JP2009513992A - オーディオ信号を符号化する装置と方法および符号化されたオーディオ信号を復号化する装置と方法 - Google Patents

Abstract

オーディオ信号を符号化する際、前記オーディオ信号はまず第１のエンコーダ（１２）で符号化され、第１のエンコーダ出力信号を取得する。この第１のエンコーダ出力信号は、ビットストリームに書きこまれる。更に、この出力信号は、デコーダ（１８）によって復号化され、復号化オーディオ信号を供給する。前記復号化オーディオ信号と原オーディオ信号とを比較し（２２）残差信号を取得する。次に、この残差信号は第２のエンコーダ（２６）を介して符号化され、第２のエンコーダ出力信号を取得する。この出力信号もまたビットストリーム（３０）に書き込まれる。第１のエンコーダは、第１の時間分解能または第１の周波数分解能を有する。第２のエンコーダは、第２の時間分解能または第２の周波数分解能を有する。高い時間分解能と高い周波数分解能を有するオーディオ信号を各デコーダから取り出すことができるように、第１の分解能は第２の分解能と異なっている。
【選択図】 １

Description

本発明は、符号化技術、特にオーディオ符号化技術に関する。

近年、オーディオエンコーダ、特に「ｍｐ３」、「ＡＡＣ」または「ｍｐ３ＰＲＯ」といったキーワードで知られるエンコーダが広く受け入れられるようになった。オーディオ信号は膨大な量のデータを要するが、例えば、そのオーディオ信号がＰＣＭ方式でオーディオ用ＣＤに記録されている場合、これらのエンコーダによって、帯域幅の限られているチャネル間でオーディオ信号を転送するのに適した「許容できる」データ転送速度で、オーディオ信号を圧縮することができる。ＰＣＭ方式でデータを転送するには、最大１．４Ｍｂｉｔ／ｓのデータ転送速度を要する。「ｍｐ３」で符号化されたオーディオデータは、既に１２８ｋｂｉｔ／ｓのデータ転送速度を有する高品質なステレオサウンドを達成している。

さらに、周知のスペクトル帯域複製（ＳＢＲ）により、既存の可聴範囲適応型知覚オーディオエンコーダの効率が大幅に上がっている。このＳＢＲ技術については、ＷＯ９８／５７４３６に記載されており、「ｍｐ３ＰＲＯ」方式として実施されてもいる。ここでも、良好なステレオ音質が実現されており、データ転送速度は、６４ｋｂｉｔ／ｓである。

欧州特許番号ＥＰ０８４６３７５（Ｂ１）（特許文献１）には、オーディオ信号をスケーラブル（拡張可能）に符号化する方法および装置が開示されている。オーディオ信号は、第１のエンコーダにより符号化され、第１のエンコーダのビットストリームを取得する。次に、この信号は、第１のエンコーダに適応するデコーダにより再び復号化される。このデコーダからの出力信号は、遅延された原オーディオ信号と共に、差分信号を生成する差分ステージに供給される。この差分信号は、原オーディオ信号と帯域ごとに比較され、スペクトル帯域の差分信号のエネルギーがオーディオ信号のエネルギーより大きいかどうかを判断する。差分信号のエネルギーがオーディオ信号のエネルギーより大きい場合、原オーディオ信号が第２のエンコーダに供給され、差分信号のエネルギーがオーディオ信号のエネルギーより小さい場合、差分信号が第２のエンコーダに供給される。この第２のエンコーダは、心理音響モデルを基に動作する変換エンコーダである。第１のエンコーダのビットストリームと同様に、第２のエンコーダの出力側のビットストリームも、ビットストリームマルチプレクサに与えられ、その出力側において、いわゆるスケーラブルな（拡張された）ビットストリームを供給する。ここで、スケーラビリティ（拡張性）とは、デコーダの設計を変更することにより、デコーダ側のビットストリームから第１のエンコーダのビットストリームのみを抽出、または第１のエンコーダのビットストリームと第２のエンコーダのビットストリームの両方を抽出できることを意味する。第１のエンコーダのビットストリームのみを抽出する第１のケースでは、質的に劣る原オーディオ信号の複製を、また、両方のビットストリームを抽出する第２のケースでは、高品質な原オーディオ信号の複製を取得する。

