WO2001026262A2 - Verfahren und vorrichtung zum einbringen von informationen in einen datenstrom sowie verfahren und vorrichtung zum codieren eines audiosignals - Google Patents

Verfahren und vorrichtung zum einbringen von informationen in einen datenstrom sowie verfahren und vorrichtung zum codieren eines audiosignals

Info

Publication number
WO2001026262A2
WO2001026262A2 PCT/EP2000/009771 EP0009771W WO0126262A2 WO 2001026262 A2 WO2001026262 A2 WO 2001026262A2 EP 0009771 W EP0009771 W EP 0009771W WO 0126262 A2 WO0126262 A2 WO 0126262A2
Authority
WO
WIPO (PCT)
Prior art keywords
spectral values
audio signal
short
data stream
information
Prior art date
Application number
PCT/EP2000/009771
Other languages
English (en)
French (fr)
Other versions
WO2001026262A3 (de
Inventor
Christian Neubauer
Jürgen HERRE
Karlheinz Brandenburg
Eric Allamanche
Original Assignee
Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. filed Critical Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.
Priority to DE50001467T priority Critical patent/DE50001467D1/de
Priority to EP00969432A priority patent/EP1212857B1/de
Priority to US10/089,950 priority patent/US7454327B1/en
Priority to AT00969432T priority patent/ATE234533T1/de
Publication of WO2001026262A2 publication Critical patent/WO2001026262A2/de
Publication of WO2001026262A3 publication Critical patent/WO2001026262A3/de
Priority to US12/238,365 priority patent/US8117027B2/en
Priority to US12/366,586 priority patent/US20090138259A1/en
Priority to US13/301,324 priority patent/US20120065964A1/en

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H20/00—Arrangements for broadcast or for distribution combined with broadcast
    • H04H20/28—Arrangements for simultaneous broadcast of plural pieces of information
    • H04H20/30—Arrangements for simultaneous broadcast of plural pieces of information by a single channel
    • H04H20/31—Arrangements for simultaneous broadcast of plural pieces of information by a single channel using in-band signals, e.g. subsonic or cue signal
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/018—Audio watermarking, i.e. embedding inaudible data in the audio signal
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/707—Spread spectrum techniques using direct sequence modulation

Definitions

  • the customer has a decoder that reads the header and, for example, only allows a single copy in compliance with the permitted actions and refuses further copies.
  • Illegal customers usually have a substantial potential for creativity to "crack" pieces of music with a header. This already shows the disadvantage of the described procedure for protecting copyrights. Such a header can easily be removed. Alternatively, an illegal user could also modify individual entries in the header, for example to make the entry "Copy prohibited” an entry "Copy completely free”. It is also conceivable that an illegal customer removes his own customer number from the header and then offers the piece of music on his or another homepage on the Internet. From this moment on it is no longer possible to identify the illegal customer because he has removed his customer number. Attempts to prevent such copyright infringement will therefore inevitably result in the copy information having been removed or modified from the piece of music and since the illegal customer who did so can no longer be identified to help him To take responsibility. If, instead, there was a safe introduction of information into the audio signal, state authorities that pursue copyright infringements could identify suspicious pieces of music on the Internet and, for example, determine the user identification of such illegal pieces in order to put an end to illegal users.
  • This method already provides a high level of security against music pirates, since on the one hand they may not even know that the piece of music they are copying is marked. Moreover, without an authorized decoder, it is almost impossible to extract the data signal that is inaudibly present in the audio signal.
  • audio signals are available as 16-bit PCM samples.
  • a music pirate could, for example, manipulate the sampling rate or the levels or phases of the samples in order to make the data signal unreadable, ie undecodable, which would also remove the copyright information from the audio signal. This however, it will not be possible without significant quality losses.
  • Data introduced in this way in audio signals can therefore also be referred to as "watermarks" in analogy to banknotes.
  • Another disadvantage of this procedure is that due to the fact that the watermark is introduced into the PCM data, there is no certainty as to whether the watermark is still present after audio compression. If watermarked PCM data is encoded at a relatively low bit rate, the encoder introduces a lot of quantization noise during quantization due to the relatively low bit rate, which in extreme cases will result in no more watermarks being decodable. It is therefore problematic that the bit rate of the audio encoder which encodes the watermarked PCM data is not known from the outset with this procedure, which is why it is not possible to reliably control the relationship between watermark energy and interference energy due to the quantization noise.
  • the degree of masking ie the ratio of the audio signal energy and the psychoacoustic masking threshold
  • the spectral values only have to be roughly quantized without audible interference occurring after a subsequent decoding.
  • quantization has to be carried out more finely, in such a way that a relatively small interference energy arises due to the quantization, since the degree of masking is very large here.
  • This object is achieved by a method for introducing information into a data stream according to patent claim 1, by a method for coding an audio signal according to patent claim 11 or 12, by a device for inserting information according to patent claim 13 and by a device for coding an audio signal according to patent claim 15 or claim 16 solved.
  • the present invention is based on the finding that it must be assumed that a complete decoding must be carried out before the watermark is introduced. Instead, according to the invention, a data stream that has spectral values that represent a short-term spectrum of an audio signal is only partially "unpacked” until the spectral values are available. However, the unpacking is not a complete decoding but only a partial one Decoding, in which the information about the block formation or the block grid used in the original encoder is not touched.
  • the method according to the invention is carried out with spectral values and not with temporal samples.
  • the information that is to be introduced into the audio signal is subjected to a spreading sequence in the sense of spread spectrum modulation in order to obtain a spreading information signal.
  • a spectral representation of the spread information signal is then generated, for example by a filter bank, an FFT, an MDCT or the like, in order to obtain a spectral spread information signal.
  • a psychoacoustically maskable disturbance is determined as a function of the frequency for the short-term spectrum of the audio signal, in order then to weight the spectrally spread information signal using the determined interference energy, so that a weighted information signal can be generated whose energy is essentially equal to or below the psychoacoustic masking threshold lies.
  • the weighted information signal is then summed with the spectral values of the short-term spectrum of the audio signal in order to obtain sum spectral values which include the short-term spectrum of the audio signal and additionally the information which has been introduced.
  • the sum spectral values are processed again in order to obtain a processed data stream which comprises the data about the spectral values of the short-term spectrum of the audio signal and the information to be introduced.
  • the processing of the sum spectral values will again involve quantizing and entropy coding, for example using a Huffman code.
  • the post-weighting processing which includes quantization use the same quantization step size (s) as in the original bit stream, which has the advantage that the very iterative iteration loops of the quantizer do not have to be recalculated. Furthermore, there are no tandem coding effects that would otherwise be unavoidable, since in the case of a new calculation, quantizer step sizes that deviate to a greater or lesser extent could occur.
  • the introduction of a watermark according to the invention directly into a data stream enables, for example, the introduction of a customer number during the delivery of the music to a customer, since the method can run on modern personal computers in multiple real time, since u. a. in addition, the complex frequency-time transformation that would be required for complete decoding can be dispensed with.
  • Another advantage of the present invention is that the music provider, i. H. the music provider no longer has to store the PCM samples, but can store precoded data streams, which can have a factor in the order of 12 in the storage space, and that the provider can nevertheless introduce customer-specific watermarks without additional tandem coding effects that would result in a loss of audio quality.
  • the method according to the invention can be easily implemented since only an additional time / frequency transformation of the spread information signal is required. Another important advantage is that the method according to the invention has good interoperability, ie that standard data streams can be processed, and that for watermarks according to the known methods and the same watermark decoder can be used for watermarks according to the inventive method. Finally, another advantage is that an audio encoder can no longer erase the watermark because there is precise control over the relationship between quantization noise and watermark energy.
  • the psychoacoustically maskable interference energy can be determined in various ways.
  • a first option is to use a psychoacoustic model to determine the psychoacoustically maskable interference energy, which model generates the psychoacoustic masking threshold as a function of frequency from the short-term spectrum.
  • psychoacoustic models which work with spectral values of the short-term spectrum anyway being particularly advantageous here, since these spectral values are directly due to the partial unpacking of the data stream.
  • psychoacoustic models can also be used which are designed for time domain data, a frequency-time transformation being required here, in contrast to the option described above.
  • the data stream has been generated in such a way that, in addition to the spectral values and the usual side information, it also contains the psychoacoustic masking threshold as a function of frequency for each short-term spectrum. Determining the psychoacoustically maskable interference energy then simply works by extracting the psychoacoustic masking threshold transmitted in the data stream. In this possibility and the previously described possibility in which the psychoacoustic masking model is calculated, the psychoacoustically maskable interference energy is the psychoacoustic masking threshold itself.
  • a disadvantage of the method of transmitting the psychoacoustic masking threshold in the data stream is the fact that a special audio encoder is required is, since in conventional audio coders the psychoacoustic masking threshold is not transmitted, but only the spectral values and the corresponding scale factors.
  • compatibility with standard data streams is not required in closed systems. Here, this option can therefore be implemented with simple effort and at low computing time.
  • Another possibility is to provide a special audio encoder whose quantizer always works in such a way that the quantization noise is lower than the psychoacoustic masking threshold by a predetermined amount.
  • the encoder is designed so that its quantizer quantizes somewhat more finely than it should, in such a way that additional interference energy can be added without an interference being audible. This additional interference energy can then be "used up” when information is introduced into the data stream in order to to contribute.
  • this possibility leads to a data stream with an inserted watermark which has not suffered any deterioration in quality.
  • a disadvantage of this method as in the case of direct transmission of the psychoacoustic masking threshold, is the fact that this method is not compatible with conventional encoders.
  • Another way of determining the psychoacoustically maskable interference energy is to determine the interference energy actually introduced by quantizing the encoder that generated the data stream and to derive the psychoacoustically maskable interference energy that the information is obtained during weighting.
  • This option assumes that the encoder has quantized such that the interference energy is below the psychoacoustic masking threshold or only slightly above it.
  • This method like the method described as the first option, manages with the standard bit streams, since only the spectral values and the scale factors, both of which are present in the data stream, are required in order to obtain the psychoacoustically maskable interference energy.
  • the step size of the quantizer which is assigned to the corresponding scale factor, can be determined from the scale factors in order to calculate the interference energy introduced in a scale factor band, which will typically be equal to or below the psychoacoustic masking threshold.
  • the psychoacoustically maskable interference energy used for weighting for the information introduced can be equal to the quantization interference energy, but it can also have a factor between greater than zero and less than one, whereby a factor closer to zero will result in less audible interference due to the watermark, however could be more problematic in extracting than a factor closer to one.
  • FIG. 1 shows a block diagram of a device according to the invention for introducing information into a data stream
  • Fig. 2 is a detailed block diagram of the watermarking device of Fig. 1;
  • 3a shows a schematic illustration of a method for determining the maskable interference energy using a psychoacoustic model
  • 3b shows a schematic representation of a method for determining the maskable interference energy when the psychoacoustic masking threshold is transmitted in the data stream
  • Fig. 3c is a schematic representation of a method for
  • Interference energy is estimated with knowledge of the spectral values and the scale factors
  • FIG. 4 shows a block diagram of an audio encoder according to the invention, which either writes the psychoacoustic masking threshold into the data stream, or writes the predetermined amount for the method described in FIG. 3d into the data stream and the quantizer of which is controlled accordingly.
  • the system theoretical background of the present invention is briefly illuminated.
  • the introduction of the information in the audio signal lead to no or only a very difficult to hear quality deterioration of the audio signal.
  • the masking threshold of the audio signal is continuously calculated using a psychoacoustic model.
  • the frequency-selective calculation of the masking threshold using, for example, the critical bands and a large number of further psychoacoustic models are known in the art.
  • the psychoacoustic model leads to a masking threshold for a short-term spectrum of the audio signal.
  • the masking threshold will vary over frequency. It is assumed by definition that a signal introduced into the audio signal will be inaudible when the energy of this signal is below the masking threshold.
  • the masking threshold strongly depends on the composition of the audio signal. noisy signals have a higher masking threshold than very tonal signals.
  • the energy of the signal that is introduced into the audio signal therefore varies greatly over time.
  • a specific signal-to-noise ratio is usually required to decode the information introduced into an audio signal. It can happen that in very tonal audio signal sections the energy of the additionally introduced signal becomes so low that the signal-to-noise ratio is no longer sufficient for safe decoding.
  • a decoder can therefore no longer correctly decode individual bits in such areas.
  • the introduction of information into an audio signal depending on the psychoacoustic masking threshold can be regarded as the transmission of a data signal over a channel with widely varying interference energy, the audio signal, i. H. the music signal, is interpreted as an interference signal.
  • the spectral values which are still entropy-coded behind the demultiplexer 10, are then fed to an entropy decoder 16 and then to an inverse quantizer 18, which, using the quantized spectral values and the associated scale factors, is transmitted to the inverse quantizer 18 via line 14 are provided, the spectral values of the audio signal are generated, which represent the short-term spectrum of the same.
  • the spectral values are then fed into a watermark device 20, which generates sum spectral values which comprise the short-term spectrum of the audio signal and, moreover, the information to be introduced.
  • FIG. 2 which has a more detailed representation of the watermark device 20
  • an MPEG-2 AAC audio encoder for understanding, as described, for example, in Appendix B of the standard ISO / IEC 13818-7: 1997 ( E) is described as an informative part.
  • the basic idea behind such an encoder is to reduce the quantization noise below bring so-called psychoacoustic masking threshold, ie hide it.
  • DCT discrete cosine transformation
  • the psychoacoustic model used in such encoders is based on the psychoacoustic phenomenon of masking. Both frequency domain masking effects and time domain masking effects can be modeled.
  • the psychoacoustic model provides an estimate of "noise" energy that can be added to the original audio signal without audible interference. This maximum permissible energy is called the psychoacoustic masking threshold.
  • the quantizer 22 and the encoder 24 in Fig. 1 are described below.
  • more than one spectral line is quantized with the same quantizer step size. Therefore, several neighboring spectral lines are grouped into so-called scale factor bands.
  • the quantizer optimizes the quantizer step size for each scale factor band.
  • the quantizer step size is determined so that the quantization error is below or equal to the calculated psychoacoustic masking threshold to ensure that the quantization noise is inaudible. It can be seen that two limitations must be taken into account between which a compromise must be found. On the one hand, the bit consumption should be kept as low as possible in order to achieve high compression ratios, ie a high coding gain.
  • This optimization method is typically calculated in an iterative loop.
  • the result of this loop is a quantizer step size that clearly corresponds to a scale factor for a scale factor band.
  • the spectral values of a scale factor band are quantized with a quantizer step size that is uniquely assigned to the scale factor relevant for the scale factor band. This means that two different scale factors can also result in two different quantizer step sizes.
  • the bit stream is composed by a bit stream multiplexer, which essentially performs formatting tasks.
  • the data stream which in the case of a binary system is a bit stream, thus contains the quantized and coded spectral values or spectral coefficients as well as the scale factors and further side information which are shown and explained in detail in the MPEG-AAC standard mentioned.
  • FIG. 2 shows a more detailed block diagram of the watermarking device 20 from FIG. 1.
  • a source 30 for information units information units, preferably in the form of bits, are fed to a device 32 for spreading.
  • the device 32 for spreading is based in principle on a spread spectrum modulation, which is particularly advantageous when using a pseudo-noise spreading sequence with a correlation in the watermark extractor.
  • the information is applied bit by bit to the spreading sequence.
  • the application preferably takes place in such a way that for an information bit with a logic level of +1 the spread sequence is generated unchanged at the output of the device 32, while for an information bit with a logic level of 0, which can correspond, for example, to a voltage level of -1, the reverse spreading sequence is generated at the output of the device 32.
  • the device 34 for transforming the spread information signal preferably carries out a spectral transformation which corresponds to the transformation on which the data stream at the input of the demultiplexer 10 (FIG. 1) is based. That is, the means 34 for transforming preferably performs the same modified discrete cosine transform that was originally used to generate the unprocessed data stream. This is easily possible, since information such. B. window type, window shape, window length, etc., as side information in the bit stream. This link is indicated by the line shown in broken lines in FIG. 2 from the bitstream demultiplexer 10 (FIG. 1).
  • the sum spectral values after the addition in summer 38 are again subjected to quantization and coding.
  • the same scale factors as in the original bit stream can preferably be used. This is shown in FIG. 1 by the connecting line 14 from the demultiplexer 10 to the multiplexer 26. That is, quantization can be performed much more easily by quantizer 22 since it is no longer necessary (but still possible) to perform the iteration loops to determine an optimal compromise between bit rate and quantizer step size. Instead, the already known scale factors are preferably used simply.
  • a psychoacoustic model is used to calculate the psychoacoustic masking threshold of the corresponding short-term spectrum using the spectral values of the audio signal. Due to the fact that psychoacoustic models are described in the literature and the standard mentioned, it should only be mentioned here that preferably psychoacoustic models can be used which work with spectral data anyway or contain a time / frequency transformation. In this case, the psychoacoustic model is simplified to the original psychoacoustic model on which each encoder is based, in that it can be "fed” with spectral values immediately, so that no frequency / time transformation in the psychoacoustic model is required at all.
  • the first possibility shown in FIG. 3a has the advantage that the psychoacoustic masking threshold can be calculated very precisely and that this method is completely compatible with conventional data streams.
  • a disadvantage of this, however, is the fact that the calculation of a psychoacoustic model can usually be relatively time-consuming, so that it can be said that this possibility is very precise and interoperable, but it takes a relatively long time.
  • the psychoacoustically maskable interference energy is calculated using the spectral values and the scale factors (40c). It is assumed that the original encoder, which generated the data stream into which the watermark is to be introduced, has already chosen the interference energy introduced by the quantization so that it lies below the psychoacoustic masking threshold or on the psychoacoustic masking threshold. Although this method is somewhat less precise than the direct calculation of the psychoacoustic masking threshold, it is very fast compared to the direct calculation of the psychoacoustic masking threshold and at the same time maintains the interoperability, i. H. also works with standard bitstreams.
  • the device according to the invention assumes that the psychoacoustic masking threshold is substantially lower than it should be, which ultimately leads to the spectral representation of the spread information signal after weighting has much less energy than it should have, which means that not all of the available energy that the watermark should have is used.
  • a quantizer which always introduces the maximum permissible interference energy through the quantization and does not describe any remaining bits or fills them with any values not taken into account during decoding.
  • the option shown in Fig. 3c would be just as accurate as the first two options.
  • the variable quantizer however, a variable bit rate also arises.
  • the watermarker could also be used to make the bit rate constant by filling in bits representing the watermark so that the constant bit rate is equal to the highest bit rate of the original variable bit rate data stream.
  • the energy of the quantization error in a scale factor band is then the sum of the j Fxi
  • FIG. 4 showing two possibilities for an encoder for audio signals in order to generate a data stream which, according to the invention, is particularly suitable for the introduction of information.
  • Such an audio encoder can basically be constructed in the same way as a known audio encoder, in such a way that it comprises a device 50 for generating a spectral representation of the audio signal, a quantizer 52 for quantizing the spectral representation of the audio signal, an entropy encoder 54 for entropy coding the quantized spectral values and finally includes a data stream multiplexer 56.
  • the dashed line in FIG. 4 shows the audio encoder possibility according to the present invention, which corresponds to the option shown in FIG. 3d for the device 40 for determining the maskable interference energy in the device according to the invention shown in FIG. 1.
  • the quantizer is controlled by a predetermined amount such that the interference energy introduced by the quantization is below the psychoacoustic masking threshold by the predetermined amount
  • the value of the predetermined amount Amount is fed via the dashed line 62 into the data stream multiplexer 56 in order to be contained in the data stream, such that the device for introducing information according to the invention can access the predetermined amount in order to be able to weight accordingly (block 36 in FIG. 2 ).

