ГОСТ Р 53556.11-2014 Звуковое вещание цифровое. Кодирование сигналов звукового вещания с сокращением избыточности для передачи по цифровым каналам связи. Часть III (MPEG-4 audio). Аудиокодирование без потерь

ГОСТ Р 53556.11-2014

НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

Звуковое вещание цифровое

КОДИРОВАНИЕ СИГНАЛОВ ЗВУКОВОГО ВЕЩАНИЯ С СОКРАЩЕНИЕМ ИЗБЫТОЧНОСТИ ДЛЯ ПЕРЕДАЧИ ПО ЦИФРОВЫМ КАНАЛАМ СВЯЗИ

Часть III

(MPEG-4 AUDIO)

Аудиокодирование без потерь

Digital sound broadcasting. Coding of signals of sound broadcasting with reduction of redundancy for transfer on digital communication channels. Part III (MPEG-4 audio). Audio lossless coding

ОКС 33.170

Дата введения 2015-01-01

Предисловие

1 РАЗРАБОТАН Техническим комитетом по стандартизации ТК 480 "Связь"

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 480 "Связь"

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 17 марта 2014 г. N 148-ст

4 Настоящий стандарт разработан с учетом основных нормативных положений международного стандарта ИСО/МЭК 14496-3:2009* "Информационные технологии. Кодирование аудиовизуальных объектов. Часть 3. Аудио" (ISO/IEC 14496-3:2009 "Information technology - Coding of audio-visual objects - Part 3: Audio", NEQ) [1]

________________

* Доступ к международным и зарубежным документам, упомянутым в тексте, можно получить, обратившись в Службу поддержки пользователей. - .

5 ВВЕДЕН ВПЕРВЫЕ

6 ПЕРЕИЗДАНИЕ. Июль 2020 г.

Правила применения настоящего стандарта установлены в статье 26 Федерального закона от 29 июня 2015 г. N 162-ФЗ "О стандартизации в Российской Федерации". Информация об изменениях к настоящему стандарту публикуется в ежегодном (по состоянию на 1 января текущего года) информационном указателе "Национальные стандарты", а официальный текст изменений и поправок - в ежемесячном информационном указателе "Национальные стандарты". В случае пересмотра (замены) или отмены настоящего стандарта соответствующее уведомление будет опубликовано в ближайшем выпуске ежемесячного информационного указателя "Национальные стандарты". Соответствующая информация, уведомление и тексты размещаются также в информационной системе общего пользования - на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет (www.gost.ru)

1 Область применения

Этот стандарт описывает алгоритм кодирования аудиосигналов без потерь: аудиокодирование без потерь MPEG-4 (ALS).

MPEG-4 ALS являются схемой сжатия данных цифрового аудио без потерь, то есть декодируемые данные являются разрядно-идентичной реконструкцией исходных входных данных. Входные сигналы могут быть целочисленными данными РСМ от 8 до 32-разрядной длины слова или 32-разрядными данными IEEE с плавающей точкой. MPEG-4 ALS обеспечивает широкий диапазон гибкости с точки зрения компромисса сжатия - сложности, поскольку комбинация нескольких инструментов позволяет определить уровень компрессии с различными степенями сложности.

2 Технический обзор

2.1 Структура кодера и декодера

Входные аудиоданные делятся на фреймы (кадры). В пределах фрейма каждый канал может быть дополнительно разделен на блоки аудиосэмплов (выборок аудио) для дальнейшей обработки. Для каждого блока вычисляется ошибка прогноза, используя краткосрочный прогноз и дополнительно долгосрочный прогноз (LTP). Межканальная избыточность может быть удалена объединенным кодированием каналов, используя либо дифференциальное кодирование пар каналов, либо многоканальное кодирование (МСС). Остающаяся ошибка прогноза является в итоге кодированной энтропией.

Кодер генерирует информацию о потоке битов, позволяющую произвольный доступ с промежутками в несколько фреймов. Кодер может также обеспечить контрольную сумму CRC, которую может использовать декодер, чтобы проверить декодируемые данные. Декодер применяет инверсные операции кодера в обратном порядке. Его вывод является разрядно-идентичной версией исходных входных аудиоданных.

2.2 Расширения с плавающей точкой

В дополнение к целочисленным аудиосигналам MPEG-4 ALS также поддерживает сжатие аудиосигналов без потерь в 32-разрядном формате с плавающей точкой IEEE. Последовательность с плавающей точкой моделируется суммой целочисленной последовательности, умноженной на константу (ACF: Approximate Common Factor), и остаточной последовательностью. Целочисленная последовательность сжимается, используя основные инструменты ALS для целочисленных данных, в то время как остаточная последовательность отдельно сжимается замаскированным инструментом Lempel-Ziv.

3 Термины и определения

3.1 Определения

В стандарте используются следующие определения и сокращения.

3.2 Мнемоника

Мнемонический код Райса и BGMC указывают, что используются кодовые комбинации переменной длины.

3.3 Типы данных

В разделах псевдокода используются следующие типы данных:

Если перед типом данных добавляется "без знака", то типом является тип без знака вместо типа со знаком.

3.4 Замечания по реализации

В этом документе есть несколько логарифмических арифметических вычислений в форме 'ceil(log2(...))', которые определяют целочисленное значение, которое описывает число необходимых битов для определенного параметра.

Чтобы избежать непоследовательных результатов и реализовать ceil() и Iog2(), не должны использоваться никакие функции с плавающей точкой. Чтобы получить математически корректные целочисленные результаты, должны использоваться реализации с фиксированной точкой (например, применение сдвигов битов).

4 Синтаксис

4.1 Конфигурация декодера

Таблица 1 - Синтаксис ALSSpecificConfig

Окончание таблицы 1

4.2 Полезные нагрузки потока битов

Таблица 2 - Синтаксис высокоуровневой полезной нагрузки (frame_data)

Окончание таблицы 2

Таблица 3 - Синтаксис block_data

Продолжение таблицы 3

Окончание таблицы 3

Таблица 4 - Синтаксис channel_data

Таблица 5 - Синтаксис RLSLMS_extension_data

4.3 Полезные нагрузки для данных с плавающей точкой

Таблица 6 - Синтаксис diff_float_data

Окончание таблицы 6

Таблица 7 - Синтаксис diff_mantissa

Окончание таблицы 7

Таблица 8 - Синтаксис Masked_LZ_decompression

5 Семантика

5.1 Общая семантика

5.1.1 ALSSpecificConfig

ALSSpecificConfig содержит общие данные конфигурации. Дополнительно могут быть встроены заголовок и концевик исходного аудиофайла, чтобы восстановить эту информацию в дополнение к фактическим аудиоданным. Синтаксис ALSSpecificConfig определяется в таблице 1, ее элементы описываются в таблице 9.