典型的な変換型エンコーダを図４（ａ）に示す。オーディオ信号は、分析フィルタバンク４００に送られる。この分析フィルタバンクは、入力時に、ブロック化および窓かけをそれぞれ行い、サンプル値のストリームからある特定数のオーディオ信号のサンプルを有する１つのブロックを形成し、このブロックをスペクトル表現に変換する。分析フィルタバンクの出力時に生成されるスペクトル係数とサブバンド信号はそれぞれ、量子化される。量子化ステップ幅は、さまざまな要因によって変わるが、中でも重要なのは、原オーディオ信号から、心理音響モデル４０２によって算出される心理音響マスキング閾値である。「量子化および符号化４０４」ブロックの量子化器は、常に、できるだけ粗く量子化を行い、大量圧縮を行うようになっている。その反面、周知のとおり、量子化器は、量子化によって発生する量子化ノイズがブロック４０２によって与えられた心理音響マスキング閾値を下回るように、できるだけ細かく量子化を行うようにもなっている。このように量子化されたスペクトル値は、次に、エントロピー符号化にかけられるが、一般的にエントロピー符号化としてハフマン符号化が用いられ、通常、既定のハフマンコードブックおよびハフマンコードテーブルをそれぞれ用いて操作する。次に、エントロピー符号化された量子化スペクトル値は、ブロック４０４の出力に供給され、ブロック４０６を介して、復号化に必要なサイド情報と共に、ビットストリーム４０８に書き換えられる。このビットストリームは、適用分野により、格納されたり、または伝送チャネルを通って図４（ｂ）に示すデコーダに送信される。まず、デコーダは、ビットストリームを読み出し、ビットストリームから、一方でサイド情報、もう一方でエントロピー符号化された量子化スペクトル値を抽出するブロック４１０を備える。次に、エントロピー符号化された量子化スペクトル値は、最初にエントロピー復号化へ送られ、次に逆量子化に送られ、逆量子化されたスペクトル値を取得し（ブロック４１２）、このスペクトル値は次に分析フィルタバンク４００に適応する合成フィルタバンク４１４を介して送られ、出力側で時間離散型復号化オーディオ信号を取得する。この合成フィルタバンクの出力側の時間離散型オーディオ信号は、内挿法およびデジタル／アナログ変換、必要ならば、増幅を適宜行った後に、ラウドスピーカーに送ることもでき、これによって聴取可能になる。

図４の（ａ）および（ｂ）に示す、周知のシナリオに用いられているように、ブロック化ベースのエンコーダ／デコーダは、複数のサンプルからなる１つのブロック、例えば、周知のＭＤＣＴ（変形離散コサイン変換）で重複加算（Ｏｖｅｒｌａｐ ａｎｄ Ａｄｄ）法を用いた、オーディオ信号の１０２４個および２０４８個の時間離散サンプルからなるブロックがスペクトル域に変換されるという事実に基づいている。たとえ、６４チャネルのＳＢＲフィルタバンクのような、周波数分解の少ないフィルタバンクを用いる場合でも、ある一定数のサンプルを有するブロックであれば、常に用いて、スペクトル表現に変換される。つまり、ここでは個別のサブバンド信号である。以上、説明したように、周知の方法で心理音響マスキング閾値を算出する心理音響モデルを通常利用して、スペクトル表現が量子化される。

このような変換は、それぞれ固有に、ある特定の時間／周波数分解能を有する。つまり、１つのブロックに多数のサンプルが挿入されている場合、このブロックに適用される変換は固有に高い周波数分解能を有することを意味する。ただし、それにともなって時間分解能は低下する。オーディオ信号の短い部分がスペクトル域に変換されて時間分解能が上昇したとすると、これに伴って周波数分解は低下することになる。

したがって、問題となるのは、オーディオ信号の定常期が非常に短いとしか考えられないことである。確かに、オーディオ信号が定常でない間、過渡と呼ばれる短期間の強いエネルギー増加がみられる。

この時間／周波数分解能の問題に対処するために、過渡検出器により制御されるブロック切り替えが、例えば、ＡＡＣエンコーダ（ＡＡＣ＝ａｄｖａｎｃｅｄ ａｕｄｉｏ ｃｏｄｉｎｇ）に用いられている。ここで、符号化されるオーディオ信号は、窓掛けおよびブロック処理をそれぞれ行う前に調べられ、オーディオ信号が過渡を有するか否かを判断される。過渡があると判断されると、短いブロックを用いて符号化が行われる。しかし、過渡のない信号部分が検出されると、長いブロック長が用いられる。このように、前記一般的な変換符号化方法では、ブロック切り替えを用いて、変換長を信号に適応させる。特に、低いビットレートを得ることになっている場合、ページ情報と役に立つ情報の比率は、通常、ブロック長とは比較的無関係なので、非常に長い変換長を使用するのが好ましい。これは、ブロックがオーディオ信号の多数の時間サンプルを表しているかどうか、またはブロックが短い、つまり少数のサンプルを表しているかどうかという事実とは関係なく、ページ情報の量はほぼ同じであるということを意味する。したがって、符号化効率を上げるために、できるだけ長いブロック長と、長い変換長をそれぞれ変換エンコーダで用いるようにする。

