JP2000501846A - 心理音響学的アダプティブ・ビット割り当てを用いたマルチ・チャネル予測サブバンド・コーダ - Google Patents

Abstract

(57)【要約】 サブバンド・オーディオ・コーダ（１２）は、時間、周波数、及び複数のオーディオ・チャネルにわたり、完全／非完全再構築フィルタ（３４）と、予測／非予測サブバンド・エンコーディング（７２）と、過渡分析（１０６）と、心理音響学的／最小二乗平均誤差（ｍｍｓｅ）ビット割り当て（３０）とを用い、データ・ストリームをエンコード／デコードして高忠実度の再構築されたオーディオを生成する。オーディオ・コーダは、フレーム・サイズ、即ち、バイト数が所望される範囲内にはいるように制限して複数チャンネルのオーディオ信号をウインドウ化し（６０）、エンコードされたデータをフォーマットして、個々のサブフレームが受信されたときに再生され得るようにし、レイテンシを低減する。更に、オーディオ・コーダは、同じエンコーディング／デコーディング・アルゴリズムで４８ｋＨｚ及びそれより高い周波数をサンプリングするためにオーディオ帯域のベースバンド部分（０〜２４ｋＨｚ）を処理し、それによって、オーディオ・コーダ・アーキテクチャが将来もコンパチブルであるようにする。

Description

【発明の詳細な説明】 心理音響学的アダプティブ・ビット割り当てを用いたマルチ・チャネル予測サ ブバンド・コーダ 発明の背景 発明の分野 本発明は、マルチチャネル・オーディオ信号の高品質のエンコーディングおよ びデコーディングに関し、更に特定すれば、完全／不完全再生フィルタ、予測／ 非予測サブバンド・エンコーディング、過渡（transient）分析、および心理音 響学的（psycho-acoustic）／最少二乗平均誤差（ｍｍｓｅ）ビット割り当てを 時間、周波数および多数のオーディオ・チャネルに対して用い、デコーディング のための計算負荷を制限して、データ・ストリームを生成するサブバンド・エン コーダに関するものである。 関連技術の説明 既知の高品質オーディオおよび音楽コーダは、２つの広義の方式のクラスに分 けることができる。第１に、心理音響学的マスク計算にしたがって、分析ウイン ドウ内でサブバンドまたは係数サンプルを適応的に量子化する、中ないし高周波 数分解能サブバンド／変換コーダ（medium to high frequency resolution subb and/transform coder）がある。第２に、ＡＤＰＣＭを用いてサブバンド・サン プルを処理することにより、劣っている周波数分解能を補う低分解のサブバンド ・コーダがある。 第１のクラスのコーダは、信号のスペクトル・エネルギに応じてビット割り当 てを適合化させることによって、一般的な音楽信号の大きな短期間スペクトル分 散（variance）を利用する。これらのコーダの高い分解能によって、周波数変換 された信号を直接心理音響学的モデルに適用することが可能となる。このモデル は、聴取(hearing)の臨界帯域理論に基づくものである。ドルビーのＡＣ−３オ ーディオ・コーダ、トッド(Todd)その他の「ＡＣ−３：オーディオ伝達および格 納のための柔軟な知覚的コーディング(AC-3: Flexible Perceptual Coding for Audio Transmission and Storage)」コンベンション・オブ・ザ・オーディオ・ エンジニアリング・ソサイティ（Convention of Audio Engineering Society,１ ９９４年２月）は、典型的に、各ＰＣＭ信号上で１０２４−ｆｆｔの計算を行い 、各チャネルにおいて心理音響学的モデルを１０２４個の周波数係数に適用し、 各係数に対するビット・レートを決定する。ドルビー・システムは、ウインドウ ・サイズを２５６サンプルに減少して過渡を分離する過渡（transient）分析を 用いる。ＡＣ−３コーダは、所有の逆方向適応アルゴリズム(backward adaptati onalgorithm)を用いて，ビット割り当て（allocation）をデコードする。これに よって、エンコードされたオーディオ・データと共に送出される、ビット割り当 て情報の量が減少する。その結果、オーディオに使用可能な帯域幅が、順方向適 応方式よりも拡大し、音質の改善に至る。 第２のクラスのコーダでは、差分サブバンド信号の量子化は、固定されている か、あるいはサブバンドの全てまたはいくつかにおける量子化ノイズ・パワーを 最少に抑えるように適合化するが、心理音響学的マスキング理論についての明示 的な引用は全くない。直接心理音響学的歪みスレッショルドは、ビット割り当て 処理に先立ってプレディクタ（予測器）の挙動を推定することが困難であること のために、予測／差分サブバンド信号には適用できないことは、一般的に受け入 れられている。問題は、予測プロセスにおける量子化ノイズのインタラクション （相互作用）によって更に複雑化する。 これらのコーダが動作するのは、知覚的臨界オーディオ信号が、通常、長い時 間期間にわたって周期的であるからである。この周期性が、予測差分（差動）量 子化に利用されている。信号を少数のサブバンドに分けることによって、ノイズ 変調の可聴効果が減少し、オーディオ信号における長期のスペクトルの分散の利 用が可能となる。サブバンドの数が増えた場合、各サブバンド内の予測ゲインが 減少し、ポイントによっては、予測ゲインがゼロになる場合もある。 デジタル・シアター・システム（Digital Theater System）、Ｌ．Ｐ．（ＤＴ Ｓ）は、オーディオ・コーダを利用し、各ＰＣＭオーディオ・チャネルを４個の サブバンドにフィルタし、予測器係数をサブバンド・データに適応させる逆（ba ckward）ＡＤＰＣＭエンコーダを用いて、各サブバンドをエンコードする。ビッ ト割り当ては固定され、各チャネル毎に同一に行われ、低い方の周波数サブバン ドには、高い方の周波数サブバンドよりも割り当てられるビット数が多い。ビッ ト割り当ては、例えば、４：１のような、固定の圧縮率を与える。ＤＴＳコーダ については、マイク スミス(Mike Smyth)およびステファン スミス(Stephen S myth)の「ＡＰＴ−Ｘ１００：放送用の短遅延、低ビット−レート、サブバンド ＡＤＰＣＭオーディオ・コーダ(APT-X100:A LOW-DELAY，LOW BIT-RATE，SUB-BAN D ADPCM AUDIO CODER FOR BROADCASTING)」（第１０回国際ＡＥＳ会議１９９１ 年の論文誌、第４１ないし５６ページ(Proceedings of the 10th International AES Conference 1991，pp．41-56)）に記載されている。 双方のタイプのオーディオ・コーダは、他にも共通の限界がある。第１に、既 知のオーディオ・コーダは、固定のフレーム・サイズを用いて、エンコード／デ コードを行う。即ち、１フレームによって表されるサンプル数又は時間期間が固 定している。その結果、エンコード化送信（伝送）レートがサンプリング・レー トに対して増加するに連れて、フレーム内のデータ量（バイト）も増大する。し たがって、デコーダのバッファ・サイズは、最悪の場合の状況に対処し、データ のオーバーフローを避けるように設計しなければならない。このために、デコー ダの構成要素の中で主に費用のかかるＲＡＭの量が増大する。第２に、既知のオ ーディオ・コーダは、４８ｋＨｚより高いサンプリング周波数に拡張するのは容 易ではない。これを行うと、既存のデコーダは、新しいエンコーダに要求される フォーマットとの互換性が失われる。この将来の互換性の欠如は、重大な制約と なる。更に、ＰＣＭデータをエンコードするために用いられている既知のフォー マットは、再生が開始可能になる前にデコーダによってフレーム全体が読み取ら れなければならない。このため、遅延又はレイテンシが聴取者に不快感を与えな いようにするために、バッファ・サイズを約１００ｍｓのデータ・ブロックに制 限することが必要となる。 加えて、これらのコーダは２４ｋＨｚまでのエンコード能力を有するが、しば しば高い方のサブバンドの欠落を生じる。これは、高周波数の信頼性又は再生さ れた（再構築された）信号のアンビアンス(ambiance)を損なうものである。既知 のエンコーダは、典型的に、２種類のエラー検出方式の一方を採用している。最 も一般的なのは、リード・ソロモン（Read Solomon）・コーディングであり、エ ンコーダは、エラー検出ビットを、データ・ストリーム内のサイド情報(side in formation）に付加する。これによって、サイド情報（副情報）におけるあらゆ るエラーの検出および訂正が容易に行われる。しかしながら、オーディオ・デー タ内のエラーは未検出のまま通過する。別の手法には、フレームおよびオーディ オ・ヘッダの無効コード状態をチェックするものがある。例えば、特定の３ビッ ト・パラメータは、３つの有効状態のみを有するようにすることができる。他の ５状態の１つが識別された場合、エラーが発生したはずである。これは、単に検 出機能を与えるに過ぎず、オーディオ・データにおけるエラーを検出するもので はない。 発明の概要 上述の問題に鑑み、本発明は、広い範囲の圧縮レベルに対処する柔軟性を有し 、高ビット・レートにおいてＣＤ品質より良い品質が得られ、かつ低いビット・ レートにおいて知覚品質(perceptual quality)が改善され、再生のレイテンシを 減らし、エラー検出を簡略化し、プレエコー歪み(pre-echo distortion)を改善 し、将来の更に高いサンプリング・レートへの拡張性を有する、マルチ・チャネ ル・オーディオ・コーダを提供する。 これを達成するに当たり、各オーディオ・チャネルを一連のオーディオ・フレ ームに枠付け(window、ウインドウ化)し、フレームをベースバンド範囲および高 周波数範囲に分離(filter、フィルタ)し、各ベースバンド信号を複数のサブバン ドに分解するサブバンド・コーダを用いる。このサブバンド・コーダは、通常、 ビット・レートが低い場合は、不完全（non-perfect）フィルタを選択してべー スバンド信号を分解するが、ビット・レートが十分に高い場合は、完全フィルタ を選択する。高周波数コーディング・ステージ（段）が、ベースバンド信号とは 独立して高周波数信号をエンコードする。ベースバンド・コーディング段は、Ｖ ＱコーダおよびＡＤＰＣＭコーダを含み、これらが高い方の周波数サブバンドお よび低い方の周波数サブバンドをそれぞれエンコードする。各サブバンド・フレ ームは、少なくとも１つのサブフレームを含み、その各々は更に、複数のサブ− サブフレームに分割される。各サブフレームを分析し、ＡＤＰＣＭコーダの予測 ゲインを推定（概算）する。この際、予測ゲインが低い場合、予測機能をディス エーブルし、過渡（transient、トランジエント）を検出して、過渡前ＳＦおよ び過渡後ＳＦを調節する。 グローバル・ビット管理（ＧＢＭ：global bit management）システムが、現 フレーム内の多数のオーディオ・チャネル、多数のサブバンド、およびサブフレ ームの間の差を利用して、各サブフレームにビットを割り当てる。ＧＢＭシステ ムは、最初に、ビットを各サブフレームに、予測ゲインによって修正されたそれ 自体のＳＭＲを計算して心理音響学的モデルを満足することによって、割り当て る。次に、ＧＢＭシステムは、ＭＭＳＥ手法にしたがって、あらゆる残りのビッ トを割り当て、直ちにＭＭＳＥ割り当てに切り替えるか、あるいは全体的なノイ ズ下限を低下させるか、あるいは徐々にＭＭＳＥ割り当てに変えていく。 マルチプレクサが、ｓｙｎｃ（同期）ワード、フレーム・ヘッダ、オーディオ ・ヘッダおよび少なくとも１つのサブフレームを含む出力フレームを発生する。 これらの出力フレームは、伝送レートでデータ・ストリームに多重化される。フ レーム・ヘッダは、ウインドウ・サイズおよび現出力フレームのサイズを含む。 オーディオ・ヘッダは、オーディオ・フレームに対する、パッキング配列および コーディング・フォーマットを含む。各オーディオ・サブフレームは、他のいず れのサブフレームも参照せずに当該オーディオ・サブフレームをデコードするた めのサイド情報(side information)と、高周波数ＶＱコードと、各チャネルの低 い方の周波数サブバンドがパックされ且つ他のチャネルと多重化される、複数の ベースバンド・オーディオ・サブ−サブフレームと、各チャネルの高周波数範囲 のオーディオ・データがパックされ且つ他のチャネルと多重化され、マルチ・チ ャネル・オーディオ信号が複数のデコーディング・サンプリング・レートでデコ ード可能とする高周波数オーディオ・ブロックと、サブフレームの終端を確認す るアンパックｓｙｎｃとを含む。 ウインドウ・サイズは、送信（伝送）レートのエンコーダ・サンプリング・レ ートに対する比の関数として選択し、出力フレームのサイズが所望の範囲に収ま るように制約を加える。圧縮の量が比較的少ない場合、ウインドウ・サイズを小 さくして、フレーム・サイズが上限の最大値を超過しないようにする。その結果 、 デコーダは、固定の比較的少量のＲＡＭを備える入力バッファの使用が可能とな る。圧縮量が比較的多い場合、ウインドウ・サイズを拡大する。その結果、ＧＢ Ｍシステムは、より大きな時間ウインドウにわたってビットを分配することがで き、これによってエンコーダの性能が向上する。 本発明のこれらおよびその他の特徴や利点は、以下の好適実施形態の詳細な説 明を、添付図面および表と共に検討することにより、当業者には明白となろう。 図面の簡単な説明 図１は、本発明による５チャネル・オーディオ・コーダのブロック図である。 図２は、マルチ・チャネル・エンコーダのブロック図である。 図３は、ベースバンド・エンコーダおよびデコーダのブロック図である。 図４ａおよび図４ｂは、それぞれ、高サンプリング・レート・エンコーダおよ びデコーダのブロック図である。 図５は、単一チャネル・エンコーダのブロック図である。 図６は、可変伝送レートに対する、フレーム当たりのバイト対フレーム・サイ ズのグラフである。 図７は、ＮＰＲおよびＰＲ再生フィルタについての振幅応答のグラフである。 図８は、再生フィルタについてのサブバンド・エリアシングのグラフである。 図９は、ＮＰＲおよびＰＲフィルタについての歪み曲線のグラフである。 図１０は、単一サブバンド・エンコーダの概略図である。 図１１ａおよび図１１ｂは、それぞれ、サブフレームに対する過渡検出および スケール・ファクタの計算を示す。 図１２は、量子化ＴＭＯＤＥＳのためのエントロピー・コーディング・プロセ スを示す。 図１３は、スケール・ファクタ量子化プロセスを示す。 図１４は、ＳＭＲを発生するための、信号マスクと、当該信号の周波数応答と の畳み込み（コンボリューション）を示す。 図１５は、人間の聴覚応答のグラフである。 図１６は、サブバンドに対するＳＭＲのグラフである。 図１７は、心理音響学的およびｍｍｓｅビット割り当てに対するエラー信号の グラフである。 図１８ａおよび図１８ｂは、それぞれ、ｍｍｓｅ「ウオータフィリング」ビッ ト割り当てプロセスを示す、サブバンド・エネルギ・レベルのグラフおよび逆（ 反転）グラフである。 図１９は、データ・ストリームにおける単一フレームのブロック図である。 図２０は、デコーダの概略図である。 図２１は、エンコーダのハードウエアによる実施のブロック図である。 図２２は、デコーダのハードウエアによる実施のブロック図である。 表の簡単な説明 表１は、最大フレーム・サイズ対サンプリング・レートおよび伝送レートを表 にまとめたものである。 表２は、最大許容フレーム・サイズ（バイト）対サンプリング・レートおよび 伝送レートを表にまとめたものである。 表３は、ＡＢＩＴインデックス値、量子化レベル数および得られるサブバンド ＳＮＲの間の関係を示す。 発明の詳細な説明 マルチ・チャネル・オーディオ・コーディング・システム 図１に示すように、本発明は、既知のエンコーディング方式の双方の特徴と、 単一のマルチ・チャネルオーディオ・コーダ１０における追加の特徴とを組み合 わせる。エンコーディング・アルゴリズムは、スタジオ品質レベル、即ち、「Ｃ Ｄよりも高い」品質で実行し、様々な圧縮レベル、サンプリング・レート、ワー ド長、チャネル数および知覚品質に対して、広い適用範囲を提供するように設計 されている。 エンコーダ１２は、典型的に４８ｋＨｚ、１６ないし２４ビットの間のワード 長でサンプリングされる、多数チャネルのＰＣＭオーディオ・データ１４を、適 切には３２ないし４０９６ｋｂｐｓの範囲の既知の伝送レートでのデータ・スト リーム１６にエンコードする。既知のオーディオ・コーダとは異なり、本発明の アーキテクチャは、ベースバンド・サンプリング・レートまたはいずれかの中間 サンプリング・レートに設計された既存のデコーダの互換性を失わせることなく 、 より高いサンプリング・レート（４８ないし１９２ｋＨｚ）に拡張することがで きる。更に、ＰＣＭデータ１４に枠（ウインドウ）を設け、一度に１フレームず つエンコードする。好ましくは、各フレームを、１〜４サブフレームに分割する 。オーディオ・ウインドウのサイズ、即ち、ＰＣＭサンプルの数は、サンプリン グ・レートおよび伝送レートの相対的な値に基づき、デコーダ１８がフレーム当 たり読み出す出力フレームのサイズ、即ち、バイト数を、５．３ないし８ｋバイ トに制約することが適切である。 その結果、デコーダにおいて、入来データ・ストリームをバッファするのに必 要なＲＡＭ量は比較的少なく抑えられ、デコーダのコストが低下する。低レート では、より大きなウインドウ・サイズを用いてＰＣＭデータをフレーム化するこ とができ、これによってコーディング処理能力が向上する。ビット・レートが高 い程小さいウインドウ・サイズを用いて、データの制約を満たさなければならな い。これは、必然的にコーディング処理能力を低下させるが、レートが高い場合 、これはさほど重要ではない。また、ＰＣＭデータをフレーム化することによっ て、デコーダ１８は、出力フレーム全体がバッファに読み込まれる前に、再生を 開始することができる。これは、オーディオ・コーダの遅延又はレイテンシを減 少させることになる。 エンコーダ１２は、高分解能フィルタバンクを用いる。これは、ビット・レー トに基づいて、非完全（ＮＰＲ）再構築（再生）フィルタおよび完全（ＰＲ）再 構築（再生）フィルタ間で切り替え、各オーディオ・チャネル１４を多数のサブ バンド信号に分解することが好ましい。