WO2015041070A1 - 符号化装置および方法、復号化装置および方法、並びにプログラム - Google Patents

符号化装置および方法、復号化装置および方法、並びにプログラム Download PDF

Info

Publication number
WO2015041070A1
WO2015041070A1 PCT/JP2014/073465 JP2014073465W WO2015041070A1 WO 2015041070 A1 WO2015041070 A1 WO 2015041070A1 JP 2014073465 W JP2014073465 W JP 2014073465W WO 2015041070 A1 WO2015041070 A1 WO 2015041070A1
Authority
WO
WIPO (PCT)
Prior art keywords
gain
value
difference
encoding
difference value
Prior art date
Application number
PCT/JP2014/073465
Other languages
English (en)
French (fr)
Inventor
本間　弘幸
徹 知念
潤宇 史
光行 畠中
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to EP14846054.6A priority Critical patent/EP3048609A4/en
Priority to JP2015537641A priority patent/JP6531649B2/ja
Priority to US14/917,825 priority patent/US9875746B2/en
Priority to CN201480050373.8A priority patent/CN105531762B/zh
Publication of WO2015041070A1 publication Critical patent/WO2015041070A1/ja

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
    • 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
    • G10L19/04—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 using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/167—Audio streaming, i.e. formatting and decoding of an encoded audio signal representation into a data stream for transmission or storage purposes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S3/00—Systems employing more than two channels, e.g. quadraphonic
    • H04S3/008—Systems employing more than two channels, e.g. quadraphonic in which the audio signals are in digital form, i.e. employing more than two discrete digital channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2400/00—Details of stereophonic systems covered by H04S but not provided for in its groups
    • H04S2400/13—Aspects of volume control, not necessarily automatic, in stereophonic sound systems