一方、過渡を検出し、オーディオ信号の非定常領域が現れたとき短い窓に切り替えるために、ある種の処理労力を要することは仕方ないが、それでもなお、その符号化形式の信号が、良好な周波数分解能のみ、または良好な時間分解能のみを有するという事実に変わりはない。
欧州特許番号ＥＰ０８４６３７５（Ｂ１）

本発明の目的は、高品質、なおかつ効率的にオーディオ符号化／復号化を行う符号化および復号化を改善する概念を提供することである。

この目的は、請求項１によるオーディオ信号を符号化する装置、請求項７によるオーディオ信号を符号化する方法、請求項８による符号化されたオーディオ信号を復号化する装置、請求項９による符号化されたオーディオ信号を復号化する方法、または請求項１０によるコンピュータプログラムによって達成される。

本発明は、スケーラビリティ概念という意味で、第１のエンコーダが第１の時間／周波数分解を有し、第２のエンコーダが前記第１の時間／周波数分解とは互いに異なる第２の時間／周波数分解能を有し、これにより前記第１のエンコーダがある特定の分解能で原オーディオ信号を符号化し、次に前記第２のエンコーダが時間および周波数の点でそれぞれ異なるある特定の分解能で動作し、これにより２つのデータストリームを取得し、この２つのデータストリームを一緒に考慮すると、良好な時間分解能および良好な周波数分解能の両方を表すこととなり、良好な周波数分解能および良好な時間分解能の両方を備える良好な符号化品質を達成することができるという認識に基づいている。

また、第２のエンコーダに原オーディオ信号は送られず、原オーディオ信号と第１のエンコーダ／デコーダで符号化および再復号化された結果との差が送られる。第１のエンコーダで生じた分解能誤差は、差の形成等により取得される残差信号に自動的に現れる。例えば、第１のエンコーダ／デコーダ経路の時間分解能が不良である場合、この残差信号には通常誤差がでる。逆に、第１のエンコーダ／デコーダ経路の周波数分解能は良好なはずなので、残差信号が各周波数誤差を有することはまずない。したがって、高い時間分解能を有するエンコーダ（したがって、各周波数分解能は不良）を用いて残差信号を簡単に符号化することができ、第２の符号化出力信号として、時間分解能は良好だが周波数分解能は不良な信号を得ることができる。しかし、周波数分解能が不良であっても問題にはならない。というのも、第１のエンコーダ出力信号は、既に良好な周波数分解能を有しており、これにより、オーディオ信号の周波数ごとに考慮された構造をうまく再生するからである。

本発明の好適な実施形態において、第１のエンコーダと第２のエンコーダは、ともに変換エンコーダである。さらに、第１のエンコーダを高い周波数分解能（したがって、時間分解能は不良）、つまり高い変換長で動作させ、第２のエンコーダを高い時間分解能（したがって、周波数分解能は不良）で動作させることが好ましい。

本発明によると、時間領域のアーティファクト、つまり時間分解能が悪いために生じるアーティファクトの方が、周波数領域のアーティファクト、つまり周波数分解能が悪いために生じるアーティファクトよりも、多くの場合容認されるという事実がわかった。したがって、第１のエンコーダを高い周波数分解能で動作させることが好ましい。その理由は、各デコーダからの第１のエンコーダ出力信号だけでも、スケーラビリティの概念に準ずるかなり良好なオーディオ出力を取得するのに十分だからである。

本発明によると、第１のエンコーダ／デコーダ経路の出力信号と原オーディオ信号の差を形成し、その結果として得られる残差信号を、良好な時間分解能を有する第２のエンコーダで符号化することにより、第１のエンコーダ方法の品質は、第２のエンコーダによって向上される。この符号化方法は、特に残差信号に都合がよい。その理由は、第１の符号化方法によって、音色成分が既に非常に良好に、かつ効率的に取り込まれているので、残差信号には音色成分がもうほとんど含まれていないからである。

