專利名稱：聲場中空間感知信息量的度量方法及應用的制作方法
技術領域：
本發明涉及一種聲場中空間感知信息量的度量方法及應用，具體地說是一種 空間音頻系統中基于雙耳聽音的空間感知信息量的度量方法及應用。
背景技術：
自1948年香農提出熵的概念，創立信息論以來，熵被用來作為信息的量度。 1988年，在香農熵的基礎上Johnston提出感知熵(Perc印tual Entropy,以下 簡稱PE)的概念，并作為可感知音頻信號信息的量度，回答感知音頻編碼的最 基本問題~"在無可感知失真的前提下最少需要多少比特才能表示一個音頻序 列。感知熵的理論基礎是心理聲學，現有主流的感知音頻編碼器都將PE作為一 項重要的心理聲學指標，如MP3和AAC編碼器。
傳統感知音頻編碼中，以感知熵來估計音頻序列中可感知信息量的大小，也 就是說，感知熵給出了信源無感知損失壓縮的下限。與傳統感知音頻編碼類似， 空間音頻編碼的最基本問題就是在無感知失真前提下最少需要多少比特才能表 示一個多聲道音頻序列的空間信息。
2002年Faller和Baumgarte將多聲道信號包含的音頻信息和空間信息分離 并分別編碼，提出了基于雙耳線索的空間音頻編碼技術(Binaural Cues Coding, 以下簡稱BCC)，與傳統感知音頻編碼技術相比，其低碼率高音質的優異表現受 到國內外研究機構的關注，成為近年來音頻編碼領域的研究熱點。
聽覺系統通常有兩個輸入通道，即左耳和右耳，而以單耳聽音模型為基礎的 感知熵理論，只考慮了單耳聽音的情況。心理聲學的研究表明，雙耳聽音既不是 左耳和右耳聽音的簡單疊加，也不是左耳和右耳單獨聽音的平均，而是引入了新
的信息，即空間定位信息。
傳統感知音頻編碼采取離散聲道編碼的系統框架，忽略了聲道間蘊含的空間 信息。而在以BCC為基礎發展起來的空間音頻編碼系統框架中，將多聲道輸入信 號的音頻信息和空間信息分離并分別編碼。在計算輸入的多聲道音頻可感知信息 量時，對于采用下混技術獲得的單聲道信號依舊能夠應用感知熵理論進行度量。
3而對于采用空間參數提取技術獲得的空間信息，當前的度量方法受自身度量模型 的限制，已經無法適用于空間感知信息量的度量，也就是說，以單耳聽音模型為 基礎計算的感知熵無法度量聲場中的空間感知信息量，無法解決空間音頻編碼的
最基本問題。
發明內容
本發明目的就在于克服上述現有技術的不足，提出一種聲場中空間感知信息 量的度量方法及應用，本發明以空間感知熵SPE (Spatial Perc印tual Entropy, 簡稱SPE)代表一個多聲道音頻信號中可以被感知到的空間信息量的大小，即表 達雙耳聽音中人耳接收到的空間感知信息量的大小。
一種聲場中空間感知信息量的度量方法，包括以下步驟
(1) 對輸入音頻信號進行分幀、時頻變換處理，由臨界頻帶濾波單元模擬 聽覺系統臨界頻帶濾波過程，確定臨界頻帶的劃分規則，確定空間參數集的選取。
(2) 對空間參數進行計算，得到各空間參數在臨界頻帶上的數值。
(3) 由噪音疊加單元處理由空間參數有限分辨率導致的信息量損失，計算 各空間參數所包含的有效感知量。
(4) 由SPE度量單元計算輸入信號所具有的空間感知熵SPE。
在上述的空間感知信息量的度量方法中，在步驟l中，空間參數包含了聲場 中的各種空間參數，如雙耳線索參數、高度角線索參數、距離線索參數和水平偏 向角線索參數等。