Таблица 9 - Элементы ALSSpecificConfig

5.1.2 frame_data

Это высокоуровневая полезная нагрузка ALS. Если random_access> 0, число полезных нагрузок, отображенных в одном устройстве доступа, равняется значению random_access (1 ... 255). В этом случае размер каждого блока доступа может быть сохранен в ra_unit_size. Если random_access = 0, все полезные нагрузки отображаются в тот же самый блок доступа.

Поле bs_info содержит информацию о переключении блока для канала или пары каналов. Синтаксис frame_data определяется в таблице 2, его элементы описываются в таблице 10.

Таблица 10 - Элементы frame_data

5.1.3 block_data

Блочные данные определяют тип блока (нормальный, постоянный, тишина) и в основном содержат индексы кода, порядок прогнозирующего устройства, коэффициенты прогнозирующего устройства и кодированные остаточные значения. Синтаксис block_data определяется в таблице 3, его элементы описываются в таблице 11.

Таблица 11 - Элементы block_data

5.1.4 channel_data

Синтаксис channel_data определяется в таблице 4, его элементы описываются в таблице 12.

Таблица 12 - Элементы channel_data

5.1.5 RLSLMS_extension_data

Синтаксис RLSLMS_extension_data определяется в таблице 5, его элементы описываются в таблице 13.

Таблица 13 - Элементы RLSLMS_extension_data

5.2 Семантика для данных с плавающей точкой

5.2.1 diff_float_data

Синтаксис diff_float_data определяется в таблице 6, его элементы описываются в таблице 14.

Таблица 14 - Элементы diff_float_data

5.2.2 diff_mantissa

Синтаксис diff_mantissa определяется в таблице 7, его элементы описываются в таблице 15.

Таблица 15 - Элементы diff_mantissa

5.2.3 Masked_LZ_decompression

Синтаксис Masked_LZ_decompression определяется в таблице 8, его элементы описываются в таблице 16.

Таблица 16 - Элементы Masked_LZ_decompression

6 Инструменты ALS

В стандартах кодирования MPEG с наибольшими потерями подробно определяется только декодер. Однако схема кодирования без потерь обычно требует спецификации некоторых (но не всех) частей кодера. Так как процесс кодирования должен быть совершенно обратимым без потери информации, несколько частей кодера и декодера должны быть определены детерминированным способом.

6.1 Краткий обзор

6.1.1 Структура потока битов

Каждый фрейм (frame_data) состоит из В = 1 ... 32 блоков выборок (block_data) для каждого канала. Помимо общей информации о блоке (например, блок тишины, блок различия объединенного стерео (joint stereo) и т.д.) каждый блок обычно содержит индексы кода, порядок прогнозирующего устройства K, коэффициенты прогнозирующего устройства и остаточные значения, кодированные по Райсу или BGMC. Если используется объединенное кодирование между парами каналов, часть блока идентична для обоих каналов, и блоки сохраняются перемежающимся способом. Иначе, эта часть блока для каждого канала независима.

Если вводятся данные с плавающей точкой, дополнительные элементы потока битов для дифференциальных значений мантиссы вставляются после потока битов каждого целочисленного фрейма.

6.1.2 Декодирование ALSSpecificConfig

ALSSpecificConfig содержит информацию об исходных данных (например, "samp_freq", "channels", "resolution"), а также глобальные параметры, которые не изменяются от фрейма к фрейму (например, "frame_length", "max_order"). Наиболее важные параметры описываются далее.

Идентификатор ALS - это поле должно содержать значение 1095521024 = 0x414С5300 (шестнадцатеричное). Используя побайтовое чтение, первые три байта эквивалентны кодам ASCII для 'ALS'.

Частота дискретизации - частота дискретизации исходных аудиоданных сохраняется, например для прямого воспроизведения сжатого файла.

Выборки - общее количество аудиовыборок на канал.

Число каналов - 1 (моно), 2 (стерео), или более (многоканальный).

Разрешение - 8-битовое, 16-битовое, 24-битовое, или 32-битовое. Если разрешение исходных аудиоданных находится в промежутке (например, 20-битовое), для представления выборок используется более высокое разрешение.

Плавающая точка - указывает формат аудиоданных. Если этот флаг установлен, аудиоданные представлены в 32-битовом формате с плавающей точкой IEEE, иначе аудиоданные являются целочисленными.

Порядок байтов - указывает на порядок байтов исходного аудиофайла, либо старший значащий байт сначала (например, aiff), либо младший значащий байт сначала (например, wave).

Длина фрейма - число выборок в каждом фрейме (на канал).

Произвольный доступ - расстояние (во фреймах) между теми фреймами, которые могут декодироваться независимо от предыдущих фреймов (фреймы произвольного доступа). Перед каждым фреймом произвольного доступа есть поле "ra_unit_size", которое определяет это расстояние в байтах.

Адаптивный порядок - у каждого блока может быть индивидуальный порядок прогнозирующего устройства.

Таблица коэффициентов - таблица, содержащая параметры, которые используются для кодирования энтропии коэффициентов прогнозирующего устройства.

Максимальный порядок - максимальный порядок фильтра прогноза. Если "adapt_order" выключается, этот порядок используется для всех блоков.

Переключение блоков - вместо одного блока на канал может быть до 32 более коротких блоков. Если переключение блоков не используется, размер блока идентичен длине фрейма.

Режим BGMC - указывает, что для остатка прогноза используются коды BGMC. Если этот флаг устанавливается в 0, для остатка прогноза используются более простые коды Райса.

Раздел подблока - раздел подблока для кодирования энтропии остатка.

