Files
JustOneCacophony/docs/math.md
T
TheM14 0820444f45 Fix JOC clipgain, offset_ts, frame status, and renderer state machine
Decode clipgain multiplicatively as 2^(x-4)*(1 + y/32), keep the raw
5-bit offset_ts values and reject frames whose offsets leave 0..23 or are
not strictly increasing, and read the EMDF sample offset as
variable_bits(11). Report parse errors through the frame status: 2
unsupported downmix configuration, 3 object count clamped, 4 parameter
band index, 5 invalid offset_ts, 6 trailing data after byte padding.
Correct the 15/9/5/3 subband-to-parameter-band rows.

Apply the clipgain ramp to the LFE samples before the 1217-sample delay,
stop fading objects in from zero when they have no previous matrix, and
keep disappeared objects published with an all-zero matrix until they
reappear.

Render each frame through the seq state machine: hold the previous
matrices while the decoder is unsynchronized, hard cut on seq 0 or a core
channel count change, and pass the delayed core PCM through when no JOC
metadata is present. Keep the 16-channel output as LFE + 15 objects so
CBA bed channels stay on the fixed-position object path that the ADM,
speaker, and binaural backends already consume.

Update the math notes and README for the multiplicative clipgain, the
no-previous-state interpolation, the LFE gain ramp, and the frame-level
decoding behavior. State that E-AC-3 input without JOC metadata is
outside the supported scope.
2026-11-06 11:35:59 +08:00

21 KiB
Raw Blame History

JustOneCacophony — E-AC-3 JOC 解码与渲染数学

English · 返回 README

本文只说明 JustOneCacophony 研究路径中使用的信号模型和公式:JOC 参数如何与核心 PCM 结合并重建对象信号,以及 OAMD 坐标如何转换为扬声器增益。

这些公式描述项目当前研究的 JOC 矩阵参数(dense 与 sparse 两条差分语法)与普通点对象路径,不代表对所有 E-AC-3 JOC 变体的完整定义。

1. 总体路径与记号

对象重建路径:

E-AC-3 核心 5.1 PCM
  + ID14 JOC 矩阵参数
  → analysis QMF
  → 参数带展开与时间插值
  → 对象矩阵
  → inverse QMF
  → LFE + 15 路对象 PCM

扬声器渲染路径:

LFE + 15 路对象 PCM
  + ID11 OAMD 坐标与更新时间
  → 目标布局 region
  → 等功率声像
  → 位置补偿
  → 逐样本增益斜坡
  → 扬声器 PCM

主要记号:

符号 含义
c=0\ldots4 核心声道 L、R、C、Ls、Rs
o=0\ldots14 15 个 JOC 对象
b=0\ldots63 复 QMF 子带
t=0\ldots23 每帧 24 个 64-sample 时槽
p(b) QMF 子带 b 对应的 JOC 参数带
X_{c,b,t} 核心声道的 analysis-QMF 值
M_{o,c,b,t} 对象矩阵系数
Z_{o,b,t} 对象的 inverse-QMF 输入
y_o[n] 对象时域 PCM

一帧的采样数为


N_f=1536=24\times64.

2. JOC 矩阵参数

每个对象、每个数据点的量化矩阵 joc_mix_mtx_q 都定义在 N_q 个量化级上。标志位 b_joc_sparse 选择两条差分语法之一:dense 为每个核心声道各送一路 MTX 差分,sparse 每参数带只送一个 active 声道与一路系数差分。

2.1 Dense 差分还原

令 quant_idx 为 $q_i\in{0,1}$,量化级数为


N_q=
\begin{cases}
96, & q_i=0,\\
192, & q_i=1.
\end{cases}

中心偏移为


O_q=\frac{N_q}{2}.

对对象 $o$、数据点 $d$、核心声道 c 和参数带 $p$,编码差分 \Delta_{o,d,c,p} 还原为


Q_{o,d,c,0}=
\left(O_q+\Delta_{o,d,c,0}\right)\bmod N_q,

Q_{o,d,c,p}=
\left(Q_{o,d,c,p-1}+\Delta_{o,d,c,p}\right)\bmod N_q,
\qquad p>0.