在上述空間感知信息量的度量方法的步驟(1)中，用臨界頻帶濾波單元模 擬聽覺系統臨界頻帶濾波過程，臨界頻帶濾波單元是耳蝸的頻率位置映射的一個 信號處理模型，由若干個子帶的濾波器組成，每個頻帶的寬度為一個臨界帶寬。 根據心理聲學，每個臨界頻帶可以近似作為一個獨立聽覺單元，不同臨界頻帶間 的影響忽略不計，只有來自左右耳同一個臨界頻帶的信號才作為一次空間參數計 算的輸入。
在上述空間感知信息量的度量方法的步驟(2)中，從步驟(1)的輸出信號 中提取待度量的空間參數，用a,/ ，&S…表示。由空間參數計算單元對提取的 空間參數進行計算，得到各空間參數在臨界頻帶上的數值。在上述的空間感知信息量的度量方法的步驟(3)中，各空間參數所疊加的 噪音需要體現聽覺系統有限精度與神經系統的內在的噪音以及多聲源干擾、反 射、混響等非理想因素。這些因素聯合使得空間參數具有一定的有限分辨率，在 心理聲學上被稱為恰可感知差異，它反映了聽覺系統總體的靈敏度，記為
Aa，A",A5,As...。對于不同的參數其有限分辨率不同。在不考慮這些參數之 間影響的條件下，空間參數的有效感知量估計式如下-
其中，a為選取的空間參數，6為頻帶標志，a(6)為空間參數a在頻帶Z)上 的數值，Aa(6)為空間參數a在該頻帶的分辨率，^^(6)為空間參數a在頻帶6
上所具有的有效感知量。
在上述的空間感知信息量的度量方法的步驟(4)中，將信息度量單元輸出 的信號輸入SPE度量單元。空間感知熵SPE包含了所有空間參數的有效感知量， 但考慮各空間參數之間的相互影響，SPE并不是各空間參數有效感知量的簡單疊 加，而是小于各空間參數在全頻帶上有效感知量之和。采用下面的空間感知熵估 計式計算SPE:
其中，O"反映了聽覺感知的幅度壓縮，iV是變換幀長，w為劃分的頻帶數。 ^(6)表示該空間參數a在6頻帶上所具有的有效感知量。
聲場中空間感知信息量的度量方法的應用，首先按上述方法計算多路信號的 空間感知熵SPE，然后在編碼中，將SPE作為音頻編碼的下限碼率，并指導空間 參數的選取以及空間參數的量化編碼。
本發明以空間感知熵SPE代表一個多聲道音頻信號中可以被感知到的空間 信息量的大小，即表達雙耳聽音中人耳接收到的空間感知信息量的大小。以雙耳 聽音模型為基礎的SPE代表了一個多聲道音頻信號中可以被感知到的空間信息 量的大小，是空間音頻編碼碼率的下限。解決了以單耳聽音模型為基礎計算的感知熵無法度量聲場中的空間感知信息量，無法解決空間音頻編碼的最基本問題。
圖l為本發明方法的流程圖。
圖2為巴克頻帶劃分規則示意圖。
圖3為神經興奮度曲面圖。
圖4為IC對ILD/ITD影響示意圖。
圖5為空間感知信息量度量方法在音頻編碼中的應用框圖。
具體實施例方式
聲場中空間感知信息量的度量方法其流程如圖l所示，包括以下歩驟-
(1)由預處理單元對輸入音頻信號進行分幀、時頻變換處理。以1024采樣 點為分幀單位，采用FFT變換實現時域信號到頻域信號的轉換。
由臨界頻帶濾波單元模擬聽覺系統臨界頻帶濾波過程，確定臨界頻帶的劃分 規則。臨界頻帶濾波單元采用巴克帶劃分規則，由25個子帶的濾波器組成，每 個頻帶的寬度為一個臨界帶寬，巴克頻帶劃分規則示意圖如圖2所示。
由空間參數選取單元確定空間參數集的選取，空間參數選取單元包含了聲場 中的各種空間參數，如雙耳線索參數，高度角線索參數，距離線索參數和水平偏 向角線索參數等等。
(2)由空間參數計算單元將空間參數選取單元輸出的空間參數進行計算， 得到各空間參數在臨界頻帶上的數值。從步驟(1)的輸出信號中提取待度量的 空間參數，用"，>5，(5^...表示，計算各空間參數在各頻帶上的具體數值。
