JP2005523479A - パラメータによるマルチチャンネルオーディオ表示 - Google Patents

Abstract

マルチチャンネルオーディオ信号は、モノラルオーディオ信号と情報に符号化され、そのモノラルオーディオ信号とその情報からマルチチャンネルオーディオ信号を回復できる。マルチチャンネルオーディオ信号の第１の周波数領域についてその情報の第１の部分を決定し、マルチチャンネルオーディオ信号の第２の周波数領域についてその情報の第２の部分を決定することにより、その情報を生成する。第２の周波数領域は、第１の周波数領域の一部であり、よって第１の周波数領域のサブレンジである。その情報は、ビットレートに対する復号品質のスケーリングを可能とするようマルチレイヤーである。

Description

発明の詳細な説明

本発明は、マルチチャンネルオーディオ信号を符号化する方法、マルチチャンネルオーディオ信号を符号化するエンコーダ、オーディオ信号を供給する装置、符号化されたオーディオ信号、符号化されたオーディオ信号が記憶された記憶媒体、符号化されたオーディオ信号を復号する方法、符号化されたオーディオ信号を復号するデコーダ、復号されたオーディオ信号を供給する装置に関する。

欧州特許第EP-A-1107232には、左チャンネル信号と右チャンネル信号から構成されるステレオオーディオ信号の表示を生成するパラメータによる符号化方法が開示されている。送信バンド幅を効率的に使用するために、上記の表示は、左チャンネル信号または右チャンネル信号いずれかモノラル信号とパラメータ情報だけに関する情報を含む。他のステレオ信号は、他のステレオ信号は、モノラル信号とパラメータ情報に基づき回復できる。パラメータ情報は、左右チャンネルの強度と位相特性を含むステレオオーディオ信号の位置特定キューを有する。

符号化されたオーディオ信号の品質を利用可能なビットレートに合わせてスケールできる、または符号化されたオーディオ信号の品質をデコーダの複雑性または利用可能な送信バンド幅に合わせてスケールできる、パラメータによるマルチチャンネルオーディオシステムを提供することが本発明の目的である。

本発明の第１の態様によると、請求項１に記載のマルチチャンネルオーディオ信号を符号化する方法が提供される。本発明の第２の態様によると、請求項２に記載のマルチチャンネルオーディオ信号を符号化する方法が提供される。本発明の第３の態様によると、請求項１４に記載したマルチチャンネルオーディオ信号を符号化するエンコーダが提供される。本発明の第４の態様によると、請求項１５に記載のマルチチャンネルオーディオ信号を符号化するエンコーダが提供される。本発明の第５の態様によると、請求項１６に記載のオーディオ信号を供給する装置が提供される。本発明の第６の態様によると、請求項１７に記載の符号化されたオーディオ信号が提供される。本発明の第７の態様によると、請求項１８に記載の符号化された信号が記憶された記憶媒体が提供される。本発明の第８の態様によると、請求項１９に記載の復号方法が提供される。本発明の第９の態様によると、請求項２０に記載の符号化されたオーディオ信号を復号する方法が提供される。本発明の第１０の態様によると、請求項２１に記載の復号されたオーディオ信号を供給する装置が提供される。有利な実施形態が従属項に明確に記載されている。

本発明の第１の態様によるマルチチャンネルオーディオ信号を符号化する方法において、単一チャンネルのオーディオ信号が生成される。さらに、マルチチャンネルオーディオ信号から情報が生成される。その単一チャンネルオーディオ信号とその情報からマルチチャンネルオーディオ信号が求められる品質レベルで回復可能である。好ましくは、その情報は、例えば欧州特許第EP-A-1107232に開示されているようなパラメータのセットを有する。

本発明の第１の態様によると、マルチチャンネルオーディオ信号の第１の周波数領域のための情報の第１の部分を決定し、マルチチャンネルオーディオ信号の第２の周波数領域のための情報の第２の部分を決定することにより、当該情報が生成される。第２の周波数領域は、第１の周波数領域の一部であり、よって第１の周波数領域のサブレンジである。復号の品質は２つのレベルが可能である。復号されたマルチチャンネルオーディオ信号の低い品質レベルのために、デコーダは符号化された単一のチャンネルオーディオ信号と情報の第１の部分を用いる。高い品質が要求されるときは、デコーダは符号化された単一チャンネルオーディオ信号と、情報の第１と第２の部分両方とを使用する。もちろん、もし異なる周波数領域に関連した情報の多数の部分があるときは、多数のレベルから復号品質を選択することができる。例えば、第１の部分は、マルチチャンネルオーディオ信号の全バンド幅をカバーする周波数領域内で決定された単一セットのパラメータを有してもよい。第２の部分は、全バンド幅について決定された、いくつかのセットのパラメータを有してもよい。その部分は好ましくは全バンド幅をカバーする。しかし、他の多くの可能性がある。例えば、第１の部分は２セットのパラメータを有してもよい。第１のセットは全バンド幅の低い部分をカバーする周波数領域について決定され、第２のセットは全バンド幅の他の部分をカバーする周波数領域について決定される。第２の部分は、全バンド幅の低い部分内の２つの周波数領域について決定された２セットのパラメータを有していてもよい。全バンド幅の低い方の部分と高い方の部分のためのパラメータのセット数が同じである必要はない。