しかしながら、この残差信号の重大な欠点は、過渡現象の前後に発生するノイズ、つまりプレエコーまたはポストエコーの発生時に現れる不良時間分解能である。プレエコーは被験者にとって容易に検出できるので、ポストエコーより煩わしい。いわば、このノイズは、過渡現象の量子化ノイズであり、そのスペクトル内容においては主に過渡現象の一つに相当し、音色ではない。したがって、短いブロック、つまり高い時間分解能で変換符号化方法を用いることにより、時間分解能は、効率的なかたちで、かなり向上する。

このように、本発明によると、オーディオ信号の音色部分、またはどちらかというと音色的な部分を、長い変換長を有する周波数選択型変換符号化方法を用いて検出する一方で、短い変換長を用いるダウンストリーム符号化方法によって残差信号の時間分解能を高くし、高品質および最高品質を備えるオーディオ符号化方法を得られる。

下記に、本発明の好適な実施形態について、添付の図面を参照して詳細に説明する。

図１は、オーディオ信号の符号化装置を示し、オーディオ信号が入力１０を介して供給されている。まず、このオーディオ信号は、第１の時間／周波数分解能を有する第１のエンコーダ１２に与えられる。第１のエンコーダ１２は、出力１４において、第１のエンコーダ出力信号を生成するよう構成されている。第１のエンコーダ１２の出力１４における第１のエンコーダ出力信号は、一方でマルチプレクサ１６へ、またもう一方でデコーダ１８へ送られる。このデコーダは、第１のエンコーダと適合しており、第１のエンコーダ出力信号を復号し、復号化されたオーディオ信号をデコーダ１８の出力２０に供給する。復号化された出力信号２０は、原オーディオ信号１０と共に比較器２２に送られる。比較器２２は、入力１０のオーディオ信号と、復号化オーディオ信号、つまり第１のエンコーダ１２およびデコーダ１８を通過した出力２０のオーディオ信号とを比較するよう構成されている。比較器２２は特に、オーディオ信号と復号化オーディオ信号の差分からなる残差信号を出力２４の１つにおいて供給するように構成されている。この残差信号２４は、第２のエンコーダ２６に送られる。ここで、比較器２２の出力２４における残差信号は符号化され、第２のエンコーダ出力信号の出力２８に供給され、これもまたマルチプレクサ１６に送られる。マルチプレクサ１６は、第１のエンコーダ出力信号と第２のエンコーダ出力信号を結合し、この結合信号から符号化されたオーディオ信号を出力３０において生成するよう構成されている。必要ならば、対応するサイド情報およびビットストリーム構文規則を考慮する。

本発明によると、第１のエンコーダは第１の時間分解能または第１の周波数分解能を有し、第２のエンコーダは第２の時間分解能または第２の周波数分解能を有する。本発明によると、第１のエンコーダ出力信号は、時間または周波数について良好に符号化され、第２のエンコーダ出力信号が周波数または時間について良好に符号化されるように、第１のエンコーダの第１の分解能と第２のエンコーダの第２の分解能が異なっており、マルチプレクサ１６の出力において符号化されたオーディオ信号が高い時間分解能および高い周波数分解能の両方を有するようになっている。

以下、本発明の好適な実施形態につき、図２を参照して説明する。ここで、オーディオ信号１０は、図２において差装置として図示される比較器２２に送られる前に、遅延装置３２により遅延される。これにより、図２の好適な実施形態において、差装置２２により、デコーダ１８の出力における復号化されたオーディオ信号と遅延装置３２の出力における（遅延された）オーディオ信号のサンプルごとの差をリアルタイムに設けることができる。

図２に示す実施形態において、さらに、第１のエンコーダ、つまり図２のエンコーダ１２、および図２において差エンコーダと呼ばれる第２のエンコーダ２６が、変換符号化を実行するように構成されている。

さらに、第１のエンコーダ１２が、長い変換長、つまり高い周波数分解能かつ低い時間分解能を用いて符号化を行い、第２のエンコーダ２６が、短い変換長、つまり高い時間分解能、およびこれに伴う低い周波数分解能を用いて符号化を行うのが好ましい。