(3)由噪音疊加單元處理由空間參數有限分辨率導致的信息量損失，各空間 參數所疊加的噪音需要體現聽覺系統有限精度與神經系統的內在的噪音，以及多 聲源干擾、反射、混響等非理想因素。這些因素使得空間參數具有一定的有限分 辨率；
由信息度量單元計算各空間參數所包含的有效感知量。空間參數的有效感知 量估計式如下
6a(。
其中，a表示選取的空間參數，6為頻帶標志，a(6)為空間參數a在頻帶6 上的數值，Aa(的為空間參數a在該頻帶的分辨率，《a(6)表示空間參數a在 頻帶6上所具有的有效感知量。
(4)由SPE度量單元估計輸入信號所具有的空間感知熵SPE，用下面的空 間感知熵估計式計算SPE:
a A辦=1
其中，O"反映了聽覺感知的幅度壓縮，7V是變換幀長，W為劃分的頻帶數。 ^0)表示該空間參數a在6頻帶上所具有的有效感知量。
下面以三個雙耳線索耳間相關度(以下稱IC)、雙耳強度差(以下稱ILD)、
雙耳時間差(以下稱ITD)為例對本發明實施例做進一步的說明，以便具體實施參考。
步驟(1)中，在預處理單元，將輸入信號以1024個采樣點為分幀單位進行 分幀處理，采用FFT變換實現時域信號到頻域信號的轉換。
如附圖2所示，臨界頻帶濾波單元采用巴克帶的劃分規則，由25個子帶濾 波器組構成，每個頻帶的寬度為一個臨界帶寬，呈現低頻窄高頻寬的趨勢。每個 臨界頻帶近似作為一個獨立聽覺單元，不同臨界頻帶間的影響忽略不計，將來自 左右耳同一個臨界頻帶的信號作為一次ILD、 ITD和IC計算的輸入。
本實施例中空間參數選取單元選取雙耳強度差ILD、雙耳時間差ITD和耳間 相關度IC作為待度量的空間參數。
步驟(2)中，計算步驟(1)中輸出的空間參數的數值。 耳間相關度IC計算式如下<formula>formula see original document page 8</formula>
其中6是臨界頻帶標號，/C(6)是IC參數在臨界頻帶6的數值，&和&+1 分別是臨界頻帶6和6 + l的起始FFT譜線標號，Z,("和X,("分別表示左右
聲道第A條FFT譜線，A^(A)表示^;(^)的共軛復數，Re表示取復數實部的操
作。考慮到音頻信號在時域都是實數表示，公式5計算子帶歸一化相關度的實部， 與時域信號的歸 一化相關度等價。 雙耳強度差ILD計算式如下
<formula>formula see original document page 8</formula>
即左右聲道對應臨界帶頻譜能量比，以dB為單位。其中6是臨界頻帶標號，
/ZX>(W是ILD參數在臨界頻帶6的數值，&和分別是臨界頻帶6和6 +1的
起始FFT譜線標號，義"A:)和；^(A:)分別表示左右聲道第A:條FFT譜線。根據
FFT變換的能量守恒性質，上式與時域信號的能量比等價。 雙耳時間差ITD計算式如下
<formula>formula see original document page 8</formula>
即左右聲道臨界頻帶群延時差。其中6是臨界頻帶標號，/7D(Z))是ITD參數在臨界頻帶6的數值，^和、+1分別是臨界頻帶^和6 + 1的起始FFT譜線標
號，J^("和Xr(A)分別表示左右聲道第A條FFT譜線。arg表示求取相角操作。
由于時域延時對應FFT域的線性相移，上式與時域信號的延時差是對應的。