Definitions

  • the present technology relates to an encoding apparatus and method, a decoding apparatus and method, and a program, and in particular, an encoding apparatus and method, a decoding apparatus and a method, which are capable of obtaining sound with an appropriate volume with a smaller code amount. , As well as programs.
  • MPEG Motion Picture Experts Group
  • AAC Advanced Audio Coding
  • DRC Dynamic Range Compression
  • the audio signal can be downmixed on the playback side, or appropriate volume control can be performed by DRC.
  • the playback environment has various cases such as 2ch, 5.1ch, 7.1ch, and a single downmix.
  • the coefficient makes it difficult to obtain a sufficient sound pressure or causes clipping.
  • auxiliary information such as downmix and DRC is encoded as a gain on an MDCT (Modified Discrete Cosine Transform) area. Therefore, if the 11.1ch bit stream is played back as it is in 11.1ch, or downmixed to 2ch and played back, the sound pressure level may be low, or conversely, it may be greatly clipped, and the appropriate volume It was difficult to get the voice.
  • MDCT Modified Discrete Cosine Transform
  • the bitstream code amount increases.
  • the present technology has been made in view of such a situation, and makes it possible to obtain sound with an appropriate volume with a smaller code amount.
  • the encoding device includes a gain calculation unit that calculates a first gain value and a second gain value for volume correction for each frame of an audio signal, and the first gain value.
  • a first difference value of the second gain value is obtained, or between the first gain value and the first gain value of the adjacent frame, or of the frame adjacent to the first difference value.
  • a gain encoding unit that obtains a second difference value from the first difference value and encodes the first difference value or information based on the second difference value;
  • the gain encoding unit determines the first difference value between the first gain value and the second gain value at a plurality of positions in the frame, or a plurality of positions in the frame.
  • the second difference value can be obtained between the first gain values at or between the first difference values at a plurality of positions in the frame.
  • the gain encoding unit can determine the second difference value based on a gain change point at which a slope of the first gain value or the first difference value in the frame changes.
  • the gain encoding unit can obtain the second difference value by obtaining a difference between the gain change point and another gain change point.
  • the gain encoding unit can obtain the second difference value by obtaining a difference between the gain change point and a predicted value by primary prediction using another gain change point.
  • the gain encoding unit can encode information based on the number of gain change points in the frame and the second difference value at the gain change points.
  • the gain calculation unit can calculate the second gain value for each of the audio signals having different numbers of channels obtained by downmixing.
  • the gain encoding unit can select whether or not to obtain the first difference value based on the correlation between the first gain value and the second gain value.
  • the gain encoding unit can variable-length encode the first difference value or the second difference value.
  • the encoding method or program calculates a first gain value and a second gain value for volume correction for each frame of an audio signal, and the first gain value and the first gain value are calculated.
  • a first gain value and a second gain value for volume correction are calculated for each frame of the audio signal, and the first gain value and the second gain value are calculated.
  • the first difference value is obtained, or the first difference value of the frame adjacent to or between the first gain value and the first gain value of the adjacent frame.
  • the second difference value is obtained between and the information based on the first difference value or the second difference value is encoded.
  • the decoding device relates to the first gain value and the second gain value for the first gain value and the second gain value for volume correction calculated for each frame of the audio signal.
  • the first difference value of the first gain value, or between the first gain value and the first gain value of the adjacent frame, or the first difference of the frame adjacent to the first difference value A demultiplexing unit that demultiplexes an input code string into a gain code string generated by obtaining a second difference value between the values and a signal code string obtained by encoding the speech signal
  • a signal decoding unit that decodes the signal code string; and gain decoding that decodes the gain code string and outputs the first gain value or the second gain value for the sound volume correction.
  • the first difference value is encoded by obtaining a difference value between the first gain value and the second gain value at a plurality of positions in the frame
  • the second difference value is The encoding is performed by obtaining a difference value between the first gain values at a plurality of positions in the frame or between the first difference values at a plurality of positions in the frame. Can be.
  • the second difference value may be encoded by being obtained from a gain change point at which a slope of the first gain value or the first difference value in the frame changes.
  • the second difference value can be encoded by being obtained from a difference between the gain change point and another gain change point.
  • the second difference value can be encoded by being obtained from a difference between the gain change point and a predicted value by primary prediction using another gain change point.
  • the information based on the number of gain change points in the frame and the second difference value at the gain change point may be encoded as the second difference value.
  • the decoding method or program provides the first gain value and the second gain value for the volume correction calculated for each frame of the audio signal.
  • the input code string is demultiplexed into a gain code string generated by obtaining a second difference value from the difference value and a signal code string obtained by encoding the speech signal, and the signal code Decoding a sequence, decoding the gain code sequence, and outputting the first gain value or the second gain value for the sound volume correction.
  • the first gain value and the second gain value for the first gain value and the second gain value for volume correction calculated for each frame of the audio signal.
  • the input code string is demultiplexed into the gain code string generated by obtaining the second difference value between the signal and the signal code string obtained by encoding the speech signal, and the signal code string is decoded. Then, the gain code string is decoded, and the first gain value or the second gain value for the sound volume correction is output.
  • FIG. 1 is a diagram showing information for one frame included in a bit stream obtained by encoding an audio signal.
  • the information for one frame includes auxiliary information and main information.
  • Main information is the main information for constructing an output time-series signal that is an encoded audio signal such as a scale factor and MDCT coefficient, and auxiliary information is an output time-series signal generally called metadata.
  • This auxiliary information includes gain information and downmix information.
  • the downmix information is obtained by encoding gain coefficients for converting an audio signal composed of a plurality of channels such as 11.1ch into an audio signal having a smaller number of channels in the form of an index.
  • the MDCT coefficient of each channel is multiplied by the gain coefficient obtained from the downmix information, and the MDCT coefficient of each channel multiplied by the gain coefficient is added, so that the MDCT of the output channel after downmixing A coefficient can be obtained.
  • the gain information is obtained by encoding a gain coefficient for converting a pair of groups including all channels or a specific channel into another signal level in the form of an index.
  • the gain information can be obtained by multiplying the MDCT coefficient of each channel by the gain coefficient obtained from the gain information at the time of decoding.
  • FIG. 2 is a diagram showing a configuration of a decoding apparatus that performs MPEG AAC decoding processing.
  • the demultiplexing circuit 21 converts the input code string into a signal code corresponding to main information. Demultiplexing into a column and gain information and downmix information corresponding to auxiliary information.
  • the decoding / inverse quantization circuit 22 performs decoding and inverse quantization on the signal code string supplied from the demultiplexing circuit 21 and supplies the MDCT coefficient obtained as a result to the gain application circuit 23. Further, the gain application circuit 23 multiplies the MDCT coefficient by each of the gain information obtained from the demultiplexing circuit 21 and the gain coefficient obtained from the downmix information based on the downmix control information and the DRC control information. The gain applied MDCT coefficient is output.
  • the downmix control information and the DRC control information are information given from the host control device, and are information indicating whether or not to perform the downmix and DRC processing.
  • the inverse MDCT circuit 24 performs inverse MDCT processing on the gain application MDCT coefficient from the gain application circuit 23 and supplies the obtained inverse MDCT signal to the windowing / OLA circuit 25. Then, the windowing / OLA circuit 25 performs windowing and overlap addition processing on the supplied inverse MDCT signal to obtain an output time-series signal that is an output of the MPEG AAC decoding device 11.
  • auxiliary information of downmix and DRC is encoded as a gain in the MDCT area. Therefore, for example, if the 11.1ch bit stream is played back as it is in 11.1ch, or downmixed to 2ch and played back, the sound pressure level may be low, or conversely, it may be greatly clipped. In some cases, loud sound could not be obtained.
  • L, R, C, Sl, and Sr indicate 5.1 channel signal left channel, right channel, center channel, side left channel, and side right channel signals, respectively.
  • Lt and Rt indicate left channel and right channel signals after downmixing to 2ch, respectively.
  • k is a coefficient for adjusting the mixing ratio of the side channel, and the coefficient k is 1 / sqrt (2), 1/2, (1 / 2sqrt (2)), and 0.
  • the case where a clip after downmixing occurs is when all the channels are signals of the maximum amplitude. That is, assuming that the amplitudes of the signals of the L, R, C, Sl, and Sr channels are all 1.0, according to Equation (1), the amplitudes of the Lt and Rt signals are also independent of the value of k. 1.0. That is, it is guaranteed that it is a downmix type in which clip distortion does not occur.
  • L, R, C, Sl, Sr, Lt, Rt, and k are the same as those in the formula (1).
  • the above example is a case where the number of channels is 5.1, and in the case where 11.1 channels or more channels are encoded and downmixed, the occurrence of clip distortion and the level change become more remarkable.
  • a method of encoding an index of a known DRC characteristic can be considered.
  • down-mixing is performed by performing DRC processing on the PCM (Pulse Code Modulation) signal after decoding, that is, the above-described output time series signal so that the DRC characteristic of this index is obtained at the time of decoding. It is possible to suppress a decrease in sound pressure level and clipping due to the presence or absence of noise.
  • PCM Pulse Code Modulation
  • the decryption device side since the decryption device side has the DRC characteristic information, the content creator side cannot express free DRC characteristics, and the decryption device side does not perform the DRC processing itself. This increases the amount of calculation.
  • the pattern of the number of channels to be downmixed also increases. For example, a case in which a 11.1ch signal is downmixed to 7.1ch, 5.1ch, and 2ch is conceivable, and when a plurality of gains are sent as described above, the code amount is increased four times.
  • the content creator can freely set the DRC gain on the encoding device side, and the code amount required for transmission can be reduced while reducing the calculation load on the decoding device side. . That is, the present technology makes it possible to obtain sound with an appropriate volume with a smaller code amount.
  • FIG. 3 is a diagram illustrating a functional configuration example of an embodiment of an encoding device to which the present technology is applied.
  • the encoding device 51 shown in FIG. 3 includes a first sound pressure level calculation circuit 61, a first gain calculation circuit 62, a downmix circuit 63, a second sound pressure level calculation circuit 64, a second gain calculation circuit 65, and a gain encoding.
  • a circuit 66, a signal encoding circuit 67, and a multiplexing circuit 68 are provided.
  • the first sound pressure level calculation circuit 61 calculates the sound pressure level of each channel constituting the input time-series signal based on the input time-series signal that is the supplied multi-channel audio signal, A representative value of the sound pressure level is obtained as the first sound pressure level.
  • the calculation method of the sound pressure level is the maximum value of the time frame of the audio signal of the channel that constitutes the input time series signal or RMS (Root Mean Square), etc. A sound pressure level is obtained for each channel constituting the series signal.
  • a representative value calculation method for the first sound pressure level for example, a method using the maximum value of the sound pressure levels of each channel as a representative value, or a specific calculation formula from the sound pressure level of each channel.
  • a technique for calculating one representative value can be used.
  • the representative value can be calculated using a loudness calculation formula described in ITU-R BS.1770-2 (03/2011).
  • a time frame that is a processing unit in the first sound pressure level calculation circuit 61 is synchronized with a time frame of an input time-series signal that is processed by a signal encoding circuit 67 described later, and a time frame in the signal encoding circuit 67.
  • the time frame is shorter than the frame.
  • the first sound pressure level calculation circuit 61 supplies the obtained first sound pressure level to the first gain calculation circuit 62.
  • the first sound pressure level obtained in this way indicates a representative sound pressure level of an input time-series signal channel composed of audio signals of a predetermined number of channels such as 11.1ch.
  • the first gain calculation circuit 62 calculates a first gain based on the first sound pressure level supplied from the first sound pressure level calculation circuit 61 and supplies the first gain to the gain encoding circuit 66.
  • the first gain indicates a gain when the volume of the input time-series signal is corrected so that sound having an optimal volume can be obtained when the input time-series signal is reproduced on the decoding device side.
  • sound with an optimal volume can be obtained on the playback side by correcting the volume of the input time-series signal with the first gain.
  • DRC characteristics as shown in FIG. 4 can be used.
  • the horizontal axis indicates the input sound pressure level (dBFS), that is, the first sound pressure level
  • the vertical axis indicates the output sound pressure level (dBFS), that is, the input time series signal by the DRC processing.
  • the sound pressure level after correction when level correction (volume correction) is performed is shown.
  • the broken line C1 and the broken line C2 indicate the relationship between the input / output sound pressure levels.
  • the sound volume is corrected so that the sound pressure level of the input time-series signal becomes ⁇ 27 dBFS. Therefore, in this case, the first gain is -27 dBFS.
  • the first gain is set to -21 dBFS.
  • DRC_MODE1 a mode in which volume correction is performed with the DRC characteristic indicated by the broken line C1
  • DRC_MODE2 a mode in which the volume is corrected with the DRC characteristic indicated by the broken line C2.
  • the first gain is determined according to the DRC characteristic of the designated mode such as DRC_MODE1 or DRC_MODE2. This first gain is output as a gain waveform synchronized with the time frame of the signal encoding circuit 67. That is, the first gain calculation circuit 62 calculates the first gain for each sample constituting the time frame that is the processing target of the input time-series signal.
  • the downmix circuit 63 performs downmix processing on the input time-series signal supplied to the encoding device 51 using the downmix information supplied from the host control device, The resulting downmix signal is supplied to the second sound pressure level calculation circuit 64.
  • one downmix signal may be output from the downmix circuit 63, or a plurality of downmix signals may be output.
  • downmix processing is performed on 11.1ch input time-series signals, downmix signal that is 2ch audio signal, downmix signal that is 5.1ch audio signal, and downmix signal that is 7.1ch audio signal May be generated.
  • the second sound pressure level calculation circuit 64 calculates a second sound pressure level based on the downmix signal that is a multi-channel audio signal supplied from the downmix circuit 63 and supplies the second sound pressure level to the second gain calculation circuit 65.
  • the second sound pressure level calculation circuit 64 calculates the second sound pressure level for each downmix signal by using the same method as the first sound pressure level calculation method in the first sound pressure level calculation circuit 61.
  • the second gain calculation circuit 65 calculates a second gain based on the second sound pressure level for each downmix signal with respect to the second sound pressure level of each downmix signal supplied from the second sound pressure level calculation circuit 64. And supplied to the gain encoding circuit 66.
  • the second gain is calculated by the DRC characteristic and the gain calculation method used in the first gain calculation circuit 62.
  • the second gain indicates a gain when the volume of the downmix signal is corrected so that an audio having an optimum volume can be obtained when the input time-series signal is downmixed and reproduced on the decoding device side.
  • sound having an optimal volume can be obtained by correcting the volume of the obtained downmix signal with the second gain.
  • Such a second gain can be said to be a gain for correcting the sound volume to a more optimal volume according to the DRC characteristic and correcting the sound pressure level that changes due to the downmix.
  • the gain waveform g (k, n) in the time frame k can be obtained by calculating the following equation (3).
  • Equation (3) n represents a time sample that takes a value from 0 to N ⁇ 1 when the time frame length is N, and Gt (k) represents a target gain in the time frame k. Yes.
  • a in the equation (3) is a value determined by the following equation (4).
  • Equation (4) Fs represents the sampling frequency (Hz), Tc (k) represents the time constant in the time frame k, and exp (x) represents the exponential function.
  • Gt (k) is the first sound pressure level or the second sound pressure level obtained by the first sound pressure level calculation circuit 61 or the second sound pressure level calculation circuit 64 and the DRC characteristic shown in FIG. Can be obtained by:
  • the time constant Tc (k) can be obtained from the difference between Gt (k) described above and the gain g (k ⁇ 1, N ⁇ 1) of the previous time frame.
  • This time constant is generally different depending on the desired DRC characteristics. For example, a device that records and reproduces the voice of a person such as a voice recorder has a short time constant. On the other hand, a device that uses music recording and reproduction such as a portable music player has a long time constant for release. It is common. In the description of the present embodiment, for simplicity of explanation, if Gt (k) -g (k-1, N-1) is less than zero, the time constant is set to 20 milliseconds as an attack, and should be greater than or equal to zero. In this case, the time constant is set to 2 seconds as a release.
  • the gain waveform g (k, n) serving as the first gain and the second gain can be obtained.
  • the gain encoding circuit 66 encodes the first gain supplied from the first gain calculation circuit 62 and the second gain supplied from the second gain calculation circuit 65, and obtains the result.
  • the obtained gain code string is supplied to the multiplexing circuit 68.
  • the difference is appropriately calculated and encoded.
  • the difference between different gains is a difference between the first gain and the second gain, or a difference between different second gains.
  • the signal encoding circuit 67 encodes the supplied input time series signal by a predetermined encoding method, for example, a general encoding method represented by an encoding method by MEPG AAC, and the signal code obtained as a result
  • the column is supplied to the multiplexing circuit 68.
  • the multiplexing circuit 68 multiplexes the gain code sequence supplied from the gain encoding circuit 66, the downmix information supplied from the host controller, and the signal code sequence supplied from the signal encoding circuit 67, and the result The obtained output code string is output.
  • the gain waveforms shown in FIG. 5 are obtained as the first gain and the second gain supplied to the gain encoding circuit 66.
  • the horizontal axis indicates time, and the vertical axis indicates gain (dB).
  • a polygonal line C21 represents the gain of the 11.1ch input time series signal obtained as the first gain
  • a polygonal line C22 represents the gain of the 5.1ch downmix signal obtained as the second gain.
  • the 5.1ch downmix signal is an audio signal obtained by downmixing the 11.1ch input time-series signal.
  • the broken line C23 represents the difference between the first gain and the second gain.
  • the main gain information that is the difference among the gain information of the first gain and the second gain is also referred to as a master gain sequence
  • gain information for which a difference value from the master gain sequence is obtained is also referred to as a slave gain sequence. I will do it.
  • the master gain sequence and the slave gain sequence are not particularly distinguished, they are referred to as gain sequences.
  • FIG. 6 is a diagram illustrating an example of the relationship between the master gain sequence and the slave gain sequence.
  • the horizontal axis indicates a time frame, and the vertical axis indicates each gain sequence.
  • GAIN_SEQ0 represents the 11.1ch gain sequence, that is, the first gain of the 11.1ch input time series signal that is not downmixed.
  • GAIN_SEQ1 represents a 7.1ch gain sequence, that is, the second gain of the 7.1ch downmix signal obtained by downmixing.
  • GAIN_SEQ2 represents the 5.1ch gain sequence, that is, the second gain of the 5.1ch downmix signal
  • GAIN_SEQ3 represents the 2ch gain sequence, that is, the second gain of the 2ch downmix signal.
  • M1 represents the first master gain sequence
  • M2 represents the second master gain sequence
  • end point of the arrow marked “M1” or “M2” indicates a slave gain sequence with respect to the master gain sequence represented by “M1” or “M2”.
  • the 11.1ch gain sequence is the master gain sequence.
  • the other 7.1ch, 5.1ch, and 2ch gain sequences are slave gain sequences with respect to the 11.1ch gain sequence.
  • the 11.1ch gain sequence that is the master gain sequence is encoded as it is.
  • the 7.1ch, 5.1ch, and 2ch gain sequences which are slave gain sequences, are obtained with a difference from the master gain sequence, and the difference is encoded.
  • Information obtained by encoding each gain sequence in this way is used as a gain code string.
  • information indicating the gain encoding mode which is the relationship between the master gain sequence and the slave gain sequence, is encoded into a gain encoding mode header HD11 and added to the output code sequence together with the gain code sequence. Is done.
  • the gain encoding mode header is generated when the gain encoding mode in the time frame to be processed is different from the gain encoding mode in the immediately preceding time frame, and is added to the output code string.
  • the gain encoding mode is the same as that of the time frame J in the time frame J + 1 that is the next frame of the time frame J, the encoding of the gain encoding mode header is not performed.
  • the gain encoding mode header HD12 is output. It is added to the code string.
  • the 11.1ch gain sequence is the master gain sequence
  • the 7.1ch gain sequence is the slave gain sequence for the 11.1ch gain sequence.
  • the 5.1ch gain sequence is the second master gain sequence
  • the 2ch gain sequence is the slave gain sequence for the 5.1ch gain sequence.
  • the bit stream output from the encoding device 51 includes an output code string of each time frame, and each output code string includes auxiliary information and main information.
  • a gain encoding mode header corresponding to the gain encoding mode header HD11 shown in FIG. 6 a gain code sequence, and downmix information are included in the output code sequence as components of auxiliary information.
  • the gain code string is information obtained by encoding four gain sequences of 11.1ch to 2ch in the example of FIG.
  • the downmix information is the same as the downmix information shown in FIG. 1 and is information (index) for obtaining a gain coefficient necessary for downmixing the input time-series signal on the decoding device side. .
  • the output code string of the time frame J includes a signal code string as main information.
  • the gain encoding mode does not change, so the auxiliary information does not include the gain encoding mode header, and the gain code sequence and downmix information as auxiliary information, A signal code string as information is included in the output code string.
  • the output encoding includes a gain encoding mode header, gain code sequence, downmix information as auxiliary information, and a signal code sequence as main information. Yes.
  • gain encoding mode header and gain code string shown in FIG. 7 will be described in detail below.
  • the gain encoding mode header included in the output code string is configured as shown in FIG.
  • the gain encoding mode header shown in FIG. 8 includes GAIN_SEQ_NUM, GAIN_SEQ0, GAIN_SEQ1, GAIN_SEQ2, and GAIN_SEQ3, and these data are encoded in 2 bytes each.
  • the data of each gain sequence mode of GAIN_SEQ0 to GAIN_SEQ3 is configured as shown in FIG. 9, for example.
  • the gain sequence mode data includes MASTER_FLAG, DIFF_SEQ_ID, DMIX_CH_CFG_ID, and DRC_MODE_ID, and these four elements are each encoded with 4 bits.
  • MASTER_FLAG is an identifier indicating whether or not the gain sequence described in the data of the gain sequence mode is a master gain sequence.
  • the gain sequence is a master gain sequence
  • the gain sequence is a slave gain sequence
  • DIFF_SEQ_ID is an identifier indicating which master gain sequence the gain sequence described in the gain sequence mode data is to be calculated, and is read when the value of MASTER_FLAG is “0”.
  • DMIX_CH_CFG_ID is channel configuration information corresponding to this gain sequence, that is, information indicating the number of channels of multi-channel audio signals such as 11.1ch and 7.1ch.
  • DRC_MODE_ID is an identifier representing the characteristics of DRC used in gain calculation in the first gain calculation circuit 62 or the second gain calculation circuit 65. For example, in the example shown in FIG. 4, it indicates either DRC_MODE1 or DRC_MODE2. Information.
  • DRC_MODE_ID may differ between the master gain sequence and slave gain sequence. That is, a difference may be obtained between gain sequences for which gains are obtained according to different DRC characteristics.
  • MASTER_FLAG is set to 1
  • DIFF_SEQ_ID is set to 0
  • DMIX_CH_CFG_ID is set to an identifier indicating 11.1ch
  • DRC_MODE_ID is set to an identifier indicating DRC_MODE1, for example, and the gain sequence mode is encoded.
  • GAIN_SEQ1 in which information related to the 7.1ch gain sequence is stored, MASTER_FLAG is 0, DIFF_SEQ_ID is 0, DMIX_CH_CFG_ID is an identifier indicating 7.1ch, and DRC_MODE_ID is an identifier indicating DRC_MODE1, for example.
  • the gain sequence mode is encoded.
  • MASTER_FLAG is set to 0
  • DIFF_SEQ_ID is set to 0
  • DMIX_CH_CFG_ID is set to an identifier indicating 5.1ch
  • DRC_MODE_ID is set to an identifier indicating DRC_MODE1, for example, and the gain sequence mode is encoded.
  • MASTER_FLAG is set to 0
  • DIFF_SEQ_ID is set to 0
  • DMIX_CH_CFG_ID is an identifier indicating 2ch
  • DRC_MODE_ID is an identifier indicating DRC_MODE1, for example, and the gain sequence mode is encoded.
  • the gain encoding mode header is not inserted into the bit stream.
  • the gain encoding mode header is encoded.
  • the 5.1ch gain sequence (GAIN_SEQ2), which was the slave gain sequence so far, is the second master gain sequence.
  • the 2ch gain sequence (GAIN_SEQ3) is the slave gain sequence of the 5.1ch gain sequence.
  • GAIN_SEQ0 and GAIN_SEQ1 of the gain encoding mode header are the same as those in time frame J, but GAIN_SEQ2 and GAIN_SEQ3 change.
  • DIFF_SEQ_ID is 0, DMIX_CH_CFG_ID is an identifier indicating 5.1ch, and DRC_MODE_ID is an identifier indicating DRC_MODE1, for example.
  • MASTER_FLAG is set to 0, DIFF_SEQ_ID is set to 2, DMIX_CH_CFG_ID is an identifier indicating 2ch, and DRC_MODE_ID is an identifier indicating DRC_MODE1, for example.
  • the value of DIFF_SEQ_ID may be any value.
  • the gain code string included in the auxiliary information of the output code string shown in FIG. 7 is configured as shown in FIG.
  • GAIN_SEQ_NUM indicates the number of gain sequences encoded in the gain encoding mode header. Then, the gain sequence information for the number indicated in GAIN_SEQ_NUM is described after GAIN_SEQ_NUM.
  • Hld_mode arranged following GAIN_SEQ_NUM is a flag indicating whether or not to hold the gain of the immediately preceding time frame in time, and is encoded with 1 bit.
  • uimsbf represents UnsignedsignInteger Most Significant Bit First, and represents that an unsigned integer is encoded with the MSB side as the first bit.
  • the gain of the previous time frame that is, the first gain and the second gain obtained by decoding, for example, are used as they are as the gain of the current time frame. Therefore, in this case, it can be said that the first gain and the second gain are encoded by obtaining a difference between time frames.
  • the gain obtained from the information described after hld_mode is used as the gain of the current time frame.
  • hld_mode When the value of hld_mode is 0, cmode is described with 2 bits following hld_mode, and gpnum is described with 6 bits.
  • Cmode represents an encoding method for generating a gain waveform from gain change points encoded thereafter.
  • the lower 1 bit of cmode represents the differential encoding mode at the gain change point. Specifically, when the value of the lower 1 bit of cmode is 0, it indicates that the gain encoding method is the 0th-order prediction difference mode (hereinafter also referred to as DIFF1 mode), and the lower 1 of cmode. A bit value of 1 indicates that the gain encoding method is the primary prediction differential mode (hereinafter also referred to as DIFF2 mode).
  • the gain change point refers to a time at which the gain gradient changes before and after the gain waveform including the gain at each time (sample) of the time frame.
  • the time (sample) to be a candidate point for the gain change point is determined in advance, and among these candidate points, the candidate point whose gain slope changes at the previous and subsequent times is set as the gain change point.
  • the gain change point is the time at which the slope of the gain (difference) changes at the previous and subsequent times in the gain difference waveform from the master gain sequence.
  • the 0th-order prediction difference mode encoding is performed by calculating the difference between the gain at each gain change point and the gain at the previous gain change point when encoding a gain waveform composed of gains at each time, that is, at each sample.
  • the 0th-order prediction difference mode is a mode in which the gain at each time is decoded using the difference from the gain at another time when the gain waveform is decoded.
  • the primary prediction differential mode when a gain waveform is encoded, the gain at each gain change point is predicted by a linear function passing through the immediately preceding gain change point, that is, by primary prediction.
  • encoding is performed by obtaining a difference between a value (primary prediction value) and an actual gain.
  • the upper 1 bit of cmode indicates whether or not to encode the gain at the beginning of the time frame. Specifically, when the upper 1 bit of cmode is 0, the gain at the beginning of the time frame is encoded with a fixed length of 12 bits and is described as gval_abs_id0 in FIG.
  • MSB1 bit of gval_abs_id0 is a sign bit, and the remaining 11 bits are a value (gain) of “gval_abs_id0” determined by the following equation (5) in 0.25 dB steps.
  • gain_abs_linear indicates a linear gain, that is, a first gain or a second gain that is a gain of the master gain sequence, or a gain difference between the master gain sequence and the slave gain sequence.
  • gain_abs_linear is the gain of the first sample position in the time frame.
  • “ ⁇ ” represents a power.
  • the upper 1 bit of cmode is 1, it indicates that the gain value at the end of the previous time frame at the time of decoding is the gain value at the beginning of the current time frame.
  • gpnum indicates the number of gain change points.
  • gpnum or gval_abs_id0 followed by gloc_id [k] and gval_diff_id [k] are described by the number of gain change points indicated by gpnum.
  • gloc_id [k] and gval_diff_id [k] indicate the gain change point and the encoded gain of the gain change point.
  • k in gloc_id [k] and gval_diff_id [k] is an index for specifying the gain change point, and indicates the gain change point.
  • gloc_id [k] is described in 3 bits
  • gval_diff_id [k] is described in any number of bits from 1 to 11 bits.
  • vlclbf in FIG. 10 represents Variable Length Code Left Bit ⁇ First, which means that encoding is performed starting from the left bit of the variable length code.
  • DIFF1 mode 0th-order prediction difference mode
  • DIFF2 mode first-order prediction difference mode
  • the 0th-order prediction difference mode will be described with reference to FIG.
  • the horizontal axis indicates time (sample), and the vertical axis indicates gain.
  • the broken line C31 indicates the gain of the gain sequence to be processed, more specifically, the gain of the master gain sequence (first gain or second gain), or the difference between the gains of the master gain sequence and the slave gain sequence. The value is shown.
  • two gain change points G11 and G12 are detected from the time frame J to be processed, and PREV11 is the start position of the time frame J, that is, the time frame J-1. The end position of is shown.
  • the position gloc [0] of the gain change point G11 is encoded with 3 bits as position information representing the time sample value from the beginning of the time frame J.
  • the gain change point is encoded based on the table shown in FIG.
  • gloc_id indicates a value described as gloc_id [k] in the gain code string shown in FIG. 10, and gloc [gloc_id] indicates the position of the candidate point of the gain change point, that is, the sample at the beginning of the time frame or The number of samples from the previous gain change point to the candidate point sample is shown.
  • each of the 0th, 16th, 32th, 64th, 128th, 256th, 512th, and 1024th samples from the beginning of the time frame, which are arranged at unequal intervals in the time frame, are candidate gain change points. It is said that.
  • the gain value gval [0] at the gain change point G11 is encoded as a difference from the gain value at the start position PREV11 of the time frame J. This difference is encoded with a variable length code of 1 to 11 bits as gval_diff_id [k] of the gain code string shown in FIG.
  • the difference between the gain value gval [0] at the gain change point G11 and the gain value at the head position PREV11 is encoded using the encoding table (codebook) shown in FIG.
  • gval_diff_id [k] When the gain value difference is +0.3 or more or 0 or less, a code “000” and an 8-bit fixed-length code indicating the gain value difference are described as gval_diff_id [k]. Is done.
  • each of the position and gain value of the next gain change point G12 is subsequently encoded as a difference from the previous gain change point G11. It becomes.
  • the position gloc [1] of the gain change point G12 is the position information indicating the time sample value from the position gloc [0] of the previous gain change point G11, as in the case of the position of the gain change point G11.
  • the gain value gval [1] at the gain change point G12 is the difference from the gain value gval [0] at the gain change point G11, and the encoding shown in FIG. 13 is performed as in the case of the gain value at the gain change point G11.
  • the gloc table shown in FIG. 12 is not limited to this, and a table with improved time resolution by setting the minimum interval of gloc (candidate point of gain change point) to 1 may be used. In an application that can ensure a high bit rate, it is of course possible to take a difference for each sample of the gain waveform.
  • the primary prediction difference mode (DIFF2 mode) will be described with reference to FIG. 14, the horizontal axis indicates time (sample), and the vertical axis indicates gain.
  • the broken line C32 indicates the gain of the gain sequence being processed, more specifically, the gain of the master gain sequence (first gain or second gain), or the difference between the gains of the master gain sequence and the slave gain sequence. Is shown.
  • two gain change points G21 and G22 are detected from the time frame J to be processed, and PREV21 indicates the start position of the time frame J.
  • the position gloc [0] of the gain change point G21 is encoded with 3 bits as position information representing the time sample value from the beginning of the time frame J. In this encoding, processing similar to that at the gain change point G11 described with reference to FIG. 11 is performed.
  • the gain value gval [0] of the gain change point G21 is encoded as a difference from the primary predicted value of the gain value gval [0].
  • the gain waveform of the time frame J-1 is extended from the start position PREV21 of the time frame J, and the point P11 at the position gloc [0] on the extension line is obtained. Then, the gain value at the point P11 is set as the primary predicted value of the gain value gval [0].
  • the straight line of the slope of the end portion of the gain waveform of the time frame J-1 passing through the head position PREV21 is a straight line obtained by extending the gain waveform of the time frame J-1, and a linear function representing the straight line is used.
  • the primary predicted value of the gain value gval [0] is calculated.
  • the difference between the primary prediction value thus obtained and the actual gain value gval [0] is obtained, and the difference is, for example, 1 to 11 bits based on the encoding table shown in FIG. It is encoded with variable length codes up to.
  • the position and gain value of the next gain change point G22 are each encoded as a difference from the immediately preceding gain change point G21.
  • the position gloc [1] of the gain change point G22 is the position information representing the time sample value from the position gloc [0] of the previous gain change point G21, as in the case of the position of the gain change point G21.
  • the gain value gval [1] of the gain change point G22 is encoded as a difference from the primary predicted value of the gain value gval [1].
  • the slope for obtaining the primary prediction value is updated to the slope of a straight line connecting (passing through) the leading position PREV21 and the previous gain change point G21, and the position gloc [1 on the straight line is updated. ] Is obtained. Then, the gain value at the point P12 is set as the primary predicted value of the gain value gval [1].
  • a linear prediction value of the gain value gval [1] is calculated using a linear function that passes through the previous gain change point G21 and represents a straight line having an updated slope. Further, the difference between the primary prediction value thus obtained and the actual gain value gval [1] is obtained, and the difference is, for example, 1 to 11 bits based on the encoding table shown in FIG. It is encoded with variable length codes up to.
  • the encoding table used for variable length encoding of the gain value at the gain change point is the encoding table shown in FIG. It is not limited to any type.
  • the encoding table used for variable length encoding includes the number of downmix channels, the difference in DRC characteristics shown in FIG. 4 above, and differential encoding modes such as the 0th-order prediction difference mode and the first-order prediction difference mode.
  • Different encoding tables may be used according to the above. By doing so, the gain encoding efficiency of each gain sequence can be further enhanced.
  • attack In general, the former is called attack, and the latter is called release.
  • release In human hearing, the attack is fast, and the release may sound unstable and swaying unless it is slow compared to the attack. bad.
  • the horizontal axis indicates the time frame
  • the vertical axis indicates the gain difference value (dB).
  • the difference in the minus direction is small in frequency but the absolute value is large.
  • the difference in the positive direction has a high frequency but a small absolute value.
  • Such a probability density distribution of time frame differences is generally the distribution shown in FIG. In FIG. 16, the horizontal axis indicates the time frame difference, and the vertical axis indicates the appearance probability of the time frame difference.
  • the appearance probability of a positive value from around 0 is very high, but the appearance probability becomes extremely small from a certain level (time frame difference).
  • the appearance probability is small in the minus direction, there is a certain appearance probability even if the value becomes small.
  • Such a probability density distribution changes depending on whether the encoding is performed in the 0th-order prediction difference mode or the first-order prediction difference mode, or the contents of the gain encoding mode header, so that a variable-length code table corresponding to that is configured.
  • the gain information can be efficiently encoded.
  • the encoding device 51 When the input time series signal is supplied for one hour frame, the encoding device 51 performs an encoding process of encoding the input time series signal and outputting an output code string.
  • the encoding process performed by the encoding device 51 will be described with reference to the flowchart of FIG.
  • step S11 the first sound pressure level calculation circuit 61 calculates the first sound pressure level of the input time series signal based on the supplied input time series signal and supplies the first sound pressure level to the first gain calculation circuit 62.
  • the first gain calculation circuit 62 calculates a first gain based on the first sound pressure level supplied from the first sound pressure level calculation circuit 61 and supplies the first gain to the gain encoding circuit 66.
  • the first gain calculation circuit 62 calculates the first gain according to the DRC characteristic of the mode such as DRC_MODE1 or DRC_MODE2 designated by the host controller.
  • step S ⁇ b> 13 the downmix circuit 63 performs downmix processing on the supplied input time-series signal using the downmix information supplied from the host controller, and the resulting downmix signal is processed. This is supplied to the second sound pressure level calculation circuit 64.
  • step S14 the second sound pressure level calculation circuit 64 calculates the second sound pressure level based on the downmix signal supplied from the downmix circuit 63 and supplies the second sound pressure level to the second gain calculation circuit 65.
  • step S 15 the second gain calculation circuit 65 calculates the second gain of the downmix signal based on the second sound pressure level supplied from the second sound pressure level calculation circuit 64, and supplies the second gain to the gain encoding circuit 66. To do.
  • step S ⁇ b> 16 the gain encoding circuit 66 performs gain encoding processing to encode the first gain supplied from the first gain calculation circuit 62 and the second gain supplied from the second gain calculation circuit 65. Turn into. Then, the gain encoding circuit 66 supplies the gain encoding mode header and the gain code string obtained by the gain encoding process to the multiplexing circuit 68.
  • a difference between gain sequences, a difference between time frames, a difference between time frames, and a difference within a time frame are obtained for gain sequences such as a first gain and a second gain. It is obtained and encoded. Also, the gain encoding mode header is generated only when necessary.
  • step S17 the signal encoding circuit 67 encodes the supplied input time-series signal according to a predetermined encoding method, and supplies the signal code string obtained as a result to the multiplexing circuit 68.
  • step S18 the multiplexing circuit 68, the gain encoding mode header and the gain code string from the gain encoding circuit 66, the downmix information supplied from the host controller, and the signal code string from the signal encoding circuit 67. And the output code string obtained as a result is output.
  • the output code string for one hour frame is output as a bit stream in this way, the encoding process ends. Then, encoding processing for the next time frame is performed.
  • the encoding device 51 calculates the first gain of the original input time-series signal before the downmix and the second gain of the downmix signal after the downmix, and appropriately determines those gains. Is obtained and encoded. As a result, it is possible to obtain sound with an appropriate volume with a smaller code amount.
  • the DRC characteristics can be freely set on the encoding device 51 side, more appropriate sound volume can be obtained on the decoding side. Moreover, by obtaining the gain difference and efficiently encoding, more information can be transmitted with a smaller code amount, and the calculation load on the decoding device side can be reduced.
  • the gain encoding circuit 66 determines the gain encoding mode based on an instruction from the host control device. That is, for each gain sequence, whether the gain sequence is a master gain sequence or a slave gain sequence, and when a gain sequence is a slave gain sequence, which gain sequence is calculated, etc. It is determined.
  • the gain encoding circuit 66 actually calculates the difference between the gains (first gain or second gain) of each gain sequence, and obtains the gain correlation. Based on the difference between the gains, for example, the gain encoding circuit 66 sets a gain sequence having a high gain correlation (small gain difference) with any other gain sequence as a master gain sequence, and sets the other gain sequences as slaves. Gain sequence.
  • gain sequences may be master gain sequences.
  • step S42 the gain encoding circuit 66 determines whether or not the gain encoding mode of the current time frame to be processed is the same as the gain encoding mode of the time frame immediately before the time frame. .
  • step S43 the gain encoding circuit 66 generates a gain encoding mode header and adds it to the auxiliary information. For example, the gain encoding circuit 66 generates the gain encoding mode header shown in FIG.
  • step S43 When the gain encoding mode header is generated in step S43, the process proceeds to step S44.
  • step S42 If it is determined in step S42 that the gain encoding mode is the same, the gain encoding mode header is not added to the output code string, so the process of step S43 is not performed, and the process proceeds to step S44.
  • step S44 the gain encoding circuit 66 determines each gain according to the gain encoding mode. Find the sequence difference.
  • the 7.1ch gain sequence as the second gain is a slave gain sequence
  • the master gain sequence for the slave gain sequence is the 11.1ch gain sequence as the first gain.
  • the gain encoding circuit 66 obtains the difference between the 7.1ch gain sequence and the 11.1ch gain sequence. At this time, the difference calculation is not performed for the 11.1ch gain sequence that is the master gain sequence, and is encoded as it is in the subsequent processing.
  • the gain sequence difference the difference between the gain sequences is obtained and the gain sequence is encoded.
  • step S45 the gain encoding circuit 66 selects one gain sequence as the gain sequence to be processed, and determines whether the gain is constant within the gain sequence and is the same as the gain of the immediately preceding time frame. judge.
  • the 11.1ch gain sequence as the master gain sequence is selected as the gain sequence to be processed.
  • the gain encoding circuit 66 has a constant gain in the gain sequence.
  • the gain encoding circuit 66 also calculates the difference between the gain of each sample in the 11.1ch gain sequence in the time frame J and the gain of each sample in the 11.1ch gain sequence in the time frame J-1 that is the immediately preceding time frame. Is substantially the same as the gain of the previous time frame.
  • step S44 When the gain to be processed is a slave gain sequence, it is determined whether the gain difference obtained in step S44 is constant in the time frame and is the same as the gain difference in the immediately preceding time frame. Is done.
  • step S45 When it is determined in step S45 that the gain is constant in the gain sequence and is the same as the gain of the immediately preceding time frame, in step S46, the gain encoding circuit 66 sets the value of hld_mode to 1, and the process is performed. Proceed to step S51. That is, 1 is described as hld_mode of the gain code string.
  • step S45 when it is determined in step S45 that the gain is not constant in the gain sequence or is not the same as the gain of the immediately preceding time frame, in step S47, the gain encoding circuit 66 sets the value of hld_mode. 0. That is, 0 is described as hld_mode of the gain code string.
  • step S48 the gain encoding circuit 66 extracts the gain change point of the gain sequence to be processed.
