JP2024521486A - コインシデントステレオ捕捉のためのチャネル間時間差（ｉｔｄ）推定器の改善された安定性 - Google Patents

コインシデントステレオ捕捉のためのチャネル間時間差（ｉｔｄ）推定器の改善された安定性 Download PDF

Info

Publication number
JP2024521486A
JP2024521486A JP2023577407A JP2023577407A JP2024521486A JP 2024521486 A JP2024521486 A JP 2024521486A JP 2023577407 A JP2023577407 A JP 2023577407A JP 2023577407 A JP2023577407 A JP 2023577407A JP 2024521486 A JP2024521486 A JP 2024521486A
Authority
JP
Japan
Prior art keywords
itd
determining
audio signal
channel audio
cross
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
JP2023577407A
Other languages
English (en)
Inventor
エリク ノーベル，
トフゴード， トマス ヤンソン
Original Assignee
テレフオンアクチーボラゲット エルエム エリクソン（パブル）
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 テレフオンアクチーボラゲット エルエム エリクソン（パブル） filed Critical テレフオンアクチーボラゲット エルエム エリクソン（パブル）
Publication of JP2024521486A publication Critical patent/JP2024521486A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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
    • G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Stereophonic System (AREA)
  • Stereo-Broadcasting Methods (AREA)

Abstract

エンコーダまたはデコーダにおいて、コインシデントマイクロフォン構成ＣＣを識別し、チャネル間時間差ＩＴＤ探索を適合させる方法および装置（１１０，１２０，１０００，１００６）が提供される。本方法は、マルチチャネルオーディオ信号の各フレームｍについて、マルチチャネルオーディオ信号のチャネル対の相互相関を生成することと、相互相関に基づいて、第１のＩＴＤ推定値を決定することと、マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することと、マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスすることとを含む。【選択図】図６