Объединенное стерео - в каждом блоке может быть закодирован разностный сигнал вместо сигнала левого или правого канала (или один из двух каналов пары каналов, соответственно).

Многоканальное кодирование - расширенное межканальное кодирование.

Вид канала - перегруппировка каналов, используемая для создания выделенных пар каналов.

Позиции канала - исходные позиции канала, используемые только если включается channel_sort.

Размер заголовка - размер заголовка исходного аудиофайла в байтах.

Размер концевика - размер оконечной неаудиоинформации в исходном аудиофайле в байтах.

Исходный заголовок - встроенный заголовок исходного аудиофайла.

Исходный концевик - встроенная оконечная часть исходного аудиофайла.

CRC - контрольная сумма циклической избыточности (CCITT-32) байтов исходных аудиоданных (то есть в их оригинальном порядке, включая чередование каналов).

6.1.3 Число фреймов

Число фреймов для декодирования зависит от фактической длины фрейма (N = frame_length + 1) и числа выборок. Это может быть определено следующим образом:

N = frame_length + 1.

frames = samples / N;

remainder = samples % N;

if (remainder)

{

frames++;

N_last = remainder;

}

else

N_last = N;

Если число выборок не является кратным длине фрейма N, длина последнего фрейма соответственно уменьшается (N_last = остаток).

Если значение выборок является (шестнадцатеричным) 0xFFFFFFFF, число выборок не определяется. Если полезная нагрузка ALS сохраняется, используя формат файла MPEG-4, число выборок может быть получено из метаданных файла.

Если число выборок недоступно, число фреймов не определено, и считается, что у всех фреймов одна и та же длина N. В этом случае размеры блоков произвольного доступа не должны сохраняться в ALSSpecifcConfig (то есть должны использоваться только ra_flag = 0 или ra_flag = 1), так как число блоков произвольного доступа тоже не определено.

6.1.4 Объединенное кодирование каналов

Чтобы использовать дублирование между каналами, кодер может применить простой подход, состоящий из пар каналов и одиночных каналов. Два канала пары каналов могут быть закодированы, используя кодирование различия, тогда как одиночные каналы кодируются независимо.

Об общем использовании объединенного кодирования сообщается флагом joint_sfereo в заголовке ALS. Если joint_stereo выключен, каждый канал является одиночным каналом и кодируется независимо от других каналов. Если joint_stereo включен, в каждом случае два соседних канала расцениваются как пара каналов. Если число каналов нечетно, то один канал остается одиночным.

Определение пар каналов не означает, что должно использоваться объединенное кодирование. Если joint_stereo будет установлен, то декодер будет считать комбинации двух каналов парами каналов, даже если кодер фактически никогда не использовал объединенное кодирование. В этом случае декодер просто не будет обнаруживать block_data с установленным флагом js_block.

Если выбирается МСС (Многоканальное кодирование), то декодируется информация об отношении между каналами (ведущий или ведомый). Декодируемые остаточные значения ведомого канала изменяются добавлением значений ведущего канала, умноженных на декодированные коэффициенты взвешивания. Другие процессы реконструкции для сигналов всех каналов, которые включают декодирование параметров, декодирование остатка прогноза, фильтрацию синтеза долгосрочного и краткосрочного прогноза, идентичны процессам для декодирования независимых каналов. Инструменты кодирования двух объединенных каналов, объединенное стерео и МСС, могут быть адаптивно выбраны на пофреймовой основе.

6.1.5 Конфигурация и перестановка каналов

Поле chan_config_info определяет отображение канал - динамик, указывая, существует ли канал для определенного местоположения. Существующие каналы должны быть расположены в предопределенном порядке (таблица 17). Если определенный канал присутствует, устанавливается соответствующий бит в поле chan_config_info.

Таблица 17 - Конфигурация канала

Решение о том, какие каналы группируются, может быть принято автоматически кодером или вручную пользователем. Если конфигурация каналов указывается в исходном файле, кодер может сделать подходящую перестановку. Если формат файла не имеет конфигурации каналов по умолчанию, но пользователь знает отображение канал - динамик в этом конкретном случае, он может сообщить кодеру, как сгруппировать каналы.

Декодер должен инвертировать возможную перестановку каналов (флаг chan_sort), присваивая каждому каналу его исходную позицию, которая хранится в chan_pos [].

6.1.6 Декодирование фреймов

Фрейм составляет высокоуровневую полезную нагрузку (frame_data), то есть основной блок аудиоданных (см. в таблице 2 о синтаксисе и таблице 10 о семантике). Если используется переключение блоков, каждый канал фрейма может быть подразделен на 32 блока. Иначе, блок состоит из всех выборок канала фрейма.

6.1.7 Декодирование блоков

Структура block_data () содержит информацию об одном блоке (то есть сегмент аудиоданных из одного канала). Она определяет, является ли блок "нормальным" блоком (то есть содержащим закодированные аудиовыборки), постоянным блоком (все аудиовыборки являются одними и теми же) или блоком тишины (все аудиовыборки являются нулем). Кроме того поле "joint_stereo" указывает, содержит ли блок разностный сигнал (правый канал минус левый). Либо левый, либо правый канал может быть заменен этим разностным сигналом. Структура, в случае блочного переключения, также содержит информацию когда длина блока может быть короче, чем длина фрейма.

Для "нормальных" блоков блочные данные включают:

- индексы кода;

- порядок прогнозирующего устройства K;

- квантованные и закодированные коэффициенты прогнозирующего устройства (или параметры прогнозирующего устройства RLS-LMS в случае режима RLSLMS);

- параметры LTP в случае режима LTP;

- кодированные остаточные значения по Райсу или BGMC.

Если блок дополнительно подразделяется на подблоки для кодирования энтропии (обозначенный как ec_sub), параметры кода s и sx передаются для каждого подблока.