  • the gain encoding circuit 66 specifies whether or not the slope of the gain time waveform has changed before and after the sample position for a predetermined sample position in the time frame. Thus, it is specified whether the sample position is the gain change point.
  • the gain change point is extracted from the time waveform of the gain difference from the master gain sequence obtained for the gain sequence.
  • the gain encoding circuit 66 When the gain encoding circuit 66 extracts the gain change points, the gain encoding circuit 66 describes the number of the extracted gain change points as a gpnum in the gain code string shown in FIG.
  • step S49 the gain encoding circuit 66 determines cmode.
  • the gain encoding circuit 66 actually performs encoding in the 0th-order prediction difference mode and encoding in the first-order prediction difference mode with respect to the gain sequence to be processed, and is obtained as a result of encoding.
  • the difference encoding mode with the smaller code amount is selected.
  • the gain encoding circuit 66 determines whether or not to encode the gain at the beginning of the time frame, for example, in accordance with an instruction from the host control device. This determines the cmode.
  • the gain encoding circuit 66 When the cmode is determined, the gain encoding circuit 66 describes a value indicating the determined cmode in the gain code string shown in FIG. At this time, if the upper 1 bit of cmode is 0, the gain encoding circuit 66 calculates the above-described equation (5) for the gain sequence to be processed, the value of “gval_abs_id0” obtained as a result, the sign bit, Is described in gval_abs_id0 in the gain code string shown in FIG.
  • step S50 the gain encoding circuit 66 encodes the gain at each gain change point extracted in step S48, using the differential encoding mode selected in step S49. Then, the gain encoding circuit 66 describes the gain encoding result of each gain change point as gloc_id [k] and gval_diff_id [k] in the gain code string shown in FIG.
  • the entropy encoding circuit provided in the gain encoding circuit 66 appropriately determines the differential encoding mode or the like, such as the encoding table shown in FIG.
  • the gain value is encoded while switching the entropy codebook table.
  • step S51 the gain encoding circuit 66 determines whether or not all gain sequences have been encoded. For example, when all gain sequences are processed and processed, it is determined that all gain sequences have been encoded.
  • step S51 If it is determined in step S51 that not all gain sequences have been encoded, the process returns to step S45, and the above-described processes are repeated. In other words, a gain sequence that has not yet been processed is encoded as a next gain sequence to be processed.
  • step S51 when it is determined in step S51 that all the gain sequences have been encoded, the gain code sequence is obtained, so that the gain encoding circuit 66 uses the generated gain encoding mode header and the gain code sequence. This is supplied to the multiplexing circuit 68. Note that when the gain encoding mode header is not generated, only the gain code string is output.
  • the encoding device 51 obtains the difference between the gain sequences, the difference between the time frames of the gain sequence, and the difference within the time frame of the gain sequence, encodes the gain, and generates a gain code string.
  • the gain is encoded by obtaining the difference between the gain sequences, the difference between the time frames of the gain sequence, and the difference within the time frame of the gain sequence, thereby encoding the first gain and the second gain more efficiently.
  • the amount of codes obtained as a result of encoding can be further reduced.
  • FIG. 19 is a diagram illustrating a functional configuration example of an embodiment of a decoding device to which the present technology is applied.
  • 19 includes a non-multiplexing circuit 101, a signal decoding circuit 102, a gain decoding circuit 103, and a gain application circuit 104.
  • the demultiplexing circuit 101 demultiplexes the supplied input code string, that is, the output code string received from the encoding device 51.
  • the demultiplexing circuit 101 supplies the gain encoding mode header and the gain code string obtained by the demultiplexing to the gain decoding circuit 103, and supplies the signal code string and the downmix information to the signal decoding circuit 102. . If the gain code mode header is not included in the input code string, the gain code mode header is not supplied to the gain decoding circuit 103.
  • the signal decoding circuit 102 based on the downmix information supplied from the demultiplexing circuit 101 and the downmix control information supplied from the higher-level control device, is a signal code string supplied from the demultiplexing circuit 101. Are decoded and downmixed, and the obtained time series signal is supplied to the gain application circuit 104.
  • the time-series signal is, for example, a 11.1ch or 7.1ch audio signal, and the audio signal of each channel constituting the time-series signal is a PCM signal.
  • the gain decoding circuit 103 decodes the gain encoding mode header and the gain code string supplied from the demultiplexing circuit 101, and the downmix control supplied from the higher-order control device among the gain information obtained as a result.
  • the gain information specified by the information and the DRC control information is supplied to the gain application circuit 104.
  • the gain information output from the gain decoding circuit 103 is information corresponding to the first gain and the second gain described above.
  • the gain application circuit 104 adjusts the gain of the time series signal supplied from the signal decoding circuit 102 based on the gain information supplied from the gain decoding circuit 103, and outputs the obtained output time series signal.
  • the decoding device 91 When the input code string is supplied for one hour frame, the decoding device 91 performs a decoding process of decoding the input code string and outputting an output time series signal.
  • the decoding process performed by the decoding device 91 will be described with reference to the flowchart of FIG.
  • step S81 the demultiplexing circuit 101 demultiplexes the input code string, supplies the gain coding mode header and the gain code string obtained as a result to the gain decoding circuit 103, and transmits the signal code string and downmix information. Is supplied to the signal decoding circuit 102.
  • step S82 the signal decoding circuit 102 decodes the signal code string supplied from the demultiplexing circuit 101.
  • the signal decoding circuit 102 performs decoding and inverse quantization on the signal code string to obtain MDCT coefficients of each channel. Then, the signal decoding circuit 102 multiplies the MDCT coefficient of each channel by the gain coefficient obtained from the downmix information supplied from the demultiplexing circuit 101 based on the downmix control information supplied from the higher-level control device. And adding them to calculate the gain applied MDCT coefficient of each channel after downmixing.
  • the signal decoding circuit 102 performs inverse MDCT processing on the gain-applied MDCT coefficients of each channel, performs windowing and overlap addition processing on the obtained inverse MDCT signal, A time-series signal composed of channel signals is generated. Note that the downmix process may be performed in the MDCT region or may be performed in the time region.
  • the signal decoding circuit 102 supplies the time series signal thus obtained to the gain application circuit 104.
  • step S83 the gain decoding circuit 103 performs gain decoding processing, decodes the gain encoding mode header and gain code string supplied from the demultiplexing circuit 101, and supplies gain information to the gain application circuit 104. . Details of the gain decoding process will be described later.
  • step S84 the gain application circuit 104 adjusts the gain of the time series signal supplied from the signal decoding circuit 102 based on the gain information supplied from the gain decoding circuit 103, and the obtained output time series signal is obtained. Is output.
  • the decoding device 91 decodes the gain encoding mode header and the gain code string, applies the obtained gain information to the time series signal, and adjusts the gain in the time domain.
  • the gain code string is obtained by encoding a gain by obtaining a difference between gain sequences, a difference between time frames of the gain sequence, and a difference within the time frame of the gain sequence. Therefore, the decoding apparatus 91 can obtain more appropriate gain information with a gain code string having a smaller code amount. That is, it is possible to obtain sound with an appropriate volume with a smaller code amount.
  • step S121 the gain decoding circuit 103 determines whether or not there is a gain encoding mode header in the input code string. For example, when a gain encoding mode header is supplied from the demultiplexing circuit 101, it is determined that there is a gain encoding mode header.
  • step S121 If it is determined in step S121 that there is a gain encoding mode header, the gain decoding circuit 103 decodes the gain encoding mode header supplied from the demultiplexing circuit 101 in step S122. Thereby, information on each gain sequence such as the gain encoding mode is obtained.
  • step S123 When the gain encoding mode header is decoded, the process proceeds to step S123.
  • step S121 determines whether there is no gain encoding mode header. If it is determined in step S121 that there is no gain encoding mode header, the process proceeds to step S123.
  • the gain decoding circuit 103 decodes the entire gain sequence in step S123. That is, the gain decoding circuit 103 decodes the gain code string shown in FIG. 10 and extracts information necessary for obtaining the gain waveform of each gain sequence, that is, the first gain or the second gain.
  • step S124 the gain decoding circuit 103 sets one gain sequence as a processing target, and determines whether or not the value of hld_mode of the gain sequence is 0.
  • step S124 when it is determined that the value of hld_mode is not 0, that is, 1, the process proceeds to step S125.
  • step S125 the gain decoding circuit 103 uses the gain waveform of the immediately previous time frame as it is as the gain waveform of the current time frame.
  • step S126 the gain decoding circuit 103 determines whether or not cmode is greater than 1, that is, the upper 1 bit of cmode is 1. It is determined whether or not.
  • step S126 If it is determined in step S126 that cmode is greater than 1, that is, the upper 1 bit of cmode is 1, the gain value at the end of the previous time frame is set as the gain value at the beginning of the current time frame, and the process is performed in step S126. Proceed to S128.
  • the gain decoding circuit 103 holds the gain value at the end position of the time frame as prev, and when decoding the gain, the value of this prev is appropriately used as the gain value at the start position of the current time frame. Thus, the gain of the gain sequence is obtained.
  • step S126 determines whether cmode is 1 or less, that is, the upper 1 bit of cmode is 0, the process of step S127 is performed.
  • step S127 the gain decoding circuit 103 substitutes gval_abs_id0 obtained by decoding the gain code string into the above equation (5), calculates the gain value at the beginning of the current time frame, and calculates the value of prev Update. That is, the gain value obtained by the calculation of Expression (5) is set as a new prev value.
  • the value of prev is a value of a difference value from the master gain sequence at the head position of the current time frame.
  • the gain decoding circuit 103 If the value of prev has been updated in step S127, or if cmode is determined to be greater than 1 in step S126, the gain decoding circuit 103 generates a gain waveform of the gain sequence to be processed in step S128.
  • the gain decoding circuit 103 refers to the cmode obtained by decoding the gain code string, and specifies whether it is the 0th-order prediction difference mode or the first-order prediction difference mode. Then, the gain decoding circuit 103 uses the value of prev and the gloc_id [k] and gval_diff_id [k] of each gain change point obtained by decoding the gain code string to identify the specified differential encoding mode Accordingly, the gain of each sample position in the current time frame is obtained to obtain a gain waveform.
  • the gain decoding circuit 103 adds a value obtained by adding a gain value (difference value) indicated by gval_diff_id [0] to the value of prev, to gloc_id [ 0] is the gain value at the sample position specified by [0].
  • the gain value is linear from the prev value to the gain value at the sample position specified by gloc_id [0].
  • a gain value at each sample position is obtained.
  • the gain value at the gain change point of interest is obtained from the gain value at the previous gain change point and the gloc_id [k] and gval_diff_id [k] of the gain change point of interest in the same manner.
  • a gain waveform including a gain value at each sample position is obtained.
  • the gain value (gain waveform) obtained by the above processing is a difference value from the gain waveform of the master gain sequence.
  • the gain decoding circuit 103 refers to the MASTER_FLAG and DIFF_SEQ_ID shown in FIG. 9 in the gain sequence mode of the processing target gain sequence, determines whether the processing target gain sequence is a slave gain sequence, and the corresponding master gain. Identify the sequence.
  • the gain decoding circuit 103 uses the gain waveform obtained by the above processing as the final gain information of the gain sequence to be processed.
  • the gain decoding circuit 103 adds the gain information (gain waveform) of the master gain sequence with respect to the gain sequence to be processed to the gain waveform obtained by the above processing. ) To obtain final gain information of the gain sequence to be processed.
  • step S129 When the gain waveform (gain information) of the gain sequence to be processed is obtained as described above, the process thereafter proceeds to step S129.
  • step S129 When a gain waveform is generated in step S128 or step S125, the process of step S129 is performed.
  • step S129 the gain decoding circuit 103 holds the gain value at the end position of the current time frame of the gain waveform of the gain sequence to be processed as the prev value of the next time frame.
  • the gain sequence to be processed is a slave gain sequence
  • the end position of the time frame in the gain waveform obtained by prediction in the 0th-order prediction difference mode or the first-order prediction difference mode that is, the gain waveform of the master gain sequence
  • the value of the end position of the time frame in the time waveform of the difference is set to the value of prev.
  • step S130 the gain decoding circuit 103 determines whether or not gain waveforms of all gain sequences have been obtained. For example, when all gain sequences indicated in the gain encoding mode header are processed as gain sequences and gain waveforms (gain information) are obtained, it is determined that gain waveforms of all gain sequences have been obtained.
  • step S130 If it is determined in step S130 that the gain waveforms of all gain sequences have not yet been obtained, the process returns to step S124, and the above-described processes are repeated. That is, the next gain sequence is processed, and a gain waveform (gain information) is obtained.
  • step S130 determines whether the gain waveforms of the entire gain sequence have been obtained. If it is determined in step S130 that the gain waveforms of the entire gain sequence have been obtained, the gain decoding process ends, and then the process proceeds to step S84 in FIG.
  • the gain decoding circuit 103 is the number of channels after the downmix indicated by the downmix control information in each gain sequence, and the gain whose gain is calculated with the DRC characteristic indicated by the DRC control information.
  • the gain information of the sequence is supplied to the gain application circuit 104. That is, with reference to DMIX_CH_CFG_ID and DRC_MODE_ID of each gain sequence mode shown in FIG. 9, gain information of the gain sequence specified by the downmix control information and DRC control information is output.
  • the decoding device 91 decodes the gain encoding mode header and the gain code string, and calculates gain information of each gain sequence.
  • the decoding device 91 decodes the gain encoding mode header and the gain code string, and calculates gain information of each gain sequence.
  • the master gain sequence may change every time frame, and the decoding device 91 uses the value of prev to decode the gain sequence. Done. For this reason, the decoding device 91 needs to calculate a frame every hour for gain waveforms other than the downmix pattern actually used by the decoding device 91.
  • the calculation load on the decoding device 91 side is not so large. However, in a case where a further reduction in calculation load is required, such as a portable terminal, it is possible to reduce the amount of calculation at the expense of some reproducibility of the gain waveform.
  • the 0th-order prediction difference mode is often used, the number of gain change points gpnum in the time frame is a small number of 2 or less, and the gain difference value at the gain change point is A certain gval_diff_id [k] often has a small value.
  • the difference value between the gain value gval [0] at the gain change point G11 and the gain value at the head position PREV11 is gval_diff [0]
  • the gain value gval [0] at the gain change point G11 is used.
  • the difference value between the gain change point G12 and the gain value gval [1] is gval_diff [1].
  • the gain value of the leading position PREV11 which is the value of prev and the difference value gval_diff [0] are added on the decibel, and further, the difference value gval_diff [1] is added to the addition result.
  • the gain value gval [1] of the gain change point G12 is obtained.
  • the addition result of the gain value, the difference value gval_diff [0], and the difference value gval_diff [1] of the head position PREV11 thus obtained is also referred to as a gain addition value.
  • the prev value of the next time frame J + 1 is linearly interpolated between the position gloc [0] of the gain change point G11 and the position gloc [1] of the gain change point G12 with a linear value, and This is the gain value of the Nth sample when the straight line is extended to the position of the Nth sample of the time frame J corresponding to the head.
  • the slope of the straight line connecting the gain change point G11 and the gain change point G12 is small, there is no particular problem even if the prev value of the time frame J + 1 has the gain addition value obtained by adding up to the difference value gval_diff [1]. .
  • the slope of the straight line connecting the gain change point G11 and the gain change point G12 can be easily obtained by utilizing the fact that the position gloc [k] of each gain change point is a power of 2. That is, in the example of FIG. 11, instead of dividing by the number of samples at the position gloc [1], the slope of the straight line is obtained by shifting the added value of the difference value to the right by the number of bits corresponding to the number of samples. be able to.
  • the gain addition value is set as the prev value of the next time frame J + 1, and when the slope is equal to or larger than the threshold value, the first embodiment will be described.
  • the gain waveform is obtained by the method described above, and the gain value at the end of the time frame may be set as the prev value.
  • the gain waveform is directly obtained by the method described in the first embodiment, and the value at the end of the time frame may be set as the prev value.
  • the calculation load of the decoding device 91 can be reduced.
  • the encoding device 51 actually performs the downmix and calculates the sound pressure level of the obtained downmix signal as the second sound pressure level.
  • the sound pressure level after downmixing may be obtained directly from the sound pressure level of the channel. In this case, the sound pressure level fluctuates somewhat depending on the correlation between the channels of the input time series signal, but the amount of calculation can be reduced.
  • the encoding device is configured as shown in FIG. 22, for example.
  • parts corresponding to those in FIG. 3 are denoted by the same reference numerals, and description thereof will be omitted as appropriate.
  • first sound pressure level calculation circuit 61 includes a first sound pressure level calculation circuit 61, a first gain calculation circuit 62, a second sound pressure level estimation circuit 141, a second gain calculation circuit 65, a gain encoding circuit 66, and a signal code. And a multiplexing circuit 68.
  • the first sound pressure level calculation circuit 61 calculates the sound pressure level of each channel constituting the input time series signal based on the supplied input time series signal and supplies it to the second sound pressure level estimation circuit 141.
  • the representative value of the sound pressure level of each channel is supplied to the first gain calculation circuit 62 as the first sound pressure level.
  • the second sound pressure level estimation circuit 141 calculates a second sound pressure level by estimation based on the sound pressure level of each channel supplied from the first sound pressure level calculation circuit 61, and a second gain calculation circuit. 65.
  • step S161 and step S162 are the same as the process of step S11 and step S12 of FIG. 17, the description is abbreviate
  • the first sound pressure level calculation circuit 61 supplies the second sound pressure level estimation circuit 141 with the sound pressure level of each channel constituting the input time series signal obtained from the input time series signal.
  • the second sound pressure level estimation circuit 141 calculates the second sound pressure level based on the sound pressure level of each channel supplied from the first sound pressure level calculation circuit 61, and the second gain calculation circuit 65. To supply.
  • the second sound pressure level estimation circuit 141 calculates one second sound pressure level by weighted addition (linear combination) of sound pressure levels of each channel using a coefficient prepared in advance.
  • step S164 to step S167 is performed and the encoding process is terminated.
  • these processes are the same as the process from step S15 to step S18 in FIG. The description is omitted.
  • the encoding device 131 calculates the second sound pressure level based on the sound pressure level of each channel of the input time-series signal, and appropriately obtains the second gain obtained from the second sound pressure level, The difference of the first gain is obtained and encoded. As a result, it is possible to obtain a sound having an appropriate volume with a smaller code amount and to perform encoding with a smaller amount of calculation.
  • the encoding device 171 shown in FIG. 24 includes a window length selection / windowing circuit 181, an MDCT circuit 182, a first sound pressure level calculation circuit 183, a first gain calculation circuit 184, a downmix circuit 185, and a second sound pressure level calculation.
  • a circuit 186, a second gain calculation circuit 187, a gain encoding circuit 189, an adaptive bit allocation circuit 190, a quantization / encoding circuit 191, and a multiplexing circuit 192 are included.
  • the window length selection / windowing circuit 181 selects a window length, performs a windowing process on the input time series signal supplied with the selected window length, and supplies the resulting time frame signal to the MDCT circuit 182 To do.
  • the MDCT circuit 182 performs MDCT processing on the time frame signal supplied from the window length selection / windowing circuit 181, and uses the resulting MDCT coefficients as the first sound pressure level calculation circuit 183 and the downmix circuit 185. , And the adaptive bit allocation circuit 190.
  • the first sound pressure level calculation circuit 183 calculates the first sound pressure level of the input time series signal based on the MDCT coefficient supplied from the MDCT circuit 182 and supplies it to the first gain calculation circuit 184.
  • the first gain calculation circuit 184 calculates a first gain based on the first sound pressure level supplied from the first sound pressure level calculation circuit 183 and supplies the first gain to the gain encoding circuit 189.
  • the downmix circuit 185 calculates the MDCT coefficient of each channel after the downmix based on the downmix information supplied from the host controller and the MDCT coefficient of each channel of the input time series signal supplied from the MDCT circuit 182. Calculated and supplied to the second sound pressure level calculating circuit 186.
  • the second sound pressure level calculation circuit 186 calculates the second sound pressure level based on the MDCT coefficient supplied from the downmix circuit 185, and supplies the second sound pressure level to the second gain calculation circuit 187.
  • the second gain calculation circuit 187 calculates a second gain based on the second sound pressure level supplied from the second sound pressure level calculation circuit 186 and supplies the second gain to the gain encoding circuit 189.
  • the gain encoding circuit 189 encodes the first gain supplied from the first gain calculation circuit 184 and the second gain supplied from the second gain calculation circuit 187, and multiplexes the gain code string obtained as a result. To the circuit 192.
  • the adaptive bit allocation circuit 190 Based on the MDCT coefficient supplied from the MDCT circuit 182, the adaptive bit allocation circuit 190 generates bit allocation information indicating a target code amount at the time of encoding the MDCT coefficient, and quantizes the MDCT coefficient and the bit allocation information Supply to the encoding circuit 191.
  • the quantization / encoding circuit 191 quantizes and encodes the MDCT coefficient from the adaptive bit allocation circuit 190 based on the bit allocation information supplied from the adaptive bit allocation circuit 190, and obtains the signal code string obtained as a result thereof. This is supplied to the multiplexing circuit 192.
  • the multiplexing circuit 192 multiplexes the gain code sequence supplied from the gain encoding circuit 189, the downmix information supplied from the higher-level control device, and the signal code sequence supplied from the quantization / encoding circuit 191.
  • the output code string obtained as a result is output.
  • step S191 the window length selection / windowing circuit 181 selects a window length, performs a windowing process on the input time series signal supplied with the selected window length, and uses the resulting time frame signal as an MDCT. Supply to circuit 182. Thereby, the signal of each channel which comprises an input time series signal is divided
  • step S192 the MDCT circuit 182 performs MDCT processing on the time frame signal supplied from the window length selection / windowing circuit 181 and uses the resulting MDCT coefficient as the first sound pressure level calculation circuit 183, This is supplied to the downmix circuit 185 and the adaptive bit allocation circuit 190.
  • the first sound pressure level calculation circuit 183 calculates the first sound pressure level of the input time series signal based on the MDCT coefficient supplied from the MDCT circuit 182 and supplies the first sound pressure level to the first gain calculation circuit 184.
  • the first sound pressure level calculated by the first sound pressure level calculation circuit 183 is the same as that calculated by the first sound pressure level calculation circuit 61 of FIG. 3, but in step S193, the MDCT region Thus, the sound pressure level of the input time series signal is calculated.
  • step S194 the first gain calculation circuit 184 calculates a first gain based on the first sound pressure level supplied from the first sound pressure level calculation circuit 183, and supplies the first gain to the gain encoding circuit 189.
  • the first gain is calculated according to the DRC characteristic shown in FIG.
  • step S195 the downmix circuit 185 performs downmix based on the downmix information supplied from the host controller and the MDCT coefficient of each channel of the input time-series signal supplied from the MDCT circuit 182.
  • the MDCT coefficient of each channel after mixing is calculated and supplied to the second sound pressure level calculation circuit 186.
  • the MDCT coefficient of each channel is calculated by multiplying the MDCT coefficient of each channel by the gain coefficient obtained from the downmix information and adding the MDCT coefficient multiplied by the gain coefficient. .
  • step S196 the second sound pressure level calculation circuit 186 calculates the second sound pressure level based on the MDCT coefficient supplied from the downmix circuit 185, and supplies the second sound pressure level to the second gain calculation circuit 187.
  • the calculation of the second sound pressure level is obtained by the same calculation as the first sound pressure level.
  • step S197 the second gain calculation circuit 187 calculates a second gain based on the second sound pressure level supplied from the second sound pressure level calculation circuit 186, and supplies the second gain to the gain encoding circuit 189.
  • the second gain is calculated according to the DRC characteristic shown in FIG.
  • step S198 the gain encoding circuit 189 performs a gain encoding process and encodes the first gain supplied from the first gain calculation circuit 184 and the second gain supplied from the second gain calculation circuit 187. To do. Then, the gain encoding circuit 189 supplies the gain encoding mode header and the gain code string obtained by the gain encoding process to the multiplexing circuit 192.
  • the gain encoding process a difference between time frames is obtained for a gain sequence such as a first gain and a second gain, and each gain is encoded. Also, the gain encoding mode header is generated only when necessary.
  • step S199 the adaptive bit allocation circuit 190 generates bit allocation information based on the MDCT coefficient supplied from the MDCT circuit 182, and supplies the MDCT coefficient and the bit allocation information to the quantization / encoding circuit 191.
  • step S200 the quantization / encoding circuit 191 quantizes and encodes the MDCT coefficient from the adaptive bit allocation circuit 190 based on the bit allocation information supplied from the adaptive bit allocation circuit 190, and obtains the result.
  • the signal code string is supplied to the multiplexing circuit 192.
  • step S201 the multiplexing circuit 192 receives the gain code string and gain coding mode header supplied from the gain coding circuit 189, downmix information supplied from the higher-level control device, and the quantization / coding circuit 191.
  • the supplied signal code string is multiplexed, and an output code string obtained as a result is output.
  • the output code string shown in FIG. 7 is obtained.
  • the gain code string is different from that shown in FIG.
  • the encoding device 1711 calculates the first gain and the second gain in the MDCT region, that is, from the MDCT coefficient, and calculates and encodes the difference between these gains. As a result, it is possible to obtain sound having an appropriate volume with a smaller code amount.
  • step S231 to step S234 is the same as the processing from step S41 to step S44 in FIG.
  • step S235 the gain encoding circuit 189 selects one gain sequence as a gain sequence to be processed, and the difference between the gain (gain waveform) of the current time frame of the gain sequence and the gain of the immediately preceding time frame. Find the value.
  • the difference between the gain value at each sample position in the current time frame of the gain sequence to be processed and the gain value at each sample position in the time frame immediately before the current time frame in the gain sequence to be processed is obtained. . That is, the difference between the time frames of the gain sequence is obtained.
  • a difference value between time frames of a time waveform that is a difference from the master gain sequence obtained in step S234 is obtained. That is, the difference value between the time waveform of the difference from the master gain sequence in the current time frame and the time waveform of the difference from the master gain sequence in the immediately preceding time frame is obtained.
  • step S236 the gain encoding circuit 189 determines whether or not all gain sequences have been encoded. For example, when all gain sequences are processed and processed, it is determined that all gain sequences have been encoded.
  • step S236 If it is determined in step S236 that the entire gain sequence has not been encoded, the process returns to step S235, and the above-described process is repeated. That is, encoding is performed with a gain sequence that has not yet been processed as a gain sequence to be processed next.
  • the gain encoding circuit 189 uses the gain difference value obtained for each gain sequence in step S235 as a gain code string. To do. Then, the gain encoding circuit 189 supplies the generated gain encoding mode header and gain code string to the multiplexing circuit 129. Note that when the gain encoding mode header is not generated, only the gain code string is output.
  • the encoding device 171 encodes the gain by obtaining the difference between the gain sequences and the difference between the time frames of the gain sequence, and generates a gain code string.
  • the first gain and the second gain can be encoded more efficiently by obtaining the difference between the gain sequences and the difference between the time frames of the gain sequence and encoding the gain. That is, the amount of codes obtained as a result of encoding can be further reduced.
  • FIG. 27 is a diagram illustrating a configuration example of an embodiment of a decoding device to which the present technology is applied.
  • 27 includes a demultiplexing circuit 241, a decoding / inverse quantization circuit 242, a gain decoding circuit 243, a gain application circuit 244, an inverse MDCT circuit 245, and a windowing / OLA circuit 246. is doing.
  • the demultiplexing circuit 241 demultiplexes the supplied input code string.
  • the demultiplexing circuit 241 supplies the gain coding mode header and the gain code string obtained by the demultiplexing to the gain decoding circuit 243, decodes the signal code string, and further performs the down-quantization circuit 242. Mix information is supplied to the gain application circuit 244.
  • the decoding / inverse quantization circuit 242 performs decoding and inverse quantization on the signal code string supplied from the demultiplexing circuit 241 and supplies the MDCT coefficient obtained as a result to the gain application circuit 244.
  • the gain decoding circuit 243 decodes the gain encoding mode header and the gain code string supplied from the demultiplexing circuit 241, and supplies the gain information obtained as a result to the gain application circuit 244.
  • the gain application circuit 244 based on the downmix control information and DRC control information supplied from the host controller, gain coefficients obtained from the downmix information supplied from the demultiplexing circuit 241, and the gain decoding circuit 243. Is multiplied by the MDCT coefficient supplied from the decoding / inverse quantization circuit 242, and the gain applied MDCT coefficient obtained is supplied to the inverse MDCT circuit 245.
  • the inverse MDCT circuit 245 performs inverse MDCT processing on the gain application MDCT coefficient supplied from the gain application circuit 244 and supplies the obtained inverse MDCT signal to the windowing / OLA circuit 246.
  • the windowing / OLA circuit 246 performs windowing and overlap addition processing on the inverse MDCT signal supplied from the inverse MDCT circuit 245, and outputs an output time series signal obtained thereby.
  • the decoding device 231 When the input code string is supplied for one hour frame, the decoding device 231 performs a decoding process of decoding the input code string and outputting an output time series signal.
  • the decoding process performed by the decoding device 231 will be described with reference to the flowchart of FIG.
  • step S261 the demultiplexing circuit 241 demultiplexes the supplied input code string. Then, the demultiplexing circuit 241 supplies the gain coding mode header and the gain code string obtained by the demultiplexing to the gain decoding circuit 243, decodes the signal code string, and performs the decoding / inverse quantization circuit 242. The downmix information is supplied to the gain application circuit 244.
  • step S262 the decoding / inverse quantization circuit 242 performs decoding and inverse quantization on the signal code string supplied from the demultiplexing circuit 241, and outputs the resulting MDCT coefficient to the gain application circuit 244. Supply.
  • step S263 the gain decoding circuit 243 performs gain decoding processing, decodes the gain encoding mode header and the gain code string supplied from the demultiplexing circuit 241, and applies gain to the gain information obtained as a result. Supply to circuit 244. Details of the gain decoding process will be described later.
  • step S264 the gain application circuit 244, the gain coefficient obtained from the downmix information from the demultiplexing circuit 241 and the gain decoding circuit 243 based on the downmix control information and the DRC control information from the higher-level control device. Is multiplied by the MDCT coefficient from the decoding / inverse quantization circuit 242 to perform gain adjustment.
  • the gain application circuit 244 multiplies the MDCT coefficient by a gain coefficient obtained from the downmix information supplied from the demultiplexing circuit 241 in accordance with the downmix control information. Then, the gain application circuit 244 calculates the MDCT coefficient of the channel after downmixing by adding the MDCT coefficient multiplied by the gain coefficient.
  • the gain application circuit 244 multiplies the MDCT coefficient of each channel after downmixing by the gain information supplied from the gain decoding circuit 243 in accordance with the DRC control information to obtain a gain application MDCT coefficient.
  • the gain application circuit 244 supplies the gain application MDCT coefficient thus obtained to the inverse MDCT circuit 245.
  • step S265 the inverse MDCT circuit 245 performs inverse MDCT processing on the gain application MDCT coefficient supplied from the gain application circuit 244, and supplies the obtained inverse MDCT signal to the windowing / OLA circuit 246.
  • step S266 the windowing / OLA circuit 246 performs windowing and overlap addition processing on the inverse MDCT signal supplied from the inverse MDCT circuit 245, and outputs the output time series signal obtained thereby.
  • the decoding process ends.
  • the decoding device 231 decodes the gain encoding mode header and the gain code string, applies the obtained gain information to the MDCT coefficient, and adjusts the gain.
  • the gain code string is obtained by obtaining a difference between gain sequences and a difference between time frames of the gain sequence. Therefore, the decoding apparatus 231 can obtain more appropriate gain information with a gain code string having a smaller code amount. That is, it is possible to obtain sound with an appropriate volume with a smaller code amount.
  • or step S293 is the same as the process of step S121 thru
  • step S293 a gain difference value at each sample position in the time frame for each gain sequence included in the gain code string is obtained by decoding.
  • step S294 the gain decoding circuit 243 processes one gain sequence, and calculates the current time from the gain value of the time frame immediately before the current time frame of the gain sequence and the gain difference value of the current time frame. Find the gain value of the frame.
  • the gain decoding circuit 243 refers to the MASTER_FLAG and DIFF_SEQ_ID shown in FIG. 9 in the gain sequence mode of the processing target gain sequence, determines whether the processing target gain sequence is a slave gain sequence, and the corresponding master gain. Identify the sequence.
  • the gain decoding circuit 243 obtains the difference value of each sample position in the current time frame of the gain sequence to be processed, obtained by decoding the gain code sequence. And the gain value at each sample position in the time frame immediately before the current time frame of the gain sequence to be processed. Then, the gain value at each sample position of the current time frame obtained as a result is used as the time waveform of the gain of the current time frame, that is, the final gain information of the gain sequence to be processed.
  • the gain decoding circuit 243 performs the master gain sequence in the time frame immediately before the current time frame of the gain sequence to be processed and the processing in the immediately previous time frame. A gain difference value at each sample position from the target gain sequence is obtained.
  • the gain decoding circuit 243 adds the difference value obtained in this way and the difference value of each sample position of the current time frame of the gain sequence to be processed obtained by decoding the gain code string. Further, the gain decoding circuit 243 adds the gain information (gain waveform) of the master gain sequence of the current time frame with respect to the gain sequence to be processed to the gain waveform obtained as a result of the addition, and the gain sequence to be processed Is the final gain information.
  • step S295 the gain decoding circuit 243 determines whether gain waveforms of all gain sequences have been obtained. For example, when all gain sequences indicated in the gain encoding mode header are processed as gain sequences and gain waveforms (gain information) are obtained, it is determined that gain waveforms of all gain sequences have been obtained.
  • step S295 If it is determined in step S295 that the gain waveforms of all gain sequences have not been obtained yet, the process returns to step S294, and the above-described processes are repeated. That is, the next gain sequence is processed, and a gain waveform (gain information) is obtained.
  • step S295 if it is determined in step S295 that the gain waveforms of the entire gain sequence have been obtained, the gain decoding process ends, and then the process proceeds to step S264 in FIG.
  • the decoding device 231 decodes the gain encoding mode header and the gain code string, and calculates gain information of each gain sequence.
  • the decoding device 231 decodes the gain encoding mode header and the gain code string, and calculates gain information of each gain sequence.
  • the present technology it is possible to reproduce encoded sound at an appropriate volume level in various reproduction environments including the presence or absence of downmix, and no clipping noise is generated in various reproduction environments. . Furthermore, since a required code amount is small, a large amount of gain information can be efficiently encoded. In addition, the present technology can be applied to a mobile terminal or the like because the calculation amount of the decoding apparatus is small.
  • the gain correction by DRC is performed as the volume correction of the input time-series signal.
  • other correction processing such as loudness may be performed as the volume correction.
  • the loudness representing the sound pressure level of the entire content can be described for each frame as auxiliary information, and such a loudness correction value is also encoded as a gain value.
  • the gain of the loudness correction can also be encoded and transmitted by being included in the gain code string.
  • a gain value corresponding to each downmix pattern is required as in the DRC.
  • encoding may be performed by obtaining a difference between gain change points between time frames.
  • the above-described series of processing can be executed by hardware or can be executed by software.
  • a program constituting the software is installed in the computer.
  • the computer includes, for example, a general-purpose computer capable of executing various functions by installing a computer incorporated in dedicated hardware and various programs.
  • FIG. 30 is a block diagram showing an example of the hardware configuration of a computer that executes the above-described series of processing by a program.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • An input / output interface 505 is further connected to the bus 504.
  • An input unit 506, an output unit 507, a recording unit 508, a communication unit 509, and a drive 510 are connected to the input / output interface 505.
  • the input unit 506 includes a keyboard, a mouse, a microphone, an image sensor, and the like.
  • the output unit 507 includes a display, a speaker, and the like.
  • the recording unit 508 includes a hard disk, a nonvolatile memory, and the like.
  • the communication unit 509 includes a network interface or the like.
  • the drive 510 drives a removable medium 511 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory.
  • the CPU 501 loads the program recorded in the recording unit 508 to the RAM 503 via the input / output interface 505 and the bus 504 and executes the program, for example. Is performed.
  • the program executed by the computer (CPU 501) can be provided by being recorded in, for example, a removable medium 511 as a package medium or the like.
  • the program can be provided via a wired or wireless transmission medium such as a local area network, the Internet, or digital satellite broadcasting.
  • the program can be installed in the recording unit 508 via the input / output interface 505 by attaching the removable medium 511 to the drive 510. Further, the program can be received by the communication unit 509 via a wired or wireless transmission medium and installed in the recording unit 508. In addition, the program can be installed in advance in the ROM 502 or the recording unit 508.
  • the program executed by the computer may be a program that is processed in time series in the order described in this specification, or in parallel or at a necessary timing such as when a call is made. It may be a program for processing.
  • the present technology can take a cloud computing configuration in which one function is shared by a plurality of devices via a network and is jointly processed.
  • each step described in the above flowchart can be executed by one device or can be shared by a plurality of devices.
  • the plurality of processes included in the one step can be executed by being shared by a plurality of apparatuses in addition to being executed by one apparatus.
  • the present technology can be configured as follows.
  • a gain calculation unit for calculating a first gain value and a second gain value for volume correction for each frame of the audio signal; A first difference value between the first gain value and the second gain value is obtained, or between the first gain value and the first gain value of the adjacent frame, or the first difference.
  • a gain encoder that obtains a second difference value between the value and the first difference value of the adjacent frame, and encodes the information based on the first difference value or the second difference value;
  • An encoding device comprising: (2) The gain encoding unit obtains the first difference value between the first gain value and the second gain value at a plurality of positions in the frame, or the plurality of positions at the plurality of positions in the frame.
  • the encoding apparatus wherein the second difference value is obtained between first gain values or between the first difference values at a plurality of positions in the frame.
  • the gain encoding unit obtains the second difference value based on a gain change point at which a slope of the first gain value or the first difference value in the frame changes.
  • (1) or (2) The encoding device described in 1.
  • the encoding apparatus wherein the gain encoding unit obtains the second difference value by obtaining a difference between the gain change point and another gain change point.
  • the gain encoding unit obtains the second difference value by obtaining a difference between the gain change point and a predicted value by primary prediction using another gain change point.
  • the code according to (3) Device The code according to (3) Device.
  • a process including a step of obtaining a second difference value between the value and the first difference value of the adjacent frame and encoding the first difference value or information based on the second difference value.
  • the first difference value is encoded by obtaining a difference value between the first gain value and the second gain value at a plurality of positions in the frame
  • the second difference value is obtained as a difference value between the first gain values at a plurality of positions in the frame or between the first difference values at a plurality of positions in the frame.
  • the second difference value is encoded by being obtained from a gain change point at which a slope of the first gain value or the first difference value in the frame changes. (12) or (13) The decoding device according to 1.
  • (15) The decoding device according to (14), wherein the second difference value is encoded by being obtained from a difference between the gain change point and another gain change point.
  • the first difference value between the first gain value and the second gain value, or the first gain value Obtaining a second difference value between a gain value of 1 and the first gain value of the adjacent frame or between the first difference value and the first difference value of the adjacent frame;
  • the input code string is demultiplexed into the gain code string generated in step (1) and the signal code string obtained by encoding the speech signal, Decoding the signal code string;
  • a decoding method comprising: decoding the gain code string and outputting the first gain value or the second gain value for the sound volume correction.
  • the first difference value between the first gain value and the second gain value, or the first gain value Obtaining a second difference value between a gain value of 1 and the first gain value of the adjacent frame or between the first difference value and the first difference value of the adjacent frame;
  • the input code string is demultiplexed into the gain code string generated in step (1) and the signal code string obtained by encoding the speech signal, Decoding the signal code string;
  • a program for causing a computer to execute processing including a step of decoding the gain code string and outputting the first gain value or the second gain value for the sound volume correction.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Stereophonic System (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

