JP2007507726A

JP2007507726A - オーディオ信号の符号化

Info

Publication number: JP2007507726A
Application number: JP2006527534A
Authority: JP
Inventors: イェーブレーバールト，ディルク
Original assignee: Koninklijke Philips NV; Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2003-09-29
Filing date: 2004-09-16
Publication date: 2007-03-29
Also published as: ATE368921T1; DE602004007945T2; EP1671316B1; KR20060090984A; US20070036360A1; EP1671316A1; WO2005031704A1; CN1860526B; DE602004007945D1; ES2291939T3; US7720231B2; CN1860526A

Abstract

エンコーダは、オーディオ信号（ｘ（ｎ）、ｙ（ｎ））を時間領域から周波数領域に変換し、周波数領域において相互相関関数（Ｒｉ、Ｐｉ）を決定する。複素コヒーレンス値（Ｑｉ）は、周波数領域において（複素）相互相関関数値（Ｒｉ、Ｐｉ）を合計することにより計算される。チャンネル間位相差（ＩＰＤｉ）は、複素コヒーレンス値（Ｑｉ）の偏角により推定され、チャンネル間コヒーレンス（ＩＣｉ）は、複素コヒーレンス値（Ｑｉ）の絶対値により推定される。先行技術においては、計算量の多い逆高速フーリエ変換と時間領域における相互相関関数（Ｒｉ；Ｐｉ）の最大値のサーチが必要である。

Description

本発明は、オーディオ信号用エンコーダ及びオーディオ信号の符号化方法に関する。

オーディオコーディングの技術分野では、一般的には、オーディオ信号の知覚品質を過度に落とすことなくビットレートを下げるために、オーディオ信号を符号化することが望ましい。ビットレートを下げることにより、オーディオ信号を伝送する際の帯域幅やオーディオ信号を格納するのに必要な記憶容量を制限することができるので、有利である。

近年、オーディオ信号の数値表現が注目されており、オーディオコーディングの技術分野では特にそうである。受信側で実質的に等しいオーディオ信号を合成するためには、オーディオ信号を表す（数量化された）パラメータの送信には、限定された送信容量しか必要ではないことが示されている。

米国特許公報第２００３／００２６４４１号は、１つ以上の空間的パラメータ（例えば、耳間レベル差または耳間時間差）の２つ以上の組を合成されたオーディオ信号の２つ以上の異なる周波数帯域に適用することによる聴覚情景の合成が示されている。これでは、異なる周波数帯域はそれぞれ聴覚情景中の単一のオーディオ源に対応するものとして取り扱われる。一実施形態において、合成オーディオ信号は、入力聴覚情景に対応するバイノーラル信号の左右のオーディオ信号の組み合わせに対応する。空間的パラメータの異なる組を適用して入力聴覚情景を再構成する。聴覚情景を合成／再構成するように構成されたレシーバに送信する必要がある異なるオーディオ信号の数を１つに減らすことにより、送信帯域幅の要件を低くすることができる。

トランスミッタにおいて、入力バイノーラル信号の左右のオーディオ信号のそれぞれの対応する部分にＴＦ変換を適用して、信号を周波数領域に変換する。聴覚情景アナライザは左右のオーディオ信号を周波数領域に変換して、変換された信号中の複数の異なる周波数帯域のそれぞれに対して聴覚情景パラメータの組を生成する。周波数帯域の対応するペアのそれぞれについて、アナライザは変換された左右のオーディオ信号を比較して、１つ以上の空間的パラメータを生成する。特に、それぞれの周波数帯域について、変換された左右のオーディオ信号間の相互相関関数を推定する。相互相関の最大値は、その２つの信号がどのくらい相関しているかを示す。相互相関の最大値の時間的位置はＩＴＤに対応する。ＩＬＤは、左右のオーディオ信号のパワーレベルのレベル差を計算することにより求められる。
（発明の開示）
本発明の目的の１つは、より少ない処理パワーでオーディオ信号を符号化するエンコーダを提供することである。