原則として、第１のエンコーダも短い変換長で動作可能であるし、差エンコーダも長い変換長で動作可能であるが、既に説明したように、聴取者にとっては時間的なアーティファクトの方が周波数的なアーティファクトよりもあまり問題にならないため、第１のエンコーダが長い変換長で動作するほうが好ましい。このように、第１のエンコーダが長い変換長で動作し、次に第１のエンコーダが短い変換長で機能する場合、出力１４の第１のエンコーダ出力信号を処理できるエンコーダが１つあれば、出力２８の第２のエンコーダ出力信号を処理できなくとも、より好ましい複製を生成することができる。

図２の第１のエンコーダおよび／または第２のエンコーダ内で変換アルゴリズムとして、フーリエ変換、離散フーリエ変換、高速フーリエ変換、離散コサイン変換、変形離散コサイン変換など、時間サンプルのブロックをスペクトル表現に変換するあらゆる手段を用いることができる。また、６４チャネルのフィルタバンク、１２８チャネルのフィルタバンク、またはそれらと大体同数のチャネルを有するフィルタバンクなど、チャネル数の少ないフィルタバンクを用いることもできる。

本発明の別の実施形態において、第１のエンコーダ１２は、ＳＢＲエンコーダでもよい。このＳＢＲエンコーダは、遮断周波数以下の情報のみからなる第１のエンコーダ出力信号を供給するよう構成されており、この遮断周波数は、オーディオ入力１０におけるオーディオ信号の遮断周波数より小さい。代表的なＳＢＲエンコーダは、ＳＢＲデコーダで高い周波数を再構成するために利用できるサイド情報をオーディオ信号から取り出して、第１のエンコーダ出力信号の遮断周波数を超えるオーディオ信号の高い帯域を、できる限り高品質で再構成する。しかしながら、図２のデコーダ１８は、そのような高周波数を再構成するＳＢＲデコーダではなく、第１のエンコーダ１２に適合する一般的な変換デコーダである。この変換デコーダは、同帯域が制限されるという事実に関係なく、単にエンコーダ出力信号を復号化し、出力２０におけるデコーダ１８の出力信号も原オーディオ信号よりも低い遮断周波数を有するようにする。

その場合、残差信号は、遮断周波数以下ではエンコーダ１２およびデコーダ経路のエンコーダ／デコーダ誤差を含むこととなるが、遮断周波数以上では完璧なオーディオ信号になる。

その場合、この残差信号は、第１のエンコーダ出力信号の遮断周波数以上では原オーディオ信号に相当するので、短い変換長を用いる差エンコーダ２６によっても符号化することもできる。一方ではしかし、第１のエンコーダ出力信号の遮断周波数以下の残差信号のスペクトル域だけが差エンコーダ２６によって符号化されるので、オーディオ信号の高周波部分でも高い周波数分解能を得るためには、長い変換長を有する第１のエンコーダ１２によって残差信号の高周波部分を再び符号化しなければならない。

エンコーダ１２の出力信号の高周波帯域については、原オーディオ信号のそれぞれの帯域と再び比較され、その差信号を再び差エンコーダ２６で符号化し、４つのデータストリームがマルチプレクサ１６に送られる。そこで、この４つのデータストリームが合わせて復号化され、トランスペアレントな（符号化されたことがわからない）複製、つまり、アーティファクトのない複製が可能となる。

本発明によると、第１のエンコーダと第２のエンコーダの両方が心理音響モデルを利用して動作することは重要でない。しかしながら、データ効率を高めるために、少なくとも第１のエンコーダ１２が心理音響モデルを利用して動作することが好ましい。リソースによっては、第２のエンコーダでも損失なく符号化を行うことができ、各伝送チャネルリソースがあれば、完全にトランスペアレントな複製を達成できる。また、第２のエンコーダも心理音響モデルを用いて動作することができる。その場合、第２のエンコーダ用に再度心理音響モデルを完全に演算することはせず、第２のエンコーダに対する第１のエンコーダの各種変換長を考慮して、心理音響モデルの少なくとも数箇所と全心理音響マスキング閾値をそれぞれ「再利用」できることが好ましい。例えば、これは、第１のエンコーダが、第２のエンコーダ用に心理音響マスキング閾値を即時演算することにより行われる。ただし、第２のエンコーダが短い変換長を用いることを考慮して、例えば「保障分」として仮に３ｄＢを用い、第２のエンコーダ用の心理音響マスキング閾値が、第１のエンコーダ１２の心理音響マスキング閾値より、例えば３ｄＢ、または他の所定値だけ小さくなるようにする。