2.2 Sparse 差分还原

令 I_{o,d,p} 为 joc_channel_idx 符号(IDX), V_{o,d,p} 为 joc_vec 符号(VEC), N_c\in\lbrace5,7\rbrace 为核心声道数。每参数带只有一个 active 声道


A_{o,d,p}=
\begin{cases}
I_{o,d,0}, & p=0,\\
\left(A_{o,d,p-1}+I_{o,d,p}\right)\bmod N_c, & p>0,
\end{cases}

其中 I_{o,d,0} 是 3 bit 绝对声道号,其余 IDX 符号是相对上一个 active 声道的增量。系数是一个跨参数带连续的单累加器


\kappa_{o,d,-1}=O^{(s)}_q,\qquad
\kappa_{o,d,p}=
\left(\kappa_{o,d,p-1}+V_{o,d,p}\right)\bmod N_q,

sparse 起点比 dense 的中心偏移高两个量化级:


O^{(s)}_q=
\begin{cases}
50, & q_i=0,\\
100, & q_i=1.
\end{cases}

active 声道切换时累加器不重置。完整矩阵为


Q_{o,d,c,p}=
\begin{cases}
\kappa_{o,d,p}, & c=A_{o,d,p},\\
\dfrac{N_q}{2}, & c\neq A_{o,d,p}.
\end{cases}

非 active 项取 $N_q/2$,即去量化后恰为 0。

2.3 去量化

矩阵系数的去量化值为


D_{o,d,c,p}=
\left(Q_{o,d,c,p}-\frac{N_q}{2}\right)
\frac{820}{4096(1+q_i)}.

因此 coarse 模式的有效分母为 4096,fine 模式为 8192。

2.4 JOC clipgain

若 clipgain 字段由整数 x 和尾数 y 组成,则


G_{\mathrm{clip}}=
2^{x-4}\left(1+\frac{y}{32}\right).

值域为 $[0.0625,15.75]$;x=4 时化为 $1+y/32$。它并入分析端标量 $S=\frac{1}{16}G_{\mathrm{clip}}$,乘在核心 bed 的每个采样上(QMF 分析之前); 对象 inverse QMF 之后的 \times16 抵消 $1/16$,净效果是乘 $G_{\mathrm{clip}}$,因此钳位 [-1,1] 处在增益之后。标量按帧保留两个槽,本帧前 256 个采样从上一帧值线性过渡到本帧值、之后为常数, 复位后的第一帧直接取新值。LFE 走独立通路,但使用同一个完整 G_{\mathrm{clip}} 的逐点斜坡: 斜坡在进入 1217-sample 延迟之前乘到 LFE 采样上,见 §8。

3. 参数带展开与时间插值

3.1 参数带到 QMF 子带

JOC 矩阵按参数带编码,而 QMF 使用 64 个子带。令 p(b) 表示子带 b 所属的参数带,则每个参数带系数展开为


D_{o,d,c,b}=D_{o,d,c,p(b)}.

常见的 12-band 映射为


\begin{aligned}
\mathcal B_0 &= \{0\}, &
\mathcal B_1 &= \{1\}, &
\mathcal B_2 &= \{2\}, &
\mathcal B_3 &= \{3\},\\
\mathcal B_4 &= \{4,5\}, &
\mathcal B_5 &= \{6,7\}, &
\mathcal B_6 &= \{8,9,10\}, &
\mathcal B_7 &= \{11,12,13\},\\
\mathcal B_8 &= \{14,15,16,17\}, &
\mathcal B_9 &= \{18,\ldots,22\},\\
\mathcal B_{10} &= \{23,\ldots,34\}, &
\mathcal B_{11} &= \{35,\ldots,63\}.
\end{aligned}

其中 p(b)=k 当且仅当 $b\in\mathcal B_k$。其他参数带数使用各自的子带边界。

3.2 单数据点插值

令上一帧末值为 $P_{o,c,b}$,当前目标值为 $D_{o,c,p(b)}$。对象没有 previous 状态时 (整条流第一帧或对象首次出现),24 个时槽直接取当前目标(硬切,不从零淡入):


M_{o,c,b,t}=D_{o,c,p(b)},\qquad t=0\ldots23.

有 previous 状态时,对时槽 $t=0\ldots23$:


\alpha_t=\frac{t+1}{24},

M_{o,c,b,t}=
(1-\alpha_t)P_{o,c,b}
+\alpha_tD_{o,c,p(b)}.

