JP4794452B2 - オーディオ符号化におけるｍｄｃｔデータに基づくウィンドウタイプ決定方法 - Google Patents

Description

本発明は、包括的には、オーディオ符号化に関する。詳しくは、本発明は、オーディオ符号化におけるショートウィンドウのグループ化に関する。

著作権表示／許諾

この明細書の開示内容の一部は、著作権保護の対象となるマテリアルを含む。著作権所有者は、この明細書が特許商標庁への特許出願であると認められるファックスコピーに対しては異議を唱えないが、この他のあらゆる全ての著作権を主張する。以下の表示は、後述するソフトウェア及びデータ、並びに添付の図面に適用される。：著作権（ｃ）２００１：全ての著作権はソニーエレクトロニクスインク社に帰属する（Copyright (c) 2001, Sony Electronics, Inc., All Rights Reserved）。

標準化組織であるモーションピクチャエキスパートグループ（Motion Picture Experts Group：ＭＰＥＧ）は、例えば、ＭＰＥＧ−２アドバンスドオーディオ符号化（advanced audio coding：ＡＡＣ）規格（ＩＳＯ／ＩＥＣ１３８１８−７参照）及びＭＰＥＧ−４ＡＡＣ規格（ＩＳＯ／ＩＥＣ１４４９６−３参照）等の仕様書において、データ圧縮方法を開示している。本明細書では、これらの規格を総称的にＭＰＥＧ規格と呼ぶ。

ＭＰＥＧ規格が定義するオーディオエンコーダは、オーディオ信号を受け取り、修正離散コサイン変換（modified discrete cosine transform：ＭＤＣＴ）処理によってオーディオ信号を周波数スペクトルデータに変換し、レート−歪み制御メカニズムを用いて周波数スペクトルデータを量子化するための最適な換算係数を決定する。更に、オーディオエンコーダは、最適な換算係数を用いて周波数スペクトルデータを量子化し、この結果得られる量子化されたスペクトル係数を換算係数帯域（scalefactor band）にグループ化し、量子化され、グループ化された係数にハフマン符号化を施す。

ＭＰＥＧ規格では、隣接する変換範囲（transformation range）間の境界部分で生じる歪みを抑制するために、隣接する変換範囲が時間軸に沿って５０％重複するように、オーディオ信号にＭＤＣＴを施す。更に、オーディオ信号は、（ロングウィンドウにより定義される）長い変換範囲又は（それぞれがショートウィンドウにより定義される）短い変換範囲を用いて、周波数領域にマッピングされる。ロングウィンドウは、２０４８個のサンプルを含み、ショートウィンドウは、２５６個のサンプルを含む。ロングウィンドウから生成されるＭＤＣＴ係数の個数は、１０２４個であり、各ショートウィンドウから生成されるＭＤＣＴ係数の個数は、１２８個である。一般的に、信号波形の変化が僅かな安定した部分では、ロングウィンドウタイプを用いる必要がある。一方、信号波形の変化が激しい動的な部分では、ショートウィンドウタイプを用いる必要がある。いずれのウィンドウタイプを用いるかは、重要である。過渡信号にロングウィンドウタイプを用いると、動的な部分に先立って、プレエコーと呼ばれる雑音が生じる。逆に、安定した信号にショートウィンドウタイプを用いると、周波数領域の解像度の不足のために、適切なビット割当が行われず、符号化効率が低下し、やはり雑音が生じる。このような問題は、特に低周波数音に顕著に表れる。

ＭＰＥＧ規格が提案する手法では、スペクトルデータのフレームのウィンドウタイプを決定するために、まず、時間領域オーディオデータを高速フーリエ変換（Fast Fourier Transform：ＦＦＴ）し、ＦＦＴ係数を算出する。次に、ＦＦＴ係数を用いて、フレーム内の各換算係数帯域について、オーディオ信号強度を算出する。また、フレームの許容できる歪みレベルを判定するために、心理音響モデリングも用いられる。許容できる歪みレベルとは、スペクトルデータに重畳しても、人間の耳には聞こえない雑音の最大レベルを意味する。許容できる歪みレベル及びフレーム内の各換算係数帯域のオーディオ信号強度に基づいて心理聴覚エントロピ（perceptual entropy）が算出される。心理聴覚エントロピが所定の定数より大きければ、フレームには、ショートウィンドウタイプが用いられる。この他の場合、フレームには、ロングウィンドウタイプが用いられる。

ウィンドウタイプを決定するための上述の手法は、多くの演算を必要とする。更に、信号強度が強い場合、信号が過渡的であるか安定しているかに関わらず、心理聴覚エントロピの計算結果が高くなることがある。したがって、フレームが過渡的ではなくても、そのフレームにショートウィンドウタイプを割り当ててしまうことがある。これにより、上述のように、符号化効率が低下し、雑音が生じる。

更に、ショートウィンドウタイプを用いると決定した場合、ＭＤＣＴ係数の８つの連続したブロック（ショートウィンドウ）が生成される。ショートウィンドウに関連する副情報（side information）の量を削減するために、ショートウィンドウをグループ化することができる。各グループは、換算係数が同じ１つ以上の連続するショートウィンドウを含む。しかしながら、グループ化が適切に行われないと、符号の数が増加し、又は音質が劣化する。また、ショートウィンドウの数に対してグループの数が多過ぎると、共通に符号化できる筈の換算係数を繰り返して符号化することとなり、この結果符号化効率が低下する。逆に、ショートウィンドウの数に対して、グループの数が少な過ぎると、オーディオ信号の変化が激しい場合にも、共通の換算係数が用いられてしまう。この結果、音質が劣化する。ＭＰＥＧ規格は、ショートウィンドウをグループ化するための特定の手法は提供していない。

ロングウィンドウタイプを用いて、データの現フレーム及びデータの次フレームについて、予備的修正離散コサイン変換（ＭＤＣＴ）係数を算出する。そして、現在及び次フレームの算出された予備的ＭＤＣＴ係数を用いて、現フレームのウィンドウタイプを決定する。決定されたウィンドウタイプがロングウィンドウタイプでない場合、現フレームについて、決定されたウィンドウタイプを用いて複数の最終的なＭＤＣＴ係数を算出する。

以下、添付の図面を用いて、本発明の実施例を詳細に説明する。添付の図面においては、類似する要素には、類似する参照符号を付す。添付の図面は、本発明を実現する特定の実施例を例示的に示している。これらの実施例については、当業者が本発明を実施することができるよう、詳細に説明するが、この他の実施例も可能であり、本発明の範囲から逸脱することなく、論理的、機械的、電気的、機能的及びこの他の変更を行うことができる。したがって、以下の詳細な説明は、限定的には解釈されず、本発明の範囲は、添付の請求の範囲によってのみ定義される。

