DE69834010T2

DE69834010T2 - Skalierbares stereo Tonkodierungs- und Tondekodierungsverfahren und Vorrichtung dafür

Info

Publication number: DE69834010T2
Application number: DE69834010T
Authority: DE
Inventors: Sung-hee Seocho-gu Park; Yeon-bae Suwon-city Kim
Original assignee: Samsung Electronics Co Ltd
Current assignee: Samsung Electronics Co Ltd
Priority date: 1997-11-20
Filing date: 1998-07-06
Publication date: 2006-12-07
Anticipated expiration: 2018-07-07
Also published as: ID21304A; DE69834010D1; IL125268A; BR9806404A; EP0918407B1; JP3412082B2; EP0918407A3; CN1126265C; KR100335611B1; IL125268A0; BR9806404B1; MY120333A; RU2197776C2; KR19990041072A; CN1218334A; US6529604B1; JPH11317672A; EP0918407A2

Description

Allgemeiner Stand der Technik
1. Gebiet der Erfindung
Die vorliegende Erfindung betrifft das Gebiet der Toncodierung und -decodierung und insbesondere ein skalierbares Stereotoncodierungs- und -decodierungsverfahren und eine Vorrichtung dafür, die eine arithmetische Bitslicing-Codierung verwenden.
2. Beschreibung des Standes der Technik
Bei einer herkömmlichen skalierbaren Toncodierungs- und -decodierungsvorrichtung wurde die Skalierbarkeit eines 1-Kanal-Monosignals in Betracht gezogen [K. Brandenburg und Mitarbeiter, "First Ideas on Scalable Audio Coding", 97. AES-Tagung, Vorabdruck 3924, San Francisco, 1994] und [K. Brandenburg und Mitarbeiter, "A two- or Three-Stage Bit Rate Scalable Audio Coding System", 99. AES-Tagung, Vorabdruck 4132, New York, 1995]. Des Weiteren offenbaren S. H. Part und Mitarbeiter "Multi-layer Bit-sliced Bit Rate Scalable Audio Coding", 103. AES-Tagung, Vorabdruck, 1997. Jedoch stellen MPEG-Tonstandards [MPEG Committee ISO/IEC/JTCI/SC29/WG11, Information technology – Coding of moving pictures and associated Audio for data storage media to about 1.5 Mbit/s – Teil 3: Audio, ISO/IEC IS 11172-3, 1998] oder AC-2/AC-3-Verfahren [Dolby, "Dolby AC-3 Multi-Channel Audio Coding – Submission to the Grand Alliance Audio Specialist Group", Dolby Lab., August, 1993] eine Technologie zum Verarbeiten von Stereo- und Mehrkanalsignalen sowie Monosignalen bereit. In der Praxis bestehen die meisten Musiksignale aus Stereosignalen. Es ist darum notwendig, skalierbare Audio-Codecs zu verwenden, die auf Signale angewendet werden können, die aus Zwei- oder Mehrkanal-Bitströmen bestehen, wie im Internet oder einem Kommunikationsnetz.
Musiksignale sind im Allgemeinen Stereosignale. Die Stereosignale werden über eine Compact-Disk (CD), ein Kommunikationsnetz oder ein Rundfunknetz bereitgestellt und werden künftig im Rahmen von Multimedia-Umgebungen bereitgestellt. Jedoch haben die vorhandenen skalierbaren Audio-Codecs bisher zumeist Monosignale gehandhabt und haben noch keine Stereosignale verarbeitet. Um Stereosignale zu verarbeiten, muss die Signalübertragung so erfolgen, dass alle Signale für einen einzelnen Kanal übertragen werden und dann die Signale für einen anderen Kanal übertragen werden. Weil aber die Mengen an Bits, die in zwei Kanälen erzeugt werden, nicht immer die gleichen sind, ist in diesem Fall die Leistung des skalierbaren Audio-Codecs bei einer kleineren Bitrate für die Stereosignale deutlich geringer.
Kurzdarstellung der Erfindung
Um die oben beschriebenen Probleme zu lösen, ist es eine Aufgabe der vorliegenden Erfindung, ein skalierbares Verfahren und eine entsprechende Vorrichtung zum Codieren digitaler Stereotondaten und ein Aufzeichnungsmedium zum Aufzeichnen des Codierungsverfahrens bereitzustellen. Die Codierung erfolgt durch das Erzeugen von Bitströmen, die aus mehreren Erweiterungsschichten, die auf einer Basisschicht basieren, bestehen, unter Verwendung einer Technik der arithmetischen Bitslicing-Codierung (Bit-sliced Arithmetic Coding – BSAC).
Um die Aufgabe der vorliegenden Erfindung zu erfüllen, wird ein skalierbares Stereotoncodierungsverfahren zum Codieren von Tonsignalen in einen geschichteten Datenstrom mit einer Basisschicht und wenigstens zwei Erweiterungsschichten bereitgestellt, umfassend folgende Schritte: Signalverarbeitung von Eingangs-Tonsignalen und Quantisieren der Eingangs-Tonsignale für jedes vorgegebene Codierungsband; wobei das Verfahren des Weiteren folgende Schritte umfasst: Codieren der quantisierten Daten entsprechend der Basis schicht unter den quantisierten Daten; Codieren der quantisierten Daten entsprechend der nächsten Erweiterungsschicht der codierten Basisschicht und der übrigen quantisierten Daten, die aufgrund einer Schichtgrößenbegrenzung uncodiert sind und zu der codierten Schicht gehören; und sequenzielles Ausführen der Schichtcodierungsschritte für alle Erweiterungsschichten, um Bitströme zu bilden, wobei der Schritt der Basisschichtcodierung, der Schritt der Erweiterungsschichtcodierung und der Schritt der sequenziellen Codierung so ausgeführt werden, dass die Nebeninformationen und quantisierten Daten, die einer zu codierenden Schicht entsprechen, durch Ziffern der gleichen vorgegebenen Anzahl dargestellt werden und dann unter Verwendung eines vorgegebenen Wahrscheinlichkeitsmodells in der Reihenfolge, die von den MSB-Sequenzen zu den LSB-Sequenzen reicht, arithmetisch codiert werden; wobei das Verfahren dadurch gekennzeichnet ist, dass die einem Bitslicing unterzogenen Daten des linken Kanals und des rechten Kanals miteinander verschachtelt werden und wechselweise in Einheiten vorgegebener Vektoren codiert werden.
Die Nebeninformationen enthalten wenigstens Skalierungsfaktoren sowie Informationen über ein zur arithmetischen Codierung zu verwendendes Wahrscheinlichkeitsmodell. Bei den vorgegebenen Vektoren handelt es sich um vierdimensionale Vektoren, die durch Koppeln der einem Bitslicing unterzogenen vier Tonkanaldaten zu einem einzigen Vektor erzeugt werden. Die vierdimensionalen Vektoren werden in zwei Teilvektoren entsprechend Vorzuständen aufgeteilt, die anzeigen, ob einem Bitslicing unterzogene Frequenzkomponenten, die ungleich Null sind, codiert sind oder nicht, um die dann zu codieren.
Der Schritt des Codierens der Skalierungsfaktoren enthält des Weiteren folgende Schritte: Erhalten des maximalen Skalierungsfaktors; Erhalten der Differenz zwischen dem maximalen Skalierungsfaktor und den ersten Skalierungsfak toren und arithmetisches Codieren der Differenz; und Erhalten von Differenzen zwischen dem unmittelbar vorangegangenen arithmetisch codierten Skalierungsfaktor und den jeweiligen Skalierungsfaktoren, die auf den ersten Skalierungsfaktor folgen, Abbilden der Differenzen in einen vorgegebenen Wert und arithmetisches Codieren der abgebildeten Werte.
Der Schritt des Codierens der Skalierungsfaktoren enthält folgende Schritte: Erhalten des maximalen Skalierungsfaktors; und Erhalten von Differenzen zwischen dem maximalen Skalierungsfaktor und den jeweiligen Skalierungsfaktoren und arithmetisches Codieren der Differenzen.
Die Kopfinformationen, die gemeinsam für alle Bänder verwendet werden, werden codiert, und die Nebeninformationen und die quantisierten Frequenzen, die für die jeweilige Schicht erforderlich sind, werden durch einem Bitslicing unterzogene Informationen gebildet, die dann zu codieren sind, um eine Schichtstruktur zu erhalten.
Die Quantisierung wird durch folgende Schritte ausgeführt: Konvertieren der Eingangs-Tonsignale eines Zeitbereichs in Signale eines Frequenzbereichs; Koppeln der konvertierten Signale als Signale vorgegebener Skalierungsfaktorbänder mittels Zeit-Frequenz-Abbildung und Berechnen einer Maskierungsschwelle auf jedem Skalierungsfaktorband; Ausführen einer zeitlichen Rauschformung zum Steuern der zeitlichen Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters; Ausführen einer Intensitätsstereoverarbeitung, dergestalt, dass nur die quantisierten Informationen eines Skalierungsfaktorbandes für einen von zwei Kanälen codiert werden, wobei nur der Skalierungsfaktor für den anderen Kanal übermittelt wird; Vorhersagen von Frequenzkoeffizienten des augenblicklichen Rahmens; Durchführen einer Mitte-/Seite(M/S)-Stereoverarbeitung zum Konvertieren eines Signals des linken Kanals und eines Signals des rechten Kanals in ein additives Signal aus zwei Signalen und ein subtraktives Signal davon; und Quantisieren der Signale für jedes vorgegebene Codierungsband, dergestalt, dass Quantisierungsrauschen jedes Bandes kleiner ist als die Maskierungsschwelle.
Wenn die quantisierten Daten aus Vorzeichendaten und Größenordnungsdaten zusammengesetzt sind, so enthalten die Schritte des Codierens der Basisschicht und der Erweiterungsschichten und des Bildens von Bitströmen die folgenden Schritte: arithmetisches Codieren der signifikantesten Ziffernfolgen, die aus signifikantesten Ziffern der Größenordnungsdaten zusammengesetzt sind; Codieren von Vorzeichendaten, die Daten ungleich Null unter den codierten signifikantesten Ziffernfolgen entsprechen; Codieren der signifikantesten Ziffernfolgen unter uncodierten Größenordnungsdaten der digitalen Daten; Codieren uncodierter Vorzeichendaten unter den Vorzeichendaten, die Größenordnungsdaten ungleich Null unter codierten Ziffernfolgen entsprechen; und Ausführen des Größenordnungscodierungsschrittes und des Vorzeichencodierungsschrittes an den entsprechenden Ziffern der digitalen Daten, wobei die jeweiligen Schritte wechselweise an den Daten des linken Kanals und den Daten des rechten Kanals in Einheiten vorgegebener Vektoren ausgeführt werden.
Gemäß einem weiteren Aspekt der vorliegenden Erfindung wird eine skalierbaren Stereotoncodierungsvorrichtung bereitgestellt, die Folgendes umfasst: einen Quantisierungsabschnitt 160 zur Signalverarbeitung von Eingangs-Tonsignalen und zum Quantisieren der Eingangs-Tonsignale für jedes Codierungsband; einen Abschnitt 170 zum arithmetischen Bitslicing-Codieren für das Codieren von Bitströmen für alle Schichten, so dass eine Schichtstruktur entsteht, durch Bandbegrenzung für eine Basisschicht, so dass sie skalierbar ist, zum Codieren von Nebeninformationen, die der Basisschicht entsprechen, zum Codieren der quantisier ten Informationen sequenziell von der signifikantesten Bitsequenz zu der geringst-signifikanten Bitsequenz und von Komponenten mit niedrigerer Frequenz zu Komponenten mit höherer Frequenz, und zum Codieren von Nebeninformationen, die der nächsten Erweiterungsschicht der Basisschicht und den quantisierten Daten entsprechen; und einen Bitstrombildungsabschnitt 180 zum Erfassen von Daten, die in dem Quantisierungsabschnitt und in dem Abschnitt zum arithmetischen Bitslicing-Codieren gebildet wurden, und zum Erzeugen von Bitströmen; wobei die Codierungsvorrichtung dadurch gekennzeichnet ist, dass der Abschnitt 170 zum arithmetischen Bitslicing-Codieren dafür konfiguriert ist, verschachtelte Daten des linken Kanals und Daten des rechten Kanals wechselweise in Einheiten vorgegebener Vektoren zu codieren.
Der Quantisierungsabschnitt enthält Folgendes: einen Zeit-Frequenz-Abbildungsabschnitt zum Konvertieren der Eingangs-Tonsignale eines Zeitbereichs in Signale eines Frequenzbereichs; einen psychoakustischen Abschnitt zum Koppeln der konvertierten Signale durch Signale vorgegebener Skalierungsfaktorbänder mittels Zeit-Frequenz-Abbildung und Berechnen einer Maskierungsschwelle auf jedem Skalierungsfaktorband unter Verwendung eines Maskierungsphänomens, das durch Interaktion der jeweiligen Signale erzeugt wird; und einen Quantisierungsabschnitt zum Quantisieren der Signale für jedes vorgegebene Codierungsband, während das Quantisierungsrauschen jedes Bandes mit der Maskierungsschwelle verglichen wird.
Des Weiteren enthält die Vorrichtung Folgendes: einen Abschnitt für zeitliche Rauschformung (ZRF) zum Ausführen einer zeitlichen Rauschformung zum Steuern der zeitlichen Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters; einen Intensitätsstereoverarbeitungsabschnitt zum Ausführen einer Intensitätsstereoverarbeitung, dergestalt, dass nur die quantisierten Informationen eines Skalierungsfaktorbandes für einen von zwei Kanälen codiert werden, wobei nur der Skalierungsfaktor für den anderen Kanal übermittelt wird; einen Vorhersageabschnitt zum Vorhersagen von Frequenzkoeffizienten des augenblicklichen Rahmens; und einen M/S-Stereoverarbeitungsabschnitt zum Durchführen einer M/S-Stereoverarbeitung zum Konvertieren eines Signals des linken Kanals und eines Signals des rechten Kanals in ein additives Signal aus zwei Signalen und ein subtraktives Signal davon.
Gemäß einem weiteren Aspekt der vorliegenden Erfindung wird ein skalierbares Stereotondecodierungsverfahren zum Decodieren von Tonsignalen bereitgestellt, die so codiert sind, dass sie geschichtete Bitraten aufweisen, wobei das Verfahren folgende Schritte umfasst: Analysieren von Daten, die für die jeweiligen Module in den Bitströmen mit einer Schichtstruktur benötigt werden; Decodieren wenigstens von Skalierungsfaktoren und Indizes von Modellen für arithmetisches Codieren und quantisierten Daten in der Reihenfolge der Erzeugung der Schichten in Bitströmen mit einer Schichtstruktur, wobei die quantisierten Daten durch Analysieren der Signifikanz von Bits, aus denen die Bitströme bestehen, von höher-signifikanten Bits zu weniger-signifikanten Bits decodiert werden; Wiederherstellen der decodierten Skalierungsfaktoren und quantisierten Daten in Signale mit den ursprünglichen Größenordnungen; und Konvertieren von umgekehrt quantisierten Daten in Signale eines Zeitbereichs; wobei das Verfahren dadurch gekennzeichnet ist, dass die quantisierten Daten aus codierten verschachtelten linken und rechten Kanälen dergestalt decodiert werden, dass die quantisierten Daten wechselweise für die jeweiligen Kanäle decodiert werden.