予測およびベクトル量子化（ＶＱ）コー ダを用いて、下位および上位の周波数サブバンドをそれぞれエンコードする。開 始ＶＱサブバンドは、固定することができ、あるいは、電流信号特性の関数とし て動的（ダイナミック）に決定することも可能である。ジョイント（結合）周波 数コーディング(joint frequency coding)を低ビット・レートで用い、高い周波 数サブバンドにおいて多数のチャネルを同時にエンコードしてもよい。 予測（predictive）コーダは、サブバンド予測ゲインに基づいて、ＡＰＣＭモ ードとＡＤＰＣＭモードとの間で切り替えることが好ましい。過渡分析器が、各 サブバンド・サブフレームをプレエコー信号およびポストエコー信号（サブ−サ ブフレーム）に区分し、プレエコー信号およびポストエコー信号に対してそれぞ れのスケール・ファクタを計算することによって、プレエコー歪みを減少させる 。エンコーダは、コーディング効率を最適化するためのそれぞれの必要性（心理 音響学的またはｍｓｅ）に応じて、現フレームに対して、ＰＣＭチャネルおよび サブバンドの全てにわたって、使用可能なビット・レートを適応的に割り当てる 。予測コーディングと心理音響学的モデリングを組み合わせることによって、低 ビット・レート・コーディングの効率を高め、こうして目的とする透過性を達成 するビット・レートを低下させる。コンピュータまたはキーパッドのようなプロ グラマブル・コントローラ１９がエンコーダ１２とインターフェースし、所望の ビット・レート、チャネル数、ＰＲまたはＮＰＲ再構築、サンプリング・レート および伝送レートのようなパラメータを含むオーディオ・モード情報を中継する 。 エンコードされた信号および側波帯（サイドバンド）情報をパックし、データ ・ストリーム１６に多重化することにより、デコード計算負荷が所望の範囲内に 収まるようにする。データ・ストリーム１６は、ＣＤ、デジタル・ビデオ・ディ スク（ＤＶＤ：digital video disk）、または直接放送衛星のような伝送媒体２ ０上で、エンコードされるかあるいはこれらを通じて放送される。デコーダ１８ は、個々のサブバンド信号をデコードし、インバース・フィルタリング処理を行 って、マルチ・チャネル・オーディオ信号２２を発生する。この信号２２は、元 のマルチ・チャネル・オーディオ信号１４と主観的に同等である。ホーム・シア ター・システムまたはマルチメディア・コンピュータのようなオーディオ・シス テム２４が、ユーザのためにこのオーディオ信号を再生する。 マルチチャネル・エンコーダ 図２に示すように、エンコーダ１２は、複数の個別のチャネル・エンコーダ２ ６を含む。これらは５つが適当であり（左前、中央、右前、左後および右後）、 エンコードされたサブバンド信号（エンコード・サブバンド信号）２８のそれぞ れのセットを生成する。エンコード・サブバンド信号２８はチャネル当たり３２ 個のサブバンド信号が適当である。エンコーダ１２は、グローバル・ビット管理 （ＧＢＭ：global bit management）システム３０を採用し、共通ビット・プー ルからチャネル間で、１つのチャネル内のサブバンド間で、所与のサブバンド内 の個別のフレーム内で、ビットを動的に割り当てる。エンコーダ１２は、ジョイ ント周波数コーディング技法も用い、高い方の周波数サブバンドにおいて、チャ ネル間相関を利用することも可能である。更に、エンコーダ１２は、特定的に知 覚可能でない高い方の周波数サブバンド上でＶＱを使用し、基本的な高周波数信 頼性および非常に低いビット・レートにおけるアンビアンスを得ることができる 。このように、コーダは、多数のチャネルの、例えば、サブバンドのｒｍｓ値と 心理音響学的マスキング・レベルのような異種の信号要求や、各チャネル内の周 波数および所与のフレーム内の時間にわたる信号エネルギの非均一な分布を利用 する。 ビット割り当ての概要 ＧＢＭシステム３０は、最初に、どのチャネルのサブバンドが、ジョイント周 波数コード化されるかを決定し、そのデータを平均化し、次いで、どのサブバン ドがＶＱを用いてエンコードされるかを決定し、それらのビットを使用可能なビ ット・レートから差し引く。どのサブバンドをＶＱにという決定は、スレッショ ルド周波数より高い全てのサブバンドはＶＱであるという点において演繹的に行 うか、あるいは各フレーム内の個々のサブバンドの心理音響学的マスキング効果 に基づいて行うことができる。その後、ＧＭＢシステム３０は、心理音響学的マ スキングを用いて、ビット（ＡＢＩＴ）を残りのサブバンドに割り当て、デコー ドされたオーディオ信号の対象となる音質の最適化を行う。追加のビットが使用 可能な場合、エンコーダは、純粋なｍｍｓｅ方式、即ち、「ウオータフィリング （waterfilling）」に切り替え、サブバンドの相対的ｒｍｓ値に基づいて全ての ビットを割り当てし直し、エラー信号のｒｍｓ値を最少に抑えることができる。 これは、非常に高いビット−レートで適用可能である。好適な手法は、心理音響 学的ビット割り当てを保持し、ｍｍｓｅ方式にしたがって追加のビットのみを割 り当てることである。これによって、心理音響学的マスキングによって作成され るノイズ信号の形状を保持するが、ノイズ・フロア（下限、floor）を下方向に 均一にシフトする。 あるいは、この好適な手法を修正して、ｒｍｓと心理音響学的レベルの差にし たがって、追加のビットを割り当てるようにすることも可能である。その結果、 心理音響学的割り当ては、ビット−レートが高くなるに連れて、ｍｍｓｅ割り当 ての形態となり、２つの技法間で円滑な遷移が行われる。上述の技法は、固定ビ ット・レート・システムに特定して適用可能である。あるいは、エンコーダ１２ は、主観的にまたはｍｓｅで、歪みレベルをセットし、全体的なビット・レート を変化させて歪みレベルを維持することができる。マルチプレクサ３２が、指定 されたデータ・フォーマットにしたがって、サブバンド信号およびサイド情報を データ・ストリーム１６に多重化する。データ・フォーマットの詳細については 、図２０において以下で論ずる。 ベースバン・エンコーディング ８ないし４８ｋＨｚの範囲のサンプリング・レートでは、チャネル・エンコー ダ２６は、図３に示すように、４８ｋＨｚのサンプリング・レートで動作する、 ユニフォーム（均一）５１２−タップ・３２−バンド分析フィルタ・バンク３４ を用い、各チャネルのオーディオ・スペクトル０〜２４ｋＨｚを、サブバンド当 たり７５０Ｈｚの帯域を有する３２のサブバンドに分割する。コーディング・ス テージ（段）３６は、各サブバンド信号をコード化し、それらを圧縮データ・ス トリーム１６に多重化する（３８）。デコーダ１８は、圧縮データ・ストリーム を受け取り、アンパッカー(unpacker)４０を用いて各サブバンドのためにコード 化データを分離し、各サブバンド信号４２をデコードし、各チャネル毎に、５１ ２−タップ・３２−バンド・ユニフォーム補間フィルタ・バンク４４を用いて、 ＰＣＭデジタル・オーディオ信号（Ｆｓａｍｐ＝４８ｋＨｚ）を再構築（再生） する。 本アーキテクチャでは、コーディング戦略の全て、例えば、４８、９６または １９２ｋＨｚのサンプリング・レートは、３２バンド・エンコーディング／デコ ーディング・プロセスを、例えば、０〜２４ｋＨｚ間の最低（ベースバンド）オ ーディオ周波数に用いる。したがって、今日４８ｋＨｚサンプリング・レートに 基づいて設計され構築されているデコーダは、更に高い周波数成分を利用するよ うに設計される将来のエンコーダとの互換性を維持する。既存のデコーダは、ベ ースバンド信号（０〜２４ｋＨｚ）を読み取り、これより高い周波数ではエンコ ードされた信号を無視する。高サンプリング・レート・エンコーディング ４８〜９６ｋＨｚの範囲のサンプリング・レートでは、チャネル・エンコーダ ２６は、好ましくは、オーディオ・スペクトルを２つに分割し、ユニフォーム３ ２−バンド分析フィルタ・バンクを下側の半分に用い、８バンド分析フィルタ・ バンクを上側の半分に使用する。図４ａおよび図４ｂに示すように、オーディオ ・スペクトル０〜４８ｋＨｚは、２５６タップ・２バンド・デシメーション・プ レフィルタ・バンク４６を用いて最初に分割され、バンド当たり２４ｋＨｚのオ ーディオ帯域幅を与える。下側のバンド（０〜２４ｋＨｚ）は、図３において先 に説明したように、分割され、３２の均一バンドにエンコードされる。しかしな がら、上側のバンド（２４〜４８ｋＨｚ）は、８個の均一バンドに分割されエン コードされる。８バンド・デシメーション／補間フィルタ・バンク４８の遅延が 、３２バンド・フィルタ・バンクのそれに等しくない場合、遅延補償段５０を、 ２４〜４８ｋＨｚ信号経路のどこかに設けて、デコーダにおける２バンド再結合 フィルタ・バンクの前に、双方の時間波形がそろうことを保証しなければならな い。９６ｋＨｚサンプリング・エンコーディング・システムでは、２４〜４８ｋ Ｈｚのオーディオ・バンドは３８４サンプルだけ遅延され、次いで１２８タップ 補間フィルタ・バンクを用いて８個の均一バンドに分割される。３ｋＨｚサブバ ンドの各々をエンコードし（５２）、０〜２４ｋＨｚバンドからのコード化デー タと共にパックし（５４）、圧縮されたデータ・ストリーム（圧縮データ・スト リーム）１６を形成する。 デコーダ１８に到達すると、圧縮データ・ストリーム１６はアンパックされ（ ５６）、３２バンド・デコーダ（０〜２４ｋＨｚ領域）および８バンド・デコー ダ（２４〜４８ｋＨｚ領域）双方に対するコードは分離され、それらの各デコー ド段４２および５８にそれぞれ供給される。８個および３２個のデコードされた サブバンドは、それぞれ、１２８タップ・ユニフォーム補間フィルタ・バンク６ ０および５１２タップ・ユニフォーム補間フィルタ・バンク４４を用いて再構築 される。デコードされたサブバンドは、続いて、２５６タップ・２バンド・ユニ フォーム補間フィルタ・バンク６２を用いて再結合され、サンプリング・レート が９６ｋＨｚの単一ＰＣＭデジタル・オーディオ信号を生成する。デコーダが 圧縮化データ・ストリームの半分のサンプリング・レートで動作することが望ま しい場合、これは、上側のバンドのエンコード・データ（２４〜４８ｋＨｚ）を 破棄し、０〜２４ｋＨｚオーディオ領域内の３２サブバンドのみをデコードする ことによって、都合よく達成することができる。 チャネル・エンコーダ 上述のコーディング戦略の全てでは、３２バンド・エンコーディング／デコー ディング・プロセスを、０〜２４ｋＨｚ間のオーディオ帯域幅のベースバンド部 分に対して実行する。図５に示すように、フレーム・グラバ(frame grabber)６ ４がＰＣＭオーディオ・チャネル１４にウインドウを設け、連続するデータ・フ レーム６６に区分化する。ＰＣＭオーディオ・ウインドウは、連続する入力サン プルの数を規定し、それに対してエンコーディング・プロセスがデータ・ストリ ームにおける出力フレームを生成する。ウインドウ・サイズは、圧縮量、即ち、 伝送レートのサンプリング・レートに対する比率に基づいてセットし、各フレー ムにおけるエンコードされるデータ量を制限する。連続する各データ・フレーム ６６は、３２バンド・５１２タップＦＩＲデシメーション・フィルタ・バンク３ ４によって、３２個の均一な周波数バンド６８に分割される。各サブバンドから 出力されるサンプルは、バッファされ、３２バンド・コーディング段３６に印加 される。 分析段７０（図１０ないし図１９に詳細に示す）が、バッファされたサブバン ド・サンプルについて、最適予測器係数、差分（差動）量子化ビット割り当てお よび最適量子化スケール・ファクタを生成する。また、分析段７０は、どのサブ バンドがＶＱであるか、およびこれらの決定がなされない場合、どれをジョイン ト周波数コード化するのかを決定することができる。このデータ、即ち、サイド 情報は、選択されたＡＤＰＣＭ段７２、ＶＱ段７３またはジョイント周波数コー ディング（ＪＦＣ）段７４、およびデータ・マルチプレクサ３２（パッカー）に 順方向に供給される。次に、サブバンド・サンプルは、ＡＤＰＣＭまたはＶＱプ ロセスによってエンコードされ、量子化コードはマルチプレクサに入力される。 ＪＦＣ段７４は、実際にはサブバンドのサンプルをエンコードしないが、どのチ ャネルのサブバンドが結合され、データ・ストリーム内のどこにそれらを配置す る かを示すコードを生成する。各サブバンドからの量子化コードおよびサイド情報 は、データ・ストリーム１６の中にパックされ、デコーダに伝達される。 デコーダ１８に到達すると、データ・ストリームは、デマルチプレクス、即ち 、アンパックされ（unpack）パックを解かれ）個々のサブバンドに戻される（４ ０）。スケール・ファクタおよびビット割り当ては、最初にインバース量子化器 ７５に、各サブバンドに対する予測器係数（predictor coefficient）と共に実 装(install)される。次いで、ＡＤＰＣＭプロセス７６またはインバースＶＱプ ロセス７７を用いて直接的に、またはインバースＪＦＣプロセス７８を用いて、 指定されたサブバンドについて、差分コードを再生する。サブバンドは最終的に ３２バンド補間フィルタ・バンク４４を用いて併合され、単一のＰＣＭオーディ オ信号２２に戻される。 ＰＣＭ信号のフレーム化 図６に示すように、図５に示したフレーム・グラバ６４は、伝送レートが所与 のサンプリング・レートに対して変化するのに連れて、ウインドウ７９のサイズ を変化させて、出力フレーム８０当たりのバイト数を、例えば、５．３ｋバイト および８ｋバイトの間に収まるように制限する。表１および表２は、設計者が、 所与のサンプリング・レートおよび伝送レートに対して、最適なウインドウ・サ イズおよびデコーダのバッファ・サイズ（フレーム・サイズ）をそれぞれ選択で きるようにする設計表である。低伝送レートでは、フレーム・サイズは比較的大 きくすることができる。このため、エンコーダは、時間的にわたって平坦でない 分散分布のオーディオ信号を利用し、オーディオ・コーダの性能を改善すること ができる。高いレートでは、フレーム・サイズを小さくして、バイト総数がデコ ーダのバッファから溢れないようにする。その結果、設計者は、デコーダに８ｋ バイトのＲＡＭを備え、全ての伝送レートを満足させることができる。これによ って、デコーダのコスト削減を図る。一般的に、オーディオ・ウインドウのサイ ズは、以下の式で与えられる。 オーディオ・ウインドウ＝（フレーム・サイズ）＊Ｆ_samp＊（８／Ｔ_rate) ここで、フレーム・サイズはデコーダのバッファのサイズであり、Ｆ_sampはサン プリング・レートであり、Ｔ_rateは伝送レートである。オーディオ・ウインドウ のサイズは、オーディオ・チャネルの数とは独立している。しかしながら、チャ ネル数が増えるに連れて、所望の伝送レートを維持するために圧縮量も増大させ なければならない。 表１ F_samp （ｋＨＺ） Ｔ_rate 8-12 16-24 32-48 64-96 128-192 ≦512kbps 1024 2048 4096 ＊ ＊ ≦1024kbps ＊ 1024 2048 ＊ ＊ ≦2048kbps ＊ ＊ 1024 2048 ＊ ≦4096kbps ＊ ＊ ＊ 1024 2048 表２ F_samp （ｋＨＺ） Ｔ_rate 8-12 16-24 32-48 64-96 128-192 ＜512kbps 8-5.3k 8-5.3k 8-5.3k ＊ ＊ ＜1024kbps ＊ 8-5.3k 8-5.3k ＊ ＊ ＜2048kbps ＊ ＊ 8-5.3k 8-5.3k ＊ ＜4096kbps ＊ ＊ ＊ 8-5.3k 8-5.3k サブバンド・フィルタリング ３２バンド・５１２タップ・ユニフォーム・デシメーション・フィルタバンク ３４は、図５に示す３２の均一（ユニフォーム）なサブバンド６８にデータ・フ レーム６６を分割するために、２つのポリフェーズ・フィルタバンク(polyphase filterbank)から選択する。２つのフィルタバンクは、再構築精度に対してサブ バンド・コーディング・ゲインをトレード・オフする、異なる再生（再構築）特 性を有する。一方のクラスのフィルタを、完全再構築（ＰＲ：perfect reconstr uction）フィルタと呼ぶ。ＰＲデシメーション（エンコーディング）・フィルタ およびその補間（デコーディング）フィルタが連続して配置されると、再生（再 構築）された信号は完全となる。この場合の完全とは、２４ビットの分解能で、 ０．５ｌｓｂ以内と定義する。他方のクラスのフィルタを、不完全（ＮＰＲ：no n-perfect reconstruction）フィルタと呼ぶ。何故なら、再生された信号が、フ ィルタリング・プロセスの不完全なエリアシング・キャンセレーション特性に伴 う、非ゼロのノイズ下限を有するからである。 単一サブバンドのためのＮＰＲフィルタおよびＰＲフィルタそれぞれの伝達関 数８２および８４を、図７に示す。ＮＰＲフィルタは完全な再生を行うための制 約を受けないので、これらは、ＰＲフィルタよりも、かなり大きい近ストップバ ンド阻止（ＮＳＢＲ：near stop band rejection）比、即ち、パスバンドの第１ サイド・ローブに対する比率を呈する（１１０ｄＢに対して８５ｄＢ）。図８に 示すように、フィルタのサイドローブのために、自然に第３サブバンド内に位置 する信号８６が、隣接するサブバンド内にエリアシングする。サブバンド・ゲイ ンは、隣接するサブバンドにおける信号の阻止（rejection）の尺度となるので 、フィルタのオーディオ信号をデコリレート(decorrelate)する能力を示す。Ｎ ＰＲフィルタはＰＲフィルタよりもＮＳＢＲ比がかなり大きいので、サブバンド ・ゲインもかなり大きめである。その結果、ＮＰＲフィルタはより良いエンコー ディング効率を与える。 図９に示すように、圧縮データ・ストリームにおける合計の歪みは、全体とし てのビット・レートがＰＲフィルタおよびＮＰＲフィルタ双方に対して高くなる に連れて減少する。しかしながら、低いレートでは、これら２つのタイプのフィ ルタ間のサブバンド・ゲイン性能の差は、ＮＰＲフィルタに関連するノイズ下限 よりも大きい。したがって、ＮＰＲフィルタの関連する歪み曲線９０は、ＰＲフ ィルタの関連する歪み曲線９２よりも下に位置する。つまり、低いレートでは、 オーディオ・コーダはＮＰＲフィルタ・バンクを選択する。