まず、図１に示す符号化装置１００の一実施形態により、本発明の動作の概観について説明する。符号化装置１００は、本明細書では総称的にＭＰＥＧ規格と呼ぶＭＰＥＧ音声符号化規格（例えば、ＭＰＥＧ−２ＡＡＣ規格、ＭＰＥＧ−４ＡＡＣ規格等）に準拠する。符号化装置１００は、フィルタバンクモジュール１０２と、符号化ツール１０４と、心理音響モデラ１０６と、量子化モジュール１１０と、ハフマン符号化モジュール１１４とを備える。

フィルタバンクモジュール１０２は、オーディオ信号を受け取り、修正離散コサイン変換（modified discrete cosine transform：ＭＤＣＴ）処理を実行し、オーディオ信号を周波数領域にマッピングする。このマッピングは、解析される信号を時間的に拡張し、周波数分解能を向上させる（ロングウィンドウにより定義される）長い変換範囲を用いて、又は解析される信号を時間的に縮小し、時間分解能を向上させる（ショートウィンドウにより定義される）短い変換範囲を用いて実行される。ロングウィンドウタイプは、安定した信号のみが存在する場合に使用され、ショートウィンドウタイプは、急速な信号変化がある場合に使用される。解析される信号の特性に基づくこれらの２つのタイプの処理を用いることによって、時間分解能が不十分な場合に生じるプレエコーと呼ばれる不快な雑音の発生を防止することができる。

後により詳細に説明するように、フィルタバンクモジュール１０２は、どのウィンドウタイプを用いたらよいかを決定し、及び決定されたウィンドウタイプを用いてＭＤＣＴ係数を生成する。また、一実施形態では、フィルタバンクモジュール１０２は、ＭＤＣＴ係数を生成するためにショートウィンドウタイプが使用されている場合、グループ化を実行する役割も担う。このグループ化により、ショートウィンドウに関連する副情報（side information）の量が削減される。各グループは、換算係数が同じ１つ以上の連続するショートウィンドウを含む。

符号化ツール１０４は、スペクトル処理の任意のツールのセットを含む。例えば、符号化ツール１０４は、予測符号化を実行するためのゆらぎ雑音シェーピング（temporal noise shaping：ＴＮＳ）ツール及び予測ツールを含んでいてもよく、立体音響相関符号化（stereophonic correlation coding）を実行するための強度／結合ツール（intensity/coupling tool）及びミドルサイドステレオ（Ｍ／Ｓ）ツールを含んでいてもよい。

心理音響モデラ１０６は、サンプルを分析し、聴覚マスキング曲線を決定する。聴覚マスキング曲線は、各サンプルに重畳しても、人間の耳には聞こえない雑音の最大レベルを示す。ここで、人間の耳に聞き取られるレベルは、人間の聴覚の心理音響モデルに基づいて判定される。聴覚マスキング曲線は、望ましい雑音スペクトルの推定値として機能する。

量子化モジュール１１０は、周波数スペクトルデータのための最適な換算係数を選択する。換算係数選択処理は、マスキング曲線から算出された許容される歪み及び符号化の際に指定されるビットレートから算出された許容できるビット数に基づいて行われる。最適な換算係数が選択されると、量子化モジュール１１０は、これらの最適な換算係数を用いて、周波数スペクトルデータを量子化する。この結果得られる量子化されたスペクトル係数は、換算係数帯域（scalefactor band：ＳＦＢ）にグループ化される。各ＳＦＢは、同じ換算係数を用いて生成された係数を含む。

ハフマン符号化モジュール１１４は、量子化されたスペクトル係数の各グループについて、最適なハフマンコードブックを選択し、この最適なハフマンコードブックを用いてハフマン符号化処理を実行する。そして、これにより得られる可変長符号（variable length code：ＶＬＣ）、符号化で用いられたコードブックを特定するデータ、量子化モジュール１１０によって選択された換算係数及びこの他の何らかの情報を組み合わせて、ビットストリームが生成される。

一実施形態においては、フィルタバンクモジュール１０２は、ウィンドウタイプ判定器１０８、ＭＤＣＴ係数算出器１１２及びショートウィンドウグループ化判定器１１６を含む。ウィンドウタイプ判定器１０８は、ＭＤＣＴ処理のために用いられるウィンドウタイプを決定する。後に詳細に説明するように、一実施形態においては、この決定は、ロングウィンドウの使用を優先するウィンドウタイプ決定方法を用いる。

ＭＤＣＴ係数算出器１１２は、決定されたウィンドウタイプを用いてＭＤＣＴ係数を算出する。一実施形態においては、ＭＤＣＴ係数算出器１１２は、まず、仮定されたロングウィンドウタイプを用いて予備的ＭＤＣＴ係数を算出する。そして、用いられるウィンドウタイプがロングウィンドウタイプではないとウィンドウタイプ判定器１０８が決定した場合、ＭＤＣＴ係数算出器１１２は、決定されたウィンドウタイプを用いてＭＤＣＴ係数を再計算する。この他の場合、予備的ＭＤＣＴ係数を再計算する必要はない。

ショートウィンドウグループ化判定器１１６は、ショートウィンドウタイプが使用されている場合、ショートウィンドウをどのようにグループ化するかを定義する。一実施形態においては、ショートウィンドウグループ化判定器１１６は、各ショートウィンドウに関連するエネルギに基づいて、ショートウィンドウを２つのグループにグループ化する予備的なグループ化を実行する。後に詳細に説明するように、２つの予備的グループのいずれかが大き過ぎる場合、大きいグループは、更に２つ以上の更なるグループに分けられる。

図２〜図９は、本発明の様々な実施形態に基づき、図１のフィルタバンクモジュール１０２が実行する処理のフローチャートである。この処理は、ハードウェア（例えば回路、専用ロジック等）、ソフトウェア（汎用コンピュータシステム又は専用マシン上で実行されるソフトウェア）又はこれらの両方の組合せを含む処理ロジックによって実行してもよい。ソフトウェアによって実現できる処理については、これらのフローチャートを用いて本発明を説明することにより、当業者は、適切に構成されたコンピュータによってこの処理を実行するための命令を含むプログラムを開発することができる（コンピュータのプロセッサは、メモリを含むコンピュータにより読取可能な媒体から命令を読み出し、実行する）。コンピュータにより実行可能な命令は、コンピュータプログラミング言語として書いてもよく、ファームウェアロジックとして実現してもよい。一般的に認知されている規格に準拠するプログラミング言語で書いた場合、このような命令は、様々なオペレーティングシステムにインタフェースされ、様々な種類のハードウェアプラットホームで実行できる。更に、本発明では、如何なる特定のプログラミング言語にも基づくことなく、本発明を説明する。ここに開示する本発明の処理を実現するために、様々なプログラミング言語を用いてることができることは明らかである。更に、当分野においては、動作を行い又は結果を生じるものとして、ソフトウェアを様々な呼び方で呼ぶことがある（例えば、プログラム、手続き、プロセス、アプリケーション、モジュール、ロジック等）。これらの表現は、コンピュータによるソフトウェアの実行によって、コンピュータのプロセッサが動作を実行し又は結果を生じるということを単に簡略的に表現しているに過ぎない。また、本発明の範囲から逸脱することなく、図２〜図９に示す処理ステップを省略してもよく、他のステップを追加してもよく、更に、ここで説明する処理ステップの実行順序を変更してもよい。