Abstract

Ein erfindungsgemäßes Verfahren zum Einbringen von Informationen in einen Datenstrom, der Daten Über Spektralwerte aufweist, die ein Kurzzeitspektrum eines Audiosignals darstellen, führt zuerst eine Verarbeitung (10, 16, 18) des Datenstroms durch, um die Spektralwerte des Kurzzeitspektrums des Audiosignals zu erhalten. Außerdem werden die einzubringenden Informationen mit einer Spreizsequenz beaufschlagt (20), um ein gespreiztes Informationssignal zu erhalten, woraufhin eine spektrale Darstellung des gespreizten Informationssignals erzeugt wird (20), die dann mit einer ermittelten psychoakustisch maskierbaren Störenergie gewichtet wird (20), um ein gewichtetes Informationssignal zu erzeugen, bei dem die Energie der eingebrachten Informationen im Wesentlichen gleich oder unterhalb der psychoakustischen Maskierungsschwelle liegt. Das gewichtete Informationssignal und die Spektralwerte des Kurzzeitspektrums des Audiosignals werden dann summiert (20) und anschließend wieder verarbeitet (22, 24, 26), um einen verarbeiteten Datenstrom zu erhalten, der sowohl die Audioinformationen als auch die einzubringenden Informationen umfaßt. Dadurch, daß die einzubringenden Informationen in den Datenstrom eingebracht werden, ohne daß in den Zeitbereich Übergegangen werden muß, wird die Blockrasterung, die dem Kurzzeitspektrum zugrunde liegt, nicht angetastet, so daß das Einbringen eines Wasserzeichens zu keinen Tandem-Codiereffekten führt.