因此第一时槽已经推进 ramp 的 $1/24$,最后一时槽等于当前目标:


M_{o,c,b,23}=D_{o,c,p(b)}.

该值随后成为下一帧的 previous 状态。对象 present 由 1 变 0 后,从该帧起继续按全零矩阵发布, 并把 previous 更新为零矩阵,直到它重新 present=1。

3.3 多数据点

offset_ts 给出各数据点开始生效的时隙序号,取原始 5 bit 值(合法范围 $0\ldots23$); 同一对象的数据点必须严格递增。默认模式(slope_idx=0)下,两个数据点 D_0,D_1 的插值为


M_{o,c,b,t}=
\begin{cases}
(1-\alpha_t)P_{o,c,b}+\alpha_tD_{0}, & t=0\ldots10,\ \alpha_t=\dfrac{t+1}{12},\\[1mm]
D_{0}, & t=11,\\[1mm]
(1-\beta_t)D_{0}+\beta_tD_{1}, & t=12\ldots23,\ \beta_t=\dfrac{t-11}{12}.
\end{cases}

阶跃模式(slope_idx=1)在指定时槽直接切换目标:t<o_0 保持上一帧末值 P_{o,c,b} (没有 previous 时取 $D_0$),o_0\le t<o_1 取 $D_0$,t\ge o_1 取 $D_1$; 单数据点时 t<o_0 保持 $P$、t\ge o_0 取 $D_0$。

4. 核心 PCM 的 analysis QMF

矩阵输入使用 N 个核心声道($N\in{5,7}$,由 joc\_dmx\_config\_idx 查表得到, k=0\ldots4 对应 $N=5,7,7,5,7$);LFE 走独立路径。核心 PCM 先缩放为


\widetilde x_c[n]=\frac{x_c[n]}{16}.

令 \mathcal A_b 表示带 polyphase 历史状态的 64-band analysis-QMF 算子,则


X_{c,b,t}=
\mathcal A_b\left(
\widetilde x_c[64t],\ldots,\widetilde x_c[64t+63];
\mathbf s^{\mathrm A}_{c,t}
\right).

该过程依次包含 analysis window/polyphase、调制、64 点 FFT 和子带重排。历史状态跨时槽和帧连续推进。

5. 核心声道的 QMF 域处理

L、R、C 在进入对象矩阵前延迟 10 个 QMF 时槽:


\widehat X_{c,b,t}=X_{c,b,t-10},
\qquad c\in\{L,R,C\}.

Ls、Rs 的 10 时槽延迟在环绕通路内完成,延迟线照常推进;b>0 的 -j 旋转与 band-0 的 21-tap 复 FIR 由同一个开关 \sigma(k)=1\iff k\in\{3,4\} 门控:


\widehat X_{c,b,t}=
\begin{cases}
-j\,X_{c,b,t-10}, & \sigma(k)=1,\ c\in\{Ls,Rs\},\ b>0,\\[1mm]
\sum_{m=0}^{20}h_mX_{c,0,t-m}, & \sigma(k)=1,\ c\in\{Ls,Rs\},\ b=0,\\[1mm]
X_{c,b,t-10}, & \text{其他情况}.
\end{cases}

N=7 时第 6、7 个核心声道(Lb/Rb 或 Tfl/Tfr)与前级相同,只做 10 时槽延迟: 通道身份只影响元数据与渲染,不进入 DSP。这些延迟和滤波历史属于解码状态, 不能按帧独立清零。

6. 对象矩阵

对每个对象 $o$、子带 b 和时槽 $t$,对象频域值为 N 个核心声道的线性组合:


Z_{o,b,t}=
\sum_{c=0}^{N-1}
M_{o,c,b,t}\widehat X_{c,b,t}.

analysis 输入的 1/16 缩放会在 inverse QMF 输出端由 \times16 抵消,因此矩阵本身不需要额外经验增益。

7. 对象 inverse QMF

7.1 子带重排

将 64 个复子带写成 128 个交织实数 src。对 $k=0\ldots31$:


\begin{aligned}
\mathrm{zone}[2k] &= \mathrm{src}[4k],\\
\mathrm{zone}[2k+1] &= -\mathrm{src}[4k+1],\\
\mathrm{zone}[126-2k] &= \mathrm{src}[4k+2],\\
\mathrm{zone}[127-2k] &= \mathrm{src}[4k+3].
\end{aligned}

把 zone 重新视为 64 个复数后执行未归一化 64 点 FFT:


F_k=
\sum_{n=0}^{63}
\mathrm{zone}_n
\exp\left(-j\frac{2\pi kn}{64}\right).