この目的を達成するため、本発明の一態様によると、オーディオ信号を符号化するエンコーダが提供される。本発明の第２の態様によると、オーディオ信号の符号化方法が提供される。有利な実施形態を従属項に記載した。

米国特許公報第２００３／００２６４４１号に開示されたエンコーダは、最初にオーディオ信号を時間領域から周波数領域に変換する。この変換は通常高速フーリエ変換と呼ばれ、さらにＦＦＴとも呼ばれる。通常、時間領域のオーディオ信号は、時間セグメントまたはフレームのシーケンスに分割され、周波数領域への変換はそれぞれのフレームに対して順次実行される。周波数領域の関連部分は、周波数帯域に分割される。各周波数帯域において、入力オーディオ信号の相互相関関数が決定される。この相互相関関数を周波数領域から時間領域に変換しなければならない。この変換は、通常、逆ＦＦＴと呼ばれ、さらにＩＦＦＴと呼ばれる。時間領域において、相互相関関数の最大値を決定して、この最大値の時間的位置を見いだしてＩＴＤの値を得る。

本発明の第１の態様によるエンコーダは、また、オーディオ信号を時間領域から周波数領域に変換しなければならず、周波数領域における相互相関を決定しなければならない。本発明によるエンコーダにおいて、使用される空間的パラメータは、チャンネル間位相差（ＩＰＤとも呼ばれる）、またはチャンネル間コヒーレンス（ＩＣとも呼ばれる）、または両方である。また、他の空間的パラメータ、例えばチャンネル間レベル差（ＩＬＤとも呼ばれる）を符号化してもよい。チャンネル間位相差ＩＰＤは、先行技術の耳間時間差に対応するものである。

しかし、ＩＦＦＴを実行して時間領域で相互相関関数の最大値を探すのではなく、周波数領域における（複素）相互相関関数を合計することにより、複素コヒーレンス値を計算する。チャンネル間位相差ＩＰＤは、複素コヒーレンス値の偏角により推定され、チャンネル間コヒーレンスＩＣは、複素コヒーレンス値の絶対値により推定される。

先行技術文献である米国特許公報第２００３／００２６４４１号では、逆ＦＦＴと時間領域における相互相関関数の最大値のサーチに大きな処理負荷がかかる。この先行技術文献には、コヒーレンスパラメータの決定は記載されていない。

本発明によるエンコーダにおいて、逆ＦＦＴは必要なく、複素コヒーレンス値は周波数領域において（複素）相互相関関数値を合計することにより計算される。ＩＰＤ、またはＩＣ、またはＩＰＤとＩＣの両方をこの合計値から簡単に決定することができる。よって、逆ＦＦＴのための大きな計算負荷を簡単な加算演算で置き換えることができる。その結果として、本発明によるアプローチでは、より少ない計算負荷しかかからない。

留意すべきことは、先行技術文献である米国特許公報第２００３／００２６４４１号では、ＦＦＴを用いて入力信号の複素数値周波数領域表現を求めているが、複素フィルタバンクを用いてもよいことである。このようなフィルタバンクは、複素モジュレータを用いて、帯域制限された複素信号の組を求める（Ekstrand, P. (2002). Bandwidth extension of audio signals by spectral band replication. Proc. 1st Benelux Workshop on model based processing and coding of audio (MPCA-2002), Leuven, Belgiumを参照）。パラメータＩＰＤとＩＣは、ＦＦＴに関しては同様に計算することができ、周波数ビンではなく時間にわたる合計が必要であるという点だけが異なる。

請求項２に記載した実施形態において、相互相関関数は、帯域制限された複素領域の入力オーディオ信号の１つと、入力オーディオ信号の他の１つの複素共役との乗算により複素相互相関関数を求めることにより計算される。この複素相互相関関数は、絶対値と偏角により表すことができる。