Description

Verfahren und Vorrichtung zum Einbringen von Informationen in einen Datenstrom sowie Verfahren und Vorrichtung zum Codieren eines Audiosignals
Beschreibung
Die vorliegende Erfindung bezieht sich allgemein auf Audiosignale und insbesondere auf das Einbringen von Informationen in einen Datenstrom, der Spektralwerte aufweist, die ein Kurzzeitspektrum eines Audiosignals darstellen. Insbesondere auf dem Gebiet der Urheberrechtsschutzes für Audiosignale dient die vorliegende Erfindung dazu, beispielsweise Urheberrechtsinformationen in ein Audiosignal möglichst unhörbar einzubringen.
Mit zunehmender Verbreitung des Internets hat auch die Musikpiraterie drastisch zugenommen. An vielen Stellen im Internet können Musikstücke bzw. allgemein Audiosignale heruntergeladen werden. In den allerwenigsten Fällen werden hierbei Urheberrechte beachtet. Insbesondere wird sehr selten die Erlaubnis des Urhebers eingeholt, sein Werk zur Verfügung zu stellen. Noch seltener werden Gebühren an den Urheber bezahlt, die der Preis für ein rechtmäßiges Kopieren sind. Darüberhinaus findet ein unkontrolliertes Kopieren von Werken statt, was in den allermeisten Fällen ebenfalls ohne Berücksichtigung von Urheberrechten geschieht.
Wenn Musikstücke über das Internet von einem Provider für Musikstücke rechtmäßig erworben werden, erzeugt der Provider üblicherweise einen Header, in dem Copyright-Informationen sowie beispielsweise eine Kundennummer eingebracht sind, wobei die Kundennummer eindeutig auf den aktuell vorliegenden Käufer hinweist. Es ist ferner bekannt, Kopiererlaubnisinformationen in diesen Header einzufügen, welche die verschiedensten Arten von Kopierrechten signalisieren, wie z. B. daß das Kopieren des aktuellen Stücks vollständig untersagt ist, daß das Kopieren des aktuellen Stücks nur ein einziges Mal erlaubt ist, daß das Kopieren des aktuellen Stücks völlig frei ist, etc.
Der Kunde verfügt über einen Decodierer, der den Header einliest und unter Beachtung der erlaubten Handlungen beispielsweise nur eine einzige Kopie zuläßt und weitere Kopien verweigert.
Dieses Konzept zur Beachtung der Urheberrechte funktioniert jedoch nur für Kunden, die sich legal verhalten.
Illegale Kunden haben üblicherweise ein wesentliches Potential an Kreativität, um mit einem Header versehene Musikstücke zu "knacken". Hier zeigt sich bereits der Nachteil der beschriebenen Vorgehensweise zum Schutz von Urheberrechten. Ein solcher Header kann einfach entfernt werden. Alternativ könnte ein illegaler Benutzer auch einzelne Einträge in dem Header modifizieren, um beispielsweise aus dem Eintrag "Kopieren untersagt" einen Eintrag "Kopieren völlig frei" zu machen. Denkbar ist auch der Fall, daß ein illegaler Kunde seine eigene Kundennummer aus dem Header entfernt und dann das Musikstück auf seiner oder einer anderen Homepage im Internet anbietet. Ab diesem Moment ist es nicht mehr möglich, den illegalen Kunden zu ermitteln, da er seine Kundennummer entfernt hat. Versuche, solche Verletzungen des Urheberrechts zu unterbinden, werden daher zwangsläufig ins Leere laufen, da die Kopierinformationen aus dem Musikstück entfernt worden sind bzw. modifiziert worden sind, und da der illegale Kunde, der dies tat, nicht mehr ermittelt werden kann, um ihn zur Verantwortung zu ziehen. Wäre stattdessen eine sichere Einbringung von Informationen in das Audiosignal vorhanden, so könnten staatliche Behörden, die Urheberrechtsverletzungen verfolgen, verdächtige Musikstücke im Internet ermitteln und beispielsweise die Benutzeridentifikation solcher illegalen Stücke feststellen, um den illegalen Benutzern das Handwerk zu legen.
Aus der WO 97/33391 ist ein Codierverfahren zur Einbringung eines nicht hörbaren Datensignals in ein Audiosignal bekannt. Dabei wird das Audiosignal, in das das nicht hörbare Datensignal eingebracht werden soll, in den Frequenzbereich umgewandelt, um mittels eines psychoakustischen Modells die Maskierungsschwelle des Audiosignals zu bestimmen. Das Datensignal, das in das Audiosignal eingebracht werden soll, wird mit einem Pseudorauschsignal multipliziert, um ein frequenzmäßig gespreiztes Datensignal zu schaffen. Das frequenzmäßig gespreizte Datensignal wird dann mit der psychoakustischen Maskierungsschwelle gewichtet, derart, daß die Energie des frequenzmäßig gespreizten Datensignals immer unterhalb der Maskierungsschwelle liegt. Schließlich wird das gewichtete Datensignal dem Audiosignal überlagert, wodurch ein Audiosignal erzeugt wird, in das das Datensignal unhörbar eingebracht ist. Das Datensignal kann zum einen dazu verwendet werden, die Reichweite eines Senders zu ermitteln. Alternativ kann das Datensignal zur Kennzeichnung von Audiosignalen verwendet werden, um eventuelle Raubkopien ohne weiteres zu identifizieren, da jeder Tonträger beispielsweise in Form einer CompactDisc ab Werk mit einer individuellen Kennung versehen wird. Weitere beschriebene Anwendungsmöglichkeiten des Datensignals bestehen im Fernsteuern von Audiogeräten in Analogie zum "VPS"-Verfahren beim Fernsehen.
Dieses Verfahren liefert bereits eine hohe Sicherheit gegenüber Musikpiraten, da sie zum einen unter Umständen gar nicht wissen, daß das Musikstück, das sie gerade vervielfältigen, gekennzeichnet ist. Darüberhinaus ist es nahezu unmöglich, ohne einen autorisierten Decodierer das Datensignal, das unhörbar in dem Audiosignal vorhanden ist, zu extrahieren.
Audiosignale liegen, wenn sie von einer CompactDisc stammen, als 16-Bit-PCM-Abtastwerte vor. Ein Musikpirat könnte beispielsweise die Abtastrate bzw. die Pegel oder Phasen der Abtastwerte manipulieren, um das Datensignal unlesbar, d. h. undecodierbar zu machen, wodurch die Urheberrechtsinformationen ebenfalls aus dem Audiosignal entfernt wären. Dies wird jedoch nicht ohne signifikante Qualitätseinbußen möglich sein. Solchermaßen in Audiosignale eingebrachte Daten können daher auch in Analogie zu Banknoten als "Wasserzeichen" bezeichnet werden.
Das in der WO 97/33391 beschriebene Verfahren zur Einbringung eines nicht hörbaren Datensignals in ein Audiosignal arbeitet unter Verwendung der Audioabtastwerte, die als Zeitbereichs-Abtastwerte vorliegen. Dies macht es erforderlich, daß Audiostücke, d. h. Musikstücke, Hörspiele und ähnliches, als Folge von zeitlichen Abtastwerten vorliegen müssen, um mit einem Wasserzeichen versehen zu werden. Dies hat den Nachteil, daß dieses Verfahren nicht für bereits komprimierte Datenströme, die beispielsweise einer Verarbeitung nach einem der MPEG-Verfahren unterzogen worden sind, eingesetzt werden kann. Dies bedeutet, daß ein Anbieter von Musikstücken, der die Musikstücke vor der Auslieferung an den Kunden mit einem Wasserzeichen versehen möchte, die Musikstücke als Folge von PCM-Abtastwerten speichern muß. Dies führt dazu, daß ein Anbieter für Musikstücke eine überaus große Speicherkapazität zur Verfügung haben muß. Es wäre jedoch wünschenswert, die äußerst effektiven Audiokomprimierungsverfahren bereits zum Speichern der Audiodaten bei dem Anbieter einzusetzen.
Selbstverständlich könnte ein Anbieter für Audiodaten der oben beschriebenen Art einfach hergehen, sämtliche Musikstücke beispielsweise unter Verwendung des Standards MPEG-2 AAC 13818-7 komprimieren und dann, bevor das Audiostück mit einem Wasserzeichen versehen werden soll, wieder vollständig dekomprimieren, um wieder eine Folge von Audio-Abtastwerten ("Sa ples") zu haben, die dann in eine bekannte Vorrichtung zum Einbringen eines nicht hörbaren Datensignals eingespeist werden, um ein Wasserzeichen einzubringen. Dies bringt jedoch einen wesentlichen Aufwand dahingehend mit sich, daß vor dem Einbringen der Informationen in das Audiosignal eine vollständige Dekomprimierung bzw. Decodierung erforderlich ist. Eine solche Decodierung kostet Zeit und Geld. Wesent- lieh gravierender ist jedoch die Tatsache, daß bei einer solchen Vorgehensweise Tandem-Codiereffekte auftreten.
Ein weiterer Nachteil dieser Vorgehensweise besteht darin, daß aufgrund der Tatsache, daß das Wasserzeichen in die PCM-Daten eingebracht wird, keine Sicherheit darüber gegeben ist, ob das Wasserzeichen nach einer Audio-Komprimierung noch vorhanden ist. Wenn mit Wasserzeichen versehene PCM- Daten mit relativ niedriger Bitrate codiert werden, führt der Codierer beim Quantisieren aufgrund der relativ niedrigen Bitrate viel Quantisierungsrauschen ein, das im extremen Fall dazu führen wird, daß kein Wasserzeichen mehr decodiert werden kann. Problematisch ist also, daß bei dieser Vorgehensweise die Bitrate des Audiocodierers, der die mit Wasserzeichen versehenen PCM-Daten codiert, nicht von vornehe- rein bekannt ist, weshalb keine sichere Steuerung des Verhältnisses zwischen Wasserzeichenenergie und Störenergie aufgrund des Quantisierungsrauschens möglich ist.
Es ist bekannt, daß Audio-Codierverfahren nach einem der MPEG-Standards keine verlustlosen Codierverfahren, sondern verlustbehaftete Codierverfahren sind. Biteinsparungen im Vergleich zur direkten Übertragung von Audio-Abtastwerten im Zeitbereich werden zu einem Großteil dadurch erreicht, daß psychoakustische Maskierungseffekte ausgenutzt werden. Insbesondere wird für einen Block von beispielsweise 2048 Audio-Abtastwerten die psychoakustische Maskierungsschwelle als Funktion der Frequenz ermittelt, woraufhin nach einer Zeit-Frequenz-Transformation der Audio-Abtastwerte die Quantisierung der Spektralwerte, die das Kurzzeitspektrum enthält, unter Berücksichtigung dieser psychoakustischen Maskierungsschwelle durchgeführt wird. Anders ausgedrückt wird die Quantisierer-Schrittweite so gesteuert, daß die durch das Quantisieren eingefügte Störenergie kleiner oder gleich der psychoakustischen Maskierungsschwelle ist. In Bereichen des Audiosignals, in denen das Verdeckungsmaß, d. h. das Verhältnis der Audiosignalenergie und der psychoakustischen Maskierungsschwelle, sehr klein ist, wie z. B. in sehr rauschhaften Bereichen des Audiosignals, müssen die Spektralwerte lediglich grob quantisiert werden, ohne daß es nach einem anschließenden Decodieren zu hörbaren Störungen kommt. In anderen Bereichen, in denen das Audiosignal sehr tonal ist, muß feiner quantisiert werden, derart, daß eine relativ kleine Störenergie aufgrund des Quantisierens entsteht, da das Verdeckungsmaß hier sehr groß ist.
Aus dem Vorstehenden wird deutlich, daß aufgrund der Quantisierungsvorgehensweise Informationen des ursprünglichen Audiosignals verloren gehen. Dies spielt noch keine Rolle, wenn das quantisierte Audiosignal wieder decodiert wird, da die Störenergie aufgrund des Quantisierens so verteilt wurde, daß sie unter der psychoakustischen Maskierungsschwelle bleibt und somit, wenn ein ideales psychoakustisches Modell verwendet wurde, unhörbar sein wird. Diese Betrachtungen gelten jedoch immer nur für ein bestimmtes Kurzzeitspektrum bzw. für einen Block von z. B. 2.048 aufeinanderfolgenden Audio-Abtastwerten. Nach der Decodierung enthält der Block von Audio-Abtastwerten jedoch keine Informationen mehr darüber, wie die Blockbildung durchgeführt wurde. Wenn die bekannte Vorrichtung zum Einbringen von Informationen verwendet wird, die in den allermeisten Fällen eine bestimmte Verzögerung im Vergleich zu einem Audio-Codierer, der keine Informationen einbringt, hat, kann nicht davon ausgegangen werden, daß rein zufällig die gleiche Blockeinteilung stattfindet. Stattdessen werden die Blockeinteilung, die Kurzzeit-Spektrum-Bildung und die Quantisierung in einem völlig anderen Blockraster stattfinden. Eine erneute Decodierung wird dann üblicherweise zu deutlich hörbaren Störungen führen, da sie sich nicht auf das gleiche Kurzzeitspektrum sondern auf unterschiedliche Kurzzeitspektren bezieht. Dieses Auftreten von hörbaren Störungen durch zwei Codie- rer/Decodierer-Stufen aufgrund ihrer unterschiedlichen Einteilung des Stroms von Audio-Abtastwerten in Blöcke wird als Tandem-Codiereffekt bezeichnet.
Es sei hier darauf hingewiesen, daß im allgemeinen Fall durch das Einbringen des nicht-hörbaren Datensignals Störenergie in das Audiosignal eingeführt wird, das ohnehin schon Störenergie aufgrund des nicht unendlich feinen Quantisierungsverfahrens hat. Das Einbringen des nicht-hörbaren Datensignals führt damit tendenziell zu einer Verschlechterung der Audioqualität, es sei denn, daß besondere Vorkehrungen unternommen werden. In diesem Zusammenhang ist eine zusätzliche Einführung von Störenergie aufgrund der Tandem-Codiereffekte, die vorstehend ausgeführt wurden, umso weniger wünschenswert, da dieser Qualitätsverlust einfach systembedingt ohne Nutzen auftritt, während kleine Qualitätsverschlechterungen aufgrund des Wasserzeichens eher in Kauf genommen werden, da das Wasserzeichen einen Nutzen mit sich bringt. Tandem-Codiereffekte bringen jedoch nur Störungen, aber überhaupt keinen Nutzen mit sich.
Die Aufgabe der vorliegenden Erfindung besteht darin, ein Konzept zu schaffen, das es ermöglicht, Audiostücke mit einem Wasserzeichen zu versehen, während die Auswirkungen des Wasserzeichens auf die Audioqualität möglichst gering sein sollen.