符号化されたオーディオ信号のこの表示により、復号されたオーディオ信号の品質をデコーダの複雑性に依存させることもできる。例えば、簡単なポータブルデコーダにおいて、消費電力が少なく、それゆえ情報の一部のみを用いることができる低複雑性デコーダを用いてもよい。ハイエンドのアプリケーションにおいては、符号化された信号中の利用可能な情報をすべて使用する複雑なデコーダを用いる。

復号されたオーディオの品質は、利用可能な送信バンド幅にも依存してもよい。送信バンド幅が大きいとき、デコーダは、利用可能なレイヤーすべてが送信されているのでこれを復号することができる。送信バンド幅が小さいときは、トランスミッタは限定された数のレイヤーのみを送信することを決定することができる。

本発明の第２の態様において、エンコーダは、符号化されたマルチチャンネルオーディオ信号の最大許容可能ビットレートを受信する。この最大許容可能ビットレートは、インターネット等の通信チャンネルや記憶媒体の利用可能なビットレートにより定義される。送信バンド幅が変化し、よって最大許容可能ビットレートが時間と共に変化するアプリケーションにおいては、復号されたオーディオ信号の品質が非常に低くなることを避けるため、送信バンド幅のこれらの変動に適合することが重要である。普通は、エンコーダは利用可能なレイヤーをすべて符号化する。どのレイヤーを送信するかは、利用可能なチャンネルの容量に応じて、送信側で決定される。ループ内のエンコーダでこれを行うことが可能であるが、しかし送信前にいくつかのレイヤーを引き剥がすことはより複雑にある。

単一チャンネルオーディオ信号を有する符号化されたマルチチャンネルオーディオ信号と、情報の第１と第２の部分のビットレートが最大許容可能ビットレートより高くないとき、エンコーダはマルチチャンネルオーディオ信号の第２の周波数領域の情報の第２の部分を符号化されたオーディオ信号に加えるのみである。よって、送信バンド幅が第２の部分の送信をサポートするだけ大きくないときには、第２の部分は符号化されたオーディオ信号には存在しない。

請求項４に記載の実施形態において、情報はパラメータのセットを有する。情報の各部分は、パラメータの１以上のセットにより表示される。パラメータのセット数は、情報の部分にある周波数領域の数に応じて決まる。

請求項６に記載の実施形態において、パラメータのセットは少なくとも１つの位置特定キューを有する。

請求項７に記載の実施形態において、第１の周波数領域はマルチチャンネルオーディオ信号の全バンド幅を実質的にカバーする。これにより、単一チャンネルオーディオ信号をマルチチャンネルオーディオ信号に復号するために要する基本情報を提供するのに、１セットのパラメータで十分である。これにより、復号されたオーディオ信号の基本レベルの品質が保証される。第２の周波数レンジは、全バンド幅の一部をカバーする。これにより、符号化されたオーディオ信号に第２の部分があるとき、この周波数レンジにおいて復号されたオーディオ信号の品質を向上させる。

請求項８に記載の実施形態において、情報の第２の部分は、マルチチャンネルオーディオ信号の全バンド幅を実質的にカバーする少なくとも２つの周波数レンジを有する。これにより、第２の部分により提供される品質の向上は、バンド幅全体にわたる。

請求項９に記載の一実施形態において、単一チャンネルオーディオ信号と情報の第１の部分とを有するベースレイヤーは、符号化されたオーディオ信号に常に存在する。符号化されたオーディオ信号のビットレートが、最大許容可能ビットレートを超えないときにのみ、情報の第２の部分を有する拡張レイヤーが符号化される。これによって、復号されたオーディオ信号の品質は、最大許容可能ビットレートに依存する。拡張レイヤーを収容するには最大許容可能ビットレートが低すぎる場合、復号されたオーディオ信号は、符号化されたオーディオの予測不可能な部分がデコーダに届かなかった場合より復号されたオーディオの品質がより良いベースレイヤーから取得される。

請求項１０から１２のいずれか一項に記載の実施形態において、次のフレーム中の情報（通常、表示された各周波数バンドに対し１セットのパラメータのセット）の部分が、前のフレームのパラメータに基づき符号化される。通常、これは情報の符号化された部分のビットレートを減少させる。なぜなら、相関により、２つの連続するフレームの情報は実質的には異ならないからである。