ある点９４において 、エンコーダの量子化エラーは、ＮＰＲフィルタのノイズ下限よりも低下し、Ａ ＤＰＣＭコーダに追加のビットを加えても、追加の効果は得られなくなる。この 点 において、オーディオ・コーダはＰＲフィルタ・バンクに切り替える。 ＡＤＰＣＭエンコーディング ＡＤＰＣＭエンコーダ７２は、Ｈ個の以前の再生されたサンプルの線型の組み 合わせから、予測サンプルｐ（ｎ）を生成する。次に、この予測サンプルを、入 力ｘ（ｎ）から減算し、差サンプルｄ（ｎ）を与える。差サンブルをＲＭＳ（ま たはＰＥＡＫ）スケール・ファクタで除算することによって調整し(scale、スケ ール化し)、差サンプルのＲＳＭ振幅を、量子化器特性Ｑのそれに一致させる。 スケール化した差サンプルｕｄ（ｎ）は、現サンプルに対して割り当てられたビ ット数ＡＢＩＴによって決定される、Ｌレベルのステップ−サイズＳＺで、量子 化器特性に適用される。量子化器は、スケール化された各差サンプルｕｄ（ｎ） に対して、レベル・コードＱＬ（ｎ）を生成する。これらのレベル・コードは、 最終的にデコーダＡＤＰＣＭ段に伝達される。プレディクタ（予測器）の履歴を 更新するために、Ｑのものと同一の特性を有するインバース量子化器１／Ｑを用 いて、量子化器レベル・コードＱＬ（ｎ）を局部的にデコードし、量子化スケー ルて再構築される。次に、このサンプルを用いて、予測器履歴を更新する。 ベクトル量子化 予測器係数および高周波数サブバンド・サンプルは、ベクトル量子化（ＶＱ） を用いてエンコードする。予測器ＶＱは、４サンプルのベクトル次元と、サンプ ル当たり３ビットのビット・レートとを有する。最終的なコードブックは、した がって、次元４の４０９６個のコードベクトルから成る。一致ベクトル(matchin g vector)の探索（サーチ）は、２レベルのツリーとして構築され、ツリー内の 各ノードは６４個のブランチを有する。最上位レベルは６４ノードのコードベク トルを格納する。これらは、探索プロセスを助けるためにエンコーダにおいて必 要とされるのみでである。最下位レベルは、４０９６個の最終コードベクトルと 接触する。これらは、エンコーダおよびデコーダ双方において必要とされる。各 探索には、次元４の１２８のＭＳＥ計算が必要である。最上位レベルにおけるコ ードブックおよびノード・ベクトルは、ＬＢＧ法を用いて、５百万個以上の予測 係数トレーニング・ベクトル（training vector）によってトレーニングされる 。トレーニング・ベクトルは、正の予測ゲインを呈しつつ広い範囲のオーディオ 素材をコード化する全てのサブバンドについて蓄積される。トレーニング・セッ ト(training set)におけるテスト・ベクトルのために、約３０ｄＢの平均ＳＮＲ が得られる。 高周波数ＶＱは、３２サンプルのベクトル寸法（サブフレームの長さ）、およ びサンプル当たり０．３１２５ビットのビット・レートを有する。したがって、 最終コードブックは、次元３２の１０２４のコードベクトルから成る。一致ベク トルの探索は、２レベル・ツリーとして構築され、ツリー内の各ノードは３２個 のブランチを有する。最上位レベルは３２ノードのコードベクトルを格納する。 これらは、エンコーダにおいて必要とされるのみである。最下位レベルは１０２ ４の最終コードベクトルを含む。これらは、エンコーダおよびデコーダ双方にお いて必要とされる。各探索について、次元３２の６４の次元３２のＭＳＥ計算が 必要である。最上位レベルにおけるコードブックおよびノード・ベクトルは、Ｌ ＢＧ法を用いて、７百万を超える高周波数サブバンド・サンプル・トレーニング ・ベクトルによってトレーニングされる。これらのベクトルを構成するサンプル は、広い範囲のオーディオ素材に対して、４８ｋＨｚのサンプリング・レートで はサブバンド１６ないし３２の出力から蓄積される。４８ｋＨｚのサンプリング ・レートでは、トレーニング・サンプルは、１２ないし２４ｋＨｚの範囲のオー ディオ周波数を表す。トレーニング・セットにおけるテスト・ベクトルについて は、約３ｄＢの平均ＳＮＲが期待される。３ｄＢは小さなＳＮＲであるが、これ らの高い周波数において高周波数忠実度またはアンビアンスを得るには十分であ る。これは、高周波数サブバンドを単に欠落させる既知の技法よりは、知覚的に はるかに優れている。 ジョイント周波数コーディング ビット・レートが非常に低いアプリケーションでは、全体的な再生の忠実度は 、２個以上のオーディオ・チャネルからの高周波数サブバンド信号を独立してコ ー ド化する代わりに、それらの和のみをコード化することにより、改善することが できる。結合（ジョイント）周波数コーディングが可能なのは、高周波数サブバ ンドは同様のエネルギ分布を有することが多く、人間の聴覚系が主に感知するの は、高周波数成分の微細な構造ではなく、それらの「強度（インテンシティ）」 であるからである。したがって、再構築された平均信号は、いずれのビット・レ ートにおいても、知覚的に重要な低周波数をコード化するためにより多くのビッ トが使用可能なので、全体的に良好な忠実度を与える。 ジョイント周波数コーディング・インデックス（ＪＯＩＮＸ：joint frequenc y coding indexes）は、直接デコーダに伝達され、どのチャネルおよびサブバン ドが結合されたか、およびデータ・ストリームのどこにエンコードされた信号が 位置するのかを示す。デコーダは、指定されたチャネル内の信号を再生（再構築 ）し、次いでこれを他のチャネルの各々にコピーする。次に、各チャネルは、そ の特定ＲＭＳスケール・ファクタにしたがってスケール化される。ジョイント周 波数コーディングは、それらのエネルギ分布の類似性に基づいて時間信号を平均 化するので、再構築の忠実度は低下する。したがって、その用途は、典型的には 、低ビット・レートの用途および主に１０〜２０ｋＨｚの信号に限定される。中 間および高ビット・レートの用途では、ジョイント周波数コーディングは、典型 的には、ディスエーブルされる。 サブバンド・エンコーダ ＡＤＰＣＭ／ＡＰＣＭプロセスを用いてエンコードする単一側波帯のためのエ ンコーディング・プロセス、特に図５に示す分析段７０およびＡＤＰＣＭコーダ ７２ならびに図２に示すグローバル・ビット管理システム３０の相互作用につい て、図１０に詳細に示す。図１１ないし図１９は、図１３に示すコンポーネント のプロセスを詳細に示す。フィルタバンク３４は、ＰＣＭオーディオ信号１４を 、３２のサブバンド信号ｘ（ｎ）に分割し、これらを各サブバンド・サンプル・ バッファ９６に書き込む。４０９６サンプルのオーディオ・ウインドウ・サイズ を想定すると、各サブバンド・サンプル・バッファ９６は、１２８サンプルの完 全なフレームを格納し、これを４つの３２サンプル・サブフレームに分割する。 ウインドウ・サイズが１０２４サンプルの場合、単一の３２サンプル・サブフレ ーム が生成される。サンプルｘ（ｎ）は分析段７０に向けられ、予測係数、予測器モ ード（ＰＭＯＤＥ）、過渡モード（ＴＭＯＤＥ）、およびスケール・ファクタ（ ＳＦ）をサブ各フレームについて決定する。また、サンプルｘ（ｎ）はＧＭＢシ ステム３０にも供給され、これは、オーディオ・チャネル当たりのサブバンド当 たりの各サブフレーム毎に、ビット割り当て（ＡＢＩＴ）を決定する。その後、 サンプルｘ（ｎ）は、一度に１サブフレームずつ、ＡＤＰＣＭコーダ７２に渡さ れる。 最適予測係数の推定（概算） 四次であることが適している、Ｈの予測係数は、サブバンド・サンプルｘ（ｎ ）の１ブロックにわたって最適化された標準的な自己相関法９８、即ち、ワイナ ー−ホッフ(Weiner-Hoph)またはユール−ウオーカ(Yule-Walker)の式を用いて、 各サブフレーム毎に別個に発生する。 最適な予測係数の量子化 ４つの予測器係数の各セットは、好ましくは、上述の４要素、３探索、１２ビ ット・ベクトル・コードブック（係数当たり３ビット）を用いて、量子化する。 １２ビット・ベクトル・コードブックは、標準的クラスタリング・アルゴリズム を用いて所望の確率分布に最適化された４０９６の係数ベクトルを含む。ベクト ル量子化（ＶＱ）サーチ１００は、それ自体と最適な係数の間で、最も低い重み づけされた二乗平均平方根誤差を呈する係数ベクトルを選択する。次に、各サブ フレームに対する最適な係数を、それらの「量子化」ベクトルで置き換える。イ ンバースＶＱ ＬＵＴ１０１を用いて、量子化予測器係数をＡＤＰＣＭコーダ７ ２に供給する。 予測差信号ｄ（ｎ）の推定（概算） ＡＤＰＣＭに伴う重要な難問は、差サンプル・シーケンスｄ（ｎ）が、実際の 回帰的プロセス７２に先立って、容易に予測できないことである。順方向適応サ ブバンドＡＤＰＣＭの基本的要件の１つとして、量子化器に対する適切なビット 割り当てを計算して量子化器が再構築されたサンプルにおける既知の量子化エラ ーまたはノイズ・レベルを生成するように、差信号エネルギがＡＤＰＣＭコーデ ィングの前にわかっている、ということがあげられる。差信号エネルギの知識は 、 エンコーディングの前に最適な差スケール・ファクタを決定することを可能にす るためにも必要である。 しかしながら、差信号エネルギは、入力信号の特性に依存するだけでなく、予 測器の性能にも依存する。予測器の次数や予測器係数の最適性のようにわかって いる制限は別として、予測器の性能は、再生されたサンプル内に誘発される量子 化エラー又はノイズのレベルによる影響も受ける。量子化ノイズは、最終ビット 割り当てＡＢＩＴおよび差スケール・ファクタＲＭＳ（またはＰＥＡＫ）の値自 体によって規定されるので、差信号エネルギ推定値は、反復的１０２に到達しな ければならない。 ステップ１．ゼロ量子化エラーと想定 最初の差信号概算（推定）は、バッファされたサブバンド・サンプルｘ（ｎ） を、ＡＤＰＣＭプロセスを通過させることによって行われる。このＡＤＰＣＭプ ロセスは、差信号を量子化しない。これは、ＡＤＰＣＭエンコーディング・ルー プにおいて、量子化およびＲＭＳスケーリング（スケール化）をディスエーブル することによって行われる。このように差信号ｄ（ｎ）を推定することによって 、スケール・ファクタおよびビット割り当ての値の影響は、計算から除去される 。しかしながら、予測器係数に対する量子化エラーの影響は、プロセスが、ベク トル量子化予測係数を用いることによって、考慮に入れられる。インバースＶＱ ＬＵＴ１０４を用いて、量子化された予測係数を得る。更に推定値予測器の精度 を高めるために、直前のブロックの終了時に蓄積された実際のＡＤＰＣＭ予測器 からの履歴サンプル(history sample)を、計算の前に、予測器にコピーする。こ れによって、現実のＡＤＰＣＭ予測器が前の入力バッファの終端において動作を 停止した時点から、予測器が動作を開始することを保証する。 この推定値ｅｄ（ｎ）と実際のプロセスｄ（ｎ）との間の主な不一致は、再生 されたサンプルｘ（ｎ）および低下した予測精度に対する量子化ノイズの影響が 無視されることである。多数のレベルを備えた量子化器では、ノイズ・レベルは 通常小さく（適正なスケーリングを想定する）、したがって、実際の差信号エネ ルギは、推定において計算されるものとほぼ一致する。しかしながら、典型的な 低ビット・レート・オーディオ・コーダの場合のように、量子化レベルの数が少 ない場合、実際の予測信号、したがって差信号エネルギは、推定されたものとは 大きく異なる可能性がある。これは、適応（アダプティブ）ビット割り当てプロ セスにおける初期に予測されたものとは異なる、コーディング・ノイズ・フロア を生成する。 これにも拘わらず、予測性能の分散は、用途またはビット・レートには重要で ない場合もある。したがって、繰り返すことなく、推定値を用いて直接にビット 割り当ておよびスケール・ファクタを計算することができる。追加の純化(refin ement)を行うとすれば、レベル数の少ない量子化器がそのサブバンドに割り当て られる可能性が高い場合に、差信号エネルギを故意に過大評価することにより性 能の損失を補償することである。過大評価（over-estimation）も、精度向上の ために量子化器レベルの変化する数にしたがって、格付けすることができる。 ステップ２．推定されたビット割り当ておよびスケール・ファクタを用いての 再計算 一旦最初の推定差信号を用いてビット割り当て（ＡＢＩＴ）およびスケール・ ファクタ（ＳＦ）を生成したなら、ＡＤＰＣＭループ７２における推定されたＡ ＢＩＴおよびＲＭＳ（またはＰＥＡＫ）値を用いて、更に別のＡＤＰＣＭ推定プ ロセスを実行することによって、それらの最適性を検査することができる。最初 の推定値の場合と同様、計算の開始に先立って、推定値予測器履歴を、実際のＡ ＤＰＣＭ予測器からコピーし、双方の予測器が同一点から起動することを保証す る。一旦バッファされている入力サンプルが全てこの第２推定ループを通過した なら、各サブバンドにおいて得られたノイズ・フロア（ノイズ下限）を、適応ビ ット割り当てプロセスにおいて想定したノイズ下限と比較する。ビット割り当て および／またはスケール・ファクタを修正することによって、あらゆる重大な不 一致を補償することができる。 ステップ２は、サブバンドにわたって分布するノイズ下限を適切に純化（リフ ァイン）するために繰り返すことができ、その都度最新の差信号推定値を用いて 、ビット割り当ておよびスケール・ファクタの次のセットを計算する。通常、ス ケール・ファクタが約２〜３ｄＢより多く変化する場合、これらを再計算する。 そうしないと、ビット割り当ては、心理音響学的マスキング・プロセス、または 代 わりのｍｍｓｅプロセスによって生成される信号対マスク比と相反する危険性が ある。典型的に、１回の繰り返しで十分である。 サブバンド予測モード（ＰＭＯＤＥ）の計算 コーディングの効率向上を図るために、コントローラ１０６は、現サブフレー ムにおける予測ゲインがスレッショルド未満に低下したとき、ＰＭＯＤＥフラグ をセットすることによって、予測プロセスを任意に切り替えることができる。Ｐ ＭＯＤＥフラグは、入力サンプルのブロックについて推定段の間に測定された予 測ゲイン（入力信号エネルギと推定差信号エネルギの比率）が、ある正のスレッ ショルドを超える場合１にセットする。逆に、予測ゲインが正のスレシホルド未 満であると測定された場合、そのサブバンドについては、エンコーダおよびデコ ーダ双方においてＡＤＰＣＭ予測器係数をゼロにセットし、各ＰＭＯＤＥをゼロ にセットする。予測ゲイン・スレッショルドのセットは、それが、伝達される予 測器係数ベクトル・オーバーヘッドの歪み率と等しくなるように行う。これは、 ＰＭＯＤＥ＝１のとき、ＡＤＰＣＭプロセスに対するコーディング・ゲインが、 常に、順方向適応ＰＣＭ（ＡＰＣＭ）コーディング・プロセスのそれ以上である ことを補償する試行の中で行われる。さもなければ、ＰＭＯＤＥをゼロにセット し、予測器係数をリセットすることによって、ＡＤＰＣＭプロセスは単にＡＰＣ Ｍに逆戻りする。 ＰＭＯＤＥは、ＡＤＰＣＭコーディング・ゲインの変化が当該用途には重要で ない場合、いずれのサブバンドまたは全てのサブバンドにおいてもハイにセット することができる。逆に、例えば、あるサブバンドが全くコード化されようとし ない場合、用途のビット・レートが十分に高くて目的のオーディオ品質を維持す るために予測ゲインが必要でない場合、信号の過渡内容が高い場合、または、音 声編集用途の場合にあり得るように、ＡＤＰＣＭエンコードされたオーディオの スプライシング特性(splicing characteristic)が単に望ましくない場合には、 ＰＭＯＤＥＳをローにセットすることができる。 エンコーダおよびデコーダのＡＤＰＣＭプロセスにおける線型予測器の更新レ ートに等しいレートで、別個の予測モード（ＰＭＯＤＥ）を各サブバンドに対し て伝達する。ＰＭＯＤＥパラメータの目的は、デコーダに、特定のサブバンドが それのコード化オーディオ・データ・ブロックに関連するいずれかの予測係数ベ クトル・アドレスを有するかを示すことである。いずれかのサブバンドにおいて ＰＭＯＤＥ＝１の場合、予測器係数ベクトル・アドレスは、データ・ストリーム の中に常に含まれる。いずれかのサブバンドにおいてＰＭＯＤＥ＝０の場合、予 測器係数ベクトル・アドレスは、データ・ストリームの中には決して含まれず、 予測器係数はエンコーダおよびデコーダ双方のＡＤＰＣＭ段においてゼロにセッ トされる。 ＰＭＯＤＥの計算は、第１段の推定において得られた、対応するバッファされ た推定差信号エネルギに関して、即ち、量子化エラーがないと仮定して、バッフ ァされたサブバンド入力信号エネルギを分析することによって開始する。入力サ ンプルｘ（ｎ）および推定差信号ｅｄ（ｎ）の双方は、各サブバンドに対して、 別々にバッファされる。バッファ・サイズは、各予測器更新期間に含まれるサン プル数、例えば、サブフレームのサイズに等しい。予測ゲインは、次のように計 算する。 Ｐ_gain（ｄＢ）＝２０．０＊Ｌｏｇ₁₀（ＲＭＳ_x(n)／ＲＭＳ_ed(n)) ここで、ＲＭＳ_x(n)＝バッファされた入力サンプルｘ（ｎ）の平方自乗平均、お よびＲＭＳ_ed(n)＝バッファされた推定差サンプルｅｄ（ｎ）の平方自乗平均で ある。 正の予測ゲインでは、差信号は、平均的に、入力信号よりも小さく、したがっ て、同一ビット・レートに対してＡＰＣＭよりも、ＡＤＰＣＭプロセスを用いる ことによって、再構築ノイズ下限の低下が達成可能である。負のゲインでは、Ａ ＤＰＣＭコーダは、平均的に、入力信号よりも大きい差信号を生成し、その結果 、ノイズ下限は、同一のビット・レートに対するＡＰＣＭよりも高くなる。通常 、ＰＭＯＤＥをオンに切り替える予測ゲイン・スレッショルドは、正であり、予 測器係数ベクトル・アドレスを伝達することによって消費される余分なチャネル 容量を考慮した値を有する。 サブバンド過渡モード（ＴＭＯＤＥ）の計算 コントローラ１０６は、各サブバンド内の各サブフレーム毎に、過渡モード（ ＴＭＯＤＥ）を計算する。ＴＭＯＤＥは、ＰＭＯＤＥ＝１の場合に予測された差 信号ｅｄ（ｎ）のバッファ内の、また、ＰＭＯＤＥ＝０の場合に入力サブバンド 信号ｘ（ｎ）のバッファ内の、それらが有効な、スケール・ファクタおよびサン プルの数を示す。ＴＭＯＤＥは、予測係数ベクトル・アドレスと同一レートで更 新され、デコーダに伝達される。過渡モードの目的は、信号過渡が存在する際に 、可聴コーディング「プレエコー(pre-echo)」アーチファクトを減らすことであ る。 過渡とは、低振幅信号と高振幅信号の間の素早い遷移として定義する。