図２は、フレームのスペクトルデータにＭＤＣＴを実行する処理２００の一実施形態のフローチャートである。

図２に示すように、処理ロジックは、まず、現フレームの１組の予備的ＭＤＣＴ係数を算出し、次フレームの１組の予備的ＭＤＣＴ係数を算出する（処理ステップ２０２）この演算は、現フレーム及び次フレームの両方のウィンドウタイプがロングウィンドウタイプであるとの仮定の下で実行される。現在の及び次フレームについて算出された予備的ＭＤＣＴ係数は、バッファに保存される。一実施形態においては、現フレーム及び次フレームは、時間軸に沿って生成されるサンプルのフレームのシーケンス（また、ブロックとも呼ばれる。）において、隣接するフレームが互いに重複（例えば、５０％）するように隣接する２つのフレームである。この重複により、隣接するフレーム間の境界部分における歪みが抑制される。

処理ステップ２０４において、処理ロジックは、現フレームの予備的ＭＤＣＴ係数及び次フレームの予備的ＭＤＣＴ係数を用いて現フレームのウィンドウタイプを決定する。ウィンドウタイプは、ロングウィンドウの使用を優先するウィンドウタイプ決定方法を用いて決定される。このような方法の一実施形態については、図３を用いて以下で更に詳細に説明する。

判定ステップ２０６では、処理ロジックは、現フレームについて決定されたウィンドウタイプが、ロングウィンドウタイプであるかを判定する。これに該当する場合、処理ロジックは、決定されたウィンドウタイプを用いて、現フレームの１組の最終的なＭＤＣＴ係数を算出する（処理ステップ２０８）。これに該当しない場合、処理ロジックは、現フレームの予備的ＭＤＣＴ係数を最終的なＭＤＣＴ係数であるとみなす（処理ステップ２１０）。

図３は、ウィンドウタイプ決定処理３００の一実施形態のフローチャートである。

図３に示すように、処理ロジックは、まず、次フレームにおいて、安定した信号から過渡信号への遷移のインストラクションがあるかを判定する（判定ステップ３０２）。一実施形態においては、この判定は、現フレームに関連するエネルギと、次フレームに関連するエネルギとの比較に基づいて行われる。フレームにおける安定した信号から過渡信号への遷移を検出するための処理の一実施形態については、図４を用いて後に詳細に説明する。

判定ステップ３０２における判定が該当する場合、処理ロジックは、次フレームの予備的ウィンドウタイプをショートウィンドウタイプに決定する（処理ステップ３０４）。この他の場合、処理ロジックは、次フレームの予備的ウィンドウタイプをロングウィンドウタイプに決定する（処理ステップ３０６）。

更に、処理ロジックは、次フレームの予備的ウィンドウタイプ及び前フレームのウィンドウタイプに基づいて、現フレームのウィンドウタイプを決定する（処理ステップ３０８）。現フレームのウィンドウタイプの決定は、ロングウィンドウタイプの使用を優先する。ＭＰＥＧ規格によって定義されるように、各別個のウィンドウタイプに２つの過渡的なウィンドウタイプが続くことができる一実施形態においては、処理ロジックは、現フレーム及び後続するフレームにおいて、ショートウィンドウの使用を最小化するウィンドウタイプを選択する。すなわちＭＰＥＧ規格は、各別個のウィンドウタイプから２つの過渡的なウィンドウタイプについて、現フレーム又は次フレームでショートウィンドウの使用を容認する一方の過渡的なウィンドウタイプと、現フレーム又は次フレームでロングウィンドウの使用を容認する他方の過渡的なウィンドウタイプとを提供する。具体的には、ＭＰＥＧ規格は、以下の遷移を容認する。

ａ．ロングウィンドウタイプからロングウィンドウタイプ又はロング−ショートウィンドウタイプのいずれかへの遷移。

ｂ．ロング−ショートウィンドウタイプからショートウィンドウタイプ又はショート−ロングウィンドウタイプのいずれかへの遷移。

ｃ．ショート−ロングウィンドウタイプからロングウィンドウタイプ又はロング−ショートウィンドウタイプのいずれかへの遷移。

ｄ．ショートウィンドウタイプからショートウィンドウタイプ又はショート−ロングウィンドウタイプのいずれかへの遷移。

すなわち、例えば、前フレームのウィンドウタイプがショート−ロングウィンドウタイプであり、次フレームの予備的ウィンドウタイプがロングウィンドウタイプである場合、処理ロジックは、現フレームについて、次フレームでショートウィンドウが使用されやすくなる別の選択肢であるロング−ショートウィンドウタイプではなく、ロングウィンドウタイプを選択する。

次フレームの予備的ウィンドウタイプ及び前フレームのウィンドウタイプに基づいて、現フレームのウィンドウタイプを決定する処理の一実施形態については、図５を用いて後に詳細に説明する。

上述したウィンドウタイプ決定方法は、ＭＤＣＴ演算と組み合わされ、ＭＤＣＴデータに対して直接実行できるため、高速フーリエ変換（ＦＦＴ）処理及び心理聴覚エントロピの演算は不要である。更に、上述したウィンドウタイプ決定方法は、ロングウィンドウの使用を優先するため、ショートウィンドウの使用を最小化することができる。この手法では、安定した信号から過渡信号への遷移のインストラクションが検出された場合のみ、ショートウィンドウを用いる。

図４は、フレームにおける安定した信号から過渡信号への遷移のインストラクションを検出する処理４００の一実施形態のフローチャートである。

図４に示すように、処理ロジックは、まず、現フレームの１組のＭＤＣＴ係数を算出し、次フレームの１組の予備的ＭＤＣＴ係数を算出する（処理ステップ４０２）。そして、処理ロジックは、算出されたＭＤＣＴ係数の組をバッファに保存する。

処理ステップ４０４において、処理ロジックは、現フレームの算出された予備的ＭＤＣＴ係数を用いて、現フレームの総エネルギを算出する。一実施形態においては、現フレームの総エネルギは、ｉ＝０〜１０２３とし、現フレームにおけるｉ番目のＭＤＣＴ係数をｃｕｒｒｅｎｔ＿ｃｏｅｆ［ｉ］とし、Ｃを累算のオーバーフローを防止するために用いられる定数（例えば、１６ビットレジスタの場合Ｃ＝３２７６７）として、ｃｕｒｒｅｎｔ＿ｔｏｔａｌ＿ｅｎｅｒｇｙ＝ｓｕｍ（ｃｕｒｒｅｎｔ＿ｃｏｅｆ［ｉ］＊ｃｕｒｒｅｎｔ＿ｃｏｅｆ［ｉ］／Ｃ）により算出される。