請求項１３に記載の実施形態において、パラメータ自身ではなく２つの連続するフレームのパラメータの違いが符号化される。

ステレオプログラムマテリアルのビットレートを減少させるために示唆されたオーディオコーダの先行ソリューションは、強度ステレオおよびM/Sステレオを含む。

強度ステレオアルゴリズムにおいて、高い周波数（一般に5kHzより上）は、これらの周波数領域について下のステレオ信号と似た復号されたオーディオ信号を回復可能とする、時間にともない変化し周波数に依存するスケールファクターまたは強度ファクターと結合された単一オーディオ信号（すなわち、モノ）により表示される。M/Sアルゴリズムにおいて、信号は和（または中心、または共通）信号と差（サイド、または非共通）信号に分解される。この分解は、時として、主成分分析または時間変化スケールファクターと結合される。これらの信号は、送信コーダまたはサブバンドコーダ（ともに波形コーダである）によりその後独立に符号化される。このアルゴリズムにより達成される情報削減の量はソース信号の空間的特性に強く依存する。例えば、ソース信号がモノラルのとき、差信号はゼロであり捨てることができる。しかし、左右のオーディオ信号の相関が低いとき（高周波数領域においてこういう場合が頻繁におこる）、この方法はほとんどビットレートを削減できない。低い周波数領域については、M/S符号化の方がメリットが大きい。

近年オーディオ信号のパラメータによる記述が特にオーディオ符号化の分野において注目を集めている。オーディオ信号を記述する（数値化された）パラメータの送信は、受信側において、知覚的に等しい信号を再合成するためにほとんど送信容量を必要としない。しかし、現在のパラメータのオーディオコーダは、モノラル信号の符号化に焦点を絞っており、ステレオ信号は２つのモノラル信号として頻繁に処理される。

本発明のこれらおよびその他の態様は、以下に説明する実施形態から明らかであり、これを参照して説明する。

図１は、マルチチャンネルエンコーダを示すブロック図である。当該エンコーダは、ステレオ信号RI、LIとして示されたマルチチャンネルオーディオ信号を受信し、符号化されたマルチチャンネルオーディオ信号EBSを供給する。

ダウンミキサー１は、ステレオ信号またはステレオチャンネルRI、LIを単一チャンネルオーディオ信号（モノラル信号とも呼ぶ）SCに結合する。例えば、ダウンミキサー１は、入力オーディオ信号RI、LIの平均を決定してもよい。

エンコーダ３は、符号化されたモノラル信号ESCを取得するためにモノラル信号SCを符号化する。エンコーダ３は既知のもの、例えばMPEGコーダ（MPEG-LII、MPEG-LIII(mp3)、MPEG2-AAC）でもよい。

パラメータ決定回路２は、入力オーディオ信号RI、LIに基づき情報INFを特徴付ける一組のパラメータS1、S2、．．．を決定する。選択的に、パラメータ決定回路２は、パラメータセットS1、S2、．．．を決定するためだけに、最大許容ビットレートMBRを受信する。そのパラメータセットS1、S2、．．．は、符号化されたモノラル信号ESCとともにパラメータコーダ４により符号化されたとき、最大許容ビットレートMBRを超えない。符号化されたパラメータは、EINで表される。

フォーマッタ５は、符号化されたマルチチャンネルオーディオ信号EBSを取得するために、データストリーム内の符号化されたモノラル信号SCと符号化されたパラメータEINを所望のフォーマットで結合する。

エンコーダの動作は、実施形態を参照して例示によっていかにより詳しく説明する。マルチチャンネルオーディオ信号LI、RIは、単一のモノラル信号SC（さらに単一チャンネルオーディオ信号とも呼ばれる）に符号化される。マルチチャンネルオーディオ信号LI、RIの空間的属性のパラメータ表示は、パラメータ決定回路２により実行される。パラメータは、モノラル信号SCからマルチチャンネルオーディオ信号LI、RIをいかに再生するかに関する情報を含む。パラメータは、通常、符号化された単一のモノラル信号ESCと結合される前にパラメータエンコーダ４により符号化される。よって、一般的なオーディオ符号化アプリケーションについて、単一のオーディオ信号だけと結合されたこれらのパラメータが送信または記憶される。結合された符号化された信号は、符号化されたマルチチャンネルオーディオ信号EBSである。符号化されたマルチチャンネルオーディオ信号EBSを送信または記憶するのに必要な送信または記憶容量は、マルチチャンネルを独立に処理するオーディオコーダと比較して大幅に低減される。それにもかかわらず、元の空間的印象は、そのパラメータ（のセット）を含む情報INFにより維持される。

特に、マルチチャンネルオーディオRI、LIのパラメータによる表示は、バイノーラル聴覚システムの効果的な信号処理を記述することを目的としたバイノーラル処理モデルと関係する。

そのモデルは、到来するオーディオLI、RIをいくつかのバンド制限信号に分割する。そのバンド制限信号は、好ましくは、ERBレートスケールで線形に区切られている。これらの信号のバンド幅は、ERBレートに従う中心周波数に依存する。好ましくは、すべての周波数バンドについて、到来する信号の次の特性が分析される：
− チャンネル間レベル差、すなわちILD。左右の耳から生じる帯域制限信号の相対的レベルにより定義される。
− チャンネル間時間（または位相）差ITD（またはIPD）。聴覚間相互相関関数のピークに対応する聴覚間遅延（または位相シフト）により定義される。
− ITDやILDで説明できない波形の（非）類似性。聴覚間の最大相互相関ICによりパラメータ表示が可能である（例えば、最大ピークの位置における相互相関の値である）。