В случае адаптивного порядка прогнозирующего устройства (adapt_order) указывается порядок для блока (opt_order). Имеется также флаг (shift_lsbs), определяющий есть ли у всех аудиовыборок в текущем блоке некоторые LSB, которые являются перманентно нулевыми. В этом случае число пустых LSB дается в другом поле (shift_pos). Это означает, что кодер сместил все значения выборок вправо на shift_pos+1 позиций до выполнения прогноза. Таким образом декодер должен сместить выходные значения выборок влево на shift_pos+1 позиций после того, как был применен инверсный фильтр прогноза. Если процесс прогноза использует выборки из предыдущего блока, смещенная версия этих выборок должна использоваться в качестве ввода как в фильтр прогноза, так и в инверсный фильтр прогноза (то есть как в кодере, так и в декодере), даже если LSB не являются нулем в предыдущем блоке. Это необходимо, чтобы выровнять амплитудный диапазон входных выборок прогнозирующего устройства с выборками, которые будут спрогнозированы.

6.1.8 Чередование

Наиболее несжатые форматы аудиофайла хранят два канала стереосигнала как последовательность чередующихся выборок (L1, R1, L2, R2, L3, R3, ... ). Для многоканальных данных с М каналами каждый шаг выборки включает М чередующихся выборок. Так как кодер создает блоки выборок для каждого канала, декодируемые выборки всех каналов вероятно придется снова чередовать прежде, чем записать их в выходной аудиофайл.

6.2 Переключение блоков

Если включено block_switching, каждый канал фрейма может быть иерархически подразделен на блоки вплоть до 32 блоков.

Произвольные комбинации блоков с , N/2, N/4, N/8, N/16 и N/32 возможны в пределах фрейма до тех пор, пока каждый блок получается из подразделения вышестоящего блока двойной длины.

О фактическом разделении сообщается в дополнительном поле bs_info, длина которого зависит от числа уровней переключения блоков (таблица 18). Фрейм длиной N должен быть разделен на без остатка, чтобы получить целочисленные длины блока .

Таблица 18 - Уровни переключения блоков

Поле bs_info состоит из 4 байтов, где отображение битов относительно уровней от 1 до 5 имеет вид [(0) 1223333 44444444 55555555 55555555]. Первый бит используется только чтобы сигнализировать о независимом переключении блоков.

В каждом фрейме передаются поля bs_info для всех пар каналов и всех одиночных каналов, задействуя переключение независимого блока для различных каналов. В то время как длина фрейма идентична для всех каналов, переключение блока может быть выполнено индивидуально для каждого канала. Если используется различное кодирование, оба канала пары каналов должны быть переключены синхронно, но другие пары каналов все еще могут использовать различное переключение блоков.

Если два канала пары каналов не коррелированы друг с другом, то кодирование различия не будет окупаться, и не будет никакой необходимости переключать оба канала синхронно. Вместо этого имеет смысл переключать каналы независимо.

Как правило поле bs_info будет для каждой пары каналов и во фрейме одиночного канала, то есть два канала пары каналов переключаются синхронно. Если они переключаются независимо, первый бит bs_info устанавливается в 1, и информация применяется к первому каналу пары каналов. В этом случае становится необходимым другое поле bs_info для второго канала.

6.3 Прогноз

В этой главе описывается прямая адаптивная схема прогноза.

Кодер состоит из нескольких стандартных блоков. Буфер хранит один блок входных выборок, и соответствующий набор коэффициентов parcor вычисляется для каждого блока. Число коэффициентов, то есть порядок прогнозирующего устройства, может быть также адаптировано. Квантованные значения parcor являются кодированными для передачи энтропией и преобразованными в коэффициенты LPC для фильтра прогноза, который вычисляет остаток прогноза.

Декодер значительно менее сложен, чем кодер, так как никакая адаптация не должна выполняться. Переданные значения parcor декодируются, преобразовываются в коэффициенты LPC и используются инверсным фильтром прогноза для вычисления сигнала реконструкции без потерь. Вычислительная работа декодера зависит от порядка прогнозирующего устройства, выбранного кодером.

Если порядок прогноза K выбирается адаптивно (adapt_order = 1), число битов, используемых для сигнализации о фактическом порядке (opt_order = K) в каждом блоке, ограничивается в зависимости как от глобального максимального порядка (max_order), так и в зависимости от размера блока :

Bits = min{ceil[log2(max_order + 1)], max[ceil(log2(>>3)), 1]}.

Максимальный порядок =min(2- 1, max_order) ограничивается в зависимости от значения max_order и длины блока (таблица 19).

Таблица19 - Примеры максимальных порядков прогноза в зависимости от длины блока и max_order

Базовый (краткосрочный) прогноз может быть объединен с долгосрочным прогнозом (LTP).

6.3.1 Коэффициенты прогнозирующего устройства

Передача коэффициентов фильтра прогноза выполняется путем использования коэффициентов parcor , 1 ... (где является порядком фильтра), которые могут быть получены при использовании алгоритма Левинсона - Дарбина.

6.3.1.1 Квантование и кодирование коэффициентов parcor

Первые два коэффициента parcor ( и , соответственно) квантуются при использовании следующих функций компандирования:

,

.

Остающиеся коэффициенты квантуются, используя простые 7-битовые универсальные квантователи:

, где 2.

Во всех случаях получающиеся квантованные значения ограничиваются диапазоном [-64,63].

Передача квантованных коэффициентов выполняется созданием остаточных значений , которые кодируются с использованием кодов Райса. Соответствующие смещения и параметры кодов Райса, используемых в этом процессе, могут быть выбраны из одного из наборов в таблице 20, где табличный индекс (coef_table) указывается в ALSSpecificConfig. Если coef_table = 11, то кодирование энтропии не применяется и квантованные коэффициенты передаются с 7 битами каждый. В этом случае смещение всегда -64, чтобы получить значения без знака 64, которые ограничиваются диапазоном [0, 127].

Таблица 20 - Параметры кода Райса, используемые для кодирования коэффициентов parcor

6.3.1.2 Реконструкция коэффициентов parcor

Кодированные по Райсу остаточные значения декодируются и объединяются со смещениями (таблица 20), чтобы произвести квантованные индексы коэффициентов parcor .

.

Затем производится реконструкция первых двух коэффициентов, используя:

;

,

где 2 представляет постоянный масштабный коэффициент (20), требующийся для целочисленного представления восстановленных коэффициентов, и являются отображением, описанным в таблице 21.

Таблица 21 - Индексы и соответствующие масштабные значения parcor для -64 ... 63

Окончание таблицы 21

Реконструкция коэффициентов 3-го и более высоких порядков производится, используя формулу

; (2).