　本技術は、より少ない符号量で適切な音量の音声を得ることができるようにする符号化装置および方法、復号化装置および方法、並びにプログラムに関する。 第一ゲイン計算回路は、入力時系列信号を音量補正するための第一ゲインを計算し、第二ゲイン計算回路は、入力時系列信号をダウンミックスして得られたダウンミックス信号を音量補正するための第二ゲインを計算する。ゲイン符号化回路は、第一ゲインや第二ゲインなどのゲイン間の差分、ゲインの時間フレーム間の差分、ゲインの時間フレーム内の差分を求めて第一ゲインと第二ゲインを符号化する。本技術は、符号化装置および復号化装置に適用することができる。

Description

符号化装置および方法、復号化装置および方法、並びにプログラム
　本技術は符号化装置および方法、復号化装置および方法、並びにプログラムに関し、特に、より少ない符号量で適切な音量の音声を得ることができるようにした符号化装置および方法、復号化装置および方法、並びにプログラムに関する。
　従来、MPEG（Moving Picture Experts Group）AAC（Advanced Audio Coding）（ISO/IEC14496-3:2001）のマルチチャネルオーディオ符号化技術では、ビットストリーム中にダウンミックスやDRC（Dinamic Range Compression）の補助情報を記録し、再生側でその環境に応じて補助情報を使用することができる（例えば、非特許文献１参照）。
　このような補助情報を用いれば、再生側において音声信号をダウンミックスしたり、DRCにより適切な音量制御を行ったりすることができる。
Information technology Coding of audiovisual objects Part 3:Audio（ISO/IEC 14496-3:2001）
　しかしながら、11.1チャネル（以下、チャネルをchとも記すこととする）等の超多チャネル信号の再生においては、その再生環境は2ch、5.1ch、7.1chなど様々なケースがあり、単一のダウンミックス係数では十分な音圧が得にくかったり、クリッピングが生じてしまったりする。
　例えば上述したMPEG AACでは、ダウンミックスやDRCなどの補助情報がMDCT（Modified Discrete Cosine Transform）領域上でのゲインとして符号化されていた。そのため、11.1chのビットストリームをそのまま11.1chで再生するか、または2chにダウンミックスして再生するかで音圧レベルが低かったり、逆に大きくクリッピングしてしまったりすることがあり、適切な音量の音声を得ることが困難であった。
　また、再生環境ごとに補助情報を符号化して伝送しようとすると、ビットストリームの符号量が多くなってしまう。
　本技術は、このような状況に鑑みてなされたものであり、より少ない符号量で適切な音量の音声を得ることができるようにするものである。
　本技術の第１の側面の符号化装置は、音声信号のフレームごとに音量補正のための第１のゲイン値と第２のゲイン値を算出するゲイン計算部と、前記第１のゲイン値と前記第２のゲイン値の第１の差分値を求め、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求め、前記第１の差分値または前記第２の差分値に基づく情報を符号化するゲイン符号化部とを備える。
　前記ゲイン符号化部には、前記フレーム内の複数の位置での前記第１のゲイン値と前記第２のゲイン値の前記第１の差分値を求めさせるか、または前記フレーム内の複数の位置での前記第１のゲイン値の間若しくは前記フレーム内の複数の位置での前記第１の差分値の間で前記第２の差分値を求めさせることができる。
　前記ゲイン符号化部には、前記フレーム内の前記第１のゲイン値または前記第１の差分値の傾きが変化するゲイン変化点に基づいて前記第２の差分値を求めさせることができる。
　前記ゲイン符号化部には、前記ゲイン変化点と、他のゲイン変化点との差分を求めることで、前記第２の差分値を求めさせることができる。
　前記ゲイン符号化部には、前記ゲイン変化点と、他のゲイン変化点を用いた１次予測による予測値との差分を求めることで、前記第２の差分値を求めさせることができる。
　前記ゲイン符号化部には、前記フレーム内における前記ゲイン変化点の個数と、前記ゲイン変化点における前記第２の差分値に基づく情報を符号化させることができる。
　前記ゲイン計算部には、ダウンミックスにより得られる異なるチャネル数の前記音声信号ごとに、前記第２のゲイン値を算出させることができる。
　前記ゲイン符号化部には、前記第１のゲイン値と前記第２のゲイン値の相関に基づいて、前記第１の差分値を求めるか否かを選択させることができる。
　前記ゲイン符号化部には、前記第１の差分値または前記第２の差分値を可変長符号化させることができる。
　本技術の第１の側面の符号化方法またはプログラムは、音声信号のフレームごとに音量補正のための第１のゲイン値と第２のゲイン値を算出し、前記第１のゲイン値と前記第２のゲイン値の第１の差分値を求め、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求め、前記第１の差分値または前記第２の差分値に基づく情報を符号化するステップを含む。
　本技術の第１の側面においては、音声信号のフレームごとに音量補正のための第１のゲイン値と第２のゲイン値が算出され、前記第１のゲイン値と前記第２のゲイン値の第１の差分値が求められ、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値が求められ、前記第１の差分値または前記第２の差分値に基づく情報が符号化される。
　本技術の第２の側面の復号化装置は、音声信号のフレームごとに算出された音量補正のための第１のゲイン値と第２のゲイン値について、前記第１のゲイン値と前記第２のゲイン値の第１の差分値、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求めることで生成されたゲイン符号列と、前記音声信号を符号化して得られた信号符号列とに、入力符号列を非多重化する非多重化部と、前記信号符号列を復号化する信号復号化部と、前記ゲイン符号列を復号化して、前記音量補正のための前記第１のゲイン値または前記第２のゲイン値を出力するゲイン復号化部とを備える。
　前記第１の差分値は、前記フレーム内の複数の位置での前記第１のゲイン値と前記第２のゲイン値の差分値を求めることで符号化されており、前記第２の差分値は、前記フレーム内の複数の位置での前記第１のゲイン値の間または前記フレーム内の複数の位置での前記第１の差分値の間での差分値を求めることで符号化されているようにすることができる。
　前記第２の差分値が、前記フレーム内の前記第１のゲイン値または前記第１の差分値の傾きが変化するゲイン変化点から求められることで符号化されているようにすることができる。
　前記第２の差分値が、前記ゲイン変化点と、他のゲイン変化点との差分から求められることで符号化されているようにすることができる。
　前記第２の差分値が、前記ゲイン変化点と、他のゲイン変化点を用いた１次予測による予測値との差分から求められることで符号化されているようにすることができる。
　前記フレーム内における前記ゲイン変化点の個数と、前記ゲイン変化点における前記第２の差分値に基づく情報が前記第２の差分値として符号化されているようにすることができる。
　本技術の第２の側面の復号化方法またはプログラムは、音声信号のフレームごとに算出された音量補正のための第１のゲイン値と第２のゲイン値について、前記第１のゲイン値と前記第２のゲイン値の第１の差分値、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求めることで生成されたゲイン符号列と、前記音声信号を符号化して得られた信号符号列とに入力符号列を非多重化し、前記信号符号列を復号化し、前記ゲイン符号列を復号化して、前記音量補正のための前記第１のゲイン値または前記第２のゲイン値を出力するステップを含む。
　本技術の第２の側面においては、音声信号のフレームごとに算出された音量補正のための第１のゲイン値と第２のゲイン値について、前記第１のゲイン値と前記第２のゲイン値の第１の差分値、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求めることで生成されたゲイン符号列と、前記音声信号を符号化して得られた信号符号列とに入力符号列が非多重化され、前記信号符号列が復号化され、前記ゲイン符号列が復号化されて、前記音量補正のための前記第１のゲイン値または前記第２のゲイン値が出力される。
　本技術の第１の側面および第２の側面によれば、より少ない符号量で適切な音量の音声を得ることができる。
　なお、ここに記載された効果は必ずしも限定されるものではなく、本開示中に記載された何れかの効果であってもよい。
音声信号を符号化した１フレーム分の符号列の例を示す図である。 復号化装置の構成を示す図である。 本技術を適用した符号化装置の構成例を示す図である。 DRC特性を示す図である。 各信号のゲインの相関について説明する図である。 ゲインシーケンス間の差分について説明する図である。 出力符号列の例を示す図である。 ゲイン符号化モードヘッダの例を示す図である。 ゲインシーケンスモードの例を示す図である。 ゲイン符号列の例を示す図である。 ０次予測差分モードについて説明する図である。 位置情報の符号化について説明する図である。 符号帳の例を示す図である。 １次予測差分モードについて説明する図である。 時間フレーム間の差分について説明する図である。 時間フレーム間の差分の確率密度分布を示す図である。 符号化処理を説明するフローチャートである。 ゲイン符号化処理を説明するフローチャートである。 本技術を適用した復号化装置の構成例を示す図である。 復号化処理を説明するフローチャートである。 ゲイン復号化処理を説明するフローチャートである。 符号化装置の構成例を示す図である。 符号化処理を説明するフローチャートである。 符号化装置の構成例を示す図である。 符号化処理を説明するフローチャートである。 ゲイン符号化処理を説明するフローチャートである。 復号化装置の構成例を示す図である。 復号化処理を説明するフローチャートである。 ゲイン復号化処理を説明するフローチャートである。 コンピュータの構成例を示す図である。
　以下、図面を参照して、本技術を適用した実施の形態について説明する。
〈第１の実施の形態〉
〈本技術の概要〉
　まず、一般的なMPEG AACのDRC処理について説明する。
　図１は、音声信号を符号化して得られたビットストリームに含まれる１フレーム分の情報を示す図である。
　図１に示す例では、１フレーム分の情報は、補助情報と主情報とからなる。
　主情報は、スケールファクタやMDCT係数などの符号化された音声信号である出力時系列信号を構成するための主となる情報であり、補助情報は一般的にメタデータと呼ばれる出力時系列信号を様々な用途に活用するために有用な補助的な情報である。この補助情報には、ゲイン情報とダウンミックス情報とが含まれている。
　ダウンミックス情報は、例えば11.1chなどの複数のチャネルからなる音声信号から、より少ないチャネル数の音声信号に変換するためのゲイン係数がインデックスの形で符号化されたものである。音声信号の復号化時には、各チャネルのMDCT係数にダウンミックス情報から得られるゲイン係数を乗算し、ゲイン係数が乗算された各チャネルのMDCT係数を加算することで、ダウンミックス後の出力チャネルのMDCT係数を得ることができる。
　一方、ゲイン情報は、全チャネルまたはある特定のチャネルからなるグループの対を別の信号レベルに変換するためのゲイン係数がインデックスの形で符号化されたものである。ゲイン情報についてもダウンミックスのゲイン係数と同様に、復号化時に各チャネルのMDCT係数にゲイン情報から得られたゲイン係数を乗じることで、DRC処理後のMDCT係数を得ることができる。
　次に、このような図１に示した情報が含まれたビットストリーム、すなわちMPEG AACの復号化処理について説明する。
　図２は、MPEG AACの復号化処理を行う復号化装置の構成を示す図である。
　図２に示す復号化装置１１では、入力ビットストリームの１フレーム分の入力符号列が非多重化回路２１に供給されると、非多重化回路２１は入力符号列を主情報に相当する信号符号列と、補助情報に相当するゲイン情報およびダウンミックス情報とに非多重化する。
　復号化・逆量子化回路２２は、非多重化回路２１から供給された信号符号列に対する復号化および逆量子化を行って、その結果得られたMDCT係数をゲイン適用回路２３に供給する。また、ゲイン適用回路２３は、ダウンミックス制御情報とDRC制御情報に基づいて、非多重化回路２１から供給されたゲイン情報とダウンミックス情報から得られるゲイン係数のそれぞれをMDCT係数に乗算し、得られたゲイン適用MDCT係数を出力する。
　ここで、ダウンミックス制御情報とDRC制御情報は、それぞれ上位の制御装置から与えられる情報であり、ダウンミックスおよびDRCの処理を行うか否かを示す情報である。
　逆MDCT回路２４は、ゲイン適用回路２３からのゲイン適用MDCT係数に対して逆MDCT処理を施し、得られた逆MDCT信号を窓掛け・OLA回路２５に供給する。そして、窓掛け・OLA回路２５は、供給された逆MDCT信号に対して窓掛けおよびオーバーラップ加算処理を行い、MPEG AACの復号化装置１１の出力となる出力時系列信号が得られる。
　このようにMPEG AACでは、ダウンミックスやDRCの補助情報が、MDCT領域上でのゲインとして符号化されている。そのため、例えば11.1chのビットストリームをそのまま11.1chで再生するか、または2chにダウンミックスして再生するかで音圧レベルが低かったり、逆に大きくクリッピングしてしまったりすることがあり、適切な音量の音声を得ることができない場合があった。
　例えば、MPEG AAC（ISO/IEC14496-3:2001）では、4.5.1.2.2節のMatrix-Mixdown processにおいて、5.1chから2chへのダウンミックス方法が次式（１）のように記載されている。
Figure JPOXMLDOC01-appb-M000001
　なお、式（１）において、Ｌ、Ｒ、Ｃ、Ｓｌ、およびＳｒは、それぞれ5.1チャネル信号の左チャネル、右チャネル、センターチャネル、サイドレフトチャネル、およびサイドライトチャネルの信号を示している。また、ＬｔおよびＲｔは、それぞれ2chへのダウンミックス後の左チャネルおよび右チャネルの信号を示している。
　さらに、式（１）においてｋはサイドチャネルの混合率を調整するための係数であり、係数ｋとして1/sqrt(2)、1/2、(1/2sqrt(2))、および0のなかから１つを選択することができるようになっている。
　ここで、ダウンミックス後のクリップが生じるケースは、全チャネルが最大振幅の信号となる場合である。すなわちＬ、Ｒ、Ｃ、Ｓｌ、およびＳｒの各チャネルの信号の振幅が全て1.0であると仮定すると、式（１）によれば、ｋの値にかかわらずＬｔおよびＲｔの信号の振幅もそれぞれ1.0となる。つまりクリップ歪が発生しないダウンミックス式となっていることが保証されている。
　但し、係数k=1/sqrt(2)である場合、式（１）におけるＬまたはＲのゲインは-7.65dBとなり、Ｃのゲインは-10.65dBとなり、ＳｌまたはＳｒのゲインは-10.65dBとなる。したがって、クリップ歪が発生しないこととのトレードオフとして、ダウンミックス前の信号レベルから大幅に信号レベルが減少することになる。
　このような信号レベルの低下を懸念し、MPEG AAC を用いた日本の地上デジタル放送においては、デジタル放送用受信装置標準規格 ARIB（Association of Radio Industries and Business） STD-B21 5.0版の6.2.1節(7-1)において、ダウンミックス方法が次式（２）のように記載されている。
Figure JPOXMLDOC01-appb-M000002
　なお、式（２）においてＬ、Ｒ、Ｃ、Ｓｌ、Ｓｒ、Ｌｔ、Ｒｔ、およびｋは式（１）における場合と同一である。
　この例では、係数ｋとして、式（１）における場合と同様に1/sqrt(2)、1/2、(1/2sqrt(2))、および0のなかから１つを選択することができるようになっている。
　式（２）ではk=1/sqrt(2)である場合、式（２）中のＬまたはＲのゲインは-3dBとなり、Ｃのゲインは-6dBとなり、ＳｌまたはＳｒのゲインは-6dBとなって式（１）と比べてダウンミックス前後のレベルの変化が少ない。
　但し、この場合、Ｌ、Ｒ、Ｃ、Ｓｌ、およびＳｒが全て1.0であったときにはクリップが発生する。しかし、ARIB STD-B21 5.0版 付属-4の記載においては、このダウンミックス式を用いた場合に、一般的な信号でクリップ歪が発生することは極めてまれであり、オーバーフローが発生した場合にも、符号反転しないような、いわゆるソフトクリップ処理を施しておけば、聴感上は大きな歪とはならないという旨の記述がある。
　しかしながら、上記の例はチャネル数が5.1チャネルの場合であり、これが11.1チャネルや、さらに多くのチャネルを符号化し、ダウンミックスするようなケースではクリップ歪の発生やレベルの変化がさらに顕著になる。
　そこで、例えばDRCの補助情報をゲインとして符号化するかわりに、既知のDRC特性のインデックスを符号化する方法をとることも考えられる。そのような場合、復号化の際に復号化後のPCM（Pulse Code Modulation）信号、すなわち上述した出力時系列信号上で、このインデックスのDRC特性になるように、DRC処理を行うことでダウンミックスの有無による音圧レベルの低下やクリッピングの発生を抑制することができる。
　しかしながら、このような方法では、DRCの特性情報を復号化装置側で持つことになるため、コンテンツ制作者側が自由なDRC特性を表現することができず、また復号化装置側でDRC処理そのものを行うため、計算量が多くなってしまう。
　一方で、ダウンミックス後の信号レベルの低下やクリップ歪の発生を防止するために、ダウンミックスの有無によって、異なるDRCのゲイン係数を適用する方法が考えられる。
　ところが、従来の5.1チャネルよりもチャネル数が極めて多い場合、ダウンミックスされるチャネル数のパターンも多くなる。例えば、11.1chの信号から7.1ch、5.1ch、2chへとダウンミックスされるケースが考えられ、上述したように複数のゲインを送る場合には、４倍の符号量の増加となる。
　また、近年DRCは視聴環境においてレンジの異なるDRC係数を適用したいといった需要も増えてきている。例えば、家庭内での試聴やモバイル端末を用いた視聴では、要求されるダイナミックレンジが異なり、異なるDRC係数を適用したほうが好ましい。この場合、各ダウンミックスのケースでそれぞれ２個の異なるレンジのDRC係数を復号化側に送信する場合、１つのDRC係数を送信する場合と比べて８倍の符号量の増加となる。
　さらには、MPEG AAC（ISO/IEC14496-3:2001）のような、時間フレームあたり１個（ショートウィンドウ時には８個）のDRCゲイン係数を符号化するような方法では、時間分解能が不足しており1msec以下の時間分解能が要求されている。このようにさらなるDRCゲイン係数の増加が見込まれており、単純に既存の方法でDRCゲイン係数を符号化する場合、約８倍から数十倍程度の符号量の増加となる。
　そこで、本技術では、符号化装置側でコンテンツ制作者が自由なDRCのゲインを設定でき、かつ復号化装置側での計算負荷を軽くしながら、伝送に必要な符号量を削減できるようにした。すなわち、本技術は、より少ない符号量で適切な音量の音声を得ることができるようにするものである。
〈符号化装置の構成例〉
　次に、本技術を適用した具体的な実施の形態について説明する。
　図３は、本技術を適用した符号化装置の一実施の形態の機能の構成例を示す図である。
　図３に示す符号化装置５１は、第一音圧レベル計算回路６１、第一ゲイン計算回路６２、ダウンミックス回路６３、第二音圧レベル計算回路６４、第二ゲイン計算回路６５、ゲイン符号化回路６６、信号符号化回路６７、および多重化回路６８を有している。
　第一音圧レベル計算回路６１は、供給されたマルチチャネルの音声信号である入力時系列信号に基づいて、入力時系列信号を構成する各チャネルの音圧レベルを計算し、それらのチャネルごとの音圧レベルの代表値を第一音圧レベルとして求める。
　例えば、音圧レベルの計算方法は、入力時系列信号を構成するチャネルの音声信号の時間フレームの最大値やRMS（Root Mean Square）などとされ、入力時系列信号の各時間フレームについて、入力時系列信号を構成するチャネルごとに音圧レベルが求められる。
　また、第一音圧レベルとされる代表値の計算方法としては、例えば各チャネルの音圧レベルのうちの最大値を代表値とする手法や、各チャネルの音圧レベルから特定の計算式で１つの代表値を算出する手法などを用いることができる。具体的には、例えばITU-R BS.1770-2(03/2011)に記載のラウドネス計算式を用いて代表値を算出することが可能である。
　なお、音圧レベルの代表値は入力時系列信号の各時間フレームについて求められる。また、第一音圧レベル計算回路６１で処理単位とされる時間フレームは、後述する信号符号化回路６７で処理される入力時系列信号の時間フレームと同期し、信号符号化回路６７での時間フレーム以下の長さの時間フレームとされる。
　第一音圧レベル計算回路６１は、求めた第一音圧レベルを第一ゲイン計算回路６２に供給する。このようにして得られた第一音圧レベルは、例えば11.1chなどの所定数のチャネルの音声信号からなる入力時系列信号のチャネルの代表的な音圧レベルを示している。
　第一ゲイン計算回路６２は、第一音圧レベル計算回路６１から供給された第一音圧レベルに基づいて第一ゲインを計算し、ゲイン符号化回路６６に供給する。
　ここで、第一ゲインは、復号化装置側において入力時系列信号を再生したときに最適な音量の音声が得られるように、入力時系列信号を音量補正するときのゲインを示している。換言すれば、入力時系列信号に対するダウンミックスが行われない場合、入力時系列信号を第一ゲインで音量補正すれば、再生側において最適な音量の音声を得ることができる。
　第一ゲインを得る手法は様々なものがあるが、例えば図４に示すようなDRCの特性を用いることができる。
　なお、図４において、横軸は入力音圧レベル(dBFS)、すなわち第一音圧レベルを示しており、縦軸は出力音圧レベル(dBFS)、すなわちDRC処理により入力時系列信号を音圧レベル補正（音量補正）したときの補正後の音圧レベルを示している。
　折れ線Ｃ１および折れ線Ｃ２は、それぞれ入出力音圧レベルの関係を示している。例えば、折れ線Ｃ１に示されるDRC特性によれば、0dBFSの第一音圧レベルの入力があった場合、入力時系列信号の音圧レベルが-27dBFSとなるように音量補正される。したがって、この場合には、第一ゲインは-27dBFSとされる。
　一方、例えば、折れ線Ｃ２に示されるDRC特性によれば、0dBFSの第一音圧レベルの入力があった場合、入力時系列信号の音圧レベルが-21dBFSとなるように音量補正される。したがって、この場合には、第一ゲインは-21dBFSとされる。
　以下では、折れ線Ｃ１に示されるDRC特性で音量補正を行うモードをDRC_MODE1と称することとする。また、折れ線Ｃ２に示されるDRC特性で音量補正を行うモードをDRC_MODE2と称することとする。
　第一ゲイン計算回路６２では、DRC_MODE1やDRC_MODE2などの指定されたモードのDRC特性に従って第一ゲインが決定される。この第一ゲインは、信号符号化回路６７の時間フレームと同期したゲイン波形として出力される。すなわち、第一ゲイン計算回路６２では、入力時系列信号の処理対象となっている時間フレームを構成するサンプルごとに第一ゲインが算出される。
　図３の説明に戻り、ダウンミックス回路６３は、符号化装置５１に供給された入力時系列信号に対して、上位の制御装置から供給されたダウンミックス情報を用いてダウンミックス処理を行い、その結果得られたダウンミックス信号を第二音圧レベル計算回路６４に供給する。
　なお、ダウンミックス回路６３からは、１つのダウンミックス信号が出力されるようにしてもよいし、複数のダウンミックス信号が出力されるようにしてもよい。例えば11.1chの入力時系列信号に対してダウンミックス処理が行われ、2chの音声信号であるダウンミックス信号、5.1chの音声信号であるダウンミックス信号、および7.1chの音声信号であるダウンミックス信号が生成されるようにしてもよい。
　第二音圧レベル計算回路６４は、ダウンミックス回路６３から供給されたマルチチャネルの音声信号であるダウンミックス信号に基づいて第二音圧レベルを計算し、第二ゲイン計算回路６５に供給する。
　第二音圧レベル計算回路６４では、第一音圧レベル計算回路６１における第一音圧レベルの計算手法と同じ手法が用いられて、ダウンミックス信号ごとに第二音圧レベルが計算される。
　第二ゲイン計算回路６５は、第二音圧レベル計算回路６４から供給された各ダウンミックス信号の第二音圧レベルについて、ダウンミックス信号ごとに第二音圧レベルに基づいて第二ゲインを計算し、ゲイン符号化回路６６に供給する。
　ここで、第二ゲイン計算回路６５では、第一ゲイン計算回路６２で用いられたDRC特性およびゲイン計算方法によって第二ゲインが計算される。
　したがって、第二ゲインは、復号化装置側において入力時系列信号をダウンミックスして再生したときに最適な音量の音声が得られるように、ダウンミックス信号を音量補正するときのゲインを示している。換言すれば、入力時系列信号に対するダウンミックスが行われた場合、得られたダウンミックス信号を第二ゲインで音量補正すれば、最適な音量の音声を得ることができる。
　このような第二ゲインは、DRC特性に従って音声の音量をより最適な音量に補正するとともに、ダウンミックスにより変化する音圧レベルを補正するためのゲインであるということができる。
　ここで、第一ゲイン計算回路６２および第二ゲイン計算回路６５において、第一ゲインや第二ゲインなどのゲイン波形を得る方法の一例について具体的に説明する。
　時間フレームｋにおけるゲイン波形g(k, n)は、次式（３）を計算することにより求めることができる。
Figure JPOXMLDOC01-appb-M000003
　なお、式（３）においてｎは、時間フレーム長をＮとしたときに0からN-1までの値をとる時間サンプルを示しており、Gt(k)は時間フレームｋにおける目標ゲインを示している。
　また、式（３）におけるＡは次式（４）により定まる値とされる。
Figure JPOXMLDOC01-appb-M000004
　式（４）において、Fsはサンプリング周波数（Hz）を示しており、Tc(k)は時間フレームｋにおける時定数を示しており、exp(x)は指数関数を表している。
　また式（３）において、n=0である場合におけるg(k, n-1)としては、直前の時間フレームにおける末端のゲイン値g(k-1,N-1)が用いられる。
　まず、Gt(k)は前述の第一音圧レベル計算回路６１または第二音圧レベル計算回路６４で得られた第一音圧レベルまたは第二音圧レベルと、図４に示したDRC特性によって得ることができる。
　例えば、図４に示したDRC_MODE2の特性を利用した場合に、音圧レベルが-3dBFSであった場合、出力音圧レベルは-21dBFSであるので、Gt(k)はデシベル値では-18dBとなる。次に、時定数Tc(k)は、前述のGt(k)と前時間フレームのゲインg(k-1,N-1)の差から求めることができる。
　DRCの一般的な特徴として、大きな音圧レベルが入力されゲインを下げる場合をアタックと呼び、ゲインを急激に下げるため時定数を短くとることが知られている。一方、音圧レベルが比較的小さくゲインを戻す場合をリリースと呼び、音のふらつきをおさえるためにゆっくりとゲインを戻すため時定数を長くとることが知られている。
　この時定数は、所望のDRCの特性によって異なるのが一般的である。例えばボイスレコーダのような人の声を記録再生する機器では時定数が短めに設定され、一方で、携帯音楽プレイヤー等の音楽記録再生用途の機器ではリリースの時定数が長めに設定されるのが一般的である。本実施例の説明においては、説明を簡単にするため、Gt(k)-g(k-1,N-1)がゼロ未満であればアタックとして時定数を20ミリ秒とし、ゼロ以上であればリリースとして時定数を2秒とすることとする。
　以上のように式（３）に従って計算を行うと、第一ゲインや第二ゲインとなるゲイン波形g(k, n)を得ることができる。
　図３の説明に戻り、ゲイン符号化回路６６は、第一ゲイン計算回路６２から供給された第一ゲインと、第二ゲイン計算回路６５から供給された第二ゲインとを符号化し、その結果得られたゲイン符号列を多重化回路６８に供給する。
　ここで、第一ゲインおよび第二ゲインの符号化では、それらのゲインの同じ時間フレーム内での差分、同じゲインの異なる時間フレーム間での差分、および同じ（対応する）時間フレームの異なるゲインの差分が適宜算出されて符号化される。なお、異なるゲインの差分とは、第一ゲインと第二ゲインの差分、または異なる第二ゲイン間の差分である。
　信号符号化回路６７は、供給された入力時系列信号を、所定の符号化方式、例えばMEPG AACによる符号化手法に代表される一般的な符号化手法により符号化し、その結果得られた信号符号列を多重化回路６８に供給する。多重化回路６８は、ゲイン符号化回路６６から供給されたゲイン符号列、上位の制御装置から供給されたダウンミックス情報、および信号符号化回路６７から供給された信号符号列を多重化し、その結果得られた出力符号列を出力する。
〈第一ゲインおよび第二ゲインについて〉
　ここで、ゲイン符号化回路６６に供給される第一ゲインおよび第二ゲインと、ゲイン符号化回路６６から出力されるゲイン符号列の例について説明する。
　例えば、ゲイン符号化回路６６に供給される第一ゲインおよび第二ゲインとして、図５に示すゲイン波形が得られたとする。なお、図５において横軸は時間を示しており、縦軸はゲイン（dB）を示している。
　図５の例では、折れ線Ｃ２１は、第一ゲインとして得られた11.1chの入力時系列信号のゲインを表しており、折れ線Ｃ２２は、第二ゲインとして得られた5.1chのダウンミックス信号のゲインを表している。ここで、5.1chのダウンミックス信号は、11.1chの入力時系列信号をダウンミックスすることで得られた音声信号である。
　また、折れ線Ｃ２３は、第一ゲインと第二ゲインの差分を表している。
　折れ線Ｃ２１乃至折れ線Ｃ２３から分かるように、第一ゲインと第二ゲインには高い相関があり、それぞれ独立に符号化するよりも両者の相関を利用して符号化する方が効率的である。そこで、符号化装置５１では、第一ゲインや第二ゲインなどのゲイン情報のうちの２つのゲインの差分が求められ、その差分と、差分を求めた一方のゲインとが、それぞれ効率的に符号化されるようになされている。
　以下においては、第一ゲインや第二ゲインのゲイン情報のうち、被差分となる主たるゲイン情報をマスターゲインシーケンスとも称し、このマスターゲインシーケンスとの差分値が求められるゲイン情報をスレーブゲインシーケンスとも称することとする。また、マスターゲインシーケンスとスレーブゲインシーケンスを特に区別しない場合には、ゲインシーケンスと称することとする。
〈出力符号列について〉
　また、以上の説明では、11.1chの入力時系列信号のゲインを第一ゲインとし、5.1chのダウンミックス信号のゲインを第二ゲインとする例について説明した。以下では、マスターゲインシーケンスとスレーブゲインシーケンスとの関係を詳細に説明するため、さらに11.1chの入力時系列信号をダウンミックスして得られた、7.1chのダウンミックス信号のゲインと、2chのダウンミックス信号のゲインとがあるものとして説明を続ける。すなわち、7.1chのゲインと2chのゲインは、それぞれ第二ゲイン計算回路６５において求められた第二ゲインである。したがって、この例では、第二ゲイン計算回路６５では３つの第二ゲインが計算されることになる。
　図６は、マスターゲインシーケンスとスレーブゲインシーケンスとの関係の一例を示す図である。なお、図６において横軸は時間フレームを示しており、縦軸は各ゲインシーケンスを表している。
　この例では、GAIN_SEQ0は、11.1chのゲインシーケンス、つまりダウンミックスされていない11.1chの入力時系列信号の第一ゲインを表している。また、GAIN_SEQ1は、7.1chのゲインシーケンス、つまりダウンミックスで得られた7.1chのダウンミックス信号の第二ゲインを表している。
　さらに、GAIN_SEQ2は、5.1chのゲインシーケンス、つまり5.1chのダウンミックス信号の第二ゲインを表しており、GAIN_SEQ3は、2chのゲインシーケンス、つまり2chのダウンミックス信号の第二ゲインを表している。
　また、図中、「M1」は１番目のマスターゲインシーケンスを表しており、「M2」は２番目のマスターゲインシーケンスを表している。さらに、図中、「M1」または「M2」に記された矢印の終点は、「M1」または「M2」で表されているマスターゲインシーケンスに対するスレーブゲインシーケンスを示している。
　時間フレームＪに注目すると、この時間フレームＪでは11.1chのゲインシーケンスがマスターゲインシーケンスとされている。また、他の7.1ch、5.1ch、および2chのゲインシーケンスは、11.1chのゲインシーケンスに対するスレーブゲインシーケンスとされている。
　そのため、時間フレームＪでは、マスターゲインシーケンスである11.1chのゲインシーケンスは、そのまま符号化される。そして、スレーブゲインシーケンスである7.1ch、5.1ch、および2chのゲインシーケンスは、マスターゲインシーケンスとの差分が求められ、その差分が符号化される。このようにして各ゲインシーケンスを符号化して得られる情報が、ゲイン符号列とされる。
　さらに、この時間フレームＪでは、マスターゲインシーケンスとスレーブゲインシーケンスの関係であるゲイン符号化モードを示す情報が符号化されて、ゲイン符号化モードヘッダＨＤ１１とされ、ゲイン符号列とともに出力符号列に付加される。
　このゲイン符号化モードヘッダは、処理対象となっている時間フレームにおけるゲイン符号化モードが、直前の時間フレームにおけるゲイン符号化モードと異なる場合に生成され、出力符号列に付加される。
　したがって、時間フレームＪの次のフレームである時間フレームＪ+１では、ゲイン符号化モードが時間フレームＪと同じであるので、ゲイン符号化モードヘッダの符号化は行われない。
　これに対して、時間フレームＫでは、マスターゲインシーケンスとスレーブゲインシーケンスとの対応関係に変化があり、ゲイン符号化モードが直前の時間フレームのものとは異なるので、ゲイン符号化モードヘッダＨＤ１２が出力符号列に付加されている。
　この例では、11.1chのゲインシーケンスがマスターゲインシーケンスとされており、7.1chのゲインシーケンスが、11.1chのゲインシーケンスに対するスレーブゲインシーケンスとされている。また、5.1chのゲインシーケンスが２番目のマスターゲインシーケンスとされており、2chのゲインシーケンスが、5.1chのゲインシーケンスに対するスレーブゲインシーケンスとされている。
　続いて、図６に示すように時間フレームとともにゲイン符号化モードが変化する場合に符号化装置５１から出力されるビットストリーム、すなわち各時間フレームの出力符号列の例について、具体的に説明する。
　符号化装置５１から出力されるビットストリームは、例えば図７に示すように各時間フレームの出力符号列からなり、各出力符号列には、補助情報と主情報が含まれている。
　例えば時間フレームＪでは、図６に示したゲイン符号化モードヘッダＨＤ１１に対応するゲイン符号化モードヘッダと、ゲイン符号列と、ダウンミックス情報とが補助情報の構成要素として出力符号列に含まれている。
　ここで、ゲイン符号列は、図６の例では11.1ch乃至2chの４つのゲインシーケンスを符号化して得られた情報である。また、ダウンミックス情報は、図１に示したダウンミックス情報と同じであり、復号化装置側において入力時系列信号をダウンミックスするときに必要となるゲイン係数を得るための情報（インデックス）である。
　また、時間フレームＪの出力符号列には、信号符号列が主情報として含まれている。
　時間フレームＪに続く時間フレームＪ＋１では、ゲイン符号化モードに変化がないので、補助情報にはゲイン符号化モードヘッダが含まれておらず、補助情報としてのゲイン符号列およびダウンミックス情報と、主情報としての信号符号列が出力符号列に含まれている。
　時間フレームＫでは、再びゲイン符号化モードが変化したので、補助情報としてのゲイン符号化モードヘッダ、ゲイン符号列、およびダウンミックス情報と、主情報としての信号符号列が出力符号列に含まれている。
　さらに、以下、図７に示したゲイン符号化モードヘッダとゲイン符号列について詳細に説明していく。
　出力符号列に含まれるゲイン符号化モードヘッダは、例えば図８に示す構成とされる。
　図８に示すゲイン符号化モードヘッダにはGAIN_SEQ_NUM、GAIN_SEQ0、GAIN_SEQ1、GAIN_SEQ2、およびGAIN_SEQ3が含まれており、それらのデータが各２バイトで符号化される。
　GAIN_SEQ_NUMは、符号化されるゲインシーケンスの個数を示しており、図６に示した例では４つのゲインシーケンスが符号化されるので、GAIN_SEQ_NUM＝４となっている。また、GAIN_SEQ0乃至GAIN_SEQ3は、各ゲインシーケンスの内容を示すデータ、すなわちゲインシーケンスモードのデータであり、図６の例では11.1ch、7.1ch、5.1ch、および2chのゲインシーケンスに関する情報がそれぞれ格納される。
　これらのGAIN_SEQ0乃至GAIN_SEQ3の各ゲインシーケンスモードのデータは、例えば図９に示す構成とされる。
　ゲインシーケンスモードのデータには、MASTER_FLAG、DIFF_SEQ_ID、DMIX_CH_CFG_ID、およびDRC_MODE_IDが含まれており、これらの４つの要素はそれぞれ４ビットで符号化されている。
　MASTER_FLAGは、このゲインシーケンスモードのデータで記述されているゲインシーケンスがマスターゲインシーケンスか否かを示す識別子である。
　例えば、MASTER_FLAGの値が「１」である場合、ゲインシーケンスはマスターゲインシーケンスであるとされ、MASTER_FLAGの値が「０」である場合、ゲインシーケンスはスレーブゲインシーケンスであるとされる。
　DIFF_SEQ_IDは、このゲインシーケンスモードのデータで記述されているゲインシーケンスが、どのマスターゲインシーケンスとの差分が計算されるかを示す識別子であり、MASTER_FLAGの値が「０」である場合に読み出される。
　DMIX_CH_CFG_IDは、このゲインシーケンスが対応するチャネルの構成情報、つまり例えば11.1chや7.1chなどのマルチチャネルの音声信号のチャネル数を示す情報とされる。
　DRC_MODE_IDは、第一ゲイン計算回路６２または第二ゲイン計算回路６５でのゲイン算出で用いられたDRCの特性を表す識別子であり、例えば図４に示した例では、DRC_MODE1またはDRC_MODE2の何れかを示す情報とされる。
　なお、マスターゲインシーケンスと、スレーブゲインシーケンスとでDRC_MODE_IDが異なる場合もある。すなわち、互いに異なるDRCの特性に従ってゲインが求められたゲインシーケンス同士で差分が求められることもある。
　ここで、例えば図６に示した時間フレームＪでは、11.1chのゲインシーケンスに関する情報が図８のGAIN_SEQ0（ゲインシーケンスモード）に格納される。
　そして、そのゲインシーケンスモードではMASTER_FLAGが１とされ、DIFF_SEQ_IDが０とされ、DMIX_CH_CFG_IDが11.1chを示す識別子とされ、DRC_MODE_IDが例えばDRC_MODE1を示す識別子とされて、ゲインシーケンスモードが符号化される。
　同様に、7.1chのゲインシーケンスに関する情報が格納されるGAIN_SEQ1では、MASTER_FLAGが０とされ、DIFF_SEQ_IDが０とされ、DMIX_CH_CFG_IDが7.1chを示す識別子とされ、DRC_MODE_IDが例えばDRC_MODE1を示す識別子とされて、ゲインシーケンスモードが符号化される。
　また、GAIN_SEQ2では、MASTER_FLAGが０とされ、DIFF_SEQ_IDが０とされ、DMIX_CH_CFG_IDが5.1chを示す識別子とされ、DRC_MODE_IDが例えばDRC_MODE1を示す識別子とされて、ゲインシーケンスモードが符号化される。
　そして、GAIN_SEQ3では、MASTER_FLAGが０とされ、DIFF_SEQ_IDが０とされ、DMIX_CH_CFG_IDが2chを示す識別子とされ、DRC_MODE_IDが例えばDRC_MODE1を示す識別子とされて、ゲインシーケンスモードが符号化される。