３つのパラメータのセットS1、S2、．．．．は、時間によって変化する。しかし、バイノーラルシステムは処理に非常に時間がかかるので、これらの特性の更新レートはむしろ低い（一般に数十ミリ秒）。

（ゆっくりと）時間的に変化するパラメータは、バイノーラル聴覚システムが利用可能な空間的信号特性のみであり、これらの時間および周波数依存のパラメータから、知覚された聴覚世界が、その聴覚システムのより高いレベルによって再構築される。

図２は、マルチチャンネルデコーダのブロック図である。そのデコーダは、符号化されたマルチチャンネルオーディオ信号EBSを受信し、ステレオ信号RO、LOとして示した回復された復号されたマルチチャンネルオーディオ信号を供給する。

デフォーマッタ６は、符号化されたモノラル信号ESC´と符号化されたパラメータEIN´をデータストリームEBSから回復する。デコーダ７は、符号化されたモノラル信号ESC´を出力モノラル信号SCOに復号する。デコーダ７は、（使用されるエンコーダとマッチするものであれば）既知のいずれのデコーダでもよく、例えば、デコーダ７はMPEGデコーダである。デコーダ８は、符号化されたパラメータEIN´を出力パラメータINOに復号する。

デマルチプレクサ９は、出力モノラル信号SCOの出力パラメータINOのパラメータセットS1、S2、．．．．を適用することにより、出力ステレオオーディオ信号LOとROを回復する。

図３は、符号化されたデータストリームの表示を示す。例えば、各フレームF1、F2、．．．．において、データパッケージは、ヘッダHで始まり、Aと示された符号化されたモノラル信号ECS、符号化された情報EINの第１部分P1、符号化された情報EINの第２部分P2、符号化された情報EINの第３部分P3が続く。

フレームF1、F2、．．．．がヘッダHと符号化されたモノラル信号ECSを有するだけのとき、モノラル信号SCのみが送信される。

EP-A-1107232で開示されているように、入力オーディオ信号が入る周波数バンド全体が、複数のサブ周波数バンドに分割される。その複数のサブ周波数バンドが集まって上記周波数バンド全体をカバーする。本発明に従う用語法において、マルチチャンネル情報INFは複数のパラメータセットS1、S2、．．．．に符号化される。各サブ周波数バンドFR1、FR2に１つのパラメータセットが対応する。この複数のパラメータセットS1、S2、．．．．は符号化された情報EINの第１部分P1で符号化される。基本レベル品質のマルチチャンネルオーディオ信号を送信するために、ビットストリームは、ヘッダH、符号化されたモノラル信号ECSである部分A、および第１部分P1を有する。

本発明の一実施形態によるビットストリームにおいて、第１部分P1は単一セットパラメータS1のみから構成される。その単一セットは、バンド幅FR1全体で決定される。ヘッダH、部分AおよびP1から構成されるビットストリームは、図３のBLにより示される、品質の基本レイヤーを提供する。

拡張された品質をサポートするために、符号化情報EINの部分P2、P3がさらにビットストリームにある。これらの後続の部分は拡張レイヤーELを形成する。ビットストリームは、単一の後続部分P2または１以上の後続部分を有してもよい。後続の部分P2は、好ましくは、各サブ周波数バンドFR2、FR3．．．．にそれぞれ対応する複数セットのパラメータS2、S3、．．．．を有する。そのサブ周波数バンドFR2、FR3、．．．．は、好ましくは周波数バンドFR1全体をカバーする。拡張された品質はステップ状であってもよい。第１の拡張されたレベルは、第１部分を有する拡張レイヤーEL1により提供される。第２の拡張レイヤーELは、第１の拡張レイヤーEL1と、部分P3を有する第２の拡張レイヤーEL2とを有する。

後続部分P2は、全周波数バンドFR1のサブバンドである単一の周波数バンドFR2に対応する単一セットのパラメータS2を有してもよい。後続部分P2は、全周波数バンドFR1を完全にはカバーしない周波数バンドFR2、FR3、．．．．に対応する多数セットのパラメータS2、S3、．．．．を有してもよい。

後続部分P3は、好ましくは、後続部分P2の少なくとも１つのサブバンドをさらに分割する周波数バンドのパラメータセットを有する。本発明に従ったビットストリームのこのフォーマットによると、送信チャンネルまたはデコーダにおいて、送信チャンネルのビットレートまたはデコーダの複合の複雑性に合わせて復号されたオーディオ信号の品質をスケールすることができる。例えば、ポータブルアプリケーションで重要であるように、オーディオデコーダの消費電力を低くしなければならないとき、デコーダはその複雑性が低く、部分H、A、P1のみを用いるものであってもよい。ユーザが復号されたオーディオにより高い品質を求めるとき、デコーダはより大きな消費電力でより複雑な動作を実行できるとすることも可能である。

エンコーダが、送信チャンネルを介して送信できる、または記憶媒体に記憶できる最大許容ビットレートMBRを知っていることも可能である。そうすれば、エンコーダは、その最大許容ビットレートMBR内にいくつの後続部分P1、P2、．．．．が入るかを決定することができる。エンコーダは、ビットストリームのこれらの許容部分P1、P2、．．．．のみを符号化する。