変換長に関し、第１のエンコーダの変換長は、第２のエンコーダの変換長の整数倍数であることが好ましい。そうすると、第１のエンコーダの変換長は、第２のエンコーダ２６の変換長よりも、例えば２倍、３倍、４倍、または５倍多いオーディオ信号のサンプルからなる可能性がある。したがって、この第１のエンコーダの変換長と第２のエンコーダの変換長が整数関係にあるのは好ましいことであり、これにより第１のエンコーダのエンコーダデータを第２のエンコーダ用として比較的良好に再利用することが可能になる。しかし、変換長の関係が整数でなくてもそれほど問題ではない。その理由は、変換長がデコーダに報告されてデコーダが正しいサンプルの合計を出している間、つまり、図２の素子２２においてサンプルごとの差の逆数を生成している間、第１のエンコーダ１２と第２のエンコーダ２６は互いに同期して作動することはできないからである。

図３は、本発明により、符号化されたオーディオ信号を復号化するデコーダを示す。図１および図２それぞれの出力３０で出力された符号化オーディオ信号は、送信、格納等を経て、図３に示すデコーダの入力４０に送られる。入力４０はまず、ビットストリームデマルチプレクサの機能を有する抽出器４２に連結し、最初に第１のエンコーダ出力信号を符号化オーディオ信号から抽出して出力４４に供給する。また更にこの抽出器４２は、各符号化された残差信号と差信号、また第２の符号化オーディオ信号を出力４６に供給するよう構成されている。第１のエンコーダ出力信号は、図１に示す本発明の符号化装置である第１のエンコーダ１２に適合し、また基本的には図１のデコーダ１８と同一である第１のデコーダに送られる。これは、第１のデコーダ４８は、再度同じ時間／周波数分解能を有する、つまり、例えば図１のエンコーダ１２と同じ変換長で動作することを意味する。抽出器の出力４６の第２のエンコーダ出力信号は、図１の第２のエンコーダ２６に適合し、第２の時間／周波数分解能を有する第２のデコーダ５０に送られる。この第２の時間／周波数分解能は、図１に示す第２のエンコーダ２６の時間／周波数分解能と同じである。

出力側では、第１のエンコーダ４８が、図２の出力２０の信号と同一であるはずの復号化されたオーディオ信号を供給する。同様に、第２のデコーダ５０は、出力側で復号化された残差信号を供給する。両デコーダは原則的に、図４ｂを参照して例示されているように形成することが出来るが、両デコーダの変換長およびこれにともない使用される合成フィルタバンクについては異なる可能性があることに留意されたい。

図３の出力５２の復号化されたオーディオ信号と図３の出力５４の復号化された残差信号は共に結合器５６に送られ、そこで本発明の好適な実施形態におけるサンプルごとの合算を実行する。これは、一般的に、図１の素子２２のエンコーダが行った比較動作とは逆の動作である。出力側において、結合器５６は図３のデコーダ装置の出力５８に出力信号を供給する。この出力信号は、良好な時間分解能および良好な周波数分解能の両方を用いる本発明によって、卓越した信号、つまり周波数的アーティファクトおよび時間的アーティファクトがほとんどない信号である。

状況により、図１に関連して例示されるような本発明の符号化方法、または図３に関連して例示されるような本発明の復号化方法は、ハードウェアまたはソフトウェアで実行可能である。この各方法が実行できるようにプログラム制御できるコンピュータシステムと対話できるデジタル記憶媒体、特に、電子的に読み取り可能な制御信号を備えるディスクまたはＣＤにおいて、この方法を実行することができる。このように、本発明は、コンピュータ上でコンピュータプログラム製品が動作する際に、本発明を実行するために、一般的に機械読み取りキャリアに格納されたプログラムコードを備えたコンピュータプログラム製品である。言い換えると、本発明は、コンピュータプログラムがコンピュータ上で動作する際に、本方法を実行するプログラムコードを備えるコンピュータプログラムとして実現することも可能である。

本発明の符号化概念のブロック図である。 本発明の好適な実施形態による本発明の符号化概念のブロック図である。 本発明のデコーダの概念を示すブロック図である。 （ａ）は、従来の変換エンコーダであり、（ｂ）は、従来の変換デコーダである。

Claims (10)