6.3.1.3 Преобразование восстановленных коэффициентов parcor в коэффициенты прямого фильтра

Масштабированные коэффициенты parcor затем преобразовываются в коэффициенты LPC, используя следующий алгоритм:

Здесь LONG_MAX = 2 - 1 и LONG_MIN = -(2). Получающиеся коэффициенты LPC cof также масштабируются с 2. Масштабирование будет учтено во время процесса фильтрации.

6.3.2 Фильтр прогноза

Вычисление спрогнозированного сигнала должно быть выполнено детерминированным способом, чтобы включить идентичное вычисление и в кодере, и в декодере, поэтому невозможно использовать коэффициенты с плавающей запятой. Вместо этого используют целочисленное представление с увеличением масштаба. Так как коэффициенты увеличиваются с множителем 2=2, предсказанный сигнал также будет увеличен тем же самым множителем. Таким образом в конце процесса фильтрации масштаб каждой выборки предсказанного сигнала должен быть уменьшен.

6.3.2.1 Кодер

Следующий алгоритм описывает вычисление остатка d для входного сигнала х, длины блока N, порядка прогнозирующего устройства K и коэффициентов LPC cof.

Чтобы предсказать первую выборку текущего блока, прогнозирующее устройство использует последние K выборок из предыдущего блока.

Если текущий блок (или подблок) является первым блоком канала во фрейме с произвольным доступом, никакие выборки из предыдущего блока не могут использоваться. В этом случае используется прогноз с прогрессивным порядком, где масштабированные коэффициенты parcor прогрессивно конвертируются в коэффициенты LPC cof в фильтре прогноза. В каждой рекурсии вычисляются величина текущего остатка d(n) и новый набор n+1 коэффициентов LPC (первый цикл). После того, как вычисляются первые значения остатка K и все K коэффициенты, используется прогноз полного порядка (второй цикл). Индексы для par и cof в этой реализации начинаются с 1.

Только первая выборка х(0) передается непосредственно, используя код Райса с s = resolution - 4 (то есть s = 12 для 16-битового и s = 20 для 24-битового). Следующие две величины остатка d(1) и d(2) кодируются кодами Райса, которые связываются с первым параметром Райса блока s[0]. В зависимости от кодера энтропии остающиеся величины остатка от d(3) до d(K) являются или кодированными по Райсу с s[0], или BGMC-кодированными с s[0] и sx[0]. Сводка всех кодов дается в таблице 22.

Таблица 22 - Параметры кода для различных позиций выборки

6.3.2.2 Декодер

Алгоритм для вычисления исходного сигнала в декодере почти идентичен с алгоритмом кодера, за исключением последней инструкции:

В случае произвольного доступа используется прогноз с прогрессивным порядком. Алгоритм для вычисления также почти идентичен с алгоритмом кодера за исключением двух строк, где вычисляется х. Индексы для par и cof начинаются с 1.

Если кодером использовалось кодирование объединенных каналов, декодируемый сигнал х может быть разностным сигналом. В этом случае должна быть произведена дальнейшая обработка, чтобы получить исходный сигнал.

6.4 Долгосрочный прогноз (LTP)

6.4.1 Усиление и задержка LTP

Если LTPenable включено, декодируются величины усиления p(i) и значение задержки . Величины усиления p(i) восстанавливаются из кодированных по Райсу индексов, перечисленных в таблице 23, 24, и 25.

Таблица 23 - Значения реконструкции и код Райса для усиления (0)

Таблица 24 - Значения реконструкции и код Райса для усиления (±1)

Таблица 25 - Значения реконструкции и код Райса для усиления (±2)

Переданное значение относительной задержки является фактическим значением исключая стартовое значение задержки. Оно непосредственно кодируется естественным двоичным кодированием от 8 до 10 битов в зависимости от частот дискретизации. Фактические значения задержки показаны в таблице 26, где "optP" обозначает фактический порядок на краткосрочный прогноз.

Таблица 26 - Поисковый диапазон задержки

6.4.2 Процедура синтеза LTP

Если декодируются параметры задержки и усиления, выполняется операция следующей рекурсивной фильтрации .

Для того, чтобы обеспечить совершенную реконструкцию, процесс должен быть строго определен. Псевдокод для этого фильтра в декодере следующий:

Здесь d является остаточным сигналом (который позже подается в фильтр синтеза). LTPgain является величиной усиления р(i)*128. Задержка имеет величину .

Для простой комбинации с адаптивным переключением блока все значения остаточного сигнала и d(i) в предыдущем блоке равны "0". Процесс фильтрации синтеза имеет псевдокод для процесса фильтрации анализа в кодере. Этот процесс также должен быть нормативным с целью совершенной реконструкции. В этом псевдокоде различие между кодером и декодером появляется в последней строке. Ввод и вывод в декодере являются общими, в то время как в кодере они отличаются.

Здесь d является остатком краткосрочного прогноза и dout является остатком LTP.

6.5 Прогнозирующее устройство RLS-LMS

Обратно-адаптивный прогноз использует адаптивное прогнозирующее устройство RLS-LMS.

В кодере прогнозирующее устройство RLS-LMS генерирует оценку текущей входной аудиовыборки при использовании прошлых выборок. Эта оценка вычитается из текущей выборки, чтобы сгенерировать остаток, который затем кодируется кодером энтропии, чтобы сформировать поток битов ALS.

В декодере выполняется обратный процесс. Декодер энтропии декодирует поток битов ALS в остаток, который затем добавляется к оценке прогнозирующего устройства RLS-LMS, чтобы регенерировать исходную аудиовыборку.

Прогнозирующее устройство RLS-LMS состоит из каскада прогнозирующих устройств DPCM, RLS прогнозирующего устройства и серии прогнозирующих устройств LMS. Входные выборки последовательно проходят через цепочку прогнозирующих устройств. Остатки из одного прогнозирующего устройства служат вводом в следующее прогнозирующее устройство. Оценки из прогнозирующих устройств в цепочке взвешиваются и складываются линейным объединителем, чтобы сгенерировать заключительную оценку текущей входной выборки.

Прогнозирующее устройство RLS-LMS может быть включено/выключено установкой RLSLMS в ALSSpecificConfig () в 1/0, соответственно.