Das skalierbare Stereotondecodierungsverfahren enthält des Weiteren folgende Schritte: Durchführen einer M/S-Stereoverarbeitung, um zu prüfen, ob in dem Bitstromcodierungsverfahren eine M/S-Stereoverarbeitung durchgeführt wurde oder nicht, und Konvertieren eines Signals des linken Kanals und eines Signals des rechten Kanals in ein additives Signal aus zwei Signalen und ein subtraktives Signal davon, wenn die M/S-Stereoverarbeitung durchgeführt wurde; Prüfen, ob in dem Bitstromcodierungsverfahren ein Vorhersageschritt durchgeführt wurde oder nicht, und Vorhersagen von Frequenzkoeffizienten des augenblicklichen Rahmens, wenn der Prüfschritt ausgeführt wurde; Prüfen, ob in dem Bitstromcodierungsverfahren ein Intensitätsstereoverarbeitungsschritt durchgeführt wurde oder nicht, und, wenn die Intensitätsstereoverarbeitung durchgeführt wurde, dann – weil nur die quantisierten Informationen des Skalierungsfaktorbandes für einen einzelnen Kanal (den linken Kanal) von zwei Kanälen codiert sind – Durchführen der Intensitätsstereoverarbeitung zum Wiederherstellen der quantisierten Informationen des anderen Kanals (des rechten Kanals) in einen Wert des linken Kanals; und Prüfen, ob in dem Bitstromcodierungsverfahren ein Schritt der zeitlichen Rauschformung (ZRF) durchgeführt wurde oder nicht, und wenn der ZRF-Schritt durchgeführt wurde, Ausführen einer zeitlichen Rauschformung zum Steuern der zeitlichen Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters.
Wenn die quantisierten Daten aus Vorzeichendaten und Größenordnungsdaten bestehen, so wird eine Wiederherstellung von quantisierten Frequenzkomponenten durch sequenzielles Decodieren der Größenordnungsdaten von Vorzeichenbits quantisierter Frequenzkomponenten und ein Koppeln der Größenordnungsdaten und der Vorzeichenbits vorgenommen.
Der Decodierungsschritt wird von den signifikantesten Bits zu den geringst-signifikanten Bits ausgeführt, und der Wiederherstellungsschritt wird durch Koppeln der decodierten, einem Bitslicing unterzogenen Daten und Wiederherstellen der gekoppelten Daten in Daten quantisierter Frequenzkomponenten ausgeführt.
Die Daten werden in dem Decodierungsschritt dergestalt decodiert, dass einem Bitslicing unterzogene Informationen von vier Abtastungen in Einheiten vierdimensionaler Vektoren decodiert werden.
Das Decodieren des vierdimensionalen Vektors erfolgt dergestalt, dass zwei Teilvektoren, die gemäß Vorzuständen codiert wurden, die anzeigen, ob einem Bitslicing unterzogene Frequenzkomponenten ungleich Null codiert sind oder nicht, arithmetisch codiert werden und die zwei Teilvektoren, die gemäß den Codierungszuständen der jeweiligen Abtastungen decodiert wurden, in vierdimensionale Vektoren wiederhergestellt werden.
Des Weiteren wird, während die einem Bitslicing unterzogenen Daten der jeweiligen Frequenzkomponenten aus den MSBs decodiert werden, das Decodieren übersprungen, wenn die einem Bitslicing unterzogenen Daten "0" sind, und Vorzeichendaten werden arithmetisch decodiert, wenn die einem Bitslicing unterzogenen Daten "1" zum ersten Mal erscheinen. Die Decodierung der Skalierungsfaktoren wird durch Decodieren des maximalen Skalierungsfaktors in dem Bitstrom, arithmetisches Decodieren von Differenzen zwischen dem maximalen Skalierungsfaktor und den jeweiligen Skalierungsfaktoren und Subtrahieren der Differenzen von dem maximalen Skalierungsfaktor ausgeführt. Des Weiteren enthält der Schritt des Decodierens der Skalierungsfaktoren folgende Schritte: Decodieren des maximalen Skalierungsfaktors aus den Bitströmen; Erhalten von Differenzen zwischen dem maximalen Skalierungsfaktor und zu decodierenden Skalierungsfaktoren durch Abbilden und arithmetisches Decodieren der Differenzen und umgekehrtes Abbilden der Differenzen aus den abgebildeten Werten; und Erhalten des ersten Skalierungsfaktors durch Subtrahieren der Differenzen von dem maximalen Skalierungsfaktor und Erhalten der Skalie rungsfaktoren für die übrigen Bänder durch Subtrahieren der Differenzen von den vorherigen Skalierungsfaktoren.
Das Decodieren der Indizes für arithmetisch codierte Modelle wird durch folgende Schritte ausgeführt: Decodieren des kleinsten Index' eines arithmetischen Modells in dem Bitstrom, Decodieren von Differenzen zwischen dem kleinsten Index und den jeweiligen Indizes in den Nebeninformationen der jeweiligen Schichten und Addieren des kleinsten Index' und der Differenzen.
Alternativ wird gemäß der vorliegenden Erfindung eine skalierbare Stereotondecodierungsvorrichtung zum Decodieren von Tondaten bereitgestellt, die so codiert sind, dass sie geschichtete Bitraten aufweisen, wobei die Vorrichtung Folgendes umfasst: einen Bitstromanalyseabschnitt 300 zum Analysieren von Daten, die für die jeweiligen Module in den Bitströmen mit einer Schichtstruktur benötigt werden; einen Decodierungsabschnitt 310 zum Decodieren wenigstens von Skalierungsfaktoren und Indizes von Modellen für arithmetisches Codieren und quantisierten Daten in der Reihenfolge der Erzeugung der Schichten in Bitströmen mit einer Schichtstruktur, wobei die quantisierten Daten durch Analysieren der Signifikanz von Bits, aus denen die Bitströme bestehen, von höher-signifikanten Bits zu weniger-signifikanten Bits decodiert werden; einen Wiederherstellungsabschnitt 320 zum Wiederherstellen der decodierten Skalierungsfaktoren und quantisierten Daten in Signale mit den ursprünglichen Größenordnungen; und einen Frequenz-Zeit-Abbildungsabschnitt 370 zum Konvertieren von umgekehrt quantisierten Signalen in Signale eines Zeitbereichs; wobei die Decodierungsvorrichtung dadurch gekennzeichnet ist, dass die quantisierten Daten aus codierten verschachtelten linken und rechten Kanälen dergestalt decodiert werden, dass die quantisierten Daten wechselweise für die jeweiligen Kanäle decodiert werden.
Die Vorrichtung enthält des Weiteren Folgendes: einen M/S-Stereoverarbeitungsabschnitt zum Durchführen einer M/S-Stereoverarbeitung, um zu prüfen, ob in dem Bitstromcodierungsverfahren eine M/S-Stereoverarbeitung durchgeführt wurde oder nicht, und Konvertieren eines Signals des linken Kanals und eines Signals des rechten Kanals in ein additives Signal aus zwei Signalen und ein subtraktives Signal davon, wenn die M/S-Stereoverarbeitung durchgeführt wurde; einen Vorhersageabschnitt zum Prüfen, ob in dem Bitstromcodierungsverfahren ein Vorhersageschritt durchgeführt wurde oder nicht, und Vorhersagen von Frequenzkoeffizienten des augenblicklichen Rahmens, wenn der Prüfschritt ausgeführt wurde; einen Intensitätsstereoverarbeitungsabschnitt zum Prüfen, ob in dem Bitstromcodierungsverfahren eine Intensitätsstereoverarbeitung durchgeführt wurde oder nicht, und, wenn die Intensitätsstereoverarbeitung durchgeführt wurde, dann – weil nur die quantisierten Informationen des Skalierungsfaktorbandes für einen einzelnen Kanal (den linken Kanal) von zwei Kanälen codiert sind – Durchführen der Intensitätsstereoverarbeitung zum Wiederherstellen der quantisierten Informationen des anderen Kanals (des rechten Kanals) in einen Wert des linken Kanals; und einen Abschnitt zur zeitlichen Rauschformung zum Prüfen, ob in dem Bitstromcodierungsverfahren ein Schritt der zeitlichen Rauschformung (ZRF) durchgeführt wurde oder nicht, und wenn der ZRF-Schritt durchgeführt wurde, Ausführen einer zeitlichen Rauschformung zum Steuern der zeitlichen Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters.
Kurze Beschreibung der Zeichnungen
Die oben genannten Aufgaben und Vorteile der vorliegenden Erfindung werden verständlicher, wenn wir uns einer eingehenden Beschreibung einer bevorzugten Ausführungsform zuwenden und dabei auf die begleitenden Zeichnungen Bezug nehmen.
1 ist ein Blockschaubild einer Codierungsvorrichtung gemäß der vorliegenden Erfindung.
2 zeigt den Aufbau eines Bitstromes gemäß der vorliegenden Erfindung.
3 ist ein Blockschaubild einer Decodierungsvorrichtung gemäß der vorliegenden Erfindung.
4 veranschaulicht die Anordnung von Frequenzkomponenten für einen langen Block (Fenstergröße = 2048).
5 veranschaulicht die Anordnung von Frequenzkomponenten für einen kurzen Block (Fenstergröße = 2048).
Beschreibung der bevorzugten Ausführungsformen
Im Weiteren werden bevorzugte Ausführungsformen der vorliegenden Erfindung eingehender anhand der begleitenden Zeichnungen beschrieben.
Die vorliegende Erfindung dient dem Codieren und Decodieren skalierbarer digitaler Stereotondaten unter Verwendung einer Technik der arithmetischen Bitslicing-Codierung (Bit-sliced Arithmetic Coding – BSAC). Oder anders ausgedrückt: Bei der vorliegenden Erfindung wird nur ein verlustfreies Codierungsmodul durch die BSAC-Technik ersetzt, wobei alle anderen Module des herkömmlichen Codierers unverändert bleiben. Die vorliegende Erfindung erweitert die Anwendbarkeit des in dieser Weise aufgebauten skalierbaren Codierers/Decodierers. Das heißt, die vorliegende Erfindung kann auf ein Stereosignal angewendet werden.
1 ist ein Blockschaubild einer skalierbaren Toncodierungsvorrichtung gemäß der vorliegenden Erfindung. Die skalierbare Toncodierungsvorrichtung enthält einen Zeit- Frequenz-Abbildungsabschnitt 100, einen psychoakustischen Abschnitt 110, einen Abschnitt für zeitliche Rauschformung 120, einen Intensitätsstereoverarbeitungsabschnitt 130, einen Vorhersageabschnitt 140, einen Mitte-/Seite(M/S)-Stereoverarbeitungsabschnitt 150, einen Quantisierungsabschnitt 160, einen Abschnitt 170 für arithmetische Bitslicing-Codierung und einen Bitstrombildungsabschnitt 180.
Die wichtigsten auf den Menschen bezogenen akustischen Eigenschaften bei der Codierung eines digitalen Tonsignals sind ein Maskierungseffekt und ein Frequenzgruppenmerkmal. Der Maskierungseffekt meint ein Phänomen, bei dem ein Tonsignal (ein Ton) aufgrund eines anderen Signals nicht hörbar ist. Wenn zum Beispiel ein Zug durch einen Bahnhof fährt, so kann eine Person während eines leisen Gesprächs wegen des durch den Zug verursachten Lärms nicht die Stimme ihres Gesprächspartners hören. Tonsignale werden für jedes Band innerhalb des vom Menschen hörbaren Frequenzbereichs unterschiedlich wahrgenommen. Des Weiteren werden im Hinblick auf die Frequenzgruppenmerkmale Geräusche mit der gleichen Amplitude unterschiedlich wahrgenommen, wenn das Geräuschsignal in einer Frequenzgruppe liegt oder wenn das Geräuschsignal außerhalb einer Frequenzgruppe liegt. In diesem Fall wird, wenn das Geräuschsignal die Frequenzgruppe übersteigt, das Geräusch deutlicher wahrgenommen.
Bei der Codierung human-akustischer Eigenschaften werden im Grunde diese zwei Eigenschaften dergestalt benutzt, dass der Geräuschbereich, der in einer Frequenzgruppe zugeordnet werden kann, berechnet wird, woraufhin Quantisierungsrauschen erzeugt wird, das dem berechneten Bereich entspricht, um den Informationsverlust infolge der Codierung zu minimieren.
Der Zeit-Frequenz-Abbildungsabschnitt 100 wandelt Eingangs-Tonsignale eines Zeitbereichs in Tonsignale eines Frequenzbereichs um.
Der psychoakustische Abschnitt 110 koppelt die durch den Zeit-Frequenz-Abbildungsabschnitt 100 konvertierten Signale mit Signalen vorgegebener Skalierungsfaktorbänder und berechnet eine Maskierungsschwelle auf jedem Skalierungsfaktorband unter Verwendung eines Maskierungsphänomens, das durch Interaktion mit den jeweiligen Signalen erzeugt wird.
Der Zeitbereichs-Rauschformungsabschnitt 120 steuert die zeitliche Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters. Das Rauschen kann durch das Filtern von Frequenzdaten zeitlich geformt werden. Dieses Modul wird optional in dem Codierer benutzt.
Der Intensitätsstereoverarbeitungsabschnitt 130 ist ein Modul, das für eine effizientere Verarbeitung eines Stereosignals verwendet wird, und codiert nur die quantisierten Informationen für das Skalierungsfaktorband eines von zwei Kanälen mit dem Skalierungsfaktorband der anderen gesendeten Kanals. Dieses Modul wird nicht unbedingt in dem Codierer benutzt, aber es werden verschiedene Dinge für jedes Skalierungsfaktorband berücksichtigt, um zu bestimmen, ob es verwendet werden soll oder nicht.
Der Vorhersageabschnitt 140 schätzt Frequenzkoeffizienten des augenblicklichen Rahmens. Die Differenz zwischen dem vorhergesagten Wert und der tatsächlichen Frequenzkomponente wird quantisiert und codiert, wodurch die Menge der erzeugten verwendbaren Bits verringert wird. Der Vorhersageabschnitt 140 wird optional in Rahmen-Einheiten verwendet. Oder anders ausgedrückt: Weil die Verwendung des Vorhersageabschnitts 140 die Komplexität beim Vorhersagen des nachfolgenden Frequenzkoeffizienten vergrößert, kann der Vorhersageabschnitt 140 auch weggelassen werden. Gele gentlich kann die Menge der tatsächlich erzeugten Bits durch Schätzung größer sein als die durch Nicht-Schätzung. In diesem Moment wird der Vorhersageabschnitt 140 nicht verwendet.
Der M/S-Stereoverarbeitungsabschnitt 150 zum effizienteren Verarbeiten von Stereosignalen wandelt ein Signal des linken Kanals und ein Signal des rechten Kanals in additive und subtraktive Signale aus jeweils zwei Signalen um, um sie dann zu verarbeiten. Dieses Modul wird nicht unbedingt in dem Codierer benutzt, aber es werden verschiedene Dinge für jedes Skalierungsfaktorband berücksichtigt, um zu bestimmen, ob es verwendet werden soll oder nicht.
Der Quantisierungsabschnitt 160 skalarquantisiert die Frequenzsignale jedes Bandes so, dass die Größenordnung des Quantisierungsrauschens jedes Bandes kleiner ist als die Maskierungsschwelle, so dass sie nicht mehr wahrnehmbar ist. Die Quantisierung erfolgt so, dass der RMV(Rauschen-zu-Maske-Verhältnis)-Wert, bei dem es sich um ein Verhältnis der Maskierungsschwelle, die durch den psychoakustischen Abschnitt 210 berechnet wurde, zu dem Rauschen, das auf jedem Band erzeugt wird, handelt, maximal 0 dB beträgt. Ein RMV-Wert von maximal 0 dB bedeutet, dass die Maskierungsschwelle höher ist als das Quantisierungsrauschen. Oder anders ausgedrückt: Das Quantisierungsrauschen ist nicht hörbar.