処理ステップ４０６では、処理ロジックは、次フレームの算出された予備的ＭＤＣＴ係数を用いて次フレームの総エネルギを算出する。同様に次フレームの総エネルギは、ｉ＝０〜１０２３とし、次フレームにおけるｉ番目のＭＤＣＴ係数をｎｅｘｔ＿ｃｏｅｆ［ｉ］とし、Ｃを累算のオーバーフローを防止するために用いられる定数（例えば、１６ビットレジスタの場合Ｃ＝３２７６７）として、ｎｅｘｔ＿ｔｏｔａｌ＿ｅｎｅｒｇｙ＝ｓｕｍ（ｎｅｘｔ＿ｃｏｅｆ［ｉ］＊ｎｅｘｔ＿ｃｏｅｆ［ｉ］／Ｃ）により算出される。

処理ステップ４０８では、処理ロジックは、現フレームの総エネルギ及び次フレームの総エネルギを対数的に換算する。一実施形態においては、この換算は、ｃ＿ｐｏｗ＝ｌｏｇ（ｃｕｒｒｅｎｔ＿ｔｏｔａｌ＿ｅｎｅｒｇｙ）及びｎ＿ｐｏｗ＝ｌｏｇ（ｎｅｘｔ＿ｔｏｔａｌ＿ｅｎｅｒｇｙ）に基づいて行う。処理ステップ４１０では、処理ロジックは、次フレームの換算された総エネルギから現フレームの換算された総エネルギを減算することによって傾斜エネルギを算出する。

次に、処理ロジックは、判定ステップ４１２において、傾斜エネルギが閾値（例えば、１）を超えているかを判定する。一実施形態においては、閾値は、経験的に定義される。判定ステップ４１２の判定の結果が該当する場合、処理ロジックは、次フレームにおいて過渡信号への遷移の可能性が高いと決定する（処理ステップ４１４）。

図５は、次フレームの予備的ウィンドウタイプ及び前フレームのウィンドウタイプに基づいて、現フレームのウィンドウタイプを決定する処理５００の一実施形態のフローチャートである。

図５に示すように、処理ロジックは、まず、次フレームの予備的ウィンドウタイプがロングウィンドウタイプであるかを判定する（判定ステップ５０２）。この判定の結果が該当する場合、処理ロジックは、更に、前フレームのウィンドウタイプが、ロングウィンドウタイプ又はショート−ロングウィンドウタイプのいずれかであるかを判定する（判定ステップ５０４）。これに該当する場合、処理ロジックは、現フレームのウィンドウタイプをロングウィンドウタイプに決定する（処理ステップ５０６）。これ以外の場合、処理ロジックは、現フレームのウィンドウタイプをショート−ロングウィンドウタイプに決定する（処理ステップ５０８）。

判定ステップ５０２における判定が該当しない場合、すなわち、次フレームの予備的ウィンドウタイプがショートウィンドウタイプである場合、処理ロジックは、更に、前フレームのウィンドウタイプがロングウィンドウタイプ又はショート−ロングウィンドウタイプのいずれかであるかを判定する（判定ステップ５１０）。これに該当する場合、処理ロジックは、現フレームのウィンドウタイプをロング−ショートウィンドウタイプに決定する（処理ステップ５１２）。これ以外の場合、処理ロジックは、現フレームのウィンドウタイプをショートウィンドウタイプに決定する（処理ステップ５１４）。

一実施形態においては、フレームのためにショートウィンドウタイプを用いることを決定した場合、ショートウィンドウグループ化により、ショートウィンドウに関連する副情報の量を減少させる。各グループは、換算係数が同じ１つ以上の連続するショートウィンドウを含む。一実施形態においては、グループ化に関する情報は、指定されたビットストリーム要素に含まれる。一実施形態においては、グループ化に関する情報は、フレーム内のグループの数及び各フレーム内のショートウィンドウの数を含む。

図６は、フレーム内のショートウィンドウをグループ化するための処理６００の一実施形態のフローチャートである。

図６に示すように、処理ロジックは、まず、フレーム内の第１のタイプのショートウィンドウ及び第２のタイプのショートウィンドウを特定する（処理ステップ６０２）。ショートウィンドウのタイプは、このウィンドウに関連するエネルギに基づいて特定される。ショートウィンドウのタイプを特定するための処理の一実施形態については、図７を用いて後に更に詳細に説明する。

処理ステップ６０４において、処理ロジックは、分類が正しくない可能性が高いショートウィンドウのタイプを調整する。一実施形態においては、ショートウィンドウの分類は、そのタイプが隣接するウィンドウのタイプに一致せず、隣接するウィンドウが同じタイプのものである場合、正しくない可能性が高い。フレーム内のショートウィンドウの数が８である一実施形態においては、この調整処理は、以下のように表現できる。ｗｉｎ＿ｉｎｄｅｘ１〜６について、（ｃａｎｄｉｄａｔｅ［ｗｉｎ＿ｉｎｄｅｘ−１］＝ｃａｎｄｉｄａｔｅ［ｗｉｎ＿ｉｎｄｅｘ＋１］）である場合、ｃａｎｄｉｄａｔｅ［ｗｉｎ＿ｉｎｄｅｘ］＝ｃａｎｄｉｄａｔｅ［ｗｉｎ＿ｉｎｄｅｘ−１］。ここで、ｗｉｎ＿ｉｎｄｅｘは、フレーム内のショートウィンドウの数を表し、ｃａｎｄｉｄａｔｅ［ｗｉｎ＿ｉｎｄｅｘ］、ｃａｎｄｉｄａｔｅ［ｗｉｎ＿ｉｎｄｅｘ−１］、ｃａｎｄｉｄａｔｅ＿［ｗｉｎ＿ｉｎｄｅｘ＋１］は、それぞれ、現在のウィンドウのタイプ、前のウィンドウのタイプ、次のウィンドウのタイプを表す。

処理ステップ６０６において、処理ロジックは、各ウィンドウのタイプに基づいて、フレーム内のショートウィンドウを２つの予備的グループにグループ化する。ショートウィンドウの２つの予備的グループを作成する処理の一実施形態については、図８を用いて後に更に詳細に説明する。

判定ステップ６０８では、処理ロジックは、いずれかの予備的グループにおけるショートウィンドウの数が閾値数を超えているかを判定する。一実施形態においては、この閾値数は、経験的に定義された定数である。この閾値数に応じて、大き過ぎる予備的グループがない、若しくはいずれか又は両方の予備的グループが大き過ぎると判断される。他の実施形態においては、閾値数は、他の予備的グループにおけるショートウィンドウの数であり、処理ロジックは、１つの予備的グループのショートウィンドウの数が、他の予備的グループのショートウィンドウの数を超えている場合、閾値を超えていると判断する。比較を用いる場合、大き過ぎると判断される予備的グループは、０個又は１個である。グループが大き過ぎる場合、異なる特性を有するショートウィンドウがグループ化されている可能性が高い。したがって、このグループに対して共通の換算係数を用いると、音質が劣化する虞がある。

