DE10119980C1 - Verfahren zur Codierung von Audiodaten - Google Patents

Abstract

Es wird ein Verfahren zur Codierung von Audiodaten vorgeschlagen, wobei anhand der erlaubten Fehlerleistung und der Signalleitstung die Quantisierungsgüten für die Quantisierung der Audiodaten ermittelt werden. Dies geschieht mit einer an die eingesetzte Quantisierungsvorschrift angepaßten Schätzung. Mit diesen geschätzten Quantisierergüten wird die Quantisierung und Codierung initialisiert und eine resultierende Bitanzahl berechnet. Diese Bitanzahl wird mit einer Sollbitzahl verglichen. Liegt die Bitanzahl über der Sollbitzahl, werden die Quantisierergüten verschlechtert und die Quantisierung und Codierung erneut durchgeführt, um somit eine geringere Bitanzahl zu erzielen. Wird die Sollbitzahl von der Bitanzahl unterschritten, ist das erfindungsgemäße Verfahren abgeschlossen.

Description

Stand der Technik

Die Erfindung geht aus von einem Verfahren zur Codierung von Audiodaten nach der Gattung des unabhängigen Patentanspruchs.

Es ist bereits bekannt, aus Audiodaten mittels eines psychoakustischen Modells wichtige Parameter, wie z. B. die Maskierungsschwelle zu ermitteln. Audiodaten, die unter der Maskierungsschwelle liegen, sind für das menschliche Ohr nicht mehr wahrnehmbar. Sie beschreibt also diejenige Fehlerleistung, die von einer nachfolgenden Quantisierung nicht überschritten werden darf. Die Audiodaten werden ferner in den Frequenzbereich transformiert, beispielsweise mittels einer modifizierten diskreten Cosinustransformation (MCDT), um sie dann im Frequenzbereich zu quantisieren und zu codieren. Die Audiodaten liegen ferner in Rahmen vor.

Aus DE 694 18 994 T2 ist eine Kodier- und Dekodiervorrichtung mit einem Kodierabschnitt zum Kodieren eines aus Musiktonsignal, Sprachtonsignalen oder eine Kombination solcher Signale bestehenden digitalen Eingangssignals bekannt. Dabei wird eine Kodierung dieser Audiodaten blockweise durchgeführt. Weiterhin wird das Audiodatensignal in Frequenzbänder aufgeteilt. Aus DE 42 09 382 C1 ist bekannt, ein digitales Audiosignal durch eine modifizierte diskrete Kosinustransformation aus den Zeitbereichen und in Frequenzbereich zu transformieren und das Eingangssignal in unter abgetastete Spektralkomponenten zu zerlegen. Dies wird in einer Filterbank durchgeführt.

Vorteile der Erfindung

Das erfindungsgemäße Verfahren zur Codierung von Audiodaten mit den Merkmalen des unabhängigen Patentanspruchs hat demgegenüber den Vorteil, dass eine erheblich schnellere Anpassung der Quantisierungsgüten und damit Formung des Quantisierungsrauschens möglich ist. Dabei wird durch eine Schätzung der Quantisierungsgüte das Quantisierungsrauschen möglichst genau an die Maskierungsschwelle angepasst. Darüber hinaus wird die Audioqualität nicht beeinträchtigt. Das erfindungsgemäße Verfahren zur Codierung von Audiodaten kann sowohl in Hardware als auch in Software implementiert werden.

Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen und Weiterbildungen sind vorteilhafte Verbesserungen des im unabhängigen Patentanspruch angegebenen Verfahrens zur Codierung von Audiodaten möglich.

Dabei ist es von Vorteil, dass bei Überschreitung der Sollbitzahl die Auflösung der Quantisierer in ausgewählten Frequenzbändern gesenkt wird, um eine niedrigere Bitanzahl zu erreichen. Diese niedrigere Bitanzahl wird dann durch eine erneute Quantisierung und Codierung ermittelt und erneut mit der Sollbitrate verglichen. Der Abbruch der Iteration erfolgt bei Unterschreitung der Sollbitrate.