Der Abschnitt 170 für arithmetische Bitslicing-Codierung, ein Kernmodul der vorliegenden Erfindung, kann als eine Alternative zu einem verlustfreien Codierungsabschnitt der AAC-Technik verwendet werden, weil der vorhandene Audio-Codec, wie beispielsweise MPEG-2-AAC, keine Skalierbarkeit bieten kann. Um den skalierbaren Audio-Codec zu implementieren, werden die durch den Quantisierungsabschnitt 160 quantisierten Frequenzdaten durch Kombinieren der Nebeninformationen des entsprechenden Bandes mit den Quantisie rungsinformationen der Tondaten codiert. Des Weiteren können zusätzlich zur Skalierbarkeit Leistungen ähnlich denen beim AAC in einer obersten Schicht erreicht werden. Die Funktionen des Abschnitts 170 für arithmetische Bitslicing-Codierung werden eingehender beschrieben. Das Band ist auf eines beschränkt, das der Basisschicht entspricht, damit es skalierbar ist, und die Nebeninformationen für die Basisschicht werden codiert. Die Informationen für quantisierte Werte werden nacheinander in der Reihenfolge, die von den MSB-Sequenzen zu den LSB-Sequenzen und von den niederfrequenten Komponenten zu den höherfrequenten Komponenten reicht, codiert. Des Weiteren werden linke Kanäle und rechte Kanäle im Wechsel in Einheiten vorgegebener Vektoren codiert, um die Codierung der Basisschicht auszuführen. Nach Beendigung der Codierung der Basisschicht werden die Nebeninformationen für die nächste Erweiterungsschicht und die quantisierten Werte von Tondaten codiert, so dass die auf diese Weise gebildeten Bitströme einen geschichteten Aufbau haben.
Der Bitstrombildungsabschnitt 180 erzeugt Bitströme gemäß einer vorgegebenen Syntax, die für den skalierbaren Codec geeignet ist, durch Zusammentragen von Informationen, die in den jeweiligen Modulen der Codierungsvorrichtung gebildet wurden.
2 zeigt den Aufbau eines Bitstromes gemäß der vorliegenden Erfindung. Wie in 2 gezeigt, haben die Bitströme einen geschichteten Aufbau, in dem die Bitströme von Schichten mit geringerer Bitrate in den Bitströmen von Schichten mit höherer Bitrate entsprechend den Bitraten enthalten sind. Herkömmlicherweise werden Nebeninformationen zuerst codiert, und dann werden die übrigen Informationen codiert, um Bitströme zu bilden. Jedoch werden bei der vorliegenden Erfindung, wie in 2 gezeigt, die Nebeninformationen für jede Erweiterungsschicht separat codiert. Des Weiteren werden, obgleich alle quantisierten Daten herkömmlicherweise nacheinander in Abtast-Einheiten codiert werden, bei der vorliegenden Erfindung quantisierte Daten durch binäre Daten dargestellt und werden aus der MSB-Sequenz der binären Daten codiert, um Bitströme innerhalb der zugewiesenen Bits zu bilden.
3 ist ein Blockschaubild einer Decodierungsvorrichtung gemäß der vorliegenden Erfindung, die einen Bitstromanalyseabschnitt 300, einen Abschnitt 310 für arithmetische Bitslicing-Decodierung, einen Umkehrquantisierungsabschnitt 320, einen M/S-Stereoverarbeitungsabschnitt 330, einen Vorhersageabschnitt 340, einen Intensitätsstereoverarbeitungsabschnitt 350, einen Zeitbereichs-Rauschformungsabschnitt 360 und einen Frequenz-Zeit-Abbildungsabschnitt 370 enthält.
Der Bitstromanalyseabschnitt 300 trennt Kopfinformationen und codierte Daten in der Reihenfolge der Erzeugung der Eingangs-Bitströme und sendet diese an die jeweiligen Module.
Der Abschnitt 310 für arithmetische Bitslicing-Decodierung decodiert Nebeninformationen und einem Bitslicing unterzogene quantisierte Daten in der Reihenfolge der Erzeugung der Eingangs-Bitströme, die zu dem Umkehrquantisierungsabschnitt 320 zu übertragen sind.
Der M/S-Stereoverarbeitungsabschnitt 330, der nur an die Stereosignale angepasst ist, verarbeitet das Skalierungsfaktorband entsprechend der M/S-Stereoverarbeitung, die in der Codierungsvorrichtung vorgenommen wurde.
In dem Fall, wo eine Schätzung in der Codierungsvorrichtung vorgenommen wird, sucht der Vorhersageabschnitt 340 dieselben Werte wie die decodierten Daten in dem vorherigen Rahmen durch Schätzung in der gleichen Weise wie die Codierungsvorrichtung. Das vorhergesagte Signal wird einem Differenzsignal hinzugefügt, das durch den Bitstromanalyseabschnitt 300 decodiert wurde, wodurch die ursprünglichen Frequenzkomponenten wiederhergestellt werden.
Der Intensitätsstereoverarbeitungsabschnitt 350, der nur an die Stereosignale angepasst ist, verarbeitet das Skalierungsfaktorband entsprechend der Intensitätsstereoverarbeitung, die in der Codierungsvorrichtung vorgenommen wurde.
Der Zeitbereichs-Rauschformungsabschnitt 360, der zur Steuerung der zeitlichen Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters dient, nimmt eine entsprechende Verarbeitung vor.
Die decodierten Daten werden durch ein solches Verarbeitungsmodul wie ein herkömmlicher Audioalgorithmus, wie beispielsweise die AAC-Standards, als ein Signal einer zeitlichen Region wiederhergestellt. Zuerst stellt der Umkehrquantisierungsabschnitt 320 den decodierten Skalierungsfaktor und die quantisierten Daten in Signale mit den ursprünglichen Größenordnungen wieder her. Der Frequenz-Zeit-Abbildungsabschnitt 370 wandelt umkehrquantisierte Signale in Signale eines Zeitbereichs um, so dass sie reproduziert sind.
Es wird nun der Betrieb der Codierungsvorrichtung beschrieben.
Eingangs-Tonsignale werden in dem Zeit-Frequenz-Abbildungsabschnitt 100 mittels MDCT (Modified Discrete Cosine Transform = Modifizierte Diskrete Kosinustransformation) in Signale eines Frequenzbereichs konvertiert. Der psychoakustischen Abschnitt 110 koppelt die Frequenzsignale durch entsprechende Skalierungsfaktorbänder, um eine Maskierungsschwelle zu erhalten. Des Weiteren passieren die Tonsignale, die in Signale eines Frequenzbereichs konvertiert wurden, durch Module zum Verbessern der Codierungseffi zienz, das heißt, den ZRF-Abschnitt 120, den Intensitätsstereoverarbeitungsabschnitt 130, den Vorhersageabschnitt 140 und den M/S-Stereoverarbeitungsabschnitt 150, um dadurch effizienter komprimierte Signale zu werden.
Der Quantisierungsabschnitt 160 führt eine skalare Quantisierung aus, so dass die Größenordnung des Quantisierungsrauschens jedes Skalierungsfaktorbandes kleiner ist als die Maskierungsschwelle, die hörbar, aber innerhalb der zugewiesenen Bits nicht wahrnehmbar ist. Wenn eine Quantisierung, die diese Bedingungen erfüllt, ausgeführt wird, so werden Skalierungsfaktoren für die jeweiligen Skalierungsfaktorbänder und quantisierten Frequenzwerte erzeugt.
Allgemein können im Hinblick auf die menschliche Psychoakustik nahe beieinanderliegende Frequenzkomponenten bei einer niedrigeren Frequenz leichter wahrgenommen werden. Bei zunehmender Frequenz jedoch wird das Intervall der wahrnehmbaren Frequenzen breiter. Die Bandbreiten der Skalierungsfaktorbänder nehmen mit höher werdenden Frequenzbändern zu. Allerdings werden zur Vereinfachung der Codierung die Skalierungsfaktorbänder, deren Bandbreite nicht konstant ist, nicht zum Codieren verwendet, sondern statt dessen werden Codierungsbänder, deren Bandbreite konstant ist, verwendet. Die Codierungsbänder enthalten 32 quantisierte Frequenzkoeffizientenwerte.
Die herkömmliche Codierungs-/Decodierungsvorrichtung, bei der nur die Codierungseffizienz berücksichtigt wird, wie beispielsweise AAC, codiert bei der Verarbeitung von Stereosignalen zuerst die Informationen, die üblicherweise in dem linken und dem rechten Kanal verwendet werden, an einer Stelle im Kopf. Erst werden die Daten des linken Kanals codiert, und dann werden die Daten des rechten Kanals codiert. Das heißt, die Codierung schreitet in der Reihenfolge "Kopf", "linker Kanal" und "rechter Kanal" voran.
Wenn die Informationen für den linken und den rechten Kanal unabhängig von der Signifikanz auf diese Weise angeordnet und übertragen werden, nachdem der Kopf verarbeitet wurde, so verschwinden, wenn die Bitrate gesenkt wird, die Signale für den rechten Kanal, die am hinteren Ende angeordnet sind, zuerst. Das wahrnehmbare Absinken der Leistung wird somit schwerwiegend.
Die Stereotoncodierungsvorrichtung gemäß der vorliegenden Erfindung codiert hingegen Nebeninformationen für jeden Kanal. Oder anders ausgedrückt: Die Nebeninformationen für jeden Kanal werden durch den Abschnitt 170 für arithmetische Bitslicing-Codierung im Wechsel in der Reihenfolge des linken Kanals und des rechten Kanals codiert. Das Codierungsverfahren der Skalierungsfaktoren wird geringfügig modifiziert, um eine effizientere Komprimierung zu erreichen.
Zuerst wird Codierung der Skalierungsfaktoren beschrieben. Die Stereotoncodierungsvorrichtung gemäß der vorliegenden Erfindung codiert Skalierungsfaktoren unter Verwendung zweier Verfahren, die weiter unten beschrieben werden, für den Zweck der Verbesserung der Codierungseffizienz. Die Codierungsvorrichtung wählt ein Verfahren aus, das eine bessere Leistung aufweist, und übermittelt das ausgewählte Verfahren an die Decodierungsvorrichtung.
Um Skalierungsfaktoren zu komprimieren, ermittelt man zuerst den maximalen Skalierungsfaktor (max_scalefactor) aus den Skalierungsfaktoren. Dann werden Differenzen zwischen den jeweiligen Skalierungsfaktoren und dem maximalen Skalierungsfaktor ermittelt, woraufhin die Differenzen arithmetisch codiert werden. Bei der arithmetischen Codierung der Differenzen zwischen Skalierungsfaktoren kommen vier Modelle zum Einsatz. Die vier Modelle sind in den Tabellen 5.5 bis 5.8 gezeigt. Die Informationen für die Modelle sind in einem scalefactor_model gespeichert.
[Tabelle 5.5] Arithmetisches Skalierungsfaktor-Differentialmodell 1
[Tabelle 5.6] Arithmetisches Skalierungsfaktor-Differentialmodell 2
[Tabelle 5.7] Arithmetisches Skalierungsfaktor-Differentialmodell 3
[Tabelle 5.8] Arithmetisches Skalierungsfaktor-Differentialmodell 4
Als zweites wird, um Skalierungsfaktoren zu komprimieren, der maximale Skalierungsfaktor (max_scalefactor) aus den Skalierungsfaktoren ermittelt, wie in dem ersten Verfahren. Dann wird die Differenz zwischen den ersten Skalierungsfaktoren und dem maximalen Skalierungsfaktor ermittelt, woraufhin die Differenz arithmetisch codiert wird. Dann werden die Differenzen zwischen den übrigen Skalierungsfaktoren und den vorherigen Skalierungsfaktoren ermittelt, und die Differenzen werden arithmetisch codiert. In diesem Fall ist, weil die Modelle vorgeschrieben sind, der scalefactor_model-Wert ohne Bedeutung.
Als nächstes wird die Codierung von quantisierten Frequenzkomponenten für ein Stereosignal beschrieben. Die quantisierten Daten für jeden Kanal werden einem Bitslicing unterzogen. Wenn ein Monokanalsignal verarbeitet wird, so werden einem Bitslicing unterzogene Daten durch vierdimensionale Vektoren gekoppelt, und die vierdimensionalen Vektoren werden als eine Basiseinheit verwendet. Dies gilt auch für die Codierung eines Stereokanalsignals. Oder anders ausgedrückt: Die Codierung beginnt am MSB. Die vierdimensionalen Vektoren der einem Bitslicing unterzogenen Daten werden arithmetisch vom linken Kanal aus codiert. Als nächstes werden die vierdimensionalen Vektoren für den rechten Kanal auf der gleichen Frequenz arithmetisch codiert. Auf diese Weise werden der linke Kanal und der rechte Kanal verschachtelt, um codiert zu werden.
Im Fall eines einzelnen Kanals erfolgt die Codierung von den MSB zu den LSB hin. Die einem Bitslicing unterzogenen Daten mit der gleichen Signifikanz werden von den niederfrequenten Komponenten zu den höherfrequenten Komponenten hin codiert. Zu diesem Zeitpunkt ist es, wenn die den jeweiligen Vektoren zugewiesenen Bits signifikanter sind als jene, die augenblicklich codiert werden, nicht erforderlich, den betreffenden Vektor zu codieren, und seine Codierung wird übersprungen.
XQ0, XQ1, XQ2, ..., XQk, ...
wobei Xqk einem Bitslicing unterzogene Daten der quantisierten Frequenzkomponenten von 4·k bis 4·k + 3 sind.
Im Fall von zwei Kanälen erfolgt die Codierung von den MSB zu den LSB, wie im Fall eines einzelnen Kanals. Analog werden die einem Bitslicing unterzogenen Daten mit der gleichen Signifikanz von den niederfrequenten Komponenten zu den höherfrequenten Komponenten hin codiert. Jedoch wird unter Beachtung der Tatsache, dass es zwei Kanäle gibt, über die Codierungsreihenfolge entschieden. Es wird davon ausgegangen, dass die quantisierten Frequenzkomponenten im linken und im rechten Kanal folgende sind:
Linker Kanal: XQL0, XQL1, XQL2, XQL3, XQL4, XQL5, ..., XQLk, ...
Rechter Kanal: XQR0, XQR1, XQR2, XQL3, XQL4, XQL5, ..., XQRk, ...
wobei XQLk und XQLRk einem Bitslicing unterzogene Daten der quantisierten Frequenzkomponenten von 4·k bis (4·k + 3) sind.
Auf diese Weise erfolgt im Fall von zwei Kanälen die Codierung von den niederfrequenten Komponenten hin zu den höherfrequenten Komponenten in einer ähnlichen Reihenfolge wie im Fall von einem einzelnen Kanal. Es wird jedoch eine Verschachtelung zwischen Kanalkomponenten vorgenommen, um signifikante Komponenten zuerst zu codieren. Oder anders ausgedrückt: Die jeweiligen Vektoren werden im Wechsel zwischen zwei Kanälen wie folgt codiert:
XQL1, XQR1, XQL2, XQR2, ...
Da die auf diese Weise gebildeten Informationen nacheinander in der Reihenfolge der Signifikanz in beiden Kanälen codiert werden, wird trotz einer Verringerung der Bitrate bei einem skalierbaren Audio-Codec die Leistung nicht wesentlich beeinträchtigt.
Es wird nun eine bevorzugte Ausführungsform der vorliegenden Erfindung beschrieben. Die vorliegende Erfindung kann auf die Grundstruktur der AAC-Standards angewendet werden, einschließlich aller Module, wie beispielsweise zusätzlicher Module zum Verbessern der Codierungseffizienz, und implementiert einen skalierbaren digitalen Tondatencodierer. Oder anders ausgedrückt: Obgleich bei der vorliegenden Erfindung die Basismodule benutzt werden, die bei der Codierung/Decodierung gemäß dem AAC-Standard verwendet werden, werden nur die verlustfreien Codierungsmodule durch das Bitslicing-Codierungsverfahren ersetzt, um eine skalierbare Codierungsvorrichtung zu erhalten. Bei der vorliegenden Erfindung werden Informationen für nur eine einzige Bitrate nicht innerhalb eines einzelnen Bitstromes codiert, sondern es werden Informationen für die Bitraten verschiedener Erweiterungsschichten innerhalb eines Bitstromes mit einem geschichteten Aufbau, wie in 2 gezeigt, in der Reihenfolge, die von den wichtigeren Signalkomponenten zu den weniger wichtigen Signalkomponenten reicht, codiert.