請求項３に記載した実施形態において、補正相互相関関数は、偏角をその偏角の微分で置き換えた相互相関関数として計算される。高い周波数において、人間の聴覚システムは、２つの入力チャンネル間の位相差の微細な構造には敏感ではないことが知られている。しかし、時間差と包絡線のコヒーレンスに対してはかなり敏感である。よって、高い周波数においては、それぞれの周波数帯域について、包絡線ＩＴＤとコヒーレンスＩＴＤを計算する方がより適切である。しかし、（ヒルベルト）包絡線を計算する段階が追加的に必要となる。請求項３に記載した発明の実施形態において、周波数領域において補正相互相関関数を直接的に合計することにより、複素コヒーレンス値を計算することができる。また、ＩＰＤ及び／またはＩＣをこの合計の偏角と位相として簡単に決定することができる。

請求項４に記載の実施形態において、周波数領域は、所定数の周波数サブバンド（サブバンドとも呼ぶ）に分割される。異なるサブバンドによりカバーされる周波数範囲は、周波数とともに大きくなる。それぞれのサブバンドに対する複素相互相関関数の決定は、そのサブバンドの周波数領域の入力オーディオ信号を両方用いて行う。サブバンドの１つの周波数領域の入力オーディオ信号は、サブバンドオーディオ信号とも呼ばれる。結果として、サブバンドのそれぞれに対して相互相関関数が求められる。あるいは、相互相関関数は、合成されたオーディオ信号に要求される品質に応じて、サブバンドのサブセットについても決められる。複素コヒーレンス値は、サブバンドのそれぞれにおいて（複素）相互相関関数値を合計することにより計算される。このように、ＩＰＤ及び／またはＩＣもサブバンドごとに決定される。このサブバンドアプローチにより、異なる周波数サブバンドに対して異なるコーディングが可能となり、符号化されたオーディオ信号のビットレートに対して復号されたオーディオ信号の品質をさらに最適化することができる。

請求項５に記載の実施形態において、周波数が低い場合、サブバンドオーディオ信号の１つとサブバンドオーディオ信号の他の１つの複素共役を乗算することにより、サブバンドごとの複素相互相関関数を求める。複素相互相関関数は、絶対値と偏角とを有する。複素コヒーレンス値は、サブバンドのそれぞれにおいて相互相関関数値を合計することにより求められる。より高い周波数の場合、補正相互相関関数が周波数の低い場合の相互相関関数と同様に決定されるが、偏角はその偏角の微分により置き換えられる。ここで、サブバンドごとに補正相互相関関数値を合計することにより、サブバンドごとの複素コヒーレンス値を求める。ＩＰＤ及び／またはＩＣは、複素コヒーレンス値から同様に決定され、周波数には依存しない。

本発明の上記その他の態様は、以下に説明する実施形態を参照して明らかになり、説明される。

図１は、オーディオエンコーダを示すブロック図である。オーディオエンコーダは、２つの入力オーディオ信号ｘ（ｎ）とｙ（ｎ）を受信する。これらの入力オーディオ信号ｘ（ｎ）とｙ（ｎ）は、時間領域における、例えば、ステレオ信号の左オーディオ信号と右オーディオ信号をデジタル化表現である。インデックスｎは、入力オーディオ信号ｘ（ｎ）とｙ（ｎ）のサンプルを示す。結合回路１は、これらの２つの入力オーディオ信号ｘ（ｎ）とｙ（ｎ）を結合して、モノラル信号ＭＡＳにする。入力オーディオ信号ｘ（ｎ）とｙ（ｎ）中のステレオ情報は、数値化回路１０で数値化される。この数値化回路１０は、回路１００ないし１１３を有し、例えば、パラメータＩＴＤｉ、すなわち周波数サブバンドごとのチャンネル間時間差（または、ＩＰＤｉ、すなわち周波数サブバンドごとのチャンネル間位相差）、及びＩＣｉ（周波数サブバンドごとのチャンネル間コヒーレンス）を供給する。モノラル信号ＭＡＳとパラメータＩＴＤｉ、ＩＣｉは、伝送システムで伝送されるか、または記憶媒体（図示せず）に格納される。レシーバまたはデコーダ（図示せず）において、元の信号ｘ（ｎ）とｙ（ｎ）は、モノラル信号ＭＡＳとパラメータＩＴＤｉ、ＩＣｉから再構成される。