步驟3中，IC、 ILD、 ITD所疊加的噪音需要體現聽覺系統有限精度與內在的 噪音以及多聲源干擾、反射、和混響等非理想因素。聽覺系統的有限精度是信號 傳輸過程中的延時、衰減，以及神經系統的內在噪音所造成的。這些因素聯合造 成的有限分辨率，即恰可感知差異，反映了聽覺系統總體的靈敏度， 一般是頻率 的函數。記Ar、 AA、和A77分別為ITD、 ILD、和IC的有限分辨率，不考慮雙 耳線索相互影響，空間參數ITD、 ILD、和IC采用如下有效感知量估計式
其中L」表示下取整。《,TO(6)，《助(6)，^:(6)分別表示ITD、 ILD和IC在頻帶b
的有效感知量，/7D(Z )， 7LD(Z))， /C(的分別為頻帶b內的ITD、 ILD和IC
數值。Ar("， A;iO)， A7(W為ITD、 ILD和IC參數在頻帶b內的有限分辨 率。
其中，有限分辨率測量方法將全頻帶按巴克帶劃分方法劃分為25個子帶， 每個子帶上分別測量ILD、 ITD和IC的有限分辨率。下面以ILD為例，說明測量 ILD有限分辨率的步驟制作音頻序列，設置其ILD值分別從-9到9，以l為步 長變化，共生成19個測試音。其中，ILD=0的測試音作為參考音，其聲源方向 來自頭頂的正中心。主觀測試時，使ILD值從O開始分別向正數和負數兩邊逐漸 變化，并對相應的測試音進行測聽。人耳感覺測試音與參考音聲源方向是相同的， 比對結果記錄為0;人耳感知到了測試音與參考音聲源方向不同，則比對結果記錄為1。測試者對所有原始音測聽結束后，記錄下結果為0和1的交界處且記錄 為1的兩個測試序列的ILD值，取這兩個值的絕對值平均，作為ILD臨界值。該 值即為ILD的有限分辨率。
步驟(4)中，修正空間參數的有限分辨率并計算SPE。如附圖3所示，ITD、 ILD是神經興奮度曲面極小值點的位置，當IC變小時，曲面的谷值點附近將趨 于平緩，從而降低ITD和ILD的分辨率。反之，當IC變大時，曲面的谷值點附 近將趨于陡峭，從而提高ITD和ILD的分辨率。
IC對于ILD和ITD的影響是不同的。如附圖4所示，當IC減小時，神經興 奮度曲面的延時方向的曲率變化要顯著大于衰減方向的曲率變化，在等高線上表 現為延時方向變換明顯，而衰減方向變換不明顯。
信號的能量與信號的相位無關，IC的降低可以看成相位噪音的增加，因此 ILD受IC的影響較小，而信號的互相關曲線的曲率受到相關度的影響很大。以 相關噪音為例，其互相關函數是沖擊函數，此時曲率趨于無限大，等高線在延時 方向退化成一個點，此時可以精確的確定ITD;隨著相關度的降低，噪音信號的 互相關函數峰值處的曲率逐漸下降，表現為等高線在延時方向擴展，ITD的精度 下降；在極端的非相關噪音，即獨立噪音的情況下，互相關函數恒為0，此時等 高線由封閉曲線變成延時方向的水平線，完全無法確定ITD。
由上述分析知，IC對ILD的影響可以忽略不計，只考慮IC對ITD的影響。 由于ITD的分辨率隨著IC的下降而下降，相當于ITD的恰可感知差異增大。采 用ITD有限分辨率修正式，通過IC對ITD的有限分辨率進行修正
其中Ar'(。為修正的lTD在頻帶b的有限分辨率，Ar(6)為步驟(3)中 計算的ITD在頻帶b的有限分辨率，IC(Z))為IC在頻帶b的數值。當IC0)-1 時，Ar'(6)有最小值Ar(6)，此時ITD有限分辨率最高；當(KIC(6)〈1時， △ r(6) < Ar'O) < oo ，此時ITD有限分辨率下降，但能提供ITD信息；當IC(6) = 1 時，Ar'(6)-Q0， ITD有限分辨率為O，無法提供任何ITD信息。
10ITD的有效感知量修正式如下
/r卿