スケー ル・ファクタはサブバンド差サンプルのブロック全体で平均が取られるので、信 号振幅の素早い変化がブロック内で発生した場合、即ち、過渡が発生した場合、 計算されるスケール・ファクタは、この過渡の直前の低振幅サンプルには最適で あるものよりも、大幅に大きくなる傾向がある。したがって、過渡に先立つサン プルにおける量子化エラーは、非常に高い可能性がある。このノイズは、プレエ コー歪みとして知覚される。 実際には、過渡モードを用いて、サブバンドのスケール・ファクタ平均化ブロ ック長を修正し、過渡の直前の差分サンプル(differential sample)のスケーリ ングに対する過渡の影響を制限する。これを行う動機は、人間の聴覚系に固有の プレマスキング現象(pre-masking phenomena)があり、これは、過渡が存在する 場合に、その期間を短く保持すれば、ノイズは過渡に先立ってマスクすることが できることを現象が示唆するからである。 ＰＭＯＤＥの値にしたがって、サブバンド・サンプル・バッファｘ（ｎ）の内 容、即ち、サブフレーム、または推定差バッファｅｄ（ｎ）の内容のいずれかを 、過渡分析バッファにコピーする。ここで、バッファの内容は、分析バッファの サンプル・サイズに応じて、２、３または４のサブ−サブフレームに均一に分割 される。例えば、分析バッファが３２のサブバンド・サンプルを含む場合（１５ ００Ｈｚで２１．３ｍｓ）、バッファは、各々８サンプルの４つのサブ−サブフ レームに分けられ、１５００Ｈｚのサブバンド・サンプリング・レートに対して ５．３ｍｓの時間分解能を与える。あるいは、分析ウインドウを１６のサブバン ド・ サンプルで構成した場合、同一の時間分解能を与えるには、バッファを２つのサ ブ−サブフレームに分割するだけでよい。 各サブ−サブフレーム内の信号を分析し、最初のもの以外の各々の過渡ステー タスを判定する。いずれかのサブ−サブフレームが過渡を宣告された場合、２つ の別個のスケール・ファクタを分析バッファ、即ち、現サブフレームに対して発 生する。第１のスケール・ファクタは、当該過渡サブ−サブフレーム以前のサブ −サブフレームにおけるサンプルから計算する。第２のスケール・ファクタは、 以前のサブ−サブフレーム全てと共に過渡サブ−サブフレーム内のサンプルから 計算する。 第１のサブ−サブフレームの過渡ステータスは、量子化ノイズが分析ウインド ウ自体の開始によって自動的に制限されるので、計算されない。１つより多くの サブ−サブフレームが過渡を宣告された場合、最初に発生したものについて考慮 する。過渡サブバッファが全く検出されない場合、分析バッファ内のサンプル全 てを用いて、単一のスケール・ファクタのみを計算する。このように、過渡サン プルを含むスケール・ファクタ値は、時間的に１サブ−サブフレーム期間よりも 前のサンプルをスケーリングするためには用いられない。したがって、過渡以前 の量子化ノイズは、サブ−サブフレーム期間に制限される。 過渡の宣告 サブ−サブフレームのエネルギの直前のサブバッファに対する比率が過渡スレ ッショルド（ＴＴ）を超過し、直前のサブ−サブフレーム内のエネルギが過渡前 スレッショルド（ＰＴＴ：pre-transient threshold）未満である場合、サブ− サブフレームには過渡が宣告される。ＴＴおよびＰＴＴの値は、ビット・レート および必要なプレエコー抑制の度合いによって異なる。これには、通常、他のコ ーディング・アーチファクトが存在する場合、知覚されるプレエコー歪みがその レベルと一致するまで、変化させる。ＴＴ値の増加および／またはＰＴＴ値の減 少によって、サブ−サブフレームが過渡を宣告される可能性は低下し、したがっ て、スケール・ファクタの伝達に関連するビット・レートが低下する。逆に、Ｔ Ｔ値の減少および／またはＰＴＴ値の増加によって、サブ−サブフレームが過渡 を宣告される可能性が高くなり、したがって、スケール・ファクタの伝達に関連 する ビット・レートが上昇する。 ＴＴおよびＰＴＴは各サブバンド毎に個別にセットされるので、エンコーダに おける過渡検出の感度は、いずれのサブバンドについても任意にセットすること ができる。例えば、高周波数サブバンド内のプレエコーが、低い方の周波数サブ バンド内よりも知覚されにくい場合、スレッショルドは、高い方のサブバンドに おいて過渡が宣告される可能性を低下させるようにセットすることができる。更 に、ＴＭＯＤＥは圧縮化データ・ストリーム内に埋め込まれるので、デコーダは 、適正にＴＭＯＤＥ情報をデコードするためにエンコーダにおいて使用される過 渡検出アルゴリズムを知る必要が全くない。 ４サブバッファ構成 図１１ａに示すように、サブバンド分析バッファ１０９における第１のサブ− サブフレーム１０８が過渡である場合、または過渡サブ−サブフレームが検出さ れない場合、ＴＭＯＤＥ＝０である。第２のサブ−サブフレームが過渡であるが 、第１のものがそうではない場合、ＴＭＯＤＥ＝１である。第３のサブ−サブフ レームが過渡であるが、第１も第２もそうでない場合、ＴＭＯＤ＝２である。第 ４のサブ−サブフレームのみが過渡の場合、ＴＭＯＤＥ＝３である。 スケール・ファクタの計算 図１１ｂに示すように、ＴＭＯＤＥ＝０の場合、全てのサブ−サブフレームに わたってスケール・ファクタ１１０を計算する。ＴＭＯＤＥ＝１の場合、第１の サブ−サブフレームにわたって第１のスケール・ファクタを計算し、以前のサブ −サブフレーム全てにわたって第２のスケール・ファクタを計算する。ＴＭＯＤ Ｅ＝２の場合、第１および第２のサブ−サブフレームにわたって第１のスケール ・ファクタを計算し、以前のサブ−サブフレーム全てにわたって第２のスケール ・ファクタを計算する。ＴＭＯＤＥ＝３の場合、第１、第２および第３のサブ− サブフレームにわたって、第１のスケール・ファクタを計算し、第４のサブ−サ ブフレームにわたって第２のスケール・ファクタを計算する。 ＴＭＯＤＥを用いたＡＤＰＣＭエンコーディングおよびデコーディング ＴＭＯＤＥ＝０の場合、単一のスケール・ファクタが用られて、分析バッファ 全体の期間、即ち、１サブフレームに対して、サブバンド差サンプルがスケーリ ングされ、かつ、該ファクタがデコーダに伝達されて、逆（インバース）スケー リングを容易にする。ＴＭＯＤＥ＞０の場合、２つのスケール・ファクタを、サ ブバンド差サンプルをスケーリングするために用い、かつ、該ファクタを双方共 デコーダに伝達する。いずれのＴＭＯＤＥでも、各スケール・ファクタを用いて 、最初の位置でそれ自体を発生するために用いた差分サンプルのスケーリングを 行う。 サブバンド・スケール・ファクタの計算（ＲＭＳまたはＰＥＡＫ） 当該サブバンドに対するＰＭＯＤＥの値に応じて、推定差サンプルｅｄ（ｎ） または入力サブバンド・サンプルｘ（ｎ）のいずれかを用いて、適切なスケール ・ファクタ（１つ又は複数）を計算する。この計算にＴＭＯＤＥを用いて、スケ ール・ファクタの数を判定し、更にバッファ内の対応するサブ−サブフレームを 識別する。 ＲＭＳスケール・ファクタの計算 第ｊのサブバンドについて、以下のようにしてｒｍｓ（ＲＭＳ）スケール・フ アクタを計算する。 ＴＭＯＤＥ＝０の場合、単一のｒｍｓ値は、 であり、ここでＬはサブフレーム内のサンプル数である。 ＴＭＯＤＥ＞０の場合、２つのｒｍｓ値は、 であり、ここで、ｋ＝（ＴＭＯＤＥ＊Ｌ／ＮＳＢ）であり、ＮＳＢは、均一なサ ブ−サブフレームの数である。 ＰＭＯＤＥ＝０の場合、ｅｄ_j（ｎ）サンプルを、入力サンプルｘ_j（ｎ）で置 換する。 ＰＥＡＫ（ピーク）スケール・ファクタの計算 第ｊのサブバンドについて、以下のようにピーク・スケール・ファクタを計算 する。 ＴＭＯＤＥ＝０の場合、単一のピーク値は、 ｎ＝１，Ｌについて、ＰＥＡＫ_j＝ＭＡＸ（ＡＢＳ（ｅｄ_j（ｎ））） ＴＭＯＤＥ＞０の場合、２つのピーク値は、 ｎ＝１，（ＴＭＯＤＥ＊Ｌ／ＮＳＢ）について、 ＰＥＡＫｌ_j＝ＭＡＸ（ＡＢＳ（ｅｄ_j（ｎ））） ｎ＝（１＋ＴＭＯＤＥ＊Ｌ／ＮＳＢ），Ｌについて、 ＰＥＡＫ２_j＝ＭＡＸ（ＡＢＳ（ｅｄ_j（ｎ））） ＰＭＯＤＥ＝０の場合、ｅｄ_j（ｎ）サンプルを、入力サンプルｘ_j（ｎ）で置 換する。 ＰＭＯＤＥ、ＴＭＯＤＥ、およびスケール・ファクタの量子化 ＰＭＯＤＥの量子化 予測モード・フラグは、オンまたはオフという２つの値のみを有し、１ビット ・コードとして直接デコーダに伝達される。 ＴＭＯＤＥの量子化 過渡モード・フラグは最大４つの値、即ち、０、１、２および３を有し、デコ ーダに、２−ビット符号なし整数コード・ワードを用いて直接に伝達されるか、 あるいは、随意に、ＴＭＯＤＥの平均ワード長を２ビットより少なく減らす試み において４レベル・エントロピ・テーブルを経由して伝達される。典型的に、オ プションのエントロピ・コーディングは、ビットを保存するために、低ビット・ レートの用途（アプリケーション）のために用いらる。 図１２に詳細に示すエントロピ・コーディング・プロセス１１２は、次のよう なものである。ｊ個のサブバンドに対する過渡モード・コードＴＭＯＤＥ（ｊ） を、ある数（ｐ）の４レベル・ミッド−ライザ（mid-riser）可変長コード・ブ ッ クにマップする。ここで、各コード・ブックは、異なる入力統計特性に対して最 適化されている。ＴＭＯＤＥ値は、４レベル・テーブル１１４にマップされ、各 テーブル（ＮＢ_p）に関連する全ビット使用度を計算する（１１６）。マッピン グ・プロセスにわたって最も低いビット使用（使用度）を与えるテーブルを、Ｔ ＨＵＦＦインデックスを用いて選択する（１１８）。マップされたコード、ＶＴ ＭＯＤＥ（ｊ）をこのテーブルから抽出し、パックし、ＴＨＵＦＦインデックス ・ワードと共にデコーダに伝達する。デコーダは、同じ４レベル・インバース・ テーブルのセットを保持しており、ＴＨＵＦＦインデックスを用いて、入来する 可変長コードＶＴＭＯＤＥ（ｊ）を適正なテーブルに差し向け、ＴＭＯＤＥイン デックスにデコードし直すようにする。 サブバンド・スケール・ファクタの量子化 スケール・ファクタをデコーダに伝達するためには、これらを既知のコード・ フォーマットに量子化しなければならない。このシステムでは、均一（ユニフォ ーム）の６４レベル対数（ログ）特性、均一の１２８レベル対数特性、または可 変レート・エンコードした均一の６４レベル対数特性１２０のいずれかを用いて 、これらを量子化する。６４レベル量子化器は、双方の場合に２．２５ｄＢステ ップ−サイズを呈し、１２８レベル量子化器は、１．２５ｄＢステップ−サイズ を呈する。低ないし中間ビット・レートには６４レベル量子化を使用し、低ビッ ト・レートの用途には追加の可変レート・コーディングを使用し、高ビット・レ ートには通常１２８レベルを使用する。 図１３に量子化プロセス１２０を示す。スケール・ファクタＲＭＳまたはＰＥ ＡＫをバッファ１２１から読み出し、対数領域（ログ・ドメイン）１２２に変換 し、次いでエンコーダ・モード制御１２８の判定にしたがって、６４レベルまた は１２８レベルのユニフォーム量子化器１２４，１２６のいずれかに与える。次 に、対数量子化されたスケール・ファクタをバッファ１３０に書き込む。１２８ レベルおよび６４レベルの量子化器の範囲は、それぞれ、約１６０ｄＢおよび１ ４４ｄＢのダイナミック・レンジでスケール・ファクタをカバーするのに十分で ある。１２８レベルの上限は、２４ビット入力ＰＣＭデジタル・オーディオ信号 のダイナミック・レンジをカバーするようにセットする。６４レベルの上限は、 ２０ビット入力ＰＣＭデジタル・オーディオ信号のダイナミック・レンジをカバ ーするようにセットする。 対数スケール・ファクタを量子化器にマップし、スケール・ファクタを、最も 近い量子化器レベル・コードＲＭＳ_QL（またはＰＥＡＫ_QL）と置換する。６４レ ベル量子化器の場合、これらのコードは６−ビット長であり、０〜６３の範囲と なる。１２８レベル量子化器の場合、コードは７ビット長であり、０〜１２７の 範囲となる。 インバース（逆）量子化１３１は、単にレベル・コードを、それぞれのインバ ース量子化特性に戻してマップし、ＲＭＳ_p（またはＰＥＡＫ_q）値を与えること によって得られる。ＡＤＰＣＭ（または、ＰＭＯＤＥ＝０の場合、ＡＰＣＭ）差 分サンプル・スケーリングのために、量子化されたスケール・ファクタをエンコ ーダおよびデコーダ双方において用い、こうして、スケーリング・プロセスおよ びインバース・スケーリング・プロセス双方が同一であることを保証する。 ６４レベル量子化器コードのビット・レートを低下させる必要がある場合、追 加のエントロピまたは可変長コーディングを行う。第２のサブバンド（ｊ＝２） から開始し、最も高いアクティブなサブバンドまで、ｊ個のサブバンドにわたっ て、６４レベル・コードを一次差分エンコードする（first order differential ly encoded）（１３２）。このプロセスは、ＰＥＡＫスケール・ファクタをコー ド化するために用いることも可能である。符号付き差分コードＤＲＭＳ_QL（ｊ） （またはＤＰＥＡＫ_QL（ｊ））は、＋／−６３の最大範囲を有し、バッファ１３ ４に格納される。これらのビット・レートを元の６ビット・コードに対して低下 させるためには、ある数（ｐ）の１２７レベル・ミッド−ライザ可変長コード・ ブックに、差分コードをマップする。各コード・ブックは、異なる入力統計特性 に対して最適化されている。 符号付き差分コードをエントロピ・コード化するプロセスは、ｐの１２７レベ ル可変長コード・テーブルを用いること以外は、図１２に示す過渡モード用エン トロピ・コーディング・プロセスと同一である。ＳＨＵＦＦインデックスを用い て、マッピング・プロセスにおいて最も低いビット使用度を与えるテーブルを選 択する。このテーブルから、マップされたコードＶＤＲＭＳ_QL（ｊ）を抽出し、 パックし、ＳＨＵＦＦインデックス・ワードと共にデコーダに伝達する。デコー ダは、同一の（ｐ）１２７レベル・インバース・テーブルのセットを保持してお り、このＳＨＵＦＦインデックスを用いて、入来する可変長コードを適正なテー ブルに差し向け、デコードして差分量子化器コード・レベルに戻す。以下のルー チンを用いて、差分コード・レベルを絶対値に戻す。 ｊ＝２，．．．Ｋについて、 ＲＭＳ_QL（１）＝ＤＲＭＳ_QL（１） ＲＭＳ_QL（ｊ）＝ＤＲＭＳ_QL（ｊ）＋ＲＭＳ_QL（ｊ−１） 更に、以下のルーチンを用いて、ＰＥＡＫ差分コード・レベルを絶対値に戻す。 ｊ＝２，．．．Ｋについて、 ＰＥＡＫ_QL（１）＝ＤＰＥＡＫ_QL（１） ＰＥＡＫ_QL（ｊ）＝ＤＰＥＡＫ_QL（ｊ）＋ＰＥＡＫ_QL（ｊ−１） 双方の場合において、Ｋ＝アクティブなサブバンドの数である。 グローバル・ビット割り当て 図１０に示すグローバル・ビット管理システム３０は、ビット割り当て（ＡＢ ＩＴ）を管理し、低下されたビット・レートで主観的に透過的なエンコーディン グを与えるために、マルチ・チャネル・オーディオ・エンコーダに対して、アク ティブなサブバンド（ＳＵＢＳ）の数ならびにジョイント周波数戦略（ＪＯＩＮ Ｘ：joint frequency strategy）およびＶＱ戦略を決定する。これによって、オ ーディオ忠実度を維持または改善しつつ、固定媒体上にエンコードし格納可能な オーディオ・チャネル数および／または再生時間(playback time)の増加が得ら れる。通常、ＧＢＭシステム３０は、最初に、エンコーダの予測ゲインによって 修正された心理音響学的分析にしたがって、各サブバンドにビットを割り当てる 。次に、ｍｍｓｅ方式にしたがって、残りのビットを割り当て、全体的なノイズ 下限を低下させる。エンコーディング効率を最適化するために、ＧＢＭシステム は、全てのオーディオ・チャネル、全てのサブバンド、およびフレーム全体にわ たって同時にビットを割り当てる。さらに、ジョイント周波数コーディング戦略 を採用することができる。このように、本システムは、オーディオ・チャネル間 、周波数にわたって、および時間にわたっての信号エネルギの非均一な分布を利 用す る。 心理音響学的分析 心理音響学的測定を用いて、オーディオ信号における知覚的に無関係な情報を 判定する。知覚的に無関係な情報とは、人間の聴取者には聞くことができず、時 間領域、周波数領域、またはその他の基準では測定可能なオーディオ信号の部分 と定義する。ジェー．ディー．ジョンストン(J．D．Johnston)の「知覚ノイズ基 準を用いたオーディオ信号の変換コーディング(Transform Coding of Audio Sig nals Using Perceptua1 Noise Criteria)」（IEEE journalon Selected Areas i n Communications，vol JSAC-6，no.2，pp．314-323，１９９８年２月)は、心理 音響学的コーディングの一般的な原理について記載している。 ２つの主なファクタが心理音響学的測定に影響を与える。１つは、人間に適用 可能な聴覚の周波数依存絶対スレッショルドである。もう１つは、あるサウンド が、このサウンドと同時にまたは後に再生される第２のサウンドを聴取する人間 の能力に及ぼすマスキング効果である。言い換えると、第１のサウンドが、第２ のサウンドの聴取を妨げるのであり、これを隠蔽(mask out)と言う。 サブバンド・コーダでは、心理音響学的計算の最終成果は、当該時点において 各サブバンド毎に、ノイズの非可聴レベルを指定する１組の数値である。この計 算は公知であり、ＭＰＥＧ1圧縮規格ＩＳＯ／ＩＥＣ ＤＩＳ １１１７２「情 報技術−約１．５Ｍビット／ｓまでのデジタル記憶媒体のための動画および付随 する音声のコーディング(Information technology―Coding of moving pictures and associated audio for digital storage mediaup to about 1.5 Mbits/s) （１９９２年）に組み込まれている。これらの数値は、オーディオ信号と共に動 的に変化する。コーダは、ビット割り当てプロセスによって、サブバンド内にお ける量子化ノイズの下限を調節し、これらのサブバンドにおける量子化ノイズが 可聴レベル未満となるようにする。 精度の高い心理音響学的計算は、通常、時間−周波数変換（time-to-frequenc y transform）において高い周波数分解能を必要とする。これは、時間一周波数 変換に、大きな分析ウインドウを用いることを暗示している。