面向多声道三维音频的和差压缩编码技术
2014-10-27董石胡瑞敏杨玉红王晓晨涂卫平
董石,胡瑞敏,杨玉红,王晓晨,涂卫平
(武汉大学 国家多媒体软件工程技术研究中心,湖北 武汉 430079)
1 引言
随着三维影视市场的巨大成功,三维音频技术受到了广泛关注并得到了迅速发展。三维音频系统因其能为观众提供更好的声音定位和临场感,越来越多被引入与音频相关的应用当中取代传统环绕声系统。波场合成(WFS,wave field synthesis)、Ambisonics和幅度矢量合成(VBAP,vector based amplitude panning)是目前发展最为完备的3种多声道三维音频理论,其中WFS基于惠更斯原理重建原始声场信号,德国Fraunhofer研究院的IDMT实验室和法国 IRCAM 等研究机构都开展了长期研究,并尝试将 WFS应用于剧场和音乐会的实时直播;Ambisonics利用球谐函数记录声场并驱动扬声器。其有严格的扬声器排布要求,能够在扬声器中心位置高质量重建原始声场;VBAP基于三维空间中的正弦法则,利用空间中3个临近的扬声器形成三维声音矢量。由于算法简单,VBAP也是最常用的多声道三维音频技术[1]。如日本NHK公司的22.2多声道三维音频系统正是利用VBAP技术进行三维声像的生成,2012年面向三维音频的国际标准MPEG-H正在制定当中,22.2多声道三维音频系统也被其作为标准系统。
未来三维音频技术将逐渐走向成熟并取代现有的立体声和环绕声技术。当前三维音频系统的一个主要特点就是其庞大的声道数目。例如 WFS一般包含了数十个甚至上百个声道,22.2多声道系统也有分3层排布的24个声道,而Ambisonics系统虽然可以灵活地制定声道数目,但由于较少的声道数会严重影响三维音质,因此声道数一般也有几十个。……