6.5.1 Прогнозирующее устройство DPCM

Ввод: исходная аудиовыборка х(n).

Остаток: (n) как вход в прогнозирующее устройство RLS.

Оценка: (n) как вход в линейный объединитель.

Прогнозирующее устройство DPCM является первым прогнозирующим устройством в цепочке прогнозирующих устройств RLS-LMS. Это простое прогнозирующее устройство первого порядка с набором коэффициентов, то есть предыдущая входная выборка используется в качестве оценки текущей входной выборки. Это иллюстрируется следующим образом:

,

где является оценкой прогнозирующим устройством DPCM и является предыдущей входной выборкой.

6.5.2 Прогнозирующее устройство RLS

Ввод: остаток прогнозирующего устройства DPCM (n).

Остаток: (n) как вход в прогнозирующее устройство LMS.

Оценка: (n) как вход в линейный объединитель.

Прогнозирующее устройство RLS является вторым прогнозирующим устройством в цепочке прогнозирующих устройств RLS-LMS. Алгоритм RLS используется, чтобы адаптировать весовых коэффициентов прогнозирующего устройства. Алгоритм инициализируется, устанавливая матрицы инверсной автокорреляции ММ в предопределенное значение следующим образом:

,

где является маленьким положительным числом, является матрицей ММ и Р является порядком прогнозирующего устройства RLS.

Вектор веса прогнозирующего устройства RLS, определенный как

инициализируется как

Для каждого индекса , 1, 2, ... , выполняются следующие вычисления:

,

где (n) является входным вектором прогнозирующего устройства RLS, определенным как

и

,

,

,

,

где является вектором усиления М1, является коэффициентом забываемости, который имеет положительное значение, немного меньшее, чем 1, Т является символом перемещения и Tri{*} обозначает операцию по вычислению более низкой треугольной части Р(n) и заполнению верхней треугольной части матрицы теми же значениями, как в более низкой треугольной части. Другими словами значение Р(n) в i-ой строке и j-ом столбце (i>j) копируется в значение Р(n) в j-ой строке и i-ом столбце.

6.5.2.1 Прогнозирующее устройство RLS объединенного стерео

Для элемента пары каналов (СРЕ), если joint_stereo в ALSSpecificConfig () устанавливается в 1, прогнозирующее устройство RLS будет работать в режиме объединенного-стерео. В режиме объединенного-стерео прогнозирующее устройство RLS использует как внутриканальный прогноз, так и межканальный прогноз.

Входными сигналами прогнозирующего устройства являются остаток прогнозирующего устройства DPCM канала L, и остаток прогнозирующего устройства DPCM канала R, . Прогнозирующее устройство объединенного-стерео состоит из внутриканального прогнозирующего устройства и межканального прогнозирующего устройства . Внутриканальное прогнозирующее устройство генерирует оценку текущей входной выборки канала L из прошлых L-выборок, , , ..., , где М является порядком прогнозирующего устройства RLS объединенного-стерео. В то же время межканальное прогнозирующее устройство генерирует другую оценку, , из прошлых входных выборок , , ..., канала R. Эти две оценки складываются вместе. Результат представляет оценку прогнозирующего устройства RLS объединенного-стерео канала L. Этот процесс представляется как

,

где - коэффициенты внутриканального прогнозирующего устройства , - коэффициенты межканального прогнозирующего устройства . Первый элемент суммирования в уравнении является оценкой внутриканального прогнозирующего устройства, а второй элемент суммирования - оценкой межканального прогнозирующего устройства. Этот остаток генерируется, вычитая оценку из таким образом

.

Прогнозирующее устройство RLS объединенного-стерео канала L обновляется алгоритмом RLS, данным в 6.5.2, где вектор веса, входной вектор и остаток в алгоритме RLS пересматриваются следующим образом:

,

.

Входные сигналы в прогнозирующее устройство для правого звукового канала являются остатком прогнозирующего устройства DPCM канала L, , и остатком прогнозирующего устройства DPCM канала R, . Прогнозирующее устройство RLS объединенного-стерео состоит из внутриканального прогнозирующего устройства и межканального прогнозирующего устройства . Внутриканальное прогнозирующее устройство генерирует оценку текущей входной выборки канала R из прошлых выборок , , ..., , где М является порядком прогнозирующего устройства RLS объединенного-стерео. В то же время межканальное прогнозирующее устройство генерирует другую оценку из входных выборок канала L, , , ..., . Эти две оценки суммируются вместе. Результат является оценкой прогнозирующего устройства RLS объединенного-стерео R-канала. Этот процесс представляется как

,

где - коэффициенты внутриканального прогнозирующего устройства , - коэффициенты межканального прогнозирующего устройства . В этом уравнении первый элемент суммирования является оценкой внутриканального прогнозирующего устройства, а второй элемент суммирования - оценкой межканального прогнозирующего устройства. Остаток генерируется, вычитая оценку из

.

Прогнозирующее устройство RLS объединенного-стерео канала R обновляется алгоритмом RLS, данным в 6.5.2, где вектор веса, входной вектор и остаток в алгоритме RLS переопределяются следующим образом:

,

.

Декодер обрабатывает CPE в порядке LRLRLR.....Текущая выборка канала L всегда декодируется перед текущей выборкой канала R.

6.5.2.2 Прогнозирующее устройство RLS моно

Для элемента одиночного канала (SCE) прогнозирующее устройство RLS работает в режиме моно. В режиме моно прогнозирующее устройство RLS обновляется алгоритмом RLS.

Для СРЕ, если joint_stereo в ALSSpecificConfig () устанавливается в 0, используется моно RLS для каждого отдельного канала в СРЕ. Для СРЕ, если mono_blok в RLSLMS_extension () устанавливается в 1, СРЕ будет кодировано как два отдельных канала L и L-R. Канал L обрабатывается как SCE, тогда как канал различия L-R проходит непосредственно в кодер энтропии. Для SCE, если входной фрейм содержит только постоянные величины, прогнозирующее устройство RLS-LMS применяется для этого фрейма. Для СРЕ, если входной фрейм обоих каналов содержит только постоянные величины, прогнозирующее устройство RLS-LMS применяется для этого фрейма.