Diese Aufgabe wird durch ein Verfahren zum Einbringen von Informationen in einen Datenstrom nach Patentanspruch 1, durch ein Verfahren zum Codieren eines Audiosignals nach Patentanspruch 11 oder 12, durch eine Vorrichtung zum Einbringen von Informationen nach Patentanspruch 13 und durch eine Vorrichtung zum Codieren eines Audiosignals nach Patentanspruch 15 oder Patentanspruch 16 gelöst.
Der vorliegenden Erfindung liegt die Erkenntnis zugrunde, daß davon abgegangen werden muß, vor dem Einbringen des Wasserzeichens eine vollständige Decodierung durchzuführen. Stattdessen wird erfindungsgemäß ein Datenstrom, der Spektralwerte aufweist, die ein Kurzzeitspektrum eines Audiosignals darstellen, lediglich teilweise "entpackt", bis die Spektralwerte vorliegen. Die Entpackung ist jedoch keine vollständige Decodierung sondern lediglich eine teilweise Decodierung, bei der die Informationen über die Blockbildung bzw. das im ursprünglichen Codierer eingesetzte Blockraster nicht angetastet werden.
Dies wird dadurch erreicht, daß das erfindungsgemäße Verfahren mit Spektralwerten und nicht mit zeitlichen Abtastwerten (Samples) durchgeführt wird. Die Informationen, die in das Audiosignal eingebracht werden sollen, werden im Sinne eines Spread-Spectru -Modulation mit einer Spreizsequenz beaufschlagt, um ein gespreiztes Informationssignal zu erhalten. Anschließend wird eine spektrale Darstellung des gespreizten Informationssignals beispielsweise durch eine Filterbank, eine FFT, einer MDCT oder ähnliches erzeugt, um ein spektrales gespreiztes Informationssignal zu erhalten. Nun wird eine psychoakustisch maskierbare Störung als Funktion der Frequenz für das Kurzzeitspektrum des Audiosignals ermittelt, um dann das spektrale gespreizte Informationssignal unter Verwendung der ermittelten Störenergie zu gewichten, so daß ein gewichtetes Informationssignal erzeugt werden kann, dessen Energie im wesentlichen gleich oder unterhalb der psychoakustischen Maskierungsschwelle liegt. Daran anschließend wird das gewichtete Informationssignal mit den Spektralwerten des Kurzzeitspektrums des Audiosignals summiert, um Summen-Spektralwerte zu erhalten, die das Kurzzeitspektrum des Audiosignals und zusätzlich die eingebrachten Informationen umfassen. Schließlich werden die Summen-Spektralwerte wieder verarbeitet, um einen verarbeiteten Datenstrom zu erhalten, der die Daten über die Spektralwerte des Kurzzeitspektrums des Audiosignals und die einzubringenden Informationen umfaßt. Im Falle eines MPEG-AAC-Codierers wird das Verarbeiten der Summen-Spektralwerte wieder das Quantisieren und Entro- pie-Codieren beispielsweise unter Verwendung eines Huffman- Codes zum Gegenstand haben.
Es sei darauf hingewiesen, daß dadurch nicht die Blockrasterung, die der ursprüngliche Codierer festgelegt hat, der den Datenstrom erzeugt hat, angetastet wird. Dadurch entstehen keine Tandem-Effekte, die zu einem Verlust der Audioqualität führen würden. Darüberhinaus wird es bevorzugt, daß bei der nach dem Gewichten erfolgenden Verarbeitung, die ein Quantisieren umfaßt, die gleiche bzw. die gleichen Quantisierungs- schrittweite(n) wie im ursprünglichen Bitstrom verwendet wird bzw. werden, was den Vorteil mit sich bringt, daß die sehr rechenaufwendigen Iterationsschleifen des Quantisierers nicht erneut berechnet werden müssen. Ferner treten keine Tandem-Codier-Effekte auf, die ansonsten unvermeidbar wären, da im Falle einer erneuten Berechnung mehr oder weniger stark abweichende Quantisiererschrittweiten auftreten könnten.
Das erfindungsgemäße Einbringen eines Wasserzeichens direkt in einen Datenstrom ermöglicht beispielsweise das Einbringen einer Kundennummer während der Auslieferung der Musik an einen Kunden, da das Verfahren auf modernen Personalcomputern in mehrfacher Echtzeit ablaufen kann, da u. a. zusätzlich auf die aufwendige Frequenz-Zeit-Transformation verzichtet werden kann, die bei einer vollständigen Decodierung erforderlich sein würde.
Ein weiterer Vorteil der vorliegenden Erfindung besteht darin, daß der Musikanbieter, d. h. der Musikprovider, nicht mehr die PCM-Abtastwerte speichern muß, sondern vorcodierte Datenströme speichern kann, was im Speicherplatz durchaus einen Faktor in der Größenordnung von 12 mit sich bringen kann, und daß der Provider trotzdem kundenspezifische Wasserzeichen einbringen kann, ohne daß zusätzlich Tandem-Codiereffekte auftreten würden, die einen Audioqualitätsverlust zur Folge hätten.
Das erfindungsgemäße Verfahren kann einfach implementiert werden, da nur eine zusätzliche Zeit/Frequenz-Transformation des gespreizten Informationssignals erforderlich ist. Ein weiterer wesentlicher Vorteil besteht darin, daß das erfindungsgemäße Verfahren eine gute Interoperabilität besitzt, d. h. daß Standard-Datenströme verarbeitet werden können, und daß für Wasserzeichen gemäß den bekannten Verfahren und für Wasserzeichen gemäß dem erfindungsgemäßen Verfahren der gleiche Wasserzeichendecodierer verwendet werden kann. Schließlich besteht ein weiterer Vorteil darin, daß ein Au- diocodierer das Wasserzeichen nicht mehr auslöschen kann, da eine genaue Steuerung des Verhältnisses zwischen Quantisierungsrauschen und Wasserzeichenenergie besteht.
Es sei darauf hingewiesen, daß es selbstverständlich möglich ist, das Wasserzeichen unbefugt wieder zu entfernen, wenn der mit einem Wasserzeichen versehene Datenstrom decodiert wird und dann wieder codiert wird, jedoch nun mit niedriger Bitrate. In diesem Fall wird die durch den Quantisierer eingeführte Störenergie die WasserZeichenenergie übersteigen, so daß dann kein Wasserzeichen mehr aus dem Audiosignal extrahiert werden kann. Dies ist jedoch unproblematisch, da die Audioqualität des Audiosignals aufgrund des hohen Quantisierungsrauschen derart stark abgenommen hat, daß ein solches schlechtes Audiosignal auch nicht mehr geschützt werden muß. Ist nämlich in einem Audiosignal das Wasserzeichen zerstört, so ist auch seine Qualität zerstört.
Die psychoakustisch maskierbare Störenergie kann auf verschiedene Arten und Weisen ermittelt werden. Eine erste Option besteht darin, zum Ermitteln der psychoakustisch maskierbaren Störenergie ein psychoakustisches Modell einzusetzen, das aus dem Kurzzeitspektrum die psychoakustische Maskierungsschwelle als Funktion der Frequenz erzeugt. Es existiert eine Vielzahl von psychoakustischen Modellen, wobei hier die psychoakustischen Modelle besonders von Vorteil sind, die ohnehin mit Spektralwerten des Kurzzeitspektrums arbeiten, da diese Spektralwerte direkt aufgrund des teilweisen Entpackens des Datenstroms vorliegen. Alternativ können jedoch auch psychoakustische Modelle zum Einsatz kommen, die für Zeitbereichsdaten ausgestaltet sind, wobei hier im Gegensatz zu der oben beschriebenen Option eine Frequenz- Zeit-Transformation erforderlich sein würde. Obwohl die Möglichkeit des Berechnens eines psychoakustischen Modells, um die psychoakustische MaskierungsschweUe des Kurzzeitspek- trums zu erhalten, relativ rechenzeitaufwendig ist, liefert jedoch bereits diese Möglichkeit den entscheidenden Vorteil, daß keine Tandem-Codiereffekte erzeugt werden, da die Blockrasterung nicht angetastet wird.
Eine weitere, im Rechenzeitaufwand günstigere Option zum Ermitteln der psychoakustisch maskierbaren Störenergie besteht darin, daß der Datenstrom derart erzeugt worden ist, daß er neben den Spektralwerten und den üblichen Seiteninformationen auch für jedes Kurzzeitspektrum die psychoakustische Maskierungsschwelle als Funktion der Frequenz enthält. Ein Ermitteln der psychoakustisch maskierbaren Störenergie funktioniert dann einfach durch Extrahieren der im Datenstrom übertragenen psychoakustischen Maskierungsschwelle. Bei dieser Möglichkeit und der vorher beschriebenen Möglichkeit, bei der das psychoakustische Maskierungsmodell berechnet wird, ist die psychoakustisch maskierbare Störenergie die psychoakustische Maskierungsschwelle selbst. Nachteilig an dem Verfahren des Übertragens der psychoakustischen Maskierungsschwelle im Datenstrom ist die Tatsache, daß ein Spe- zial-Audiocodierer benötigt wird, da bei üblichen Audio-Codierern die psychoakustische Maskierungsschwelle nicht übertragen wird, sondern lediglich die Spektralwerte und die entsprechenden Skalenfaktoren. In geschlossenen Systemen ist jedoch Kompatibilität zu Standard-Datenströmen nicht erforderlich. Hier kann diese Option daher mit einfachem Aufwand und rechenzeitgünstig implementiert werden.
Eine weitere Möglichkeit besteht darin, einen Spezial-Audio- codierer vorzusehen, dessen Quantisierer immer so arbeitet, daß das Quantisierungsrauschen um einen vorbestimmten Betrag geringer als die psychoakustische Maskierungsschwelle ist. Dies bedeutet, daß der Codierer so ausgelegt ist, daß sein Quantisierer etwas feiner quantisiert, als er eigentlich müßte, derart, daß zusätzliche Störenergie hinzugefügt werden kann, ohne daß eine Störung hörbar wird. Diese zusätzliche Störenergie kann dann beim Einbringen von Informationen in den Datenstrom "aufgebraucht" werden, um die Informa- tionen einzubringen. Im Falle eines optimalen psychoakustischen Modells führt diese Möglichkeit zu einem Datenstrom mit eingebrachtem Wasserzeichen, der überhaupt keine Qualitätsverschlechterung erlitten hat. Nachteilig an diesem Verfahren ist ebenso wie beim direkten Übertragen der psychoakustischen Maskierungsschwelle die Tatsache, daß dieses Verfahren nicht mit üblichen Codierern kompatibel ist.
Eine weitere Möglichkeit zum Ermitteln der psychoakustisch maskierbaren Störenergie besteht darin, die tatsächlich durch das Quantisieren des Codierers, der den Datenstrom erzeugt hat, eingebrachte Störenergie zu ermitteln und daraus die psychoakustisch maskierbare Störenergie, die die Informationen beim Gewichten erhalten werden, abzuleiten. Diese Option geht davon aus, daß der Codierer so quantisiert hat, daß die Störenergie unter der psychoakustischen Maskierungsschwelle oder lediglich knapp darüber gelegen hat. Dieses Verfahren kommt ebenfalls wie das als erste Möglichkeit beschriebene Verfahren mit den Standard-Bitströmen aus, da lediglich die Spektralwerte und die Skalenfaktoren, die beide im Datenstrom vorhanden sind, benötigt werden, um die psychoakustisch maskierbare Störenergie zu erhalten. Aus den Skalenfaktoren kann die Schrittgröße des Quantisierers, der dem entsprechenden Skalenfaktor zugeordnet ist, ermittelt werden, um damit die in einem Skalenfaktorband eingebrachte Störenergie zu errechnen, die typischerweise gleich der psychoakustischen Maskierungsschwelle sein wird oder darunter liegen wird. Die beim Gewichten verwendete psychoakustisch maskierbare Störenergie für die eingebrachten Informationen kann gleich der Quantisierungsstörenergie sein, sie kann aber auch einen Faktor zwischen größer als Null und kleiner als Eins haben, wobei ein Faktor näher bei Null zu weniger hörbaren Störungen aufgrund des Wasserzeichens führen wird, aber beim Extrahieren problematischer sein könnte als ein Faktor näher bei Eins.
Bevorzugte Ausführungsbeispiele der vorliegenden Erfindung werden nachfolgend bezugnehmend auf die beiliegenden Zeich- nungen detailliert erläutert. Es zeigen:
Fig. 1 ein Blockdiagramm einer erfindungsgemäßen Vorrichtung zum Einbringen von Informationen in einen Datenstrom;
Fig. 2 ein detailliertes Blockdiagramm der Wasserzeicheneinrichtung von Fig. 1;
Fig. 3a eine schematische Darstellung eines Verfahrens zum Ermitteln der maskierbaren Störenergie unter Verwendung eines psychoakustischen Modell;
Fig. 3b eine schematische Darstellung eines Verfahrens zum Ermitteln der maskierbaren Störenergie, wenn die psychoakustische Maskierungsschwelle im Datenstrom übertragen wird;
Fig. 3c eine schematische Darstellung eines Verfahrens zum
Ermitteln der maskierbaren Störenergie, wenn die
Störenergie unter Kenntnis der Spektralwerte und der Skalenfaktoren geschätzt wird;
Fig. 3d eine schematische Darstellung eines Verfahrens zum Ermitteln der psychoakustisch maskierbaren Störenergie, wenn im Datenstrom Energie für das Wasserzeichen freigehalten wird; und
Fig. 4 ein Blockdiagramm eines erfindungsgemäßen Audioco- dierers, der entweder die psychoakustische Maskierungsschwelle in den Datenstrom schreibt, oder den vorbestimmten Betrag für das in Fig. 3d beschriebene Verfahren in den Datenstrom schreibt und dessen Quantisierer entsprechend gesteuert ist.
Bevor detaillierter auf die einzelnen Figuren eingegangen wird, wird der systemtheoretische Hintergrund der vorliegenden Erfindung kurz beleuchtet. Generell darf das Einbringen der Informationen in das Audiosignal zu keiner bzw. nur einer sehr schwer hörbaren Qualitätsverschlechterung des Audiosignals führen. Um festzustellen, wieviel Energie das Signal, das die einzubringenden Informationen darstellt, haben darf, wird unter Verwendung eines psychoakustischen Modells die Maskierungsschwelle des Audiosignals fortlaufend berechnet. Die frequenzselektive Berechnung der Maskierungsschwelle unter Verwendung beispielsweise der kritischen Bänder sowie eine Vielzahl weiterer psychoakustischer Modelle sind in der Technik bekannt. Beispielhaft wird auf den Standard MPEG2-AAC (ISO/IEC 13818-7) verwiesen.