7.2 调制与合成

定义旋转系数


r_k=
\frac12\left(
\sin\frac{\pi k}{128}
+j\cos\frac{\pi k}{128}
\right),

并计算


R_k=2F_kr_k.

令 \mathcal S 表示带 640 项 synthesis window 和跨时槽状态的 polyphase 合成算子:


\mathbf y_{o,t}=
\mathcal S\left(
\mathbf R_{o,t},W,\mathbf s^{\mathrm S}_{o,t}
\right).

对象输出为


y_o[64t+r]=
\mathrm{clip}\left(
16\,\mathbf y_{o,t}[r],-1,1
\right)G_{\mathrm{clip}},

其中 $r=0\ldots63$。synthesis 状态必须按时槽连续推进。

8. LFE 路径

LFE 不经过对象矩阵或 inverse QMF。核心 LFE 先乘逐点增益斜坡 $G[n]$(与 §2.4 同一个完整 $G_{\mathrm{clip}}$:n<256 时 $G[n]=G_{\mathrm{old}}+n(G_{\mathrm{new}}-G_{\mathrm{old}})/256$, n\ge256 时 $G[n]=G_{\mathrm{new}}$,首帧或复位后 $G_{\mathrm{old}}=G_{\mathrm{new}}$), 再进入 1217-sample 延迟;读出后只做钳位,不再乘任何增益:


y_{\mathrm{LFE}}[n]=
\mathrm{clip}\left(
x_{\mathrm{LFE,core}}[n-1217]\cdot G[n-1217],-1,1
\right).

其中 G[k] 取输入采样 k 所在帧内的位置,即 $k\bmod1536$。

9. OAMD 坐标

横向和纵向网格使用 $N=62$,高度网格使用 $N=15$。量化函数为


q_N(k)=
\min\left(
32767,
\left\lfloor\frac{32768k}{N}+\frac12\right\rfloor
\right).

OAR 坐标为


u=\frac{q_1}{32768},
\qquad
v=\frac{q_2}{32768},
\qquad
w=\frac{q_3}{32768}.

其最大运行值为 $32767/32768$,不是精确的 1。

转换为 ADM 网格时:


k_1=\mathrm{round}\left(\frac{62q_1}{32767}\right),
\quad
k_2=\mathrm{round}\left(\frac{62q_2}{32767}\right),
\quad
k_3=\mathrm{round}\left(\frac{15q_3}{32767}\right),

X=2\frac{k_1}{62}-1,
\qquad
Y=1-2\frac{k_2}{62},
\qquad
Z=\frac{k_3}{15}.

连续坐标关系为


u=\frac{X+1}{2},
\qquad
v=\frac{1-Y}{2},
\qquad
w=Z.

10. 等功率扬声器声像

10.1 一维插值

相邻扬声器坐标为 $a_0<a_1$,对象位置为 $a$。归一化位置为


\tau=\frac{a-a_0}{a_1-a_0}.

区间内的增益为


g_0(\tau)=\cos\left(\frac\pi2\tau\right),
\qquad
g_1(\tau)=\sin\left(\frac\pi2\tau\right),

并满足


g_0^2(\tau)+g_1^2(\tau)=1.

区间外的对象位置夹到最近端点。

10.2 二维 region

每一行先沿 u 得到横向增益向量 $\mathbf h_r(u)$。若对象位于相邻两行 r_0,r_1 之间:


\eta=\frac{v-v_{r_0}}{v_{r_1}-v_{r_0}},

a_0=\cos\left(\frac\pi2\eta\right),
\qquad
a_1=\sin\left(\frac\pi2\eta\right).

二维点增益为


\mathbf G_{\mathrm{2D}}(u,v)=
\mathbf h(u)\odot\mathbf v(v).