Description

本開示は、一般に、通信に関し、より詳細には、オーディオのエンコーディングおよびデコーディングをサポートする方法ならびに関連するエンコーダおよびデコーダに関する。
空間オーディオまたは３Ｄオーディオは、様々な種類のマルチチャネルオーディオ信号を表す一般的な定式化である。捕捉方法およびレンダリング方法に応じて、オーディオシーンは空間オーディオフォーマットによって表される。捕捉方法（マイクロフォン）によって規定される典型的な空間オーディオフォーマットは、例えば、ステレオ、バイノーラル、アンビソニックスなどとして表される。空間オーディオレンダリングシステム（ヘッドフォンまたはスピーカ）は、ステレオ（左右のチャネル２．０）またはより高度なマルチチャネルオーディオ信号（２．１、５．１、７．１など）で空間オーディオシーンをレンダリングすることができる。
そのようなオーディオ信号の送信および操作のための最近の技術は、エンドユーザがより高い空間品質を有する強化されたオーディオ体感を有することを可能にし、しばしばより良好な了解度ならびに拡張現実をもたらす。ＭＰＥＧ ＳｕｒｒｏｕｎｄまたはＭＰＥＧ－Ｈ ３Ｄ Ａｕｄｉｏなどの空間オーディオコーディング技術は、例えばインターネット上のストリーミングなどのデータレート制約アプリケーションと互換性がある空間オーディオ信号のコンパクトな表現を生成する。しかしながら、空間オーディオ信号の送信は、データレート制約が強い場合には制限され、したがって、デコードされたオーディオチャネルの後処理は、空間オーディオ再生を強化するためにも使用される。一般的に使用される技術は、例えば、デコードされたモノ信号またはステレオ信号をマルチチャネルオーディオ（５．１チャネル以上）にブラインドアップミックスすることができる。
空間オーディオシーンを効率的にレンダリングするために、空間オーディオコーディング技術および空間オーディオ処理技術は、マルチチャネルオーディオ信号の空間特性を利用する。特に、空間オーディオ捕捉のチャネル間の時間差およびレベル差は、空間内の指向性音の知覚を特徴付ける両耳間キューを近似するために使用される。チャネル間時間差およびチャネル間レベル差は、聴覚系が検出できるもの（すなわち、両耳間時間差および両耳間レベル差、耳の入り口）の近似にすぎないため、チャネル間時間差が知覚的側面から関連することは非常に重要である。チャネル間時間差およびチャネル間レベル差（ＩＣＴＤおよびＩＣＬＤ）は、マルチチャネルオーディオ信号の指向性成分をモデル化するために一般的に使用され、一方、両耳間相互相関（ＩＡＣＣ）をモデル化するチャネル間相互相関（ＩＣＣ）は、オーディオ画像の幅を特徴付けるために使用される。特に低周波の場合、ステレオ画像は、チャネル間位相差（ＩＣＰＤ）でモデル化することもできる。
空間聴覚知覚に関連するバイノーラルキューは、両耳間レベル差（ＩＬＤ）、両耳間時間差（ＩＴＤ）、および両耳間コヒーレンスまたは両耳間相関（ＩＣまたはＩＡＣＣ）と呼ばれることに留意されたい。一般的なマルチチャネル信号を考慮すると、チャネルに関連する対応するキューは、チャネル間レベル差（ＩＣＬＤ）、チャネル間時間差（ＩＣＴＤ）、およびチャネル間コヒーレンスまたはチャネル間相関（ＩＣＣ）である。空間オーディオ処理はほとんどが捕捉されたオーディオチャネルで動作するため、「Ｃ」は省略されることがあり、オーディオチャネルを参照する場合、ＩＴＤ、ＩＬＤおよびＩＣという用語も使用される。
図１は、パラメトリック空間オーディオ分析を使用する従来の設定を示す。ステレオエンコーダ１１０には、ステレオ信号対が入力される。空間分析器１１２は、ダウンミキサ１１４を補助し、ダウンミキサ１１４は、２つの入力チャネルの単一チャネル表現を生成する。ダウンミックスプロセスは、時間、相関および位相のチャネル差を補償し、それによってダウンミックス信号のエネルギーを最大化することを目的とする。これにより、ステレオ信号の効率的なエンコーディングが達成される。ダウンミックス信号は、ダウンミックスエンコーダ１１６に転送される。空間分析からのパラメータは、パラメータエンコーダ１１８によってエンコードされ、エンコードされたダウンミックスと共にデコーダに送信される。通常、ステレオパラメータの一部は、等価矩形帯域幅（ＥＲＢ）スケールなどの知覚周波数スケール上のスペクトルサブバンドで表される。ステレオデコーダ１２０は、ダウンミックスデコーダ１２４からの信号およびパラメータデコーダ１２２からのパラメータに基づいて、空間合成器１２６においてステレオ合成を行う。ステレオ合成動作は、時間、レベル、相関および位相のチャネル差を復元し、入力オーディオ信号に似たステレオ画像を生成することを目的とする。
エンコードされたパラメータは、人間の聴覚系に対して空間オーディオをレンダリングするために使用されるので、チャネル間パラメータは、知覚品質を最大化するための知覚的考慮事項を用いて抽出およびエンコードされ得る。
ステレオおよびマルチチャネルオーディオ信号は、特に環境に雑音が多いかもしくは残響がある場合、または混合音の様々なオーディオ成分が時間および周波数において重複する場合、すなわち雑音の多い音声、音楽上の音声もしくは同時話者などの場合にモデル化が困難であり得る複雑な信号である。
ＩＣＴＤを推定することになると、従来のパラメトリック手法は、２つの波形ｘ（ｎ）とｙ（ｎ）との間の類似性の尺度である相互相関関数（ＣＣＦ）ｒｘｙに依存し、一般に、以下のように時間領域で規定され、
ｒｘｙ（ｎ，τ）＝Ｅ［ｘ（ｎ）ｙ（ｎ＋τ）］
ここで、τは、タイムラグパラメータであり、Ｅ［・］は、期待値演算子である。長さＮの信号フレームの場合、相互相関は、通常、以下のように推定される。
Figure 2024521486000002
ＩＣＣは、従来、以下に従って信号エネルギーによって正規化されるＣＣＦの最大値として得られる。
Figure 2024521486000003
ＩＣＣに対応するタイムラグτは、チャネルｘとチャネルｙとの間のＩＣＴＤとして決定される。ＣＣＦは、以下のように離散フーリエ変換を使用しても計算することができ、
ｒｘｙ（τ）＝ＤＦＴ－１（Ｘ（ｋ）Ｙ＊（ｋ））
ここで、Ｘ［ｋ］は、時間領域信号ｘ［ｎ］の離散フーリエ変換（ＤＦＴ）であり、Ｙ＊［ｋ］は、時間領域信号ｙ［ｎ］の離散フーリエ変換（ＤＦＴ）の複素共役であり、すなわち、
Figure 2024521486000004
であり、ＤＦＴ－１（・）またはＩＤＦＴ（・）は、逆離散フーリエ変換である。しかしながら、ＤＦＴは分析フレームを周期信号に複製し、ｘ（ｎ）およびｙ（ｎ）の巡回畳み込みをもたらすことに留意されたい。これに基づいて、分析フレームは、通常、真の相互相関と一致するようにゼロでパディングされる。
ｙ（ｎ）が純粋にｘ（ｎ）の遅延バージョンである場合、相互相関関数は、以下によって与えられ、
Figure 2024521486000005
ここで、＊は、畳み込みを表し、δ（τ－τ０）は、クロネッカーのデルタ関数であり、すなわちτ０で１に等しく、そうでなければゼロに等しい。これは、ｘとｙとの間の相互相関関数が、ｘ（ｎ）に対する自己相関関数であるｒｘｘ（τ）との畳み込みによって拡散されたデルタ関数であることを意味する。いくつかの遅延成分、例えばいくつかの話者を有する信号フレームの場合、信号間に存在する各遅延にピークがあり、相互相関は以下のようになる。
ｒｘｙ（τ）＝ｒｘｘ（τ）＊Σｉδ（τ－τｉ）
デルタ関数は、その後、互いに拡散され、信号フレーム内のいくつかの遅延を識別することを困難にする可能性がある。しかしながら、この拡散を有しない一般化相互相関（ＧＣＣ）関数が存在する。ＧＣＣは、一般に、以下のように規定され、
Figure 2024521486000006
ここで、ψ［ｋ］は、周波数重み付けである。空間オーディオでは、低雑音環境での残響に対するその堅牢性のために、位相変換（ＰＨＡＴ）が利用されてきた。位相変換は、基本的に、各周波数係数の絶対値であり、すなわち、
Figure 2024521486000007
である。
この重み付けにより、各成分のパワーが等しくなるように相互スペクトルが白色化される。信号ｘ［ｎ］およびｙ［ｎ］における純粋な遅延および無相関の雑音により、位相変換されたＧＣＣ（ＧＣＣ－ＰＨＡＴ）は、単にクロネッカーのデルタ関数δ（τ－τ０）になる、すなわち、
Figure 2024521486000008
である。
図２は、純粋な遅延状況についての、チャネル間時間差、それらの相互相関、および位相変換分析による一般化相互相関を有する信号対を示す。
記録されたステレオ信号を分析する実際のシナリオでは、チャネルは遅延のみによって異なるのではなく、例えば、異なる雑音、マイクロフォンおよび録音機器の周波数応答の変動を有し、異なる残響パターンを有する可能性がある。この場合、タイムラグτは、通常、ＧＣＣ－ＰＨＡＴの最大値を特定することによって見出される。そのような状況では、分析は、フレームごとの変動を示す可能性がさらに高い。これは、短期フーリエ分析における典型的な特性であるが、源信号がレベルおよびスペクトルコンテンツにおいて変動し得るためでもあり、これは、例えばボイス録音の場合である。このため、タイムラグの最終分析に安定化を適用することが有益である。これは、背景雑音に対して信号エネルギーが低いときにタイムラグの更新を減速または防止することによって行うことができる。
米国特許出願公開第２０２０／０１９４０１３号明細書では、ＧＣＣ－ＰＨＡＴの適応ローパスフィルタを適用することによってＩＴＤ選択が安定化される。ローパスフィルタリングは、連続するフレームの相互相関を適応的にフィルタリングすることによって相互相関に適用される。ローパスフィルタは、相互相関の時間領域表現にも適用される。推定された信号対雑音比（ＳＮＲ）が高いクリーンな信号の場合、より高度なローパスフィルタリングが使用される。
米国特許出願公開第２０２００２１１５７５号明細書は、ＳＮＲ推定に応じて以前に記憶されたＩＴＤ値を再利用し、それによって経時的により安定したＩＴＤパラメータを達成する方法を記載している。
ステレオ録音におけるチャネル間のタイムラグは、マイクロフォン間の物理的距離に起因する。図３に示すように、ＡＢマイクロフォン構成は、通常、マイクロフォン間の距離が約１～１．５メートルと比較的大きい。したがって、ＡＢ構成を使用する録音は、捕捉されたオーディオ源の位置に応じて、チャネル間に時間遅延を有することが多い。ＸＹおよびＭＳなどのいくつかのマイクロフォン構成は、マイクロフォン膜を可能な限り互いに近接して配置しようと試み、いわゆるコインシデントマイクロフォン構成（ｃｏｉｎｃｉｄｅｎｔ ｍｉｃｒｏｐｈｏｎｅ ｃｏｎｆｉｇｕｒａｔｉｏｎ）である。これらのコインシデントマイクロフォン構成は、通常、チャネル間の時間遅延が非常に小さいか、またはゼロである。ＸＹ構成は、主にレベル差を介してステレオ画像を捕捉する。Ｍｉｄ－Ｓｉｄｅを略したＭＳ設定は、前方に向けられた前面チャネルと、側面チャネル内の周囲環境を捕捉するための８の字のピックアップパターンを有するマイクロフォンとを有する。Ｍｉｄ－Ｓｉｄｅ表現は、以下の関係を使用してＬｅｆｔ－Ｒｉｇｈｔ表現に変換され、
Figure 2024521486000009
側面チャネルＳは、反対の符号で左右のチャネルに追加される。より一般的には、ステレオ表現は、２つ以上のモノ信号をステレオ表現に変換することによって得ることができ、信号間の時間差（捕捉の物理的距離に関連する）は小さくなければならない。適切な捕捉技術の別の例は、４つの近接して間隔の空けられたカージオイドを有する四面体マイクロフォンの使用であり、四面体マイクロフォンからステレオ表現が形成され得る。
ＭＳコインシデントマイクロフォン構成（以降「コインシデント構成」と呼び、「ＣＣ」と略す）の場合、タイムラグは、理想的には常にゼロに近いはずである。しかしながら、残響および雑音に起因して、時折タイムラグが検出される場合がある。タイムラグがステレオまたはマルチチャネルオーディオエンコーダのコンテキストでエンコードされる場合、誤って検出されたラグによって引き起こされるタイムラグにおける突然のジャンプは、再構築されたオーディオ信号内のオーディオ源の位置の不安定な印象を与える可能性がある。さらに、不正確または不安定なタイムラグは、ダウンミックス信号に悪影響を及ぼし、これらの誤差の結果として不安定なエネルギーを示す可能性がある。
たとえＧＣＣ－ＰＨＡＴのローパスフィルタリングが、米国特許出願公開第２０２００１９４０１３号明細書において提案されたように適用されたとしても、ＣＣ信号における誤ったＩＴＤの検出が生じうる。米国特許出願公開第２０２００２１１５７５号明細書に概説されているように、以前に記憶されたＩＴＤ値を再利用する能力は、ＣＣ信号内の誤ったＩＴＤ推定を防ぐものではない。実際、追加された安定化は、誤った決定をさらに長く持続させる可能性がある。
本開示の特定の態様およびそれらの実施形態は、これらの課題または他の課題に対する解決策を提供し得る。本明細書に記載の発明の概念の様々な実施形態は、例えばＭＳマイクロフォン構成のコインシデント構成を検出する。このような構成（例えば、ＭＳマイクロフォン構成）が検出された場合、タイムラグ検出は、ゼロに近いタイムラグが優先されるように適合され得る。