Das psychoakustische Modell führt zu einer Maskierungsschwelle für ein Kurzzeitspektrum des Audiosignals. Üblicherweise wird die Maskierungsschwelle über der Frequenz variieren. Per Definition wird angenommen, daß ein in das Audiosignal eingebrachtes Signal dann unhörbar sein wird, wenn die Energie dieses Signals unterhalb der Maskierungsschwelle ist. Die Maskierungsschwelle hängt stark von der Zusammensetzung des Audiosignals ab. Rauschhafte Signale haben eine höhere Maskierungsschwelle als sehr tonale Signale. Die Energie des Signals, das in das Audiosignal eingebracht wird, variiert daher stark über der Zeit. Üblicherweise wird zum Decodieren der in ein Audiosignal eingebrachten Informationen ein bestimmtes Signal/Rausch-Verhältnis benötigt. Dabei kann es vorkommen, daß bei sehr tonalen Audiosignalabschnitten die Energie des zusätzlich eingebrachten Signals derart gering wird, daß das Signal/Rausch-Verhältnis zum sicheren Decodieren nicht mehr ausreicht. Ein Decodierer kann daher in solchen Bereichen einzelne Bits nicht mehr korrekt decodieren. Systemtheoretisch gesehen kann daher das Einbringen von Informationen in ein Audiosignal in Abhängigkeit von der psychoakustischen Maskierungsschwelle als das Übertragen eines Datensignals über einen Kanal mit stark variierender Störenergie betrachtet werden, wobei das Audiosignal, d. h. das Musiksignal, als Störsignal aufgefaßt wird.
Fig. 1 zeigt ein Blockdiagramm einer erfindungsgemäßen Vor- richtung bzw. eines erfindungsgemäßen Verfahrens zum Einbringen von Informationen in einen Datenstrom, der Spektralwerte aufweist, die ein Kurzzeitspektrum eines Audiosignals darstellen. Der Datenstrom, der am Eingang eines Daten- strom-Demultiplexers 10 anliegt, wird, wenn er gemäß dem erwähnten MPEG-AAC-Standard verarbeitet ist, zunächst allgemein in Spektralwerte auf einer Leitung 12 und Seiteninformationen auf einer Leitung 14 zerlegt, wobei von den Seiteninformationen hier die Skalenfaktoren speziell genannt seien. Die Spektralwerte, die hinter dem Demultiplexer 10 noch Entropie-codiert sind, werden dann einem Entropie-Decodierer 16 zugeführt und dann einem inversen Quantisierer 18, der unter Verwendung der quantisierten Spektralwerte und der dazu gehörigen Skalenfaktoren, die über die Leitung 14 dem inversen Quantisierer 18 zu Verfügung gestellt werden, die Spektralwerte des Audiosignals erzeugt, die das Kurzzeitspektrum desselben darstellen. Die Spektralwerte werden dann in eine Wasserzeicheneinrichtung 20 eingespeist, die Summen-Spektralwerte erzeugt, die das KurzzeitSpektrum des Audiosignals und darüber hinaus die einzubringenden Informationen umfassen. Diese Summen-Spektralwerte werden dann wieder in einen Quantisierer 22 gespeist und in einem daran anschließenden Entropie-Codierer 24 Entropie-codiert, um schließlich einem Datenstrom-Multiplexer 26 zugeführt zu werden, der auch wieder die nötigen Seiteninformationen, wie z. B. die Skalenfaktoren, erhält. Am Ausgang des Multiple- xers 26 liegt dann ein verarbeiteter Datenstrom vor, der sich vom Datenstrom am Eingang des Demultiplexers 10 darin unterscheidet, daß er nun ein Wasserzeichen hat, d. h. daß in ihn Informationen eingebracht worden sind.
Bevor näher auf Fig. 2 eingegangen wird, die eine detailliertere Darstellung der Wasserzeicheneinrichtung 20 aufweist, sei zum Verständnis auf einen MPEG-2 AAC-Audiocodie- rer eingegangen, wie er beispielsweise im Anhang B des Standard ISO/IEC 13818-7: 1997 (E) als informativer Teil beschrieben ist. Einem solchen Codierer liegt grundsätzlich die Idee zugrunde, das Quantisierungsrauschen unter die sogenannte psychoakustische Maskierungsschwelle zu bringen, d. h. zu verstecken. Zur Transformation der Audio-Abtastwerte in den Frequenzbereich, d. h. zum Erzeugen der spektralen Darstellung des Audiosignals wird eine Analysefilterbank eingesetzt, die als kritisch-unterabgetastete DCT (DCT = diskrete Cosinustransformation) realisiert ist, und die einen Überlappungsgrad von 50% hat. Ihr Zweck besteht darin, eine spektrale Darstellung des Eingangssignals zu schaffen, das schließlich quantisiert und codiert wird. Zusammen mit einer entsprechenden Filterbank im Decodierer entsteht somit ein Synthese/Analyse-System.
Das psychoakustische Modell, das in solchen Codierern verwendet wird, basiert auf dem psychoakustischen Phänomen der Maskierung. Sowohl Frequenzbereichsmaskierungseffekte als auch Zeitbereichmaskierungseffekte können dabei modelliert werden. Das psychoakustische Modell liefert einen Schätzwert für "Rausch"-Energie, die dem ursprünglichen Audiosignal hinzugefügt werden kann, ohne daß hörbare Störungen auftreten. Diese maximal zulässige Energie wird als psychoakustische Maskierungsschwelle bezeichnet.
Der Quantisierer 22 sowie der Codierer 24 in Fig. 1 werden im nachfolgenden beschrieben. Typischerweise wird mehr als eine Spektrallinie mit derselben Quantisierer-Schrittgröße quantisiert. Daher werden mehrere benachbarte Spektrallinien in sogenannte Skalenfaktorbänder gruppiert. Der Quantisierer optimiert die Quantisiererschrittgröße für jedes Skalenfak- torband. Die Quantisiererschrittgröße wird so bestimmt, daß der Quantisierungsfehler unter oder gleich der berechneten psychoakustischen Maskierungsschwelle ist, um sicherzustellen, daß das Quantisierungsrauschen unhörbar ist. Es ist zu sehen, daß zwei Begrenzungen berücksichtigt werden müssen, zwischen denen ein Kompromiß gefunden werden muß. Einerseits sollte der Bitverbrauch so niedrig als möglich gehalten werden, um hohe Kompressionsverhältnisse, d. h. einen hohen Codiergewinn, zu erreichen. Andererseits muß sichergestellt werden, daß das Quantisierungsrauschen unter der psychoaku- stischen Maskierungsschwelle ist, damit im codierten und wieder decodierten Audiosignal keine Störungen hörbar sind. Typischerweise wird dieses Optimierungsverfahren in einer iterativen Schleife berechnet. Das Resultat dieser Schleife ist eine Quantisiererschrittgröße, die mit einem Skalenfaktor für ein Skalenfaktorband eindeutig korrespondiert. Anders ausgedrückt werden die Spektralwerte eines Skalenfak- torbandes mit einer Quantisiererschrittgröße quantisiert, die dem für das Skalenfaktorband maßgeblichen Skalenfaktor eindeutig zugeordnet ist. Das heißt, daß zwei verschiedene Skalenfaktoren auch zwei verschiedene Quantisiererschritt- größen zur Folge haben können.
Der Bitstrom wird durch einen Bitstrommultiplexer zusammengesetzt, der im wesentlichen Formatierungsaufgaben erfüllt. Der Datenstrom, der im Falle eines Binärsystems ein Bitstrom ist, enthält somit die quantisierten und codierten Spektralwerte oder Spektralkoeffizienten sowie die Skalenfaktoren und weitere Seiteninformationen, die im erwähnten MPEG-AAC- Standard detailliert dargestellt und erläutert sind.
Fig. 2 zeigt ein detaillierteres Blockdiagramm der Wasserzeicheneinrichtung 20 von Fig. 1. An einer Quelle 30 für Informationseinheiten werden Informationseinheiten, vorzugsweise in Form von Bits, einer Einrichtung 32 zum Spreizen zugeführt. Die Einrichtung 32 zum Spreizen basiert grundsätzlich auf einer Spread-Spektrum-Modulation, die insbesondere unter Verwendung einer Pseudo-Noise-Spreizsequenz bei einer Korrelation im Wasserzeichenextraktor günstig ist. Die Informationen werden Bit für Bit mit der Spreizsequenz beaufschlagt. Das Beaufschlagen findet vorzugsweise so statt, daß für ein Informationsbit mit einem logischen Pegel von +1 die Spreizsequenz unverändert am Ausgang der Einrichtung 32 erzeugt wird, während für ein Informationsbit mit einem logischen Pegel von 0, was beispielsweise einem Spannungspegel von -1 entsprechen kann, die umgekehrte Spreizsequenz am Ausgang der Einrichtung 32 erzeugt wird. Damit entsteht ein "Zeitsignal" am Ausgang der Einrichtung 32, das die ge- spreizten Informationen aus der Quelle 30 für Informationen enthält. Dieses gespreizte Informationssignal wird dann durch eine Einrichtung 34 zum Transformieren in seine spektrale Darstellung überführt, die ein FFT-Algorithmus , eine MDCT, etc., aber auch eine Filterbank sein kann. Die spektrale Darstellung des gespreizten Informationssignals wird in einer Einrichtung 36 gewichtet, um dann mit den Spektralwerten in einer Einrichtung 38 summiert zu werden, derart, daß am Ausgang der Einrichtung 38 die Summen-Spektralwerte anliegen, die dann bezugnehmend auf Fig. 1 quantisiert (22) und codiert (24) werden können, um dem Bitstrom-Multiplexer 26 zugeführt zu werden. Die Wasserzeicheneinrichtung 20 enthält ferner eine Einrichtung 40 zum Ermitteln der maskierbaren Störenergie für das Kurzzeitspektrum, das durch die Spektralwerte gegeben ist.
Es sei darauf hingewiesen, daß die Einrichtung 34 zum Transformieren des gespreizten Informationssignals vorzugsweise eine Spektraltransformation durchführt, die der dem Datenstrom am Eingang des Demultiplexers 10 (Fig. 1) zugrunde liegenden Transformation entspricht. Das heißt, daß die Einrichtung 34 zum Transformieren vorzugsweise dieselbe modifizierte diskrete Cosinustransformation durchführt, die ursprünglich zum Erzeugen des nicht-verarbeiteten Datenstroms verwendet wurde. Dies ist ohne weiteres möglich, da Informationen, wie z. B. Fenstertyp, Fensterform, Fensterlänge usw., als Seiteninformationen im Bitstrom übertragen werden. Diese Verknüpfung ist durch die in Fig. 2 gestrichelt dargestellte Linie vom Bitstrom-Demultiplexer 10 (Fig. 1) angedeutet.
Wie es bereits bezugnehmend auf Fig. 1 ausgeführt worden ist, werden die Summen-Spektralwerte nach der Addition im Summierer 38 wieder einer Quantisierung und Codierung unterzogen. Hier stellt sich die Frage, wie das Quantisiererin- tervall, d. h. die Quantisiererschrittgröße, auf die bereits eingegangen worden ist, bestimmt werden soll, d. h. ob die Iterationen erneut durchgeführt werden müssen, oder ob dar- auf verzichtet werden kann. Aufgrund der Tatsache, daß die Wasserzeichenenergie im Vergleich zur Audiosignalenergie üblicherweise sehr klein ist, können vorzugsweise dieselben Skalenfaktoren wie im ursprünglichen Bitstrom eingesetzt werden. Dies ist in Fig. 1 durch die Verbindungslinie 14 vom Demultiplexer 10 zum Multiplexer 26 dargestellt. Das heißt, daß das Quantisieren durch den Quantisierer 22 wesentlich einfacher durchgeführt werden kann, da es nicht mehr notwendig ist (aber dennoch möglich ist), die Iterationsschleifen auszuführen, um einen optimalen Kompromiß zwischen Bitrate und Quantisiererschrittgröße zu bestimmen. Stattdessen werden vorzugsweise einfach die bereits bekannten Skalenfaktoren verwendet.
Im nachfolgenden wird auf verschiedene Möglichkeiten eingegangen, um die durch das Kurzzeitspektrum maskierbare Störenergie zu ermitteln, die beim Gewichten der spektralen Darstellung des gespreizten Informationssignals benötigt wird. Hierzu existieren verschiedene Möglichkeiten, die nachfolgend bezugnehmend auf die Fig. 3a-3d erläutert sind.
In Fig. 3a wird ein psychoakustisches Modell eingesetzt, um unter Verwendung der Spektralwerte des Audiosignals die psychoakustische Maskierungsschwelle des entsprechenden Kurzzeitspektrums zu errechnen. Aufgrund der Tatsache, daß psychoakustische Modelle in der Literatur und dem erwähnten Standard beschrieben sind, sei hier lediglich erwähnt, daß vorzugsweise psychoakustische Modelle verwendet werden können, die ohnehin mit Spektraldaten arbeiten bzw. eine Zeit/Frequenz-Transformation beinhalten. In diesem Fall ist das psychoakustische Modell zum ursprünglichen psychoakustischen Modell, das einem jedem Codierer zugrunde liegt, darin vereinfacht, daß dasselbe gleich mit Spektralwerten "gefüttert" werden kann, so daß überhaupt keine Frequenz/Zeit-Transformation im psychoakustischen Modell erforderlich ist. Das psychoakustische Modell schließlich wird die psychoakustische Maskierungsschwelle für das Kurzzeitspektrum ausgeben, derart, daß im Block 36 (Fig. 2) das Spektrum des gespreizten Informationssignals so geformt werden kann, daß es in jedem Skalenfaktorband eine Energie hat, die gleich der psychoakustischen Maskierungsschwelle bzw. unterhalb der psychoakustischen Maskierungsschwelle in diesem Skalenfaktorband ist. Es sei darauf hingewiesen, daß die psychoakustische Maskierungsschwelle eine Energie ist, wobei es angestrebt wird, daß die spektrale Darstellung des Informationssignals möglichst gleich der psychoakustischen Maskierungsschwelle ist, um die Informationen in das Audiosignal durch möglichst viel Energie einzubringen, um in einem Extraktor des Wasserzeichens möglichst gute Korrelationsspitzen zu erhalten.
Die in Fig. 3a gezeigte erste Möglichkeit hat den Vorteil, daß die psychoakustische Maskierungsschwelle sehr genau berechnet werden kann, und daß dieses Verfahren mit üblichen Datenströmen vollständig kompatibel ist. Nachteilig darin ist jedoch die Tatsache, daß die Berechnung eines psychoakustischen Modells üblicherweise relativ zeitaufwendig sein kann, so daß gesagt werden kann, daß diese Möglichkeit zwar sehr genau und interoperabel ist, jedoch relativ viel Zeit benötigt.