通常は、入力信号ｘ（ｎ）とｙ（ｎ）は、時間セグメントまたはフレームごとに処理される。セグメンテーション回路１００は、入力オーディオ信号ｘ（ｎ）を受け取り、フレームの間、受け取ったサンプルを格納し、格納したフレームのサンプルＳｘ（ｎ）をＦＦＴ回路１０２に供給する。セグメンテーション回路１０１は、入力オーディオ信号ｙ（ｎ）を受け取り、フレームの間、受け取ったサンプルを格納し、格納したフレームのサンプルＳｙ（ｎ）をＦＦＴ回路１０３に供給する。

ＦＦＴ回路１０２は、格納されたサンプルＳｘ（ｎ）に高速フーリエ変換を実行し、周波数領域のオーディオ信号Ｘ（ｋ）を求める。同様に、ＦＦＴ回路１０３は、格納されたサンプルＳｙ（ｎ）に高速フーリエ変換を実行し、周波数領域のオーディオ信号Ｙ（ｋ）を求める。サブバンドドライバ１０４と１０５は、それぞれオーディオ信号Ｘ（ｋ）とＹ（ｋ）を受け取り、これらのオーディオ信号Ｘ（ｋ）とＹ（ｋ）の周波数スペクトルを周波数サブバンドｉ（図４を参照）に分割して、サブバンドオーディオ信号Ｘｉ（ｋ）とＹｉ（ｋ）を求める。この動作は、図４を参照してさらに説明する。

相互相関決定回路１０６は、関連するそれぞれのサブバンドについて、サブバンドオーディオ信号Ｘｉ（ｋ）とＹｉ（ｋ）の複素相互相関関数Ｒｉを計算する。通常、周波数領域のオーディオ信号の１つＸｉ（ｋ）と周波数領域のオーディオ信号の他の１つＹｉ（ｋ）の複素共役を乗算することにより、関連するそれぞれのサブバンドにおける相互相関関数Ｒｉを求める。相互相関関数は、Ｒｉ（Ｘ，Ｙ）（ｋ）またはＲｉ（Ｘ（ｋ），Ｙ（ｋ））と表す方がより正確であるが、明確にするためＲｉと省略する。

任意的な規格化回路１０７は、相互相関関数Ｒｉを規格化して規格化相互相関関数Ｐｉ（Ｘ，Ｙ）（ｋ）またはＰｉ（Ｘ（ｋ），Ｙ（ｋ））を求める。規格化相互相関関数は、省略してＰｉと表され：

ここで、ｓｑｒｔは平方根であり、ｃｏｎｊは複素共役である。

留意すべきことは、この規格化過程には、２つの入力信号ｘ（ｎ）、ｙ（ｎ）のサブバンド信号Ｘｉ（ｋ）、Ｙｉ（ｋ）のエネルギーの計算が必要であることである。しかし、この動作は、現在のサブバンドｉについてチャンネル間強度差ＩＩＤを計算するために、いずれにしても必要である。ＩＩＤはこれらのエネルギーの商により決定される。このように、相互相関関数Ｒｉは、２つの入力信号Ｘｉ（ｋ）、Ｙｉ（ｋ）の対応するサブバンド強度の角度平均を取ることにより規格化できる。

既知のＩＦＦＴ（逆高速フーリエ変換）回路１０８は、周波数領域の規格化された相互相関関数Ｐｉを時間領域に変換し戻し、時間領域の規格化された相互相関ｒｉ（ｘ（ｎ），ｙ（ｎ））またはｒｉ（ｘ，ｙ）（ｎ）（省略してｒｉとも呼ぶ）にする。回路１０９は、規格化された相互相関ｒｉのピーク値を決定する。１つのサブバンドのチャンネル間時間遅延ＩＴＤｉは、ピーク値となる規格化相互相関ｒｉの偏角ｎである。または、言い換えると、規格化された相互相関ｒｉのこの最大値に対応する遅延がＩＴＤｉである。サブバンドのチャンネル間コヒーレンスＩＣｉは、ピーク値である。ＩＴＤｉは、類似度が最も高くなるように、２つの入力オーディオ信号ｘ（ｎ）、ｙ（ｎ）を互いにシフトさせる。ＩＣｉは、シフトされた入力オーディオ信号ｘ（ｎ）、ｙ（ｎ）が各サブバンドにおいてどのくらい類似しているかを示す。あるいは、ＩＦＦＴは、規格化されていない相互相関関数Ｒｉに実行してもよい。