本発明の概念のいくつかの実施形態によれば、エンコーダまたはデコーダにおいて、コインシデントマイクロフォン構成ＣＣを識別し、チャネル間時間差ＩＴＤ探索を適合させる方法が提供される。本方法は、マルチチャネルオーディオ信号の各フレームｍについて、マルチチャネルオーディオ信号のチャネル対の相互相関を生成することを含む。本方法は、相互相関に基づいて、第１のＩＴＤ推定値を決定することを含む。本方法は、マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することを含む。本方法は、マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスすることを含む。
類似の装置、コンピュータプログラム、およびコンピュータプログラム製品は、本発明の概念の他の実施形態で提供される。
達成され得る利点は、タイムラグまたはＩＴＤ検出の安定化を可能にし、これにより、例えばＭＳ構成からの、コインシデント構成のステレオ信号の再構築されたオーディオのエンコーディング品質および安定性が改善される。タイムラグまたはＩＴＤ検出を安定化することにより、コインシデント構成の、例えばＭＳ構成からの、ステレオ信号の再構築されたオーディオのエンコーディング品質および安定性が改善される。
構成検出は、ＧＣＣ－ＰＨＡＴスペクトルに基づくことができ、これは、タイムラグを推定するためにすでに計算されており、ベースラインシステムと比較して非常に小さい計算オーバーヘッドを与えるのみである。
本開示のさらなる理解を提供するために含まれ、本明細書に組み込まれ本明細書の一部をなす添付の図面は、発明の概念のある特定の非限定的な実施形態を示す。
ステレオエンコーダおよびデコーダシステムを示すブロック図である。 チャネル間時間差、それらの相互相関、および位相変換分析による一般化相互相関を有する信号対の図である。 マイクロフォン構成およびそれらの捕捉パターンの図である。 ＣＣ信号について生じ得る反対称形態の図である。 本発明の概念のいくつかの実施形態による、ゼロ付近のＩＴＤを強調するための例示的なマスクの図である。 本発明の概念のいくつかの実施形態による、ＣＣ信号を識別し、ＩＴＤ探索を適合させるための動作を示すフローチャートである。 本発明の概念のいくつかの実施形態による、ＣＣ信号を識別し、ＩＴＤ探索を適応させるためのエンコーダ／デコーダ装置の動作を示すブロック図である。 本発明の概念のいくつかの実施形態による、ＭＳ構成信号を識別し、ＩＴＤ探索を適合させるための動作を示すフローチャートである。 本発明の概念のいくつかの実施形態による、ＭＳ構成信号を識別し、ＩＴＤ探索を適合させるためのエンコーダ／デコーダ装置の動作を示すブロック図である。 本発明の概念のいくつかの実施形態による、エンコーダおよび／またはデコーダが動作することができる例示的な環境を示すブロック図である。 いくつかの実施形態による仮想化環境のブロック図である。 本発明の概念のいくつかの実施形態による、エンコーダを示すブロック図である。 本発明の概念のいくつかの実施形態による、デコーダを示すブロック図である。 本発明の概念のいくつかの実施形態による、エンコーダまたはデコーダの動作を示すフローチャートである。 本発明の概念のいくつかの実施形態による、エンコーダまたはデコーダの動作を示すフローチャートである。
次に、本明細書で企図される実施形態のうちのいくつかが、添付の図面を参照しながらより十分に説明される。実施形態は、主題の範囲を当業者に伝達するために例として提供され、本発明の概念の実施形態の例が示されている。しかしながら、本発明概念は、多くの異なる形態で具現され得、本明細書に記載される実施形態に限定されるものとして解釈されるべきではない。それよりもむしろ、これらの実施形態は、本開示が包括的で完全なものであるように、また本発明の概念の範囲を当業者に十分に伝達するように提供されるものである。また、これらの実施形態は相互に排他的ではないことに留意されたい。ある実施形態からの構成要素は、別の実施形態において存在する／使用されると暗に仮定され得る。
実施形態をさらに詳細に説明する前に、図１０は、本明細書で説明されるようにビットストリームをエンコードするために使用され得るエンコーダ１１０の動作環境の一例を示す。エンコーダ１１０は、ネットワーク１００２および／または記憶域１００４からオーディオを受信し、以下に説明するようにオーディオをビットストリームにエンコードし、エンコードされたオーディオをネットワーク１００８を介してデコーダ１２０に送信する。記憶デバイス１００４は、ストアまたはストリーミングオーディオサービスの記憶域リポジトリ、別個の記憶域構成要素、モバイルデバイスの構成要素などのマルチチャネルオーディオ信号の記憶域デポジトリの一部であってもよい。デコーダ１２０は、メディアプレーヤ１０１２を有するデバイス１０１０の一部であってもよい。デバイス１０１０は、モバイルデバイス、セットトップデバイス、デスクトップコンピュータなどであってもよい。
図１１は、いくつかの実施形態によって実装される機能が仮想化され得る、仮想化環境１１００を示すブロック図である。本コンテキストでは、仮想化することは、ハードウェアプラットフォーム、記憶デバイスおよびネットワーキングリソースを仮想化することを含み得る、装置またはデバイスの仮想バージョンを作成することを意味する。本明細書で使用される場合、仮想化は、本明細書に記載の任意のデバイスまたはその構成要素に適用することができ、機能の少なくとも一部が１つまたは複数の仮想構成要素として実装される実装に関する。本明細書で説明される機能の一部またはすべては、ネットワークノード、ＵＥ、コアネットワークノードまたはホストとして動作するハードウェアコンピューティングデバイスなどのハードウェアノードのうちの１つまたは複数によってホストされる１つまたは複数の仮想環境１１００に実装された、１つまたは複数の仮想マシン（ＶＭ）によって実行される、仮想構成要素として実装され得る。さらに、仮想ノードが無線接続性（例えば、コアネットワークノードまたはホスト）を必要としない実施形態では、ノードは完全に仮想化され得る。
アプリケーション１１０２（代替的に、ソフトウェアインスタンス、仮想アプライアンス、ネットワーク機能、仮想ノード、仮想ネットワーク機能などと呼ばれることがある）は、本明細書に開示される実施形態のうちのいくつかの特徴、機能、および／または利益のうちのいくつかを実装するように、仮想化環境１１００で稼働される。
ハードウェア１１０４は、処理回路、ハードウェア処理回路によって実行可能なソフトウェアおよび／もしくは命令を記憶するメモリ、ならびに／またはネットワークインターフェース、入力／出力インターフェースなどの本明細書に記載の他のハードウェアデバイスを含む。ソフトウェアは、処理回路によって実行されて、１つまたは複数の仮想化レイヤ１１０６（ハイパーバイザまたは仮想マシンモニタ（ＶＭＭ）とも呼ばれる）をインスタンス化し、ＶＭ １１０８Ａおよび１１０８Ｂ（これらのうちの１つまたは複数は一般にＶＭ１１０８と呼ばれ得る）を提供し、および／または本明細書に記載されるいくつかの実施形態に関連して説明される機能、特徴および／または利益のいずれかを行うことができる。仮想化レイヤ１１０６は、ＶＭ１１０８に対してネットワーキングハードウェアのように見える仮想動作プラットフォームを提示してもよい。
ＶＭ１１０８は、仮想処理、仮想メモリ、仮想ネットワーキングまたはインターフェース、および仮想記憶域を備え、対応する仮想化レイヤ１１０６によって稼働され得る。仮想アプライアンス１１０２のインスタンスの異なる実施形態が、ＶＭ１１０８の１つまたは複数で実装されてもよく、実装は異なる方法で行われてもよい。ハードウェアの仮想化は、いくつかの文脈において、ネットワーク機能仮想化（ＮＦＶ）と呼ばれる。ＮＦＶは、多くのネットワーク機器タイプを、データ・センタおよび顧客構内機器中に位置し得る、業界標準高ボリュームサーバハードウェア、物理スイッチ、および物理記憶域上にコンソリデートするために使用され得る。
ＮＦＶのコンテキストでは、ＶＭ１１０８は、プログラムが物理的な非仮想マシン上で実行しているかのようにそれらのプログラムを稼働させる、物理マシンのソフトウェア実装形態であり得る。ＶＭ１１０８の各々、および各ＶＭを実行するハードウェア１１０４の部分は、各ＶＭ専用のハードウェアおよび／または各ＶＭによって他方のＶＭと共有されるハードウェアであっても、別個の仮想ネットワーク要素を形成する。さらに、ＮＦＶのコンテキストでは、仮想ネットワーク機能は、ハードウェア１１０４上の１つまたは複数のＶＭ１１０８内で稼働する特定のネットワーク機能をハンドリングすることを担い、アプリケーション１１０２に対応する。
ハードウェア１１０４は、一般的なまたは特定の構成要素を有するスタンドアロンネットワークノードで実装され得る。ハードウェア１１０４は、仮想化によっていくつかの機能を実装することができる。代替的に、ハードウェア１１０４は、多くのハードウェアノードが協働し、中でも特に、アプリケーション１１０２のライフサイクル管理を監督する、管理およびオーケストレーション１１１０を介して管理される、（例えば、データ・センタまたはＣＰＥ内などの）ハードウェアのより大きいクラスタの一部であってもよい。いくつかの実施形態では、ハードウェア１１０４は、各々が１つまたは複数の送信機と、１つまたは複数のアンテナに結合され得る１つまたは複数の受信機とを含む、１つまたは複数の無線ユニットに結合され得る。無線ユニットは、１つまたは複数の適切なネットワークインターフェースを介してハードウェアノードと直接通信してもよく、無線アクセスノードまたは基地局など、無線能力を有する仮想ノードを提供するために、仮想構成要素と組み合わせて使用されてもよい。いくつかの実施形態では、一部のシグナリングは、ハードウェアノードと無線ユニットとの間の通信に代替的に使用され得る制御システム１１１２を使用することによって提供され得る。
図１２は、本発明の概念のいくつかの実施形態によるオーディオフレームをエンコードするように設定されたエンコーダ１０００の要素を示すブロック図である。図示されるように、エンコーダ１０００は、他のデバイス／エンティティ／機能などとの通信を提供するように設定されたネットワークインターフェース回路１２０５（ネットワークインターフェースとも呼ばれる）を含み得る。エンコーダ１０００はまた、ネットワークインターフェース回路１２０５に結合されたプロセッサ回路１２０１（プロセッサとも呼ばれる）と、プロセッサ回路に結合されたメモリ回路１２０３（メモリとも呼ばれる）とを含み得る。メモリ回路１２０３は、プロセッサ回路１２０１によって実行されたとき、プロセッサ回路に、本明細書に開示される実施形態による動作を行わせるコンピュータ可読プログラムコードを含み得る。
他の実施形態によれば、プロセッサ回路１２０１は、別個のメモリ回路が必要とされないように、メモリを含むように規定され得る。本明細書で論じられるように、エンコーダ１０００の動作は、プロセッサ１２０１および／またはネットワークインターフェース１２０５によって実施され得る。例えば、プロセッサ１２０１は、ネットワークインターフェース１２０５を制御して、デコーダ１００６に通信を送信することができ、および／またはネットワークインターフェース１２０５を介して、他のエンコーダノード、デポジトリサーバなどの１つまたは複数の他のネットワークノード／エンティティ／サーバから通信を受信することができる。さらに、モジュールは、メモリ１２０３に記憶されてもよく、これらのモジュールは、モジュールの命令がプロセッサ１２０１によって実行されたとき、プロセッサ１２０１がそれぞれの動作を行うように、命令を提供してもよい。
図１３は、本発明の概念のいくつかの実施形態に従ってオーディオフレームをデコードするように設定されたデコーダ１００６の要素を示すブロック図である。図示されるように、デコーダ１００６は、他のデバイス／エンティティ／機能などとの通信を提供するように設定されたネットワークインターフェース回路１３０５（ネットワークインターフェースとも呼ばれる）を含み得る。デコーダ１００６はまた、ネットワークインターフェース回路１３０５に結合されたプロセッサ回路１３０１（プロセッサとも呼ばれる）と、プロセッサ回路に結合されたメモリ回路１３０３（メモリとも呼ばれる）とを含み得る。メモリ回路１３０３は、プロセッサ回路１３０１によって実行されたとき、処理回路に、本明細書に開示される実施形態による動作を行わせる、コンピュータ可読プログラムコードを含み得る。
他の実施形態によれば、プロセッサ回路１３０１は、別個のメモリ回路が必要とされないように、メモリを含むように規定され得る。本明細書で論じられるように、デコーダ１００６の動作は、プロセッサ１３０１および／またはネットワークインターフェース１３０５によって行われ得る。例えば、プロセッサ回路１３０１は、エンコーダ１０００からの通信を受信するようにネットワークインターフェース回路１３０５を制御することができる。さらに、モジュールがメモリ１３０３に記憶されてもよく、これらのモジュールは、モジュールの命令がプロセッサ回路１３０１によって実行されたとき、プロセッサ回路１３０１がそれぞれの動作を行うように、命令を提供してもよい。