標準的な分析ウイ ンドウ・サイズは、１０２４サンプルであり、これは圧縮されたオーディオ・デ ータのサブフレーム１つに対応する。長さ１０２４ｆｆｔの周波数分解能は、人 間の耳の時間的分解能にほぼ一致する。 心理音響学的モデルの出力は、３２のサブバンドの各々についての信号対マス ク（ＳＭＲ：signal-to-mask）比である。ＳＭＲは、特定のサブバンドが耐える ことができる量子化ノイズの量を示し、したがって、当該サブバンドにおいてサ ンプルを量子化するために必要なビット数を示すものでもある。具体的には、大 きなＳＭＲ（＞＞１）は、多数のビットが必要であることを示し、小さなＳＭＲ （＞０）は、必要なビットが少なくてよいことを示す。ＳＭＲ＜０の場合、オー ディオ信号はノイズ・マスク・スレッショルドより下にあり、量子化のために必 要なビットはない。 図１４に示すように、通常、１）ＰＣＭオーディオ・サンプル上で、好ましく は長さが１０２４のｆｆｔを計算し、一連の周波数係数１４２を生成し、２）各 サブバンド毎に、周波数依存トーンおよびノイズ心理音響学的マスク１４４を用 いてこれら周波数係数の畳み込み(convolve)を行い、３）各サブバンド毎に、得 られた係数の平均を取ってＳＭＲレベルを生成し、４）随意に、図１５に示す人 間の聴覚応答１４６に応じてＳＭＲの正規化を行うことによって、連続する各フ レーム毎にＳＭＲを生成する。 人間の耳の感度は、４ｋＨｚ付近の周波数で最大となり、周波数が高くなるに 連れてまたは低くなるに連れて低下する。したがって、同一レベルで知覚される ためには、２０ｋＨｚ信号は４ｋＨｚ信号よりもかなり強くなければならない。 したがって、通常、４ｋＨｚ付近の周波数におけるＳＭＲは、外側の周波数より も比較的重要性が高い。しかしながら、曲線の正確な形状は、聴取者に配給され る信号の平均パワーによって異なる。音量（ボリューム）が増大するに連れて、 聴覚応答１４６は圧縮される。したがって、特定の音量に対して最適化されたシ ステムは、他の音量では最適とはならない。その結果、ＳＭＲレベルを正規化す るために公称パワー・レベル(nominal power level)を選択するかあるいは正規 化をディスエーブルする。３２サブバンドについて得られたＳＭＲ１４８を図１ ６に示す。 ビット割り当てルーチン ＧＢＭシステム３０は、最初に、適切なエンコーディング戦略を選択し、どの サブバンドをＶＱおよびＡＤＰＣＭアルゴリズムによってエンコードし、ＪＦＣ をイネーブルするか否かについて選択を行う。その後、ＧＢＭシステムは、心理 音響学的手法またはＭＭＳＥビット割り当て手法のいずれかを選択する。例えば 、高ビット・レートでは、システムは心理音響学的モデリングをディスエーブル し、真のｍｍｓｅ割り当て方式を用い得る。これによって、再生されるオーディ オ信号に知覚的な変化を全く生ずることなく、計算の複雑さが減少する。逆に、 低レートでは、システムは先に論じたジョイント周波数コーディング方式を活性 化し、低い方の周波数における再生忠実度を改善する。ＧＢＭシステムは、フレ ーム毎の信号の過渡内容に基づいて、通常の心理音響学的割り当てとｍｍｓｅ割 り当てとの間で切り替えを行うことができる。過渡内容が高い場合、ＳＭＲを計 算する際に用いる定在性(stationarity)の仮定はもはや正しくないので、したが ってｍｍｓｅ方式の方がよりよい性能を発揮する。 心理音響学的割り当てでは、ＧＢＭシステムは、最初に、心理音響学的効果を 満足するように、使用可能なビットを割り当て、次いで、全体的なノイズ下限を 低下させるように残りのビットを割り当てる。第１のステップは、上述のように 、現フレームに対して、サブバンド毎にＳＭＲを決定することである。次のステ ップは、各サブバンドにおいて予測ゲイン（Ｐｇａｉｎ）のためにＳＭＲを調節 し、マスク対ノイズ分配量（ＭＮＲ）を発生することである。その原理は、ＡＤ ＰＣＭエンコーダは、必要とされるＳＭＲの一部を与えるということである。そ の結果、可聴不可能な心理音響学的ノイズ・レベルは、より少ないビットで得る ことができる。 第ｊのサブバンドに対するＭＮＲは、ＰＭＯＤＥ＝１と仮定すると、次の式で 与えられる。 ＭＮＲ（ｊ）＝ＳＭＲ（ｊ）−Ｐｇａｉｎ（ｊ）＊ＰＥＦ（ＡＢＩＴ） ここで、ＰＥＦ（ＡＢＩＴ）は量子化器の予測効率ファクタである。ＭＮＲ（ｊ ）を計算するためには、設計者はビット割り当て（ＡＢＩＴ）の推定値を有さな ければならない。これは、ＳＭＲ（ｊ）に基づいてのみビットを割り当てるか、 あるいはＰＥＦ（ＡＢＩＴ）＝１と仮定することのいずれかによって発生するこ と ができる。中間ないし高ビット・レートでは、有効予測ゲインは計算予測ゲイン にほぼ等しい。しかしながら、低ビット・レートでは、有効予測ゲインは減少す る。例えば、５レベル量子化器を用いて得られる有効予測ゲインは、推定予測ゲ インの約０．７であり、一方、６５レベル量子化器は、推定予測ゲインにほぼ等 しい有効予測ゲインを可能にする（ＰＦＥ＝１．０）。極限において、ビット・ レートがゼロのときは、予測エンコーディングは本質的にディスエーブルされ、 有効予測ゲインはゼロとなる。 次のステップでは、ＧＢＭシステム３０は、各サブバンドに対するＭＮＲを満 足するビット割り当て方式を発生する。これを行う際に、１ビットが６ｄＢの信 号歪みに等しいとする近似を用いる。エンコーディング歪みが心理音響学的に可 聴なスレッショルド未満であることを保証するために、割り当てされるビット・ レートは、６ｄＢで除算したＭＮＲの最大の整数とする。これは、次の式で与え られる。 ＡＢＩＴ（ｊ）＝［ＭＮＲ（ｊ）／６ｄＢ］ このようにビットを割り当てることによって、再生された信号におけるノイズ ・レベル１５６は、図１７に示す信号自体１５７に追従する方向に向かう。した がって、信号が非常に強い周波数においては、ノイズ・レベルは比較的高いが、 非可聴状態のままである。信号が比較的弱い周波数では、ノイズ下限は非常に低 く非可聴である。このタイプの心理音響学的モデリングに伴う平均誤差は、常に ｍｍｓｅノイズ・レベル１５８よりも大きいが、特に低ビット・レートにおいて 、可聴性能(audible performance)に優れている場合がある。 全オーディオ・チャネルにわたるサブバンド毎に割り当てたビットの合計が、 目標とするビット・レートよりも大きいまたは小さい場合、ＧＭＢルーチンは、 個々のサブバンドに対して、ビット割り当ての減少または増加を繰り返し行う。 あるいは、各オーディオ・チャネル毎に目標とするビット・レートを計算するこ とができる。これは最適ではないが、特にハードウエアによる実施態様では簡素 化が図れる。例えば、使用可能なビットは、オーディオ・チャネル間で均一に分 配することができ、あるいは各チャネルの平均ＳＭＲまたはＲＭＳに比例して分 配することができる。 目標とするビット・レートが、ＶＱコード・ビットおよびサイド情報を含む、 局部的なビット割り当ての合計によって越えられる場合、グローバル・ビット管 理ルーチンは、その局部的サブバンドのビット割り当てを漸進的に減らしていく 。平均ビット・レートを低下させるには、多数の具体的な技法が使用可能である 。まず、最も大きい整数関数によって切り上げて丸めたビット・レートを、切り 下げて丸めることができる。次に、最も小さいＭＮＲを有するサブバンドから、 １ビットを除去することができる。更に、高い方の周波数サブバンドをオフにす ることができ、または、ジョイント周波数コーディングをイネーブルすることが できる。全てのビット・レート低下戦略は、グレースフルにコーディング分解能 を徐々に低下させるという一般原理に従い、知覚的に最も攻撃性の低い戦略を最 初に導入し、最も攻撃性の高い戦略を最後に用いる。 目標とするビット・レートが、ＶＱコード・ビットおよびサイド情報を含む局 所的（ローカル）ビット割り当ての合計よりも大きい場合、グローバル・ビット 管理ルーチンは、漸進的にかつ繰り返しこの局所的サブバンド・ビット割り当て を増大し、再生された信号の全体的なノイズ下限を低下させる。これは、以前に ゼロ・ビットが割り当てられたサブバンドをコード化する場合がある。このよう にサブバンドを「スイッチ・オンする」ことにおけるビット・オーバーヘッドは 、ＰＭＯＤＥがイネーブルされる場合、あらゆる予測器係数を伝達する際のコス トに反映する必要がある場合もある。 ＧＢＭルーチンは、残りのビットを割り当てる際に、３種類の異なる方式の１ つから選択することができる。１つのオプションは、全てのビットを割り当てし 直し、その結果得られるノイズ下限をほぼ平坦にする、ｍｍｓｅ手法を用いるこ とである。これは、心理音響学的モデリングを最初にディスエーブルすることと 同等である。ｍｍｓｅノイズ下限を得るために、図１８ａに示すサブバンドのＲ ＭＳ値のプロット（グラフ）１６０を、図１８ｂに示すように、上下を逆さまと し、全てのビットが尽きるまで「ウオーターフィル（waterfilled）」を行う。 この公知の技法をウオーターフィリングと呼ぶのは、割り当てビット数を増やす に連れて、歪みレベルが均一に落ちていくからである。図示の例では、第１のビ ットをサブバンド１に割り当て、第２および第３のビットをサブバンド１および ２に割り当て、第４ないし第７のビットをサブバンド１，２，４および７に割り 当てるというようにしている。あるいは、１つのビットを各サブバンドに割り当 て、各サブバンドがエンコードされることを保証し、次いで残りのビットをウオ ーターフィルされるようにすることも可能である。 第２の、そして好適なオプションは、上述のｍｍｓｅ手法およびＲＭＳプロッ トにしたがって、残りのビットを割り当てることである。この方法の効果は、心 理音響学的マスキングに関連する形状を維持しつつ、図１７に示すノイズ下限１ ５７を均一に低下させることである。これによって、心理音響学およびｍｓｅ歪 みの間に良好な折衷案が得られる。 第３の手法は、サブバンドに対するＲＭＳ値とＭＮＲ値の間の差のプロットに 適用されるｍｍｓｅ手法を用いて、残りのビットを割り当てることである。この 手法の効果は、ビット・レートが上昇するに連れて、最適な心理音響学的形状１ ５７から最適な（平坦な）ｍｍｓｅ形状１５８まで、ノイズ下限の形状を円滑に 変形させることである。これらの方式のいずれにおいても、いずれのサブバンド においてもコーディング・エラーが、ソースＰＣＭに対して、０．５ＬＳＢ未満 に低下したならば、当該サブバンドにそれ以上ビットを割り当てない。サブバン ド・ビット割り当ての随意に固定した最大値を用いて、特定のサブバンドに割り 当てられるビットの最大数を制限することも可能である。 先に論じたエンコーディング・システムでは、サンプル当たりの平均ビット・ レートを固定し、再生されたオーディオ信号の忠実度を最大に高めるようにビッ ト割り当てを発生すると仮定した。代わりに、ｍｓｅまたは知覚的な歪みレベル を固定し、ビット・レートを変化させて歪みレベルを満足することも可能である 。ｍｍｓｅの手法では、歪みレベルを満足するまで、単にＲＭＳプロットに対し てウオーターフィルを行う。必要なビット・レートは、サブバンドのＲＭＳレベ ルに基づいて変化する。心理音響学的手法では、個々のＭＮＲを満足するように ビットを割り当てる。その結果、ビット・レートは、個々のＳＭＲおよび予測ゲ インに基づいて変化する。このタイプの割り当ては、現在のデコーダが固定レー トで 動作するので、現在では有用ではない。しかしながら、ＡＴＭまたはランダム・ アクセス記憶媒体のような代替配信システムが、近い将来可変レート・コーディ ングを実用化する可能性がある。 ビット割り当てインデックス（ＡＢＩＴ）の量子化 ビット割り当てインデックス（ＡＢＩＴ）は、各サブバンドおよび各オーディ オ・チャネル毎に、グローバル・ビット管理プロセスにおける適応ビット割り当 てルーチンによって発生する。エンコーダにおけるインデックスの目的は、図１ ０に示すレベル数１６２を示すことである。これらのレベルは、デコーダの音声 において、目的とする最適な再生ノイズ下限を得るために差信号を量子化するた めに必要があるものである。デコーダでは、これらはインバース量子化に必要な レベル数を示す。インデックスは、各分析バッファ毎に発生され、それらの値は ０ないし２７の範囲を取ることができる。インデックス値、量子化器レベルの数 および得られる差分サブバンドの近似ＳＮ_QＲの関係を表３に示す。差信号を正 規化するので、ステップ・サイズ１６４を１に等しくセットする。 表３ABIT インデックス Ｑレベルの＃ コード長（ビット） SN_QR(dB) ０ ０ ０ − １ ３ 可変 ８ ２ ５ 可変 １２ ３ ７（または８） 可変（または３） １６ ４ ９ 可変 １９ ４ １３ 可変 ２１ ６ １７（または１６） 可変（または４） ２４ ７ ２５ 可変 ２７ ８ ３３（または３２） 可変（または５） ３０ ９ ６５（または６４） 可変（または６） ３６ １０ １２９（または１２８） 可変（または７） ４２ １１ ２５６ ８ ４８ １２ ５１２ ９ ５４ １３ １０２４ １０ ６０ １４ ２０４８ １１ ６６ １５ ４０９６ １２ ７２ １６ ８１９２ １３ ７８ １７ １６３８４ １４ ８４ １８ ３２７６８ １５ ９０ １９ ６５５３６ １６ ９６ ２０ １３１０７２ １７ １０２ ２１ ２６２１４４ １８ １０８ ２２ ５２４２６８ １９ １１４ ２３ １０４８５７６ ２０ １２０ ２４ ２０９７１５２ ２１ １２６ ２５ ４１９４３０４ ２２ １３２ ２６ ８３８８６０８ ２３ １３８ ２７ １６７７７２１６ ２４ １４４ ビット割り当てインデックス（ＡＢＩＴ）は、４ビット符号なし整数コード・ ワード、５ビット符号なし整数コード・ワードを用いて直接に、あるいは１２レ ベル・エントロピ・テーブルを用いてのいずれかによって、デコーダに伝達する 。典型的に、エントロピ・コーディングは、低ビット・レートの用途においてビ ットを保存するために用いられる。ＡＢＩＴをエンコードする方法は、エンコー ダにおけるモード制御によってセットされ、デコーダに伝達される。エントロピ ー・コーダは、図１２に示すプロセスを用い、１２レベルのＡＢＩＴテーブルに より、ＢＨＵＦＦインデックスによって識別される特定のコード・ブック、およ びコードブック内の特定のコードＶＡＢＩＴに、ＡＢＩＴインデックスをマップ する（１６６）。 グローバル・ビット・レート制御 サイド情報および差分サブバンド・サンプルの双方は、エントロピ可変長コー ド・ブックを用いて随意にエンコードすることができるので、圧縮化ビット・ス トリームを固定レートで伝送すべきときには、ある機構を用いて、結果的に得ら れるエンコーダのビット・レートを調節しなければならない。通常、一旦計算し たサイド情報を修正することは望ましくないので、ビット・レートの調節は、レ ートの制約を満たすまで、ＡＤＰＣＭエンコーダ内で差分サブバンド・サンプル 量子化プロセスを繰り返し変化させることによって得るようにすることが最良で ある。 上述のシステムでは、図１０のグローバル・レート制御（ＧＲＣ）システム１ ７８が、レベル・コード値の統計的分布を変化させることによって、量子化器レ ベル・コードをエントロピ・テーブルにマップするプロセスから得られる、ビッ ト・レートを調節する。エントロピ・テーブルは、全て、レベル・コード値が高 い程、コード長が長くなるという同様の傾向を呈するものと仮定する。この場合 、平均ビット・レートは、低い値のコード・レベルの確率が高くなる程低下し、 その逆も成り立つ。ＡＤＰＣＭ（またはＡＰＣＭ）量子化プロセスでは、スケー ル・ファクタのサイズが、レベル・コード値の分布または使用度を決定する。例 えば、スケール・ファクタ・サイズが増大するに連れて、差分サンプルをより低 いレベルで量子化する傾向となり、したがって、コード値は漸進的に小さくなる 。この ため、より小さなエントロピ・コード・ワード長およびより低いビット・レート が結果的に得られる。 この方法の欠点は、スケール・ファクタ・サイズを増大させることによって、 サブバンド・サンプルにおける再生ノイズも同じ度合いで増加することである。 しかしながら、実際には、スケール・ファクタの調節は、通常１ｄＢないし３ｄ Ｂを超えることはない。更に大きな調節が必要な場合には、膨張したスケール・ ファクタを用いるであろうサブバンドに聴取可能な量子化ノイズが発生する可能 性を承知で行うよりは、ビット割り当てに戻り、全体的なビット割り当てを少な くする方がよいであろう。 エントロピ・エンコードされたＡＤＰＣＭビット割り当てを調節するためには 、ＡＤＰＣＭコーディング・サイクルを繰り返す場合には、各サブバンド毎の予 測器履歴サンプルを一時的バッファに格納する。つぎに、サブバンドＬＰＣ分析 から導出した予測係数ＡＨを、スケール・ファクタＲＭＳ（またはＰＥＡＫ）、 量子化器ビット割り当てＡＢＩＴ、過渡モードＴＭＯＤＥ、および推定された差 信号から導出される予測モードＰＭＯＤＥと共に用いて、ＡＤＰＣＭプロセス全 てによって、サブバンド・サンプル・バッファを全てエンコードする。得られた 量子化器レベル・コードをバッファし、コード・ブック・サイズを決定するため のビット割り当てインデックスを再度用いる最も低いビット使用度を呈示するエ ントロピ可変長コード・ブックにマップする。 ＧＲＣシステムは、次に、同じビット割り当てインデックスを全てのインデッ クスにわたって用い、各サブバンド毎に用いられているビット数を分析する。例 えば、ＡＢＩＴ＝１の場合、グローバル・ビット管理におけるビット割り当て計 算は、サブバンド・サンプル当たり１．４の平均レートを想定することができた （即ち、最適なレベル・コード振幅分布を仮定したエントロピ・コード・ブック に対する平均レート）。ＡＢＩＴ＝１のサブバンド全ての総ビット使用度が１． ４／（サブバンド・サンプルの総数）よりも大きい場合、これらのサブバンド全 てにわたってスケール・ファクタを増加させ、ビット・レートの低下に影響を与 えることができる。サブバンド・スケール・ファクタを調節する決定は、全ての ＡＢＩＴインデックス・レートにアクセスし終わるまで、保留することが好まし い。その結果、ビット割り当てプロセスにおいて仮定したよりも低いビット・レ ートを有するインデックスは、そのレベルよりも高いビット・レートのインデッ クスに対して補償することができる。この評価は、適切であれば、全てのオーデ ィオ・チャネルをカバーするように拡張してもよい。 