このブロック図は、別々のブロックが動作を実行しているように示したが、その動作は単一の専用回路または集積回路で実行してもよい。動作のすべてまたはその一部を好適にプログラムしたマイクロプロセッサで実行することもできる。

図２は、本発明の一実施形態によるオーディオエンコーダを示すブロック図である。このオーディオエンコーダは、図１に示したものと同一の回路１、１００ないし１０７を有し、これらは同様に動作する。また、任意的な規格化回路１０７は、相互相関関数Ｒｉを規格化し、規格化された相互相関関数Ｐｉを求める。コヒーレンス値計算回路１１１は、規格化された複素相互相関関数Ｐｉを合計することにより、関連する各サブバンドについて複素コヒーレンス値Ｑｉを計算する：

ＦＦＴビンインデックスｋは、各サブバンドの帯域幅により決定される。好ましくは、計算負荷を最小化するために、正の周波数（ｋ＝０からＫ／２、ここでｋはＦＦＴサイズ）または負の周波数（ｋ＝−Ｋ／２から０）のみが合計される。この計算は周波数領域で実行されるので、規格化された相互相関関数Ｐｉを時間領域に最初に変換するためのＩＦＦＴを必要としない。コヒーレンス推定器１１２は、複素コヒーレンス値Ｑｉの絶対値でコヒーレンスＩＣｉを推定する。位相差推定器１１３は、複素コヒーレンス値Ｑｉの偏角または角度でＩＰＤｉを推定する。

よって、関連する各サブバンドにおいて、ＩＦＦＴの実行と規格化された相互相関ｒｉの最大値のサーチをしなくても、関連する各サブバンドｉについてチャンネル間コヒーレンスＩＣｉとチャンネル間位相差ＩＰＤｉを求めることができる。これにより、処理パワーを大幅に節約することができる。あるいは、複素コヒーレンス値Ｑｉは、正規化されていない相互相関関数Ｐｉを合計することにより、求めてもよい。

図３は、本発明の他の実施形態によるオーディオエンコーダの一部を示すブロック図である。

周波数が高い場合、例えば、２ｋＨｚまたは４ｋＨｚより高い場合、先行技術（Baumgarte, F.,Faller. C (2002). Estimation of auditory spatial cues for binaural cue coding. Proc. ICASSP'02を参照）においては、図１を参照して説明したように、波形コヒーレンスの計算よりもより一層多くの計算を必要とする包絡線コヒーレンスを計算する。実験結果によると、周波数領域の（規格化された）複素相互相関関数Ｒｉの位相値ＡＲＧを、この位相値ＡＲＧの微分ＤＡにより置き換えることにより、包絡線コヒーレンスをかなり正確に推定することができることが示された。

図３は、図１と同じ相互相関決定回路１０６を示している。相互相関決定回路１０６は、関連するそれぞれのサブバンドについて、サブバンドオーディオ信号Ｘｉ（ｋ）とＹｉ（ｋ）の複素相互相関関数Ｒｉを計算する。通常、周波数領域のオーディオ信号の１つＸｉ（ｋ）と周波数領域のオーディオ信号の他の１つＹｉ（ｋ）の複素共役を乗算することにより、関連するそれぞれのサブバンドにおける相互相関関数Ｒｉを求める。相互相関関数Ｒｉを受け取る回路１１４は、この複素相互相関関数Ｒｉの偏角ＡＲＧの微分ＤＡを決定する計算部１１４０を有する。相互相関関数Ｒｉの振幅ＡＶは変化しない。回路１１４の出力信号は、補正相互相関関数Ｒ′ｉ(Ｘｉ（ｋ），Ｙｉ（ｋ）)（Ｒ′ｉとも呼ぶ）である。この補正相互相関関数は、相互相関関数Ｒｉの振幅ＡＶと、偏角ＡＲＧの微分ＤＡである偏角とを有する。