２つ以上のオーディオチャネルからなるオーディオ入力の空間表現パラメータを取得するように指定されたシステムを考える。システムは、図１に概説されているようなステレオエンコーディングおよびデコーディングシステムまたはエンコーダ／デコーダの一部であってもよい。オーディオ入力は、時間フレームｍにセグメント化される。マルチチャネル手法の場合、空間パラメータは、通常、チャネル対について取得され、ステレオ設定の場合、この対は、単に左右のチャネルＬおよびＲである。エンコーダでは、この方法は、ダウンミックス手順を補助し、空間画像を表すために空間パラメータをエンコードするための空間分析の一部であり得る。デコーダにおいて、本方法は、受信されるチャネルの数がデコーダユニットによってハンドリングされ得るよりも大きい場合、例えばモノオーディオ再生能力を有するステレオデコーダの場合、ダウンミックス手順を補完することができる。以降、単一チャネル対ｌ（ｎ、ｍ）およびｒ（ｎ、ｍ）について空間分析器１１２によって導出された空間パラメータのセットの一部としてチャネル間時間差（ＩＴＤ）パラメータに焦点を合わせ、ここで、ｎはサンプル番号を表し、ｍはフレーム番号を表す。以降、インデックスｍは、フレームｍについて計算された値を示すために使用される。
図６を参照すると、システムは、コインシデント構成から来るステレオ信号に対して起動される指定された方法を有する。空間表現パラメータは、いくつかの実施形態では、ブロック６１０における入力チャネルの位相変換による一般化相互相関（ＧＣＣ－ＰＨＡＴ）分析を使用して導出され得る、ＩＴＤパラメータを含む。分析は、米国特許出願公開第２０２００１９４０１３号明細書で提案されているように、時間フレーム間の相互相関の平滑化を含み得る。これらの実施形態におけるフレームｍのＩＴＤ０（ｍ）パラメータの第１の推定値は、ブロック６２０におけるＧＣＣ－ＰＨＡＴの絶対最大値である。第１の推定値は、以下に従って決定することができ、
Figure 2024521486000010
ここで、ＩＴＤ０（ｍ）は、ＩＴＤの第１の推定値であり、τは、タイムラグパラメータであり、
Figure 2024521486000011
は、ＧＣＣ－ＰＨＡＴである。
図４に示すように、ＭＳ信号（すなわち、特定の種類のＣＣ）のＧＣＣ－ＰＨＡＴは、反対称パターンを示し得ることが観察されている。この構造は、ＭＳ設定におけるマイクロフォン間の距離が小さいことに起因する時間差、およびＳ信号が反対の符号で左右のチャネルに追加されるという事実から来る。このパターンは、ブロック６３０においてＣＣ検出変数を計算する際に、フレームｍについてコインシデント構成検出変数Ｄ（ｍ）を形成するときに利用され得る。
Figure 2024521486000012
いくつかのステレオ表現のコインシデント構成の肯定的な指示を与えることが分かっている代替の検出変数は、
Figure 2024521486000013
であり、
ここで、Ｒは、探索範囲であり、Ｗは、対称性－ＩＴＤ０（ｍ）のタイムラグにおいて一致するＩＴＤの第１の推定値付近の領域を規定し、ＩＴＤ０ ’（ｍ）は、探索範囲［－Ｒ，Ｒ］に限定されたＩＴＤ候補であり、例えば、以下のように決定される。
Figure 2024521486000014
ＭＳ信号などのコインシデント構成の場合、対称性はτ＝０に近く見え、適切な探索範囲はＲ＝１０またはＲ∈［５，２０］の範囲内であり得る。一致する領域を規定する適切な値は、Ｗ＝１または［０，５］の範囲内である。本明細書に記載の実施形態は、オーディオ信号の３２ｋＨｚサンプリングを想定しており、パラメータの適切な範囲は、サンプリング周波数に依存し得る。
検出器を安定化するために、決定変数、
ＤＬＰ（ｍ）＝αＤ（ｍ）＋（１－α）ＤＬＰ（ｍ－１）
をローパスフィルタリングすることが望ましい場合があり、
ここで、αは、ローパスフィルタ係数である。αの適切な値は、α＝０．１またはα∈（０，０．２）の範囲内であり得る。Ｄ（ｍ）の形成に絶対値が含まれない場合、ローパスフィルタは絶対値を含んでもよい。
ＤＬＰ（ｍ）＝α｜Ｄ（ｍ）｜＋（１－α）ＤＬＰ（ｍ－１）
検出器変数は、源がアクティブであるときにのみ有効な値を与えるので、決定変数の更新をこの状況に制限することが有益である。ローパスフィルタリングされた決定変数式は、次のようになり、
Figure 2024521486000015
ここで、Ａ（ｍ）は、フレームｍがアクティブである場合、すなわち音声などのアクティブ源信号を含むと分類される場合にＴＲＵＥであり、そうでない場合にＦＡＬＳＥである。Ａ（ｍ）は、例えば、ボイスアクティビティ検出器（ＶＡＤ）の出力、または閾値と比較したＧＣＣ－ＰＨＡＴの絶対最大値とすることができ、
Figure 2024521486000016
は、源がアクティブであることを示す。ここで、Ｃｔｈｒは、適切な値がＣｔｈｒ＝０．５またはＣｔｈｒ∈［０．３，０．９］の範囲内であり得る定数である。この挙動を実現する別の方法は、アクティビティ指標Ａ（ｍ）を使用してローパスフィルタ係数αを適合させることであり、
ＤＬＰ（ｍ）＝α（ｍ）Ｄ（ｍ）＋（１－α（ｍ））ＤＬＰ（ｍ－１）
Figure 2024521486000017
ここで、フィルタ係数に適した値は、αｈｉｇｈ＝０．１またはα∈［αｌｏｗ，０．５］の範囲内、およびαｌｏｗ＝０．０１またはαｌｏｗ∈［０，αｈｉｇｈ］の範囲内であり得る。アクティビティ指標が偽、Ａ（ｍ）＝ＦＡＬＳＥである場合、検出器変数は信頼できない可能性があり、検出器変数を所定の値に向かって減衰させることが望ましい場合があり、
Figure 2024521486000018
ここで、Ｄ０は、Ｄ０＝０またはＤ０＝ＤＴＨＲなどの所定の値であり、ＤＴＨＲは、後述する決定閾値である。
信号がＣＣ信号であるかどうかを決定するために、検出器変数は、ブロック６４０において閾値と比較され得る。
Figure 2024521486000019
絶対値がＤ（ｍ）、結果としてＤＬＰ（ｍ）を形成する際に含まれない場合、閾値との比較は絶対値を含み得る。
Figure 2024521486000020
信号がＣＣ信号であることを示すことは、信号がコインシデントマイクロフォン構成から来ていることを意味することに留意されたい。ＣＣ信号が検出された場合、ＩＴＤ探索は、ゼロに近いＩＴＤが優先されるように影響され得る。例えば、米国特許出願公開第２０２００１９４０１３号明細書に記載されているように、ＩＴＤの安定化が適用され、ブロック６５０において安定化されたＩＴＤ、ＩＴＤｓｔａｂ（ｍ）が得られる。ＣＣ信号が検出された場合、本発明の概念のいくつかの実施形態では、ブロック６６０において、最小の絶対値を有するＩＴＤが選択される。
Figure 2024521486000021
ここで、ＩＴＤ１（ｍ）は、最終ＩＴＤであり、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値であり、ＩＴＤｓｔａｂ（ｍ）は、安定化されたＩＴＤである。安定化手順は、第１のＩＴＤ推定値と同じである安定化されたＩＴＤをもたらす可能性があり、これは、ＣＣ信号が検出されない場合、すなわちＣＣ検出＝ＦＡＬＳＥの場合でも、ＩＴＤ１（ｍ）がＩＴＤ０（ｍ）と同じであり得ることを意味することに留意されたい。別の実施形態では、より小さい絶対値への切り替えは、絶対値がゼロから［－Ｒ１，Ｒ１］の範囲内にある場合にのみ行われる。
Figure 2024521486000022
３２ｋＨｚのサンプリング周波数の場合、Ｒ１の適切な値は、Ｒ１＝１０またはＲ１∈［５，２０］の範囲内である。
さらなる安定化は、例えば、米国特許出願公開第２０２００２１１５７５号明細書に記載されているような以前のＩＴＤ値を考慮して、適用することができる。ここでも、ＣＣ信号が検出された場合、ブロック６６０において、絶対値がゼロに近い場合に安定化の結果が受け入れられる。ここでも、安定化されたＩＴＤの代わりに以前に取得されたＩＴＤを保持する決定はまた、以前に取得されたＩＴＤがゼロから、例えば［－Ｒ１，Ｒ１］の範囲内にあるかどうかに依存し得る。
ゼロに近いＩＴＤを優先する別の方法は、ゼロに近い値により大きい重みを与えることによって安定化６６０を補完するために、ＧＣＣ－ＰＨＡＴ
Figure 2024521486000023
の重み付けを適用することである。重み付けｗ（τ）は、
ｗ（τ）＝ｍａｘ（０，１－｜τ（１＋Ｃ）／ＩＴＤＭＡＸ｜）
によって得ることができる。
一方、ＣＣ信号が検出されない場合、重み付けは省略され、これは、重み付けを１に設定することと等価である。
Figure 2024521486000024
この重み付け関数は、３２ｋＨｚのサンプリング周波数についてのそれらの定数に適した値であり得る、Ｃ＝５およびＩＴＤＭＡＸ＝２００について図５に示されるような、ゼロ付近の相関値のくさびを効果的にマスクアウトする。この場合、ＩＴＤ推定値は、重み付けされたＧＣＣ－ＰＨＡＴの絶対最大値である。
Figure 2024521486000025
ＣＣ検出＝ＦＡＬＳＥの場合、既に取得されているＩＴＤ０（ｍ）が使用され得る。
図７を参照すると、上述の実施形態は、入力信号ＬおよびＲのＧＣＣ－ＰＨＡＴ分析を生成することができる相互相関分析器７１０によって実装され得る。第１のＩＴＤ推定値がＩＴＤ分析器７２０によって生成される。ＣＣ検出器７３０は、少なくとも相互相関分析器の出力、および任意選択で第１のＩＴＤ推定値を使用して、ＣＣ信号などの低ＩＴＤ信号を検出する。ＣＣ検出器は、ＣＣ信号が存在するかどうかを決定するために閾値と比較されるＣＣ検出器変数を形成する。ＣＣ信号が検出された場合、それは、ゼロに近いＩＴＤ値を優先するようにＩＴＤ安定化器７４０に指示する。
図８は、ＣＣ検出が前のフレームの分析に基づく実施形態を示す。システムの始動中に、ブロック８１０において、ＭＳ検出器変数メモリおよびＭＳ検出器フラグが初期化される。各フレームｍについて、ブロック８２０から８５０までが行われる。
ブロック８２０において、相互相関
Figure 2024521486000026
が計算される。ブロック８３０において、重み付けされた相互相関の絶対最大値ＩＴＤ１（ｍ）が、
Figure 2024521486000027
に従って決定される。
重み付けは、上述のブロック６４０においてと同じであり得るが、決定は、前のフレームからのＣＣ検出に基づく。
Figure 2024521486000028
識別された最大値は、上述のブロック６６０で行われる安定化と同様に、任意選択のブロック８４０でさらに安定化され得る。ブロック６３０において上述した導出と同様に、ブロック８５０において、ＣＣ検出変数が導出される。その後、この値は、次のフレームで使用されるように記憶される。
Figure 2024521486000029
絶対値がＤ（ｍ）、結果としてＤＬＰ（ｍ）を形成する際に含まれない場合、閾値との比較は絶対値を含み得る。
Figure 2024521486000030
この場合、決定変数は、ブロック８４０において行われ得る安定化方法を含む瞬間推定値ＩＴＤ０（ｍ）または最終ＩＴＤ値ＩＴＤ（ｍ）を使用して形成され得る。
図９を参照すると、図８に記載された実施形態は、入力信号ＬおよびＲのＧＣＣ－ＰＨＡＴ分析を生成することができる相互相関分析器９１０によって実装され得る。重み付け器および絶対最大値ファインダ９２０は、相互相関に重み付けし、重み付けされた相互相関の絶対最大値ＩＴＤを決定する。任意選択のＩＴＤ安定化器９３０は、最終ＩＴＤ１（ｍ）を取得するために、識別された最大値ＩＴＤを安定化させる。ＭＳ検出器変数およびＣＣ検出器フラグ更新器９４０は、ＣＣ検出変数を導出し、ＣＣ検出変数を、次のフレームで使用するために、ＣＣ検出器変数を記憶するためのＣＣ検出器変数およびＣＣ検出器フラグメモリ９５０に提供する。
以下の説明では、エンコーダは、ステレオエンコーダ１１０、エンコーダ１０００、仮想化ハードウェア１１０４または仮想マシン１１０８Ａ、１１０８Ｂのいずれかであり得るが、エンコーダ１０００は、エンコーダの動作の機能を説明するために使用されるものとする。同様に、デコーダは、ステレオデコーダ１２０、デコーダ１００６、ハードウェア１１０４または仮想マシン１１０８Ａ、１１０８Ｂのいずれかであり得るが、デコーダ１００６は、デコーダの動作の機能を説明するために使用されるものとする。次に、本発明の概念のいくつかの実施形態による図１４のフローチャートを参照して、エンコーダ１０００（図１２のブロック図の構造を使用して実装される）またはデコーダ１００６（図１３のブロック図の構造を使用して実装される）の動作を説明する。例えば、モジュールが図１２のメモリ１２０３または図１３のメモリ１３０３に記憶されてもよく、これらのモジュールは、モジュールの命令がそれぞれの処理回路１２０１／１３０１によって実行されたとき、処理回路１２０１／１３０１がフローチャートのそれぞれの動作を行うように、命令を提供してもよい。
図１４は、エンコーダまたはデコーダにおいて、コインシデントマイクロフォン構成ＣＣを識別し、チャネル間時間差ＩＴＤ探索を適合させる方法を示す。デコーダの場合、この方法が主に使用されるのは、デコーダがステレオ信号を受信するが、オーディオデバイスがモノ再生能力のみを有するときである。
図１４を参照すると、ブロック１４０１から１４０９までの動作は、マルチチャネルオーディオ信号の各フレームｍに対して行われる。ブロック１４０１において、処理回路１２０１／１３０１は、マルチチャネルオーディオ信号のチャネル対の相互相関を生成する。相互相関生成は、図６および図８で上述したように生成され得る。本発明の概念のいくつかの実施形態では、相互相関は、位相変換による一般化相互相関（ＧＣＣ－ＰＨＡＴ）である。