其中《'/ro(。為修正的ITD在頻帶b的有效感知量，Ar'(。為修正的ITD 在頻帶b的有限分辨率，/7D(6)為ITD在頻帶b的數值。
綜合以上步驟，采用空間感知熵SPE估計式如下:
25 廣
1 25
+ — y crlog
1 25
2
、L
2
乂 廣
+ 1
△AO)
+ 1
+ 1
A柳
其中/丄D(Z)), /77X的，/C(Z>)分別由步驟(3)給出，△ AA(6), △ /7(6)分 別是ITD、 ILD、 IC在臨界帶6的有限分辨率，通過聽音測試確定。O"反映聽覺 感知的幅度壓縮，一般取0.6。 7V是FFT變換的幀長。log可以任何正實數為底。 通常計算機默認以2為底。
附圖5為空間感知信息量度量方法在音頻編碼中的應用框圖。
多路信號分別經預處理單元進行分幀、時頻變換等處理。處理后的信號進入 下混單元和空間參數選取單元。下混后的信號進入量化熵編碼單元處理后進入碼 流復用單元。空間參數選取單元將選取后的空間參數輸入空間感知信息度量單 元。空間感知信息量度量單元計算信號的空間感知熵SPE。在編碼中，SPE作為 音頻編碼的下限碼率，指導空間參數選取單元以及空間參數的量化編碼單元。空 間參數經量化編碼單元后進入碼流復用單元。
權利要求
1. 一種聲場中空間感知信息量的度量方法，其特征在于包括以下步驟(1)對輸入的音頻信號進行分幀、時頻變換處理，模擬聽覺系統臨界頻帶濾波過程，確定臨界頻帶的劃分規則，選取聲場中的各種空間參數集；(2)對空間參數進行計算，得到各空間參數在臨界頻帶上的數值；(3)測量空間參數的有限分辨率，由下式計算各空間參數所包含的有效感知量其中，α表示選取的空間參數，b為頻帶標志，α(b)為空間參數α在頻帶b上的數值，Δα(b)為空間參數α在該頻帶的分辨率，qα(b)表示空間參數α在頻帶b上所具有的有效感知量；(4)由下式計算輸入信號所具有的空間感知熵SPE其中，qα(b)表示空間參數α在頻帶b上所具有的有效感知量，σ為聽覺感知的幅度壓縮，N是FFT變換的幀長，n為劃分的頻帶數；SPE即為一個多聲道音頻信號中可以被感知到的空間信息量的大小。
2. 根據權利要求1所述的空間感知信息量，其特征在于在步驟(1)中，用臨 界頻帶濾波單元模擬聽覺系統臨界頻帶濾波過程，所用臨界頻帶濾波單元由若干 個子帶的濾波器組成，每個頻帶的寬度為一個臨界帶寬。
3. 根據權利要求1所述的空間感知信息量，其特征在于將空間參數集中來自 同一個臨界頻帶的信號進行計算，得出各空間參數在臨界頻帶上的數值。
4. 一種權利要求1所述聲場中空間感知信息量的度量方法的應用，其特征在于包 括以下步驟首先按權利要求1所訴方法計算多路信號的空間感知熵SPE，然后在編碼中，將SPE作為音頻編碼的下限碼率，并指導空間參數的選取以及空間參 數的量化編碼。
全文摘要
本發明公開了一種聲場中空間感知信息量的度量方法及應用，該方法以空間感知熵SPE代表一個多聲道音頻信號中可以被感知到的空間信息量的大小，即表達雙耳聽音中人耳接收到的空間感知信息量的大小。以雙耳聽音模型為基礎的SPE代表了一個多聲道音頻信號中可以被感知到的空間信息量的大小，是空間音頻編碼碼率的下限，解決了以單耳聽音模型為基礎計算的感知熵無法度量聲場中空間感知信息量的問題。
文檔編號G10L19/02GK101504835SQ20091006101
公開日2009年8月12日 申請日期2009年3月9日 優先權日2009年3月9日
發明者磊 張, 晟 曹, 恒 王, 胡瑞敏, 冰 陳, 琪 陳, 陳文琴, 陳水仙 申請人:武漢大學