Gemäß der Ausführungsform der vorliegenden Erfindung werden die gleichen Module wie bei den AAC-Standards bis zu dem Moment verwendet, wo die verlustfreie Codierung des skalierbaren BSAC-Codecs beginnt. Wenn also die quantisierten Frequenzdaten durch Decodierung der AAC-Bitströme gebildet werden, so können die decodierten Daten zu den skalierbaren BSAC-Bitströmen wiederhergestellt werden. Das bedeutet, dass eine verlustfreie Transcodierung zwischen den AAC-Bitströmen und den skalierbaren BSAC-Bitströmen möglich ist. Schließlich wird je nach den Umgebungen oder Umständen eine gegenseitige Umwandlung in ein entsprechendes Bitstromfor mat gestattet. Somit kann sowohl die Forderung nach Codierungseffizienz als auch nach Skalierbarkeit erfüllt werden, und beides ist komplementär zueinander, was den Unterschied zu anderen skalierbaren Codecs ausmacht.
Unter Verwendung der auf diese Weise gebildeten Bitströme können Bitströme mit einer geringen Bitrate gebildet werden, indem einfach die Bitströme mit geringer Bitrate, die im höchsten Bitstrom enthalten sind, durch Benutzeranforderung oder entsprechend dem Status der Übertragungskanäle umgeordnet werden. Oder anders ausgedrückt: Bitströme, die durch eine Codierungsvorrichtung in Echtzeit gebildet wurden, oder Bitströme, die auf einem Medium gespeichert sind, können durch Benutzeranforderung so umgeordnet werden, dass sie für eine gewünschte Bitrate geeignet sind, um dann gesendet zu werden. Wenn die Leistung der Hardware des Benutzers gering ist oder wenn der Benutzer die Komplexität des Decodierers verringern will, so brauchen überdies selbst bei geeigneten Bitströmen nur einige Bitströme wiederhergestellt zu werden, wodurch die Komplexität unter Kontrolle gehalten wird.
Zum Beispiel beträgt beim Bilden eines skalierbaren Bitstromes die Bitrate einer Basisschicht 16 Kbps, die einer obersten Schicht beträgt 64 Kbps, und die jeweiligen Erweiterungsschichten haben ein Bitratenintervall von 8 Kbps, das heißt, der Bitstrom hat 7 Schichten mit 16, 24, 32, 40, 48, 56 und 64 Kbps. Die jeweiligen Erweiterungsschichten sind so definiert, wie es in Tabelle 2.1 gezeigt ist. Da der durch die Codierungsvorrichtung gebildete Bitstrom einen geschichteten Aufbau hat, wie in 3 gezeigt, enthält der Bitstrom der obersten Schicht mit 64 Kbps die Bitströme der jeweiligen Erweiterungsschichten (16, 24, 32, 40, 48, 56 und 64 Kbps). Wenn ein Benutzer Daten für die oberste Schicht anfordert, so wird der Bitstrom für die oberste Schicht ohne jegliche Verarbeitung gesendet. Des Weiteren wird, wenn ein anderer Benutzer Daten für die Basisschicht anfordert (was 16 Kbps entspricht), so werden einfach nur die Anfangs-Bitströme gesendet.
[Tabelle 2.1] Bitrate für jede Schicht (8 kbps-Intervall)
Alternativ können die Erweiterungsschichten auch in kleineren Intervallen aufgebaut sein. Die Bitrate einer Basisschicht ist 16 Kbps, die einer obersten Schicht ist 64 Kbps, und jede Erweiterungsschicht hat ein Bitraten-Intervall von 1 Kbps. Die jeweiligen Erweiterungsschichten sind so aufgebaut, wie in Tabelle 3.1 gezeigt. Dadurch kann eine Skalierbarkeit mit hoher Auflösung implementiert werden, das heißt, es werden skalierbare Bitströme mit einem Bitraten-Intervall von 1 kbps von 16 kbps bis 64 kbps gebildet.
[Tabelle 3.1] Bitrate für jede Schicht (1-kbps-Intervall)
Die jeweiligen Schichten haben begrenzte Bandbreiten entsprechend den Bitraten. Wenn eine Skalierbarkeit mit 8 kbps-Intervallen beabsichtigt ist, so sind die Bandbreiten so begrenzt, wie es in den Tabellen 2.2 und 2.3 gezeigt ist. Im Fall eines 1-kbps-Intervalls sind die Bandbreiten so begrenzt, wie es in den Tabellen 3.2 und 3.3 gezeigt ist.
[Tabelle 2.2] Bandgrenze in jeder Schicht für kurze Fenster (8-kbps-Intervall)
[Tabelle 2.3] Bandgrenze in jeder Schicht für lange Fenster (8-kbps-Intervall)
[Tabelle 3.2] Bandgrenze in jeder Schicht für kurze Fenster (1-kbps-Intervall)
[Tabelle 3.3] Bandgrenze in jeder Schicht für lange Fenster (1-kbps-Intervall)
Die Eingangsdaten sind PCM-Daten mit einer Abtastrate von 48 KHz, und die Größenordnung eines einzelnen Rahmens ist 1024. Die Anzahl der Bits, die für einen einzelnen Rahmen für eine Bitrate von 64 Kbps verwendet werden kann, beträgt im Durchschnitt 1365,3333 (= 64000 Bits/s·(1024/48000)). Gleichermaßen kann die Größe der verfügbaren Bits für einen einzelnen Rahmen entsprechend den jeweiligen Bitraten berechnet werden. Die berechneten Anzahlen der verfügbaren Bits für einen einzelnen Rahmen sind in Tabelle 2.4 im Fall von 8 kbps gezeigt.
[Tabelle 2.4] Verfügbare Bits für jeden Kanal in jeder Schicht (8-kbps-Intervall)
Es wird nun das Stereotonsignalcodierungs- und -decodierungsverfahren gemäß der vorliegenden Erfindung näher beschrieben.
1. Codierungsverfahren
Das gesamte Codierungsverfahren ist das gleiche wie das, das in den internationalen MPEG-2-AAC-Standards beschrieben ist, und die Bitslicing-Codierung, die in der vorliegenden Erfindung vorgeschlagen wird, wird als eine verlustfreie Codierung angewendet.
1.1. Psychoakustischer Abschnitt
Unter Verwendung eines psychoakustischen Modells werden zuerst der Blocktyp eines Rahmens, der momentan verarbeitet wird (lang, Start, kurz oder Stopp), die SMR-Werte der jeweiligen Verarbeitungsbänder, Gruppeninformationen eines kurzen Blocks und zeitlich verzögerte PCM-Daten für eine Zeit-Frequenzsynchronisation mit dem psychoakustischen Modell aus Eingangsdaten erzeugt und an einen Zeit-Frequenz-Abbildungsabschnitt übermittelt. Es wird das ISO/IEC 11172-3-Modell 2 zur Berechnung des psychoakustischen Modells verwendet [MPEG Committee ISO/IEC/JTC1/SC29/WG11, Information Technology, Coding of moving pictures and associated Audio for data storage media to about 1.5 Mbit/s, Teil 3: Audio, ISO/OEC IS 11172-3, 1993]. Dieses Modul muss unbedingt in dieser Ausführungsform verwendet werden, aber es können entsprechend den Benutzern verschiedene Modelle verwendet werden.
1.2. Zeit-Frequenz-Abbildungsabschnitt
Es kommt eine Zeit-Frequenz-Abbildung zum Einsatz, wie sie in den internationalen MPEG-2-AAC-Standards definiert ist. Der Zeit-Frequenz-Abbildungsabschnitt konvertiert Daten eines Zeitbereichs in Daten eines Frequenzbereichs unter Verwendung von MDCT entsprechend dem Blocktyp-Ausgangssignal unter Verwendung des psychoakustischen Modells. Zu diesem Zeitpunkt betragen die Blockgrößen 2048 und 256 im Fall von langen/Start-/Stopp-Blöcken bzw. im Fall eines kurzen Blocks, und MDCT wird 8 Mal ausgeführt. Dann werden die Fenstertyp- und Fenstergruppierungsinformationen an den Bitstrombildungsabschnitt 180 übertragen. Bisher wurde das gleiche Verfahren verwendet wie das, das beim herkömmlichen MPEG-2-AAC verwendet wird [MPEG Committee ISO/IEC/JTC1/SC29/WG11, ISO/IEC MPEG-2 AAC IS 13818-7, 1997].
1.3. Abschnitt für zeitliche Rauschformung (ZRF)
Es wird ein Abschnitt für zeitliche Rauschformung verwendet, wie er in den internationalen MPEG-2-AAC-Standards definiert ist. Der ZRF 120 ist eine optionales Modul und steuert die zeitliche Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters. Die zeitliche Rauschformung kann durch das Filtern von Frequenzdaten erfolgen. Der ZRF 120 sendet die ZRF-Informationen an den Bitstrombildungsabschnitt 180.
1.4. Intensitätsstereoverarbeitungsabschnitt
Es wird ein Intensitätsstereoverarbeitungsabschnitt verwendet, wie er in den internationalen MPEG-2-AAC-Standards definiert ist. Der Intensitätsstereoverarbeitungsabschnitt 130 ist eines der Verfahren zum effizienteren Verarbeiten von Stereosignalen. Die Intensitätsstereoverarbeitung erfolgt so, dass nur die quantisierten Informationen eines Skalierungsfaktorbandes für einen von zwei Kanälen codiert werden und nur der Skalierungsfaktor für den anderen Kanal übertragen wird. Dieses Modul ist ein optionales Modul, und es wird unter Beachtung verschiedener Umstände festgelegt, ob dieses Modul für jedes Skalierungsfaktorband verwendet wird oder nicht. Das Intensitätsstereoverarbeitungsmodul 130 sendet Intensitätsstereomarkierungswerte an den Bitstrombildungsabschnitt 180.
1.5. Vorhersageabschnitt
Es wird ein Vorhersageabschnitt verwendet, wie er in den internationalen MPEG-2-AAC-Standards definiert ist. Der Vorhersageabschnitt 140 ist ein optionales Modul und sagt Frequenzkoeffizienten des momentanen Rahmens vorher. Des Weiteren sendet der Vorhersageabschnitt 140 die Parameter, die mit Vorhersagen zusammenhängen, an den Bitstrombildungsabschnitt 180.
1.6. Mitte-/Seite(M/S)-Stereoverarbeitungsabschnitt
Es wird ein M/S-Stereoverarbeitungsabschnitt verwendet, wie er in den internationalen MPEG-2-AAC-Standards definiert ist. Der M/S-Stereoverarbeitungsabschnitt 150 ist ein optionales Modul und ist eines der Verfahren zum effizienteren Verarbeiten von Stereosignalen. Die M/S-Stereoverarbeitung erfolgt zum Konvertieren eines Signals des linken Kanals und eines Signals des rechten Kanals in ein additives Signal aus zwei Signalen und eines subtraktiven Signals davon.
1.7. Quantisierungsabschnitt
Die Daten, die zu denen eines Frequenzbereichs konvertiert wurden, werden mit zunehmenden Skalierungsfaktoren so quantisiert, dass der SNR-Wert des Skalierungsfaktorbandes, der in den Tabellen 1.1 und 1.2 gezeigt ist, kleiner ist als der SMR des Ausgangswertes des psychoakustischen Modells. Hier wird eine skalare Quantisierung vorgenommen, und das Basisskalierungsfaktorintervall ist 2^1/4. Die Quantisierung erfolgt so, dass das wahrnehmbar Rauschen minimiert wird. Das genaue Quantisierungsverfahren ist im MPEG-2-AAC beschrieben. Hier besteht das erhaltene Ausgangssignal aus quantisierten Daten und Skalierungsfaktoren für die jeweiligen Skalierungsfaktorbänder.
[Tabelle 1.1] Skalierungsfaktorband für lange Blöcke
[Tabelle 1.2] Skalierungsfaktorband für kurze Blöcke
1.8. Bitverdichtung unter Verwendung arithmetischer Bitslicing-Codierung
Die Bitverdichtung erfolgt durch den Abschnitt 170 für arithmetische Bitslicing-Codierung und den Bitstrombildungsabschnitt 180. Für eine zweckmäßige Codierung werden Frequenzkomponenten umgeordnet. Die Umordnungsreihenfolge ist je nach Blocktypen unterschiedlich. Wenn ein langes Fenster in dem Blocktyp verwendet wird, so werden die Frequenzkomponenten in der Reihenfolge der Skalierungsfaktorbänder umgeordnet, wie in 4 gezeigt. Wenn ein kurzes Fenster in dem Blocktyp verwendet wird, so werden jeweils vier Frequenzkomponenten aus acht Blöcken wiederholt in ansteigender Reihenfolge umgeordnet, wie in 5 gezeigt.
Die umgeordneten quantisierten Daten und Skalierungsfaktoren werden als geschichtete Bitströme gebildet. Die Bitströme werden durch Syntaxen gebildet, wie in den Tabellen 7.1 bis 7.13 gezeigt. Die Anfangselemente eines Bitstromes sind Elemente, die üblicherweise beim herkömmlichen AAC verwendet werden können, und die Elemente, die durch die vorliegende Erfindung neu vorgeschlagen werden, werden speziell erläutert. Der prinzipielle Aufbau ähnelt jedoch dem der AAC-Standards.
[Tabelle 7.1] Syntax des bsac_1step_data_block ()
[Tabelle 7.2] Syntax des bsac_lstep_stream ()
[Tabelle 7.3] Syntax des bsac_raw_data_block ()
[Tabelle 7.4] Syntax des bsac_main_stream ()
[Tabelle 7.5] Syntax des bsac_single_main_stream ()
[Tabelle 7.6] Syntax des bsac_pair_main_stream ()
[Tabelle 7.7] Syntax des bsac_layer_stream ()
[Tabelle 7.8] Syntax des bsac_channel_stream ()
[Tabelle 7.9] Syntax des bsac_general_info ()
[Tabelle 7.10] Syntax des bsac_side_info ()
[Tabelle 7.11] Syntax der bsac_spectral_data ()
Die Elemente, die durch die vorliegende Erfindung neu vorgeschlagen werden, werden speziell erläutert.
1.8.1. Codierung des bsac_channel_stream
"common_window" stellt dar, ob zwei Kanäle den gleichen Formatblock verwenden. "ax_scalefactor[ch]" stellt den maximalen Wert der Skalierungsfaktoren dar, bei dem es sich um eine ganze Zahl handelt, zum Beispiel 8 Bits. Des Weiteren stellt "tns_data_present[ch]" dar, ob ZRF in der Codierungsvorrichtung verwendet wird oder nicht. "gain_control_data_present[ch]" stellt eine Markierung dar, die anzeigt, dass das Zeit-Frequenz-Abbildungsverfahren verwendet wird, um eine skalierbare Abtastrate (Scalable Sampling Rate – SSR) im AAC zu unterstützen. Des Weiteren stellt "stereo_mode" eine 2-Bit-Markierung dar, die ein Stereosignalverarbeitungsverfahren anzeigt, in dem "00" unabhängig bedeutet, "01" bedeutet, dass alle ms_used Einsen sind, "10" bedeutet, dass sich die 1 Bit-Maske von max_sfb-Bändern von ms_used im Nebeninformations-Teil der Schicht befindet, "11" bedeutet, dass sich die 2-Bit-Maske von max_sfb-Bändern von stereo_info im Nebeninformations-Teil der Schicht befindet.
1.8.2. Codierung von bsac_data
"frame_length" stellt die Größe aller Bitströme für einen einzelnen Rahmen dar, die in Einheiten von Bytes ausgedrückt wird, zum Beispiel 9 Bits im Fall eines Monosignals (MS) und 10 Bits im Fall eines Stereosignals. Des Weiteren stellt "encoded_layer" die Codierung für die in dem Bitstrom codierte oberste Schicht dar, die im Fall eines 8-kbps-Intervalls 3 Bits ist und im Fall eines 1-kbps-Intervalls 6 Bits ist. Die Informationen für die Erweiterungsschichten sind in den Tabellen 2.1 und 3.1 gezeigt. Des Weiteren stellt "scalefactor-model [ch]" Informationen bezüglich Modellen dar, die zur arithmetischen Codierung von Differenzen in Skalierungsfaktoren zu verwenden sind. Diese Modelle sind in Tabelle 4.2 gezeigt.
[Tabelle 4.2] Arithmetisches Model des Differentialskalierungsfaktors
"min_ArModel" stellt den kleinsten Wert der Indizes von Modellen zur arithmetischen Codierung dar. "ArModel_model" stellt Informationen bezüglich der Modelle dar, die zur arithmetischen Codierung des Differenzsignals zwischen ArModel und min_ArModel verwendet werden. Dieses Informationen sind in Tabelle 4.3 gezeigt.
[Tabelle 4.3] Arithmetisches Model des Differential-ArModel
1.8.3. Codierung von bsac_side_info
Zuerst werden die Informationen codiert, die für alle Schichten verwendet werden können, und dann werden die Nebeninformationen codiert, die üblicherweise für die jeweiligen Erweiterungsschichten werden. "acode_ms_used [g][sfb]" stellt ein Codewort dar, das durch arithmetische Codierung von ms_used erhalten wurde, d. h. eine 1-Bit-Markierung, die anzeigt, ob in der Fenstergruppe g und dem Skalierungsfaktorband scf eine M/S-Codierung erfolgt oder nicht, wobei ms_used folgendermaßen definiert ist:
