Files
JustOneCacophony/docs/math.md
T
TheM14 58e3403642
ci / ubuntu-latest (push) Failing after 16s
ci / macos-latest (push) Canceled after 0s
ci / windows-latest (push) Canceled after 0s
ci / release (push) Canceled after 0s
Read the OAMD trim element into speaker rendering and ADM
The OAMD parser reads the trim element: warp mode, global trim mode, the
nine per-configuration records (centre, surround and height level, the two
front-back balances) and the per-object bypass flags. OamdUpdate carries
it, so the file task and the streaming step see the same state; a payload
without the element keeps the previous controls, and an absent element
starts at warp 0 with automatic trim.

Speaker rendering reads the controls from OAMD only; neither the CLI nor
the frontends offer an override. Eligible layouts leave the floor Y alone
at warp 0 and use clamp(2Y, 0, 1) at warp 1, the height layer is never
scaled, and warp 2/3 is reported as unsupported where the speaker
consumes it. Floor, height and trim evaluation keep separate coordinates:
floor Y is balance(warp(Y)), while height Y and trim Y are balance(Y). An
explicit configuration contributes a position-dependent scalar for each
object, applied before accumulation instead of to the output channels
after the mix; automatic, disabled and explicit are mutually exclusive, and
a bypassed object keeps its warp but loses balance and trim. Automatic
still uses the layout position compensation, disabled uses unity, and
layouts without trim semantics stay disabled. LFE passes through, and ADM
source positions and binaural rendering are unchanged.

The controls travel in ejoc_speaker_controls, a C struct a future decoder
can fill without knowing the layout; the layout table now carries the
surround and height channel counts and the seven layouts that have trim
semantics. The internal ABI goes to version 3 for the new process
parameter.

The ADM writer mirrors the element into both carriers. AXML gains
DolbyAtmosMasterFile with DolbyMasterContentInfo, DolbyTrimModeSetup (one
record per configuration, zero values for a disabled one) and
DolbyWarpMode. dbmd segment 10 carries the nine 15-byte records (automatic
flag, three float32 levels and two sign-magnitude balances), and segment 9
writes the warp code into the low three bits of at[152] while keeping the
other packed fields. The task scans the first 64 audio frames for the
element, as the reference does, so a duration-limited render still writes
it.

The bilingual mathematical notes describe the configuration index, the
balance map, the three coordinates and the evaluation order; the READMEs
state that the controls come from OAMD and that warp 2/3 is refused. ctest
covers the element parse, configuration selection, warp 0/1 with the Q15
clamp, the height coordinate, explicit trim and balance, per-object
bypass, LFE passthrough, the step's metadata updates and the exact
dbmd/AXML bytes. Speaker output over the same objects16 stream is
byte-identical to the reference for the seven trimmed layouts and the
wider ones, and both ADM carriers of a rendered BWF are byte-identical to
the reference writer.

The product version goes to 1.2.0; the public ABI stays at 5.
2026-11-03 01:34:15 +08:00

18 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}}=
1+\frac{y}{32}2^{x-4}.

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 走旁通通路,不参与该标量。

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。

3.3 多数据点

当一帧含两个数据点时,offset_ts 给出分段边界。每一段在上一目标和下一目标之间使用相同的线性关系;阶跃模式则在指定时槽直接切换目标。

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,而是使用 1217-sample 延迟。输入与输出端的比例因子抵消后:


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

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),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。2/3 保留为未实现,报错而不回退。 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 选择 §10.2 的地面 Y 映射;2/3 暂不支持,遇到时明确报错
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 $W(y)$。 普通点对象的实际分支顺序为


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 不预烘焙此变换。

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。

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。