länge von 384 Abtastwerten bzw. 8ms. Sechs Energie-FFT-Linien (Abtastfrequenz von 48kHz) ergeben 750Hz, d. h., die Filterbandbreite eines Teilbandfilters der Filterbänke 10 und 20. Es sind in Fig. 5 deutlich die von Grau abweichenden Fehler zu erkennen. Da diese Fehlerwerte die Differenzen der Energien repräsentieren, können sie auch hörbar sein.

Die Aufgabe der Erfindung besteht darin, ein Codierverfahren der genannten Art dahingehend zu verbessern, daß bei Anwendung der Codiermethode des dynamischen Übersprechens die hörbaren Fehler deutlich verringert werden.

Diese Aufgabe wird erfindungsgemäß durch die kennzeichnenden Merkmale des Patentanspruchs gelöst.

Vorteilhafte Ausgestaltungen und Weiterbildungen des erfindungsgemaßen Verfahrens ergeben sich aus den Unteransprüchen.

Die Lösung der Aufgabe beruht auf der Überlegung, vor einer endgültigen Codierung der Teilbandsignale die durch das dynamische Übersprechen erzeugten Fehler zu erfassen und mit Hilfe eines Regelkreises in die endgültige Codierung gegenläufig einzubeziehen. Hierzu wird in den Encoder ein Decoder eingebaut, mit dem das vorläufig nach der Methode des dynamischen Übersprechens codierte Signal decodiert wird. Ferner wird als Sollwert ein ohne dynamisches Übersprechen codiertes Signal erzeugt und mit dem Istwert, also dem fehlerhaft codierten Tonsignal, verglichen. Der ermittelte Fehler wird bei der endgültigen Codierung gegenläufig berücksichtigt, wodurch sich bei der Decodierung der Gesamtfehler wesentlich verringert. Auf diese Weise kann die Anzahl der Teilbänder, in denen dynamisches Übersprechen eingesetzt wird, stark erhöht werden, um die erzielbare Datenreduktion entsprechend zu erhöhen.

Die Erfindung wird anhand der Zeichnungen näher erläutert. Es zeigt:

Fig. 6 ein Flußdiagramm zur Erläuterung des erfindungsgemäßen Codier­ verfahrens und

Fig. 7 ein Flußdiagramm einer weiteren Ausführungsform des er­ findungsgemäßen Codierverfahrens.

Das anhand von Fig. 6 veranschaulichte Codierungsverfahren arbeitet wie folgt:

Es wird ausgegangen von einem bekannten Encoder 61, wie er in der DE 42 09 544 C2 beschrieben und in Fig. 1 in seinem grundsätzlichen Aufbau dargestellt ist. Der Encoder 61 erzeugt 2 codierte Signale, und zwar eine Signalversion ohne dynamisches Übersprechen und eine Signalversion mit dynamischem Übersprechen. Beide Signalversionen werden vollständig mit Hilfe jeweils eines Decoders 62a bzw. 62b decodiert, dessen grundsätzlicher Aufbau in Fig. 2 dargestellt ist. Danach erfolgt in Funktionsstufen 63a bzw. 63b eine Frequenzanalyse für jede decodierte Signalversion. Bei dem Vergleich (Stufe 64) der spektralanalysierten, decodierten Signalversionen erkennt man den Unterschied zwischen der Codierung ohne dynamisches Übersprechen und der Codierung mit dynamischem Übersprechen. Dabei stellt die Decodierung mit dynamischem Übersprechen den Istwert, die Decodierung ohne dynamischem Übersprechen den Sollwert dar. Die Frequenzanalyse erfolgt in der oben anhand von Fig. 5 beschriebenen Weise, also exakt für den Bereich, welcher einem Skalenfaktor entspricht, d. h., bei einer Abtastrate von 48kHz für eine Länge von 8ms und einer Breite von 750Hz. Die normierte Summation von 6 Energie-FFT-Linien ergibt ein Maß für den Energiegehalt unter dieser Fläche. Der Fehler ist die Differenz der Werte aus den beiden unterschiedlichen Codierungen. Diese Differenz wird zu den Skalenfaktoren der zu korrigierenden Kanäle hinzuaddiert (65). Diese neuen Skalenfaktoren werden in den bestehenden Datenstrom eingefügt. Dies ergibt das korrigierte Signal.

