3. Coding issues

3.1. Headphones versus loudspeaker rendering

The psychoacoustic background as discussed in Section 2 is based on spatial cues at the level of the listener’s eardrums. In the case of headphone rendering, the spatial cues which are presented to the human hearing system (i.e., the interaural cues ILD, ITD, and coherence) are virtually the same as the spatial cues in the original stereo signal (interchannel cues). For loudspeaker playback, however, the complex acoustical transmission paths between loudspeakers and eardrums (as described in Section 2) may cause significant changes in the spatial cues. It is therefore highly unlikely that the spatial cues of the original stereo signal (e.g., the interchannel cues) and the spatial cues at the level of the listener’s eardrums (interaural cues) are even comparable in the case of loudspeaker playback. In fact, it has been suggested that the acoustical transmission path effectively converts certain spatial cues (for example interchannel intensity differences) to other cues at the level of the eardrums (e.g., interaural time differences) [80, 81]. However, this effect of the transmission path is not necessarily problematic for parametric-stereo coding. As long as the interaural cues are the same for original material and material which has been processed by a parametric stereo coder, the listener should have a similar percept of the spatial sound field. Although a detailed analysis of this problem is beyond the scope of this paper, we state that given certain restrictions on the acoustical transmission path, it can be shown that the interaural spatial cues are indeed comparable for original and decoded signal, provided that all three interchannel parameters are encoded and reconstructed correctly. Moreover, well-known algorithms that aim at widening of the perceived sound stage for loudspeaker playback (so-called crosstalk-cancellation algorithms, which are used frequently in commercial recordings) heavily rely on correct interchannel phase relationships (cf. [82]). These observations are in contrast to statements by others (cf. [18, 21, 22]) that interchannel time or phase differences are irrelevant for loudspeaker playback.

Кроме того, эти сигналы воспроизводятся с ограниченным (пространственным) разрешением. Эти наблюдения составляют основу параметрического стерео кодера, о котором пойдет речь ниже. Главная идея состоит в том, чтобы кодировать все (моноуральные) источники звука совместно с параметрами стерео панорамы, используя один аудио канал. К параметрам стерео панорамы относят IID, ITD и параметры когерентности как функцию частоты и времени. Скорректированная скорость цифрового потока, разрешение по частоте и квантование этих параметров определяется чувствительностью человека к их изменениям.

3. Споры вокруг кодирования

3.1 Наушники против громкоговорителей.

Основы психоакустики, рассмотренные в главе 2, базируются на использовании пространственных сигналов на уровне барабанных перепонок слушателя. В случае с наушниками пространственные сигналы, присутствующие в слуховой системе человека (т.е. интерауральные сигналы ILD, ITD и когерентность) практически такие же, как пространственные сигналы в исходном стерео сигнале. При воспроизведении с помощью громкоговорителя , однако, сложные пути распространения от громкоговорителя до барабанных перепонок (как показано в главе 2) могут привнести значительные изменения в пространственные сигналы. Т.е. маловероятно, что пространственные сигналы оригинального стерео сигнала и пространственные сигналы на уровне барабанных перепонок слушателя сравнимы в случае с громкоговорителем. Фактически предполагается, что путь акустического распространения преобразует определенные пространственные сигналы (например, межканальную разницу интенсивностей) в другие сигналы на уровне барабанных перепонок слушателя (интерауральную разность во времени) [80, 81]. Однако эта особенность пути передачи не создает больших проблем для параметрического кодирования стерео сигнала. До тех пор, пока интерауральные сигналы такие же, как исходный сигналом и тот, который был обработан стереокодером, слушатель должен получать такое же пространственное восприятие звукового поля. Хотя более детальный анализ выходит за рамки данной статьи, мы утверждаем, что существуют некоторые ограничения, наложенные на путь акустического распространения. Можно показать, что интерауральные пространственные сигналы на самом деле можно сравнивать с исходным и декодированным сигналами при условии, что все три межканальных параметра правильно кодируются и восстанавливаются.. Более того, хорошо известны алгоритмы, целью которых является расширение уровня воспринимаемого сигнала для воспроизведения с помощью громкоговорителей (так называемых алгоритмы устранения перекрестных помех, часто используемые для записи рекламы). Такие алгоритмы во многом полагаются на правильное соотношение фаз между каналами. [82] Эти наблюдения противоречат другим утверждениям [18, 21, 22] о том, что межканальная разница во времени либо в фазе не совместима с воспроизведением с помощью громкоговорителя.

Supported by the observations given above, we will refer to ILD, ITD, and coherence as interchannel parameters. If all three interchannel parameters are reconstructed correctly, we assume that the interaural parameters of original and decoded signals are very similar as well (but different from the interchannel parameters).