　また、上述したように時間フレームＪ+１以降においては、マスターゲインシーケンスとスレーブゲインシーケンスとの対応関係に変化が無い場合には、ゲイン符号化モードヘッダはビットストリームには挿入されない。
　一方、マスターゲインシーケンスとスレーブゲインシーケンスとの対応関係に変化がある場合、ゲイン符号化モードヘッダが符号化される。
　例えば図６に示した時間フレームＫでは、これまでスレーブゲインシーケンスであった5.1chのゲインシーケンス（GAIN_SEQ2）が、２番目のマスターゲインシーケンスとなっている。また、2chのゲインシーケンス（GAIN_SEQ3）が、5.1chのゲインシーケンスのスレーブゲインシーケンスとなっている。
　そのため、この時間フレームＫでは、ゲイン符号化モードヘッダのGAIN_SEQ0とGAIN_SEQ1は時間フレームＪにおける場合と同一であるが、GAIN_SEQ2とGAIN_SEQ3が変化する。
　すなわち、GAIN_SEQ2では、MASTER_FLAGが１とされ、DIFF_SEQ_IDが０とされ、DMIX_CH_CFG_IDが5.1chを示す識別子とされ、DRC_MODE_IDが例えばDRC_MODE1を示す識別子とされる。また、GAIN_SEQ3では、MASTER_FLAGが０とされ、DIFF_SEQ_IDが２とされ、DMIX_CH_CFG_IDが2chを示す識別子とされ、DRC_MODE_IDが例えばDRC_MODE1を示す識別子とされる。ここで、マスターゲインシーケンスである5.1chのゲインシーケンスについては、DIFF_SEQ_IDの読み出しは不要であるので、DIFF_SEQ_IDの値はどのような値とされてもよい。
　さらに、図７に示した出力符号列の補助情報に含まれるゲイン符号列は、例えば図１０に示すように構成される。
　図１０に示すゲイン符号列では、GAIN_SEQ_NUMは、ゲイン符号化モードヘッダに符号化されたゲインシーケンスの個数を示している。そして、GAIN_SEQ_NUMに示される個数分のゲインシーケンスの情報が、GAIN_SEQ_NUM以降に記述される。
　GAIN_SEQ_NUMに続いて配置されるhld_modeは、時間的に直前の時間フレームのゲインを保持するか否かを示すフラグであり１ビットで符号化される。なお、図１０において、uimsbfは、Unsigned Integer Most Significant Bit Firstを表しており、符号無し整数がMSB側を先頭ビットに符号化されていることを表している。
　例えばhld_modeの値が１であれば、直前の時間フレームのゲイン、すなわち例えば復号化で得られた第一ゲインや第二ゲインが、現時間フレームのゲインとしてそのまま用いられる。したがってこの場合、第一ゲインや第二ゲインが時間フレーム間の差分を求めることにより符号化されるということができる。
　一方、hld_modeの値が０であれば、現時間フレームのゲインとしてhld_mode以降に記述されている情報から得られるゲインが用いられる。
　hld_modeの値が０である場合、hld_modeに続いてcmodeが２ビットで記述され、gpnumが６ビットで記述されている。
　cmodeは、以降に符号化されるゲイン変化点からゲイン波形を生成するための符号化方法を表している。
　特にcmodeの下位１ビットは、ゲイン変化点の差分符号化モードを表している。具体的には、cmodeの下位１ビットの値が０であった場合、ゲインの符号化方法が０次予測差分モード（以下、DIFF1モードとも称する）であることを示しており、cmodeの下位１ビットの値が１であった場合、ゲインの符号化方法が１次予測差分モード（以下、DIFF2モードとも称する）であることを示している。
　ここで、ゲイン変化点とは、時間フレームの各時刻（サンプル）におけるゲインからなるゲイン波形において、前後の時刻でゲインの傾きが変化する時刻をいう。なお、以下では、ゲイン変化点の候補点とされる時刻（サンプル）が予め定められており、それらの候補点のうち、前後の時刻でゲインの傾きが変化する候補点がゲイン変化点とされるものとして説明を続ける。また、処理対象のゲインシーケンスがスレーブゲインシーケンスであるときには、マスターゲインシーケンスとのゲインの差分の波形において、そのゲイン（差分）の傾きが前後の時刻で変化する時刻がゲイン変化点となる。
　０次予測差分モードは各時刻、すなわち各サンプルにおけるゲインからなるゲイン波形を符号化するときに、各ゲイン変化点のゲインを直前のゲイン変化点のゲインとの差分を求めることで符号化を行うモードである。換言すれば０次予測差分モードは、ゲイン波形の復号化時に、各時刻のゲインを他の時刻のゲインとの差分を利用して復号化を行うモードである。
　これに対して、１次予測差分モードは、ゲイン波形を符号化するときに、各ゲイン変化点のゲインを直前のゲイン変化点を通る１次関数により、つまり１次予測により予測し、その予測値（１次予測値）と実際のゲインとの差分を求めることで符号化を行うモードである。
　一方、cmodeの上位１ビットは、時間フレーム先頭のゲインを符号化するか否かを示している。具体的には、cmodeの上位１ビットが０であった場合、時間フレーム先頭のゲインが１２ビットの固定長で符号化され、図１０中のgval_abs_id0として記述される。
　gval_abs_id0のMSB１ビットは符号ビットとなり、残りの１１ビットは0.25dBステップで次式（５）により定まる「gval_abs_id0」の値（ゲイン）とされる。
Figure JPOXMLDOC01-appb-M000005
　なお、式（５）においてgain_abs_linearはリニア値のゲイン、すなわちマスターゲインシーケンスのゲインである第一ゲイン若しくは第二ゲインか、またはマスターゲインシーケンスとスレーブゲインシーケンスのゲインの差分を示している。ここで、gain_abs_linearは時間フレームの先頭のサンプル位置のゲインである。また、式（５）において「＾」はべき乗を表している。
　さらにcmodeの上位１ビットが１であった場合、復号化時において直前の時間フレーム終端のゲイン値が、現時間フレームの先頭のゲイン値とされることを示している。
　また、図１０のゲイン符号列ではgpnumは、ゲイン変化点の数を示している。
　さらにゲイン符号列ではgpnumまたはgval_abs_id0に続いてgloc_id[k]およびgval_diff_id[k]がgpnumに示されるゲイン変化点の数だけ記述されている。
　ここで、gloc_id[k]およびgval_diff_id[k]は、ゲイン変化点、およびそのゲイン変化点の符号化されたゲインを示している。なお、gloc_id[k]およびgval_diff_id[k]におけるｋは、ゲイン変化点を特定するインデックスであり、何番目のゲイン変化点であるかを示している。
　この例では、gloc_id[k]は３ビットで記述され、gval_diff_id[k]は１ビットから１１ビットまでの何れかのビット数で記述されている。なお、図１０中のvlclbfは、Variable Length Code Left Bit Firstを表しており、可変長符号の左ビットを先頭として符号化されていることを意味している。
　ここで、０次予測差分モード（DIFF1モード）と１次予測差分モード（DIFF2モード）について、より具体的に説明する。
　まず、図１１を参照して０次予測差分モードについて説明する。なお、図１１において、横軸は時間（サンプル）を示しており、縦軸はゲインを示している。
　図１１では、折れ線Ｃ３１は、処理対象となっているゲインシーケンスのゲイン、より詳細にはマスターゲインシーケンスのゲイン（第一ゲインまたは第二ゲイン）、またはマスターゲインシーケンスとスレーブゲインシーケンスのゲインの差分値を示している。
　また、この例では、処理対象となっている時間フレームＪからは、２つのゲイン変化点Ｇ１１とゲイン変化点Ｇ１２が検出されており、PREV１１は時間フレームＪの先頭位置、つまり時間フレームＪ－１の終端位置を示している。
　まず、ゲイン変化点Ｇ１１の位置gloc[0]が、時間フレームＪの先頭からの時間サンプル値を表す位置情報として３ビットで符号化される。
　具体的には、ゲイン変化点は図１２に示すテーブルに基づいて符号化される。
　図１２において、gloc_idは図１０に示したゲイン符号列におけるgloc_id[k]として記述される値を示しており、gloc[gloc_id]はゲイン変化点の候補点の位置、すなわち時間フレーム先頭のサンプルもしくは直前のゲイン変化点から、候補点のサンプルまでのサンプル数を示している。
　この例では、時間フレーム内に不等間隔で並んでいる、時間フレームの先頭から0、16、32、64、128、256、512、および1024個目のサンプルのそれぞれがゲイン変化点の候補点とされている。
　したがって、例えばゲイン変化点Ｇ１１が時間フレームＪの先頭のサンプルから512番目の位置にあるサンプルである場合、gloc[gloc_id]＝512に対応するgloc_idの値である「６」がｋ＝０番目のゲイン変化点の位置を示すgloc_id[0]としてゲイン符号列に記述される。
　図１１の説明に戻り、続いてゲイン変化点Ｇ１１のゲイン値gval[0]が、時間フレームＪの先頭位置PREV１１のゲイン値との差分として符号化される。この差分は図１０に示したゲイン符号列のgval_diff_id[k]として１ビットから１１ビットの可変長符号で符号化される。
　例えば、ゲイン変化点Ｇ１１のゲイン値gval[0]と、先頭位置PREV１１のゲイン値との差分は、図１３に示す符号化テーブル（符号帳）が用いられて符号化される。
　この例では、ゲイン値の差分が０である場合にはgval_diff_id[k]として「１」が記述され、ゲイン値の差分が＋0.1である場合にはgval_diff_id[k]として「01」が記述され、ゲイン値の差分が＋0.2である場合にはgval_diff_id[k]として「001」が記述される。
　また、ゲイン値の差分が＋0.3以上または０以下である場合にはgval_diff_id[k]として、符号「000」と、その符号に続けてゲイン値の差分を示す８ビットの固定長符号が記述される。
　このようにして最初のゲイン変化点Ｇ１１の位置とゲイン値が符号化されると、続いて次のゲイン変化点Ｇ１２の位置とゲイン値のそれぞれが、直前のゲイン変化点Ｇ１１との差分として符号化される。
　すなわち、ゲイン変化点Ｇ１２の位置gloc[1]が、直前のゲイン変化点Ｇ１１の位置gloc[0]からの時間サンプル値を表す位置情報として、ゲイン変化点Ｇ１１の位置における場合と同様に図１２に示したテーブルに基づいて３ビットで符号化される。例えばゲイン変化点Ｇ１２が直前のゲイン変化点Ｇ１１の位置gloc[0]から256番目の位置にあるサンプルである場合、gloc[gloc_id]＝256に対応するgloc_idの値である「５」がｋ＝１番目のゲイン変化点の位置を示すgloc_id[1]としてゲイン符号列に記述される。
　また、ゲイン変化点Ｇ１２のゲイン値gval[1]が、ゲイン変化点Ｇ１１のゲイン値gval[0]との差分として、ゲイン変化点Ｇ１１のゲイン値における場合と同様に図１３に示した符号化テーブルに基づいて１ビットから１１ビットまでの可変長符号で符号化される。つまり、ゲイン値gval[1]とゲイン値gval[0]との差分値が図１３に示した符号化テーブルに基づいて符号化され、得られた符号がｋ＝１番目のgval_diff_id[1]としてゲイン符号列に記述される。
　なお、図１２に記載したglocのテーブルは、これに限るものでは無く、gloc（ゲイン変化点の候補点）の最小間隔を１にして、時間分解能を向上させたテーブルを用いても良い。また、高いビットレートを確保できるアプリケーションでは、ゲイン波形について１サンプル毎に差分をとることも当然可能である。
　次に、図１４を参照して１次予測差分モード（DIFF2モード）について説明する。なお、図１４において、横軸は時間（サンプル）を示しており、縦軸はゲインを示している。
　図１４では、折れ線Ｃ３２は、処理対象となっているゲインシーケンスのゲイン、より詳細にはマスターゲインシーケンスのゲイン（第一ゲインまたは第二ゲイン）、またはマスターゲインシーケンスとスレーブゲインシーケンスのゲインの差分を示している。
　また、この例では、処理対象となっている時間フレームＪからは、２つのゲイン変化点Ｇ２１とゲイン変化点Ｇ２２が検出されており、PREV２１は時間フレームＪの先頭位置を示している。
　まず、ゲイン変化点Ｇ２１の位置gloc[0]が、時間フレームＪの先頭からの時間サンプル値を表す位置情報として３ビットで符号化される。この符号化では、図１１を参照して説明したゲイン変化点Ｇ１１における場合と同様の処理が行われる。
　次に、ゲイン変化点Ｇ２１のゲイン値gval[0]が、ゲイン値gval[0]の１次予測値との差分として符号化される。
　具体的には、時間フレームＪの先頭位置PREV２１から時間フレームＪ－１のゲイン波形が延長され、その延長線上の位置gloc[0]にある点Ｐ１１が求められる。そして、その点Ｐ１１におけるゲイン値がゲイン値gval[0]の１次予測値とされる。
　すなわち、先頭位置PREV２１を通り、時間フレームＪ－１のゲイン波形における終端部分の傾きの直線が、時間フレームＪ－１のゲイン波形を延長した直線とされ、その直線を表す１次関数が用いられてゲイン値gval[0]の１次予測値が算出される。
　さらに、このようにして求められた１次予測値と、実際のゲイン値gval[0]との差分が求められ、その差分が例えば図１３に示した符号化テーブルに基づいて１ビットから１１ビットまでの可変長符号で符号化される。そして、可変長符号化により得られた符号がｋ＝０番目のゲイン変化点Ｇ２１のゲイン値を示す情報として、図１０に示したゲイン符号列のgval_diff_id[0]に記述される。
　続いて、次のゲイン変化点Ｇ２２の位置とゲイン値のそれぞれが、直前のゲイン変化点Ｇ２１との差分として符号化される。
　すなわち、ゲイン変化点Ｇ２２の位置gloc[1]が、直前のゲイン変化点Ｇ２１の位置gloc[0]からの時間サンプル値を表す位置情報として、ゲイン変化点Ｇ２１の位置における場合と同様に図１２に示したテーブルに基づいて３ビットで符号化される。
　また、ゲイン変化点Ｇ２２のゲイン値gval[1]が、ゲイン値gval[1]の１次予測値との差分として符号化される。
　具体的には、１次予測値を求めるための傾きが、先頭位置PREV２１と、直前のゲイン変化点Ｇ２１とを結ぶ（通る）直線の傾きに更新されるとともに、その直線上の位置gloc[1]にある点Ｐ１２が求められる。そして、その点Ｐ１２におけるゲイン値がゲイン値gval[1]の１次予測値とされる。
　すなわち、直前のゲイン変化点Ｇ２１を通り、更新後の傾きを有する直線を表す１次関数が用いられてゲイン値gval[1]の１次予測値が算出される。さらに、このようにして求められた１次予測値と、実際のゲイン値gval[1]との差分が求められ、その差分が例えば図１３に示した符号化テーブルに基づいて１ビットから１１ビットまでの可変長符号で符号化される。そして、可変長符号化により得られた符号がｋ＝１番目のゲイン変化点Ｇ２２のゲイン値を示す情報として、図１０に示したゲイン符号列のgval_diff_id[1]に記述される。
　以上のようにして、各ゲインシーケンスのゲインが時間フレームごとに符号化されるが、ゲイン変化点におけるゲイン値の可変長符号化に用いられる符号化テーブルは、図１３に示した符号化テーブルに限らず、どのようなものであってもよい。
　特に、可変長符号化に用いる符号化テーブルは、ダウンミックスのチャネル数や、上述の図４に示したDRCの特性の違い、０次予測差分モードや１次予測差分モードなどの差分符号化モード等に応じて、異なる符号化テーブルが用いられるようにしてもよい。そのようにすることで、各ゲインシーケンスのゲインの符号化効率をさらに高めることができる。
　ここで、例えばDRCと人の聴覚の一般的な性質を利用した符号化テーブルの構成方法について説明する。大きな音が入力された場合、所望のDRC特性になるようゲインを下げ、それ以降においては大きな音が入力されなかった場合にはゲインを戻す必要がある。
　一般的に前者をアタック、後者をリリースと呼び、人間の聴覚の性質では、アタックを速く、リリースはアタックと比較して相当ゆっくりとしないと音が不安定でふらついたように聞こえてしまい具合が悪い。
　このような性質から、一般的に用いられるアタック・リリースのDRC特性を用いて、上述の０次予測差分モードに相当するDRCゲインの時間フレーム間差分をとると、図１５に示すような波形となる。
　なお、図１５において横軸は時間フレームを示しており、縦軸はゲインの差分値（dB）を示している。この例では、時間フレーム差分は、マイナス方向の差分は頻度としては少ないが絶対値は大きくなる。一方、プラス方向の差分は頻度が多いが絶対値は小さい。
　このような時間フレーム差分の確率密度分布は一般的に図１６に示す分布となる。なお、図１６において、横軸は時間フレーム差分を示しており、縦軸は時間フレーム差分の出現確率を示している。
　図１６に示す確率密度分布では、０付近から正の値の出現確率は非常に高いが、あるレベル（時間フレーム差分）からは出現確率が極端に小さくなる。一方で、マイナス方向は出現確率は少ないものの、値が小さくなってもある程度の出現確率がある。
　この例では、時間フレーム間の特性について説明しているが、時間フレーム内のサンプル間（時刻間）においても時間フレーム間における場合と同様の特性が得られる。
　このような確率密度分布は０次予測差分モードまたは１次予測差分モードの何れで符号化を行うかや、ゲイン符号化モードヘッダの内容で変化するので、それに応じた可変長符号テーブルを構成することで効率よくゲイン情報の符号化を行うことができる。
　ここまで、マスターゲインシーケンスとスレーブゲインシーケンスのゲイン波形から、ゲイン変化点を抽出し差分をとって可変長符号を用いて符号化することにより効率よくゲインを圧縮する手法の一例を説明してきたが、ある程度高いビットレートが許容されるかわりに、高いゲイン波形の精度が要求されるような応用例においては、マスターゲインシーケンスとスレーブゲインシーケンスの差分をとった後、直接、それぞれのゲイン波形を符号化することも当然可能である。この際、ゲイン波形は時系列の離散信号であるので、一般的に知られているような時系列信号の可逆圧縮手法などを用いて符号化することが可能である。
〈符号化処理の説明〉
　次に、符号化装置５１の動作について説明する。
　符号化装置５１は、入力時系列信号が１時間フレーム分だけ供給されると、その入力時系列信号を符号化して出力符号列を出力する符号化処理を行う。以下、図１７のフローチャートを参照して、符号化装置５１による符号化処理について説明する。
　ステップＳ１１において、第一音圧レベル計算回路６１は、供給された入力時系列信号に基づいて、入力時系列信号の第一音圧レベルを算出し、第一ゲイン計算回路６２に供給する。
　ステップＳ１２において、第一ゲイン計算回路６２は、第一音圧レベル計算回路６１から供給された第一音圧レベルに基づいて第一ゲインを算出し、ゲイン符号化回路６６に供給する。例えば第一ゲイン計算回路６２は、上位の制御装置により指定されたDRC_MODE1やDRC_MODE2などのモードのDRC特性に従って第一ゲインを算出する。
　ステップＳ１３において、ダウンミックス回路６３は、供給された入力時系列信号に対して、上位の制御装置から供給されたダウンミックス情報を用いてダウンミックス処理を行い、その結果得られたダウンミックス信号を第二音圧レベル計算回路６４に供給する。
　ステップＳ１４において、第二音圧レベル計算回路６４は、ダウンミックス回路６３から供給されたダウンミックス信号に基づいて第二音圧レベルを算出し、第二ゲイン計算回路６５に供給する。
　ステップＳ１５において、第二ゲイン計算回路６５は、第二音圧レベル計算回路６４から供給された第二音圧レベルに基づいてダウンミックス信号の第二ゲインを算出し、ゲイン符号化回路６６に供給する。
　ステップＳ１６において、ゲイン符号化回路６６は、ゲイン符号化処理を行って、第一ゲイン計算回路６２から供給された第一ゲインと、第二ゲイン計算回路６５から供給された第二ゲインとを符号化する。そして、ゲイン符号化回路６６はゲイン符号化処理により得られたゲイン符号化モードヘッダおよびゲイン符号列を多重化回路６８に供給する。
　なお、ゲイン符号化処理の詳細は後述するが、ゲイン符号化処理では、第一ゲインや第二ゲインといったゲインシーケンスについて、ゲインシーケンス間の差分や、時間フレーム間の差分、時間フレーム内の差分が求められて符号化される。また、ゲイン符号化モードヘッダは必要な場合のみ生成される。
　ステップＳ１７において、信号符号化回路６７は、供給された入力時系列信号を所定の符号化方式に従って符号化し、その結果得られた信号符号列を多重化回路６８に供給する。
　ステップＳ１８において、多重化回路６８は、ゲイン符号化回路６６からのゲイン符号化モードヘッダとゲイン符号列、上位の制御装置から供給されたダウンミックス情報、および信号符号化回路６７からの信号符号列を多重化し、その結果得られた出力符号列を出力する。このようにして１時間フレーム分の出力符号列がビットストリームとして出力されると、符号化処理は終了する。そして、次の時間フレームの符号化処理が行われる。
　以上のようにして、符号化装置５１は、ダウンミックス前のもとの入力時系列信号の第一ゲインと、ダウンミックス後のダウンミックス信号の第二ゲインとを算出し、適宜、それらのゲインの差分を求めて符号化する。これにより、より少ない符号量で適切な音量の音声を得ることができるようになる。
　すなわち、符号化装置５１側では、DRCの特性を自由に設定することができるため、復号化側においてより適切な音量の音声を得ることができるようになる。しかもゲインの差分を求めて効率よく符号化することで、より少ない符号量でより多くの情報を伝送することができ、かつ復号化装置側の計算負荷も軽減させることができる。
〈ゲイン符号化処理の説明〉
　次に、図１８のフローチャートを参照して、図１７のステップＳ１６の処理に対応するゲイン符号化処理について説明する。
　ステップＳ４１において、ゲイン符号化回路６６は、上位の制御装置からの指示に基づいて、ゲイン符号化モードを決定する。すなわち、各ゲインシーケンスについて、そのゲインシーケンスがマスターゲインシーケンスまたはスレーブゲインシーケンスの何れとされるかや、ゲインシーケンスがスレーブゲインシーケンスである場合に、どのゲインシーケンスとの差分が計算されるかなどが決定される。
　具体的には、ゲイン符号化回路６６は、各ゲインシーケンスのゲイン（第一ゲインまたは第二ゲイン）同士の差分を実際に計算し、ゲインの相関を求める。そして、ゲイン符号化回路６６は、各ゲインの差分に基づいて、例えば他のどのゲインシーケンスともゲインの相関が高い（ゲインの差分が小さい）ゲインシーケンスをマスターゲインシーケンスとし、他のゲインシーケンスをスレーブゲインシーケンスとする。
　なお、全てのゲインシーケンスがマスターゲインシーケンスとされるようにしてもよい。
　ステップＳ４２において、ゲイン符号化回路６６は、処理対象となっている現時間フレームのゲイン符号化モードが、その時間フレームの直前の時間フレームのゲイン符号化モードと同一であるか否かを判定する。
　ステップＳ４２において、同一でないと判定された場合、ステップＳ４３において、ゲイン符号化回路６６は、ゲイン符号化モードヘッダを生成し、補助情報に付加する。例えば、ゲイン符号化回路６６は図８に示したゲイン符号化モードヘッダを生成する。
　ステップＳ４３においてゲイン符号化モードヘッダが生成されると、その後、処理はステップＳ４４へと進む。
　また、ステップＳ４２において、ゲイン符号化モードが同一であると判定された場合、出力符号列にゲイン符号化モードヘッダは付加されないので、ステップＳ４３の処理は行われず、処理はステップＳ４４に進む。
　ステップＳ４３においてゲイン符号化モードヘッダが生成されたか、またはステップＳ４２においてゲイン符号化モードが同一であると判定された場合、ステップＳ４４において、ゲイン符号化回路６６は、ゲイン符号化モードに従って、各ゲインシーケンスの差分を求める。
　例えば、第二ゲインとしての7.1chのゲインシーケンスがスレーブゲインシーケンスであり、そのスレーブゲインシーケンスに対するマスターゲインシーケンスが、第一ゲインとしての11.1chのゲインシーケンスであったとする。
　この場合、ゲイン符号化回路６６は、7.1chのゲインシーケンスと11.1chのゲインシーケンスの差分を求める。なお、このとき、マスターゲインシーケンスである11.1chのゲインシーケンスについては差分の計算は行われず、以降の処理においてそのまま符号化される。
　このように、ゲインシーケンスの差分を求めることで、ゲインシーケンス間の差分が求められてゲインシーケンスの符号化が行われることになる。
　ステップＳ４５において、ゲイン符号化回路６６は、１つのゲインシーケンスを処理対象のゲインシーケンスとして選択し、そのゲインシーケンス内でゲインが一定で、かつ直前の時間フレームのゲインと同一であるか否かを判定する。
　例えば、時間フレームＪにおいて、マスターゲインシーケンスとされた11.1chのゲインシーケンスが処理対象のゲインシーケンスとして選択されたとする。この場合、ゲイン符号化回路６６は、時間フレームＪにおいて11.1chのゲインシーケンスの各サンプルのゲイン（第一ゲインまたは第二ゲイン）がほぼ一定の値であるとき、ゲインシーケンス内でゲインが一定であるとする。
　また、ゲイン符号化回路６６は、時間フレームＪにおける11.1chのゲインシーケンスの各サンプルのゲインと、直前の時間フレームである時間フレームＪ－１における11.1chのゲインシーケンスの各サンプルのゲインとの差分がほぼ０であるとき、直前の時間フレームのゲインと同一であるとする。
　なお、処理対象のゲインがスレーブゲインシーケンスである場合には、ステップＳ４４において求めたゲインの差分が、時間フレーム内で一定であり、かつ直前の時間フレームにおけるゲインの差分と同一であるかが判定される。
　ステップＳ４５において、ゲインシーケンス内でゲインが一定で、かつ直前の時間フレームのゲインと同一であると判定された場合、ステップＳ４６において、ゲイン符号化回路６６は、hld_modeの値を１として、処理はステップＳ５１へと進む。すなわち、ゲイン符号列のhld_modeとして１が記述される。
　ゲインシーケンス内でゲインが一定で、かつ直前の時間フレームのゲインと同一であると判定された場合、直前の時間フレームや現時間フレーム内でゲインの変化がないので、復号化側において直前の時間フレームのゲインがそのまま用いられて復号化が行われる。したがって、このような場合には、時間フレーム間の差分が求められてゲインが符号化されているということができる。
　これに対して、ステップＳ４５において、ゲインシーケンス内でゲインが一定でないか、または直前の時間フレームのゲインと同一でないと判定された場合、ステップＳ４７において、ゲイン符号化回路６６は、hld_modeの値を０とする。すなわち、ゲイン符号列のhld_modeとして０が記述される。
　ステップＳ４８において、ゲイン符号化回路６６は処理対象となっているゲインシーケンスのゲイン変化点を抽出する。
　例えばゲイン符号化回路６６は、図１２を参照して説明したように時間フレーム内の予め定められたサンプル位置について、サンプル位置の前後でゲインの時間波形の傾きが変化したか否かを特定することで、そのサンプル位置がゲイン変化点であるかを特定する。
　なお、より詳細には、処理対象となっているゲインシーケンスがスレーブゲインシーケンスであるときには、そのゲインシーケンスについて求めたマスターゲインシーケンスとのゲインの差分の時間波形からゲイン変化点が抽出される。
　ゲイン符号化回路６６は、ゲイン変化点を抽出すると、抽出されたゲイン変化点の数をgpnumとして図１０に示したゲイン符号列に記述する。
　ステップＳ４９において、ゲイン符号化回路６６はcmodeを決定する。
　例えば、ゲイン符号化回路６６は処理対象となっているゲインシーケンスについて、０次予測差分モードによる符号化と、１次予測差分モードによる符号化とを実際に行って、符号化の結果として得られる符号量がより少ない方の差分符号化モードを選択する。また、ゲイン符号化回路６６は、例えば上位の制御装置からの指示に応じて、時間フレーム先頭のゲインを符号化するか否かを定める。これによりcmodeが定まる。
　cmodeが決定されると、ゲイン符号化回路６６は決定されたcmodeを示す値を図１０に示したゲイン符号列に記述する。このとき、cmodeの上位１ビットが０である場合、ゲイン符号化回路６６は処理対象のゲインシーケンスについて上述した式（５）を計算し、その結果得られた「gval_abs_id0」の値と符号ビットとを、図１０に示したゲイン符号列におけるgval_abs_id0に記述する。
　これに対して、cmodeの上位１ビットが１である場合には、直前の時間フレームの終端位置のゲイン値が、現時間フレームの先頭位置のゲイン値として用いられて復号化が行われるので、時間フレーム間の差分が求められて符号化されているということができる。
　ステップＳ５０において、ゲイン符号化回路６６は、ステップＳ４９の処理で選択された差分符号化モードにより、ステップＳ４８で抽出された各ゲイン変化点のゲインを符号化する。そして、ゲイン符号化回路６６は、各ゲイン変化点のゲインの符号化結果をgloc_id[k]およびgval_diff_id[k]として図１０に示したゲイン符号列に記述する。
　各ゲイン変化点のゲインの符号化時には、ゲイン符号化回路６６に設けられたエントロピ符号化回路が、差分符号化モード等に対して適切に定められた、図１３に示した符号化テーブルなどのエントロピ符号帳テーブルを切り替えながら、ゲイン値を符号化する。
　このように、０次予測差分モードまたは１次予測差分モードにより符号化を行うことで、ゲインシーケンスの時間フレーム内の差分が求められてゲインが符号化されることになる。
　ステップＳ４６においてhld_modeが１とされたか、またはステップＳ５０において符号化が行われると、ステップＳ５１において、ゲイン符号化回路６６は全ゲインシーケンスを符号化したか否かを判定する。例えば、全てのゲインシーケンスが処理対象とされて処理された場合、全てのゲインシーケンスを符号化したと判定される。
　ステップＳ５１において、全てのゲインシーケンスを符号化していない判定された場合、処理はステップＳ４５に戻り、上述した処理が繰り返し行われる。すなわち、まだ処理対象とされていないゲインシーケンスが次の処理対象のゲインシーケンスとして符号化が行われる。
　これに対して、ステップＳ５１において全てのゲインシーケンスを符号化したと判定された場合、ゲイン符号列が得られたので、ゲイン符号化回路６６は生成したゲイン符号化モードヘッダとゲイン符号列とを多重化回路６８に供給する。なお、ゲイン符号化モードヘッダが生成されなかった場合には、ゲイン符号列のみが出力される。
　このようにしてゲイン符号化モードヘッダとゲイン符号列が出力されると、ゲイン符号化処理は終了し、その後、処理は図１７のステップＳ１７へと進む。
　以上のようにして、符号化装置５１は、ゲインシーケンス間の差分やゲインシーケンスの時間フレーム間の差分、ゲインシーケンスの時間フレーム内の差分を求めてゲインを符号化し、ゲイン符号列を生成する。このように、ゲインシーケンス間の差分やゲインシーケンスの時間フレーム間の差分、ゲインシーケンスの時間フレーム内の差分を求めてゲインを符号化することで、第一ゲインや第二ゲインをより効率よく符号化することができる。つまり、符号化の結果として得られる符号量をより少なくすることができる。
〈復号化装置の構成例〉
　次に、符号化装置５１から出力された出力符号列を入力符号列として入力し、入力符号列の復号化を行う復号化装置について説明する。
　図１９は、本技術を適用した復号化装置の一実施の形態の機能の構成例を示す図である。
　図１９に示す復号化装置９１は、非多重化回路１０１、信号復号化回路１０２、ゲイン復号化回路１０３、およびゲイン適用回路１０４を有している。
　非多重化回路１０１は、供給された入力符号列、すなわち符号化装置５１から受信した出力符号列を非多重化する。非多重化回路１０１は、非多重化により得られたゲイン符号化モードヘッダおよびゲイン符号列をゲイン復号化回路１０３に供給するとともに、信号符号列およびダウンミックス情報を信号復号化回路１０２に供給する。なお、入力符号列にゲイン符号化モードヘッダが含まれていない場合には、ゲイン符号化モードヘッダはゲイン復号化回路１０３には供給されない。
　信号復号化回路１０２は、非多重化回路１０１から供給されたダウンミックス情報と、上位の制御装置から供給されたダウンミックス制御情報とに基づいて、非多重化回路１０１から供給された信号符号列の復号化とダウンミックスを行い、得られた時系列信号をゲイン適用回路１０４に供給する。ここで、時系列信号は例えば11.1chや7.1chの音声信号であり、時系列信号を構成する各チャネルの音声信号は、PCM信号とされる。
　ゲイン復号化回路１０３は、非多重化回路１０１から供給されたゲイン符号化モードヘッダおよびゲイン符号列を復号化し、その結果得られたゲイン情報のうち、上位の制御装置から供給されたダウンミックス制御情報およびDRC制御情報により特定されるゲイン情報をゲイン適用回路１０４に供給する。ここで、ゲイン復号化回路１０３から出力されるゲイン情報は、上述した第一ゲインや第二ゲインに対応する情報である。
　ゲイン適用回路１０４は、ゲイン復号化回路１０３から供給されたゲイン情報に基づいて、信号復号化回路１０２から供給された時系列信号のゲイン調整を行い、得られた出力時系列信号を出力する。
〈復号化処理の説明〉
　次に、復号化装置９１の動作について説明する。
　復号化装置９１は、入力符号列が１時間フレーム分だけ供給されると、その入力符号列を復号化して出力時系列信号を出力する復号化処理を行う。以下、図２０のフローチャートを参照して、復号化装置９１による復号化処理について説明する。
　ステップＳ８１において、非多重化回路１０１は入力符号列を非多重化し、その結果得られたゲイン符号化モードヘッダおよびゲイン符号列をゲイン復号化回路１０３に供給するとともに、信号符号列およびダウンミックス情報を信号復号化回路１０２に供給する。
　ステップＳ８２において、信号復号化回路１０２は、非多重化回路１０１から供給された信号符号列を復号化する。
　例えば、信号復号化回路１０２は信号符号列に対する復号化および逆量子化を行って、各チャネルのMDCT係数を得る。そして、信号復号化回路１０２は、上位の制御装置から供給されたダウンミックス制御情報に基づいて、非多重化回路１０１から供給されたダウンミックス情報から得られるゲイン係数を各チャネルのMDCT係数に乗算して加算することで、ダウンミックス後の各チャネルのゲイン適用MDCT係数を算出する。
　さらに、信号復号化回路１０２は、各チャネルのゲイン適用MDCT係数に対して逆MDCT処理を施し、得られた逆MDCT信号に対して窓掛けおよびオーバーラップ加算処理を行って、ダウンミックス後の各チャネルの信号からなる時系列信号を生成する。なお、ダウンミックス処理は、MDCT領域で行われてもよいし、時間領域で行われてもよい。
　信号復号化回路１０２は、このようにして得られた時系列信号をゲイン適用回路１０４に供給する。
　ステップＳ８３において、ゲイン復号化回路１０３はゲイン復号化処理を行って、非多重化回路１０１から供給されたゲイン符号化モードヘッダおよびゲイン符号列を復号化し、ゲイン情報をゲイン適用回路１０４に供給する。なお、ゲイン復号化処理の詳細は後述する。
　ステップＳ８４において、ゲイン適用回路１０４は、ゲイン復号化回路１０３から供給されたゲイン情報に基づいて、信号復号化回路１０２から供給された時系列信号のゲイン調整を行い、得られた出力時系列信号を出力する。
　出力時系列信号が出力されると、復号化処理は終了する。
　以上のようにして復号化装置９１は、ゲイン符号化モードヘッダおよびゲイン符号列を復号化し、得られたゲイン情報を時系列信号に適用して時間領域でゲインを調整する。
　ゲイン符号列は、ゲインシーケンス間の差分やゲインシーケンスの時間フレーム間の差分、ゲインシーケンスの時間フレーム内の差分を求めることでゲインを符号化して得られたものである。そのため、復号化装置９１では、より少ない符号量のゲイン符号列で、より適切なゲイン情報を得ることができる。すなわち、より少ない符号量で適切な音量の音声を得ることができる。
〈ゲイン復号化処理の説明〉
　続いて、図２１のフローチャートを参照して、図２０のステップＳ８３の処理に対応するゲイン復号化処理について説明する。
　ステップＳ１２１において、ゲイン復号化回路１０３は、入力符号列にゲイン符号化モードヘッダがあるか否かを判定する。例えば、非多重化回路１０１からゲイン符号化モードヘッダが供給された場合、ゲイン符号化モードヘッダがあると判定される。
　ステップＳ１２１において、ゲイン符号化モードヘッダがあると判定された場合、ステップＳ１２２において、ゲイン復号化回路１０３は非多重化回路１０１から供給されたゲイン符号化モードヘッダを復号化する。これにより、ゲイン符号化モードなどの各ゲインシーケンスに関する情報が得られる。
　ゲイン符号化モードヘッダが復号化されると、その後、処理はステップＳ１２３に進む。
　一方、ステップＳ１２１において、ゲイン符号化モードヘッダがないと判定された場合、処理はステップＳ１２３に進む。
　ステップＳ１２２においてゲイン符号化モードヘッダが復号化されたか、またはステップＳ１２１においてゲイン符号化モードヘッダがないと判定された場合、ステップＳ１２３において、ゲイン復号化回路１０３は全ゲインシーケンスを復号化する。すなわち、ゲイン復号化回路１０３は、図１０に示したゲイン符号列を復号化し、各ゲインシーケンスのゲイン波形、つまり第一ゲインまたは第二ゲインを得るために必要な情報を抽出する。
　ステップＳ１２４において、ゲイン復号化回路１０３は、１つのゲインシーケンスを処理対象とし、そのゲインシーケンスのhld_modeの値が０であるか否かを判定する。
　ステップＳ１２４において、hld_modeの値が０でない、つまり１であると判定された場合、処理はステップＳ１２５に進む。
　ステップＳ１２５において、ゲイン復号化回路１０３は、直前の時間フレームのゲイン波形を現時間フレームのゲイン波形としてそのまま用いる。
　現時間フレームのゲイン波形が得られると、その後、処理はステップＳ１２９に進む。
　これに対して、ステップＳ１２４において、hld_modeの値が０であると判定された場合、ステップＳ１２６において、ゲイン復号化回路１０３は、cmodeが１より大きいか否か、すなわちcmodeの上位１ビットが１であるか否かを判定する。
　ステップＳ１２６において、cmodeが１より大きい、つまりcmodeの上位１ビットが１であると判定された場合、直前の時間フレーム終端のゲイン値が、現時間フレームの先頭のゲイン値とされ、処理はステップＳ１２８に進む。
　ここで、ゲイン復号化回路１０３は、時間フレームの終端位置のゲイン値をprevとして保持しており、ゲインの復号化時には、このprevの値が適宜、現時間フレームの先頭位置のゲイン値として用いられてゲインシーケンスのゲインが求められる。
　これに対して、ステップＳ１２６において、cmodeが１以下である、つまりcmodeの上位１ビットが０であると判定された場合、ステップＳ１２７の処理が行われる。
　すなわち、ステップＳ１２７において、ゲイン復号化回路１０３はゲイン符号列の復号化により得られたgval_abs_id0を上述した式（５）に代入して、現時間フレームの先頭のゲイン値を算出し、prevの値を更新する。すなわち、式（５）の計算により得られたゲイン値が新たなprevの値とされる。なお、より詳細には、処理対象のゲインシーケンスがスレーブゲインシーケンスである場合には、prevの値は、現時間フレームの先頭位置におけるマスターゲインシーケンスとの差分値の値となる。
　ステップＳ１２７においてprevの値が更新されたか、またはステップＳ１２６においてcmodeが１より大きいと判定された場合、ステップＳ１２８において、ゲイン復号化回路１０３は処理対象のゲインシーケンスのゲイン波形を生成する。
　具体的には、ゲイン復号化回路１０３は、ゲイン符号列の復号化により得られたcmodeを参照して、０次予測差分モードまたは１次予測差分モードの何れであるかを特定する。そして、ゲイン復号化回路１０３は、prevの値と、ゲイン符号列の復号化により得られた各ゲイン変化点のgloc_id[k]およびgval_diff_id[k]とを用いて、特定された差分符号化モードに応じて現時間フレーム内の各サンプル位置のゲインを求め、ゲイン波形とする。
　例えばゲイン復号化回路１０３は、０次予測差分モードであると特定された場合、prevの値にgval_diff_id[0]により示されるゲイン値（差分値）を加算して得られた値を、gloc_id[0]により特定されるサンプル位置のゲイン値とする。このとき、時間フレームの先頭からgloc_id[0]により特定されるサンプル位置までの間の各位置では、prevの値からgloc_id[0]により特定されるサンプル位置のゲイン値まで、ゲイン値が線形に変化するものとして、各サンプル位置のゲイン値が求められる。