処理ロジックが、判定ステップ６０８において、２つの予備的グループのいずれかが大き過ぎると判断した場合、処理ロジックは、大きな予備的グループを更に２つ以上最終的なグループに区切る（処理ステップ６１０）。最終的なグループ化は、符号化効率及び音質の間のバランスを考慮したグループ数が実現されるような手法で実行される。ショートウィンドウの最終的なグループ化を実行するための処理の一実施形態については、図９を用いて後に更に詳細に説明する。

処理ステップ６１２において、処理ロジックは、最終的なグループ化に基づいて、フレーム内のグループの数及び各グループ内のショートウィンドウの数を決定する。

図７は、ショートウィンドウのタイプを決定するための処理７００の一実施形態のフローチャートである。

図７に示すように、処理ロジックは、まず、フレーム内の各ショートウィンドウのエネルギを算出する（処理ステップ７０２）。一実施形態においては、各ショートウィンドウのエネルギは、フレーム内の現在のショートウィンドウの数を［ｗｉｎ＿ｉｎｄｅｘ］とし、これにより得られるエネルギをｗｉｎ＿ｅｎｅｒｇｙとし、ショートウィンドウ内のｉ番目のスペクトル係数をｃｏｅｆ［ｉ］として、ｗｉｎ＿ｅｎｅｒｇｙ［ｗｉｎ＿ｉｎｄｅｘ］＝ｌｏｇ（ｓｕｍ（ｃｏｅｆ［ｉ］＊ｃｏｅｆ［ｉ］）＋０．５］により算出される。

次に、処理ロジックは、最小のエネルギを有するショートウィンドウを発見し（処理ステップ７０４）、フレーム内の各ショートウィンドウについて、オフセットエネルギ値を算出する（処理ステップ７０６）。一実施形態においては、オフセットエネルギ値は、対応するショートウィンドウのエネルギから最小のエネルギを減算することによって算出される。

処理ステップ７０８において、処理ロジックは、フレーム内の全てのオフセットエネルギ値の合計をフレーム内のショートウィンドウの数で除算することにより、フレームのオフセットエネルギの平均値を算出する。

判定ステップ７１０において、処理ロジックは、第１のショートウィンドウについて、オフセットエネルギ値がオフセットエネルギの平均値を超えているかを判定する。これに該当する場合、処理ロジックは、ショートウィンドウが第１のタイプのものであると判定する（処理ステップ７１２）。この他の場合、処理ロジックは、ショートウィンドウが第２のタイプのものであると判定する（処理ステップ７１４）。

次に、処理ロジックは、フレーム内に更なる未処理のウィンドウがあるかを判定する（判定ステップ７１５）。これに該当する場合、処理ロジックは、次のショートウィンドウに移行し（処理ステップ７１６）、判定ステップ７１０における判定を行う。これ以外の場合、処理７００は、終了する。

図８は、ショートウィンドウの２つの予備的グループを作成するための処理８００の一実施形態のフローチャートである。

図８に示すように、処理ロジックは、まず、１組の変数を初期化する（処理ステップ８０２）。例えば、処理ロジックは、前のウィンドウタイプ変数の値を第１のショートウィンドウのタイプに、予備的グループ数の変数の値を１に、第１の予備的グループの長さの変数の値を１に設定することができる。

次に、処理ロジックは、フレーム内の第２のショートウィンドウから、ショートウィンドウの処理を開始する。具体的には、処理ロジックは、現在のショートウィンドウのタイプが第１のショートウィンドウのタイプと同じであるかを判定する（判定ステップ８０４）。これに該当する場合、処理ロジックは、第１の予備的グループの長さを１インクリメントし（処理ステップ８０６）、更なる未処理のショートウィンドウが残っているかを判定する（判定ステップ８０８）。更なる未処理のショートウィンドウが残っている場合、処理ロジックは、次のショートウィンドウに移行し（処理ステップ８１０）、判定ステップ８０４に戻る。更なる未処理のショートウィンドウが残っていない場合、処理８００は、終了する。

処理ロジックが、判定ステップ８０４において、現在のショートウィンドウのタイプが第１のショートウィンドウのタイプと同じではないと判定した場合、処理ロジックは、予備的グループの数を２に設定し（処理ステップ８１２）、ショートフレームの総数（例えば、８）から第１の予備的グループの長さを減算することによって、第２の予備的グループの長さを算出する（処理ステップ８１４）。

図９は、ショートウィンドウの最終的なグループ化を実行するための処理９００の一実施形態のフローチャートである。処理９００は、フレームのショートウィンドウの数を８とするＭＰＥＧ規格に基づいて実行される。

図９に示すように、処理ロジックは、第１の予備的グループの長さが閾値（例えば、４）を超えているかを判定する（判定ステップ９０２）。これに該当する場合、処理ロジックは、更に、第１の予備的グループの長さが８であるかを判定する（判定ステップ９０４）。これに該当する場合、処理ロジックは、グループの最終的な数を２に設定し、第１の最終的なグループの長さ第１の予備的グループの長さを設定し、第２の最終的なグループの長さを第２の予備的グループの長さに設定する（処理ステップ９０６）。これ以外の場合、処理ロジックは、グループの最終的な数を３に設定し（処理ステップ９０８）、第３の最終的なグループの長さを第２の予備的グループの長さに設定し（処理ステップ９１０）、第２の予備的グループの長さを２で除算することによって第２の最終的なグループの長さを算出し（この演算は、ｗｉｎｄｏｗ＿ｇｒｏｕｐ＿ｌｅｎｇｔｈ［１］＞＞１と表される。）（処理ステップ９１２）、第１の予備的グループの長さから第２の最終的なグループの長さを減算することによって第１の最終的なグループの長さを算出する（処理ステップ９１４）。

処理ロジックが判定ステップ９０２において、第１の予備的グループの長さが閾値を超えていないと判定した場合、処理ロジックは、更に、第１の予備的グループの長さが閾値を下回っているかを判定する（判定ステップ９１６）。これに該当する場合、処理ロジックは、グループの最終的な数を３に設定し（処理ステップ９１７）、第２の予備的グループの長さを２で除算することによって第３の最終的なグループの長さを算出し（この演算は、ｗｉｎｄｏｗ＿ｇｒｏｕｐ＿ｌｅｎｇｔｈ［２］＞＞１と表される。）（処理ステップ９１８）、第２の予備的グループの長さから第３の最終的なグループの長さを減算することによって第２の最終的なグループの長さを算出し（処理ステップ９２０）、第１の最終的なグループの長さを第１の予備的グループの長さに設定する（処理ステップ９２２）。

処理ロジックが、判定ステップ９１６において、第１の予備的グループの長さが閾値を下回っていないと判定した場合、処理ロジックは、グループの数を２に設定し、第１の最終的なグループの長さを第１の予備的グループの長さに設定し、第２の最終的なグループの長さを第２の予備的グループの長さに設定する（処理ステップ９２４）。