对于只有一对水平环绕、没有独立 side/rear 两对的布局(5.1 系列,以及 4.0 这类 只有一对后置声道的布局),仅在 OAMD warp_mode=1 时,纵向坐标使用


v_{\mathrm{floor}}=
\mathrm{clamp}(2v,0,1).

warp_mode=0 或其他布局使用 $v_{\mathrm{floor}}=v$。高度层不做该缩放。 未携带 warp 元数据时采用 0;命令行不提供覆盖选项。warp 2/3 使用 §12.5 的中间布局与折叠矩阵。 有 front/back balance 时,先求这里的分支坐标,再应用 §12.3 的 balance。

10.3 高度层

三维布局分别计算地面层增益 \mathbf G_f 和高度层增益 $\mathbf G_h$:


\mathbf G_{\mathrm{point}}(u,v,w)=
\cos\left(\frac\pi2w\right)\mathbf G_f
+
\sin\left(\frac\pi2w\right)\mathbf G_h.

当地面层与高度层扬声器集合不重叠、且各层内部使用等功率插值时:


\left\|\mathbf G_{\mathrm{point}}\right\|_2=1.

11. 布局位置补偿

本节是 trim 为 automatic 时的逐对象增益。disabled 取 1;explicit 改用 §12.2, 不能把 automatic 增益与 explicit trim 再乘一遍。

令 N_h 为相关高度扬声器数,N_f 为相关附加水平扬声器数:


H=\min\left(\frac{N_h}{4},1\right),
\qquad
F=\min\left(\frac{N_f}{4},1\right).

最大位置补偿为


A_{\max}=
-\max\left(4.5-1.5H-3F,0\right)
\quad\text{dB}.

前后与高度位置权重为


p_v=\mathrm{clamp}\left(\frac v{0.6},0,1\right),

p_w=\mathrm{clamp}\left(\frac{w-0.2}{0.8},0,1\right),

p=\mathrm{clamp}(p_v+p_w,0,1).

线性补偿增益为


G_{\mathrm{pos}}=10^{A_{\max}p/20}.

对象的目标增益向量为


\mathbf G_{\mathrm{target}}=
G_{\mathrm{object}}
G_{\mathrm{pos}}
\mathbf G_{\mathrm{point}}.

12. OAMD trim 与前后平衡

12.1 配置选择

OAMD trim element 把节目的校准数据分成九个配置,由目标布局的附加水平扬声器数 N_f 与高度扬声器数 N_h 选定:


\kappa_f(N)=
\begin{cases}
0, & N=0,\\
1, & N\in\{2,3\},\\
2, & \text{其他},
\end{cases}
\qquad
\kappa_h(N)=
\begin{cases}
0, & N=0,\\
1, & N=2,\\
2, & \text{其他}.
\end{cases}

c_{\mathrm{trim}}=\kappa_f(N_f)+3\,\kappa_h(N_h).

九个配置依次为“no / some / many 附加水平 × no / some / many 高度”。

trim 与前后平衡只在七种布局下施加:2.0、3.1、4.0、5.1、5.1.2、5.1.4、7.1。 更宽的布局(7.1.2、7.1.4、9.1.4、9.1.6)取 $g_t=1$、$b=0$。

warp、trim 和 balance 均从 OAMD 元数据读取。各参数的取值与作用为:

参数 取值或单位 行为
warp_mode 0 / 1 / 2 / 3 直接渲染 / 地面 Y 缩放 / PLIIx 折叠 / Standard(Lo/Ro)折叠
global_trim_mode 0 / 1 / 2 automatic / disabled / 按目标布局配置选择;3 为保留值,明确报错
$T_s$、T_h dB 显式 surround、height trim 参数,正值按 0 处理
T_c dB 显式 centre trim 参数,保留符号
$b_{\mathrm{lis}}$、b_{\mathrm{tb}} $[-1,1]$,步长 1/16 听音平面、顶部的前后 balance
逐对象 trim bypass 布尔值 关闭该对象的 balance 和 trim 增益,保留 warp

全局模式为 2 时,所选配置的 default 或 disabled 标志分别采用 automatic 或 disabled; 缺失配置采用 automatic,其他配置使用其显式参数。automatic 使用 §11 的位置补偿, disabled 使用单位增益,explicit 使用 §12.2,三种模式互斥。