0: Independent
1: ms_used.
"acode_ms_used [g][sfb]" stellt ein Codewort dar, das durch arithmetische Codierung von ms_used erhalten wurde, d. h. eine 1-Bit-Markierung, die anzeigt, ob in der Fenstergruppe g und dem Skalierungsfaktorband scf eine M/S-Codierung verwendet wird oder nicht, wobei ms_used folgendermaßen definiert ist:
0: Independent; und
1: ms_used.
"acode_stereo_info [g][sfb]" stellt ein Codewort dar, das durch arithmetische Codierung von ms_used erhalten wurde, d. h. eine 2-Bit-Markierung, die anzeigt, ob eine Intensitätsstereocodierung in der Fenstergruppe g und dem Skalierungsfaktorband scf verwendet wird oder nicht, wobei stereo_info folgendermaßen definiert ist:
00: Independent;
01: ms_used;
10: Intensity_in_phase; und
11: Intensity_out_of_phase.
"Acode_scf" stellt ein Codewort dar, das durch arithmetische Codierung des Skalierungsfaktors erhalten wurde, und "acode_ArModel" stellt ein Codewort dar, das durch arithmetische Codierung des ArModel erhalten wurde. Bei ArModel handelt es sich um Informationen, auf deren Grundlage eine Auswahl unter den Modellen, die in Tabelle 4.3 angeführt sind, getroffen wird.
1.8.4. Codierung von bsac_spectral_data
Die Nebeninformationen, die üblicherweise für die jeweiligen Erweiterungsschichten verwendet werden, und die quantisierten Frequenzkomponenten werden unter Verwendung der BSAC-Technik einem Bitslicing unterzogen und dann arithmetisch codiert. "acode_vec0" stellt ein Codewort dar, das durch arithmetische Codierung des ersten Teilvektors (Teilvektor 0) unter Verwendung des arithmetischen Modells, das als der ArModel-Wert definiert ist, erhalten wird. "acode_vec1" stellt ein Codewort dar, das durch arithmetische Codierung des zweiten Teilvektors (Teilvektor 1) unter Verwendung des arithmetischen Modells, das als der ArModel-Wert definiert ist, erhalten wird. "acode_sign" stellt ein Codewort dar, das durch arithmetische Codierung des Vorzeichen-Bit unter Verwendung des arithmetischen Modell, das in Tabelle 5.15 definiert ist, erhalten wird.
[Tabelle 5.15] Arithmetisches Modell des Vorzeichens
Während die Anzahl der Bits, die zum Codieren der jeweiligen Teilvektoren verwendet werden, berechnet und mit der Anzahl der verfügbaren Bits für die jeweiligen Erweiterungsschichten verglichen wird, wird – wenn die Zahl der verwendeten Bits mindestens so groß ist wie die Zahl der verfügbaren Bits – die Codierung der nächsten Erweiterungsschicht neu begonnen.
Im Fall eines langen Blocks ist die Bandbreite der Basisschicht bis zum 21. Skalierungsfaktorband begrenzt. Dann werden die Skalierungsfaktoren bis zum 21. Skalierungsfak torband und die Modelle für arithmetische Codierung der entsprechenden Codierungsbänder codiert. Die Bitzuweisungsinformationen werden anhand der Modelle für arithmetische Codierung ermittelt. Der maximale Wert der zugewiesenen Bits wird anhand der Bitinformationen ermittelt, die jedem Codierungsband zugewiesen sind, und die Codierung erfolgt anhand des maximalen Quantisierungsbitwertes mittels des oben erwähnten Codierungsverfahrens. Dann werden die nächsten quantisierten Bits nacheinander codiert. Wenn zugewiesene Bits eines bestimmten Band weniger sind als die des momentan codierten Bandes, so erfolgt keine Codierung. Wenn zugewiesene Bits eines bestimmten Bandes die gleichen sind wie die des momentan codierten Bandes, so wird das Band zum ersten Mal codiert. Da die Bitrate der Basisschicht 16 Kbps beträgt, beträgt die Gesamtbitzulässigkeit 336 Bits. Somit wird die Menge der insgesamt verwendeten Bits kontinuierlich berechnet, und die Codierung wird in dem Moment beendet, wo die Bit-Menge 336 übersteigt.
Nachdem alle Bitströme für die Basisschicht (16 Kbps) gebildet wurden, werden die Bitströme für die nächste Erweiterungsschicht gebildet. Da die begrenzten Bandbreiten für die höheren Schichten erweitert werden, erfolgt die Codierung von Skalierungsfaktoren und Modellen zur arithmetischen Codierung nur für die neu hinzugefügten Bänder zu den begrenzten Bändern für die Basisschicht. In der Basisschicht werden einem Bitslicing unterzogene uncodierte Daten für jedes Band und die einem Bitslicing unterzogenen Daten eines neu hinzugefügten Bandes aus den MSBs in der gleichen Weise wie in der Basisschicht codiert. Wenn die Menge der insgesamt verwendeten Bits größer ist als die verfügbare Bit-Menge, so wird die Codierung beendet, und es wird mit der Vorbereitung zum Bilden der nächsten Erweiterungsschicht-Bitströme begonnen. Auf diese Weise können Bitströme für die übrigen Schichten mit 32, 40, 48, 56 und 64 Kbps erzeugt werden.
2. Decodierungsverfahren
2.1. Analyse und Decodierung von Bitströmen
2.1.1. Decodierung des bsac_channel_stream
Die Decodierung des bsac_channel_stream geschieht in der folgenden Reihenfolge: Zuerst wird der max_scalefactor ermittelt. Dann wird ics_info () ermittelt. Wenn ZRF-Daten vorliegen, werden ZRF-Daten ermittelt. Wenn es zwei Kanäle gibt, wird stereo_mode ermittelt, und dann werden BSAC-Daten ermittelt.
2.1.2. Decodierung von bsac_data
Die Nebeninformationen, die zur Decodierung von frame_length, encoded_layer, Skalierungsfaktormodellen und arithmetischen Modellen benötigt werden, werden in dem Bitstrom decodiert.
2.1.3. Decodierung des bsac_stream
Die BSAC-Ströme haben einen geschichteten Aufbau. Zuerst werden die Nebeninformationen für die Basisschicht von dem Bitstrom getrennt und dann arithmetisch decodiert. Dann werden die einem Bitslicing unterzogenen Informationen für die quantisierten Frequenzkomponenten von dem Bitstrom getrennt und dann arithmetisch decodiert. Dann werden die Nebeninformationen für die nächste Erweiterungsschicht decodiert, und die einem Bitslicing unterzogenen Informationen für die quantisierten Frequenzkomponenten werden arithmetisch decodiert.
Die Decodierung von Nebeninformationen für die jeweiligen Erweiterungsschichten und die Decodierung von einem Bitslicing unterzogenen Daten werden wiederholt ausgeführt, bis die Erweiterungsschicht größer ist als die codierte Schicht.
2.1.4. Decodierung von stereo_info oder ms_used
Die Decodierung von stereo_info oder ms_used wird durch stereo_mode, das eine Stereo-Maske darstellt, beeinflusst. Wenn der stereo_mode 0 oder 1 ist, so ist die Decodierung von stereo_info oder ms_used nicht erforderlich.
Wenn der stereo_mode 1 ist, so sind alle ms_used gleich 1. Die Informationen für die ms_used werden zu dem M/S-Stereoverarbeitungsabschnitt übertragen, so dass eine M/S-Stereoverarbeitung erfolgt. Wenn der stereo_mode 2 ist, so wird der Wert der ms_used unter Verwendung des in Tabelle 5.13 gezeigten Modells arithmetisch decodiert. Des Weiteren werden die Informationen für die ms_used zu dem M/S-Stereoverarbeitungsabschnitt übertragen, so dass eine M/S-Stereoverarbeitung erfolgt.
[Tabelle 5.13] ms_used-Modell
Wenn der stereo_mode 3 ist, so werden die stereo_info unter Verwendung des in Tabelle 5.14 gezeigten Modells arithmetisch decodiert. Die decodierten Daten werden zu dem M/S-Stereoverarbeitungsabschnitt oder den Intensitätsstereoverarbeitungsabschnitt übertragen, so dass eine M/S-Stereoverarbeitung oder eine Intensitätsstereoverarbeitung in Einheiten von Skalierungsfaktorbändern erfolgt, wie im AAC beschrieben.
[Tabelle 5.14] stereo_info-Modell
2.1.5. Decodierung der bsac_side_info
Die skalierbaren Bitströme, die in dem oben Dargelegten gebildet wurden, haben einen geschichteten Aufbau. Zuerst werden die Nebeninformationen für die Basisschicht von dem Bitstrom getrennt und dann decodiert. Dann werden die einem Bitslicing unterzogenen Informationen für die quantisierten Frequenzkomponenten, die in dem Bitstrom der Basisschicht enthalten sind, von dem Bitstrom getrennt und dann decodiert. Das gleiche Decodierungsverfahren wie das für die Basisschicht wird auch auf die anderen Erweiterungsschichten angewendet.
2.1.5.1. Decodierung von Skalierungsfaktoren
Die Frequenzkomponenten werden in Skalierungsfaktorbänder mit Frequenzkoeffizienten, die Vielfache von 4 sind, unterteilt. Jedes Skalierungsfaktorband hat einen Skalierungsfaktor. Es gibt zwei Verfahren zur Decodierung von Skalierungsfaktoren. Das zu verwendende Verfahren ist aus dem scf_coding-Wert zu erkennen.
Zuerst wird der max_scalefactor zu einer ganzen 8-Bit-Zahl ohne Vorzeichen decodiert. Allgemein werden während der Codierung Werte, die durch das Abbilden von Differenzen erhalten werden, codiert. Somit werden für die jeweiligen Skalierungsfaktorbänder die abgebildeten Werte unter Verwendung von Modellen, die in Tabelle 5.2 gezeigt sind, arithmetisch decodiert. Zu diesem Zeitpunkt wird – wenn der arithmetisch decodierte Wert 54 beträgt, was bedeutet, dass der abgebildete Wert mindestens 54 beträgt, da die Differenz zwischen 54 und dem abgebildeten Wert erneut codiert wird – die codierte Differenz erneut decodiert, um zu einem Wert von mindestens 54 wiederhergestellt zu werden. Wenn die Decodierung der abgebildeten Werte vollendet ist, so werden die abgebildeten Werte durch ein Differenzsignal invers abgebildet. Das Abbilden und das inverse Abbilden erfolgen unter Verwendung von Abbildungstabellen, wie sie in den Tabellen 5.1 und 5.2 zu sehen sind. Der erste Skalierungsfaktor kann unter Verwendung des Differenzsignals zwischen max_scalefactor und sich selbst ermittelt werden.
[Tabelle 5.1] Differentialskalierungsfaktor-zu-Index-Übergangstabelle
[Tabelle 5.2] Index-zu-Differentialskalierungsfaktor-Übergangstabelle
Als zweites wird der max_scalefactor zu einer ganzen 8-Bit-Zahl ohne Vorzeichen decodiert. Für alle Skalierungsfaktoren werden die Differenzen zwischen einem Verschiebungswert, d. h. dem max_scalefactor und alle Skalierungsfaktoren, arithmetisch decodiert. Die Skalierungsfaktoren können durch Subtrahieren der Differenzsignale vom max_scalefactor ermittelt werden. Die arithmetischen Modelle, die zum Decodieren der Differenzen verwendet werden, sind eines der Elemente, welche die Bitströme bilden, und werden von den Bitströmen getrennt, die bereits decodiert wurden.
Der folgenden Pseudocode beschreibt das Decodierungsverfahren für die Skalierungsfaktoren in der Basisschicht und die anderen Erweiterungsschichten.
Hier ist layer_sfb[layer] ein Startskalierungsfaktorband zum Decodieren von Skalierungsfaktoren in den jeweiligen Erweiterungsschichten, und layer_sfb[layer+1] ist ein Endskalierungsfaktorband.
2.1.5.2. Decodierung des Index' des arithmetischen Modells
Die Frequenzkomponenten werden in Codierungsbänder mit 32 Frequenzkoeffizienten unterteilt, um verlustfrei codiert zu werden. Das Codierungsband ist eine Basiseinheit, die bei der verlustfreien Codierung verwendet wird.
Bei dem Index von Modellen zur arithmetischen Codierung handelt es sich um Informationen zu den Modellen, die zum arithmetischen Codieren und Decodieren der einem Bitslicing unterzogenen Daten jedes Codierungsbandes verwendet werden und die anzeigen, welches von den in Tabelle 4.4 gezeigten Modellen in den arithmetischen Codierungs- und Decodierungsverfahren verwendet werden.
[Tabelle 4.4] Parameter des arithmetischen BSAC-Modells
Es werden Differenzen zwischen einem Verschiebungswert und allen Indizes von Modellen zur arithmetischen Codierung berechnet, und dann werden Differenzsignale unter Verwendung der in Tabelle 4.3 gezeigten Modelle arithmetisch codiert. Hier ist unter vier in Tabelle 4.3 gezeigten Modellen das zu verwendende Modell durch den Wert von ArModel_model angegeben und wird in dem Bitstrom als 2 Bits gespeichert. Der Verschiebungswert ist ein 5-Bit-min_ArModel-Wert, der in dem Bitstrom gespeichert ist. Die Differenzsignale werden in der umgekehrten Reihenfolge des Codierungsverfahrens decodiert, und dann werden die Differenzsignale dem Verschiebungswert hinzugefügt, um die Indizes von Modellen zur arithmetischen Codierung wiederherzustellen.
Der folgende Pseudocode beschreibt das Decodierungsverfahren für die Indizes von Modellen zur arithmetischen Codierung und ArModel[cband] in den jeweiligen Erweiterungsschichten.
Hier ist layer_sfb[layer] ein Startskalierungsfaktorband zum Decodieren von Indizes von Modellen zur arithmetischen Codierung in den jeweiligen Erweiterungsschichten, und layer_sfb[layer+1] ist ein Endskalierungsfaktorband. decode_cband[ch][g][cband] ist eine Markierung, die anzeigt, ob ein arithmetisches Codierungsmodell decodiert wurde (1) oder nicht decodiert (0) wurde.
2.1.6. Decodierung von einem Bitslicing unterzogenen Daten
Die quantisierten Sequenzen werden als einem Bitslicing unterzogene Sequenzen gebildet. Die jeweiligen vierdimensionalen Vektoren werden entsprechend ihrem Status in zwei Teilvektoren unterteilt. Für eine effektive Komprimierung werden die zwei Teilvektoren als eine verlustfreies Codierung arithmetisch codiert. Es wird über das Modell entschieden, das zur arithmetischen Codierung für jedes Codie rungsband verwendet werden soll. Diese Informationen werden im ArModel gespeichert.
Wie in den Tabellen 6.1 bis 6.31 gezeigt, setzen sich die jeweiligen arithmetischen Codierungsmodelle aus mehreren Modellen niederer Ordnung zusammen. Die Teilvektoren werden unter Verwendung eines der Modelle niederer Ordnung codiert. Die Modelle niederer Ordnung werden entsprechend der Dimension des zu codierenden Teilvektors, der Signifikanz eines Vektors oder den Codierungszuständen der jeweiligen Abtastungen klassifiziert. Die Signifikanz eines Vektors wird anhand der Bitposition des zu codierenden Vektors entschieden. Oder anders ausgedrückt: Je nachdem, ob die einem Bitslicing unterzogenen Informationen für das MSB, das nächste MSB oder das LSB gelten, unterscheidet sich die Signifikanz eines Vektor. Das MSB hat die höchste Signifikanz, und das LSB hat die geringste Signifikanz. Die Codierungsstatuswerte der jeweiligen Abtastungen werden in dem Maße erneuert, wie die Vektorcodierung vom MSB zum LSB voranschreitet. Zunächst wird der Codierungsstatuswert als Null initialisiert. Wenn dann ein Bit-Wert ungleich Null angetroffen wird, so ändert sich der Codierungsstatuswert zu 1.
[Tabelle 6.1] Arithmetisches BSAC-Modell 0