Besonders vorteilhaft ist es, dass die Auflösung des Quantisierers aus der Fehlerenergie und Signalleistung für jedes Frequenzband aus einer an die Quantisierungsvorschrift angepassten Schätzung abgeleitet wird. Damit erfolgt die Bestimmung der Auflösung des Quantisierers in einem einzigen Schritt, d. h. ohne Iteration. Dies reduziert den Rechenaufwand erheblich, wobei für die Schätzung auf einen funktionalen Zusammenhang zurückgegriffen wird, der von der verwendeten Quantisierungsvorschrift abhängig ist.

Schließlich ist es auch von Vorteil, dass ein Sender zur Durchführung des Verfahrens vorliegt, wobei der Prozessor einen Speicher, eine Quantisierung und eine Codierung aufweist.

Zeichnung

Ausführungsbeispiele der Erfindung sind in der Zeichnung dargestellt und werden in der nachfolgenden Beschreibung näher erläutert. Es zeigt

Fig. 1a ein Blockschaltbild des erfindungsgemäßen Senders,

Fig. 1b ein Signalflussdiagramm des erfindungsgemäßen Verfahrens,

Fig. 2 ein erstes Flussdiagramm,

Fig. 3 ein Energiefrequenzdiagramm,

Fig. 4 ein Fehlerleistungspegel-Skalenfaktordiagramm,

Fig. 5 ein Fehlerleistungspegel- Signalleistungspegeldiagramm und

Fig. 6 ein zweites Flussdiagramm

Beschreibung

Bei digitalen Rundfunkübertragungsverfahren, wie es DAB (Digital Audio Broadcasting) oder DRM (Digital Radio Mondial) sind, stellt die Audiocodierung einen entscheidenden Schritt dar, da hier die verfügbare Bitrate und die Audioqualität optimiert werden müssen. Erfindungsgemäß wird nun zunächst die maximal zulässige Fehlerleistung in Form der Maskierungsschwelle bestimmt und aus dieser Fehlerleistung und der Signalleistung der Audiodaten dann die Auflösung der Quantisierer ermittelt, um die Audiodaten entsprechend zu quantisieren und codieren. Die sich dabei ergebende Bitanzahl wird mit einer vorgegebenen Sollbitzahl verglichen, wobei dann bei einem Unterschreiten der Sollbitzahl die Quantisierung und Codierung abgeschlossen wird und die Formatierung der quantisierten und codierten Daten erfolgen kann.

Fig. 1a zeigt als Blockschaltbild einen erfindungsgemäßen Sender. Eine Datenquelle 8 ist an einen Prozessor 9 angeschlossen, der über einen Datenein-/-ausgang mit einem Speicher 10 verbunden ist. An den Prozessor 9 ist eine Quantisierung 11 angeschlossen, die wiederum mit einer Codierung 12 verbunden ist. Die Codierung 12 ist an einen Dateneingang eines Modulators 13 angeschlossen, der wiederum mit einem Verstärker verbunden ist. An einen Ausgang des Modulators 13 ist eine Antenne 14 angeschlossen.

Die Datenquelle 8 stellt die Audiodaten bereit, die über die Antenne 14 versendet werden sollen und überträgt sie als Datenstrom zum Prozessor 9. Der Prozessor 9 transformiert diese Audiodaten in den Frequenzbereich, beispielsweise mittels einer modifizierten diskreten Cosinustransformation (MDCT), und berechnet daraus mittels eines psychoakustischen Modells die Mithör- oder Maskierungsschwelle. Die Maskierungsschwelle stellt einen Schwellwert dar, der wahrnehmbare von nicht wahrnehmbaren Signalkomponenten trennt. Komponenten mit Signalenergien, die unterhalb dieser Maskierungsschwelle liegen, werden durch das menschliche Gehör nicht wahrgenommen. Der Prozessor 9 verwendet den Speicher 10 zur Durchführung der Transformation und zur Bestimmung der Maskierungsschwelle. Weiterhin stellt dann der Prozessor 9 die Maskierungsschwelle und die transformierten Audiodaten der Quantisierung 11 zur Verfügung, die eine erfindungsgemäße Quantisierung und Codierung zusammen mit der Codierung 12 durchführt. Die so codierten Daten werden dann an den Modulator 13 übergeben, der gemäß den codierten Daten eine Modulation durchführt. Bei DAB wird hier die Modulation gemäß QPSK (Quadraturphasenumtastung) durchgeführt. Darüber hinaus setzt der Modulator 13 die modulierten Signale auf eine Zwischenfrequenz um und führt eine Verteilung der Modulationssymbole auf eng benachbarte Träger durch. Es findet also die Bildung eines orthogonalen Frequenzmultiplexes (OFDM) statt. Die so erzeugten OFDM- Signale werden dann vom Verstärker verstärkt und mit der Antenne 14 versendet.