図１０は、フレームのショートウィンドウのグループ化の具体例を示している。

図１０に示すように、グループ化されるショートウィンドウのタイプは、グループ化ビット（grouping_bits）「１１１０００１１」で表現される。ショートウィンドウのタイプは、図７の処理７００により決定できる。ショートウィンドウのこれらのタイプに基づいて、まず、図８の処理８００に基づき、ショートウィンドウを２つの予備的グループにグループ化でき、これにより、３つのショートウィンドウを有する第１の予備的グループと、５つのショートウィンドウを有する第２の予備的グループとを作成する。次に、図９の処理９００に基づき、閾値数を４として、第２の予備的グループを２つのグループに更に区切ることができる。この結果、３つのショートウィンドウを有する第１の最終的なグループと、３つのショートウィンドウを有する第２の最終的なグループと、２つのショートウィンドウを有する第３の最終的なグループとからなる３つの最終的なグループが作成される。

以下に示す図１１を参照した説明は、本発明の実施に適したコンピュータハードウェア及び他の操作コンポーネントに関する概要を明らかにするためのものであるが、これは、適用可能な環境を制限するものではない。図１１は、コンピュータシステムの一実施形態を示す図１の符号化装置１００又はフィルタバンクモジュール１０２の実現に好適なコンピュータシステムを示している。

コンピュータシステム１１４０は、それぞれがシステムバス１１６５に接続されたプロセッサ１１５０と、メモリ１１５５と、入出力装置（input/output capability）１１６０とを備える。メモリ１１５５は、プロセッサ１１５０によって実行されることにより、ここに説明する処理を実現する命令を格納するよう構成されている。入出力装置１１６０は、プロセッサ１１５０によってアクセス可能なあらゆる種類のストレージ装置を含む、様々な種類の、コンピュータにより読取可能な媒体を含んでいる。なお、「コンピュータにより読取可能な媒体」という用語は、デジタル信号がエンコードされた搬送波をも含むことは、当業者にとって明らかである。コンピュータシステム１１４０は、メモリ１１５５において実行されるオペレーティングシステムソフトウェアによって制御される。入出力装置１１６０及びこれに関連する媒体は、このオペレーティングシステムソフトウェアと、本発明に基づく処理とに関する命令と、アクセスユニットとを格納している。図１に示すフィルタバンクモジュール１０２は、プロセッサ１１５０に接続されたそれぞれ独立した要素であってもよく、プロセッサ１１５０に接続されたそれぞれ独立した要素であってもよく、プロセッサ１１５０によって実行される、コンピュータにより実行可能な命令として実現してもよい。一実施例においては、コンピュータシステム１１４０は、インターネットサービスプロバイダ（Internet Service Provider：以下、ＩＳＰという。）の一部であってもよく、或いは、入出力装置１１６０を介してＩＳＰに接続され、インターネットを介してアクセスユニットを送受信してもよい。なお、本発明は、インターネットアクセス及びインターネットウェブサイトに限定されるものではなく、直接接続されたコンピュータシステム及びプライベートネットワークに適用してもよいことは明らかである。

なお、コンピュータシステム１１４０は、異なるアーキテクチャを有する様々な可能なコンピュータシステムの一例に過ぎないことは明らかである。一般的なコンピュータシステムは、少なくともプロセッサと、メモリと、プロセッサ及びメモリを接続するバスとを備えている場合が多い。なお、本発明は、マルチプロセッサシステム、ミニコンピュータ、メインフレームコンピュータ等を含む、他のコンピュータシステム構成によっても実現できることは当業者にとって明らかである。更に、本発明は、通信ネットワークを介してリンクされたリモートの処理装置によってタスクが実行される分散型コンピュータシステム環境によっても実現することができる。

オーディオ符号化においてショートウィンドウをグループ化する様々な側面について説明した。ここでは、特定の実施の形態を示したが、ここに示した特定の実施の形態に代えて、同じ目的を達成する如何なる構成を用いてもよいことは当業者にとって明らかである。したがって、本出願は、本発明のあらゆる適応例及び変形例を包含するものとする。

符号化装置の一実施形態のブロック図である。 フレームのスペクトルデータにＭＤＣＴを実行する処理の一実施形態のフローチャートである。 ウィンドウタイプ決定処理の一実施形態のフローチャートである。 フレームにおける安定した信号から過渡信号への遷移のインストラクションを検出する処理の一実施形態のフローチャートである。 次フレームの予備的ウィンドウタイプ及び前フレームのウィンドウタイプに基づいて現フレームのウィンドウタイプを決定する処理の一実施形態のフローチャートである。 フレーム内でショートウィンドウをグループ化する処理の一実施形態のフローチャートである。 ショートウィンドウのタイプを決定する処理の一実施形態のフローチャートである。 ショートウィンドウの２つの予備的グループを作成する処理の一実施形態のフローチャートである。 ショートウィンドウの最終的なグループ化を実行する処理の一実施形態のフローチャートである。 フレームのショートウィンドウのグループ化の具体例を示す図である。 本発明の実施形態の実現に適するコンピュータ環境のブロック図である。

Claims (10)