　以降においても同様にして、直前のゲイン変化点のゲイン値と、注目するゲイン変化点のgloc_id[k]およびgval_diff_id[k]とから、その注目するゲイン変化点のゲイン値が求められ、時間フレーム内の各サンプル位置におけるゲイン値からなるゲイン波形が求まる。
　ここで、処理対象となっているゲインシーケンスがスレーブゲインシーケンスである場合、以上の処理により得られたゲイン値（ゲイン波形）は、マスターゲインシーケンスのゲイン波形との差分値である。
　そこで、ゲイン復号化回路１０３は、処理対象のゲインシーケンスのゲインシーケンスモードにおける図９に示したMASTER_FLAGとDIFF_SEQ_IDを参照し、処理対象のゲインシーケンスがスレーブゲインシーケンスであるか否かと、対応するマスターゲインシーケンスを特定する。
　そして、ゲイン復号化回路１０３は、処理対象のゲインシーケンスがマスターゲインシーケンスである場合には、上述の処理により得られたゲイン波形を、処理対象のゲインシーケンスの最終的なゲイン情報とする。
　一方、処理対象のゲインシーケンスがスレーブゲインシーケンスである場合には、ゲイン復号化回路１０３は、上述の処理により得られたゲイン波形に、処理対象のゲインシーケンスに対するマスターゲインシーケンスのゲイン情報（ゲイン波形）を加算して、処理対象のゲインシーケンスの最終的なゲイン情報とする。
　以上のようにして処理対象のゲインシーケンスのゲイン波形（ゲイン情報）が得られると、その後、処理はステップＳ１２９に進む。
　ステップＳ１２８またはステップＳ１２５において、ゲイン波形が生成されると、ステップＳ１２９の処理が行われる。
　ステップＳ１２９において、ゲイン復号化回路１０３は、処理対象のゲインシーケンスのゲイン波形の現時間フレームの終端位置のゲイン値を次の時間フレームのprevの値として保持する。なお、処理対象のゲインシーケンスがスレーブゲインシーケンスである場合、０次予測差分モードまたは１次予測差分モードでの予測により得られたゲイン波形における時間フレームの終端位置、つまりマスターゲインシーケンスのゲイン波形との差分の時間波形における時間フレームの終端位置の値がprevの値とされる。
　ステップＳ１３０において、ゲイン復号化回路１０３は、全ゲインシーケンスのゲイン波形が得られたか否かを判定する。例えばゲイン符号化モードヘッダに示される全てのゲインシーケンスが処理対象のゲインシーケンスとされてゲイン波形（ゲイン情報）が得られた場合、全ゲインシーケンスのゲイン波形が得られたと判定される。
　ステップＳ１３０において、まだ全てのゲインシーケンスのゲイン波形が得られていないと判定された場合、処理はステップＳ１２４に戻り、上述した処理が繰り返し行われる。すなわち、次のゲインシーケンスが処理対象とされて、ゲイン波形（ゲイン情報）が求められる。
　これに対して、ステップＳ１３０において、全ゲインシーケンスのゲイン波形が得られたと判定された場合、ゲイン復号化処理は終了し、その後、処理は図２０のステップＳ８４へと進む。
　なお、この場合、ゲイン復号化回路１０３は、各ゲインシーケンスのうち、ダウンミックス制御情報により示されるダウンミックス後のチャネル数であり、かつDRC制御情報により示されるDRC特性でゲインが算出されたゲインシーケンスのゲイン情報をゲイン適用回路１０４に供給する。すなわち、図９に示した各ゲインシーケンスモードのDMIX_CH_CFG_IDとDRC_MODE_IDが参照されて、ダウンミックス制御情報とDRC制御情報により特定されるゲインシーケンスのゲイン情報が出力される。
　以上のようにして、復号化装置９１は、ゲイン符号化モードヘッダおよびゲイン符号列を復号化して、各ゲインシーケンスのゲイン情報を算出する。このようにゲイン符号列を復号化してゲイン情報を求めることで、より少ない符号量で適切な音量の音声を得ることができるようになる。
　ところで、図６、図１１、および図１４に示したようにマスターゲインシーケンスが時間フレームごとに変化することがあり、また復号化装置９１では、prevの値が利用されてゲインシーケンスの復号化が行われる。そのため、復号化装置９１では、実際に復号化装置９１で使用するダウンミックスのパターン以外のゲイン波形も毎時間フレーム計算する必要が生じる。
　このようなゲイン波形を求める計算は簡易なものであるため、復号化装置９１側の計算負荷はそれほど大きなものではない。しかし、例えば携帯端末等、計算負荷のさらなる低減が要求されるようなケースでは、ゲイン波形の再現性をある程度犠牲にして計算量を低減させることも可能である。
　DRCのアタック・リリースの時定数の特性上、ゲインは急激に下げ、ゆっくりと戻すのが一般的である。したがって、符号化効率の観点上、０次予測差分モードが多く使用され、また時間フレーム内のゲイン変化点の個数gpnumは２個以下の少ない個数であり、さらにゲイン変化点のゲインの差分値であるgval_diff_id[k]も小さい値となる場合が多い。
　例えば図１１に示した例において、ゲイン変化点Ｇ１１のゲイン値gval[0]と、先頭位置PREV１１のゲイン値との差分値をgval_diff[0]とし、ゲイン変化点Ｇ１１のゲイン値gval[0]と、ゲイン変化点Ｇ１２のゲイン値gval[1]との差分値をgval_diff[1]とする。
　このとき、復号化装置９１において、prevの値である先頭位置PREV１１のゲイン値と差分値gval_diff[0]がデシベル上で加算され、さらにその加算結果に差分値gval_diff[1]が加算される。これにより、ゲイン変化点Ｇ１２のゲイン値gval[1]が求まることになる。以下、このようにして求められた先頭位置PREV１１のゲイン値と差分値gval_diff[0]と差分値gval_diff[1]の加算結果を、ゲイン加算値とも称する。
　この場合、次の時間フレームＪ＋１のprevの値は、ゲイン変化点Ｇ１１の位置gloc[0]と、ゲイン変化点Ｇ１２の位置gloc[1]の間をリニア値で直線補間し、時間フレームＪ＋１の先頭に相当する時間フレームＪのＮサンプル目の位置まで直線を延長したときのＮサンプル目のゲイン値となる。このゲイン変化点Ｇ１１とゲイン変化点Ｇ１２を結ぶ直線の傾きが小さい場合は、前述の差分値gval_diff[1]まで加算したゲイン加算値をもって、時間フレームＪ＋１のprevの値としても特に問題は生じない。
　なお、ゲイン変化点Ｇ１１とゲイン変化点Ｇ１２を結ぶ直線の傾きは、各ゲイン変化点の位置gloc[k]が２の冪乗であることを利用して簡単に求めることができる。すなち、図１１の例では位置gloc[1]のサンプル数分除算するかわりに、サンプル数に相当するビット数分、前述の差分値の加算値を右シフトすることで直線の傾きを求めることができる。
　この傾きがある閾値よりも小さい値である場合は、ゲイン加算値を次の時間フレームＪ＋１のprevの値とし、傾きが閾値以上であった場合には、以上の第１の実施の形態において説明した方法によりゲイン波形を求め、その時間フレーム終端のゲイン値をprevの値とすればよい。
　また、１次予測差分モードである場合は、第１の実施の形態において説明した方法によりゲイン波形を直接求め、その時間フレーム終端の値をprevの値とすればよい。
　このような手法をとることで、復号化装置９１の計算負荷を低減させることができる。
〈第２の実施の形態〉
〈符号化装置の構成例〉
　なお、以上においては、符号化装置５１において、実際にダウンミックスを行って、得られたダウンミックス信号の音圧レベルを第二音圧レベルとして算出していたが、ダウンミックスを行わずに各チャネルの音圧レベルから、直接、ダウンミックス後の音圧レベルを求めてもよい。この場合、入力時系列信号の各チャネル間の相関によって多少音圧レベルが変動するが、演算量を低減させることができる。
　このように、ダウンミックスを行わずに、直接、ダウンミックス後の音圧レベルを求める場合、符号化装置は、例えば図２２に示すように構成される。なお、図２２において、図３における場合と対応する部分には同一の符号を付してあり、その説明は適宜省略する。
　図２２に示す符号化装置１３１は、第一音圧レベル計算回路６１、第一ゲイン計算回路６２、第二音圧レベル推定回路１４１、第二ゲイン計算回路６５、ゲイン符号化回路６６、信号符号化回路６７、および多重化回路６８を有している。
　第一音圧レベル計算回路６１は、供給された入力時系列信号に基づいて、入力時系列信号を構成する各チャネルの音圧レベルを計算して第二音圧レベル推定回路１４１に供給するとともに、各チャネルの音圧レベルの代表値を第一音圧レベルとして第一ゲイン計算回路６２に供給する。
　また、第二音圧レベル推定回路１４１は、第一音圧レベル計算回路６１から供給された各チャネルの音圧レベルに基づいて、推定により第二音圧レベルを算出し、第二ゲイン計算回路６５に供給する。
〈符号化処理の説明〉
　続いて、符号化装置１３１の動作について説明する。以下、図２３のフローチャートを参照して、符号化装置１３１により行われる符号化処理について説明する。
　なお、ステップＳ１６１およびステップＳ１６２の処理は、図１７のステップＳ１１およびステップＳ１２の処理と同様であるので、その説明は省略する。但し、ステップＳ１６１では、第一音圧レベル計算回路６１は、入力時系列信号から求めた、入力時系列信号を構成する各チャネルの音圧レベルを第二音圧レベル推定回路１４１に供給する。
　ステップＳ１６３において、第二音圧レベル推定回路１４１は、第一音圧レベル計算回路６１から供給された各チャネルの音圧レベルに基づいて第二音圧レベルを算出し、第二ゲイン計算回路６５に供給する。例えば、第二音圧レベル推定回路１４１は、各チャネルの音圧レベルを予め用意された係数を用いて重み付き加算（線形結合）することで、１つの第二音圧レベルを算出する。
　第二音圧レベルが求められると、その後、ステップＳ１６４乃至ステップＳ１６７の処理が行われて符号化処理は終了するが、これらの処理は図１７のステップＳ１５乃至ステップＳ１８の処理と同様であるので、その説明は省略する。
　以上のようにして、符号化装置１３１は、入力時系列信号の各チャネルの音圧レベルに基づいて第二音圧レベルを算出して、適宜、第二音圧レベルから求まる第二ゲインや、第一ゲインの差分を求めて符号化する。これにより、より少ない符号量で適切な音量の音声を得ることができるとともに、より少ない演算量で符号化を行うことができる。
〈第３の実施の形態〉
〈符号化装置の構成例〉
　また、以上においては、時間領域でDRC処理を行う例について説明したが、MDCT領域でDRC処理を行うようにしてもよい。そのような場合、符号化装置は、例えば図２４に示すように構成される。
　図２４に示す符号化装置１７１は、窓長選択・窓掛け回路１８１、MDCT回路１８２、第一音圧レベル計算回路１８３、第一ゲイン計算回路１８４、ダウンミックス回路１８５、第二音圧レベル計算回路１８６、第二ゲイン計算回路１８７、ゲイン符号化回路１８９、適応ビット割り当て回路１９０、量子化・符号化回路１９１、および多重化回路１９２を有している。
　窓長選択・窓掛け回路１８１は、窓長を選択するとともに、選択した窓長で供給された入力時系列信号に対する窓掛け処理を行い、その結果得られた時間フレーム信号をMDCT回路１８２に供給する。
　MDCT回路１８２は、窓長選択・窓掛け回路１８１から供給された時間フレーム信号に対してMDCT処理を行って、その結果得られたMDCT係数を第一音圧レベル計算回路１８３、ダウンミックス回路１８５、および適応ビット割り当て回路１９０に供給する。
　第一音圧レベル計算回路１８３は、MDCT回路１８２から供給されたMDCT係数に基づいて、入力時系列信号の第一音圧レベルを計算し、第一ゲイン計算回路１８４に供給する。第一ゲイン計算回路１８４は、第一音圧レベル計算回路１８３から供給された第一音圧レベルに基づいて第一ゲインを計算し、ゲイン符号化回路１８９に供給する。
　ダウンミックス回路１８５は、上位の制御装置から供給されたダウンミックス情報と、MDCT回路１８２から供給された入力時系列信号の各チャネルのMDCT係数に基づいて、ダウンミックス後の各チャネルのMDCT係数を算出し、第二音圧レベル計算回路１８６に供給する。
　第二音圧レベル計算回路１８６は、ダウンミックス回路１８５から供給されたMDCT係数に基づいて第二音圧レベルを計算し、第二ゲイン計算回路１８７に供給する。第二ゲイン計算回路１８７は、第二音圧レベル計算回路１８６から供給された第二音圧レベルに基づいて第二ゲインを計算し、ゲイン符号化回路１８９に供給する。
　ゲイン符号化回路１８９は、第一ゲイン計算回路１８４から供給された第一ゲインと、第二ゲイン計算回路１８７から供給された第二ゲインとを符号化し、その結果得られたゲイン符号列を多重化回路１９２に供給する。
　適応ビット割り当て回路１９０は、MDCT回路１８２から供給されたMDCT係数に基づいて、MDCT係数の符号化時の目標となる符号量を示すビット割当情報を生成し、MDCT係数およびビット割当情報を量子化・符号化回路１９１に供給する。
　量子化・符号化回路１９１は、適応ビット割り当て回路１９０から供給されたビット割当情報に基づいて、適応ビット割り当て回路１９０からのMDCT係数を量子化および符号化し、その結果得られた信号符号列を多重化回路１９２に供給する。多重化回路１９２は、ゲイン符号化回路１８９から供給されたゲイン符号列、上位の制御装置から供給されたダウンミックス情報、および量子化・符号化回路１９１から供給された信号符号列を多重化し、その結果得られた出力符号列を出力する。
〈符号化処理の説明〉
　次に符号化装置１７１の動作について説明する。以下、図２５のフローチャートを参照して、符号化装置１７１による符号化処理について説明する。
　ステップＳ１９１において、窓長選択・窓掛け回路１８１は、窓長を選択するとともに、選択した窓長で供給された入力時系列信号に対する窓掛け処理を行い、その結果得られた時間フレーム信号をMDCT回路１８２に供給する。これにより、入力時系列信号を構成する各チャネルの信号が時間フレーム単位の信号である時間フレーム信号に分割される。
　ステップＳ１９２において、MDCT回路１８２は、窓長選択・窓掛け回路１８１から供給された時間フレーム信号に対してMDCT処理を行って、その結果得られたMDCT係数を第一音圧レベル計算回路１８３、ダウンミックス回路１８５、および適応ビット割り当て回路１９０に供給する。
　ステップＳ１９３において、第一音圧レベル計算回路１８３は、MDCT回路１８２から供給されたMDCT係数に基づいて、入力時系列信号の第一音圧レベルを算出し、第一ゲイン計算回路１８４に供給する。ここで、第一音圧レベル計算回路１８３により算出される第一音圧レベルは、図３の第一音圧レベル計算回路６１で算出されるものと同じであるが、ステップＳ１９３では、MDCT領域で入力時系列信号の音圧レベルが算出される。
　ステップＳ１９４において、第一ゲイン計算回路１８４は、第一音圧レベル計算回路１８３から供給された第一音圧レベルに基づいて第一ゲインを算出し、ゲイン符号化回路１８９に供給する。例えば、図４に示したDRC特性に従って第一ゲインが計算される。
　ステップＳ１９５において、ダウンミックス回路１８５は、上位の制御装置から供給されたダウンミックス情報と、MDCT回路１８２から供給された入力時系列信号の各チャネルのMDCT係数に基づいてダウンミックスを行って、ダウンミックス後の各チャネルのMDCT係数を算出し、第二音圧レベル計算回路１８６に供給する。
　例えば、各チャネルのMDCT係数に、ダウンミックス情報から得られるゲイン係数が乗算されて、それらのゲイン係数が乗算されたMDCT係数を加算することで、ダウンミックス後のチャネルのMDCT係数が算出される。
　ステップＳ１９６において、第二音圧レベル計算回路１８６は、ダウンミックス回路１８５から供給されたMDCT係数に基づいて第二音圧レベルを算出し、第二ゲイン計算回路１８７に供給する。なお、第二音圧レベルの算出は、第一音圧レベルと同様の演算により求められる。
　ステップＳ１９７において、第二ゲイン計算回路１８７は、第二音圧レベル計算回路１８６から供給された第二音圧レベルに基づいて第二ゲインを算出し、ゲイン符号化回路１８９に供給する。例えば、図４に示したDRC特性に従って第二ゲインが計算される。
　ステップＳ１９８において、ゲイン符号化回路１８９は、ゲイン符号化処理を行って第一ゲイン計算回路１８４から供給された第一ゲインと、第二ゲイン計算回路１８７から供給された第二ゲインとを符号化する。そして、ゲイン符号化回路１８９は、ゲイン符号化処理により得られたゲイン符号化モードヘッダおよびゲイン符号列を多重化回路１９２に供給する。
　なお、ゲイン符号化処理の詳細は後述するが、ゲイン符号化処理では、第一ゲインや第二ゲインといったゲインシーケンスについて、時間フレーム間の差分が求められて各ゲインが符号化される。また、ゲイン符号化モードヘッダは必要な場合のみ生成される。
　ステップＳ１９９において、適応ビット割り当て回路１９０は、MDCT回路１８２から供給されたMDCT係数に基づいてビット割当情報を生成し、MDCT係数およびビット割当情報を量子化・符号化回路１９１に供給する。
　ステップＳ２００において、量子化・符号化回路１９１は、適応ビット割り当て回路１９０から供給されたビット割当情報に基づいて、適応ビット割り当て回路１９０からのMDCT係数を量子化および符号化し、その結果得られた信号符号列を多重化回路１９２に供給する。
　ステップＳ２０１において、多重化回路１９２は、ゲイン符号化回路１８９から供給されたゲイン符号列とゲイン符号化モードヘッダ、上位の制御装置から供給されたダウンミックス情報、および量子化・符号化回路１９１から供給された信号符号列を多重化し、その結果得られた出力符号列を出力する。これにより、例えば図７に示した出力符号列が得られる。但し、ゲイン符号列は図１０に示したものとは異なるものとされる。
　このようにして１時間フレーム分の出力符号列がビットストリームとして出力されると、符号化処理は終了する。そして、次の時間フレームの符号化処理が行われる。
　以上のようにして、符号化装置１７１１は、MDCT領域で、すなわちMDCT係数から第一ゲインと第二ゲインを算出し、それらのゲインの差分を求めて符号化する。これにより、より少ない符号量で適切な音量の音声を得ることができる。
〈ゲイン符号化処理の説明〉
　次に、図２６のフローチャートを参照して、図２５のステップＳ１９８の処理に対応するゲイン符号化処理について説明する。なお、ステップＳ２３１乃至ステップＳ２３４の処理は、図１８のステップＳ４１乃至ステップＳ４４の処理と同様であるので、その説明は省略する。
　ステップＳ２３５において、ゲイン符号化回路１８９は、１つのゲインシーケンスを処理対象のゲインシーケンスとして選択し、そのゲインシーケンスの現時間フレームのゲイン（ゲイン波形）と、その直前の時間フレームのゲインとの差分値を求める。
　具体的には、処理対象のゲインシーケンスの現時間フレームの各サンプル位置のゲイン値と、処理対象のゲインシーケンスの現時間フレームの直前の時間フレームの各サンプル位置のゲイン値との差分が求められる。つまり、ゲインシーケンスの時間フレーム間の差分が求められる。
　なお、処理対象のゲインシーケンスがスレーブゲインシーケンスである場合には、ステップＳ２３４で求められたマスターゲインシーケンスとの差分の時間波形の時間フレーム間の差分値が求められる。すなわち、現時間フレームにおけるマスターゲインシーケンスとの差分の時間波形と、直前の時間フレームにおけるマスターゲインシーケンスとの差分の時間波形との差分値が求められる。
　ステップＳ２３６において、ゲイン符号化回路１８９は全ゲインシーケンスを符号化したか否かを判定する。例えば、全てのゲインシーケンスが処理対象とされて処理された場合、全ゲインシーケンスを符号化したと判定される。
　ステップＳ２３６において、全ゲインシーケンスを符号化していない判定された場合、処理はステップＳ２３５に戻り、上述した処理が繰り返し行われる。すなわち、まだ処理対象とされていないゲインシーケンスが次の処理対象のゲインシーケンスとされて符号化が行われる。
　これに対して、ステップＳ２３６において全ゲインシーケンスを符号化したと判定された場合、ゲイン符号化回路１８９は、ステップＳ２３５で各ゲインシーケンスについて求めたゲインの時間フレーム間の差分値をゲイン符号列とする。そして、ゲイン符号化回路１８９は、生成したゲイン符号化モードヘッダとゲイン符号列とを多重化回路１２９に供給する。なお、ゲイン符号化モードヘッダが生成されなかった場合には、ゲイン符号列のみが出力される。
　このようにしてゲイン符号化モードヘッダとゲイン符号列が出力されると、ゲイン符号化処理は終了し、その後、処理は図２５のステップＳ１９９へと進む。
　以上のようにして、符号化装置１７１は、ゲインシーケンス間の差分やゲインシーケンスの時間フレーム間の差分を求めることでゲインを符号化し、ゲイン符号列を生成する。このように、ゲインシーケンス間の差分やゲインシーケンスの時間フレーム間の差分を求めてゲインを符号化することで、第一ゲインや第二ゲインをより効率よく符号化することができる。つまり、符号化の結果として得られる符号量をより少なくすることができる。
〈復号化装置の構成例〉
　次に、符号化装置１７１から出力された出力符号列を入力符号列として入力し、入力符号列の復号化を行う復号化装置について説明する。
　図２７は、本技術を適用した復号化装置の一実施の形態の構成例を示す図である。
　図２７に示す復号化装置２３１は、非多重化回路２４１、復号化・逆量子化回路２４２、ゲイン復号化回路２４３、ゲイン適用回路２４４、逆MDCT回路２４５、および窓掛け・OLA回路２４６を有している。
　非多重化回路２４１は、供給された入力符号列を非多重化する。非多重化回路２４１は、非多重化により得られたゲイン符号化モードヘッダおよびゲイン符号列をゲイン復号化回路２４３に供給するとともに、信号符号列を復号化・逆量子化回路２４２し、さらにダウンミックス情報をゲイン適用回路２４４に供給する。
　復号化・逆量子化回路２４２は、非多重化回路２４１から供給された信号符号列に対する復号化および逆量子化を行って、その結果得られたMDCT係数をゲイン適用回路２４４に供給する。
　ゲイン復号化回路２４３は、非多重化回路２４１から供給されたゲイン符号化モードヘッダおよびゲイン符号列を復号化し、その結果得られたゲイン情報をゲイン適用回路２４４に供給する。
　ゲイン適用回路２４４は、上位の制御装置から供給されたダウンミックス制御情報とDRC制御情報に基づいて、非多重化回路２４１から供給されたダウンミックス情報から得られるゲイン係数と、ゲイン復号化回路２４３から供給されたゲイン情報を、復号化・逆量子化回路２４２から供給されたMDCT係数に乗算し、得られたゲイン適用MDCT係数を逆MDCT回路２４５に供給する。
　逆MDCT回路２４５は、ゲイン適用回路２４４から供給されたゲイン適用MDCT係数に対して逆MDCT処理を施し、得られた逆MDCT信号を窓掛け・OLA回路２４６に供給する。窓掛け・OLA回路２４６は、逆MDCT回路２４５から供給された逆MDCT信号に対して窓掛けおよびオーバーラップ加算処理を行い、これにより得られた出力時系列信号を出力する。
〈復号化処理の説明〉
　続いて、復号化装置２３１の動作について説明する。
　復号化装置２３１は、入力符号列が１時間フレーム分だけ供給されると、その入力符号列を復号化して出力時系列信号を出力する復号化処理を行う。以下、図２８のフローチャートを参照して、復号化装置２３１による復号化処理について説明する。
　ステップＳ２６１において、非多重化回路２４１は、供給された入力符号列を非多重化する。そして、非多重化回路２４１は、非多重化により得られたゲイン符号化モードヘッダおよびゲイン符号列をゲイン復号化回路２４３に供給し、信号符号列を復号化・逆量子化回路２４２し、さらにダウンミックス情報をゲイン適用回路２４４に供給する。
　ステップＳ２６２において、復号化・逆量子化回路２４２は、非多重化回路２４１から供給された信号符号列に対する復号化および逆量子化を行って、その結果得られたMDCT係数をゲイン適用回路２４４に供給する。
　ステップＳ２６３において、ゲイン復号化回路２４３は、ゲイン復号化処理を行って非多重化回路２４１から供給されたゲイン符号化モードヘッダおよびゲイン符号列を復号化し、その結果得られたゲイン情報をゲイン適用回路２４４に供給する。なお、ゲイン復号化処理の詳細は後述する。
　ステップＳ２６４において、ゲイン適用回路２４４は、上位の制御装置からのダウンミックス制御情報とDRC制御情報に基づいて、非多重化回路２４１からのダウンミックス情報から得られるゲイン係数と、ゲイン復号化回路２４３からのゲイン情報を、復号化・逆量子化回路２４２からのMDCT係数に乗算し、ゲイン調整を行う。
　具体的には、ゲイン適用回路２４４は、ダウンミックス制御情報に応じて、非多重化回路２４１から供給されたダウンミックス情報から得られるゲイン係数をMDCT係数に乗算する。そして、ゲイン適用回路２４４は、ゲイン係数が乗算されたMDCT係数を加算することで、ダウンミックス後のチャネルのMDCT係数を算出する。
　さらに、ゲイン適用回路２４４は、DRC制御情報に応じて、ゲイン復号化回路２４３から供給されたゲイン情報を、ダウンミックス後の各チャネルのMDCT係数に乗算して、ゲイン適用MDCT係数とする。
　ゲイン適用回路２４４は、このようにして得られたゲイン適用MDCT係数を逆MDCT回路２４５に供給する。
　ステップＳ２６５において、逆MDCT回路２４５は、ゲイン適用回路２４４から供給されたゲイン適用MDCT係数に対して逆MDCT処理を施し、得られた逆MDCT信号を窓掛け・OLA回路２４６に供給する。
　ステップＳ２６６において、窓掛け・OLA回路２４６は、逆MDCT回路２４５から供給された逆MDCT信号に対して窓掛けおよびオーバーラップ加算処理を行い、これにより得られた出力時系列信号を出力する。出力時系列信号が出力されると、復号化処理は終了する。
　以上のようにして、復号化装置２３１は、ゲイン符号化モードヘッダおよびゲイン符号列を復号化し、得られたゲイン情報をMDCT係数に適用し、ゲインを調整する。
　ゲイン符号列は、ゲインシーケンス間の差分やゲインシーケンスの時間フレーム間の差分を求めて得られたものである。そのため、復号化装置２３１では、より少ない符号量のゲイン符号列で、より適切なゲイン情報を得ることができる。すなわち、より少ない符号量で適切な音量の音声を得ることができる。
〈ゲイン復号化処理の説明〉
　さらに、図２９のフローチャートを参照して、図２８のステップＳ２６３の処理に対応するゲイン復号化処理について説明する。
　なお、ステップＳ２９１乃至ステップＳ２９３の処理は図２１のステップＳ１２１乃至ステップＳ１２３の処理と同様であるので、その説明は省略する。但し、ステップＳ２９３では、ゲイン符号列に含まれている各ゲインシーケンスについての時間フレーム内の各サンプル位置におけるゲインの差分値が復号化により得られる。
　ステップＳ２９４において、ゲイン復号化回路２４３は、１つのゲインシーケンスを処理対象とし、そのゲインシーケンスの現時間フレームの直前の時間フレームのゲイン値と、現時間フレームのゲインの差分値とから、現時間フレームのゲイン値を求める。
　すなわち、ゲイン復号化回路２４３は、処理対象のゲインシーケンスのゲインシーケンスモードにおける図９に示したMASTER_FLAGとDIFF_SEQ_IDを参照し、処理対象のゲインシーケンスがスレーブゲインシーケンスであるか否かと、対応するマスターゲインシーケンスを特定する。
　そして、ゲイン復号化回路２４３は、処理対象のゲインシーケンスがマスターゲインシーケンスである場合には、ゲイン符号列の復号により得られた、処理対象のゲインシーケンスの現時間フレームの各サンプル位置の差分値と、処理対象のゲインシーケンスの現時間フレームの直前の時間フレームの各サンプル位置のゲイン値とを加算する。そして、その結果得られた現時間フレームの各サンプル位置のゲイン値が、現時間フレームのゲインの時間波形、すなわち処理対象のゲインシーケンスの最終的なゲイン情報とされる。
　一方、処理対象のゲインシーケンスがスレーブゲインシーケンスである場合には、ゲイン復号化回路２４３は、処理対象のゲインシーケンスの現時間フレームの直前の時間フレームにおけるマスターゲインシーケンスと、直前の時間フレームにおける処理対象のゲインシーケンスとの各サンプル位置におけるゲインの差分値を求める。
　そして、ゲイン復号化回路２４３は、このようにして求めた差分値と、ゲイン符号列の復号により得られた、処理対象のゲインシーケンスの現時間フレームの各サンプル位置の差分値とを加算する。さらに、ゲイン復号化回路２４３は、その加算の結果得られたゲイン波形に、処理対象のゲインシーケンスに対する現時間フレームのマスターゲインシーケンスのゲイン情報（ゲイン波形）を加算して、処理対象のゲインシーケンスの最終的なゲイン情報とする。
　ステップＳ２９５において、ゲイン復号化回路２４３は、全ゲインシーケンスのゲイン波形が得られたか否かを判定する。例えばゲイン符号化モードヘッダに示される全てのゲインシーケンスが処理対象のゲインシーケンスとされてゲイン波形（ゲイン情報）が得られた場合、全ゲインシーケンスのゲイン波形が得られたと判定される。
　ステップＳ２９５において、まだ全てのゲインシーケンスのゲイン波形が得られていないと判定された場合、処理はステップＳ２９４に戻り、上述した処理が繰り返し行われる。すなわち、次のゲインシーケンスが処理対象とされて、ゲイン波形（ゲイン情報）が求められる。
　これに対して、ステップＳ２９５において、全ゲインシーケンスのゲイン波形が得られたと判定された場合、ゲイン復号化処理は終了し、その後、処理は図２８のステップＳ２６４へと進む。
　このようにして、復号化装置２３１は、ゲイン符号化モードヘッダおよびゲイン符号列を復号化して、各ゲインシーケンスのゲイン情報を算出する。このようにゲイン符号列を復号化してゲイン情報を求めることで、より少ない符号量で適切な音量の音声を得ることができるようになる。
　以上のように、本技術によれば、ダウンミックスの有無を含めた様々な再生環境において適切な音量レベルで符号化音声の再生が可能となり、また様々な再生環境においてクリッピングノイズが生じることもなくなる。さらに、必要な符号量が少ないので、多数のゲイン情報を効率的に符号化できる。また、本技術は、復号化装置の計算量が少なくてすむので携帯端末等に対しても適用可能である。
　なお、以上においては、入力時系列信号の音量補正としてDRCによるゲイン補正を行う場合について説明したが、音量補正としてラウドネスなど、他の補正処理が行われるようにしてもよい。特に、MPEG AACでは、補助情報としてコンテンツ全体の音圧レベルを表すラウドネスもフレームごとに値を記述しておくことができ、このようなラウドネスの補正値もゲイン値として符号化される。
　そこで、ラウドネス補正のゲインも符号化されてゲイン符号列に含めて送信されるようにすることができる。ラウドネス補正では、DRCと同じように各ダウンミックスパターン間で対応したゲイン値が必要とされる。
　さらに、第一ゲインや第二ゲインの符号化時に、時間フレーム間でゲイン変化点の差分を求めて符号化を行うようにしてもよい。
　ところで、上述した一連の処理は、ハードウェアにより実行することもできるし、ソフトウェアにより実行することもできる。一連の処理をソフトウェアにより実行する場合には、そのソフトウェアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウェアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のコンピュータなどが含まれる。
　図３０は、上述した一連の処理をプログラムにより実行するコンピュータのハードウェアの構成例を示すブロック図である。
　コンピュータにおいて、ＣＰＵ（Central Processing Unit）５０１，ＲＯＭ（Read Only Memory）５０２，ＲＡＭ（Random Access Memory）５０３は、バス５０４により相互に接続されている。
　バス５０４には、さらに、入出力インターフェース５０５が接続されている。入出力インターフェース５０５には、入力部５０６、出力部５０７、記録部５０８、通信部５０９、及びドライブ５１０が接続されている。
　入力部５０６は、キーボード、マウス、マイクロホン、撮像素子などよりなる。出力部５０７は、ディスプレイ、スピーカなどよりなる。記録部５０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部５０９は、ネットワークインターフェースなどよりなる。ドライブ５１０は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリなどのリムーバブルメディア５１１を駆動する。
　以上のように構成されるコンピュータでは、ＣＰＵ５０１が、例えば、記録部５０８に記録されているプログラムを、入出力インターフェース５０５及びバス５０４を介して、ＲＡＭ５０３にロードして実行することにより、上述した一連の処理が行われる。
　コンピュータ（ＣＰＵ５０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア５１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
　コンピュータでは、プログラムは、リムーバブルメディア５１１をドライブ５１０に装着することにより、入出力インターフェース５０５を介して、記録部５０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部５０９で受信し、記録部５０８にインストールすることができる。その他、プログラムは、ＲＯＭ５０２や記録部５０８に、あらかじめインストールしておくことができる。
　なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
　また、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
　例えば、本技術は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
　また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
　さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
　また、本明細書中に記載された効果はあくまで例示であって限定されるものではなく、他の効果があってもよい。
　さらに、本技術は、以下の構成とすることも可能である。
（１）
　音声信号のフレームごとに音量補正のための第１のゲイン値と第２のゲイン値を算出するゲイン計算部と、
　前記第１のゲイン値と前記第２のゲイン値の第１の差分値を求め、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求め、前記第１の差分値または前記第２の差分値に基づく情報を符号化するゲイン符号化部と
　を備える符号化装置。
（２）
　前記ゲイン符号化部は、前記フレーム内の複数の位置での前記第１のゲイン値と前記第２のゲイン値の前記第１の差分値を求め、または前記フレーム内の複数の位置での前記第１のゲイン値の間若しくは前記フレーム内の複数の位置での前記第１の差分値の間で前記第２の差分値を求める
　（１）に記載の符号化装置。
（３）
　前記ゲイン符号化部は、前記フレーム内の前記第１のゲイン値または前記第１の差分値の傾きが変化するゲイン変化点に基づいて前記第２の差分値を求める
　（１）または（２）に記載の符号化装置。
（４）
　前記ゲイン符号化部は、前記ゲイン変化点と、他のゲイン変化点との差分を求めることで、前記第２の差分値を求める
　（３）に記載の符号化装置。
（５）
　前記ゲイン符号化部は、前記ゲイン変化点と、他のゲイン変化点を用いた１次予測による予測値との差分を求めることで、前記第２の差分値を求める
　（３）に記載の符号化装置。
（６）
　前記ゲイン符号化部は、前記フレーム内における前記ゲイン変化点の個数と、前記ゲイン変化点における前記第２の差分値に基づく情報を符号化する
　（３）に記載の符号化装置。
（７）
　前記ゲイン計算部は、ダウンミックスにより得られる異なるチャネル数の前記音声信号ごとに、前記第２のゲイン値を算出する
　（１）乃至（６）の何れか一項に記載の符号化装置。
（８）
　前記ゲイン符号化部は、前記第１のゲイン値と前記第２のゲイン値の相関に基づいて、前記第１の差分値を求めるか否かを選択する
　（１）乃至（７）の何れか一項に記載の符号化装置。
（９）
　前記ゲイン符号化部は、前記第１の差分値または前記第２の差分値を可変長符号化する
　（１）乃至（８）の何れか一項に記載の符号化装置。
（１０）
　音声信号のフレームごとに音量補正のための第１のゲイン値と第２のゲイン値を算出し、
　前記第１のゲイン値と前記第２のゲイン値の第１の差分値を求め、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求め、前記第１の差分値または前記第２の差分値に基づく情報を符号化する
　ステップを含む符号化方法。
（１１）
　音声信号のフレームごとに音量補正のための第１のゲイン値と第２のゲイン値を算出し、
　前記第１のゲイン値と前記第２のゲイン値の第１の差分値を求め、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求め、前記第１の差分値または前記第２の差分値に基づく情報を符号化する
　ステップを含む処理をコンピュータに実行させるプログラム。
（１２）
　音声信号のフレームごとに算出された音量補正のための第１のゲイン値と第２のゲイン値について、前記第１のゲイン値と前記第２のゲイン値の第１の差分値、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求めることで生成されたゲイン符号列と、前記音声信号を符号化して得られた信号符号列とに、入力符号列を非多重化する非多重化部と、
　前記信号符号列を復号化する信号復号化部と、
　前記ゲイン符号列を復号化して、前記音量補正のための前記第１のゲイン値または前記第２のゲイン値を出力するゲイン復号化部と
　を備える復号化装置。
（１３）
　前記第１の差分値は、前記フレーム内の複数の位置での前記第１のゲイン値と前記第２のゲイン値の差分値を求めることで符号化されており、
　前記第２の差分値は、前記フレーム内の複数の位置での前記第１のゲイン値の間または前記フレーム内の複数の位置での前記第１の差分値の間での差分値を求めることで符号化されている
　（１２）に記載の復号化装置。
（１４）
　前記第２の差分値が、前記フレーム内の前記第１のゲイン値または前記第１の差分値の傾きが変化するゲイン変化点から求められることで符号化されている
　（１２）または（１３）に記載の復号化装置。
（１５）
　前記第２の差分値が、前記ゲイン変化点と、他のゲイン変化点との差分から求められることで符号化されている
　（１４）に記載の復号化装置。
（１６）
　前記第２の差分値が、前記ゲイン変化点と、他のゲイン変化点を用いた１次予測による予測値との差分から求められることで符号化されている
　（１４）に記載の復号化装置。
（１７）
　前記フレーム内における前記ゲイン変化点の個数と、前記ゲイン変化点における前記第２の差分値に基づく情報が前記第２の差分値として符号化されている
　（１４）乃至（１６）の何れか一項に記載の復号化装置。
（１８）
　音声信号のフレームごとに算出された音量補正のための第１のゲイン値と第２のゲイン値について、前記第１のゲイン値と前記第２のゲイン値の第１の差分値、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求めることで生成されたゲイン符号列と、前記音声信号を符号化して得られた信号符号列とに入力符号列を非多重化し、
　前記信号符号列を復号化し、
　前記ゲイン符号列を復号化して、前記音量補正のための前記第１のゲイン値または前記第２のゲイン値を出力する
　ステップを含む復号化方法。
（１９）
　音声信号のフレームごとに算出された音量補正のための第１のゲイン値と第２のゲイン値について、前記第１のゲイン値と前記第２のゲイン値の第１の差分値、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求めることで生成されたゲイン符号列と、前記音声信号を符号化して得られた信号符号列とに入力符号列を非多重化し、
　前記信号符号列を復号化し、
　前記ゲイン符号列を復号化して、前記音量補正のための前記第１のゲイン値または前記第２のゲイン値を出力する
　ステップを含む処理をコンピュータに実行させるプログラム。
　５１　符号化装置，　６２　第一ゲイン計算回路，　６５　第二ゲイン計算回路，　６６　ゲイン符号化回路，　６７　信号符号化回路，　６８　多重化回路，　９１　復号化装置，　１０１　非多重化回路，　１０２　信号復号化回路，　１０３　ゲイン復号化回路，　１０４　ゲイン適用回路，　１４１　第二音圧レベル推定回路