Fig. 1b zeigt als Signalflussdiagramm den Ablauf der einzelnen Arbeitsschritte, die vom Prozessor 9, der Quantisierung 11 und der Codierung 12 durchgeführt werden. Es ist möglich, dass jeweils eine dedizierte Hardware für die einzelnen Blöcke eingesetzt wird oder dass alle drei Aufgaben von einem Prozessor erledigt werden. Dieses System zur Codierung von Audiodaten wird auch als Transformationscoder bezeichnet. Im folgenden wird das erfindungsgemäße Verfahren anhand des Transformationscoders MPEG-2/4-Advanced-Audio-Coding (AAC) näher erläutert, wobei dieses Verfahren nicht auf MPEG-2/4-AAC beschränkt ist.

Dabei werden die blockweise eingelesenen Audiodaten zunächst mittels einer MDCT in den Frequenzbereich transformiert. Parallel dazu werden mittels eines psychoakustischen Modells wichtige Parameter wie beispielsweise die Maskierungsschwelle ermittelt. Alle Signalanteile unterhalb dieser Schwelle sind für das menschliche Gehör nicht mehr wahrnehmbar. Die Maskierungsschwelle beschreibt also diejenige Fehlerleistung, die von der folgenden Quantisierung nicht überschritten werden darf.

Diese Seiteninformationen, zu denen die Maskierungsschwelle gehört, gelangen zusammen mit den aus der Transformation gewonnenen Spektralwerten in das Modul Quantisierung und Codierung, wo die eigentliche Codierung stattfindet. Abschließend erfolgt die Formatierung des Bitstroms.

In Fig. 2 ist ein Flussdiagramm zum Ablauf im Block Quantisierung und Codierung dargestellt. In Verfahrensschritt 1 erfolgt eine nichtlineare Stauchung des Spektrums der Audiodaten. Die spektralen Daten sind hierbei zu Frequenzbändern gruppiert. In Verfahrensschritt 2 werden die Quantisierer initialisiert. In Verfahrensschritt 3 erfolgt eine Skalierung und Quantisierung. Dabei erreichen die Daten nun die innere Iterationsschleife, in der die Skalierung und Quantisierung durchgeführt wird. Dabei wird in jedem Band die Auflösung des Quantisierers, also seine Güte, solange verbessert, bis die Fehlerenergie eines jeden Bandes kleiner oder gleich einer vorher im psychoakustischen Modell berechneten Fehlerenergie ist. Das Quantisierungsrauschen muß also unterhalb der Wahrnehmungsschwelle des menschlichen Gehörs liegen. Erfüllen alle Bänder dieses Kriterium, dies wird in Block 4 geprüft, dann wird die Schleife verlassen. Anschließend erfolgt die Codierung im Block 5, bei der das quantisierte Spektrum und die Seiteninformationen in das standardisierte Bitstromformat überführt werden. In Block 6 wird schließlich überprüft, ob die geforderte Bitrate eingehalten wird. Ist diese Bedingung erfüllt, dann kann der fertige Bitstrom in den Ausgangspuffer geschrieben werden. Im anderen Fall wird die Quantisierungsgüte in allen Frequenzbändern verschlechtert und es erfolgt erneut der Rücksprung in die innere Schleife.