1. コンピュータによって実行される方法であって、
   オーディオデータの次フレームにおいて、安定した信号から過渡信号への遷移の指示を検出するステップを有し、
   上記指示を検出するステップは、
   現フレーム及び次フレームそれぞれのロングウィンドウタイプを用いて、該現フレームのデータのための複数の修正離散コサイン変換（ＭＤＣＴ）係数を算出し、該次フレームのデータのための複数の予備的ＭＤＣＴ係数を算出するステップと、
   上記現フレームの複数の予備的ＭＤＣＴ係数を用いて該現フレームの総エネルギを算出するステップと、
   上記次フレームの複数の予備的ＭＤＣＴ係数を用いて該次フレームの総エネルギを算出するステップと、
   上記現フレームの総エネルギ及び上記次フレームの総エネルギを対数的に換算するステップと、
   上記次フレームの換算された総エネルギから上記現フレームの換算された総エネルギを減算することによって傾斜エネルギを算出するステップと、
   上記傾斜エネルギが閾値を超えているかを判定するステップと、
   上記傾斜エネルギが閾値を超えている場合、上記次フレームにおいて、過渡信号への遷移がある可能性が高いと判定するステップと、を含み、
   さらに、方法は、
   過渡信号への遷移がある可能性が高いと判定された場合、上記次フレームの予備的ウィンドウタイプをショートウィンドウタイプに決定し、過渡信号への遷移がある可能性が高いと判定されなかった場合、上記次フレームの予備的ウィンドウタイプをロングウィンドウタイプに決定するステップと、
   上記次フレームの予備的ウィンドウタイプ及びオーディオデータの前フレームのウィンドウタイプに基づいて、オーディオデータの現フレームのウィンドウタイプを判定するステップと、を有し、
   上記オーディオデータは、上記ウィンドウタイプによって定義される変換範囲を用いて周波数領域に変換されることを特徴としており、
   上記現フレームのウィンドウタイプを判定するステップは、
   上記前フレームのウィンドウタイプを特定するステップと、
   上記前フレームのウィンドウタイプから上記次フレームの予備的ウィンドウタイプへの遷移について、ショートウィンドウタイプよりロングウィンドウタイプを優先して、上記現フレームのためのウィンドウタイプを選択するステップと、を含み、
   上記ウィンドウタイプを選択するステップは、さらに、
   上記次フレームの予備的ウィンドウタイプがロングウィンドウタイプであり、上記前フレームのウィンドウタイプがロングウィンドウタイプ又はショート−ロングウィンドウタイプである場合、上記現フレームについて、ロングウィンドウタイプを選択するステップと、
   上記次フレームの予備的ウィンドウタイプがロングウィンドウタイプであり、上記前フレームのウィンドウタイプがショートウィンドウタイプ又はロング−ショートウィンドウタイプである場合、上記現フレームについて、ショート−ロングウィンドウタイプを選択するステップと、
   上記次フレームの予備的ウィンドウタイプがショートウィンドウタイプであり、上記前フレームのウィンドウタイプがロングウィンドウタイプ又はショート−ロングウィンドウタイプである場合、上記現フレームについて、ロング−ショートウィンドウタイプを選択するステップと、
   上記次フレームの予備的ウィンドウタイプがショートウィンドウタイプであり、上記前フレームのウィンドウタイプがショートウィンドウタイプ又はロング−ショートウィンドウタイプである場合、上記現フレームについて、ショートウィンドウタイプを選択するステップと、を含むことを特徴とする方法。
2. 上記複数の予備的ＭＤＣＴ係数は、時間軸に沿って生成された複数の対応するサンプルから算出されることを特徴とする請求項１記載のウィンドウタイプ決定方法。
3. 上記閾値は、経験的に設定されることを特徴とする請求項１記載のウィンドウタイプ決定方法。
4. プロセッサにより実行されて、該プロセッサにウィンドウタイプ決定方法を実行させる命令を提供するコンピュータにより読取可能な媒体において、該ウィンドウタイプ決定方法は、
   オーディオデータの次フレームにおいて、安定した信号から過渡信号への遷移の指示を検出するステップを有し、
   上記指示を検出するステップは、
   現フレーム及び次フレームそれぞれのロングウィンドウタイプを用いて、該現フレームのデータのための複数の修正離散コサイン変換（ＭＤＣＴ）係数を算出し、該次フレームのデータのための複数の予備的ＭＤＣＴ係数を算出するステップと、
   上記現フレームの複数の予備的ＭＤＣＴ係数を用いて該現フレームの総エネルギを算出するステップと、
   上記次フレームの複数の予備的ＭＤＣＴ係数を用いて該次フレームの総エネルギを算出するステップと、
   上記現フレームの総エネルギ及び上記次フレームの総エネルギを対数的に換算するステップと、
   上記次フレームの換算された総エネルギから上記現フレームの換算された総エネルギを減算することによって傾斜エネルギを算出するステップと、
   上記傾斜エネルギが閾値を超えているかを判定するステップと、
   上記傾斜エネルギが閾値を超えている場合、上記次フレームにおいて、過渡信号への遷移がある可能性が高いと判定するステップと、を含み、
   さらに、方法は、
   過渡信号への遷移がある可能性が高いと判定された場合、上記次フレームの予備的ウィンドウタイプをショートウィンドウタイプに決定し、過渡信号への遷移がある可能性が高いと判定されなかった場合、上記次フレームの予備的ウィンドウタイプをロングウィンドウタイプに決定するステップと、
   上記次フレームの予備的ウィンドウタイプ及びオーディオデータの前フレームのウィンドウタイプに基づいて、オーディオデータの現フレームのウィンドウタイプを判定するステップと、を有し、
   上記オーディオデータは、上記ウィンドウタイプによって定義される変換範囲を用いて周波数領域に変換されることを特徴としており、
   上記現フレームのウィンドウタイプを判定するステップは、
   上記前フレームのウィンドウタイプを特定するステップと、
   上記前フレームのウィンドウタイプから上記次フレームの予備的ウィンドウタイプへの遷移について、ショートウィンドウタイプよりロングウィンドウタイプを優先して、上記現フレームのためのウィンドウタイプを選択するステップと、を含み、
   上記ウィンドウタイプを選択するステップは、さらに、
   上記次フレームの予備的ウィンドウタイプがロングウィンドウタイプであり、上記前フレームのウィンドウタイプがロングウィンドウタイプ又はショート−ロングウィンドウタイプである場合、上記現フレームについて、ロングウィンドウタイプを選択するステップと、
   上記次フレームの予備的ウィンドウタイプがロングウィンドウタイプであり、上記前フレームのウィンドウタイプがショートウィンドウタイプ又はロング−ショートウィンドウタイプである場合、上記現フレームについて、ショート−ロングウィンドウタイプを選択するステップと、
   上記次フレームの予備的ウィンドウタイプがショートウィンドウタイプであり、上記前フレームのウィンドウタイプがロングウィンドウタイプ又はショート−ロングウィンドウタイプである場合、上記現フレームについて、ロング−ショートウィンドウタイプを選択するステップと、
   上記次フレームの予備的ウィンドウタイプがショートウィンドウタイプであり、上記前フレームのウィンドウタイプがショートウィンドウタイプ又はロング−ショートウィンドウタイプである場合、上記現フレームについて、ショートウィンドウタイプを選択するステップと、を含むことを特徴とするコンピュータにより読取可能な媒体。
5. 上記複数の予備的ＭＤＣＴ係数は、時間軸に沿って生成された複数の対応するサンプルから算出されることを特徴とする請求項４記載のコンピュータにより読取可能な媒体。
6. 上記決定された現フレームのウィンドウタイプがロングウィンドウタイプである場合、該現フレームの複数の最終的なＭＤＣＴ係数として該現フレームの複数の予備的ＭＤＣＴ係数を用いることを特徴とする請求項４記載のコンピュータにより読取可能な媒体。