Claims (19)

  1. 　音声信号のフレームごとに音量補正のための第１のゲイン値と第２のゲイン値を算出するゲイン計算部と、
    　前記第１のゲイン値と前記第２のゲイン値の第１の差分値を求め、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求め、前記第１の差分値または前記第２の差分値に基づく情報を符号化するゲイン符号化部と
    　を備える符号化装置。
  2. 　前記ゲイン符号化部は、前記フレーム内の複数の位置での前記第１のゲイン値と前記第２のゲイン値の前記第１の差分値を求め、または前記フレーム内の複数の位置での前記第１のゲイン値の間若しくは前記フレーム内の複数の位置での前記第１の差分値の間で前記第２の差分値を求める
    　請求項１に記載の符号化装置。
  3. 　前記ゲイン符号化部は、前記フレーム内の前記第１のゲイン値または前記第１の差分値の傾きが変化するゲイン変化点に基づいて前記第２の差分値を求める
    　請求項１に記載の符号化装置。
  4. 　前記ゲイン符号化部は、前記ゲイン変化点と、他のゲイン変化点との差分を求めることで、前記第２の差分値を求める
    　請求項３に記載の符号化装置。
  5. 　前記ゲイン符号化部は、前記ゲイン変化点と、他のゲイン変化点を用いた１次予測による予測値との差分を求めることで、前記第２の差分値を求める
    　請求項３に記載の符号化装置。
  6. 　前記ゲイン符号化部は、前記フレーム内における前記ゲイン変化点の個数と、前記ゲイン変化点における前記第２の差分値に基づく情報を符号化する
    　請求項３に記載の符号化装置。
  7. 　前記ゲイン計算部は、ダウンミックスにより得られる異なるチャネル数の前記音声信号ごとに、前記第２のゲイン値を算出する
    　請求項１に記載の符号化装置。
  8. 　前記ゲイン符号化部は、前記第１のゲイン値と前記第２のゲイン値の相関に基づいて、前記第１の差分値を求めるか否かを選択する
    　請求項１に記載の符号化装置。
  9. 　前記ゲイン符号化部は、前記第１の差分値または前記第２の差分値を可変長符号化する
    　請求項１に記載の符号化装置。
  10. 　音声信号のフレームごとに音量補正のための第１のゲイン値と第２のゲイン値を算出し、
    　前記第１のゲイン値と前記第２のゲイン値の第１の差分値を求め、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求め、前記第１の差分値または前記第２の差分値に基づく情報を符号化する
    　ステップを含む符号化方法。
  11. 　音声信号のフレームごとに音量補正のための第１のゲイン値と第２のゲイン値を算出し、
    　前記第１のゲイン値と前記第２のゲイン値の第１の差分値を求め、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求め、前記第１の差分値または前記第２の差分値に基づく情報を符号化する
    　ステップを含む処理をコンピュータに実行させるプログラム。
  12. 　音声信号のフレームごとに算出された音量補正のための第１のゲイン値と第２のゲイン値について、前記第１のゲイン値と前記第２のゲイン値の第１の差分値、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求めることで生成されたゲイン符号列と、前記音声信号を符号化して得られた信号符号列とに、入力符号列を非多重化する非多重化部と、
    　前記信号符号列を復号化する信号復号化部と、
    　前記ゲイン符号列を復号化して、前記音量補正のための前記第１のゲイン値または前記第２のゲイン値を出力するゲイン復号化部と
    　を備える復号化装置。
  13. 　前記第１の差分値は、前記フレーム内の複数の位置での前記第１のゲイン値と前記第２のゲイン値の差分値を求めることで符号化されており、
    　前記第２の差分値は、前記フレーム内の複数の位置での前記第１のゲイン値の間または前記フレーム内の複数の位置での前記第１の差分値の間での差分値を求めることで符号化されている
    　請求項１２に記載の復号化装置。
  14. 　前記第２の差分値が、前記フレーム内の前記第１のゲイン値または前記第１の差分値の傾きが変化するゲイン変化点から求められることで符号化されている
    　請求項１２に記載の復号化装置。
  15. 　前記第２の差分値が、前記ゲイン変化点と、他のゲイン変化点との差分から求められることで符号化されている
    　請求項１４に記載の復号化装置。
  16. 　前記第２の差分値が、前記ゲイン変化点と、他のゲイン変化点を用いた１次予測による予測値との差分から求められることで符号化されている
    　請求項１４に記載の復号化装置。
  17. 　前記フレーム内における前記ゲイン変化点の個数と、前記ゲイン変化点における前記第２の差分値に基づく情報が前記第２の差分値として符号化されている
    　請求項１４に記載の復号化装置。
  18. 　音声信号のフレームごとに算出された音量補正のための第１のゲイン値と第２のゲイン値について、前記第１のゲイン値と前記第２のゲイン値の第１の差分値、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求めることで生成されたゲイン符号列と、前記音声信号を符号化して得られた信号符号列とに入力符号列を非多重化し、
    　前記信号符号列を復号化し、
    　前記ゲイン符号列を復号化して、前記音量補正のための前記第１のゲイン値または前記第２のゲイン値を出力する
    　ステップを含む復号化方法。
  19. 　音声信号のフレームごとに算出された音量補正のための第１のゲイン値と第２のゲイン値について、前記第１のゲイン値と前記第２のゲイン値の第１の差分値、または前記第１のゲイン値と隣接する前記フレームの前記第１のゲイン値との間若しくは前記第１の差分値と隣接する前記フレームの前記第１の差分値との間で第２の差分値を求めることで生成されたゲイン符号列と、前記音声信号を符号化して得られた信号符号列とに入力符号列を非多重化し、
    　前記信号符号列を復号化し、
    　前記ゲイン符号列を復号化して、前記音量補正のための前記第１のゲイン値または前記第２のゲイン値を出力する
    　ステップを含む処理をコンピュータに実行させるプログラム。
PCT/JP2014/073465 2013-09-19 2014-09-05 符号化装置および方法、復号化装置および方法、並びにプログラム WO2015041070A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP14846054.6A EP3048609A4 (en) 2013-09-19 2014-09-05 Encoding device and method, decoding device and method, and program
JP2015537641A JP6531649B2 (ja) 2013-09-19 2014-09-05 符号化装置および方法、復号化装置および方法、並びにプログラム
US14/917,825 US9875746B2 (en) 2013-09-19 2014-09-05 Encoding device and method, decoding device and method, and program
CN201480050373.8A CN105531762B (zh) 2013-09-19 2014-09-05 编码装置和方法、解码装置和方法以及程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013193787 2013-09-19
JP2013-193787 2013-09-19

Publications (1)

Publication Number Publication Date
WO2015041070A1 true WO2015041070A1 (ja) 2015-03-26

Family

ID=52688721

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/073465 WO2015041070A1 (ja) 2013-09-19 2014-09-05 符号化装置および方法、復号化装置および方法、並びにプログラム

Country Status (5)

Country Link
US (1) US9875746B2 (ja)
EP (1) EP3048609A4 (ja)
JP (1) JP6531649B2 (ja)
CN (1) CN105531762B (ja)
WO (1) WO2015041070A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021514136A (ja) * 2018-02-15 2021-06-03 ドルビー ラボラトリーズ ライセンシング コーポレイション 音量制御方法および装置