Dieser schematisch beschriebene Ablauf lässt sich anhand eines konkreten Signalbeispiels in Fig. 3 näher erläutern. Aufgetragen ist der Verlauf der Signalenergie und der Maskierungsschwelle über der Frequenzachse. Die Maskierungsschwelle wurde in dem psychoakustischen Modell berechnet und beschreibt, welche Signalanteile für das menschliche Gehör wahrnehmbar sind und welche nicht. Diejenigen Anteile, die unter der Schwelle liegen sind nicht wahrnehmbar, während die über der Schwelle liegenden Anteile akustisch wahrnehmbar sind. Die Wirkungsweise der beiden Iterationsschleifen aus Fig. 2 lässt sich so charakterisieren, dass ausgehend von einem Initialisierungszustand die Quantisierer so eingestellt werden, dass das Quantisierungsrauschen möglichst die Form und Lage der aus der Psychoakustik ermittelten Maskierungsschwelle annehmen soll.

Fig. 3 zeigt als untere punktierte Linie den initialisierten Ausgangszustand. Diese Linie ist waagerecht. Die innere Iterationsschleife sorgt für die spektrale Formung der Fehlerenergie, die von den Quantisierern verursacht wird, während die äußere Schleife für die Verschiebung zuständig ist, die bei Überschreiten der Sollbitzahl erforderlich wird. Bei dieser Vorgehensweise sind mehrere Iterationen notwendig, um die optimalen Quantisierergüten für die gegebene Sollbitzahl zu erhalten. Ziel der Erfindung ist es nun, die innere Iteration durch eine Schätzung zu ersetzen.

Fig. 6 zeigt als Flussdiagramm das erfindungsgemäße Verfahren am Beispiel des MPEG-2/4-AAC zur Codierung von Audiodaten. Bei MPEG-2/4-AAC werden die Quantisierergüten mittels sogenannter Skalenfaktoren eingestellt. Im Block, der mit x^3/4 bezeichnet wird, erfolgt eine nichtlineare Stauchung des Spektrums der Audiodaten, so dass sich in Zusammenhang mit der später stattfindenden gleichförmigen Quantisierung eine nichtlineare Quantisiererkennlinie ergibt. Die nicht lineare Quantisierung erfolgt hierbei nach

mit SF_OFFSET = 100 und MAGIC_NUMBER = 0.4054.

Die Konstante MAGIC_NUMBER sorgt bei der Quantisierung dafür, daß ungestauchte Spektralkoeffizienten, deren Betrag kleiner 0.5 ist, zu Null quantisiert werden. Die Konstante SF_OFFSET legt den Nutzbereich der Skalenfaktoren fest und muß bei Enkoder und Dekoder den gleichen Wert aufweisen. Die Auflösung der Quantisierung wird durch den Skalierungsindex SF_OFFSET - scf bestimmt, wobei mit scf der eingangs erwähnte Skalenfaktor bezeichnet wird. Bei großem scf erfolgt eine grobe Quantisierung, bei kleinem scf äquivalent eine feine Quantisierung.

Entscheidend für die Quantisiererauflösung und damit das hinzugefügte Quantisierungsrauschen sind die Skalenfaktoren scf, welche jeweils für ein Skalenfaktorband (Teilband des Spektrums) vorliegen. Eine spektrale Formung des Quantisierungsrauschens kann also über die Steuerung der Skalenfaktoren erfolgen. Das Ziel ist es hierbei, das Quantisierungsrauschen möglichst genau der Maskierungsenergie "anzuschmiegen".

Um eine effiziente Bestimmung der Skalenfaktoren zu ermöglichen, wurde auf Basis von Simulationen ein Schätzer entwickelt, indem eine Folge von Spektralwerten nach obiger Vorschrift mit unterschiedlichen scf quantisiert und requantisiert wurden. Auf Basis dieser Simulationen wird ein Zusammenhang zwischen Signalleistung, Fehlerleistung und entsprechendem scf hergestellt. Die ermittelten Resultate der Simulationen werden im folgenden vorgestellt, wobei die Quantisiererfehlerleistung in Fig. 4 über den Skalenfaktoren und in Fig. 5 über dem Eingangssignalpegel zur Verdeutlichung graphisch aufgetragen ist. Hierbei zeigt sich in Fig. 4, daß der Fehlerleistungspegel linear mit dem Skalenfaktor zunimmt, bis die Fehlerleistung eine Sättigung erreicht. Diese Sättigung wird erreicht, falls der Quantisierungsfehler gleich dem Signal ist, d. h. das Signal insgesamt "zu Null" quantisiert wird. Der in den Simulationen gefundene lineare Zusammenhang läßt sich wie folgt beschreiben:

error_dB = 1.12.scf + offset; error_dB ist Fehlerleistungspegel.