Um Rechenzeit einzusparen, kann für die Frequenzanalyse des Signals ohne dynamisches Übersprechen auch die schon für die Psychoakustik benutzten FFT verwendet werden. Siehe Bild 7. Es kann damit gegenüber der vorherigen Beschreibung die Hälfte an Rechenzeit eingespart werden, weil die Hälfte der Rückfilterungen und Frequenzanalysen entfällt. Die noch verbleibende FFT (63) muß aus Vergleichsgründen natürlich dieselbe 1024er FFT mittig zum 24ms Frame sein, die auch vorher in der Psychoakustik verwendet wurde. Weil dann nur eine Frequenzanalyse für 24ms zur Verfügung steht, müssen drei Skalenfaktoren mit einem Wert korrigiert werden.

Bei speziellen Signalen (insbesondere künstlich erzeugten, siehe Bild 3) kann der Fall eintreten, daß ein Skalenfaktor geändert werden soll, der gar nicht existiert.

Teilbänder, die keine Bitzuweisung erhalten haben, haben auch keinen Skalenfaktor. In ihnen kann aber sehr wohl im Decoder durch Aliasing ein deutlich hörbares Fehlersignal entstehen, das man durch die Skalenfaktoren reduzieren möchte. Das Einführen dieses Skalenfaktors bei der Codierung mit dynamischer Datenrate ist kein Problem. Bei der Codierung mit einer festen Datenrate muß u. U. die Bitzuweisung neu erfolgen, da kein Platz mehr für diesen Skalenfaktor ist.

Claims (2)

1. Verfahren zum Codieren eines zwei- oder mehrkanaligen Tonsignals, mit folgenden Verfahrensschritten:

• a) Jedes Kanalsignal wird digitalisiert und in eine Anzahl von Teilbandsignalen aufgespalten, wobei die einzelnen Teilbänder überlappend aneinander angrenzen;
• b) in jedem Teilbandsignal wird für eine Blocklänge der maximale Pegelwert ermittelt, welcher den Skalenfaktor SCF für das betreffende Teilbandsignal darstellt;
• c) jedes Teilbandsignal wird mit dem ermittelten, zugehörigen Skalenfaktor SCF normiert;
• d) jedes normierte Teilbandsignal wird nach Maßgabe eines psychoakustischen Modells quantisiert, das auf einer Frequenzanalyse des mehrkanaligen Tonsignals beruht;
• e) aus unterschiedlichen Kanalsignalen werden höherfrequente Teilbandsignale mit jeweils übereinstimmendem Teilbandbereich zu Teilband-Summensignalen addiert, wobei die von der Summenbildung betroffenen Teilbandbereiche und Kanäle durch das psychoakustische Modell entsprechend der Methode des dynamischen Übersprechens selektiert werden und diese Selektion in Form von Nebeninformationen identifiziert wird;
• f) die quantisierten, tiefer- und mittelfrequenten Teilbandsignale sowie die Teilbandsummensignale werden zusammen mit den Skalenfaktoren SCF und den Nebeninformationen zu einem ersten Datenstrom zusammengefaßt, gekennzeichnet durch folgende weitere Merkmale:
• g) Es wird ein zweiter Datenstrom aus dem mehrkanaligen Tonsignal ohne Anwendung der Methode des dynamischen Übersprechens gemäß Schritte erzeugt;
• h) die beiden Datenströme werden getrennt decodiert;
• i) die aus dem ersten Datenstrom decodierten Kanalsignale sowie die aus dem zweiten Datenstrom decodierten Kanalsignale werden spektral analysiert;
• j) für gleiche Kanäle und gleiche Teilbänder der aus der Decodierung beide Datenströme gewonnenen mehrkanaligen Tonsignale werden die Spektralantrieb miteinander verglichen;
• k) es wird ein dritter Datenstrom unter Anwendung der Methode des dynamischen Übersprechens erzeugt, wobei die aus dem Vergleich gemäß Schritt j) gewonnenen Fehlersignale zur Korrektur der Skalenfaktoren SCF benutzt werden, und
• l) der dritte Datenstrom wird als Codierungsergebnis weiter verwendet.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Erzeugung des zweiten Datenstroms gemäß Schritt g) und dessen Decodierung gemäß Schritt b) mittels einer Fast-Fourier-Transformation (FFT) erfolgt.