図４は、本発明による周波数レンジの一実施形態を示す図である。この実施形態において、周波数バンドFR1は、マルチチャンネルオーディオ信号LI、RIの全バンド幅FBWに等しく、周波数バンドFR2は、全バンド幅FBWのサブ周波数バンドである。

これらがパラメータセットS1、S2、．．．．が決定された周波数レンジのみであるとき、単一パラメータセットS1が周波数バンドFR1について決定され、部分P1にある。そして、単一のパラメータセットS2は周波数バンドFR2について決定され、部分P2にある。品質スケーリングは、部分P2を用いても用いなくても可能である。

図５は、本発明による周波数レンジの他の実施形態を示す図である。この実施形態において、周波数バンドFR1は全バンド幅FBWと等しく、サブ周波数バンドFR2とFR3は全バンド幅FBWをカバーする。言い換えると、周波数バンドFR1は、サブ周波数バンドFR2とFR3に分割される。

これらのみがパラメータセットS1、S2、．．．．が決定される周波数レンジであるとき、部分P1は周波数バンドFR1で決定された単一のパラメータセットS1を有し、部分P2は周波数バンドFR2とFR3それぞれで決定された２つのパラメータセットS2とS3を有する。品質スケーリングは、部分P2を用いても用いなくても可能である。

図６は、本発明の一実施形態による前フレームのパラメータに基づくパラメータのセットの決定を示す図である。

図６は、ベースレイヤーBLの一部である部分P1と拡張レイヤーELを形成する部分P2を有する符号化された情報EINを各フレームF1、F2、．．．．に有するデータストリームを示す図である。

フレームF1において、部分P1は全バンド幅FR1について決定された単一セットのパラメータS1を有する。部分P2は、例として、サブ周波数バンドFR2、FR3、FR4、FR5それぞれに決定された４セットのパラメータS2、S3、S4、S5を有する。４つのサブ周波数バンドFR2、FR3、FR4、FR5は、周波数バンドFR1をサブ分割する。

フレームF1に続くフレームF2において、部分P1は、全バンド幅FR1について決定された、ベースレイヤーBL´の一部である単一セットのパラメータS1´を有する。部分P2は、サブ周波数バンドFR2、FR3、FR4、FR5についてそれぞれ決定された、拡張レイヤーEL´を形成する４セットのパラメータS2´、S3´、S4´、S5´を有する。

フレームF1、F2、．．．．の各々のパラメータの各セットを符号化することが可能である。部分P1のパラメータに関して部分P2のパラメータのセットを符号化することも可能である。これはS1で始まりフレームF1のS2からS5で終わる矢印により表されている。もちろん、他のフレームF2、．．．．（図示せず）でも可能である。同様に、S1に関してパラメータのセットS1´を符号化することもできる。最後に、パラメータのセットS2´、S3´、S4´、S5´はパラメータのセットS2、S3、S4、S5に関して符号化されてもよい。

このように、符号化された情報EINのビットレートは、冗長性として減らすことができ、またはパラメータのセットSi間の相関が用いられる。

好ましくは、パラメータの新しいセットS1´、S2´、S3´、S4´、S5´は、それらの値と、前のパラメータのセットS1、S2、S3、S4、S5のパラメータの値との差として符号化される。

一定の時間間隔で、少なくともパラメータセットS1は、長過ぎる伝播エラーを避けるため絶対的で差分でなく符号化されねばならない。

図７は、パラメータのセットを示す図である。各々のパラメータSiは、１以上のパラメータを有していてもよい。通常、パラメータは、オーディオ情報中のサウンドオブジェクトの位置特定に関する情報を提供する位置特定キューである。通常、位置特定キューは、聴覚間レベル差ILD、聴覚間時間または位相差ITDまたはIPD、および聴覚間相互相関ICである。これらのパラメータのより詳細な情報は、Christof Faller等により112th Convention 2002, Munich, GermanyのAudio Engineering Society Convention Paper 5574、「ステレオおよびマルチチャンネルオーディオ圧縮に適用されたバイノーラルキュー符号化」に記載されている。

図８は、ベースレイヤーのパラメータの差分決定を示す図である。横軸は連続するフレームF1からF5を示す。縦軸は、ベースレイヤーBLのパラメータのセットS1のパラメータの値PVGを示す。このパラメータは、フレームF1からF5のそれぞれの値A1からA5を有する。パラメータの実際の値A2からA5ではなく、より小さな差D1、D2、．．．．が符号化されたとき、このパラメータへの符号化された情報EINのビットレートへの貢献は減少する。