Eine weitere Möglichkeit, die in Fig. 3b gezeigt ist, um die psychoakustisch maskierbare Störenergie zu erhalten, besteht darin, daß im Codierer, der den Datenstrom am Eingang des Demultiplexers 10 (Fig. 1) erzeugt hat, die psychoakustische Maskierungsschwelle für jedes Kurzzeitspektrum in den Bitstrom geschrieben wird, derart, daß die erfindungsgemäße Vorrichtung zum Einbringen von Informationen in einen Datenstrom lediglich die psychoakustische Maskierungsschwelle für jedes Kurzzeitspektrum aus den Seiteninformationen des Datenstroms zu extrahieren braucht (40b), um die psychoakustische Maskierungsschwelle zur Einrichtung 36 zum Gewichten der spektralen Darstellung des gespreizten Informationssignals (Fig. 2) auszugeben. Diese Möglichkeit hat den Vorteil, daß sie ebenfalls sehr genau ist und darüberhinaus sehr schnell ist, da lediglich zugegriffen und nicht gerech- net werden muß, es wird jedoch die Interoperabilität beeinträchtigt, d. h. Standardbitströme können nicht mehr nachträglich mit Wasserzeichen versehen werden, da sie keine psychoakustischen Maskierungsschwellen enthalten. Man benötigt hier somit einen erfindungsgemäßen Spezialcodierer, wie er in Fig. 4 beschrieben ist.
In Fig. 3c ist eine weitere Möglichkeit zum Ermitteln der psychoakustisch maskierbaren Störenergie gezeigt. Hier wird die psychoakustisch maskierbare Störenergie unter Verwendung der Spektralwerte und der Skalenfaktoren berechnet (40c). Es wird davon ausgegangen, daß der ursprüngliche Codierer, der den Datenstrom, in den das Wasserzeichen eingebracht werden soll, erzeugt hat, die durch die Quantisierung eingeführte Störenergie bereits so gewählt hat, daß sie unter der psychoakustischen Maskierungsschwelle bzw. auf der psychoakustischen Maskierungsschwelle liegt. Dieses Verfahren ist zwar etwas ungenauer als das direkte Berechnen der psychoakustischen Maskierungsschwelle, ist jedoch im Vergleich zum direkten Berechnen der psychoakustischen Maskierungsschwelle sehr schnell und hält gleichzeitig die Interoperabilität aufrecht, d. h. arbeitet auch mit Standard-Bitströmen zusammen.
Im nachfolgenden wird darauf eingegangen, wieso diese dritte Möglichkeit etwas ungenauer ist. Es existieren verschiedene Codiereransätze, die sich beispielsweise in den verwendeten Quantisiererimplementationen unterscheiden. Wie es bereits ausgeführt worden ist, darf ein Quantisierer die vorgeschriebene Bitrate nicht überschreiten. Andererseits soll er die psychoakustische Maskierungsschwelle einhalten. So kann der Fall auftreten, daß ein Quantisierer die zur Verfügung stehende Bitrate gar nicht benötigt, da beispielsweise eine hohe Bitrate vorliegt, oder wenn ein Musikstück zu codieren ist, bei dem der Codiergewinn sehr hoch ist, wie es beispielsweise bei tonalen Stücken der Fall ist. Bestimmte Quantisierer arbeiten hier so, daß sie feiner als nötig quantisieren und somit wesentlich weniger Störenergie durch Quantisieren in das Audiosignal einführen, als sie dürften. Es ist daher einsichtig, daß die erfindungsgemäße Vorrichtung, wie sie in Fig. 3c beschrieben ist, davon ausgeht, daß die psychoakustische Maskierungsschwelle wesentlich geringer ist als sie tatsächlich sein dürfte, was schließlich dazu führt, daß die spektrale Darstellung des gespreizten Informationssignals nach dem Gewichten wesentlich weniger Energie hat als sie haben dürfte, wodurch nicht die ganze verfügbare Energie, die das Wasserzeichen haben dürfte, ausgenutzt wird. Dies würde jedoch nicht der Fall sein, wenn ein Quantisierer eingesetzt wird, der immer die maximal zulässige Störenergie durch das Quantisieren einführt und eventuell verbleibende Bits nicht beschreibt bzw. mit irgendwelchen bei einer Decodierung nicht berücksichtigten Werten füllt. In diesem Fall wäre die in Fig. 3c dargestellte Option genauso genau wie die beiden ersten Möglichkeiten. Im Falle des variablen Quantisierers entsteht jedoch auch eine variable Bitrate. In diesem Fall könnte die Wasserzeicheneinrichtung auch dazu verwendet werden, die Bitrate konstant zu machen, durch Auffüllen von Bits, die das Wasserzeichen darstellen, so daß die konstante Bitrate gleich der höchsten Bitrate des ursprünglichen Datenstroms mit variabler Bitrate ist.
Im nachfolgenden wird darauf eingegangen, wie unter Verwendung der Spektralwerte und der Skalenfaktoren und darüberhinaus der Charakteristik des Quantisierers die Störenergie berechnet wird, die durch Quantisieren in ein Skalenfaktorband eingeführt worden ist. Hierbei gilt folgende Gleichung für die Energie Fxi des Quantisierungsfehlers für einen Spektralwert x_ :
|Fxi|2 = (q2α/12α2) • Xi 2(l-α)
Es sei darauf hingewiesen, daß diese Gleichung für ungleichmäßige Quantisierer gilt, wie sie beispielsweise bei dem Standard MPEG-AAC vorgesehen sind. Für gleichmäßige Quantisierer würde der zweite Term einfach wegfallen, wenn für α = 1 gesetzt wird.
Der in der Gleichung auftretende Faktor q hängt mit der Quantisiererschrittgröße QS folgendermaßen zusammen:
Figure imgf000025_0001
Der Faktor α lautet für den MPEG-AAC-Quantisierer 3/4.
Die Energie des Quantisierungsfehlers in einem Skalenfak- torband ist dann die Summe der j Fxi | 2 in einem Skalenfaktorband. Diese Energie muß, damit sie nicht hörbar ist, kleiner oder gleich der psychoakustischen Maskierungsschwelle in diesem Skalenfaktorband sein. Es sei darauf hingewiesen, daß die psychoakustische Maskierungsschwelle in einem Skalenfaktorband konstant ist, jedoch für unterschiedliche Skalenfaktorbänder unterschiedliche Werte einnimmt. Für die Energie des Quantisierungsfehlers xmin ergibt sich folgender Wert:
xmin = Σ[ (23/8*Qs)/(27/4) • Xi1/2]
Der Index i soll anzeigen, daß immer über die Spektralwerte in einem Skalenfaktorband summiert werden muß, da die psychoakustische Maskierungsschwelle üblicherweise als Energie für dieses Skalenfaktorband gegeben ist.
Es sei darauf hingewiesen, daß in den Seiteninformationen des Datenstroms nicht direkt die Quantisiererschrittgrößen für die einzelnen Skalenfaktoren gegeben sind, daß jedoch gemäß Vereinbarung, wie sie im AAC-Standard aufgeführt ist, die Quantisiererschrittgröße, die jedem Skalenfaktor zugeordnet ist, eindeutig abgeleitet werden kann. Darüberhinaus muß die Charakteristik des im ursprünglichen Codierer zum Erzeugen des Datenstroms verwendeten Quantisierers bekannt sein, d. h., wenn er ein ungleichmäßiger Quantisierer ist, der Kompressionsfaktor desselben, der beim AAC-Standard der Faktor 3 /4 ist .
Die Spektrallinien der spektralen Darstellung des gespreizten Informationssignals werden nun, wie es bereits ausgeführt worden ist, so gewichtet, daß sie zusammen eine Energie haben, die kleiner oder gleich der psychoakustisch maskierbaren Störenergie, und im Falle der in Fig. 3c beschriebenen Option gleich der Störenergie des Quantisierungsprozesses ist.
Wenn der Fall betrachtet wird, daß die durch die Quantisierung in Skalenfaktorband eingeführte Störenergie bereits gleich der psychoakustischen Maskierungsschwelle ist, und dann dieselbe Energie noch einmal, jedoch nun für die einzubringenden Informationen in das Audiosignal eingebracht wird, so ist zu sehen, daß die insgesamte Energie, d. h. die Störenergie aufgrund des Quantisierens und die Energie für die Informationen, die psychoakustische Maskierungsschwelle überschreiten können, was zu hörbaren Qualitätsverlusten führen kann, die jedoch aufgrund der Begrenzung der Energie der Informationen auf die psychoakustische Maskierungsschwelle klein sein werden, da die psychoakustische Maskierungsschwelle um einen Faktor größer als 1 verletzt wird. Wie es bereits ausgeführt worden ist, wird eine Wasserzeichenenergie in der Größenordnung der psychoakustischen Maskierungsschwelle dann zu Störungen führen, wenn auch das Quantisierungsrauschen bereits in der Größenordnung der psychoakustischen Maskierungsschwelle liegt. Es wird daher bevorzugt, die psychoakustisch maskierbare Störenergie, mit der gewichtet wird, so zu wählen, daß die gesamte Störenergie (Quantisierungsrauschen plus "Störenergie" der Informationen) kleiner als das 1,5-fache der psychoakustischen Maskierungsschwelle ist, wobei noch kleinere Faktoren bis nahe 1,0 möglich sind. Es sei darauf hingewiesen, daß auch kleine Faktoren sinnvoll sind, da aufgrund der Spreizung des Informationssignals bereits eine hohe Informationsredundanz eingeführt worden ist. Anders ausgedrückt wird das Einbringen eines Wasserzeichens in ein Audiosignal, dessen psychoakustische Maskierungsschwelle bereits vollständig durch Störenergie aufgrund des Quantisierens verbraucht ist, zu einer geringen Verschlechterung der Audioqualität führen, die jedoch durch die Vorteile des Wasserzeichens leicht aufgehoben wird.
Um diese Beeinträchtigung zu überwinden, kann das in Fig. 3d gezeigte Konzept eingesetzt werden, bei dem von vorneherein der Quantisierer im Codierer derart gesteuert wird, daß die durch die Quantisierung eingeführte Störenergie durch Einstellen der Quantisiererschrittgröße so gewählt wird, daß sie immer einen vorbestimmten Betrag unter der psychoakustischen Maskierungsschwelle bleibt. Mit anderen Worten arbeitet ein Audiocodierer für ein solches Konzept so, daß er feiner quantisiert als nötig, wodurch ein Energiepotential für die einzubringenden Informationen, d. h. für das Wasserzeichen freibleibt. Dies hat den Vorteil, daß ein Wasserzeichen vollständig ohne Qualitätsverlust eingebracht werden kann, wenn beim Ermitteln der psychoakustisch maskierbaren Störenergie (40d) die ja nun um einen vorbestimmten Betrag kleiner als die psychoakustische Maskierungsschwelle ist, in der Einrichtung 40d der vorbestimmte Betrag berücksichtigt wird, so daß die Störenergie aufgrund des Quantisierens und die Energie aufgrund der einzubringenden Informationen zusammen gleich oder kleiner als die psychoakustische Maskierungsschwelle sind. Da die gewichteten Spektralwerte des gespreizten Informationssignals mit den Spektralwerten des Audiosignals summiert werden, sind die Spektralwerte des Informationssignals nach ihrer Gewichtung gleich oder kleiner als der vorbestimmte Betrag.
Diese Option hat den Vorteil, daß ein Wasserzeichen ohne jeglichen Qualitätsverlust in einen Datenstrom eingebracht werden kann, daß jedoch einerseits die Interoperabilität leidet, und da der Quantisierer im Codierer immer um den vorbestimmten Betrag unter der psychoakustischen Maskierungsschwelle bei der Einstellung der Störenergie durch das Quantisieren bleiben muß. Andererseits ist diese Möglichkeit in der Implementation sehr effizient, da kein psychoakusti- sches Modell berechnet werden muß.
Im nachfolgenden wird auf Fig. 4 eingegangen, wobei Fig. 4 zwei Möglichkeiten für einen Codierer für Audiosignale zeigt, um einen Datenstrom zu erzeugen, der erfindungsgemäß besonders für ein Einbringen von Informationen geeignet ist. Ein solcher Audiocodierer kann grundsätzlich so aufgebaut sein, wie ein bekannter Audiocodierer, derart, daß er eine Einrichtung 50 zum Erzeugen einer spektralen Darstellung des Audiosignals, einen Quantisierer 52 zum Quantisieren der spektralen Darstellung des Audiosignals, einen Entropie-Codierer 54 zum Entropie-Codieren der quantisierten Spektralwerte und schließlich einen Datenstrommultiplexer 56 umfaßt. Der Datenstrom, der von dem Datenstrom-Multiplexer 56 ausgegeben wird, erhält von einem ebenfalls bekannten psychoakustischen Modell 58 über den Datenstrommultiplexer 56 die psychoakustische Maskierungsschwelle, die im Gegensatz zu einem bekannten Audiocodierer nun in den Datenstrom geschrieben wird, derart, daß die erfindungsgemäße Vorrichtung zum Einbringen von Informationen einfach auf die psychoakustische Maskierungsschwelle in dem Datenstrom zugreifen kann. Der in Fig. 4 durch die durchgezogene Linie 60 dargestellte Codierer ist somit das Gegenstück zu der in Fig. 1 gezeigten Vorrichtung zum Einbringen von Informationen, die als Einrichtung zum Ermitteln der maskierbaren Störenergie die in Fig. 3b gezeigte Option enthält.
In Fig. 4 gestrichelt ist die Audiocodierermöglichkeit gemäß der vorliegenden Erfindung dargestellt, die zu der in Fig. 3d gezeigten Option für die Einrichtung 40 zum Ermitteln der maskierbaren Störenergie in der in Fig. 1 gezeigten erfindungsgemäßen Vorrichtung korrespondiert. Hierbei wird der Quantisierer durch einen vorbestimmten Betrag derart gesteuert, daß die durch die Quantisierung eingeführte Störenergie um den vorbestimmten Betrag unterhalb der psychoakustischen MaskierungsschweUe ist, wobei der Wert des vorbestimmten Betrags über die gestrichelte Leitung 62 in den Datenstrommultiplexer 56 eingespeist wird, um in dem Datenstrom enthalten zu sein, derart, daß die erfindungsgemäße Vorrichtung zum Einbringen von Informationen auf den vorbestimmten Betrag zugreifen kann, um entsprechend gewichten zu können (Block 36 in Fig. 2).