7. メモリと、
   上記メモリに接続された、少なくとも１つのプロセッサと、を備えるコンピュータシステムにおいて、
   上記少なくとも１つのプロセッサは、一連のインストラクションを実行することにより、
   オーディオデータの次フレームにおいて、安定した信号から過渡信号への遷移の指示を検出するステップを実行し、
   上記指示を検出するステップは、
   現フレーム及び次フレームそれぞれのロングウィンドウタイプを用いて、該現フレームのデータのための複数の修正離散コサイン変換（ＭＤＣＴ）係数を算出し、該次フレームのデータのための複数の予備的ＭＤＣＴ係数を算出するステップと、
   上記現フレームの複数の予備的ＭＤＣＴ係数を用いて該現フレームの総エネルギを算出するステップと、
   上記次フレームの複数の予備的ＭＤＣＴ係数を用いて該次フレームの総エネルギを算出するステップと、
   上記現フレームの総エネルギ及び上記次フレームの総エネルギを対数的に換算するステップと、
   上記次フレームの換算された総エネルギから上記現フレームの換算された総エネルギを減算することによって傾斜エネルギを算出するステップと、
   上記傾斜エネルギが閾値を超えているかを判定するステップと、
   上記傾斜エネルギが閾値を超えている場合、上記次フレームにおいて、過渡信号への遷移がある可能性が高いと判定するステップと、を含み、
   さらに、上記少なくとも１つのプロセッサがインストラクションを実行することにより、
   過渡信号への遷移がある可能性が高いと判定された場合、上記次フレームの予備的ウィンドウタイプをショートウィンドウタイプに決定し、過渡信号への遷移がある可能性が高いと判定されなかった場合、上記次フレームの予備的ウィンドウタイプをロングウィンドウタイプに決定するステップと、
   上記次フレームの予備的ウィンドウタイプ及びオーディオデータの前フレームのウィンドウタイプに基づいて、オーディオデータの現フレームのウィンドウタイプを判定するステップと、を実行し、
   上記オーディオデータは、上記ウィンドウタイプによって定義される変換範囲を用いて周波数領域に変換されることを特徴としており、
   上記現フレームのウィンドウタイプを判定するステップは、
   上記前フレームのウィンドウタイプを特定するステップと、
   上記前フレームのウィンドウタイプから上記次フレームの予備的ウィンドウタイプへの遷移について、ショートウィンドウタイプよりロングウィンドウタイプを優先して、上記現フレームのためのウィンドウタイプを選択するステップと、を含み、
   上記ウィンドウタイプを選択するステップは、さらに、
   上記次フレームの予備的ウィンドウタイプがロングウィンドウタイプであり、上記前フレームのウィンドウタイプがロングウィンドウタイプ又はショート−ロングウィンドウタイプである場合、上記現フレームについて、ロングウィンドウタイプを選択するステップと、
   上記次フレームの予備的ウィンドウタイプがロングウィンドウタイプであり、上記前フレームのウィンドウタイプがショートウィンドウタイプ又はロング−ショートウィンドウタイプである場合、上記現フレームについて、ショート−ロングウィンドウタイプを選択するステップと、
   上記次フレームの予備的ウィンドウタイプがショートウィンドウタイプであり、上記前フレームのウィンドウタイプがロングウィンドウタイプ又はショート−ロングウィンドウタイプである場合、上記現フレームについて、ロング−ショートウィンドウタイプを選択するステップと、
   上記次フレームの予備的ウィンドウタイプがショートウィンドウタイプであり、上記前フレームのウィンドウタイプがショートウィンドウタイプ又はロング−ショートウィンドウタイプである場合、上記現フレームについて、ショートウィンドウタイプを選択するステップと、を含むことを特徴とするコンピュータシステム。
8. 上記複数の予備的ＭＤＣＴ係数は、時間軸に沿って生成された複数の対応するサンプルから算出されることを特徴とする請求項７記載のコンピュータシステム。
9. 上記プロセッサは、更に、上記決定された現フレームのウィンドウタイプがロングウィンドウタイプである場合、上記現フレームの複数の最終的なＭＤＣＴ係数として該現フレームの複数の予備的ＭＤＣＴ係数を用いることを特徴とする請求項７記載のコンピュータシステム。
10. 装置であって、
    オーディオデータの次フレームにおいて、安定した信号から過渡信号への遷移の指示を検出する検出手段を有し、
    上記検出手段は、
    現フレーム及び次フレームそれぞれのロングウィンドウタイプを用いて、該現フレームのデータのための複数の修正離散コサイン変換（ＭＤＣＴ）係数を算出し、該次フレームのデータのための複数の予備的ＭＤＣＴ係数を算出する手段と、
    上記現フレームの複数の予備的ＭＤＣＴ係数を用いて該現フレームの総エネルギを算出する手段と、
    上記次フレームの複数の予備的ＭＤＣＴ係数を用いて該次フレームの総エネルギを算出する手段と、
    上記現フレームの総エネルギ及び上記次フレームの総エネルギを対数的に換算する手段と、
    上記次フレームの換算された総エネルギから上記現フレームの換算された総エネルギを減算することによって傾斜エネルギを算出する手段と、
    上記傾斜エネルギが閾値を超えているかを判定する手段と、
    上記傾斜エネルギが閾値を超えている場合、上記次フレームにおいて、過渡信号への遷移がある可能性が高いと判定する手段と、を有し、
    さらに、装置は、
    過渡信号への遷移がある可能性が高いと判定された場合、上記次フレームの予備的ウィンドウタイプをショートウィンドウタイプに決定し、過渡信号への遷移がある可能性が高いと判定されなかった場合、上記次フレームの予備的ウィンドウタイプをロングウィンドウタイプに決定する決定手段と、
    上記次フレームの予備的ウィンドウタイプ及びオーディオデータの前フレームのウィンドウタイプに基づいて、オーディオデータの現フレームのウィンドウタイプを判定する判定手段と、を備え、
    上記オーディオデータは、上記ウィンドウタイプによって定義される変換範囲を用いて周波数領域に変換されることを特徴としており、
    上記判定手段は、
    上記前フレームのウィンドウタイプを特定する手段と、
    上記前フレームのウィンドウタイプから上記次フレームの予備的ウィンドウタイプへの遷移について、ショートウィンドウタイプよりロングウィンドウタイプを優先して、上記現フレームのためのウィンドウタイプを選択する手段と、を有し、
    上記ウィンドウタイプを選択する手段は、さらに、
    上記次フレームの予備的ウィンドウタイプがロングウィンドウタイプであり、上記前フレームのウィンドウタイプがロングウィンドウタイプ又はショート−ロングウィンドウタイプである場合、上記現フレームについて、ロングウィンドウタイプを選択する手段と、
    上記次フレームの予備的ウィンドウタイプがロングウィンドウタイプであり、上記前フレームのウィンドウタイプがショートウィンドウタイプ又はロング−ショートウィンドウタイプである場合、上記現フレームについて、ショート−ロングウィンドウタイプを選択する手段と、
    上記次フレームの予備的ウィンドウタイプがショートウィンドウタイプであり、上記前フレームのウィンドウタイプがロングウィンドウタイプ又はショート−ロングウィンドウタイプである場合、上記現フレームについて、ロング−ショートウィンドウタイプを選択する手段と、
    上記次フレームの予備的ウィンドウタイプがショートウィンドウタイプであり、上記前フレームのウィンドウタイプがショートウィンドウタイプ又はロング−ショートウィンドウタイプである場合、上記現フレームについて、ショートウィンドウタイプを選択する手段と、を有することを特徴とする装置。

Images