全体的なビット・レートを低下させるために推奨する手順は、スレッショルド を超える最も低いＡＢＩＴインデックス・ビット・レートから開始し、このビッ ト割り当てを有するサブバンドの各々においてスケール・ファクタを増加させる 。実際のビット使用度は、これらのサブバンドが当該割り当てのための公称レー トに対して元々越えていた、ビット数だけ低下する。修正したビット使用度が未 だ許容される最大値を超える場合、ビット使用度が公称値を超える、次に高いＡ ＢＩＴインデックスに対するサブバンド・スケール・ファクタを増加させる。こ のプロセスは、修正したビット使用度が最大値より下になるまで続けられる。 一旦これが達成されたなら、古い履歴データを予測器にロードし、スケール・ ファクタを修正したサブバンドについてＡＤＰＣＭエンコーディング・プロセス ７２を繰り返す。これに続いて、再びレベル・コードを最も最適なエントロピ・ コードブックにマップし、ビット使用度を再計算する。ビット使用度のいずれか が未だ公称レートを超える場合、スケール・ファクタを更に増加させ、このサイ クルを繰り返す。 スケール・ファクタに対する修正は、２通りの方法で行うことができる。第１ の方法は、各ＡＢＩＴインデックスのための調節ファクタをデコーダに伝達する ことである。例えば、２ビット・ワードは、例えば、０、１、２および３ｄＢの 調節範囲を示すことができる。ＡＢＩＴインデックスを用いる全てのサブバンド に同一の調節ファクタを用い、しかもインデックス１〜１０のみがエントロピ・ エンコーディングを使用することができるので、全てのサブバンドに伝達する必 要がある調節ファクタの最大数は１０である。あるいは、高い量子化器レベルを 選択することにより、各サブバンド毎にスケール・ファクタを変えることも可能 である。しかしながら、スケール・ファクタ量子化器は、それぞれ、１．２５お よび２．５ｄＢのステップ−サイズを有するので、スケール・ファクタの調節は これらのステップに制限される。更に、この技法を用いる場合、スケール・ファ クタの差分エンコーディングおよびその結果得られるビット使用度は、エントロ ピ・エンコーディングをイネーブルする場合には、再計算する必要がある場合も ある。 一般的に言うと、ビット・レートを高める際、即ち、ビット・レートが所望の ビット・レートよりも低い場合、同一の手順を用いることができる。この場合、 スケール・ファクタを減少させて、外側の量子化器レベルをより多く利用するよ うに差分サンプルに強要し、こうしてエントロピ・テーブル内の長いコード・ワ ードを使用させる。 ビット割り当てインデックスに対するビット使用度を、合理的な回数の繰り返 しの範囲内で減少させることができない場合、またはスケール・ファクタ調節フ ァクタを伝達する場合、調節ステップの数は限界に達するが、２通りの修正方法 が可能である。第１に、公称レート内のサブバンドのスケール・ファクタを増加 させることにより、全体的なビット・レートを低下させることができる。あるい は、ＡＤＰＣＭエンコーディング・プロセス全体を中止し、かかるサブバンド全 体に対して適応ビット割り当てを再計算することができ、このとき用いるビット 数を少なくする。 データ・ストリーム・フォーマット 図１０に示すマルチプレクサ３２は、各チャネルに対してデータをパックし、 次に各チャネル毎にパックしたデータを出力フレームにマルチプレクス（多重化 ）し、データ・ストリーム１６を形成する。データをパックしマルチプレクスす る方法、即ち、図１９に示すフレーム・フォーマット１８６を設計したことによ って、オーディオ・コーダを、広い範囲の用途で使用可能とし、より高いサンプ リング周波数に拡張可能とし、各フレーム内のデータ量を制限し、各サブ−サブ フレーム毎に独立して再生を開始できることにゆってしてレイテンシを減少させ 、かつデコーディング・エラーが減少する。 図示のように、単一のフレーム１８６（４０９６ＰＣＭサンプル／ｃｈ）は、 ビット・ストリームの境界を定義し、この中に音声のブロックを適正にデコード するために十分な情報が含まれ、４つのサブフレーム１８８（１０２４ＰＣＭサ ンプル／ｃｈ）で構成される。一方、このサブフレームは、各々４つのサブ−サ ブフレーム１９０（２５６ＰＣＭサンプル／ｃｈ）で構成される。各オーディオ ・フレームの先頭に、フレーム同期ワード１９２を配置する。フレーム・ヘッダ 情報１９４は、第一に、フレーム１８６の構造、ストリームを発生したエンコー ダの構成、ならびに埋込まれたダイナミック・レンジ制御やタイム・コードのよ うな種々のオプションの動作的特徴に関する情報を与える。オプションのヘッダ 情報１９６は、デコーダに、ダウンミキシング(downmixing)が必要か否か、ダイ ナミック・レンジ補償が行われたか否か、およびデータ・ストリームに補助デー タ・バイトが含まれているか否かについて知らせる。オーディオ・コーディング ・ヘッダ１９８は、コーディング「サイド情報」、即ち、ビット割り当て、スケ ール・ファクタ、ＰＭＯＤＥ、ＴＭＯＤＥ、コードブック等を組み立てるために 、エンコーダにおいて用いられる、パッキング配列およびコーディング・フォー マットを示す。フレームの残り部分は、ＳＵＢＦＳ連続的オーディオ・サブフレ ーム１８８で構成されている。 各サブフレームは、オーディオ・コーディング・サイド情報２００で始まって おり、これが、音声を圧縮するために用いられる多数のキー・エンコーディング ・システムに関する情報を、デコーダに中継する。これらは、過渡検出、予測コ ーディング、適応ビット割り当て、高周波数ベクトル量子化、強度コーディング 、および適応スケーリングを含む。このデータの多くは、先のオーディオ・コー ディング・ヘッダ情報を用いて、データ・ストリームからアンパックされる。高 周波数ＶＱコード・アレイ２０２は、ＶＱＳＵＢインデックスによって示される 高周ベ波数サブバンド毎に、１０−ビットのインデックスから成る。低周波数影 響（エフェクト）アレイ２０４はオプションであり、例えば、サブウーファを駆 動するために使用可能な大変低い低周波数データを表す。 オーディオ・アレイ２０６は、ハフマン／固定インバース量子化器を用いてデ コードされ、多数のサブ−サブフレーム（ＳＳＣ）に分割され、各々オーディオ ・チャネル当たり２５６ＰＣＭサンプルまでデコードする。サンプリング周波数 が４８ｋＨｚより高い場合のみ、オーバーサンプルされたオーディオのアレイ(o versampled audio array)２０８が存在する。互換性を保持するためには、４８ ｋＨｚより高いサンプリング・レートで動作できないデコーダは、このオーディ オ・ データ・アレイを飛ばすべきである。ＤＳＹＮＣ２１０を用いて、オーディオ・ フレーム内のサブフレーム位置の終端を確認する。この位置が確認されない場合 、当該サブフレーム内にデコードされている音声は、信頼性がないと宣告される 。その結果、そのフレームを無音化するかあるいは直前のフレームを繰り返す。 サブバンド・デコーダ 図２０は、それぞれ、サブバンド・サンプル・デコーダ１８のブロック図であ る。このデコーダは、エンコーダと比較するとかなり簡素であり、ビット割り当 てのように、再構築される音声の品質にとって基本的に重要な計算を含まない。 同期の後、アンパッカ４０が圧縮化オーディオ・データ・ストリーム１６をアン パックし、伝達時に誘発されたエラーを検出し、必要であればこれを訂正し、デ ータを個々のオーディオ・チャネルにデマルチプレクスする。サブバンド差分信 号を、ＰＣＭ信号に再量子化し、各オーディオ・チャネルにインバース・フィル タ処理を施し、信号を変換して時間領域（時間ドメイン）に戻す。 オーディオ・フレームの受信およびヘッダのアンパック コード化データ・ストリームは、エンコーダにおいてパック（フレーム化）さ れ、各フレーム毎に、実際のオーディオ・コード自体の他に、デコーダの同期、 エラー検出および訂正、オーディオ・コーディング・ステータス・フラグ、なら びにコーディング・サイド情報のための、追加データを含む。アンパッカ４０は 、ＳＹＮＣワードを検出し、フレーム・サイズＦＳＩＺＥを抽出する。コード化 ビット・ストリームは連続的オーディオ・フレームから成り、各々、３２ビット （Ox7ffe8001)同期ワード（ＳＹＮＣ）で始まる。オーディオ・フレームの物理 サイズＦＳＩＺＥは、ｓｙｎｃ（同期）ワードに続くバイトから抽出される。こ れによって、プログラマは、「エンド・オブ・フレーム（フレームの終わり）」 タイマをセットし、ソフトウエアのオーバーヘッドを減らすことができる。次に 、ＮＢｌｋｓが抽出され、これは、デコーダに、オーディオ・ウインドウ・サイ ズ（３２（Ｎｂｌｋｓ＋１））を計算させる。これは、デコーダに、どのサイド 情報を抽出すべきか、および再生サンプルをいくつ生成するかを知らせる。 フレーム・ヘッダ・バイト（ｓｙｎｃ，ｆｔｙｐｅ、ｓｕｒｐ、ｎｂｌｋｓ、 ｆｓｉｚｅ、ａｍｏｄｅ、ｓｆｒｅｑ、ｒａｔｅ、ｍｉｘｔ、ｄｙｎｆ、ｄｙｎ ｃｔ、ｔｉｍｅ、ａｕｘｃｎｔ、ｌｆｆ、ｈｆｌａｇ）を受信すると直ちに、リ ード・ソロモン・チェック・バイトＨＣＲＣを用いて、最初の１２バイトの有効 性についてチェックすることができる。これらは、１４バイトの内の１つのエラ ー・バイト、又は、フラグ２のエラー・バイトを訂正する。エラー・チェックが 完了した後、ヘッダ情報を用いて、デコーダ・フラグを更新する。 ＨＣＲＣに続き且つオプションの情報までのヘッダ（ｆｉｌｔｓ、ｖｅｒｎｕ ｍ、ｃｈｉｓｔ、ｐｃｍｒ、ｕｎｓｐｅｃ）を抽出し、デコーダ・フラグを更新 するために使用することができる。この情報はフレーム毎に変わらないので、多 数決方式を用いて、ビット・エラーを補償することができる。オプションのヘッ ダ・データ（ｔｉｍｅｓ、ｍｃｏｅｆｆ、ｄｃｏｅｆｆ、ａｕｘｄ、ｏｃｒｃ） を、ｍｉｘｃｔ、ｄｙｎｆ、ｔｉｍｅおよびａｕｘｃｎｔヘッダにしたがって抽 出する。オプションのデータは、オプションのリード・ソロモン・チェック・バ イトＯＣＲＣを用いて確認することができる。 オーディオ・コーディング・フレーム・ヘッダ（ｓｕｂｆｓ、ｓｕｂｓ、ｃｈ ｓ、ｖｑｓｕｂ、ｊｏｉｎｘ、ｔｈｕｆｆ、ｓｈｕｆｆ、ｂｈｕｆｆ、ｓｅｌ５ 、ｓｅｌ７、ｓｅｌ９、ｓｅｌ１３、ｓｅｌ１７、ｓｅｌ２５，ｓｅｌ３３、ｓ ｅｌ６５、ｓｅｌ１２９、ａｈｃｒｃ）を、各フレームにおいて１回伝達する。 これらは、オーディオ・リード・ソロモン・チェック・バイトＡＨＣＲＣを用い て確認することができる。ほとんどのヘッダは、ＣＨＳで定義される各オーディ オ・チャネル毎に繰り返される。 サブフレーム・コーディング・サイド情報のアンパック オーディオ・コーディング・フレームは、多数のサブフレーム（ＳＵＢＦＳ） に分割される。必要なサイド情報（ｐｍｏｄｅ、ｐｖｑ、ｔｍｏｄｅ、ｓｃａｌ ｅｓ、ａｂｉｔｓ、ｈｆｒｅｑ）を全て含ませて、他のサブフレームを全く参照 することなく、音声（オーディオ）の各サブフレームを適正にデコードする。連 続する各サブフレームは、最初にそのサイド情報（副情報）をアンパックするこ とによって、デコードする。 １ビット予測モード（ＰＭＯＤＥ）フラグをアクティブなサブバンド毎に、そ してオーディオ・チャネル全てにわたって伝達する。ＰＭＯＤＥフラグは、現行 のサブフレームに有効である。ＰＭＯＤＥ＝０は、当該サブバンドに対して、予 測器係数が当該オーディオ・フレームに含まれていないことを示唆する。この場 合、このバンドの予測器係数を、当該サブフレームの期間ゼロにリセットする。 ＰＭＯＤＥ＝１は、サイド情報がこのサブバンドのための予測器係数を含むこと を示唆する。この場合、当該サブバンドの期間について予測器係数を抽出してそ の予測器にインストールする。 ｐｍｏｄｅアレイにおける全てのＰＭＯＤＥ＝１について、対応する予測係数 ＶＱのアドレス・インデックスはアレイＰＶＱ内に配置される。このインデック スは、固定の符号なしの１２ビット整数ワードであり、１２ビット整数をベクト ル・テーブル２６６にマッピングすることによって、ルックアップ（参照）テー ブルから４つの予測係数を抽出する。 ビット割り当てインデックス（ＡＢＩＴ）は、サブバンド・オーディオ・コー ドを変換して絶対値に戻す、インバース量子化器におけるレベル数を示す。ＢＨ ＵＦＦインデックスおよび特定のＶＡＢＩＴコード２５６に応じて、各オーディ オ・チャネル毎にその内のＡＢＩＴに対して、アンパッキング・フォーマットは 異なるものとなる。 過渡モード・サイド情報（ＴＭＯＤＥ）２３８を用いて、各サブバンド内のサ ブフレームに対する過渡の位置を示す。各サブフレームは１ないし４のサブ−サ ブフレームに分割される。サブバンド・サンプルに関して、各サブ−サブフレー ムは８つのサンプルから成る。最大サブフレーム・サイズは３２サブバンド・サ ンプルである。過渡が第１のサブ−サブフレームにおいて発生した場合、ｔｍｏ ｄｅ＝０となる。第２のサブ−サブフレームにおける過渡はｔｍｏｄｅ＝１のと きに示され、以下、同様にして示される。プレエコーのような過渡歪みを制御す るために、ＴＭＯＤＥが０より大きいサブフレームのサブバンドに、２つのスケ ール・ファクタを伝達する。オーディオ・ヘッダから抽出されたＴＨＵＦＦイン デックスは、ＴＭＯＤＥをデコードするために必要な方法を決定する。ＴＨＵＦ Ｆ＝３の場合、ＴＭＯＤＥを、符号なし２ビット整数としてアンパックする。 スケール・ファクタ・インデックスを伝達し、各サブフレーム内におけるサブ バンド・オーディオ・コードの適正なスケーリングを可能にする。ＴＭＯＤＥが ゼロに等しい場合、１つのスケール・ファクタを伝達する。ＴＭＯＤＥがいずれ のサブバンドについてもゼロより大きい場合、２つのスケール・ファクタを一緒 に伝達する。オーディオ・ヘッダから抽出されたＳＨＵＦＦインデックス２４０ は、別個の各オーディオ・チャネルに対してのＳＣＡＬＥＳをデコードするため に必要な方法を決定する。ＶＤＲＭＳ_QLインデックスは、ＲＭＳスケール・ファ クタの値を決定する。 あるモードでは、ＳＣＡＬＥＳインデックスをアンパックする際に、５つの１ ２９レベル符号付きハフマン・インバース量子化器から選択したものを使用する 。得られるインバース量子化されたインデックスは、しかしながら、差分的にエ ンコードされ、以下のように絶対値に変換される。 ＡＢＳ＿ＳＣＡＬＥ（ｎ＋１）＝ＳＣＡＬＥＳ（ｎ）−ＳＣＡＬＥＳ（ｎ＋１ ） ここで、ｎは、オーディオ・チャネルにおいて、第１のサブバンドから始まって ｎ番目の差分スケール・ファクタである。 低ビット・レートのオーディオ・コーディング・モードでは、オーディオ・コ ーダは、ベクトル量子化を用いて、高周波数サブバンド・オーディオ・サンプル を直接に効率的にエンコードする。これらのサブバンドには差分エンコーディン グを用いず、通常のＡＤＰＣＭプロセスに関係するすべてのアレイはリセットに 保持しなければならない。ＶＱを用いてエンコードされる第１のサブバンドはＶ ＱＳＵＢによって示され、ＳＵＢＳまでの全サブバンドも、このようにエンコー ドされる。 高周波数インデックス（ＨＦＲＥＱ）は、固定１０ビット符号なし整数として アンパックする（２４８）。各サブバンド・サブフレームに必要とされる３２個 のサンプルは、適切なインデックスを適用することによって、Ｑ４分数二進（fr actional binary）ＬＵＴから抽出する。これは、高周波数ＶＱモードがアクテ ィブな各チャネル毎に繰り返される。 エフェクト・チャネルに対するデシメーション・ファクタは常にＸ１２８であ る。ＬＦＥ内にある８ビット・エフェクト・サンプルの数は、ＰＳＣ＝０の場合 はＳＳＣ＊２で与えられ、ＰＳＣが非ゼロの場合（ＳＳＣ＋１）＊２で与えられ る。ＬＦＥアレイの終端には、追加の７ビット・スケール・ファクタ（符号なし 整数）も含まれ、これは７ビットＬＵＴを用いてｒｍｓに変換される。 サブ−サブフレーム・オーディオ・コード・アレイのアンパック サブバンド・オーディオ・コードのための抽出プロセスは、ＡＢＩＴインデッ クスによって駆動され、ＡＢＩＴ＜１１の場合、ＳＥＬインデックスによっても 駆動される。オーディオ・コードをフォーマットするには、可変長ハフマン・コ ードまたは固定線型コードのいずれかを用いる。通常、１０以下のＡＢＩＴイン デックスは、コードＶＱＬ（ｎ）２５８によって選択されるハフマン可変長コー ドを示唆し、一方、１０よりも大きいＡＢＩＴは常に固定コードを意味する。全 ての量子化器は、中間トレッド(mid-tread)の均一な特性を有する。固定コード （Ｙ²）量子化器では、最も負のレベルが落とされる。オーディオ・コードは、 サブ−サブフレームにパックされる。各サブ−サブフレームは、最大８つのサブ バンド・サンプルを表し、これらのサブ−サブフレームは、現サブサンプルにお いて４回まで繰り返される。 サンプリング・レート・フラグ（ＳＦＲＥＱ）が４８ｋＨｚよりも高いレート を示す場合、オーディオ・フレーム内に、オーバーオーディオ・データ・アレイ (over_audio data array)が存在する。このアレイの中の最初の２バイトは、ｏ ｖｅｒ＿ａｕｄｉｏ（オーバーオーディオ）のバイト・サイズを示す。更に、デ コーダ・ハードウエアのサンプリング・レートは、高周波数サンプリング・レー トに応じて、ＳＦＲＥＱ／２またはＳＦＲＥＱ／４で動作するようにセットすべ きである。 同期チェックのアンパック データ・アンパッキング同期チェック・ワードＤＳＹＮ C=Oxffffを、各サブ フレームの終端において検出し、アンパッキングの保全性を確認できるようにす る。サイド情報およびオーディオ・コードにおける可変コード・ワードの使用は 、低オーディオ・ビット・レートの場合のように、ヘッダ、サイド情報またはオ ーディオ・アレイのいずれかがビット・エラーにより損なわれた場合に、アンパ ッキング不整合に至る可能性がある。アンパッキング・ポインタがＤＳＹＮＣの 開 開始を指さない場合、その前のサブフレーム・オーディオが信頼性に欠けると想 定することができる。 一旦サイド情報およびオーディオ・データの全てをアンパックしたなら、デコ ーダは１度に１サブフレームずつ、マルチ・チャネル・オーディオ信号を再構築 （再生）する。図２０は、単一のチャネルにおける単一のサブバンドに対するベ ースバンド・デコーダ部分を示す。 ＲＭＳスケール・ファクタの再構築 デコーダは、ＡＤＰＣＭ、ＶＱおよびＪＦＣアルゴリズムのために、ＲＭＳス ケール・ファクタ（ＳＣＡＬＥＳ）を再生する。