Claims

Patentansprüche
Verfahren zum Einbringen von Informationen in einen Datenstrom, der Daten über Spektralwerte aufweist, die ein Kurzzeitspektrum eines Audiosignals darstellen, mit folgenden Schritten:
Verarbeiten (10, 16, 18) des Datenstroms, um die Spektralwerte des Kurzzeitspektrums des Audiosignals zu erhalten;
Beaufschlagen (32) der Informationen mit einer Spreizsequenz, um ein gespreiztes Informationssignal zu erhalten;
Erzeugen (34) einer Spektraldarstellung des gespreizten Informationssignals, um ein spektrales gespreiztes Informationssignal zu erhalten;
Ermitteln (40a; 40b; 40c; 40d) einer psychoakustisch maskierbaren Störenergie als Funktion der Frequenz für das Kurzzeitspektrum des Audiosignals, wobei die psychoakustisch maskierbare Störenergie kleiner oder gleich der psychoakustischen Maskierungsschwelle des Kurzzeitspektrums ist;
Gewichten (36) des spektralen gespreizten Informationssignals unter Verwendung der ermittelten Störenergie, um ein gewichtetes Informationssignal zu erzeugen, bei dem die Energie der eingebrachten Informationen im wesentlichen gleich oder unterhalb der psychoakustischen MaskierungsschweUe liegt;
Summieren (38) des gewichteten Informationssignals mit den Spektralwerten des Kurzzeitspektrums des Audiosignals, um Summen-Spektralwerte zu erhalten, die das Kurzzeitspektrum des Audiosignals und die Informationen umfassen; und
Verarbeiten (22, 24, 26) der Summen-Spektralwerte, um einen verarbeiteten Datenstrom zu erhalten, der die Daten über die Spektralwerte des Kurzzeitspektrums des Audiosignals und die einzubringenden Informationen umfaßt.
2. Verfahren nach Anspruch 1, bei dem der Datenstrom als Daten über Spektralwerte quantisierte Spektralwerte enthält, wobei der Schritt des Verarbeitens des Datenstroms folgenden Teilschritt aufweist:
inverses Quantisieren (18) der quantisierten Spektralwerte, um die Spektralwerte zu erhalten; und
bei dem der Schritt des Verarbeitens der Summen-Spektralwerte folgende Schritte aufweist:
Quantisieren (22) der Summen-Spektralwerte, um quantisierte Summen-Spektralwerte zu erhalten; und
Bilden (26) des verarbeiteten Datenstroms unter Verwendung der quantisierten Summen-Spektralwerte.
3. Verfahren nach Anspruch 2 , bei dem die quantisierten Spektralwerte im Datenstrom Entropie-codiert sind, wobei der Schritt des Verarbeitens des Datenstroms folgenden Teilschritt aufweist:
Entropie-Decodieren (18) der Entropie-codierten Spektralwerte, um die quantisierten Spektralwerte zu erhalten; und
bei dem der Schritt des Verarbeitens der Summen-Spektralwerte folgenden Schritt aufweist: Entropie-Codieren (24) der quantisierten Summen-Spektralwerte.
4. Verfahren nach einem der vorhergehenden Ansprüche, bei dem der Schritt des Ermitteins der psychoakustisch maskierbaren Störenergie folgenden Schritt aufweist:
Berechnen (40a) der psychoakustischen Maskierungsschwelle als Funktion der Frequenz unter Verwendung eines psychoakustischen Modells, das basierend auf den Spektralwerten des Audiosignals arbeitet.
5. Verfahren nach einem der Ansprüche 1 bis 3, bei dem im Datenstrom als Seiteninformationen eine beim Erzeugen des Datenstroms verwendete Maskierungsschwelle als Funktion der Frequenz für das Kurzzeitspektrum vorhanden ist, wobei der Schritt des Ermitteins folgenden Schritt aufweist:
Extrahieren (40b) der psychoakustischen Maskierungsschwelle aus dem Datenstrom, wobei die psychoakustisch maskierbare Störenergie gleich der psychoakustischen Maskierungsschwelle ist.
6. Verfahren nach einem der Ansprüche 1 bis 3, bei dem der Datenstrom ferner Seiteninformationen aufweist, die Skalenfaktoren (14) beinhalten, mit denen die Spektralwerte vor dem Quantisieren in einem Audiocodierer gruppenweise multipliziert wurden, wobei der Schritt des Verarbeitens des Datenstroms ferner folgenden Teilschritt aufweist:
Extrahieren der Skalenfaktoren aus dem Datenstrom; und
bei dem der Schritt des Ermitteins folgenden Schritt aufweist:
Berechnen der beim Quantisieren im Audiocodierer ein- geführten Störenergie als Funktion der Frequenz unter Verwendung der Skalenfaktoren für das Kurzzeitspektrum und unter Verwendung der Spektralwerte sowie unter Kenntnis eines im Audiocodierer verwendeten Quantisierers, wobei die eingebrachte Störenergie ein Maß für die psychoakustisch maskierbare Störenergie ist, die beim Gewichten verwendet wird.
7. Verfahren nach Anspruch 6, bei dem der Datenstrom gemäß ISO/IEC 13818-7 (MPEG-2 AAC) ausgebildet ist, und bei dem der Schritt des Schätzens der Störenergie folgende Schritte aufweist:
Ermitteln eines Quantisierungsschritts für die Spektralwerte aus einem Skalenfaktorband unter Verwendung des diesem Skalenfaktorband zugeordneten Skalenfaktors;
Auswerten der folgenden Gleichung, um die durch die Quantisierung eingeführte Störenergie für das Skalen- faktorband zu erhalten,
xmin = Σ[ (23/8'Qs)/(27/4) • Xi1/2]
wobei x^ die i-te Spektrallinie in einem Skalenfaktorband darstellt, wobei QS der Quantisierungsschritt für dieses Skalenfaktorband ist, und wobei xmin die durch die Quantisierung in das Skalenfaktorband eingeführte Störenergie ist;
und bei dem der Schritt des Gewichtens (36) folgenden Schritt aufweist:
Einstellen der Spektralwerte der spektralen Darstellung des gespreizten Informationssignals in dem Skalenfak- torband so, daß die Gesamtenergie der eingestellten Spektralwerte gleich der im Schritt des Auswertens erhaltenen Störenergie in diesem Skalenfaktorband ist.
8. Verfahren nach einem der Ansprüche 1 bis 3, bei dem die Spektralwerte des Datenstroms derart quantisiert sind, daß die durch die Quantisierung eingeführte Störenergie um einen vorbestimmten Betrag kleiner als die psychoakustische MaskierungsschweUe ist, und bei dem im Schritt des Ermitteins (40d) eine Energie bestimmt wird, die dem vorbestimmten Betrag entspricht; und
bei dem im Schritt des Gewichtens (36) die Spektralwerte der spektralen Darstellung des gespreizten Informationssignals derart eingestellt werden, daß sie eine Energie haben, die dem vorbestimmten Betrag entspricht.
9. Verfahren nach Anspruch 8 , bei dem der Wert des vorbestimmten Betrags als Seiteninformationen in dem Datenstrom vorhanden ist, wobei im Schritt des Ermitteins (40d) der Wert für den vorbestimmten Betrag aus den Seiteninformationen des Datenstroms extrahiert wird.
10. Verfahren nach einem der vorhergehenden Ansprüche, bei dem im Schritt des Verarbeitens der Summen-Spektralwerte die gleichen Quantisierungsschrittweiten wie im ursprünglichen Datenstrom verwendet werden.
11. Verfahren zum Codieren eines Audiosignals mit folgenden Schritten:
Erzeugen (50) eines Kurzzeitspektrums des Audiosignals, das eine Mehrzahl von Spektralwerten umfaßt;
Berechnen der psychoakustischen Maskierungsschwelle des Audiosignals unter Verwendung eines psychoakustischen Modells (58);
Quantisieren (52) der Spektralwerte unter Berücksichtigung der psychoakustischen Maskierungsschwelle, so daß die durch die Quantisierung eingeführte Störenergie gleich oder kleiner als die psychoakustische MaskierungsschweUe ist; und
Bilden (56) eines Bitstroms, der Werte enthält, die den quantisierten Spektralwerten des Kurzzeitspektrums entsprechen, und der darüberhinaus die berechnete psychoakustische Maskierungsschwelle (60) für das Kurzzeitspektrum des Audiosignals aufweist.
12. Verfahren zum Codieren eines Audiosignals, mit folgenden Schritten:
Erzeugen (50) eines KurzzeitSpektrums des Audiosignals, das eine Mehrzahl von Spektralwerten umfaßt;
Berechnen der psychoakustischen Maskierungsschwelle des Audiosignals unter Verwendung eines psychoakustischen Modells (58);
Quantisieren der Spektralwerte unter Berücksichtigung der psychoakustischen Maskierungsschwelle, so daß die durch die Quantisierung eingeführte Störenergie um einen vorbestimmten Betrag kleiner als die psychoakustische Maskierungsschwelle ist;
Bilden (56) eines Bitstroms, der Werte enthält, die den quantisierten Spektralwerten des Kurzzeitspektrums entsprechen.
13. Verfahren nach Anspruch 12, bei dem im Schritt des Bil- dens ferner eine Anzeige für den Wert (62) des vorbestimmten Betrags in den Bitstrom aufgenommen wird.
14. Vorrichtung zum Einbringen von Informationen in einen Datenstrom, der Daten über Spektralwerte aufweist, die ein Kurzzeitspektrum eines Audiosignals darstellen, mit folgenden Merkmalen: einer Einrichtung zum Verarbeiten (10, 16, 18) des Datenstroms, um die Spektralwerte des Kurzzeitspektrums des Audiosignals zu erhalten;
einer Einrichtung zum Beaufschlagen (32) der Informationen mit einer Spreizsequenz, um ein gespreiztes In- formationssignal zu erhalten;
einer Einrichtung zum Erzeugen (34) einer Spektraldarstellung des gespreizten Informationssignals, um ein spektrales gespreiztes Informationssignal zu erhalten;
einer Einrichtung zum Ermitteln (40a; 40b; 40c; 40d) einer psychoakustisch maskierbaren Störenergie als Funktion der Frequenz für das Kurzzeitspektrum des Audiosignals, wobei die psychoakustisch maskierbare Störenergie kleiner oder gleich der psychoakustischen Maskierungsschwelle des Kurzzeitspektrums ist;
einer Einrichtung zum Gewichten (36) des spektralen gespreizten Informationssignals unter Verwendung der ermittelten Störenergie, um ein gewichtetes Informationssignal zu erzeugen, bei dem die Energie der eingebrachten Informationen im wesentlichen gleich oder unterhalb der psychoakustischen Maskierungsschwelle liegt;
einer Einrichtung zum Summieren (38) des gewichteten Informationssignals mit den Spektralwerten des Kurzzeitspektrums des Audiosignals, um Summen-Spektralwerte zu erhalten, die das Kurzzeitspektrum des Audiosignals und die Informationen umfassen; und
einer Einrichtung zum Verarbeiten (22, 24, 26) der Summen-Spektralwerte, um einen verarbeiteten Datenstrom zu erhalten, der die Daten über die Spektralwerte des Kurzzeitspektrums des Audiosignals und die einzubringenden Informationen umfaßt.
15. Vorrichtung zum Codieren eines Audiosignals mit folgenden Merkmalen:
einer Einrichtung zum Erzeugen (50) eines Kurzzeitspektrums des Audiosignals, das eine Mehrzahl von Spektralwerten umfaßt;
einer Einrichtung zum Berechnen der psychoakustischen Maskierungsschwelle des Audiosignals unter Verwendung eines psychoakustischen Modells (58);
einer Einrichtung zum Quantisieren (52) der Spektralwerte unter Berücksichtigung der psychoakustischen Maskierungsschwelle, so daß die durch die Quantisierung eingeführte Störenergie gleich oder kleiner als die psychoakustische Maskierungsschwelle ist; und
einer Einrichtung zum Bilden (56) eines Bitstroms, der Werte enthält, die den quantisierten Spektralwerten des Kurzzeitspektrums entsprechen, und der darüberhinaus die berechnete psychoakustische Maskierungsschwelle (60) für das Kurzzeitspektrum des Audiosignals aufweist.
16. Vorrichtung zum Codieren eines Audiosignals, mit folgenden Merkmalen:
einer Einrichtung zum Erzeugen (50) eines Kurzzeitspektrums des Audiosignals, das eine Mehrzahl von Spektralwerten umfaßt;
einer Einrichtung zum Berechnen der psychoakustischen Maskierungsschwelle des Audiosignals unter Verwendung eines psychoakustischen Modells (58);
einer Einrichtung zum Quantisieren der Spektralwerte unter Berücksichtigung der psychoakustischen Maskie- rungsschwelle, so daß die durch die Quantisierung eingeführte Störenergie um einen vorbestimmten Betrag kleiner als die psychoakustische Maskierungsschwelle ist;
einer Einrichtung zum Bilden (56) eines Bitstroms, der Werte enthält, die den quantisierten Spektralwerten des Kurzzeitspektrums entsprechen.
PCT/EP2000/009771 1999-10-05 2000-10-05 Verfahren und vorrichtung zum einbringen von informationen in einen datenstrom sowie verfahren und vorrichtung zum codieren eines audiosignals WO2001026262A2 (de)

Priority Applications (7)

Application Number Priority Date Filing Date Title
DE50001467T DE50001467D1 (de) 1999-10-05 2000-10-05 Verfahren und vorrichtung zum einbringen von informationen in einen datenstrom sowie verfahren und vorrichtung zum codieren eines audiosignals
EP00969432A EP1212857B1 (de) 1999-10-05 2000-10-05 Verfahren und vorrichtung zum einbringen von informationen in einen datenstrom sowie verfahren und vorrichtung zum codieren eines audiosignals
US10/089,950 US7454327B1 (en) 1999-10-05 2000-10-05 Method and apparatus for introducing information into a data stream and method and apparatus for encoding an audio signal
AT00969432T ATE234533T1 (de) 1999-10-05 2000-10-05 Verfahren und vorrichtung zum einbringen von informationen in einen datenstrom sowie verfahren und vorrichtung zum codieren eines audiosignals
US12/238,365 US8117027B2 (en) 1999-10-05 2008-09-25 Method and apparatus for introducing information into a data stream and method and apparatus for encoding an audio signal
US12/366,586 US20090138259A1 (en) 1999-10-05 2009-02-05 Method and Apparatus for Introducing Information into a Data Stream and Method and Apparatus for Encoding an Audio Signal
US13/301,324 US20120065964A1 (en) 1999-10-05 2011-11-21 Method and apparatus for introducing information into a data stream and method and apparatus for encoding an audio signal

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19947877.5 1999-10-05
DE19947877A DE19947877C2 (de) 1999-10-05 1999-10-05 Verfahren und Vorrichtung zum Einbringen von Informationen in einen Datenstrom sowie Verfahren und Vorrichtung zum Codieren eines Audiosignals

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US10/089,950 A-371-Of-International US7454327B1 (en) 1999-10-05 2000-10-05 Method and apparatus for introducing information into a data stream and method and apparatus for encoding an audio signal
US12/238,365 Continuation US8117027B2 (en) 1999-10-05 2008-09-25 Method and apparatus for introducing information into a data stream and method and apparatus for encoding an audio signal

Publications (2)

Publication Number Publication Date
WO2001026262A2 true WO2001026262A2 (de) 2001-04-12
WO2001026262A3 WO2001026262A3 (de) 2001-10-25

Family

ID=7924519

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2000/009771 WO2001026262A2 (de) 1999-10-05 2000-10-05 Verfahren und vorrichtung zum einbringen von informationen in einen datenstrom sowie verfahren und vorrichtung zum codieren eines audiosignals

Country Status (5)

Country Link
US (4) US7454327B1 (de)
EP (1) EP1212857B1 (de)
AT (1) ATE234533T1 (de)
DE (2) DE19947877C2 (de)
WO (1) WO2001026262A2 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005055440A1 (de) * 2005-11-21 2007-05-24 Siemens Ag Verfahren und Vorrichtungen zum Einfügen, Erkennen und Entfernen von Wasserzeichen in einem Datenstrom
AU2005241157B2 (en) * 2004-04-30 2008-05-22 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Information signal processing by carrying out modification in the spectral/modulation spectral region representation
US7676336B2 (en) 2004-04-30 2010-03-09 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Watermark embedding

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19947877C2 (de) * 1999-10-05 2001-09-13 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Einbringen von Informationen in einen Datenstrom sowie Verfahren und Vorrichtung zum Codieren eines Audiosignals
DE10129239C1 (de) * 2001-06-18 2002-10-31 Fraunhofer Ges Forschung Vorrichtung und Verfahren zum Einbetten eines Wasserzeichens in ein Audiosignal
EP1423847B1 (de) * 2001-11-29 2005-02-02 Coding Technologies AB Wiederherstellung von hochfrequenzkomponenten
US7620545B2 (en) * 2003-07-08 2009-11-17 Industrial Technology Research Institute Scale factor based bit shifting in fine granularity scalability audio coding
DE102004009955B3 (de) * 2004-03-01 2005-08-11 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zum Ermitteln einer Quantisierer-Schrittweite
JP2006018023A (ja) * 2004-07-01 2006-01-19 Fujitsu Ltd オーディオ信号符号化装置、および符号化プログラム
CN101073272B (zh) 2004-10-20 2015-04-29 皇家飞利浦电子股份有限公司 减小量化噪音的方法
JP2007026357A (ja) * 2005-07-21 2007-02-01 Fuji Xerox Co Ltd 情報処理サーバ、情報処理システム、及びプログラム
US7835904B2 (en) * 2006-03-03 2010-11-16 Microsoft Corp. Perceptual, scalable audio compression
KR101010464B1 (ko) 2006-03-24 2011-01-21 코닌클리즈케 필립스 일렉트로닉스 엔.브이. 멀티 채널 신호의 파라메트릭 표현으로부터 공간적 다운믹스 신호의 생성
EP2186087B1 (de) * 2007-08-27 2011-11-30 Telefonaktiebolaget L M Ericsson (PUBL) Verbesserte transformationskodierung von sprach- und audiosignalen
CA2858944C (en) 2007-11-12 2017-08-22 The Nielsen Company (Us), Llc Methods and apparatus to perform audio watermarking and watermark detection and extraction
US8457951B2 (en) 2008-01-29 2013-06-04 The Nielsen Company (Us), Llc Methods and apparatus for performing variable black length watermarking of media
US8879895B1 (en) 2009-03-28 2014-11-04 Matrox Electronic Systems Ltd. System and method for processing ancillary data associated with a video stream
US9818422B2 (en) * 2013-08-30 2017-11-14 The Regents Of The University Of California Method and apparatus for layered compression of multimedia signals for storage and transmission over heterogeneous networks
KR101831088B1 (ko) 2013-11-13 2018-02-21 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. 오디오 신호를 인코딩하기 위한 인코더, 오디오 전송 시스템 및 보정값들을 결정하기 위한 방법
EP2881941A1 (de) * 2013-12-09 2015-06-10 Thomson Licensing Verfahren und Vorrichtung zur Wassermarkierung eines Audiosignals
US9576589B2 (en) * 2015-02-06 2017-02-21 Knuedge, Inc. Harmonic feature processing for reducing noise
US10043527B1 (en) 2015-07-17 2018-08-07 Digimarc Corporation Human auditory system modeling with masking energy adaptation