ブロック１４０３において、処理回路１２０１／１３０１は、相互相関に基づいて第１のＩＴＤ推定値を決定する。処理回路１２０１／１３０１は、第１のＩＴＤ推定値を相互相関の絶対最大値として決定することによって、第１のＩＴＤ推定値を決定し得る。いくつかの実施形態では、処理回路１２０１／１３０１は、以下に従って相互相関の絶対最大値を決定し、
Figure 2024521486000031
ここで、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値であり、
Figure 2024521486000032
は、相互相関であり、τは、タイムラグパラメータである。
ブロック１４０５において、処理回路１２０１／１３０１は、マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定する。
本発明の概念のいくつかの実施形態では、処理回路１２０１／１３０１は、ＣＣ検出変数に基づいて、マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定する。図１５は、ＣＣ検出変数に基づいてマルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定する実施形態を示す。図１５を参照すると、ブロック１５０１において、処理回路１２０１／１３０１は、ＣＣ検出変数を計算する。ＣＣ検出変数の計算については上述した。
ブロック１５０３において、処理回路１２０１／１３０１は、ＣＣ検出変数が閾値を上回っているかどうかを決定する。これらの実施形態のいくつかでは、処理回路１２０１／１３０１は、ＣＣ検出変数の絶対値が閾値を上回っているかどうかを決定することによって、ＣＣ検出変数が閾値を上回っているかどうかを決定する。
ブロック１５０５において、処理回路１２０１／１３０１は、ＣＣ検出変数が閾値を上回っていると決定したことに応答して、マルチチャネルオーディオ信号がＣＣ信号であると決定する。ブロック１５０７において、処理回路１２０１／１３０１は、ＣＣ検出変数が閾値を上回っていないと決定したことに応答して、マルチチャネルオーディオ信号がＣＣ信号ではないと決定する。
他の実施形態では、処理回路１２０１／１３０１は、マルチチャネルオーディオ信号のチャネル対における相互相関の反対称パターンおよび対称パターンのうちの一方を検出することによって、マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定する。いくつかの実施形態では、構成要素内の反対称パターンを検出することは、以下に従って反対称パターンを検出することを含み、
Figure 2024521486000033
ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
Figure 2024521486000034
は、ＧＣＣ－ＰＨＡＴであり、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値である。
本発明の概念の他の実施形態では、処理回路１２０１／１３０１は、以下のうちの少なくとも１つに従って反対称パターンを検出することによって、相互相関内の反対称パターンおよび対称パターンのうちの一方を検出し、
Figure 2024521486000035
ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
Figure 2024521486000036
は、ＧＣＣ－ＰＨＡＴであり、Ｒは、探索範囲であり、Ｗは、一致するＩＴＤの第１の推定値付近の領域を規定し、ＩＴＤ０ ’（ｍ）は、探索範囲［－Ｒ，Ｒ］に限定されたＩＴＤ候補である。
図１４に戻ると、ブロック１４０７において、処理回路１２０１／１３０１は、マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスする。
いくつかの実施形態では、処理回路１２０１／１３０１は、最小の絶対値を有するＩＴＤを選択することによって、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスする。これらの実施形態では、処理回路１２０１／１３０１が最小の絶対値を有するＩＴＤを選択することは、以下に従って最終ＩＴＤとしてＩＴＤを選択することを含み、
Figure 2024521486000037
ここで、ＩＴＤ１（ｍ）は、最終ＩＴＤであり、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値であり、ＩＴＤｓｔａｂ（ｍ）は、安定化されたＩＴＤである。
本発明の概念の他の実施形態では、処理回路１２０１／１３０１は、ゼロ付近の限定された範囲内のＩＴＤ候補から最終ＩＴＤを選択することによって、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスする。
本発明の概念のさらなる実施形態では、処理回路１２０１／１３０１は、ゼロに近い相互相関の値により大きい重みを割り当てるために相互相関の重み付けを適用することによって、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスする。
図１４に戻ると、ブロック１４０９において、処理回路１２０１／１３０１は、マルチチャネルオーディオ信号がＣＣ信号ではないと決定したことに応答して、ゼロに近いＩＴＤを優先することなく最終ＩＴＤを取得する。
本発明の概念のいくつかの他の実施形態では、処理回路１２０１／１３０１は、最終ＩＴＤを取得するために選択されたＩＴＤ候補に安定化を適用する。選択されたＩＴＤ候補は、生成された少なくとも１つのＩＴＤ候補から選択される。
図１４のフローチャートからの様々な動作は、エンコーダ／デコーダおよび関係する方法のいくつかの実施形態に関して、任意選択であり得る。（以下に記載される）例示的な実施形態１の方法に関して、例えば、図１４のブロック１４０９の動作は、任意選択であり得る。
本明細書に記載のコンピューティングデバイス（例えば、ＵＥ、ネットワークノード、ホスト）は、ハードウェア構成要素の示された組合せを含み得るが、他の実施形態は、構成要素の異なる組合せを有するコンピューティングデバイスを含み得る。これらのコンピューティングデバイスは、本明細書に開示されるタスク、特徴、機能および方法を行うのに必要な、ハードウェアおよび／またはソフトウェアの任意の適切な組合せを含み得ることが理解されるべきである。本明細書で説明される決定、計算、取得または同様の動作は、処理回路によって行われてもよく、処理回路は、例えば、取得された情報を他の情報に変換することによって、取得された情報または変換された情報をネットワークノードに記憶された情報と比較することによって、ならびに／あるいは、取得された情報または変換された情報に基づいて、および前記処理が決定を行ったことの結果として、１つまたは複数の動作を行うことによって、情報を処理し得る。さらに、構成要素は、より大きなボックス内に位置する単一のボックスとして、または複数のボックス内に入れ子にされた単一のボックスとして示されているが、実際には、コンピューティングデバイスは、単一の図示された構成要素を組成する複数の異なる物理的構成要素を含むことができ、機能は別個の構成要素間で分割され得る。例えば、通信インターフェースは、本明細書に記載の構成要素のいずれかを含むように設定されてもよく、および／または構成要素の機能は、処理回路と通信インターフェースとの間で分割されてもよい。別の例では、そのような構成要素のうちのいずれかの非計算集約的機能は、ソフトウェアまたはファームウェアに実装されてもよく、計算集約的機能はハードウェアに実装されてもよい。
特定の実施形態では、本明細書に記載の機能の一部またはすべては、メモリに記憶された命令を実行する処理回路によって提供されてもよく、特定の実施形態では、非一時的コンピュータ可読記憶媒体の形態のコンピュータプログラム製品であってもよい。代替実施形態では、機能の一部またはすべては、ハードワイヤード様式などで、別個のまたは個別のデバイス可読記憶媒体に記憶された命令を実行することなく、処理回路によって提供されてもよい。これら特定の実施形態のいずれにおいても、非一時的コンピュータ可読記憶媒体に記憶された命令を実行するか否かにかかわらず、処理回路は、上記の機能を行うように設定することができる。そのような機能によって提供される利益は、処理回路単独またはコンピューティングデバイスの他の構成要素に限定されず、コンピューティングデバイス全体によって、および／またはエンドユーザおよび無線ネットワーク一般によって享受される。
例示的な実施形態が以下で説明される。
実施形態１．エンコーダ（１１０，１０００）またはデコーダ（１２０，１００６）において、コインシデントマイクロフォン構成ＣＣを識別し、チャネル間時間差ＩＴＤ探索を適合させる方法であって、
マルチチャネルオーディオ信号の各フレームｍについて、
マルチチャネルオーディオ信号のチャネル対の相互相関を生成すること（１４０１）と、
相互相関に基づいて、第１のＩＴＤ推定値を決定すること（１４０３）と、
マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定すること（１４０５）と、
マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスすること（１４０７）と
を含む、方法。
実施形態２．マルチチャネルオーディオ信号がＣＣ信号ではないと決定したことに応答して、ゼロに近いＩＴＤを優先することなく最終ＩＴＤを取得すること（１４０９）
をさらに含む、実施形態１に記載の方法。
実施形態３．マルチチャネルオーディオ信号がＣＣ信号ではない場合に最終ＩＴＤを取得することが、最終ＩＴＤを第１のＩＴＤ推定値に設定することによって最終ＩＴＤを取得することを含む、実施形態２に記載の方法。
実施形態４．最終ＩＴＤを取得するために選択されたＩＴＤ候補に安定化を適用することをさらに含む、実施形態１または２に記載の方法。
実施形態５．安定化を適用することが、少なくとも１つのＩＴＤ候補を生成することをさらに含む、実施形態４に記載の方法。
実施形態６．最終ＩＴＤを取得するためにゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスすることが、最小の絶対値を有するＩＴＤを選択することによって最終ＩＴＤを取得することを含む、実施形態１～５のいずれか１つに記載の方法。
実施形態７．最小の絶対値を有するＩＴＤを選択することが、以下に従って最終ＩＴＤとしてＩＴＤを選択することを含み、
Figure 2024521486000038
ここで、ＩＴＤ１（ｍ）は、最終ＩＴＤであり、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値であり、ＩＴＤｓｔａｂ（ｍ）は、安定化されたＩＴＤである、
実施形態６に記載の方法。
実施形態８．ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスすることが、ゼロ付近の限定された範囲内のＩＴＤ候補から最終ＩＴＤを選択することを含む、実施形態１～７のいずれか１つに記載の方法。
実施形態９．最終ＩＴＤを取得するためにゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスすることが、ゼロに近い相互相関の値により大きい重みを割り当てるために相互相関の重み付けを適用することを含む、実施形態１～３のいずれか１つに記載の方法。
実施形態１０．第１のＩＴＤ推定値を決定することが、第１のＩＴＤ推定値を相互相関の絶対最大値として決定することを含む、実施形態１～９のいずれか１つに記載の方法。
実施形態１１．第１のＩＴＤ推定値を相互相関の絶対最大値として決定することが、以下に従って絶対最大値を決定することを含み、
Figure 2024521486000039
ここで、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値であり、
Figure 2024521486000040
は、相互相関であり、τは、タイムラグパラメータである、
実施形態１０に記載の方法。
実施形態１２．相互相関が位相変換による一般化相互相関（ＧＣＣ－ＰＨＡＴ）である、実施形態１～１１のいずれか１つにおける方法。
実施形態１３．マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することが、
マルチチャネルオーディオ信号のチャネル対における相互相関の反対称パターンおよび対称パターンのうちの一方を検出すること
を含む、実施形態１～１２のいずれか１つに記載の方法。
実施形態１４．構成要素内の反対称パターンを検出することが、以下に従って反対称パターンを検出することを含み、
Figure 2024521486000041
ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
Figure 2024521486000042
は、ＧＣＣ－ＰＨＡＴであり、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値である、