初始没有 trim element 时采用 warp_mode=0、automatic trim。后续 payload 不含该 element 时保持上一组控制;出现新 element 时,在对应元数据事件边界更新。命令行不提供 warp 覆盖选项。

12.2 逐对象电平

centre、surround、height 是位置相关 trim 函数的参数,不是混音后各输出声道的固定增益。 令 y_t 为原始 Y 经 balance 后的坐标,$z=\max(w,0)$:


a_s=\mathrm{clamp}(2y_t,0,1)(1-z),\qquad a_h=z,

a_c=1-\mathrm{clamp}\bigl(10\max(|z|-0.05,\ y_t-0.05,\ |u-0.5|-0.05),0,1\bigr).

explicit 状态下,surround/height 参数上限为 0 dB,centre 保留有符号电平:


D=a_s\min(T_s,0)+a_h\min(T_h,0)+a_cT_c,\qquad g_t=10^{D/20}.

同一个 g_t 乘该对象的整条声像增益向量,然后才累加不同对象。automatic 使用 §11; disabled 或逐对象 trim bypass 取 $g_t=1$。LFE 仍直接通过。 增益求值、声像插值和对象累加均使用 float64。

12.3 前后平衡

每个配置还携带两个前后平衡量:b_{\mathrm{lis}} 作用于听音平面, b_{\mathrm{tb}} 作用于顶部。二者按 1/16 网格量化,只在显式配置下非零。

记 $n=\mathrm{round}(16,|b|)$、$s=n/18$,单层映射为


B_b(y)=
\begin{cases}
y, & y\le 0.05\ \text{或}\ y\ge 0.95,\\[2pt]
(1+s)y-0.05s, & 0.05<y<0.5,\ b>0,\\[2pt]
(1-s)(y-0.5)+0.5+0.45s, & 0.5\le y<0.95,\ b>0,\\[2pt]
(1-s)y+0.05s, & 0.05<y<0.5,\ b<0,\\[2pt]
(1+s)(y-0.5)+0.5-0.45s, & 0.5\le y<0.95,\ b<0.
\end{cases}

它把 [0.05,0.95] 单调映到自身:两端不动,y=0.5 处两段取值相同,斜率分别为 1+s 与 $1-s$。首尾各 5\% 的墙区以及 b=0 的情形都原样通过,因此映射不会 越界,也无需额外钳位。

高度 w 把两层混合起来:


y'=(1-w)\,B_{b_{\mathrm{lis}}}(y)+w\,B_{b_{\mathrm{tb}}}(y).

前后轴 y 的取向见 §9,0 为前、1 为后;x 与 z 不变。

12.4 施加位置

记 §12.3 的高度混合 balance 映射为 $B_z(y)$,§10.2 的 warp 映射为 $W(y)$。 warp 0/1 直接渲染点对象时,分支顺序为


y_f=B_z(W(y)),\qquad y_h=B_z(y),\qquad y_t=B_z(y).

地面和高度声像分别使用 $y_f,y_h$,trim 函数使用 $y_t$。最后组合


g_{o,c}=G_{\mathrm{object}}\,g_t(u,y_t,z)\,P_c(u,y_f,y_h,z).

因此可概括为 warp → balance → trim 与声像增益合成,但不能让所有阶段共用一个 已经 warp 的 Y。balance 仅在 explicit 且未逐对象 bypass 时启用;warp 不受 trim 状态或 trim bypass 控制。源坐标保持原值,ADM 与 binaural 不预处理此变换。

地面坐标依次经过 warp、balance,再用于地面声像;顶部坐标和 trim 求值坐标只经过 balance。trim 标量乘到该对象的整条声像增益向量后,再累加到输出声道。LFE 直接通过。

12.5 warp 2/3 的环绕折叠

目标为 5.1、5.1.2 或 5.1.4 时,warp 2/3 先把对象渲染到对应的 7.1、7.1.2 或 7.1.4 中间布局,再将后环绕折叠到目标的环绕对。4.0 同样先增加一对后环绕, 中间布局不增加 centre 或 LFE。其他现有布局直接渲染。

