Estudio del headroom y las necesidades de precisión para el procesado de señales reales de audio en representación de punto fijo usando diferentes dominios

Abstract

En las técnicas de procesado de audio actuales, la señal temporal de audio se transforma en otros dominios de datos para su procesado, usando, por ejemplo, la FFT, MDCT o la QMF compleja. Cada uno de estos dominios tiene sus propiedades diferentes, lo que implica tener que satisfacer diferentes requisitos para gestionar correctamente la distorsión y el ruido en cada sistema. El objetivo del trabajo propuesto es profundizar sobre estos requisitos cuando codificamos señales reales usando técnicas de sonido inmersivo o sonido multicanal, y poder proponer pautas para conseguir el adecuado margen dinámico de protección frente a la distorsión (headroom) y la precisión necesaria en los sistemas de codificación de punto fijo. Los procesos que se aplican a las señales que van a estudiarse serán los mismo que se utilizan actualmente en los sistemas Dolby, y que incluyen implementaciones que mejoran la eficiencia tales como el uso de transformaciones de los datos en otros dominios, la reducción del número de canales de audio (como en la transformación y mezcla de las señales para la reproducción en una configuración de un altavoz), y el procesado de la sonoridad de la señal.

In modern audio processing technology, the audio signal is converted to various data domains for processing by using, e.g. FFT, MDCT, or Complex QMF transforms. Each domain has different properties resulting in different requirements in headroom and precision to manage distortion and noise in such systems. The aim of the work is to investigate such requirements for immersive and multichannel real-world content and to develop guidelines for headroom and data precision requirements for processing such content. Processing blocks to study are the ones currently used in Dolby systems that can include smart implementations of data domain transforms, reduction of audio channels like rendering to a speaker configuration and down-mixing and signal loudness processing.