実施形態１３に記載の方法。
実施形態１５．相互相関内の反対称パターンおよび対称パターンのうちの一方を検出することが、以下のうちの少なくとも１つに従って反対称パターンを検出することを含み、
Figure 2024521486000043
ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
Figure 2024521486000044
は、ＧＣＣ－ＰＨＡＴであり、Ｒは、探索範囲であり、Ｗは、一致するＩＴＤの第１の推定値付近の領域を規定し、ＩＴＤ０ ’（ｍ）は、探索範囲［－Ｒ，Ｒ］に限定されたＩＴＤ候補である、
実施形態１３に記載の方法。
実施形態１６．マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することが、
ＣＣ検出変数を計算すること（１５０１）と、
ＣＣ検出変数が閾値を上回っているかどうかを決定すること（１５０３）と、
ＣＣ検出変数が閾値を上回っていると決定したことに応答して、マルチチャネルオーディオ信号がＣＣ信号であると決定すること（１５０５）と
を含む、実施形態１～１２のいずれか１つに記載の方法。
実施形態１７．ＣＣ検出変数が閾値を上回っているかどうかを決定することが、ＣＣ検出変数の絶対値が閾値を上回っているかどうかを決定することを含む、実施形態１６に記載の方法。
実施形態１８．ＣＣ検出を安定化するために、ＣＣ検出変数をローパスフィルタリングでフィルタリングすることをさらに含む、実施形態１４～１７のいずれか１つに記載の方法。
実施形態１９．ＣＣ検出変数に対するローパスフィルタリングが、少なくともアクティビティ検出器の出力Ａ（ｍ）に応じて適応的である、実施形態１８に記載の方法。
実施形態２０．ＣＣ検出変数をローパスフィルタリングでフィルタリングすることが、以下に従って適応ローパスフィルタリングでフィルタリングすることを含み、
ＤＬＰ（ｍ）＝α（ｍ）Ｄ（ｍ）＋（１－α（ｍ））ＤＬＰ（ｍ－１）
Figure 2024521486000045
ここで、Ａ（ｍ）は、アクティビティ検出器の出力であり、αｈｉｇｈおよびαｌｏｗは、フィルタ係数である、
実施形態１９に記載の方法。
実施形態２１．装置（１１０，１２０，１０００，１００６）であって、
処理回路（１２０１，１３０１）と、
処理回路と結合されたメモリ（１２０５，１３０５）であって、処理回路によって実行されたときに、装置に、
マルチチャネルオーディオ信号の各フレームｍについて、
マルチチャネルオーディオ信号のチャネル対の相互相関を生成させる（１４０１）、
相互相関に基づいて、第１のＩＴＤ推定値を決定させる（１４０３）、
マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定させる（１４０５）、および
マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスさせる（１４０７）
命令を含む、メモリと
を備える、装置（１１０，１２０，１０００，１００６）。
実施形態２２．マルチチャネルオーディオ信号がＣＣ信号ではないと決定したことに応答して、ゼロに近いＩＴＤを優先することなく最終ＩＴＤを取得すること（１４０９）
をさらに含む、実施形態２１に記載の装置（１１０，１２０，１０００，１００６）。
実施形態２３．マルチチャネルオーディオ信号がＣＣ信号ではない場合に最終ＩＴＤを取得することが、最終ＩＴＤを第１のＩＴＤ推定値に設定することによって最終ＩＴＤを取得することを含む、実施形態２２に記載の装置（１１０，１２０，１０００，１００６）。
実施形態２４．メモリが、処理回路によって実行されたときに、装置に、最終ＩＴＤを取得するために選択されたＩＴＤ候補に安定化を適用させるさらなる命令を含む、実施形態２１または２２に記載の装置（１１０，１２０，１０００，１００６）。
実施形態２５．安定化を適用することが、少なくとも１つのＩＴＤ候補を生成することをさらに含む、実施形態２４に記載の装置（１１０，１２０，１０００，１００６）。
実施形態２６．最終ＩＴＤを取得するためにゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスすることが、最小の絶対値を有するＩＴＤを選択することによって最終ＩＴＤを取得することを含む、実施形態２１～２５のいずれか１つに記載の装置（１１０，１２０，１０００，１００６）。
実施形態２７．最小の絶対値を有するＩＴＤを選択することが、以下に従って最終ＩＴＤとしてＩＴＤを選択することを含み、
Figure 2024521486000046
ここで、ＩＴＤ１（ｍ）は、最終ＩＴＤであり、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値であり、ＩＴＤｓｔａｂ（ｍ）は、安定化されたＩＴＤである、
実施形態２６に記載の装置（１１０，１２０，１０００，１００６）。
実施形態２８．ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスすることが、ゼロ付近の限定された範囲内のＩＴＤ候補から最終ＩＴＤを選択することを含む、実施形態２１～２７のいずれか１つに記載の装置（１１０，１２０，１０００，１００６）。
実施形態２９．最終ＩＴＤを取得するためにゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスすることが、ゼロに近い相互相関の値により大きい重みを割り当てるために相互相関の重み付けを適用することを含む、実施形態２１～２７のいずれか１つに記載の装置（１１０，１２０，１０００，１００６）。
実施形態３０．第１のＩＴＤ推定値を決定することが、第１のＩＴＤ推定値を相互相関の絶対最大値として決定することを含む、実施形態２１～２９のいずれか１つに記載の装置（１１０，１２０，１０００，１００６）。
実施形態３１．第１のＩＴＤ推定値を相互相関の絶対最大値として決定することが、以下に従って絶対最大値を決定することを含み、
Figure 2024521486000047
ここで、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値であり、
Figure 2024521486000048
は、相互相関であり、τは、タイムラグパラメータである、
実施形態３０に記載の装置（１１０，１２０，１０００，１００６）。
実施形態３２．相互相関が位相変換による一般化相互相関（ＧＣＣ－ＰＨＡＴ）である、実施形態２１～３１のいずれか１つに記載の装置（１１０，１２０，１０００，１００６）。
実施形態３３．マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することが、
マルチチャネルオーディオ信号のチャネル対における相互相関の反対称パターンおよび対称パターンのうちの一方を検出すること
を含む、実施形態２１～３１のいずれか１つに記載の装置（１１０，１２０，１０００，１００６）。
実施形態３４．構成要素内の反対称パターンを検出することが、以下に従って反対称パターンを検出することを含み、
Figure 2024521486000049
ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
Figure 2024521486000050
は、ＧＣＣ－ＰＨＡＴであり、ＩＴＤ０（ｍ）は、第１のＩＴＤ推定値である、
実施形態３３に記載の装置（１１０，１２０，１０００，１００６）。＋
実施形態３５．相互相関内の反対称パターンおよび対称パターンのうちの一方を検出することが、以下のうちの少なくとも１つに従って反対称パターンを検出することを含み、
Figure 2024521486000051
ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
Figure 2024521486000052
は、ＧＣＣ－ＰＨＡＴであり、Ｒは、探索範囲であり、Ｗは、一致するＩＴＤの第１の推定値付近の領域を規定し、ＩＴＤ０ ’（ｍ）は、探索範囲［－Ｒ，Ｒ］に限定されたＩＴＤ候補である、
実施形態３５に記載の装置（１１０，１２０，１０００，１００６）。
実施形態３６．マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することが、
ＣＣ検出変数を計算すること（１５０１）と、
ＣＣ検出変数が閾値を上回っているかどうかを決定すること（１５０３）と、
ＣＣ検出変数が閾値を上回っていると決定したことに応答して、マルチチャネルオーディオ信号がＣＣ信号であると決定すること（１５０５）と
を含む、実施形態２１～３２のいずれか１つに記載の装置（１１０，１２０，１０００，１００６）。
実施形態３７．ＣＣ検出変数が閾値を上回っているかどうかを決定することが、ＣＣ検出変数の絶対値が閾値を上回っているかどうかを決定することを含む、実施形態３３に記載の装置（１１０，１２０，１０００，１００６）。
実施形態３８．メモリが、処理回路によって実行されたときに、装置に、ＣＣ検出を安定化するためにＣＣ検出変数をローパスフィルタリングでフィルタリングさせるさらなる命令を含む、実施形態３４～３７のいずれか１つに記載の装置（１１０，１２０，１０００，１００６）。
実施形態３９．ＣＣ検出変数に対するローパスフィルタリングが、少なくともアクティビティ検出器の出力Ａ（ｍ）に応じて適応的である、実施形態３８に記載の装置（１１０，１２０，１０００，１００６）。
実施形態４０．ＣＣ検出変数をローパスフィルタリングでフィルタリングすることが、以下に従って適応ローパスフィルタリングでフィルタリングすることを含み、
ＤＬＰ（ｍ）＝α（ｍ）Ｄ（ｍ）＋（１－α（ｍ））ＤＬＰ（ｍ－１）
Figure 2024521486000053
ここで、Ａ（ｍ）は、アクティビティ検出器の出力であり、αｈｉｇｈおよびαｌｏｗは、フィルタ係数である、
実施形態３９に記載の装置（１１０，１２０，１０００，１００６）。
実施形態４１．マルチチャネルオーディオ信号の各フレームｍについて、
マルチチャネルオーディオ信号のチャネル対の相互相関を生成する（１４０１）、
相互相関に基づいて、第１のＩＴＤ推定値を決定する（１４０３）、
マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定する（１４０５）、および
マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスする（１４０７）
ように適合された、装置（１１０，１２０，１０００，１００６）。
実施形態４２．実施形態２～２０に従って行うように適合された、実施形態４１に記載の装置（１１０，１２０，１０００，１００６）。
実施形態４３．装置（１１０，１２０，１０００，１００６）の処理回路（１２０１／１３０１）によって実行されるプログラムコードを含むコンピュータプログラムであって、プログラムコードの実行によって、前記装置（１１０，１２０，１０００，１００６）に、
マルチチャネルオーディオ信号の各フレームｍについて、
マルチチャネルオーディオ信号のチャネル対の相互相関を生成させる（１４０１）、
相互相関に基づいて、第１のＩＴＤ推定値を決定させる（１４０３）、
マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定させる（１４０５）、および
マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスさせる（１４０７）
コンピュータプログラム。
実施形態４４．プログラムコードが、装置（１１０，１２０，１０００，１００６）を実施形態２～２０のいずれか１つに従って行わせるためのさらなるプログラムコードを含む、実施形態４３に記載のコンピュータプログラム。
実施形態４５．装置（１１０，１２０，１０００，１００６）の処理回路１２０１／１３０１）によって実行されるプログラムコードを含む非一時的記憶媒体を含むコンピュータプログラム製品であって、プログラムコードの実行によって、装置（１１０，１２０，１０００，１００６）に、
マルチチャネルオーディオ信号の各フレームｍについて、
マルチチャネルオーディオ信号のチャネル対の相互相関を生成させる（１４０１）、
相互相関に基づいて、第１のＩＴＤ推定値を決定させる（１４０３）、
マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定させる（１４０５）、および
マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスさせる（１４０７）
コンピュータプログラム製品。
実施形態４６．非一時的記憶媒体が、装置（１１０，１２０，１０００，１００６）を実施形態２～２０のいずれか１つに従って行わせるためのさらなるプログラムコードを含む、実施形態４５に記載のコンピュータプログラム。
本開示で使用される様々な略語／頭字語についての説明が、以下で提供される。
略語 解説
ＣＣ コインシデントマイクロフォン構成
ＩＬＤ 両耳間レベル差またはチャネル間レベル差
ＩＴＤ 両耳間時間差またはチャネル間時間差
ＩＣまたはＩＡＣＣ 両耳間コヒーレンスもしくは相関またはチャネル間コヒーレンスもしくは相関
ＧＣＣ 一般的な相互相関
ＧＣＣ－ＰＨＡＴ 位相変換による一般化相互相関