Zugewiesenes Bit = 0
Arithmetisches BSAC-Modell 1
Nicht verwendet

[Tabelle 6.2] Arithmetisches BSAC-Modell 2 Zugewiesenes Bit = 1
[Tabelle 6.3] Arithmetisches BSAC-Modell 3 Zugewiesenes Bit = 1
[Tabelle 6.4] Arithmetisches BSAC-Modell 4 Zugewiesene Bits = 2
[Tabelle 6.5] Arithmetisches BSAC-Modell 5 Zugewiesene Bits = 2
[Tabelle 6.6] Arithmetisches BSAC-Modell 6 Zugewiesene Bits = 3
[Tabelle 6.7] Arithmetisches BSAC-Modell 7 Zugewiesene Bits = 3
[Tabelle 6.8] Arithmetisches BSAC-Modell 8 Zugewiesene Bits = 4
[Tabelle 6.9] Arithmetisches BSAC-Modell 9 Zugewiesene Bits = 4
[Tabelle 6.10] Arithmetisches BSAC-Modell 10 Zugewiesene Bits (Abit) = 5
[Tabelle 6.11] Arithmetisches BSAC-Modell 11 Zugewiesene Bits (Abit) = 5
[Tabelle 6.12] Arithmetisches BSAC-Modell 12