図９は、拡張レイヤーの周波数領域に対応するパラメータの差分決定を示す図である。横軸は、２つの連続するフレームF1とF2を示す。縦軸は、ベースレイヤーBLと拡張レイヤーELの特定のパラメータの値を示す。この例において、ベースレイヤーBLは、全周波数レンジFBWについて決定された単一セットのパラメータをともなう情報INFの部分P1を有し、部分P1のその特定のパラメータはフレームF1の値A1とフレームF2の値A2を持つ。拡張されたレイヤーELは、全周波数レンジFBWをともに満たす３つの周波数レンジFR2、FR3、FR4について決定された３つのパラメータのセットとともに情報INFの部分P2を有する。３つの特定のパラメータ（例えば、ILDを表示するパラメータ）は、フレームF1の値B11、B12、B13およびフレームF2の値B21、B22、B23を持つ。

特定のパラメータの実際の値B11からB23ではなく差D11、D12、．．．．が符号化されたとき、これらの差は実際の値よりもより効率的に符号化できるので、これらのパラメータの符号化された情報EINへの貢献は減少する。

要約すると、本発明による好ましい実施形態において、ベースレイヤーBLがメインチャンネルオーディオ信号LI、RIの全バンド幅FBWについて決定された（好ましくは、時間／レベル差と相関である）１セットのパラメータS1を有するように、ステレオパラメータ情報INFを組織化することが提案されている。拡張レイヤーELは、全バンド幅FBW内の後続の周波数区間FR2、FR3、．．．．に対応する複数セットのパラメータS2、S3、．．．．を含む。ビットレートの効率性のため、拡張レイヤーELのパラメータのセットS2、S3、．．．．は、ベースレイヤーBLのパラメータのセットS1に関して差分により符号化される。

情報INFは、ビットレートに対する復号品質のスケーリングを可能とするために、マルチレイヤーで符号化される。

結論として、以下に、本発明による好ましい実施形態をプログラムコードとその説明を与える。

最初に、フレームF1、F2、．．．．のすべてのサブフレーム（部分P1、P2、．．．．）について、モノラル表示SCのデータESC、全バンド幅FBWのステレオパラメータのセットS1のデータEIN、周波数ビン（または領域）FR2、FR3、．．．．のステレオパラメータS2、S3、．．．．が決定される。

プログラムコードが左側に、そのプログラムコードの説明が右側に与えられている。

第２に、ビットrefresh_stereoの値に応じて、全バンド幅のステレオパラメータが絶対的に符号化される（実際の値が符号化される）、または前の値との差が符号化される。以下のコードは、聴覚間レベル差ILDについて有効である。

第３に、ビットrefresh_stereoの値に応じて、すべての周波数ビンのステレオパラメータは絶対的に符号化され（実際の値が符号化され）、または全バンド幅の対応するパラメータとの差が符号化される。以下のコードは、聴覚間レベル差ILDに有効である。

ここで、
refresh_stereoは、ステレオパラメータがリフレッシュされるべきか否かを表すフラグである（0=FALSE, 1=TRUE）。
ild_global_diff[sf]は、フレームｆの周波数エリア全体のILDのハフマン符号化された絶対表示レベルを表す。
ild_global[f]は、フレームｆの周波数エリア全体のILDのハフマン符号化された相対表示レベルを表す。
ild_bin[f,b]は、フレームｆとビンbのILDのハフマン符号化された絶対表示レベルを表す。
ild_bin_diff[f,b]は、フレームｆとビンbのILDのハフマン符号化された相対表示レベルを表す。

上記の実施形態は本発明を限定するものではなく、当業者は添付したクレームの範囲から逸脱することなく、多くの別の実施形態を設計することができることに注意すべきである。

本発明は、ステレオ信号に関して図を参照して説明したが、２以上のチャンネルのオーディオ信号への拡張は当業者によって容易に達成できるであろう。

請求項において、括弧内の参照記号はその請求項を限定するものと解釈してはならない。「有する」という言葉は、請求項に列挙された構成要素やステップ以外のものを排除するものではない。構成要素の前の「１つの」という言葉は、その構成要素が複数あることを排除するものではない。

本発明は、個別のいくつかの構成要素を有するハードウェアによって、および好適にプログラムされたコンピュータによって実施することができる。いくつかの手段を列挙した装置の請求項において、いくつかの手段は１つの同一なハードウェアにより実施することができる。ある手段が互いに異なる従属項に列挙されているということは、これらの手段の組み合わせを用いることができないことを示すものではない。

要約すると、マルチチャンネルオーディオ信号は、モノラルオーディオ信号と情報に符号化され、そのモノラルオーディオ信号とその情報からマルチチャンネルオーディオ信号を回復できる。マルチチャンネルオーディオ信号の第１の周波数領域についてその情報の第１の部分を決定し、マルチチャンネルオーディオ信号の第２の周波数領域についてその情報の第２の部分を決定することにより、その情報を生成する。第２の周波数領域は、第１の周波数領域の一部であり、よって第１の周波数領域のサブレンジである。その情報は、ビットレートに対する復号品質のスケーリングを可能とするようマルチレイヤーである。

ステレオオーディオのマルチチャンネルエンコーダを示すブロック図である。 ステレオオーディオのマルチチャンネルデコーダを示すブロック図である。 符号化されたデータストリームの表示を示す図である。 本発明による周波数レンジの実施形態を示す図である。 本発明による周波数レンジの他の実施形態を示す図である。 本発明の実施形態による前フレームのパラメータに基づく一組のパラメータの決定を示す図である。 一組のパラメータを示す図である。 ベースレイヤーのパラメータの差分決定を示す図である。 拡張レイヤーの周波数領域に対応するパラメータの差分決定を示す図である。