Claims (46)

  1. エンコーダ（１１０，１０００）またはデコーダ（１２０，１００６）において、コインシデントマイクロフォン構成ＣＣを識別し、チャネル間時間差ＩＴＤ探索を適合させる方法であって、
    マルチチャネルオーディオ信号の各フレームｍについて、
    前記マルチチャネルオーディオ信号のチャネル対の相互相関を生成すること（１４０１）と、
    前記相互相関に基づいて、第１のＩＴＤ推定値を決定すること（１４０３）と、
    前記マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定すること（１４０５）と、
    前記マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するように前記ＩＴＤ探索をバイアスすること（１４０７）と
    を含む、方法。
  2. 前記マルチチャネルオーディオ信号がＣＣ信号ではないと決定したことに応答して、ゼロに近いＩＴＤを優先することなく前記最終ＩＴＤを取得すること（１４０９）
    をさらに含む、請求項１に記載の方法。
  3. 前記マルチチャネルオーディオ信号がＣＣ信号ではない場合に前記最終ＩＴＤを取得することが、前記最終ＩＴＤを前記第１のＩＴＤ推定値に設定することによって前記最終ＩＴＤを取得することを含む、請求項２に記載の方法。
  4. 前記最終ＩＴＤを取得するためにＩＴＤに安定化を適用することをさらに含む、請求項１または２に記載の方法。
  5. 安定化を適用することが、少なくとも１つのＩＴＤ候補を生成することをさらに含む、請求項４に記載の方法。
  6. 前記最終ＩＴＤを取得するためにゼロに近いＩＴＤを優先するように前記ＩＴＤ探索をバイアスすることが、最小の絶対値を有するＩＴＤを選択することによって前記最終ＩＴＤを取得することを含む、請求項１～５のいずれか一項に記載の方法。
  7. 前記最小の絶対値を有する前記ＩＴＤを選択することが、以下に従って前記最終ＩＴＤとして前記ＩＴＤを選択することを含み、
    Figure 2024521486000054
    ここで、ＩＴＤ１（ｍ）は、前記最終ＩＴＤであり、ＩＴＤ０（ｍ）は、前記第１のＩＴＤ推定値であり、ＩＴＤｓｔａｂ（ｍ）は、安定化されたＩＴＤである、
    請求項６に記載の方法。
  8. ゼロに近いＩＴＤを優先するように前記ＩＴＤ探索をバイアスすることが、ゼロ付近の限定された範囲内のＩＴＤ候補から前記最終ＩＴＤを選択することを含む、請求項１～７のいずれか一項に記載の方法。
  9. 前記最終ＩＴＤを取得するためにゼロに近いＩＴＤを優先するように前記ＩＴＤ探索をバイアスすることが、ゼロに近い相互相関の値により大きい重みを割り当てるために相互相関の重み付けを適用することを含む、請求項１～３のいずれか一項に記載の方法。
  10. 前記第１のＩＴＤ推定値を決定することが、前記第１のＩＴＤ推定値を前記相互相関の絶対最大値として決定することを含む、請求項１～９のいずれか一項に記載の方法。
  11. 前記第１のＩＴＤ推定値を前記相互相関の前記絶対最大値として決定することが、以下に従って前記絶対最大値を決定することを含み、
    Figure 2024521486000055
    ここで、ＩＴＤ０（ｍ）は、前記第１のＩＴＤ推定値であり、
    Figure 2024521486000056
    は、前記相互相関であり、τは、タイムラグパラメータである、
    請求項１０に記載の方法。
  12. 前記相互相関が位相変換による一般化相互相関（ＧＣＣ－ＰＨＡＴ）である、請求項１～１１のいずれか一項に記載の方法。
  13. 前記マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することが、
    前記マルチチャネルオーディオ信号の前記チャネル対における前記相互相関の反対称パターンおよび対称パターンのうちの一方を検出すること
    を含む、請求項１～１２のいずれか一項に記載の方法。
  14. 構成要素内の前記反対称パターンを検出することが、以下に従って前記反対称パターンを検出することを含み、
    Figure 2024521486000057
    ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
    Figure 2024521486000058
    は、ＧＣＣ－ＰＨＡＴであり、ＩＴＤ０（ｍ）は、前記第１のＩＴＤ推定値である、
    請求項１３に記載の方法。
  15. 前記相互相関内の反対称パターンおよび対称パターンのうちの一方を検出することが、以下のうちの少なくとも１つに従って前記反対称パターンを検出することを含み、
    Figure 2024521486000059
    ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
    Figure 2024521486000060
    は、ＧＣＣ－ＰＨＡＴであり、Ｒは、探索範囲であり、Ｗは、一致する前記ＩＴＤの前記第１の推定値付近の領域を規定し、ＩＴＤ０ ’（ｍ）は、前記探索範囲［－Ｒ，Ｒ］に限定されたＩＴＤ候補である、
    請求項１３に記載の方法。
  16. 前記マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することが、
    ＣＣ検出変数を計算すること（１５０１）と、
    前記ＣＣ検出変数が閾値を上回っているかどうかを決定すること（１５０３）と、
    前記ＣＣ検出変数が前記閾値を上回っていると決定したことに応答して、前記マルチチャネルオーディオ信号がＣＣ信号であると決定すること（１５０５）と
    を含む、請求項１～１２のいずれか一項に記載の方法。
  17. 前記ＣＣ検出変数が前記閾値を上回っているかどうかを決定することが、前記ＣＣ検出変数の絶対値が前記閾値を上回っているかどうかを決定することを含む、請求項１６に記載の方法。
  18. 前記ＣＣ検出を安定化するために、前記ＣＣ検出変数をローパスフィルタリングでフィルタリングすることをさらに含む、請求項１４～１７のいずれか一項に記載の方法。
  19. 前記ＣＣ検出変数に対する前記ローパスフィルタリングが、少なくともアクティビティ検出器の出力Ａ（ｍ）に応じて適応的である、請求項１８に記載の方法。
  20. 前記ＣＣ検出変数をローパスフィルタリングでフィルタリングすることが、以下に従って適応ローパスフィルタリングでフィルタリングすることを含み、
    ＤＬＰ（ｍ）＝α（ｍ）Ｄ（ｍ）＋（１－α（ｍ））ＤＬＰ（ｍ－１）
    Figure 2024521486000061
    ここで、Ａ（ｍ）は、アクティビティ検出器の前記出力であり、αｈｉｇｈおよびαｌｏｗは、フィルタ係数である、
    請求項１９に記載の方法。
  21. 装置（１１０，１２０，１０００，１００６）であって、
    処理回路（１２０１，１３０１）と、
    処理回路と結合されたメモリ（１２０５，１３０５）であって、前記処理回路によって実行されたときに、前記装置に、
    マルチチャネルオーディオ信号の各フレームｍについて、
    前記マルチチャネルオーディオ信号のチャネル対の相互相関を生成させる（１４０１）、
    前記相互相関に基づいて、第１のＩＴＤ推定値を決定させる（１４０３）、
    前記マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定させる（１４０５）、および
    前記マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスさせる（１４０７）
    命令を含む、メモリと
    を備える、装置（１１０，１２０，１０００，１００６）。
  22. 前記メモリが、前記処理回路によって実行されたときに、前記装置に、
    前記マルチチャネルオーディオ信号がＣＣ信号ではないと決定したことに応答して、ゼロに近いＩＴＤを優先することなく前記最終ＩＴＤを取得させる（１４０９）
    命令をさらに含む、請求項２１に記載の装置（１１０，１２０，１０００，１００６）。
  23. 前記マルチチャネルオーディオ信号がＣＣ信号ではない場合に前記最終ＩＴＤを取得することが、前記最終ＩＴＤを前記第１のＩＴＤ推定値に設定することによって前記最終ＩＴＤを取得することを含む、請求項２２に記載の装置（１１０，１２０，１０００，１００６）。
  24. 前記メモリが、前記処理回路によって実行されたときに、前記装置に、前記最終ＩＴＤを取得するためにＩＴＤに安定化を適用させるさらなる命令を含む、請求項２１または２２に記載の装置（１１０，１２０，１０００，１００６）。
  25. 安定化を適用することが、少なくとも１つのＩＴＤ候補を生成することをさらに含む、請求項２４に記載の装置（１１０，１２０，１０００，１００６）。
  26. 前記最終ＩＴＤを取得するためにゼロに近いＩＴＤを優先するように前記ＩＴＤ探索をバイアスすることが、最小の絶対値を有するＩＴＤを選択することによって前記最終ＩＴＤを取得することを含む、請求項２１～２５のいずれか一項に記載の装置（１１０，１２０，１０００，１００６）。
  27. 前記最小の絶対値を有する前記ＩＴＤを選択することが、以下に従って前記最終ＩＴＤとして前記ＩＴＤを選択することを含み、
    Figure 2024521486000062
    ここで、ＩＴＤ１（ｍ）は、前記最終ＩＴＤであり、ＩＴＤ０（ｍ）は、前記第１のＩＴＤ推定値であり、ＩＴＤｓｔａｂ（ｍ）は、安定化されたＩＴＤである、
    請求項２６に記載の装置（１１０，１２０，１０００，１００６）。
  28. ゼロに近いＩＴＤを優先するように前記ＩＴＤ探索をバイアスすることが、ゼロ付近の限定された範囲内のＩＴＤ候補から前記最終ＩＴＤを選択することを含む、請求項２１～２７のいずれか一項に記載の装置（１１０，１２０，１０００，１００６）。
  29. 前記最終ＩＴＤを取得するためにゼロに近いＩＴＤを優先するように前記ＩＴＤ探索をバイアスすることが、ゼロに近い相互相関の値により大きい重みを割り当てるために相互相関の重み付けを適用することを含む、請求項２１～２７のいずれか一項に記載の装置（１１０，１２０，１０００，１００６）。
  30. 前記第１のＩＴＤ推定値を決定することが、前記第１のＩＴＤ推定値を前記相互相関の絶対最大値として決定することを含む、請求項２１～２９のいずれか一項に記載の装置（１１０，１２０，１０００，１００６）。
  31. 前記第１のＩＴＤ推定値を前記相互相関の前記絶対最大値として決定することが、以下に従って前記絶対最大値を決定することを含み、
    Figure 2024521486000063
    ここで、ＩＴＤ０（ｍ）は、前記第１のＩＴＤ推定値であり、
    Figure 2024521486000064
    は、前記相互相関であり、τは、タイムラグパラメータである、
    請求項３０に記載の装置（１１０，１２０，１０００，１００６）。
  32. 前記相互相関が位相変換による一般化相互相関（ＧＣＣ－ＰＨＡＴ）である、請求項２１～３１のいずれか一項に記載の装置（１１０，１２０，１０００，１００６）。
  33. 前記マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することが、
    前記マルチチャネルオーディオ信号の前記チャネル対における前記相互相関の反対称パターンおよび対称パターンのうちの一方を検出すること
    を含む、請求項２１～３２のいずれか一項に記載の装置（１１０，１２０，１０００，１００６）。
  34. 構成要素内の前記反対称パターンを検出することが、以下に従って前記反対称パターンを検出することを含み、
    Figure 2024521486000065
    ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
    Figure 2024521486000066
    は、ＧＣＣ－ＰＨＡＴであり、ＩＴＤ０（ｍ）は、前記第１のＩＴＤ推定値である、
    請求項３３に記載の装置（１１０，１２０，１０００，１００６）。
  35. 前記相互相関内の反対称パターンおよび対称パターンのうちの一方を検出することが、以下のうちの少なくとも１つに従って前記反対称パターンを検出することを含み、
    Figure 2024521486000067
    ここで、Ｄ（ｍ）は、ＣＣ検出変数であり、
    Figure 2024521486000068
    は、ＧＣＣ－ＰＨＡＴであり、Ｒは、探索範囲であり、Ｗは、一致する前記ＩＴＤの前記第１の推定値付近の領域を規定し、ＩＴＤ０ ’（ｍ）は、前記探索範囲［－Ｒ，Ｒ］に限定されたＩＴＤ候補である、
    請求項３３に記載の装置（１１０，１２０，１０００，１００６）。
  36. 前記マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定することが、
    ＣＣ検出変数を計算すること（１５０１）と、
    前記ＣＣ検出変数が閾値を上回っているかどうかを決定すること（１５０３）と、
    前記ＣＣ検出変数が前記閾値を上回っていると決定したことに応答して、前記マルチチャネルオーディオ信号がＣＣ信号であると決定すること（１５０５）と
    を含む、請求項２１～３２のいずれか一項に記載の装置（１１０，１２０，１０００，１００６）。
  37. 前記ＣＣ検出変数が前記閾値を上回っているかどうかを決定することが、前記ＣＣ検出変数の絶対値が前記閾値を上回っているかどうかを決定することを含む、請求項３６に記載の装置（１１０，１２０，１０００，１００６）。
  38. 前記メモリが、前記処理回路によって実行されたときに、前記装置に、前記ＣＣ検出を安定化するために前記ＣＣ検出変数をローパスフィルタリングでフィルタリングさせるさらなる命令を含む、請求項３４～３７のいずれか一項に記載の装置（１１０，１２０，１０００，１００６）。
  39. 前記ＣＣ検出変数に対する前記ローパスフィルタリングが、少なくともアクティビティ検出器の出力Ａ（ｍ）に応じて適応的である、請求項３８に記載の装置（１１０，１２０，１０００，１００６）。
  40. 前記ＣＣ検出変数をローパスフィルタリングでフィルタリングすることが、以下に従って適応ローパスフィルタリングでフィルタリングすることを含み、
    ＤＬＰ（ｍ）＝α（ｍ）Ｄ（ｍ）＋（１－α（ｍ））ＤＬＰ（ｍ－１）
    Figure 2024521486000069
    ここで、Ａ（ｍ）は、アクティビティ検出器の前記出力であり、αｈｉｇｈおよびαｌｏｗは、フィルタ係数である、
    請求項３９に記載の装置（１１０，１２０，１０００，１００６）。
  41. マルチチャネルオーディオ信号の各フレームｍについて、
    前記マルチチャネルオーディオ信号のチャネル対の相互相関を生成する（１４０１）、
    前記相互相関に基づいて、第１のＩＴＤ推定値を決定する（１４０３）、
    前記マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定する（１４０５）、および
    前記マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスする（１４０７）
    ように適合された、装置（１１０，１２０，１０００，１００６）。
  42. 請求項２～２０に従って行うように適合された、請求項４１に記載の装置（１１０，１２０，１０００，１００６）。
  43. 装置（１１０，１２０，１０００，１００６）の処理回路（１２０１／１３０１）によって実行されるプログラムコードを含むコンピュータプログラムであって、前記プログラムコードの実行によって、前記装置（１１０，１２０，１０００，１００６）に、
    マルチチャネルオーディオ信号の各フレームｍについて、
    前記マルチチャネルオーディオ信号のチャネル対の相互相関を生成させる（１４０１）、
    前記相互相関に基づいて、第１のＩＴＤ推定値を決定させる（１４０３）、
    前記マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定させる（１４０５）、および
    前記マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスさせる（１４０７）
    コンピュータプログラム。
  44. 前記プログラムコードが、前記装置（１１０，１２０，１０００，１００６）を請求項２～２０のいずれか一項に従って行わせるためのさらなるプログラムコードを含む、請求項４３に記載のコンピュータプログラム。
  45. 装置（１１０，１２０，１０００，１００６）の処理回路１２０１／１３０１）によって実行されるプログラムコードを含む非一時的記憶媒体を含むコンピュータプログラム製品であって、前記プログラムコードの実行によって、前記装置（１１０，１２０，１０００，１００６）に、
    マルチチャネルオーディオ信号の各フレームｍについて、
    前記マルチチャネルオーディオ信号のチャネル対の相互相関を生成させる（１４０１）、
    前記相互相関に基づいて、第１のＩＴＤ推定値を決定させる（１４０３）、
    前記マルチチャネルオーディオ信号がＣＣ信号であるかどうかを決定させる（１４０５）、および
    前記マルチチャネルオーディオ信号がＣＣ信号であると決定したことに応答して、最終ＩＴＤを取得するために、ゼロに近いＩＴＤを優先するようにＩＴＤ探索をバイアスさせる（１４０７）
    コンピュータプログラム製品。
  46. 前記非一時的記憶媒体が、前記装置（１１０，１２０，１０００，１００６）を請求項２～２０のいずれか一項に従って行わせるためのさらなるプログラムコードを含む、請求項４５に記載のコンピュータプログラム。
JP2023577407A 2021-06-15 2021-06-15 コインシデントステレオ捕捉のためのチャネル間時間差（ｉｔｄ）推定器の改善された安定性 Pending JP2024521486A (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2021/066159 WO2022262960A1 (en) 2021-06-15 2021-06-15 Improved stability of inter-channel time difference (itd) estimator for coincident stereo capture