Wie aus Fig. 5 ersichtlich folgt auch offset, d. h. der Fehlerleistungspegels für den Skalenfaktor scf = 0, bei verschiedenen Signalpegeln einem linearen Zusammenhang. Dieser "Offset" hängt von der Verteilungsfunktion der zu quantisierenden Spektralwerte ab. Für die Annahme von Weißem Gaußschen Rauschen (GWN = Gaussian White Noise) wurde der folgende Zusammenhang ermittelt (A und B sind aus Simulationen zu bestimmen)

offset = (signal_dB - A).B; signal_dB ist Signalleistungspegel.

Für diesen konkreten Anwendungsfall hat sich die Annahme von GWN als sehr gute Näherung erwiesen. Das Verfahren selbst kann aber selbstverständlich auch für Signaltypen mit anderen Verteilungsfunktionen verwendet werden. Der Fehlerleistungspegel, welcher für einen bestimmten Skalenfaktor und einen bestimmten Signalpegel auftritt, läßt sich folglich mittels

error_dB = 1.12.scf + B.signal_dB - A*B

beschreiben. Für den Schätzer sind error_dB und signal_dB bekannt, aus denen nach einer geeigneten Umstellung der obigen Formel der Skalenfaktor scf geschätzt bzw. berechnet werden kann.

Hiermit wurde das Ziel erreicht, direkt aus der Signal- und Fehlerleistung die Skalenfaktoren (also die Quantisierergüten bzw. Auflösungen) zu schätzen und somit die Formung der Maskierungsschwelle ohne die eingangs beschriebenen Iterationen zu erreichen. Hierdurch findet im Kern der Routine nur noch die weitestgehend tabellierte Quantisierung statt.

Fig. 6 zeigt demnach schematisch den vorgestellten Schätzer mit seinen wichtigsten Funktionsblöcken. Vor dem ersten Durchlauf wird das Eingangssignalspektrum nichtlinear gestaucht und die Skalenfaktoren (die Quantisierergüte bzw. Auflösung) aus dem Spektrum und der Maskierungsschwelle geschätzt. Schalter S1 befindet sich in senkrechter Stellung, und es findet der erste Quantisierungs- und Codierungsdurchlauf statt. Schalter S1 ist nun in waagerechter Stellung. Falls die Bitrate noch immer nicht eingehalten oder unterschritten ist, findet ein erneuter Iterationsdurchlauf mit verringerten Quantisierergüten statt.

Claims (4)

1. Verfahren zur blockweisen Codierung von Audiodaten, wobei die Audiodaten in Frequenzbänder aufgeteilt werden, dadurch gekennzeichnet, dass pro Frequenzband anhand vorgegebener Parameter eine maximal zulässige Fehlerleistung bestimmt wird, dass für jedes Frequenzband aus der maximal zulässigen Fehlerleistung und der Signalleistung der Audiodaten mittels eines funktionellen Zusammenhangs die Auflösung eines Quantisierers für die Audiodaten ermittelt wird, dass dann die Audiodaten quantisiert und codiert werden, dass dabei die aufgrund der Auflösung des Quantisierers sich ergebende Bitanzahl mit einer vorgegebenen Sollbitzahl verglichen wird und dass bei Unterschreiten der Sollbitzahl die Quantisierung des jeweiligen Blocks und Codierung abgeschlossen wird.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass bei Überschreiten der Sollbitzahl durch die sich ergebende Bitanzahl die Auflösung des Quantisierers in ausgewählten Frequenzbändern gesenkt wird, um dann die Quantisierung und Codierung zu wiederholen.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Auflösung des Quantisierers aus der Fehlerleistung und Signalleistung pro Frequenzband aus einer an die Quantisierungsvorschrift angepassten Schätzung abgeleitet wird.

4. Sender zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass der Sender einen Schätzer für die Quantisierungsauflösung, wenigstens einen Quantisierer, einen Codierer und einen Prozessor mit Speicher aufweist.