即ち、ＶＴＭＯＤＥおよびＴＨ ＵＦＦインデックスをインバース・マッピングし、現サブフレームに対する過渡 モード（ＴＭＯＤＥ）を識別する。その後、ＳＨＵＦＦインデックス、ＶＤＲＭ Ｓ_QLコードおよびＴＭＯＤＥをインバース・マッピングし、差分ＲＭＳコードを 再生する。差分ＲＭＳコードをインバース差分コード化し（２４２）、ＲＭＳコ ードを選択する。次に、ＲＭＳコードをインバース量子化し（２４４）、ＲＭＳ スケール・ファクタを生成する。 高周波数ベクトルのインバース量子化 デコーダは高周波数ベクトルをインバース（逆）量子化し、サブバンド・オー ディオ信号を再生する。即ち、開始ＶＱサブバンド（ＶＱＳＵＢＳ）によって識 別される、符号付き８ビット分数（Ｑ４）二進数である、抽出された高周波数サ ンプル（ＨＦＲＥＱ）を、インバースＶＱ ｌｕｔ ２４８にマップする。選択 したテーブル値を逆量子化し（２５０）、ＲＭＳスケール・ファクタによってス ケーリングする（２５２）。オーディオ・コードのインバース量子化 ＡＤＰＣＭループに入る前に、オーディオ・コードを逆量子化し、スケーリン グして、再生されたサブバンド差サンプルを生成する。逆量子化を行うには、最 初にＶＡＢＩＴおよびＢＨＵＦＦインデックスをインバース・マッピングして、 ステップ−サイズおよび量子化レベルの数を決定するＡＢＩＴインデックスを特 定し、更に、量子化器レベル・コードＱＬ（ｎ）を生成するＶＱＬ（ｎ）オーデ ィオ・コード及びＳＥＬインデックスをインバース・マッピングする。その後、 コ ード・ワードＱＬ（ｎ）を、ＡＢＩＴおよびＳＥＬインデックスによって指定さ れる、インバース量子化器ルックアップ・テーブル２６０にマップする。コード の順序はＡＢＩＴによって決められるが、個別の各オーディオ・チャネルは個別 のＳＥＬ指定子(specifier)を有する。ルックアップ・プロセスによって、符号 付き量子化器レベル数が得られ、これを量子化ステップ−サイズと乗算すること により単位ｒｍｓに変換することができる。次に、単位ｒｍｓ値を、指定された ＲＭＳスケール・ファクタ（ＳＣＡＬＥＳ）と乗算することにより（２６２）、 完全な差サンプルに変換する。 １． ＱＬ［ｎ］＝１／Ｑ［ｃｏｄｅ［ｎ］］ ここで、１／Ｑは、インバ ース量子化器ルックアップ・テーブルである。 ２． Ｙ［ｎ］＝ＱＬ［ｎ］＊ＳｔｅｐＳｉｚｅ［ａｂｉｔｓ］ ３． Ｒｄ［ｎ］＝Ｙ［ｎ］＊ｓｃａｌｅ＿ｆａｃｔｏｒ ここで、Ｒｄ＝ 再構築された差サンプルである。 インバースＡＤＰＣＭ ＡＤＰＣＭデコーディング・プロセスは、各サブバンド差サンプルに対して、 以下のように実行する。 １． インバースＶＱ ｌｕｔから、予測係数をロードする（２６８）。 ２． 現予測器係数を、予測器履歴アレイに保持されている直前の４つの再生 されたサブバンド・サンプルで畳み込むことによって、予測サンプルを生成する （２６８）。 ｉ＝１、４について、ｐ[ｎ]＝ｓｕｍ（Ｃｏｅｆｆ［ｉ]＊Ｒ[ｎ−ｉ]） こ こで、ｎ＝現サンプル期間である。 ３． 予測サンプルを再生された差サンプルに加算し、再生されたサブバンド ・サンプルを生成する（２７０）。 Ｒ［ｎ］＝Ｒｄ［ｎ］＋Ｐ［ｎ］ ４． 予測器の履歴を更新する。即ち、現在の再生されたサブバンド・サンプ ルを、履歴リストの最上部にコピーする。 Ｉ＝４、１について、Ｒ［ｎ−ｉ］＝Ｒｄ［ｎ−ｉ＋１］ ＰＭＯＤＥ＝０の場合、予測器係数はゼロとなり、予測サンプルはゼロとなり 、 再生されたサブバンド・サンプル（再生サブバンド・サンプル）は差分サブバン ド・サンプルに等しくなる。この場合、予測の計算は不要であるが、ＰＭＯＤＥ が以降のサブフレームにおいてアクティブになるべき場合において、予測器の履 歴は更新し続けることは必須である。更に、ＨＦＬＡＧが現オーディオ・フレー ムにおいてアクティブである場合、予測器履歴は、当該フレームにおける最初の サブ−サブフレームをデコードする前に、クリアしなければならない。履歴は、 通常通り、その点から更新することになる。 高周波数ＶＱサブバンドの場合、またはサブバンドをデセレクト(deselect)し た場合（即ち、ＳＵＢＳ限度を超える）、予測器履歴は、サブバンド予測器がア クティブになる時まで、クリアされたままにしておかなければならない。 ＡＤＰＣＭ、ＶＯおよびＪＦＣデコーディングの選択制御 第１の「スイッチ」は、ＡＤＰＣＭ出力またはＶＱ出力のいずれかの選択を制 御する。ＶＱＳＵＢＳインデックスは、ＶＱエンコーディングの先頭のサブバン ドを識別する。したがって、現サブバンドがＶＱＳＵＢＳよりも低い場合、スイ ッチはＡＤＰＣＭ出力を選択する。その他の場合、ＶＱ出力を選択する。第２の 「スイッチ」２７８は、直接チャネル出力またはＪＦＣコーディング出力のいず れかの選択を制御する。ＪＯＩＮＸインデックスは、どのチャネルを結合し、ど のチャネルにおいて再生信号を生成するかを識別する。再生されたＪＦＣ信号は 、他のチャネルにおけるＪＦＣ入力に対するインテンシティ源(intensity sourc e)を形成する。したがって、現サブバンドがＪＦＣの一部であり、指定されたチ ャネルでない場合、スイッチはＪＦＣ出力を選択する。通常、スイッチはチャネ ル出力を選択する。 ダウン・マトリキシング（マトリクス化） データ・ストリームに対するオーディオ・コーディング・モードは、ＡＭＯＤ Ｅによって示される。更に、デコードされたオーディオ・チャネルは、デコーダ のハードウエア上の物理的な出力チャネル配列に一致するように、再度指示(red irect)することができる（２８０）。 ダイナミック・レンジ制御データ 随意に、エンコーディング段２８２において、ダイナミック・レンジ係数ＤＣ ＯＥＦＦをオーディオ・フレーム内に埋め込むことも可能である。この構成の目 的は、デコーダの出力における、オーディオ・ダイナミック・レンジの圧縮を都 合よく行えるようにすることである。ダイナミック・レンジの圧縮は、音響発生 過程(loud passage)の間ラウドスピーカを損傷する恐れなく、高いレベルの周囲 ノイズが、低いレベルの音を判別できなくしてしまうような聴取環境において、 特に重要である。この問題は、１１０ｄＢという高いダイナミック・レンジを呈 する２０ビットＰＣＭオーディオ記録の使用が増えつつあることによって、更に 複雑化している。 フレームのウインドウ・サイズ（ＮＢＬＫＳ）によって、オーディオ・チャネ ル当たり１つ、２つまたは４つの係数が、いずれのコーディング・モード（ＤＹ ＮＦ）についても伝達される。単一の係数を伝達する場合、これはフレーム全体 に対して使用される。係数が２つの場合、第１の係数はフレームの第１の半分に 用いられ、第２の係数はフレームの第２の半分に用いられる。４つの係数は、フ レームの各１／４に分配される。伝送される値を局所的に補間することによって 、更に高い時間分解能が可能となる。 各係数は、８ビット符号付き分数Ｑ２二進数であり、表（５３）に示すように 、０．２５ｄＢの段階で、＋／−３１．７５ｄＢの範囲を与える対数ゲイン値を 表す。これらの係数はチャネル番号の順に並べられる。デコードされたオーディ オ・サンプルに線型係数を乗算することによって、ダイナミック・レンジの圧縮 に影響を与える。 圧縮の度合いは、デコーダにおける係数値に対する適切な調節によって変える ことや、あるいは係数を完全に無視することによってオフに切り替えることがで きる。 ３２バンド補間フィルタバンク ３２バンド補間フィルタ・バンク４４は、各オーディオ・チャネル毎に３２個 のサブバンドを、単一のＰＣＭ時間領域信号に変換する。ＦＩＬＴＳ＝０の場合 、不完全再生係数（５１２タップＦＩＲフィルタ）を用いる。ＦＩＬＴＳ＝１の 場合、完全再生係数を用いる。通常、コサイン変調係数(cosine modulation coe fficient)を予め計算し、ＲＯＭに格納しておく。補間手順を拡張し、より大き な データ・ブロックを再生して、ループ・オーバーヘッドを減少させることができ る。しかしながら、終了フレームの場合、必要とされ得る最低分解能は３２ＰＣ Ｍサンプルである。補間アルゴリズムは次の通りである。コサイン変調係数を作 成し、３２個の新しいサブバンド・サンプルをアレイＸＩＮに読み込み、コサイ ン変調係数を乗算して一時的アレイＳＵＭおよびＤＩＦＦを作成し、履歴を格納 し、フィルタ係数を乗算し、３２個のＰＣＭ出力サンプルを作成し、作業用アレ イを更新し、３２個の新しいＰＣＭサンプルを出力する。 動作中のビット・レートおよびコーディング方式によって、ビット・ストリー ムが、不完全または完全再生補間フィルタ・バンク係数（ＦＩＬＴＳ）のいずれ かを特定することができる。エンコーダ・デシメーション・フィルタ・バンクは 、４０ビット浮動小数点精度で計算されるので、デコーダの最大理論的再生精度 を達成する能力は、ソースのＰＣＭワード長および畳み込みを計算するために用 いられるＤＳＰコアの精度、ならびに動作をスケーリングする方法によって左右 される。 低周波数エフェクトＰＣＭ補間 低周波数エフェクト・チャネルに関連するオーディオ・データは、主オーディ オ・チャネルとは独立している。このチャネルは、Ｘ１２８デシメート（１２０ Ｈｚ帯域幅）２０ビットＰＣＭ入力上で動作する８ビットＡＰＣＭプロセスを用 いてエンコードされる。デシメートされたエフェクト・オーディオは、主オーデ ィオ・チャネルにおける現サブバンド・オーディオと時間的に整合される。従っ て、３２バンド補間フィルタバンクを通じての遅延が２５６サンプル（５１２タ ップ）であるので、補間された低周波数エフェクト・チャネルも、出力の前に、 残りのオーディオ・チャネルと整合することを保証するように注意を払わなけれ ばならない。エフェクト補間ＦＩＲも５１２タップであれば補償は必要ない。 ＬＦＴアルゴリズムは、以下のように５１２タップ１２８Ｘ補間ＦＩＲを用い る。７ビット・スケール・ファクタをｒｍｓにマップし、ステップ−サイズが７ ビットの量子化器によって乗算し、正規化された値からサブ・サンプル値を生成 し、各サブ・サンプルに与えられるもののようなロー・パス・フィルタを用いて 、１２８で補間する。 ハードウエアの実施態様 図２１および図２２は、３２，４４．１および４８ｋＨｚサンプリング・レー トで動作するエンコーダおよびデコーダの６チャネル・バージョンのハードウエ アによる実施態様の基本的な機能構造を説明する。図２２を参照すると、アナロ グ・デバイス（Analog Devices）社のＡＤＳＰ２１０２０ ４０ビット浮動小数 点デジタル信号プロセッサ（ＤＳＰ）チップ２９６を８つ用いて、６チャネル・ デジタル・オーディオ・エンコーダ２９８を実施する。６つのＤＳＰは、各チャ ネルをエンコードするために用い、第７および第８のＤＳＰは、それぞれ、「グ ローバル・ビット割り当ておよび管理」および「データ・ストリーム・フォーマ ッタおよびエラー・エンコーディング」機能を実施するために用いる。各ＡＤＳ Ｐ２１０２０は、３３ＭＨｚでクロック駆動され、外部の４８ビットＸ３２ｋプ ログラムｒａｍ（ＰＲＡＭ）３００、４０ビットＸ３２ｋデータｒａｍ（ＳＲＡ Ｍ）３０２を利用して、これらのアルゴリズムを実行する。エンコーダの場合、 ８ビットＸ５１２ｋのＥＰＲＯＭ３０４も、可変長エントロピ・コード・ブック のような固定定数の格納のために用いる。データ・ストリーム・フォーマット用 ＤＳＰは、リード・ソロモンＣＲＣチップ３０６を用いて、デコーダにおけるエ ラー検出および保護を容易に行うようにしている。エンコーダＤＳＰとグローバ ル・ビット割り当ておよび管理との間の通信は、デュアル・ポート・スタティッ クＲＡＭ３０８を用いて実施する。 エンコード処理フローは以下の通りである。２チャネル・デジタル・オーディ オＰＣＭデータ・ストリーム３１０を、３つのＡＥＳ／ＥＢＵデジタル・オーデ ィオ受信機の各々の出力において抽出する。各対の第１のチャネルをＣＨ１、３ および５のエンコーダＤＳＰにそれぞれ差し向け、一方、各々の第２のチャネル をＣＨ２、４および６にぞれぞれ差し向ける。シリアルＰＣＭワードをパラレル に変換する（ｓ／ｐ）ことによって、ＰＣＭサンプルをＤＳＰに読み込む。各エ ンコーダは、１フレームのＰＣＭサンプルを蓄積し、前述のように、フレーム・ データのエンコードを進める。各チャネルに対する推定された差信号（ｅｄ（ｎ ）およびサブバンド・サンプル（ｘ（ｎ））に関する情報を、デュアル・ポート ＲＡＭを通じて、グローバル・ビット割り当ておよび管理ＤＳＰに伝達する。次 に、 各デコーダに対するビット割り当て戦略を、同様に読み返す。一旦エンコーディ ング・プロセスが完了したなら、グローバル・ビット割り当ておよび管理ＤＳＰ を介して、６チャネルのためのコード化されたデータおよびサイド情報をデータ ・ストリーム・フォーマッタＤＳＰに伝達する。この段階で、デコーダにおける エラー保護を与える目的のために、ＣＲＣチェック・バイトを選択的に発生し、 エンコードされたデータに付加する。最後に、データ・パケット１６全体を組み 立て、出力する。 ６チャネルのデコーダのハードウエアによる実施態様を図２２に示す。単一の アナログ・デバイス社のＡＤＳＰ２１０２０ ４０ビット浮動小数点デジタル信 号プロセッサ（ＤＳＰ）チップ３２４を用いて、６チャネル・デジタル・オーデ ィオ・デコーダを実施する。ＡＤＳＰ２１０２０は、３３ＭＨｚのクロックで駆 動され、外部の４８ビットＸ３２ｋプログラムｒａｍ（ＰＲＡＭ）３２６、４０ ビットＸ３２ｋデータｒａｍ（ＳＲＡＭ）３２８を利用して、デコーディング・ アルゴリズムを実行する。可変長エントロピおよび予測係数ベクトル・コード・ ブックのような固定定数の格納のために、追加の８ビットＸ５１２ｋＥＰＲＯＭ ３３０も使用する。 デコード処理フローは以下の通りである。シリアル−パラレル変換器（ｓ／ｐ ）３３２を介して、圧縮されたデータ・ストリーム１６をＤＳＰに入力する。先 に例示したように、データをアンパックし、デコードする。各チャネル毎に、サ ブバンド・サンプルを単一のＰＣＭデータ・ストリーム２２に再構築し、３つの パラレル−シリアル変換器（ｐ／ｓ）３３５を介して、３つのＡＥＳ／ＥＢＵデ ジタル・オーディオ送信機チップ３３４に出力する。 以上、本発明のいくつかの例示的な実施形態を示しかつ説明したが、多数の変 形および代替実施形態が当業者には想起されよう。例えば、プロセッサの速度が 上昇し、メモリのコストが低下するに連れて、サンプリング周波数、送信レート 、及びバッファ・サイズは増加する傾向にある。このような変形的及び互換的な 実施態様は考慮されており、請求の範囲に規定された本発明の精神及び範囲から 逸脱することなく実施できる。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，Ｌ Ｕ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ， ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＫＥ，ＬＳ，ＭＷ，ＳＤ，Ｓ Ｚ，ＵＧ)，ＵＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ ，ＲＵ，ＴＪ，ＴＭ)，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＺ， ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，ＨＵ，Ｉ Ｌ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＫ ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ， ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，Ｒ Ｕ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＴＪ，ＴＭ，ＴＲ ，ＴＴ，ＵＡ，ＵＧ，ＵＺ，ＶＮ (72)発明者 スマイス，マイケル・エイチ イギリス国ノーザン・アイルランド，カウ ンティ・ダウン，バンゴー，グロウエヒ ル・ガーデンズ 72 (72)発明者 スミス，ウイリアム・ポール アメリカ合衆国カリフォルニア州91360, サウザンド・オークス，セント・チャール ズ・ドライブ 895，ナンバー５

Claims (1)