コヒーレンス値計算回路１１１は、複素相互相関関数Ｒ′ｉを合計することにより、関連する各サブバンドについて複素コヒーレンス値Ｑｉを計算する。このように、計算量の多いヒルベルト包絡線アプローチとは異なり、簡単な計算だけで済む。

上記のアプローチは、もちろん、正規化された複素相互相関関数Ｐｉにも適用して、正規化された補正複素相互相関関数Ｐ′ｉを求めることもできる。

図４は、周波数領域におけるオーディオ信号のサブバンド分割を示す概略図である。図４Ａは、周波数領域のオーディオ信号Ｘ（ｋ）が周波数スペクトルｆのサブバンドｉ中のサブバンドオーディオ信号Ｘｉ（ｋ）にどのように分割されるかを示している。図４Ｂは、周波数領域のオーディオ信号Ｙ（ｋ）が周波数スペクトルｆのサブバンドｉ中のサブバンドオーディオ信号Ｙｉ（ｋ）にどのように分割されるかを示している。周波数領域信号Ｘ（ｋ）とＹ（ｋ）は、サブバンドｉにグループ分けされ、サブバンドＸｉ（ｋ）とＹｉ（ｋ）になる。各サブバンドＸｉ（ｋ）は、ＦＦＴビンインデックスｋ＝［ｋｓｉ．．．ｋｅｉ］に対応する。ここでｋｓｉとｋｅｉは、それぞれ最初と最後のＦＦＴビンインデックスｋを示す。同様に、各サブバンドＹｉ（ｋ）は、ＦＦＴビンインデックスｋの同じ範囲に対応する。

留意すべきことは、上記の実施形態が本発明を限定するものではなく例示するものであり、当業者が添付した請求項の範囲から逸脱することなく、多数の別の実施形態を設計することができることである。

本発明は、ステレオ信号に限定されるものではなく、例えば、ＤＶＤやＳＡＣＤで使用されているようなマルチチャンネルオーディオでも実施可能である。

請求項において、括弧に入れた参照符号は請求項を限定するものと解してはならない。「有する」という動詞及びその変化形を用いたが、請求項に記載された要素または段階以外の要素の存在を排除するものではない。構成要素に付された「１つの」、「一」という前置詞は、その構成要素が複数あることを排除するものではない。本発明は、複数の異なる構成要素を有するハードウェア手段によって、または好適にプログラムされたコンピュータによって実施してもよい。複数の手段を挙げる装置クレームにおいて、これらの手段は、１つの同じハードウェアにより実施してもよい。手段が相互に異なる従属項に記載されていても、これらの手段を有利に組み合わせて使用することができないことを示しているのではない。

オーディオエンコーダを示すブロック図である。本発明の一実施形態によるオーディオエンコーダを示すブロック図である。本発明の他の実施形態によるオーディオエンコーダの一部を示すブロック図である。周波数領域におけるオーディオ信号のサブバンド分割を示す概略図である。