Claims (21)

1. 少なくとも２つのオーディオチャンネルを有するマルチチャンネルオーディオ信号を符号化する方法であって、
   単一チャンネルのオーディオ信号を生成し、前記単一チャンネルのオーディオ信号を符号化された単一チャンネルオーディオ信号としてビットストリームに符号化するステップと、
   前記単一チャンネルオーディオ信号と前記情報から前記マルチチャンネルオーディオ信号を要求される品質レベルで回復を可能ならしめるように、前記少なくとも２つのオーディオチャンネルから情報を生成するステップとを有し、
   前記情報を生成するステップは、
   前記マルチチャンネルオーディオ信号の第１の周波数領域の情報の第１の部分を決定し、前記情報の前記第１の部分を前記情報の符号化された第１の部分として前記ビットストリームに符号化するステップと、
   前記マルチチャンネルオーディオ信号の第２の周波数領域について前記情報の第２の部分を決定し、前記情報の前記第２の部分を前記情報の符号化された第２の部分として前記ビットストリームに符号化するステップとを有し、ここで、第２の周波数領域は前記第１の周波数領域の一部である方法。
2. 少なくとも２つのオーディオチャンネルを有するマルチチャンネルオーディオ信号を符号化する方法であって、
   単一チャンネルのオーディオ信号を生成するステップと、
   求められる品質レベルで前記単一チャンネルのオーディオ信号と情報から前記マルチチャンネルオーディオ信号を回復するように前記少なくとも２つのオーディオチャンネルから前記情報を生成するステップとを有し、
   前記情報を生成するステップは、
   前記符号化されたマルチチャンネルオーディオ信号の最大許容可能ビットレートを受信するステップと、
   前記単一チャンネルオーディオ信号と前記情報の前記第１の部分が前記最大許容可能ビットレートより高くないとき、前記マルチチャンネルオーディオ信号の第１の周波数領域について前記情報の第１の部分を決定するステップとを有する方法。
3. 請求項１または２に記載の符号化する方法であって、
   前記単一チャンネルオーディオ信号は、前記少なくとも２つのオーディオチャンネルの特定の組み合わせである方法。
4. 請求項１に記載の符号化する方法であって、前記情報はパラメータのセットを有し、前記第１の部分は少なくとも前記パラメータのセットの第１のものを有し、前記第２の部分は少なくとも前記パラメータのセットの第２のものを有し、パラメータの各セットは対応する周波数領域と関連していることを特徴とする方法。
5. 請求項４に記載の符号化する方法であって、前記パラメータのセットは少なくとも１つの位置特定キューを有することを特徴とする方法。
6. 請求項５に記載の符号化する方法であって、前記少なくとも１つの位置特定キューは、聴覚間レベル差、聴覚間時間または位相差、または聴覚間相互相関から選択されることを特徴とする方法。
7. 請求項１または２に記載の方法であって、前記第１の周波数領域は前記マルチチャンネルオーディオ信号の全バンド幅をカバーすることを特徴とする方法。
8. 請求項１に記載の符号化する方法であって、
   前記第１の周波数領域は前記マルチチャンネルオーディオ信号の全バンド幅を実質的にカバーし、前記第２の周波数領域は前記全バンド幅の一部をカバーし、
   前記情報の前記第２の部分の決定は、前記第２の周波数領域と一組の後続の周波数領域の両方についてパラメータのセットを決定するために、適合され、前記第２の周波数領域と前記一組の後続の周波数領域は実質的に前記全バンド幅をカバーし、
   前記一組の後続周波数領域は少なくとも１つの後続周波数領域を有することを特徴とする方法。
9. 請求項８に記載の符号化する方法であって、
   前記単一チャンネルオーディオ信号と前記情報の前記第１の部分は、前記符号化されたマルチチャンネルオーディオ信号に常にある情報のベースレイヤーを形成し、
   前記方法は、前記符号化されたマルチチャンネルオーディオ信号の最大許容可能ビットレートを受信するステップを有し、前記情報の前記第２の部分は、前記符号化されたベースレイヤーと拡張レイヤーのビットレートが前記最大許容可能ビットレートより高くないときのみに、符号化される情報の拡張レイヤーを形成することを特徴とする方法。
10. 請求項４に記載の符号化する方法であって、符号化された情報のフレーム中の情報の前記第１の部分を決定するステップは、
    前記フレームにおいて前記パラメータのセットの前記第１のものを決定するステップと、
    前記フレームに先行するフレームの前記パラメータのセットの前記第１のものに基づき前記パラメータのセットの前記第１のものを符号化するステップとを有することを特徴とする方法。
11. 請求項８に記載の符号化する方法であって、前記符号化されたフレームの情報の前記第２の部分を決定するステップは、前記フレームの前記第２の部分の前記一組のパラメータを決定するステップと、前記フレームに先行するフレームの前記パラメータのセットに基づき前記フレームの前記第２の部分の前記パラメータのセットを符号化するステップとを有することを特徴とする方法。