1. 【特許請求の範囲】 １． マルチチャネル・オーディオ・エンコーダであって、 あるサンプリング・レートでサンプルされたマルチチャネル・オーディオ信号 の各チャネルにオーディオ・ウインドウを適用し、それぞれのオーディオ・フレ ームのシーケンスを生成するフレーム・グラバ（６４）と、 前記チャネルのオーディオ・フレームを、ベースバンド周波数範囲にわたって それぞれの複数の周波数サブバンドに分割する複数のフィルタ（３４）であって 、前記周波数サブバンドが各々、サブバンド・フレーム当たり少なくとも１つの オーディオ・データのサブフレームを有するサブバンド・フレームのシーケンス を備える、フィルタ（３４）と、 それぞれの周波数サブバンドにおける前記オーディオ・データを、１度に１サ ブフレームずつ、エンコードされたサブバンド信号にコード化する複数のサブバ ンド・エンコーダ（２６）と、 前記エンコードされたサブバンド信号を、それぞれの連続するデータ・フレー ムに対する出力フレームに、パックしてマルチプレクスすることにより、伝送レ ートでのデータ・ストリームを形成するマルチプレクサ（３２）と、 前記サンプリング・レートおよび前記伝送レートに基づいて、前記オーディオ ・ウインドウのサイズをセットし、前記出力フレームのサイズを所望の範囲内に 収めるように制限するコントローラ（１９）と、 を備えるマルチチャネル・オーディオ・エンコーダ。 ２． 請求項１記載のマルチチャネル・オーディオ・エンコーダであって、 前記コントローラが、前記オーディオ・ウインドウのサイズを、 （フレームサイズ）＊Ｆ_samp＊（８／Ｔ_rate） よりも小さい、最大の２の倍数としてセットし、フレームサイズが前記出力フレ ームの最大サイズであり、Fsampがサンプリング・レートであり、Trateが伝送レ ートである、 マルチチャネル・オーディオ・エンコーダ。 ３． 請求項１記載のマルチチャネル・オーディオ・エンコーダであって、 前記マルチチャネル・オーディオ信号が目標のビット・レートでエンコードさ れ、前記サブバンド・エンコーダが予測コーダを備えており、更に、 心理音響学的信号対マスク比（ＳＭＲ）および推定予測ゲイン（Ｐ_gain）を各 サブフレーム毎に計算し、前記ＳＭＲをそれらの関連する予測ゲインのそれぞれ の分数だけ減少させることによってマスク対ノイズ比（ＭＮＲ）を計算し、各Ｍ ＮＲを満足するようにビットを割り当て、全てのサブバンドにわたって前記の割 り当てられたビットのレートを計算し、前記個々の割り当てを調節して実際のビ ット・レートを前記目標のビット・レートに近づけるグローバル・ビット・マネ ージャ（ＧＢＭ）（３０）を備える、 マルチチャネル・オーディオ・エンコーダ。 ４． 請求項１または３記載のマルチチャネル・オーディオ・エンコーダであ って、 前記サブバンド・エンコーダが各サブフレームを複数のサブ−サブフレームに 分割し、各サブバンド・エンコーダが、各サブフレーム毎にエラー信号を発生し 量子化する予測コーダ（７２）を備えており、更に、 各サブフレームに対するコーディングに先立って、推定エラー信号を生成し、 該推定エラー信号の各サブ−サブフレームにおいて過渡を検出し、最初のサブ− サブフレーム以外のいずれかのサブ−サブフレームに過渡があるか否かおよびど のサブ−サブフレームに該過渡が発生したかを示し、過渡が検出された場合、過 渡より前のサブ−サブフレームに過渡前スケール・ファクタを生成し、該過渡を 含むサブ−サブフレームおよび該過渡より後のサブ−サブフレームに過渡後スケ ール・ファクタを生成し、その他の場合、前記サブフレームに均一なスケール・ ファクタを生成する分析器（９８，１００，１０２，１０４，１０６）を備え、 前記予測コーダが、前記過渡前スケール・ファクタ、過渡後スケール・ファク タおよび均一スケール・ファクタを用いて、コーディングに先立って前記エラー 信号をスケーリングし、前記過渡前スケール・ファクタに対応する前記サブ−サ ブフレームにおけるコーディング・エラーを減少させる、 マルチチャネル・オーディオ・エンコーダ。 ５． マルチチャネル・オーディオ・エンコーダであって、 あるサンプリング・レートでサンプルされたマルチチャネル・オーディオ信号 の各チャネルにオーディオ・ウインドウを適用し、それぞれのオーディオ・フレ ームのシーケンスを生成するフレーム・グラバ（６４）であって、前記オーディ オ・フレームが、ＤＣから前記サンプリング・レートのほぼ半分にわたるオーデ ィオ帯域幅を有する、フレーム・グラバ（６４）と、 前記オーディオ・フレームの各々を、前記オーディオ帯域幅のベースバンド部 分を表すベースバンド・フレームと、前記オーディオ帯域幅の残りの部分を表す 高サンプリング・レート・フレームとに分割するプレフィルタ（４６）と、 前記オーディオ・チャネルの高サンプリング・レート・フレームをそれぞれの エンコード高サンプリング・レート信号にエンコードする高サンプリング・レー ト・エンコーダ（４８，５０，５２）と、 前記チャネルのベースバンド・フレームを、それぞれの複数の周波数サブバン ドに分割する複数のフィルタ（３４）であって、前記周波数サブバンドがそれぞ れ、サブバンド・フレーム当たり少なくとも１つのオーディオ・データのサブフ レームを有するサブバンド・フレームのシーケンスを備える、フィルタ（３４） と、 それぞれの周波数サブバンドにおける前記オーディオ・データを、１度に１サ ブフレームずつコード化し、エンコード・サブバンド信号を生成する複数のサブ バンド・エンコーダ（２６）と、 前記エンコード・サブバンド信号および高サンプリング・レート信号を、各連 続的データ・フレームのための出力フレームに、パックしてマルチプレクスする ことにより、伝送レートでのデータ・ストリームを形成し、前記マルチチャネル ・オーディオ信号の前記ベースバンドの部分および高サンプリング・レートの部 分が独立してデコード可能となるようにするマルチプレクサ（３２）と、 を備えるマルチチャネル・オーディオ・エンコーダ。 ６． 請求項５記載のマルチチャネル・オーディオ・エンコーダにおいて、 前記サンプリング・レートおよび伝送レートに基づいて前記オーディオ・ウイ ンドウのサイズを設定し、前記出力フレームのサイズを所望の範囲内に収めるよ うに制限するコントローラ（１９）を更に備える マルチチャネル・オーディオ・エンコーダ。 ７． マルチチャネル・オーディオ・エンコーダであって、 あるサンプリング・レートでサンプルされたマルチチャネル・オーディオ信号 の各チャネルにオーディオ・ウインドウを適用し、それぞれのオーディオ・フレ ーム・シーケンスを生成するフレーム・グラバ（６４）と、 前記チャネルのオーディオ・フレームをベースバンド周波数範囲にわたるそれ ぞれの複数の周波数サブバンドに分割する複数のフィルタ（３４）であって、前 記周波数サブバンドが各々、サブバンド・フレーム当たり少なくとも１つのオー ディオ・データのサブフレームを有するサブバンド・フレームのシーケンスを備 える、フィルタ（３４）と、 心理音響学的信号対マスク比（ＳＭＲ）および推定予測ゲイン（Ｐ_gain）を各 サブフレーム毎に計算し、前記ＳＭＲをそれらの関連する予測ゲインのそれぞれ の分数だけ減少させることによってマスク対ノイズ比（ＭＮＲ）を計算し、各Ｍ ＮＲを満足するようにビットを割り当て、前記サブバンドにわたる前記の割り当 てられたビットのレートを計算し、前記の個々の割り当てを調節して前記の割り 当てビット・レートを目標のビット・レートに近づける、グローバル・ビット・ マネージャ（ＧＢＭ）（３０）と、 前記それぞれの周波数サブバンドにおける前記オーディオ・データを、１度に １サブフレームずつ、前記ビット割り当てに応じてコード化し、エンコード・サ ブバンド信号を生成する複数のサブバンド・エンコーダ（２６）と、 前記エンコード・サブバンド信号およびビット割り当てを、各連続的データ・ フレームに対する出力フレームに、パックしてマルチプレクスすることにより、 伝送レートでのデータ・ストリームを形成するマルチプレクサ（３２）と、 を備えるマルチチャネル・オーディオ・エンコーダ。 ８． 請求項７記載のマルチチャネル・オーディオ・エンコーダであって、 前記の割り当てビット・レートが前記目標のビット・レート未満である場合、 前記ＧＢＭ（３０）が、最小二乗平均誤差（ｍｍｓｅ）方式にしたがって、残り のビットを割り当てる、 マルチチャネル・オーディオ・エンコーダ。 ９． 請求項７記載のマルチチャネル・オーディオ・エンコーダであって、 前記ＧＢＭ（３０）は、各サブフレームに対する二乗平均平方根（ＲＭＳ）値 を計算し、前記の割り当てビット・レートが前記目標のビット・レート未満であ る場合、前記ＧＭＢは、前記の割り当てビット・レートが前記目標のビット・レ ートに近似するまで、前記ＲＭＳ値に適用されるｍｍｓｅ方式にしたがって、使 用可能なビットの全てを再割り当てする、 マルチチャネル・オーディオ・エンコーダ。 １０． 請求項７記載のマルチチャネル・オーディオ・エンコーダであって、 前記ＧＢＭ（３０）は、各サブフレームに対する二乗平均平方根（ＲＭＳ）値 を計算し、前記の割り当てビット・レートが前記目標のビット・レートに近似す るまで、前記ＲＭＳ値に適用されるｍｍｓｅ方式にしたがって、残りのビットの 全てを割り当てる、 マルチチャネル・オーディオ・エンコーダ。 １１． 請求項７記載のマルチチャネル・オーディオ・エンコーダであって、 前記ＧＢＭ（３０）は、各サブフレームに対する二乗平均平方根（ＲＭＳ）値 を計算し、前記の割り当てビット・レートが前記目標のビット・レートに近似す るまで、前記サブフレームのＲＭＳとＭＮＲ値の間の差に適用されるｍｍｓｅ方 式にしたがって、残りのビットの全てを割り当てる、 マルチチャネル・オーディオ・エンコーダ。 １２． 請求項７記載のマルチチャネル・オーディオ・エンコーダであって、 前記ＧＢＭ（３０）は前記ＳＭＲを均一な値にセットし、前記ビットを最小二 乗平均誤差（ｍｍｓｅ）方式にしたがって割り当てるようにする、 マルチチャネル・オーディオ・エンコーダ。 １３． マルチチャネル固定歪み可変レート・オーディオ・エンコーダであっ て、 サンプリング・レートでサンプルされたマルチチャネル・オーディオ信号の各 チャネルにオーディオ・ウインドウを適用し、それぞれのオーディオ・フレーム のシーケンスを生成するフレーム・グラバ（６４）であって、前記マルチチャネ ル・オーディオ信号がＮ−ビットの分解能を有する、フレーム・グラバ（６４） と、 前記チャネルのオーディオ・フレームを、ベース・バンド周波数範囲にわたっ てそれぞれの複数の周波数サブバンドに分割する複数の完全再生フィルタ（３４ ）であって、前記周波数サブバンドが各々、サブバンド・フレーム当たり少なく とも１つのオーディオ・データのサブフレームを有するサブバンド・フレームの シーケンスを備える、完全再生フィルタ（３４）と、 各サブフレームに対する二乗平均平方根（ＲＭＳ）値を計算し、該ＲＭＳ値に 基づいてビットをサブフレームに割り当て、エンコード歪みレベルが、前記オー ディオ信号のＮビットの分解能の最下位ビットの半分未満となるようにするグロ ーバル・ビット・マネージャ（ＧＭＢ）（３０）と、 前記それぞれの周波数バンドにおけるオーディオ・データを、前記ビット割り 当てにしたがって１度に１サブフレームずつコード化し、エンコード・サブバン ド信号を生成する複数の予測サブバンド・エンコーダ（２６）と、 前記エンコード・サブバンド信号およびビット割り当てを、各連続的データ・ フレームに対する出力フレームに、パックしてマルチプレクスすることにより、 伝送レートでのデータ・ストリームを形成するマルチプレクサ（３２）であって 、該データ・ストリームが、前記マルチチャネル・オーディオ信号を前記Ｎビッ ト分解能と等しくするデコード・マルチチャネル・オーディオ信号にデコード可 能である、マルチプレクサ（３２）と、 を備えるマルチチャネル固定歪み可変レート・オーディオ・エンコーダ。 １４． 請求項１３記載のマルチチャネル・オーディオ・エンコーダであって 、 前記ベースバンド周波数範囲が最大周波数を有し、更に、 前記オーディオ・フレームの各々を、それぞれ、前記ベースバンド周波数範囲 における周波数でおよび前記最大周波数より高い周波数でベースバンド信号およ び高サンプリング・レート信号に分割するプレフィルタ（４６）であって、前記 ＧＢＭがビットを前記高サンプリング・レート信号に割り当て、選択された固定 歪みを満足させる、プレフィルタ（４６）と、 前記オーディオ・チャネルの高サンプリング・レート信号を各エンコード高サ ンプリング・レート信号にエンコードする高サンプリング・レート・エンコーダ （４８，５０，５２）と、 を更に備え、 前記マルチプレクサが、前記チャネルのエンコード高サンプリング・レート信 号を前記それぞれの出力フレームにパックし、前記マルチチャネル・オーディオ 信号の前記ベースバンドの部分および前記高サンプリング・レートの部分が独立 してデコード可能となるようにする、 マルチチャネル・オーディオ・エンコーダ。 １５． 請求項１３記載のマルチチャネル・オーディオ・エンコーダにおいて 、 前記サンプリング・レートおよび伝送レートに基づいて前記オーディオ・ウイ ンドウのサイズを設定し、前記出力フレームのサイズを所望の範囲内に収めるよ うに制限するコントローラ（１９）を更に備える マルチチャネル・オーディオ・エンコーダ。 １６． マルチチャネル固定歪み可変レート・オーディオ・エンコーダであっ て、 固定知覚歪みおよび固定最小二乗平均誤差（ｍｍｓｅ）歪みの一方を選択する プログラマブル・コントローラ（１９）と、 サンプリング・レートでサンプルされたマルチチャネル・オーディオ信号の各 チャネルにオーディオ・ウインドウを適用し、それぞれのオーディオ・フレーム のシーケンスを生成するフレーム・グラバ（６４）と、 前記チャネルのオーディオ・フレームをベースバンド周波数範囲にわたってそ れぞれの複数の周波数サブバンドに分割する複数のフィルタ（３４）であって、 前記周波数サブバンドが各々、サブバンド・フレーム当たり少なくとも１つのオ ーディオ・データのサブフレームを有するサブバンド・フレームのシーケンスを 備える、フィルタ（３４）と、 各サブフレームに対する二乗平均平方根（ＲＭＳ）値を計算し、前記固定ｍｍ ｓｅ歪みを満足するまで、前記ＲＭＳ値に基づいてビットをサブフレームに割り 当てる、関連するｍｍｓｅ方式から、および各サブフレームに対する信号対マス ク比（ＳＭＲ）および推定予測ゲイン（Ｐ_gain）を計算する心理音響学的方式か ら選択することによって、前記歪み選択に応答し、前記ＳＭＲをそれらの関連す る予測利得のそれぞれの分数だけ減少させることによってマスク対ノイズ比（Ｍ ＮＲ）を計算し、各ＭＮＲを満足するようにビットを割り当てる、グローバル・ ビット・マネージャ（ＧＢＭ）（３０）と、 前記それぞれの周波数サブバンドにおける前記オーディオ・データを、１度に １サブフレームずつ、前記ビット割り当てに応じてコード化し、エンコード・サ ブバンド信号を生成する複数のサブバンド・エンコーダ（２６）と、 前記エンコード・サブバンド信号およびビット割り当てを、各連続データ・フ レームに対する出力フレームに、パックしてマルチプレクスすることにより、伝 送レートでのデータ・ストリームを形成するマルチプレクサ（３２）と、 を備えるマルチチャネル固定歪み可変レート・オーディオ・エンコーダ。 １７． データ・ストリームからデコーダのサンプリング・レートまでの多数 のオーディオ・チャネルを再生するマルチチャネル・オーディオ・デコーダであ って、各オーディオ・チャネルは、前記デコーダ・サンプリング・レートと少な くとも同じ高さのエンコーダ・サンプリング・レートでサンプルされ、複数の周 波数サブバンドに分割され、伝送レートのデータ・ストリームに圧縮およびマル チプレクスされる、マルチチャネル・オーディオ・デコーダにおいて、 前記データ・ストリームを１度に１フレームずつ読み込みかつ格納する入力バ ッファ（３２４）であって、前記フレームの各々が、同期（ｓｙｎｃ）ワードと 、フレーム・ヘッダと、オーディオ・ヘッダと、少なくとも１つのサブフレーム とを含み、該サブフレームは、オーディオ・サイド情報と、ベースバンド周波数 範囲にわたるベースバンド・オーディオ・コードを有する複数のサブ−サブフレ ームと、高サンプリング・レート周波数範囲にわたる１ブロックの高サンプリン グ・レート・オーディオ・コードと、アンパックｓｙｎｃとを含む、入力バッフ ァ（３２４）と、 デマルチプレクサ（４０）であって、ａ）前記ｓｙｎｃワードを検出し、ｂ） 前記フレーム・ヘッダをアンパックし、前記フレーム内のオーディオ・サンプル 数を示すウインドウ・サイズと、前記フレーム内のバイト数を示すフレーム・サ イズとを抽出し、前記ウインドウ・サイズは前記伝送レートの前記エンコーダ・ サンプリング・レートに対する比率の関数として設定され、前記フレーム・サイ ズが前記入力バッファのサイズ未満に制限され、ｃ）前記オーディオ・ヘッダを アンパックし、前記フレーム内のサブフレームの数およびエンコードされたオー ディオ・チャネルの数を抽出し、ｄ）各サブフレームをシーケンシャルにアンパ ックして前記オーディオ・サイド情報を抽出し、各サブ−サブフレーム内のベー スバンド・オーディオ・コードを多数のオーディオ・チャネルにディマルチプレ クスし且つ各オーディオ・チャネルをそのサブバンド・オーディオ・コードにア ンパックし、前記高サンプリング・レート・オーディオ・コードを前記デコーダ ・サンプリング・レートまでの多数のオーディオ・チャネルにデマルチプレクス し且つ前記エンコーダ・サンプリング・レートまでの残りの高サンプリング・レ ートのオーディオ・コードをスキップし、前記アンパックｓｙｎｃを検出して前 記サブフレームの終端を確認する、デマルチプレクサ（４０）と、 前記サイド情報を用いて、他のいずれのサブフレームも参照せずに、前記サブ バンド・オーディオ・コードを１度に１サブフレームずつ、再生サブバンド信号 にデコードするベースバンド・デコーダ（４２，４４）と、 各チャネルの再生サブバンド信号を、１度に１サブフレームずつ、再生ベース バンド信号に組み合わせるベースバンド再生フィルタ（４４）と、 前記サイド情報を用いて、前記高サンプリング・レート・オーディオ・コード を、１度に１サブフレームずつ、各オーディオ・チャネルに対する再生高サンプ リング・レート信号にデコードする高サンプリング・レート検出器（５８，６０ ）と、 前記再生ベースバンド信号および高サンプリング・レート信号を、１度に１サ ブフレームずつ、再生マルチチャネル・オーディオ信号に組み合わせるチャネル 再生フィルタ（６２）と、 を備えるマルチチャネル・オーディオ・デコーダ。 １８． 請求項１７記載のマルチチャネルオーディオ・デコーダであって、 前記ベースバンド再生フィルタ（４４）が、不完全再生（ＮＰＲ）フィルタバ ンクと、完全再生（ＰＲ）フィルタバンクとを備え、前記フレーム・ヘッダが、 前記ＮＰＲフィルタバンクおよびＰＲフィルタバンクの一つを選択するフィルタ ・コードを含む、 マルチチャネルオーディオ・デコーダ。 １９． 請求項１７記載のマルチチャネル・オーディオ・デコーダであって、 前記ベースバンド・デコーダが、前記それぞれのサブバンド・オーディオ・コ ードをデコードする、複数のインバース適応差分パルス・コード変調（ＡＤＰＣ Ｍ）コーダ（２６８，２７０）を備えており、前記サイド情報が、前記それぞれ のＡＤＰＣＭコーダに対する予測係数と、前記予測係数の前記それぞれのＡＤＰ ＣＭコーダへの適用を制御してそれらの予測能力を選択的にイネーブルおよびデ ィスエーブルする予測モード（ＰＭＯＤＥ）とを含む、 マルチチャネル・オーディオ・デコーダ。 ２０． 請求項１７記載のマルチチャネル・オーディオ・デコーダであって、 前記サイド情報が、 各サブバンドのビット・レートが前記サブフレームにわたって固定されている 、各チャネルのサブバンドに対するビット割り当てテーブルと、 各チャネルにおける各サブバンドに対する少なくとも１つのスケール・ファク タと、 スケール・ファクタ数とそれらに関連するサブ−サブフレームを識別する、各 チャネルにおける各サブバンドに対する過渡モード（ＴＭＯＤＥ）であって、前 記ベースバンド・デコーダが、前記サブバンドのオーディオ・コードを、それら のＴＭＯＤＥに応じたそれぞれのスケール・ファクタによってスケーリングして デコーディングを容易にする、過渡モードと、 を備える、 マルチチャネル・オーディオ・デコーダ。