Claims

オーディオ信号を符号化するエンコーダであって、
少なくとも２つの入力オーディオ信号の組み合わせを含むモノラル信号を生成する手段と、
前記少なくとも２つの入力オーディオ信号の空間的特性を示す空間パラメータの組を生成する手段と、を有し、
前記空間的パラメータの組は少なくともチャネル間コヒーレンス値及び／またはチャネル間位相差値を含み、
前記空間的パラメータの組を生成する手段は、
少なくとも２つの入力オーディオ信号の相互相関関数を生成する手段と、
前記相互相関関数の値を合計することにより複素コヒーレンス値を決定する手段と、
前記複素コヒーレンス値の絶対値を決定してチャンネル間コヒーレンス値の推定値を得る手段と、
前記複素コヒーレンス値の偏角を決定してチャンネル間位相差値の推定値を得る手段と、を有することを特徴とするエンコーダ。
請求項１に記載の、オーディオ信号を符号化するエンコーダであって、
前記空間的パラメータの組を生成する手段は、前記入力オーディオ信号を周波数またはサブバンド領域に変換して周波数またはサブバンド領域のオーディオ信号を求める手段を有し、
前記相互相関関数を生成する手段は、周波数またはサブバンド領域の前記オーディオ信号の１つと、周波数またはサブバンド領域の前記オーディオ信号の他の１つの複素共役の乗算として複素相互相関を計算するように構成されていることを特徴とするエンコーダ。
請求項２に記載の、オーディオ信号を符号化するエンコーダであって、
前記相互相関関数を生成する手段は、偏角が前記偏角の微分と置き換えられた相互相関関数である補正相互相関関数を計算するように構成され、
前記複素コヒーレント値を決定する手段は、前記補正相互相関関数の値を合計するように構成されていることを特徴とするエンコーダ。
請求項１に記載の、オーディオ信号を符号化するエンコーダであって、
前記空間的パラメータの組を生成する手段は、前記入力オーディオ信号を周波数領域に変換して周波数領域のオーディオ信号を求める手段と、前記周波数領域のオーディオ信号を周波数サブバンドと関連付けられた対応する複数のサブバンド信号に分割する手段と、を有し、
前記相互相関関数を生成する手段は、前記周波数サブバンドのサブセットに属する前記周波数サブバンドの少なくともそれぞれについて、前記サブバンド信号から前記相互相関関数を決定するように構成され、
前記複素コヒーレンス値を決定する手段は、前記サブセットに属する前記周波数サブバンドの少なくともそれぞれにおいて前記相互相関関数の値を合計するように構成され、
前記複素コヒーレンス値の絶対値を決定する手段は、前記サブセットの前記周波数サブバンドの少なくともそれぞれについて、前記コヒーレンス値の推定値を求めるように構成され、
前記複素コヒーレンス値の偏角を決定する手段は、少なくとも前記サブセットの前記周波数サブバンドのそれぞれについて、前記チャンネル間位相差値を求めるように構成されていることを特徴とするエンコーダ。
請求項４に記載の、オーディオ信号を符号化するエンコーダであって、
前記相互相関関数を生成する手段は、
所定周波数より低い周波数サブバンドに対して、前記サブバンド信号の１つと前記サブバンド信号の他の１つの複素共役の乗算として前記相互相関関数を計算し、前記複素コヒーレンス値を決定する手段は、少なくとも前記サブセットの前記周波数サブバンドのそれぞれにおいて、前記相互相関関数の値を合計するように構成され、
前記相互相関関数を計算する手段は、前記所定周波数より高い周波数サブバンドに対して、前記相互相関関数である補正相互相関関数を計算し、前記補正相互相関関数の偏角は前記偏角の微分により置き換えられ、前記複素コヒーレンス値を決定する手段は、少なくとも前記サブセットの前記周波数サブバンドのそれぞれの前記補正相互相関関数の値を合計するように構成されていることを特徴とするエンコーダ。
オーディオ信号を符号化する方法であって、
少なくとも２つの入力オーディオ信号の組み合わせを含むモノラル信号を生成する段階と、
前記少なくとも２つの入力オーディオ信号の空間的特性を示す空間パラメータの組を生成する段階と、を有し、
前記空間的パラメータの組は少なくともチャネル間コヒーレンス値及び／またはチャネル間位相差値を含み、
前記空間的パラメータの組を生成する段階は、
周波数領域の少なくとも２つの入力オーディオ信号の相互相関関数を生成する段階と、
前記相互相関関数の値を合計することにより複素コヒーレンス値を決定する段階と、
前記複素コヒーレンス値の絶対値を決定してチャンネル間コヒーレンス値の推定値を得る段階と、
前記複素コヒーレンス値の偏角を決定してチャンネル間位相差値の推定値を得る段階と、を有することを特徴とする方法。