1. オーディオ信号から第１のエンコーダ出力信号を生成する第１の変換エンコーダ（１２）であり、前記オーディオ信号の第１の時間サンプル数を有するブロックをスペクトル表現に変換し、前記第１のエンコーダ出力信号を取得する前記第１の変換エンコーダ（１２）と、
   前記第１のエンコーダ（１２）に適合し、前記第１のエンコーダ出力信号を復号化して復号化オーディオ信号を供給するデコーダ（１８）と、
   前記オーディオ信号と前記復号化オーディオ信号を比較し、前記オーディオ信号と前記復号化オーディオ信号の差からなる残差信号を供給する比較器（２２）と、
   前記残差信号を符号化して第２のエンコーダ出力信号を供給し、前記第２のエンコーダ出力信号を取得するために、前記オーディオ信号の第２の時間サンプル数を有するブロックをスペクトル表現に変換する第２の変換エンコーダ（２６）であり、前記オーディオ信号の第１の時間サンプル数が前記オーディオ信号の第２の時間サンプル数より多く、前記第１のエンコーダ（１２）が低い時間分解能と高い周波数分解能を有し、前記第２のエンコーダ（２６）が高い時間分解能と低い周波数分解能を有するように、前記第１の変換エンコーダおよび前記第２の変換エンコーダが適応させられている、第２の変換エンコーダ（２６）と、
   前記第１のエンコーダ出力信号と前記第２のエンコーダ出力信号を結合させて符号化オーディオ信号を取得するマルチプレクサ（１６）と、を備えるオーディオ信号符号化装置。
2. 前記第１のエンコーダ（１２）と前記第２のエンコーダ（２６）がフィルタバンク、またはフーリエ変換、離散フーリエ変換、高速フーリエ変換、離散コサイン変換または変形コサイン変換からなる変換アルゴリズムを有している、請求項１に記載のオーディオ信号符号化装置。
3. 前記デコーダ（１８）は、サンプルシーケンスを有する時間離散的に復号化されたオーディオ信号を供給し、
   前記オーディオ信号は、サンプルシーケンスを有する時間離散オーディオ信号であり、
   前記比較器（２２）は、サンプルごとに差を形成して、前記残差信号を取得する、請求項１または請求項２に記載のオーディオ信号符号化装置。
4. 前記オーディオ信号を遅延させる遅延装置（３２）であり、前記第１のエンコーダ（１２）および前記デコーダ（１８）に関連する遅延に依存する遅延を有する遅延装置（３２）を更に備える請求項１から３のいずれかに記載のオーディオ信号符号化装置。
5. 前記マルチプレクサ（１６）は、前記第１のエンコーダ出力信号が前記第２のエンコーダ出力信号とは関係なく復号化できるように符号化オーディオ信号を生成する、請求項１から４のいずれかに記載のオーディオ信号符号化装置。
6. 前記第１のエンコーダ（１２）は、前記第１のエンコーダ出力信号の遮断周波数の上限が前記オーディオ信号の遮断周波数の上限より低くなるように、前記オーディオ信号に帯域制限をかけ、
   前記比較器（２２）は、前記第１のエンコーダ出力信号の遮断周波数の上限を上回るオーディオ信号に相当する残差信号を供給し、前記第２のエンコーダ（２６）は、第１のエンコーダの遮断周波数の上限を上回る前記残差信号の一部を、第２の分解能と不等もしくは同等である時間分解能または周波数分解能で符号化する、請求項１から５のいずれかに記載のオーディオ信号符号化装置。
7. オーディオ信号から第１の時間分解能または第１の周波数分解能で第１の出力信号を生成する工程（１２）であり、前記オーディオ信号の第１の時間サンプル数を有するブロックをスペクトル表現に変換して第１の出力信号を取得する工程を含む前記生成工程（１２）と、
   復号化オーディオ信号を供給するために、前記第１のエンコーダ出力信号を復号化する工程と、
   前記オーディオ信号と前記復号化オーディオ信号の差からなる残差信号を供給するために、前記オーディオ信号と前記復号化オーディオ信号を比較する工程（２２）と、
   第２の出力信号を供給するために、前記残差信号を、第２の時間分解能または第２の周波数分解能で符号化し、オーディオ信号の第２の時間サンプル数を有するブロックをスペクトル表現に変換して第２の出力信号を取得する工程を含む符号化工程（２６）であって、前記オーディオ信号の第１の時間サンプル数が前記オーディオ信号の第２の時間サンプル数より多く、前記第１の出力信号が低い時間分解能と高い周波数分解能を有し、前記第２の出力信号が高い時間分解能と低い周波数分解能を有するように、前記生成工程（１２）と前記符号化工程（２６）が適応させられている、符号化工程（２６）と、
   符号化オーディオ信号を取得するために、前記第１のエンコーダ出力信号と前記第２のエンコーダ出力信号を結合する工程（１６）と、を備えるオーディオ信号符号化方法。
8. 出力信号を取得するために符号化されたオーディオ信号の復号化装置であり、前記符号化オーディオ信号は、高い時間分解能と低い周波数分解能で符号化された第１のエンコーダ出力信号を有し、前記符号化オーディオ信号はさらに、高い時間分解能と低い周波数分解能で符号化され、原オーディオ信号と復号化オーディオ信号の差を表す残差信号である第２のエンコーダ出力信号を有し、前記第１のエンコーダ出力信号を復号化することによって復号化オーディオ信号を取得することができ、前記第１のエンコーダ出力信号は、第１の変換エンコーダを用いて生成されており、前記第１の変換エンコーダはオーディオ信号の時間サンプル数が多いブロックをスペクトル表現に変換して前記第１のエンコーダ出力信号を取得し、前記第２のエンコーダ出力信号は第２の変換エンコーダを用いて生成されており、前記第２の変換エンコーダは、前記オーディオ信号の時間サンプル数が少ないブロックをスペクトル表現に変換して前記第２のエンコーダ出力信号を取得し、
   前記符号化オーディオ信号から前記第１のエンコーダ出力信号および前記第２のエンコーダ出力信号を抽出する抽出器（４２）と、
   前記第１の変換エンコーダに適合し、前記第１のエンコーダ出力信号を復号化して前記復号化オーディオ信号を取得する第１の変換デコーダ（４８）であり、低い時間分解能および高い周波数分解能で動作し、第１の数のスペクトル値を有するブロックを時間表現に変換する第１の変換デコーダ（４８）と、
   前記第２の変換エンコーダに適合しており、前記第２のエンコーダ出力信号を復号化して復号化された残差信号を取得する第２の変換デコーダ（５０）であり、高い時間分解能および低い周波数分解能で動作し、前記第１の数より少ない第２の数のスペクトル値を有するブロックを時間表現に変換する第２の変換デコーダ（５０）と、
   前記復号化オーディオ信号および前記復号化残差信号を結合して出力信号を取得する結合器（５６）と、を備える符号化オーディオ信号の復号化装置。
9. 出力信号を取得するために符号化されたオーディオ信号の復号化装置であり、前記符号化オーディオ信号は、高い時間分解能と低い周波数分解能で符号化された第１のエンコーダ出力信号を有し、前記符号化オーディオ信号はさらに、高い時間分解能と低い周波数分解能で符号化され、原オーディオ信号と復号化オーディオ信号の差を表す残差信号である第２のエンコーダ出力信号を有し、前記第１のエンコーダ出力信号を復号化することによって復号化オーディオ信号を取得することができ、前記第１のエンコーダ出力信号は、第１の変換エンコーダを用いて生成されており、前記第１の変換エンコーダはオーディオ信号の時間サンプル数が多いブロックをスペクトル表現に変換して前記第１のエンコーダ出力信号を取得し、前記第２のエンコーダ出力信号は第２の変換エンコーダを用いて生成されており、前記第２の変換エンコーダは、前記オーディオ信号の時間サンプル数が少ないブロックをスペクトル表現に変換して前記第２のエンコーダ出力信号を取得する、前記方法は、
   前記符号化オーディオ信号から前記第１のエンコーダ出力信号および前記第２のエンコーダ出力信号を抽出する工程（４２）と、
   前記第１の変換エンコーダに適合し、前記復号化オーディオ信号を取得するために前記第１のエンコーダ出力信号を復号化する工程（４８）であり、低い時間分解能および高い周波数分解能で動作し、第１の数のスペクトル値を有するブロックを時間表現に変換する復号化工程（４８）と、
   前記第２の変換エンコーダに適合し、前記復号化残差信号を取得するために前記第２のエンコーダ出力信号を復号化する工程（５０）であり、高い時間分解能と低い周波数分解能で動作し、前記第１の数よりも小さい第２の数のスペクトル値を有するブロックを時間表現に変換する復号化工程（５０）と、
   出力信号を取得するために、前記復号化オーディオ信号および前記復号化残差信号を結合する工程（５６）と、を備える、復号化オーディオ信号の復号化装置。
10. コンピュータ上でプログラムを動作させる際に、請求項７または９による方法を実行するためのプログラムコードを有するコンピュータプログラム。

Images