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1805891B1 (en) 2004-10-26 2012-05-16 Dolby Laboratories Licensing Corporation Calculating and adjusting the perceived loudness and/or the perceived spectral balance of an audio signal
JP5754899B2 (ja) 2009-10-07 2015-07-29 ソニー株式会社 復号装置および方法、並びにプログラム
TWI529703B (zh) 2010-02-11 2016-04-11 杜比實驗室特許公司 用以非破壞地正常化可攜式裝置中音訊訊號響度之系統及方法
JP5609737B2 (ja) 2010-04-13 2014-10-22 ソニー株式会社 信号処理装置および方法、符号化装置および方法、復号装置および方法、並びにプログラム
JP5850216B2 (ja) 2010-04-13 2016-02-03 ソニー株式会社 信号処理装置および方法、符号化装置および方法、復号装置および方法、並びにプログラム
JP5707842B2 (ja) 2010-10-15 2015-04-30 ソニー株式会社 符号化装置および方法、復号装置および方法、並びにプログラム
JP5743137B2 (ja) 2011-01-14 2015-07-01 ソニー株式会社 信号処理装置および方法、並びにプログラム
CN103325380B (zh) 2012-03-23 2017-09-12 杜比实验室特许公司 用于信号增强的增益后处理
CN104303229B (zh) 2012-05-18 2017-09-12 杜比实验室特许公司 用于维持与参数音频编码器相关联的可逆动态范围控制信息的***
US10844689B1 (en) 2019-12-19 2020-11-24 Saudi Arabian Oil Company Downhole ultrasonic actuator system for mitigating lost circulation
CA2843263A1 (en) 2012-07-02 2014-01-09 Sony Corporation Decoding device, decoding method, encoding device, encoding method, and program
MX2021011251A (es) 2013-01-21 2022-10-28 Dolby Laboratories Licensing Corp Codificador y decodificador de audio con metadatos de límite y sonoridad de programa.
ES2624419T3 (es) 2013-01-21 2017-07-14 Dolby Laboratories Licensing Corporation Sistema y procedimiento para optimizar la sonoridad y el rango dinámico a través de diferentes dispositivos de reproducción
CN105074818B (zh) 2013-02-21 2019-08-13 杜比国际公司 音频编码***、用于产生比特流的方法以及音频解码器
CN107093991B (zh) 2013-03-26 2020-10-09 杜比实验室特许公司 基于目标响度的响度归一化方法和设备
EP2981910A1 (en) 2013-04-05 2016-02-10 Dolby Laboratories Licensing Corporation Acquisition, recovery, and matching of unique information from file-based media for automated file detection
TWM487509U (zh) 2013-06-19 2014-10-01 杜比實驗室特許公司 音訊處理設備及電子裝置
EP4379714A2 (en) 2013-09-12 2024-06-05 Dolby Laboratories Licensing Corporation Loudness adjustment for downmixed audio content
WO2015038475A1 (en) 2013-09-12 2015-03-19 Dolby Laboratories Licensing Corporation Dynamic range control for a wide variety of playback environments
BR112016014476B1 (pt) 2013-12-27 2021-11-23 Sony Corporation Aparelho e método de decodificação, e, meio de armazenamento legível por computador
CN105142067B (zh) 2014-05-26 2020-01-07 杜比实验室特许公司 音频信号响度控制
US10453467B2 (en) 2014-10-10 2019-10-22 Dolby Laboratories Licensing Corporation Transmission-agnostic presentation-based program loudness
CN110428381B (zh) * 2019-07-31 2022-05-06 Oppo广东移动通信有限公司 图像处理方法、图像处理装置、移动终端及存储介质
CN112992159B (zh) * 2021-05-17 2021-08-06 北京百瑞互联技术有限公司 一种lc3音频编解码方法、装置、设备及存储介质
CN117223057A (zh) * 2021-05-28 2023-12-12 杜比实验室特许公司 空间音频对象的动态范围调整

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002373000A (ja) * 2001-06-15 2002-12-26 Nec Corp 音声符号化復号方式間の符号変換方法、その装置、そのプログラム及び記憶媒体
JP2008261978A (ja) * 2007-04-11 2008-10-30 Toshiba Microelectronics Corp 再生音量自動調整方法
WO2009001874A1 (ja) * 2007-06-27 2008-12-31 Nec Corporation オーディオ符号化方法、オーディオ復号方法、オーディオ符号化装置、オーディオ復号装置、プログラム、およびオーディオ符号化・復号システム
JP2010212760A (ja) * 2009-03-06 2010-09-24 Sony Corp 音響機器及び音響処理方法

Family Cites Families (164)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4628529A (en) 1985-07-01 1986-12-09 Motorola, Inc. Noise suppression system
JPH03254223A (ja) 1990-03-02 1991-11-13 Eastman Kodak Japan Kk アナログデータ伝送方式
JP2655485B2 (ja) 1994-06-24 1997-09-17 日本電気株式会社 音声セル符号化装置
JP3498375B2 (ja) 1994-07-20 2004-02-16 ソニー株式会社 ディジタル・オーディオ信号記録装置
JP3189598B2 (ja) 1994-10-28 2001-07-16 松下電器産業株式会社 信号合成方法および信号合成装置
JPH1020888A (ja) 1996-07-02 1998-01-23 Matsushita Electric Ind Co Ltd 音声符号化・復号化装置
US6073100A (en) 1997-03-31 2000-06-06 Goodridge, Jr.; Alan G Method and apparatus for synthesizing signals using transform-domain match-output extension
SE512719C2 (sv) 1997-06-10 2000-05-02 Lars Gustaf Liljeryd En metod och anordning för reduktion av dataflöde baserad på harmonisk bandbreddsexpansion
US6415251B1 (en) 1997-07-11 2002-07-02 Sony Corporation Subband coder or decoder band-limiting the overlap region between a processed subband and an adjacent non-processed one
SE9903553D0 (sv) 1999-01-27 1999-10-01 Lars Liljeryd Enhancing percepptual performance of SBR and related coding methods by adaptive noise addition (ANA) and noise substitution limiting (NSL)
JP3696091B2 (ja) 1999-05-14 2005-09-14 松下電器産業株式会社 オーディオ信号の帯域を拡張するための方法及び装置
JP3454206B2 (ja) 1999-11-10 2003-10-06 三菱電機株式会社 雑音抑圧装置及び雑音抑圧方法
CA2290037A1 (en) 1999-11-18 2001-05-18 Voiceage Corporation Gain-smoothing amplifier device and method in codecs for wideband speech and audio signals
SE0004163D0 (sv) 2000-11-14 2000-11-14 Coding Technologies Sweden Ab Enhancing perceptual performance of high frequency reconstruction coding methods by adaptive filtering
JP2002268698A (ja) 2001-03-08 2002-09-20 Nec Corp 音声認識装置と標準パターン作成装置及び方法並びにプログラム
SE0101175D0 (sv) 2001-04-02 2001-04-02 Coding Technologies Sweden Ab Aliasing reduction using complex-exponential-modulated filterbanks
DE60230856D1 (de) 2001-07-13 2009-03-05 Panasonic Corp Audiosignaldecodierungseinrichtung und audiosignalcodierungseinrichtung
US6895375B2 (en) 2001-10-04 2005-05-17 At&T Corp. System for bandwidth extension of Narrow-band speech
US6988066B2 (en) 2001-10-04 2006-01-17 At&T Corp. Method of bandwidth extension for narrow-band speech
KR100935961B1 (ko) 2001-11-14 2010-01-08 파나소닉 주식회사 부호화 장치 및 복호화 장치
JP3926726B2 (ja) 2001-11-14 2007-06-06 松下電器産業株式会社 符号化装置および復号化装置
PT1423847E (pt) 2001-11-29 2005-05-31 Coding Tech Ab Reconstrucao de componentes de frequencia elevada
EP1470550B1 (en) 2002-01-30 2008-09-03 Matsushita Electric Industrial Co., Ltd. Audio encoding and decoding device and methods thereof
JP2003255973A (ja) 2002-02-28 2003-09-10 Nec Corp 音声帯域拡張システムおよび方法
US20030187663A1 (en) 2002-03-28 2003-10-02 Truman Michael Mead Broadband frequency translation for high frequency regeneration
JP2003316394A (ja) 2002-04-23 2003-11-07 Nec Corp 音声復号システム、及び、音声復号方法、並びに、音声復号プログラム
US7447631B2 (en) 2002-06-17 2008-11-04 Dolby Laboratories Licensing Corporation Audio coding system using spectral hole filling
CN1328707C (zh) 2002-07-19 2007-07-25 日本电气株式会社 音频解码设备以及解码方法
JP4728568B2 (ja) 2002-09-04 2011-07-20 マイクロソフト コーポレーション レベル・モードとラン・レングス／レベル・モードの間での符号化を適応させるエントロピー符号化
JP3881943B2 (ja) 2002-09-06 2007-02-14 松下電器産業株式会社 音響符号化装置及び音響符号化方法
SE0202770D0 (sv) 2002-09-18 2002-09-18 Coding Technologies Sweden Ab Method for reduction of aliasing introduces by spectral envelope adjustment in real-valued filterbanks
US7069212B2 (en) 2002-09-19 2006-06-27 Matsushita Elecric Industrial Co., Ltd. Audio decoding apparatus and method for band expansion with aliasing adjustment
US7330812B2 (en) 2002-10-04 2008-02-12 National Research Council Of Canada Method and apparatus for transmitting an audio stream having additional payload in a hidden sub-channel
WO2004080125A1 (en) 2003-03-04 2004-09-16 Nokia Corporation Support of a multichannel audio extension
US7318035B2 (en) 2003-05-08 2008-01-08 Dolby Laboratories Licensing Corporation Audio coding systems and methods using spectral component coupling and spectral component regeneration
US20050004793A1 (en) 2003-07-03 2005-01-06 Pasi Ojala Signal adaptation for higher band coding in a codec utilizing band split coding
KR20050027179A (ko) 2003-09-13 2005-03-18 삼성전자주식회사 오디오 데이터 복원 방법 및 그 장치
US7844451B2 (en) 2003-09-16 2010-11-30 Panasonic Corporation Spectrum coding/decoding apparatus and method for reducing distortion of two band spectrums
KR20060090995A (ko) 2003-10-23 2006-08-17 마쓰시다 일렉트릭 인더스트리얼 컴패니 리미티드 스펙트럼 부호화 장치, 스펙트럼 복호화 장치, 음향 신호송신 장치, 음향 신호 수신장치 및 이들의 방법
KR100587953B1 (ko) 2003-12-26 2006-06-08 한국전자통신연구원 대역-분할 광대역 음성 코덱에서의 고대역 오류 은닉 장치 및 그를 이용한 비트스트림 복호화 시스템
EP1744139B1 (en) 2004-05-14 2015-11-11 Panasonic Intellectual Property Corporation of America Decoding apparatus and method thereof
KR20070012832A (ko) 2004-05-19 2007-01-29 마츠시타 덴끼 산교 가부시키가이샤 부호화 장치, 복호화 장치 및 이들의 방법
DE602004028171D1 (de) 2004-05-28 2010-08-26 Nokia Corp Mehrkanalige audio-erweiterung
KR100608062B1 (ko) 2004-08-04 2006-08-02 삼성전자주식회사 오디오 데이터의 고주파수 복원 방법 및 그 장치
US7716046B2 (en) 2004-10-26 2010-05-11 Qnx Software Systems (Wavemakers), Inc. Advanced periodic signal enhancement
US20060106620A1 (en) 2004-10-28 2006-05-18 Thompson Jeffrey K Audio spatial environment down-mixer
SE0402651D0 (sv) 2004-11-02 2004-11-02 Coding Tech Ab Advanced methods for interpolation and parameter signalling
RU2404506C2 (ru) 2004-11-05 2010-11-20 Панасоник Корпорэйшн Устройство масштабируемого декодирования и устройство масштабируемого кодирования
JP4977471B2 (ja) 2004-11-05 2012-07-18 パナソニック株式会社 符号化装置及び符号化方法
KR100657916B1 (ko) 2004-12-01 2006-12-14 삼성전자주식회사 주파수 대역간의 유사도를 이용한 오디오 신호 처리 장치및 방법
JP5224017B2 (ja) 2005-01-11 2013-07-03 日本電気株式会社 オーディオ符号化装置、オーディオ符号化方法およびオーディオ符号化プログラム
WO2006107837A1 (en) 2005-04-01 2006-10-12 Qualcomm Incorporated Methods and apparatus for encoding and decoding an highband portion of a speech signal
CN102163429B (zh) 2005-04-15 2013-04-10 杜比国际公司 用于处理去相干信号或组合信号的设备和方法
US20070005351A1 (en) 2005-06-30 2007-01-04 Sathyendra Harsha M Method and system for bandwidth expansion for voice communications
JP4899359B2 (ja) 2005-07-11 2012-03-21 ソニー株式会社 信号符号化装置及び方法、信号復号装置及び方法、並びにプログラム及び記録媒体
KR100813259B1 (ko) 2005-07-13 2008-03-13 삼성전자주식회사 입력신호의 계층적 부호화/복호화 장치 및 방법
WO2007026821A1 (ja) 2005-09-02 2007-03-08 Matsushita Electric Industrial Co., Ltd. エネルギー整形装置及びエネルギー整形方法
WO2007037361A1 (ja) 2005-09-30 2007-04-05 Matsushita Electric Industrial Co., Ltd. 音声符号化装置および音声符号化方法
CN101283407B (zh) 2005-10-14 2012-05-23 松下电器产业株式会社 变换编码装置和变换编码方法
BRPI0520729B1 (pt) 2005-11-04 2019-04-02 Nokia Technologies Oy Método para a codificação e decodificação de sinais de áudio, codificador para codificação e decodificador para decodificar sinais de áudio e sistema para compressão de áudio digital.
JP4876574B2 (ja) 2005-12-26 2012-02-15 ソニー株式会社 信号符号化装置及び方法、信号復号装置及び方法、並びにプログラム及び記録媒体
JP4863713B2 (ja) 2005-12-29 2012-01-25 富士通株式会社 雑音抑制装置、雑音抑制方法、及びコンピュータプログラム
US7953604B2 (en) 2006-01-20 2011-05-31 Microsoft Corporation Shape and scale parameters for extended-band frequency coding
US7590523B2 (en) 2006-03-20 2009-09-15 Mindspeed Technologies, Inc. Speech post-processing using MDCT coefficients
US20090248407A1 (en) 2006-03-31 2009-10-01 Panasonic Corporation Sound encoder, sound decoder, and their methods
US20100161323A1 (en) 2006-04-27 2010-06-24 Panasonic Corporation Audio encoding device, audio decoding device, and their method
DE602007005630D1 (de) 2006-05-10 2010-05-12 Panasonic Corp Codierungseinrichtung und codierungsverfahren
JP2007316254A (ja) 2006-05-24 2007-12-06 Sony Corp オーディオ信号補間方法及びオーディオ信号補間装置
KR20070115637A (ko) 2006-06-03 2007-12-06 삼성전자주식회사 대역폭 확장 부호화 및 복호화 방법 및 장치
JP2007333785A (ja) 2006-06-12 2007-12-27 Matsushita Electric Ind Co Ltd オーディオ信号符号化装置およびオーディオ信号符号化方法
US8010352B2 (en) 2006-06-21 2011-08-30 Samsung Electronics Co., Ltd. Method and apparatus for adaptively encoding and decoding high frequency band
US8260609B2 (en) 2006-07-31 2012-09-04 Qualcomm Incorporated Systems, methods, and apparatus for wideband encoding and decoding of inactive frames
JP5061111B2 (ja) 2006-09-15 2012-10-31 パナソニック株式会社 音声符号化装置および音声符号化方法
JP4918841B2 (ja) 2006-10-23 2012-04-18 富士通株式会社 符号化システム
US8295507B2 (en) 2006-11-09 2012-10-23 Sony Corporation Frequency band extending apparatus, frequency band extending method, player apparatus, playing method, program and recording medium
JP5141180B2 (ja) 2006-11-09 2013-02-13 ソニー株式会社 周波数帯域拡大装置及び周波数帯域拡大方法、再生装置及び再生方法、並びに、プログラム及び記録媒体
KR101565919B1 (ko) 2006-11-17 2015-11-05 삼성전자주식회사 고주파수 신호 부호화 및 복호화 방법 및 장치
JP4930320B2 (ja) 2006-11-30 2012-05-16 ソニー株式会社 再生方法及び装置、プログラム並びに記録媒体
WO2008072737A1 (ja) 2006-12-15 2008-06-19 Panasonic Corporation 符号化装置、復号装置およびこれらの方法
JP4984983B2 (ja) 2007-03-09 2012-07-25 富士通株式会社 符号化装置および符号化方法
US8015368B2 (en) 2007-04-20 2011-09-06 Siport, Inc. Processor extensions for accelerating spectral band replication
KR101355376B1 (ko) 2007-04-30 2014-01-23 삼성전자주식회사 고주파수 영역 부호화 및 복호화 방법 및 장치
JP5071479B2 (ja) 2007-07-04 2012-11-14 富士通株式会社 符号化装置、符号化方法および符号化プログラム
JP5045295B2 (ja) * 2007-07-30 2012-10-10 ソニー株式会社 信号処理装置及び方法、並びにプログラム
US8041577B2 (en) 2007-08-13 2011-10-18 Mitsubishi Electric Research Laboratories, Inc. Method for expanding audio signal bandwidth
CN101809657B (zh) 2007-08-27 2012-05-30 爱立信电话股份有限公司 用于噪声填充的方法和设备
WO2009029037A1 (en) 2007-08-27 2009-03-05 Telefonaktiebolaget Lm Ericsson (Publ) Adaptive transition frequency between noise fill and bandwidth extension
CA2697920C (en) 2007-08-27 2018-01-02 Telefonaktiebolaget L M Ericsson (Publ) Transient detector and method for supporting encoding of an audio signal
JP5409377B2 (ja) 2007-10-23 2014-02-05 クラリオン株式会社 高域補間装置および高域補間方法
JP4733727B2 (ja) 2007-10-30 2011-07-27 日本電信電話株式会社 音声楽音擬似広帯域化装置と音声楽音擬似広帯域化方法、及びそのプログラムとその記録媒体
KR101373004B1 (ko) 2007-10-30 2014-03-26 삼성전자주식회사 고주파수 신호 부호화 및 복호화 장치 및 방법
US8352249B2 (en) 2007-11-01 2013-01-08 Panasonic Corporation Encoding device, decoding device, and method thereof
JP5547081B2 (ja) 2007-11-02 2014-07-09 華為技術有限公司 音声復号化方法及び装置
US20090132238A1 (en) 2007-11-02 2009-05-21 Sudhakar B Efficient method for reusing scale factors to improve the efficiency of an audio encoder
CA2704807A1 (en) 2007-11-06 2009-05-14 Nokia Corporation Audio coding apparatus and method thereof
JP2009116275A (ja) 2007-11-09 2009-05-28 Toshiba Corp 雑音抑圧、音声スペクトル平滑化、音声特徴抽出、音声認識及び音声モデルトレーニングための方法及び装置
WO2009066960A1 (en) 2007-11-21 2009-05-28 Lg Electronics Inc. A method and an apparatus for processing a signal
US8688441B2 (en) 2007-11-29 2014-04-01 Motorola Mobility Llc Method and apparatus to facilitate provision and use of an energy value to determine a spectral envelope shape for out-of-signal bandwidth content
EP3261090A1 (en) 2007-12-21 2017-12-27 III Holdings 12, LLC Encoder, decoder, and encoding method
JPWO2009084221A1 (ja) 2007-12-27 2011-05-12 パナソニック株式会社 符号化装置、復号装置およびこれらの方法
DE602008005250D1 (de) 2008-01-04 2011-04-14 Dolby Sweden Ab Audiokodierer und -dekodierer
US8422569B2 (en) 2008-01-25 2013-04-16 Panasonic Corporation Encoding device, decoding device, and method thereof
KR101413968B1 (ko) 2008-01-29 2014-07-01 삼성전자주식회사 오디오 신호의 부호화, 복호화 방법 및 장치
US8433582B2 (en) 2008-02-01 2013-04-30 Motorola Mobility Llc Method and apparatus for estimating high-band energy in a bandwidth extension system
US20090201983A1 (en) 2008-02-07 2009-08-13 Motorola, Inc. Method and apparatus for estimating high-band energy in a bandwidth extension system
KR101221919B1 (ko) 2008-03-03 2013-01-15 연세대학교 산학협력단 오디오 신호 처리 방법 및 장치
KR101449434B1 (ko) * 2008-03-04 2014-10-13 삼성전자주식회사 복수의 가변장 부호 테이블을 이용한 멀티 채널 오디오를부호화/복호화하는 방법 및 장치
ES2895268T3 (es) 2008-03-20 2022-02-18 Fraunhofer Ges Forschung Aparato y método para modificar una representación parametrizada
KR20090122142A (ko) 2008-05-23 2009-11-26 엘지전자 주식회사 오디오 신호 처리 방법 및 장치
JP5588976B2 (ja) 2008-06-20 2014-09-10 ラムバス・インコーポレーテッド 周波数応答バス符号化
BRPI0910811B1 (pt) 2008-07-11 2021-09-21 Fraunhofer-Gesellschaft Zur Forderung Der Angewandten Forschung E.V. Codificador de áudio, decodificador de áudio, métodos para codificar e decodificar um sinal de áudio.
JP5244971B2 (ja) 2008-07-11 2013-07-24 フラウンホーファー−ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン オーディオ信号合成器及びオーディオ信号符号器
JP5203077B2 (ja) 2008-07-14 2013-06-05 株式会社エヌ・ティ・ティ・ドコモ 音声符号化装置及び方法、音声復号化装置及び方法、並びに、音声帯域拡張装置及び方法
WO2010016271A1 (ja) 2008-08-08 2010-02-11 パナソニック株式会社 スペクトル平滑化装置、符号化装置、復号装置、通信端末装置、基地局装置及びスペクトル平滑化方法
JP2010079275A (ja) 2008-08-29 2010-04-08 Sony Corp 周波数帯域拡大装置及び方法、符号化装置及び方法、復号化装置及び方法、並びにプログラム
US8352279B2 (en) 2008-09-06 2013-01-08 Huawei Technologies Co., Ltd. Efficient temporal envelope coding approach by prediction between low band signal and high band signal
US8532983B2 (en) 2008-09-06 2013-09-10 Huawei Technologies Co., Ltd. Adaptive frequency prediction for encoding or decoding an audio signal
US8407046B2 (en) 2008-09-06 2013-03-26 Huawei Technologies Co., Ltd. Noise-feedback for spectral envelope quantization
US8798776B2 (en) 2008-09-30 2014-08-05 Dolby International Ab Transcoding of audio metadata
GB2466201B (en) 2008-12-10 2012-07-11 Skype Ltd Regeneration of wideband speech
GB0822537D0 (en) 2008-12-10 2009-01-14 Skype Ltd Regeneration of wideband speech
CN101770776B (zh) 2008-12-29 2011-06-08 华为技术有限公司 瞬态信号的编码方法和装置、解码方法和装置及处理***
PL4145446T3 (pl) 2009-01-16 2024-04-08 Dolby International Ab Transpozycja harmonicznych rozszerzona o iloczyn wektorowy
US8457975B2 (en) 2009-01-28 2013-06-04 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Audio decoder, audio encoder, methods for decoding and encoding an audio signal and computer program
JP4945586B2 (ja) 2009-02-02 2012-06-06 株式会社東芝 信号帯域拡張装置
US8463599B2 (en) 2009-02-04 2013-06-11 Motorola Mobility Llc Bandwidth extension method and apparatus for a modified discrete cosine transform audio coder
CN101853663B (zh) 2009-03-30 2012-05-23 华为技术有限公司 比特分配方法、编码装置及解码装置
EP2239732A1 (en) 2009-04-09 2010-10-13 Fraunhofer-Gesellschaft zur Förderung der Angewandten Forschung e.V. Apparatus and method for generating a synthesis audio signal and for encoding an audio signal
CO6440537A2 (es) 2009-04-09 2012-05-15 Fraunhofer Ges Forschung Aparato y metodo para generar una señal de audio de sintesis y para codificar una señal de audio
JP5223786B2 (ja) 2009-06-10 2013-06-26 富士通株式会社 音声帯域拡張装置、音声帯域拡張方法及び音声帯域拡張用コンピュータプログラムならびに電話機
US8515768B2 (en) 2009-08-31 2013-08-20 Apple Inc. Enhanced audio decoder
JP5754899B2 (ja) 2009-10-07 2015-07-29 ソニー株式会社 復号装置および方法、並びにプログラム
US8600749B2 (en) 2009-12-08 2013-12-03 At&T Intellectual Property I, L.P. System and method for training adaptation-specific acoustic models for automatic speech recognition
US8447617B2 (en) 2009-12-21 2013-05-21 Mindspeed Technologies, Inc. Method and system for speech bandwidth extension
EP2357649B1 (en) 2010-01-21 2012-12-19 Electronics and Telecommunications Research Institute Method and apparatus for decoding audio signal
TWI529703B (zh) 2010-02-11 2016-04-11 杜比實驗室特許公司 用以非破壞地正常化可攜式裝置中音訊訊號響度之系統及方法
JP5375683B2 (ja) 2010-03-10 2013-12-25 富士通株式会社 通信装置および電力補正方法
JP5598536B2 (ja) 2010-03-31 2014-10-01 富士通株式会社 帯域拡張装置および帯域拡張方法
JP5609737B2 (ja) 2010-04-13 2014-10-22 ソニー株式会社 信号処理装置および方法、符号化装置および方法、復号装置および方法、並びにプログラム
JP5652658B2 (ja) 2010-04-13 2015-01-14 ソニー株式会社 信号処理装置および方法、符号化装置および方法、復号装置および方法、並びにプログラム
JP5850216B2 (ja) 2010-04-13 2016-02-03 ソニー株式会社 信号処理装置および方法、符号化装置および方法、復号装置および方法、並びにプログラム
US8793126B2 (en) 2010-04-14 2014-07-29 Huawei Technologies Co., Ltd. Time/frequency two dimension post-processing
US9047875B2 (en) 2010-07-19 2015-06-02 Futurewei Technologies, Inc. Spectrum flatness control for bandwidth extension
US8560330B2 (en) 2010-07-19 2013-10-15 Futurewei Technologies, Inc. Energy envelope perceptual correction for high band coding
PL3285258T3 (pl) 2010-07-19 2019-05-31 Dolby Int Ab Przetwarzanie sygnałów audio podczas rekonstrukcji wysokiej częstotliwości
JP6075743B2 (ja) 2010-08-03 2017-02-08 ソニー株式会社 信号処理装置および方法、並びにプログラム
JP2012058358A (ja) 2010-09-07 2012-03-22 Sony Corp 雑音抑圧装置、雑音抑圧方法およびプログラム
JP5707842B2 (ja) 2010-10-15 2015-04-30 ソニー株式会社 符号化装置および方法、復号装置および方法、並びにプログラム
WO2012052802A1 (en) 2010-10-18 2012-04-26 Nokia Corporation An audio encoder/decoder apparatus
JP5743137B2 (ja) 2011-01-14 2015-07-01 ソニー株式会社 信号処理装置および方法、並びにプログラム
JP5704397B2 (ja) 2011-03-31 2015-04-22 ソニー株式会社 符号化装置および方法、並びにプログラム
JP6024077B2 (ja) 2011-07-01 2016-11-09 ヤマハ株式会社 信号送信装置および信号処理装置
JP5975243B2 (ja) 2011-08-24 2016-08-23 ソニー株式会社 符号化装置および方法、並びにプログラム
JP5942358B2 (ja) 2011-08-24 2016-06-29 ソニー株式会社 符号化装置および方法、復号装置および方法、並びにプログラム
JP6037156B2 (ja) 2011-08-24 2016-11-30 ソニー株式会社 符号化装置および方法、並びにプログラム
JP5845760B2 (ja) 2011-09-15 2016-01-20 ソニー株式会社 音声処理装置および方法、並びにプログラム
KR101585852B1 (ko) 2011-09-29 2016-01-15 돌비 인터네셔널 에이비 Fm 스테레오 라디오 신호들에서 고품질의 검출
US20150088528A1 (en) 2012-04-13 2015-03-26 Sony Corporation Decoding apparatus and method, audio signal processing apparatus and method, and program
JP5997592B2 (ja) 2012-04-27 2016-09-28 株式会社Ｎｔｔドコモ 音声復号装置
TWI517142B (zh) 2012-07-02 2016-01-11 Sony Corp Audio decoding apparatus and method, audio coding apparatus and method, and program
CA2843263A1 (en) 2012-07-02 2014-01-09 Sony Corporation Decoding device, decoding method, encoding device, encoding method, and program
KR20150032651A (ko) 2012-07-02 2015-03-27 소니 주식회사 복호 장치 및 방법, 부호화 장치 및 방법, 및 프로그램
WO2014007097A1 (ja) 2012-07-02 2014-01-09 ソニー株式会社 復号装置および方法、符号化装置および方法、並びにプログラム
JP2014123011A (ja) 2012-12-21 2014-07-03 Sony Corp 雑音検出装置および方法、並びに、プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002373000A (ja) * 2001-06-15 2002-12-26 Nec Corp 音声符号化復号方式間の符号変換方法、その装置、そのプログラム及び記憶媒体
JP2008261978A (ja) * 2007-04-11 2008-10-30 Toshiba Microelectronics Corp 再生音量自動調整方法
WO2009001874A1 (ja) * 2007-06-27 2008-12-31 Nec Corporation オーディオ符号化方法、オーディオ復号方法、オーディオ符号化装置、オーディオ復号装置、プログラム、およびオーディオ符号化・復号システム
JP2010212760A (ja) * 2009-03-06 2010-09-24 Sony Corp 音響機器及び音響処理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021514136A (ja) * 2018-02-15 2021-06-03 ドルビー ラボラトリーズ ライセンシング コーポレイション 音量制御方法および装置
JP7309734B2 (ja) 2018-02-15 2023-07-18 ドルビー ラボラトリーズ ライセンシング コーポレイション 音量制御方法および装置

Also Published As

Publication number Publication date
US9875746B2 (en) 2018-01-23
CN105531762A (zh) 2016-04-27
CN105531762B (zh) 2019-10-01
EP3048609A4 (en) 2017-05-03
JPWO2015041070A1 (ja) 2017-03-02
US20160225376A1 (en) 2016-08-04
JP6531649B2 (ja) 2019-06-19
EP3048609A1 (en) 2016-07-27

Similar Documents

Publication Publication Date Title
WO2015041070A1 (ja) 符号化装置および方法、復号化装置および方法、並びにプログラム
JP6753499B2 (ja) 復号化装置および方法、並びにプログラム
US11563411B2 (en) Metadata for loudness and dynamic range control
US10276173B2 (en) Encoded audio extended metadata-based dynamic range control
JP2012504260A (ja) オーディオメタデータのトランスコーディング
KR20090122145A (ko) 신호의 처리 방법 및 장치

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201480050373.8

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14846054

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2015537641

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14917825

Country of ref document: US

REEP Request for entry into the european phase

Ref document number: 2014846054

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2014846054

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE