DRA標(biāo)準(zhǔn)及未來(lái)音頻編碼技術(shù)展望

◎ 數(shù)字音頻編解碼技術(shù)國(guó)家工程實(shí)驗(yàn)室 閆建新

DRA標(biāo)準(zhǔn)及未來(lái)音頻編碼技術(shù)展望

◎ 數(shù)字音頻編解碼技術(shù)國(guó)家工程實(shí)驗(yàn)室 閆建新

簡(jiǎn)單介紹了當(dāng)前的數(shù)字音頻多聲道編碼國(guó)家標(biāo)準(zhǔn)GB/T 22726—2008（DRA），DRA音頻標(biāo)準(zhǔn)可應(yīng)用于數(shù)字電視、數(shù)字音頻廣播及移動(dòng)多媒體等領(lǐng)域。同時(shí)說(shuō)明了以DRA技術(shù)為基礎(chǔ)而派生的幾個(gè)新編碼算法及典型應(yīng)用場(chǎng)景。最后對(duì)未來(lái)數(shù)字音頻編碼技術(shù)進(jìn)行了展望和預(yù)期。

DRA；數(shù)字音頻廣播；3D音頻

DRA標(biāo)準(zhǔn)及其應(yīng)用

1.DRA標(biāo)準(zhǔn)及相關(guān)編碼算法

DRA是國(guó)標(biāo)GB/T22726—2008《多聲道數(shù)字音頻編解碼技術(shù)規(guī)范》[1]的簡(jiǎn)稱(chēng)，它是基于人耳的聽(tīng)覺(jué)特性對(duì)聲音信號(hào)進(jìn)行量化和編碼的一種感覺(jué)音頻技術(shù)。圖1給出了編碼框圖，其編碼過(guò)程為：數(shù)字音頻信號(hào)首先通過(guò)自適應(yīng)時(shí)頻分割，實(shí)現(xiàn)對(duì)音頻信號(hào)的最優(yōu)分解；然后進(jìn)行聯(lián)合立體聲編碼去除聲道間的相關(guān)性；通過(guò)對(duì)當(dāng)前信號(hào)的心理聲學(xué)分析給出最佳掩蔽曲線，從而給出全局比特分配實(shí)現(xiàn)譜系數(shù)線性量化；依據(jù)量化譜系數(shù)分布進(jìn)行自適應(yīng)分區(qū)，并通過(guò)Huffman熵編碼進(jìn)一步完成冗余度壓縮，最終所有需要傳輸?shù)男畔凑諛?biāo)準(zhǔn)規(guī)范格式打包成DRA幀。

為了滿足各種實(shí)際應(yīng)用的不同需求，以DRA標(biāo)準(zhǔn)編碼技術(shù)為基礎(chǔ)，通過(guò)引入近年來(lái)新推出的一些增強(qiáng)編碼模塊，并充分利用DRA幀結(jié)構(gòu)中最后定義的輔助數(shù)據(jù)單元，可擴(kuò)展實(shí)現(xiàn)以下幾種編碼算法：

1）DRA低碼率（DRA-LO）編碼算法

本編碼算法主要增加了一個(gè)帶寬擴(kuò)展編碼模塊，用以完成高頻部分的參數(shù)編碼，低頻部分仍然采用傳統(tǒng)的DRA標(biāo)準(zhǔn)編碼，從而構(gòu)造了一種波形編碼和參數(shù)編碼的混合編碼技術(shù)，可使得立體聲編碼的典型碼率從128 kbit/s大幅度降至32 kbit/s。

2）DRA超低碼率（DRA-UL）編碼算法

圖1 DRA編碼流程圖

由于DRA編碼算法的編碼對(duì)象為一般性的聲音信號(hào)，在低碼率且對(duì)語(yǔ)音類(lèi)信號(hào)編碼時(shí)編碼效率比傳統(tǒng)語(yǔ)音編碼算法要低，因此新的DRA超低碼率編碼算法是在DRA低碼率編碼算法的基礎(chǔ)上進(jìn)一步引入一個(gè)語(yǔ)音編碼核。當(dāng)檢測(cè)到輸入信號(hào)為語(yǔ)音類(lèi)信號(hào)時(shí)啟動(dòng)語(yǔ)音編碼核替代DRA核壓縮低頻部分；當(dāng)輸入信號(hào)為語(yǔ)音和音樂(lè)混合信號(hào)時(shí)，采用自適應(yīng)切換編碼核方式工作；當(dāng)輸入信號(hào)為音樂(lè)類(lèi)信號(hào)時(shí)，仍然只應(yīng)用DRA編碼；高頻部分仍然采用DRA-LO中的帶寬擴(kuò)展編碼算法。DRA-UL可以進(jìn)一步將DRA-LO立體聲編碼的典型碼率從32 kbit/s降低到24 kbit/s。DRA-UL適用于數(shù)字調(diào)幅廣播應(yīng)用，這是因?yàn)閿?shù)字調(diào)幅（AM）廣播聲道條件更窄，它的有效凈載荷可能只有20 kbit/s，DRA-UL可使得調(diào)幅廣播獲得接近當(dāng)前模擬調(diào)頻的主觀聲音質(zhì)量。

3）DRA分層（DRA-LA）編碼算法[2]

調(diào)頻頻段數(shù)字音頻廣播信道和調(diào)制規(guī)范提供了分層調(diào)制和不等錯(cuò)信道編碼技術(shù)，為了匹配這一特性而擴(kuò)展了一種分層編碼算法DRA-LA，可分為兩種：一種是直接對(duì)DRA的分層；另一種是DRA-LO的分層。對(duì)于單聲道情況，基本層提供基本的單聲道聲音質(zhì)量，增強(qiáng)層可進(jìn)一步改善聲音質(zhì)量；對(duì)立體聲信號(hào)，基本層提供基本的立體聲，增強(qiáng)曾進(jìn)一步改善立體聲質(zhì)量；對(duì)環(huán)繞聲信號(hào)，基本層提供全質(zhì)量的立體聲，增強(qiáng)層提供環(huán)繞聲道信號(hào)。

4）DRA演播室（DRA-ST）編碼算法

DRA-ST是一種高保真的音頻編碼算法，通過(guò)多次編解碼處理后仍然保持透明的主觀聲音質(zhì)量，主要用于演播室內(nèi)部傳輸應(yīng)用，且由于DRA-ST的幀長(zhǎng)與當(dāng)前標(biāo)準(zhǔn)幾種視頻幀率匹配，因此當(dāng)作為視頻信號(hào)的伴音時(shí)，能夠與圖像邊界對(duì)齊，易于音視頻剪輯操作，不會(huì)引起同步問(wèn)題。

表 1給出 DRA，DRA-LO和DRA-UL各種編碼算法的主要參數(shù)，表2給出了DRA-LA的編碼算法的主要參數(shù)。

2.DRA標(biāo)準(zhǔn)的應(yīng)用

為了推廣DRA標(biāo)準(zhǔn)的應(yīng)用，陸續(xù)開(kāi)展了一些應(yīng)用標(biāo)準(zhǔn)的研究，主要包括IEC 61937-12標(biāo)準(zhǔn)定義了DRA碼流打包成適合AES/EBU（或SPDIF）傳輸時(shí)的方式；CEA音頻格式擴(kuò)展標(biāo)準(zhǔn)和HD?MI傳輸標(biāo)準(zhǔn)定義了其他常用傳輸接口的方式；SMPTE和MP4存儲(chǔ)格式標(biāo)準(zhǔn)使得DRA音頻可以同視頻數(shù)據(jù)一起封裝為一個(gè)文件；IETF網(wǎng)絡(luò)傳輸標(biāo)準(zhǔn)保證了DRA碼流可通過(guò)RTP方式傳輸。此外，《地面數(shù)字電視接收機(jī)通用規(guī)范》為國(guó)家標(biāo)準(zhǔn)（GB/T26686—2011）中規(guī)定了DRA音頻標(biāo)準(zhǔn)為其必選音頻標(biāo)準(zhǔn)；同時(shí)DRA也是國(guó)際藍(lán)光音頻可選標(biāo)準(zhǔn)。目前DRA已經(jīng)廣泛應(yīng)用于CMMB、藍(lán)光、數(shù)字電視、中國(guó)調(diào)頻數(shù)字廣播（Chinese Digital Radio，CDR）以及云音樂(lè)系統(tǒng)等領(lǐng)域。

表1 DRA標(biāo)準(zhǔn)、低碼率和超低碼率3種算法的基本參數(shù)

表2 DRA-LA算法基本參數(shù)

以DRA在數(shù)字電視上的應(yīng)用為例：

1）在芯片方面，支持DRA解碼的數(shù)字電視芯片廠商云集，超過(guò)30家著名芯片廠商均支持DRA音頻解碼，覆蓋國(guó)內(nèi)市場(chǎng)90%以上，如Intel、東芝、三星和杭州國(guó)芯等。

2）在電視終端方面，全球逾50家終端廠商獲得DRA授權(quán)，如三星、TCL、SONY、長(zhǎng)虹、康佳和創(chuàng)維等。

3）在前端播出設(shè)備方面，已有大洋、索貝和數(shù)碼視訊等公司支持DRA標(biāo)準(zhǔn)。

這樣，使得DRA在數(shù)字電視應(yīng)用方面形成了一條非常完整的產(chǎn)業(yè)鏈。

另外，在我國(guó)調(diào)頻數(shù)字音頻廣播應(yīng)用上，已經(jīng)完成了CDR音頻信源編碼的行業(yè)技術(shù)規(guī)范，其中包括幾種DRA編碼算法。表3給出了CDR的幾個(gè)典型應(yīng)用場(chǎng)景。

表3 CDR中各DRA標(biāo)準(zhǔn)的應(yīng)用場(chǎng)景

圖2為實(shí)際應(yīng)用中的情況，如果廣播的是立體聲節(jié)目，編碼端壓縮為基本層和增強(qiáng)層，通過(guò)廣播信道傳輸?shù)竭_(dá)收聽(tīng)用戶，如果接收環(huán)境很好，則用戶可以解析基本層和增強(qiáng)層碼流，解碼輸出完美的立體聲音質(zhì)，而如果用戶受到遮擋或接收信號(hào)微弱等，則只能收聽(tīng)基本層的基本立體聲；如果發(fā)端播出的是環(huán)繞聲節(jié)目，則在有干擾時(shí)收聽(tīng)到完美立體聲節(jié)目，或者無(wú)干擾時(shí)可收聽(tīng)真正的環(huán)繞聲節(jié)目。

未來(lái)數(shù)字音頻編碼技術(shù)

今天，數(shù)字音頻編碼技術(shù)的基本原理已相對(duì)成熟，未來(lái)幾年主要有兩個(gè)方面的研究工作可進(jìn)一步提升整體的編碼性能：一是對(duì)其中一些編碼模塊的改進(jìn)；另外一個(gè)是通過(guò)增加一些小的輔助增強(qiáng)模塊。隨著新一代視頻編碼技術(shù)H.265的標(biāo)準(zhǔn)化工作，以及如圖3所示的超大屏幕和超高清晰度視頻的應(yīng)用[3]，使得觀眾有更寬的觀看視角而獲得更好的融入體驗(yàn)，特別是將來(lái)投影3D及激光成像等會(huì)為用戶提供更逼真的視頻場(chǎng)景，因此為更好地匹配這些視頻應(yīng)用需要更高要求的音頻系統(tǒng)，以便獲得真實(shí)環(huán)境所具有包圍感和空間感的沉浸式聽(tīng)音效果。

圖2 DRA分層編碼應(yīng)用

圖3 沉浸式場(chǎng)景

1.未來(lái)3D音頻系統(tǒng)布局

傳統(tǒng)7.1環(huán)繞聲系統(tǒng)（或5.1系統(tǒng)）如圖4左側(cè)所示，一般在地面以上且與人耳平行的平面上，并按照ITU規(guī)范來(lái)布置5.1和7.1環(huán)繞聲揚(yáng)聲器，因此實(shí)際上這些系統(tǒng)還是二維結(jié)構(gòu)，無(wú)法提供真實(shí)的三維空間聲場(chǎng)效果。未來(lái)環(huán)繞聲系統(tǒng)需要提供真正的三維聲場(chǎng)，例如圖4右側(cè)的7.1環(huán)繞聲揚(yáng)聲器布置，在傳統(tǒng)5.1環(huán)繞聲情況下增加了兩個(gè)上左和上右；圖5提供了10.2環(huán)繞聲系統(tǒng)，它是在傳統(tǒng)7.1環(huán)繞聲系統(tǒng)下增加了一個(gè)正后方的揚(yáng)聲器、一個(gè)超重低音和一對(duì)上方左右揚(yáng)聲器。

ITU標(biāo)準(zhǔn)規(guī)定了一種更加逼近真實(shí)聲場(chǎng)的22.2環(huán)繞聲系統(tǒng)[4]，總共分為上中下3層，上層9個(gè)聲道，中間層10個(gè)聲道，下層3.2個(gè)聲道，如圖6所示。IEC和EBU也定義了類(lèi)似這個(gè)系統(tǒng)的標(biāo)準(zhǔn)。圖7為22.2環(huán)繞聲系統(tǒng)分布示意圖。

2.3 D音頻編解碼

3D音頻系統(tǒng)可提供更真實(shí)的聲場(chǎng)環(huán)境，除了可用于超高清系統(tǒng)，也滿足于家庭影院音頻、個(gè)人TV音頻、虛擬現(xiàn)實(shí)音頻、游戲音頻等需求。3D音頻系統(tǒng)的主要編碼技術(shù)是基于多聲道的感覺(jué)音頻編碼算法、基于音頻目標(biāo)的空間編碼算法和基于場(chǎng)景的編碼算法，此外還有一些引入的新編碼工具，包括更多聲道相關(guān)處理算法和各種渲染技術(shù)等。

幾個(gè)月后，據(jù)“線人”說(shuō)，這名前員工已陸續(xù)換了好幾份工作，每次時(shí)間都不長(zhǎng)，每次也都無(wú)一例外在朋友圈罵老板。大意都是工作沒(méi)法弄，老板很變態(tài)。

圖4 兩種7.1環(huán)繞聲系統(tǒng)

圖5 10.2環(huán)繞聲系統(tǒng)分布示意圖

圖6 NHK的22.2環(huán)繞聲系統(tǒng)

圖7 22.2環(huán)繞聲系統(tǒng)分布示意圖

1）3D-CO編解碼技術(shù)

圖8最左列為傳統(tǒng)的基于聲道的感覺(jué)音頻編碼，最右列是基于聲音目標(biāo)的編碼過(guò)程，而中間列3D-CO（Chan?nel&Object）[5]是基于聲道和目標(biāo)的一種編碼算法，其中輸入信號(hào)中既有傳統(tǒng)的多個(gè)音頻聲道，也有多個(gè)聲道加上多種目標(biāo)。

圖8 3D-CO編碼類(lèi)型

3D-CO編碼技術(shù)框圖如圖9所示，首先通過(guò)渲染器/混合器對(duì)輸入的聲道和目標(biāo)進(jìn)行預(yù)處理，輸出給后面通用感覺(jué)音頻編碼模塊（如DRA標(biāo)準(zhǔn)編碼）的由3種信號(hào)構(gòu)成：（1）原來(lái)的獨(dú)立音頻聲道被附加了一些渲染的目標(biāo)后仍然作為一個(gè)獨(dú)立聲道；（2）某些聲音目標(biāo)直接作為一個(gè)獨(dú)立聲道；（3）某些相關(guān)的聲音目標(biāo)通過(guò)基于目標(biāo)的空間編碼器處理，只輸出很少幾個(gè)下混的獨(dú)立聲道給感覺(jué)編碼器，而提取的空間信息以邊信息的方式直接送入復(fù)用器。此外針對(duì)各個(gè)聲音目標(biāo)還有與之相關(guān)的元數(shù)據(jù)需要簡(jiǎn)單壓縮后也送入復(fù)用器。

圖9 3D-CO編碼流程框圖

圖10是更簡(jiǎn)化的3D-CO編解碼系統(tǒng)結(jié)構(gòu)，對(duì)聲道和目標(biāo)的編碼的碼流輸出給解碼模塊，在解碼模塊中提供了一個(gè)用戶接口，用戶可對(duì)其中一些目標(biāo)音頻進(jìn)行開(kāi)/關(guān)操作，比如在球賽時(shí)可以保證球場(chǎng)的環(huán)境聲而僅把解說(shuō)員的聲音屏蔽掉。此外可根據(jù)播放環(huán)境要求通過(guò)渲染技術(shù)在實(shí)際系統(tǒng)配置（如7.1環(huán)繞聲）獲得最佳的重放，例如重放系統(tǒng)可能不是標(biāo)準(zhǔn)位置的揚(yáng)聲器配置，或者用戶不是在最佳聽(tīng)音位置等等。

3D-CO解碼是編碼的反過(guò)程，如圖11所示。包括傳統(tǒng)的感覺(jué)音頻（如DRA）解碼、渲染技術(shù)、基于目標(biāo)的空間解碼、目標(biāo)元數(shù)據(jù)解碼等，所有的獨(dú)立聲道音頻信號(hào)和目標(biāo)音頻信號(hào)最終通過(guò)渲染提供直接揚(yáng)聲器輸出、格式轉(zhuǎn)換器后的下混輸出及耳機(jī)輸出。

2）3D-HOA編解碼技術(shù)

而3D-HOA解碼技術(shù)框圖如13所示。首先通過(guò)多聲道感覺(jué)解碼恢復(fù)N個(gè)聲道信號(hào)，通過(guò)空間信息信息參數(shù)恢復(fù)環(huán)境聲場(chǎng)，通過(guò)主方向聲音參數(shù)恢復(fù)主方向聲音分量，最后有一個(gè)高階聲音合成模塊，恢復(fù)出聲音信號(hào)，可通過(guò)渲染技術(shù)輸出給不同的播放環(huán)境（如揚(yáng)聲器、耳機(jī)等）。

圖10 簡(jiǎn)化的3D-CO編解碼系統(tǒng)結(jié)構(gòu)

圖11 3D-CO解碼框圖

圖12 3D-HOA編碼技術(shù)框圖

圖13 3D-HOA解碼技術(shù)框圖

3）3D-CO音頻解碼中兩種特別的渲染技術(shù)

（1）Zooming技術(shù)

Zooming技術(shù)是3D-CO解碼渲染技術(shù)之一，其工作原理如圖14所示。圖14上圖中右下小塊的視頻是要Zom?ming的區(qū)域，有兩個(gè)聲音目標(biāo)，目標(biāo)1在它內(nèi)部，目標(biāo)2在其外部左邊。當(dāng)Zooming后（圖14下），對(duì)于聲音目標(biāo)需要進(jìn)行合理渲染使得目標(biāo)1和目標(biāo)2出現(xiàn)在合理的位置。

（2）Panning技術(shù)

3D-CO的另外一個(gè)渲染技術(shù)是Panning，參考圖15。圖左為Panning前，有3個(gè)聲音目標(biāo)：目標(biāo)1、目標(biāo)2和目標(biāo)3；在Panning之后，如圖15中右邊所示，3個(gè)聲音目標(biāo)也合理地調(diào)整到相應(yīng)的位置。

4）3D音頻編碼測(cè)試

相比傳統(tǒng)5.1或者7.1環(huán)繞聲編碼系統(tǒng)而言，3D音頻編碼系統(tǒng)的測(cè)試應(yīng)包含更多的指標(biāo)，比如聲場(chǎng)的包圍感、真實(shí)感、分離度等[4]，非常復(fù)雜，需要進(jìn)一步的深入研究和標(biāo)準(zhǔn)化。而目前3D音頻編碼的測(cè)試主要考慮三個(gè)方面：高質(zhì)量、定位和包圍感。

圖14 Zooming技術(shù)原理

MPEG在3D音頻編碼研究中的基本測(cè)試條件：

（1）輸入信號(hào)：22.2聲道（如果包含目標(biāo)信號(hào)，則需要預(yù)處理）；

（2）測(cè)試碼率：256 kbit/s，512 kbit/s和1.2 Mbit/s，典型碼率是512 kbit/s；

（3）測(cè)試方法：MUSHA；

（4）測(cè)試條件：揚(yáng)聲器按22.2標(biāo)準(zhǔn)方式放置時(shí)，分為最佳聽(tīng)音位置和非最佳聽(tīng)音位置分別測(cè)試；渲染后通過(guò)揚(yáng)聲器10.1，7.1，5.1還原測(cè)試；已經(jīng)渲染后通過(guò)耳機(jī)還原測(cè)試。

此外，對(duì)3D音頻編碼的低碼率測(cè)試評(píng)估條件僅需調(diào)整碼率范圍為48～128 kbit/s。

總結(jié)

本文首先介紹了DRA基本編碼框架及編碼主要技術(shù)參數(shù)，然后簡(jiǎn)單說(shuō)明了基于DRA標(biāo)準(zhǔn)編碼算法擴(kuò)展的幾種編碼算法及主要技術(shù)參數(shù)，同時(shí)也給出了各種編碼算法的典型應(yīng)用領(lǐng)域。最后提出了未來(lái)數(shù)字音頻編碼發(fā)展的一個(gè)重要方向，即3D音頻編碼，其編解碼基本原理主要包括基于聲道和目標(biāo)的3D-CO和基于場(chǎng)景的3D-HOA兩種模式，且通過(guò)復(fù)雜的渲染技術(shù)可提供最佳的聲場(chǎng)還原，同時(shí)3D音頻解碼可提供互動(dòng)功能，并指出了當(dāng)前的MPEG 3D音頻編碼的測(cè)試情況。

圖15 Panning技術(shù)原理

[1]GB/T 22726—2008，多聲道數(shù)字音頻編解碼技術(shù)規(guī)范[S].2008.

[2]閆建新，王磊.DRA分層音頻編碼技術(shù)[J].電視技術(shù)，2014，38（17）：27-31.

[3] EBU.The super Hi-Vision demos of EBU technical review [C]//Proc.IBC. Beijing:[s.n.]，2008.

[4] ITU-R BS.2159-3，Multichannel sound technology in home and broadcasting ap?plications[S].2011.

[5] MPEG.Working draft text of MPEG-H 3D audio CO[EB/OL].[2014-08-20]. http://mpeg.chiariglione.org/standards/ mpeg-h/3d-audio.

[6]MPEG.RM0-HOA working draft text[EB/ OL].[2014-08-20]. http://mpeg.chiari?glione.org/standards/mpeg-h/3d-audio.

閆建新，博士，教授級(jí)高級(jí)工程師，數(shù)字音頻編解碼技術(shù)國(guó)家工程實(shí)驗(yàn)室主任。曾參與我國(guó)HDTV及DAB等多項(xiàng)數(shù)字音視頻重大項(xiàng)目的研發(fā)工作，是IEC、MPEG等國(guó)際標(biāo)準(zhǔn)化音頻專(zhuān)家，現(xiàn)已完成多項(xiàng)國(guó)內(nèi)國(guó)際音頻相關(guān)標(biāo)準(zhǔn)的制定。

TN912.3

A

【本文獻(xiàn)信息】閆建新.DRA標(biāo)準(zhǔn)及未來(lái)音頻編碼技術(shù)展望[J].電視技術(shù)，2014，38（22）.