6.5.2.3 Операция фильтрации в прогнозирующем устройстве RLS

Следующий псевдокод иллюстрирует, как прогнозирующее устройство RLS порядка М генерирует оценочный сигнал.

6.5.2.4 Адаптация веса в прогнозирующем устройстве RLS

Следующий псевдокод иллюстрирует, как обновляется вектор веса прогнозирующего устройства RLS порядка М.

Продолжение

Продолжение

Окончание

Прогнозирующее устройство RLS может быть выключено установкой RLS_order в нуль. В этом случае оценка прогнозирующего устройства RLS обнуляется.

6.5.3 Прогнозирующие устройства LMS

Ввод: остаток предыдущего прогнозирующего устройства (может быть прогнозирующим устройством RLS или прогнозирующим устройством LMS).

Остаток: как вход в следующее прогнозирующее устройство LMS.

Оценка: как вход в линейный объединитель.

Прогнозирующее устройство RLS-LMS содержит ряд прогнозирующих устройств LMS. Чтобы адаптировать веса прогнозирующего устройства, используется алгоритм нормализованного LMS (NLMS). Для прогнозирующего устройства LMS М-порядка его вектора веса

инициализируется как

.

Для каждого индекса времени , 1, 2, ... , оценка вычисляется как

,

где является входным вектором, определенным как

.

Вектор веса прогнозирующего устройства LMS обновляется согласно

,

,

где является длиной шага NLMS.

6.5.3.1 Операция фильтрации в прогнозирующем устройстве LMS

Следующий псевдокод иллюстрирует, как прогнозирующее устройство LMS М-порядка генерирует оценочный сигнал. Порядок прогнозирующего устройства LMS определяется в 6.5.6.3.

Окончание

6.5.3.2 Адаптация веса в прогнозирующем устройстве LMS

Следующий псевдокод иллюстрирует, как обновляется вектор веса прогнозирующего устройства LMS порядка М.

6.5.4 Линейный объединитель

Ввод: , , ..., оценивает прогнозирующие устройства из DPCM, RLS и LMS.

Вывод: заключительная оценка прогнозирующего устройства RLS-LMS.

Линейный объединитель умножает оценки из прогнозирующих устройств DPCM, RLS и LMS на ряд весов. Результаты суммируются, чтобы обеспечить заключительную оценку прогнозирующего устройства RLS-LMS. Знак алгоритм Sign-Sign LMS используется, чтобы обновить веса линейного объединителя. Если в каскаде прогнозирующего устройства RLS-LMS есть всего прогнозирующих устройств, вектор веса линейного объединителя дается выражением

.

Входной вектор линейного объединителя дается так:

.

Заключительная оценка прогнозирующего устройства RLS-LMS дается следующим образом

.

Вектор веса линейного объединителя обновляется алгоритмом Sign-Sign LMS

,

где является текущей входной выборкой прогнозирующего устройства RLS-LMS, а является длиной шага Sign-Sign LMS. Функция sgn{*} определяется как

Следующий псевдокод иллюстрирует, как линейный объединитель K-порядка генерирует заключительную оценку прогнозирующего устройства RLS-LMS. Порядок линейного объединителя дается из LMS_stage+2. Код также показывает, как обновляется вектор веса линейного объединителя. Первые два веса линейного объединителя не обновляются.

6.5.5 Инициализация прогнозирующего устройства RLS-LMS

Прогнозирующее устройство RLS-LMS инициализируется в следующие моменты: запуск кодирования, запуск декодирования, старт каждого фрейма произвольного доступа (РА), и всякий раз, когда изменяется порядок фильтра. Прогнозирующее устройство RLS-LMS инициализируется заполнением нулями следующих буферов: предыдущая входная выборка прогнозирующего устройства DPCM, входной вектор и вектор веса прогнозирующего устройства RLS, все входные векторы и векторы веса прогнозирующего устройства LMS и входной вектор линейного объединителя. Матрица Р прогнозирующего устройства RLS инициализируется, вызывая функцию reinit_P(P). Вектор веса линейного объединителя устанавливается в константу FRACTION, которая представляет 1,0 в формате 8.24.

В таблице 27 перечисляются константы и макросы, используемые прогнозирующим устройством RLS-LMS.

Таблица 27 - Константы и макросы

6.5.6 Параметры прогнозирующего устройства RLS-LMS

Параметры прогнозирующего устройства RLS-LMS могут быть изменены каждый фрейм. Об этом сообщается в RLSLMS_extension(), когда ext_mode = 1.

6.5.6.1 RLS_order

Параметр RLS_order определяет порядок прогнозирующего устройства RLS. Допустимые значения и соответствующие 4-битовые индексы перечисляются в таблице 28.

Таблица 28 - RLS_order

6.5.6.2 LMS_stage

Параметр LMS_stage определяет число прогнозирующих устройств LMS в цепочке прогнозирующих устройств RLS-LMS. Допустимые значения и соответствующие 3-битовые индексы перечисляются в таблице 29.

Таблица 29 - LMS_stage

6.5.6.3 LMS_order

Параметр LMS_order определяет порядок прогнозирующего устройства LMS. Допустимые значения и соответствующие 5-битовые индексы перечисляются в таблице 30.

Таблица 30 - LMS_order

6.5.6.4 LMS_mu

Параметр LMS_mu определяет длину шага (stepsize) алгоритма NLMS, который используется, чтобы обновить прогнозирующее устройство LMS. Допустимые значения и соответствующие 5-битовые индексы перечисляются в таблице 31.

Таблица 31 - LMS_mu

6.5.6.5 LMS_stepsize

Параметр LMS_stepsize определяет длину шага (stepsize) алгоритма Sign-Sign LMS, который используется, чтобы обновить линейный объединитель. Допустимые значения (формат 7.24) и соответствующие 3-битовые индексы перечисляются в таблице 32.

Таблица 32 - LMS_stepsize

6.5.6.6 RLS_lambda и RLS_lambda_ra

RLS_lambda и RLS_lambda_ra являются параметрами, которые управляют фактором игнорирования прогнозирующего устройства RLS. RLS_lambda_ra используется только для фрейма РА, тогда как RLS_lambda используется и для обоих фреймов РА и non-РА. RLS_lambda и RLS_lambda_ra принимают целочисленные значения в диапазоне [1, 1023]. Фактор игнорирования RLS вычисляется как

и

.