中间布局只改变扬声器几何与声像分配。Trim 配置、两层 Balance 和 Auto Trim 的 最大位置补偿仍按最终目标布局选择。例如,5.1.2 使用配置 4,最大位置补偿为 -2.25 dB,即使其中间布局是 7.1.2,也继续使用这些参数。中间布局已有独立 side/rear 两对,地面 Y 不再乘 2;Balance 和逐对象 Trim 在中间渲染时求值。

设中间布局输出为 $L_s,R_s,L_{rs},R_{rs}$,最终目标的环绕输出为 $L'_s,R'_s$:


L'_s=L_s+aL_{rs}+bR_{rs},\qquad
R'_s=R_s+bL_{rs}+aR_{rs}.
模式 a b
2:PLIIx \sqrt{3}/2 1/2
3:Standard(Lo/Ro) 1 0

两种矩阵都按线性幅度相加,不做折叠后的能量归一化。共同的前方、高度和 LFE 声道按对应位置直接通过。折叠后的对象增益向量进入 §13 的目标增益更新与斜坡, 然后累加对象音频。

完整顺序为:按目标布局选择校准参数 → 在中间布局应用 Balance、Trim 并计算声像 增益 → 折叠水平环绕 → 更新增益斜坡与混音。逐对象 bypass 关闭 Balance 和 Trim, 但仍保留 warp 2/3 的布局选择与折叠。上述模式属于通用扬声器渲染控制;E-AC-3 JOC 公开定义的 warp 值仍为 0/1,源对象轨迹、ADM 和 binaural 不预处理折叠结果。

13. OAMD 时间对齐与增益斜坡

OAMD 更新的编码位置为


s_{\mathrm{coded}}=
s_{\mathrm{frame}}
+s_{\mathrm{outer}}
+s_{\mathrm{OAMD}}
+32f_{\mathrm{block}}.

decoder 输出 PCM timeline 上的理论更新位置为


s_{\mathrm{theoretical}}=
s_{\mathrm{coded}}+d_{\mathrm{decoder}},
\qquad d_{\mathrm{decoder}}=1473.

扬声器 renderer 保留现有的处理块长度 $B=32$,更新点对齐为


\widehat s=
B\left\lfloor
\frac{s_{\mathrm{theoretical}}+B/2-1}{B}
\right\rfloor.

因此,对 frame-aligned 更新有 align32(1473)=1472。1473 是 metadata interface 的理论 decoder delay;1472 是当前 32-sample control block 中的有效边界。inverse-QMF 使用的 640 项 window/state 不属于这条 metadata timing 公式。

给定 ramp duration $D$,block 数为


K=
\left\lfloor
\frac{D+B/2-1}{B}
\right\rfloor.

若当前增益为 $g_0$、目标为 $g_1$,则每 block 的增量为


\Delta g=\frac{g_1-g_0}{K}.

第 j 个 block 内的样本 r=0\ldots B-1 使用


g_{j,r}=g_j+\frac rB\Delta g,
\qquad
g_{j+1}=g_j+\Delta g.

如果中途没有新的 metadata 更新,该过程等价于总长度 KB 的逐样本线性斜坡。

14. 最终扬声器混音

对目标输出声道 $c$:


y_c[n]=
\delta_{c,\mathrm{LFE}}x_{\mathrm{LFE}}[n]
+
\sum_{o=1}^{15}x_o[n]g_{o,c}[n].

其中


\delta_{c,\mathrm{LFE}}=
\begin{cases}
1, & c\text{ 为目标布局的 LFE},\\
0, & \text{其他声道}.
\end{cases}

没有 LFE 输出的布局不把输入 LFE 混入其他声道。对象完成累加后,再按目标格式要求排列输出声道。

若输出 PCM24,量化关系为


y_{24}[n]=
\mathrm{trunc}\left(
8388607\,\mathrm{clip}(y[n],-1,1)
\right).

15. 公式适用范围

  • JOC 矩阵部分同时描述 dense MTX 与 sparse IDX/VEC 两条差分语法。
  • 扬声器声像部分描述普通点对象;extent、spread、divergence 等模式需要额外模型。
  • 多个 OAMD position block 必须按其时间顺序调度。
  • limiter 属于独立后处理,不包含在上述混音公式中。
  • trim 与前后平衡只作用于扬声器渲染;双耳渲染不读取它们。