Publications (1)

Publication Number Publication Date
JP2024521486A true JP2024521486A (ja) 2024-05-31

Family

ID=76601207

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023577407A Pending JP2024521486A (ja) 2021-06-15 2021-06-15 コインシデントステレオ捕捉のためのチャネル間時間差（ｉｔｄ）推定器の改善された安定性

Country Status (5)

Country Link
EP (1) EP4356373A1 (ja)
JP (1) JP2024521486A (ja)
CN (1) CN117501361A (ja)
BR (1) BR112023026064A2 (ja)
WO (1) WO2022262960A1 (ja)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012105886A1 (en) * 2011-02-03 2012-08-09 Telefonaktiebolaget L M Ericsson (Publ) Determining the inter-channel time difference of a multi-channel audio signal
CN103403801B (zh) * 2011-08-29 2015-11-25 华为技术有限公司 参数多通道编码器和解码器
BR112017025314A2 (pt) 2016-01-22 2018-07-31 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E. V. aparelho e método para codificação ou decodificação de um sinal multicanal utilizando reamostragem de domínio espectral
AU2017229323B2 (en) * 2016-03-09 2020-01-16 Telefonaktiebolaget Lm Ericsson (Publ) A method and apparatus for increasing stability of an inter-channel time difference parameter
CN107742521B (zh) 2016-08-10 2021-08-13 华为技术有限公司 多声道信号的编码方法和编码器
CN118283489A (zh) * 2018-04-05 2024-07-02 弗劳恩霍夫应用研究促进协会 用于估计通道间时间差的装置、方法或计算机程序

Also Published As

Publication number Publication date
BR112023026064A2 (pt) 2024-03-05
AU2021451130A1 (en) 2023-11-16
EP4356373A1 (en) 2024-04-24
WO2022262960A1 (en) 2022-12-22
CN117501361A (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
US10311881B2 (en) Determining the inter-channel time difference of a multi-channel audio signal
CN111316354B (zh) 目标空间音频参数和相关联的空间音频播放的确定
US9525956B2 (en) Determining the inter-channel time difference of a multi-channel audio signal
US7983922B2 (en) Apparatus and method for generating multi-channel synthesizer control signal and apparatus and method for multi-channel synthesizing
TWI714046B (zh) 用於估計聲道間時間差的裝置、方法或計算機程式
EP3776544A1 (en) Spatial audio parameters and associated spatial audio playback
CN110024421A (zh) 用于自适应控制去相关滤波器的方法和装置
BR112015025919B1 (pt) Aparelho e método para criar um sinal de áudio modificado e sistema
JP6442037B2 (ja) 室内インパルス応答の少なくとも第１のペアに基づいて総ミキシング時間を推定する装置および方法、ならびに対応するコンピュータプログラム
KR20230035387A (ko) 스테레오 오디오 신호 지연 추정 방법 및 장치
WO2017202680A1 (en) Method and apparatus for voice or sound activity detection for spatial audio
AU2021451130B2 (en) Improved stability of inter-channel time difference (itd) estimator for coincident stereo capture
JP2024521486A (ja) コインシデントステレオ捕捉のためのチャネル間時間差（ｉｔｄ）推定器の改善された安定性
WO2024056702A1 (en) Adaptive inter-channel time difference estimation
WO2024074302A1 (en) Coherence calculation for stereo discontinuous transmission (dtx)
JP2024096910A (ja) パラメトリックマルチチャネル動作と個々のチャネル動作との間で切り替えるためのマルチチャネルオーディオエンコーダ、デコーダ、方法、およびコンピュータプログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240229

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240229