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0446037A2 (de) * 1990-03-09 1991-09-11 AT&T Corp. Hybride wahrnehmungsgebundene Kodierung von Audiosignalen
US5319735A (en) * 1991-12-17 1994-06-07 Bolt Beranek And Newman Inc. Embedded signalling
DE19640825A1 (de) * 1996-03-07 1997-09-11 Fraunhofer Ges Forschung Codierer zur Einbringung eines nicht hörbaren Datensignals in ein Audiosignal und Decodierer zum decodieren eines nicht hörbar in einem Audiosignal enthaltenen Datensignals
US5687191A (en) * 1995-12-06 1997-11-11 Solana Technology Development Corporation Post-compression hidden data transport

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5040217A (en) * 1989-10-18 1991-08-13 At&T Bell Laboratories Perceptual coding of audio signals
DE4102324C1 (de) * 1991-01-26 1992-06-17 Institut Fuer Rundfunktechnik Gmbh, 8000 Muenchen, De
ATE165198T1 (de) * 1991-03-29 1998-05-15 Sony Corp Reduzierung der zusaztinformation bei teilbandkodierungsverfahren
FI89439C (fi) * 1991-10-30 1993-09-27 Salon Televisiotehdas Oy Foerfarande foer att dekoda en audiosignal i vilken annan information aer infoerd med anvaendning av maskningseffekt
DE4136825C1 (de) * 1991-11-08 1993-03-18 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung Ev, 8000 Muenchen, De
US5285498A (en) * 1992-03-02 1994-02-08 At&T Bell Laboratories Method and apparatus for coding audio signals based on perceptual model
JP3278900B2 (ja) * 1992-05-07 2002-04-30 ソニー株式会社 データ符号化装置及び方法
US5301363A (en) * 1992-06-29 1994-04-05 Corporate Computer Systems, Inc. Method and apparatus for adaptive power adjustment of mixed modulation radio transmission
US5623577A (en) * 1993-07-16 1997-04-22 Dolby Laboratories Licensing Corporation Computationally efficient adaptive bit allocation for encoding method and apparatus with allowance for decoder spectral distortions
US5508949A (en) * 1993-12-29 1996-04-16 Hewlett-Packard Company Fast subband filtering in digital signal coding
US5404377A (en) * 1994-04-08 1995-04-04 Moses; Donald W. Simultaneous transmission of data and audio signals by means of perceptual coding
DE4430864C2 (de) * 1994-08-31 2003-04-30 Mayah Comm Gmbh Verfahren zum unbemerktem Übertragen und/oder Speichern von Zusatzinformationen innerhalb eines quellencodierten, datenreduzierten Audiosignals
US6301555B2 (en) * 1995-04-10 2001-10-09 Corporate Computer Systems Adjustable psycho-acoustic parameters
US5937000A (en) * 1995-09-06 1999-08-10 Solana Technology Development Corporation Method and apparatus for embedding auxiliary data in a primary data signal
DE69636084T2 (de) * 1995-09-28 2006-09-14 Nec Corp. Verfahren und Vorrichtung zum Einfügen eines Spreizspektrumwasserzeichens in Multimediadaten
US6035177A (en) * 1996-02-26 2000-03-07 Donald W. Moses Simultaneous transmission of ancillary and audio signals by means of perceptual coding
WO1997033391A1 (de) * 1996-03-07 1997-09-12 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Codierverfahren zur einbringung eines nicht hörbaren datensignals in ein audiosignal, decodierverfahren, codierer udn decodierer
US5812971A (en) * 1996-03-22 1998-09-22 Lucent Technologies Inc. Enhanced joint stereo coding method using temporal envelope shaping
US5960398A (en) * 1996-07-31 1999-09-28 Wictor Company Of Japan, Ltd. Copyright information embedding apparatus
US6061793A (en) * 1996-08-30 2000-05-09 Regents Of The University Of Minnesota Method and apparatus for embedding data, including watermarks, in human perceptible sounds
US5848155A (en) * 1996-09-04 1998-12-08 Nec Research Institute, Inc. Spread spectrum watermark for embedded signalling
GB2318029B (en) * 1996-10-01 2000-11-08 Nokia Mobile Phones Ltd Audio coding method and apparatus
KR100261254B1 (ko) * 1997-04-02 2000-07-01 윤종용 비트율 조절이 가능한 오디오 데이터 부호화/복호화방법 및 장치
KR100261253B1 (ko) * 1997-04-02 2000-07-01 윤종용 비트율 조절이 가능한 오디오 부호화/복호화 방법및 장치
US6466912B1 (en) * 1997-09-25 2002-10-15 At&T Corp. Perceptual coding of audio signals employing envelope uncertainty
JP3802219B2 (ja) * 1998-02-18 2006-07-26 富士通株式会社 音声符号化装置
JP3515903B2 (ja) * 1998-06-16 2004-04-05 松下電器産業株式会社 オーディオ符号化のための動的ビット割り当て方法及び装置
JP3784993B2 (ja) * 1998-06-26 2006-06-14 株式会社リコー 音響信号の符号化・量子化方法
KR100341197B1 (ko) * 1998-09-29 2002-06-20 포만 제프리 엘 오디오 데이터로 부가 정보를 매립하는 방법 및 시스템
US6320965B1 (en) * 1998-10-14 2001-11-20 Liquid Audio, Inc. Secure watermark method and apparatus for digital signals
US6300888B1 (en) * 1998-12-14 2001-10-09 Microsoft Corporation Entrophy code mode switching for frequency-domain audio coding
US6363338B1 (en) * 1999-04-12 2002-03-26 Dolby Laboratories Licensing Corporation Quantization in perceptual audio coders with compensation for synthesis filter noise spreading
US6246345B1 (en) * 1999-04-16 2001-06-12 Dolby Laboratories Licensing Corporation Using gain-adaptive quantization and non-uniform symbol lengths for improved audio coding
DE19947877C2 (de) * 1999-10-05 2001-09-13 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Einbringen von Informationen in einen Datenstrom sowie Verfahren und Vorrichtung zum Codieren eines Audiosignals
US6499010B1 (en) * 2000-01-04 2002-12-24 Agere Systems Inc. Perceptual audio coder bit allocation scheme providing improved perceptual quality consistency
DE10129239C1 (de) * 2001-06-18 2002-10-31 Fraunhofer Ges Forschung Vorrichtung und Verfahren zum Einbetten eines Wasserzeichens in ein Audiosignal
DE10216261A1 (de) * 2002-04-12 2003-11-06 Fraunhofer Ges Forschung Verfahren und Vorrichtung zum Einbetten von Wasserzeicheninformationen und Verfahren und Vorrichtung zum Extrahieren von eingebetteten Wasserzeicheninformationen
KR100547113B1 (ko) * 2003-02-15 2006-01-26 삼성전자주식회사 오디오 데이터 인코딩 장치 및 방법
DE102004021404B4 (de) * 2004-04-30 2007-05-10 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Wasserzeicheneinbettung
DE102004021403A1 (de) * 2004-04-30 2005-11-24 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Informationssignalverarbeitung durch Modifikation in der Spektral-/Modulationsspektralbereichsdarstellung
DE102004054549B3 (de) * 2004-11-11 2006-05-11 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zum Detektieren einer Manipulation eines Informationssignals

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0446037A2 (de) * 1990-03-09 1991-09-11 AT&T Corp. Hybride wahrnehmungsgebundene Kodierung von Audiosignalen
US5319735A (en) * 1991-12-17 1994-06-07 Bolt Beranek And Newman Inc. Embedded signalling
US5687191A (en) * 1995-12-06 1997-11-11 Solana Technology Development Corporation Post-compression hidden data transport
DE19640825A1 (de) * 1996-03-07 1997-09-11 Fraunhofer Ges Forschung Codierer zur Einbringung eines nicht hörbaren Datensignals in ein Audiosignal und Decodierer zum decodieren eines nicht hörbar in einem Audiosignal enthaltenen Datensignals

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JOHNSTON J D: "TRANSFORM CODING OF AUDIO SIGNALS USING PERCEPTUAL NOISE CRITERIA" IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS,US,IEEE INC. NEW YORK, Bd. 6, Nr. 2, 1. Februar 1988 (1988-02-01), Seiten 314-323, XP002003779 ISSN: 0733-8716 *
KATE W R TH TEN ET AL: "DIGITAL AUDIO CARRYING EXTRA INFORMATION" INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH & SIGNAL PROCESSING. ICASSP,US,NEW YORK, IEEE, Bd. CONF. 15, 3. April 1990 (1990-04-03), Seiten 1097-1100, XP000146962 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2005241157B2 (en) * 2004-04-30 2008-05-22 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Information signal processing by carrying out modification in the spectral/modulation spectral region representation
AU2005241157B8 (en) * 2004-04-30 2008-11-06 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Information signal processing by carrying out modification in the spectral/modulation spectral region representation
US7676336B2 (en) 2004-04-30 2010-03-09 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Watermark embedding
DE102005055440A1 (de) * 2005-11-21 2007-05-24 Siemens Ag Verfahren und Vorrichtungen zum Einfügen, Erkennen und Entfernen von Wasserzeichen in einem Datenstrom

Also Published As

Publication number Publication date
DE19947877A1 (de) 2001-05-10
US20090138259A1 (en) 2009-05-28
EP1212857B1 (de) 2003-03-12
DE19947877C2 (de) 2001-09-13
DE50001467D1 (de) 2003-04-17
WO2001026262A3 (de) 2001-10-25
EP1212857A2 (de) 2002-06-12
ATE234533T1 (de) 2003-03-15
US8117027B2 (en) 2012-02-14
US7454327B1 (en) 2008-11-18
US20120065964A1 (en) 2012-03-15
US20090076801A1 (en) 2009-03-19

Similar Documents

Publication Publication Date Title
EP1212857B1 (de) Verfahren und vorrichtung zum einbringen von informationen in einen datenstrom sowie verfahren und vorrichtung zum codieren eines audiosignals
EP1741215B1 (de) Wasserzeicheneinbettung
DE10129239C1 (de) Vorrichtung und Verfahren zum Einbetten eines Wasserzeichens in ein Audiosignal
DE60114638T2 (de) Modulation eines oder mehrerer parameter in einem wahrnehmungsgebundenen audio- oder video-kodiersystem in antwort auf zusätzliche information
DE602004005197T2 (de) Vorrichtung und verfahren zum kodieren eines audiosignals und vorrichtung und verfahren zum dekodieren eines kodierten audiosignals
DE60213394T2 (de) Audiokodierung mit partieller enkryption
DE60313332T2 (de) Audiocodierung mit niedriger bitrate
DE60117471T2 (de) Breitband-signalübertragungssystem
DE4320990B4 (de) Verfahren zur Redundanzreduktion
DE102004009955B3 (de) Vorrichtung und Verfahren zum Ermitteln einer Quantisierer-Schrittweite
EP1155526B1 (de) Vorrichtung und verfahren zum erzeugen eines verschlüsselten audio- und/oder videodatenstroms
EP1112621A1 (de) Vorrichtung und verfahren zum entropie-codieren von informationswörtern und vorrichtung und verfahren zum decodieren von entropie-codierten informationswörtern
WO2006114368A1 (de) Verfahren und vorrichtung zur geräuschunterdrückung
DE19959156A1 (de) Verfahren und Vorrichtung zum Verarbeiten eines Stereoaudiosignals
EP1697931A1 (de) Vorrichtung und verfahren zum ermitteln eines sch tzwerts
DE102007007627A1 (de) Steganographie in digitalen Signal-Codierern
DE602004009926T2 (de) Vorrichtung und verfahren zum einbetten eines wasserzeichens unter verwendung von subbandfilterung
DE60126811T2 (de) Kodierung von audiosignalen
DE69931932T2 (de) Verfahren und Vorrichtung zum Dekodieren und Einfügen eines Wasserzeichens in einen Datenstrom
DE602004000884T2 (de) Digitales Audiowasserzeichen
WO2001067773A1 (de) Vorrichtung und verfahren zum analysieren eines analyse-zeitsignals
EP0905918A2 (de) Verfahren und Vorrichtung zum Kodieren von Audiosignalen
DE19906512C2 (de) Verfahren zum unbemerkten Übertragen und/oder Speichern von Zusatzinformationen innerhalb eines Signals, insbesondere Audiosignals
DE10065363B4 (de) Vorrichtung und Verfahren zum Decodieren eines codierten Datensignals
WO2002080415A2 (de) Verfahren und vorrichtung zum ermitteln von in ein audiosignal eingebrachten informationen und verfahren und vorrichtung zum einbringen von informationen in ein audiosignal

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A2

Designated state(s): US

AL Designated countries for regional patents

Kind code of ref document: A2

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE

121 Ep: the epo has been informed by wipo that ep was designated in this application
DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
AK Designated states

Kind code of ref document: A3

Designated state(s): US

AL Designated countries for regional patents

Kind code of ref document: A3

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE

WWE Wipo information: entry into national phase

Ref document number: 2000969432

Country of ref document: EP

WWP Wipo information: published in national office

Ref document number: 2000969432

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 10089950

Country of ref document: US

WWG Wipo information: grant in national office

Ref document number: 2000969432

Country of ref document: EP