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 6

[Tabelle 6.13] Arithmetisches BSAC-Modell 13

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 6

[Tabelle 6.14] Arithmetisches BSAC-Modell 14

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 7

[Tabelle 6.15] Arithmetisches BSAC-Modell 15

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 7

[Tabelle 6.16] Arithmetisches BSAC-Modell 16

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 8

[Tabelle 6.17] Arithmetisches BSAC-Modell 17

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 8

[Tabelle 6.18] Arithmetisches BSAC-Modell 18

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 9

[Tabelle 6.19] Arithmetisches BSAC-Modell 19

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 9

[Tabelle 6.20] Arithmetisches BSAC-Modell 20

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 10

[Tabelle 6.21] Arithmetisches BSAC-Modell 21

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 10

[Tabelle 6.22] Arithmetisches BSAC-Modell 22

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 11

[Tabelle 6.23] Arithmetisches BSAC-Modell 23

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 11

[Tabelle 6.24] Arithmetisches BSAC-Modell 24

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 12

[Tabelle 6.25] Arithmetisches BSAC-Modell 25

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 12

[Tabelle 6.26] Arithmetisches BSAC-Modell 26

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 13

[Tabelle 6.27] Arithmetisches BSAC-Modell 27

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 13

[Tabelle 6.28] Arithmetisches BSAC-Modell 28

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 14

[Tabelle 6.29] Arithmetisches BSAC-Modell 29

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 14

[Tabelle 6.30] Arithmetisches BSAC-Modell 30

Wie das arithmetische BSAC-Modell 10, aber Zugewiesene Bits = 15

[Tabelle 6.31] Arithmetisches BSAC-Modell 31

Wie das arithmetische BSAC-Modell 11, aber Zugewiesene Bits = 15

Die zwei Teilvektoren sind ein- bis vierdimensionale Vektoren. Die Teilvektoren werden von den MSB zu den LSB und von den niederfrequenten Komponenten zu den höherfrequenten Komponenten arithmetisch codiert. Die Indizes von Modellen zur arithmetischen Codierung, die bei der arithmetischen Codierung verwendet werden, werden zuvor in dem Bitstrom in den Reihenfolge von niedrigen Frequenzen zu hohen Frequenzen gespeichert, bevor die einem Bitslicing unterzogenen Daten zu jedem Codierungsband in Einheiten von Codierungsbändern übermittelt werden.
Die jeweiligen einem Bitslicing unterzogenen Daten werden arithmetisch codiert, um die Codewort-Indizes zu erhalten.
Diese Indizes werden zu den ursprünglichen quantisierten Daten durch Bitkopplung unter Verwendung des folgenden Pseudocodes wiederhergestellt.
"pre_state[]" ist ein Status, der anzeigt, ob der augenblicklich decodierte Wert 0 ist oder nicht. "snf" ist die Signifikanz eines decodierten Vektors. "Idx0" ist ein Codewortindex, dessen vorheriger Status 0 ist. "idx1" ist ein Codewortindex, dessen vorheriger Status 1 ist. "dec_sample[]" sind decodierte Daten. "start_i" ist eine Startfrequenzlinie aus decodierten Vektoren.
Während die einem Bitslicing unterzogenen Daten von quantisierten Frequenzkomponenten von den MSB zu den LSB codiert werden, werden die Vorzeichen-Bits von Frequenzkoeffizienten ungleich Null arithmetisch codiert. Ein Bit mit negativem (–) Vorzeichen wird durch eine 1 dargestellt, und ein Bit mit positivem (+) Vorzeichen wird durch eine 0 dargestellt.
Wenn die einem Bitslicing unterzogenen Daten in einem Decodierer arithmetisch decodiert werden und zuerst ein arithmetisch decodierter Bit-Wert ungleich Null angetroffen wird, folgen deshalb die Informationen des Vorzeichens in dem Bitstrom, d. h. acode_sign. Das sign_bit wird unter Verwendung dieser Informationen mit den in Tabelle 5.9 gezeigten Modellen arithmetisch decodiert. Wenn das sign_bit 1 ist, so werden die Vorzeichen-Informationen an die quantisierten Daten (y) übergeben, die durch Koppeln der getrennten Daten gebildet werden, und zwar wie folgt:
2.2. M/S-Stereoverarbeitungsabschnitt (optionales Modul)
Anhand der Markierung, die im Bitstrom enthalten ist, und ms_used[] ist zu erkennen, ob ein M/S-Stereoverarbeitungsmodul für jedes Skalierungsfaktorband verwendet wird oder nicht. Wenn eins verwendet wird, so wird die M/S-Stereoverarbeitung unter Verwendung des gleichen Verfahrens ausgeführt, wie es in den AAC gezeigt ist.
2.3. Vorhersageabschnitt (Optionales Modul)
Anhand der Markierung, die im Bitstrom enthalten ist, und prediction_present ist zu erkennen, ob ein Vorhersagemodul für jedes Skalierungsfaktorband verwendet wird oder nicht. Wenn eins verwendet wird, so wird die Vorhersage unter Verwendung des gleichen Verfahrens ausgeführt, wie es in den AAC gezeigt ist.
2.4. Intensitätsstereoverarbeitungsabschnitt (optionales Modul)
Anhand der Markierung, die im Bitstrom enthalten ist, und stereo_info ist zu erkennen, ob ein Intensitätsstereoverarbeitungsmodul für jedes Skalierungsfaktorband verwendet wird oder nicht. Wenn eins verwendet wird, so wird die Intensitätsstereoverarbeitung unter Verwendung des gleichen Verfahrens ausgeführt, wie es in den AAC gezeigt ist.
2.5. ZRF-Abschnitt (optionales Modul)
Anhand der Markierung, die im Bitstrom enthalten ist, und tns_present ist zu erkennen, ob ein ZRF-Modul verwendet wird oder nicht. Wenn eins verwendet wird, so wird die ZRF unter Verwendung des Verfahrens ausgeführt, wie es in den AAC gezeigt ist.
2.6. Umkehrquantisierung
Der Umkehrquantisierungsabschnitt stellt die decodierten Skalierungsfaktoren und quantisierten Daten zu Signalen mit den ursprünglichen Größenordnungen wieder her. Das Umkehrquantisierungsverfahren ist in den AAC-Standards beschrieben.
2.7. Frequenz-Zeit-Abbildung
Der Frequenz-Zeit-Abbildungsabschnitt führt eine Umkehrkonvertierung von Tonsignalen eines Frequenzbereichs in Signale eines Zeitbereichs durch, so dass sie durch einen Benutzer reproduziert werden. Die Formel für das Abbilden des Frequenzbereichssignals in das Zeitbereichssignal ist in den AAC-Standards definiert. Des Weiteren sind noch verschiedene Punkte, wie beispielsweise ein abbildungsbezogenes Fenster, in den AAC-Standards beschrieben.
Ausführungsformen der vorliegenden Erfindung ermöglichen ein ähnliche Leistung wie die eines herkömmlichen Codierers, bei dem nur die Komprimierung berücksichtigt wird, bei einer höheren Bitrate, so dass sowohl Monosignale als auch Stereosignale so verarbeitet werden, dass verschiedene Benutzervorgaben erfüllt werden, während flexible Bitströme gebildet werden. Oder anders ausgedrückt: Per Benutzervor gabe werden die Informationen für die Bitraten verschiedener Schichten ohne Überlappung mit einem einzigen Bitstrom kombiniert, wodurch Bitströme mit guter Tonqualität entstehen. Des Weiteren wird zwischen einem Sende-Endgerät und einem Empfangs-Endgerät kein Umsetzer benötigt. Außerdem können jeder beliebige Status von Sendekanälen und verschiedene Benutzervorgaben berücksichtigt werden.
Des Weiteren findet die Skalierbarkeit sowohl auf Stereosignalen als auch auf Monosignale Anwendung.
Ausführungsformen der vorliegenden Erfindung können in herkömmlichen Toncodierungs- und -decodierungsvorrichtungen Anwendung finden, die über Module zur Verbesserung der Codierungs-/Decodierungseffizienz verfügen, wodurch die Leistung bei verschiedenen Bitraten verbessert wird.
Obgleich bei Ausführungsformen der vorliegenden Erfindung die Basismodule, die bei einer Codierung oder Decodierung gemäß den AAC-Standards verwendet werden, wie beispielsweise Zeit-Frequenz-Abbildung oder Quantisierung, benutzt werden, wird nur das verlustfreie Codierungsmodul durch das Bitslicing-Codierungsverfahren ersetzt, um Skalierbarkeit zu ermöglichen.
Da die Bitströme skalierbar sind, kann ein einzelner Bitstrom mehrere Bitströme mit verschiedenen Bitraten enthalten. Im Gegensatz zu herkömmlichen Codierern hat der skalierbare Codierer gemäß Ausführungsformen der vorliegenden Erfindung feiner abgestufte Erweiterungsschichten, so dass der Anwendungsbereich erweitert wird.
Des Weiteren wird im Gegensatz zu anderen skalierbaren Audio-Codecs eine gute Tonqualität bei einer höheren Bitrate angeboten.
Wenn Ausführungsformen der vorliegenden Erfindung mit den AAC-Standards kombiniert werden, so kann fast die gleiche Tonqualität bei der Bitrate der obersten Schicht erreicht werden.
Obgleich bei Ausführungsformen der vorliegenden Erfindung der herkömmliche Audioalgorithmus, wie beispielsweise die MPEG-2-AAC-Standards, verwendet wird, unterscheidet sich nur der verlustfreie Codierungsabschnitt von dem herkömmlichen. Somit werden die quantisierten Signale eines Frequenzbereichs in dem AAC-Bitstrom decodiert, und die skalierbaren BSAC-Bitströme können auf der Grundlage der decodierten Signale gebildet werden. Oder anders ausgedrückt: Es ist eine verlustfreie Transcodierung möglich. Des Weiteren können AAC-Bitströme aus skalierbaren BSAC-Bitströmen in umgekehrter Reihenfolge gebildet werden. Dank dieser Funktionen werden verschiedene AAC-Bitströme, die nur zum Verbessern der Codierungseffizienz gebildet werden, entsprechend ihrer Umgebung konvertierbar verwendet. Somit ist, um Skalierbarkeit zu ermöglichen, eine zweifache oder dreifache Arbeit zum Bilden von Bitströmen zum Erreichen von Skalierbarkeit durch eine separate Codierungsvorrichtung nicht erforderlich.
Des Weiteren haben Ausführungsformen der vorliegenden Erfindung eine gute Codierungseffizienz, das heißt, die beste Leistung wird bei einer festen Bitrate wie bei den herkömmlichen Codierungstechniken erreicht, und betrifft ein Codierungs-/Decodierungsverfahren und eine entsprechende Vorrichtung, womit die Bitrate, die in geeigneter Weise für die bevorstehende Multimedia-Technologie codiert ist, wiederhergestellt wird. Des Weiteren können gemäß Ausführungsformen der vorliegenden Erfindung Daten für Bitraten für verschiedene Erweiterungsschichten innerhalb eines einzelnen Bitstromes dargestellt werden. Somit können entsprechend der Leistung der Decodierer und der Bandbreite oder der Besetztzustände von Sendekanälen von Benutzern oder durch Benutzervorgabe die Größen der Bitraten oder deren Komplexität gesteuert werden.