6.5.7 Произвольный доступ

Прогнозирующее устройство RLS-LMS переинициализируется в начале каждого фрейма произвольного доступа. Во фрейме РА прогнозирующее устройство RLS-LMS использует RLS_lambda_ra, чтобы определить фактор игнорирования RLS для первых 300 выборок. Для остальной части выборок во фрейме используется RLS_lambda. Во фрейме РА прогнозирующие устройства LMS в цепочке прогнозирующих устройств RLS-LMS начинают обновлять свои состояния только после первых N/32 выборок во фрейме, где N является длиной фрейма.

6.6 Кодированный остаток

Есть два возможных режима для передачи остатка прогноза: быстрая схема кодирования, использующая простые коды Райса и более сложная и эффективная схема, которая использует блок кодов Гильберта-Мура (BGMC).

6.6.1 Коды Райса (Rice Codes)

Когда флаг bgmc_mode в ALSSpecificConfig устанавливается в 0, остаточные значения являются кодированной энтропией, использующей коды Райса. Выбранный синтаксис для генерации кодовой комбинации определяется в следующем.

Код Райса определяется параметром 0. Для данного значения каждая кодовая комбинация состоит из -битного префикса и -битного субкода. Префикс сообщается, используя - 1 "1" биты и один "0" бит, где зависит от кодированного значения. Для значения сигнала и 0, - 1 вычисляется следующим образом ("" означает целочисленное деление без остатка):

Для 0 используем модифицированное вычисление:

Подкод для 0 вычисляется следующим образом:

Для 0 нет никакого подкода, а только префикс, таким образом, префикс и кодовая комбинация идентичны. Разрешенными значениями являются 0...15 для разрешения выборки 16 битов и 0...31 для разрешения выборки >16 битов.

Таблицы 33 и 34 показывают примеры для кода Райса с 4. Таблица 35 показывает специальный код Райса с 0.

Таблица 33 - Код Райса с 4. Биты хххх содержат 4-битовый подкод sub

Таблица 34 - Подкоды кода Райса с 4 для первых трех префиксов

Таблица 35 - "Специальный" код Райса с 0 (префикс и кодовая комбинация идентичны)

Для каждого блока остаточных значений все значения могут быть закодированы, используя тот же самый код Райса или, если установлен флаг sb_part в заголовке файла, блок может быть разделен на четыре подблока, каждый из которых кодируется различными кодами Райса. В последнем случае флаг ec_sub в заголовке блока указывает, используется один или четыре блока.

В то время как параметр s[i=0] первого подблока непосредственно передается 4 битами (разрешение 16 битов), либо 5 битами (разрешение >16 битов), передаются только различия следующих параметров s[i>0]. Эти различия дополнительно кодируются, снова используя соответственно выбранные коды Райса (таблица 36).

Таблица 36 - Кодирование параметров кода Райса s [i]

6.6.2 Режим кодирования BGMC

Когда флаг bgmc_mode в заголовке файла устанавливается в 1, остаточные значения разделяются на MSB, LSB и хвостовые компоненты, которые затем кодируются, используя блок Гильберта-Мура, фиксированную длину и коды Райса соответственно.

Кроме того используется различная схема разделения на подблоки. Если флаг sb_part в заголовке файла устанавливается, каждый блок может быть разделен на 1, 2, 4, или 8 подблоков, где фактическое число обозначается 2-битовым полем ec_sub в заголовке блока. Если sb_part не устанавливается, каждый блок может быть разделен только на 1 или 4 подблока, и фактическое число указывается 1-битовым полем ec_sub.

6.6.2.1 Дополнительные параметры

В дополнение к параметру кода s (используется для создания кодов Райса), кодер/декодер BGMC опирается на следующие величины:

Число самых младших значащих битов (LSBs) к остатков, которые будут переданы непосредственно:

где s является параметром Райса и В является параметром, зависящим от размера подблока N:

,

где 05 (значения за пределами границ отсекаются до границ). Число отсутствующих (в таблицах частот доступа) битов delta:

.

Индекс таблицы частот sx используется для того, чтобы кодировать/декодировать MSBs.

Параметр sx передается в дополнение к s для каждого подблока, где 'полный' параметр BGMC может быть представлен как S = 16·s + sx. Подобно режиму кодирования Райса первый параметр передается непосредственно, в то время как для последующих параметров передаются только закодированные различия (таблица 37).

Таблица 37 - Кодирование BGMC кодирует параметры S[i] = 16·s[i] + sx[i]

6.6.2.2 Разделение остаточных значений на MSB, LSB и хвостовые части

Процесс получения отсеченных и с удаленным знаком значений MSB, LSB или хвостовых частей, соответствующих остаточным выборкам (res [i]), может быть описан следующим образом:

Максимальные абсолютные значения MSB и коды хвостовых частей, используемых в этом алгоритме (массивы max_msb [ ] и tail_code [ ] соответственно), определяются в таблицах 38 и 39.

Таблица 38 - Максимальные/минимальные значения остаточных MSB

Таблица 39 - Коды хвостовой части

Инверсный процесс (декодирование), восстанавливающий исходные остаточные выборки (res [i]) на основе их MSB, LSB или хвостовых частей, может быть описан следующим образом:

6.6.2.3 Кодирование и декодирование MSB

Отсеченные MSB остаточных выборок блочно кодируются, используя коды Гильберта-Мура, созданные для распределения (кумулятивная таблица частот), индексированного параметром sx.

Процесс кодирования состоит из инициализации состояния (арифметического) кодера блока Гильберта-Мура, последовательного кодирования всех значений MSB во всех подблоках, и сбрасывания состояния кодера.

Спецификации на языке С соответствующих функций кодера даются ниже.

Спецификации соответствующих функций декодера блока Гильберта-Мура на языке С даются ниже.

Совокупные таблицы частот (массивы s_freq [ ]), используемые вышеприведенными алгоритмами для кодирования/декодирования остаточных MSB, перечисляются ниже. Соответствующая (в пределах каждого подблока) таблица выбирается, используя параметр sx.

Таблица 40 - Совокупные таблицы частот, используемые кодером/декодером BGMC