12. 請求項８に記載の符号化する方法であって、前記符号化されたフレームの情報の前記第２の部分を決定するステップは、前記フレームの前記第２の部分の前記一組のパラメータを決定するステップと、前記フレームに先行するフレームの前記パラメータのセットの前記第１のものに基づき前記フレームの前記第２の部分の前記パラメータのセットを符号化するステップとを有することを特徴とする方法。
13. 請求項１０ないし１２いずれか一項記載の符号化する方法であって、前記決定は前記フレームと、前記フレームに先行するフレーム中の対応するパラメータ間の差を計算するステップを有する方法。
14. 少なくとも２つのオーディオチャンネルを有するマルチチャンネルオーディオ信号を符号化するエンコーダであって、
    単一チャンネルオーディオ信号を生成する手段と、
    前記単一チャンネルオーディオ信号と前記情報から前記マルチチャンネルオーディオ信号を要求される品質レベルで回復を可能ならしめるように、前記少なくとも２つのオーディオチャンネルから情報を生成する手段とを有し、
    前記情報を生成する手段は、
    前記マルチチャンネルオーディオ信号の第１の周波数領域の情報の第１の部分を決定する手段と、
    前記マルチチャンネルオーディオ信号の第２の周波数領域について前記情報の第２の部分を決定する手段と、ここで、第２の周波数領域は前記第１の周波数領域の一部であるエンコーダ。
15. 少なくとも２つのオーディオチャンネルを有するマルチチャンネルオーディオ信号を符号化するエンコーダであって、
    単一チャンネルのオーディオ信号を生成する手段と、
    求められる品質レベルで前記単一チャンネルのオーディオ信号と情報から前記マルチチャンネルオーディオ信号を回復するように前記少なくとも２つのオーディオチャンネルから前記情報を生成する手段とを有し、
    前記情報を生成する手段は、
    前記符号化されたマルチチャンネルオーディオ信号の最大許容可能ビットレートを受信する手段と、
    前記単一チャンネルオーディオ信号と前記情報の前記第１の部分を有する前記符号化されたマルチチャンネルオーディオ信号が前記最大許容可能ビットレートより高くないとき、前記マルチチャンネルオーディオ信号の第１の周波数領域について前記情報の第１の部分を決定する手段とを有するエンコーダ。
16. オーディオ信号を供給する装置であって、
    オーディオ信号を受信する入力と、
    符号化オーディオ信号を取得するために前記オーディオ信号を符号化する請求項１４または１５に記載のエンコーダと、
    前記符号化オーディオを供給する出力とを有する装置。
17. 符号化されたオーディオ信号であって、
    単一チャンネルオーディオ信号と、
    前記少なくとも２つのオーディオチャンネルからの情報であって、求められる品質レベルで前記単一チャンネルオーディオ信号と前記情報から前記マルチチャンネルオーディオ信号を回復可能とするものと、
    前記マルチチャンネルオーディオ信号の第１の周波数領域のための前記情報の第１の部分と、
    前記マルチチャンネルオーディオ信号の第２の周波数領域のための前記情報の第２の部分と、ここで前記周波数領域は前記第１の周波数領域の一部であるエンコーダ。
18. 請求項１７に記載の符号化されたオーディオ信号が記憶された記憶媒体。
19. 請求項１７に記載のマルチチャンネルオーディオ信号を復号する方法であって、
    復号された単一チャンネルオーディオ信号を取得するステップと、
    前記復号された単一チャンネルオーディオ信号と前記復号された情報から前記マルチチャンネルオーディオ信号を回復するために、前記情報から復号情報を取得するステップと、ここで、前記復号情報は前記情報の前記第１の部分と前記情報の前記第２の部分とを有し、
    前記復号マルチチャンネルオーディオ信号を生成するために前記単一チャンネルオーディオ信号に前記情報の前記第１の部分または前記情報の前記第１の部分と前記第２の部分のいずれかを適用するステップとを有する方法。
20. 符号化オーディオ信号を復号するデコーダであって、
    復号された単一チャンネルオーディオ信号を取得する手段と、
    前記復号された単一チャンネルオーディオ信号と前記復号された情報から前記マルチチャンネルオーディオ信号を回復するために、前記情報から復号情報を取得する手段と、ここで、前記復号情報は前記情報の前記第１の部分と前記情報の前記第２の部分とを有し、
    前記復号マルチチャンネルオーディオ信号を生成するために前記単一チャンネルオーディオ信号に前記情報の前記第１の部分および前記情報の前記第１の部分と前記第２の部分を適用する手段とを有するデコーダ。
21. 復号オーディオ信号を供給する装置であって、
    符号化されたオーディオ信号を受信する入力と、
    請求項２０に記載の、マルチチャンネル出力信号を取得するために前記符号化されたオーディオ信号を復号するデコーダと、
    前記マルチチャンネル出力信号を供給または再生する出力とを有する装置。

Images