Claims

Skalierbares Stereotoncodierungsverfahren zum Codieren von Tonsignalen in einen geschichteten Datenstrom mit einer Basisschicht und wenigstens zwei Erweiterungsschichten, umfassend folgende Schritte: Signalverarbeitung von Eingangs-Tonsignalen und Quantisieren der Eingangs-Tonsignale für jedes vorgegebene Codierungsband; wobei das Verfahren des Weiteren folgende Schritte umfasst: Codieren der quantisierten Daten entsprechend der Basisschicht unter den quantisierten Daten; Codieren der quantisierten Daten entsprechend der nächsten Erweiterungsschicht der codierten Basisschicht und der übrigen quantisierten Daten, die aufgrund einer Schichtgrößenbegrenzung uncodiert sind und zu der codierten Schicht gehören; und sequenzielles Ausführen der Schichtcodierungsschritte für alle Erweiterungsschichten, um Bitströme zu bilden, wobei der Schritt der Basisschichtcodierung, der Schritt der Erweiterungsschichtcodierung und der Schritt der sequenziellen Codierung so ausgeführt werden, dass die Nebeninformationen und quantisierten Daten, die einer zu codierenden Schicht entsprechen, durch Ziffern der gleichen vorgegebenen Anzahl dargestellt werden und dann unter Verwendung eines vorgegebenen Wahrscheinlichkeitsmodells in der Reihenfolge, die von den MSB-Sequenzen zu den LSB-Sequenzen reicht, arithmetisch codiert werden; wobei das Verfahren dadurch gekennzeichnet ist, dass die einem Bitslicing unterzogenen Daten des linken Kanals und des rechten Kanals miteinander verschachtelt werden und wechsel weise in Einheiten vorgegebener Vektoren codiert werden.
Skalierbares Stereotoncodierungsverfahren nach Anspruch 1, wobei die Nebeninformationen wenigstens Skalierungsfaktoren sowie Informationen über ein für die arithmetische Codierung zu verwendendes Wahrscheinlichkeitsmodell enthalten.
Skalierbares Stereotoncodierungsverfahren nach Anspruch 1, wobei es sich bei den vorgegebenen Vektoren um vierdimensionale Vektoren handelt, die durch Koppeln der einem Bitslicing unterzogenen vier Tonkanaldaten in einem einzigen Vektor erzeugt werden.
Skalierbares Stereotoncodierungsverfahren nach Anspruch 3, wobei die vierdimensionalen Vektoren in zwei Teilvektoren entsprechend Vorzuständen aufgeteilt werden, die anzeigen, ob einem Bitslicing unterzogene Frequenzkomponenten, die ungleich Null sind, codiert sind oder nicht, um die dann zu codieren.
Skalierbares Stereotoncodierungsverfahren nach Anspruch 2, wobei der Schritt des Codierens der Skalierungsfaktoren folgende Schritte umfasst: Erhalten des maximalen Skalierungsfaktors; Erhalten der Differenz zwischen dem maximalen Skalierungsfaktor und den ersten Skalierungsfaktoren und arithmetisches Codieren der Differenz; und Erhalten von Differenzen zwischen dem unmittelbar vorangegangenen arithmetisch codierten Skalierungsfaktors und den jeweiligen Skalierungsfaktoren, die auf den ersten Skalierungsfaktor folgen, Abbilden der Dif ferenzen in einem vorgegebenen Wert und arithmetisches Codieren der abgebildeten Werte.
Skalierbares Stereotoncodierungsverfahren nach Anspruch 2, wobei der Schritt des Codierens der Skalierungsfaktoren folgende Schritte umfasst: Erhalten des maximalen Skalierungsfaktors; und Erhalten von Differenzen zwischen dem maximalen Skalierungsfaktor und den jeweiligen Skalierungsfaktoren und arithmetisches Codieren der Differenzen.
Skalierbares Stereotoncodierungsverfahren nach Anspruch 1, wobei die Kopfinformationen, die gemeinsam für alle Bänder verwendet werden, codiert werden und die Nebeninformationen und die quantisierten Frequenzen, die für die jeweilige Schicht erforderlich sind, durch einem Bitslicing unterzogene Informationen gebildet werden, die dann zu codieren sind, um eine Schichtstruktur zu erhalten.
Skalierbares Stereotoncodierungsverfahren nach Anspruch 1, wobei die Quantisierung durch folgende Schritte ausgeführt wird: Konvertieren der Eingangs-Tonsignale eines Zeitbereichs in Signale eines Frequenzbereichs; Koppeln der konvertierten Signale als Signale vorgegebener Skalierungsfaktorbänder mittels Zeit-/Frequenzabbildung und Berechnen einer Maskierungsschwelle an jedem Skalierungsfaktorband; Ausführen einer zeitlichen Rauschformung zum Steuern der zeitlichen Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters; Ausführen einer Intensitätsstereoverarbeitung, dergestalt, dass nur die quantisierten Informationen eines Skalierungsfaktorbandes für einen von zwei Kanälen codiert wird, wobei nur der Skalierungsfaktor für den anderen Kanal übermittelt wird; Vorhersagen von Frequenzkoeffizienten des augenblicklichen Rahmens; Durchführen einer M/S-Stereoverarbeitung zum Konvertieren eines Signals des linken Kanals und eines Signals des rechten Kanals in ein additives Signal aus zwei Signalen und ein subtraktives Signal davon; und Quantisieren der Signale für jedes vorgegebene Codierungsband, dergestalt, dass Quantisierungsrauschen jedes Bandes kleiner ist als die Maskierungsschwelle.
Skalierbares Stereotoncodierungsverfahren nach Anspruch 1, wobei, wenn die quantisierten Daten aus Vorzeichendaten und Größenordnungsdaten zusammengesetzt sind, die Schritte des Codierens der Basisschicht und der Erweiterungsschichten und des Bildens des Bitstromes die folgenden Schritte umfassen: arithmetisches Codieren der signifikantesten Ziffernfolgen, die aus signifikantesten Ziffern der Größenordnungsdaten zusammengesetzt sind; Codieren von Vorzeichendaten, die Daten ungleich Null unter den codierten signifikantesten Ziffernfolgen entsprechen; Codieren der signifikantesten Ziffernfolgen unter uncodierten Größenordnungsdaten der digitalen Daten; Codieren uncodierter Vorzeichendaten unter den Vorzeichendaten, die Größenordnungsdaten ungleich Null unter codierten Ziffernfolgen entsprechen; und Ausführen des Größenordnungscodierungsschrittes und des Vorzeichencodierungsschrittes an den entsprechenden Ziffern der digitalen Daten, wobei die jeweiligen Schritte wechselweise an den Daten des linken Kanals und den Daten des rechten Kanals in Einheiten vorgegebener Vektoren ausgeführt werden.
Skalierbare Stereotoncodierungsvorrichtung, umfassend: einen Quantisierungsabschnitt (160) zur Signalverarbeitung von Eingangs-Tonsignalen und zum Quantisieren der Eingangs-Tonsignale für jedes Codierungsband; einen Abschnitt 170 zum arithmetischen Bitslicing-Codieren für das Codieren von Bitströmen für alle Schichten, so dass eine Schichtstruktur entsteht, durch Bandbegrenzung für eine Basisschicht, so dass sie skalierbar ist, zum Codieren von Nebeninformationen, die der Basisschicht entsprechen, zum Codieren der quantisierten Informationen sequenziell von der signifikantesten Bitsequenz zu der geringst-signifikanten Bitsequenz und von Komponenten mit niedrigerer Frequenz zu Komponenten mit höherer Frequenz, und zum Codieren von Nebeninformationen, die der nächsten Erweiterungsschicht der Basisschicht und den quantisierten Daten entsprechen; und einen Bitstrombildungsabschnitt 180 zum Erfassen von Daten, die in dem Quantisierungsabschnitt und in dem Abschnitt zum arithmetischen Bitslicing-Codieren gebildet wurden, und zum Erzeugen von Bitströmen; wobei die Codierungsvorrichtung dadurch gekennzeichnet ist, dass der Abschnitt 170 zum arithmetischen Bitslicing-Codieren dafür konfiguriert ist, verschachtelte Daten des linken Kanals und Daten des rechten Kanals wechselweise in Einheiten vorgegebener Vektoren zu codieren.
Skalierbare Toncodierungsvorrichtung nach Anspruch 10, wobei der Quantisierungsabschnitt Folgendes umfasst: einen Zeit-/Frequenzabbildungsabschnitt 100 zum Konvertieren der Eingangs-Tonsignale eines Zeitbereichs in Signale eines Frequenzbereichs; einen psychoakustischen Abschnitt 110 zum Koppeln der konvertierten Signale durch Signale vorgegebener Skalierungsfaktorbänder mittels Zeit-/Frequenzabbildung und Berechnen einer Maskierungsschwelle an jedem Skalierungsfaktorband unter Verwendung eines Maskierungsphänomens, das durch Interaktion der jeweiligen Signale erzeugt wird; und einen Quantisierungsabschnitt 160 zum Quantisieren der Signale für jedes vorgegebene Codierungsband, während das Quantisierungsrauschen jedes Bandes mit der Maskierungsschwelle verglichen wird.
Skalierbare Toncodierungsvorrichtung nach Anspruch 11, die des Weiteren Folgendes umfasst: einen Abschnitt (120) für zeitliche Rauschformung (ZRF) zum Ausführen einer zeitlichen Rauschformung zum Steuern der zeitlichen Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters; einen Intensitätsstereoverarbeitungsabschnitt (130) zum Ausführen einer Intensitätsstereoverarbeitung, dergestalt, dass nur die quantisierten Informationen eines Skalierungsfaktorbandes für einen von zwei Kanälen codiert wird, wobei nur der Skalierungsfaktor für den anderen Kanal übermittelt wird; einen Vorhersageabschnitt (140) zum Vorhersagen von Frequenzkoeffizienten des augenblicklichen Rahmens; und einen M/S-Stereoverarbeitungsabschnitt (150) zum Durchführen einer M/S-Stereoverarbeitung zum Konvertieren eines Signals des linken Kanals und eines Signals des rechten Kanals in ein additives Signal aus zwei Signalen und ein subtraktives Signal davon.
Skalierbares Stereotondecodierungsverfahren zum Decodieren von Tonsignalen, die so codiert sind, dass sie geschichtete Bitraten aufweisen, wobei das Verfahren folgende Schritte umfasst: Analysieren von Daten, die für die jeweiligen Module in den Bitströmen mit einer Schichtstruktur benötigt werden; Decodieren wenigstens von Skalierungsfaktoren und Indizes von Modellen für arithmetisches Codieren und quantisierten Daten in der Reihenfolge der Erzeugung der Schichten in Bitströmen mit einer Schichtstruktur, wobei die quantisierten Daten durch Analysieren der Signifikanz von Bits, aus denen die Bitströme bestehen, von höher-signifikanten Bits zu weniger-signifikanten Bits decodiert werden; Wiederherstellen der decodierten Skalierungsfaktoren und quantisierten Daten in Signale mit den ursprünglichen Größenordnungen; und Konvertieren von umgekehrt quantisierten Daten in Signale eines Zeitbereichs; wobei das Verfahren dadurch gekennzeichnet ist, dass die quantisierten Daten aus codierten verschachtelten linken und rechten Kanälen dergestalt decodiert werden, dass die quantisierten Daten wechselweise für die jeweiligen Kanäle decodiert werden.
Skalierbares Stereotondecodierungsverfahren nach Anspruch 13, das des Weiteren folgende Schritte umfasst: Durchführen einer M/S-Stereoverarbeitung, um zu prüfen, ob in dem Bitstromcodierungsverfahren eine M/S-Stereoverarbeitung durchgeführt wurde oder nicht, und Konvertieren eines Signals des linken Kanals und eines Signals des rechten Kanals in ein additives Signal aus zwei Signalen und ein subtraktives Signal davon, wenn die M/S-Stereoverarbeitung durchgeführt wurde; Prüfen, ob in dem Bitstromcodierungsverfahren ein Vorhersageschritt durchgeführt wurde oder nicht, und Vorhersagen von Frequenzkoeffizienten des augenblicklichen Rahmens, wenn der Prüfschritt ausgeführt wurde; Prüfen, ob in dem Bitstromcodierungsverfahren ein Intensitätsstereoverarbeitungsschritt durchgeführt wurde oder nicht, und, wenn die Intensitätsstereoverarbeitung durchgeführt wurde, dann – weil nur die quantisierten Informationen des Skalierungsfaktorbandes für einen einzelnen Kanal (den linken Kanal) von zwei Kanälen codiert sind – Durchführen der Intensitätsstereoverarbeitung zum Wiederherstellen der quantisierten Informationen des anderen Kanals (des rechten Kanals) in einen Wert des linken Kanals; und Prüfen, ob in dem Bitstromcodierungsverfahren ein Schritt der zeitlichen Rauschformung (ZRF) durchgeführt wurde oder nicht, und wenn der ZRF-Schritt durchgeführt wurde, Ausführen einer zeitlichen Rauschformung zum Steuern der zeitlichen Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters.
Skalierbares Stereotondecodierungsverfahren nach Anspruch 13 oder 14, umfassend, wenn die quantisierten Daten aus Vorzeichendaten und Größenordnungsdaten bestehen, eine Wiederherstellung von quantisierten Frequenzkomponenten durch sequenzielles Decodieren der Größenordnungsdaten von Vorzeichenbits quantisierter Frequenzkomponenten und ein Koppeln der Größenordnungsdaten und der Vorzeichenbits.
Skalierbares Stereotondecodierungsverfahren nach Anspruch 13, wobei der Decodierungsschritt von den signifikantesten Bits zu den geringst-signifikanten Bits ausgeführt wird und der Wiederherstellungsschritt durch Koppeln der decodierten, einem Bitslicing unterzogenen Daten und Wiederherstellen der gekoppelten Daten in Daten quantisierter Frequenzkomponenten ausgeführt wird.
Skalierbares Stereotondecodierungsverfahren nach Anspruch 16, wobei die Daten in dem Decodierungsschritt dergestalt decodiert werden, dass einem Bitslicing unterzogene Informationen von vier Abtastungen in Einheiten vierdimensionaler Vektoren decodiert werden.
Skalierbares Stereotondecodierungsverfahren nach Anspruch 17, wobei das Decodieren des vierdimensionalen Vektors dergestalt erfolgt, dass zwei Teilvektoren, die gemäß Vorzuständen codiert wurden, die anzeigen, ob einem Bitslicing unterzogene Frequenzkomponen ten ungleich Null codiert sind oder nicht, arithmetisch codiert werden und die zwei Teilvektoren, die gemäß den Codierungszuständen der jeweiligen Abtastungen decodiert wurden, in vierdimensionale Vektoren wiederhergestellt werden.
Skalierbares Stereotondecodierungsverfahren nach Anspruch 15, wobei, während die einem Bitslicing unterzogenen Daten der jeweiligen Frequenzkomponenten aus den MSBs decodiert werden, das Decodieren übersprungen wird, wenn die einem Bitslicing unterzogenen Daten "0" sind, und Vorzeichendaten arithmetisch decodiert werden, wenn die einem Bitslicing unterzogenen Daten "1" zum ersten Mal erscheinen.
Skalierbares Stereotondecodierungsverfahren nach Anspruch 13, wobei die Decodierung der Skalierungsfaktoren durch Decodieren des maximalen Skalierungsfaktors in dem Bitstrom, arithmetisches Decodieren von Differenzen zwischen dem maximalen Skalierungsfaktor und den jeweiligen Skalierungsfaktoren und Subtrahieren der Differenzen von dem maximalen Skalierungsfaktor ausgeführt wird.
Skalierbares Stereotondecodierungsverfahren nach Anspruch 13, wobei der Schritt des Decodierens der Skalierungsfaktoren folgende Schritte umfasst: Decodieren des maximalen Skalierungsfaktors aus den Bitströmen; Erhalten von Differenzen zwischen dem maximalen Skalierungsfaktor und zu decodierenden Skalierungsfaktoren durch Abbilden und arithmetisches Decodieren der Differenzen und umgekehrtes Abbilden der Differenzen aus den abgebildeten Werten; und Erhalten des ersten Skalierungsfaktors durch Subtrahieren der Differenzen von dem maximalen Skalierungsfaktor und Erhalten der Skalierungsfaktoren für die übrigen Bänder durch Subtrahieren der Differenzen von den vorherigen Skalierungsfaktoren.
Skalierbares Stereotondecodierungsverfahren nach Anspruch 13, wobei das Decodieren der Indizes für arithmetisch codierte Modelle durch folgende Schritte ausgeführt wird: Decodieren des kleinsten Index' eines arithmetischen Modells in dem Bitstrom, Decodieren von Differenzen zwischen dem kleinsten Index und den jeweiligen Indizes in den Nebeninformationen der jeweiligen Schichten und Addieren des kleinsten Index' und der Differenzen.
Skalierbare Stereotondecodierungsvorrichtung zum Decodieren von Tondaten, die so codiert sind, dass sie geschichtete Bitraten aufweisen, wobei die Vorrichtung Folgendes umfasst: einen Bitstromanalyseabschnitt (300) zum Analysieren von Daten, die für die jeweiligen Module in den Bitströmen mit einer Schichtstruktur benötigt werden; einen Decodierungsabschnitt (310) zum Decodieren wenigstens von Skalierungsfaktoren und Indizes von Modellen für arithmetisches Codieren und quantisierten Daten in der Reihenfolge der Erzeugung der Schichten in Bitströmen mit einer Schichtstruktur, wobei die quantisierten Daten durch Analysieren der Signifikanz von Bits, aus denen die Bitströme bestehen, von höher-signifikanten Bits zu weniger-signifikanten Bits decodiert werden; einen Wiederherstellungsabschnitt (320) zum Wiederherstellen der decodierten Skalierungsfaktoren und quantisierten Daten in Signale mit den ursprünglichen Größenordnungen; und einen Frequenz-/Zeitabbildungsabschnitt (370) zum Konvertieren von umgekehrt quantisierten Signalen in Signale eines Zeitbereichs; wobei die Decodierungsvorrichtung dadurch gekennzeichnet ist, dass die quantisierten Daten aus codierten verschachtelten linken und rechten Kanälen dergestalt decodiert werden, dass die quantisierten Daten wechselweise für die jeweiligen Kanäle decodiert werden.
Skalierbare Stereotondecodierungsvorrichtung nach Anspruch 23, die des Weiteren Folgendes umfasst: einen M/S-Stereoverarbeitungsabschnitt (330) zum Durchführen einer M/S-Stereoverarbeitung, um zu prüfen, ob in dem Bitstromcodierungsverfahren eine M/S-Stereoverarbeitung durchgeführt wurde oder nicht, und Konvertieren eines Signals des linken Kanals und eines Signals des rechten Kanals in ein additives Signal aus zwei Signalen und ein subtraktives Signal davon, wenn die M/S-Stereoverarbeitung durchgeführt wurde; einen Vorhersageabschnitt (340) zum Prüfen, ob in dem Bitstromcodierungsverfahren ein Vorhersageschritt durchgeführt wurde oder nicht, und Vorhersagen von Frequenzkoeffizienten des augenblicklichen Rahmens, wenn der Prüfschritt ausgeführt wurde; einen Intensitätsstereoverarbeitungsabschnitt (350) zum Prüfen, ob in dem Bitstromcodierungsverfahren eine Intensitätsstereoverarbeitung durchgeführt wurde oder nicht, und, wenn die Intensitätsstereoverarbeitung durchgeführt wurde, dann – weil nur die quantisierten Informationen des Skalierungsfaktorbandes für einen einzelnen Kanal (den linken Kanal) von zwei Kanälen codiert sind – Durchführen der Intensitätsstereoverarbeitung zum Wiederherstellen der quantisierten Informationen des anderen Kanals (des rechten Kanals) in einen Wert des linken Kanals; und einen Abschnitt (360) zur zeitlichen Rauschformung zum Prüfen, ob in dem Bitstromcodierungsverfahren ein Schritt der zeitlichen Rauschformung (ZRF) durchgeführt wurde oder nicht, und wenn der ZRF-Schritt durchgeführt wurde, Ausführen einer zeitlichen Rauschformung zum Steuern der zeitlichen Form des Quantisierungsrauschens innerhalb jedes Konvertierungsfensters.